IRCV Lab
미래자동차공학과 황순민
IRCV Lab은 한양대학교 미래자동차공학과에 소속된 연구실로, 자율주행 및 지능형 모빌리티 분야의 첨단 인공지능 기술 개발에 주력하고 있습니다. 본 연구실은 컴퓨터비전, 딥러닝, 센서 융합, 데이터 중심 AI 등 다양한 첨단 기술을 융합하여, 실제 도로 환경에서 안전하고 효율적으로 동작하는 자율주행 시스템을 구현하는 것을 목표로 하고 있습니다.
연구실의 주요 연구 분야는 자율주행 차량의 인지 시스템, 적응형 센서 융합, 3D 장면 이해, 객체 검출, 의미 분할, 궤적 예측 등으로, RGB 카메라, 열화상 카메라, LiDAR, 레이더 등 다양한 센서 데이터를 통합적으로 활용하고 있습니다. 또한, 데이터셋 증류, 파라미터화, 의사 레이블링, 데이터 증강 등 데이터 중심 AI 기법을 통해 인공지능 모델의 신뢰성과 일반화 성능을 극대화하는 연구를 선도하고 있습니다.
IRCV Lab은 실제 차량 및 모빌리티 플랫폼에 적용 가능한 실시간 인지 및 제어 기술 개발에 집중하고 있으며, 국내외 산학협력 프로젝트, 정부 과제, 산업체와의 공동 연구 등을 통해 기술의 현장 적용성과 실효성을 지속적으로 검증하고 있습니다. 또한, 센서 고장이나 악천후 등 다양한 예외 상황에서도 안정적으로 동작할 수 있는 강인한 인지 및 융합 프레임워크를 개발하여, 자율주행 시스템의 안전성을 한층 강화하고 있습니다.
연구실은 국내외 주요 학회 및 저널에 다수의 논문을 발표하고, 특허 출원 및 수상 경력을 통해 연구 역량을 인정받고 있습니다. Waymo Open Dataset Challenge, 삼성휴먼테크 논문대상, Nvidia Deep Learning Contest 등 다양한 국제 대회 및 산학협력 프로젝트에서 우수한 성과를 거두고 있으며, 미래형 모빌리티와 스마트 시티, 로봇 등 다양한 응용 분야로 연구를 확장하고 있습니다.
앞으로도 IRCV Lab은 데이터 중심 인공지능, 신경망 기반 센서 융합, 실시간 인지 및 제어 기술 등 자율주행 및 지능형 모빌리티 분야의 혁신을 이끌며, 안전하고 신뢰성 높은 미래 교통 시스템 구현에 기여할 것입니다.
Depth Estimation
Computer Vision
Sensor Fusion
자율주행을 위한 지능형 인지 및 센서 융합
IRCV Lab은 자율주행 시스템의 핵심인 인지 기술과 센서 융합에 대한 첨단 연구를 수행하고 있습니다. 자율주행 차량이 실제 환경에서 안전하고 효율적으로 주행하기 위해서는 주변 환경을 정확하게 인식하고, 다양한 센서로부터 수집된 정보를 효과적으로 결합하는 것이 필수적입니다. 본 연구실은 RGB 카메라, 열화상 카메라, LiDAR, 레이더 등 다양한 센서 데이터를 융합하여 객체 검출, 3D 장면 이해, 심도 추정, 의미 분할 등 복합적인 인지 문제를 해결하는 데 집중하고 있습니다.
특히, 적응형 센서 융합 기법을 통해 각 센서의 신뢰도와 환경 조건에 따라 융합 전략을 동적으로 조정함으로써, 악천후, 야간, 센서 고장 등 다양한 상황에서도 높은 신뢰도의 인지 성능을 유지할 수 있도록 연구하고 있습니다. 이러한 기술은 실제 도로 환경에서 발생할 수 있는 예외적 상황이나 센서의 일시적 오류에도 자율주행 시스템이 안전하게 동작할 수 있도록 하는 데 중요한 역할을 합니다.
IRCV Lab의 연구는 실시간 처리와 확장성, 그리고 실제 차량 적용을 고려한 실용적 접근을 바탕으로 하며, 다양한 국내외 프로젝트와 산업 협력을 통해 기술의 현장 적용 가능성을 지속적으로 검증하고 있습니다. 이를 통해 자율주행 분야에서의 인지 및 센서 융합 기술의 새로운 패러다임을 제시하고 있습니다.
