인공지능을 이용한 주변 차량 인식 알고리즘 연구

Abstract

기존의 자동차가 기계식 시스템이라는 이미지가 강했다면, 현재의 자동차에는 기계뿐만 아니라 전기전자, 컴퓨터, 보안 등 다양한 분야의 시스템이 들어가고 있다. 더 나아가 자율주행자동차에 대한 갈망이 커져감에 따라 산학연에서는 이에 알맞은 연구를 진행 중이고, 완벽한 자율주행을 위해 노력중이다. 자율주행이라 함은 사람의 컨트롤 없이 자동차가 스스로 주행, 차선변경, 주차 등 모든 역할을 할 수 있어야 한다. 사람의 입장에서 이런 행동을 할 때 필요한 것은 주변 상황을 인지할 수 있는 시각, 청각, 후각 등의 감각과 인지한 상황을 판단해주는 뇌, 그리고 판단한 내용을 행동을 할 수 있는 손, 발 등의 기관이다. 자율주행자동차도 크게 인지, 판단, 그리고 제어의 분야로 나누어 생각 할 수 있다. 본 연구에서는 인지한 내용을 융합하여 더 정확한 인지 결과를 만들고자 하는 주제를 다루고 있다. 인지를 위해 사용한 센서는 카메라, 레이더, 그리고 GPS와 통신이다. 상대 차량 GPS 정보를 실시간으로 알아야하기 때문에 차량 무선 통신을 지원하는 OBU(On Board Unit)를 설치하여 실험 환경을 구축하였다. 테스트는 차량이 거의 없는 이상적인 환경인 자동차연구원과 미사리 경정공원에서 진행하였다. 차량에 장착된 카메라, 레이더, 그리고 GPS의 상대 횡방향 거리와 종방향 거리를 입력 데이터로 사용하는 DNN(Deep Neural Network)을 구성하여 학습하였다. DNN은 손실을 최소화하는 방향으로 알고리즘 만들어지기 때문에 정답이 정확해야 최적의 학습 결과를 얻을 수 있다. 실험에서 정답으로 사용하는 래퍼런스 RTK(Real Time Kinematic) GPS Heading 오차가 존재하였다. 문제를 바로잡고자 칼만 필터를 적용하였고, 필터 적용 전후를 나누어 분석하였다. 최종적으로 결과로 나오는 값을 RMSE(Root Mean Square Error)와 상관계수를 사용하여 센서의 오차와 센서가 학습에 영향을 끼치는 정도를 파악하였다.