보이지 않는 흔적 추적하기: 열화상-RGB 융합을 통한 자기지도 바퀴 자국 검출
Tracking the Invisible: Self-Supervised Wheel Track Detection with Thermal-RGB Fusion
주행 가능 영역의 정밀한 검출은 자율주행 및 첨단 운전자 보조 시스템(ADAS)에 필수적입니다. 최신 기법들은 일반적인 주행 가능성 추정에 집중하지만, 기존 바퀴 자국(wheel track)을 따라가는 것이 견인력 향상, 예측 가능한 차량 동역학, 검증된 경로 안정성과 같은 중요한 이점을 제공하는 눈 덮인 도로에서는 불충분한 것으로 나타났습니다. 이를 해결하기 위해 본 논문에서는 동기화된 RGB-I(RGB + 장파장 적외선) 영상을 활용하여 안전에 핵심적인 바퀴 자국을 검출하는 저비용 자기지도(self-supervised) 접근법을 제안합니다. 제안 기법은 기록된 GNSS 데이터로부터 미래 바퀴 궤적을 투영하여 학습(training) 라벨을 자동으로 생성합니다. 또한 화이트아웃이 발생한 까다로운 노면의 4채널 RGB-I 영상으로부터 바퀴 자국을 식별하도록 신경망(neural network)을 설계했습니다. 실험 결과는 시각적으로 단조롭고 특징이 부족한 열악한 환경(environment)에서 본 접근법의 효과성을 입증하며, 겨울철 자율주행을 위한 강건하고 비용 효율적인 대안을 제시합니다. 새롭게 소개된 ThermalTrack 데이터셋(dataset)은 https://digitalcommons.mtu.edu/thermaltrack/ 에서 이용할 수 있습니다.