Centralized Sensor Fusion Architecture and Object Tracking Algorithm for Autonomous Vehicles

Abstract

최근 자율주행 기술이 발전함에 따라 인지기술의 중요성이 증대되고 있다. 자율주행차량은 주변환경을 인식하고 이에 따라 제어전략을 수립하기 때문에 인지기술의 정확도는 전체 시스템의 성능과 직결된다. 차량을 위해 주로 사용되는 센서는 Radar, Lidar, 카메라 등이 있다. 최근 카메라, Lidar를 이용한 인지기술에 대한 연구가 활발히 이루어지고 있고, 좋은 성능으로 주목받고 있다. 하지만 한가지 센서만을 이용한 시스템들은 각 센서의 특징 때문에 한계점을 가지고 있다. 그래서 여러가지 센서를 융합하여 각 센서의 장점을 취하고 단점을 극복하는 기술이 연구되고 있다. 이를 센서융합(sensor fusion)이라고 한다. 센서융합 시스템은 사용되는 센서의 종류나 융합 구조에 따라 다양한 형태의 알고리즘이 존재한다. 구조적으로 보면 분산형 구조와 중앙 집중식 구조로 나눌 수 있다. 중앙 집중식 구조는 여러 센서의 출력을 하나의 상태 추정기를 통해 한번에 업데이트 시키는 구조이다. 반면 분산형 구조는 각 센서마다 개별적인 상태추정기를 통해 각 센서의 트랙(track)을 관리하는 구조이다. 분산형 구조에서는 track-to-track 융합 기법을 이용하여 여러 센서의 트랙을 융합하고 최종 결과물을 산출한다. 분산형 구조는 센서의 수가 많아도 각 센서에서 독자적으로 트랙을 관리하기 때문에 알고리즘의 복잡도가 증가하지 않는 장점이 있다. 반면 기존의 중앙 집중식 구조는 센서들의 관측값을 한번에 업데이트함으로써 최적해를 얻을 수 있는 장점이 있지만, 센서의 수가 많아지면 수학적 복잡도가 증가하고 하나의 프로세서에서 부담이 증가한다는 단점이 있다. 본 논문에서는 새로운 중앙 집중식 구조와 물체 추적 알고리즘을 제안한다. 제안한 구조는 기존의 중앙 집중식 구조의 장점을 유지한체 단점을 극복할 수 있다. 새로운 중앙집중식 센서융합 구조를 통해 센서 수의 변화에 쉽게 대처할 수 있는 알고리즘을 제안하였다. 이를 위해, 다중 측정 시스템(multi-measurement system)을 위한 IMM(Interacting Multiple Model) 필터의 새로운 수식이 제안되었다. 또한 자율 주행 환경에 적합한 인지 알고리즘을 구현하기 위해 2가지 추가적인 기법이 제안되었다. 먼저 Lidar의 포인트 클라우드에 대한 객체 감지 알고리즘이 제안되었다. 둘째로는 궤적 보상 알고리즘(trajectory compensation algorithm)이 객체의 글로벌 모션 정보를 추정하기 위해 제안되었다. 본 논문의 모든 알고리즘은 실제 차량에 의해 개발 및 평가되었다. 각 기능을 검증하기위한 실차실험을 수행하였으며, 이를 위해 검증용 센서가 추가적으로 장착되었다. 검증용 센서는 차량 환경에 특화된 Lidar 기반 상용 센서이고, 검증용 센서가 충분한 신뢰도를 보여줄 수 있는 시나리오에서만 정확도 검증이 이루어졌다. 또한 제안된 알고리즘의 우수성을 검증하기 위해 기존 알고리즘들과의 비교가 수행되었다.