Professional Documents
Culture Documents
5월
HD map 최신화 및 자동생성 기술 동향
1. 서론 3p
2. 본론 4p
2.1 센서데이터를 활용한 HD map 업계 동향
2.2 크라우드 소스 기반 HD map 최신화
2.3 HD map의 최신화 기술
2.4 HD map의 자동생성 기술
3. 결론 18p
2023년 5월│Monthly Report
01 서론
■ 자율주행에서의 HD map은 고도자율주행을 구현하기 위한 핵심 연구 분야로 자리 잡은
가운데, 위치 정보를 기반으로 HD map을 관리하고 최신화하여 유지하는 기술은
자율주행 차량의 안전과 효율성을 보장하기 위한 필요성이 강조되고 있다. 기존의 HD
map을 제작하는 방식은 고정밀 측위 장치를 탑재한 차량과 장비를 활용하여 수작업에
의존하여 작성되었다. 하지만, 도심의 자율주행 환경은 교통 규제와 차로의 확장 등으로
다변화하며 기존의 HD map만 활용하여 주행하는 방식은 제약이 많을 뿐만 아니라
위험성도 수반한다. 이를 해결하기 위해 실시간성이 확보되는 다양한 센서들(Lidar1),
Camera, IMU2), GNSS, Radar3))과 기존에 제작된 HD map을 응용하여 최신화하는
방안과 이를 기반으로 자동생성 기술들이 연구되고 있다.
1) 라이다(Lidar) : 레이저 펄스를 발사하여 그 빛이 대상 물체에 반사되어 돌아오는 신호를 수신하여 물체의
3D 형상까지 이미지화하는 센서
2) IMU(Inertial Measurement Unit) : 이동 물체의 속도와 방향, 중력, 가속도를 측정하는 관성 센서
3) Radar(Radio Detecting And Ranging) : 안테나로 전자기파를 발사하고 물체에서 반사되는 전자기파를 수신
하여 물체와의 거리와 속도 등을 측정하는 센서
3
2023년 5월│Monthly Report
02 본론
2.1 센서데이터를 활용한 HD map 업계 동향
■ 지난 2018년 BMW 그룹과 Mobileye는 시장에 출시되는 BMW 그룹의 새로운 모델에
Mobileye의 REM(Road Experience Management) 데이터 생성기술 도입 계약을
체결하였다. 이는 카메라 기반 첨단운전자보조시스템 (ADAS) 기술이 탑재된 차량을
활용하여 크라우드 소스 데이터를 위한 실시간 데이터를 소싱(Sourcing)하도록 하여
보다 나은 차세대 HD map을 구축하기 위한 목적이라 판단된다. 이는 여러 자동차
제조사와의 데이터와의 융합을 위해 안전하고 강력한 방식의 자율주행 기술을
선도하고자 하는 목표와 포용성을 두루 갖춘 협력을 위한 의미가 있다. BMW 그룹의
센서 데이터는 Mobileye의 Global RoadBook을 만드는데 사용되는 많은 양의
데이터가 정확하고 신속한 Localization5) 기능을 위해 즉각적인 최신화를 할 수
있도록 반영한다. 자율주행 기술을 위한 HD map은 초단기간의 즉각적인 실제 환경
반영이 가능한 환경 변화를 인식하고 최신화 할 수 있는 HD map이 필요하기 때문이다.
4
2023년 5월│Monthly Report
출처 : Mobileye
그림 2. Global Roadbook 예시
출처 : Mapbox
5
2023년 5월│Monthly Report
출처 : HERE
6
2023년 5월│Monthly Report
출처 : TomTom
7
2023년 5월│Monthly Report
출처 : 참조 논문 발췌
8
2023년 5월│Monthly Report
출처 : 참조 논문 발췌
출처 : 참조 논문 발췌
9
2023년 5월│Monthly Report
출처 : 참조 논문 발췌
10
2023년 5월│Monthly Report
출처 : 참조 논문 발췌
11
2023년 5월│Monthly Report
출처 : 참조 논문 발췌
12
2023년 5월│Monthly Report
출처 : 참조 논문 발췌
13
2023년 5월│Monthly Report
출처 : 참조 논문 발췌
8) NDT (Normal Distribution Transformation) 알고리즘 : Point cloud 간의 매칭을 통해 변환행렬을 계산하는
알고리즘 중 하나
9) ICP(Iterative Closest Point) 알고리즘 : 한 대상물에 대해 다른 지점에서 스캔된 두 개의 포인트 클라우드가
있을 경우, 이 두 개의 데이터를 퍼즐처럼 합쳐 정합(registration)하는 알고리즘
10) EKF(Extended Kalman Filter) : 비선형 모델을 추정하기 위한 필터
14
2023년 5월│Monthly Report
■ Yun Tang et al. 저자의 논문에 의하면, 현재의 HD map은 두 가지 중요한 제약이
있다고 한다. 공개적으로 사용 가능한 HD map에서 교차점에 대한 정보의
다양성이 부족하며 새로운 HD map을 구축하는데 상당한 비용이 소모된다고
주장한다. 저자는 시나리오 다양성이 보장된 간결한 HD map을 자동으로
생성하는 첫 단계로 FEAT2MAP을 제안한다. FEAT2MAP은 도심 도로의 시나리오
다양성에 영향을 미치는 것을 고려하여 교차점에 중점을 두어 제작한다.
