기계학습 기반의 카메라센서 신뢰도 판단 알고리즘 개발

Abstract

ADAS, 자율주행을 위해서는 주행 중인 도로의 차선정보가 필수적이다. 대부분의 차선정보는 카메라센서를 통해서 취득되는데 카메라센서 에서는 주행경로 생성을 위해서 필요한 차선정보와 해당 차선정보의 정확도를 판단할 수 있는 신뢰도 값을 함께 제공하고 있다. 사용자는 신뢰도 값에 따라서 차선정보의 사용유무를 결정하게 되는데 만약 실제 차선정보가 정확하지 않은 경우에도 신뢰도 값이 크게 나와서 해당 정보를 차량제어에 사용하는 경우 심각한 결과를 초래할 수 있다.

본 논문에서는 기계학습 기반의 네트워크를 이용하여 차선정보의 정상유무를 판단하는 분류기를 설계한다. Chassis CAN, Vision Sensor로 취득된 실차 데이터의 분석을 진행하고 이를 이용하여 네트워크의 학습과 검증을 진행하였다. 네트워크의 구조는 시계열데이터의 학습에 적합한 Recurrent Neural Network 계열의 구조를 사용한다. 또한, 입력데이터의 차원을 줄이기 위한 Input Configuration, 네트워크 자체의 크기 및 연산시간을 줄이기 위한 경량화 구조, Anomaly Detection 문제에서 존재하는 데이터 불균형 문제에 대응하기 위한 방법들을 적용하였고 하이퍼파라미터 최적화를 통해 성능을 극대화 하였다.

설계된 네트워크는 준비된 테스트 데이터를 사용하여 성능을 검증하였고 전체 주행구간과 취약구간에 대한 네트워크의 판단을 추가로 각각 검증하였다.