Ⅰ. 서 론
미국 자동차 공학회(SAE International)의 구분에 따른 조건부 자동화 단계(Conditional Automation)인 자율주 행 Lv. 3가 2022년 독일에서 시작되었다(Mercedes-Benz Group, 2023). 대한민국 정부도 자율주행 기술을 미리 선점하기 위하여 2027년에 Lv. 4 고도 자율주행 단계(High Automation)의 서비스를 구현하는 것을 목표로 국 가 차원의 대규모 연구개발 사업을 진행하고 있다(Kim, 2020). 하지만, 자동차 전문가들은 자율주행차량(이 하, 자율차)의 상용화는 발표된 청사진과는 달리 늦어질 것으로 예측한다. 2024년 대한민국 공학한림원 미래 모빌리티 위원회는 자율차 상용화를 위한 제도와 사회적 수용성 문제뿐만 아니라 안전주행을 위하여 해결해 야 하는 기술이 여전히 산재해있다고 발표하고, 자율주행 기술의 성숙도가 인간 운전자의 운전기술을 아직 은 따라잡지 못한다고 평가하였다. 또한, 도이체방크는 테슬라가 2024년 발표한 ‘로보택시(사이버캡) 사업화 계획’을 평가하였는데, 아직은 자율주행 기술의 상당한 개선이 필요하다는 결과를 발표하였다. 또한, 계획 달 성에는 긴 시간이 필요하여 사업 시작은 소규모로 시작될 수밖에 없다고 전망하고 현재 기술 수준을 고려하 면 목표를 달성할 수 있을지 매우 불투명하다는 평가를 내렸다(Business Post, 2024).
<Table 1>은 자율주행 전문가를 대상으로 한 계층화분석(AHP, Analytic Hierarchy Process) 수행 결과로, 자 율차 기준 핸디캡(Lv. 4 이상의 자율주행을 위하여 극복해야 할 기술적 목표)을 정의하고, 이에 대한 순위 및 핸디캡 극복을 위한 대안 기술을 나열한 사항이다(KICT, 2021).
<Table 1>
Handicap for High-Level AV(Autonomous Vehicle) and Technological Requirement
| Type of handicap | Rank | Alternative technologies to overcome handicap | |
|---|---|---|---|
| Handicap Section | Merge Zone | 1 | Communication/Map |
| Work Zone | 2 | Communication/Map/Infrastructure(Road Sign) | |
| Pedestrian Protect Zone | 3 | Communication/Map/Road Sign | |
| Tunnel | 4 | Communication/Map/Road Sign | |
| Areas with Skyscrapers | 5 | Communication/Map/Road Sign | |
| Handicap Situation | Adverse Weather | 6 | Sensor/Communication/Map/Road Sign |
| Abrupt Actions | 7 | Sensor/Communication/Map/Road Sign |
자율차 핸디캡 극복을 위한 기술 대안을 살펴보면, ‘지도’가 공통적으로 확인된다. 지도를 활용한 기술적 방법은, LDM (Local Dynamic Map)으로 불리는 전자지도 위치기반 정적·동적정보 유통체계를 활용하는 것이 대표된다. 즉 자율차는 측위정보(자차위치정보)와 연결되는 다양한 정적·동적정보의 조합을 통해 자율차는 핸디캡 구간·상황을 극복할 수 있다. 이는 자율차의 핸디캡 극복에 있어 정확한 자차 위치에 대한 추정(자차 측위, Localization)이 중요함을 의미하고, 이에 자율차 측위 성능 개선에 대한 연구개발은 중요성에 따라 다 양한 차원과 범위에서 이루어지고 있다.
본 연구에서는 도로 상에 특정한 형상의 신규 도로시설물(이하, ‘측위 지원 시설물’)을 설치하고, 이를 활 용하여 자율차의 측위보정을 수행하는 방법에 대하여 제시한다. 자율차의 자차 측위보정 과정에 활용되는 원리를 기반으로 측위보정 과정에 적합한 형태의 시설물을 제작하고, 실증 실험을 통해 신규 시설물 활용을 전제한 시스템이 자율차의 측위 지원에 기여하는 성능을 검증한다. 보다 구체적으로 자율차 측위보정과 관 련한 선행연구 결과를 검토하여, ‘측위 지원 시설물’ 기반의 자율차 측위보정체계의 요구사항을 정의하고 이 에 기반한 시설물 개발 사항 및 활용 방법을 제시한다. ‘측위 지원 시설물’의 측위지원 성능에 대하여 정량 적 성능지표 기반 성능검증을 수행하여, ‘측위 지원 시설물’ 개발 및 활용 체계 구현의 적정성을 평가한다.
