In recent years, there has been considerable interest in self-driving cars and unmanned vehicles. One of the most important capabilities of self-driving cars is localization, which is the process of finding the position of an object on a given map. The Global Positioning System (GPS) is widely used for localization and navigation, but it is blocked and reflected by skyscrapers in an urban environment. Furthermore, dead-reckoning based on inertial sensors causes drift error, so other sensors, such as cameras and lidars have commonly been employed for urban navigation. These sensors are utilized to obtain information about the surrounding environment, and vehicle localization is conducted by comparing sensor measurements with given maps. We have selected a lidar in order to detect the building outline and match it with the aerial map. Different from other studies that employed road lanes and signs as features for matching, this enables localization robust to road conditions, weather, and illumination.
First, the semantic segmentation of an aerial image is performed using a neural network to detect the building outline. Most aerial maps contain a perspective projection distortion when describing a tall building, so we are proposing a correction method. The building outline is extracted from the corrected map, and the mutual information between lidar measurements and the building outline is obtained to measure the similarity between them. Finally, a particle filter framework is employed to localize the vehicle and match the map by using the mutual information as the weight of a particle. An experimental dataset is then used to validate the feasibility of the proposed method.
최근 무인차의 자율주행기술에 대한 연구가 활발히 이루어지고 있으며, 차량의 위치를 지속적으로 추정하는 것은 핵심 기술이다. 차량의 위치 계측은 GPS (Global positioning system)기반의 측위 기술이 사용되나, 도심환경과 같이 높은 빌딩으로 인해 GPS왜곡이 심한 경우에는 어려움이 존재한다. 이를 보완하기 위한 관성항법은 표류 오차로 인해 시간에 비례하여 오차가 증가한다. 따라서, 최근 인식 센서의 발달과 함께 차량의 위치추정을 위해 센서와 지도를 이용하는 연구들이 다양하게 시도되고 있다. 본 연구는 기존의 도로표지를 활용한 연구와 달리, 항공지도를 사전정보로 이용해 라이다 센서의 측정값과 항공지도에서 추출한 건물의 윤곽선을 정합하여 차량의 위치를 추정하여 도로 환경 변화, 날씨와 빛의 효과에 강인한 측위 기법을 개발하는 것을 목표로 한다.
본 연구는 항공사진에서 건물의 윤곽선을 얻기 위하여 합성곱신경망을 이용해 위성지도를 의미론적으로 분할한다. 분할된 이미지에 있는 높은 건물에서는 시점과 위치의 변형으로 인해 정확한 건물 윤곽선의 추출이 어렵기 때문에 시점을 보정한다. 다음으로, 건물 윤곽선에서의 상대위치 측정을 위해 보정된 지도로부터 얻은 건물 윤곽선과 라이다 센서로부터 계측한 주위환경정보의 상호정보량을 이용해 두 정보의 유사도를 결정한다. 마지막으로, 파티클필터 기반의 측위 모델을 구성하고, 파티클마다 부여된 상호정보량을 바탕으로 차량의 지속적인 위치 추정을 수행한다. 제안하는 알고리즘은 데이터셋을 이용하여 그 타당성을 검증한다.
