클라우드 연계 자율주 이야…

최근 글로벌 자동차와 작은 기업은 물론 IT 업계에서도 앞 다퉈 자율주행 기술을 선보이고 있다.자율주행 기술이 커지면서 정밀맵의 필요성이 주목받고 있다.자율주행맵은 도로의 주행환경정보와 시간에 따라 전천하는 동적 주행환경정보로 구성된다.자율운전 맵을 발발하고 갱신하는 클라우드 연계 플랫폼과 연구결과를 조사한다.

>

도로 주행 환경은 차에서 도로 기록, 신호등의 위치, 장어 린이 물의 출현, 1시적인 통행 제한, 긴급한 도로 복구 교차로 교통 체증 등 복잡한 귀추가 존재한다. 자율주행기술에서는 기존 도로환경과 때때로 변화하는 동적 주행환경 정보를 실시간으로 습득해 변화에 대응하는 것이 중요하다. 자율주행맵의 구성내용은 현재의 내비게이션 지도와 다르지 않은 본인 외 본인은 차량구분선이 본 도로교합격과 관련한 실시간 갱신주기면에서 훨씬 세밀하고 정확한 위치정보가 요구되며, 최근성을 유지하는 기능을 가진다. 자율주행을 위한 필수요소 중 가장 중요한 기능은 출발지에서 목적지까지의 자율주행 서비스를 위해 자율주행맵을 참조해 인식하고, 목적지를 방문하기 위해 최적의 경로를 걱정하는 것으로 고정밀 맵을 활용한다. 최근 클라우드 서버와 연계하여 부분적인 지상에서 수집된 도로 인프라 정보가 서서히 확장되고 점진적으로 세밀화하는 자율주행맵 발생 플랫폼이 연구되고 있다. 전 세계에서 지도 데이터의 가치가 높게 평가되고 있다. 특히 자동차 업체와 협력해 향후 성장이 가시화되고 있는 자율주행차용 정밀지도 시장을 선점하기 위해 연구자들이 노력하고 있습니다. 정밀지도는 구글에서 자율주행차에 대한 연구를 진행하면서 급속히 발전했다. 구글은 20하나 0년부터 DARPA(Defense Advanced Research Projects Agency)의 2005년 Grand Challenge의 우승자를 시간 웅데우에 자율 주행 차량 개발을 시작했다. 이 밖에도 유럽의 대표적인 내비게이션 업체인 Here와 Tom Tom은 유럽, 미국 등에서 라임니다, 카메라, 항공영상을 전체 활용해 정밀지도를 제작하고 있다. 종래의 정밀 맵 개발 제작 기술은 거의 MMS(Mobile mapping system) 기술을 사용했다. MMS는 GIS 분야에서 널리 사용되는 기술로 차량 등의 이동체에 GPS, 레이저 스캐너, 카메라, INS(Inertial navigation system) 센서 등을 장착하여 이러한 데이터를 조합하여 사용하는 이동형 측량 시스템입니다. 대부분의 내비게이션 관련 회사에서는 2D, 3D지도 데이터를 주로 사용하고 있고 본인 현대 엠앤 소프트는 앞으로 자율 주행 차량에 사용되는 코쵸은미 수도 기술을 개발하고 있다. 고정밀도 지도 데이터 획득을 위해 정밀센서를 탑재한 지도구축 차량을 제작해 실주행에 의해 정밀지도 데이터를 획득하고 있다.

