KR101096592B1 - 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법 - Google Patents

장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법 Download PDF

Info

Publication number
KR101096592B1
KR101096592B1 KR1020100094639A KR20100094639A KR101096592B1 KR 101096592 B1 KR101096592 B1 KR 101096592B1 KR 1020100094639 A KR1020100094639 A KR 1020100094639A KR 20100094639 A KR20100094639 A KR 20100094639A KR 101096592 B1 KR101096592 B1 KR 101096592B1
Authority
KR
South Korea
Prior art keywords
route
target point
regional
obstacle
calculated
Prior art date
Application number
KR1020100094639A
Other languages
English (en)
Inventor
이영일
이호주
주상현
박용운
고정호
Original Assignee
국방과학연구소
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020100094639A priority Critical patent/KR101096592B1/ko
Application granted granted Critical
Publication of KR101096592B1 publication Critical patent/KR101096592B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 발명은 장애물격자지도를 활용한 무인차량의 자율주행 성능 향상 장치 및 방법에 관한 것으로서, 더욱 상세하게는 장애물격자지도 외부에 존재하는 전역경로계획(GPP) 경로점 지향적인 지역경로계획(LPP)의 목표점 선정이 가능하고, 무인차량의 자율주행 성능을 감소시키는 지그재그 주행을 지양하는 지역경로를 생성할 수 있는 무인차량의 자율주행 성능 향상 장치 및 방법에 관한 것이다.

