일반적으로 자율주행 차량은 측위를 위하여 GNSS(Global Navigation Satellite System)에서 절대위치 신호를 수신하여 지도에 매칭하는 방식을 사용한다. 하지만 도심이나 터널에서 정상적인 위성신호를 수신하기 어렵기 때문에 추측항법(Dead Reckoning)으로 절대위치를 추측하므로 누적 오차의 주기적 보정이 병행되어야 한다. 본 연구에서는 자율주행시 GNSS 위치 신호 수신이 어려운 터널 내에서 사용되는 추측항법의 오차를 일정수준 이하로 유지하기 위하여 기존 도로시설물을 이용한 오차 보정을 위한 시설물의 선정 방법을 제안하였다. 시설물의 특성으로서 모양, 설치위치 등 '다양성' 검토를 위하여 관련 기준 검토, 영상 및 라이다센서 조사로 얼마나 잘 인지하는 지에 대한 '인지성' 조사, 설치위치 및 간격에 의한 '규칙성'을 조사하여 후보시설물을 선정하였다. 본 연구 결과로 측위오차 보정 지원시설로 소화전함/안내표지(50m), 유도표지등A(300m), Lane Control System(500m), 최고/최저속도제한표지, 제트팬을 선정하였으며, 기존 시설물만으로 오차 보정이 가능하다고 판단하였다. 본 연구의 결과는 자율주행 차량의 터널내 측위보정시 활용될 것으로 기대된다.
일반적으로 자율주행 차량은 측위를 위하여 GNSS(Global Navigation Satellite System)에서 절대위치 신호를 수신하여 지도에 매칭하는 방식을 사용한다. 하지만 도심이나 터널에서 정상적인 위성신호를 수신하기 어렵기 때문에 추측항법(Dead Reckoning)으로 절대위치를 추측하므로 누적 오차의 주기적 보정이 병행되어야 한다. 본 연구에서는 자율주행시 GNSS 위치 신호 수신이 어려운 터널 내에서 사용되는 추측항법의 오차를 일정수준 이하로 유지하기 위하여 기존 도로시설물을 이용한 오차 보정을 위한 시설물의 선정 방법을 제안하였다. 시설물의 특성으로서 모양, 설치위치 등 '다양성' 검토를 위하여 관련 기준 검토, 영상 및 라이다센서 조사로 얼마나 잘 인지하는 지에 대한 '인지성' 조사, 설치위치 및 간격에 의한 '규칙성'을 조사하여 후보시설물을 선정하였다. 본 연구 결과로 측위오차 보정 지원시설로 소화전함/안내표지(50m), 유도표지등A(300m), Lane Control System(500m), 최고/최저속도제한표지, 제트팬을 선정하였으며, 기존 시설물만으로 오차 보정이 가능하다고 판단하였다. 본 연구의 결과는 자율주행 차량의 터널내 측위보정시 활용될 것으로 기대된다.
This study proposed a method to select existing facilities as a landmark in order to reset accumulated errors of dead reckoning in a tunnel difficult to receive GNSS signals in automated driving. First, related standards and regulations were reviewed in order to survey 'variety' on shapes and instal...
This study proposed a method to select existing facilities as a landmark in order to reset accumulated errors of dead reckoning in a tunnel difficult to receive GNSS signals in automated driving. First, related standards and regulations were reviewed in order to survey 'variety' on shapes and installation locations as a feature of facilities. Second, 'recognition' on facilities was examined using image and Lidar sensors. Last, 'regularity' in terms of installation locations and intervals was surveyed through related references. The results of this study selected a fire fighting box / lamp (50m), an evacuation corridor lamp (300m), a lane control system (500m), a maximum / minimum speed limit sign and a jet fan as a candidate landmark to reset positioning errors. Based on those facilities, it was determined that error correction was possible. The results of this study are expected to be used in repositioning of automated driving vehicles in a tunnel.
