차량 간 통신 및 LiDAR 센서를 활용한 기계학습 기반의 주변 차량 경로 예측 알고리즘 연구

Abstract

본 연구는 자율주행차량 연구의 일환으로 차량의 주행 절차 중 인지 및 판단 절차를 통합한 알고리즘을 실차 환경에서 연구하였다. 차량 간 통신과 LiDAR 센서를 융합하여 효율적 연산량으로 주변 객체 인식 및 추적하고, 추적된 데이터를 활용한 기계학습 기법의 주변 차량 경로 예측 알고리즘을 제안하였다. WLAN 기반 WAVE 통신을 통해 표준화된 메시지셋을 통신하여 센서 융합에 활용하고 데이터 연산량을 절감하는 알고리즘을 제안하였다. 또한 시계열 데이터 예측에 우수한 성능을 보이는 것으로 보고된 Encoder-Decoder LSTM과 일반적 Stack LSTM 구조를 통하여 경로 예측 성능을 비교하였다. 또한 원시데이터 활용 및 Occupancy grid map 방법을 비교함으로써, 입력 데이터의 가공 방법에 대한 성능 분석을 수행하여 효율적 경로 예측 알고리즘에 대하여 연구하였다. 그 결과 객체 인식 알고리즘은 자차 주변 약 30m 범위에서 약 130ms 간격으로 주변 객체정보를 수집하였다. 경로 예측 알고리즘은 직전 30개의 경로데이터를 통하여 향후 20개의 경로데이터를 예측한 결과, 90% 이상의 정확도 보이는 한편, 과적합에 대한 검증 및 빅데이터 구축을 통한 알고리즘 확장과 객체 인식 알고리즘의 다중 객체 환경에서의 강건한 동작 검증 등 추가 연구 과제를 도출하였다. 본 연구는 객체 인식과 경로 예측 알고리즘을 통합적으로 연구하였다는데 의의를 가지며, 특히 차량 간 통신 기술과 LiDAR 센서의 융합을 통해 객체 인식 및 상태 추정에 필요한 정보를 추출하는 연산과정을 간소화하는 방법론을 제시하였다.