도로 시설물을 측위에 활용하려고 할 때 각 시설물에 대한 랜드마크로서의 적합성에 관한 기존 연구는 전무하다. 따라서 본 논문에서는 Fig. 1과 같이 지도 정합 방식 측위를 총 4단계로 구분하고, 각 단계에 영향을 주는 시설물 특성을 평가항목으로 제안하였다. 각 항목에 대해 평가할 때 실제 도로에서 취득한 데이터만을 활용하면 좋겠지만 이는 현실적으로 불가능하여 시뮬레이션 수행 및 각종 참고문헌과 지도를 참조하였다. 또한 본 논문에서는 시설물 개별에 대한 랜드마크 적합성을 평가하는데에 초점을 두었기 때문에 복수 시설물을 동시에 사용하여 측위하는 경우는 배제하였다.

Fig. 1 
Procedures of map-matching based localization and corresponding landmark suitability evaluation criteria

지도 정합 방식의 측위는 Fig. 1과 같이 랜드마크를 검출하고 이에 대응하는 정보를 정밀지도에서 찾는다. 그리고 검출된 랜드마크 정보와 찾아진 지도정보를 활용하여 자차의 위치를 추정하며 추정된 결과를 GNSS/INS(Inertial Navigation System)의 결과와 융합하여 최종 위치를 출력한다. 랜드마크를 검출하는 단계에서는 각 도로 시설물이 센서를 통해 얼마나 잘 검출될 수 있는지, 즉 검출 적합성에 대해 평가한다. 지도 정합 단계에서는 검출된 시설물에 대응하는 지도정보를 검색하기가 얼마나 용이한지가 중요하며, 이는 지도 정합성 항목으로 평가한다. 위치 추정단계에서는 자차의 위치를 추정할 때 여러 오차 요인이 발생해도 얼마나 정밀한 결과를 얻을 수 있는지를 측위 강건성 항목으로 평가한다. GNSS/INS와 융합단계에서는 각 시설물이 얼마나 자주 관찰되어 최종 위치 추정에 기여하는지가 중요하여, 관찰 빈도 항목으로 평가한다. 끝으로 단계별 평가항목 결과를 종합하여 각 시설물별 랜드마크 적합성을 도출한다.

검출 적합성은 시설물을 단안카메라로 검출할 경우 얼마나 잘 검출될 수 있는지에 대한 평가항목이다. 검출 적합성 D^a은 평균 검출 프레임 수 Nf¯, 시인성 V, 형상 불변성 S와 같이 3가지 세부항목으로 나누어진다. 검출 적합성을 결정짓는 세부항목들은 뒤에서 상세히 설명하겠지만, 각각 독립적인 특성을 가지므로 검출 적합성은 각 항목 점수의 곱으로 계산하였다.

본 논문은 각 시설물의 절대적인 적합성을 정량적으로 평가하기보다 다른 시설물과의 비교 우위를 계산하는 것에 목적이 있다. 따라서 식 (1)에서 계산한 검출 적합성을 식 (2)와 같이 최고 점수가 10이 되도록 정규화한 상대검출 적합성 D^r로 변환하였다. 검출 적합성 평가 결과는 Table 9와 같다.

평균 검출 프레임 수는 자차가 100 km/h로 주행하고 15 fps(frame per second) 검출속도로 시설물을 검출한다고 가정할 때 각 시설물이 검출되는 평균 프레임 수이다. 차속은 일반적인 고속도로 최고시속으로 가정하였고, 영상처리 속도는 검출율이 가장 우수한 최신 교통안전표지 검출 알고리즘이 720×576 해상도에서 약 13 fps로 처리되기 때문에 향후 하드웨어 발달을 고려하여 15 fps로 설정하였다.⁸⁾ 본 논문에서는 영상에 투영된 시설물이 가려지지 않으면 100 % 검출된다고 가정하였고, 이때 시설물 i의 평균 검출 프레임 수는 아래와 같이 계산된다.

위의 식에서 Nio¯는 시설물 i 가 다른 차량에 의해 가려지는 평균 프레임 수이고 Nid¯는 시설물이 검출 가능한 평균 프레임 수이며 다음과 같다.

