초록
자율주행 차량은 주변 환경을 정확히 인지하기 위해 센서에 크게 의존하고 있으나, 현재 기술 수준에서는 차량이 사용하는 데이터가 자신의 센서로부터 수집된 정보에 국한되어 있다. 차량 간 및/또는 엣지 서버 간의 데이터 공유는 가용한 네트워크 대역폭과 자율주행 응용 프로그램의 엄격한 실시간 제약 조건으로 인해 제한적이다. 이러한 문제를 해결하기 위해, 연결형 자율주행 차량이 더 높은 객체 탐지 정밀도를 달성할 수 있도록 포인트 클라우드 특징 기반의 공동 인지 프레임워크(F-Cooper)를 제안한다. 특징 기반 데이터는 학습 과정에 충분할 뿐만 아니라, 특징 자체의 고유한 소형 특성을 활용하여 네트워크 과부하의 위험 없이 실시간 엣지 컴퓨팅을 구현할 수 있다. 실험 결과, 특징을 융합함으로써 20미터 이내의 탐지 정밀도에서 약 10% 향상되고, 거리가 더 먼 영역에서는 약 30% 향상되는 효과를 확인하였으며, 통신 지연이 낮아져 특정 특징 선택 시 71밀리초 이내의 빠른 엣지 컴퓨팅이 가능함을 입증하였다. 본 연구를 통해, 연결형 자율주행 차량에 특징 수준의 데이터 융합을 도입하여 객체 탐지 성능을 향상시키고, 차량 간 데이터에 대한 실시간 엣지 컴퓨팅의 가능성을 처음으로 제시한 것으로, 현재까지의 연구에서 가장 앞선 기여라고 할 수 있다.