비대칭 자기부호화 심층 신경망을 활용한 도로노면파손 객체 인식 알고리즘 개발과 도로주행실험

Road Surface Damage Detection Algorithms and its Road Test using Asymmetric Auto-Encoder Deep Neural Network

최근의 국내외 도로는 우수한 노면 포장 상태로 인해 차량의 안정적인 고속 주행을 가능하게 하고 운전자에게는 좋은 승차감을 제공하려는 추세이다. 그러나 이러한 도로 표면 상태는 여러 가지 요인에 의해 파손과 손상이 반복적으로 일어난다. 그 대표적인 현상은 균열, 변형, 노면 흠 등이 있는데, 이는 각종 인적 물적 피해를 야기하는 교통사고의 원인이 되고 있다. 이를 예방하기 위한 효율적인 도로 노면 관리 기술이 필요하고 여러 방법들이 고안되었는데, 최근에는 블랙박스 형태의 영상 취득 장치를 활용한 방법이 활발히 제안되고 있다. 이러한 방법에서는 여러 가지 영상 처리 기술이 연구되었지만, 그 중에서도 심층 신경망을 활용한 영상 인식 기술이 요즘 가장 활발히 연구되고 있다. 본 논문에서는 심층 신경망을 활용한 연구와 이를 이용한 실제 주행실험 결과를 분석하였다. 먼저, 도로 노면 파손 위치를 판별하기 위한 비대칭 자기부호화 심층 신경망 모델을 개발하였고, 이 심층 신경망은 영상을 입력으로 받아서 도로 노면 파손 유무를 판단하고 파손 영역을 검출하는 기능을 수행한다. 다음으로 제안 모델의 실용화 가능성을 검증하기 위해 실제 도로 환경에서의 실험을 수행하고 그에 따른 영상기반의 탐지 성능을 분석하였다.

In modern times, road pavement is mainly made of asphalt. Such roads enable stable high-speed travel of the vehicle due to excellent road surface packaging and provide a good ride for the driver. However, the road surface is repeatedly damaged by various causes. The typical problems are cracks, deformation, and road surface flaws, which bring about traffic accidents causing various personal injury. In order to prevent it, an efficient road surface management technique is required and various methods have been developed. Among them, a method using a black box type image acquisition skill has been proposed these days. Although various image processing techniques have existed using this method, image recognition technology based on deep neural network has been most actively studied these days. This paper also introduces the results of the image recognition algorithm using the deep neural network and the its real driving tests. The first is the asymmetric auto-encoded deep neural network for determining the road surface damage location. This deep neural network takes the image as input and determines whether the road surface is damaged or not, and detects the damaged area. The second is the road test that is performed in outdoor road environment using the above and the performance of the image recognition technology is evaluated.