전체 2건
뉴스 리스트
게시판 리스트 컨텐츠
2019-10 28

[학술][이달의 연구자] 박준영 교수, 단순 자율주행 너머 ‘안전’ 자율주행에 힘쓰다

바야흐로 4차 산업 혁명 시대다. 많은 사람들이 자율 주행에 관심을 두고 있다. 자율 주행이 수면 위로 떠오르자 안전을 고민하는 사람이 있다. 박준영 ERICA캠퍼스 교통물류공학과 교수는 커넥티드 환경(모바일 기기, 가전 제품 등 여러 디바이스가 연결돼 상호 작용하는 IoT 환경)에서 운전자가 안전하게 자율 주행을 할 수 있도록 운전 보조 시스템을 디자인했다. ▲박준영 ERICA캠퍼스 교통물류공학과 교수가 커넥티드 환경(모바일 기기, 가전 제품 등 여러 디바이스가 연결돼 상호 작용하는 IoT 환경)에서 차내 운전자 보조 및 안전정보 제공 개선을 위한 시스템을 설명하고 있다. 안전한 자율 주행의 상용화를 위해선 자율 주행 자체뿐만 아니라 차량과 차량, 차량과 차량 주변의 인프라 관계 구축이 잘 돼야 한다. 본인 차량 주변 차나 신호등 같은 교통 장치와도 소통을 해야 한다. 박 교수는 “본인 차량과 근처 차량 혹은 주변 인프라와 정보를 교환해야 정보망을 통한 차량 정보 보조가 가능하다”고 말했다. 안전한 자율 주행의 첫 단계는 각 차량에 칩셋(시스템 전체를 하드웨어적으로 컨트롤하는 장치)을 삽입해 차와 차 사이의 정보 교환이 가능한 환경을 만드는 것이다. 운전자 차량 앞쪽 유리창을 디스플레이 화면(헤더 디스플레이)으로 삼아 실시간으로 각종 정보들을 표출한다. 이때 주변 차의 현 정보(속력, 내 차와 주변 차 사이의 거리 등)를 도형과 색상을 통해 쉽게 알 수 있다. 예를 들어 헤더 디스플레이의 바 개수 감소는 내 차와 주변 차와의 거리가 가까워지고 있음을 의미한다. ▲앞차와의 거리와 속력 등을 수치와 바(막대기)를 통해 알 수 있다. (박준영 교수 제공) 박 교수가 유독 안전한 자율 주행을 위한 연구에 집중한 이유가 있다. 바로 ‘안개’때문이다. 그가 처음 연구를 시작했던 미국 플로리다주는 지리적 특성상 안개가 잘 끼는 지역이라 교통사고가 자주 발생한다. 특히 자율 주행은 기상이 악화될수록 기능이 떨어진다. 박 교수는 악조건의 기상 상황에서도 안전하게 자율 주행할 수 있는 방법을 고민했다. 결국 자율 주행 시 근처 차량의 패턴과 주변 정보 등을 교환해야 안전한 주행이 가능함을 깨닫고 연구를 시작했다. 연구 과정이 순탄치만은 않았다. 박 교수는 “시스템 개발 후 프로그램 시뮬레이션을 진행할 대상이 필요했다”며 “연령, 성비와 운전 경력 등을 고려해 다양한 사람들을 섭외하는 것이 쉽지 않았다”고 전했다. 또 관련 자료가 워낙 방대해 데이터 수집에도 어려움을 겪었다. 그럼에도 박 교수는 여러 난관을 극복한 끝에 안전한 자율 주행을 현실로 만들 운전 보조 시스템을 개발했다. ▲박준영 교수는 "미래 자율 주행의 키워드는 ‘안전’"이라고 말했다. 박 교수는 안전한 자율 주행 환경을 조성해 걱정 없는 자율 주행 시대를 앞당기고 있다. 박 교수는 “안전을 빼놓고는 교통을 말할 수 없다”며 “자율 주행의 기술적인 발전도 좋지만 그전에 안전이라는 전제가 꼭 있어야 한다”고 ‘안전’한 자율 주행을 강조했다. 글/ 정연 기자 cky6279@hanyang.ac.kr 사진/ 이현선 기자 qserakr@hanyang.ac.kr

2019-09 09

[학술][우수 R&D] 임종우 교수, 알고리즘과 딥러닝 방식을 융합해 컴퓨터 비전 향상 (1)