위의 식에서 Rid¯은 평균 검출 가능 거리범위로 영상에서 시설물이 검출될 수 있는 조건을 만족하는 카메라와 시설물간 사이 평균거리를 나타낸다. 시설물이 검출될 수 있는 조건은 영상에 투영된 시설물의 최소 변의 길이가 24화소 이상이고 투영된 시설물 전체가 화각 안에 들어오는 것으로 설정하였다. V_P는 초당 영상처리율로 본 논문에서는 15 fps이며, L¯는 초당 자차의 평균 이동거리이다. Nid¯는 카메라의 화각 및 화소수, 시설물의 크기 그리고 시설물과 카메라 사이의 상대위치와 관련 있다. Nid¯와 Nio¯를 실 도로에서 취득된 데이터를 활용하여 계산하는 것은 차량과 시설물간 위치 관계, 차량의 속도, 타차의 분포 및 종류와 같은 다양한 변수를 고려해서 수집해야 해서 현실적으로 불가능하다. 따라서 본 논문에서는 이를 시뮬레이션을 통해 계산하였으며, 구체적인 시뮬레이션 방법은 3.2.1에서 설명하였고 평균 검출 프레임 수 평가 결과는 Table 6과 같다.

시인성은 시설물이 조도 조건이 안 좋은 야간에도 육안으로 얼마나 잘 관찰될 수 있는지를 평가한다. 시설물의 평균 검출 프레임 수가 높아도 야간과 같이 조도가 낮은 경우에 시설물이 실제 검출되지 않으면 해당 시설물을 측위에 사용하기 어렵다. 시인성을 결정짓는 요소는 다음과 같다.

• - 시설물의 발광성능(휘도) 또는 반사성능(재귀휘도 계수)
• - 반사성능 측정 시 차량 전조등의 입사각
• - 반사성능 측정 시 관찰각
• - 시설물의 면적(크기)

휘도는 단위면적 당 광도로 단위는 cd/m² 이며, 발광체의 성능을 나타내는 지표이다. 재귀휘도 계수는 반사체의 반사성능을 나타내는 지표로 단위면적에 입사된 조도 대비 휘도로 단위는 cd/(lx･m²)이다. 시설물의 면적은 평균 검출 프레임 수를 계산할 때 고려되기 때문에 시인성 계산 때는 배제하였다. 입사각은 Fig. 2와 같이 시설물의 법선과 조사되는 전조등 빛 사이의 각도를 의미하며, 관찰각은 시설물에 입사되는 빛과 운전자의 시야로 들어오는 빛이 이루는 각도를 의미한다. 시설물의 재귀휘도 계수 또는 휘도는 Table 1의 시설물의 재질(반사지, 반사도료, 반사렌즈, 발광체) 및 색상에 따라 달라지며 이에 대한 자료는 Table 1의 참고문헌과 같다.

Fig. 2 
Relationship between incident angle and observation angle²⁰⁾

시인성 점수를 계산하기 위해 반사체인 경우는 입사각과 관찰각에 따른 재귀휘도 계수의 평균을 계산하였고, 발광체의 경우에는 평균 휘도를 계산하였다. 시인성 점수는 주간점수(최고 5점)와 야간점수(최고 5점)를 합산하여 부여되며, 모든 시설물의 주간 점수는 최고점을 부여하였다. 재질이 발광체인 차로 상태 표시등의 경우 야간점수를 최고점으로 부여하였으며 재질이 발광 및 반사체도 아닌 환풍기는 야간점수를 0점으로 부여하였다. 반사체인 경우 시설물 i 의 야간 시인성 점수Vin는 아래와 같이 계산된다.

여기서, ξ¯i는 시설물 i 의 평균 재귀휘도 계수이다. 시설물의 평균 재귀휘도 계수 또는 평균 휘도를 계산한 방법은 3.2.2에서 자세히 설명하였고, 시인성 점수 평가 결과는 Table 7과 같다.