This study proposed a method to select existing facilities as a landmark in order to reset accumulated errors of dead reckoning in a tunnel difficult to receive GNSS signals in automated driving. First, related standards and regulations were reviewed in order to survey 'variety' on shapes and installation locations as a feature of facilities. Second, 'recognition' on facilities was examined using image and Lidar sensors. Last, 'regularity' in terms of installation locations and intervals was surveyed through related references. The results of this study selected a fire fighting box / lamp (50m), an evacuation corridor lamp (300m), a lane control system (500m), a maximum / minimum speed limit sign and a jet fan as a candidate landmark to reset positioning errors. Based on those facilities, it was determined that error correction was possible. The results of this study are expected to be used in repositioning of automated driving vehicles in a tunnel.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러므로 신규 참조시설 설치보다는 기존 도로시설물을 활용하는 것이 유리할 것이다. 본 연구의 목적은 자율주행시 GNSS 위치신호 수신이 어려운 터널 내에서 추측항법의 오차를 일정수준 이하로 유지하기 위하여 기존 도로시설물중 오차보정용 참조시설로 활용하기에 적절한 시설물의 선정 방법을 제안하는 것이다. 본 연구의 결과는 자율주행 차량의 터널내 측위보정을 위한 인프라 지원으로서 참조시설의 설치 및 관리에 활용될 것으로 기대된다.
터널 내 기존 시설물 중에서 어떤 시설물이 참조시설로 활용 가능할 지 검토를 위하여 시설물 조사가 우선 수행된다. 충분히 다양한 시설을 확보하기 위한 ‘다양성’ 검토는 단일 종류 시설물에서는 설치 간격에 의하여 결정되므로 터널 내 시설물에 대한 설치 기준을 검토하여 후보 시설물에 대한 종류와 수량을 검토한다.
본 연구에서는 자율주행 시 터널 내에서 추측항법의 오차를 일정수준 이하로 유지하기 위하여 기존 도로 시설물중 오차보정용 지원시설로 활용하기에 적절한 시설물의 선정 방법을 제안하였다. 터널 내 시설물 관련 기준 및 지침을 검토하여 설치위치, 간격을 조사하였고 영상센서와 라이다센서의 인지 수월성을 확인하기 위하여 카메라 촬영 결과 및 라이다 점군 자료를 분석하였다.
제안 방법
(2011)은 음영구간에 대한 고정밀 측위 수행을 위하여 스테레오 카메라를 활용한 랜드마크 측위 기술을 개발하였다. 지주와 유사한 형태의 시설물을 랜드마크로 사용하여 스테레오 카메라에 의한 대상물과의 거리, 차량 이동 방향, 속도를 활용하여 자차의 위치를 추정하는 것이다. 하지만, 지주만을 활용하므로 표지판 지주, 가로등, 가로수 등 유사 지주에 의한 잘못된 측위에 대한 약점을 가지고 있다.
Jung and Suhr(2015)는 센서 융합 기반 자동차용 정밀 측위시스템을 개발하였다. 보급형 GPS에 추측항법을 사용하면서 차량 내 다양한 센서값을 융합하고 도로에 설치된 시설물을 영상센서로 인지하여 오차를 보정하여 정확도를 높였다. 측위보정을 위한 도로 시설물로는 항법표지판, 안전표시, 노면표시 등 정확도를 높이기 위하여 활용 가능한 다양한 시설을 사용하였다.
본 연구에서는 터널에서 자율주행 차량이 측위를 위한 참조시설로 활용하기에 적절한 시설물로 새로운 전용 시설물은 고려하지 않았고, 기존에 설치되어 운영되고 있는 시설물만을 대상으로 하였다. 시설물을 인지하는 자율주행용 차량 센서로는 가장 대표적으로 사용되는 영상센서, 레이더센서, 라이다센서를 대상으로 하였으며, 참조시설 선정을 위하여 세가지 측면에서 검토하였다. 첫째로 차량 센서가 앞차 가림 등에 의한 인지 실패를 대비하여 충분히 다양한 위치, 모양, 개수 확보 가능성에 대한 ‘다양성,’ 두 번째로 차량 센서로 터널 내 시설물을 얼마나 잘 인지하는 지에 대한 ‘인지성,’ 세 번째로 차량 센서의 인지 부하를 줄이 위한 규칙적 분포 정도를 의미하는 ‘규칙성’이 검토 항목이다.
