Korean Journal of Optics and Photonics. October 2018. 204-214
https://doi.org/10.3807/KJOP.2018.29.5.204


ABSTRACT


MAIN

  • I. 서 론

  • II. LIDAR system 구성 및 신호 분석 방법

  •   2.1. Single-Shot LIDAR system (SSLs) 구조

  •   2.2. 타이밍 지터 및 SNR 분석 방법

  • III. 실험 및 측정 결과

  •   3.1. 반사 물질 변화

  •   3.2. 측정 환경 변화

  •   3.3. 반사 물질 각도 변화

  • IV. 결 론

I. 서 론

자율 주행 시스템에 대한 관심은 2010년 초 발표된 구글 무인 자동차 등장 이후 급격히 증가하였고, 자동차 분야뿐 아니라 드론, 로봇 등 다양한 분야에 영향을 미쳐 각 분야에 적용하기 위한 연구가 현재도 활발히 진행되고 있다[1-3]. 이러한 자율 주행 시스템은 여러 기술의 집합체로 위치 인식 및 맵핑 기술, 판단, 제어, 인터랙션 및 환경인식 기술 등 다양한 요소로 구성되어 있다[4]. 이 중에서도 특히 환경인식 기술은 주변 장애물, 보행자, 차선 등을 인식하기 위한 기술로, 정보 획득 결과에 의해 사고 여부가 결정되는 만큼 자율 주행 시스템에서 중요한 기술 중 하나이다. 이러한 이유로 현재 환경인식 기술에서는 보다 정확한 정보 획득을 위해 카메라, RADAR 뿐 아니라 레이저를 기반으로 하여 정밀한 거리 정보 획득에 유리한 Light Detection And Ranging (LIDAR)를 필수적으로 접목하고 있다[5].

LIDAR는 먼 거리까지 퍼지지 않는 직진성, 높은 에너지 밀도 및 반복률을 가지는 레이저의 특성과 송출된 빔이 물체에 반사되어 돌아오는 시간을 활용하여 거리 정보를 획득하는 Time-of-Flight (ToF) 방식을 접목하여 간단한 원리로 정밀한 측정이 가능한 장점을 갖는다[6]. 이런 LIDAR가 자율 주행 시스템에 적용되면서 기대하는 부분은 카메라로 측정이 어려운 야간 측정, 그리고 빠른 속도로 주변을 3차원으로 정밀하게 측정하고 정확한 정보를 판단 파트로 전달하여 신뢰성 높은 자율 주행을 구현하는 것이다. 더 나아가 자율 주행 시스템이 직면하는 다양한 환경 및 물질에 대한 정확한 정보 획득과 실시간으로 획득된 정보를 활용하여 고해상도 3차원 영상을 구현하는 것이다. 따라서 최근 3차원 영상 분야에서는 다양한 환경에서 반사율이 낮은 물질 또는 작은 물체에 대해 정확한 인식을 위해서 높은 해상도와 정확도를 확보하기 위한 노력을 기울이고 있다[5-8]. 일반적으로 LIDAR를 이용한 3차원 영상은 각 지점에 대한 정보를 가지는 포인트의 집합인 포인트 클라우드로 이루어지기 때문에 각 지점의 검출 정확성이 결국 3차원 영상의 영상 분해능을 결정하게 된다. 따라서 각 지점을 의미하는 포인트 및 다양한 물체에 대한 신호 분석은 3차원 LIDAR 영상의 품질을 개선하는데 매우 중요한 요소로 볼 수 있다.

본 논문에서는 포인트 분석이 가능한 스캔형 라이다의 기본 모델인 ToF 방식 Single-Shot LIDAR system (SSLs)을 측정 모델로 구성하고 각 물체에 반사되는 신호 측정 및 특성 분석을 진행한다. 특히 SSLs는 대다수 LIDAR 시스템에 적용된 905 nm 파장이 아닌 1550 nm 파장의 광원을 활용함으로써 우수한 신호 품질은 물론, 레이저의 최대 단점인 시각 위험성을 최소화하는 특성을 갖는다. 또한 LIDAR 신호 크기와 잡음을 이용해 신호 신뢰도를 나타내는 Signal to Noise Ratio (SNR)과 시간 정보를 활용하여 거리 정보를 획득하는 ToF 방법을 이용하는 만큼 시간 정보의 정확성을 나타내는 타이밍 지터에 대한 분석을 진행한다. 더불어 자율 주행 시스템이 다양한 환경에 직면하는 만큼 실내, 실외(주간, 야간) 등의 측정 환경, 5% 램버시안 반사판, 알루미늄 스펙큘라 반사판, 실내/외 벽 등 다양한 반사 물질, 그리고 각도에 따른 신호 특성 분석과 그에 대한 결과를 보고한다.

II. LIDAR system 구성 및 신호 분석 방법

2.1. Single-Shot LIDAR system (SSLs) 구조

대부분의 3차원 영상 시스템은 빛을 송광하고 수광하는 구조를 가지기 때문에 그림 1과 같은 Single-Shot LIDAR system (SSLs)으로 간략하게 모델링이 가능하다. SSLs 송신부에는 품질이 우수한 Master Oscillator Power Amplifier (MOPA) 레이저와 빔의 급격한 퍼짐을 조절하는 콜리메이션 렌즈, 원하는 지점으로 빛을 보내기 위한 거울 등으로 구성된다. 광원으로 사용된 MOPA 레이저는 한국전자통신연구원에서 개발된 것으로, 시각 안전 파장 대역인 1550 nm 파장을 사용하여 현재 대부분의 상용 LIDAR 제품에 사용되는 905 nm 파장에 비해 망막 손상 위험성 최소화 및 ~106배 높은 시각 안전성 등의 장점을 갖는다[11,12]. 본 광원이 갖는 시각에 대한 이점은 LIDAR가 접목된 다양한 제품들이 점차 생활권에 근접해지면서 더 크게 작용될 것으로 예상된다. 또한 2 ns의 좁은 Full Width at Half Maximum (FWHM) 및 높은 반복률 구현이 가능하여 고해상도 3차원 영상 분석에 유리한 장점을 갖는다.

