BVM 측후방 카메라 영상 틀어짐(Misalignment) Inline 자동화 검증방안 연구 = A Study on the Inline Automated Verification Method for Misalignment in BVM Side-Rear Camera Footage

국문 초록 (Abstract)

자율주행 기술과 첨단 운전자 보조 시스템(ADAS)의 발전으로 인해 카메라, 라이다, 레이더와 같은 고도화된 인지 센서의 수요가 급증하고 있다. 그러나 차량 주행 중 발생하는 진동, 충격, 또는 설치 과정에서 발생하는 정렬 오류는 센서의 정확도를 저하시켜 운전자의 판단 오류 및 교통사고와 같은 심각한 안전 문제를 초래할 수 있다. 이러한 문제를 해결하기 위해 정밀한 캘리브레이션 및 자동화된 검증 기술이 요구된다.
본 연구에서는 Mask R-CNN 모델을 활용하여 후측방 모니터(BVM)와 사각지대 경보 시스템(BSD) 카메라의 정렬 오류를 자동으로 검증하는 방법을 제안한다. 제안된 방법은 카메라 영상에서 수평 및 수직 타겟 패턴을 검출하여 기울기(롤), 차량 바디 보임량, 지평선 보임량의 세 가지 주요 평가지표를 평가한다. 이러한 연구의 목적은 카메라의 정렬 오류를 정밀히 계산하고, 보정 필요 여부를 정확히 판단하는 알고리즘을 개발함으로써, 차량 조립 공정 및 유지보수 과정에 적용이 가능한 정렬 오류 검출을 자동화 알고리즘의 가능성을 확인하는 데 있다.
본 연구의 결과를 통해 후측방 모니터(BVM)와 사각지대 경보 시스템(BSD)에서 발생할 수 있는 정렬 오류를 정밀하게 검증하고 자동화할 수 있는 방법을 제시하였다. Mask R-CNN 기반의 객체 검출 및 픽셀 단위 분할 기술을 활용하여 기울기, 차량 바디 보임량, 지평선 보임량 등 주요 평가지표를 효과적으로 평가하고, 센서 정렬 상태의 신뢰성을 높이는 솔루션을 제공하고자 한다. 제안한 방법 및 시스템은 차량의 조립 공정 및 유지보수 과정에서 센서 정렬 오류 검출과 교정을 자동화하여, ADAS 및 자율주행 시스템의 안전성과 신뢰성을 강화하는데 기여할 것으로 기대한다.

목차 (Table of Contents)

• 그림 목차 iii
• 표 목차 iv
• 국문 요약 v
• 제1장 서 론 1
• 1.1 연구 배경 1
• 1.2 기존 연구 4
• 1.3 연구의 구성 5
• 제2장 관련 이론 및 기술 7
• 2.1 배경 이론 7
• 2.1.1 관련 표준 7
• 2.1.2 검증 방법 9
• 2.1.3 평가 환경 12
• 2.1.4 검증 시나리오 16
• 제3장 제안 방법 17
• 3.1 연구 내용 17
• 3.1.1 객체 검출 및 분할 네트워크 18
• 3.1.2 틀어짐 각도 추정 알고리즘 개발 22
• 3.1.3 학습 데이터 25
• 3.1.4 영상의 틀어짐 추정 28
• 3.1.5 실측치 비교 30
• 제4장 실험 결과 31
• 4.1 실험 결과 및 분석 31
• 제5장 결 론 32
• 5.1 연구 요약 및 한계 33
• 참고 문헌 35
• Abstract 37