본 연구는 자율주행자동차의 정확한 위치 추정을 위해 차선 및 횡단 보도 지도 기반 위치추정 기법에 관한 내용이다. 자율주행자동차는 출발점으로부터 목적지까지 계산된 경로를 따라 안전하게 주행하는 자동차로 이를 위해서는 정확한 차량의 위치인식이 필수적이다. 본 연구에서는 자율주행자동차의 위치추정을 위해 구축한 도로정보 특징지도 구축방법을 설명하고 LiDAR와 GNSS, 관성항법장 치를 기반으로 ICP(Interactive closest Point)와 UKF(Unscented ...
본 연구는 자율주행자동차의 정확한 위치 추정을 위해 차선 및 횡단 보도 지도 기반 위치추정 기법에 관한 내용이다. 자율주행자동차는 출발점으로부터 목적지까지 계산된 경로를 따라 안전하게 주행하는 자동차로 이를 위해서는 정확한 차량의 위치인식이 필수적이다. 본 연구에서는 자율주행자동차의 위치추정을 위해 구축한 도로정보 특징지도 구축방법을 설명하고 LiDAR와 GNSS, 관성항법장 치를 기반으로 ICP(Interactive closest Point)와 UKF(Unscented Kalman Filter) 알고리즘을 사용하여 차선과 횡단보도 지도를 이용한 자율주행자동차의 위치추정 방법을 제시한다. 지도를 구축함에 있어 위치추정에 필요한 특징만을 사용하기 위해 RBNN(Radius Based Nearest Neighbor) 객체 분할 방식과 ANN(Artificial Neural Network)분류 기법을 이용하여 도로의 특징 을 추출하고 이를 기반으로 포인트로 이루어진 지도를 구축하였다. 자 율주행자동차의 위치추정은 기본적으로 GNSS를 통해 쉽게 위치 추정 을 할 수 있다. 하지만 GNSS를 이용한 위치 추정에는 음영지역과 위 성의 분포, 무선신호의 잡음에 의해 정확한 위치를 추정할 수 없는 경 우가 있다. 또 관성항법장치를 이용한 추측항법 알고리즘인 UKF는 Kalman Filter의 특징인 누적오차로 인해 대부분 짧은 거리의 경우에 만 정확한 위치추정이 가능하다. 점대점 매칭을 이용해 위치를 추정하 는 ICP 알고리즘의 경우 시스템의 과부하를 불러 실시간성이 부족해 진다는 단점이 있다. 이러한 자율주행자동차의 위치추정 방법들의 단 점들을 보안하고자 3가지 방법의 상호보완적 관계를 이용하여 자율주 행 자동차의 정확한 위치를 추정하고자 하였다. 제안된 위치인식 알고리즘을 기반으로 GNSS 단락 시 차량에 장착 된 센서를 사용하여 차선과 횡단보도 정보를 이용하여 위치를 추정하 는 것을 확인하였고 차량 정보만을 이용한 위치 추종기법 보다 정확한 위치 추종 거리가 증가하였고 GNSS 센서 측정 시에는 GNSS 센서만 을 이용한 위치 추종기법보다 안정적인 위치 추종기법이라는 결론을 도출하였다.
