[MIT] 자율주행차가 모퉁이를 볼 수 있도록 지원 이야…

>

세로프게시스템은 그림자와 작은 변천을 감지하고 충돌을 1개 긋고 야 할 수 있는 접근하는 물체를 식별합니다.자율주행 시스템의 안전성을 개선하기 위해 MIT 엔지니어는 지면에 보이는 작은 그림자의 변천을 감지하여 모서리를 돌아 움직이는 물체가 있는지 여부를 판단할 수 있는 시스템을 개발하였습니다.자율주행차는 언젠가 이 시스템을 이용해 건물 모퉁이 주변이나 주차한 차량 사이에서 나타나는 다른 차나 보행자와의 충돌을 신속히 피할 수 있을 것입니다. 미래에는 병원 복도를 돌아다니며 약을 만들거나 배달할 수 있는 로봇이 사람과 부딪치지 않기 위해 이 시스템을 사용할 수도 있습니다.IROS(International Conference on Intelligent Robots and Systems)에서 발표될 논문에서 조사원들은 주차장을 뛰어다니는 자율주행 휠체어를 이용한 성공적인 점검에 대해 설명하고 있습니다. 접근하는 차량을 감지하고 정지할 때 자동차 기반 시스템은 눈에 보이는 물체만 감지할 수 있는 기존의 LiDAR를 0.5초 이상 능가합니다.그것은 대단한 적이 없지만, 빨리 움직이는 자동 운전 차에 대한 2번째 사고의 첫번째로 조사원은 예상하고 있습니다.로봇이 다른 움직이는 물체 또는 사람과 함께 환경을 이동하는 응용 분야의 경우 우리 방법은 로봇이 누군가 뿔을 돌고 있다는 조기 경고를 줄 수 있기 때문에 차량 속도가 느려져 경로를 조정하고 미리 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 차에 하나의 종의 X선 Vision을 공급하는 것입니다.현재 이 시스템은 실내 환경에서만 테스트됐습니다. 로봇의속도는실내에서훨씬낮고조명조건도변하지않아시스템이그림자를감지해분석하기가쉽습니다.Shadow Cam 확장(Extending Shadow Cam) 조사진은 조사를 위해 컴퓨터-비전 기술을 이용하여 지면의 그림자에 대한 변천을 감지하고 분류하는 Shadow Cam이라는 시스템을 구축하였습니다. IROS의 논문 공동 저자인 William Freeman MIT교수와 Antonio Torralba교수는 2017년과 2018년 회의에 제시된 이 시스템의 초기 버전 공동 조사했습니다.입력을 위해 Shadow Cam은 모서리 앞 바닥과 같은 특정 영역을 겨냥한 카메라의 비디오 프레임 시퀀스를 사용합니다. 그것은 무엇인가 멀어지거나 가까워질 수도 있는 이미 이미 도달할 때까지, 가끔의 경과에 의한 광도의 변천을 감지합니다. 그러한 변천 중의 하나는 육안으로 탐지하기 어렵거나 보이지 않을 수 있으며, 물체와 환경의 다양한 특성에 의해 판정됩니다. 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 땅에 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 사용했었읍니다 하지만 April Tags로 실제 환경을 수정하는 것은 실용적이지 않습니다.조사원들은 영상기록과 새로운 시각적 측정기법을 결합한 새로운 과정을 개발했다. 컴퓨터의 시점에서 자주 사용되는 이미지 등록은 본질적으로 복수의 화상을 오버레이 해 영상의 변천을 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 분석해, 카메라의 움직임을 실시간으로 추정합니다. 조사진은, 특히 AprilTags에 의해서 포착된 것과 유사한 환경의 특징점을 계산할 수 있다" "DirectSparseOdometry"(DSO)를 채용하고 있습니다. 기본적으로 DSO는 3D점 구름에 환경의 특징을 표시한 이후 컴퓨터-비전 파이프 라인은 모퉁이 근처의 바닥과 같은 그와은심 영역에 위치한 기능만 선택합니다. (관념영역은 미리 수동으로 주석을 달았습니다.) ShadowCam은 과로영역의 입력영상 시퀀스를 취하므로 DSO영상의 등록방법을 사용하여 로봇의 동일한 관점에서 모든 영상을 오버레이 합니다.로봇이 움직이는 동안에도 그림자가 있는 바로 그 픽셀 조각으로 영점 처리함으로써 이미 지간의 미세한 편차를 감지할 수 있습니다.이후에는 첫 번째 논문에서 소개된 기술인 신호 증폭입니다. 그림자를 포함한 픽셀은 신호 대 잡음의 비율을 감소시키는 색상이 강화됩니다. 이는 그림자의 변천에서 오는 아주 약한 신호를 더욱 더 감지할 수 있게 합니다. 상승한 신호가 특정 임계값에 도달하면(부분적으로 가까운 다른 그늘에서 친구가 되는 정도에 기반함) ShawdowCam은 이미지를 '동적'으로 분류합니다. 이 신호의 세기에 따라 시스템은 로봇에게 속도를 줄이거나 멈추라고 지시할 수 있습니다.그 신호를 감지함으로써 그래야 조심할 수 있다. 모퉁이 담장을 통해 달려오는 사람 그림자 하나, 주차된 차 하나 등도 있어 자율주행차는 속도를 줄이거나 완전히 멈출 수 있다."라고 Naser는 전하고 있습니다.

