[논문]자율주행자동차를 위한 8채널 LiDAR 센서 및 객체 검출 알고리즘의 구현

김주영; 우승탁; 유종호; 박영빈; 이중희; 조현창; 최현용

doi:10.5369/jsst.2019.28.3.157

자율주행자동차를 위한 8채널 LiDAR 센서 및 객체 검출 알고리즘의 구현
Realization of Object Detection Algorithm and Eight-channel LiDAR sensor for Autonomous Vehicles 원문보기

Journal of sensor science and technology = 센서학회지, v.28 no.3, 2019년, pp.157 - 163

김주영 ((재)경북IT융합산업기술원 센서연구팀) , 우승탁 ((재)경북IT융합산업기술원 센서연구팀) , 유종호 ((재)경북IT융합산업기술원 센서연구팀) , 박영빈 ((재)경북IT융합산업기술원 센서연구팀) , 이중희 ((재)경북IT융합산업기술원 센서연구팀) , 조현창 (전자부품연구원 IT융합부품연구센터) , 최현용 (전자부품연구원 IT융합부품연구센터)

Abstract ▼ AI-Helper

The LiDAR sensor, which is widely regarded as one of the most important sensors, has recently undergone active commercialization owing to the significant growth in the production of ADAS and autonomous vehicle components. The LiDAR sensor technology involves radiating a laser beam at a particular angle and acquiring a three-dimensional image by measuring the lapsed time of the laser beam that has returned after being reflected. The LiDAR sensor has been incorporated and utilized in various devices such as drones and robots. This study focuses on object detection and recognition by employing sensor fusion. Object detection and recognition can be executed as a single function by incorporating sensors capable of recognition, such as image sensors, optical sensors, and propagation sensors. However, a single sensor has limitations with respect to object detection and recognition, and such limitations can be overcome by employing multiple sensors. In this paper, the performance of an eight-channel scanning LiDAR was evaluated and an object detection algorithm based on it was implemented. Furthermore, object detection characteristics during daytime and nighttime in a real road environment were verified. Obtained experimental results corroborate that an excellent detection performance of 92.87% can be achieved.

주제어

표/그림 (14)

그림 Fig. 1. Schematics of 8-ch scanning LiDAR based on a rotating mirror.
그림 Fig. 2. Block-diagram for operating of 8-ch scanning LiDAR based on the object detection algorithm.
그림 Fig. 3. Photogragh of the fabricated 8-ch scanning LiDAR.
그림 Fig. 4. Fabricated 8-ch scanning LiDAR; (a) The motor scanning speed and (b) laser frequency.
그림 Fig. 5. Experimental schematic about detection distance of the fabricated 8-ch scanning LiDAR.
표 Table 1. The specifications of our developed LiDAR and conventional LiDAR sensor.
그림 Fig. 8. Object mapping results for detection target base on coordinate system.
그림 Fig. 6. (a) Experimental picture and (b) the results of reflection as the distance.
그림 Fig. 7. Diagram of the signal processing based on object detection algorithm.
그림 Fig. 9. Experimental environment picture for object detection verification base on 8-ch scanning LiDAR and algorithm.
그림 Fig. 10. Object detection results of the day time.
그림 Fig. 11. Object detection results of the night time.
표 Table 2. The calculation formula for object recognition.
표 Table 3. Object detection results base on the calculation formula.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 기 개발된 8채널 스캐닝 LiDAR센서에 대한 모터 동작 및 수평 수직 분해능 등 기본적이 성능에 대해 평가하고 이를 기반한 자율주행자동차용 객체 검출 알고리즘을 구현하여 평가하였다. 8 채널 LiDAR는 가로160×세로90×높이80mm의 규격을 가지며, FOV 140°, 수평 분해능 0.
본 논문에서는 자율주행자동차를 위한 8채널 LiDAR 센서 및실시간 객체인식을 위한 알고리즘을 개발하였다. 8채널 LiDAR센서는 기존 상용 LiDAR와 유사한 성능을 가지도록 고출력 4채널 PLD 2개와 고효율 8채널 APD(pulse laser diode), 저 손실 광학계와 수·발광 회전모터를 이용하여 차량에 적합하도록구현되었다.

