고도의 차량 감지 기능을 갖춘 스마트 도로는 미래 지능형 교통 시스템의 중심 요소가 될 수 있으며 운전자 없는 자동차의 지각 범위를 확장하는 데 도움이 될 수도 있습니다. 카메라와 레이더 데이터를 융합하는 새로운 접근법은 이제 최대 500미터 거리에서 정확하게 차량을 추적할 수 있습니다. 이번 포스팅에서는 IEEE Spectrum에 소개된 새로운 차량인식 기술에 대해 소개하고자 합니다.
개요
교통의 흐름과 밀도에 대한 실시간 데이터는 도시 관리자가 혼잡을 피하고 사고를 예방하는 데 도움이 될 수 있습니다. 센서와 카메라를 사용하는 “도로 측면 인식”은 지속적으로 이 정보를 수집하고 제어실에 전달하여 스마트 도로를 만드는 데 도움이 될 수 있습니다.
대규모 도로 측면 센서를 설치하는 것은 중국과학기술대학(USTC) 컴퓨터 과학 교수인 장얀용 박사가 말하길, 비용이 많이 들 뿐만 아니라 유지보수에도 시간이 많이 소요될 수 있습니다. 스마트 도로가 비용 효율적이 되려면 가능한 적은 수의 센서를 사용해야 한다고 그녀는 말합니다. 이는 센서가 상당한 거리에서 차량을 추적할 수 있어야 한다는 것을 의미합니다.
고해상도 카메라와 밀리미터파 레이더에서 데이터를 융합하는 새로운 접근법을 사용하여, 그녀의 팀은 최대 500미터 범위에서 차량 위치를 1.3미터 내외로 정확하게 파악할 수 있는 시스템을 개발했습니다. 이 결과는 최근 IEEE 로봇 및 자동화 레터지에 발표되었습니다.
장얀용 박사에 따르면 “거리를 최대한 확장할 수 있다면, 필요한 감지 장치 수를 줄일 수 있습니다. 이는 이 두 유형의 데이터를 결합하고 현실 세계 배치와 매우 어려운 거리에서 작동하는 실용적인 해결책을 제공하는 최초의 작업입니다.”
카메라와 라이다의 융합이 필요한 이유
카메라와 레이더는 차량 추적에 대한 저렴한 선택지로, 장얀용 박사에 따르면 그러나 개별적으로는 100미터를 넘는 거리에서 어려움을 겪습니다. 레이더와 카메라 데이터를 융합하면 범위를 크게 확장할 수 있지만, 이를 위해서는 센서가 완전히 다른 종류의 데이터를 생성하는 일련의 도전을 극복해야 합니다. 카메라가 단순한 2D 이미지를 캡처하는 반면, 레이더 출력은 본질적으로 3D이며 사실 새 눈의 시점을 생성하는 데 처리될 수 있습니다. 장얀용 박사는 대부분의 카메라-레이더 융합 접근 방식은 그동안 카메라 데이터를 레이더의 새 눈 시점에 단순히 투영했다고 말합니다. 그러나 연구자들은 이것이 최적이 아니라는 것을 발견했습니다.
문제를 더 잘 이해하기 위해 USTC 팀은 대학에 인접한 고속도로 직선 구간 끝에 굴뚝에 레이더와 카메라를 설치했습니다. 그들은 또한 레이더가 차량의 실제 위치를 측정하는 데 사용되는 지면 실제 차량 위치 측정 값을 취하기 위해 굴뚝에 라이다를 설치했으며, 높은 정밀도 GPS 장치가 장착된 두 대의 차량을 운전하여 센서를 보정하는 데 도움을 주었습니다.