터널 내 시설물은 설치 목적이 방재시설, 시선유도시설, 조명, 노면표시, 교통안전표지로 구분되며 도로법과 도로교통법 관련 기준에 의하여 설치된다. 우선 관련 기준을 근거로 터널 내부 시설물의 종류, 시설물 형태 및 규격, 설치 위치, 배치간격을 조사한다.
터널 내 시설물의 ‘다양성’ 조사를 위하여 도로교통법에 관련 기준을 검토하였다.
터널 내 측위오차 보정시설의 선정을 위한 과정은 앞절에서 설명한 ‘다양성,’ ‘인지성,’ ‘규칙성’에 따라 진행하였다. 우선 다양성 검토를 위하여 관련법에 근거한 터널 내 기존 시설물을 조사하고 차량센서의 인지성 조사를 위하여 영상센서, 라이다센서로 실제 터널을 조사하였다. 두 종류 차량센서 모두에서 인지가 잘 되는 후보시설물을 나열하여 마지막 단계인 규칙성 검토를 통하여 후보시설물 위치 및 간격을 정리하여 최종 선정된 측위오차 보정시설의 성능을 정리하였다.
우선 다양성 검토를 위하여 관련법에 근거한 터널 내 기존 시설물을 조사하고 차량센서의 인지성 조사를 위하여 영상센서, 라이다센서로 실제 터널을 조사하였다. 두 종류 차량센서 모두에서 인지가 잘 되는 후보시설물을 나열하여 마지막 단계인 규칙성 검토를 통하여 후보시설물 위치 및 간격을 정리하여 최종 선정된 측위오차 보정시설의 성능을 정리하였다.
문헌에 의한 조사 결과를 기반으로 차량 센서의 ‘인지성’ 조사를 위하여 실제 터널에서 영상센서와 라이다센서의 기존 시설물에 대한인지 성능을 조사하였다.
조사는 우선 영상센서의 역할로 블랙박스 영상을 이용하여 대상 터널을 조사하였다. 블랙박스 카메라로 촬영된 영상을 육안으로 판단하여 다양성 조사에서 검토된 터널 내 시설물 중 인지성이 우수한 시설물을 구분하였다.
조사는 우선 영상센서의 역할로 블랙박스 영상을 이용하여 대상 터널을 조사하였다. 블랙박스 카메라로 촬영된 영상을 육안으로 판단하여 다양성 조사에서 검토된 터널 내 시설물 중 인지성이 우수한 시설물을 구분하였다. 영상센서는 카메라 영상의 화소를 분석하여 개체를 인지하는 구조로 사람이 물체를 보고 인지하는 구조와 거의 유사하다(Kang and Kim, 2012).
그러므로 블랙박스 영상에서 육안으로 시설물이 잘 보이면 영상센서로부터 인지가 잘 되는 것과 차이가 없다고 판단하였다. 다음으로 영상에서 인지성이 우수해 보이는 시설물을 라이다센서의 촬영 결과와 비교하여 최종 측위보정 지원시설 후보군으로 선정하였다. [Fig.
본 연구에서는 자율주행 시 터널 내에서 추측항법의 오차를 일정수준 이하로 유지하기 위하여 기존 도로 시설물중 오차보정용 지원시설로 활용하기에 적절한 시설물의 선정 방법을 제안하였다. 터널 내 시설물 관련 기준 및 지침을 검토하여 설치위치, 간격을 조사하였고 영상센서와 라이다센서의 인지 수월성을 확인하기 위하여 카메라 촬영 결과 및 라이다 점군 자료를 분석하였다. 최종적인 기존 시설물중 참조시설로 적합한 시설물의 선택은 다양성, 인지성, 규칙성이라는 세가지 평가지표에 따라 종합적으로 선정하였다.
