[MIT] 자율주행차가 모퉁이를 볼 수 있도록 지원 대박

>

새 시스템은 그림자의 작은 변이를 감지하고 충돌을 일으킬 수 있는 접근하는 물체를 식별합니다.자율주행 시스템의 안전성을 개선하기 위해 MIT 엔지니어는 지면에 보이는 작은 그림자 변이를 감지하여 모서리를 휘어 움직이는 물체가 있는지 여부를 판단할 수 있는 시스템을 개발하였습니다.자율주행차는 언젠가 이 시스템을 이용해 건물 모퉁이 주변화나 주차된 차량 사이에서 나타나는 다른 차나 보행자와의 충돌을 신속하게 피할 수 있을 것입니다. 미래에는 병원 복도를 돌아다니며 약을 만들거나 배달할 수 있는 로봇들이 사람들과 부딪치지 않기 위해 이 시스템을 사용할 수도 있고...IROS(International Conference on Intelligent Robots and Systems)에서 발표될 논문에서 조사원들은 주차장을 누비는 자율주행차와 복도를 누비는 자율주행 휠체어를 이용한 조사에 대해 이야기했습니다. 접근하는 차량을 감지하고 정지할 때 자동차 기반 시스템은 눈에 보이는 물체만 감지할 수 있는 기존의 LiDAR를 0.5초 이상 능가합니다.그것은 대단한 건 아니지만 속도가 빠른 자동 운전에 관한 2번째 문제의 일부라고 조사원들은 이 스토리입니다.로봇이 다른 움직이는 물체, 또는 인간처럼 환경을 이동하는 응용 분야의 경우 우리의 노하우는 로봇이 누군가 모퉁이를 돌고 있다는 조기 경고를 줄 수 있기 때문에 차의 속도가 느려지고 경로를 조정해 사전에 피할 수 있습니다. 공동저자인 CSAIL(Computer Science and Artificial Intelligence Laboratory)의 Daniela Rus와 전기공학 및 컴퓨터과학의 Andrew and Erna Viterbi 교수를 추가합니다. 가장 큰 목표는 거리에서 빠르게 움직이는 차량에 일종의 X선 Vision을 공급하는 것입니다.현재 이 시스템은 실내 환경에서만 테스트됐습니다. 로봇의 속도는 실내에서 계속 오전 중 고조명 조건도 변하지 않기 때문에 시스템이 그림자를 감지해 분석하기가 쉽습니다.Shadow Cam 확장(Extending Shadow Cam) 조사진은 조사를 위해 컴퓨터-비전 기술을 이용하여 지면의 그림자에 대한 변이를 감지하고 분류하는 Shadow Cam이라는 시스템을 구축하였습니다. IROS의 논문 공동 저자인 William Freeman MIT교수와 Antonio Torralba교수는 20하나 7년과 20하나 8년 회의에 제시된 이 시스템의 초기 버전 공동 조사했습니다.입력을 위해 Shadow Cam은 모서리 앞 바닥과 같은 특정 영역을 겨냥한 카메라의 비디오 플레이스입니다. 시퀀스를 사용합니다. 그것은 뭔가 멀어지거나 가까워질 수도 있는 것 같은 이미 도달할 때까지, 가끔의 경과에 의한 광도의 변이를 감지합니다. 