전세계적으로 카메라, 라이다, Global Positioning System (GPS) 센서와 정밀지도를 이용한 무인 자율주행 기술이 고도화되면서 측위의 중요성이 증가하고 있다. 하지만 GPS는 도심환경과 실내 터널 같은 None Line Of Sight (NLOS) 환경에서 위성신호 반사 및 신호 세기 약화에 의한 다중경로현상으로 측위 정확도가 낮아져 자율주행 기술을 정상적으로 수행할 수 없다. 따라서 차량 주변환경 변화에 강인한 측위 기술이 반드시 요구된다. 본 논문에서는 단일 카메라를 이용해 Linknet 딥러닝 모델 기반으로 실시간으로 차선을 검출하고 차량의 기구학을 이용해 차선을 추적하여 무인 자율주행차의 측위 정확도를 높이는 기술을 제안한다. Linknet으로 검출된 차선은 In Vehicle Network (IVN)에서 측정한 종방향 속도와 스티어링 휠의 각도를 이용하여 탑뷰(Top View)에서 칼만필터링 기법으로 추적된다. 차선 검출 및 추적이 이루어지면 단일 카메라 캘리브레이션을 통해 계산된 한 픽셀 당 길이 값을 이용해서 무인 자율주행차량의 진행방향 기준으로 왼쪽 차선, 오른쪽 차선 그리고 주행하는 중앙 차선으로부터 떨어진 거리를 실시간으로 획득해 측위 정확도를 향상시킨다. 그리고 NLOS 환경에서 RTK-GPS와의 측위 성능 비교를 통해 본 논문에서 제안하는 기술을 검증한다.

Keywords: lane detection, lane tracking, localization, deep learning, self-driving car

Speaker Byung-Kwan Lee