형상 불변성은 도로시설물의 모양이나 내부 표식이 변화하지 않는 정도를 나타내며 형상 변화가 적을수록 검출기의 형상 패턴 학습이 용이해서 검출율이 높아질 수 있다. 형상 불변성을 결정짓는 요소로는 시설물의 모양변화, 치수비율변화, 내부 표식변화가 있다. i 번째 시설물의 형상 불변성 점수 S_i는 식 (6)과 같이 모양 불변성 Sis, 치수비율불변성 Sil, 표식불변성 Sip점수의 평균으로 정의하였다.

식 (6)에서 Sis는 시설물이 단일 모양이면 3점, 제한된 종류의 모양변화가 존재하면 2점, 모양을 규정할 수 없으면 1점을 부여하였다. Sil는 치수 비율이 고정되어 있으면 3점, 제한된 치수 비율변화가 존재하면 2점, 치수 비율에 대한 규정이 없으면 1점을 부여하였다. 끝으로 Sip는 단일표식 3점, 제한된 종류 표식 2점, 표식 규정이 없으면 1점을 부여하였다. 각 시설물의 형상에 대한 특성은 Table 1에 나와 있으며 이를 토대로 형상불변성을 평가하였고, 그 결과는 Table 8과 같다.

지도 정합성은 영상에서 검출한 시설물에 대응하는 전자 지도상에 저장된 시설물을 찾는 것이 얼마나 용이한 지에 대한 척도이다. 지도 정합성은 시설물의 설치 간격에 영향을 받는다. 예를 들어 GNSS만을 이용하여 측위할 경우 오차가 수m 이내이고 검출된 시설물의 설치 간격이 10 m 이상이면 검출한 시설물이 지도상의 동종 시설물 중 어느 시설물과 대응되는지는 쉽게 알 수 있을 것이다. 지도 정합성은 관찰 빈도와는 상반되는 부분이 있는데, 도로 상에 시설물이 일정 정도 이상 자주 등장하는 것은 좋지만 그 설치 간격이 너무 촘촘하면 지도 정합성이 떨어져 오히려 해당 시설물을 측위에 활용하기 어려울 수 있다. 일반적으로 자율주행자동차에는 GNSS가 기본적으로 장착되어 있으며 본 논문에서 대상으로 하는 고속도로에선 개활지(Open Sky) 환경이 대부분이기 때문에, GNSS/INS의 측위 오차가 5 m 이내라고 가정하였다.¹¹⁾ 따라서 시설물의 설치 간격이 5 m 이상 떨어지면 지도상의 해당 시설물을 찾는 데 문제가 없기 때문에, 시설물 i 에 대한 지도 정합성 점수 M_i는 식 (7)과 같이 설치 규정에 나와 있는 시설물 i 에 대한 최소 설치 간격 Iid을 기준으로 최고점이 10점을 갖도록 계산하였다. 각 시설물에 대한 설치 간격 및 지도 정합성 평가 결과는 Table 11과 같다.

측위 강건성은 시설물의 설치 높이, 포즈, 카메라 외부 변수, 영상에서의 검출 좌표 등에 오차가 존재할 때 추정된 자차의 위치가 얼마나 정밀한지를 뜻한다. 검출된 시설물을 활용해서 추정된 자차의 위치는 시설물 기준 차량(카메라)의 상대위치 혹은 전 지구 좌표계에서 차량의 절대위치로 나눌 수 있다. 본 논문에서는 상대 위치 만을 추정할 수 있는 경우를 상대 측위(Relative localization), 절대 위치를 추정할 수 있는 경우를 절대 측위(Global localization)로 정의하였다.

