ICP를 통한 LiDAR 기반 차량 추적 알고리즘 정확도 개선

초록

자율주행 시스템에서 LiDAR를 활용하여 주변 환경을 인지할 필요가 있다. 이때, LiDAR에서 취득한 Point Cloud를 처리하여 자율주행에 필요한 정보를 얻을 수 있다. 주변 차량들에 대한 경우, Clustering 알고리즘을 통하여 각각의 Point들을 군집화해 하나의 객체로 인지하며 이때 객체로 인지된 주변 차량들의 크기, 위치를 활용하여 경로를 계획하고 주행한다. 하지만 더 고도화된 자율주행을 위해서는 주변 객체들의 추가적인 정보를 취득할 필요가 있다. Clustering만으로는 취득할 수 없는 정보들을 얻기 위해 시스템의 상태를 추정할 수 있는 알고리즘인 칼만 필터를 기반으로 한 객체 추적을 통해 이전 프레임과 현재 프레임에 존재하는 객체가 서로 같은 객체인지 알 수 있으며 객체의 상대 속도를 구할 수 있다(Li et al, 2010). 일반적인 객체 추적 알고리즘의 경우, Clustering을 통해 취득한 차량의 위치를 이용해 추적한다. 이때 차량의 위치로 중심점을 사용하게 되면 LiDAR가 차량을 관측하는 위치나 다른 객체로 인한 가려짐에 따라 정확하지 않은 중심점을 가지게 된다(Petrovskaya and Thrun, 2009). 이러한 문제는 차량 추적 과정을 통해 구한 상대 속도의 정확성을 떨어뜨리게 된다. 본 논문에서는 위와 같은 칼만 필터를 기반으로 한 차량 추적 알고리즘의 문제를 해결하고 그 성능을 더 높이기 위해 Iterative Closest Point(ICP) 알고리즘을 활용한 차량 추적 알고리즘을 제안한다. ICP 알고리즘을 통해 부정확한 차량의 중심점을 보정하여 추적 차량의 속도와 heading에 대한 정확성을 높이고 그 성능을 분석한다.