자율주행자동차 기술에 대한 관심이 증가하면서 이에 발맞추어 Advanced Driver Assistance Systems(ADAS) 기술 연구에 박차를 가하고 있다. 자율주행자동차는 운전자 없이 원하는 목적지까지 최적의 경로를 탐색하여 안전하게 이동할 수 있는 자동차를 의미한다. 이에 안전한 경로 생성을 위해서는 지속적으로 센서 데이터를 처리할 수 있는 기술이 있어야 한다. 현재 자율주행을 위한 ADAS 기술에 사용되는 핵심 센서는 레이더, 라이다, 카메라, 적외선센서 등이 있으며, 각 센서의 특성에 맞게 ADAS 기술들이 개발되고 있다. 센서의 신뢰성이 높아짐에 따라 자율주행 자동차 개발이 현실화되고 있고, 이를 위해서는 센서 기술 개발이 필수적이다. 최근에는 하드웨어적인 기술 개발뿐만 아니라 단순히 주변 환경 인지로 사용되었던 센서 기술들이 머신러닝 기법이 각광받으면서 새롭게 진화하고 있다.
본 논문은 차량용 라이다 센서를 이용하여 이동물체를 추적 및 머신러닝 기반 차량 및 보행자 분류에 관한 연구이다. 현재 라이다 센서는 높은 가격이라는 단점을 가지고 있지만, 상용화를 위한 소형화 및 중저가화 시키는 기술이 개발 중이며 uanergy와 같은 회사의 경우 Google에서 사용 중인 Velodyne에 비해 1/3 저렴한 가격으로 생산되고 있다. 라이다 센서는 레이저를 이용하여 거리를 측정하는 기술로, 다른 센서들에 비해 감지 범위가 넓고, 높은 거리 분해능과 각도 분해능을 가지고 있다. 그렇기에 종?횡 방향의 정확한 거리 측정이 가능하고 윤곽 추정이 가능하다는 장점을 가지고 있다. 하지만 라이다 센서 특성상 폐색현상이 발생하는 단점을 가지고 있다. 이를 해결하기 위해 본 논문에서는 Density-Based Spatial Clustering of Applications with Noise(DBSCAN) 방식과 Adaptive Breakpoint Detection(ABD) 기법을 혼합하여 가변 거리 조건을 사용하여 객체화하였다. 추출한 객체 데이터는 데이터 마이닝을 통해 12개의 특징점들을 추출해 내고, 이를 머신러닝 기법 중 하나인 Linear Discriminant Analysis(LDA) 기법과 Support Vector Machine(SVM) 기법과 같은 분류 알고리즘을 적용하여 차량과 보행자를 분류한다. 분류 된 차량과 보행자는 칼만필터 기반의 추적 기법을 적용하였고, 트랙관리기를 통해 타깃을 관리하여 상태 추정의 신뢰성을 높였다.
본 논문에서는 주변 환경 인지 기술 향상을 위해 차량용 라이다 센서에 머신러닝 기법을 적용하여 5개의 시나리오에서의 Off-line 시뮬레이 션을 수행하였고 알고리즘 성능을 검증하였다.

This paper is a study on classification of vehicles and pedestrians based on tracking and machine learning of moving objects using LiDAR sensor for vehicles. Currently, the LiDAR sensor has a disadvantage of high price, but the technology to make it smaller and less expensive for commercialization is being developed, and companies such as Quanergy are produced at a price 1/3 lower than the Velodyne used in Google. The LiDAR sensor is a technology for measuring the distance using a laser. It has a wider detection range, higher range resolution and angular resolution than other sensors. Therefore, it is possible to accurately measure the longitudinal and lateral directions, and it is possible to estimate the contour. However, it has a disadvantage that occlusion phenomenon occurs due to the characteristics of LiDAR sensor. In order to solve this problem,
Density-Based Spatial Clustering of Applications with Noise(DBSCAN) and Adaptive Breakpoint Detector(ABD) are mixed and objectified using variable distance condition. The extracted object data extracts 12 features through data mining and classifies vehicles and pedestrians by applying classification algorithms such as Linear Discriminant Analysis(LDA) technique and Support Vector Machine(SVM) technique which are one of the machine learning techniques. Classified vehicles and pedestrians applied the Kalman filter based tracking method and managed the target through the track manager to improve the reliability of the state estimation.
In this paper, in order to improve the perception technology of the surroundings, off-line simulation is performed in five scenarios by
applying the machine learning method to the vehicle LiDAR sensor
and the algorithm performance is verified.