Ⅱ. 기존 연구 고찰 기반 문제 해결 전략 수립
1. 선행 연구 내용 검토
앞서 확인한 바와 같이, KICT(2021)는 자율차의 핸디캡 극복을 위한 지도 기반 기술 개발의 필요성을 제 시한다. 한편 해당 연구에서는 지도 기반 정보체계의 원활한 활용을 위하여 터널과 고층 건물이 많은 도심부 등에서의 위성항법(GNSS, Global Navigation Satellite System) 오차의 해결을 가장 시급히 극복해야 하는 기술 의 하나로 선정하였다. 이는 현재 상용화된 운전자보조시스템(ADAS, Advanced Driver Assistance System)과는 다르게 Lv. 3 이상의 자율차는 자차 위치를 파악하여 정밀지도에 맵매칭(Map Matching)하는 방식보다 정밀 한 자차측위 성능을 요구하기 때문이다(Li and Ibanez-Guzman, 2020). 고층 건물로 인한 도심부 GNSS 음영구 역, 터널 등과 같이 GNSS 신호가 유효하지 않은 경우에는 GNSS 신호의 정확도 향상을 위하여 D-GPS (Differential Global Positioning System) 또는 RTK(Real Time Kinematic) 등 GNSS 신호 자체의 오차를 보정하 고자 하는 방법이 시도되거나(Lee, 2019), 관성측정장치(IMU, Inertial Measurement Unit)에 기반한 관성항법시 스템(INS, Inertial Navigation System)을 GNSS와 결합한 GNSS/INS를 활용한다(IRS Global, 2015).
한편 자율차의 측위보정을 위해 LiDAR(Light Detection and Ranging) 스캔 데이터와 정밀지도 간 매칭을 통 해 자차위치를 보정하는 방식(SLAM, Simultaneous Localization and Mapping)도 사용한다. SLAM은 전역에 대 해 사전에 정의된 지도에서, 이동체에서 국부적으로 취득된 지도 정보를 활용하여 이동체의 현재 위치를 추 정하는 확률론적 방법론이다(Thrun, 2007). 이와 같은 개념을 자율차 관점에서 단순화시켜 해석하면, 자율차 의 센서를 통해 수집한 주변 환경정보를 사전에 정의된 환경정보와 비교하여 차량의 현재 위치를 확인하고, 특히 정확한 위치정보가 주어진 시설물(랜드마크, Landmark)에 대한 자차 기준 상대거리 정보와 시설물의 위 치정보를 비교하여 자차의 절대위치를 보정하는 것을 의미한다(Kim et al., 2018, <Fig. 1> 참조).
시설물을 활용한 자차위치 보정 연구 사례에서, Hoffman et al.(2011)은 지주 형태의 시설물을 랜드마크로, Jung and Suhr(2015) 및 KAIST(2020)는 교통노면표시의 꼭지점을 활용한 바 있다. 한편 Chuprov et al.(2023)은 Apriltag라 불리는 부호화된 기호를 활용한 신규 시설물의 설치를 가정하고, 현 위치에 대한 위경도좌표를 Apriltag로 변환하여 작성된 부호를 다양한 악천후 상황에서의 대한 영상센서 기반 인식성능을 검증하여 랜 드마크 활용성을 고도화하고자 하였다(<Table 2>).
<Table 2>
Identifying the effect and limitations of previous studies
| Previous study | Type of road facility for AV landmark | Effect of the study | Limitation of the study |
|---|---|---|---|
| Hoffman et al. (2011) | Pole | ||
| Jung and Suhr (2015) | Corner of Road Marking | ||
| KAIST (2020) | |||
| Chuprov et al. (2023) | New Type of Road Sign(using Apriltag) |
선행 연구에서 랜드마크로의 활용을 고려한 시설물을 검토하였을 때, 교통안전시설물은 도로교통법에 따 라 모양이 획일화되어 있으나 시설물의 수량이 절대적으로 많아 랜드마크로 지정된 특정 시설물을 구분하는 데에 어려움이 있으며, 지주 역시 가로등, 가로수 등 지주와 유사한 도로 부속물이 존재하여 랜드마크로 지 정된 특정 시설물을 구분하는 데에 어려움이 있으며 유사 시설물을 랜드마크로 모두 활용하고자 하는 경우 데이터 구축 범위가 과다해질 우려가 있다. 기존 도로시설물이 아닌 신규 도로시설물을 활용하는 경우에 있 어 ‘부호화된 시설을 랜드마크로 활용’하는 경우(Chuprov et al., 2023)는 기존 도로시설물과의 유사성이 높지 않아 랜드마크로의 활용성이 높으나, 부호화된 기호를 인식하여 판독하기 위한 추가적 절차가 소요되며 특 히 영상센서 활용에 대한 의존도가 높아져 야간 또는 악천후 상황에 대한 인식률 담보가 어렵다. 실제로 해 당 연구에서 영상센서와 시설물이 5m 이격된 상태에서 주간과 야간의 인식 성공률이 50% 미만에 불과한 것 으로 확인되어 자율차 측면에서의 측위를 위한 부호화된 시설의 랜드마크 활용은 어려울 것으로 판단된다.
