자율주행 상황에서의 효과적인 차선 탐지를 위한 적대적 생성 신경망 기반 빗물 제거 알고리즘

Abstract

자율주행에 있어 지능형 운전자 보조 시스템(Advanced Driver Assistance Systems; ADAS)은 주행 중 일부 상황을 차량 스스로가 인지하여 상황을 판단하기 때문에 완전 자율주행(Full Self-Driving Automation)으로까지의 발전에 있어 중요한 기술이다. 그 중에서도 자동차의 눈을 담당하는 카메라 관련 영상의 기술이 중요해지면서 객체 탐지, 차선 인식 등 다양한 컴퓨터 비전(Computer Vision)분야의 발전이 이루어지고 있다. 그러나 현재까지 연구되고 있는 비전 기술의 경우는 입력 영상이 선명하고 뚜렷할 경우를 가정한 것이기 때문에 그림 1.1과 같이 빗물로 인해 시야가 차단된 경우에는 제대로 된 비전 기술을 적용할 수 없다. 특히 우리나라의 경우 1년 365일 중 평균 135일 정도로 비가 자주 내리는 환경을 갖고 있고 최근 아열대화로 인한 예고 없는 잦은 소나기 때문에 좋은 비전 기술의 발전에도 불구하고 그 기술들의 제 성능을 발휘할 수 없게 되었다. 비뿐만 아니라 자동차 주행 중 카메라의 시야를 차단할 수 있는 미세먼지, 흙탕물 등 다양한 외부요인들이 존재하기 때문에 카메라로부터 얻는 영상 정보가 심각하게 손실되어 제대로 된 입력 영상을 받을 수 없는 경우가 생긴다. 특히 자율주행의 경우 입력영상의 왜곡 및 정보 손실은 객체 탐지와 차선 인식의 오류로 이어지기 때문에 결국 운전자 사고로까지 이어질 수 있다. 자율주행뿐만 아니라 일반 cctv의 경우도 마찬가지 문제가 발생한다. 비가 오거나 카메라 렌즈에 먼지가 끼게 되어 부분적으로 시야 확보가 불가능한 상황이 되면 뺑소니나 과속 차량의 번호판 인식이 제대로 되지 않고 범죄를 저지른 범인의 용모를 담은 영상 정보가 손실되기 때문에 제대로 수사를 못하는 경우가 빈번하다. 따라서 이를 해결하기 위한 부분적 영상 정보 차단에 대한 복원 기술이 중요한 기술로 여겨져 연구가 되고 있다. 현재는 얼굴의 특징들을 분석하여 가려진, 혹은 보이지 않는 부분을 복원, 생성하는 연구에 집중되어 있지만 이를 응용하여 자율주행과 cctv와 같이 영상 정보가 중요한 경우에도 적용하여 문제를 해결하려는 연구가 활발히 진행되고 있다.