제안 방법

4채널 레이저 2개를 사용하여 8개의 레이저를 구동하며, 각각의 레이저를 구동하기 위한 스위칭 회로를 추가하여 설계되었다. 펄스 레이저 다이오드 드라이버는 높은 전압을 capacitorarray된 부분에서 충전, MOSFET을 구동하고 capacitor 방전으로 레이저를 구동한다.
8채널 LiDAR센서는 기존 상용 LiDAR와 유사한 성능을 가지도록 고출력 4채널 PLD 2개와 고효율 8채널 APD(pulse laser diode), 저 손실 광학계와 수·발광 회전모터를 이용하여 차량에 적합하도록구현되었다.
Pulsed ID 전류가 150A의 Gallium nitride인 MOSFET을 사용하여 구동 회로를 구성하였으며, 수평 시야각 0.125°를 만족하기 위해 레이저 펄스의 반복 주파수 Δt를 108 kHz이상으로 스위칭하게 된다.
LiDAR는 고출력의 PLD와 고효율의 APD, 각 채널당 광 손실이 작은 광학계 설계, 수/발광 회전 모터 제어, 물체 인식을위한 DSP 모듈 설계, Eye-safety class 1 법규 만족하는 모듈 설계기술이 핵심이다[20, 21]. 광 펄스의 수신 효율 및 거리 제약의 개선을 위해 광 검출기, TIA(Trans-Impedance Amplifier)를이용하여 광 수신부 설계하여고 광전 변환및 수신 효율의 극대화를 위해 광 검출기로 APD 이용한다. 또한, 8채널 스캐닝 레이저 센서를 구성하기 위해 Array APD를 사용하며, 75W × 8ch를 이용하여 총 8개의 펄스 레이저 다이오드를 구동, 사이의 간격은 0.
기 개발된 LiDAR를 통해 실도로 환경하에서의 객체 검출을위한 알고리즘을 구현하였으며, Fig. 7는 구현된 객체 검출 알고리즘의 구조도를 나타낸다. 본 논문에서 제안한 객체 검출 알고리즘은 Intel i7 7500U, 16GB RAM, intel 620 그래픽카드를가진 PC 환경에서 Visual studio 2017(MS, USA)과 오픈 라이브러리인 PCL(point cloud library)기반으로 소프트웨어를 구현하여 검출 성능을 검증하였다.
8채널 LiDAR센서는 기존 상용 LiDAR와 유사한 성능을 가지도록 고출력 4채널 PLD 2개와 고효율 8채널 APD(pulse laser diode), 저 손실 광학계와 수·발광 회전모터를 이용하여 차량에 적합하도록구현되었다. 또한 LiDAR에서 획득한 PC(point cloud) 데이터를파싱한 후 표면 법선을 이용하여 변곡점을 검출하고, 이 변곡점을 기점으로 ECE (Euclidean Cluster Extraction) 알고리즘을 이용하여 검출하고자하는 객체를 각각 분할하고 분할된 객체를RANSAC(Random sample consensus) 알고리즘을 이용하여 객체를 인식하는 알고리즘을 제안하였다.
또한, 8채널 스캐닝 레이저 센서를 구성하기 위해 Array APD를 사용하며, 75W × 8ch를 이용하여 총 8개의 펄스 레이저 다이오드를 구동, 사이의 간격은 0.8°으로 설계되었다.
8°급, 최대 검출 거리 130m의 성능을 가진다. 또한, 객체 검출을 위한 알고리즘은 PCL및 표면 법선을 이용한 변곡점을 이용하여 객체를 검출하여 모니터링한다. 구현된 알고리즘은PC기반의 신호처리기법으로써 LiDAR 센서와 비교적 안정적인데이터 통신이 가능하다.
또한, 구현된 알고리즘과 8채널 LiDAR를 이용하여 실 도로환경하에서 검증을 수행하였다. 실험결과를 통해 해외 선진사제품 대비 동등 수준 이상의 우수한 특성을 확인하였다.
7는 구현된 객체 검출 알고리즘의 구조도를 나타낸다. 본 논문에서 제안한 객체 검출 알고리즘은 Intel i7 7500U, 16GB RAM, intel 620 그래픽카드를가진 PC 환경에서 Visual studio 2017(MS, USA)과 오픈 라이브러리인 PCL(point cloud library)기반으로 소프트웨어를 구현하여 검출 성능을 검증하였다.
성능평가 시나리오는 ISO15623을 기반으로 200회씩 만족하였으며, 민감도(Sensitivity)는 객체가 있는데 얼마나 있다고 예측, 특이도(Specificity)는 객체가 없는데 얼마나 없다고 예측, 정밀도(Precision)는 객체가 있다고 예측한 것에 얼마나 있었는지,정확도(Accuracy)는 객체가 있는 곳에 있고 없는 곳에 없다고예측한 것인지에 대한 평가 지표이다. 본 논문의 실험에서는 각 객체별로 검출률 실험을 수행하였으며, Fig. 10은 주간에서의 보행자, 자동차 및 이륜차의 객체 검출을 결과를 보여준다. LiDAR센서를 통해 검출된 객체 데이터 정보는 PC기반의 검출 알고리즘을 통해 뷰어를 통해 맵핑되고 거리, 위치, 객체 규격에 대한정보가 3D뷰어를 통해 모니터링 된다.

