자율주행 자동차의 고정밀 위치추정 시스템에서 구현되는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법은 컨트롤러가 센서 차선 세그먼트를 맵 차선 세그먼트와 차선 매칭으로 도로를 직선 차선, 곡선 차선 및 클로소이드 곡선 차선 중 어느 하나로 구분하고, 구분한 차선에 기하학적 특징 기반 맵 매칭 기법 또는 최적화 기반 맵 매칭 기법을 적용해 게산한 이동량 값을 공분산 행렬로 생성하며, 공분산 행렬을 확장 칼만 필터로 차속과 요 비율의 센서 측정값과 융합하여 추정하고자 하는 차량의 위도, 경도 및 주행 방향을 산출해 제어에 이용함으로써 직선과 곡선(또는 원호) 차선에 대한 과소제약 형상으로 발생되는 매칭 오류를 도로 형상분류 기반 맵 매칭으로 해소하고, 특히 과소제약 형상 분류와 기하학적 형상 기반 맵 매칭 및 공분산 추정을 적용한 과소제약 형상 매칭 오류 해소로 정밀측위 정밀도 및 안정성도 향상되는 특징을 갖는다.
기술분야
자율주행 자동차의 위치추정에 관한 것으로, 특히 직선 및 곡선 차선에 대한 매칭 오류를 가져오던 과소제약 형상의 한계가 해소된 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정이 가능한 자율주행 자동차에 관한 것이다.
배경기술
일반적으로 자율주행 자동차(Autonomous Vehicles)에 적용된 레벨 분류는 아래의 표 1과 같다.
표 1 생략
이로부터 상기 자율주행 자동차는 레벨 3-5를 위한 자율주행용 정밀지도(HD map)가 요구되고, 상기 자율주행용 정밀지도는 0-20Cm의 높은 정밀측위 정확성과 신뢰도를 충족시킬 수 있어야 한다. 이를 위하여 상기 자율주행용 정밀지도는 랜드마크 정보와 인식 시스템 특징 정보 매칭을 정밀측위 기술로 사용하는데, 이는 랜드마크 정보는 종류에 따라 센서 인식률, 관측 가능성 등의 특징이 다르며 차선은 거의 모든 도심 주행 환경에 존재하기 때문에 맵 매칭에 활용되기에 적합하기 때문이다.
특히 차선에 대한 정밀지도 및 인식정보는 폴리라인(polyline) 형태로 제공 가능하여 ICP(Iterative Closest Point), NDT(Normal Distribution Transform)와 같은 최적화 기반 기법을 적용할 수 있다. 일례로 상기 폴리라인(polyline)은 그래픽에서, 주어진 점열을 잇는 선분열을 표시하는 출력 기본 요소이다. 상기 ICP 및 상기 NDT는 최적화 기반 맵 매칭 기법이다.
해결하려는 과제
상기 최적화 기반 맵 매칭 기법은 과소제약 형상 매칭 오류를 해소하여야 하는 어려움을 가지고 있다. 이러한 이유는 차선은 도로 설계 기준을 고려한 도로 형상의 분류에 따라 곡률 변화가 있는 완화곡선을 규정하고, 맵 매칭은 차선의 형상을 클로소이드 곡선(Clothoid Curve)과 함께 과소제약 형상을 갖는 직선(Straight Line)과 곡선(또는 원호)(Circular Arc)의 세 종류로 분류된 형상에 대한 특징을 표현하기 때문이다.
일례로 상기 과소제약 형상 매칭 오류는 직선 또는 원호 형태로 이루어진 폴리라인 쌍에 대한 ICP 기법의 매칭시 직선 조건에선 발산에 의해 길이 방향 성분에 대한 유일해가 구해지지 않으며 원호 조건에선 발산에 의해 회전 성분에 대한 유일해가 구해지지 않는 문제로서, 이러한 매칭 오류의 발생은 모든 도로형상에 적용할 경우 직선 주행로와 원호 주행로에서 위치추정의 정확도를 떨어뜨림으로써 정밀측위에 대한 신뢰성이 낮아지게 된다.
