자율주행 가상환경에서 빗방울 역산란 노이즈를 반영한 포인트 클라우드 연구

Abstract

운전자 개입이 불필요한 레벨4 이상의 자율주행 차량은 정교하게 짜인 알고리즘과 다양한 실차실험을 통한 다량의 데이터가 필요하다. 테스트 도로나 실제거리에서의 실차주행실험은 충분한 데이터 확보를 위해서는 많은 시간과 비용이 필요하게 된다. 이러한 단점을 극복하고자 자율주행을 위한 차량 시뮬레이션 툴들이 개발되고 있다. 또한 차량 시뮬레이션의 신뢰도를 높이기 위해 차량 시뮬레이션 툴에서 제공하는 여러 차량센서들이 보다 정교하게 모델링 되는 등 시뮬레이션의 현실성에 대한 관심 역시 높아지고 있다. 자율주행 차량의 핵심 센서 중 하나인 라이다는 기상악화에 취약한 단점을 가지고 있으며 이를 보완하는 것이 자율주행 연구에 있어서 중요하다. 본 연구에서는 우천 시 역산란에 의한 라이다 포인트 클라우드를 분석하는 기법을 제시하고, 이를 통해 차량 시뮬레이션 툴에 기상악화에 의한 라이다 센서 데이터 변형 현상을 반영하고자 한다. 강수량에 따른 빗방울을 모델링하고, 레이저 반사모델을 사용하여 역산란을 계산함으로써 포인트 클라우드의 노이즈 정도를 추정하였다. 이 과정을 통하여, 강우 환경에서 실외 측정한 라이다 데이터를 분석하여 거리에 따른 노이즈 데이터 변화를 모델링하였다. 이 모델에서 발생한 라이다 포인트 클라우드 노이즈를 차량 시뮬레이션 툴인 CARLA의 라이다 센서로 출력하여 실제 포인트 클라우드와 비교하고, 강우에 의한 노이즈가 없는 상황과 분명한 차이가 있음을 확인하였다.