발 전문잡지 마이크로소프트웨어의 최신호는 블록체인 기술과 산업, 보안 그리고 연결된 세상에 대한 이야기(Chain Bigbang, 체인 빅뱅)를 담았습니다. 스팀잇, 리모트 워크, 자율주행 자동차, 블록체인 보안 등 마소 392호의 주요 기사들을 IT조선 독자에게도 소개합니다. [편집자주]

최근 주목받고 있는 자율주행 자동차를 구현하기 위해서는 크게 네 분야의 핵심기술(인식, 측위, 의사결정 및 경로생성, 차량제어)이 완성돼야 한다. 그중 측위는 의사결정 및 경로생성을 위해 자차 위치를 추정하는 기술로, 자율주행 자동차의 안정성을 위해 높은 정확도가 요구된다.

지도 기반 측위는 카메라나 라이다(Light Detection And Ranging, LiDAR) 같은 환경 센서를 통해 정밀 지도를 생성하고, 생성된 지도와 현재 데이터를 비교해 현재 위치를 파악하는 방법론이다. 지도의 정밀도가 측위 정확도에 영향을 주기 때문에 정밀한 지도를 만드는 것이 자율주행에 있어 매우 중요한 요소라고 할 수 있다.

최근 자율주행 자동차의 상용화가 시작되며, 고가 장비인 LiDAR 기반 슬램의 대체 기술에 대한 필요성이 주목받고 있다. 때문에 Visual SLAM의 단점을 극복하기 위한 연구들이 활발하게 이뤄지고 있다. 그 중 가장 유명한 알고리즘 중 하나가 ORB-SLAM이다.

ORB-SLAM은 3개의 스레드(위치 추정, 지도 생성, 루프 결합)로 구성된 병렬 시스템이다. ORB-SLAM 위치 추정 스레드의 가장 첫 단계는 카메라 이미지에서 특징점(Keypoint)을 검출하는 것이다. 특징점은 대부분 코너(Corner)나 선분의 끝점에서 주로 검출된다.

ORB-SLAM 위치 추정 스레드로 카메라 이미지에서 특징점을 검출한 결과. / 마이크로소프트웨어 392호 발췌
ORB-SLAM 위치 추정 스레드로 카메라 이미지에서 특징점을 검출한 결과. / 마이크로소프트웨어 392호 발췌
ORB-SLAM을 개발한 연구진은 2017년, 단일 카메라뿐 아니라 스테레오 카메라, RGB-D 카메라에도 적용 범위를 넓힌 ORB-SLAM2를 발표했다. 스테레오 카메라와 RGB-D 카메라를 사용하면서 3차원 정보를 보다 정확하게 계산할 수 있게 됐다.

백두산 지능형자동차연구실 연구원의 자율주행 자동차에 대한 자세한 내용은 '마이크로소프트웨어 392호(https://www.imaso.co.kr/archives/2518)'에서 확인할 수 있다.