Description

장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법 {The Apparatus and Method for Improving the Performance of Autonomous Navigation of Unmanned Ground Vehicle using Obstacle Grid Map}
본 발명은 장애물격자지도를 활용한 무인차량의 자율주행 성능 향상 장치 및 방법에 관한 것으로서, 더욱 상세하게는 장애물격자지도 외부에 존재하는 전역경로계획(GPP, Global Path Planning) 경로점 지향적인 지역경로계획(LPP, Local Path Planning)의 목표점 선정이 가능하고, 무인차량의 자율주행성을 감소시키는 지그재그 주행을 지양하는 지역경로를 생성할 수 있는 장애물격자지도를 활용하는 무인차량의 자율주행 성능 향상 장치 및 방법에 관한 것이다.
근래에 들어 행성탐사, 재난 극복, 인명구조, 험지 및 야지에서의 감시/정찰 임무를 수행하는 군사 로봇 및 서비스 로봇의 활용성이 부각되고 있다. 이는 극한 환경에서 이루어지는 3D 작업에 대한 기피현상과 인명중시 풍토에 맞물려 무인로봇에 대한 기대감과 필요성은 더욱 빠르게 부각되고 있다. 지상에서 운용되는 무인차량이 인간을 대신하여 주어진 임무를 합리적으로 완수하기 위해서는 인식, 판단 그리고 행동과 같은 기본적이며 계층적인 능력이 요구된다. 특히 안전하고 빠른 최적의 경로를 통해 주어진 임무지역까지 자율적으로 주행해 가는 자율주행(Autonomous Navigation) 기술은 모든 무인차량에 공통으로 요구되는 근본적인 기술이다. 무인차량의 자율주행 기술은 무인차량에 장착된 센서의 탐지영역을 기준으로 전역경로계획과 지역경로계획과 같이 계층적으로 구성된다.
전역경로계획은 숙고적인 계층으로 미리 제공된 DEM(Digital Elevation Map)/DSM(Digital Surface Map) 및 FDB(Feature Data Base)를 기반으로 산이나 호수와 같은 대규모의 지형적 특성 그리고 임무위험도를 고려하여 주어진 목표점까지의 합리적인 경로설정을 오프라인상에서 수행한다.
지역경로계획은 보다 반응적인 계층으로 다양한 센서를 통해 가장 최근에 획득한 대략 수십 미터 이내의 월드모델링 데이터로부터 지형 경사도 및 거칠기와 같은 지형정보와 다양한 장애물 정보를 추출하고, 이를 활용하여 전역경로계획에서 생성한 다음 경유점까지의 이동경로를 안전성과 안정성 관점에서 실시간으로 설정한다. 지역경로계획과 관련된 다양한 기존의 방법들 중 지역 최소점(Local Minima)문제를 유발하지 않으면서 주어진 목표점까지 언제나 최적경로를 산출하는 알고리즘의 허용성(admissibility)이 이미 증명되어 있는 방법으로는 휴리스틱 탐색기법 중 하나인 격자기반의 A* 알고리즘이 있다.
이러한 A* 알고리즘을 활용하여 무인차량에서 효율적이며 안전한 지역경로계획 기법을 구현하기 위해서는 지형감지 센서의 탐지영역에 매핑 되지 않는 GPP 경로점 지향적인 목표점을 설정하는 문제, 무인차량의 자율주행성을 감소시키는 지그재그 주행을 최소화시키는 문제 등을 고려하여야 한다.
따라서, 위와 같은 문제점을 해결하고 장애물격자지도 외부에 존재하는 GPP 경로점 지향적인 LPP의 목표점을 현재의 장애물격자지도 상에 매핑 가능하고, 무인차량의 자율주행성을 감소시키는 다양한 지그재그 주행을 지양하는 지역경로를 생성할 수 있는 무인차량의 자율주행 성능 향상 장치 및 방법의 필요성이 대두되고 있다.
본 발명은 장애물격자지도 외부에 존재하는 GPP 경로점 지향적인 LPP의 목표점 선정이 가능하고, 무인차량의 자율주행성을 감소시키는 지그재그 주행을 지양하는 지역경로를 생성할 수 있는 장애물격자지도를 활용하는 무인차량의 자율주행 성능 향상 장치 및 방법을 제공하기 위한 것이다.
본 발명에 의한 장애물격자지도를 활용하는 무인차량의 자율주행 성능 향상장치는 지형 정보와 장애물 정보에 관한 데이터를 수집하는 지형감지 센서부; 상기 수집된 데이터를 활용하여 주행 가능 여부가 판단된 격자지도를 생성하는 장애물격자지도 생성부; 상기 장애물격자지도상에 전역경로계획에서 산출한 경로점이 존재하지 않더라도, 무인차량이 위치한 현재의 격자와 상기 경로점과의 헤딩각 차이를 산출한 후 상기 계산된 헤딩각 차이를 활용하여 상기 장애물격자지도상의 특정격자를 지역경로계획의 목표점으로 선정하는 지역경로 목표점 선정부와 A* 알고리즘(Astar Algorithm)을 이용하여 무인차량의 현재 위치에서 상기 목표점까지의 지역경로를 산출하는 최소경비 지역경로 산출부를 구비하는 지역경로계획 수립부; 및 상기 산출된 지역경로를 주행하도록 제어하는 주행 제어부;를 포함하고, 상기 지역경로계획 수립부는 상기 목표점까지의 지역경로 산출에 실패하였을 경우, 상기 장애물격자지도의 바깥 세 변을 구성하는 모든 격자들 중 A* 알고리즘(Astar Algorithm)의 CLOSED에 포함되는 격자들의 평가함수 값 F(n)을 조사하여 최소값을 가지는 격자를 신(新)목표점으로 재선정한 후 상기 신목표점에 대한 지역경로를 산출할 수 있다.
이때, 상기 지역경로계획 수립부는 상기 신목표점 재선정시, 상기 목표점을 기준으로 이전 지역경로의 진행방향의 반대편 격자들에 페널티를 부여할 수 있다.
또한, 본 발명의 장애물격자지도를 활용하는 무인차량의 자율주행 성능 향상장치는 지형 정보와 장애물 정보에 관한 데이터를 수집하는 지형감지 센서부; 상기 수집된 데이터를 활용하여 주행 가능 여부가 판단된 격자지도를 생성하는 장애물격자지도 생성부; 상기 장애물격자지도상에 전역경로계획에서 산출한 경로점이 존재하지 않더라도, 무인차량이 위치한 현재의 격자와 상기 경로점과의 헤딩각 차이를 산출한 후 상기 계산된 헤딩각 차이를 활용하여 상기 장애물격자지도상의 특정격자를 지역경로계획의 목표점으로 선정하는 지역경로 목표점 선정부와 A* 알고리즘(Astar Algorithm)을 이용하여 무인차량의 현재 위치에서 상기 목표점까지의 지역경로를 산출하는 최소경비 지역경로 산출부를 구비하는 지역경로계획 수립부; 및 상기 산출된 지역경로를 주행하도록 제어하는 주행 제어부;를 포함하고, 상기 지역경로계획 수립부는 상기 산출된 지역경로의 방향성이 바로 이전에 산출된 이전 지역경로의 방향성과 다르면, 상기 이전 지역경로의 방향성 방향으로 기설정된 오프셋(offset)만큼 상기 목표점을 이동시킬 수 있다.
또한, 본 발명의 장애물격자지도를 활용하는 무인차량의 자율주행 성능 향상장치는 지형 정보와 장애물 정보에 관한 데이터를 수집하는 지형감지 센서부; 상기 수집된 데이터를 활용하여 주행 가능 여부가 판단된 격자지도를 생성하는 장애물격자지도 생성부; 상기 장애물격자지도상에 전역경로계획에서 산출한 경로점이 존재하지 않더라도, 무인차량이 위치한 현재의 격자와 상기 경로점과의 헤딩각 차이를 산출한 후 상기 계산된 헤딩각 차이를 활용하여 상기 장애물격자지도상의 특정격자를 지역경로계획의 목표점으로 선정하는 지역경로 목표점 선정부와 A* 알고리즘(Astar Algorithm)을 이용하여 무인차량의 현재 위치에서 상기 목표점까지의 지역경로를 산출하는 최소경비 지역경로 산출부를 구비하는 지역경로계획 수립부; 및 상기 산출된 지역경로를 주행하도록 제어하는 주행 제어부;를 포함하고, 상기 지역경로계획 수립부는, 상기 목표점까지의 지역경로 산출에 성공하였을 경우, 상기 산출된 지역경로의 방향성이 바로 이전에 산출된 이전 지역경로의 방향성과 다르면, 상기 이전 지역경로의 방향성 방향으로 기설정된 오프셋(offset)만큼 상기 목표점을 이동시키고, 상기 목표점까지의 지역경로 산출에 실패하였을 경우, 상기 장애물격자지도의 바깥 세 변을 구성하는 모든 격자들 중 A* 알고리즘(Astar Algorithm)의 CLOSED에 포함되는 격자들의 평가함수 값 F(n)을 조사하여 최소값을 가지는 격자를 신(新)목표점으로 재선정한 후 상기 신목표점에 대한 지역경로를 산출할 수 있다.
이때, 상기 지역경로계획 수립부는 상기 신목표점 재선정시, 상기 목표점을 기준으로 이전 지역경로의 진행방향의 반대편 격자들에 페널티를 부여할 수 있다.
또한, 상기 지역경로계획 수립부는 상기 지역경로를 월드모델 및 장애물격자지도 상에서 표현하고 각 격자의 비용정보를 외부 모니터링부로 전송하거나 디스플레이하는 경로효율성 분석부를 포함할 수 있다.
또한, 상기 지역경로계획 수립부는 무인차량이 자율주행을 수행함에 있어 산출된 지역경로에 대한 정보를 실시간으로 저장하는 시험결과 저장부를 포함할 수 있다.
한편, 본 발명에 따른 장애물격자지도를 활용하는 무인차량용 자율주행성능 향상 방법은 지형 정보와 장애물 정보에 관한 데이터를 수집하는 지형감지 단계; 상기 수집된 데이터를 활용하여 주행 가능 여부가 판단된 격자지도를 생성하는 장애물격자지도 생성단계; 상기 장애물격자지도를 근거로 출발 경로점에서 다음 경로점으로의 최적 주행을 위한 지역경로를 산출하는 지역경로계획 수립단계; 및 상기 산출된 지역경로를 주행하도록 제어하는 주행 제어단계;를 포함하고, 상기 지역경로계획 수립단계는, 상기 장애물격자지도상에 전역경로계획에서 산출한 경로점이 존재하지 않더라도, 무인차량이 위치한 현재의 격자와 상기 경로점과의 헤딩각 차이를 산출한 후 상기 계산된 헤딩각 차이를 활용하여 상기 장애물격자지도상의 특정격자를 지역경로계획의 목표점으로 선정하는 지역경로 목표점 선정 단계; A* 알고리즘(Astar Algorithm)을 이용하여 무인차량의 현재 위치에서 상기 목표점까지의 지역경로를 산출하는 최소경비 지역경로 산출 단계; 상기 목표점까지의 지역경로 산출에 성공하였을 경우, 상기 산출된 지역경로의 방향성이 바로 이전에 산출된 이전 지역경로의 방향성과 다르면, 상기 이전 지역경로의 방향성 방향으로 기설정된 오프셋(offset)만큼 상기 목표점을 이동시켜 지역경로를 재산출하는 단계; 상기 목표점까지의 지역경로 산출에 실패하였을 경우, 상기 장애물격자지도의 바깥 세 변을 구성하는 모든 격자들 중 A* 알고리즘(Astar Algorithm)의 CLOSED에 포함되는 격자들의 평가함수 값 F(n)을 조사하여 최소값을 가지는 격자를 신(新)목표점으로 재선정한 후 상기 신목표점에 대한 지역경로를 산출하는 단계를 포함할 수 있다.