수신부는 상용 광 검출기(THORLABS APD 430C/M)와 1인치 렌즈, 그리고 태양광 및 주변 광에 대한 영향을 최소화하기 위한 필터 및 부속 광학계로 구성하였다. 광 검출기는 높은 수신율을 위해 광원으로 사용된 1550 nm 파장에 대한 흡수율이 높은 InGaAs 물질과 작은 신호 검출에 유리한 APD로 구성된 InGaAs APD를 사용하였다[13]. 더불어 정확한 광 신호를 수신하기 위해서는 Fourier transform-limited, 혹은 bandwidth-limited라고 불리는 아래 식 (1)과 같이 광 검출기 밴드폭(bandwidth)과 광원의 종류 및 펄스 폭(FWHM)의 상관 관계가 중요하기 때문에 필수적으로 확인해야 한다[14,15]. 본 논문에서 구성된 SSLs의 광원은 2 ns의 펄스 폭을 가진 가우시안 펄스 신호이고, 광 검출기는 400 MHz 광대역 밴드폭을 가지기 때문에 식 (1)에 부합하여 정확환 신호 수신이 가능하다.

v∗∆tK, K = 0.44 (Gaussian pulse) (∆v = Bandwidth, ∆t = Pulse FWHM)     (1)

http://static.apub.kr/journalsite/sites/kjop/2018-029-05/N0140290502/images/kjop_29_05_02_F1.jpg
Fig. 1.

Single-shot LIDAR system structure.

2.2. 타이밍 지터 및 SNR 분석 방법

SSLs 수신 신호는 그림 1과 같이 오실로스코프로 확인하는 동시에 직접 설계한 LABVIEW 프로그램을 활용해 실시간으로 PC에 추출이 가능하다. 본 논문에서는 추출된 신호의 크기, 흔들림을 정확하게 동시에 알 수 있는 장점을 가진 피크 지점을 이용해 SNR, 타이밍 지터 등의 신호 분석을 진행하였다. 측정은 각 타겟에 대한 수신 정보의 신뢰성 확보를 위해 10,000회 반복 측정하였고, 구현된 알고리즘을 활용해 각 신호들의 피크 지점을 추출하면 그림 2(a)와 같이 도식화가 가능하다. 하지만 그림 2(a)의 피크 지점들은 시간 축에 대해 일정한 간격으로 측정되고, 반복 측정된 횟수에 비해 매우 적은 수의 피크 지점이 나타난다. 이러한 현상은 오실로스코프 샘플링 특성에 의해 나타나며 본 측정에 대한 결과를 히스토그램으로 나타낸 그림 2(b)에서 일정한 시간 지점에 피크가 다수 누적된 것을 통해 정확히 확인할 수 있다.

정확한 측정이 필요한 LIDAR 시스템에서 그림 2와 같이 추출된 데이터는 이에 기반한 계산값은 물론, 다양한 장애물 및 물질 특성을 분석하는데 있어서도 높은 신뢰도를 갖기 어렵다. 본 논문에서는 이러한 문제를 해결하고 다양한 환경, 물질에 대해 보다 정확한 신호 분석을 위해 interpolation (보간법) 방식을 사용하였다. 측정 데이터를 기반으로 데이터 사이의 값을 유추하는 보간법은 특히 펄스 레이저를 사용하는 LIDAR 시스템과 같이 많은 정보 획득을 위해 높은 반복률의 광원을 사용하여 펄스 폭이 작아지는 것은 물론, 샘플링 레이트가 제한되어 실제 신호에 할당되는 데이터가 적어 낮은 신뢰를 갖는 수신 신호를 정확하게 분석하기 위해 활용되며 선형, 다항식, 스플라인 등의 다양한 방법이 존재한다. 이 중 스플라인 보간법은 측정치를 부분적으로 나누어 저차 다항식을 적용시켜 나가기 때문에 국부적으로 급격히 변화되는 함수에 우수하다. 그로 인해 차선 인식, 곡선 정보 확인 등에 주로 활용되고 있고, 본 논문과 같이 급격한 곡선 분포를 가지는 신호의 피크 지점을 정확하게 추출할 때 역시 적합하다[9,10]. 특히 다항식 보간법에서는 중심부의 정확도를 높이기 위해서는 다항식 차수를 높여야 하는데 차수가 높아짐에 따라 중앙 부분의 정확도는 점차 높아지나 양 끝의 데이터들은 심하게 요동치면서 정보에 대한 신뢰도가 급격히 떨어지는 Runge’s phenomenon이 발생되는 반면 스플라인 보간법은 이런 현상 없이 작은 차수의 함수로 정확한 데이터 추정이 가능해 보간 방법 중 많이 사용되고 있다[16].

http://static.apub.kr/journalsite/sites/kjop/2018-029-05/N0140290502/images/kjop_29_05_02_F2.jpg
Fig. 2.

