ADAS/AD 개발, 검증을 위한 실측 데이터 주석화 솔루션

understand.ai

자율주행차와 같은 제품에 AI기술이 접목되기 위해서는 머신러닝을 위해 적합한 데이터(right data), 적합한 품질의 데이터(right quality), 적절한 양의 데이터(right quantity)가 필요합니다. understand.ai에서는 고객이 필요로 하는 개발 및 검증 환경에서 가장 최적화된 가공 데이터를 활용할 수 있도록 다양한 솔루션을 제공하고 있습니다.


<데이터 파이프라인>

데이터를 수집한 이후에는 검증을 위한 데이터 가공 또는 머신러닝을 위한 데이터 추출 등의 과정이 필요하며, 이를 위해 understand.ai에서는 각 단계별로 솔루션을 제안하고 있습니다.

Data Anonymize (익명화)

유럽의 GDPR 규제와 같이 영상으로 취득된 데이터에서 개인 정보를 식별할 수 없도록 처리해주는 기능

Data Selection (추출)

대량으로 취득된 데이터를 특정한 조건(날씨, 상황 등)에 따라 추출해 내는 기능

Data Annotation

취득된 2D, 3D 데이터를 의미 있는 단위(예:자동차, 트럭, 보행자 등)로 구분하고 속성 정보를 입력하는 기능

Scenario Generation(시나리오 생성)

실차 데이터를 기반으로 다양한 시나리오를 생성하여 풍부한 데이터를 기반으로 검증할 수 있도록 해 주는 기능

Data Anonymize

영상 데이터를 취득하는 것이 쉬워짐에 따라 개인 정보 보호에 대한 필요성이 대두되고 있습니다. 대표적으로 유럽에서는 GDPR 규정을 통해 영상에서 개인을 특정할 수 있는 데이터가 사람에게 노출되지 않도록 규제하고 있습니다. understand.ai는 영상의 취득 단계에서 익명과 기능이 적용되도록 지원하고 있습니다.

Data anonymize (익명화)

영상 데이터의 각 프레임에 개인을 식별할 수 있는 정보(얼굴, 차량 번호판 등)를 자동으로 Blur 처리하는 기능

익명화 전
익명화
익명화 후

제품 옵션

  • - Anonymization AS A SERVICE(SaaS 기반)
  • - Anonymization ON PREMISE(Local 기반)

특장점

고신뢰성

+99%의 안면 및 번호판 식별 가능

Neural Network 기반 알고리즘 적용

엣지 케이스를(예: Truncation, Occlusion) 포함한 100만 장 이상의 안면 및 번호판 이미지로 학습된 알고리즘 적용

높은 처리량

초당 30프레임까지 익명화 처리

Data Selection

누적된 대용량의 실차 데이터 중 특정 환경에 대한 검증이 필요한 경우 Query를 사용하여 필요한 데이터만 검색할 수 있는 기능입니다.

데이터 추출 기능

검색하고자 하는 특정 환경에 해당되는 데이터만 추출해 내는 기능(예) 날씨 : 맑은 날, 비오는 날 / 상황 : 교차로, 고속도로 등

데이터 추출 기능

데이터 분석 기능

각 프레임에 포함된 데이터를 분석해 주는 기능. 해당 기능을 통해 검증을 위해 필요한 적절한 데이터를 추출 할 수 있음 (예)자동차 수 ,보행자 수 등

데이터 분석 기능

특장점

재현이 어려운 예외 상황(edge case) 검색 가능

일반적으로 잘 발생하지 않는 특수 상황에 대해서 검증을 하고자 하는 경우, 원하는 데이터만 추출하여 테스트할 수 있습니다.

개발/검증 시간 단축

개발자/QA에서 검증하고자 하는 특정 환경에 대해서만 시뮬레이션 할 수 있으므로 불필요한 테스트 시간을 단축할 수 있습니다.

Data Annotation

자율주행 알고리즘 개발 및 검증을 위해서는 다량의 학습용 데이터가 필요하며, Understand.ai에서는 일관성 있는 Annotation 데이터를생성할 수 있게 지원하여 머신 러닝에서 요구되는 잘 가공된 데이터를 만들 수 있도록 도와줍니다.

자율주행 시스템 소개

취득한 2D, 3D 데이터에 머신 러닝 학습용 데이터 생성

  • 2D Image: Bounding Box, Polyline, Semantic Segmentation
  • 3D Lidar/Radar: Cuboid
  • 공통: 차종, 표시등, 교통 표지판, 보행자, 날씨 등의 Meta-Attribute

머신러닝 학습용 데이터에서 중요한 양질(Right quality)의 데이터 제공

2D 어노테이션:
2D 영상 기반의 객체 주석화 (예: 자동차, 보행자, 표지판 등)
2D 어노테이션 전
2D 어노테이션
2D 어노테이션 후
3D 어노테이션:
3D 정보(LiDAR) 기반의 객체 주석화 (예: 자동차, 보행자 등)
3D 어노테이션
Segmentation:
정밀한 객체 구분을 위한 픽셀 단위 주석화
Segmentation 전
Segmentation
Segmentation 후

특장점

빠르고 효율적인 Annotation을 위한 기능 제공

  • Zero-Touch Magic: 프레임 이동 시 Interpolation을 통한 자동 Annotation 지원 (2D의 경우 약 40%, 3D의 경우 약 70% 수준의 자동화 가능)
  • Hyperdense Point Cloud Transformation, Velocity Based Propagation 기능을

품질 관리를 위한 작업자 및 작업 결과물에 대한모니터링 기능 제공

품질관리를 위한 모니터링 기능 제공

Scenario Generation

자율주행 알고리즘 검증을 위해서는 다양한 상황에 대한 테스트가 필요합니다. 이를 위해서 사람이 직접 시나리오를 제작할 수 있지만 이 방법에는 많은 작업 공수가 요구되며시나리오의 다양성에 제한이 있습니다. Understand.ai에서는 실차 환경에서 취득된 영상을 기반으로 다양한 시나리오를 생성하는 솔루션을 제공하고 있습니다.또한 취득된 Object List로부터도 시나리오 생성이 가능하여 실-주행 환경과 유사한 시뮬레이션 환경을 제공 가능합니다.

시나리오 생성
< 시나리오 생성 by dSPACE, UAI >
< 시나리오 추출 by UAI >

기존 지도(HD-MAP)와 취득된 RAW 데이터에 어노테이션된 데이터를 융합함으로써, 기존 오류가 포함될 가능성이 있는 Object list 대비 정확한 RAW 데이터(GroundTruth Data) 기반으로 가장 현실적이고 정확한 시나리오 추출이 가능합니다.’

Scenario generation

시나리오 추출

취득된 데이터로부터 Road Network, 3D Scenery, Dynamic Traffic 정보를 추출하여 시나리오 생성할 수 있습니다. 추출된 시나리오는 dSPACE의 툴 체인과 연동하여 시뮬레이션이 가능합니다.


특장점

실 도로를 기반으로 시나리오를 추출하므로 실 세계를 충분히 반영하지 못하는 시뮬레이션의 한계 극복 가능

한 대의 카메라로도 시나리오 생성 가능

더 정확한 시나리오 생성을 위해 추가 센서 적용 가능

HD-Map과 독립적

HD-Map을 카메라만으로 자체적으로 생성하여 테스트 가능

새로운 기능의 개발 및 검증에 대해서 Real Time HW인 HIL을 이용하여 PC기반의 offline simulation 가능

제 품문 의
top