한편, 본 발명의 장애물격자지도를 활용하는 무인차량용 자율주행성능 향상 방법은 컴퓨터로 읽을 수 있는 기록 매체에 프로그램으로서 기록할 수 있다.
본 발명에 따르면 무인차량의 운행에 있어서, 장애물격자지도 외부에 존재하는 GPP 경로점 지향적인 LPP의 목표점 선정이 가능하고, 무인차량의 자율주행성을 감소시키는 지그재그 주행을 지양하는 지역경로를 생성하여 무인차량의 자율주행 성능을 향상시킬 수 있다.
도 1는 본 발명의 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치를 나타낸 블럭도.
도 2와 도 3은 본 발명에 의한 무인차량의 지역경로계획에서 GPP의 다음 경로점을 지향하면서 장애물이 존재하지 않는 특정격자를 선정하는 과정 중 특정 격자가 FailedGoal이 되어 조건을 만족하는 새로운 목표점을 선정하는 예를 도시한 격자지도.
도 4와 도 5는 본 발명에 의한 무인차량의 지역경로계획에서 목표점 격자에 장애물이 존재하여 새로운 목표점을 선정할 경우 발생할 수 있는 지그재그 주행의 예를 도시한 격자지도.
도 6은 본 발명에 의한 무인차량의 지역경로계획에서 세 모서리를 구성하는 모든 격자들 중 FailedGoal을 기준으로 이전 진행방향의 반대편 격자들에 페널티를 부여하여 도 4 및 도 5에 식별된 지그재그주행을 제거하는 예를 도시한 격자지도.
도 7과 도 8은 본 발명에 의한 무인차량의 지역경로계획에서 산출된 경로의 정 중앙에 장애물이 위치하여 장애물의 왼쪽 편, 오른쪽 편을 번갈아 가며 우회하는 경로가 생성되어 지그재그 주행이 발생하는 예를 도시한 격자지도.
도 9는 본 발명에 의한 무인차량의 지역경로계획에서 이전 계산시간에 생성된 경로의 방향으로 기 설정된 offset만큼 목표점을 이동시켜 지역경로계획을 수행함으로써 도 7 및 도 8을 통해 식별된 지그재그 주행을 감소시키는 예를 도시한 격자지도.
도 10은 본 발명의 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 방법을 나타낸 흐름도.
이하, 첨부한 도면들을 참조하여 본 발명의 바람직한 실시 예들을 상세히 설명하기로 한다. 그러나, 본 발명은 여기서 설명되어지는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시 예들은 개시된 내용이 철저하고 완전해질 수 있도록, 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공 되는 것이다. 명세서 전체에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.
도 1은 본 발명의 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치를 나타낸 블럭도이다.
도 1을 참조하면, 본 발명에 따른 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치는 지형 정보와 장애물 정보에 관한 데이터를 수집하는 지형감지 센서부(100)와, 상기 수집된 고도데이터를 활용하여 주행 가능 여부가 판단된 격자지도를 생성하는 장애물격자지도 생성부(220)와, 상기 장애물격자지도를 근거로 현재 무인차량이 위치한 시작점에서 GPP(Global Path Planning, 전역경로계획)의 다음 경로점까지의 효율적이며 안전한 주행을 위한 경로계획을 수립하는 지역경로계획 수립부(230) 및 상기 수립된 경로계획에 따라 경로를 주행하도록 제어하는 주행 제어부(300)를 포함하여 이루어질 수 있다.
상기 무인차량의 자율주행 성능 향상장치는 크게 지형감지 센서부(100), 자율주행 판단부(200), 및 주행 제어부(300)를 포함하여 이루어질 수 있다.
상기 지형감지 센서부(100)는 무인차량 전방의 지형 정보와 장애물 정보에 관한 데이터를 수집하는데, 상기 자율주행 판단부(200)에 포함된 격자지도 생성부(220)는 수집된 데이터를 이용하여 무인차량이 주행 가능한 지형인지 여부가 판단된 격자지도(장애물격자지도)를 생성한다. 이와 같이 무인차량에 장착된 레이저거리측정기(101) 또는 쌍안영상 감지센서(쌍안 카메라)(102) 등의 지형감지 센서부(100)로부터 입력받은 특정 크기의 지형에 대한 고도값을 활용하여 무인차량의 주행성 여부를 판단하는 장애물격자지도를 생성한 후, 이를 기반으로 전역경로계획 상의 경로점 지향적이면서 장애물을 회피하는 지역경로계획을 수행할 수 있다.
상기 자율주행 판단부(200)는 미리 입력된 지도와 지형특성, 임무 위험도를 고려하여 주어진 목표점까지 도달하기 위해 거쳐갈 경로점을 생성하는 전역경로계획 수립부(210)와, 상기 전역경로계획 수립부(210)에서 생성한 특정 경로점을 목표점으로 하여 무인차량이 위치한 출발점에서부터 효율적이며 안전한 주행을 위한 경로계획을 수립하는 지역경로계획 수립부(230)를 포함하여 이루어질 수 있다.
상기 전역경로계획 수립부(210)는 미리 제공된 DEM(Digital Elevation Map)/DSM(Digital Surface Map) 및 FDB(Feature Data Base)를 기반으로 산이나 호수와 같은 대규모의 지형적 특성 그리고 임무위험도를 고려하여 주어진 목표점까지 도달하기 위한 경로점을 오프라인상에서 생성할 수 있다.
상기 지역경로계획 수립부(230)는 가장 최근에 획득한 대략 수십 미터 이내의 월드모델링 데이터로부터 지형정보와 다양한 장애물 정보를 추출하고, 이를 활용하여 전역경로계획 수립부(210)에서 생성한 다음 경로점까지의 이동경로를 실시간으로 설정한다.
한편, 상기 주행 제어부(300)는 지역경로계획에서 생성된 경로를 추종하도록 무인차량의 속도와 조향각 등을 제어한다.
지역경로계획 수립부(230)에서 사용되는 알고리즘에 대한 정확하고 일관성 있는 설명을 위해 알고리즘 기술에 사용되는 표기법을 먼저 정의할 필요가 있는데 표기법의 정의는 표1(알고리즘 기술용 표기법 및 정의)에 표시되어 있다. 알고리즘 기술에 사용되는 장애물격자지도는 지역좌표계를 기준으로 한다.
Notation Definition
G(x, y) 　Binary Map의 (x, y)에 놓인 격자
(x0, y0) 　BM(Binary Map)에서 무인차량의 현재 위치로 G(0, 0)
(xGPP, yGPP) 　BM에서 GPP 경로점의 위치
ΔBM 　BM에서 무인차량 진행방향의 거리(길이)
ΔG 　BM의 한 격자 크기
CPx, CPy 　GPP 경로점 지향적인 BM상의 격자 위치
F(n) 　A* 알고리즘의 평가함수로 F(n)=g(n)+h(n)
wfactor 　Penalty Weighting Factor
wnum 　Penalty를 적용 할 양쪽 격자의 개수 차이
Pnum 　생성된 Path(경로)를 구성하는 포인트(격자)의 개수
Pi(x, y) 　Path(경로)를 구성하는 i번째 포인트 G(x, y)
P‘i(x, y) 　현재까지 smoothing된 path를 구성하는 포인트들 중 i번째 포인트 G(x, y)
xPS, yPS 　PS(x, y)의 x & y 좌표값
xPE, yPE 　PE(x, y)의 x & y 좌표값
Binary Map은 장애물격자지도를 의미하며, g(n)은 무인차량의 현재위치에서 특정 격자 n까지의 이동경비, h(n)은 격자 n에서 목표점까지의 예상 이동경비를 의미한다.
상기의 지역경로계획 수립부(230)에서 사용되는 알고리즘은 아래의 의사코드(Pseudo-Code)에 보이듯 지역경로계획 수립부(230)에 포함되는 지역경로 목표점 선정부(231), 최소경비 지역경로 산출부(232) 그리고 지그재그주행 감소부(233)의 기능을 포함하는 함수 FindGoalPosition(), 함수 FindNewGoal(), 함수 ComputeShortestPath(), 함수 Check_Tendency(), 함수 ReductionZigZagDriving() 그리고 함수 PenaltyWeighting()으로 구성된다.
FindGoalPosition ()
01. IF(HGPP < -90) set G(-ΔBM, 0) to Goal;
02. ELSE IF(HGPP > 90) set G(ΔBM, 0) to Goal;
03. ELSE IF(HGPP >= -45 AND HGPP <= 45)
04. CPx = round(tan(HGPP) * ΔBM);
05. set G(CPx, ΔBM) to Goal;
06. ELSE IF((HGPP >= -90 AND HGPP < -45) OR (HGPP > 45 AND HGPP <= 90))
07. CPy = round(ΔBM / tan(HGPP));
08. set G(ΔBM, CPy) to Goal;
Check _ Tendency ()
09. FOR xpi ∈ planned path in AstarAlgorithm
10. IF(all xpi > CPx / CPy * ypi) CT=RIGHT;
11. ELSE IF(all xpi < CPx / CPy * ypi) CT=LEFT;
FindNewGoal ()
12. set G(x Goal +offset, y Goal ) to NewGoal;
13. IF(NewGoal == obstacle)
14. DO shift x NewGoal to the next grid in the direction of PT;
15. WHILE(NewGoal == obstacle)
PenaltyWeighting ()
16. WHILE each G(x, y) in opposite side of pre_heading on the basis of FailedGoal
17. F(n) = F(n) + (wfactor * wnum);