(a) Peak distribution, and (b) Peak histogram before spline interpolation.

이러한 이유로 본 논문에서는 3차 다항식을 활용한 스플라인 보간법을 활용하였고, 그 효과는 그림 2에 비해 확연히 개선된 그림 3을 통해 확인이 가능하다.

그림 3과 같이 보간법을 통해 개선된 피크 정보와 타이밍 지터, SNR 등을 활용하면 보다 정확한 수신 신호 분석이 가능한데, 본 논문에서는 이러한 분석을 위해 식 (2)와 같이 표준 편차(𝜎)를 활용하였다. 식 (2)의 xi는 실험을 통해 얻은 신호 측정치이고 M은 측정치 전체 평균값이기 때문에 이를 통해 계산된 𝜎는 평균을 기준으로 측정치의 분포 정도를 나타내는 표준 편차값이다.

http://static.apub.kr/journalsite/sites/kjop/2018-029-05/N0140290502/images/kjop_29_05_02_F3.jpg
Fig. 3.

(a) Peak distribution, and (b) Peak histogram after spline interpolation.

기본적으로 타이밍 지터는 광 검출기, 광원, 동기 신호, ADC 샘플링 속도와 같은 물리적인 요소에 주도적인 영향을 받아 발생되나, 본 논문에서는 다양한 측정 환경에 대한 신호 분석을 진행하는 만큼 공기 또는 매질의 굴절률이 환경 변화에 따라 달라져 광원의 진행에 영향을 미칠 수 있기 때문에 대기 변화에 의한 영향도 함께 고려하였고, 각 요소들은 서로 상관 관계를 갖지 않기 때문에 식 (3)과 같이 전체 타이밍 지터(JTotal)를 나타낼 수 있다[6,8]. 이러한 JTotal 즉, 타이밍 지터는 측정된 수신 신호와 식 (2)를 활용해 알 수 있다. 측정된 신호의 피크들이 시간 축으로 흔들리는 것을 편차로 나타내면 시간 정보 정확성의 지표인 타이밍 지터 분석이 가능하다. 더불어 여기에 광속을 곱하면 거리 정확성에 대한 분석이 가능하기 때문에 타이밍 지터는 ToF LIDAR에서 위치 정확성을 나타내는 중요한 지표로도 활용할 수 있다.

또한 본 논문에서 사용한 신호 대 잡음비(SNR)는 식 (4)와 같고, 수신된 신호의 피크 평균값(Msignal), 수신된 신호의 피크들의 편차를 노이즈(𝜎noise)로 활용하여 수신 신호의 신뢰성을 나타내는 지표로 사용하였다. 이러한 SNR은 LIDAR 시스템에서 신호 신뢰성을 판정하는데 있어 타이밍 지터와 더불어 중요한 지표로 여겨진다.

σ=1Ni=1Nxi-M2    (2)

JTotal=JAPD2+JLaser2+JSYNC2+JSampling2+Jair2    (3)

SNR=Msignalσnoise    (4)

III. 실험 및 측정 결과

물체의 위치(거리)와 더불어 반사 물질의 특성 및 측정 환경은 LIDAR 신호를 분석하는데 중요한 역할을 한다. 따라서 본 논문에서는 SSLs를 이용하여 측정 환경 변화와 LIDAR 신호가 반사되는 물체의 반사율, 각도 등이 수신 신호에 미치는 영향을 분석하였다. 측정에는 아스팔트와 같이 반사율이 낮은 물체에 대한 신호 분석과 램버시안(diffuse) 반사 물질에 대한 정보 획득을 위해 균일한 반사율을 나타내는 Labsphere사의 5% 램버시안 반사판, 거울 같이 반사율이 높으나 특정한 시각에서만 신호 획득이 가능한 스펙큘라 반사를 나타내는 알루미늄 반사판, 그리고 실제 회피 및 주행에 있어 장애물로 여겨지는 실내/외 건물 벽을 활용하여 실험을 진행하였다. 더불어 바람과 같은 외부 환경에 대한 영향을 비교하기 위한 실내, 주간, 야간 등 환경 변화에 따른 신호 분석과 물체 각도에 따른 영향을 분석하였다.

3.1. 반사 물질 변화

측정 거리는 반사율이 매우 낮은 5% 반사판을 활용하는 만큼 그림 4와 같이 ~25 m 거리에서 진행하였고, 반사율 변화에 따른 신호 분석을 위해 동일한 거리에서 반사 물질을 변경하여 측정하였다. 바람, 태양광 등 대기 및 외부 영향이 적은 실내 측정을 통해 반사율이 다른 물체에 대한 신호 특성을 분석하였고, 측정 물질은 실내 벽, 5% 반사판, 알루미늄 반사판을 이용하였다.

측정 결과 중 그림 5(a), 5(b)와 표 1을 보면 5% 반사판, 실내 벽, 알루미늄 반사판 순으로 물질의 반사율 증가에 비례하여 수신 신호의 피크 평균값(peak mean)과 신호의 피크 잡음(peak STD)가 증가한다. 하지만 Al (Sat)에서 피크 평균값 증가율이 완화되고 피크 잡음의 경우 급격하게 감소하는 현상이 나타나는데, 이는 높은 반사율을 갖는 알루미늄 반사판 특성과 SSLs 수신부 센서(THORLABS APD 430C/M)가 일반적인 광 검출기 특성인 Photon Transfer Curve (PTC)에 따라 포화 지점인 ~2 V에서 full well 현상을 보이기 때문이다.

http://static.apub.kr/journalsite/sites/kjop/2018-029-05/N0140290502/images/kjop_29_05_02_F4.jpg
Fig. 4.

