KR101409323B1 - 무인자율차량 및 이의 동적환경 주행경로생성방법 - Google Patents

Abstract

본 발명의 무인자율차량에서는 오픈리스트(Open List)에서 가장 작은 평가함수값을 지니는 격자(Nbest)를 추출하여 해당격자의 이동장애물에 의한 확률적 위협도를 조사한 후, Nbest가 오픈리스트(Open List)에 삽입될 시점에서는 위협도가 존재하지 않았지만 장애물의 이동에 의해 현시점에 위협도가 존재한다면 Nbest의 평가함수값을 재계산하고, 특히 경로탐색을 위해 Nbest의 이웃격자를 오픈리스트에 삽입하는 확장작업 시 이미 탐색이 되었거나 후보로 존재하는 이웃격자 중 위협도가 존재하는 격자에 대해 평가함수값을 재계산하고, 이를 활용하여 이웃격자의 자식격자에 대한 평가함수값도 재계산되는 동적환경 자율주행방법이 적용됨으로써, 이전 시점에 장애물 위협도가 존재하지 않던 격자가 이동장애물의 이동에 의해 현 시점에 새로운 위협도를 가지는 경우 이러한 정보를 반영하여 무인차량의 자율주행을 위한 지역경로계획이 수행되는 특징을 갖는다.

Description

무인자율차량 및 이의 동적환경 주행경로생성방법{Method and Apparatus for Path Planning of Unmanned Ground Vehicle in Dynamic Environment}

본 발명은 무인자율차량에 관한 것으로, 특히 특정시간의 특정 이동장애물이 위치할 확률기반을 평가함으로써 지역경로계획이 수행될 수 있는 무인자율차량 및 이의 동적환경 주행경로생성방법에 관한 것이다.

일반적으로 무인차량이 자율주행(Autonomous Navigation)하기 위해선 주행하게 될 환경에 대한 인식 및 인식 결과로부터 주행 가능한 영역을 판단하고, 판단의 결과로부터 주행해야 할 경로와 함께 주행방법이 결정되는 과정이 필요하다.

이를 위해, 무인차량에는 다양한 환경에서 주어진 임무를 완수하기 위해서는 여러 분야의 기술들이 필요하고, 특히 여러 분야 기술들중 안전하고 빠른 최적의 경로를 통해 주어진 임무지역까지 자율적으로 주행해가는 가장 근본적인 자율주행(Autonomous Navigation)의 기술이 요구된다.

통상, 무인차량의 자율주행(Autonomous Navigation)은 지역경로계획에 기반되고, 지역경로계획은 대략 수십 미터 이내의 지형 고도정보가 다양한 센서를 통해 가장 최근 정보로 획득된 후, 획득 정보로부터 지형 경사도 및 거칠기와 같은 지형정보와 함께 다양한 장애물 정보가 추출된 다음, 추출 정보를 활용하여 목표점까지의 이동경로가 안전성과 효율성 관점에서 실시간으로 설정되는 방식을 의미한다.

이러한 지역경로계획 수립을 위한 예로 휴리스틱 탐색기법 중 하나인 격자기반의 A*알고리즘(Astar Algorithm)이 있다.

상기 A*알고리즘(Astar Algorithm)은 다양한 센서를 통해 획득된 무인자율차량의 주행환경 정보를 특정 크기의 격자로 분할된 격자지도에 표현하고, 이를 기반으로 지역경로가 계획됨으로써 주어진 목표점까지 격자기반의 최단경로가 생성될 수 있다.

그러므로, A*알고리즘(Astar Algorithm)은 지역 최소점(Local Minima)문제를 유발하지 않으면서 주어진 목표점까지 언제나 최적경로를 산출하는 알고리즘의 허용성(admissibility)이 구현될 수 있다.

국내특허공개 10-2009-0108509(2009년10월15일)

상기 특허문헌은 수신한 장애물 위치 신호로 시차 정보를 생성하고, 시차 정보를 이용해 장애물을 회피하는 다른 경로가 설정될 수 있는 무인 주행 차량 제어 기술의 예를 나타낸다.

