포인트 클라우드에서 정밀도로지도 구축을 위한강건한 직선 결정 알고리즘의 비교 연구
A Comparative Study of Robust Straight Line Determination Algorithms for High-Definition Road Map Generation from Point Clouds
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
차량의 센서를 통해 수집된 여러 정보들 중에서 차선 정보는 자율주행을 위해서 필수적이다. 이러한 차선 정보는 도색 상태, 도로 상태, 날씨 등 외부 요인에 따라 센서를 통해 인식되는 차선의 정확성이 저하될 수 있다. 이를 해결하기 위해 정밀도로지도가 활용되고 있으나, 그 제작 공정에 많은 시간과 비용이 요구되며 작업자의 숙련도에 따라 품질이 달라질 수 있다. 특히 아웃라이어가 포함된 MMS 데이터를 바탕으로 강건한 차선을 자동으로 탐지하고 구축할 수 있다면 수작업으로 인한 정확도 문제를 개선할 뿐만 아니라 구축 시간과 비용도 절약할 수 있다. 본 연구에서는 RANSAC, MAGSAC, MAGSAC++, FSC의 4가지 샘플 합의 알고리즘을 이용하여 아웃라이어가 존재하는 상황에서도 강건한 직선을 결정하는 알고리즘을 분석하였다. 실험은 노이즈 수준에 따라 직선을 결정하는 것과 아웃라이어 비율에 따라 직선을 결정하는 두 가지 실험을 수행하였다. 실험 결과 높은 정확도와 빠른 처리시간을 요구하는 정밀도로지도 구축에서는 MAGSAC++가 적합하였으며, 자율주행 시 실시간으로 차선을 인식하고 신속한 상황 판단을 위해서는 RANSAC이 적합하였다.
Abstract
Among the various types of information collected by a vehicle's sensors, lane information is essential for autonomous driving. However, the accuracy of lane detection can be compromised by external factors such as paint condition, road surface, and weather. High-definition road maps have been utilized to address this issue, but their production process is time-consuming and costly, with quality often dependent on the operator's expertise. In particular, if robust lane lines could be automatically detected and constructed using mobile mapping system data containing outliers, it would not only mitigate accuracy issues associated with manual processing but also reduce construction time and cost. In this study, we analyze four sample consensus algorithms, RANSAC, MAGSAC, MAGSAC++, and FSC, to identify algorithms that determine robust straight lines even in the presence of outliers. Two experiments were conducted: one to assess the algorithms' performance under different noise levels and another to evaluate their performance based on varying outlier ratios. The results indicated that MAGSAC++ is suitable for precision map construction due to its high accuracy and fast processing time, whereas RANSAC is more appropriate for real-time lane detection and quick situation assessment in autonomous driving.