터널 내 시설물 관련 기준 및 지침을 검토하여 설치위치, 간격을 조사하였고 영상센서와 라이다센서의 인지 수월성을 확인하기 위하여 카메라 촬영 결과 및 라이다 점군 자료를 분석하였다. 최종적인 기존 시설물중 참조시설로 적합한 시설물의 선택은 다양성, 인지성, 규칙성이라는 세가지 평가지표에 따라 종합적으로 선정하였다. 최종적으로 선정된 시설물은 소화전함, 소화전안내표시, LCS, 유도표지등A, 최고/최저속도제한표지, 제트팬이다.
본 논문은 한국ITS학회의 2018년 춘계학술대회에 게재되었던 논문을 수정·보완하여 작성하였습니다.
대상 데이터
보급형 GPS에 추측항법을 사용하면서 차량 내 다양한 센서값을 융합하고 도로에 설치된 시설물을 영상센서로 인지하여 오차를 보정하여 정확도를 높였다. 측위보정을 위한 도로 시설물로는 항법표지판, 안전표시, 노면표시 등 정확도를 높이기 위하여 활용 가능한 다양한 시설을 사용하였다. 이와 같은 방식은 기존 방식 보다 정확도는 향상됐지만 너무 많은 도로 시설물을 인지해야 하므로 시스템 부하가 많이 걸려 효율적이지 못하는 문제를 가지고 있다.
본 연구에서는 터널에서 자율주행 차량이 측위를 위한 참조시설로 활용하기에 적절한 시설물로 새로운 전용 시설물은 고려하지 않았고, 기존에 설치되어 운영되고 있는 시설물만을 대상으로 하였다. 시설물을 인지하는 자율주행용 차량 센서로는 가장 대표적으로 사용되는 영상센서, 레이더센서, 라이다센서를 대상으로 하였으며, 참조시설 선정을 위하여 세가지 측면에서 검토하였다.
문헌에 의한 조사 결과를 기반으로 차량 센서의 ‘인지성’ 조사를 위하여 실제 터널에서 영상센서와 라이다센서의 기존 시설물에 대한인지 성능을 조사하였다. 조사 대상 터널은 장대터널이며 최대 4차로에 안정적 조명으로 관련 규정에 따라 시설물 관리가 양호한 곳으로 영동고속도로 신갈-호법 분기점 구간 내 마성터널과 양지터널을 선택하였다. 마성터널은 경기도 용인시 구성읍 동백리에 위치한 길이 1,450 m 터널로 인천 방향 편도 5차로(2차로 터널+3차로 터널), 강릉방향 편도 5차로(2차로 터널+3차로 터널)로 운영되고 있다.
다양한 모양의 시설물을 선택하여 다양성을 유지하므로 차량센서 측면에서 인지가 쉽도록 선택하였다. 인지성에 따라 주변 차량에 의한 가려짐을 줄이기 위하여 터널 상단에 위치한 시설물로 선택되었고, 일정한 간격으로 규칙성에 부합하는 시설물을 포함시켰다. 간격이 짧은 시설물은 충분히 많은 물량 제공이 될 것으로 판단되었다.
최종적인 기존 시설물중 참조시설로 적합한 시설물의 선택은 다양성, 인지성, 규칙성이라는 세가지 평가지표에 따라 종합적으로 선정하였다. 최종적으로 선정된 시설물은 소화전함, 소화전안내표시, LCS, 유도표지등A, 최고/최저속도제한표지, 제트팬이다.
성능/효과
일반적으로 이용되는 저가 GPS에 의한 오차를 차선의 위치로 보정하여 정확도를 높이는 방식이다. 이 연구에서 제안한 방식은 횡방향 측위 오차를 1.2 m 이내로 확보하는 기술이라고 언급하였지만, 차선 위치로 보정하므로 종방향 측위 오차는 상당히 클 것으로 판단된다.
