Ⅰ서 론

차량의 차종 분류는 고속도로 요금소에서의 요 금 징수, 교통량 통계, 통행량 예측 등의 다양한 용 도에 이용되고 있다. 차종 분류에는 차량의 전장, 차량의 축수, 승차 가능 인원, 차량의 용도(승객, 화 물) 등의 인자가 복합적으로 사용되고 있다. 차량의 전장 측정은 크게 루프 검지기를 활용한 방법과 컴 퓨터 비젼을 이용한 방식, 특정 센서를 이용한 방식 으로 나눌 수 있다. Coifman et al.(2009)은 두 개의 루프 검지기 대신 단일 루프 검지기만을 이용하여 차량의 속도와 전장을 측정하는 방법을 고안하였으 며[1]. 이후 Coifman은 종래의 루프 검지기를 이용 한 차량 전장 측정은 두 루프 검지기를 연이어 지 나가는 차량이 등가속도 운동을 한다고 가정함으로 써 전장 측정 오차를 줄일 수 있었다[2].

Avery et al.(2007)은 컴퓨터 비전을 이용한 차량 전장 측정 방법으로 92%의 차종 분류 정확도를 얻 었고[3]. Zhang et al.(2007)은 차량의 실제 길이 대신 영상에서의 픽셀 길이를 사용하여 차량 전장의 상 대적 길이를 차종 분류에 사용하였으며[4] Yoneyama et al.(2005)은 고정된 카메라의 영상에서 움 직이는 부분을 분류한 후, 그림자와 조명, 차량 겹 침에 따른 외부 요인을 효율적으로 제거하여 2차원 이미지의 소실점을 바탕으로 차량의 3차원 형상을 둘러싸는 육면체를 추출하고 추출된 육면체의 길이 를 차량의 길이로 환산하는 방식을 제안하였다[5]. Cheung et al.(2005)은 마그네틱 센서로 자기적 특성 과 함께 차량의 전장을 이용하여 차종 분류의 정확 도를 80 내지 90%까지 향상시킬 수 있다는 것을 보 였다[6].

이처럼 차량의 전장은 차량의 차종 분류를 위한 하나의 파라미터로서 중요한 역할을 하므로 차량 전장을 측정할 신뢰성 있는 방법의 고안이 중요하 지만 루프검지기의 경우 도로에 직접 설치해야 하 고 차량 통행증가 및 동절기 결빙에 취약 하므로 설치비용과 유지보수 비용이 증가하는 단점이 있 다. 컴퓨터 비젼을 이용한 전장 측정의 경우는 악 천후에 취약하고 야간에도 측정이 부정확한 단점을 가지고 있다. 따라서 본 연구의 목적은 여타 측정 장비에 비해 유지비용 및 설치비용이 적은 펜슬빔 레이저 거리계와 거리계를 회전시키는 회전 구동부 를 이용하여 차량의 전장을 측정하는 것에 있으며 제안하는 차량 전장 측정 방법은 레이저 거리계 뿐 만 아니라 기존의 차량 전장을 파라미터로 사용하 는 차종 분류 시스템에 적용시 차종 분류의 신뢰성 을 높일 수 있다.

Ⅱ이론적 고찰

본 연구에서는 공간상의 한 점과 자신 사이의 거 리를 측정할 수 있는 펜슬빔(pencil beam) 레이저 거 리계를 이용하여 3차원 스캔을 수행하였다. 레이저 거리계가 동시에 한 점에 대한 거리밖에 구하지 못 하므로 일정 범위 안의 물체들을 스캔하기 위해서 는 거리계를 움직일 필요가 있다. 본 연구는 이 점 을 레이저 거리계를 회전함으로써 해결하였다.

1레이저 거리계의 회전

레이저 거리계의 회전이 가능하도록 2 자유도를 갖는 기구부를 제작하였다. 기구부는 원가절감을 위해 마인드 스톰 EV3를 사용하여 제작하였으나 제품의 특성상 부품간의 유격이 커서 정밀한 제어 가 쉽지 않았다. 하지만 제안한 알고리즘을 통해 이 러한 문제점을 극복하고자 하였다.