Measurement material change (Distance: 25 m) (left: wall, center: 5% reflector, right: Al reflector).

http://static.apub.kr/journalsite/sites/kjop/2018-029-05/N0140290502/images/kjop_29_05_02_F5.jpg
Fig. 5.

Material change data analysis at indoor. (a) Peak mean, (b) Peak STD, (c) SNR, (d) Timing jitter.

Table 1. Material change data at indoor

MaterialPeak mean (mV)
[STD]
Peak STD (mV)
[STD]
SNR (dB)
[STD]
Timing jitter (ps)
[STD]
5% reflector40.5
[1.331]
2.405
[0.053]
24.527
[0.2785]
144.7
[2.987]
Wall73.31
[0.295]
4.052
[0.1096]
25.182
[0.2182]
135.8
[2.375]
Al reflector (NonSat)1,506
[3.647]
41.53
[0.7844]
31.19
[0.1582]
128.1
[2.115]
Al reflector (Sat)1,891
[3.104]
9.327
[1.073]
46.252
[1.042]
132.2
[3.719]

Full well 현상은 수신 신호 크기가 일반적으로 광 검출기에 입사된 광 세기에 비례하여 출력되다 입사된 광량이 광 검출기가 수용할 수 있는 포화 지점에 이르렀을 때 나타나는 현상이다. 포화 지점에 근사할수록 광량 대비 출력 신호의 비가 줄어들게 되고, 포화 지점 이상이 되면 출력 신호 크기는 제한되기 때문에 입사된 광에 대한 에너지를 출력하기 위해 펄스 폭이 기형적으로 넓어지는 등 다양한 문제를 야기하고 결정적으로 광 검출기 성능을 저하시키는 역할을 하기 때문에 포화 지점 근처의 신호와 이를 활용한 SNR, 타이밍 지터와 같은 분석에 대한 신뢰는 어렵다[17,18]. 따라서 사용하는 광 검출기 특성에 맞는 제한 지점 설정이 필요한데, PTC 특성을 활용해 포화 지점 이전 정보만을 신뢰하는 다이나믹 레인지를 이용해 센서 측정 범위를 정의하면 full well 현상으로 발생되는 문제를 최소화 할 수 있다.

그림 5(a), 5(b)의 비를 활용한 SNR은 그림 5(c)와 같이 나타난다. 그림 5(c)와 표 1을 보면 PTC 원리에 의해 피크 잡음이 센서 포화 이후 감소하기 때문에 Al (Sat) 지점에서 Al (NonSat) 대비 SNR이 ~15 dB로 full well 현상에 의해 급격하게 증가하지만, 나머지 물질에 대한 SNR은 신뢰성 있는 분석이 가능하다. 그림 5(d)는 타이밍 지터를 나타내는데, 주목할 점은 넓은 반사 범위를 가지는 램버시안 반사 물질인 5% 반사판의 값이 상대적으로 높고, 반사 폭이 매우 좁은 스펙큘라 반사 물질인 알루미늄 반사판 값이 가장 낮은 값을 나타난다. 이를 수치로 확인하면 각 물체에 대해 최대 144.7 ps, 최소 128.1 ps로, {d (거리) = (c (빛의 속도) * Δt (타이밍 지터))/ 2} 공식에 의해 거리로 환산하면 각 2.17 cm, 1.92 cm로 최대 ~2.5 mm의 차이를 나타내어 반사 표면에 따른 타이밍 지터 차이를 알 수 있다.

그림 5와 표 1은 실내에서 물체 정면에 반사되는 신호를 분석한 결과를 나타낸다. 기존에 알려져 있듯 반사율이 높은 물체가 높은 반사 신호를 획득하고, 그에 따라 높은 SNR 구현이 용이하다. 하지만 급격한 SNR 증가를 나타내는 Al (Sat)과 같은 포화 지점에서는 광 검출기 성능 저하 및 정확한 신호 분석이 어려워 앞으로의 측정에서 알루미늄 반사판 특성은 포화 이전 측정치를 활용한다. 위 실험을 통해 SNR은 피크 평균, 피크 잡음을 이용해 신호 신뢰성을 한눈에 분석이 가능하다는 것을 확인하였기 때문에 다음 실험부터는 SNR, 타이밍 지터 그래프와 표의 데이터 정보만을 활용하여 수신 신호 특성 분석이 가능하다.

3.2. 측정 환경 변화

실제 LIDAR 시스템은 실내/외 다양한 분야에서 사용되고 있기 때문에 환경 변화에 따른 신호 분석이 필요하다. 따라서 실내 측정과 동일한 5% 반사판, 알루미늄 반사판과 실내 벽과 비교가 필요한 건물 외부 벽에 대한 신호 분석을 그림 6과 같이 진행하였다. 반사 물질은 실내 측정과 동일한 25 m의 거리에서 각도 변화 없이 정면으로 반사되는 신호를 분석하였다.

http://static.apub.kr/journalsite/sites/kjop/2018-029-05/N0140290502/images/kjop_29_05_02_F6.jpg
Fig. 6.

Measurement environment change (Distance: 25 m) (left: indoor, center: day, right: night).

