자율주행 Perception 기술

자율주행이란?

  • 운전자의 개입(조작) 없이 목적지 까지 차량(Vehicle) 스스로 움직이는 기술

image

자율주행 개요 기술 구성 요소

  • Perception : 자율주행 차량의 주행 환경에 대한 다양한 정보를 인지하는 기술
  • Localization : 자율주행 차량의 현재 위치를 추정하는 기술
  • Planning : 자율주행 차량의 주행 환경, 위치 정보를 바탕으로 주행하는데 필요한 요소 (경로, 판단, … )를 생성 및 결정하는 기술
    • Path Planning
      • Local Path Planning(LPP)
      • Global Path Planning(GPP)
    • Mission Planning
    • Decision Making
  • Control : 자율주행 차량이 원할한 주행을 할 수 있도록 차량을 제어하는 기술

image

Perception

  • 자율주행 차량의 주행 환경 정보를 인지함
  • 다양한 센서를 사용하여 주행에 필요한 정보를 인식
    • 인식된 다양한 정보로부터 자율주행 차량에 영향을 미칠 요소를 분석하고 측정하여 환경을 이해

image

Localization

  • 자율주행 차량의 현재 위치를 파악
    • GNN 기반의 Global Position을 추정하는 방법 -> GPS / INS(& IMU) Fusion, GPS RTK, …
    • 다른 센서 또는 데이터로(Perception 기술을 더해)부터 차량의 Global Position을 추정하는 방법 -> SLAM, Map Matching, …

image

Planning

  • Path Planning : 경로 계획

    • Global Path Planning : 네비게이션처럼 현재 위치로부터 목적지까지 도로 단위의 경로를 결정하는 방법

    • Local Path Planning : 현재 주행 환경에서 원할하고 안전한 주행을 위해 차선 단위의 경로를 결정하는 방법 (아래 그림 참조)

image

Control

  • 차량에 인가된 목표 값(Desired Value)을 만족하기 위한 차량의 요소를 제어하는 기술
    • 자동차의 경우 차량의 속도, 가속도, 순간 가속도, 스티어링을 제어함
  • 제어 대상의 Dynamics을 분석하고 주행 환경과의 상호작용을 통해 차량의 안정성을 제어함

image

자율주행 시스템 아키텍처

image

image

자율주행 자동차의 2가지 갈래

image

HD Map vs Nevigation Map

  • HD Map은 자율주행에 필요한 다양한 정보, 정확한 지도 데이터를 제공하는 장점이 있지만 지도 젲가과 유지보수가 어려운 단점이 있음

Perception 기술 분류

  • 다양한 특징을 가지는 센서를 사용함
  • 센서의 고유한 특징을 활용하여 종합적인 정보를 추정함
  • 센서
    • Camera
    • LiDAR
    • RADAR
  • 기술
    • Detection
    • Segmentation
    • Tracking
    • Prediction
    • 3D POSE Estimation
    • Sensor Fusion
    • Acceleration

Detection

  • Vision, Lidar, Radar등 다양한 센서를 활용하여 주행 환경에 존재하는 특정 객체를 검출
  • Vision 기반의 2D Image Object Detection / Lidar, Radar를 활용한 3D Point Cloud Object Detection이 있음
    • 최근에는 Vision 기반의 3D Object Detection을 검출하려는 다양한 노력이 있음

image

Segmentation

  • Segmentation은 객체의 형태를 분할하는 기법으로 Bounding Box와는 출력 결과가 다름
  • Vision, Point Cloud 등 다양한 센서를 활용함

image

  • Drivable Area Detection

image

Tracking

  • 검출한 객체의 고유한 ID를 부여하고 해당 객체가 동일한 객체임을 추적하는 기술
  • 객체의 움직임을 지속적으로 추적해서 객체의 미래의 움직임을 예측하는 기술
    • Multiple Object Tracking : 다중 객체 추적
    • Single Object Tracking : 단일 객체 추적

image

Prediction

  • Tracking뿐만 아니라 주변 환경, 객체의 고유한 특징등 다양한 정보를 바탕으로 객체의 미래 움직임을 추정함
  • Multimodal Trajectory Prediction이라는 키워드로 활발한 연구가 진행중

image

3D POSE Estimation

  • 객체를 인식하는 것 뿐만 아니라, 객체의 정확한 위치를 추정하는 기술은 매우 중요함
  • Vision의 Geometry 정보를 사용하는 방법과 위치 정보를 획득할 수 있는 다른 센서와의 데이터 융합 방법으로 구분

image

Sensor Fusion

  • 유의미한 정보를 획득하기 위해 센서 데이터들을 융합

  • 각 센서는 고유한 장/단점을 가지고 있음

  • Camera vs Lidar

    • Lidar는 객체를 구분할 수 없지만, 위치 정보를 획득할 수 있음

    • Camera는 객체의 위치 정보를 획득할 수 없지만, 대상이 무엇인지 구별할 수 있음

image

Acceleration

  • Perception의 많은 알고리즘이 Deep Learning 기반으로 변화하면서 컴퓨팅 파워에 대한 수요가 급증하고 있음
  • 자율주행은 빠른 속도로 움직이는 환경이기 때문에, 검출 성능 뿐만 아니라 검출 속도도 중요한 키워드
  • Model Quantization, Pruning, Hardware Optimization등 다양한 최적화 방법이 존재함