한편 기존 도로시설물을 랜드마크로 활용하였을 때에 발생 가능한 문제점을 요약하면 다음과 같다. 첫째 로, 동일한 유형의 도로시설물임에도 불구하고 도로상의 물리적 환경 및 이용자(도로의 차종 구성 등) 특성 을 고려하여 설치 방법(높이, 규격 등)이 서로 다르게 적용될 수 있으며, 이는 도로시설물 설치 기준 상 설치 방법이 ‘범위’로 제시되어 있음에서 확인된다(예를 들어, 교통안전표지에 대한 설치 높이는 지면에서 100~ 250cm로 제시됨). 이는 자율차 관점에서의 시설물 인식에 대한 일관성(Consistent)을 저해시켜 시설물의 인식 및 활용에 대한 어려움을 유발하며, 자율차의 도로시설물 활용에 있어서 중요한 문제로 제기되고 있다 (FHWA, 2023). 두 번째로, 기존 도로시설물을 랜드마크로 활용함에 있어, 자율차 기준 랜드마크로서의 활용 에 요구되는 유지관리 수준이 기존의 유지관리 수준보다 매우 높아짐에 따라, 이론적인 활용 타당성이 확보 되었다 하더라도 실질적인 활용에 대한 타당성은 이에 미치지 못할 수 있다. 예를 들어, 선행연구에서는 랜 드마크로 ‘노면표시의 꼭지점’을 적용하였는데(Jung and Suhr, 2015;KAIST, 2020), 현행 교통노면표시 유지관 리 기준을 고려하였을 때, 노면표시에 대한 관리점은 ‘기호의 대략적인 형상’으로서 ‘기호의 꼭지점 형상의 항상성’을 유지하기 위해서는 시설물 유지관리 난이도가 급격히 높아지게 되어 실질적인 활용에 어려움이 존재할 수 있다. 마지막으로, 랜드마크를 일반 도로 환경(일반 건물의 모서리 등)을 활용하여 구현하는 방안 도 검토할 수 있으나 이는 해당 환경의 소유주가 임의로 형상을 변경하여도 이에 대한 도로 관리자 차원에 서의 원상복구를 요구하기 어렵다라는 점에서 부적절하다.
2. 문제 해결 전략 수립
1절에서 검토한 기존 연구의 시사점을 확인하였을 때, 측위보정을 위한 랜드마크 정보는 자율차에게만 필 요한 정보로서, 이를 제공하기 위한 체계는 기존 도로시설물의 운영체계 하에 설치 및 유지관리가 이뤄질 수 있도록 하되 물리적인 일관성 확보 등 최대한 자율차에 유리한 형태로 제공 가능토록 새롭게 구성됨이 적절 하다. ‘신규 측위 지원 시설물을 활용한 자율차 측위 보정 체계’를 구현하기 위하여 고려하여야 할 전략요소 를 다음 네 가지 관점에서 정의한다.
첫째, ‘측위 지원 시설물’은 항시 활용되어야 하는 시설물로, 자율차 센서 중 악천후에 강건한 센서(영상센 서 제외)를 측위 지원 시설물 탐지 및 구분에 활용될 수 있도록 한다. 둘째, 도로 상 유사한 형상의 시설물이 존재할 경우, 시설물의 오인식이 발생할 가능성이 높으므로 ‘측위 지원 시설물’은 형상적인 측면에서 타 시 설물과 중첩도가 최소화될 수 있는 형상을 가지도록 한다. 셋째, 측위는 ‘점’ 단위 성과물로, 자율차가 ‘측위 지원 시설물’을 인식한 최종 결과가 ‘자차와 측위 지원 시설물 간 상대거리’로 도출될 수 있도록 하며 이 때 의 거리 측정 기준점이 동일하도록 한다. 넷째, 시설물의 형상 측면에서는 기존 도로시설물과의 차별성을 확 보하나, 설치 및 활용 방법의 범위에서는 기존 도로시설물의 체계를 준용할 수 있도록 규격화하여 시설물을 제작한다.
본 논문에서는 위와 같은 문제 해결 전략을 바탕으로, 시설물의 자율차 측위 지원 관점에서의 활용 방안 을 포함한 시설물의 역할과 원칙, 시설물 활용성 차원에서의 목표성능 검증, 시설물 활용 방법(알고리즘)의 실차 탑재를 통한 실 도로상 성능검증 결과를 바탕으로 연구진에서 구상한 ‘측위 지원 시설물’의 구현 방법 의 적정성을 확인한다.
