[논문]정밀 지도에 기반한 자율 주행 시스템 개발

김병광; 이철하; 권수림; 정창영; 천창환; 박민우; 나용천

doi:10.22680/kasa.2017.9.2.006

정밀 지도에 기반한 자율 주행 시스템 개발
A Development of the Autonomous Driving System based on a Precise Digital Map 원문보기

자동차안전학회지 = Journal of Auto-Vehicle Safety Association, v.9 no.2, 2017년, pp.6 - 12

김병광 (현대자동차) , 이철하 (현대자동차) , 권수림 (현대자동차) , 정창영 (현대자동차) , 천창환 (현대자동차) , 박민우 (현대자동차) , 나용천 (현대자동차)

Abstract ▼ AI-Helper

An autonomous driving system based on a precise digital map is developed. The system is implemented to the Hyundai's Tucsan fuel cell car, which has a camera, smart cruise control (SCC) and Blind spot detection (BSD) radars, 4-Layer LiDARs, and a standard GPS module. The precise digital map has various information such as lanes, speed bumps, crosswalks and land marks, etc. They can be distinguished as lane-level. The system fuses sensed data around the vehicle for localization and estimates the vehicle's location in the precise map. Objects around the vehicle are detected by the sensor fusion system. Collision threat assessment is performed by detecting dangerous vehicles on the precise map. When an obstacle is on the driving path, the system estimates time to collision and slow down the speed. The vehicle has driven autonomously in the Hyundai-Kia Namyang Research Center.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

인식된 물체 인식 및 추적에 있어서 보행자는 차량에 대비 크기가 작고 이동 방향이나 검출 패턴이 일정치 않아 검출에 어려움이 있다. 그래서 본 시스템에서는 LiDAR와 Radar와 같은 거리 센서뿐만 아니라 영상 정보를 활용하여 인식 성능을 높이고자 하였다(Fig. 4).
결국 이를 하나로 통합하지 않으면 하나의 물체를 여러 개의 물체가 존재하는 것처럼 오인지 할 수 있다. 본 시스템에서는 하나의 물체에 대해서 Radar와 LiDAR 결과를 융합함으로써 물체의 위치 및 속도 추정정확도를 향상 시키고 이를 통해 위험도 판단 성능을 향상 시키고자 하였다.
본 자율주행 시스템에서는 단일 센서만을 사용하는 것이 아니라 여러 센서를 사용함으로써 redundancy를 확보하고자 하였다. 그래서 하나의 물체를 감지할 때 LiDAR로 인지된 결과와 Radar로 인지된 결과가 중복되어 입력된다.
또한 센서를 많이 장착하거나 대용량의 데이터를 획득할 수 있는 센서의 경우 데이터를 처리하기 위해서 많은 계산량을 요구하고 있어 실시간성을 보장하기 어렵거나 고가의 제어기를 필요로한다. 이를 해결하기 위하여 본 연구에서는 DGPS와 3D LiDAR 없이 도심지에서 정밀지도에 기반한 자율 주행 시스템을 개발 하였다.

가설 설정

LiDAR 센서를 통해 입력되는 데이터는 사각형 박스 형태로 들어온다고 가정한다. 모든 LiDAR 데이터의 물체 정보를 인식하고 추적한다면 프로세스 리소스를 많이 차지하고 오검출이 많이 발생할 수 있다.
본 연구에서는 출발지와 목적지가 정해져 있고, 기본적으로 링크와 노드의 시퀀스로 이루어진 전역 경로가 주어져 있다고 가정한다. 이때, 현재 차로를 기준으로 주행 경로가 생성된다.
경로 생성은 정밀 지도를 이용하여 자차의 현재 차선정보 및 목적지를 이용하여 경로를 생성한다. 정밀 지도의 링크와 노드에 각각의 주행 경로가 존재한다. 링크의 주행 경로는 차로 중심선, 노드의 주행 경로는 교차로에서 통행 가능한 모든 경로 및 통행 정보를 포함한다.
최종 융합 물체 인지 결과는 LiDAR를 통해 검출된 물체의 외곽선이 정확하다고 가정하고 LiDAR 만 검출된 경우와 LiDAR와 Radar와 융합된 경우 LiDAR box의 윤곽선을 사용하고 Radar 만 검출된 경우 radar point 중심으로 4m × 2m 크기의 박스를 생성한다. 속도 추정의 경우 Radar Point만 검출된 경우는 radar 센서의 속도, 그 외에는 LiDAR로 추정된 속도 결과를 사용한다.

