* Title : The Perception System based on LiDAR Sensor for Auto Valet Parking Systems
* Author : Myeong-Jun Kim, Hee-Seok Shin, and Jung-ha Kim
* Publication : Institute of Control, Robotics and Systems 2019
* Keywords : Autonomous, Valet parking, SLAM, LiDAR
리뷰에 사용된 사진은 모두 논문에서 가져왔습니다.
이 논문은 국민대 자동차공학전문대학원 KUL lab 소속의 김명준 박사과정, 신희석 박사과정이 투고한 논문이며, 교신저자로 김정하 교수가 기재되어 있다.
이 논문에 대해 요약하자면 다음과 같다.
LiDAR SLAM을 통해서 주차공간 확인시스템을 개발한 것으로 ICP 알고리즘을 이용하여 Localization을 완성하였다.
주차공간을 확인하기 위해 Voxel화를 진행하여 데이터의 개수를 줄였고 연산량을 최적화하였다.
Voxel화된 데이터에서 밀도기반 클러스터링 기법인 DBSCAN 알고리즘을 이용하여 데이터들의 군집을 형성하였고 그 군집들의 L-shape와 I-shape 정도를 통해 차량을 검출하였다.
하나하나 순서대로 설명을 하자면,
1. ICP 알고리즘을 이용한 주행
ICP는 Iterative Closest Point 알고리즘을 말하는 것으로, 세 단계로 나뉘어 진행되었다. 먼저 첫번째 스캔된 점군 데이터와 그 다음 프레임의 스캔된 두번쨰 점군 데이터 세트간의 연관성을 찾는다. 그런 다음 기존데이터의 법선 벡터를 이용하여 새로운 데이터가 이에 정렬되기 위한 최소 에러의 회전행렬과 이동벡터를 계산할 수 있으므로, 새로운 데이터와 기존 데이터 쌍을 두고 그때 기존 데이터의 법선 벡터를 놓으면 에러에 관한 식을 다음과 같이 나타낼 수 있다.
특징점을 추출하고 ICP 中 하나인 LOAM(LiDAR Odometry and Mapping) 알고리즘을 이용해 Map building을 하였다.
2. 실시간 Voxel화
주차공간 검출 시 LiDAR 데이터 수가 많으면, 연산량이 많아져 프레임 드랍이 발생할 수 있기 때문에 실험환경을 고려하여 Voxel화를 하여 시스템 부하를 감소시켰다.
3. DBSCAN 클러스터링
객체 분류(차량, 기둥)를 위한 데이터 클러스터링으로 DBSCAN을 사용하였다. 클러스터링이란 군집화를 말하는 것으로 물체가 주차장 기둥인지, 차량인지 판단하는 알고리즘이다. 클러스터링은 거리기반의 K-means, Agglomerative, ABD, 밀도기반의 DBSCAN으로 나눌 수 있는데, 주차장이라는 특성 상 밀도기반의 기법이 객체분류에 더 유리하여 DBSCAN으로 클러스터링을 하였다.
4. 객체(차량) 검출
클러스터링된 데이터의 L-shape와 I-shape 크기 비교를 통해 차량을 특정하였다.
5. 주차공간 판단
기둥이나 차량 사이 공간을 계산하여 주차 가능영역을 판단하였다.
라이다 관련 논문을 리뷰해봤는데, 내가 아는 지식이 부족하여 잘 요약했는지 모르겠다.
여튼, 리뷰 끝!!
