[오토저널] 자율주행을 위한 도로환경모델링 및 인식기법 기술동향

글로벌오토뉴스 조회 390 등록일 2020.09.11

자율주행 도로환경 인식 기술 동향차량에 적용되고 있는 전자 제어기술의 발전은 다양한 종류의 운전보조시스템 뿐만 아니라 차량이 스스로 운전하는 자율주행 기술의 개발에 이르기까지 미래 자동차 시장을 혁신적으로 변화시키고 있다. 이와 같은 자율주행 기술을 자동차 전용도로 뿐 아니라 도심 환경에까지 적용시키기 위해서는 도로상에 존재하는 다양한 종류의 정적, 동적 장애물 뿐만 아니라 교차로, 굽은도로, 도로 구조물과 같은 환경요소에 이르기까지 모델링 및 인식기술이 필수적으로 요구된다.


최근 들어 정해진 지역에서 운행이 가능한 레벨 4 자율주행 기술을 상용화하기 위한 노력이 지속되면서 이와 같은 도심환경에서의 자율주행 개발에 많은 노력이 기울여지고 있다. 또한 점차 많은 지역에서 고해상도의 디지털 지도가 구축됨에 따라 실시간으로 인식된 환경요소를 지도와 매칭하여 차량의 위치를 인식하는 것이 가능해지고 있으며 그 외에도 도로환경인식 기반 자율주행 기술에 대한 많은 연구가 진행되고 있는 추세이다.


자율주행 도로환경 인식시스템 구조
도심지 자율주행에 있어서 핵심적인 인식기술은 정/동적 물체 인식 및 추적기술, 자기차량 위치인식기술, 상황인식 등이 포함된다. 이와 같은 인식 기법은 다양한 센서 정보를 융합하여 신뢰성을 높일 수 있으며 특히 최근들어 센서의 가격이 낮아지고 내구성이 향상되고 있는 라이다 센서를 활용하여 다양한 정보를 추출할 수 있는 기법들이 적용되고 있다. 자율주행 플랫폼에서 라이다 기반 환경 인식 시스템은 우선 자기차량의 이동 정보와 수많은 라이다 센서 측정치들 간의 기하학적 관계를 활용하여 지면과 비지면의 측정치를 구분하여 환경인식을 수행하게 된다. 이를 통해 지면으로 분류된 측정치들은 도로의 경계에 존재하는 연석과 차선 그리고 주행가능영역 등을 인식하기 위해 활용되며 비지면으로 분류된 측정치들은 도시환경에 존재하는 다양한 정/동적 물체를 인식하기 위해 활용된다. 이와 같은 환경인식 시스템은 <그림 1>과 같은 구조를 통해 구현될 수 있다.


자차량 이동거리 추정 기법
주행상황에 따라 이동 및 정지를 반복하는 자율주행 플랫폼에서 도로 환경 모델링 및 환경인식을 하기 위해서는 먼저 자차량에 대한 이동 정보가 필수적이다. 이동정보를 추정하는 가장 대표적인 방법은 추측항법(Dead Reckoning)으로 자율주행 플랫폼에 장착되어 있는 포토센서나 바퀴속도 센서 등을 이용하여 이동거리를 구하는 방법이다. 하지만 바퀴의 미끄러짐이나 지면의 불균일성 등의 문제로 인해 거리에 따라 이동정보 오차가 누적될 수 있는 단점이 있다.


이를 보완 하기 위해 자율주행 플랫폼에 장착되어 있는 카메라, 레이더, 라이다 등의 환경인식 센서를 이용하여 차량 이동정보를 추정하는 기법이 활용되고 있다. 그 중 라이다 기반 이동거리 추정 기법은 우선 라이다 센서로부터 측정된 위치값들을 의미하는 포인트 클라우드를 채널 별로 분류하여 라이다 거리(Range) 이미지를 구축한다. 구축된 라이다 거리 이미지로부터 평면 및 모서리에 대한 특징을 추출하고 연속된 프레임 사이에서 특징들을 매칭하여 자기 차량이 이동한 위치와 방향 정보(LiDAR Odometry)를 추정하게 된다. 이후 추정된 자기차량의 이동정보를 이용하여 전역 좌표의 지도를 생성하며 생성된 전역지도를 최적화하여 보다 강건한 이동 정보를 추정하게 된다.





<그림 2>는 라이다 기반 이동거리 추정결과를 이용하여 언덕과 곡선 도로로 구성되어 있는 서울 도심지역에서 전역지도를 구축한 결과이다. 전역지도가 구축된 결과를 통해 환경인식 센서를 활용한 이동 정보 추정 기법의 정확도를 가늠할 수 있으며 추정된 이동정보를 통해 도심지에서 보다 정확한 자율주행이 가능하다.


차선 및 노면 표시 감지 기법
라이다로부터 측정된 포인트 클라우드를 지면과 비지면으로 분리하여 다양한 도로환경 요소들을 모델링할 수 있다. 지면 분류 기법으로는 측정된 포인트 클라우드를 극좌표로 변환 한 후 포인트간의 각도 또는 거리의 차이가 크게 변하는 지점을 기준으로 선정하여 지면과 비지면 포인트 클라우드를 분할하게 된다. 이렇게 구분된 지면의 포인트 클라우드는 자율주행에 도움이 되는 차선 및 노면 표시를 감지하는데 활용된다.


