움직이는 물체와 Doppler

정지 지도에 움직이는 물체를 쌓으면 무엇이 잘못되고, Doppler는 그것을 어떻게 가르는가?

정지 점유 격자 지도에는 움직이는 물체의 탐지를 그대로 쌓으면 안 된다. 가로지르는 차량 같은 움직이는 표적은 프레임마다 다른 셀에 찍혀, 쌓으면 곡선 모양의 잘못된 점유가 된다. 이를 막는 가장 단순한 도구는 Doppler이다.

자차가 정지한 시뮬레이션 프레임에서는 정지 환경의 탐지가 모두 zero-Doppler 근처에 모이고, 움직이는 표적은 0이 아닌 Doppler에 선다. 자차가 움직이는 프레임에서는 정지 환경의 탐지가 시선 속도 $v_r=v_\text{ego}\cos\theta$에 선다(다가오면 양수, 1장). 이 식으로 정지 군집의 자리를 예측한다. 정지 분포에서 일정 임계값 넘게 떨어진 탐지를 움직이는 물체로 분류해 점유 누적에서 빼면, 정지 지도의 잘못된 점유가 크게 준다.

이 사례는 정지 지도의 품질만 비교하고, 움직이는 표적은 Doppler로 갈라 따로 처리하는 층으로 넘긴다. 이렇게 나누는 것이 표준 흐름이다. 움직이는 표적 자체를 따라가는 동적 점유 격자(dynamic occupancy grid)는 그 층에서 다룬다.

움직이는 표적의 추적: Kalman과 JPDA로 넘기는 층

Doppler로 가른 움직이는 탐지는 프레임마다의 점으로 두지 않고, 시간을 따라 물체의 궤적으로 이어야 쓸모가 생긴다. 한 프레임의 탐지는 잡음이 섞인 상태 추정값이고, 다음 프레임의 탐지를 어느 물체와 이을지 정해야 차량마다의 속도, 방향, 예측 위치가 만들어진다. 이 단계가 추적(tracking)이고, 점유 격자 지도와 따로 동작하는 처리 층이다.

• Kalman filter: 등속이나 등가속 운동 모델 위에서 탐지의 좌표와 속도를 예측-갱신 순환으로 갱신한다. 표적 하나가 잘 떨어져 있는 장면의 기준선이다.
• JPDA(joint probabilistic data association): 한 프레임의 여러 탐지를 여러 궤적에 확률적으로 나눈다. 도시처럼 표적이 가까이 모여 탐지와 궤적의 연관이 모호할 때 알맞다.
• MHT(multiple hypothesis tracking): 한 프레임의 연관을 가정 하나로 닫지 않고 여러 가정을 시간에 걸쳐 유지한다. 계산 비용은 높지만 가림이 잦은 장면에서 강건하다.

추적 층이 만든 물체별 궤적은 점유 격자 지도로 돌아가지 않고, 동적 점유 격자나 물체 목록 출력에 쓰인다. 이 사례의 평가는 정지 지도의 품질만 비교하므로, 추적은 그다음 단계인 시스템 통합에서 다룬다.