Recently, autonomous surface vehicles have attracted much research attention because of their potential effectiveness in carrying out various maritime missions such as surveillance, environmental monitoring, ocean exploration, and maritime accident response. For autonomous navigation, as vessels must require situational awareness and perform tasks without human intervention, one of the most essential abilities is active detection, identification, and tracking of surrounding obstacles and other ships in the vicinity. Various perception sensors, such as cameras, LiDAR, and radar, are installed on autonomous ships for this purpose. This paper presents improved perception methods for effectively recognizing maritime obstacles from camera and radar data that are appropriate for maritime environments and validates the proposed method through field experiments. A framework that associates the detection results with uncertainty and a tracking filter for camera-based object detection and tracking is proposed, and also, a camera and LiDAR-based navigable area detection algorithm in canal environments is developed, and a perception-guided autonomous navigation framework without relying on a GPS is introduced. An enhanced semantic segmentation algorithm for radar images is proposed by considering temporal context and applying semi-supervised learning. Lastly, an enhanced algorithm for data association of objects detected from cameras and radar that solves the ambiguity in estimating attitude information is proposed. All the proposed algorithms have been validated using data acquired from the perception system of a developed autonomous navigation system or through field experiments, and the results are discussed.
최근 해안 감시 및 모니터링, 해양 탐사, 해양 사고 대응 등의 다양한 임무수행에 활용되며 유인 선박보다 경제성, 효율성에서 장점을 갖는 무인선과 자율 운항 선박과 같은 자율 해상 이동체에 대한 관심이 증가하고 있다. 자율 운항을 위해서는 사람의 개입 없이 선박 스스로 현재 상황에 대해 판단하고 임무를 수행해야 하며, 선박 주위의 장애물이나 타선을 능동적으로 탐지, 식별 및 추적 하는 과정은 안전한 운항을 위해 필수적으로 수반되어야 하는 가장 중요한 기술 중 하나이다. 이를 위해 자율 해상 이동체에는 카메라, 라이다, 레이다 등의 다양한 인지센서가 설치되며, 본 논문에서는 해양환경에 적합한 센서인 카메라와 레이다 센서 데이터에서 해상 장애물을 효과적으로 인식하는 개선된 기법을 제안하고 이를 실험을 통해 검증한 내용에 대해 다룬다. 먼저 카메라 기반 물체 탐지 및 추적을 위하여 불확실성을 고려한 탐지 결과와 추적필터의 연관 기법에 대해 제안하였고, 또한 운하 환경에서의 카메라 및 라이다 기반 가항 영역 탐지 알고리즘을 개발하여, GPS에 의존하지 않는 인지 결과만을 활용한 자율운항 프레임워크를 제안하였다. 기존 레이다 이미지의 의미론적 분할 알고리즘을 개선하기 위하여 시간적 맥락을 고려한 네트워크를 제안하고 준지도학습을 적용하였다. 마지막으로 카메라 및 레이다에서 탐지된 물체들을 정보 정합할때 기존의 방법에서 나타는 자세 정보 추정의 모호성을 해결한 개선된 정보 정합 방법을 제안하였다. 제안된 모든 알고리즘은 개발한 자율 운항 시스템의 인지 시스템을 통해 취득된 데이터 또는 현장 실험을 통해 검증되었으며, 실험 결과를 논의하였다.