Ⅲ. 차량 LiDAR 활용 측위 지원 시설물 개발 개요
1. 활용 센서 선정
자율차에서 주변정보를 살피는 사람의 눈의 역할을 담당하는 것은 센서이다. 각 센서는 원리와 영향요인 이 달라 자율차는 검지영역, 목적 대상 등에 따라 역할을 구분하여 활용한다(Kim and Kim, 2023a). 자율차에 서는 주로 영상, LiDAR, 레이더 센서를 많이 활용하며, 이들 중 LiDAR가 눈·비·안개 등과 같은 악천후에 가 장 영향을 덜 받는 것으로 알려져 있다(Kim et al., 2021;Kim et al., 2023b). 또한 LiDAR는 주변 정보를 3D로 생성할 수 있다는 점 때문에 현재의 자율차 발전을 주도하고 있다(Tang et al., 2020). 이에 본 연구에서 ‘측위 지원 시설물’은 악천후에 유리한 LiDAR를 고려하여 개발하였다. 아래의 표는 본 연구에서 시설물 활용에 사 용한 LiDAR의 사양으로, Rotate Type의 LiDAR를 대표할 수 있는 Velodyne사의 32ch LiDAR를 활용한다(상세 사양은 <Table 3> 참조).
<Table 3>
LiDAR Spec. for test
| Specification | Velodyne Ultra Puck |
|---|---|
| No. of channel | 32 |
| Horizontal angular resolution | 0.1° –0.4° (5–20 Hz) |
| Vertical angular resolution | 0.33°(minimum) |
| Vertical FOV | 40° (-25° to +15°) |
| Points per second | 600,000 pts/s @single return |
2. 역할과 원리 정립
‘측위 지원 시설물’의 개발 목적은 자율차 자차측위 결과의 보정이다. 앞서 확인한 바와 같이, 대부분의 자율차는 위성항법을 활용하여 측위를 수행하나, 위성항법의 오차가 필연적으로 발생하는 위성항법 음영구 간(터널 등) 및 위성항법 불량구간(도심지 등)에서는 정상적인 위성신호의 수신이 어렵기 때문에 IMU 기반 추측항법을 이용하여 절대위치를 추측한다(IRS Global, 2015). 하지만 추측항법에 대한 오차는 주행거리에 따 라 누적되며 특히 오차가 종방향의 오차가 크게 발생되는 것으로 알려져 있다. 이러한 오차를 줄여주는 과정 으로 본 연구에서 설정한 방법론이 특정 유형의 신규 도로시설물을 랜드마크화 하여 측위보정에 활용하는 것으로서, 랜드마크 기반 측위 보정 과정은 <Fig. 1>을 참조하면 된다.
앞서 수립한 문제해결 전략을 고려하였을 때, ‘측위 지원 시설물’을 활용하여 자율차가 측위보정을 수행하 는 과정에서는 ‘시설물과 차량 간 상대거리’ 및 ‘시설물을 대표할 수 있는 특정한 위치의 점’에 대한 정보가 필요하다. 이는 기존 교통표지판을 랜드마크로 사용할 경우는 ‘측위참조위치점(측위지원점)을 특정하기 어렵 다’라는 한계사항과 연계된다. 구체적으로, 특정 교통표지판의 맵 매칭을 통해 자차 기준 상대적인 위치와 모양은 알 수 있지만, 위성항법에 활용되는 3차원 좌표계(x, y, z)에서의 특정 교통표지판의 위치를 ‘지주의 중심점’으로 볼 것인지, ‘표지판의 중앙점으로 볼 것인지’, ‘표지판의 꼭지점으로 볼 것인지’에 대한 정의가 연구자 별로 주관적일 수 있어 일관성 측면에서 한계가 존재한다. 이에 본 연구에서는 개발하고자 하는 시설 물이 측위보정에만 활용될 것임을 전제하여, 자율차가 인지하기 용이한 시설물의 특정한 위치를 측위지원점 으로 사전에 정의한다. 아울러 시설물의 인식결과를 시설물에 대한 탐지 여부와 함께 시설물에 대한 3차원 좌표계 기준 상대거리로 정의한다.
3. 시설물 제작 및 활용 방법
본 연구에서 개발한 ‘측위 지원 시설물’은 LiDAR 센서 전용 상대측위 지원을 목적으로 개발하였고, 기존 교통표지판의 모양과는 구별될 수 있으며 측위지원점을 특정할 수 있도록 제작되었다. <Fig. 2>는 LiDAR 전 용으로 실제로 제작된 ‘측위 지원 시설물’의 설계도와 모양, 크기 등을 정리한 것으로, 기존의 교통표지판 모 양과 구분될 수 있도록 직사각형을 4등분하여 그 중 2개의 직사각형은 초고휘도 청색 재귀반사시트를 부착 하고, 나머지 2개의 직사각형은 빈 공간으로 설정하여 기존의 교통표지판과 형상이 구분되도록 제작하였다.
