본 논문에서는 비선형 모델 예측 제어(Nonlinear Model Predictive Control: NMPC) 기법을 이용한 자율주차 시스템에 대한 연구를 제안한다. 최근 자율주행 자동차 시장에서는 첨단 운전자 보조 시스템(Advanced Driver Assistance System: ADAS)의 발전을 통해서 점차 완전 자율주행 자동차로 도약하기 위한 연구가 지속되고 있다. 자율주행 기술은 크게 인지/판단/제어로 구분할 수 있다. 자동차가 스스로 운행하여 목표 위치까지 주차를 하기 위해서는 센서 혹은 인프라와의 통신(Vehicle to Infrastructure: ...
본 논문에서는 비선형 모델 예측 제어(Nonlinear Model Predictive Control: NMPC) 기법을 이용한 자율주차 시스템에 대한 연구를 제안한다. 최근 자율주행 자동차 시장에서는 첨단 운전자 보조 시스템(Advanced Driver Assistance System: ADAS)의 발전을 통해서 점차 완전 자율주행 자동차로 도약하기 위한 연구가 지속되고 있다. 자율주행 기술은 크게 인지/판단/제어로 구분할 수 있다. 자동차가 스스로 운행하여 목표 위치까지 주차를 하기 위해서는 센서 혹은 인프라와의 통신(Vehicle to Infrastructure: V2I)을 이용하여 차량의 현재 위치, 주변 환경, 장애물의 상태, 주차 가능 구역 등의 정보를 인지하고 이를 기반으로 판단하여 목표 지점인 주차 위치를 선정하고 경로 계획을 한다. 그리고 마지막으로 생성된 경로를 추종하기 위한 제어를 수행한다. 대부분의 자율주행 제어 알고리즘은 차량의 현재 상태를 기반으로 작동하기 때문에 미래의 차량 움직임을 예측하지 못하여 갑작스러운 변화에 대한 대처에 한계가 존재하며, 차량의 동역학적 한계나 차량의 형상 정보를 반영하기 어렵다는 단점이 존재한다. 하지만, 모델 예측 제어 기법은 다양한 제약 조건을 고려하기 때문에 차량의 특성 한계 내에서 차량의 움직임을 예측한 경로를 제시할 수 있는 것은 물론 차량의 최적 주행을 위한 제어가 가능하다. 본 논문에서는 자율주차를 위한 인지 파트에서 확인할 수 있는 정보를 미리 알고 있다고 가정하고 이후 판단과 제어 파트에서 수행하는 자율주차 경로 계획 및 경로 추종 알고리즘을 위해서 비선형 모델 예측 제어 기법을 이용하였다. 비선형 모델 예측 제어 기법을 이용한 자율주차 경로 계획 및 경로 추종 알고리즘은 MATLAB/Simulink 환경을 통해 설계 및 구성했으며 이를 통해서 경로 계획과 이를 추종하기 위한 최적의 제어 값을 도출해낸다. 자율주차 시뮬레이션을 위해서 Siemens의 PreScan을 활용했으며, 자율주차 시나리오를 구성했다. 자율주차 시나리오는 총 4가지 시나리오로 준비했다. 첫 번째 시나리오는 설계한 자율주차 경로 계획 및 경로 추종 알고리즘이 장애물과 제한 조건을 고려하는지 확인하기 위한 회피 거동 시나리오이며, 두 번째 시나리오는 후진 수직 주차, 세 번째 시나리오는 전진 수직 주차, 마지막 네 번째 시나리오는 평행 주차 시나리오로 준비했다. 시뮬레이션은 PreScan 구동용 PC와 MATLAB/Simulink 구동용 PC 간의 ROS 통신을 통해서 진행했고, 결과를 비교, 분석하여 검증하였다.
본 논문에서는 비선형 모델 예측 제어(Nonlinear Model Predictive Control: NMPC) 기법을 이용한 자율주차 시스템에 대한 연구를 제안한다. 최근 자율주행 자동차 시장에서는 첨단 운전자 보조 시스템(Advanced Driver Assistance System: ADAS)의 발전을 통해서 점차 완전 자율주행 자동차로 도약하기 위한 연구가 지속되고 있다. 자율주행 기술은 크게 인지/판단/제어로 구분할 수 있다. 자동차가 스스로 운행하여 목표 위치까지 주차를 하기 위해서는 센서 혹은 인프라와의 통신(Vehicle to Infrastructure: V2I)을 이용하여 차량의 현재 위치, 주변 환경, 장애물의 상태, 주차 가능 구역 등의 정보를 인지하고 이를 기반으로 판단하여 목표 지점인 주차 위치를 선정하고 경로 계획을 한다. 그리고 마지막으로 생성된 경로를 추종하기 위한 제어를 수행한다. 대부분의 자율주행 제어 알고리즘은 차량의 현재 상태를 기반으로 작동하기 때문에 미래의 차량 움직임을 예측하지 못하여 갑작스러운 변화에 대한 대처에 한계가 존재하며, 차량의 동역학적 한계나 차량의 형상 정보를 반영하기 어렵다는 단점이 존재한다. 하지만, 모델 예측 제어 기법은 다양한 제약 조건을 고려하기 때문에 차량의 특성 한계 내에서 차량의 움직임을 예측한 경로를 제시할 수 있는 것은 물론 차량의 최적 주행을 위한 제어가 가능하다. 본 논문에서는 자율주차를 위한 인지 파트에서 확인할 수 있는 정보를 미리 알고 있다고 가정하고 이후 판단과 제어 파트에서 수행하는 자율주차 경로 계획 및 경로 추종 알고리즘을 위해서 비선형 모델 예측 제어 기법을 이용하였다. 비선형 모델 예측 제어 기법을 이용한 자율주차 경로 계획 및 경로 추종 알고리즘은 MATLAB/Simulink 환경을 통해 설계 및 구성했으며 이를 통해서 경로 계획과 이를 추종하기 위한 최적의 제어 값을 도출해낸다. 자율주차 시뮬레이션을 위해서 Siemens의 PreScan을 활용했으며, 자율주차 시나리오를 구성했다. 자율주차 시나리오는 총 4가지 시나리오로 준비했다. 첫 번째 시나리오는 설계한 자율주차 경로 계획 및 경로 추종 알고리즘이 장애물과 제한 조건을 고려하는지 확인하기 위한 회피 거동 시나리오이며, 두 번째 시나리오는 후진 수직 주차, 세 번째 시나리오는 전진 수직 주차, 마지막 네 번째 시나리오는 평행 주차 시나리오로 준비했다. 시뮬레이션은 PreScan 구동용 PC와 MATLAB/Simulink 구동용 PC 간의 ROS 통신을 통해서 진행했고, 결과를 비교, 분석하여 검증하였다.
