자율주행을 위한 실시간 차선인식 기술에 대한 고찰 (Rethinking Real-Time Lane Detection Technology for Autonomous Driving)

서지정보

· 발행기관 : 한국통신학회
· 수록지 정보 : 한국통신학회논문지 / 48권 / 5호 / 589 ~ 599페이지
· 저자명 : 곽대원, 유지상, 손민준, 박민수, 최동건, 이성진

초록

자율주행에서 카메라를 통한 상황인지는 필수 동작 중에 하나이다. 특히 도로주행을 위한 차선인식 시스템은완전 자율주행 뿐 아니라 ADAS (Advanced Driving Assistance System)를 위한 LKS (Lane Keeping System) 에서도 필수 기능 중 하나이다. 하지만, 이런 차선인식 시스템은 도로 위의 다양한 상황들 (광학 반사, 날씨, 밤시간, 가림, 곡선 차선 등)에서 정확하고 실시간으로 동작해야 한다. 본 논문에서는 특히 한국 도로환경에서 밤시간에도실시간으로 동작할 수 있는 딥러닝 기반 차선인식 시스템에 대해 고찰하고 성능 최적화를 위한 전략들을 제시하였다. 이를 위해 기존 외국 지형 낮 시간대의 훈련 데이터인 TuSimple 데이터 셋에 더하여 한국 지형 낮 시간대및 밤 시간대 데이터 셋을 구축하고 데이터 증식 기법들을 추가하여 훈련을 시켰으며 NVIDIA 2080ti 단일 GPU 에서 그 정확도 및 실시간 동작 속도를 측정하였다. 이런 추가 데이터셋 구축 및 데이터 증식 추가 훈련의 결과Ultra Fast Lane Detection 모델을 기준으로 한국 지형 밤 시간대에 76.9%의 정확도에서 92.4%의 정확도 향상을CLRNet 모델을 기준으로 84.6%의 정확도에서 96.7% 의 정확도 향상을 이룰 수 있었다.

영어초록

In autonomous driving, the lane detection system for road driving is one of the essential functions not only for fully autonomous driving but also for LKS (Lane Keeping System) in ADAS (Advanced Driving Assistance System). However, such a lane detection system must operate accurately and in real time under various conditions on the road (optical reflection, weather, night time, occlusion). In this paper, a deep learning-based lane detection system that can operate in real time even at night in the Korean road environment is considered so that strategies for performance optimization are presented. To this end, in addition to the TuSimple data set, which is the foreign terrain daytime training dataset, a Korean terrain daytime and nighttime dataset was newly built and data augmentation techniques were added for training. Moreover the accuracy and real-time operation speed were measured on a single NVIDIA 2080ti GPU. As a result of this additional dataset construction and data augmentation additional training, accuracy improved from 76.9% to 92.4% accuracy at night time in Korea based on the Ultra Fast Lane Detection model, and from 84.6% accuracy to 96.7% accuracy based on the CLRNet model could make an improvement.

참고자료

· 없음