‘측위 지원 시설물’의 구현에 있어 직사각형 조합을 사용한 이유는 LiDAR의 특성상 직사각형 모양을 가 장 잘 인식(Kim et al., 2023a)하기 때문이고, 청색 재귀반사시트는 여러 재질 중에 돌아오는 점군들의 가장 에너지 강도가 높아 악천후 시 인식이 유리(Kim et al., 2021)하기 때문이다. 한편 측위지원점은 두 직사각형 평면이 접하는 모서리점으로 지정하여, 3차원 좌표계 상 1개의 점을 측위지원점으로 특정할 수 있도록 한다. 한편 구현된 시설물의 전체 크기는 높이 80cm, 폭원 46cm로서 현존하는 교통안전표지(60cm×60cm 기준규격 으로 최대 1.5배까지 확대 설치 가능)의 설치 방법을 준용하여 도로 상 설치 및 활용이 가능하도록 한다.
시설물의 점군데이터로부터 측위지원점을 산출하는 원리를 개념적으로 표현하면 <Fig. 3>과 같다. <Fig. 3>의 좌측 그림에서는 ‘측위 지원 시설물’의 두 직사각형 평면 상에 존재하는 점군의 X값 중 중앙값에 가장 가까운 영역에 포함된 점군과 Z값의 중앙값에 가장 가까운 영역에 포함되는 점군을 찾아 교선(Line of Node) 을 연결하였으나, X축의 교선과 Z축의 교선은 서로 만나지 않는다. X축과 Z축의 중앙값으로부터 영역을 점 진적으로 늘려가면(<Fig. 3>의 우측) 각 영역 내의 점군의 교선이 만나는 교점이 발생하는데, 중앙값 인근에 서 취득된 점군을 모두 포괄할 수 있을 정도로 영역을 늘렸을 때 형성되는 교점을 시설물의 측위지원점 (Positioning Support Point)으로 지정한다. 이 과정은 3개의 축에 대해 진행이 되지만, <Fig. 3>에서는 이해를 위해 2차원 평면으로 도식화 하였으며, 오른쪽 그림의 각 점의 좌표값을 통해 각 점의 (x, y, z)값이 모두 다 름을 확인할 수 있다.
4. 효과평가 지표 정의
‘측위 지원 시설물’의 성능지표로는, 시설물 구현 목적에 의거하여 ‘측위지원점 산출 정확도’로 제시한다. 이는 랜드마크 측위보정 과정에서 측위지원점에 대한 절대좌표가 사전에 결정되고, 측위지원점과 자차와의 상대거리를 고려하여 측위보정이 이뤄진다는 측면에서 당위성이 존재한다. 측위지원점 산출 정확도는 시설 물의 모양 및 반사재질, 환경적 특성에 따라 형성되는 점군데이터의 특성에 따라 좌우될 수 있으며, 이는 ‘측 위 지원 시설물’ 자체에 자체에 대한 성능지표로서 사용 가능하다. 한편 자율차의 측위 보정은 횡방향-종방 향 차원에서 필요성이 존재하여, 높이에 대한 부분은 성능 검증 시 고려하지 않는다.
‘측위 지원 시설물’의 측위지원점을 랜드마크로 활용하였을 때 실차 기준 자율주행차의 측위보정 성능은 주행궤적의 ‘참 좌표 값’과 ‘차량에서 측정된 좌표 값’과의 오차를 정량화한 RMSE(Root Mean Square Error) 로 정의한다. 여기서 ‘참 좌표 값’은 실시간으로 얻을 수 없는 값으로, 주행이 끝난 후, 항법 데이터 원시 측 정치와 RTK 보정정보, IMU 보정정보 등의 모든 데이터를 활용하여 후처리를 통해 얻은 것으로 실제로 자율 차가 주행한 위치정보를 최대한 정밀하게 획득한 것이다. <Table 4>는 본 연구에서 활용한 측위지원점 관련 성능지표에 대한 설명이다.
<Table 4>
Performance Index for Positioning Support Facility for AV
| Performance index | Meaning of index | Dimension |
|---|---|---|
| Distance Accuracy between LiDAR and Positioning Support Point | Transverse and Longitudinal Distance Error (Deviation) of LiDAR estimated Positioning Support Point Compared to True Position of Positioning Support Point | cm |
| RMSE (Root Mean Square Error) | Error range of measured coordinate values relative to true coordinate values for AV driving trajectory | m |
Ⅳ. 측위 지원 시설물 성능 및 효과 검증
1. 측위 지원 시설물 성능검증 결과
LiDAR 활용 기반 ‘측위 지원 시설물’의 성능지표는 앞서 정의한 ‘측위지원점 산출 정확도’를 활용한다. 이를 위하여, 측위 지원 시설물을 사전에 정의된 위치에 거치하여 측위지원점에 대한 참값을 확인하고, 시설 물에 LiDAR를 조사하여 측위지원점의 추정값을 확인하여 참값과 추정값에 대한 편차를 확인한다.
