KEA 한국전자정보통신산업진흥회

- 요약: 주차장과 같이 시각적으로 구분이 어려운 차량(동일 외형 차량) 환경에서 Re-ID 기반 방법의 한계를 극복하기 위해, Re-ID 없이도 안정적인 다중 카메라 추적을 가능하게 하는 프레임워크를 제안했습니다. Homography 기반 Bird’s Eye View(BEV) 좌표 변환, Kalman 필터 기반 궤적 예측, Joint Probabilistic Data Association(JPDA) 기법을 결합해 실시간 ROS2 시스템으로 구현했습니다.

- 개발 내용:
• 단일 카메라 추적: 각 카메라에서 YOLOv8 + BoT-SORT로 지역 Tracklet 생성.
• BEV 변환 및 궤적 정합: Homography 변환을 통해 지역 Tracklet을 글로벌 BEV 좌표로 변환, Kalman 필터와 JPDA로 궤적 기반 ID 매칭 수행.
• ROS2 기반 실시간 관리: Fusion 노드를 통해 글로벌 ID 관리 및 중복 제거, 실시간 데이터 송수신 지원.
• 실험 결과: 동일 외형의 소형 차량을 활용한 주차장 시뮬레이션에서 ID switching을 크게 줄이고 추적 일관성을 개선함을 확인.

- 역량: 시각적 특징이 희박한 환경에서도 궤적 및 기하학적 정보를 활용한 추적 설계 능력을 확보했습니다. ROS2 기반의 실시간 멀티카메라 융합 시스템을 구현하며, Kalman 필터와 JPDA를 응용한 확률적 데이터 연관 기법을 경험했습니다. 이를 통해 자율주차 및 밀집 환경에서 안정적인 객체 추적을 위한 실질적인 기술 역량을 축적했습니다.

• 개요
- 차세대 차량용 고성능 AP 환경에서, 결정적 통신을 보장하는 TSN 기술과 서비스 지향 미들웨어인 SOME/IP를 통합하여 시스템을 구축하고 그 성능을 최적화하는 것을 목표인 과제였습니다.
• 역할 및 기여
- 차량 내 통신을 위한 경량 UDP/IP 네트워크 스택을 직접 설계하고 구현하여, 제한된 자원 환경에서도 안정적인 데이터 송수신이 가능하도록 하였으며, 이를 통해 실시간 제어와 모듈 간 데이터 교환을 원활히 수행할 수 있는 기반을 마련하였습니다.
- AUTOSAR SOME/IP 프로토콜의 핵심 기능인 원격 절차 호출(RPC), 이벤트 기반 통신, 주기적 데이터 교환 기능을 구현하여, 서비스 간의 상호작용이 표준화된 방식으로 이루어지도록 하였고, 이를 통해 확장성과 상호운용성이 확보된 차량용 미들웨어 통신 구조를 완성하였습니다.
- SOME/IP-SD(Service Discovery)의 기본 기능을 구현하여 서비스 오퍼(Offer), 파인드(Find), 구독(Subscribe) 메시지를 자동으로 처리할 수 있도록 하였습니다.

• 개요
- 자율주행 프로젝트에서는 3D LiDAR, GNSS, IMU 등의 센서를 장착한 1/10 스케일 차량을 기반으로, Autoware 및 Nav2와 같은 실제 산업용 자율주행 프레임워크의 구조와 센서 데이터 흐름을 실습을 통해 체득하였습니다.
• 역할 및 기여
- GNSS 센서의 센석밧 받아오는 것 및 URDF 작성을 주로 담당했습니다.
- RTK 기반 GNSS와 IMU 데이터를 연동하여 좌표계를 설정하고, URDF를 기반으로 센서 설치 오차와 프레임 오차를 보정하며, 자율주행 시 흔히 발생하는 시간 동기화 문제나 센서 잡음 필터링 기법에 대한 이해를 높였습니다.
- Autoware 및 Nav2 오픈소스를 분석하여 센서 데이터 전처리부터 좌표계 정렬, 실시간 연동까지의 전체 파이프라인을 구조적으로 파악하고 저희 주행 차량에 적절하게 활용하였습니다.