하지만, 무인자율차량의 다양한 응용이 이루어지려면 지역경로계획에는 지그재그 주행 최소화를 통한 자율주행성 감소 방지와 함께 특히 이동장애물을 포함한 동적환경에 대한 성능이 보장될 수 있어야 한다.

그러나, 상기 특허문헌을 포함한 방식이나 특히 A*알고리즘(Astar Algorithm)은 단지 고정 장애물 만 고려하여 지역경로계획이 수립됨으로써 이동장애물을 포함한 동적환경의 지역경로계획 수립에 대해서는 한계가 있을 수밖에 없다.

이에 상기와 같은 점을 감안하여 발명된 본 발명은 특정시간의 특정 이동장애물이 위치할 확률기반 평가로 지역경로계획이 수행됨으로써 고정 장애물 만 고려한 A*알고리즘(Astar Algorithm)의 한계를 극복하고, 특히 이동장애물을 포함하는 동적환경에서 무인차량이 목적지까지 안전하고 효율적으로 자율 주행할 수 있는 무인자율차량 및 이의 동적환경 주행경로생성방법을 제공하는데 목적이 있다.

상기와 같은 목적을 달성하기 위한 본 발명의 무인자율차량은 주행중인 주변 환경으로부터 지형 및 장애물 정보에 관한 데이터가 생성되는 센서모듈과;

미리 제공된 지형정보를 기반으로 주행중인 주변 환경의 지형적 특성을 고려하고, 이전 시점에 존재하지 않던 이동장애물의 이동에 의해 현 시점에 새로운 위협도가 생성되면, 상기 이동장애물을 격자로 처리한 후 상기 격자에 대해 평가함수값을 재계산하고, 상기 평가함수값 재계산으로부터 주어진 목표점까지의 자율주행을 위한 경로계획이 수립되는 자율주행모듈과;

상기 수립된 경로계획에 따라 경로주행이 이루어지도록 제어하는 주행 제어모듈; 이 포함된 것을 특징으로 한다.

상기 센서모듈은 지형 및 장애물 정보가 수집될 수 있는 레이저 거리측정기와, 지형 및 장애물에 대한 영상정보가 수집될 수 있는 카메라로 구성된다.

상기 자율주행모듈은 주어진 목표점까지의 경로점을 오프라인상에서 생성하는 전역경로계획 수립블록과, 수집된 지형 및 장애물 정보를 활용함으로써 이동장애물에 대한 위치와 속도 및 진행방향과 같은 정보판단과 함께 격자지도를 생성하는 이동장애물 처리블록과, 상기 격자지도를 근거로 상기 이동장애물이 존재하는 동적환경에서 출발점으로부터 다음 경로점까지의 자율주행을 위한 경로계획이 수립되는 지역경로계획 수립블록으로 구성된다.

상기 전역경로계획 수립블록에는 미리 제공된 지형정보를 기반으로 이용하여 산이나 호수와 같은 대규모의 지형적 특성이 고려되어 오프라인상에서 주어진 목표점까지의 경로점이 생성된다.

상기 이동장애물 처리블록에는 파악된 이동장애물을 추적하기 위한 이동장애물에 대한 위치와 속도 및 진행방향과 같은 정보가 산출되는 이동장애물추적부와, 상기 이동장애물에 대한 위치와 속도 및 진행방향의 산출정보로부터 장애물의 격자지도를 생성하여주는 장애물격자지도생성부로 구성된다.

상기 지역경로계획 수립블록은 상기 전역경로계획수립부에서 생성된 다음 경로점을 지향하는 장애물 격자지도상의 목표점이 선정는 지역경로 목표점 선정부와, 특정시간의 특정격자에 존재하는 이동장애물의 확률적 위협도가 산출되는 이동장애물 위협도 산출부와, 지역경로계획 알고리즘이 장애물격자지도를 탐색하기 위한 평가기준이 제공되는 탐색용 평가함수값 산출부와, 처리된 모든 정보들이 활용되어 주어진 목표점까지의 최소경비 관점의 경로계획이 수립되는 최소경비 지역경로 산출부로 구성된다.