이에 상기와 같은 점을 감안한 본 발명은 직선과 곡선 차선에 대한 과소제약 형상으로 발생되는 매칭 오류를 도로형상분류 기반 맵 매칭으로 해소하고, 특히 과소제약 형상 분류와 기하학적 형상 기반 맵 매칭 및 공분산 추정을 적용한 과소제약 형상 매칭 오류 해소로 정밀측위 정밀도 및 안정성도 향상되는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법 및 자율주행 자동차의 제공에 목적이 있다.
발명의 효과
자율주행 자동차의 고정밀 위치추정 시스템을 통한 고정밀 위치추정은 하기와 같은 작용
첫째, 자율주행 자동차의 위치 추정이 도로형상분류 기반 맵 매칭을 통해 ICP 기법 적용과 같은 발산에 의한 매칭 오류 발생 없이 수행됨으로써 매칭 오류로 인한 위치추정 성능의 악영향이 방지된다.
둘째, 도로형상분류 기반 맵 매칭으로 직선 차선, 일정 곡률의 원호 차선 및 클로소이드 곡선 차선이 분류됨으로써 차선의 기하학적형상에 맞춘 맵 매칭 기법으로 자율주행 자동차에 적합한 더 강인한 추정 위치 보정 정보가 생성될 수 있다.
셋째, 자율주행 자동차의 위치 추정에 대한 종방향 매칭으로 종방향 거리 오차가 줄어 들 수 있다. 넷째, 자율주행 자동차의 위치 추정 연산이 ICP와 같은 알고리즘의 반복 및 반복적인 최적화 함수 해 연산 대비 상대적으로 낮은 연산량을 가질 수 있다. 다섯째, 정밀지도-인식정보 매칭 오류 검출 및 보상에 따른 위치추정의 강인함과 신뢰성 향상으로 자율주행 자동차가 레벨 3-5 자율주행을 안정적으로 구현할 수 있다.
시스템 및 서비스 구성정보 상세 명세서
자율주행 자동차가 카메라로 생성한 도로의 차선 영상 정보를 읽어온 컨트롤러에 의해 상기 차선 영상 정보의 센서 차선 세그먼트와 자율주행용 정밀지도의 맵 차선 세그먼트 간 차선 매칭이 이루어지고, 상기 차선 매칭으로 상기 도로의 차선이 직선 차선, 곡선 차선 및 클로소이드 곡선 차선 중 어느 하나의 차선 분류가 이루어지는 차선 분류 정보 생성 단계 및 상기 직선 차선과 상기 곡선 차선에 기하학적 특징 기반 맵 매칭 기법을 적용하여 직선/곡선 이동량이 계산되고, 상기 클로소이드 곡선 차선에 최적화 기반 맵 매칭 기법을 적용하며 클로소이드 곡선 이동량이 계산되며, 상기 직선/곡선 이동량 계산 값 또는 상기 클로소이드 곡선 이동량 계산 값으로 공분산 행렬(Covariance Matrix)이 생성되고, 상기 공분산 행렬로 차량 상태 값이 산출되는 맵-센서 융합 처리 단계가 포함되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 차선 분류 정보 생성 단계는 상기 자율주행용 정밀지도를 읽어 확인된 상기 맵 차선 세그먼트에 대해 세그먼트 기반으로 상기 센서 차선 세그먼트와 상기 차선 매칭이 이루어지는 단계 및 상기 차선 매칭으로 입력 차선 세그먼트를 생성하여 상기 차선 분류가 이루어지고, 상기 직선 차선 또는 상기 곡선 차선 또는 상기 클로소이드 곡선 차선이 결정되는 세그먼트 기반 차선 구분 단계로 수행되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 세그먼트 기반 차선 구분 단계는 상기 입력 차선 세그먼트에서 상기 직선 차선이 결정되는 단계 및 상기 입력 차선 세그먼트에서 상기 곡선 차선 또는 상기 클로소이드 곡선 차선이 결정되는 단계로 수행되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 직선 차선은 상기 입력 차선 세그먼트의 모든 점이 시작점과 끝점으로 생성한 직선 모델 영역 내에 있는 조건으로 결정되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정방법.