상대 측위는 노면과 시설물 및 카메라 간의 높이를 알고 노면의 법선 벡터와 카메라 광축 간의 관계를 알고 있다면 수행할 수 있다.¹²⁾ Fig. 3의 좌측은 측면에서 카메라와 시설물의 위치 관계를 표현한 것이다. Fig. 3에서 캘리브레이션을 통해 카메라의 높이 H_c, 초점거리 f, 그리고 주점의 세로좌표 o_υ를 알고 시설물의 설치 높이 규정 또는 지도정보를 통해 시설물의 높이 H_g를 안다면, 닮은꼴 삼각형의 비례식에 의해 카메라에서 시설물까지의 종방향(차량진행방향) 거리 Z_f는 식 (8)과 같이 계산된다. 식 (8)에서 υ_g는 영상에서 검출된 시설물의 최하단 세로좌표이다. Fig. 4의 좌측은 조감도에서 카메라와 시설물의 위치 관계를 표현한다. Fig. 4에서 카메라부터 시설물의 중심까지의 횡방향 거리 Z_s는 식 (9)와 같이 닮은꼴 삼각형의 비례식에 의해 계산된다. 식 (9)에서 u_g는 영상에서의 시설물 중심의 가로좌표이며 o_u는 주점의 가로좌표이다.

Fig. 3 
Side view of a road facility, camera, and road surface

Fig. 4 
Top view of a road facility, camera, and road surface

시설물의 설치높이를 알지 못해도 시설물에서 검출된 4점 이상의 특징점들 간의 관계와 해당 특징점들에 대응하는 영상좌표를 알고 있으면 상대 측위가 가능하다. 예를 들어 표지판은 직사각형이고 너비와 높이를 알고 있다면 표지판의 특징점, 즉 코너점 간의 관계를 알 수 있고 이에 대응하는 영상좌표를 알고 있다면 실제 표지판과 영상에 투영된 표지판간의 관계를 Homography변환으로 표현할 수 있으며 이를 통해 상대측위가 가능하다.¹⁷⁾

절대 측위는 시설물에서 검출된 4점 이상의 특징점들에 대한 전지구 좌표(Global position)와 이에 대응하는 영상좌표를 알고 있으면 가능하다.¹³⁾ 4점 이상의 특징점 간의 관계를 이용한 상대 측위는 절대 측위 방법과 유사하며 단지 차이는 특징점의 좌표가 전지구 좌표가 아니라 특징점 중 한 점을 원점으로 하는 시설물 기준 좌표라는 것이다. 따라서 본 논문에서는 상대측위 방법을 시설물의 설치높이를 이용한 방법으로 한정하고 각 시설물 별로 다양한 오차 요소에 대해 상대측위 오차의 강건성을 시뮬레이션을 통해 측정하였다.

상대 측위의 결과에 오차를 발생시키는 요소로는 시설물의 설치 높이 규정과 실제 설치 높이 간의 오차, 카메라 외부변수 오차(내부변수엔 오차가 없다고 가정), 영상에서 시설물의 검출오차 그리고 끝으로 이런 오차들의 영향을 증폭시키는 시설물과 카메라 간의 종방향 거리가 있다.

시설물 i 의 상대 측위 강건성 Pir은 식 (10)과 같이 계산하였다. 차량의 실제 위치를 기준으로 각 요소(설치 높이 오차, 카메라 각도 오차, 시설물의 검출오차)별 표준편차를 계산한 후 이를 평균하고, 그 값이 5 m를 넘지 않으면 상대 측위 강건성 점수를 부여하고 그렇지 않으면 0점을 부여하였다.

식 (10)에서 σih,σia,σid는 각각 설치높이 오차, 카메라 외부변수 오차(카메라 각도), 높이 측정점의 검출 오차에 대한 상대측위의 표준편차를 의미한다. 각 오차 발생 요소 별 상대측위의 표준편차를 계산하는 방법은 3.4.1에서 자세히 설명하였고, 그 결과는 Table 11과 같다.