현대NGV의 H-Mobility Class ‘자율주행’ 분야를 선택하여 수강
기간 2022. 06 ~ 2022. 09

[자격증]
OPIc (IH)
·기간 2025.07

[수상경력]
2021 한이음 ICT 대회 입선 수상 & ACK 2021 논문 우수상
· 카트 부착 스마트 모듈형 로봇이라는 명칭으로 로봇 제작
· 기간 2021.12

R-BIZ 챌린지 (대상추종로봇 마케팅 경진대회) 국무총리상
· 기간 2022.10.29

2022 교내 AI 해커톤 우수상
· 기간 2022.10.12

[대외활동]
프로그래머스에서 주최한 자율주행 데브코스 참여
· 2D LiDAR, 카메라, 초음파등의 센서들이 부착된 1/10크기의 모형차를 활용해 자율주행 경험을 쌓음
· 기간 2023. 03 ~ 2023. 08

저는 복잡한 환경에서 센서 기반 인지 정보를 처리하고, 이를 차량 동작으로 연결하는 시스템 전체의 동작 흐름을 설계하고 구현하는 능력을 강점으로 삼고 있습니다. 성균관대학교 석사 과정에서는 ROS2 기반 자율주차 시스템을 개발하며, 고정형 CCTV에서 차량 인지 데이터를 수집하고 이를 클라이언트 차량에 전달하는 서버–클라이언트 구조를 직접 설계하였습니다. YOLOv8 기반 객체 인지 결과를 실시간으로 송신하고, 차량 측에서는 FSM 기반 제어 로직을 통해 주차 Lifecycle을 수행할 수 있도록 구현했습니다.

특히, 다중 카메라 환경에서 발생하는 ID Switching 문제를 해결하기 위해 자체적인 ID 정합 알고리즘을 설계하고, GAZEBO 시뮬레이터 환경에서 반복적으로 검증하였습니다. 또한, 3D LiDAR, GNSS, IMU가 장착된 1/10 스케일 차량을 이용해 Autoware 및 Nav2 프레임워크를 실습하며, 좌표계 정렬·센서 오차 보정·시간 동기화와 같은 자율주행의 핵심 문제를 직접 경험했습니다. 저는 이러한 경험을 통해 단순한 알고리즘 구현이 아닌, 실제 차량에 적용 가능한 완성도 있는 인지·제어 시스템을 설계하는 역량을 쌓아왔습니다.

[주요논문 연구분야]
저는 현재 다중 차량 협력 주차 시스템을 연구하고 있습니다. 고정형 CCTV로 차량의 위치와 속도를 추적하고, Homography 기반 BEV 변환을 통해 여러 시점을 통합하여 차량 간 충돌을 방지할 수 있는 제어 구조를 설계했습니다. YOLOv8과 BoT-SORT를 조합해 단일 카메라 내 안정적인 tracklet을 생성하고, 이를 기반으로 Graph Neural Network(GNN) 을 적용하여 차량 간의 ID 정합, 주차 우선순위, 경로 선택을 분산적으로 판단할 수 있도록 개발했습니다.

이 방식은 기존의 rule-based 혹은 centralized 방식과 달리, 각 차량이 주변 차량과 상호작용하며 독립적으로 행동을 결정할 수 있다는 점에서 복잡한 다차선 주차장 환경에도 확장성이 뛰어납니다. 향후에는 self-supervised 학습 방식으로 확장하고, Jetson Orin Nano와 같은 경량 디바이스에서도 실시간 추론이 가능하도록 GNN을 최적화할 계획입니다. 이를 통해 분산 인지·판단 구조를 갖춘 자율주차 시스템을 실현하는 것이 목표입니다.



[프로젝트 수행경험]
저는 프로젝트를 수행하며 항상 실제 차량 환경에서 동작 가능한 수준의 완성도를 지향했습니다. 자율주차 프로젝트에서는 ROS2 멀티스레딩과 메시지 구조 최적화를 통해 데이터 지연 문제를 해결했고, 시뮬레이터와 실제 차량 환경에서 반복 검증을 통해 센서 잡음·통신 지연 문제까지 보완했습니다.

프로젝트 초기 단계에서는 다양한 의사결정이 필요했고, 초기에는 각자의 문제를 해결하고자 하는 의견이 달라 협업 방향을 통일하는 데 어려움이 있었습니다. 이러한 상황을 개선하기 위해, 저는 매달 핵심 목표를 설정하고 논의가 필요한 부분과 개별적으로 진행 가능한 작업을 구분해 일정을 정리했습니다. 이를 통해 팀 내 혼선을 줄이고, 각자의 역할을 명확히 하여 작업 효율을 높일 수 있었습니다. 이 과정에서 좋은 협업이란 단순히 의견 교환을 넘어, 동료의 효율을 높이는 시스템을 함께 설계하는 것임을 배웠습니다.
앞으로도 저는 기술 뿐 아니라 소통과 조율 능력을 바탕으로, 실무 환경에서도 효과적인 협업을 이끌어내는 개발자가 되고자 합니다. 개인의 성장이 곧 팀의 성장이고, 팀의 성장이 회사의 경쟁력이 된다고 믿습니다.