레이저 거리계를 회전시키는 기구부는 회전의 중심을 구면 좌표계 <Fig. 1(a)>의 원점 O에 뒀을 때, 회전 부품에 의해 Φ방향과 θ방향으로 회전한다.

레이저 거리계가 데이터의 수집을 시작함과 동 시에, 회전 기구부는 Φ방향으로 α만큼 회전한다. 기구부는 이어서 θ방향으로 β씩 회전함으로써 레 이저 거리계의 앞을 약간 들어올린다. 다시 말해, 한글 자모 중 ‘ㄹ’을 아래서부터 위로 거꾸로 써나 가는 과정과 비슷하다 할 수 있다 <Fig. 1(b)>. 이 과정을 수 회 반복하면, 거리 데이터 수집 과정이 끝나며 측정된 데이터를 이용하여 전장 측정 알고 리즘이 수행된다.

2측정 좌표계

본 연구의 차량의 전장 측정에 이용되는 구면좌 표계가 이용된다.

단, 본 구면좌표계는 원점으로부터의 단위벡터 (π/2,α/2,1)와 차량 측면의 법선 단위 벡터의 내적이 1이 되어야 한다. 즉, 레이저 거리계의 측정 전 빔과 차량의 측면이 이루는 각이 직각이 되어야 한다.

3변화율

본 연구는 차량과 배경의 경계를 검출하기 위한 방법으로 거리의 각도에 대한 변화율을 사용한다. 배경에 대한 레이저 거리계의 거리 측정 결과는 차 량과의 거리 측정 결과보다 훨씬 크며, 그 경계에서 의 거리 변화율이 급격하다. x를 레이저 거리계의 Φ방향 회전 각도, f를 x = Φ일 때의 거리 측정치라 고 할 때, f의 Φ에 대한 변화율 f′은 다음과 같이 구하여진다:

여기서 h는 레이저 거리 측정 결과의 인접한 측 정과의 회전 각도 x의 차이로, 상수가 사용되며 1 로 정하여도 무방하다. 이는 변화율의 절대적인 수 치보다 각각의 인접하는 f′값의 상대적 크기차이가 거리측정에 중요한 요소이기 때문이다.

본 연구에서는 이러한 특성을 이용하여 차량의 측면 길이를 측정하였다. 차량의 측면 길이, 즉 전 장을 얻기 위해 거리에 대한 변화율을 구하면 값이 급격히 뛰는 부분인 피크 (peak)를 구할 수 있으며 본 연구에서는 배경에서 차량으로 넘어 갈 때의 양 의 피크와 차량에서 배경으로 넘어 갈 때에 발생하 는 음의 피크를 차량 전장을 위한 피크값으로 사용 하였다.

하지만 실제 측정 환경에서 피크가 많이 존재하 므로 단순 상수를 쓰레시홀드(threshold)로 사용하면 차량의 전장을 구하는데 전혀 상관이 없는 값들이 피크로 선택될 수 있으므로 본 연구에서는 이러한 문제점을 해결하기 위하여 쓰레시홀드를 인접 변화 율 값에 따라 능동적으로 변화시키는 적응형 쓰레 시홀딩을 사용하였다.

4일정 오경보율 검출기

일정 오경보율 검출기(Constant False Alarm Rate Detector, CFAR)란 레이더 이론의 타겟 검출 알고리 즘이다. 레이더의 목적은 타겟의 위치를 알아내는 데 있다. 타겟의 위치는 거리에 대한 레이더 신호의 강도가 일정 쓰레시홀드를 넘어 가는 피크에 의해 결정된다. 만약 상수 쓰레시홀드를 사용하면 실제 레이더의 동작 환경에서는 타겟이 아닌 장애물의 신호 강도가 쓰레시홀드를 넘는 경우가 빈번하므로 장애물이 타켓으로 간주되는 오경보(false alarm)가 빈번히 발생하게 된다. 이를 해결하기 위한 방법으 로 Cell Averaging CFAR(CA-CFAR), Siebert CFAR 등의 CFAR 검파기들이 제안되었으며[7] 본 연구에 서는 차량과 배경의 경계를 효율적으로 검출하기 위하여 레이더 이론의 CFAR을 이용하였다.

