도로 시설물 검출을 통한 단일 영상 기반 차량 측위 보조 알고리즘 개발

국문 초록 (Abstract)

최근 컴퓨터 처리 속도의 향상으로 인해 카메라에서 획득되는 정보를 자동차 측위에 활용하는 연구가 활발히 수행 중이다. 따라서 본 연구에서는 GNSS 수신 환경에 의존적인 정확도를 갖는 기존 차량 측위 알고리즘의 한계를 보완하기 위하여 단일 영상 기반 차량 측위 보조 알고리즘을 개발하고 성능 분석을 수행하였다.
영상 측위 수행에 요구되는 기준점 추출을 위한 도로 시설물 검출 알고리즘을 개발하였다. 이를 위해 머신 러닝 분야의 AdaBoost와 SVM 기반의 분류 모델을 개발하고, 검출 대상으로 표지판, 신호등, 노면 표시를 선정하였다. 테스트 데이터를 이용한 성능 분석 결과, 노면 표시의 검출률이 다른 객체에 비해 낮게 나타났다. 이는 노면 마찰 등에 의한 이유로 객체에 대한 형태가 훼손되었기 때문이다.
영상 측위 알고리즘의 수학적 모델인 SPR의 성능 분석을 위한 시뮬레이션 테스트를 수행하였다. 절대 좌표 위치 정밀도 분석 실험에서 영상 측위 수행을 통해 계산되는 자세 정보가 위치 정보에 비해 민감하게 성과가 변화하였다. 초기 카메라 위치/자세 분석 실험에서는 영상 측위 수행을 통해 GNSS 단절 구간 초기에 누적되는 측위 오차를 제거할 수 있다는 가정을 세웠다.
영상 측위 알고리즘 적용을 위해 기존에 개발된 GNSS/자동차 내부 센서 기반 측위 알고리즘과 결합하여 GNSS/자동차 내부 센서/영상 기반 측위 알고리즘을 개발하였다. 이때 영상 측위 수행을 통해 계산되는 차량의 위치/자세 정보를 약결합 방식의 확장형 칼만 필터를 기반으로 항법해 오차를 보정할 수 있도록 설계하였다. 주행 실험을 통해 성능 분석을 수행한 결과, 실제 절대 좌표를 이용한 실험에서 위치/자세 정보를 모두 항법해 오차 보정에 이용한 경우 도로 시설물의 절대 좌표 오차로 인해 측위 성과가 오히려 저하되었다. 따라서 위치 정보만을 보정에 이용했으며, 전체 주행 구간에 대한 2차원 위치 정밀도가 기존 측위 알고리즘과 비교할 때 10% 향상되었다. 또한 영상 측위 수행을 통해 GNSS 단절 구간에서 누적된 측위 오차가 제거되었다.
단일 영상 기반 차량 측위 보조 알고리즘을 통해 GNSS 수신 환경 변화에 민감한 기존 차량 측위 알고리즘의 한계점을 보완할 수 있다. 그러나 SPR 기반의 영상 측위 알고리즘은 절대 좌표 위치 성과에 민감하다는 한계점이 있다. 따라서 향후 연구 수행을 통해 환경 변화에 둔감하여 위치 변화량이 작은 도로 시설물을 추가적으로 검출하는 기술 도입이 요구되며, 객체 검출 과정이 요구되지 않는 비주얼 오도메트리와 같은 영상 측위 기술과 복합 적용을 통해 단일 영상 기반 차량 측위 알고리즘을 고도화 할 수 있을 것이라 판단된다.