ReductionZigZagDriving ()
18. FindNewGoal();
19. AstarAlgorithm(G(x0, y0), NewGoal);
20. Check_Tendency();
21. IF(F'(NewGoal) < F'(Goal)+wfactor && CT==PT) set the path of NewGoal
to LP;
22. ELSE set the path of Goal to LP; PT=CT;
ComputeShortestPath ()
23. HGPP = tan-1(xGPP / yGPP);
24. FindGoalPosition();
25. AstarAlgorithm(G(x0, y0), Goal);
26. IF success to compute shortest path
27. Check_Tendency();
28. IF(CT != PT)
29. ReductionZigZagDriving()
30. ELSE set the path of Goal to LP;
31. ELSE IF fail to compute shortest path
32. PenaltyWeighting();
33. find G(x, y) having smallest F(n) from CLOSED in edges of BinaryMap;
34. set G(x, y) to Goal;
35. AstarAlgorithm(G(x0, y0), Goal);
36. set the path of Goal to LP;
여기서, HGPP는 무인차량의 정면방향과 LPP(Local Path Planning, 지역경로계획)의 현재 목표점 간의 각도이며, ΔBM은 Binary Map, 즉 장애물격자지도에서 무인차량 진행방향의 거리로 도 2 내지 도 9에서 무인차량이 위치하는 G(0,0)의 정면 끝까지의 거리(길이)를 나타낸다. round는 반올림을 의미하며, xpi는 경로상의 i번째 x좌표를, Ypi는 경로상의 i번째 y좌표를 의미한다. CT(Current Tendency)는 현재 방향성을 의미하고, PT(Previous Tendency)는 바로 이전의 방향성을 의미하며, 각 CT와 PT는 좌방향성(LEFT)과 우방향성(RIGHT) 중 하나를 나타내는 값을 갖는다. xGoal은 실제 설정된 목표점의 x좌표, yGoal은 실제 설정된 목표점의 y좌표이다. LP는 지역경로를 의미한다.
지역경로 목표점 선정부(231)에서 사용되는 알고리즘은 상기의 의사코드 중 지역좌표계를 사용하는 장애물격자지도상에서 무인차량이 위치한 현재의 격자 G(x0, y0)와 GPP에서 생성한 다음 경로점 G(xGPP, yGPP)까지의 헤딩각 차이를 산출하여 상기 계산된 헤딩각 차이를 활용하여 장애물격자지도상의 특정격자를 새로운 지역경로계획 목표점으로 선정하는 함수 FindGoalPosition()으로 구현된다. 장애물격자지도는 무인차량이 위치한 현재 격자 G(x0, y0)의 정면방향과 좌우측방향 및 그 사이에 대해서 생성되는 것으로, 현재의 격자 G(x0, y0)의 헤딩각은 현재의 격자 G(x0, y0)와 무인차량의 정면 방향-항상 장애물격자지도 상변의 가운데 격자를 가로지르는 가상의 연장선의 각도로 0도에 해당한다. GPP에서 생성한 다음 경로점 G(xGPP, yGPP)까지의 헤딩각은 현재의 격자 G(x0, y0)와 GPP에서 생성한 다음 경로점 G(xGPP, yGPP)을 가르지르는 가상의 연장선의 현재의 격자 G(x0, y0)의 헤딩각에 대한 각도이다.
전역경로계획에서 사용하는 격자지도는 통상적으로 50∼200m정도의 크기로 구성되기 때문에 전역경로계획 수립부(210)에서 생성한 경로점도 동일한 간격을 가지게 된다. 이러한 이유로 대략 50m이내의 크기로 생성되는 지역경로계획의 장애물 격자지도상에 항상 전역경로계획 수립부(210)에서 생성된 경로점이 위치하지 못하게 되며, 이는 목표점(Goal)을 반드시 필요로 하는 A* 알고리즘(Astar Algorithm)을 실행시킬 수 없는 문제를 발생시킨다.
따라서 A* 알고리즘 기반의 지역경로계획 수립을 위해서는 전역경로계획 수립부(210)에서 생성된 다음 경로점을 지향하는 장애물 격자지도상의 목표점을 반드시 선정할 필요가 있다. 도 2는 본 발명에 의한 무인차량의 지역경로계획에서 GPP의 다음 경로점인 G(xGPP, yGPP)를 지향하는 특정격자를 LPP의 목표점으로 선정하는 예를 도식한 격자지도로서, 도 2에서 밝은 회색으로 표시된 격자가 전역경로계획의 경로점인 G(xGPP, yGPP)를 의미하며 검은색으로 표시된 격자가 LPP에서 새롭게 선정된 목표점이다. 이때의 목표점 선정은 지역경로 목표점 선정부에 의해 이루어지며, 구체적으로 FindGoalPosition() 의사코드에 의해 수행될 수 있다.
한편, 최소경비 지역경로 산출부(232)는 현재 무인차량이 위치하는 G(x0, y0)에서 상기 지역경로 목표점 선정부(231)에서 선정한 LPP 목표점까지의 안전하고 효율적인 최소경비를 산출하는 함수 AstarAlgorithm(G(x0, y0), Goal)을 실행하는 기능 및 일차적으로 선정한 목표점까지의 최소경비 산출에 실패하였을 경우 LPP의 새로운 목표점을 선정하여 함수 AstarAlgorithm(G(x0, y0), Goal)을 재호출하는 기능을 포함하는 함수 ComputeShortestPath()로 구현된다.
도 2의 경우 G(xGPP, yGPP)에 지향적인 밝은 회색의 격자 G(x, y)는 장애물로 둘러싸여 있어 무인차량이 도달할 수 없는 격자이므로 최소경비 지역경로 산출부(232)에 의해 목표점까지의 지역경로 산출이 불가능한 FailedGoal이 된다. 제안된 알고리즘 중 함수 ComputeShortestPath()의 line 33~35에 의해 장애물격자지도에서 바깥 세 변을 구성하는 모든 격자들 중 A* 알고리즘의 CLOSED에 포함되는 격자들의 F(n)값을 조사하여 최소값을 가지는 격자를 목표점으로 선정한 후 새로운 목표점에 대한 최소경비 지역경로를 산출한다. CLOSED를 활용하는 이유는 도달할 수 없는 지역에 포함되는 격자가 목표점으로 선정되는 것을 막기 위함이다. F(n)값은 경로가 설정될 수 있는 경우에만 존재한다. 표 1에서 나타낸 바와 같이 F(n)은 g(n)과 h(n)의 합으로 결정되며, 이때 g(n)은 무인차량의 현재위치에서 특정 격자 n까지의 이동경비, h(n)은 격자 n에서 목표점까지의 예상 이동경비를 의미하므로 F(n)이 최소라는 것은 원목표점으로 이동하는데 필요한 거리관점의 경비가 가장적은 격자임을 나타낸다. 이때 선정 대상이 되는 격자는 바깥 세변을 구성하는 격자들 중 A* 알고리즘의 CLOSED에 포함되는 격자들이다. 바깥 세변을 구성하는 격자는 장애물격자지도에서 무인차량의 현재 위치 G(x0, y0)를 포함하는 하변을 제외한 나머지 세변을 의미한다.
또한, 도 3의 경우 장애물 격자지도밖에 존재하는 전역경로계획 수립부(210)에서 생성된 경로점인 G(xGPP, yGPP)에 지향적인 G(x, y)는 밝은 회색으로 표시된 격자이지만, 해당격자에 장애물이 존재하므로 목표점이 될 수가 없다.
따라서 ①번 또는 ②번 격자가 목표점이 될 수 있는 후보격자인데, 제안된 알고리즘 중 함수 ComputeShortestPath()의 line 33~35에 의해 G(x0, y0)가 존재하는 하변을 제외한 장애물 격자지도의 바깥 세 변을 구성하는 모든 격자의 F(n)값을 조사하여 최소값을 가지는 G(x, y)를 목표점으로 선정하게 되어 ①번 격자가 목표점이 되며, 이를 활용하여 최소경비 지역경로를 산출한다.
이렇게 A* 알고리즘의 F(n) 함수를 이용하는 이유는 목표점 선정에 실패한 검은색 격자인 FailedGoal과의 최소거리만을 기준으로 목표점을 선정할 경우 ②번 격자가 목표점으로 선정되게 되는데 이는 장애물을 우회하는 높은 이동경비를 가지는 경로생성을 유발하여 지역경로계획의 최적성이 감소되기 때문이다. 즉, 본 발명에 따르면 전역경로계획의 경로점 지향적이면서도 현재 위치에서 가장 가까운 목표점을 선정할 수 있게 된다
한편, 지그재그 주행 감소부(233)는 상기 최소경비 지역경로 산출부(232)에서 생성한 현재 지역경로의 방향성을 판별하는 함수 Check_Tendency()와, 상기 계산된 현재 지역경로의 방향성을 바로 이전에 산출한 이전 지역경로의 방향성과 비교하여 지그재그 주행을 감소시켜 무인차량의 자율주행 성능을 향상시키는 함수 PenaltyWeighting(), 함수 ReductionZigZagDriving() 그리고 함수 FindNewGoal()로 구성된다.
무인차량의 자율성능을 저하시키는 지그재그 주행은 크게 다음과 같은 대표적인 두 가지로 요약된다. 첫 번째는 상기 지역경로 목표점 선정부(231)에서 선정한 목표점인 G(x, y)에 장애물이 존재하여 해당격자가 FailedGoal이 되어 새로운 목표점을 선정할 경우, F(n)값의 미세한 차이에 의해 목표점이 장애물의 왼쪽 편, 오른쪽 편에 번갈아 가며 선정되면 지그재그 주행이 발생한다. 두 번째는 상기 최소경비 지역경로 산출부(232)에서 목표점까지의 경로를 생성할 경우, 경로의 정 중앙에 장애물이 위치하여 장애물의 왼쪽 편, 오른쪽 편을 번갈아 가며 우회하는 경로가 생성되면 무인차량의 지그재그 주행이 발생하게 된다.
도 4와 도 5는 첫 번째 지그재그 주행 타입에 대한 예를 도식화한 격자지도이다. (n-1)th 계산시간에 도 4에서처럼 FailedGoal을 기준으로 오른쪽 편에 존재하는 Goal에 대해 LPP를 수행하였다고 가정한 후, (n)th 계산시간에 도 5의 장애물 격자지도에서 Goal을 선정한다면 표 2의 F(n)값 비교에 의해 더욱 작은 값을 가지는 ①번 격자를 Goal로 선정하게 되어 무인차량이 지그재그형태로 주행하는 문제가 발생하게 된다. 이러한 문제를 해결하기 위해 함수 PenaltyWeighting()에서는 세 변을 구성하는 모든 격자들 중 FailedGoal(점선)을 기준으로 이전 진행방향의 반대편 격자들에 페널티를 부여한다.
