1) 자율주행 인식 결과에 대한 시뮬레이터 데이터 확보 - Matlab 기반의 인식 결과에 대한 모델링을 진행하여, 실제 차량 데이터 적용 이전에 이론적인 연구를 선행하고 기초 적응형 필터 알고리즘에 대한 성능 검증을 진행한다. 복수의 차량이 하나의 scene에서 환경 정보를 인식하는 상황을 가정하여 조금씩 각기 다른 인식 결과를 갖도록 설계한다. 이 때 차량마다 각기 다른 주변 차량 정보를 인식하게 하기 위해서 gaussian noise, impulsive noise 등의 잡음을 포함하도록 설계하여 실제 상황과 비슷한 인식 결과 상황을 도출한다. 2) Time-varying 시스템 정의 및 모델링 - 기존의 time-varying 시스템 연구는 주변 환경 물체 정보의 위치 정보를 처리하기에는 dimension이 맞지 않는 문제가 있다. 따라서, 자율주행 차량의 경우에 주변 환경 정보들에 대한 위치 정보를 대응할 수 있는 2차원 또는 3차원 데이터로의 데이터 dimension 확장이 필요하다. 이러한 데이터 dimension 확장을 통해 새로운 time-varying 시스템을 정의하고 모델링을 진행한다. 3) 선행 연구 결과물 기반 대표 알고리즘 적용 및 필터 성능 개선 - 선행적으로 연구해온 LMS, NLMS, APA, SA, APSA, NSAF, SSAF 알고리즘에 대한 수렴속도 및 정상상태 오차 개선에 관한 결과물을 바탕으로 인식 결과 향상을 위해 새롭게 정의되는 시스템에 적용하여 성능을 검증하고, 성능 개선 전략을 수립한다. 주로 활용해 온 step size, regularization parameter, MSD analysis 방식 등의 기 보유한 이론적 cost 설계 방법론을 통해서 주변 환경 물체 위치 정보의 정확도 향상을 위한 필터 설계를 진행하여 성능을 개선한다. 4) 자율주행 인식 결과 정확도 향상을 위한 새로운 적응형 필터 제안 - 새롭게 정의된 주변 환경 인식 정보에 대한 시스템을 대상으로 다양한 잡음 환경을 가정하여 실험을 진행하고, 이를 극복할 수 있는 강인한 적응형 필터 설계를 제안한다. 또한, 이 과정에서 수렴 속도 및 정상상태 오차 개선을 위한 방법론을 같이 적용하여 인식 결과 정확도 향상에 최적화된 적응형 필터를 설계한다. 5) 실차 데이터 기반의 성능 검증 및 개선 - 최종적으로 실차 데이터 기반의 인식 결과 향상에 대한 성능 검증 및 개선 연구를 진행한다. 공개되어 있는 KITTI Benchmark 데이터 기반으로 실차 데이터 기반의 인식 알고리즘을 구동하여 인식 결과를 취합한다. 실차 기반 인식 결과를 바탕으로 적응형 필터 기반 신호처리 방법론을 적용하여 실제적인 데이터에서 성능이 향상되는지 확인하고, 개선할 점을 찾아 성능 향상 연구를 진행한다.