자율주행에서 차선 및 노면 표시의 중요성은 국토지리 정보원에서 제공하는 정밀도로지도에 포함된 항목을 통해 가늠할 수 있다. 정밀도로지도는 자율주행이나 운전자지원시스템에서 활용할 수 있는 정보를 제공하기위해 구축된 지도이며 <표 1>은 정밀도로지도에 구축되어 있는 항목이다. 차선표시, 도로시설, 표지시설에 대한 정밀한 3차원 위치 및 속성정보가 포함되어 있으며 그 중 차량이 운전하는 영역을 나타내는 차선표시와 차량의 진행방향 및 속도 제한 등 도로정보를 제공하는 표지 시설의 요소는 적외선 계열 레이저를 이용하는 라이다 센서의 특성을 활용하여 감지할 수 있다.





<그림 3>은 지면에서의 라이다 측정 원리와 반사의 강도를 나타내는 Intensity를 측정하여 도로는 붉은색, 차선과 노면표시는 초록색으로 나타낸 그림이다. 라이다에서 거리를 측정하기 위해 방출한 레이저는 불균일한 도로에 도달하면 난반사를 하게 된다. 반면 차선과 노면 표시에는 운전자의 식별력을 높이기 위해 유리 알갱이(Glass bead)가 포함되어 있어 레이저가 차선과 노면 표시에 도달하면 재귀 반사하게 된다. 이로 인해 차선과 노면표시는 불균일한 도로에 비해 상대적으로 높은 Intensity가 측정된다. 노면과 차선으로 구분된 포인트 클라우드는 군집화를 통해 넓이, 길이 정보를 추출할 수 있으며 이러한 정보를 토대로 차선과 노면마크 등 지면에서 존재하는 자율주행에 필요한 다양한 정보를 분류할 수 있다.


<그림 4>는 검출된 다중 차선에서 실선, 점 차선을 분류한 결과이다. 왼쪽 그림은 지면의 포인트 클라우드를 격자지도로 나타낸 결과이며 가운데 그림은 구축된 격자지도에서 검출된 다중 직선을 실선과 점선으로 분류한 결과를 각각 초록색과 보라색으로 나타내었다. 추출된 다중 직선 정보와 실선/점선의 분류를 통해 자율주행 플랫폼이 현재 주행 중인 도로의 차로를 추정하는데 활용할 수 있다.


지면 위 객체 인식 기법
도로환경에서의 지면 위의 객체를 인식하기 위해서는 인접한 포인트 클라우드를 거리와 밀도로 구분하여 하나의 객체로 나타내는 군집화(Clustering) 기법이 사용된다. 군집화된 객체 중 시간에 따라 변동성이 적은 표지판, 연석, 건물등은 다양한 자율주행 기술에서 활용 가능한 요소이다. 표지판의 경우 지면의 노면 표시와 같이 빛의 반사가 잘되는 물질로 구성되어 있어 Intensity로 구분이 가능하다. 구분된 표지판 포인트 클라우드에서 중점 위치와 방향 정보를 추출하여 자율주행 플랫폼에서 위치인식에 사용할 수 있다.





<그림 5>는 교차로에서 표지판을 검출한 결과이며 표지판의 중점을 노란색 점으로 나타내었다. 연석과 건물에서는 직선과 모서리 정보를 추출하여 자율주행 기술에 적용할 수 있다. 직선과 모서리 정보를 추정하기 위해서 사용되는 대표적인 직선 추출 알고리즘은 허프변환, RANSAC, IEPF(Iterative End Point Fit)기법 등이 있다. 라이다를 이용한 환경 모델링 및 인식을 통해 자율주행 핵심 인식기술인 정/동적 물체 인식 및 추적기술, 자기차량 위치인식기술, 상황인식 등이 수행될 수 있다.


<그림 6>은 자율주행 플랫폼에 장착된 센서를 사용하여 도로 환경 인식을 통한 위치인식기법을 적용한 사례이다. 위치인식은 앞에서 언급한 지면정보와 표지판 등을 특징으로 사용하여 정밀지도에 표시된 정보와 비교하여 자기차량의 현재 위치를 추정하는 것을 의미하며 분홍색 점은 자차의 위치에 대한 추정값을 의미한다. 도로 환경에서 안전한 자율주행을 위해서는 동적 물체에 대한 정확한 정보 획득이 무엇보다 중요하다. 특히 주변 차량들의 위치 및 속도를 끊김없이 추정하기 위하여 칼만 필터기반의 추적기법들이 적용된다. 이를 통해 차선변경 및 교차로 진입시 발생할 수 있는 사고의 위험을 최소화할 수 있다.





<그림 7>에서는 라이다 센서 정보를 이용하여 도로변에 주차되어 있는 차량들을 인식하고 각각 번호를 부여하여 정보를 추정하고 있는 결과를 보여준다.


이처럼 자율주행 차량에 장착된 센서 정보를 활용하여 도심지 환경에 존재하는 다양한 구성요소들을 실시간으로 인식할 수 있는 기법들이 활발하게 개발 중이며 향후 레벨 4와 같은 도심지 자율주행기술에 적용될 수 있도록 연구개발이 활발히 진행중이다.


글 / 강연식 (국민대학교)
출처 / 오토저널 2020년 4월호 (http://www.ksae.org)


<저작권자(c) 글로벌오토뉴스(www.global-autonews.com). 무단전재-재배포금지>

다나와나 네이버, 카카오, 페이스북 계정으로 로그인 하신 후 댓글을 입력해 주세요.

브랜드 선택

비교하기