대상 데이터

기 개발된 8채널 LiDAR및 객체 인식 알고리즘의 검증을 위해 자동차 주행도로시험장(지능형 자동차 부품진흥원, KIAPI)및 일반 실도로내에서 객체 검출 실험을 수행하였으며, 실험 환경은 Fig. 9와 같다.
실험은 주·야간 동안 50m이내에서 동적 객체인 자동차, 보행자, 자전거 3종에 대한 검출 평가를 수행하였다.

이론/모형

획득한 객체 데이터는 PCL에 파싱한 후 표면 법선(Surfacenormal)을 이용하여 변곡점을 검출 후 이 변곡점을 기점으로ECE알고리즘을 이용하여 객체를 각각 분할하고 분할된 객체를Ransac 알고리즘을 이용하여 객체를 최종적으로 인식하게 된다.

성능/효과

또한, LiDAR 센서의 고질적인 문제인 주간 빛의 산란과 외란에둔감한 특성이 요구된다. 본 논문의 실험결과와 같이 주간과 야간 간의 객체 검출률은 약 2~3% 차이를 보인다. 이러한 문제들을 극복하기 위해 LiDAR의 구조 및 빛 외란 대응 기술 등이 추가적으로 요구된다.
실 도로 환경하에서의 주·야간 객체 검출 실험을 통해 자동차,보행자 및 이륜차의 각 객체별 검출 특성을 평가하였으며, 실험결과 평균 92.87%의 우수한 검출 성능을 확인 하였다.
실험결과를 통해 90% reflection target으로 환산 시 수식(4)에의해 최대 측정 거리는 약 130 m가 됨을 알 수 있다.
주야간 객체별 각각 200회씩 수행한 실험결과는 Table 3과 같다. 실험결과를 통해 자동차의 경우 평균 94.11%의 검출률을 보이며, 보행자의 경우 평균 91.91% 검출률을 보였다. 또한, 이륜차의 경우 92.
또한, 구현된 알고리즘과 8채널 LiDAR를 이용하여 실 도로환경하에서 검증을 수행하였다. 실험결과를 통해 해외 선진사제품 대비 동등 수준 이상의 우수한 특성을 확인하였다.
60%의 검출률을 보였다. 특히, 주간보다 야간에서 대부분의 실험이 약 2~3% 높은 검출률을 보였으며, 객체의규격이 클수록 높은 검출 특성을 보였다. 이는 LiDAR를 통해반사되는 면적이 많고 빛의 영향에 둔감한 야간일수록 검출률이 높다는 것을 알 수 있다.

