[논문]Vehicle Reference Dynamics Estimation by Speed and Heading Information Sensed from a Distant Point

Yun, Jeonghyeon; Kim, Gyeongmin; Cho, Minhyoung; Park, Byungwoon; Seo, Howon; Kim, Jinsung

doi:10.11003/jpnt.2022.11.3.209

Vehicle Reference Dynamics Estimation by Speed and Heading Information Sensed from a Distant Point 원문보기

Journal of Positioning, Navigation, and Timing, v.11 no.3, 2022년, pp.209 - 215

Yun, Jeonghyeon (Department of Aerospace Engineering and Department of Convergence Engineering for Intelligent Drone, Sejong University) , Kim, Gyeongmin (Department of Aerospace Engineering and Department of Convergence Engineering for Intelligent Drone, Sejong University) , Cho, Minhyoung (Department of Aerospace Engineering and Department of Convergence Engineering for Intelligent Drone, Sejong University) , Park, Byungwoon (Department of Aerospace Engineering and Department of Convergence Engineering for Intelligent Drone, Sejong University) , Seo, Howon (Research and Development Division, Hyundai Motor Company) , Kim, Jinsung (Research and Development Division, Hyundai Motor Company)

Abstract ▼ AI-Helper

As intelligent autonomous driving vehicle development has become a big topic around the world, accurate reference dynamics estimation has been more important than before. Current systems generally use speed and heading information sensed from a distant point as a vehicle reference dynamic, however, the dynamics between different points are not same especially during rotating motions. In order to estimate properly estimate the reference dynamics from the information such as velocity and heading sensed at a point distant from the reference point such as center of gravity, this study proposes estimating reference dynamics from any location in the vehicle by combining the Bicycle and Ackermann models. A test system was constructed by implementing multiple GNSS/INS equipment on an Robot Operating System (ROS) and an actual car. Angle and speed errors of 10° and 0.2 m/s have been reduced to 0.2° and 0.06 m/s after applying the suggested method.

주제어

표/그림 (11)

그림 Fig. 1. Bicycle and Ackermann model.
그림 Fig. 2. Combined kinematic vehicle model.
그림 Fig. 3. Dynamic test environment of ROS and actual car.
그림 Fig. 4. ROS car test confgurations.
그림 Fig. 6. ROS car test results (2021-10-28).
그림 Fig. 5. ROS car test confgurations.
그림 Fig. 7. Actual car test results (2022-01-13).
표 Table 1. ROS car test results – SPAN measured.
표 Table 3. Actual car test results – SPAN measured.
표 Table 2. ROS car test results – SPAN estimated.
표 Table 4. Actual car test results – SPAN estimated.

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 자율주행에서 임의 위치의 다수 센서 결합을 통한 정확한 차량 기준 속도 추정이 가능하도록 하는 것에 초점을 맞추어 연구를 진행하였다. 이를 위해 차량 내부의 기준 위치 및 임의 위치에 GNSS/INS 장비를 설치하고, kinematic vehicle model을 적용하여 차량의 동특성 반영 및 기준속도가 제대로 추정되었는지 실험적으로 검증하였다.