In this paper, I propose a study on the autonomous parking system using the Nonlinear Model Predictive Control (NMPC). Recently, in the autonomous vehicle market, research is continuing to gradually leap into a fully autonomous vehicle through the development of an Advanced Driver Assistance System ...
In this paper, I propose a study on the autonomous parking system using the Nonlinear Model Predictive Control (NMPC). Recently, in the autonomous vehicle market, research is continuing to gradually leap into a fully autonomous vehicle through the development of an Advanced Driver Assistance System (ADAS).\par Autonomous driving technology can be divided into Perception, Decision, and Control. For a car to drive itself and park to a target location, it uses sensors or communication with vehicle to infrastructure (V2I) to recognize the current location of the vehicle, the surrounding environment, the state of obstacles, and the available parking area. Based on this, it determines the target location, the parking area, is selected and the path is planned. Finally, control is performed to follow the generated path. Since most autonomous driving control algorithms operate based on the current state of the vehicle, they cannot predict future vehicle movements, so there are limitations in responding to sudden changes, and there are disadvantages in that it is difficult to reflect the dynamic limitations of the vehicle and information of the vehicle's shape. However, since the model predictive control method considers various constraints, it is possible to present a path that predicts the movement of the vehicle within the characteristic limit of the vehicle, as well as control for the optimal driving of the vehicle. In this paper, assuming that the information that can be confirmed in the perception part for autonomous parking is known in advance, a Nonlinear Model Predictive Control is used for the autonomous parking path planning and path tracking algorithm performed in the later decision and control part. The autonomous parking path planning and path tracking algorithm using the Nonlinear Model Predictive Control method was designed and configured through the MATLAB/Simulink environment, and through this, the path plan and optimal control values for tracking it are derived. For the autonomous parking simulation, Siemens' PreScan was used and the autonomous parking scenario was constructed. A total of four scenarios were prepared for the autonomous parking scenario. The first scenario is an avoidance behavior scenario to check whether the designed autonomous parking path planning and path tracking algorithm considers obstacles and constraints, the second scenario is reverse perpendicular parking, the third scenario is forward perpendicular parking, and the fourth scenario prepared as a parallel parking scenario. The simulation was conducted through ROS communication between the PC running PreScan and the PC running MATLAB/Simulink, and the results were verified by comparing and analyzing the results.
In this paper, I propose a study on the autonomous parking system using the Nonlinear Model Predictive Control (NMPC). Recently, in the autonomous vehicle market, research is continuing to gradually leap into a fully autonomous vehicle through the development of an Advanced Driver Assistance System (ADAS).\par Autonomous driving technology can be divided into Perception, Decision, and Control. For a car to drive itself and park to a target location, it uses sensors or communication with vehicle to infrastructure (V2I) to recognize the current location of the vehicle, the surrounding environment, the state of obstacles, and the available parking area. Based on this, it determines the target location, the parking area, is selected and the path is planned. Finally, control is performed to follow the generated path. Since most autonomous driving control algorithms operate based on the current state of the vehicle, they cannot predict future vehicle movements, so there are limitations in responding to sudden changes, and there are disadvantages in that it is difficult to reflect the dynamic limitations of the vehicle and information of the vehicle's shape. However, since the model predictive control method considers various constraints, it is possible to present a path that predicts the movement of the vehicle within the characteristic limit of the vehicle, as well as control for the optimal driving of the vehicle. In this paper, assuming that the information that can be confirmed in the perception part for autonomous parking is known in advance, a Nonlinear Model Predictive Control is used for the autonomous parking path planning and path tracking algorithm performed in the later decision and control part. The autonomous parking path planning and path tracking algorithm using the Nonlinear Model Predictive Control method was designed and configured through the MATLAB/Simulink environment, and through this, the path plan and optimal control values for tracking it are derived. For the autonomous parking simulation, Siemens' PreScan was used and the autonomous parking scenario was constructed. A total of four scenarios were prepared for the autonomous parking scenario. The first scenario is an avoidance behavior scenario to check whether the designed autonomous parking path planning and path tracking algorithm considers obstacles and constraints, the second scenario is reverse perpendicular parking, the third scenario is forward perpendicular parking, and the fourth scenario prepared as a parallel parking scenario. The simulation was conducted through ROS communication between the PC running PreScan and the PC running MATLAB/Simulink, and the results were verified by comparing and analyzing the results.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.