Empirical study on autonomous vehicles' detection performance of road traffic signs under various conditions

다국어 초록 (Multilingual Abstract)

Autonomous vehicle is a vehicle that uses various sensors installed in the vehicle to recognize the surrounding situation and controls the vehicle based on this to drive safely. Recently, various R&D and investments are being made for the commercialization of self-driving cars all over the world, including Korea. In particular, from 2022, sales of Level 3 self-driving cars for the general public began in Germany, and in Korea, Level 3 self-driving cars will be available for purchase from 2023. In addition, with various types of Level 3 or Level 4 self-driving shuttle bus and taxi pilot services being introduced in earnest, it is time to feel that we are getting one step closer to the era of self-driving.
Efforts are being made to improve the completeness of autonomous driving technology in various fields. However, in the field of roads and infrastructure around roads, where autonomous vehicles move, research and development of new autonomous driving support beyond the existing ITS framework is very slow. This study aims to serve as a starting point that can serve as a basis for presenting standards for road infrastructure for self-driving cars that can contribute the most to autonomous driving in the field of roads and transportation.
In the long-term expected mixed situation of regular cars and self-driving cars, self-driving cars have to adapt to the road environment that is not much different from the present. In other words, until the ratio of self-driving cars overwhelmingly increases and self-driving road facilities appear, self-driving cars must utilize various road traffic facilities installed according to the current human driver standards. Therefore, in this study, we tried to identify the relationship between autonomous vehicles and road traffic facilities from the perspective of traffic and roads.
Most of the existing studies consist of recognizing nearby cars or pedestrians in the field of automobiles or sensors, or simply identifying factors that degrade the detection performance of sensors. In addition, most of the studies were simulation-based rather than empirical studies using actual self-driving cars or self-driving sensors. The biggest difference of this study, compared to previous studies, is that it set various factors that affect the detection performance of autonomous driving sensors and confirmed through demonstration how these factors affect detection performance in a complex way. .
The demonstration experiment was conducted by limiting the scope to LiDAR and road traffic signs. LiDAR is a sensor that many autonomous driving experts believe is essential for autonomous driving after the third level. This is because LiDAR can greatly contribute to securing redundancy between positioning and sensors, two conditions necessary for the implementation of safe autonomous driving technology. Road traffic signage is currently a facility that is widely used in image sensors and is the most easily accessible facility on most roads. In addition, since the reflectivity is very high, it is a very advantageous facility for LiDAR to detect. For this reason, the scope of this study was limited to LiDAR and road traffic signs. Five factors (variables) that affect the detection performance of LiDAR were set: shape and area, which are factors of the sign itself, and distance, height, and lane, which are factors related to the relationship between signs and autonomous vehicles.
An empirical experiment to confirm the detection performance of LiDAR was conducted by setting a scenario so that these five influencing factors could be reflected at the same time. For a total of 5 signs, an experiment was conducted to connect 10 streets, 3 height changes, and 3 lane changes in a complex way.
The data collected through the empirical experiment was subjected to basic post-processing such as noise removal, and was divided into training data and verification data, including additional calculation indicators such as NPC values and the number of layers. The detection performance of LiDAR according to the influencing factors was verified by creating a decision tree for NPC and a decision tree for layers using the decision tree technique.
Based on the analysis results of the decision tree, the range of facilities and installation conditions most suitable for use by autonomous vehicles were presented as follows. It is generally advantageous to use a sign installed at a height similar to 2.0m or the sensor height of an autonomous vehicle. In addition, facility detection and recognition for positioning is sufficient even if it is performed at a short distance, so it can be satisfied when driving within 2 lanes in close proximity at a distance of 10m. On the other hand, in the case of facilities that can be recognized from a long distance, such as an obstacle target display, and can prevent accidents, it is advantageous to use a vertically long rectangular facility at a distance of about 50 to 80 m.
This study is the first study to explore facilities suitable for autonomous vehicles from the perspective of traffic and roads and to check the conditions. In the field of roads and transportation, there is an obligation to secure and present standards for roads and road infrastructure for a safe autonomous driving environment. If the results of this study are expanded to various facilities, it is expected that they can be used as standards for autonomous driving response facilities for the overall road infrastructure.

국문 초록 (Abstract)