제안 방법

자차 측위 결과 차선을 벗어나지 않는 범위내에 주행이 가능함을 확인하였다. 도심지 자율 주행 시나리오를 위해 자율 주행시 주변 차량 cut-in, 추종 주행, cut-out을 시험하였고, 보행자 무단횡단 인지 및 제동 시험을 통해 자율 주행 성능을 확인하였다. 주행중 센서 및 제어 신호를 모니터링 하기 위해 모니터링 프로그램을 제작하였고 그 결과는 Fig.
저가의 일반 GPS의 경우 위치 오차가 10m 이상 발생하는 경우가 있고 음영 지역이 다수 존재하기 때문에 GPS만 의존하여 차로 레벨 수준의 정밀 측위는 어려움이 있다. 따라서 본 시스템은 차량 내 장착된 센서에서 획득한 데이터를 융합하여 자차 위치를 추정하는 알고리즘을 적용하였다. 센서 데이터 융합을 위해 파티클 필터 알고리즘을 사용하여 자차 위치를 추정한다.
본 시스템에서는 정밀 지도를 전역 생성 및 지도 용량을 고려하여 토폴로지컬 맵으로 구축하였다. 정밀 지도는 노드와 링크로 이루어져 있다(Fig.
본 자율주행 시스템은 지도 기반으로 출발지부터 목적지까지 정해진 주행 경로를 추종한다. 주행시 위험한 상황을 판단하는 기준은 주행 경로상 전방에 위험 장애물을 검출하여 물체별 충돌 예상 시간(Time to Collision,TTC)를 추정하고 이를 통해 위험물을 감지한다.
이를 해결하기 위해 LiDAR와 카메라 정보를 융합해서 보행자를 검출 및 추적하였다(Fig. 4).
자율주행용 정밀 지도를 이용하여 투싼수요연료자동차 기반 자율 주행 시스템을 개발하였다. 정밀 지도를 이용하였기 때문에 현재 자차에서 획득할 수 있는 센서 정보 또한 정밀 지도에 저장함으로써 위치를 정확하게 추정하는 것이 가능하였다.

대상 데이터

본 자율 주행 시스템은 현대자동차 남양 연구소내 일부 구간을 자율 주행 하였으며 이를 위해 남양 연구소 내 정밀 지도를 제작하였다. 구간은 편도 1차선 및 2차선으로 구성 되어있고 교차로가 포함되어 있다.
자율 주행 시스템은 SUV 차량인 투싼수료연료차를 기반으로 제작되었으며 시스템은 전방 카메라, SCC RADAR, 전/측방 4-Layer LiDAR, BSD RADAR, 그리고 일반 GPS로 센서류를 구성하였고 센서 신호 처리 및 차량 제어를 담당하는 제어기, 그리고 제어기를 이용하여 실제 종/횡 방향 제어가 이루어지는 MDPS/ ESC 액추에이터가 포함되었다(Fig. 1, Table 1).

