차량의 Pixel 이미지 좌표계와 수학적 모델링

초록

자율주행 차량은 라이다, 카메라, Global Navigation Satellite System (GNSS) 수신기와 같은 센서를 이용하여 주 변 환경 인지 및 자차 측위를 수행한다. 그 중 카메라를 통해 기존의 차선을 인지하고 추적하는 차선 추적은 차선과 색이 비슷한 객체가 인식되거나, 강한 빛, 난반사, 혹은 그림자가 존재하는 환경에서 차선 인식률에 한계점이 있으며, 인지한 차선의 중심점만으로 차량을 제어하는 데 어려움이 존재한다. 이를 보완한 라이다-카메라 Calibration 차선 인식 기법의 경 우 연속으로 카메라와 라이다 모두 차선 검출에 실패하는 경 우에 차선 검출 신뢰성이 하락하는 문제 및 카메라를 제외한 다른 센서들을 사용하지 못하는 Fail/Safe 상황에 가용성 한 계가 존재한다 (서주찬 외, 2021). 본 논문에서는 이와 같은 인지 제한적 상황에 차량의 안정 적 제어를 위한 Pixel 좌표계와 차량 사이의 수학적 변환 매 개 변수를 결정하는 모델링 기법을 제안한다. 먼저 임의로 설 정한 Voxel 사이의 Pixel 거리와 실제 거리 매치를 통한 가 중치와 Lens 왜곡에 따른 왜곡 보정 가중치를 도출한다. 가 중치를 종합한 모델을 설계하고, 이를 이용한 Grid Map을 생 성한다. 생성된 Grid Map을 통해 주행 가능 영역을 판단 후 이동하고자 하는 Endpoint를 설정하여 현재 차량 위치를 기 준으로 A* 알고리즘을 이용해 경로 계획을 진행한다. 마지막 으로 World 좌표계와 비교 분석하여 제시한 수학적 모델링의 가용성을 판단한다. 또한, 카메라를 제외한 Fail/Safe 환경을 임의로 조성하여 모델을 검증한다.