본 실험은 측위지원점의 참값에 대한 측정이 용이하며, 다양한 기상환경 재현이 가능한 실내 환경에서 진 행하였다. 본 연구에서 활용한 실험 장소는 한국건설생활환경시험연구원의 실내 챔버로, 강우를 강수량별로 10 mm/h 단위로 제어 가능하며 안개 상황에 대한 재현이 가능하다. 실험에는 앞서 활용을 전제한 LiDAR를 사용(센서 사양은 <Table 3> 참조)하였으며 자율차의 일반적인 LiDAR 지상고를 고려하여 약 1.8m 높이에 LiDAR를 설치하였다. 사전에 LiDAR 거치 위치와 ‘측위 지원 시설물’ 거치 위치(지주부 중앙점 배치 위치)를 결정하고, 레이저 거리측정계를 활용하여 LiDAR 설치 지점 기준 2축방향(횡-종방향)의 정확한 거리를 확인 하였다. 여기에 ‘측위 지원 시설물’의 고유 구조(지주와 시설물 본체 간 결합 방법)를 고려한 치수를 확인하 여 LiDAR 원점 기준 측위지원점까지의 양방향 상대거리의 참값을 산출하였다.
성능검증을 위한 실험은 LiDAR 원점기준 약 15m 떨어진 특정 거리에서 측위 지원 시설물까지 총 3가지 기상환경(맑음, 강우 30mm/h, 안개)에서 1분 이상 조사하여 취득한 LiDAR 점군데이터를 활용하여 진행하였 다(<Fig. 4>). 이 때 LiDAR의 회전주파수는 10Hz로, 취득된 프레임 수는 600프레임 이상이었으며 데이터 분 석의 용이성을 고려하여 기상조건 별 취득된 데이터 중 50프레임을 임의추출하여 분석을 진행하였다.
성능검증 실험 데이터 분석 결과(<Table 5>), 거리정확도는 가로 방향(X축, 차량 기준 횡방향), 세로 방향 (Y축, 차량 기준 종방향) 모두 15cm 이하의 오차를 갖는 것으로 분석되었으며, 평균값 기준으로는 10cm 이 하의 오차를 가짐이 확인된다. 국내에서 활용되는 자율차용 정밀도로지도의 허용 오차가 0.25m이며(NGII, 2015), 교통노면표시의 꼭지점을 활용한 선행 연구(KAIST, 2020) 성과인 측위 오차 10cm를 고려하였을 때 본 연구에서 개발한 ‘측위 지원 시설물’은 ‘횡-종방향 기준 평균 10cm 이내, 최대 오차 15cm 이내의 일정한 측 위지원점 정보를 자율차에게 제공할 수 있다’라는 측면에서 자율차의 측위보정을 위한 랜드마크로서의 활용 성이 충분하다.
<Table 5>
Performance Verification Test Results
| Performance Verification Results | Remarks | |||
|---|---|---|---|---|
| Index | Clear | Rain | Fog | |
| Average deviation for X axis (Transverse direction) | 8.61cm | 9.25cm | 7.99cm | Under 10cm |
| Average deviation for Y axis (Longitudinal direction) | 6.03cm | 6.50cm | 5.00cm | |
| Maximum deviation for X axis | 11.97cm | 13.98cm | 14.15cm | Under 15cm |
| Maximum deviation for Y axis | 6.51cm | 6.82cm | 6.00cm | |
실험결과에 대한 Box plot을 확인하면 <Fig. 5>와 같다. 맑은 날은 X축은 좌측 방향으로 약 3.27cm의 최대 편차를, 우측 방향으로 약 11.97cm의 최대편차가 관측된다. Y축은 상하 모두 5.11, 6.51cm의 최대편차가 관측 된다. 한편 악천후(안개, 강우)시의 수치를 확인하였을 때 성능지표 관점에서는 맑은날과 큰 차이가 확인되 지 않으나, Box plot 상 X축 방향의 길이가 더 길게 나타남이 특징적으로 확인된다. 이는 기상조건에 따라 발생하는 점군데이터 상 노이즈의 영향으로 추정된다.
