최근 자율주행에 대한 관심이 증가함에 따라, 차량에서 교통 표지판을 탐지하고 분류하기 위한 다양한 센서가 개발되었다. 그러나 센서의 오작동으로 인해 도로 교통 시설이 인식되지 않는 경우, 모바일 매핑 시스템(Mobile Mapping Systems, MMSs)이 수집한 포인트 클라우드 데이터와 영상이 활용되어 도로 교통 시설 정보를 포함하는 고해상도 지도(high-definition map)를 구축한다. 하지만 고해상도 지도 구축의 대상인 교통 표지판을 포인트 클라우드 데이터를 이용해 구성하는 경우, 표지판이 고반사성을 띠기 때문에 교통 표지판을 탐지하고 분류하기가 어렵다. 본 연구에서는 MMSs로부터 획득한 영상 데이터에 기반하여 Mask Regions with Convolutional Neuron Network(Mask R-CNN)와 Inception-v3 모델을 결합함으로써 교통 표지판을 탐지하고 세분 분류하였다. 다양한 유형의 MMS에서 얻은 영상 데이터를 사용해 교통 표지판을 탐지하였고, 분류 결과를 검증하였다. 교통 표지판 탐지 정확도는 87.6%, 분류 정확도는 77.5%로 나타났으며, 따라서 본 연구에서 제안한 방법은 고해상도 지도를 위한 교통 표지판을 자동으로 구축하는 데 활용될 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.