상기 곡선 차선은 상기 입력 차선 세그먼트의 모든 점이 시작점, 중간점 및 끝점으로 생성한 원 모델 영역 내에 있는 조건으로 결정되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀위치추정 방법.
상기 클로소이드 곡선 차선은 상기 입력 차선 세그먼트의 모든 점이 시작점과 끝점 또는 시작점, 중간점 및 끝점을 갖지 않는 조건으로 결정되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 맵-센서 융합 처리 단계는 상기 기하학적 특징 기반 맵 매칭 기법을 상기 직선 차선에 적용되는 기하학적 특징 기반 맵 직선 매칭 기법, 상기 곡선 차선에 적용되는 기하학적 특징 기반 맵 곡선 매칭 기법, 및 상기 클로소이드 곡선 차선에 적용되는 최적화 기반 맵 매칭 기법으로 구분하는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 기하학적 특징 기반 맵 직선 매칭 기법의 단계는 상기 직선 차선에 대한 두 가지 직선의 모델 생성이 이루어지는 단계 상기 두 가지 직선에 대한 직선 기울기 차이가 산출되는 단계 상기 직선 기울기 차이로부터 회전각이 계산되는 단계 상기 회전각에 대해 공분산 추정이 이루어지는 단계 및 상기 이동량이 직선의 최단거리 이동량으로 계산되어 상기 공분산 행렬로 생성되는 단계 로 수행되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 기하학적 특징 기반 맵 곡선 매칭 기법의 단계는 상기 곡선 차선에 대한 두 가지 원 모델 생성이 이루어지는 단계 상기 두 가지 원에 대한 원 접선이 산출되는 단계 상기 원 접선 차이로부터 회전각이 계산되는 단계 상기 회전각에 대해 공분산 추정이 이루어지는 단계 및 상기 이동량이 곡선의 최단거리 이동량으로 계산되어 상기 공분산 행렬로 생성되는 단계로 수행되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 최적화 기반 맵 매칭 기법의 단계는 상기 클로소이드 곡선 차선에 대한 ICP(Iterative Closest Point) 적용이 이루어지는 단계 상기 ICP(Iterative Closest Point) 적용의 결과에 대해 공분산 추정이 이루어지는 단계 및 상기 이동량이 클로소이드 곡선의 최적화 이동량으로 계산되어 상기 공분산 행렬로 생성되는 단계로 수행되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 컨트롤러는 상기 공분산 행렬을 차량 상태 추정기로 제공하고, 상기 차량 상태 추정기는 상기 공분산 행렬(Covariance Matrix)이 확장 칼만 필터(Extended Kalman Filter)로 차량 센서에서 생성된 차속과 요 비율(Yaw Rate)의 센서 측정값과 융합되고, 상기 자율주행 자동차의 위도, 경도 및 주행 방향 중 하나 이상이 추정하고자 하는 상기 차량 상태 값으로 산출되는 차량 위치 추정 단계가 더 포함되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 차량 위치 추정 단계는 상기 센서 측정값으로 상기 자율주행 자동차에 대한 이전 추정 위치가 확인되는 단계 상기 확장 칼만 필터(Extended Kalman Filter)로 상기 이전 추정 위치에 상기 공분산 행렬을 융합하여 추정 위치 예측이 이루어지는 단계 및 상기 추정 위치 예측의 값을 차량 주행 정보로 갱신하여 출력이 이루어지는 단계로 수행되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 이전 추정 위치는 Dead Reckoning 기법으로 확인되는 것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 추정 위치 예측은 상기 확장 칼만 필터(Extended Kalman Filter)를 예측단계(Prediction Step)와 측정갱신 단계(Measurement Update Step)로 구분하고 상기 예측단계(Prediction Step)에서 상기 이전 추정 위치를 산출하며, 상기 측정갱신 단계(Measurement Update Step)에서 상기 이전 추정 위치와 상기 공분산 행렬을 융합하여 이루어지는 것을 특징으로 하는 도로형 상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
상기 차량 주행 정보는 상기 자율주행 자동차의 위도, 경도 및 주행 방향 중 하나 이상인것을 특징으로 하는 도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법.