그러한 변이의 일부는 육안으로 탐지하기 어렵거나 보이지 않을 수 있으며, 물체와 환경의 다양한 특성에 의해 자결될 수 있습니다. Shadow Cam은 해당 정보를 계산하여 각 이미지를 정지한 물체 또는 동적 움직이는 물체를 포함하는 것으로 분류합니다. 동적 이미지에 도달하면 그에 따라 반응합니다.Shadow Cam을 자율주행차에 적용하려면 몇 가지 진행이 필요했습니다. 예를 들어 초기 버전은 단순화된 QR코드와 유사한 'April Tags'라 불리는 증강현실 라벨을 한 지역에 붙이는 것에 의존하고 있습니다. 로봇은 AprilTags를 스캔하고 태그를 기준으로 정확한 3D위치와 방향을 감지하고 계산합니다. ShadowCam은 그림자를 포함할 수 있는 픽셀의 특정 패치에 0을 적용하기 때문에 환경의 특징으로서, 태그를 사용했습니다. 하지만 April Tags로 실제 환경을 수정하는 것은 실용적이지 않습니다.조사원들은 영상기록과 새로운 때때로 측정기법을 접목한 새로운 과정을 개발했다. 컴퓨터 때때로 자주 사용되는 이미지 등록은 본질적으로 복수의 이미지의 오버레이에 의해 영상의 변이를 나타낸다. 예를 들어 의료영상의 등록은 해부학적 차이를 비교하고 분석하기 위해 의료검사를 거듭한다.Mars Roers에 사용되는 영상 주행 기록(Visual odometry)은 포즈와 형상을 영상의 순서로 분석하여 카메라의 움직임을 실시간으로 추정합니다. 조사진은, 특히 April Tags에 의해서 포착된 것과 대동 소이한 환경의 특징점을 계산할 수 있다" "Direct Sparse Odometry"(DSO)를 채용하고 있습니다. 기본적으로 DSO는 3D점 구름에 환경의 특징을 표시한 해안 컴퓨터와 비전 파이프 라인은 모퉁이 근처의 바닥과 같은 관심 영역에 위치한 기능만 선택합니다. (관심 영역은 사전에 수동으로 주석을 달았습니다.) ShadowCam은 관심 영역의 입력 영상 시퀀스를 취하므로 DSO 영상 등록 노하우를 사용하여 로봇의 같은 관점에서 모든 영상을 오버레이 합니다.로봇이 움직이는 동안에도 그림자가 있는 바로 그 픽셀 조각으로 영점 처리하면 이미 땅 사이의 미세한 편차를 감지할 수 있습니다.이 강의는 첫 번째 논문에서 소개된 기술인 신호 증폭입니다. 그림자를 포함하는 픽셀은, 신호 대 잡음의 비율을 감소시키는 색이 강화됩니다. 이는 그림자에서 오는 아주 약한 신호를 더욱 더 감지할 수 있게 합니다. 상승신호가 특정됩니다.계치에 도달하면(부분적으로 가까운 다른 그림자로부터 프렌드의 형태에 근거함) ShawdowCam은 이미지를 "동적"으로 분류합니다. 이 신호의 강도에 따라 시스템은 로봇에게 속도를 낮추거나 멈추도록 지시할 수 있습니다.그 신호를 감지함으로써 그래야 조심할 수 있다. 모퉁이 뒤에서 달려오는 인적이기도 하고 주차된 차이기도 해 자율주행차는 속도를 줄이거나 완전히 멈추기도 한다.라고 Naser는 전합니다.

