큰사진보기
▲ 추정된 3D 객체 예시 왼쪽 열은 이미지에서의 객체 추정 시각화, 오른쪽 열은 Bird-eye-view 시각화 결과이다. 오른쪽 열에서 볼 수 있듯이, 제안된 방법을 적용하였을 때, 기존의 방법에 비해 깊이 추정 오류가 감소하는 것을 확인할 수 있다. (초록: Ground-truth, 파랑: 기존의 방법, 빨강: 제안된 방법)
ⓒ DGIST 제공	관련사진보기

 
자율주행의 핵심인 '3D 객체 추정' 기술이 갖고 있는 기존 단점을 보완, 단안 카메라를 이용해 3D 객체의 위치를 높은 정확도로 추정할 수 있는 딥러닝 기술이 국내 연구진에 의해 개발됐다. 이는 신경망이 객체의 깊이를 잘 구분할 수 있도록 돕는 새로운 '메트릭 학습 기법'이다. 

이 기술은 자율주행 프레임워크의 설치 비용 절감 효과와 정확한 자율주행 실용화에 기여할 것으로 기대된다. 

DGIST(대구경북과학기술원, 총장 이건우)은 19일 전기전자컴퓨터공학과 임성훈 교수팀이 이같은 새로운 기술을 개발했다고 밝히면서 "3D 객체 추정은 자율주행에 필요한 핵심기술로서, 기존의 자율주행 기술의 원가를 줄이고 차량을 경량화하는 등의 응용이 가능할 것으로 기대된다"고 알렸다. 

DGIST에 따르면, '3D 객체 추정'은 자율주행차가 주변 환경을 인식하고, 그에 따라 안전하게 움직일 수 있게 하는 중요한 기술이다. 이 기술을 통해 자율주행차는 주변의 사람, 도로 표지판, 다른 차량 등의 위치와 거리 및 크기를 정확하게 파악해 안전한 주행이 가능하게 된다.

무엇보다 기존에 많이 사용되고 있는 단안 카메라를 이용한 객체 추정 방법은 '비용 절감'이란 큰 장점이 있다. 하지만 한 장의 이미지만으로 3D 정보를 얻어내는 것이 어렵다는 문제점을 가지고 있다. 특히 객체와 카메라 간의 거리를 정확히 추정하는데 어려움이 있어 다소 성능이 떨어진다는 문제가 있었다는 것.
 

큰사진보기
▲ 고안한 메트릭 학습 기법 제안된 준등거리사상 로스의 도식화. 객체 깊이 추정의 성능증가를 위해서는 깊이에 대해 정렬된 특징 공간이 필요하다. 따라서 제안된 방법은 객체 깊이 라벨을 이용하여 특징 공간 상의 객체들을 밀거나 당김으로써 객체들을 깊이에 대해 정렬한다.
ⓒ DGIST 제공	관련사진보기

 
이에 임성훈 교수팀은 이런 문제점을 해결하기 위해 신경망이 객체의 깊이를 잘 구분할 수 있도록 돕는 새로운 '메트릭 학습 기법'을 제안했다. 

그 결과, 제안된 메트릭 학습 기법은 각각의 객체의 깊이 정보를 이용해 신경망이 형성하는 특징 공간을 정렬하게 함으로써 '깊이'를 쉽게 구분하도록 도와줄 수 있었다. 또 이 기법은 거의 모든 기존의 단안 카메라 추정 신경망에 적용이 가능했다. 

나아가 연구팀은 이미지 내에서 객체의 위치를 특정하는 과정에서 발생하는 오류를 보정할 수 있는 새로운 방법을 제안해 깊이 추정과 전체적인 3D객체 추정의 성능을 효과적으로 개선해 냈다. 

임성훈 DGIST 전기전자컴퓨터공학과 교수는 "이번 연구를 통해 개발한 학습기법은 자율주행 시각인지 모델의 연산 시간을 유지하면서 성능을 크게 향상시키는 기술"이라며 "제안된 방법을 발전시킴으로써 저렴한 설치비용과 동시에 높은 성능을 보장하는 단안 객체 추정 프레임워크를 개발해 자율주행의 실용화에 도움을 줄 수 있을 것"이라고 말했다. 

임 교수는 실용화를 위한 과제로 "제안된 방법은 엔지니어가 직접 정해야 하는 하이퍼 파라미터의 수가 많다는 점을 단점으로 가지고 있다"면서 "이러한 노력을 줄일 수 있는 파라미터 자동 탐색기술 등의 연구가 추가적으로 이루어져야 할 것"이라고 짚었다. 

그러면서 임 교수는 "제안된 기술은 학습된 모델의 성능과 정확도 뿐만이 아니라 신경망의 연산복잡도와 크기를 증가시키지 않는 장점이 존재한다"면서 "앞으로 이 기술을 더욱 발전시킨다면 자율주행 기술의 발전에 매우 긍정적인 영향을 미칠 것으로 기대된다"고 강조했다.

한편, 이번 연구 결과는 관련 분야 학회 <Neural Information Processing Systems 2023>에 게재 승인되었고, 같은달 개최된 학회에서 포스터 세션으로 발표됐다. 
 

큰사진보기
▲  사진 왼쪽부터 DGIST 임성훈 교수, 최원혁 석박사통합과정생, 신민규 석사과정생
ⓒ DGIST 제공	관련사진보기