V2X 차량 측위 및 트랜스포머 기반 객체 추적 연구

V2X-Based Vehicle Localization and Transformer-Kalman Object Tracking

연구 내용

V2X 모듈의 ToF 데이터와 삼변측량을 보정하는 인공신경망 차량 측위 및 트랜스포머 특징과 칼만 필터로 연속 프레임 객체를 추적하는 연구

차량 환경에서 복수 V2X 모듈이 획득한 ToF/거리 데이터를 사전 학습된 인공신경망으로 보정하여 삼변측량 기반 차량 측위의 오차를 줄이는 접근을 포함합니다. 또한 연속 프레임의 포인트 클라우드 데이터를 업샘플링하고 트랜스포머 모델로 피쳐를 추출한 뒤, 칼만 필터를 적용해 다음 프레임에서의 객체 상태를 갱신하는 추적 방법을 제안합니다. 두 기술은 거리·형상 데이터의 변동을 모델 기반 보정과 추정 갱신으로 다루어 실시간 인식·추적 성능을 목표로 합니다.

관련 프로젝트

0건

연구 흐름

먼저 V2X 거리 측정의 불확실성을 인공신경망 보정 단계로 흡수하고, 보정된 거리 값 중 선택적 데이터 구성을 통해 차량 측위를 결정하는 구조를 정리했습니다. 이후 3차원 연속 관측에서는 포인트 클라우드를 강화한 뒤 트랜스포머 기반 피쳐 추출을 수행하고, 칼만 필터로 시간적 연속성을 유지하며 추적 결과를 갱신하는 흐름으로 확장했습니다. 현재는 측위와 추적을 객체 수준 상태 추정으로 연결하기 위한 통합 적용 가능성을 검토하는 방향으로 연구를 수행합니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

V2X 기반 차량 위치 추정
ToF 거리 보정 모듈
삼변측량 기반 측위 고도화
포인트 클라우드 객체 추적
Transformer 기반 피쳐 추출
Kalman 필터 상태 갱신
다중 센서 시간 동기 지원
저품질 측정 상황의 강건 추정
자율주행 객체 상태 추정
시뮬레이션-실환경 전환 검증