<Fig. 2>는 본 연구에 쓰인 CA-CFAR 쓰레시홀드 계산방법을 보여준다. <Fig. 2>에서 각 셀은 레이저 의 방향 회전량에 대한 거리 측정치를 나타낸다. 쓰 레시홀드가 계산되는 셀을 중심으로 양쪽으로 각 각 N_g개의 가드 셀이 존재하며, 이 셀들은 쓰레시 홀드 계산에서 제외된다. 가드 셀이 존재하는 이유 는 테스트 셀과 인접한 셀 사이에 차량과 배경의 경계가 걸칠 경우를 대비한 것이다. 가드 셀의 개수 는 레이저 거리측정 결과의 각도 Φ에 대한 해상도 에 따라 적절한 수치가 실험적으로 정해져야 한다.

가드셀을 제외한 양쪽의 총 2N 개의 셀들의 값 의 합을 구한 후에는 측정 환경에 적합한 상수 (<Fig. 2>의 k)를 구하여 합과 곱하여 쓰레시홀드를 얻는다. 이렇게 산출된 쓰레시홀드와 테스트 셀의 크기를 비교하여 쓰레시홀드의 강도가 테스트 셀보 다 크다면 ‘No’, 즉 ‘테스트 셀에서 타겟이 검지되 지 않음’을 출력하고 아니라면 ‘Yes’, 즉 ‘테스트 셀 에서 타겟이 검지됨’을 그 결과로 출력한다.

위의 모든 과정은 다음과 같은 수식으로 표현할 수 있다:

여기서 T ˆ는 쓰레시홀드, N 은 합을 구하고자 하 는 셀의 개수, N_g는 가드셀의 개수, x_c는 테스트 셀 의 인덱스 또는 Φ 방향 각도, f는 레이저 거리계의 거리 측정치이며, α는 측정환경에 따라 결정된 상 수로, 식 (3)으로 나타낼 수 있다[8].

여기서 N 은 합을 구하고자 하는 셀의 개수, P_FA 는 원하는 오경보 확률(probability of false alarm)로, 본 연구에서는 Trial and Error 방식을 통해 구한 0.0001을 적정값으로 사용하였다.

Ⅲ차량 전장의 산출

1물체의 수평 단면 윤곽선 획득

전술한 바와 같이 회전 기구부는 ‘ㄹ’ 모양을 아 래서부터 위로 거꾸로 그려나가며 피사체를 훑는다 <Fig. 3>. 거리 측정은 θ방향 회전시에는 일어나지 않고 Φ 방향 회전시에만 일어난다. 이는 같은 θ값 을 갖는 모든 Φ방향 각도에 대한 거리 측정치를 얻게 함으로써 물체의 측면 굴곡을 얻을 수 있게 한다.

<Fig. 4>에서 볼 수 있듯이, 각 θ에 대한 Φ방향의 거리 측정은 물체의 측면 굴곡을 얻는다. 구의 경 우, 모든 방향에서 바라보아도 구의 형태는 원을 이 루고 있으므로 각 θ에 상관 없이 측정된 측면 굴곡, 즉 물체의 단면 윤곽선이 완벽한 원의 일부를 나타 내지만 구가 아닌 모든 입체는 바라보는 각도에 따 라 그 형태가 상이하다. 하지만 자동차와 같이 옆면 이 비교적 편평한 물체는 각 θ의 값이 바뀌더라도 여전히 그 윤곽이 직선에 가깝게 나타날 것이고, 거 리측정 값 ∣r∣이 바뀌는 것은 IV장에서 소개될 전장 산출식에 의해 보정될 수 있다.