다국어 초록 (Multilingual Abstract)

Due to recent improvements in computer processing speed, studies are being actively carried out to utilize information from a camera in vehicle positioning field. In this study, single image-based assistant algorithm for vehicle positioning is developed to overcome the limitation of an existing vehicle positioning algorithm, which is sensitive to GNSS reception environment changes.
Road facilities detection algorithm is developed to extract reference points which are required to perform image positioning. In this regard, classification model based on AdaBoost and SVM is constructed, and traffic sign, traffic light and road surface marking are selected as a target to detect. As a result of evaluating performance using test data, detection rates of the road surface marking are lower than other objects. This is because the shape of the road surface marking is damaged due to the friction of the road surface.
Simulation tests are performed to evaluate the performance of SPR, which is a mathematical model of image positioning algorithm. In the test for analyzing the precision of the absolute coordinate position, the attitude information calculated through image positioning is more sensitive than position information. In the test for analyzing the precision of the initial position and attitude of the camera, it is assumed that the accumulated positioning error in the beginning of the GNSS blockage area can be removed by performing image positioning.
In order to apply the image positioning algorithm, GNSS/on-board vehicle sensor/image based positioning algorithm is developed by combining with the existing GNSS/on-board vehicle sensor based positioning algorithm. In this regard, position/attitude information calculated through performing image positioning is designed to compensate the navigation error based on loosely coupled extended Kalman filter. As a result of the driving test using the actual absolute coordinates, the overall positioning performance degenerates if position and attitude are both used to compensate the navigation error. Therefore, only the position information, which is less sensitive to the absolute coordinates error, is used, and the precision of the 2-D position is improved by 10% compared with the existing positioning algorithm. In addition, the accumulated positioning error is removed by performing image positioning.
Single image-based assistant algorithm for positioning compensates the limitation of the existing algorithm, which is sensitive to GNSS reception environment changes. However, image positioning based on SPR has a limitation that its performance is sensitive to the absolute coordinate position performance. Therefore, it is necessary to select additional road facilities, which are insensitive to environment changes and so have less position variances, and detect them as target objects. In addition, it is expected that single image-based assistant algorithm for vehicle positioning can be advanced through the application of the technology, such as visual odometry, which does not require the object detection process.

목차 (Table of Contents)

• 목 차
• 제 1 장 서 론 1
• 제 1 절 연구 배경 1
• 제 2 절 연구 동향 2
• 1. 영상 기반 측위 기술 동향 2
• 2. 도로 시설물 검출 기술 동향 4
• 제 3 절 연구 목적 및 내용 6
• 제 2 장 단일 영상 기반 차량 측위 보조 알고리즘 개발 8
• 제 1 절 영상 측위 알고리즘의 수학적 모델 도출 8
• 제 2 절 도로 시설물 검출 알고리즘 개발 11
• 1. 머신 러닝 기반 객체 검출 및 추적 11
• 2. 도로 시설물 검출 알고리즘 개발 방법 19
• 3. 도로 시설물 검출 알고리즘 성능 분석 22
• 제 3 절 시뮬레이션 테스트 기반 영상 측위 성능 분석 26
• 1. 시뮬레이션 테스트 개요 26
• 2. 시뮬레이션 테스트 수행 및 결과 분석 28
• 제 3 장 단일 영상 기반 차량 측위 보조 알고리즘 적용 37
• 제 1 절 영상 측위 알고리즘 적용 방법 37
• 1. 영상 측위 알고리즘 적용 개요 37
• 2. 자동차 내부 센서 기반 추측 항법 시스템 38
• 3. GNSS 및 영상 측위 기반 항법해 오차 보정 방법 40
• 제 4 장 영상 측위 알고리즘 적용에 따른 성능 분석 43
• 제 1 절 데이터 취득 개요 43
• 1. 자동차 측위 시스템 개요 43
• 2. 실험 데이터 취득 개요 46
• 제 2 절 영상 측위 알고리즘 적용에 따른 성능 분석 50
• 1. 영상 측위 알고리즘 적용에 따른 성능 분석 개요 50
• 2. 시뮬레이션 데이터 기반 영상 측위 알고리즘 성능 분석 51
• 3. 실제 데이터 기반 영상 측위 알고리즘 성능 분석 57
• 제 5 장 결론 68
• 참고 문헌 71
• Abstract 76