장얀용 박사의 박사과정 학생인 요 리는 그 후 센서로 수집된 데이터를 사용하여 실험을 수행했습니다. 그는 3D 레이더 데이터를 2D 이미지에 투영하는 것이 이미지 데이터를 레이더 데이터에 매핑하는 표준 접근 방식과 비교하여 더 긴 범위에서 상당히 낮은 위치 오차를 가져온다는 것을 발견했습니다. 이로 인해 그들은 차량 추적을 위해 데이터를 새 눈 시점에 투영하기 전에 2D 이미지에서 데이터를 융합하는 것이 더 합리적일 것이라는 결론을 내렸습니다.
500미터까지의 거리에서 정확한 위치를 허용하는 것 외에도, 연구자들은 이 새로운 기술이 이전 접근 방식에 비해 짧은 거리에서의 추적 평균 정밀도를 32% 향상시켰음을 보였습니다. 연구자들은 이 접근 방식을 이전에 수집된 데이터셋에서만 오프라인으로 테스트했지만, 장얀용 박사는 기본 계산이 상대적으로 간단하며 표준 프로세서에서 실시간으로 구현 가능할 것으로 생각된다고 말했습니다.
여러 센서를 사용하는 것은 데이터 스트림이 일치하도록 세심한 동기화가 필요합니다. 시간이 지남에 따라 환경적 장애로 인해 센서가 서로 이탈되고 재보정해야 합니다. 이 과정은 지면 실제 위치 측정 값을 수집하여 센서를 조정하는 데 사용할 수 있는 차량을 고속도로를 오르내릴 때 필요합니다.
이는 시간이 많이 걸리고 비용이 많이 드는 작업이므로 연구자들은 시스템에 자체 보정 기능을 구축하기로 결정했습니다. 레이더 데이터를 2D 이미지에 투영하는 과정은 보정 과정 중에 센서의 매개변수와 물리적 측정값을 기반으로 한 변환 행렬에 의해 지배됩니다. 데이터가 투영되면 알고리즘은 레이더 데이터 포인트를 해당 이미지 픽셀과 일치시키려고 노력합니다.
이러한 데이터 포인트 간의 거리가 증가하기 시작하면, 이는 센서가 이동함에 따라 변환 행렬이 점점 부정확해지고 있다는 것을 나타냅니다. 연구자들은 이 드리프트를 주의 깊게 추적함으로써 변환 행렬을 자동으로 조정하여 오차를 보정할 수 있습니다. 장얀용 박사는 이러한 방식이 일정 수준까지만 작동한다고 말하지만, 여전히 필요한 완전한 보정 횟수를 크게 줄일 수 있을 것입니다.
장얀용 박사는 이러한 접근 방식이 현실 세계에 배치하기에 실용적으로 만든다고 말합니다. 지능형 교통 시스템에 더 나은 데이터를 제공하는 것뿐만 아니라, 그녀는 이러한 도로 측면 인식이 미래의 자율 주행 자동차에 가치 있는 상황 인식을 제공할 수도 있다고 생각합니다.
“이것은 약간의 미래지향적인 것이지만, 몇 백 미터 떨어진 곳에서 무언가 일어나고 있고 자동차가 그것을 알지 못하는 경우가 있습니다. 그것은 혼잡하기 때문에 그것이 이르지 않을 것이고, 그것의 감지 범위가 그렇게 멀지 않을 것입니다.”라고 그녀는 말합니다. “고속도로를 따라 배치된 센서들은 이 정보를 그 지역에 진입하는 자동차들에게 전파하여 그들이 더 조심하거나 다른 경로를 선택할 수 있도록 할 수 있습니다.”
마무리
이번 포스팅에서는 스마트 도로 기술의 현황과 미래에 대한 전망을 다뤘습니다. 우리의 연구는 카메라와 레이더 데이터를 결합하여 차량 추적을 개선하고, 실시간 상황 인식에 활용할 수 있는 혁신적인 방법을 제시했습니다. 이러한 기술의 실용성과 잠재적인 활용 가능성에 대한 논의를 통해 미래 지능형 교통 시스템의 발전 가능성을 엿볼 수 있었습니다.