자율비행시 장애물 인식 속도 향상을 위한 고도별 객체 필터링 기법

Abstract

무인기의 자율비행(Autonomous Flight)은 비행 중 예상하지 못한 상황이 발생했을 때 스스로 인지 및 판단 후 새로운 비행경로를 만들어 비행하는 것을 말한다. 유인기의 경우 사람이 직접 맨눈으로 비행체의 주변을 확인하고 회피하는 방식(see and avoid)이었으나 무인기의 인지 및 판단은 Single Camera나 Depth Camera, Lidar, Ultra Sonic, Radar 등 다양한 센서를 통해 비행 환경의 데이터를 입력받아 거리 측정 또는 객체 인식을 통해 장애물을 회피하는 방법을(sense and avoid) 사용하고 있다. 거기에 하나의 센서가 아닌 복합 센서로 각 센서의 단점을 보완하여 사용하는 경우가 많아지고 있으며 그 중 Computer vision 및 Machine Learning 기법들이 발달함에 따라 Vision 센서 기반의 자율비행이 점차 증가하고 있다. 본 논문에서는 산업용 및 군사용 무인기들에 탑재되는 소형 컴퓨터의 H/W 자원을 효과적으로 사용하여 빠르고 정확하게 객체를 인식할 수 있도록 연구하였다. 무인기는 60km/h 이상의 빠른 속도로 비행이 가능하여 실시간으로 장애물 탐지 및 회피가 구현되어야 한다. 이에 본 연구의 핵심은 첫째, 무인기는 비행 높이, 즉 고도에 따라 객체별 Class가 다르다는 것, 둘째, 상승할수록 사람, 차량 같은 작은 객체는 제외되고 건물, 산, 교량 같은 큰 객체들만 남게 된다는 점, 셋째, 큰 객체들은 일정 크기로 Resizing을 하여도 그 Shape를 유지하게 된다는 점에 주목하였다. 이처럼 Resizing 처리 후에는 이미지의 픽셀 수가 줄어들기 때문에 객체 Detection 수행 시 연산 속도가 훨씬 향상될 수 있으므로 결과적으로 고도에 따른 Filtering과 객체 Resizing을 수행한다면 빠른 탐지 및 회피를 할 수 있게 된다. 이를 위해 10M 간격으로 세분화하여 60M 높이까지의 객체를 구분하고 해당 Level에 맞는 6종의 Class를 지정, 고도별 객체 인식에 불필요한 객체를 Filtering 하였다. 그 결이 큰 객체들만 다수 존재하는 40M~60M 구간에서 일정 정확도를 유지하며 평균 객체 인식 속도가 59% 향상되었다. |Autonomous flight of an unmanned aerial vehicle refers to creating a new flight route after self-recognition and judgment when an unexpected situation occurs during flight. In the case of manned planes, humans directly check and avoid the surroundings of the aircraft with their own naked eyes, but the recognition and judgment of unmanned air vehicles are used to measure distance or avoid obstacles through object recognition by receiving data from various sensors such as Single Camera, Depth Camera, Lidar, Ultra Sonic, Radar. In addition, there are many cases where complex sensors, not one sensor, are used to supplement the shortcomings of each sensor, and among them, vision sensor-based autonomous flight is gradually increasing as computer vision and machine learning techniques develop.In this paper, we studied to recognize objects quickly and accurately by effectively using H/W resources of small computers mounted on industrial and military unmanned air vehicles.The unmanned aerial vehicle can fly at a high speed of more than 60 km/h, so obstacle detection and avoidance must be implemented in real time. Therefore, the core of this study was that first, unmanned air vehicles have different classes for each object according to flight height, that is, altitude, second, as small objects such as humans and vehicles are excluded, and third, large objects maintain their shape even if they are resized to a certain size. Since the number of pixels in the image decreases after the resizing process, the calculation speed can be much improved when performing object detection, so if filtering and object resizing are performed according to altitude, quick detection and avoidance can be performed.To this end, objects up to 60M height were classified by subdividing them at 10M intervals, and six classes suitable for the level were designated, and objects unnecessary for object recognition by altitude were filtered.The average object recognition speed was improved by 38% while maintaining certain accuracy in the 40M to 60M section, where only a large number of objects existed.