2물체의 수평 단면 윤곽선의 변화율 산출

물체의 θ에 따라 여러 개의 단면 윤곽선을 획득 한 후, 윤곽선의 변화율 산출이 이루어진다. 단면 윤곽선의 변화율 산출은 물체와 배경 간의 경계의 위치를 구하기 위한 것이다. 이를 위한 전제로 물체 의 표면의 레이저 거리계로부터의 거리의 변화율은 물체와 배경간의 변화율보다 현저히 낮아야 한다. 그렇지 않으면 배경과 물체의 경계와 물체 자체의 굴곡을 구분할 수 없기 때문이다. 실제로, 본 연구 의 측정 대상인 대부분의 차량의 경우 그 표면의 곡률이 완만하므로 측정을 위한 전제에 부합한다.

<Fig. 5(a)>는 돌출부가 없는 밋밋한 표면을 갖는 물체와 배경의 레이저 거리계부터의 거리와 이에 대한 변화율(미분), <Fig. 5(b)>는 뾰족한 돌출부를 갖는 물체와 배경의 거리의 변화율을 나타낸다. <Fig. 5>에는 뾰족한 돌출부가 물체에만 존재하는 것으로 나타나 있으나 실제 측정 환경에서는 배경 에도 나타날 수 있다.

<Fig. 5>에서 볼 수 있듯이, 레이저 거리계로부터 의 거리가 멀었다가 가까워지면 음의 변화율을 보 이고, 반대로 거리가 가까웠다가 멀어지면 양의 변 화율을 보인다. 변화율의 크기는 멀어지고 가까워 지는 정도에 비례하는 것을 알 수 있다. 실제 측정 결과에서는 거리 그래프(<Fig. 3>의 상단 두 개의 그래프)가 매우 울퉁불퉁하기 때문에 이에 대한 변 화율 그래프도 따라서 울퉁불퉁한 것을 관찰할 수 있으며, 그래프 대부분에서 그 크기가 0에 가까운 것도 알 수 있다.

물체와 배경의 경계를 검출하는 과정에서, <Fig. 5(a)>에서는 단순히 변화율의 그래프에서 그 값이 0 이 아닌 부분을 배경과 물체의 경계로 생각할 수 있으나, <Fig. 5(b)>의 경우는 그렇지 않다. 배경과 물체 사이는 물론이고, 물체 자체의 뾰족한 부분도 변화율이 0이 아닌 값을 갖기 때문이다. 하지만 본 연구는 물체를 차량으로 한정하고 있다. 대부분의 차량은 배경과 차량의 경계에 견줄만한 거리 변화 율을 갖는 돌출부가 존재하지 않기 때문에 <Fig. 5(b)>의 경우를 생각할 필요가 없어 전장 측정 알고 리즘이 복잡해지는 것을 피할 수 있었다.

3배경과 물체의 경계 검출

산출된 배경과 물체의 수평 단면 윤곽선의 변화 율은 배경과 물체의 경계를 검출하기 위해 쓰인다. 변화율에 상수 쓰레시홀드를 적용하여 쓰레시홀드 를 넘는 피크를 골라내는 것은 너무 많은 가짜 경 계를 검출하거나 너무 적은 개수 혹은 경계를 아예 검출 못할 가능성이 높다. 따라서 본 연구에서는 경 계의 검출에 적응적 쓰레시홀딩을 이용하였다.

적응적 쓰레시홀딩 방법으로 전술한 CFAR이 사 용되었다. 식 (2)와 식 (3)이 나타내는 CA-CFAR은 제곱 검출기로 검출된 비디오 신호에 관한 것이므 로 본 연구에서도 CA-CFAR의 입력으로 윤곽선의 변화율의 제곱을 사용하였다.

<Fig. 6(a)>는 θ가 고정되어 있을 때, Φ에 대한 레이저 거리계의 거리 측정치를 나타내었으며 <Fig. 6(b)>는 이에 대한 변화율의 제곱과 CA-CFAR 쓰레 시홀드를 나타내고 있다. 이 때, 쓰레시홀드 계산의 파라미터로 가드셀 개수 Ng=1, 합 셀 개수 N=5, 시 행착오 끝에 실험적으로 결정된 오경보 확률 P_FA =0.0001이 쓰였다.