카메라로 도로에 대한 차선 영상 정보를 생성하고, 차량 센서로 차속과 요 비율(Yaw Rate)을 센서 측정값으로 검출하는 센서; 자율주행용 정밀지도의 도로 맵을 구비한 정밀지도 저장기; 및 차량의 위도, 경도 및 주행 방향 중 하나 이상을 산출하여 출력하는 고정밀 위치추정 시스템으로 구성되고 상기 고정밀 위치추정 시스템은 상기 차선 영상 정보의 센서 차선 세그먼트를 상기 자율주행용 정밀지도의 맵 차선 세그먼트와 차선 매칭으로직선 차선, 곡선 차선 및 클로소이드 곡선 차선 중 어느 하나로 차선 분류하고, 상기 직선 차선과 상기 곡선 차선에 대한 기하학적 특징 기반 맵 매칭 기법의 이동량 계산 및 상기 클로소이드 곡선 차선에 대한 최적화 기반
맵 매칭 기법의 이동량 계산을 공분산 행렬(Covariance Matrix)로 생성하는 컨트롤러 및 확장 칼만 필터(Extended Kalman Filter)로 상기 센서 측정값과 상기 공분산 행렬을 융합하여 추정 위치 예측이 이루어지고, 상기 추정 위치 예측으로 상기 위도, 상기 경도 및 상기 주행 방향을 산출하여 출력하는 차량 상태 추정기를 포함하는 것을 특징으로 하는 자율주행 자동차.
상기 컨트롤러는 상기 센서 차선 세그먼트와 상기 맵 차선 세그먼트를 인식하는 도로 인식부, 차선 세그먼트를 적용한 상기 차선 매칭으로 상기 직선 차선, 상기 곡선 차선 및 상기 클로소이드 곡선 차선으로 차선 분류하는 차선 분류부 및 상기 직선 차선, 상기 곡선 차선 및 상기 클로소이드 곡선 차선의 각각에서 이동양 계산 값을 산출하여 상기 공분산 행렬로 생성하고, 상기 공분산 행렬을 상기 차량 상태 추정기로 제공하는 것을 특징으로 하는 자율주행 자동차.
상기 컨트롤러는 상기 차선 영상 정보의 센서 차선 세그먼트를 차량 위치 인식기로 제공받고, 상기 차량 위치 인식기는 상기 카메라와 상기 차량 센서에 연결되는 것을 특징으로 하는 자율주행 자동차.
상기 차량 상태 추정기는 상기 센서 측정값을 이용한 예측단계(Prediction Step)로 이전 추정 위치가 산출되는 위치 예측부, 및 상기 이전 추정 위치와 상기 공분산 행렬을 융합한 측정갱신 단계(Measurement Update Step)로 상기 추정 위치 예측이 이루어지는 위치 갱신부로 구성되는 것을 특징으로 하는 자율주행 자동차.
상기 차량 상태 추정기는 신호 출력부와 연계되고, 상기 신호 출력부는 상기 위도, 상기경도 및 상기 주행 방향으로 차량제어를 수행하는 것을 특징으로 하는 자율주행 자동차.
도로형상분류 기반 맵 매칭을 통한 고정밀 위치추정 방법 및 자율주행 자동차 | 현대자동차 특허에 대하여 정리하였습니다.
댓글 쓰기