1) 자율주행 인식 결과에 대한 시뮬레이터 데이터 확보 - Matlab 기반의 인식 결과에 대한 모델링을 진행하여, 실제 차량 데이터 적용 이전에 이론적인 연구를 선행하고 기초 적응형 필터 알고리즘에 대한 성능 검증을 진행한다. 복수의 차량이 하나의 scene에서 환경 정보를 인식하는 상황을 가정하여 조금씩 각기 다른 인식 결과를 갖도록 설계한다. 이 때 차량마다 각기 다른 주변 차량 정보를 인식하게 하기 위해서 gaussian noise, impulsive noise 등의 잡음을 포함하도록 설계하여 실제 상황과 비슷한 인식 결과 상황을 도출한다. 2) Time-varying 시스템 정의 및 모델링 - 기존의 time-varying 시스템 연구는 주변 환경 물체 정보의 위치 정보를 처리하기에는 dimension이 맞지 않는 문제가 있다. 따라서, 자율주행 차량의 경우에 주변 환경 정보들에 대한 위치 정보를 대응할 수 있는 2차원 또는 3차원 데이터로의 데이터 dimension 확장이 필요하다. 이러한 데이터 dimension 확장을 통해 새로운 time-varying 시스템을 정의하고 모델링을 진행한다. 3) 선행 연구 결과물 기반 대표 알고리즘 적용 및 필터 성능 개선 - 선행적으로 연구해온 LMS, NLMS, APA, SA, APSA, NSAF, SSAF 알고리즘에 대한 수렴속도 및 정상상태 오차 개선에 관한 결과물을 바탕으로 인식 결과 향상을 위해 새롭게 정의되는 시스템에 적용하여 성능을 검증하고, 성능 개선 전략을 수립한다. 주로 활용해 온 step size, regularization parameter, MSD analysis 방식 등의 기 보유한 이론적 cost 설계 방법론을 통해서 주변 환경 물체 위치 정보의 정확도 향상을 위한 필터 설계를 진행하여 성능을 개선한다. 4) 자율주행 인식 결과 정확도 향상을 위한 새로운 적응형 필터 제안 - 새롭게 정의된 주변 환경 인식 정보에 대한 시스템을 대상으로 다양한 잡음 환경을 가정하여 실험을 진행하고, 이를 극복할 수 있는 강인한 적응형 필터 설계를 제안한다. 또한, 이 과정에서 수렴 속도 및 정상상태 오차 개선을 위한 방법론을 같이 적용하여 인식 결과 정확도 향상에 최적화된 적응형 필터를 설계한다. 5) 실차 데이터 기반의 성능 검증 및 개선 - 최종적으로 실차 데이터 기반의 인식 결과 향상에 대한 성능 검증 및 개선 연구를 진행한다. 공개되어 있는 KITTI Benchmark 데이터 기반으로 실차 데이터 기반의 인식 알고리즘을 구동하여 인식 결과를 취합한다. 실차 기반 인식 결과를 바탕으로 적응형 필터 기반 신호처리 방법론을 적용하여 실제적인 데이터에서 성능이 향상되는지 확인하고, 개선할 점을 찾아 성능 향상 연구를 진행한다.

-혼합현실 ViLS(혼합현실 ViLS 플랫폼 및 국산 자율주행 시뮬레이션 SW) 통합 성능 개선 및 최적화-제어/HMI 평가 시나리오 개발-자율주행 시스템 평가 DB(평가 시나리오, 평가 데이터) SW 검증-혼합현실 ViLS 및 제어/HMI 시스템 통합 기술 개발-국산 ViLS Component 성능 개선을 위한 레퍼런스 ViLS 시뮬레이션-자율주행 센서 ...

본 과제는 혼합현실(MR) 기반 ViLS(가상-인증-실험 환경)로 자율주행 시스템을 평가·개발하기 위한 표준 요구사양과 연동 방법론을 정리하는 연구임. 글로벌 자율주행 usecase·scenarios 및 해외 ViLS 도구 사례를 조사해 국내 환경에 맞는 평가 DB와 시뮬레이터 연동 구조를 설계함. 연구 목표는 Global 자율주행 평가 DB 시스템 설계, 국산 ViLS Component 호환성 평가를 위한 레퍼런스 ViLS 요구사양 분석, 국산 주행 시뮬레이션 SW와 해외 ViLS 툴체인의 인터페이스 확보, PG기반 VILS 시험안전지원 요구사항 정의임. 핵심 연구 내용은 OpenDRIVE/OpenSCENARIO 등 표준 인터페이스와 OSI Component 작동 조건(Hz·정확도) 정의, SILS 연동 시 하드웨어 성능 수준과 예상 성능 한계 산정, ViLS 테스트용 시나리오 생성 프로그램 개발 및 DB 구축, Open ViLS 사양 설정 및 가상 센서 모델링 모델 개발임. 기대효과는 단위 모듈·기능 구현 대상 명확화로 개발 절차·비용·시간 절감과 국내 주행 환경 적용 범위·성능 예측, 국내외 기술 동향 대응 용이성 확보임.