[이슈] 자율시스템이 사각지대에서 이동체 식별하는 일명 'X-ray 비전' 개발
[이슈] 자율시스템이 사각지대에서 이동체 식별하는 일명 'X-ray 비전' 개발
  • 최창현 기자
  • 승인 2019.10.29 17:59
  • 댓글 0
이 기사를 공유합니다

MIT 인공지능연구소, 새로운 시스템은 접근하는 이동체 그림자의 작은 변화를 감지해 충돌을 일으킬 수 있는 물체를 식별하고 대응한다.
시스템은 접근하는 이동체 그림자의 작은 변화를 감지해 충돌을 일으킬 수 있는 물체를 식별하고 대응한다.(사진:MIT)

자율로봇, 자율주행차 등 자율시스템이 이동 및 주행시 안전성을 향상시키기 위해 MIT 인공지능연구소(CSAIL, Computer Science & Artificial Intelligence Laboratory) 연구진이 움직이는 물체가 모퉁이(사각지대)에 있는지 확인하기 위해 지면의 그림자 변화를 감지할 수 있는 일명 'X-ray 비전' 시스템을 개발했다.

즉, 접근하는 이동체 그림자의 작은 변화를 감지해 충돌을 일으킬 수 있는 물체를 식별하고 대응한다. 이 연구결과는 오는 11 월 4 일부터 8 일까지 마카오에서 열리는 ‘지능형 로봇 및 시스템 (IROS)에 관한 IEEE / RSJ 국제 컨퍼런스 2019’에서 발표된다.

자율주행차는 이 시스템을 사용하여 건물 모퉁이 주변이나 주차된 차량 사이에서 다른 자동차 또는 보행자와 충돌할 가능성을 인지하고 빠르게 대응할 수 있다. 또 병원 복도를 탐색하여 약물을 공급하거나 공급할 수 있는 자율로봇은 이 시스템을 사용하여 휠체어, 사람 등 이동체와 충돌을 미연에 감지해 안전하게 주행할 수 있을 것으로 예상된다.

현재 이 시스템은 실내 설정에서만 테스트 되었으며, 자율 로봇은 실내에서는 조명 조건이 더 일관되어 시스템이 그림자를 더 쉽게 감지하고 분석할 수 있다. 이처럼 자율시스템이 다른 움직이는 물체 또는 사람과 함께 환경을 이동하는 응용 분야의 경우, 누군가가 모퉁이를 돌고 있다는 조기 경고를 줄 수 있으므로 이동 속도가 느려지고 경로를 조정하며 미리 피할 수 있는 것이다.

특히, 연구진은 "이 시스템의 가장 큰 희망은 거리에서 빠르게 움직이는 차량에 일종의 'X-ray 비전'을 제공하는 것입니다."라고 밝혔다. 이 시스템은 기존의 보이는 물체만 감지할 수 있는 라이다(LiDAR) 성능을 0.5 초 이상 능가한다고 한다.

이 시스템은 컴퓨터 비전을 사용하여 지상의 그림자 변화를 감지하고 분류하는 '섀도우캠(ShadowCam)'이라는 시스템을 기반으로 구축됐으며, 입력을 위해 섀도우캠은 코너(모퉁이) 앞바닥과 같은 특정 영역을 대상으로 하는 카메라의 비디오 프레임 시퀀스를 사용한다.

이는 이미지에서 이미지로 갈수록 시간이 지남에 따라 빛의 세기 변화를 감지하는 것으로 이러한 변화 중 일부는 육안으로는 감지하기 어렵거나 보이지 않을 수 있으며, 물체 및 환경의 다양한 특성에 의해 결정될 수 있다.

섀도우캠은 이 해당 정보를 계산하고 각 이미지를 정지된 물체나 움직이는 물체를 포함하는 것으로 분류하고 동적 이미지에 도달하면 그에 따라 반응한다.

그러나 자율이동체에 섀도우캠을 적용하려면 몇 가지 발전이 필요했다. 예를 들어, 초기 버전은 단순화된 QR 코드와 유사한 에이프릴태그(AprilTags) 라고 하는 증강 현실 레이블이 있는 영역을 라이닝 하는데 의존했다. 에이프릴태그를 스캔하여 태그를 기준으로 정확한 3D 위치 및 방향을 감지하고 계산한다. 또 새도우캠은 그림자를 포함할 수 있는 특정 픽셀 패치에서 태그를 환경의 기능으로 사용한다. 이처럼 에이프릴태그를 사용하여 실제 환경을 수정하는 것은 실용적이지 않다.

이에 연구진은 이미지 등록과 새로운 시각 측정 기술을 결합한 새로운 프로세스를 개발했다. 컴퓨터 비전에서 종종 사용되는 이미지 등록은 본질적으로 여러 이미지를 오버레이 하여 이미지의 변형을 나타낸다. 예를 들어, 의료 이미지 등록은 의료 스캔과 겹쳐서 해부학적 차이를 비교하고 분석한다.

일반적으로 화성탐사선(Mars Rovers) 등에 사용되는 시각적 주행거리 측정법(Visual Odometry)을 이미지 시퀀스의 포즈와 지오메트리를 분석하여 카메라의 움직임을 실시간으로 추정한다. 특히, 연구원들은 에이프릴태그에 의해 포착된 것과 유사한 환경에서 특징점을 계산할 수 있는 'DSO(Direct Sparse Odometry)'를 사용했다.

기본적으로 DSO는 3D 포인트 클라우드에 환경의 기능을 플로팅 한 다음 컴퓨터 비전 파이프 라인은 모퉁이 근처의 바닥과 같이 관심 있는 영역에 있는 기능만 선택(관심 지역은 미리 수동으로)한다.

이에 새도캠은 관심 영역의 입력 이미지 시퀀스를 가져 오므로 DSO 이미지 등록 방법을 사용하여 자율시스템의 동일한 시점에서 모든 이미지를 오버레이 한다. 자율시스템 움직일 때도 그림자가 있는 동일한 픽셀 패치에서 제로화 하여 이미지 사이의 미묘한 편차를 감지할 수 있는 것이다.

한편, 연구원들은 현재 다른 조건의 실내 및 실외 조건에서 작동하도록 시스템을 개발하고 있다. 향후 시스템의 그림자 감지 속도를 높이고 그림자 감지를 위해 대상 영역에 주석을 다는 프로세스를 자동화하는 방법도 개발 중이다.


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.