[2024-1학기 국민대학교 자동차융합실험] LIDAR실험(A+)

문서 내 토픽

1. LIDAR 센서

LIDAR 센서는 펄스 레이저를 이용하여 주변을 탐색하는 센서로, 360도로 초당 수십 바퀴를 돌면서 빛을 사방으로 쏘았다가 다시 돌아오는 정보를 토대로 이미지를 그려낸다. 이렇게 그려낸 이미지는 컴퓨터 프로그램을 통해 장애물 감지, 차선, 사람, 건물 등을 인지하고 주변환경을 파악하여 3D지도를 만드는데 사용된다.
2. RADAR 센서

RADAR 센서는 무선 전파로 주변 물체를 탐지하고 거리를 측정할 수 있는 센서이다. 레이더는 전자기파를 발생시켜 물체에 쏘고 다시 돌아오는 전자기파를 통해 거리, 방향 고도를 측정하여 물체의 위치를 파악할 수 있다. 레이더는 비행기나 배의 위치, 지형에 대한 정보, 구름과 같은 기상정보를 알아내는데 사용할 수 있다.
3. 카메라 센서

카메라 센서는 주변 환경을 촬영하고 분석하는 센서이다. 카메라는 컬러 또는 흑백 이미지를 촬영하여, 촬영한 이미지들을 차선 인식, 주변 차량 및 보행자 감지, 신호등 및 도로 표지판 인식 등 다양한 운전상황에 활용된다. 카메라센서는 주변 환경을 실시간으로 촬영하고 이미지를 분석하여 차량에 주행에 필요한 정보를 제공한다.
4. 센서 특징 비교

RADAR는 종방향 위치 추정 성능과 날씨 변화에 강건하지만 횡방향 추정성능과 물체크기 추정성능이 낮다. 카메라는 물체인식과 색상 구별이 가능하지만 종방향 위치 추정, 날씨, 야간, 조명 등에 영향을 많이 받는다. LIDAR는 물체 위치 측정과 조도에 상관없는 물체 검출이 가능하지만 장착성, 날씨, 고가의 가격 등의 제약이 있다.
5. 데이터 변환

제공받은 데이터를 엑셀로 옮기고 -45°부터 224°까지 1°단위로 각 각도에 해당하는 총 270개의 데이터들을 Matlab을 이용하여 x-y좌표계로 변환하였다.
6. 유클리디언 클러스터링

데이터의 점과 점 최단거리는 유클리디언 클러스터링 방법을 사용하여 계산하였다. 최적의 임계값을 2000mm로 설정하여 유클리디언 클러스터링으로 군집화 하였을 때 총 4개의 군집으로 분류할 수 있었다.
7. 군집 1 분석

군집 1은 LIDAR 센서로부터 반경 350mm 이내에 모여있으며, 원점 주변의 노이즈와 우측의 세로로 약 225mm로 나열된 데이터, 좌측의 불규칙하게 모여있는 데이터로 구성되어 있다. 센서로부터 최단거리는 115mm이다.
8. 군집 2 분석

군집 2는 좌측에 가로로 약 1701mm의 호 형상이 있어 승용차로 추정되며, 우측에 세로로 7240mm, 가로로 1873mm인 계단식 형상이 있어 창문이 달린 건물의 일부로 추정된다. 센서로부터 최단거리는 3755mm이다.
9. 군집 3 분석

군집 3은 세로로 약 2558mm의 긴 형상을 가지며, 하단부에서 좌측으로 곡률을 가지는 형상을 보이고 있다. 이를 통해 차량의 전면부 또는 후면부와 측면부가 측정된 것으로 추정된다. 센서로부터 최단거리는 8517mm이다.
10. 군집 4 분석

군집 4는 다른 군집에 비해 데이터들이 불규칙하게 분포되어 있으며, 상단의 가로 약 1351mm, 하단의 가로 약 968mm의 형상을 보인다. 이를 통해 창문이 달린 주차 관리실로 추정된다. 센서로부터 최단거리는 7853mm이다.

Easy AI와 토픽 톺아보기

1. LIDAR 센서

LIDAR 센서는 레이저 펄스를 사용하여 주변 환경을 3D로 스캔하는 센서입니다. LIDAR는 정밀한 거리 측정이 가능하고 물체의 형상을 정확하게 파악할 수 있어 자율주행 자동차, 로봇 등의 핵심 센서로 활용되고 있습니다. 특히 LIDAR는 날씨 및 조명 변화에 강인하여 다양한 환경에서 안정적으로 작동할 수 있습니다. 다만 LIDAR 센서는 비싼 가격과 크기가 크다는 단점이 있어 이를 개선하기 위한 연구가 활발히 진행 중입니다.
2. RADAR 센서

RADAR 센서는 전자기파를 이용하여 주변 물체의 거리, 속도, 방향 등을 감지하는 센서입니다. RADAR는 LIDAR에 비해 상대적으로 저렴하고 크기가 작아 자율주행 자동차에 널리 사용되고 있습니다. 또한 RADAR는 날씨 및 조명 변화에 강인하여 다양한 환경에서 안정적으로 작동할 수 있습니다. 하지만 RADAR는 LIDAR에 비해 해상도가 낮고 물체의 형상을 정확하게 파악하기 어려운 단점이 있습니다. 따라서 RADAR와 LIDAR를 함께 사용하여 상호 보완적인 센서 융합 기술이 중요합니다.
3. 카메라 센서

