자율주행을 위한 벡터화 고정밀 지도와 이미지를 이용한 다중 모드 장소 인식 방법 및 그 시스템

TRL 4
2025 등록

이 특허는 차량 카메라가 보는 주변 모습과 도로·차선의 구조를 담은 정밀 지도를 함께 비교해, 차량이 현재 어느 장소에 있는지 찾는 기술입니다. 이미지가 헷갈릴 수 있는 공사 구간이나 반복적인 도로 환경에서도 지도 정보를 보완적으로 활용해 위치 인식의 정확도와 안정성을 높이는 특허입니다.

특허 개요

본 특허는 차량의 카메라 영상과 도로 구조 정보를 함께 활용하는 다중 모드 장소 인식 기술입니다. 서라운드 뷰 이미지에서는 시각적 전역 특징을 추출하고, 폴리라인 도로 표시를 그래프로 표현한 벡터화 고정밀 지도(HD map)에서는 계층적 그래프 신경망(GNN)으로 기하·구조 특징을 추출합니다. 두 특징은 인스턴스·레이어별 이중 정규화 후 셀프 어텐션 및 트랜스포머 인코더 기반 융합 네트워크에서 결합되어 현재 장소와 유사한 위치를 식별합니다.

  • 핵심 기능

카메라 이미지 특징 추출기와 벡터화 지역 지도 특징 추출기가 각각의 전역 특징을 병렬로 생성합니다. 이후 융합 특징 추출기가 두 특징의 표현 차이를 정규화하고 셀프 어텐션 기반으로 결합해 장소 인식 결과를 산출합니다.

  • 차별 강점

기존 이미지 기반 장소 인식은 동적 객체, 공사 현장 변화, 반복적인 건물·가로등 외관에 영향을 받을 수 있고 기하 정보를 직접 활용하기 어렵습니다. 본 기술은 래스터화 지도 대신 폴리라인 그래프 기반 벡터화 HD 지도의 구조적 단서를 결합해 이미지 단독 방식의 한계를 보완하며, 지도·이미지·융합 모듈을 분리해 기존 이미지 기반 방법론과의 결합 가능성을 제공합니다.

  • 활용 범위

기술·연구 측면에서는 자율주행차의 초기 위치 추정·위치 재추정, GNSS 취약 도심 환경의 차량 위치 인식, 자율주행 로봇의 장소 인식 및 루프 감지에 활용 가능하며, 온라인 고정밀 지도 구축과 연계한 위치 인식으로 확장할 수 있습니다. 사업 측면에서는 자율주행 소프트웨어, 첨단 운전자 보조 시스템, 로봇 배송·물류 플랫폼, 정밀 지도 기반 모빌리티 서비스에 적용할 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 기반의 장소 인식 평가와 지도 입력 손상 조건 평가를 통해 이미지·지도 융합 원리가 검증된 단계입니다.
현재 검증 내용

NuScenes 및 Argoverse2 데이터셋에서 벡터화 HD 지도와 서라운드 뷰 이미지를 결합한 장소 인식 시스템을 이미지 기반 NetVLAD, Patch-NetVLAD, GeM 방식과 비교 평가했습니다. 지도 마스킹 조건에서의 강건성도 확인했으나, 실제 차량 탑재 환경의 장기 운용과 센서 가림·조명 변화 조건에서의 재현성은 추가 검증이 필요합니다.

검증 환경

- 평가 데이터: NuScenes 약 3만4천 프레임·4개 도시, Argoverse2 약 33만 프레임·5개 도시의 축소 데이터
- 비교 기준: 이미지 기반 NetVLAD, Patch-NetVLAD, GeM 장소 인식 방식

- 입력 조건: 완전 지도와 20%·50% 지도 마스킹 조건의 벡터화 HD 지도·서라운드 뷰 이미지

현재 성과

성능·효과
이미지 기반 기준 대비 장소 인식 정확도 향상최대 6.48%p

NuScenes와 Argoverse2 데이터셋에서 이미지 특징과 벡터화 지도 특징을 융합한 장소 인식 정확도가 기존 이미지 기반 NetVLAD 및 GeM 기준보다 최대 6.48%p 향상됐습니다. 이미지의 시각 단서와 지도의 기하·구조 단서를 함께 사용해 반복 구조물, 동적 객체, 공사 환경에서의 인식 보완을 목표로 합니다.

검증·신뢰
데이터셋·지도 마스킹 조건 기반 검증

NuScenes 및 Argoverse2 데이터셋에서 이미지 기반 방법론과 비교하고, 완전 지도 및 20%·50% 지도 마스킹 조건으로 입력 불완전성에 대한 평가를 수행했습니다. 지도 특징 추출자와 융합 특징 추출자를 추가한 처리 효율과 지도 손상 상황의 장소 인식 결과를 함께 확인했습니다.

차별성·독창성
벡터 지도·계층적 GNN 기반 이미지-지도 특징 융합

래스터화 지도 대신 폴리라인 그래프로 표현한 벡터화 HD 지도를 사용하고, 계층적 GNN으로 지도 전역 특징을 추출하는 구조가 핵심입니다. 이중 정규화와 셀프 어텐션 기반 융합으로 이미지와 지도 모달리티를 결합해 이미지 단독 또는 지도 단독 인식의 모호성을 줄이도록 설계했습니다.

상용화까지 남은 부분

1

실제 차량 탑재 환경에서 장기 운용 시 장소 인식 정확도·처리 지연·운용 안정성 검증

2

실시간 로컬 HD 지도 예측 또는 온라인 지도 갱신 체계와 통합했을 때의 위치 인식 성능 검증

3

지도 최신성 저하, 센서 가림, 조명·날씨 변화 등 실제 도로 조건에서의 재현성 및 강건성 확보

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 벡터화 고정밀 지도와 이미지를 이용한 다중 모드 장소 인식 방법 및 그 시스템

출원번호

10-2024-0038340 (2024.03.20)

등록번호

1028033380000 (2025.04.28)

발명자

금동석 (한국과학기술원), 정현준 (한국과학기술원)

권리자

한국과학기술원

출원인

한국과학기술원

문의

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