자율주행자동차는 차량에 설치된 다양한 센서를 이용해 주변 상황을 인식하고 이를 기반으로 차량을 제어해 안전하게 주행하는 자동차이다. 최근 우리나라를 포함하여 전 세계에서 자율주행자동차의 상용화를 위한 다양한 연구개발과 투자가 이루어지고 있다. 특히 2022년을 기점으로 일반인을 대상으로 하는 Level 3 자율주행자동차의 판매가 독일에서 시작되었으며, 대한민국에서도 2023년부터는 Level 3의 자율주행자동차를 구입할 수 있게 될 예정이다. 이 밖에도 다양한 형태의 Level 3 또는 Level 4의 자율주행 셔틀버스 및 택시의 시범서비스가 본격적으로 선보이고 있음을 통해 자율주행 시대에 한 걸음 더 가까워지고 있음을 체감할 수 있는 시기가 되었다.
다양한 분야에서 자율주행 기술의 완성도를 높이기 위해 노력하고 있다. 그러나 자율주행자동차가 움직이는 공간인 도로와 도로 주변의 인프라 분야에서는 기존의 ITS 틀을 벗어난 새로운 자율주행 지원에 관한 연구와 개발이 매우 더딘 상태이다. 본 연구는 도로 및 교통 분야에서 자율주행에 가장 크게 이바지할 수 있는 자율주행자동차를 위한 도로 인프라의 기준 제시의 기반이 될 수 있는 출발점 역할을 하고자 한다.
장기간 예상되는 일반차와 자율주행자동차의 혼재 상황에서 자율주행자동차는 현재와 크게 다르지 않은 도로 환경에 적응해야 한다. 즉, 자율주행자동차의 비율이 압도적으로 높아져 자율주행 전용 도로시설 등이 등장하기 전까지 자율주행자동차는 현재 사람 운전자의 기준에 맞춰 설치된 다양한 도로교통 시설물을 활용해야 한다. 이에 본 연구에서는 교통 및 도로 관점으로 자율주행자동차와 도로교통시설물 간의 관계를 규명하고자 하였다.
기존의 연구는 대부분 자동차 또는 센서 분야에서 주변의 자동차나 보행자를 인식하거나 단순히 센서의 검지 성능이 저하되는 요인을 확인하는 내용으로 구성되어 있다. 또한 실제 자율주행자동차 또는 자율주행 센서를 활용한 실증 연구 보다는 시뮬레이션에 기반한 연구가 대부분을 차지하였다. 기존 연구와 대비되는 본 연구의 가장 큰 차별성은 자율주행 센서의 검지 성능에 영향을 미치는 요인을 다양하게 설정하고 이 요인들이 복합적으로 어떻게 검지 성능에 영향을 미치는지에 대하여 실증을 통해 확인하였다는 점이다.
실증 실험은 LiDAR와 도로교통표지판으로 범위를 한정하여 진행하였다. LiDAR는 많은 자율주행 전문가들이 3단계 이후 자율주행에서 반드시 필요하다고 판단하는 센서이다. 안전한 자율주행 기술 구현을 위해 필요한 두 가지 조건인 측위와 센서 간 리던던시 확보에 LiDAR가 크게 기여할 수 있기 때문이다. 도로교통표지판은 현재 영상센서에서도 많이 활용하는 시설물이며, 대부분의 도로에서 가장 쉽게 접할 수 있는 시설물이다. 또한 반사 성능이 매우 높기 때문에 LiDAR가 검지하기에 매우 유리한 시설물이다. 이러한 이유로 본 연구의 범위를 LiDAR와 도로교통표지판으로 한정하였다. LiDAR의 검지 성능에 영향을 주는 요인(변수)으로 표지판 자체의 요인인 형상과 면적, 표지판과 자율주행자동차 사이의 관계 요인인 거리, 높이, 차로 등 5개를 설정하였다.
LiDAR의 검지 성능을 확인하기 위한 실증 실험은 이 5개의 영향요인이 동시에 반영될 수 있도록 시나리오를 설정하여 진행하였다. 총 5가지 표지판에 대하여 10개의 거리, 3개의 높이 변화, 3개의 차로 변화가 복합적으로 연계되도록 실험을 진행하였다.
실증 실험을 통해 수집한 데이터는 노이즈 제거 등 기본적인 후처리를 진행하고, NPC 값과 Layer 수 등의 추가 산정 지표를 포함하여 학습용 데이터와 검증용 데이터로 구분하였다. 영향요인에 따른 LiDAR의 검지 성능은 의사결정나무 기법을 이용하여 NPC에 대한 결정트리와 Layer에 대한 결정트리를 생성하여 확인하였다.
의사결정나무의 분석 결과를 토대로 자율주행자동차가 활용하기에 가장 적합한 시설물의 범위와 설치 조건을 다음과 같이 제시하였다. 2.0m 또는 자율주행자동차의 센서 높이와 유사한 높이에 설치된 표지판을 이용하는 것이 대체로 유리하다. 또한 측위를 위한 시설물 검지와 인식은 가까운 거리에서 이루어져도 충분하므로 10m 거리에서 근접 2차로 이내 주행 시 만족할 수 있다. 반면 장애물 표적표시 등과 같이 먼 거리에서 인식까지 가능하여 사고 등을 예방할 수 있는 시설물의 경우 50m~80m 정도 거리에 세로로 긴 형태의 직사각형 시설물을 활용하도록 하는 것이 유리하다.
본 연구는 교통 및 도로의 관점에서 자율주행자동차에게 적합한 시설물을 탐색해보고 조건을 확인해보는 첫 번째 연구이다. 도로와 교통 분야에서는 안전한 자율주행 환경을 위하여 도로와 도로 인프라의 기준을 확보하고 제시해야 할 의무가 있다. 본 연구의 성과가 다양한 시설물로 확대될 경우, 도로 인프라 전반에 대한 자율주행 대응 시설물의 기준으로 활용될 수 있을 것으로 기대한다.

참고문헌 (Reference)

1. A Driver’s Sixth Sense, Stevenson, R., Vol. 48, Issue 10, pp.50~55, , 2011

2. A Review of Mobile Mapping Systems: From Sensors to Applications, Elhashash, M., Albanwan, H., Qin, R., 22, 4262. https://doi. org/10.3390/s22114262, , 2022

3. Road/Lane Departure Warning Systems: Information for the Human Interface, SAE International, J2808, , 2006

4. Performance evaluation of Terrestrial Laser Scanner over Calibration Baseline, Lee, I. S., Lee, J. O, 28, 329–336, , 2010

5. Lidar- and V2X-Based Cooperative Localization Technique for Autonomous Driving in a GNSS-Denied Environment, Im, J.-U., Won, J.-H., Kang, M.-S., Ahn, J.-H., 2022, 14, 5881. https://doi. org/10.3390/rs14225881., , 2022