카메라 센서는 영상 정보를 제공하여 물체의 형상, 색상, 질감 등을 파악할 수 있는 센서입니다. 카메라는 LIDAR나 RADAR에 비해 상대적으로 저렴하고 크기가 작아 자율주행 자동차에 널리 사용되고 있습니다. 또한 카메라는 인간의 시각과 유사한 정보를 제공하여 물체 인식, 차선 인식, 신호등 인식 등 다양한 기능에 활용될 수 있습니다. 하지만 카메라는 날씨 및 조명 변화에 취약하고 거리 정보를 정확하게 측정하기 어려운 단점이 있습니다. 따라서 카메라와 LIDAR, RADAR 등의 센서 융합이 필요합니다.
4. 센서 특징 비교

LIDAR, RADAR, 카메라 센서는 각각 고유한 특징을 가지고 있습니다. LIDAR는 정밀한 거리 측정과 물체 형상 파악이 가능하지만 가격이 비싸고 크기가 크다는 단점이 있습니다. RADAR는 저렴하고 크기가 작지만 해상도가 낮고 물체 형상 파악이 어렵습니다. 카메라는 인간의 시각과 유사한 정보를 제공하지만 날씨 및 조명 변화에 취약하고 거리 정보 측정이 어렵습니다. 따라서 이러한 센서들의 장단점을 고려하여 상호 보완적인 센서 융합 기술을 개발하는 것이 중요합니다. 이를 통해 자율주행 자동차와 로봇 등의 안전성과 성능을 향상시킬 수 있습니다.
5. 데이터 변환

센서에서 수집된 데이터는 다양한 좌표계와 단위로 표현되므로, 이를 통합하고 분석하기 위해서는 데이터 변환 과정이 필요합니다. 예를 들어 LIDAR 데이터는 센서 좌표계에서 측정되지만, 이를 차량 좌표계나 전역 좌표계로 변환하여 다른 센서 데이터와 융합할 수 있습니다. 또한 거리 데이터를 미터 단위에서 픽셀 단위로 변환하여 영상 처리 기법을 적용할 수 있습니다. 이와 같은 데이터 변환 과정은 센서 융합 및 알고리즘 개발에 필수적이며, 정확한 변환을 위해서는 센서 캘리브레이션 등의 선행 작업이 중요합니다.
6. 유클리디언 클러스터링

유클리디언 클러스터링은 LIDAR 데이터와 같은 3D 포인트 클라우드 데이터를 분석하는 대표적인 기법입니다. 이 기법은 포인트 간의 유클리디언 거리를 기반으로 유사한 포인트들을 하나의 클러스터로 그룹화합니다. 이를 통해 주변 환경의 물체들을 효과적으로 분할하고 인식할 수 있습니다. 유클리디언 클러스터링은 계산 복잡도가 낮고 구현이 간단하여 실시간 처리에 적합하지만, 클러스터 개수를 사전에 지정해야 하는 단점이 있습니다. 따라서 상황에 따라 적절한 클러스터 개수를 선택하는 것이 중요합니다.
7. 군집 1 분석

군집 1 분석에서는 LIDAR 데이터를 활용하여 주변 환경의 첫 번째 군집을 분석합니다. 이 군집은 일반적으로 도로 표면을 나타내며, 평탄성과 경사도 등의 특징을 분석하여 주행 경로 계획에 활용할 수 있습니다. 또한 이 군집의 높이 정보를 통해 장애물 검출 및 회피에도 활용할 수 있습니다. 군집 1 분석은 자율주행 자동차의 기본적인 주행 기능을 구현하는 데 핵심적인 역할을 합니다.
8. 군집 2 분석

군집 2 분석에서는 LIDAR 데이터를 활용하여 주변 환경의 두 번째 군집을 분석합니다. 이 군집은 일반적으로 도로 경계, 보도, 차선 등을 나타내며, 이를 통해 주행 경로 계획과 차선 유지 등의 기능을 구현할 수 있습니다. 또한 군집 2의 특징을 분석하여 주변 환경의 구조를 파악하고, 이를 바탕으로 안전한 주행을 위한 의사결정을 내릴 수 있습니다. 군집 2 분석은 자율주행 자동차의 안전성과 안정성을 높이는 데 중요한 역할을 합니다.
9. 군집 3 분석

군집 3 분석에서는 LIDAR 데이터를 활용하여 주변 환경의 세 번째 군집을 분석합니다. 이 군집은 일반적으로 차량, 보행자, 자전거 등의 동적 물체를 나타내며, 이를 통해 물체 인식 및 추적, 충돌 회피 등의 기능을 구현할 수 있습니다. 또한 군집 3의 움직임 특성을 분석하여 주변 차량의 행동을 예측하고, 이를 바탕으로 안전한 주행 전략을 수립할 수 있습니다. 군집 3 분석은 자율주행 자동차의 능동적인 안전 기능을 구현하는 데 핵심적인 역할을 합니다.
10. 군집 4 분석

군집 4 분석에서는 LIDAR 데이터를 활용하여 주변 환경의 네 번째 군집을 분석합니다. 이 군집은 일반적으로 도로 표면의 장애물, 신호등, 표지판 등의 정적 물체를 나타내며, 이를 통해 주행 경로 계획과 물체 인식 등의 기능을 구현할 수 있습니다. 또한 군집 4의 특징을 분석하여 주변 환경의 구조와 상황을 파악하고, 이를 바탕으로 안전한 주행을 위한 의사결정을 내릴 수 있습니다. 군집 4 분석은 자율주행 자동차의 상황 인지 능력을 향상시키는 데 중요한 역할을 합니다.