1.
우리가 주행하려고 하는 환경의 도로면은 굴곡이 없고 평평한 편이다. 횡단보도 등에 의해 약간씩 경사가 존재하긴 하지만, 충분히 평평하며 '평면' 이라고 할 수 있다.
a.
참고 : 따라서, 이 방법(소실점) (참고3) 을 이용한 방법은 도로가 '평평하지 않은 경우' 적용하기 어려울 수 있다.
2.
도로 면의 특정한 점에서의 camera based depth prediction 을 위한 dataset 이 없다.
a.
참고 : depth prediction 을 활용하면, 도로가 '평평하지 않은 경우' 에 휴리스틱을 극복할 수 있다 (참고 4,5: 하지만 테슬라의 경험에 따르면 depth prediction 을 통한 깊이예측 결과가 충분히 좋지 못했고, 이를 극복하기 위한 다양한 테크닉을 사용했음을 알 수 있다).
3.
우리는 global path 에 대한 기구의 heading (rotation) 추정을 상당히 어려워했다 (참고6). '다크프로그래머' 의 말을 인용하면, 인공물에는 평행한 선들이 자주 발견되며 이를 통해 3D 정보를 부분적으로 복원해낼 수 있다 (참고8). 내가 주행해야 하는 도로가 '직진' 이라는 사전지식 (global path) 을 가지고 있는 상황에서, 소실점과 평면 위의 직선을 통해 카메라의 yaw 를 추정할 수 있다. 3차원에서 직진하는 도로 평면 위에는 있는 중앙선이라는 직선이 존재한다. 3차원에서 직진하는 인도라는 평면 위에 있는 직선들 중에는 점자블럭이 포함된다. 이 점자블럭이라는 직선과 소실점의 교점을 알면 yaw (또는 pan) (참고1) 를 추정할 수 있다 (참고7:이 방법 또한 직진 방향의 점자블럭 인도가 잘 보이는 상황에서만 사용할 수 있다).
a.
예를 들어, 아주 멀~리까지 직진하는 도로가 있는데, 카메라의 pan (yaw) 가 틀어져 있다고 생각해 보자.
i.
카메라의 pan 이 완벽히 도로면과 나란히 마주보고 있지 않다고 하더라도, '중앙선' 이라는 직선과 소실선의 교점을 알면, 도로의 방향을 알 수 있다.
ii.
아주 멀~리까지 뻗어 있는 기찻길을 볼 때, '철길' 이라는 직선과 소실점의 교점을 알면, 철길의 방향을 알 수 있다.
그림 (참고2)
참고
6.