그림 7과 표 2는 실내, 주간, 야간 환경에서 반사 물질에 대한 신호의 분석 결과를 나타낸다. 여기서 알루미늄 반사판의 신호 정보는 이전 절에서 분석한 것과 같이 포화 지점 이상의 데이터는 신빙성이 떨어져 포화 지점 이전 데이터를 활용하였다. 표 2에서 보면 전체적으로 외부 영향이 없는 실내 측정의 피크 평균이 높고, 편차는 낮게 나타난다. 반면 피크 잡음은 알루미늄 반사판의 경우 바람 등의 외부 영향에 민감한 만큼 실외 측정 시 최대 ~3.5배 증가하였고, 5% 반사판은 상대적으로 증가율이 낮지만 역시 실외 측정 시에 ~1.5배 증가하였다.

또한 벽(wall)의 경우 실내 측정 시 더 높은 피크 잡음을 가지는데 이는 실내에서는 공기 유동에 따른 굴절률 변화가 적어 상대적으로 높은 피크 평균값을 가지고, 높은 피크 평균값을 가질수록 피크 잡음 역시 높아지는 PTC 특성이 더해져 나타나는 결과이다. 그리고 벽의 실내/외 피크 잡음의 편차가 다른 물질에 비해 크지 않은 이유는 SSLs이 구조적으로 ~0.2 mm의 활성 영역을 갖는 작은 센서 및 1인치 렌즈로 구성되어 좁은 FOV를 갖고, 반사판은 실외 측정 시 대기의 굴절률 변화와 바람에 의한 물체의 흔들림이 같이 일어나는 반면, 벽의 경우 물체의 흔들림이 없어 상대적으로 외부 영향이 적기 때문이다. 이러한 결과는 5% 반사판은 ~18배, 알루미늄 반사판은 ~16배, 마지막으로 벽에서는 ~2.5배의 차이를 나타내는 편차 변화를 통해 수치적으로도 확인할 수 있다.

표 2에서 피크 값들을 활용한 SNR 수치를 나타낸 그림 7(a)를 보면 바람 등의 영향으로 모든 물질들이 실외 측정 시 SNR이 저하되는 현상을 나타낸다. 특히 알루미늄 반사판의 경우 스펙큘라 반사로 인해 실외 환경의 영향을 많이 받아 다른 물질에 비해 최대 11 dB (주간)로 크게 감소되는 것을 볼 수 있다. 또한 벽과 5% 반사판은 상대적으로 감쇠율이 낮지만 실외 환경에서 실내 대비 3 dB 이상 감소하였다. 이러한 측정 결과로부터 피크 평균, 피크 잡음 그리고 이 두 지표의 비를 이용한 SNR은 물질에 따라 차이는 존재하지만 환경 변화에 따라 신호가 영향을 받는 것을 확인하였다.

그림 7(b)와 표 2를 통해 타이밍 지터를 보면 모든 반사체가 실외 측정 시 증가되고, 편차 역시 외부 환경 등의 영향으로 실외 측정에서 높게 나타난다. 하지만 거리 값으로 변환하여 비교하면 실내 대비 5% 반사판과 알루미늄 반사판은 각 1.5 mm, 0.5 mm, 벽은 ~2 mm로 작은 거리 오차가 나타나 실질적으로 25 m로 제한된 본 논문의 실험에서는 타이밍 지터가 환경 변화에 큰 영향을 받지 않는 것을 알 수 있다.

http://static.apub.kr/journalsite/sites/kjop/2018-029-05/N0140290502/images/kjop_29_05_02_F7.jpg
Fig. 7.

Material and environment change data analysis. (a) SNR, (b) Timing jitter.

Table 2. Material and environment change data

EnvironmentMaterialPeak mean (mV)
[STD]
Peak STD (mV)
[STD]
SNR (dB)
[STD]
Timing jitter (ps)
[STD]
IndoorWall73.31
[0.295]
4.052
[0.1096]
25.182
[0.2182]
135.8
[2.375]
5% reflector40.5
[1.331]
2.405
[0.053]
24.527
[0.2785]
144.7
[2.987]
Al reflector1506
[3.647]
41.53
[0.7844]
31.19
[0.1582]
128.1
[2.115]
DayWall47.21
[0.3827]
3.783
[0.2741]
21.973
[0.7]
149.9
[2.817]
5% reflector40.38
[3.806]
3.328
[0.5223]
21.791
[0.9264]
152.3
[6.39]
Al reflector1,376
[42.39]
145.5
[11.34]
19.568
[0.7923]
131
[2.253]
NightWall55.26
[1.159]
3.56
[0.1164]
23.829
[0.2957]
141.8
[3.477]
5% reflector34.98
[2.324]
3.449
[0.9387]
20.628
[2.271]
154.5
[5.196]
Al reflector1,478
[16.02]
113.4
[12.51]
22.385
[0.8604]
130.6
[3.867]

3.3. 반사 물질 각도 변화

일반적으로 SSLs 같은 스캔형 LIDAR는 시스템이 고정되어 있기 때문에, 반사 물질에 대한 입사각과 반사각의 차가 커지면 획득되는 신호의 양이 줄어든다. 따라서 자율 주행 등에 활용되기 위해서는 앞선 측정과 같이 물질 정면 신호 분석뿐 아니라, 각도를 갖는 물체에 대한 수신 신호 분석이 필요하다. 이번 절에서는 앞선 측정과 동일한 거리(~25 m), 측정 환경, 반사 물질의 조건에서 각 물질의 각도만 변화하여 각도에 따른 물질의 LIDAR 수신 신호 특성을 분석하였다.

