본 기술이전 대상인 “인프라 3D 객체 데이터 셋 자동생성 SW”는 자율주행차량과 인프라 협력 주행을 위한 인프라 엣지 시스템에서의 3D 객체 검출 인공지능 모델을 학습하기 위한 학습 데이터 셋을 자동으로 생성하는 SW이다. 이를 활용하여 인프라 협력 자율주행 시스템 개발 및 서비스에 활용할 수 있다.
- 본 기술이전의 목적은 자동차/자동차 부품 또는 모빌리티 서비스에서 운전자 보조 시스템 또는 자율주행 시스템 개발을 위해 필요한 인프라 협력 기반 자율주행 기술을 제공하는데 목적이 있음
- 기술이전 대상 기술이 활용될 수 있는 자율주행 기술은 레벨이 4단계 및 5단계로 높아질 수록 기술 실현에 가장 큰 영향을 미치는 단독 자율주행 차량의 한계 극복을 위한 인프라 실시간 연계 협력 주행에 필요한 기술이며, 특히 자율차 음영구간의 안전성을 확보하기 위한 핵심 기술임
<특징>
본 프로그램은 인프라 3D 객체 데이터셋 자동 생성 시스템이다. 라이다 포인트 클라우드 데이터를 기반으로 차량, 보행자, 자전거 이용자 등 다양한 객체의 위치, 크기, 방향 정보를 추정하고 이를 저장한다. 이 기술은 도로 인프라에서 수집한 센서 데이터를 활용하여 학습용 데이터셋을 자동으로 구축함으로써, 인공지능 모델 개발에 필요한 비용과 시간을 효과적으로 절감할 수 있다.
<장점>
본 프로그램은 라이다 포인트 클라우드로부터 인프라 기반 3D 객체 검출 데이터셋을 자동으로 생성하는 기능을 포함한다. 먼저, 인프라에서 수집한 라이다 포인트 클라우드 데이터를 전처리(Voxelization) 과정을 통해 균질한 형태로 변환한다. 전처리 결과는 딥러닝 모델의 입력으로 사용된다. 딥러닝 모델은 객체의 위치, 크기, 방향 및 신뢰도 값을 출력하며, 이후 Non-Maximum Suppression(NMS) 기법을 적용하여 중복된 검출 결과를 제거한다. 최종적으로 선택된 객체 검출 결과는 텍스트 파일 형식으로 저장되어 데이터셋 구축에 활용된다.
■ 인프라 3D 객체 데이터 셋 자동생성 SW
- 3만 프레임 이상 규모의 자체 구축 데이터를 활용해 3D 객체 검출 학습 모델 (눈?비등 악천후 환경 데이터 포함)
- 다양한 라이다 센서에서 검증 완료 (HESAI 5종, Velodyne 1종, Ouster 1종, VanJee 1종 등)
- 프레임 별 3D 객체 검출 결과를 텍스트 파일 형식으로 자동 저장 가능
- 사전 학습 데이터 셋 분포: Vehicle 694,169, Pedestrian 274,963, Cyclelist 22,089
- 정확도: Vehicle 0.8058 AP/L1, Pedestrian 0.5896 AP/L1, Cyclelist0.5675 AP/L1
- 인프라 3D 객체검출 학습 딥러닝 모델 및 SW 소스
- 인프라 3D 객체검출 딥러닝 모델 설정파일
- 인프라 3D 객체검출 시각화 툴
- 기술문서 (시험절차서, 결과서, 기술설명서)
- 음영구간이 많은 도심환경 자율주행, 농어촌 교통소외지역 자율주행 사업화를 위한 인프라 협력 자율주행 기술 개발에 활용될 수 있음
- 완전자율주행(레벨4,5)의 기술 실현을 위해 인공지능이 가장 중요한 역할을 수행하며, 본 기술을 적용할 경우 기술의 수준 및 완성도가 높아 자율주행 관련 서비스에 다양하게 적용 가능
- 또한 공공목적의 자율주행 셔틀 서비스, 향 후 민간 모빌리티 서비스에 본 기술을 적용함으로써 교통사고로 유발되는 사회?경제적 비용을 절감하는데 효과가 있음