가설 설정

H.S

제안 방법

ROS 차량의 각 지점별 측정치 획득을 위해 SPAN을 각각 point 1부터 3까지 이동하며 데이터를 획득하였으며, 해당 데이터를 kinematic vehicle model에 적용하여 계산한 point5에서의 예측값을 point 5에 설치된 Ellipse-D로부터 얻은 실제 측정치와 비교하였다. 또한, 차량 동역학 모델의 다양한 시나리오별 검증을 위해 정지/등속/가속 등의 speed 변화와 직선/곡선 주행의 angle 변화를 조합하여 다양한 케이스의 결과를 비교하였다.
본 논문에서는 자율주행에서 임의 위치의 다수 센서 결합을 통한 정확한 차량 기준 속도 추정이 가능하도록 하기 위해 차량 내부의 기준 위치 및 임의 위치에 GNSS/INS 장비를 설치하고, kinematic vehicle model 적용을 통해 차량의 동특성 및 기준속도가 제대로 추정되었는지 실험적으로 검증하였다. 알고리즘 검증을 위한 실제 차량 실험 결과를 살펴보면 알고리즘 수식 적용 이후 예측값은 알고리즘 수식을 적용하기 이전의 측정값 대비 95% 오차 기준 angle은 98.
ROS 실험과 동일한 환경 구성을 위해 각각 Ellipse-D의 경우 point 5 (무게중심 부근)에, SPAN의 경우 point 3 (조수석 부근)에 설치하였으며, GNSS 측정치 획득을 위해 각 센서의 연직 방향 위 차량 천장 위치에 GNSS 안테나를 설치하였다. 실제 차량의 정지/직진/회전 주행 상태 변화에 따른 기준속도가 어떻게 변하는지에 대한 검증을 위해 반복 실험을 진행하였다.
본 논문에서는 자율주행에서 임의 위치의 다수 센서 결합을 통한 정확한 차량 기준 속도 추정이 가능하도록 하는 것에 초점을 맞추어 연구를 진행하였다. 이를 위해 차량 내부의 기준 위치 및 임의 위치에 GNSS/INS 장비를 설치하고, kinematic vehicle model을 적용하여 차량의 동특성 반영 및 기준속도가 제대로 추정되었는지 실험적으로 검증하였다.

대상 데이터

모델링 수식 적용을 통한 차량의 기준속도 참값 추정 알고리즘 검증을 위해 Fig. 3과 같이 각각 Robot Operating System (ROS) 차량 (AGILE-X HUNTER 2.0)과 실제 차량을 이용한 동적 실험을 구성하였다. 각 차량의 지점별 angle과 speed 값을 측정하기 위해 cm-level의 고정밀 GNSS-RTK/INS 통합 장비인 Novatel 사의 SPAN와 SBG 사의 Ellipse-D를 설치하였다.
각 차량의 지점별 angle과 speed 값을 측정하기 위해 cm-level의 고정밀 GNSS-RTK/INS 통합 장비인 Novatel 사의 SPAN와 SBG 사의 Ellipse-D를 설치하였다. Gyroscope, accelerometer, magnetometer로 구성된 Dual Antenna 장비인 Ellipse-D는 Single Antenna보다 정확한 헤딩 값을 측정할 수 있으므로 최종적인 데이터 분석 지점인 point5에 설치하여 높은 정확도의 측정치를 획득하였고, Single Antenna 장비인 SPAN은 이동이 용이하고 안테나 설치 공간의 제약이 없으므로 다양한 포인트에 설치하여 각 지점에서의 측정치를 획득하였다. Fig.
ROS 실험은 주변 환경의 방해 없이 정확한 속도 값 비교를 위해 고층 건물이 없고 위성 가시성이 좋은 한강 광나루 자전거 공원에서 실시되었다. 실험은 2021/10/28 날짜에 총 세차례 진행되었으며, 실험시간은 SPAN의 위치에 따라 UTC 기준 각각 point #1 (09:12:50 ~ 09:15:40), point #2 (08:46:20 ~ 08:48:50), point #3 (09:37:10 ~ 09:40:10)에 실시 하였다.

데이터처리

4의 경우 ROS 차량의 실험 구성을 나타낸다. ROS 차량의 각 지점별 측정치 획득을 위해 SPAN을 각각 point 1부터 3까지 이동하며 데이터를 획득하였으며, 해당 데이터를 kinematic vehicle model에 적용하여 계산한 point5에서의 예측값을 point 5에 설치된 Ellipse-D로부터 얻은 실제 측정치와 비교하였다. 또한, 차량 동역학 모델의 다양한 시나리오별 검증을 위해 정지/등속/가속 등의 speed 변화와 직선/곡선 주행의 angle 변화를 조합하여 다양한 케이스의 결과를 비교하였다.

