자율주행을 위해서는 차량 측위 기술이 필수적이다. Global Navigation Satellite System (GNSS)는 가장 잘 알려져 있는 측위 시스템으로 다양한 어플리케이션에 적용되어왔다. 하지만 도심환경이나 터널에서는 위치 측정이 불가하거나 다중 경로와 같이 신호가 반사되며 발생하는 문제로 측정 성능이 저하된다. 그래서 GNSS는 관성항법장치, 라이다(Lidar), 카메라 등의 센서들과 융합을 통해 상호 보완하여 성능을 개선하기 위한 연구가 진행되어 왔다. 대부분의 항법시스템은 관성항법장치와 GNSS를 융합한 형태를 가지고 있었으나 최근 자율주행 분야에서 대두되고 있는 도심환경, 터널과 같은 위성 신호를 받기에 열악한 환경을 극복하기 위해 도로의 차선, 표지판, 도로 노면 표시 등의 정보를 포함한 디지털 지도를 활용하기 시작하였다. 지도상에 카메라 또는 라이다로 인식된 객체의 특징들을 차량 측위 정보로 변환하고 GNSS와 관성항법장치와 융합하면 측위 정확도가 개선되고 위성 신호 차단 또는 반사 여부에 강인한 항법 시스템을 구성할 수 있다. 칼만 필터는 센서 융합 분야에서 가장 오랫동안 연구되어왔으며 현재까지도 사용되고 있는 방법이다. 모델을 정확히 알고 있는 선형시스템에 대해 최적의 추정치를 얻어낼 수 있다는 것은 이미 수학적으로 증명되었고 널리 알려져 있는 사실이다. 하지만, 이를 다시 말하자면 모델을 정확히 알지 못하면 최적의 추정치를 얻을 수 없다는 것과도 동일하다. 이때, 카메라로 인식된 정보를 칼만필터 측청치로 활용하려면, 카메라와 GNSS 간의 좌표계 캘리브레이션과 정확한 오차 모델 정의가 필요하다. 하지만, 카메라 물체 인식 알고리즘으로 얻는 측위 정보는 오차 모델을 정확히 정의할 수 없는 경우가 많다. 따라서 본 논문에서는 좌표계 캘리브레이션과 오차 모델 정의가 필요 없는 Multi-Layer Perceptron (MLP) 기반 센서 융합 방법을 제안하고 실제 환경에서의 실험을 통해 성능을 검증한다.

Keywords: GNSS, artificial intelligence, sensor fusion, digital map

Speaker YoungBo Shim