본 연구는 자율주행자동차의 정확한 위치 추정을 위해 차선 및 횡단 보도 지도 기반 위치추정 기법에 관한 내용이다. 자율주행자동차는 출발점으로부터 목적지까지 계산된 경로를 따라 안전하게 주행하는 자동차로 이를 위해서는 정확한 차량의 위치인식이 필수적이다. 본 연구에서는 자율주행자동차의 위치추정을 위해 구축한 도로정보 특징지도 구축방법을 설명하고 LiDAR와 GNSS, 관성항법장 치를 기반으로 ICP(Interactive closest Point)와 UKF(Unscented Kalman Filter) 알고리즘을 사용하여 차선과 횡단보도 지도를 이용한 자율주행자동차의 위치추정 방법을 제시한다. 지도를 구축함에 있어 위치추정에 필요한 특징만을 사용하기 위해 RBNN(Radius Based Nearest Neighbor) 객체 분할 방식과 ANN(Artificial Neural Network) 분류 기법을 이용하여 도로의 특징 을 추출하고 이를 기반으로 포인트로 이루어진 지도를 구축하였다. 자 율주행자동차의 위치추정은 기본적으로 GNSS를 통해 쉽게 위치 추정 을 할 수 있다. 하지만 GNSS를 이용한 위치 추정에는 음영지역과 위 성의 분포, 무선신호의 잡음에 의해 정확한 위치를 추정할 수 없는 경 우가 있다. 또 관성항법장치를 이용한 추측항법 알고리즘인 UKF는 Kalman Filter의 특징인 누적오차로 인해 대부분 짧은 거리의 경우에 만 정확한 위치추정이 가능하다. 점대점 매칭을 이용해 위치를 추정하 는 ICP 알고리즘의 경우 시스템의 과부하를 불러 실시간성이 부족해 진다는 단점이 있다. 이러한 자율주행자동차의 위치추정 방법들의 단 점들을 보안하고자 3가지 방법의 상호보완적 관계를 이용하여 자율주 행 자동차의 정확한 위치를 추정하고자 하였다. 제안된 위치인식 알고리즘을 기반으로 GNSS 단락 시 차량에 장착 된 센서를 사용하여 차선과 횡단보도 정보를 이용하여 위치를 추정하 는 것을 확인하였고 차량 정보만을 이용한 위치 추종기법 보다 정확한 위치 추종 거리가 증가하였고 GNSS 센서 측정 시에는 GNSS 센서만 을 이용한 위치 추종기법보다 안정적인 위치 추종기법이라는 결론을 도출하였다.
This study is about lane and pedestrian guidance based location estimation technique for accurate position estimation of autonomous vehicle. Autonomous vehicles are driving safely along the path calculated from the starting point to the destination. Accurate vehicle position recognit...
This study is about lane and pedestrian guidance based location estimation technique for accurate position estimation of autonomous vehicle. Autonomous vehicles are driving safely along the path calculated from the starting point to the destination. Accurate vehicle position recognition is essential for this. In this study, we describe the method of road map construction for the estimation of autonomous vehicle location and LiDAR, GNSS, and Inertial Navigation System, ICP (Interactive closest Point) and UKF (Unscented Kalman Filter) algorithms are used to estimate autonomous vehicles using road information feature maps. Using RBNN (Radius Based Neighbor) and ANN (Artificial Neighbor) based object segmentation techniques to build out the map using only the features needed to estimate its location. Estimates of the location of autonomous vehicles can be easily estimated using GNSS. Location estimation using GNSS, however, is not always possible to estimate the exact location due to the distribution of shadow regions and satellites, and the noise of radio signals. Furthermore, the UKF, a conjectural navigation algorithm using inertial navigation, is able to estimate the exact location only for most short distances due to cumulative error, a feature of Kalman Filter. The disadvantage of the ICP algorithms that estimate the position using dot matching is that the system overloads, resulting in a lack of real time. In order to ensure the security of the positioning of these autonomous vehicles, the exact location of the autonomous vehicles was to be estimated using a complementary relationship of three methods. Based on the proposed positioning algorithm, we used sensors installed on the vehicle in the event of a GNSS short circuit and determined that the position of the GNSS sensor was more accurately followed than that of the vehicle.
This study is about lane and pedestrian guidance based location estimation technique for accurate position estimation of autonomous vehicle. Autonomous vehicles are driving safely along the path calculated from the starting point to the destination. Accurate vehicle position recognition is essential for this. In this study, we describe the method of road map construction for the estimation of autonomous vehicle location and LiDAR, GNSS, and Inertial Navigation System, ICP (Interactive closest Point) and UKF (Unscented Kalman Filter) algorithms are used to estimate autonomous vehicles using road information feature maps. Using RBNN (Radius Based Neighbor) and ANN (Artificial Neighbor) based object segmentation techniques to build out the map using only the features needed to estimate its location. Estimates of the location of autonomous vehicles can be easily estimated using GNSS. Location estimation using GNSS, however, is not always possible to estimate the exact location due to the distribution of shadow regions and satellites, and the noise of radio signals. Furthermore, the UKF, a conjectural navigation algorithm using inertial navigation, is able to estimate the exact location only for most short distances due to cumulative error, a feature of Kalman Filter. The disadvantage of the ICP algorithms that estimate the position using dot matching is that the system overloads, resulting in a lack of real time. In order to ensure the security of the positioning of these autonomous vehicles, the exact location of the autonomous vehicles was to be estimated using a complementary relationship of three methods. Based on the proposed positioning algorithm, we used sensors installed on the vehicle in the event of a GNSS short circuit and determined that the position of the GNSS sensor was more accurately followed than that of the vehicle.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.