딥러닝을 활용한 공공 맵 기반 자율주행 로봇용 지도 제작 프레임워크

국문 초록 (Abstract)

본 논문에서는 공공 맵 중 접근성과 활용성이 가장 높은 OSM으로부터 벡터 데이터를 수집해, 이동 로봇의 자율주행에 사용할 수 있는 지도를 제작하는 프레임워크를 개발하였다. OSM은 데이터의 양이 방대하지만, 이용자의 지도 데이터의 편집에 제한을 두지 않으므로 누구나 참여해서 데이터를 추가하거나 수정 가능하므로 신뢰성 및 정확도가 떨어지는 단점이 있다. 따라서 일부 실제와 다르거나 누락된 데이터가 발생할 수 있으며, 본 논문에서는 이를 보완하기 위해 의미론적 영상 분할 모델을 이용하여 위성지도에서 주요 누락 데이터인 횡단보도를 추출하는 과정을 거쳤다. 위성지도는 Google Static Maps API로부터 수집하였으며, 횡단보도 추출에 사용할 영상 분할 모델을 결정하기 위해 FCN, SegNet, U-Net 세 종류 모델의 테스트 결과를 비교하였다. 그 결과 U-Net의 mIoU 값이 가장 높았으며, 모든 테스트 데이터 셋에 대해 임계치인 0.5를 넘긴 것 또한 확인하였다. U-Net을 통해 추출한 데이터는 래스터 형태로 이루어져 있으므로 기존 데이터와 연결하기 위해 벡터화하는 과정이 필요했다. 따라서 클러스터링 알고리즘을 통해 횡단보도의 각 클러스터를 구분한 후, 각 클러스터의 중심점을 이어 횡단보도를 지나가는 새로운 벡터 데이터를 생성하였다.
프레임워크에서 일련의 과정을 거쳐 최종 생성된 지도를 ROS에 불러온 후 경로 생성 실험을 진행한 결과, 지도 범위 내에서 임의의 출발 및 도착 지점의 경위도 좌표를 입력했을 때, A* 알고리즘을 통한 최단 경로가 잘 생성되었으며, 생성한 지도를 로봇이 자율주행에 이용할 수 있음을 확인하였다. 또한 접근성과 활용성이 높은 공공 맵 서비스를 이동 로봇의 자율주행용 지도에 적용함으로써 지도 구축비용을 상당히 절감하였으며, 이는 응용 분야의 확대로 이어져 추후 다양한 이동 로봇 서비스의 제공에 활용될 것으로 기대된다.