데이터 중심 인공지능 및 신뢰성 향상을 위한 학습 프레임워크
IRCV Lab은 데이터 중심 인공지능(Data-centric AI) 접근법을 통해 자율주행 인지 시스템의 신뢰성과 일반화 성능을 극대화하는 연구를 선도하고 있습니다. 기존의 모델 중심 AI에서 벗어나, 데이터의 품질과 다양성, 레이블링 효율성, 희귀 상황 시뮬레이션 등 데이터 자체의 중요성을 강조하며, 데이터셋 증류, 파라미터화, 자동 레이블링, 데이터 증강 등 다양한 기법을 개발하고 있습니다.
특히, 다중 데이터셋 통합 시 발생하는 클래스 불일치 및 불균형 문제를 해결하기 위해 의사 레이블링 기반의 접근법을 도입하여, 다양한 공개 데이터셋을 효과적으로 통합하고, 드문 클래스에 대한 일반화 성능을 높이고 있습니다. 또한, 실제 도로 환경에서 발생할 수 있는 안전 관련 극한 상황을 데이터 기반으로 탐색하고, 분포 변화에 강인한 예측 모델을 개발함으로써 자율주행 시스템의 안전성과 신뢰성을 한층 강화하고 있습니다.
이러한 데이터 중심 전략은 자율주행뿐만 아니라, 다양한 지능형 모빌리티 및 로봇 시스템에도 적용 가능하며, 실험적 검증과 실제 산업 현장 적용을 통해 그 효과를 입증하고 있습니다. IRCV Lab은 앞으로도 데이터 중심 AI의 새로운 가능성을 탐구하며, 신뢰성 높은 인공지능 기반 자율주행 기술의 발전을 이끌어 나갈 것입니다.
도시 환경 내 자율주행을 위한 객체 검출 및 3D 장면 이해
도시 환경에서의 자율주행은 복잡한 도로 구조, 다양한 교통 주체, 예측 불가능한 상황 등으로 인해 매우 높은 수준의 인지 및 판단 능력을 요구합니다. IRCV Lab은 객체 검출, 의미 분할, 3D 장면 이해, 궤적 예측 등 도시 환경 내 자율주행을 위한 핵심 컴퓨터비전 및 딥러닝 기술을 집중적으로 연구하고 있습니다.
특히, 카메라와 LiDAR, 열화상 센서 등 다양한 센서 데이터를 활용하여, 낮과 밤, 악천후 등 다양한 조건에서 보행자, 차량, 장애물 등 주요 객체를 정확하게 검출하고, 3차원 공간에서의 위치와 움직임을 정밀하게 파악하는 기술을 개발하고 있습니다. 또한, 실시간으로 주변 환경을 고해상도로 재구성하고, 복잡한 교차로나 도심 환경에서도 안전한 주행 경로를 계획할 수 있도록 지원하는 인지-계획 통합 프레임워크를 구축하고 있습니다.
이러한 연구는 실제 자율주행 차량의 도심 주행, 무인 배송 모빌리티, 스마트 시티 인프라와의 연계 등 다양한 응용 분야에서 활용되고 있으며, 국내외 학회 및 산업체와의 협력을 통해 기술의 실효성과 확장성을 지속적으로 검증하고 있습니다.
1
MOSAIC: Generating Consistent, Privacy-Preserving Scenes from Multiple Depth Views in Multi-Room Environments
Zhixuan Liu*, Haokun Zhu, Rui Chen, Jonathan Francis, Soonmin Hwang, Ji Zhang, Jean Oh
, 2025
2
RoCaRS: Robust Camera-Radar BEV Segmentation for Sensor Failure Scenarios
Byounghun Park*, Jeongtae Kim, Yongjae Cho, Soonmin Hwang†
, 2025
3
Boosting Cross-spectral Unsupervised Domain Adaptation for Thermal Semantic Segmentation
SeokJun Kwon*, Jeongmin Shin, Namil Kim, Soonmin Hwang, Yukyung Choi†
, 2025
1
국산 AI 반도체 활용 전방 충돌 방지 시스템 응용 실증
2
Development of Hyper-safe Driving Platform based on Cooperative Domain Controller (KEIT)
3
Development of 4 Wheel Steer by Wire System based on redundancy design (KEIT)
