[논문 리뷰] Localization of Autonomous Vehicles: Proof of Concept for A Computer Vision Approach

Sara Zahedian, Kaveh Farokhi Sadabadi외 1명|arXiv (Cornell University)|2021. 04. 06.

Robotics and Sensor-Based Localization참고 문헌 26인용 수 5

한 줄 요약

이 논문은 KITTI 데이터셋에서 평균 2미터 정확도를 달성하기 위해 SIFT 기반 이미지 검색과 칼만 필터링을 사용하는 저비용, 카메라 전용 시각적 위치 결정 시스템을 제안한다. 이 방법은 지도된 이미지 데이터베이스와 실시간 처리를 활용하여 GPS나 복잡한 센서 없이 차량의 위치를 추정하며, 도시 환경에서 시각 기반 항법의 가능성을 입증한다.

ABSTRACT

This paper introduces a visual-based localization method for autonomous vehicles (AVs) that operate in the absence of any complicated hardware system but a single camera. Visual localization refers to techniques that aim to find the location of an object based on visual information of its surrounding area. The problem of localization has been of interest for many years. However, visual localization is a relatively new subject in the literature of transportation. Moreover, the inevitable application of this type of localization in the context of autonomous vehicles demands special attention from the transportation community to this problem. This study proposes a two-step localization method that requires a database of geotagged images and a camera mounted on a vehicle that can take pictures while the car is moving. The first step which is image retrieval uses SIFT local feature descriptor to find an initial location for the vehicle using image matching. The next step is to utilize the Kalman filter to estimate a more accurate location for the vehicle as it is moving. All stages of the introduced method are implemented as a complete system using different Python libraries. The proposed system is tested on the KITTI dataset and has shown an average accuracy of 2 meters in finding the final location of the vehicle.

연구 동기 및 목표

• 단일 카메라만을 사용하여 GPS 없이 자율 주행 차량을 위한 위치 결정 시스템을 개발하는 것.
• 고가의 센서나 인프라에 의존하지 않고 도시 환경에서 정확한 차량 위치 결정 문제를 해결하는 것.
• 일반적인 컴퓨터 비전 기법을 활용한 시각 기반 위치 결정의 가능성을 입증하는 것.
• 표준 기준 벤치마크 데이터셋(KITTI)에서 시스템 성능을 검증하는 것.
• 자율 주행 차량 시스템에서 확장 가능하고 저비용의 위치 결정에 대한 개념 증명을 제공하는 것.

제안 방법

• 시스템은 알려진 위치에서 촬영한 지도된 이미지 데이터베이스를 기준 지도로 사용한다.
• 첫 번째 단계에서 카메라의 실시간 이미지에서 SIFT(Scale-Invariant Feature Transform) 기술자를 추출하고, 지도된 이미지 데이터베이스와 매칭하여 후보 위치를 검색한다.
• 데이터베이스에서 상위-m개의 매칭 이미지 기반으로 초기 차량 위치를 추정한다.
• 칼만 필터를 적용하여 순차적인 이미지 기반 위치 예측과 운동 모델을 융합하여 위치 추정을 정밀하게 보정한다.
• 전체 파이프라인은 OpenCV를 포함한 표준 컴퓨터 비전 라이브러리를 사용하여 파이썬으로 구현된다.
• 시스템은 실시간으로 이미지를 처리하며, 새로운 프레임이 캡처될 때마다 차량의 추정 위치를 업데이트한다.

실험 결과

연구 질문

• RQ1 단일 카메라가 도시 환경에서 자율 주행 차량에 충분히 정확한 위치 결정을 제공할 수 있는가?
• RQ2 지역 지도된 이미지 데이터베이스에서 정확한 지리적 위치를 식별하는 데 SIFT 기반 이미지 검색이 얼마나 효과적인가?
• RQ3 시각 매칭과 결합했을 때 칼만 필터링이 위치 결정 정확도를 얼마나 향상시키는가?
• RQ4 GPS나 라이다 없이 오직 시각 데이터만을 사용할 경우 어떤 정도의 위치 결정 정확도를 달성할 수 있는가?
• RQ5 저비용, 카메라 전용 시스템이 실세계 자율 주행 차량의 위치 결정에 실현 가능한가?

주요 결과

• 제안된 시스템은 단일 카메라와 지도된 이미지 참조만을 사용하여 KITTI 데이터셋에서 평균 2미터의 정확도를 달성한다.
• SIFT 기반 이미지 검색은 높은 정밀도로 후보 위치를 식별하여 신뢰할 수 있는 초도 추정을 제공한다.
• 칼만 필터의 통합은 위치 이격을 크게 줄이고 시간이 지남에 따라 추정 안정성을 향상시킨다.
• 시스템은 KITTI 벤치마크의 다양한 도시 주행 시나리오에서 뛰어난 성능을 보였다.
• 결과적으로 단일 카메라를 사용한 시각 기반 위치 결정이 실용적인 자율 주행 차량 항법에 가능하고 충분히 정확하다는 것이 확인되었다.
• 이 방법은 계산적으로 효율적이며 표준 오픈소스 라이브러리만으로도 완전히 구현 가능하여 실시간 배포를 지원한다.