또한, 상기와 같은 목적을 달성하기 위한 본 발명의 무인자율차량의 동적환경 주행경로생성방법은 무인자율차량의 주행경로에서 동적환경 변화에 대한 Open List(오픈리스트)가 비워진(Empty) 상태인지가 체크되는 오픈리스트체크단계;

상기 Open List가 비워진(Empty)상태가 아닌 경우, 상기 Open List중 상대적으로 가장 작은 평가함수값을 지니는 격자로 Nbest가 선정되면, 상기 Nbest를 상기 Open List에서 꺼내어 Close List(클로우즈 리스트)에 집어넣은 다음, 상기 Close List에 삽입된 상기 Nbest가 최종값인지 여부가 판단되어 Goal(최종값)로 정의되는 Goal판단단계;

상기 Goal로 확인되지 않을 경우, 상기 Nbest에 대한 THREAT LIST(위협리스트)여부가 판단되는 위협도체크단계;

상기 Nbest의 상기 THREAT LIST가 판단되면, 상기 Nbest가 상기 THREAT LIST에 넣은 후 상기 Nbest에 대한 g(n)값을 다시 새롭게 계산한 다음, 상기 g(n)값이 계산된 Nbest를 기준으로 주변에 있는 모든 이웃 격자로 확장되는 위협도인식단계;

상기 이웃 격자에 대한 상기 THREAT LIST여부가 모두 판단된 후, 상기 이웃 격자에 대한 g(n)값을 다시 새롭게 계산한 다음, 상기 g(n)값이 계산되는 위협도인식확장단계;

상기 이웃 격자의 하부격자인 CHILD에 대한 평가함수값이 재계산되고, 상기 평가함수값이 재계산이 상기 이웃 격자의 마지막 이웃 격자까지 확장되어 평가함수값이 재계산되는 위협도평가단계;

상기 평가함수값의 재계산이 모두 완료된 후, 상기 Nbest의 이웃 격자중 상기 Close List에 포함되지 않은 격자로 확장되어져 평가함수값이 재계산되고, 상기 Open List에 포함되지 않으면 상기 Open List에 추가하는 위협도격자확장단계;

로 수행되는 것을 특징으로 한다.

상기 위협도체크단계에서, 상기 Nbest에 대한 THREAT LIST여부의 판단은 상기 Nbest의 장애물 존재확률이 영(0)보다 크고 동시에 상기 THREAT LIS에 존재하는지 여부로 판단된다.

상기 위협도인식확장단계에서, 상기 이웃 격자에 대한 THREAT LIST여부의 판단은 상기 이웃 격자의 장애물 존재확률이 영(0)보다 크고 동시에 상기 THREAT LIST에 존재하는지 여부가 충족되면, 상기 이웃 격자에 대한 g(n)값을 다시 새롭게 계산한다.

상기 위협도평가단계에서, 상기 평가함수값 재계산은 상기 이웃 격자의 장애물 존재확률이 영(0)보다 크고 동시에 상기 THREAT LIST에 존재하는지 여부의 판단결과가 충족되고, 더불어 상기 이웃 격자가 상기 Open List포함이나 또는 상기 Close List포함여부 판단결과가 충족되는 경우이다.

삭제

상기 위협도격자확장단계에서는, 상기 Nbest의 이웃 격자중 상기 Close List에 포함되지 않아 평가함수값이 재계산된 후 상기 Open List에 추가된 경우, 상기 Nbest를 기반으로 비교된 후 상기 Nbest와 연결해주는 위협도격자확장후처리단계; 가 더 수행되는 것을 특징으로 한다. 상기 위협도격자확장후처리단계에서, 상기 Nbest와 연결해주는 과정은 Nbest와 확장격자의 거리가 dist로 정의되고, 상기 dist보다 큰 값일 때 이루어진다.

