V2X 통신과 Camera, Radar, GPS 센서 퓨전을 통한 협력측위 시스템 및 확장된 LDM 구현

Abstract

최근 자동차 관련 업계뿐만 아니라 여러 ICT 기업에서는 운전자 보조 시스템(ADAS)을 기반으로 한 자율주행 자동차가 빠르게 개발되고 있다. 그중에서도 주변 환경을 정확하게 인식하는 연구가 주요 연구 대상이다. 위치 정보를 기반으로 동작하는 자율주행 시스템의 경우 실시간으로 정밀하게 물체를 인식하고 이에 대한 높은 정확도와 신뢰도를 갖춘 위치 인식 시스템 필요로 한다. 본 논문에서는 KITTI의 실제 주행 데이터와 Tass International의 ADAS 시뮬레이터인 Prescan과 Nvidia의 딥러닝 자율주행 플랫폼인 Drive PX2를 이용하여, 기존 단일 On-board 센서 기반의 자율주행 자동차가 가지는 센서 인지 범위의 한계, 데이터 오차에 따른 위치에 대한 불확실성과 같은 한계점을 극복하는 협력측위 시스템을 제안한다. KITTI에서 제공하는 실제 주행 시나리오와 데이터를 통해 Prescan에서 이에 맞는 시뮬레이션 환경을 구성한다. 각 차량은 Radar, Camera, GPS 센서를 통해 주변 이웃 차량을 인식하고 얻어진 센서 데이터를 융합(Sensor Fusion)하여 각 차량 별 위치 좌표를 표현하는 LDM(Local Dynamic Map)을 형성한다. 형성된 LDM 데이터는 주변 차량들과 V2V(Vehicle to Vehicle) 통신을 통해 서로 Broadcast로 주고받는다. 여러 대의 주변 차량들로부터 수집한 LDM 정보들을 취합하고, MLE(Maximum Likelihood Estimation)기법을 사용하여 차량별 위치를 보정한 후 Expanded Map을 구성하여 더 확장된 넓은 범위의 인지 시스템을 가지게 된다. 이를 통해 단일 차량 기반의 측위 시스템과 협력측위 시스템의 평균 측위의 오차를 비교하고 정확도를 도출함으로써 제안한 시스템의 성능을 평가한다.