이론/모형

를 기본으로 하며 경로에서 현재 차량의 위치 기준에서 일정 크기의 경로를 추출 하여 2차 다항 곡선(Polynomial curve)로 근사(fitting)한다. 그 곡선에서 목표점을 설정하고 2차 polynomial curve에 목표점을 대입하여 이탈각, 이탈 거리를 계산하고 Stanley function을 이용하여 스티어링 휠 입력 각도를 계산한다.
이전 프레임과 현재 프레임간의 시간, 연결된 물체의 상대위치를 통해 속도를 추정할 수 있다. 속도 추정 알고리즘은 널리 알려진 Interactive Multiple Model^(5,6,7)을 사용하였으며, constant velocity model,constant acceleration/turning model을 적용하였다.
횡방향 주행 제어의 경우 Stanley Method⁽¹⁰⁾를 기본으로 하며 경로에서 현재 차량의 위치 기준에서 일정 크기의 경로를 추출 하여 2차 다항 곡선(Polynomial curve)로 근사(fitting)한다. 그 곡선에서 목표점을 설정하고 2차 polynomial curve에 목표점을 대입하여 이탈각, 이탈 거리를 계산하고 Stanley function을 이용하여 스티어링 휠 입력 각도를 계산한다.

성능/효과

4). LiDAR 검출된 물체의 위치 정보를 기반으로 카메라에서 보행자 검출 가능 영역을 줄이고 이를 통해 보행자를 검출함으로써 검출 속도 및 카메라로만은 검출에 한계가 있는 거리정확도를 향상 시켰다. 경로 생성은 정밀 지도를 이용하여 자차의 차선 정보 및 목적지를 이용하여 경로를 생성한다.
본 시스템은 정밀 지도에 기반한 것으로서 정밀한 자차 측위, 주행 상황 판단, 경로 생성 및 제어에 활용되면서 센서의 정밀도를 보완해 주거나 계산량을 감소시킬 수 있다. 본 시스템에서 말하는 정밀 지도란 일반 네비게이션 지도 수준이 아닌 차로가 구분이 가능한 수준의 정보 및 정밀도를 지닌 지도를 말한다.
자율 주행 교차로 영역에서는 따로 신호등이 존재 하지 않으며 직선 혹은 좌/우 회전이 존재 하기 때문에 주변 차량에 대한 위험도 판단을 통하여 주행을 하였다. 자차 측위 결과 차선을 벗어나지 않는 범위내에 주행이 가능함을 확인하였다. 도심지 자율 주행 시나리오를 위해 자율 주행시 주변 차량 cut-in, 추종 주행, cut-out을 시험하였고, 보행자 무단횡단 인지 및 제동 시험을 통해 자율 주행 성능을 확인하였다.
자율주행용 정밀 지도를 이용하여 투싼수요연료자동차 기반 자율 주행 시스템을 개발하였다. 정밀 지도를 이용하였기 때문에 현재 자차에서 획득할 수 있는 센서 정보 또한 정밀 지도에 저장함으로써 위치를 정확하게 추정하는 것이 가능하였다. 또한 지도 정보를 이용해서 센서데이터를 필터링 할 수 있었기 때문에 장애물 인식 시 데이터 처리에 있어서 이득을 가져 올수 있었다.