반사 물질은 대표적인 반사 특성인 램버시안, 스펙큘라 반사를 나타내는 5% 반사판, 알루미늄 반사판을 활용하였다. 특히 램버시안 반사 물질은 표면에 입사되는 빛의 입사각에 따라 반사 강도가 달라지는 식 (5)의 램버시안 코싸인 법칙을 따른다. 여기서 I는 입사된 광의 세기, θ는 물체의 반사 각도, Iθ는 θ 각도에 대한 반사 세기를 나타낸다. 반면 스펙큘라 반사 물질은 특정한 지점에서만 신호 획득이 가능한 특징을 가지고 있어 입사각과 동일한 반사각에 위치한 지점 외에서는 신호 획득이 어렵다. 본 논문에서는 램버시안 특성의 5% 반사판은 0도(정면) 대비 절반의 신호가 획득되는 최대 60도의 각도 변화, 반사각에 예민한 스펙큘라 특성의 알루미늄 반사판은 그 절반인 최대 30도 각도 변화를 통해 수신 신호 특성을 분석하였다.

Iθ = Icos(θ) (5)

그림 8과 표 3은 5% 반사판에 반사된 신호를 분석하여 각도 변화와 실내, 주간, 야간 등 환경에 따른 변화를 나타내었다. 표 3을 보면 모든 환경에서 각도 증가에 따라 피크 평균이 감소하였고 실내 및 주간에서는 선형적인 특성을 나타낸다. 하지만 피크 잡음 경우 실내에서는 각도 변화에 대한 영향이 작고 편차 또한 0.1 mV 미만인 것에 비해, 주간에는 모든 각도에서 실내보다 높고 편차 역시 크다. 특히 30도에서는 피크 평균이 감소되는 것과는 달리 바람 등 외부 영향에 의해 피크 잡음이 실내 대비 ~2배 증가되고, 편차는 모든 각도에서 ~10배 차이 나는 현상을 보인다. 야간에는 피크 평균과 피크 잡음이 전체적으로 감소되나 바람 등의 외부적인 영향에 의해 선형적인 특성을 보이진 않는다.

이러한 피크 평균과 피크 잡음을 이용한 SNR은 그림 8(a)와 같이 나타난다. 외부 영향이 없는 실내 실험 시에는 각도 증가와 함께 측정치가 선형적으로 감소하여 SNR 역시 선형에 근사하게 감소되고 모든 각도에서 다른 환경 대비 높은 값을 나타낸다. 주간은 피크 평균이 실내 측정과 비슷하게 선형 특성을 보이나 앞에서 분석한 피크 잡음 변화 특성에 의해 SNR 역시 30도 지점에서 급격한 감소를 나타낸다. 야간은 피크 평균과 피크 잡음 모두 외부 영향에 의해 선형적이진 않지만 각도 증가에 따라 전반적으로 감소되는 현상을 보인다. 또한 바람 등에 의해 0도(정면)에서 높은 피크 잡음 및 편차가 SNR에 영향을 끼쳐 실내 대비 ~4 dB가 낮고, 이로 인해 다른 환경과 달리 30도에서 가장 높은 SNR을 보인다.

각도 변화와 타이밍 지터의 관계는 그림 8(b)를 통해 알 수 있다. 5% 반사판은 모든 환경에서 각도가 커질수록 타이밍 지터가 증가되는 현상을 보이는데 이를 통해 각도와의 상관 관계를 알 수 있다. 표 3에서 실내, 주간, 야간의 타이밍 지터 최대 변화를 거리로 환산하면 각 0.96 cm, 0.93 cm, 0.98 cm로 60도 변화 시 ~1 cm의 차이를 보인다. 그에 비해 0, 30, 60도 지점에서 각 환경에 대한 타이밍 지터 차이가 거리로 환산 시 최대 ~1.7 mm이고, 이전 절에서 나타난 결과를 고려해보면 타이밍 지터는 환경에 대한 영향은 작지만 각도 변화에는 민감하게 반응하는 것을 알 수 있다.

http://static.apub.kr/journalsite/sites/kjop/2018-029-05/N0140290502/images/kjop_29_05_02_F8.jpg
Fig. 8.

Angle and environment change data analysis (5% reflector). (a) SNR, (b) Timing jitter.

Table 3. Angle and environment change data (5% reflector)

EnvironmentAnglePeak mean (mV)
[STD]
Peak STD (mV)
[STD]
SNR (dB)
[STD]
Timing jitter (ps)
[STD]
Indoor040.5
[1.331]
2.405
[0.053]
24.527
[0.2785]
144.7
[2.987]
3029.07
[0.2313]
2.221
[0.0661]
22.345
[0.2835]
164.7
[2.681]
6019.81
[1.867]
2.072
[0.0451]
19.605
[0.7377]
208.9
[15.1]
Day040.38
[3.806]
3.328
[0.5223]
21.791
[0.9264]
152.3
[6.39]
3028.26
[1.81]
4.246
[0.5233]
16.728
[1.189]
167.9
[7.193]
6019.35
[1.207]
2.697
[0.4203]
17.248
[1.044]
214.4
[10.42]
Night034.98
[2.324]
3.449
[0.9387]
20.628
[2.271]
154.5
[5.196]
3029.93
[0.9997]
2.402
[0.1788]
21.595
[0.7611]
160.7
[4.559]
6018.04
[0.341]
2.154
[0.1]
18.475
[0.3672]
220.2
[4.404]