>

글로벌 자동차회사들은 다가올 자율주행 시대에 대비해 정밀맵 기술 관련 기관과 함께 클라우드 맵 서비스를 연구하고 있다. 오픈 스트리트 맵 재단은 오픈 소스 방식의 참여의 무료 지도 서비스 인 오픈 스트리트 맵(OpenStreetMap)을 서비스하고 있어, 벤츠는 2013년 정밀 지도를 사용하고 벤츠 S500차량의 100km, 자율 주행을 시연했다. 포드는 양 태, 때로는 대학과 함께 2013년 퓨전 하이브리드 리서치 차량을 발표하고 DGPS(Differential GPS)및 4대의 32채널 LiDAR(Light detection and ranging)센서를 사용하고 도심 환경의 3차원 지도를 제작했다. 2015년 1월 닛산과 미국 NASA는 무인 주행이 가능한 무인 차량과 화성 탐사 로봇을 목적으로 공유 출발을 준비하면서 5년간의 파트너십을 발표했다. 국내 국토교통부가 운영하는 V월드는 공간정보의 오픈 플랫폼으로 정부가 보유한 유출 가능한 공간정보를 자유롭게 활용할 수 있도록 했다. 현재 1조 같은 지도 정보 외에도 교통 CCTV날씨 정보, 지적도 3차원의 건물, 산사태 위험의 지도 등 다양한 정보를 제공한다. 매핑패스에서는 내비게이션에 클라우드 기술을 도입해 초기 설치용량을 최소화하고 별도의 업데이트 없이 언제 자신의 최근 지도에 안내하는 기능을 실현한다.

>

자율주행 맵 플랫폼은 정보 수집 집단과 정보를 가공하는 클라우드 서버로 구성된다. 플랫폼을 구성하기 위한 정보는 차량에서 수집되어 서버에 시달되어 그 때 1개의 공통된 정보 전달 프로토콜이 요구된다. 동시에 다양한 서비스 지원 때문에 클라우드 서버는 1개화한 보통 규격을 만족시킬 필요가 있어 정보에 대한 신뢰성의 검토 과정이 확실하게 요구된다. 최근의 자동차는 다양한 안전·편리 서비스를 위해 ICT와 융합하여 차량에 장착된 카메라 센서 및 위치수집 센서 등으로부터 위험 형세에 대한 경고를 하고, 직접 제어한다. 이들 스마트자동차는 다양한 정보수집을 위한 센서를 기본으로 갖추고 있으며 통신기능으로 수집된 정보를 클라우드 서버에 전송한다. 클라우드 서버에서는 수집된 다양한 도로 인프라 정보를 통해 기존의 맵 데이터베이스를 순차적으로 확장하고 발발한 도로 인프라 맵이나 빅데이터를 바탕으로 ICT와 연계하여 교통형세 예측과 대응한다.