한편, 도 6을 보면 전역경로계획 수립부(210)에서 생성한 경로점을 지향하는 격자에 장애물이 존재하여 해당 격자는 FailedGoal이 되며, 제안한 알고리즘의 함수 PenaltyWeighting()에 의해 ①번 격자가 포함된 왼쪽편 격자들에 페널티를 부여하게 된다. 표 2에 보이듯, 함수 PenaltyWeighting()에 의해 후보격자 ①번의 F(n)값이 '28.5'로 상승하여 도 5와는 다르게 ②번 격자가 Goal(목표점)로 선정되어 지그재그 주행이 제거됨을 확인할 수 있다. 이때의 페널티는 wfactor와 wnum에 의해 결정되는데, wfactor는 사용자에 의해 설정될 수 있다.
도4 도 5 도 6
격자① 격자② 격자① 격자② 격자① 격자②
F(n) 26.1 25.1 25.7 26.3 25.7 26.3
g(n) 17.1 17.1 17.7 16.3 17.7 16.3
h(n) 9.0 8.0 8.0 10.0 8.0 10.0
penalty
적용		 - - - - 28.5 26.3
도 7과 도 8은 두 번째 지그재그 주행 타입에 대한 예를 도식화한 격자지도이다. (n-1)th 계산시간에 도 7과 같이 장애물의 오른쪽 편을 우회하는 지역경로를 산출하였다고 가정한 후, (n)th 계산시간에 도 8의 장애물 격자지도에서 경로계획을 수행한다면 제안된 알고리즘에 의해 장애물의 왼쪽 편을 우회하여 목표점에 도달하는 경로를 생성하게 되어 무인차량이 지그재그 형태로 주행하는 문제가 발생하게 된다.
이러한 문제를 해결하기 위해 상기 최소경비 지역경로 산출부(232)에서 생성한 현재 지역경로의 방향성을 판별하는 함수 Check_Tendency()와, 상기 계산된 현재 지역경로의 방향성을 바로 이전에 산출한 지역경로의 방향성과 비교하여 지그재그 주행을 감소시켜 무인차량의 자율주행 성능을 향상시키는 함수 FindNewGoal()과 함수 ReductionZigZagDriving()을 활용한다.
도 9를 보면 제안된 알고리즘의 함수 Check_Tendency()에 의해 (n-1)th 계산시간에 생성된 지역 경로의 방향성과 현재 지역 경로의 방향성이 상이함을 판단한 후, 함수 FindNewGoal()의 line 12에 의해 이전에 생성된 지역경로의 방향성 방향으로 기설정된 offset(본 예에서는 3칸)만큼 목표점을 이동시킨다. 함수 ReductionZigZagDriving()에 의해 새롭게 설정된 목표점에 대한 경로계획을 수행한 후 함수 Check_Tendency()를 통해 생성된 경로의 방향성을 조사하여 line 21의 조건을 만족하는 경우 지그재그 주행을 감소시키는 경로로 선정한다. 표 3에 보이듯 새로운 목표점에 대한 평가함수값 F'(NewGoal)은 '15.733'으로 이전 목표점에 대한 평가함수값에 페널티를 부여한 값인 '20.168'보다 작으면서 방향성 또한 (n-1)th 계산시간에 산출된 경로의 방향성과 일치하여 새로운 목표점까지 생성된 지역경로를 선택함으로써 지그재그 주행의 두 번째 타입을 감소시킬 수 있는 경로가 생성된다.
도7 도 8 도 9
Check_Tendency() RIGHT LEFT RIGHT
F'(NewGoal) - - 15.733
F'(Goal) - 18.75 -
wfactor 1.41
함수 ReductionZigZagDriving()의 line 21 조건에 있어 새로운 목표점에 대한 평가함수값 F'(NewGoal)이 이전 목표점에 대한 평가함수값에 페널티를 부여한 값보다 큰 경우는 비록 지그재그 주행의 특성을 감소시킬 수는 있으나 경로의 최적성을 크게 저하시키는 경로임을 의미하므로 이전 목표점을 활용한 LPP 경로를 선정하여 경로 최적성을 보장한다.
그리고, 지역경로계획 수립부(230)는 상기 지역경로를 월드모델 및 장애물격자지도 상에서 표현하고 각 격자의 비용정보를 외부 모니터링부로 전송하거나 디스플레이하는 경로효율성 분석부(234) 및 무인차량이 자율주행을 수행함에 있어 산출된 지역경로에 대한 정보를 실시간으로 저장하는 시험결과 저장부(235)를 포함할 수 있다.
이상의 내용을 정리하면, 본 발명의 장애물격자지도를 활용하는 무인차량용 자율주행성능 향상 장치는 지형 정보와 장애물 정보에 관한 데이터를 수집하는 지형감지 센서부, 상기 수집된 데이터를 활용하여 주행 가능 여부가 판단된 격자지도를 생성하는 장애물격자지도 생성부, 상기 장애물격자지도상에 전역경로계획에서 산출한 경로점이 존재하지 않더라도, 무인차량이 위치한 현재의 격자와 상기 경로점과의 헤딩각 차이를 산출한 후 상기 계산된 헤딩각 차이를 활용하여 상기 장애물격자지도상의 특정격자를 지역경로계획의 목표점으로 선정하는 지역경로 목표점 선정부와 A* 알고리즘(Astar Algorithm)을 이용하여 무인차량의 현재 위치에서 상기 목표점까지의 지역경로를 산출하는 최소경비 지역경로 산출부를 구비하는 지역경로계획 수립부 및 상기 산출된 지역경로를 주행하도록 제어하는 주행 제어부를 포함하고 있다.
이때, 상기 지역경로계획 수립부는 상기 목표점까지의 지역경로 산출에 실패하였을 경우, 상기 장애물격자지도의 바깥 세 변을 구성하는 모든 격자들 중 A* 알고리즘(Astar Algorithm)의 CLOSED에 포함되는 격자들의 평가함수 값 F(n)을 조사하여 최소값을 가지는 격자를 신(新)목표점으로 재선정한 후 상기 신목표점에 대한 지역경로를 산출할 수 있다. 이에 따라 장애물등에 의해 목표점까지의 지역경로 산출에 실패하였을 경우 최단 경로의 신목표점을 선정할 수 있다. 한편, 신목표점의 선정시 무인차량의 지그재그 운행을 감소시키기 위하여 지역경로계획 수립부는 상기 신목표점 재선정시, 상기 목표점을 기준으로 이전 지역경로의 진행방향의 반대편 격자들에 페널티를 부여할 수 있다.
또한, 지역경로계획 수립부는 산출된 지역경로의 방향성이 바로 이전에 산출된 이전 지역경로의 방향성과 다르면, 상기 이전 지역경로의 방향성 방향으로 기설정된 오프셋(offset)만큼 상기 목표점을 이동시킬 수 있다. 이때의 오프셋만큼의 이동에 의해 무인차량의 지그재그 운행을 감소시킬 수 있다.
한편, 이상에서 살펴본 내용을 종합하여, 지역경로계획 수립부는 상기 목표점까지의 지역경로 산출에 성공하였을 경우, 상기 산출된 지역경로의 방향성이 바로 이전에 산출된 이전 지역경로의 방향성과 다르면, 상기 이전 지역경로의 방향성 방향으로 기설정된 오프셋(offset)만큼 상기 목표점을 이동시키고, 상기 목표점까지의 지역경로 산출에 실패하였을 경우, 상기 장애물격자지도의 바깥 세 변을 구성하는 모든 격자들 중 A* 알고리즘(Astar Algorithm)의 CLOSED에 포함되는 격자들의 평가함수 값 F(n)을 조사하여 최소값을 가지는 격자를 신(新)목표점으로 재선정한 후 상기 신목표점에 대한 지역경로를 산출할 수 있다. 이때, 상기 지역경로계획 수립부는 상기 신목표점 재선정시, 상기 목표점을 기준으로 이전 지역경로의 진행방향의 반대편 격자들에 페널티를 부여할 수 있다.
도 10은 본 발명의 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 방법을 나타낸 흐름도이다.
도 10 도시된 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 방법은 지형 정보와 장애물 정보에 관한 데이터를 수집하는 지형감지 단계(S 510), 상기 수집된 데이터를 활용하여 주행 가능 여부가 판단된 격자지도를 생성하는 장애물격자지도 생성단계(S 520), 상기 장애물격자지도를 근거로 출발 경로점에서 다음 경로점으로의 최적 주행을 위한 지역경로를 산출하는 지역경로계획 수립단계(S 530) 및 상기 산출된 지역경로를 주행하도록 제어하는 주행 제어단계(S 540)를 포함하고 있다.
이때, 상기 지역경로계획 수립단계는 구체적으로, 상기 장애물격자지도상에 전역경로계획에서 산출한 경로점이 존재하지 않더라도, 무인차량이 위치한 현재의 격자와 상기 경로점과의 헤딩각 차이를 산출한 후 상기 계산된 헤딩각 차이를 활용하여 상기 장애물격자지도상의 특정격자를 지역경로계획의 목표점으로 선정하는 지역경로 목표점 선정 단계와 A* 알고리즘(Astar Algorithm)을 이용하여 무인차량의 현재 위치에서 상기 목표점까지의 지역경로를 산출하는 최소경비 지역경로 산출 단계를 포함할 수 있다. 또한, 상기 지역경로계획 수립단계는 상기 목표점까지의 지역경로 산출에 성공하였을 경우, 상기 산출된 지역경로의 방향성이 바로 이전에 산출된 이전 지역경로의 방향성과 다르면, 상기 이전 지역경로의 방향성 방향으로 기설정된 오프셋(offset)만큼 상기 목표점을 이동시켜 지역경로를 재산출하는 단계와 상기 목표점까지의 지역경로 산출에 실패하였을 경우, 상기 장애물격자지도의 바깥 세 변을 구성하는 모든 격자들 중 A* 알고리즘(Astar Algorithm)의 CLOSED에 포함되는 격자들의 평가함수 값 F(n)을 조사하여 최소값을 가지는 격자를 신(新)목표점으로 재선정한 후 상기 신목표점에 대한 지역경로를 산출하는 단계를 포함할 수 있다.
한편, 이상에서 설명된 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 방법은 컴퓨터로 읽을 수 있는 기록 매체에 프로그램으로서 기록될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술분야의 당업자는 이하에서 서술하는 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경 실시할 수 있을 것이다. 그러므로 변형된 실시가 기본적으로 본 발명의 특허청구범위의 구성요소를 포함한다면 모두 본 발명의 기술적 범주에 포함된다고 보아야 한다.
무인차량에 적용할 수 있다.
특히, 굴곡이 심한 지형을 운행할 필요가 있는 무인차량에 적용하는 것이 유리하다.
100...지형감지 센서부 200...자율주행 판단부
210...전역경로계획 수립부 220...장애물격자지도 생성부
230...지역경로계획 수립부 300...주행 제어부