그림 9와 표 4는 알루미늄 반사판에 반사된 신호를 분석하여 각도와 실내, 주간, 야간 환경 변화에 따른 변화를 나타내었다. 표 4의 피크 평균을 보면 5% 반사판 각도 변화율의 절반인 30도 변화에도 모든 환경에서 ~100배 감소되고, 피크 잡음 역시 모든 환경에서 각도 변화에 따라 최소 ~20배 변화한다. 코싸인 법칙에 의해 신호가 감소되는 램버시안 반사면과 달리, 스펙큘라 반사면을 가지는 경우 반사 범위가 좁아 각도가 커질수록 반사 영역과 기존 수신 영역의 축이 어긋나기 때문에 광 검출기에 수신되는 신호의 크기가 급격하게 줄어들어 이와 같은 현상이 나타난다. 또한 피크 잡음 및 편차 값이 모든 각도에서 실내 실험에서 현저히 낮은 것을 통해 반사 지점이 중요한 알루미늄 반사판이 외부 영향에 취약하다는 것을 단적으로 보여준다.

그림 9(a)는 이러한 알루미늄 반사판의 특성이 반영된 SNR을 나타낸다. 실내 환경의 데이터는 표 4와 같이 모든 각도에서 피크 평균이 높고, 피크 잡음이 최소화로 나타나기 때문에 알루미늄 반사판 역시 모든 각도에서 실내 환경의 SNR이 높게 나타난다. 실외 측정인 주간, 야간 실험은 바람 등의 외부 영향에 의해 모든 각도에서 실내 대비 낮은 피크 평균과 높은 피크 잡음을 나타내고, 편차 또한 전반적으로 높아 이러한 영향으로 낮은 SNR을 가질 수 밖에 없다.

알루미늄 반사판의 각도 변화에 따른 타이밍 지터는 그림 9(b)를 통해 확인할 수 있다. 피크 평균 및 피크 잡음이 10도 변화에도 수치가 크게 변화한 것에 비하면 타이밍 지터의 경우 최대 ~11 ps (1.65 mm, 실내) 변화를 나타내어 각도에 대한 변화가 크지 않은 것처럼 보이나, 30도가 되면 0도와 비교했을 때 수신 영역의 축이 어긋나 신호 수신 세기가 급격히 줄어드는 동시에 타이밍 지터가 최소 262.9 ps (~4 cm, 주간)를 가지며 모든 환경에서 급격한 증가를 보인다. 따라서 5% 반사판과 마찬가지로 환경 영향에 대한 변화는 최대 22.1 ps (3.3 mm)로 각도 변화에 비해 상대적으로 작고, 알루미늄 반사판 역시 타이밍 지터가 환경에 대한 영향은 크지 않으나 각도 변화에 대해서는 신호의 변화만큼 급격한 변화를 나타내는 것을 볼 수 있다.

http://static.apub.kr/journalsite/sites/kjop/2018-029-05/N0140290502/images/kjop_29_05_02_F9.jpg
Fig. 9.

Angle and environment change data analysis (5% reflector). (a) SNR, (b) Timing jitter.

Table 4. Angle and environment change data (Al reflector)

EnvironmentAnglePeak mean (mV)
[STD]
Peak STD (mV)
[STD]
SNR (dB)
[STD]
Timing jitter (ps)
[STD]
Indoor01,506
[3.647]
41.53
[0.7844]
31.19
[0.1582]
128.1
[2.115]
1098.82
[4.065]
3.016
[0.1381]
30.31
[0.5585]
139
[2.06]
3015.17
[0.1407]
1.712
[0.0262]
18.95
[0.1971]
284.4
[9.966]
Day01,376
[42.39]
145.5
[11.34]
19.568
[0.7923]
131
[2.253]
1052.7
[4.675]
6.731
[1.743]
17.875
[2.277]
134.7
[2.347]
309.791
[1.216]
2.255
[0.129]
12.754
[0.6885]
262.3
[15.09]
Night01,478
[16.02]
113.4
[12.51]
22.385
[0.8604]
130.6
[3.867]
1062.06
[0.9023]
6.779
[1.438]
19.597
[1.907]
134.3
[2.36]
3010.07
[0.4789]
2.29
[0.2294]
12.987
[0.6782]
280.6
[29.21]

IV. 결 론

다양한 분야에서 활용되는 LIDAR 시스템 수신 신호 특성 분석을 위해 시각안전 파장 대역인 1550 nm 레이저를 활용한 SSLs를 구성하였고, 이를 이용하여 ~25 m 거리에 위치한 다양한 물질(5%, 알루미늄 반사판, 실내/외 벽)과 다양한 환경(실내, 주간, 야간) 및 각도(최대 60도)에 대한 실험을 진행하였다. 또한 본 논문에서는 수신 신호의 정확성을 더하기 위해 제시된 스플라인 보간법과, 표준 편차를 SNR와 타이밍 지터에 활용하여 수신 신호를 분석하였다.

실험을 통해 수신 신호의 피크에 대한 지표들은 실외(주/야간) 환경에서 전반적으로 피크 평균이 작고 피크 잡음과 편차가 높은데, 이러한 현상은 각도에 상관없이 나타나기 때문에 동일한 각도에서 바람 등의 외부적인 영향에 대한 신호 특성 분석을 통해 확인하였다. 그에 비해 타이밍 지터는 거리 정확성과 연계되는 만큼 물체의 반사면의 각이 야기하는 거리 정보 차이와 수신 영역의 축 변화로 인해 물체 각도에는 영향을 크게 받으나, 피크 지표들과는 달리 반사율 및 환경 변화 등의 영향은 적은 것을 확인하였다.