>

자율주행 맵 생성을 위해 카메라, INS, GPS 등 다양한 센서의 융합이 필요하다. 센서로 취득한 데이터는 차량의 중간점을 기준으로 변환하여 맵 생성 알고리즘에 활용하기 때문에 센서의 정확한 설치위치를 측량하는 것은 매우 중요하다. 초기 캘리브레이션 정보를 이용해 가상의 영상 정보를 만들고, 특징점 정보는 개개의 카메라 영상으로 변환된다. 시뮬레이션 역과정을 통해 좌표변환을 하고 이를 지도와 매칭한 후 최적화 알고리즘에 반영합니다. 아래쪽이나 영역은 수집된 데이터가 기존에 수집된 데이터와 같은 공간에서 수집된 것으로 판단되는 경우를 이 상정합니다. 해당 정보는 맵 데이터의 점진적 확장과 정밀도 향상에 사용된다. 동일 영역 맵 데이터를 정합하기 위해서 수집된 데이터와의 위치성을 검출합니다. 새롭게 수집된 데이터의 경로가 기존과 동일할 경우, 두 경로 데이터 정보를 이용해 정밀도를 개선할 수 있다. 차량 주행 중 위치 예측에 사용되는 기술에는 주행거리 센서 정보와 GPS가 있다. 주행거리 센서 정보는 주행거리가 길어질수록 정밀도가 낮아지고 GPS는 정확도가 낮다는 단점이 있다. 이 2가지 비법의 단점을 보완하는 때문, 그래프 최적화 연구 결과에서 위치 소령 땅에서도 강인한 결과를 확신한다. 클라우드 연계 자율주행 맵의 정적 맵에는 속도나 통행규제를 지시하는 표식 정보가 포함된다. 그 때문에 검출 및 인식이 요구된다. 그리고 현재 우리 나라에서는 교통 표지판에 대한 공개 데이터 3개가 전무한 상태이며 대부분의 연구자는 부분적인 표지 모델을 직접 만들면 저명한 논문에서 소개된 공개 차종을 활용 칠로 학습기 모델을 연구합니다. 신호기의 경우 자체 신호기의 설치위치와 신호구의 개수도 다르고 자체 데이터셋을 갖춰야 하기 때문에 많은 초기 작업이 요구된다. 영상 기반으로 씬에 대해 재빠르게 이해하기 위해, 객체 단위로 정보를 추출합니다. 이해하고자 하는 각 상황마다 데이터베이스는 다를 수 있으며, 도심 도로 환경으로 구성된 Citycapes데이터베이스와 Pascal데이터베이스를 사용하였습니다. Pascal의 학습 데이터 세트는 분류, 검출, 분리, 행동 분류 분야에 대해서, 사용할 수 있으며, Cityscapes는 실제로 유럽의 도시 교통 환경에서 얻은 시내의 영상에서 도로, 사람, 놀이 기구, 물체 등 총 30개의 분류 기준으로 구성되어 있다. 전방의 장애물과의 거리 또는 노면의 높이 정보는 환경인식을 위해 가장 중요한 정보자체영상을 이용한 정보취득은 FPGA(Field-programmable gatearray), 또한 GPU(Global positioning system) 등의 가속장치 없이는 때때로 처리하기가 매우 어려운 문제로 여겨지고 있다. 도로영상은 텍스처가 거의 없고 이동속도가 빠르기 때문에 데이터 압축기술이나 해제, 효율적인 매칭기법 등이 요구된다. 클라우드 서버에서 생성된 정밀맵의 논리적 스토리지 모델의 구성요소 중 자율주행을 위해 가장 필요한 데이터는 차로 복판선 정보였다. 생성된 자율주행맵의 차선 복판선은 MMS를 이용하여 구축된 데이터와 비교하여 피드백을 수행합니다.

>

>

차량에서 검출된 도로상의 하나시 점유 또는 움직이는 물체로 분류되는 동적 데이터는 다른 차량에 직접 하달되어 위험. 귀추에 미리 대처하도록 하다. 차량의 귀추 판단 모듈에서는, 장어린수의 특성을 판단해, 필수 속도, 위치등의 정보를 송신한다. 차량간 정보의 전송에는 통상 프로토콜이 필수적이며, 또한 어린이 물정보와 빠른 데이터의 송수신 주기가 요구된다. 차량과 클라우드 서버 간의 통신은 도로 인프라의 통신시설을 이용하는 것이 효과적이며 차내 스토리지와 통신의 대역폭을 고려하여 전송주기나 전송스토리가 자결되어야 한다. 고정밀 맵은 자율주행 서비스를 위해 검출, 인식, 판단, 제어 등의 전 단계에 걸쳐 효과적으로 활용할 수 있다. 자율주행 서비스를 위해 차량은 최근 고정밀 맵을 기반으로 차량에 장착된 카메라 센서를 이용해 횡단보도 앞 정지선을 인지하고 정지하거나 나쁘지 않게 신호구의 정확한 검출을 위해 활용한다. 주행 귀추 속도와 방향 판단을 위해 차선별 위험·도 수준을 계산하고 시뮬레이션 한 후 주어진 자율주행 미션을 수행한다. 위험도 측정을 위한 요소는 충돌 시각(TTC: Time to collision), 정지 시각(TTB: Time to break), 안전 거리(MSM: Minimal safety margin)로 이루어지며 확률적으로 계산한다.논문 다운로드(논문 저자: 자율주행 시스템 연구 그룹 최정단본이다 연구원·그룹장 / 민경욱 책이다 연구원 /손경복 한승준 이동진 성이다.연구원 / 박상헌, 강정규, 조영우 연구원) - 본문은 전자통신 동향 분석 논문을 재구성하여 작성하였습니다. 자세한 이 스토리는 논문을 확인하세요. -