컴퓨터 비전이란 동영상과 이미지에서 필요한 정보를 뽑아내는 것을 의미한다. 이 분야에는 전통적 알고리즘 방식과 딥러닝을 이용하는 방식이 있다. 임종우 서울캠퍼스 컴퓨터소프트웨어학과 교수는 이 두 가지를 융합해 상호 보완하는 시도를 하고 있다. ‘비전 모델 기반 공간 상황 인지 원천기술 연구’의 책임을 맡은 임 교수의 이야기를 들어본다. 컴퓨터 비전: 알고리즘 방식과 딥러닝 방식 알고리즘 방식의 컴퓨터 비전은 40~50년간 발전해온 전통적 연구법이다. 알고리즘은 카메라를 통해 자동차가 얼마나 빨리 주행하는지 등 정확한 수치적 상황 인식에서 주로 쓰인다. 딥러닝도 연구된 역사가 길지만 비교적 최근에 활발히 이용되고 있다. 딥러닝은 얼굴 표정에서 사람의 감정을 인지하는 등 의미론적 정보 해석에 활용된다. 임 교수는 두 분야를 별개로 보지 않고 합칠 방안을 연구했다. ▲ 딥러닝 방식을 이용하면 이미지로 받아들인 주변의 공간을 3차원 정보로 복원할 수 있다. 입력 영상과 추정된 거리정보(왼쪽)와 3차원 복원 결과 (임종우 교수 제공) 자율주행 자동차의 컴퓨터 비전 임 교수의 이번 연구는 자율주행 자동차와 CCTV 등에 활용될 컴퓨터 비전이 주를 이뤘다. 임 교수는 이해를 돕기 위해 자율주행 자동차를 예시로 들어 연구를 설명했다. 자율주행을 위해서는 카메라로 들어오는 정보들을 인지하고 해석할 기술이 필요하다. 주행 시 앞차와의 거리를 즉각적으로 정보화해야 한다. 알고리즘 방식은 이에 특화돼 있다. 차가 주행하는 동안 다양하게 변하는 주위 공간을 3차원으로 인식하는 것도 핵심기술 중 하나다. 딥러닝 방식은 이를 보다 효율적으로 처리할 수 있다. 알고리즘과 딥러닝 둘 중 하나만 채택해서는 자율주행을 완성할 수 없다. 도로 상황은 카메라를 통해 인식하기 때문에 순간적으로 물체가 다른 물체에 겹쳐 가려지거나 큰 조도(조명 받는 면의 밝기 척도) 변화가 생길 때 위험할 수 있다. 이 경우 전통적 방식의 알고리즘에 문제가 생긴다. 임 교수는 딥러닝으로 이 문제를 해결했다. 임 교수의 기법은 물체를 추적하고 외형의 정보를 학습, 변형될 모습을 미리 예상해 사물의 판독을 가능케 한다. ▲ 알고리즘 방식은 물체의 속도와 거리를 측정하는 데 유리하다. 딥러닝 방식은 운동하고 있는 물체와 정지한 물체를 분류하는 등 의미론적 분석에 용이하다. 사진에서 운동물체는 표시되고, 정지물체는 표시되지 않는다. (임 교수 제공) 알고리즘과 딥러닝 방식을 융합하는 방법 딥러닝 방식은 처리 결과가 시각적 이미지가 아닌 ‘정보(data)’가 된다. 시각 자료를 큰 범주들로 분류해 물체의 특징을 기술한 정보로 내보낸다. 알고리즘 방식의 처리 결과는 픽셀로 표현된 이미지로 남는다. 알고리즘 방식으로 얻어낸 픽셀 이미지를 딥러닝의 결과 정보와 매칭하는 것이 임 교수가 두 분야를 융합하는 방식이다. 그는 “물체 추적 영역에서는 많은 사람이 이미 알고리즘과 딥러닝을 혼합해 사용하고 있다”고 밝혔다. ▲ 임종우 교수는 “컴퓨터가 사람처럼 시각 정보를 인식한다는 것 자체가 쉽지 않다”며 "여전히 기술적 시도를 하고 있다"고 전했다. 2부 연구를 향해 ‘비전 모델 기반 공간 상황 인지 원천기술 연구’는 2017년 9월부터 2년간 진행됐다. 이번 연구는 ‘인간 수준의 종합적 비디오 이해를 통한 상황인지 및 예측’ 연구의 1부다. 1부 연구를 통해 임 교수와 연구진들은 목표한 기능 개발을 실현했으며 여러 논문을 작성했다. 임 교수는 “컴퓨터가 사람처럼 시각 정보를 인식한다는 것 자체가 쉽지 않다”며 "여전히 기술적 시도를 하고 있다"고 전했다. 임 교수는 2부 연구에서도 연구책임자를 맡으며 ‘딥러닝 기반 의미론적 상황 이해 원천기술 연구’를 수행할 예정이다. 글/ 김현섭 기자 swiken1@hanyang.ac.kr 사진/ 김현수 기자 soosoupkimmy@hanyang.ac.kr