절대측위는 앞서 언급했듯이 지도상의 시설물에 4점 이상의 전지구 좌표가 주어졌을 때 측위가 가능하다. 그러므로 시설물의 형상이 삼각형이나 원형이어서 4점 이상의 코너점(특징점)을 추출하기 어려운 경우에는 평가에서 배제하였다. 절대측위에서 오차를 발생시키는 요소로는 실제 시설물의 전지구 좌표와 지도에 기록된 시설물의 좌표 간 차이와 영상에서 검출된 시설물의 좌표 오차가 있다. 시설물의 전지구 좌표와 지도상 좌표 간 차이는 주로 바람과 같은 외란에 의해 시설물의 포즈가 변화한 경우이다. 따라서 이에 대한 측위오차를 본 논문에서는 시설물의 포즈변화에 대한 측위오차로 정의하였다. 이러한 요소들로 인한 절대 측위 오차는 시설물과 카메라 간의 거리가 멀수록 커진다. 예를 들어 시설물을 기준으로 카메라의 위치를 측정할 때 거리 R 에 오차는 없지만 시설물의 방향이 θ만큼 틀어졌다고 가정하면 위치 오차는 R⋅θ가 된다. 즉 실제 카메라의 위치와 추정된 위치간의 차이는 거리 R 에 비례하게 된다. 시설물의 크기도 절대 측위 오차에 영향을 준다. 시설물의 크기가 크다면 동일한 포즈변화에 대해서 특징점 좌표의 변화가 커져서 측위 오차는 커질 수 있다. 하지만 시설물의 크기가 크면 영상에 투영된 시설물의 크기도 커져서 검출오차에 대해서는 둔감할 수 있다.

시설물 상의 4개 특징점에 대한 전지구 좌표와 영상좌표가 주어진 경우 절대 측위 방법은 다음과 같다. 시설물이 주로 평면이므로 시설물 상의 전지구 좌표와 영상좌표간의 Homography관계를 추정하고 추정된 Homography로 카메라 좌표계 기준 시설물 특징점의 3차원 좌표를 계산한다.¹⁷⁾ 카메라 좌표계 기준 시설물 특징점의 좌표와 전지구 좌표계 기준 좌표 간의 Similarity 변환에 대한 회전과 변위 행렬을 추정하여 전지구 좌표계 기준 카메라 좌표를 결정한다.¹⁴⁾

절대측위 강건성도 상대측위와 동일하게 각 오차 발생요소에 대한 측위 표준편차를 구한 후 식 (11)과 같이 계산하였다.

식 (11)에서 σip와 σid는 각각 포즈변화와 시설물 검출좌표 오차에 대한 절대 측위 표준편차이다. 절대측위 표준편차를 계산하는 방법은 3.4.2에서 자세히 설명하였고, 그 결과는 Table 12와 같다.

시설물에 따라 상대 측위만 가능한 경우가 있다. 상대 측위만 가능한 시설물이라고 해도 차량의 진행방향 및 차량과 차선 간의 이격 거리를 알고 검출된 시설물이 지도와 정합된다면 전지구 좌표계에서 차량위치를 알 수 있다. 따라서 본 논문에서는 상대측위 강건성 점수와 절대측위 강건성 점수 중 높은 것을 선택하여 시설물 i의 측위강건성 점수 P_i를 계산하였고, 그 결과는 Table 13과 같다.

관찰 빈도는 시설물이 도로에서 1 km당 존재하는 빈도수를 의미하며, 관찰 빈도가 높을수록 해당 종류의 시설물이 자주 등장하여 GNSS/INS에 의한 측위 결과를 보정하는데 활용도가 높을 것으로 기대할 수 있다. 시설물 i의 관찰 빈도 점수 F_i 는 식 (12)와 같이 계산하며, 여기서 Q_i는 시설물 i의 관측 횟수를 의미한다. F_i는 1 km 당 10회 이상 시설물이 존재하면 최고점을 부여하였다. 각 시설물 별 관찰빈도는 영동고속도로 상행선 서울 TG부터 호법 JC까지 약 42 km 구간에 설치된 도로 시설물을 직접 개수하여 평가하였다. 그 평가 결과는 Table 14와 같다.

각 시설물에 대해서 앞에서 살펴보았던 검출적합성, 지도정합성, 측위강건성, 관찰빈도에 대한 세부항목과 평가방법을 정리하면 Table 2와 같다. 측위 강건성이나 평균 검출 프레임 수와 같이 시뮬레이션에 기반한 평가를 수행할 때 관계된 변수는 참고문헌을 참고하여 설정하였으며, 시뮬레이션에 사용된 교통흐름 모델이나 측위 방법은 기존 연구를 참조하였다. 참고문헌조사를 통해 평가한 항목도 시인성과 같이 명확한 수치가 존재하는 자료가 있으면 이를 바로 인용하였고, 그렇지 않은 경우에는 참고문헌을 근거로 논리적으로 추론하였다.

