자율주행에는 자동차 자체의 지능에 의해 운전하는 기술이 가장 핵심이긴 하지만, 자동차를 넘어 도로 자체가 스마트 시스템이라면 그 가능성과 안정성을 크게 높힐 가능성이 있습니다. 이번 포스팅에서는 IEEE Spectrum에 소개된 관련 내용을 전해보도록 하겠습니다.
개요
고급 차량 감지 기능을 갖춘 스마트 도로는 미래 지능형 교통 시스템의 핵심이 될 수 있으며, 자율주행차의 인지 범위를 확장하는 데에도 도움을 줄 수 있습니다. 새로운 카메라와 레이더 데이터 융합 접근법을 통해 이제 최대 500미터 거리에서 차량을 정확하게 추적할 수 있게 되었습니다.
실시간으로 교통 흐름과 밀도에 대한 데이터를 수집하면 도시 관리자는 혼잡을 방지하고 사고를 예방할 수 있습니다. ‘도로변 인지’라 불리는 이 기술은 차량을 추적하기 위해 센서와 카메라를 사용하여 스마트 도로를 구축하고, 이러한 정보를 지속적으로 수집해 제어실로 전송할 수 있도록 합니다.
그러나 대규모 도로변 센서를 설치하는 것은 비용이 많이 들고 유지 관리도 시간 소모적일 수 있다고 중국 과학기술대학(USTC) 컴퓨터 공학 교수 장 옌용(Yanyong Zhang) 교수는 설명합니다. 스마트 도로를 비용 효율적으로 만들려면 가능한 적은 수의 센서를 사용하는 것이 중요하며, 이를 위해서는 센서가 먼 거리에서도 차량을 추적할 수 있어야 한다고 덧붙였습니다.
장 교수 팀은 고해상도 카메라와 밀리미터파 레이더 데이터를 융합하는 새로운 접근법을 통해 최대 500미터 거리에서 차량 위치를 1.3미터 이내의 오차 범위로 정확히 파악할 수 있는 시스템을 개발했습니다. 이 결과는 최근 IEEE Robotics and Automation Letters에 발표되었습니다.
장 교수는 이러한 접근법에 대해 차량 추적에 필요한 센서 수를 줄일 수 있는 실질적인 솔루션을 제공하는 최초의 연구로서, 현실 세계에서 적용 가능하고 먼 거리에서도 효과를 발휘한다고 소개했습니다.
장 교수의 박사 과정 학생인 야오 리(Yao Li)는 센서로부터 수집된 데이터를 활용해 실험을 수행했습니다. 그는 3D 레이더 데이터를 2D 이미지에 투영함으로써, 이미지 데이터를 레이더 데이터에 매핑하는 기존 방법에 비해 장거리에서 위치 오류가 상당히 줄어드는 것을 발견했습니다. 이로 인해 연구팀은 데이터 융합을 2D 이미지에서 수행한 후 차량 추적을 위해 이를 조감도로 다시 투영하는 것이 더 적합하다고 결론을 내렸습니다.
이 새로운 기술은 최대 500미터 거리에서의 정확한 위치 추적을 가능하게 할 뿐만 아니라, 이전 방식에 비해 단거리 추적의 평균 정확도를 32% 향상시키는 것으로 나타났습니다. 연구팀은 수집된 데이터셋을 사용하여 오프라인 환경에서만 이 방법을 테스트했으나, 장 교수는 기본 계산이 비교적 간단하여 일반 프로세서에서도 실시간으로 구현이 가능할 것이라고 설명했습니다.
복수의 센서를 사용할 경우 데이터 스트림을 일치시키기 위한 세심한 동기화가 필수적입니다. 시간이 지나면 환경적 요인으로 인해 센서가 분리되므로 재보정이 필요하게 되는데, 이는 GPS를 장착한 차량을 고속도로에서 주행하여 지상 위치 측정치를 수집하고, 이를 통해 센서를 조정하는 방식으로 이루어집니다.
카메라-레이더 융합이 필요한 이유
장 교수는 카메라와 레이더 모두 차량 추적을 위한 저비용 옵션이지만, 각각의 경우 100미터 이상의 거리에서는 한계가 있다고 설명합니다. 카메라와 레이더 데이터를 융합하면 거리 확장이 가능하지만, 이 과정은 서로 완전히 다른 유형의 데이터를 생성하는 센서들의 특성상 다양한 어려움을 수반합니다. 카메라는 단순히 2D 이미지를 캡처하는 반면, 레이더는 본질적으로 3D 정보를 생성하여 조감도로 처리할 수 있습니다. 대부분의 기존 방법은 카메라 데이터를 레이더 조감도로 투영했으나, 연구팀은 이 방법이 최적이 아니라는 사실을 발견했습니다.
문제를 더 잘 이해하기 위해, USTC 연구팀은 대학교 인근 고속도로의 직선 구간 끝에 레이더와 카메라를 기둥에 설치했습니다. 이 기둥에는 차량의 실제 위치를 측정하기 위해 라이다도 설치되었고, 고정밀 GPS 유닛이 장착된 두 대의 차량이 도로를 오가며 센서를 보정하는 데 사용되었습니다.
이 과정은 시간과 비용이 많이 들기 때문에, 연구팀은 시스템에 자체 보정 기능도 추가했습니다. 레이더 데이터를 2D 이미지에 투영하는 과정은 센서의 파라미터와 보정 과정에서 수행된 물리적 측정에 기반한 변환 행렬에 의해 이루어집니다. 데이터가 투영된 후, 알고리즘은 레이더 데이터 포인트와 해당 이미지 픽셀을 일치시키려고 시도합니다.
이러한 데이터 포인트 간 거리가 점점 증가하기 시작하면, 센서가 이동함에 따라 변환 행렬의 정확도가 떨어지고 있음을 나타냅니다. 연구팀은 이 변위를 주의 깊게 추적하여, 변환 행렬을 자동으로 조정하여 오차를 보정할 수 있게 했습니다. 장 교수에 따르면, 이 방법은 일정 한계까지 효과가 있지만, 여전히 전체 보정 횟수를 크게 줄이는 데 기여할 수 있습니다.
장 교수는 이러한 접근법이 현실 세계에 실용적으로 적용될 수 있다고 설명합니다. 또한 이 방식이 지능형 교통 시스템에 더 나은 데이터를 제공할 뿐만 아니라, 미래의 자율주행차에 유용한 상황 인식을 제공할 수 있을 것이라고 생각합니다.
장 교수는 몇 백 미터 앞에서 무언가가 발생하고 차량이 이를 인식하지 못할 때를 예로 들며, 고속도로에 설치된 센서가 이 정보를 해당 지역으로 들어오는 차량에 전달할 수 있다고 설명합니다. 이를 통해 차량은 더욱 신중히 접근하거나 다른 경로를 선택할 수 있게 됩니다.
마무리
이번 포스팅에서는 스마트 도로와 지능형 교통 시스템에 필요한 핵심 기술로서 카메라와 레이더 데이터를 융합한 차량 추적 시스템에 대해 살펴보았습니다. 고속도로 센서 네트워크를 활용한 자율주행 차량의 상황 인식 강화 가능성부터 비용 효율적인 보정 방법에 이르기까지, 이러한 기술이 미래 교통의 안전성과 효율성을 높이는 데 어떻게 기여할 수 있는지에 대해 논의했습니다. 앞으로도 빠르게 발전할 교통 인프라와 자율주행 기술이 더 나은 교통 환경을 만들어갈 것으로 기대됩니다.