<Fig. 6(a)>에서, 거리의 변화가 급격한 지점마다 이에 상응하는 변화율이 뾰족하게 솟아 있는 것을 <Fig. 6(b)>에서 관찰할 수 있다. <Fig. 6(b)>에 거리 의 각도에 대한 변화율 외에도 변화율에 대한 쓰레 시홀드를 점선으로 나타내었다. 쓰레시홀드의 값은 가장 높은 두 피크가 있는 지점에서만 그 값이 거 리의 변화율보다 낮은 값을 가지며 나머지 지점에 서는 거리의 변화율보다 높은 값을 가진다. 이를 이 용하여 모든 각도 에 대해 쓰레시홀드와 거리의 변 화율을 비교하여 쓰레시홀드보다 변화율이 큰 지점 을 찾으면 배경과 물체의 경계를 찾을 수 있다.

<Fig. 7(a)>, <Fig. 7(b)>는 <Fig. 6(b)>에서 가장 큰 변화율 피크를 확대한 것이다. 쓰레시홀드(점선) 가 변화율(실선)보다 큰 값을 유지하다가 물체와 배 경의 경계(피크)이르면 변화율보다 낮아진다. CFAR 검출기는 이러한 위치를 배경과 물체의 경계로 판 정한다.

추가로 고려해야할 점으로 피크의 부호가 있다. 위의 예에서 CFAR의 입력으로 이용하기 위하여 변 화율의 제곱을 구하였다. 변화율은 음과 양의 값을 모두 가질 수 있다. 변화율의 부호를 이용하여 피크 가 배경에서 물체로 들어오는 부분에 대응되는 지 (변화율<0), 아니면 물체에서 배경으로 나가는 부분 에 대응되는 지(변화율>0)를 판단할 수 있다. 그러 므로 본 연구에서는 변화율의 제곱을 취하기 전에 변화율의 부호를 별도의 저장공간에 저장한다.

위 예에서는 변화율이 가장 큰 두 피크가 배경과 물체의 경계 위치와 일치했지만 실제 환경에서는 배경에서 가장 큰 피크가 발생할 가능성이 있다. 이 러한 상황에서는 물체의 길이를 판단하는 데 필요 한 두 개의 피크 외의 배경에 속한 피크가 추가로 검출된다. 이러한 상황을 해결하기 위해 알고리즘 1을 사용하였다.

<Algorithm 1>의 기능은 굉장히 단순하다. 가능 한 최소의 Φ 값부터 시작하여 가능한 최대의 Φ 값 까지를 순회하며 쓰레시홀드와 변화율의 제곱을 비 교한다. 변화율의 제곱 r′(i)²이 쓰레시홀드 T(i)보 다 커진다면 변화율의 부호 sign(i)를 확인한다. 부 호가 (-)라면 물체의 왼쪽 경계를 나타내는 Φ_left에 i 를 대입하고, 부호가 (+)라면 물체의 오른쪽 경계에 해당되는 Φ_right에 i를 대입한다. Φ_right에 값이 배정 되었다면 알고리즘을 종료한다. 배열 순회의 시작 점과 끝점이 배열의 시작과 끝에서 각각 N_g +N 만 큼 떨어져 있는 까닭은 해당 구간에서 쓰레시홀드 가 정의되지 않기 때문이다.

4삼각비를 이용한 물체의 길이 산출

변화율의 큰 피크를 검출하여 물체의 배경과의 왼쪽 경계와 레이저 거리계가 이루는 각과 물체와 배경과의 오른쪽 경계가 레이저 거리계가 이루는 각을 구하였다면 물체의 길이를 계산할 수 있다.

<Fig. 8>은 삼각비를 이용한 물체의 길이 산출 방법을 나타낸다.

O 의 위치에 레이저 거리계가 있다고 가정하자. 레이저의 Φ방향으로의 총 회전량을 φ라고 하면, 총 회전량 φ 의 절반인 Φ/2를 따라 그은 직선이 물체의 표면과 직교하여야 한다. 여기서 물체는 차량이 되 므로 그 표면을 평면으로 간주하여도 무방하다.