본 논문에서 진행한 실내/외 환경에서 다양한 물질에 대한 시각안전 LIDAR 수신 신호 특성 분석은 다양한 환경에 대한 영향을 확인함으로써 시각 안전에 유리한 장점을 이용해 적용 범위가 넓어지고 있는 LIDAR 시스템을 활용한 자율 주행 자동차, 3차원 영상 구현 등의 여러 분야 연구에 도움이 될 것으로 보인다. 하지만 반사 물질 표본이 부족한 면이 있어 앞으로의 연구에서 다양한 색, 물질, 재질에 대한 연구 및 램버시안 반사와 달리 급격한 신호 특성을 나타내는 스펙큘라 반사에 대한 연구가 지속적으로 필요할 것으로 생각된다.

References

1 

S. Laible, Y. N. Khan, K. Bohlmann, and A. Zell, “3d lidar-and camera-based terrain classification under different lighting conditions,” Autonomous Mobile Systems 2012, 21-29 (2012).

10.1007/978-3-642-32217-4_3
2 

R. Li, J. Liu, L. Zhang, and Y. Hang, “LIDAR/MEMS IMU integrated navigation (SLAM) method for a small UAV in indoor environments,” in Proc. Inertial Sensors and Systems Symposium (Germany, Sept. 2014), pp. 1-15.

10.1109/InertialSensors.2014.7049479
3 

G. D. Choi, M. H. Han, M. H. Song, H. S. Seo, C. Y. Kim, S. C. Hong, and B. K. Mheen, “Development trends and expectation of three-dimensional imager based on LIDAR technology for autonomous smart car navigation,” Electronics and Telecommunications Trend, 86-97 (2016).

4 

K. H. An, S. W. Lee, W. Y. Han, and J. C. Son, “Technology trends of self-driving vehicles,” Electronics and Telecommunications Trend, 35-44 (2013).

5 

J. Kim, K. H. Kwak, and K. S. Bae, “Experimental analysis and internal calibration of the 3D LIDAR reflectivity,” J. Inst. Control Robot Syst. 23, 574-582 (2017).

10.5302/J.ICROS.2017.17.0086
6 

S. Chen, D. Liu, W. Zhang, L. You, Y. He, W. Zhang, X. Yang, G. Wu, M. Ren, H. Zeng, Z. Wang, X. Xie, and M. Jiang, “Time-of-flight laser ranging and imaging at 1550 nm using low-jitter superconducting nanowire single-photon detection system,” Appl. Opt. 52, 3241-3245 (2013).

10.1364/AO.52.00324123669836
7 

Q. Zhu, L. Chen, Q. Li, M. Li, A. Nuchter, and J. Wang, “3D LIDAR point cloud based intersection recognition for autonomous driving,” in Proc. Intelligent Vehicles Symposium (Spain, Jun. 2012), pp. 456-461.

10.1109/IVS.2012.6232219
8 

Y. Y. Markushin, G. S. Pati, and R. Tripathi, “Multi-pulse detection technique to improve the timing/range resolution in a scanning LADAR system,” Proc. SPIE 9342, 934201-934208 (2015).

9 

K. Atkinson, “Modelling a road using spline interpolation,” Reports on Computational Mathematics 145, 1-17 (2002).

10 

H. Wang, J. K. Kearney, and K. Atkinson, “Robust and efficient computation of the closest point on a spline curve,” in Proc. 5th International Conference on Curves and Surface (2002), pp. 397-406.

PMC2290248
11 

R. Chandrasekhar, Fundamentals of Photonics (Society of Photo-optical Instrumentation Engineers, SPIE, 2008).

12 

M. Pfennigauer and A. Ullrich, “Multi-wavelength airborne laser scanning,” in Proc. International Lidar Mapping Forum (2011).

13 

C. Y. Park, D. B. Kim, C. H. Kim, Y. J. Kwon, and E. C. Kang, “Wideband receiver module for LADAR using large area InGaAs avalanche photodiode,” Korean J. Opt. Photon. 24, 1-8 (2013).

10.3807/KJOP.2013.24.1.001
14 

S. Schiemann, W. Hogervorst, and W. Ubachs, “Fourier-transform-limited laser pulse tunable in wavelength and in duration (400-2000 ps),” IEEE J. Quantum Electron. 34, 407-412 (1998).

10.1109/3.661446
15 

M. Wollenhaupt, A. Assion, and T. Baumert, Femtosecond Laser Pulse: Linear Properties, Manipulation, Generation and Measurement (Springer Handbook of Lasers and Optics, 2007), pp. 937-983.

16 

W. Kai, “A study of cubic spline interpolation,” InSight: River Acad. J. 9, 1-15 (2013).

17 

J. R. Janesick, K. P. Klaasen, and T. Elliott, “ Charge-coupled-device charge-collection efficiency and Photon-transfer technique,” Opt. Eng. 26, 972-980 (1987).

10.1117/12.7974183
18 

G. David, “Characterizing digital cameras with the photon transfer curve,” Summit Imaging, <http://www.couriertronics.com/docs/notes/cameras_application_notes/Photon_Transfer_Curve_Charactrization_Method.pdf>, Accessed: (26 June 2012).

페이지 상단으로 이동하기