차량 자세 추정을 위한 3D LiDAR L-Shape Fitting 알고리즘 정확도 개선

초록

3D LiDAR를 이용한 정확한 차량 자세 추정은 자율주행 인지 시스템의 핵심 기술이다. L-Shape fitting[1]은 이 분야 에서 널리 사용되는 방법으로, LiDAR 센서가 관측한 불완전 한 L자 형태의 점군으로부터 차량의 온전한 사각형 경계와 방향을 추정하는 효율적인 기법이다. 하지만 실제 도로 환경 에서 마주하는 점군의 희소성과 가려짐, 곡면 차체 변화에 따 라 기존 알고리즘 성능에 한계가 있다. Random Sample Consensus(RANSAC) L-Shape fitting[2]과 같이 선과 코너 에 의존하는 기법은 점군의 기하학적 특징이 불분명해질 때 정확도가 크게 저하 된다. 또한, 모든 사각형 후보 방향각을 탐색하는 Search-based method[1]는 상대적으로 연산 속도가 느려, 많은 객체를 실시간으로 처리할 경우 시스템 효율을 저 하시킨다. 본 연구는 이러한 문제를 해결하기 위해 L-Shape 가정의 의존도를 완화하고, 차량의 다양한 점군에서도 일관된 바운딩 박스를 산출하는 Convex Hull?Area Weighted Closeness (CH-AWC) 알고리즘을 제안한다. 이는 추정된 직사각형에 대한 점군 근접 정도를 평가하는 Closeness Score와 직사각 형의 공간 효율성을 나타내는 Convex Hull Area Ratio로 구 성된다. CH-AWC는 Convex Hull을 활용하여 후보 방향각 탐색의 효율성을 높이는 동시에, 면적 비율이 낮은 후보를 효 과적으로 배제함으로써 잘못된 최적점에 수렴하는 것을 방지 한다. 제안된 알고리즘의 성능을 입증하기 위해, KITTI 데이터 셋을 활용한다. 다양한 heading을 가진 차량에 대해 본 알고 리즘과 Search-based method의 Area, Closeness 평가 기준 과 RANSAC L-Shape fitting간의 성능 차이를 분석한다. Heading 오차와 알고리즘의 연산 속도를 핵심 지표로 삼아 정량적으로 평가함으로써 제안 방식의 우수성을 입증한다.