후속연구

다만 위험도 판단을 지도를 이용할 경우 자차 측위성능이 판단 성능에 영향을 많이 미칠 수 있으나 본 시스템의 시험은 현대자동차 남양 연구소내 일부 구간에 한정되 있으므로 주행 환경에 대한 제약이 있다. 따라서 향후에는 좀 더 다양한 실도로 환경에서 자율주행 시험 및 개발을 할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	자율 주행의 목표는 무엇인가?	최근 자율 주행은 차량 제조사뿐만 아니라 Google, apple 과 같은 IT 회사에서도 핵심 기술 과제로 여기고 있는 분야이다.(1),(2) 자율 주행은 궁극적으로 운전자의 개입 없이 다양한 상황에서도 차량 스스로 운전할 수 있는 것을 목표로 하고 있다. 도심지에서는 고속도로와는 다르게 GPS 수신률이 낮고 보행자나 교차로 등 다양한 상황이 존재하기 때문에 고도화된 시스템이 필요하다.
	DGPS와 정밀 GPS 수신기 혹은 3D LiDAR 센서 등의 고도화된 시스템의 문제점은 무엇인가?	또한 센서의 정확도나 정보 획득량을 높이기 위해 DGPS와 정밀 GPS 수신기 혹은 3D LiDAR 센서를 이용하기도 한다. 다만 이런 센서의 경우 고가인 경우가 많고 센서 크기가 커서 자동차 외관에 돌출이 되는 단점이 존재한다. 또한 센서를 많이 장착하거나 대용량의 데이터를 획득할 수 있는 센서의 경우 데이터를 처리하기 위해서 많은 계산량을 요구하고 있어 실시간성을 보장하기 어렵거나 고가의 제어기를 필요로한다. 이를 해결하기 위하여 본 연구에서는 DGPS와 3D LiDAR 없이 도심지에서 정밀지도에 기반한 자율 주행 시스템을 개발 하였다.
	정밀 지도를 이용하여 가능하게 된 것은 무엇인가?	자율주행용 정밀 지도를 이용하여 투싼수요연료자동차 기반 자율 주행 시스템을 개발하였다. 정밀 지도를 이용하였기 때문에 현재 자차에서 획득할 수 있는 센서 정보 또한 정밀 지도에 저장함으로써 위치를 정확하게 추정하는 것이 가능하였다. 또한 지도 정보를 이용해서 센서데이터를 필터링 할 수 있었기 때문에 장애물 인식 시 데이터 처리에 있어서 이득을 가져 올수 있었다.

참고문헌 (10)

J. Levinson, J. Askeland, J. Becker, J. Dolson, D. Held, S. Kammel, J. Z. Kolter, D. Langer, O. Pink, V. Pratt, M. Sokolsky, G. Stanek, D. Stavens, A. Teichman, M. Werling, and S. Thrun, 2011, "Toward Fully Autonomous Driving: Systems and Algorithms," IEEE Intelligent Vehicles Symposium, pp. 163-168.
J. Wei, J. M. Snider, J. Kim, J. M. Dolan, R. Rajkumar and B. Litkouhi, 2013, "Toward a Viable Autonomous Driving Research Platform," IEEE Intelligent Vehicles Symposium, pp. 763-770.
A. U. Peker, O. Tosun, and T. Acarman, 2011, "Particle Filter Vehicle Localization and Map-Matching Using Map Topology," IEEE Intelligent Vehicles Symposium, pp. 248-253.
C. Mertz, L. E. Navarro-Serment, R. MacLachlan, P. Rybski, A. Steinfeld, A. Suppe, C. Urmson, N. Vandapel, M. Hebert, C. Thorpe, D. Duggins, and J. Gowdy, 2013, "Moving Object Detection with Laser Scanners," Journal of Field Robotics, Vol. 30, No. 1, pp. 17-43.

상세보기
S. Blackman, and R. Popoli, 1999, Design and Analysis of Modern Tracking Systems, Artech House.
E. Mazor, A. Averbuch, Y. Bar-Shalom, and J. Dayan, "Interacting Multiple Model Methods in Target Tracking: A Survey," 1999, IEEE Transactions on aerospace and electronic systems, Vol. 34, No. 1, pp. 103-123.
N. Kaempchen, K. Weiss, M. Schaefer, K. C. J. Dietmayer, 2004, "IMM Object Tracking for High Dynamic Driving Maneuvers," IEEE Intelligent Vehicles Symposium, pp. 825-830.
N. Dalal and B. Triggs, 2005, "Histograms of Oriented Gradients for Human Detection," IEEE Computer Vision and Pattern Recognition, pp. 886-893.
C. M. Bishop, 2006, Pattern Recognition and Machine Learning, Springer.
J. M. Snider, 2009, Automatic Steering Methods for Autonomous Automobile Path Tracking, Carnegie Mellon University.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증