<Fig. 8>에서, 점 O 와 물체의 왼쪽 경계면을 이 은 선분과 Φ/2를 따라 물체를 향해 그은 법선, 그 끼인각 α는 직각삼각형을 이루므로 물체의 왼쪽 부 분 길이는 l = xtan(α)가 되며, 같은 방식으로 물체 의 왼쪽 부분 길이는 r = xtan(β)가 되어 물체의 총 길이는 x(tan(α) + tan(β))이다.

실제로는 물체(차량)의 모서리는 <Fig. 9>와 같이 곡률을 가지는 둥근 형태를 가지고 있어서 공간상 의 한 점에 설치되어 회전함으로써 물체의 길이를 구하는 레이저 거리계는 차량의 실제 길이 y보다 약간 못 미치는 값 l + r을 결과로 얻을 수밖에 없 다. 하지만 이 점은 본 방법으로 산출된 차량의 길 이를 보정하는 상수를 실험적으로 얻어 산출된 차 량의 길이에 곱함으로써 보완이 가능하다.

Ⅳ실험방법 및 결과

시스템의 구현을 위하여 레이저 거리계는 MDL 사의 ILM-150-R이, 레이저 거리계를 회전하기 위해 마인드스톰 EV3 키트가 사용되었다.

1레이저 거리계

본 연구의 구현에 사용된 레이저 거리계는 ILM-150-R 펜슬빔 레이저 거리계로(<Fig. 10>), reflectorless 물체는 150m, 반사율이 높은 물체는 650m 까지의 거리를 측정할 수 있다[9]. <Table 1> 은 ILM-150-R의 제원을 나타낸다.

ILM-150-R은 최대 초당 1000번의 측정을 통해 사용자가 설정한 임의 개수의 샘플의 평균을 내어 측정 결과로 출력한다. 본 연구의 구현에서 쓰인 값 은 20으로, 레이저 거리계는 초당 50 개의 측정 결 과를 출력한다.

2회전구동부

<Fig. 11>에 보이는 회전구동부는 마인드스톰 EV3를 이용하여 제작되었다. 마인드스톰 EV3는 덴 마크의 레고 사에서 제작한 빠른 하드웨어 프로토 타입을 가능하게 하는 키트이다.

제작된 회전 구동부는 2 자유도를 가지며 구면좌 표의 Φ방향과 θ방향으로 회전한다. EV3의 서보모 터는 인코더를 내장하고 있어 회전량을 쉽게 알 수 있다. 회전 구동부는 회전각이 1도 변화함에 따라 회전 각도를 이더넷을 통해 PC로 전송한다.

3전장 산출 장치

전장 산출 장치는 회전구동부로부터 이더넷을 통하여 현재 레이더 거리계 회전 구동부의 각도 Φ 와 θ를 실시간으로 전송받으며, 레이저 거리계로부 터 시리얼 통신을 통해 현재 레이저 거리계의 거리 측정값 r을 실시간으로 받아 하나의 레코드로 만든 다. 가능한 한 레코드의 내용은 다음과 같다.

<Table 2>가 나타내는 취합된 레코드의 의미는 레이저 거리계가 수평보다 1° 아래 방향을 바라보 고, 출발 위치의 Φ에서 47° 만큼 Φ 방향으로 회전 했을 때의 측정 거리가 r = 2.5m라는 것이다.

4시스템 구성

<Fig. 12>는 본 연구가 제안하는 전체 시스템의 구성도이다. 레이저 거리측정기의 거리 데이터와 회전 구동부의 각도 데이터는 직렬 인터페이스를 통해 차량 전장 산출 장치로 전달된다. 차량 전장 산출장치는 본 데이터를 역직렬화해 다루기 쉬운 배열 형태로 저장한 후, 본 논문에서 소개된 CFAR 쓰레시홀드를 이용하여 차량과 배경의 경계를 검출 한 후, 삼각비를 이용하여 차량의 전장을 산출한다.