Claims (9)

  1. 지형 정보와 장애물 정보에 관한 데이터를 수집하는 지형감지 센서부;
    상기 수집된 데이터를 활용하여 주행 가능 여부가 판단된 격자지도를 생성하는 장애물격자지도 생성부;
    상기 장애물격자지도상에 전역경로계획에서 산출한 경로점이 존재하지 않더라도, 무인차량이 위치한 현재의 격자와 상기 경로점과의 헤딩각 차이를 산출한 후 상기 계산된 헤딩각 차이를 활용하여 상기 장애물격자지도상의 특정격자를 지역경로계획의 목표점으로 선정하는 지역경로 목표점 선정부와 A* 알고리즘(Astar Algorithm)을 이용하여 무인차량의 현재 위치에서 상기 목표점까지의 지역경로를 산출하는 최소경비 지역경로 산출부를 구비하는 지역경로계획 수립부; 및
    상기 산출된 지역경로를 주행하도록 제어하는 주행 제어부;를 포함하고,
    상기 지역경로계획 수립부는 상기 목표점까지의 지역경로 산출에 실패하였을 경우, 상기 장애물격자지도의 바깥 세 변을 구성하는 모든 격자들 중 A* 알고리즘(Astar Algorithm)의 CLOSED에 포함되는 격자들의 평가함수 값 F(n)을 조사하여 최소값을 가지는 격자를 신(新)목표점으로 재선정한 후 상기 신목표점에 대한 지역경로를 산출하는 것을 특징으로 하는 장애물격자지도를 활용하는 무인차량용 자율주행성능 향상 장치.
  2. 제 1 항에 있어서,
    상기 지역경로계획 수립부는 상기 신목표점 재선정시, 상기 목표점을 기준으로 이전 지역경로의 진행방향의 반대편 격자들에 페널티를 부여하는 것을 특징으로 하는 장애물격자지도를 활용하는 무인차량용 자율주행성능 향상 장치.
  3. 지형 정보와 장애물 정보에 관한 데이터를 수집하는 지형감지 센서부;
    상기 수집된 데이터를 활용하여 주행 가능 여부가 판단된 격자지도를 생성하는 장애물격자지도 생성부;
    상기 장애물격자지도상에 전역경로계획에서 산출한 경로점이 존재하지 않더라도, 무인차량이 위치한 현재의 격자와 상기 경로점과의 헤딩각 차이를 산출한 후 상기 계산된 헤딩각 차이를 활용하여 상기 장애물격자지도상의 특정격자를 지역경로계획의 목표점으로 선정하는 지역경로 목표점 선정부와 A* 알고리즘(Astar Algorithm)을 이용하여 무인차량의 현재 위치에서 상기 목표점까지의 지역경로를 산출하는 최소경비 지역경로 산출부를 구비하는 지역경로계획 수립부; 및
    상기 산출된 지역경로를 주행하도록 제어하는 주행 제어부;를 포함하고,
    상기 지역경로계획 수립부는 상기 산출된 지역경로의 방향성이 바로 이전에 산출된 이전 지역경로의 방향성과 다르면, 상기 이전 지역경로의 방향성 방향으로 기설정된 오프셋(offset)만큼 상기 목표점을 이동시키는 것을 특징으로 하는 장애물격자지도를 활용하는 무인차량용 자율주행성능 향상 장치.
  4. 지형 정보와 장애물 정보에 관한 데이터를 수집하는 지형감지 센서부;
    상기 수집된 데이터를 활용하여 주행 가능 여부가 판단된 격자지도를 생성하는 장애물격자지도 생성부;
    상기 장애물격자지도상에 전역경로계획에서 산출한 경로점이 존재하지 않더라도, 무인차량이 위치한 현재의 격자와 상기 경로점과의 헤딩각 차이를 산출한 후 상기 계산된 헤딩각 차이를 활용하여 상기 장애물격자지도상의 특정격자를 지역경로계획의 목표점으로 선정하는 지역경로 목표점 선정부와 A* 알고리즘(Astar Algorithm)을 이용하여 무인차량의 현재 위치에서 상기 목표점까지의 지역경로를 산출하는 최소경비 지역경로 산출부를 구비하는 지역경로계획 수립부; 및
    상기 산출된 지역경로를 주행하도록 제어하는 주행 제어부;를 포함하고,
    상기 지역경로계획 수립부는,
    상기 목표점까지의 지역경로 산출에 성공하였을 경우, 상기 산출된 지역경로의 방향성이 바로 이전에 산출된 이전 지역경로의 방향성과 다르면, 상기 이전 지역경로의 방향성 방향으로 기설정된 오프셋(offset)만큼 상기 목표점을 이동시키고,
    상기 목표점까지의 지역경로 산출에 실패하였을 경우, 상기 장애물격자지도의 바깥 세 변을 구성하는 모든 격자들 중 A* 알고리즘(Astar Algorithm)의 CLOSED에 포함되는 격자들의 평가함수 값 F(n)을 조사하여 최소값을 가지는 격자를 신(新)목표점으로 재선정한 후 상기 신목표점에 대한 지역경로를 산출하는 것을 특징으로 하는 장애물격자지도를 활용하는 무인차량용 자율주행성능 향상 장치.
  5. 제 4 항에 있어서,
    상기 지역경로계획 수립부는 상기 신목표점 재선정시, 상기 목표점을 기준으로 이전 지역경로의 진행방향의 반대편 격자들에 페널티를 부여하는 것을 특징으로 하는 장애물격자지도를 활용하는 무인차량용 자율주행성능 향상 장치.
  6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
    상기 지역경로계획 수립부는 상기 지역경로를 월드모델 및 장애물격자지도 상에서 표현하고 각 격자의 비용정보를 외부 모니터링부로 전송하거나 디스플레이하는 경로효율성 분석부를 포함하는 것을 특징으로 하는 장애물격자지도를 활용하는 무인차량용 자율주행성능 향상 장치.
  7. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
    상기 지역경로계획 수립부는 무인차량이 자율주행을 수행함에 있어 산출된 지역경로에 대한 정보를 실시간으로 저장하는 시험결과 저장부를 포함하는 것을 특징으로 하는 장애물격자지도를 활용하는 무인차량용 자율주행성능 향상 장치.
  8. 지형 정보와 장애물 정보에 관한 데이터를 수집하는 지형감지 단계;
    상기 수집된 데이터를 활용하여 주행 가능 여부가 판단된 격자지도를 생성하는 장애물격자지도 생성단계;
    상기 장애물격자지도를 근거로 출발 경로점에서 다음 경로점으로의 최적 주행을 위한 지역경로를 산출하는 지역경로계획 수립단계; 및
    상기 산출된 지역경로를 주행하도록 제어하는 주행 제어단계;를 포함하고,
    상기 지역경로계획 수립단계는,
    상기 장애물격자지도상에 전역경로계획에서 산출한 경로점이 존재하지 않더라도, 무인차량이 위치한 현재의 격자와 상기 경로점과의 헤딩각 차이를 산출한 후 상기 계산된 헤딩각 차이를 활용하여 상기 장애물격자지도상의 특정격자를 지역경로계획의 목표점으로 선정하는 지역경로 목표점 선정 단계;
    A* 알고리즘(Astar Algorithm)을 이용하여 무인차량의 현재 위치에서 상기 목표점까지의 지역경로를 산출하는 최소경비 지역경로 산출 단계;
    상기 목표점까지의 지역경로 산출에 성공하였을 경우, 상기 산출된 지역경로의 방향성이 바로 이전에 산출된 이전 지역경로의 방향성과 다르면, 상기 이전 지역경로의 방향성 방향으로 기설정된 오프셋(offset)만큼 상기 목표점을 이동시켜 지역경로를 재산출하는 단계;
    상기 목표점까지의 지역경로 산출에 실패하였을 경우, 상기 장애물격자지도의 바깥 세 변을 구성하는 모든 격자들 중 A* 알고리즘(Astar Algorithm)의 CLOSED에 포함되는 격자들의 평가함수 값 F(n)을 조사하여 최소값을 가지는 격자를 신(新)목표점으로 재선정한 후 상기 신목표점에 대한 지역경로를 산출하는 단계;를 포함하는 것을 특징으로 하는 장애물격자지도를 활용하는 무인차량용 자율주행성능 향상 방법.
  9. 제 8 항의 방법을 프로그램으로 기록한 컴퓨터로 읽을 수 있는 기록 매체.
KR1020100094639A 2010-09-29 2010-09-29 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법 KR101096592B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100094639A KR101096592B1 (ko) 2010-09-29 2010-09-29 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100094639A KR101096592B1 (ko) 2010-09-29 2010-09-29 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101096592B1 true KR101096592B1 (ko) 2011-12-20