시설물 i에 대한 랜드마크 적합성 Sia은 상대 검출적합성 Dir, 지도정합성 M_i, 측위강건성 P_i, 관찰 빈도 F_i 점수를 식 (13)과 같이 가중합하여 산출하였다.

각 평가항목에 대한 가중치 w는 전문가 자문을 통해서 구했으며, 자문 결과와 각 시설물별 랜드마크 적합성은 Table 15와 같다.

일부 평가항목에 대한 정량평가를 위해서는 카메라와 시설물 간의 위치관계, 타차의 분포 및 궤적, 시설물의 설치 높이 및 포즈 등을 변화시키면서 분석해야 한다. 실제 환경에서 이를 수행하는 것은 불가능하다. 따라서 본 논문에서는 여러 시뮬레이션을 통해 정량평가를 수행하였다. 시뮬레이션 환경을 설정하기 위해 적용된 사양은 카메라, 도로 그리고 시설물 관련된 항목을 포함한다. 카메라 및 도로 관련 사양은 Table 3과 같다. 카메라 수평 화각은 일반적인 전방카메라를 기준으로 하였다. 카메라 좌표계는 Y축이 노면의 법선 벡터와 일치하고 Z축(즉, 광축)이 차량 진행방향과 일치하는 오른손 좌표계를 적용하였다. 도로는 편도 4차선 직선도로로 가정하였고 차로 폭은 일반적인 고속도로 폭인 3.5 m로 설정하였다.

시설물 관련 사양은 Table 4와 같으며 명확한 형상(모양 및 치수) 및 설치 높이 규정이 존재하면 이를 준수하며, 규정이 일정 범위로 주어진 경우 범위 내에서 설정하였다. 규정 자체가 없는 경우에는 시중에 판매되는 제품을 기준으로 시설물의 형상 관련 사양을 설정하였다. 또한 안전표지의 경우 “교통안전표지 설치관리 매뉴얼”²⁰⁾에서 명시된 안전표지가 육안으로 인식되어야 할 거리를 참고하였고 “안전보건표지의 종류”³⁰⁾에 나와 있는 인식거리를 기준으로 안전표지의 크기를 정하는 공식을 사용하여 설정하였다.

Fig. 5는 Table 3, 4의 시뮬레이션 변수를 활용하여 가상카메라, 가상도로, 가상 시설물을 생성한 예를 보여준다. 위와 같은 시뮬레이션 환경에서 시설물의 설치 높이 및 자세, 자차와 시설물 간의 상대 위치 그리고 주변 다른 차량의 위치 등을 변화시켜 가면서 실험하였다.

Fig. 5 
Road facilities and a camera in a virtual road

Table 10은 각 시설물별 설치간격과 식(6)에 의해 계산한 지도 정합성 점수(M) 결과이다. Table 10의 경우, 대부분의 시설물이 특정위치에 설치되거나 최소 설치간격이 5 m 이상이어서 최고점을 받았다. 시선유도봉은 비교적 촘촘하게 설치되어 지도 정합성 점수가 낮았다. 또한, 차로표시선, 환풍기, 차로상태 표시등은 차로마다 존재할 수 있기 때문에 종방향(Longitudinal direction)으로는 설치 간격이 5 m 이상이지만 횡방향(Lateral direction)으로는 설치간격이 차로 폭(3.5 m)이 되어, 지도 정합성 점수가 차로 폭의 2배로 계산되었다.

측위 강건성 점수를 계산하기 위해서는 상대 또는 절대 측위 시 오차 발생요소에 대한 측위 결과의 표준편차를 계산해야 한다. 이는 다음과 같은 절차로 시뮬레이션을 통해 계산되었다.