이상의 문헌고찰 결과를 정리에 보면 측위오차 보정 지원시설로 활용하려면 특정 시설물이 아닌 다양한 시설물을 활용할 필요가 있으며, 자율주행에 활용되는 센서 모두에 효과적이어야 한다. 즉, 센서 특성 및 주변 차량에 의한 가려짐을 고려하여 다양한 설치위치와 모양의 시설물이 필요하고, 주변 인지시 사용되는 영상센서 뿐만 아니라 라이다센서에도 모두 인지가 잘 되는 시설물을 활용해야 하고, 규칙적으로 설치된 시설물이 예측이 가능하므로 인지에 더욱 유리할 것으로 판단된다.
또한 조명과 시설물의 관리상태에 따라 인지 가능성이 달라질 수 있으므로 관리수준이 높은 터널을 선택하여 기타 변수에 의한 편차를 줄이는 것이 필요하다. 이런 측면에서 본 연구가 선택한 두 개 터널은 2011년 영동고속도로 확장 시 증설된 터널로 상태가 양호하며 2, 3, 4 차로 터널 환경을 모두 가지고 있고, 고속도로 구간이므로 시설 관리수준이 가장 높아 인지 성능 조사를 위한 환경 측면에서 대표성을 갖는다고 판단된다.
카메라로 촬영한 같은 터널구간에 대하여 라이다센서(32 channel) 촬영을 실시하였다. 카메라 촬영과 마찬가지로 제트팬, LCS, 대피안내표시등, 소화전함이 인지 용이한 것으로 나타났다. [Fig.
그러므로 참조 시설 선택을 위한 평가지표로 다양성, 인지성, 규칙성이 적절한 지표라고 판단된다. 본 연구의 결과에서 제시된 후보 시설물의 설치간격을 고려할 때 기존 시설물만으로도 참조시설의 역할이 충분히 가능하다고 결론 내렸다. 본 연구의 결과는 자율주행 차량의 터널 내 측위보정을 위한 인프라 지원 측면으로 시설 제공에 활용될 것으로 기대된다.
후속연구
본 연구의 목적은 자율주행시 GNSS 위치신호 수신이 어려운 터널 내에서 추측항법의 오차를 일정수준 이하로 유지하기 위하여 기존 도로시설물중 오차보정용 참조시설로 활용하기에 적절한 시설물의 선정 방법을 제안하는 것이다. 본 연구의 결과는 자율주행 차량의 터널내 측위보정을 위한 인프라 지원으로서 참조시설의 설치 및 관리에 활용될 것으로 기대된다.
이상의 문헌고찰 결과를 정리에 보면 측위오차 보정 지원시설로 활용하려면 특정 시설물이 아닌 다양한 시설물을 활용할 필요가 있으며, 자율주행에 활용되는 센서 모두에 효과적이어야 한다. 즉, 센서 특성 및 주변 차량에 의한 가려짐을 고려하여 다양한 설치위치와 모양의 시설물이 필요하고, 주변 인지시 사용되는 영상센서 뿐만 아니라 라이다센서에도 모두 인지가 잘 되는 시설물을 활용해야 하고, 규칙적으로 설치된 시설물이 예측이 가능하므로 인지에 더욱 유리할 것으로 판단된다.
본 연구의 결과에서 제시된 후보 시설물의 설치간격을 고려할 때 기존 시설물만으로도 참조시설의 역할이 충분히 가능하다고 결론 내렸다. 본 연구의 결과는 자율주행 차량의 터널 내 측위보정을 위한 인프라 지원 측면으로 시설 제공에 활용될 것으로 기대된다.
인프라 측면에서의 측위오차 보정시설 제공은 기존 시설물의 선정으로 끝나는 것은 아니다. 선정된 참조 시설에 측위를 위한 기준점 위치를 설정하고 정확한 좌표값을 정밀도로지도에 추가하여 제공되어야만 비로소 참조시설로 역할을 하게 될 것이다. 이와 관련된 부분은 향후 추가적인 연구가 필요하다고 판단된다.