Family

ID=45506665

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100094639A KR101096592B1 (ko) 2010-09-29 2010-09-29 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101096592B1 (ko)

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101179075B1 (ko) * 2012-02-28 2012-09-03 국방과학연구소 자율로봇의 경로계획방법 및 이를 구비한 경로계획장치
KR20140004409A (ko) * 2012-07-02 2014-01-13 현대모비스 주식회사 차량용 어라운드 뷰 시스템, 이를 포함하는 차량 및 차량용 어라운드 뷰 생성 방법
KR101382982B1 (ko) * 2012-03-06 2014-04-09 고려대학교 산학협력단 로봇의 주행 경로 계획 장치 및 방법
KR101529026B1 (ko) * 2013-11-13 2015-06-15 국방과학연구소 가중치 기반의 임무지향 전역경로 생성 방법
KR101598900B1 (ko) * 2014-09-02 2016-03-03 인하대학교 산학협력단 안전공간을 기반으로 수정된 a스타 알고리즘을 이용한 안전경로 생성 장치
CN105511485A (zh) * 2014-09-25 2016-04-20 科沃斯机器人有限公司 用于自移动机器人栅格地图的创建方法
CN105759840A (zh) * 2016-03-03 2016-07-13 陈健强 一种基于无人机的饭店占座实现方法及系统
CN106774310A (zh) * 2016-12-01 2017-05-31 中科金睛视觉科技（北京）有限公司 一种机器人导航方法
KR20170070488A (ko) * 2015-12-14 2017-06-22 현대모비스 주식회사 주행경로 자동생성방법 및 장치
CN108469822A (zh) * 2018-04-04 2018-08-31 天津理工大学 一种室内导盲机器人在动态环境下的路径规划方法
KR101916527B1 (ko) * 2016-10-12 2018-11-07 국방과학연구소 무인차량의 자율주행 제어 방법
WO2019045284A1 (ko) * 2017-08-30 2019-03-07 엘지전자 주식회사 객체와 간격을 유지하며 로봇을 이동시키는 방법 및 이를 구현하는 로봇
WO2019083978A1 (en) * 2017-10-24 2019-05-02 Waymo Llc PREDICTIONS OF PEDESTRIAN BEHAVIOR FOR AUTONOMOUS VEHICLES
WO2020027515A1 (ko) * 2018-08-02 2020-02-06 (주)유진로봇 속성 블록을 설정하는 이동 로봇
KR20200093413A (ko) * 2019-01-25 2020-08-05 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 주행 경로 생성 방법 및 장치
CN112445218A (zh) * 2019-08-30 2021-03-05 顺丰科技有限公司 机器人路径规划方法、装置、服务器、存储介质及机器人
CN112649011A (zh) * 2020-12-01 2021-04-13 禾多科技（北京）有限公司 车辆避障方法、装置、设备和计算机可读介质
CN113110497A (zh) * 2021-05-08 2021-07-13 珠海市一微半导体有限公司 基于导航路径的沿边绕障路径选择方法、芯片及机器人
CN113819917A (zh) * 2021-09-16 2021-12-21 广西综合交通大数据研究院 自动驾驶路径规划方法、装置、设备及存储介质
CN113867340A (zh) * 2021-09-17 2021-12-31 北京控制工程研究所 一种地外未知环境超视距全局路径规划系统和方法
CN117148848A (zh) * 2023-10-27 2023-12-01 上海伯镭智能科技有限公司 一种无人驾驶车辆智能避障方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000339012A (ja) 1999-05-26 2000-12-08 Yaskawa Electric Corp ロボットの大域動作経路計画方法とその制御装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000339012A (ja) 1999-05-26 2000-12-08 Yaskawa Electric Corp ロボットの大域動作経路計画方法とその制御装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
논문(2003)

