국내 연구진이 세계 최초로 악천후 상황에서 안정적인 자율주행을 가능하게 하는 4D 레이더(Radar)의 주변 객체 인지 인공지능 기술을 개발했다.

KAIST 조천식모빌리티대학원 공승현 교수 연구팀은 구축된 인공지능 학습 데이터셋(Dataset)인 KAIST-레이더(이하 K-레이더)와 개발된 인공지능 신경망(RTN4D) 그리고 전 세계 연구자를 위한 4D 레이더 인공지능 개발 플랫폼(Platform)과 관련 벤치마크(Benchmark)를 모두 공개한다. 

현재 전 세계적으로 개발되는 자율주행 자동차는 카메라와 라이다(LiDAR)를 사용해 자동차 주변의 객체들을 인식한다. 

카메라와 라이다는 각각 가시광선과 적외선을 사용하므로 눈비 또는 안개 상황에서 측정 성능이 크게 떨어져 주변 객체들에 대한 인식이 어려워 안전한 자율주행이 불가능하다. 특히 자동차의 지붕에 설치하는 라이다는 외부 환경에 노출돼 있어서 표면에 눈비 또는 흙먼지가 묻는 경우 전방 탐지가 어렵다.

적외선을 사용하는 라이다와는 달리 77기가헤르츠(GHz) 대역의 자동차 레이더는 눈, 비, 안개 등의 악천후 상황에 매우 강건하며 표면에 눈비나 흙먼지가 묻은 상황에서도 안정적인 측정 결과를 얻을 수 있다. 

최근 상용화 되고 있는 고해상도의 4D 레이더(대상까지의 거리, 방위각, 높이, 도플러 주파수를 측정)에 인공지능을 이용한 주변 인지 기술 연구가 시작되고 있지만, 고성능 인공지능 개발에 필수적인 충분한 데이터셋이 구축되지 못해 4D 레이더에 필요한 인공지능 연구는 매우 더디게 진행되고 있다. 

작년부터 4D 레이더의 포인트 클라우드 데이터셋이 일부 공개됐으나, 적은 데이터의 양과 희소한 측정치로 신뢰할 만한 객체 인식 인공지능 신경망 개발이 쉽지 않았다.

연구팀이 공개하는 K-레이더는 정확히 동기된 카메라와 라이다 측정 데이터와 함께 구축된 13테라바이트(TB)에 이르는 대용량으로, 악천후를 포함한 다양한 날씨와 교통 상황에서 수집된 다양성 높은 세계 최초의 4D 레이더 데이터셋이다.

특히 인공지능 신경망의 성능을 극대화할 수 있는 텐서(Tensor) 형태의 데이터셋으로, 이는 일반적인 레이더의 잡음 제거 방식을 사용하지 않아 잡음 수준의 미약한 미세 측정치를 담고 있다.

K-레이더로 수많은 학습을 진행해 4D 레이더 인공지능 신경망(RTN4D)도 개발했다. 다양한 날씨와 도로 상황에서 70m 이내의 객체에 대해 객체 판별, 위치 추정과 주행 방향 추정의 3가지 추정을 정확히 수행하는 경우가 62.5%로 세계 최고의 성능을 가진다. 

공 교수는 “자율주행차용 카메라의 경우 이미 데이터셋이 방대하다”라며 “이번 4D 레이더용 데이터셋 공개를 통해 관련 생태계 조성을 도울 수 있을 것으로 기대한다”라고 전했다

한편 K-레이더, 4D 레이더 인공지능 신경망(RTN4D), 4D 레이더 인공지능 개발 플랫폼과 벤치마크는 연구실 홈페이지(http://ave.kaist.ac.kr/)와 깃허브(https://github.com/kaist-avelab/K-Radar)를 통해 배포 예정이다.