이론/모형

반면 Ackermann model은 센서 위치로부터 횡방향에 위치한 지점에서의 속도만 추정이 가능하기에 대부분 조향 센서 부착 위치인 전축의 중심을 기준으로 사용된다. Kinematic vehicle model은 설치된 센서를 기준으로 bicycle model을 적용하여 1차적으로 종방향으로 이동한 지점에서의 속도를 계산한 후, 해당 지점을 기준으로 Ackermann model을 적용하여 최종 위치에서의 속도를 계산한다. 이를 활용하면 임의의 위치에 설치된 센서로 차량 기준속도의 참값을 계산할 수 있다.

성능/효과

본 논문에서는 자율주행에서 임의 위치의 다수 센서 결합을 통한 정확한 차량 기준 속도 추정이 가능하도록 하기 위해 차량 내부의 기준 위치 및 임의 위치에 GNSS/INS 장비를 설치하고, kinematic vehicle model 적용을 통해 차량의 동특성 및 기준속도가 제대로 추정되었는지 실험적으로 검증하였다. 알고리즘 검증을 위한 실제 차량 실험 결과를 살펴보면 알고리즘 수식 적용 이후 예측값은 알고리즘 수식을 적용하기 이전의 측정값 대비 95% 오차 기준 angle은 98.28%, speed는 71.01% 감소하였다.

참고문헌 (9)

Arvind, V. 2013, Optimizing the turning radius of a vehic-le using symmetric four wheel steering system, Interna-tional Journal of Scientific & Engineering Research, 4, 2177-2184
Hewage, D. C. & Premaratne, I. A. 2016, Wheel Speed Control Algorithm for Rear Wheel Motor Driven Vehicle, Journal of Engineering and Technology of the Open University of Sri Lanka (JET-OUSL), 4, 12-26.
Lee, M. & Kim, S. 2010, A Experimental Study on the Measure-ment and Estimation of Vehicle Center of Gravity, Transactions of the Korean Society of Automotive Engineers, 18, 91-99.
Melendez-Pastor, C., Ruiz-Gonzalez, R., & Gomez-Gil, J. 2017, A data fusion system of GNSS data and on-vehicle sensors data for improving car positioning precision in urban environments, Expert Systems with Applications, 80, 28-38. https://doi.org/10.1016/j.eswa.2017.03.018

상세보기
Min, H., Wu, X., Cheng, C., & Zhao, X. 2019, Kinematic and Dynamic Vehicle Model-Assisted Global Positioning Method for Autonomous Vehicles with Low-Cost GPS/Camera/In-Vehicle Sensors, Sensors, 19, 5430. https://doi.org/10.3390/s19245430

상세보기
Nam, K., Hori, Y., & Lee, C. 2015, Wheel Slip Control for Improving Traction-Ability and Energy Efficiency of a Personal Electric Vehicle, Energies, 8, 6820-6840. https://doi.org/10.3390/en8076820

상세보기
Polack, P., Altche, F., d'Andrea-Novel, B., & de La Fortelle, A. 2017, The kinematic bicycle model: A consistent model for planning feasible trajectories for autonomous vehicles?, 2017 IEEE Intelligent Vehicles Symposium (IV), Los Angeles, CA, USA, 11-14 June 2017, pp.812-818. https://doi.org/10.1109/IVS.2017.7995816
Vu, T. M., Moezzi, R., Cyrus, J., & Hlava, J. 2021, Model Predictive Control for Autonomous Driving Vehicles, Electronics, 10, 2593. https://doi.org/10.3390/electronics10212593

상세보기
Xu, S., Peng, H., Song, Z., Chen, K., & Tang, Y. 2018, Accurate and Smooth Speed Control for an Autonomous Vehicle, 2018 IEEE Intelligent Vehicles Symposium (IV), Changshu, China, 26-30 June 2018, pp.1976-1982. https://doi.org/10.1109/IVS.2018.8500519

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