선정된 참조 시설에 측위를 위한 기준점 위치를 설정하고 정확한 좌표값을 정밀도로지도에 추가하여 제공되어야만 비로소 참조시설로 역할을 하게 될 것이다. 이와 관련된 부분은 향후 추가적인 연구가 필요하다고 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
빌딩이 많은 도심이나 터널 안에서 무엇을 이용하여 절대위치를 추측하는가?
대부분의 자율주행 차량은 센서를 이용하여 주변을 인지하지만, 지도를 사용할 경우 GNSS(Global Navigation Satellite System) 신호로 자신의 위치를 파악하여 지도에 매칭하는 방식을 사용한다. 하지만 빌딩이 많은 도심이나 터널 안에서는 정상적인 위성신호를 수신하기 어렵기 때문에 추측 항법(dead reckoning, DR) 기반 관성측정장치(inertial measurement unit, IMU)를 이용하여 절대위치를 추측한다 (IRS Global, 2015). 이 방법의 경우, 추측에 의한 오차가 종방향과 횡방향으로 누적되므로 주기적인 오차보정이 반드시 병행되어야 한다.
일반 IMU의 오차는 어느 정도인가?
측량에서는 고정밀 IMU를 사용하겠지만 자율주행 차량에는 일반 IMU를 사용하게 된다. [Table 1]은 일반 IMU을 사용했을 때 80 m 주행시 약 0.3 cm 오차가 발생했다는 것을 보여주는 것으로, Hofmann et al.(2011)의 실험 결과를 적용하면 오차보정을 위한 참조시설의 간격은 80 m 이하로 유지해야 할 것이다.
스테레오 카메라를 활용한 랜드마크 측위 기술은 어떤 기술인가?
(2011)은 음영구간에 대한 고정밀 측위 수행을 위하여 스테레오 카메라를 활용한 랜드마크 측위 기술을 개발하였다. 지주와 유사한 형태의 시설물을 랜드마크로 사용하여 스테레오 카메라에 의한 대상물과의 거리, 차량 이동 방향, 속도를 활용하여 자차의 위치를 추정하는 것이다. 하지만, 지주만을 활용하므로 표지판 지주, 가로등, 가로수 등 유사 지주에 의한 잘못된 측위에 대한 약점을 가지고 있다.
참고문헌 (12)
Hofmann S., Schulze M. J. and Brenner C. (2011), Quality assessment of landmark based positioning using stereo cameras, PIA11-Photogrammetric Image Analysis.
IRS Global (2015), Market outlooks, development trends and industry business strategies on key sensor technologies of automated driving vehicles, Market report 2015-6.
Jung H. G. and Suhr J. K. (2015), "Sensor fusion-based precise localization system for automotive applications," Auto Journal, vol. 37, no. 6, pp.29-34.
Kang M. and Kim Y. (2012), "Road lane and vehicle distance recognition using real-time analysis of camera images," Journal of the Korea Institute of Information and Communication Engineering, vol. 37, no. 6, pp.2665-2674.
KICT (2015), Study on developing a high-definition map for automated driving vehicles.
Mattern N., Schubert R. and Wanielik G. (2009), Lane level positioning using line landmarks and high accurate maps, ITS World Congress.
MOLIT (Ministry of Land, Infrastructure and Transport) (2014), Installation and management guideline on road safety facilities.
MOLIT (Ministry of Land, Infrastructure and Transport) (2015), Installation and management guideline on tunnel disaster prevention facilities.
NPA (National Police Agency) (2012), Installation and management manual on traffic safety signs.
NPA (National Police Agency) (2015), Guideline on light and illuminant traffic safety signs.
Spaanderman P., Berens F., Harri J. and Khan I. (2016), "Geolocation accuracy improvement by means of shared C-ITS sensor information from other ITS stations supporting urban-ITS and automated driving," 22nd ITS World Congress. Melbourne, Australia.
이 논문을 인용한 문헌
저자의 다른 논문 :
연구과제 타임라인
LOADING...
LOADING...
LOADING...
LOADING...
LOADING...
활용도 분석정보
상세보기
다운로드
내보내기
활용도 Top5 논문
해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다. 더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.