Cited By (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101179075B1 (ko) * 2012-02-28 2012-09-03 국방과학연구소 자율로봇의 경로계획방법 및 이를 구비한 경로계획장치
KR101382982B1 (ko) * 2012-03-06 2014-04-09 고려대학교 산학협력단 로봇의 주행 경로 계획 장치 및 방법
KR101978119B1 (ko) * 2012-07-02 2019-05-14 현대모비스 주식회사 차량용 어라운드 뷰 시스템, 이를 포함하는 차량 및 차량용 어라운드 뷰 생성 방법
KR20140004409A (ko) * 2012-07-02 2014-01-13 현대모비스 주식회사 차량용 어라운드 뷰 시스템, 이를 포함하는 차량 및 차량용 어라운드 뷰 생성 방법
KR101529026B1 (ko) * 2013-11-13 2015-06-15 국방과학연구소 가중치 기반의 임무지향 전역경로 생성 방법
KR101598900B1 (ko) * 2014-09-02 2016-03-03 인하대학교 산학협력단 안전공간을 기반으로 수정된 a스타 알고리즘을 이용한 안전경로 생성 장치
CN105511485A (zh) * 2014-09-25 2016-04-20 科沃斯机器人有限公司 用于自移动机器人栅格地图的创建方法
CN105511485B (zh) * 2014-09-25 2018-07-06 科沃斯机器人股份有限公司 用于自移动机器人栅格地图的创建方法
KR102552719B1 (ko) * 2015-12-14 2023-07-06 현대모비스 주식회사 주행경로 자동생성방법 및 장치
KR20170070488A (ko) * 2015-12-14 2017-06-22 현대모비스 주식회사 주행경로 자동생성방법 및 장치
CN105759840A (zh) * 2016-03-03 2016-07-13 陈健强 一种基于无人机的饭店占座实现方法及系统
KR101916527B1 (ko) * 2016-10-12 2018-11-07 국방과학연구소 무인차량의 자율주행 제어 방법
CN106774310B (zh) * 2016-12-01 2019-11-19 中科金睛视觉科技（北京）有限公司 一种机器人导航方法
CN106774310A (zh) * 2016-12-01 2017-05-31 中科金睛视觉科技（北京）有限公司 一种机器人导航方法
WO2019045284A1 (ko) * 2017-08-30 2019-03-07 엘지전자 주식회사 객체와 간격을 유지하며 로봇을 이동시키는 방법 및 이를 구현하는 로봇
WO2019083978A1 (en) * 2017-10-24 2019-05-02 Waymo Llc PREDICTIONS OF PEDESTRIAN BEHAVIOR FOR AUTONOMOUS VEHICLES
US11048927B2 (en) 2017-10-24 2021-06-29 Waymo Llc Pedestrian behavior predictions for autonomous vehicles
US11783614B2 (en) 2017-10-24 2023-10-10 Waymo Llc Pedestrian behavior predictions for autonomous vehicles
CN108469822A (zh) * 2018-04-04 2018-08-31 天津理工大学 一种室内导盲机器人在动态环境下的路径规划方法
CN108469822B (zh) * 2018-04-04 2020-12-15 天津理工大学 一种室内导盲机器人在动态环境下的路径规划方法
WO2020027515A1 (ko) * 2018-08-02 2020-02-06 (주)유진로봇 속성 블록을 설정하는 이동 로봇
KR102343989B1 (ko) * 2019-01-25 2021-12-29 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 주행 경로 생성 방법 및 장치
US11313685B2 (en) 2019-01-25 2022-04-26 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for generating driving path
KR20200093413A (ko) * 2019-01-25 2020-08-05 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 주행 경로 생성 방법 및 장치
CN112445218A (zh) * 2019-08-30 2021-03-05 顺丰科技有限公司 机器人路径规划方法、装置、服务器、存储介质及机器人
CN112649011A (zh) * 2020-12-01 2021-04-13 禾多科技（北京）有限公司 车辆避障方法、装置、设备和计算机可读介质
CN112649011B (zh) * 2020-12-01 2022-06-28 禾多科技（北京）有限公司 车辆避障方法、装置、设备和计算机可读介质
CN113110497A (zh) * 2021-05-08 2021-07-13 珠海市一微半导体有限公司 基于导航路径的沿边绕障路径选择方法、芯片及机器人
CN113819917A (zh) * 2021-09-16 2021-12-21 广西综合交通大数据研究院 自动驾驶路径规划方法、装置、设备及存储介质
CN113867340A (zh) * 2021-09-17 2021-12-31 北京控制工程研究所 一种地外未知环境超视距全局路径规划系统和方法
CN113867340B (zh) * 2021-09-17 2024-02-13 北京控制工程研究所 一种地外未知环境超视距全局路径规划系统和方法
CN117148848A (zh) * 2023-10-27 2023-12-01 上海伯镭智能科技有限公司 一种无人驾驶车辆智能避障方法及系统
CN117148848B (zh) * 2023-10-27 2024-01-26 上海伯镭智能科技有限公司 一种无人驾驶车辆智能避障方法及系统

Similar Documents

Publication Publication Date Title
KR101096592B1 (ko) 장애물격자지도를 활용하는 무인차량의 자율주행성능 향상 장치 및 방법
Banzhaf et al. The future of parking: A survey on automated valet parking with an outlook on high density parking
KR101063302B1 (ko) 무인차량의 자율주행 제어 장치 및 방법
KR101409323B1 (ko) 무인자율차량 및 이의 동적환경 주행경로생성방법
Carsten et al. Global planning on the mars exploration rovers: Software integration and surface testing
CN103926925B (zh) 一种基于改进的vfh算法的定位与避障方法及机器人
JP5402057B2 (ja) 移動ロボット制御システム、経路探索方法、経路探索プログラム
Zhang et al. Falco: Fast likelihood‐based collision avoidance with extension to human‐guided navigation
CN108983781A (zh) 一种无人车目标搜索系统中的环境探测方法
Lacaze et al. Path planning for autonomous vehicles driving over rough terrain
JP7450814B2 (ja) 駐車スペースのハイブリッド探索を用いた自律駐車
KR20190095622A (ko) 회피경로 생성방법 및 그를 위한 장치
JP7330142B2 (ja) 車両のｕターン経路を決定する方法、装置、デバイスおよび媒体
Pecora et al. On mission-dependent coordination of multiple vehicles under spatial and temporal constraints
EP3799618B1 (en) Method of navigating a vehicle and system thereof
US11519737B2 (en) Path planning within a traversed area
Guan et al. Tns: Terrain traversability mapping and navigation system for autonomous excavators
CN107289938A (zh) 一种地面无人平台局部路径规划方法
CN111880550A (zh) 一种agv小车的平滑路径规划方法
WO2023039666A1 (en) Systems, methods, and media for occlusion-aware motion planning
CN114543815A (zh) 基于基因调控网络的多智能体导航控制方法、设备及介质
CN115790571A (zh) 基于异构无人系统相互观测的同时定位与地图构建方法
Niijima et al. City-scale grid-topological hybrid maps for autonomous mobile robot navigation in urban area
Pereira et al. Autonomous vehicle global navigation approach associating sensor based control and digital maps
CN115903776A (zh) 井场安全自动巡检方法和机器人

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20141202

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20151202

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20161202

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20171204

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20181204

Year of fee payment: 8