후속연구

최근, 국내에서도 상용화를 목표로 개발하는 업체들이늘어가고 있는 추세이지만, 여전히 핵심 센서 및 알고리즘에 대한 기술 확보가 미흡하다. 이에 본 논문에서 제안하는 8 채널LiDAR센서 및 객체 검출 알고리즘 기술은 향후 지능형 자동차 핵심 기술로써 활용될 수 있을 것이다.
87%의 우수한 검출 성능을 확인 하였다. 최종적으로는 본 논문에서 구현된 PC기반의 객체 검출 알고리즘을 통합 임베디드 기반의 모듈에 적용하여 객체의 검출 평가가 요구된다. 이는 임베디드 상의 통신 프로토콜 조건, 하드웨어 규격,노이즈 외란 등의 부가적인 문제점에 대해 극복이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	8채널 LiDAR 센서 및실시간 객체인식을 위한 알고리즘을 구현하여 적용했을 때 어떤 결과를 얻을 수 있는가?	주야간 객체별 각각 200회씩 수행한 실험결과는 Table 3과 같다. 실험결과를 통해 자동차의 경우 평균 94.11%의 검출률을 보이며, 보행자의 경우 평균 91.91% 검출률을 보였다. 또한, 이륜차의 경우 92.60%의 검출률을 보였다. 특히, 주간보다 야간에서 대부분의 실험이 약 2~3% 높은 검출률을 보였으며, 객체의규격이 클수록 높은 검출 특성을 보였다. 이는 LiDAR를 통해반사되는 면적이 많고 빛의 영향에 둔감한 야간일수록 검출률이 높다는 것을 알 수 있다.
	LiDAR(Light detection and ranging)는 무엇인가?	레이더, 카메라, 초음파 센서들의 경우에는 국산화가 이루어졌으나 LiDAR 센서의 경우 전량 수입에 의존하고 있는 실정이다. LiDAR는 레이저 빔을 일정 각도로 방사하고 반사되어 되돌아오는 레이저의 시간을 측정(TOF, time of flight)하여 3차원의 영상을 획득하는 기술을 말하며 이러한 LiDAR 센서의 핵심기술로는 고효율 광학계, 고속 레이저 드라이버, 저 잡음 수신부, 신호 처리부, 영상처리 및 객체 인식 기술이 필요하다[7-15].
	LiDAR 설계에서 핵심인 기술들은 무엇인가?	LiDAR는 고출력의 PLD와 고효율의 APD, 각 채널당 광 손실이 작은 광학계 설계, 수/발광 회전 모터 제어, 물체 인식을위한 DSP 모듈 설계, Eye-safety class 1 법규 만족하는 모듈 설계기술이 핵심이다[20, 21]. 광 펄스의 수신 효율 및 거리 제약의 개선을 위해 광 검출기, TIA(Trans-Impedance Amplifier)를이용하여 광 수신부 설계하여고 광전 변환및 수신 효율의 극대화를 위해 광 검출기로 APD 이용한다.

참고문헌 (21)

K. E. Petersen, "Silicon torsional scanning mirror", IBM J. Res. Dev., Vol. 24, No. 5, pp. 631-637, 1980.

상세보기
A. Kasturi, V. Milanovic, B. H. Atwood, and J. Yang, "UAV-Borne LiDAR with MEMS Mirror-Based Scanning Capability", Proc. of SPIE, Vol. 9832, pp. 98320M(1)-98320M(10), 2016.
X. Lee and C. Wang, "Optical design for uniform scanning in MEMS-based 3D imaging lidar," Appl. Opt., Vol. 54, No. 9, pp. 2219-2223, 2015.

상세보기
X. Zhang, S. J. Koppal, R. Zhang, L. Zhou, E. Butler, and H. Xie "Wide-angle structured light with a scanning MEMS mirror in liguid", Opt. Express, Vol. 24, No. 4, pp. 3479-3487, 2016.