>

Tag이 없는 테스트(Tag-무료 testing)의 1개 테스트에서 연구자는 이동이나 쾌적하고 정지한 물체를 AprilTags과 새 DSO베이스의 비법을 임금 인상은 분류하는 시스템의 성능을 평가했습니다. 사람이 모서리를 휠체어 경로로 바꾸는 동안 자율주행 휠체어가 여러 복도 모서리를 향해 선회했습니다. 두 비법 전부 동일한 70Percent의 분류 정도를 달성했으며 이는 더 이상 AprilTags가 필요하지 않는 곳의 소리를 나쁘지 않고 손이에요.별도의 겸열로 연구진은 한 자리 주행 조건을 본떠 헤드라이트가 꺼진 주차장 자율주행차에 Shadow Cam을 구현했습니다. 그들은 자동차 감지 시간을 LiDAR과 비교했습니다. 한때 괜찮고 리우에서 ShadowCam은 LiDAR보다 약 0.72초 더 빠른 속도로 기둥을 돌고 있는 자동차를 감지했다. 게다가, 연구원은 ShadowCam을 특히 차고의 조명 조건에 맞췄기 때문에, 이 시스템은 약 86Percent의 분류 정도를 달성했습니다..그 다음 소리로 연구원들은 다양한 실내와 실외의 조명 조건으로 작동하기 위해 이 시스템을 더욱 발전시키고 있습니다. 향후 시스템의 그림자 검출 속도를 높여 그림자 검지 대상 영역에 주석을 다는 과정을 자동화하는 비법도 있을 수 있습니다.이 연구는 Toyota Research Institute의 자금 지원을 받고 있습니다.끼어들 때 자율주행차에 대한 기술적 언급 중 가장 많이 하는 것은 인지 능력에 대한 얘기다. 물론 자동차 운행에 필요한 다양한 기술은 존재한다. 그래서 각각의 분야에서 새로운 기술이 적용되어 등장하고 있습니다. 그러나 자율주행차는 자동차에서 운전 주체를 사람에서 로봇으로 변경하는 획기적인 기술이다. 이를 위해서는 기존자가 행하고 있던 행위 중 가장 중요하다고 할 수 있는 주변 상황을 인지하는 것을 실현할 필요가 있다. 그런 과정을 통해 남보다 더 안전한 주행을 할 수 있도록 하는 것이 자율주행차의 근본목표일 터.이러한 안전을 위한 인지능력을 위해 현재 LiDAR, Camera, Radar가 그 가운데 있습니다. 그 중에서도 LiDAR과 Camera에 대한 내용이 많이 있습니다. 많은 자율 주행 자동차를 개발하는 중견 기업에서는 앞 절의 3종류의 센서를 서로 잘 조합하고 주변을 인식하고 보다 안전한 자율 주행 자동차 개발을 하고 있습니다. 하지만 몇몇 중견기업에서는 높은 LiDAR에 대한 부그다 소음감 등으로 Camera의 성능을 극대화하는 기술을 개발하여 현재 자율주행을 운행하고 있습니다. 물론 나 개인적으로는 자율주행이라는 표본보다 ADAS(처음부터 운전자 보조시스템)로 소견한다. 뭐, Tesla가 대표적인 중견기업이다. 