다중 차선 차선변경을 위한 컨볼루션 신경망을 이용한 충돌 감지 시스템

Abstract

본 논문은 다중 차선 도로 위에 평행하게 주행하는 두 차량이 동일한 차선으로 차선 변경을 하는 상황에서 자 차량과 상대 차량이 충돌하는지 여부를 예측하기 위한 충돌 감지 시스템을 제안한다. Active Safety System 에서는 이러한 코너 케이스 충돌 상황을 예측하는 것이 필수적이지만 대부분의 연구들은 자 차량의 주행 차선 혹은 옆 차선에 대한 상황만을 주로 다뤄왔다. 본 논문은 다중 차선 도로 주행 상황에서 충돌 위험을 예측하기 위해 4 가지 시나리오를 구별하는 CNN(Convolution Neural Network)을 사용한 충돌 예측 방법을 제안한다. 주변 차량의 움직임을 예측하기 위해 라이다, 레이더 센서의 로데이터와 차량 내부 센서 데이터를 Occupancy Grid Map(OGM)에 매핑 시킨다. OGM 기반 이미지를 여러 시간에 대해 누적하여 공간적/시간적 정보를 활용한 입력 데이터로 CNN 네트워크를 학습시킨다. 또한 네트워크에 Open Set Recognition 개념을 적용한 OpenMAX 알고리즘을 통해 보수적인 충돌 감지를 고려한다. 실험 결과는 제안된 충돌 감지 시스템의 타당성과 혼란스러운 상황에 대한 보수적인 판단 결과를 보여준다.|This paper proposes a collision detection system to detect whether ego and target vehicles collide when both vehicles change from their lanes to the same lane. Although it is essential to predict this kind of collision for the active safety system, there is little literature on the case study. This paper presents the collision detection method using a Convolution Neural Network (CNN) consisting of four classes to predict collision risk on the multi-lanes road conditions. The CNN is formed on stacked Occupancy Grid Maps (OGMs) based on point cloud data of the LiDAR and Radar sensors with in-vehicle sensor data for spatio-temporal information between vehicles. Further, we apply the open set recognition concept to the network to consider a conservative collision detection. The experimental results show the feasibility of the proposed collision detection system and the conservative decision about the confusing situation.