엔지니어 동행하기

NVIDIA CUDA를 활용하여 계산을 가속화하고 결과적으로 Object Detection 컴포넌트의 출력 frame을 높일 수 있습니다. 이번 포스팅에서는 Object Detection 결과인 Bounding Box에 적용하는 NMS(Non Maximum Suppression) 알고리즘을 병렬 프로그래밍으로 작성해보겠습니다. NMS에 대한 설명보다 CUDA Programming의 전체적인 그림을 그리는데 중점을 둘 것입니다. CUDA Programming, Data Flow 핵심 아이디어는 데이터를 CPU와 GPU사이에서 옮기는 비용이 크기 때문에, 가속하고자 하는 연산은 GPU에서 모두 끝내고, 결과 데이터만 CPU로 다시 가져오는 방식으로 프로그래밍을 한다는 것입니다. Data Flow를 3가지 단..

LiDAR를 통해 Object Detection을 하게 되면, 결과 값은 LiDAR의 Body Frame 기준의 값으로 얻어집니다. 이 값을 UTM이라는 Local Frame의 값으로 변환하기 위해서는 Coordinate Frame(= Coordinate System) 간의 변환 관계를 계산해야 합니다. 따라서 Transform에 대해 설명드리고, 어떻게 좌표계간 데이터를 변환할 수 있는지 설명드리겠습니다. (Object Detection 관점이 아니더라도 Transform에 대해 이해할 수 있도록 글을 작성하였습니다.) 먼저 Coordinate System에 대한 이해가 필요합니다. 이전 포스팅을 먼저 확인해주시길 바랍니다. (해당 포스팅에서 Frame과 Coordinate System을 혼용해서 사용..

자율주행 자동차가 Object Detection을 할 때, 좌표계 간의 변환을 통해 Object 데이터를 표현하게 됩니다. 즉, 카메라나 LiDAR 좌표계에서 얻어진 Object의 Position을 지구 위의 한 점으로 표현을 해야 합니다. 따라서 좌표계에 대한 정의와 이로부터 데이터를 어떻게 해석할지를 정리하도록 하겠습니다. 해당 포스팅은 Apollo coordinate system을 바탕으로 작성하였습니다. WGS 84 : Global Geographic Frame (World Geodetic System , WGS) 세계 지구 좌표 시스템으로 1984년에 재정된 범 지구적 측위 시스템입니다. WGS84는 지도학(mapping), 측지학(positioning), 항법(navigation)과 같은 GI..

이번 포스팅에서는 3D Object Detection 문제를 해결하는 생태계에서 사용하는 Coordinate System에 대해 정리하겠습니다. 데이터를 해석하기 위해 알아야 하는 굉장히 중요하고 기본이 되는 개념입니다. MMDetection3D에서 제공하는 Tutorial을 바탕으로 작성하였습니다. Coordinate System이 중요한 이유 데이터를 수집하는 장비마다 사용하는 좌표계(Coordinate System)가 다르기 때문에, 그에 따라 수집된 데이터를 해석하고 활용해야 합니다. 또한 구축된 Datasets(KITTI, Waymo 등)마다 다른 Data format을 사용하고 있어서, 이에 대한 정리가 중요합니다. 이번 포스팅에서는 LiDAR, Camera, Depth Camera 3가지 장..

(해당 포스팅은 NVIDIA Technical BLOG를 참고하여 작성하였습니다. ) Jetson Platform에서 사용할 수 있는 CUDA-PointPillars 모델의 Pipeline를 설명드립니다. OpenPCDet Toolbox에서 제공하는 PointPillars 모델은 ONNX model로 export 할 수 없습니다. 또한 TensorRT에서 low performance를 갖는 small operation을 많이 갖고 있어 CUDA-PointPillars를 개발하였습니다. CUDA-PointPillars 의 Pipeline 다음의 4단계를 통해 Point Cloud에서 Object Detect을 수행한다. Base preprocessing 이 단계에서는 다음 3가지가 계산된다. 이 값들은 O..