2. 실차 기반 효과검증 결과
1) 효과검증 개요
‘측위 지원 시설물’이 자율차 주행 시 측위를 지원하는 기능의 수행 여부와 효과를 검증하기 위하여 지도 기반의 실제 자율차를 활용하여 다음과 같이 효과검증을 수행하였다. 효과검증 장소(<Fig. 6>)는 한국건설기 술연구원 연천 SOC실증연구센터의 200m 인공 터널로, 본 연구에서 개발한 ‘측위 지원 시설물’을 터널 종료 지점 앞 20m에 2개를 설치하였다. 자율차는 한국건설기술연구원이 보유한 R사에서 개발한 차량을 활용하였 으며, 해당 차량은 2024년 10월 국토교통부의 자율주행 임시운행 허가 시험을 완료한 차량(임시운행허가는 12월 중 득할 예정임)이다. 자율차에서 ‘측위 지원 시설물’의 활용을 위해 LiDAR로 수집한 점군 데이터의 인 식을 위한 학습을 선행하였으며, ‘측위 지원 시설물’의 모양이 차량에 탑재된 정밀지도 안에서 도로의 주변 시설물과 함께 구분되고, 측위(측위지원점)를 지원받아 차량의 측위보정이 수행될 수 있도록 하였다.
‘측위 지원 시설물’의 효과검증을 위한 자율차 주행경로는 <Fig. 6>의 번호 순서와 같이 ① 출발지점(터널 내) 대기, ② 지정경로 주행으로 터널 통과, ③ 차량 내 HMI(단말기)의 첫 번째 표지 인식 알림, ④ 차량 내 HMI의 두 번째 표지 인식 알림, ⑤ 주행종료로 진행하였다. 주행이 종료되면 주행구간의 전체를 추적한 자 율차 주행궤적을 통해 시간과 좌표값을 산출한다. 이러한 과정을 각 5회 반복하여, 첫 번째 ‘측위 지원 시설 물’을 통해 측위보정을 수행한 실시간 자율차 좌표상 추정경로, 두 번째 GPS와 IMU만으로 수행한 측위를 통해 추정한 실시간 자율차 좌표상 경로, 마지막으로 후처리를 통해 얻은 실제 주행궤적과 가장 동일한 좌표 상 주행경로 값을 산출한다. 본 논문에서는 마지막에 설명한 주행경로의 좌표값을 ‘참 좌표 값’으로 보았다.
2) 효과검증 결과
<Fig. 7> 은 효과분석에 사용한 자율차 주행경로이다. 자율차는 그래프에서와 같이, 터널의 우측(180m 지 점)에서 좌측(250m 지점) 방면으로 주행하였으며 동그라미가 ‘측위 지원 시설물’의 위치이다. 여기서 180m에 서 250m 지점은 <Fig. 6>의 ③, ④, ⑤ 주행경로에 해당한다. 그래프의 가는 실선은 GPS와 IMU를 이용한 측 위를 통해 추정된 좌표상 경로(‘측위 지원 시설물’의 지원이 없음)이고, 그래프의 굵은 실선은 ‘측위 지원 시 설물’을 통해 측위보정을 수행하여 추정된 좌표상 경로를 보여준다. 여기서 사용한 GPS와 IMU 장치는 통상 의 자율차에서 다수 활용되는 상용품 GPS와 IMU 통합 수신기 제품이다. 그래프에서 가로축은 주행거리로 자율차는 터널 안 180m부터 250m까지 약 70m를 주행 결과만을 표현하였는데, 이는 ‘측위 지원 시설물’을 인 식한 시점부터 ‘측위 지원 시설물’의 활용을 끝낸 시점(<Fig. 6>의 ③, ④, ⑤)을 표현한 것이다. 터널에서 완 전히 나와 충분한 시간 측위가 가능한 ⑤ 지점으로 갈수록 두 좌표상 경로가 일치되는 것을 통해 터널이 측 위 오차에 영향을 주고 있음을 확인할 수 있다. 다만, <Fig. 7> 만으로는 두 측위 방법 중 어느 방법이 더 오 차가 크게 발생하는가를 확인하기 어렵다.
이를 확인하기 위하여 거리 스케일을 cm 단위로 변경하고, ③, ④, ⑤ 경로 70m를 주행하는 동안의 ‘참 좌 표 값(Ground Truth)’ 기준의 측정 방식에 따른 좌표 값별 오차를 RMSE로 산출하여 <Fig. 8>로 제시하였다. 여기서 ‘참 좌표 값’은 차량주행 후, 후처리하여 별도로 산출한 값으로 그래프에서는 0을 의미한다(점선). 그 래프는 각각 X축 기준(차량 기준 좌우방향), Y축 기준(차량기준 앞뒤방향)의 RMSE값이다.
