비전 및 레이더 센서 융합 기반 전방 차량 인식 성능 평가 지수 연구

Abstract

최근 첨단 운전자 지원 시스템(Advanced Driver Assistant System, ADAS)이 기본적으로 장착된 차량의 출시가 늘고 있다. 첨단 운전자 지원 시스템은 운전자가 예측하지 못하는 상황에서 긴급하게 정차를 시켜주거나, 고속도로 주행과 같이 반복적인 환경에서 운전자의 피로를 줄여주는 역할을 한다. 따라서 주변의 장애물을 감지하고, 주변 환경을 보다 정확하게 인지하는 환경 인지 센서의 중요성이 나날이 증가되고 있다. 하지만 현재 상용되고 있는 첨단 운전자 지원 시스템을 위한 환경 인지 센서들은 자체 특성으로 인한 한계를 가지고 있다. 이를 해결하기 위한 방안으로 두 개 이상의 환경 인지 센서들을 조합하여 각 센서의 단점을 상호 보완하는 센서 융합 연구가 진행되고 있다. 그러므로 복잡한 도로에서나 악천후의 주행상황에서도 센서 융합 기술이 강건할 수 있도록, 이를 평가하는 방법도 필요하다.

본 논문에서는 센서 융합 성능 평가에 자주 사용되는 Root Mean Squared Error(RMSE) 뿐만 아니라 Kalman Filter의 자체 평가를 수행하는 지수 Average Normalized Estimation Error Squared(ANEES), Non-Credibility Index(NCI)를 소개함으로써 센서 융합 알고리즘의 성능 평가 신뢰도를 높이는 방법을 연구해보고자 한다. 기존 논문에서 자주 사용되고 있는 RMSE는 실제 Object와 센서 융합으로 추정한 Object의 종/횡방향 위치에 대한 오차를 절대적으로 평가가 가능하다. 또한 ANEES와 NCI는 Kalman Filter를 적용한 센서 융합 알고리즘에서 산출되는 오차공분산을 이용하여 트랙 추정기의 신뢰도를 측정한다. ANEES는 실제 상태 변수와 추정 상태변수 간 상대적 비교가 가능하며, NCI는 추정한 오차공분산과 실제 Mean Squared Error(MSE) 공분산 사이의 관계를 각각 비교할 수 있다. 따라서 RMSE를 이용하면 실제 Object와 추정 Object간 매칭이 얼마나 잘 이루어졌는지 확인할 수 있으며, ANEES와 NCI를 이용하면 트랙 추정기의 편향을 확인하여 적절하게 설계되었는지 판단이 가능하다.

센서 융합 성능 평가를 위하여 Euro NCAP Car-to-Car AEB Test Protocol을 모사한 시험을 하였으며, 시험으로 얻어진 레이더와 비전의 센싱 데이터는 2가지 알고리즘에 적용하였다. 본 논문에 사용한 알고리즘은 Centralized Kalman Filter를 포함한 Global Nearest Neighbor(GNN)과 Probability Data Association Filter(PDAF)이다. 위 알고리즘을 통해 센서 융합된 트랙은 Reference 트랙(RT3000 데이터)과 앞서 설명한 3가지 평가 지수로 평가 되었다.