국제 팀, 자율 주행 차 기술에서 큰 발전을 이루다

자율 주행 차량은 교통을 혁신할 것으로 예상되고 있지만, 그 성공적인 구현은 외부의 위협을 정확하게 인식하고 대응하는 능력에 달려 있다. 신호 처리와 이미지 분석 알고리즘을 통해 IoT 인프라와 통합된 딥 러닝 인텔리전스 시스템까지, 자율 주행 차량이 다양한 지형에서 안전한 운행을 제공하기 위해서는 다양한 기술이 활용되어야 한다. 이러한 최첨단 자동차가 더 널리 보급됨에 따라 승객의 안전이 손상되지 않도록, 잠재적인 위험을 신속하게하고 신뢰성 있게 탐지할 수 있는 강력한 방법이 개발되어야 한다.

자율 주행 차량은 LiDAR, 레이다, RGB 카메라와 같은 고성능 센서에 의존하여 보행자, 다른 운전자, 그리고 잠재적인 위험을 올바르게 식별하기 위해大量의 정보를 생성한다. 이러한 자동 차량에 고급 컴퓨팅 능력과 인터넷 오브 씽즈(IoT)를 통합하면, 다양한 지역과 물체를 더 효율적으로 탐색하기 위해 데이터를 현장에서 신속하게 처리할 수 있다. 궁극적으로, 이것은 자율 주행 차량이 전통적인 인간 운전자보다 훨씬 높은 정확도로 분할초 단위의 결정할 수 있게 한다.

자율 주행 기술에서 큰 발전

인천대학교의 정광길 교수와 그의 국제 팀이 수행한 개척적인 연구는 자율 주행 기술에서 큰 발전을 이루었다. 그들이 개발한 혁신적인 스마트 IoT-활성화된 종단 간 시스템은 딥 러닝을 사용하여 실시간으로 3D 객체를 감지할 수 있게 하여, 이전보다 더 신뢰할 수 있고 효율적이다. 그것은 낮은 빛이나 이상한 날씨와 같은 도전적인 환경에서조차도 더 많은 객체를 더 정확하게 감지할 수 있다. 이러한 기능은 다양한 교통 시나리오에서 더 안전한 탐색을 가능하게 하여, 자율 주행 시스템의 기준을 높이고 세계적인 도로 안전을 향상시키는데 기여한다.

이 연구는 IEEE Transactions of Intelligent Transport Systems에 발표되었다.

“자율 주행 차량을 위한 환경 인식은 핵심적인 질문인 ‘내 周围에는 무엇이 있는가?’에 대한 답을 제공하는 데 중요하다”라고 정광길 교수는 설명한다. “자율 주행 차량이 주변 환경과 조건을 효과적으로 이해하고 정확하게 인식할 수 있어야 반응적인 행동을 수행할 수 있다. 우리는 YOLOv3라는 잘 알려진 식별 알고리즘을 기반으로 탐지 모델을 고안하였다. 이 모델은 처음에는 2D 객체 감지를 위해 사용되었으며, 이후 3D 객체를 위해 수정되었다”라고 그는 계속한다.

YOLOv3를 기반으로 하는 모델

팀은 수집된 RGB 이미지와 포인트 클라우드 데이터를 YOLOv3에 입력하여, 분류 레이블과 신뢰도 점수와 함께 바운딩 박스를 출력하였다. 그 성능은 Lyft 데이터셋과 함께 테스트되었으며, 초기 결과는 YOLOv3가 2D와 3D 객체 모두에서 매우 높은 정확도(>96%)를 달성했음을 보여주었다. 이 모델은 다양한 최첨단 탐지 모델을 능가하였다.

이 nově 개발된 방법은 자율 주행 차량, 자율 주차, 자율 배달, 그리고 미래의 자율 로봇에서 사용될 수 있다. 또한, 객체 및 장애물 탐지, 추적, 및 시각적 위치 지정이 필요한 응용 분야에서 사용될 수 있다.

“현재, 자율 주행은 LiDAR 기반 이미지 처리를 통해 수행되고 있지만, 일반 카메라가 미래에 LiDAR의 역할을 대체할 것으로 예상된다”라고 정광길 교수는 말한다. “따라서, 자율 주행 차량에서 사용되는 기술은 매 순간 변화하고 있으며, 우리는 이 분야의 최전선에 있다. 요소 기술의 개발에 기반하여, 향상된 안전성을 가진 자율 주행 차량이 향후 5-10년 내에 उपलब할 것으로 기대된다”라고 그는 कहत한다.