5측정 결과

<Fig. 13>은 위부터 아래로 각각 θ = 91°, 89°, 87°,85°일 때의 Φ에 대한 차량 단면의 윤곽선을 나 타낸 것이다. 이 때 측정 대상이 된 차종은 경차인 대우 마티즈, 중형 스포츠 유틸리티 자동차인 현대 싼타페, 소형 버스 현대 카운티, 5톤급 중형 트럭인 현대 메가트럭이다. 회전구동부가 회전하며 ‘ㄹ’자 형태로 4회 차량의 전장을 측정하게 되므로 이때 가 장 큰 값을 차량전장의 측정 결과로 사용되었다. ‘ㄹ’자 형태의 측정방식을 사다리꼴등으로 바꾸고 상하 간격을 좁히게 되면 차량의 형태를 추정하는 것이 가능하게 된다. <Table 3>은 마티즈, 싼타페, 카 운티, 메가트럭의 전장을 제안된 방법으로 측정한 결과를 나타낸다. 추정된 차량의 전장이 실제 값보 다 약 5.8% 내지 6.5% 작게 측정된 것을 알 수 있다. 이는 전술하였던 대로 차량의 모서리 곡률이 차량 전장 산출 값을 실제 전장보다 약간 작게 만들었기 때문이다. 측정 오차가 5.8%~6.5%에 달하므로, 이 범위의 평균은 6.15%이다. 따라서 측정 결과에 100/(100 - 6.15)의 보정 계수를 곱하면 실제 전장에 매우 가까운 값을 얻을 수 있다. 단, 이 보정 계수는 거리계와 차량 사이의 거리 등에 따라 달라질 수 있 으므로, 측정 환경에 따라 적절한 값을 선택하는 과 정이 선행되어야 한다.

Ⅴ결 론

차량의 전장을 구하기 위하여 레이저 거리계와 회전 구동부를 이용하여 차량과 배경의 왼쪽 경계 와 오른쪽 경계에 대한 구면좌표계 각도 Φ를 구하 였다. 이를 위해 차량의 단면 윤곽선의 Φ에 대한 변화율의 부호를 저장하고, 변화율의 제곱을 취하 여 레이더 이론의 타겟을 검출하는 알고리즘인 CFAR 쓰레시홀딩을 실시하였다. 쓰레시홀드로 검 출된 값들 중 간단한 알고리즘을 거쳐 실제 차량과 배경의 경계를 의미하는 두 피크만을 검출하는 알 고리즘을 제안하였고 각도를 구한 후에는 삼각비를 이용하여 차량의 측면이 평면에 가깝다는 가정 하 에서 차량의 전장을 계산하였다. 제안한 시스템은 루프검지방식이나 컴퓨터비젼을 이용한 차량전장 측정 방식의 단점을 보완하고 저렴한 가격으로 동 일한 효과를 얻을 수 있는 장점이 있다. 또한 회전 계의 상하각도를 줄이고 얻은 데이터를 재구성하면 최근 많은 연구가 진행되고 있는 라이더의 다른 형 태로 구성가능하다.

제안한 방법과 고안된 기구부를 이용하여 4개 차 종에 대한 실험을 진행하였다. 측정된 차량의 전장 이 실 전장보다 약 5.8%~6.5% 적게 측정되는 결과 를 얻었으나, 보정계수를 곱하여 간단히 보정할 수 있었다.

본 연구가 제안한 방법을 이용하면 향후 고속도 로 등의 차종 분류를 위한 차량 전장 측정에 도움 이 될 것으로 전망된다.

하지만 본 논문의 차량 모서리 검출에 이용된 오 경보확률 P_FA 는 Trial and Error 방식으로 여러 값을 시험한 끝에 실험적으로 얻어진 값으로, 오경보확 률의 수학적인 유도와 그에 따른 실제 측정 환경에 따른 오경보확률의 결정 방법론에 대한 추가 연구 가 필요하다.

또한 본 논문은 정지한 차량의 전장 산출만 다루 고 있다. 이는 고안된 회전 구동부의 느림 움직임과 레이저 거리계의 낮은 샘플링 주파수 때문에 이동 하는 물체의 측정 환경을 구성하는 데 다소 무리가 있었기 때문이며, 향후 관련 장비가 보완되면 이동 하는 물체에 대한 추가 연구를 진행할 예정이다.