FEAT2MAP은 교차점을 특성화하는 일련의 기능을 정의한다. 그다음 FEAT2MAP은
입력된 HD map 혹은 사용자가 원하는 요구사항을 만족하는 정의 목록을 고정
교차점 기능을 추출하고 샘플링하는 기능을 한다. 각 접합부의 Feature들은
접합을 생성한다. 이를 통해 FEAT2MAP은 교차점을 격자형 레이아웃으로
연결하여 지도를 생성하게 된다.
15
2023년 5월│Monthly Report
출처 : Carla Simulator
16
2023년 5월│Monthly Report
출처 : 참조 논문 발췌
출처 : 참조 논문 발췌
17
2023년 5월│Monthly Report
03 결론
■ 자율주행 상용화와 안전성 검증에 대한 이슈가 부상하고 있는 시점에서 HD
map은 필요한 도로 인프라로 논의되고 있다. 지금까지 보편적인 방법으로
개발됐던 MMS 기반의 방식은 HD map의 최신화와 자동생성 측면에서 여러
가지 문제점이 지적되었다.
■ 기석철 [교수]
- 충북대학교 지능로봇공학과 교수
- 충북대학교 스마트카연구센터장 (‘16.02 ~ 현재)
- 한국자동차공학회 전기전자부문 부회장 (’21.01 ~ 현재)
- 국토교통부 자율주행자동차 사고조사위원회 위원 (‘20.11 ~ 현재)
- 충청북대 도정정책자문단 위원 (’21.11 ~ 현재)
■ 이원종 [연구원]
- 충북대학교 스마트카연구센터 연구원 (‘23.03 ~ 현재)
- 충북대학교 스마트자동차공학 석사 졸업 (‘23.02)
- 충북대학교 전자공학 학사 졸업 (’21.02)
18
2023년 5월│Monthly Report
참고문헌
[2] TomTom. A look inside TomTom’s partnership with HELLA Aglaia for
crowdsourced HD maps.
(https://www.tomtom.com/newsroom/partner-stories/crowdsourced-hd-maps/)
[3] Zhang, Pan, Mingming Zhang, and Jingnan Liu. "Real-time HD map change
detection for crowdsourcing update based on mid-to-high-end sensors."
Sensors 21.7 (2021): 2477.
[5] Kim, Chansoo, et al. "Crowd-sourced mapping of new feature layer for
high-definition map." Sensors 18.12 (2018): 4172.
[6] Xia, Wanru. "High-definition map creation and update for autonomous
driving." (2021).
[7] Elhousni, Mahdi, et al. "Automatic building and labeling of hd maps with
deep learning." Proceedings of the AAAI Conference on Artificial
Intelligence. Vol. 34. No. 08. 2020.
[8] Tang, Yun, et al. "Automatic Map Generation for Autonomous Driving
System Testing." arXiv preprint arXiv:2206.09357 (2022).
19
발 행 일 2023년 5월 31일
발 행 및 편 집 한국인터넷진흥원 개인정보보호본부 이용자보호단 위치정보팀
주 소 전라남도 나주시 진흥길 9 한국인터넷진흥원 Tel 1544.5118
▶ 본지에 실린 내용은 필자의 개인적 견해이므로, 우리 한국인터넷진흥원의 의견과 다를 수 있습니다.
▶ KISA Report의 내용은 무단 전재할 수 없으며, 인용할 경우 그 출처를 반드시 명시하여야 합니다.