단일 카메라 기반 3D 차선 검출은 자율주행 차량의 안전하고 합리적인 경로 계획 및 운동 제어를 지원하는 핵심 기술이지만, 현재 알고리즘의 성능이 여전히 불충분하여 완전한 자율주행 실현을 저해하고 있다.
다중 카메라 3D 객체 탐지 모델의 성능을 향상시키기 위해 약한-강한 유도 프레임워크를 제안하여 단일 카메라 인지 능력과 주변 환경 정제 능력을 동시에 향상시킴.
입자 군집 최적화(PSO)를 활용하여 안전하고 효율적인 자율주행 차량 운동 계획 기법을 제안한다.
대규모 언어 모델(LLM)을 자율주행 차량의 행동 계획 및 안전 검증에 통합하여 성능과 안전성을 향상시킬 수 있다.
LiDAR 포인트 클라우드 데이터를 활용하여 3D 공간에서 차선을 정확하게 검출하고 위치를 추정하는 기술을 제안한다.
P-MapNet은 SDMap과 HDMap 사전 지식을 활용하여 온라인 고정밀 지도 생성 성능을 크게 향상시킨다.
자율주행 분야에서 비전 트랜스포머 모델은 기존 CNN 및 RNN 모델을 능가하며, 3D 및 2D 인지 작업에서 뛰어난 성능을 보이고 있다.
단일 뷰와 다중 뷰 깊이 추정 기술을 적응적으로 융합하여 정확하고 강건한 깊이 추정을 달성한다.