>

Tag이 없는 테스트(Tag-freetesting)의 1개 테스트에서 연구원은 이동 칠로 정지한 물체를 AprilTags과 새 롭 DSO기반의 비결을 임금 인상은 분류하는 시스템의 성능을 평가했습니다. 사람이 모서리를 휠체어 경로로 바꾸는 동안 자율주행 휠체어가 여러 복도 모서리를 향해 선회했습니다. 두의 비결 모드 재발도 한 70%의 분류 정도를 달성했으며 이는 더 이상 AprilTags가 필요하지 않는 것을 자기 요구합니다.별도의 실험에서 연구진은 저녁 주행 조건을 본떠 헤드라이트가 꺼진 주차장의 자율주행차에 Shadow Cam을 구현했습니다. 그들은 차량 감지를 LiDAR과 비교했습니다. 한때 자신 리우에서 ShadowCam은 LiDAR보다 약 0.72초 더 빠른 속도로 기둥을 돌고 있는 자동차를 감지하는 슴니다. 게다가, 연구원은 ShadowCam을 특히 차고의 조명 조건에 맞췄기 때문에, 이 시스템은 약 86%의 분류 정도를 달성하 슴니다.이후 연구원들은 다양한 실내와 옥외 조명 조건으로 작동하기 위해 이 시스템을 더욱 발전시키고 있습니다. 앞으로 시스템의 그림자 검출 속도를 높이고 그림자 탐지 대상 영역에 주석을 다는 과정을 자동화하는 비결도 있을 수 있습니다.이 연구는 Toyota Research Institute의 자금 지원을 받았습니다.끼어들기 시 자율주행에 대한 기술적 언급 중 가장 많이 하는 것은 인지능력에 관한 예기입니다. 물론 차량 운행에 필요한 다양한 기술은 존재할 것입니다. 그리고 각각의 분야에서 새로운 기술이 적용되어 등장하고 있습니다. 하지만 자율주행차는 자동차에서 운전 주체를 사람에서 로봇으로 변경하는 획기적인 기술입니다. 그러기 위해서는, 기존의 인간이 행하고 있던 행위 중에서 가장 중요하다고 할 수 있는 주변 정세를 인지하는 것을 실현하지 않으면 안됩니다. 그런 과정을 통해 남들보다 더 안전한 주행을 할 수 있도록 하는 것이 자율주행차의 근본적인 목표 중 하나입니다.이러한 안전을 위한 인지능력을 위해 현재 LiDAR, Camera, Radar가 그 가운데 있습니다. 그 중에서도 LiDAR과 Camera에 관한 이 스토리가 많이 있습니다. 많은 자율 주행 자동차를 개발하는 작은 기업에서는 이미 언급한 3종류의 센서를 서로 잘 조합하고 주변을 인식하고 보다 안전한 자율 주행 자동차 개발을 하고 있슴니다. 그러나 몇몇 소규모 기업에서는 높은 LiDAR에 대한 붓다감 등으로 Camera의 성능을 극대화하는 기술을 개발하여 현재 자율주행을 운행하고 있습니다. 물론저개인적으로는자율주행이라는표현보다는ADAS(처음부터운전자보조시스템)라고생각을하겠죠. 음, Tesla가 대표적인 작은 기업이에요. 물론 중국의 Baidu도 Camera를 기반으로 하는 Apollo Lite를 발표하고 있습니다.아직 학계 자신의 작은 기업차원에서 LiDAR가 꼭 필요하다는 것에 대해 많은 논란이 있습니다. LiDAR의 가격이 저렴하다면 아마 이런 논쟁은 없을 것입니다. 하지만 그렇지 않기 때문에 현재 자동차를 생산하고 판매를 해야하는 작은 기업의 입장에서는 매우 큰 붓다 하나 밖에 없습니다. 어쩌면 이러한 현실적인 판단에 따라 Camera 기술에 더 많은 투자 및 적용을 하고 있을 것입니다.그리고 현재 AI 기술 중 가장 활발하게 진행되고 있으며, 가장 현실세계에 많이 적용되고 있는 기술은 vision 분야입니다. 지금은AI의사물인식수준이사람보다더잘인식할수있는단계라고이이야기를하는분들도있어요. 하지만 Computer vision과 사람의 시력 접근이 다르기 때문에 비교 대상이 아니라는 분들도 계십니다.그럼에도 불구하고 학계에서 발표되는 논문 중에는 Camera를 이용하는 자율주행 기술에 관한 것도 많이 있습니다. 이번 공지도 Camera를 이용하여 장애물에서는 볼 수 없는 사물에 대한 인지능력을 향상시키는 기술에 대해서였습니다. 그림자를 이용해 뿔에서 하나가 될 수 있는 움직임임을 예상하고 대응하는 기술이므로 자신의 이름의 의미가 있다고 할 수 있습니다. 흔히 말하는 시야의 사각지대에 대응할 수 있다고 할 수 있습니다. 물론 이번 기술도 LiDAR와의 비교를 빠뜨리지 않았습니다. LiDAR의 인지반응보다 빨랐다고 언급하고 있습니다. Tesla에서 관념을 가질 수도 있겠네요..​ 아직 아주 자율 주행하도록 하는 자동차가 상용화되지 않은 정세에서 Level 4수준의 자율 주행 차가 등장하는 시점에서 LiDAR의 가격이 현재와는 닮지 않을 가능성도 있슴니다. 이미 많은 LiDAR 개발의 작은 기업들은 보다 저렴한 LiDAR 개발에 집중하고 있습니다. 물론 자율주행차 상용화가 늦어지면서 물품 개발이 작은 기업들이 어려움을 겪을 수도 있습니다. 어떤 수준의 가격이 적정한지 알 수 없지만 자율주행차의 기반이 되는 전기차는 현재 내연기관차보다 적은 물건으로 자동차 가격이 떨어질 것으로 예상됩니다. 이런 부분에서 전기자동차가 최근 보다 더 싸지면 LiDAR의 적용이 충분히 가능하다고 할 수 있습니다.​의 하나하나 달 4개~8개 사이에 진행되는 IROS에서 해당 논문을 발표하면 하는 것입니다. 관념 있으신 분들은 한번 연구해 보셔도 될 것 같습니다.PS: 검색에서 보시고 원하시는 스토리를 찾지 못하셨을 경우, '태그' 또는 '검색'을 해보면 더 많은 자료를 찾을 수 있습니다. 그래도 찾으시는 문의사항이 있으시면 저에게 연락주시면 (메일하나, 메시지) 제가 아는 범위내에서 도와드리겠습니다. 부차를 갖지 않아도 됩니다.Over the Vehicle!!!참고 자료

​