<Fig. 8>의 첫 번째, X축 기준의 RMSE 값을 비교해 보면 GPS와 IMU를 활용하였을 때의 RMSE는 최대 약 0.35m 이며, 측위 지원 시설물을 활용하였을 때의 RMSE는 0.05m 미만으로 측정되어, ‘측위 지원 시설물’ 을 활용하였을 경우 참값 기준 오차가 현저히 줄어들었음을 확인하였다. Y축 기준의 RMSE 값을 비교해보면 GPS와 IMU를 활용하였을 때의 RMSE는 최대 약 0.30m 이나, ‘측위 지원 시설물’을 활용하였을 때의 RMSE 는 0.05m 미만으로 측정되어, ‘측위 지원 시설물’을 활용하였을 경우 참값 기준 오차가 현저히 줄어들었음이 확인된다. 따라서, 터널 등을 주행할 때에는 기존의 자율차가 활용하는 방법인 GPS와 IMU 신호만을 활용하 여 측위를 하는 것 보다 ‘측위 지원 시설물’의 측위 지원을 받을 경우 더 정확한 측위를 할 수 있다. 본 실험 을 수행한 인공터널이 콘크리트로 제작되어 있지 않은 점과 구간이 짧음을 감안하였을 때 실제의 터널에서 는 더 큰 오차가 있을 것으로 판단되며, GPS 신호가 약한 도심부 고층건물 사이에서도 유사한 오차가 있을 것으로 판단된다.
Ⅴ. 결 론
본 논문에서는 Lv. 3 이상 자율차의 핸디캡 극복을 위한 필수요소인 자율차의 측위 성능 개선을 위하여, 자율차의 LiDAR를 활용하여 측위보정에 적용 가능한 신규 도로시설물(측위 지원 시설물)을 개발하고 이에 대한 성능기반의 효과를 검증하였다. 보다 구체적으로, 선행된 자율차의 랜드마크 기반 측위 관련 연구를 검 토하여 ‘측위 지원 시설물’에 대한 요구사항을 정의하고, 요구사항에 부합하는 시설물을 제작하여 실내외 환 경에서의 효과검증을 통해 시설물의 고유 제작 목적에 대한 달성 여부를 검증하였다.
LiDAR 점군데이터 분석을 통해 자율차 측위보정에 활용할 수 있는 하나의 특징점(측위지원점)을 도출할 수 있는 형태의 시설물을 제작하고 이에 대한 성능검증을 진행한 결과, 측위지원점의 도출 성능은 악천후 환 경(강우, 안개)에서도 편차의 최대값이 15cm 이내, 편차의 평균값이 10cm 이내로 개발된 시설물이 자율차 측 위보정을 위한 랜드마크로서 활용성이 높음을 확인하였다. 또한, ‘측위 지원 시설물’을 실제 자율차 측위에 활 용할 경우 자차측위에 대한 오차를 200m 터널 주행시 약 40cm 수준 줄일 수 있음을 정량적으로 확인하였다.
다만 본 연구의 성과를 확장하여 적용하기 위해서는 본 연구에서 고려하지 못하였으나 LiDAR 성능에 영 향을 미칠 수 있는 환경조건(강설, 미세먼지 등)에서의 추가 성능검증이 필요하며, 교통안전표지 설치 규격 을 준용하여 설치됨에 따라 발생 가능한 횡측 방향에 대한 시인성(다른 차량에 의해 시설물이 가려지는 등 에 대한 문제), 자율협력주행 관점에서 LDM과 연계하여 시설물을 서비스하기 위한 구체적인 방안에 대한 정의가 추가로 검토되어야 하며, 이는 향후 연구 진행을 통해 풀어나가고자 한다.
본 연구를 통해 개발된 ‘측위 지원 시설물’을 포함하여, 도로상에 존재하는 자율차 관점의 다양한 핸디캡 상황·구간에 대한 대응을 위해서는 정밀지도 및 LDM 등의 디지털 인프라의 발전 뿐만 아니라 상호보완 (Redundancy) 개념의 도로교통 인프라(표지판 등)의 지원도 필요하다. 본 연구의 연장선상 측면에서, 자율차 의 핸디캡 극복을 위한 목적으로 향후 연구진에서 개발한 물리인프라 기반 기술대안에 대한 효과분석 결과 를 제시하고자 한다. 예를 들어, 핸디캡 중 자율차 관점에서의 우선순위가 매우 높은 것으로 확인된 공사구 간에 대하여 정보의 상호보완 측면에서 활용 가능한 시설물을 개발 진행중에 있으며, 이에 대한 자율차 관점 에서의 효과검증 결과를 소개할 예정이다.
한편 본 연구의 성과는 2026년도 공개 예정인 자율주행 리빙랩(경기도 화성시) 구축 범위에 포함될 예정 으로서, 향후 다양한 LiDAR를 활용하여 현장에서 취득된 데이터를 활용한 효과검증 결과를 통해 ‘측위 지원 시설물’의 설치 및 활용의 타당성에 대한 추가 검증이 가능할 것으로 기대된다.