• 1) 차량을 i 번째 차로에 배치
• 2) 차량과 시설물 간의 종방향 거리가 시설물 별 최소 검출 가능거리(Table 5참조)가 되도록 차량 이동
• ※ 시설물의 차로 배치는 Table 1 참조
• 3) 오차 발생요소에 대해 일정 범위 내에, 일정 간격으로 오차를 발생시킨 후 측위 수행
• 4) 차로 i 를 1~4 범위에서 변화시키면서 위의 실험을 100회 반복하여, 실제 차량위치를 기준으로 3)에서 구한 측위 결과의 표준편차 측정

위의 방법에서 시설물과 카메라 간의 종방향 거리를 최소 검출 가능거리로 설정한 이유는 시설물과 카메라 간의 거리가 가까울수록 측위 정밀도가 높아지기 때문이다.

본 논문에서는 관찰 빈도를 측정하기 위해 실제 고속도로 구간(영동고속도로 상행선 서울 TG부터 호법 JC 약 42 km)에 설치된 시설물을 직접 개수하였다. Table 14는 식 (12)을 통해 실제 설치된 개수를 관찰 빈도 점수(F)로 환산한 결과이다.

Table 14를 보면 안전표지(지시)는 거의 관찰되지 않았다. 터널에 설치되는 시설물인 비상구표시, 환풍기, 소화전, 차로 상태 표시등은 측정 구간에 터널이 많지 않아서 관찰되는 횟수가 적었으며, 점선 차로 표시선의 경우는 실제 개수를 세기 어려울 정도로 많아 최고점을 부여했다. 또한 시선유도봉의 경우도 1 km당 11개 이상 관찰되어 최고점을 부여하였다.

최종적으로 랜드마크 적합성을 계산하기 위해 각 평가항목에 대한 가중치를 총 22명의 전문가들에게 자문하여 구하였다. 각 항목별로 중요도를 5단계(매우 중요, 중요, 보통, 중요하지 않음, 필요 없음)로 나누어 설문하고, 그 결과를 평균하여 가중치를 계산하였다. 설문에 응한 전문가들의 연구분야, 연구경력 및 소속에 대한 분포는 Fig. 8과 같다. Fig. 8(a)를 보면 전문가들의 연구분야는 시설물 검출과 관련된 신호처리, 자율 주행차 제어 그리고 시설물 및 정밀지도 생성과 관리에 관련된 전자지도 및 교통공학이다. 전문가들의 연구 경력은 대부분 10년 이상이며 소속기관은 대부분 학계와 자동차 관련 기업들이었다. Table 15는 평가 항목별 가중치와 이를 반영한 각 시설물의 최종 적합성 점수를 보여준다. Table 15의 평가항목 명 아래 숫자가 항목에 대한 가중치인데 설문결과 가중치가 고르게 나왔다.

Fig. 8 
Distributions of research field, career and affiliated institution of the experts answering our questionaries

Table 15를 보면 차로 표시선이 관찰빈도가 높고 측위 강건성이 높아 측위에 가장 적합한 도로 시설물로 판명되었다. 특히 차로 표시선의 경우 이를 활용한 고속도로 및 시내도로에서의 측위 시스템에 관한 많은 연구가 수행되었다.¹⁵⁾ 차로 표시선 이외에 운전자의 시야에 잘 띄는 표지판이나 안전표지, 노면표시가 적합도가 높아 추가로 사용될 수 있는 시설물로 분류되었다. 시선유도표지 및 시선유도봉는 시설물의 크기가 작아 검출적합성이 떨어져 사용하기 어려우며, 비상구 및 소화전 표시는 터널 벽면에 부착되어 카메라에 투영된 크기가 작아서 활용하기 어려운 것으로 나타났다. 빗금표지물이나 장애물 표적표지와 같이 설치높이가 카메라 높이와 유사한 경우에는 측위 오차가 커져서 부적합한 것으로 나타났다. 갈매기 표지의 경우 곡선도로에만 설치되어 있으며, 이 경우에는 차선만으로도 정밀측위가 가능하여 활용도가 떨어지는 것으로 평가되었다. 환풍기나 차로 상태 표시등은 관찰빈도 및 검출적합성이 떨어져 측위에 적합하지 않은 것으로 나타났다. 결론적으로, 차로 표시선을 주 랜드마크로 측위에 활용하고 표지판, 노면표시 및 교통안전표지를 함께 사용하는 것이 가장 적합하다고 판단된다.