물론 China의 Baidu도 Camera를 기반으로 한 Apollo Lite를 발표하고 있습니다.아직 학계가 나쁘지 않고 중견기업 차원에서 LiDAR가 확신을 갖고 필요하다는 것에 대해 많은 논의가 있습니다. LiDAR의 가격이 저렴하다면 아마 이런 논쟁은 없을 것이다. 하지만 그렇지 않기 때문에 현재 자동차를 생산하고 판매를 해야 하는 중견기업 입장에서는 아주 큰 부그다 소음이 될 수 밖에 없습니다. 어쩌면 이러한 현실적인 판단에 의해 Camera 기술에 보다 많은 투자를 하여 적용하고 있을 것이다.그리하여 현재 AI기술 중에서 가장 활발하게 진행중이며 가장 현실 세계에 많이 적용되고 있는 기술은 vision 분야이다. 최근 AI의 사물 인식 수준이 사람보다 더 잘 인식할 수 있는 단계라고 내용하시는 분들도 계십니다. 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 공지사항도 Camera를 이용하여 장애기물에서는 볼 수 없는 사물에 대한 인지능력을 향상시키는 기술에 대해서였습니다. 그림자를 이용해 모서리에서 일어날 수 있는 움직임을 예상하고 대응하는 기술이기 때문에 그것을 의미한다고 할 수 있습니다. 단지 내용하는 시야의 사각에 대응할 수 있다고 말할 수 있습니다. 물론 이번 기술도 LiDAR와의 비교를 빼놓을 수 없었습니다. LiDAR의 인지반응보다 빨랐다고 언급하고 있습니다. Tesla에서 관심을 가질 수 있네요. ​ 아직 거짓 없는 자율 주행하도록 하는 자동차가 상용화되지 않은 상황에서 Level 4수준의 자율 주행 차가 등장하는 시점에서 LiDAR의 가격이 현재와 같지 않는 경우도 있습니다. 이에 앞서, 많은 LiDAR 개발 중견 기업은, 보다 염가의 LiDAR 개발에 집중하고 있습니다. 물론 자율주행차의 약간 느린 상용화로 인해 부분품 개발의 중견기업들이 어려움을 겪고 있다. 어떤 수준의 가격이 적정한지는 알 수 없지만 자율주행차의 기반이 되는 전기차는 현재 내연기관차보다 적은 부분품이어서 자동차 가격이 떨어질 것으로 예상됩니다. 이런 부분에서 전기자동차가 최근보다 더 싸지면 LiDAR의 적용이 충분히 가능하다고도 한다.​의 월 4일~8일 사이에 진행되는 IROS에서 해당 논문을 발표한다는 것. 관심 있으신 분들은 한번 겸렬해 보셔도 될 것 같습니다.PS: 검색을 통해 보시고, 원하시는 이야기를 찾지 못하셨을 경우, '태그' 또는 '검색'을 해보면 더 많은 자료를 찾을 수 있습니다. 그래도 질문이 없으시면 (이메일, 편지), 제가 아는 범위 내에서 도와드리도록 하겠습니다. 부그다 소음을 가지지 않아도 됩니다.Over the Vehicle!!!참고 자료

​