자율주행을 위한 그래프 기반 조감도 주행 환경 인지 방법 및 그 시스템

TRL 4
2025 등록

차량의 여러 카메라 영상에서 차선·횡단보도·도로 경계 같은 도로 정보를 찾아 점과 선으로 정리하고, 이들 사이의 연결 관계까지 지도처럼 구성하는 기술입니다. 영상 전체를 무겁게 분할하는 대신 필요한 도로 구조를 벡터 형태로 만들어 정밀 지도와의 대조, 차량 위치 추정, 경로 계획에 활용할 수 있는 자율주행 환경 인지 특허입니다.

특허 개요

본 특허는 차량 카메라 영상으로 도로 구조를 찾아 벡터화 HD 맵과 그래프 기반 주행 환경 정보로 변환하는 자율주행 인지 기술입니다. 전방위 카메라 특징을 차량 좌표계의 조감도(BEV) 특징 맵으로 변환한 뒤, 꼭짓점과 엣지 및 거리 변환 맵을 검출합니다. 이후 꼭짓점 위치와 로컬 방향 정보를 결합한 노드 임베딩을 어텐션 기반 GNN으로 연관시키고, 확률적 그래프 인접행렬을 예측해 차선 분리선·횡단보도·도로 경계 등의 폴리라인을 양방향 엣지 그래프로 구성합니다.

  • 핵심 기능

전방위 카메라 이미지에서 추출한 특징을 조감도 공간으로 변환하고, CNN 디코더가 맵 요소의 꼭짓점과 엣지를 검출합니다. 검출된 꼭짓점 위치와 거리 변환 맵 기반 방향 정보를 GNN이 연결 관계로 추론해, 구조화된 폴리라인 형태의 주행 환경 객체를 출력합니다.

  • 차별 강점

기존 세그멘테이션 또는 래스터 BEV 방식은 인지 범위와 맵 크기가 커질수록 데이터·메모리 부담이 커지고, 경로 계획에 필요한 객체 간 구조 관계를 직접 제공하기 어렵습니다. 본 특허는 점·선 기반 벡터와 확률적 그래프 인접행렬로 맵 요소의 기하학, 종류, 개체 구분 및 연결 관계를 함께 표현해 정밀 맵 포맷과의 연계에 적합하도록 구성한 점이 차별점입니다.

  • 활용 범위

기술·연구 측면에서는 레벨 3/4 자율주행, 첨단 운전자 보조 시스템, 카메라 기반 차량 위치 추정, 온라인 HD 맵 감지 및 경로 계획·예측 분야에 활용 가능하며, 카메라 기반 도로 구조 인지가 필요한 연구개발에 적용할 수 있습니다. 사업 측면에서는 자율주행 소프트웨어 스택, HD 맵 생성·갱신 솔루션, 차량 위치 추정 모듈, ADAS용 인지 소프트웨어로 확장할 수 있습니다.

연구 개발 단계

TRL 1
기초 원리
TRL 2
개념 정립
TRL 3
개념 검증
TRL 4
실험실 검증
TRL 5
유사 환경
TRL 6
시제품
TRL 7
실증
TRL 8
인증완료
TRL 9
사업화
TRL4공개 데이터셋 기반 성능 비교와 다양한 주행 환경의 정성 평가로 인지·벡터화 원리가 검증된 단계입니다.
현재 검증 내용

nuScenes 데이터셋에서 InstaGraM 기반 전방위 카메라 주행 환경 인지 및 벡터화 HD 맵 생성 성능을 HDMapNet, VectorMapNet 및 카메라·LiDAR 입력 모델과 비교했습니다. 다양한 날씨와 조도 조건의 정성 결과는 제시됐으나, 양산 차량 장기 운용과 실시간 탑재 환경의 지연·자원 성능은 구체적으로 제시되지 않았습니다.

검증 환경

- 평가 데이터: nuScenes 데이터셋의 보스턴·싱가포르 주행 환경
- 비교 모델: HDMapNet, VectorMapNet 및 카메라·LiDAR 입력 모델

- 주행 조건: 낮·밤·우천을 포함한 다양한 날씨·조도 환경

현재 성과

성능·효과
카메라 입력 주행 환경 인지 정확도 및 처리 속도정확도 36.7%, FPS 20.3

InstaGraM의 카메라 입력 조건에서 주행 환경 객체를 벡터화된 HD 맵 형태로 인지한 성능입니다. 도로 맵 요소의 기하학과 연결 관계를 함께 출력해 맵 매칭, 위치 추정, 경로 계획용 정보로 활용할 수 있습니다.

검증·신뢰
nuScenes 기반 모델 비교 검증정확도 41.7%, FPS 17.6

nuScenes 데이터셋에서 전방위 카메라 기반 인지·벡터화 성능을 기존 HD 맵 감지 방법 및 카메라·LiDAR 입력 모델과 비교했습니다. 보스턴·싱가포르와 낮·밤·우천을 포함한 주행 환경에서 정량 비교와 정성 평가를 수행했습니다.

차별성·독창성
거리 변환 맵과 확률적 그래프 인접행렬 결합

기존 래스터 세그멘테이션 중심 인지와 달리, 꼭짓점·엣지 검출 결과에 거리 변환 패치 기반 로컬 방향 정보를 결합하고 노드 연결 확률을 예측합니다. 이를 통해 맵 요소 폴리라인을 양방향 그래프로 모델링하며, 구조적 관계를 포함한 벡터 표현을 생성하는 점이 차별점입니다.

상용화까지 남은 부분

1

양산 차량 환경에서의 장기 운용 성능과 차량 탑재 시 지연·연산 자원 검증

2

다양한 지역, 도로 유형 및 교통 상황에 대한 성능 재현성과 일반화 검증

3

센서 고장, 극한 악천후 및 저조도 조건에서의 강건성 검증

기술 이전 형태·도입 과정

기술양도
전용실시권
통상실시권
공동 과제 수행
기술지도·자문

도입은 이렇게 진행됩니다.

1

검토 미팅

귀사 상황·데이터 구조 기준으로 적합성을 논의합니다. 자료 검토만으로 끝나도 됩니다.

2

PoC 공동 검증

연구팀 동행 하에 귀사 데이터 기준 재학습·성능을 확인합니다.

3

라이센싱 계약

PoC 결과를 기반으로 희망 형태(실시권·공동연구 등)를 협의합니다.

4

기술지도·후속

도입 초기 기술지도, 필요 시 후속 공동연구·정부과제 연계까지 진행합니다.

특허 정보

발명의 명칭(KR)

자율주행을 위한 그래프 기반 조감도 주행 환경 인지 방법 및 그 시스템

출원번호

10-2024-0043159 (2024.03.29)

등록번호

1028033370000 (2025.04.28)

발명자

금동석 (한국과학기술원), 신주엽 (한국과학기술원)

권리자

한국과학기술원

출원인

한국과학기술원

문의

담당자이준구
이메일jg.lee@rndcircle.io
연락처010-8978-6417