상세보기
L. Ye, G. Zhang, and Z. You, "Large-aperture kHz operating frequency Ti-alloy based optical micro scanning mirror for LiDAR application", Micromachines, Vol. 8, No. 4, pp. 120-133, 2017.

상세보기
S. T. Woo, Y. B. Park, J. H. Lee, C. S. Han, S. D. Na, and J. Y. Kim, "Angle Sensor Module for Vehicle Steering Device Based on Multi-Track Impulse Ring", Sensors, Vol. 19, No. 526, pp. 1-13, 2019.

상세보기
L. Ye, G. Zhang, and Z. You, "5 V compatible two-axis PZT driven MEMS scanning mirror with mechanical leverage structure for miniature LiDAR Application", Sensors, Vol. 17, No. 3, pp. 521-534, 2017.

상세보기
D. N. Hutchison, J. Sun, J. K. Doylend., R. Kumar, J. Heck, W. Kim, C. T. Phare, A. Feshali, and H. Rong, "High-resolution aliasing-free optical beam steering", Optica, Vol. 3, No. 8, pp. 887-890, 2016.

상세보기
http://leddartech.com/(retrieved on Sep. 15, 2017).
http://www.advancedscientificconcepts.com/(retrieved on Mar. 20, 2019).
U. Hogmann, F. Senger, F. Soerensen, V. Stenchly, B. Jensen, and J. Janes , "Biaxial resonant 7mm-MEMS mirror for automotive LIDAR application", IEEE 2012 Int. Conf. on Optical MEMS and Nanophotonics, Banff, Canada, 2012.
T. Fersch, R. Weigel, and A. Koelpin, "A CDMA Modulation Technique for Automotive Time-of-Flight LiDAR Systems", IEEE Sensors J., Vol. 17, No. 11, pp. 3507-3516, 2017.

상세보기
R. Thakur, "Scanning LIDAR in Advanced Driver Assistance Systems and Beyond: Building a road map for next-generation LIDAR technology", IEEE Consum. Electron. Mag., Vol. 5, No. 3, pp. 48-54, 2016.

상세보기
J. Han, D. Kim, M. Lee, and M. Sunwoo, "Enhanced Road Boundary and Obstacle Detection Using a Downward-Looking LIDAR Sensor", IEEE Trans. Veh. Technol., Vol. 61, No. 3, pp. 971-985, 2012.

상세보기
J. Choi, V. Va, N. Gonzalez-Prelcic, R. Daniels, C. R. Bhat, and R. W. Heath, "Millimeter-Wave Vehicular Communication to Support Massive Automotive Sensing", IEEE Commun. Mag., Vol. 54, No. 12, pp. 160-167, 2016.

상세보기
J. Sun, E. Timurdogan, A. Yaacobi, E. S. Hosseini, and M. R. Watts, "Large-scale nanophotonic phased array", Nature, Vol. 493, No. 7431, pp. 195-199, 2013.

상세보기
https://www.continental-corporation.com/(retrieved on Jun. 5, 2018).
http://www.osram.com/ (retrieved on Mar. 9, 2018).
http://www.hamamatsu.com/(retrieved on Mar. 12, 2019).
J. Sun, E. Timurdogan, A. Yaacobi, Z. Su, E. S. Hosseini, D. B. Cole, and M. R. Watts, "Large-scale silicon photonic circuits for optical phased arrays", IEEE J. Sel. Top. Quantum Electron., Vol. 20, No. 4, pp. 1-15, 2014.

상세보기
C. V. Poulton, M. J. Byrd, M. Raval, Z. Su, N. Li, E. Timurdogan, D. Coolbaugh, D. Vermeulen, and M. R. Watts, "Large-scale silicon nitiride nanophotonic phased arrays at infrared and visible wavelengths", Opt. Lett., Vol. 42, No. 1, pp. 21-24, 2017.

상세보기

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증