상기 위협도격자확장단계후에는, 상기 마지막 확장격자까지 모두 Open List의 추가 과정이 수행되면, 초기 과정으로 복귀되어 새로운 이동장애물에 대한 위협도 산출과정이 동일하게 반복되는 반복수행단계; 가 더 수행되는 것을 특징으로 한다.

이러한 본 발명은 이동장애물을 고려한 지역경로계획이 수립되어 무인자율차량에 적용됨으로써 고정 장애물 만 고려한 A*알고리즘(Astar Algorithm)의 한계가 극복되는 효과가 있다.

또한, 본 발명은 특정시간의 특정 이동장애물이 위치할 확률기반 평가로 지역경로계획이 수행됨으로써 무인자율차량이 동적환경에서도 목적지까지 효율적으로 자율 주행되는 효과가 있다.

또한, 본 발명은 동적환경의 지역경로계획이 특정시간의 특정 이동장애물이 위치할 확률기반으로 평가됨으로써 무인자율차량이 동적환경에서도 목적지까지 안전하게 자율 주행되는 효과가 있다.

도 1은 본 발명에 따른 무인자율차량의 구성도이고, 도 2는 본 발명에 따라 무인자율차량의 자율주행경로를 생성하는 동작흐름에서 격자선정의 예이며, 도 3은 본 발명에 따른 무인자율차량이 동적환경에서 주행경로를 생성하는 동작흐름도이다.

이하 본 발명의 실시예를 첨부된 예시도면을 참조로 상세히 설명하며, 이러한 실시예는 일례로서 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 여러 가지 상이한 형태로 구현될 수 있으므로, 여기에서 설명하는 실시예에 한정되지 않는다.

도 1은 본 실시예에 따른 무인자율차량의 구성을 나타낸다.

도시된 바와 같이, 무인자율차량에는 주행중인 주변 환경으로부터 지형 및 장애물 정보에 관한 데이터를 수집하는 센서모듈(10)과, 미리 제공된 지형정보를 기반으로 산이나 호수와 같은 대규모의 지형적 특성을 고려하여 주어진 목표점까지의 자율주행을 위한 경로계획이 수립되는 자율주행모듈(20)과, 수립된 경로계획에 따라 경로주행이 이루어지도록 제어하는 주행 제어모듈(60)이 포함된다

상기 센서모듈(10)은 적어도 1가지 이상의 방식으로 지형 및 장애물 정보에 관한 데이터를 수집하도록 구성된다.

일례로, 상기 센서모듈(10)에는 무인자율차량에 설치되어 전후방이나 좌우 방향으로 레이저를 발사함으로써 지형 및 장애물 정보가 수집될 수 있는 레이저 거리측정기(11)가 포함될 수 있다.

상기 센서모듈(10)에는 무인자율차량에 설치되어 전후방이나 좌우 방향에 대한 영상을 촬영함으로써 지형 및 장애물에 대한 영상정보가 수집될 수 있는 카메라(12)가 포함될 수 있다. 특히 상기 카메라(12)는 쌍안 카메라가 적용된다.

상기 자율주행모듈(20)은 주어진 목표점까지의 경로점을 오프라인상에서 생성하는 전역경로계획 수립블록(30)과, 수집된 지형 및 장애물 정보를 활용함으로써 이동장애물에 대한 위치와 속도 및 진행방향과 같은 정보판단과 함께 격자지도를 생성하는 이동장애물 처리블록(40)과, 격자지도를 근거로 이동장애물이 존재하는 동적환경에서 출발점으로부터 다음 경로점까지의 자율주행을 위한 경로계획이 수립되는 지역경로계획 수립블록(50)으로 구성된다.

상기 전역경로계획 수립블록(30)에서는 미리 제공된 지형정보를 기반으로 이용하여 산이나 호수와 같은 대규모의 지형적 특성이 고려되고, 이를 고려함으로써 오프라인상에서 주어진 목표점까지의 경로점이 생성될 수 있다.

상기 이동장애물 처리블록(40)에는 센서모듈(10)에서 수집된 모든 데이터가 제공됨으로써 센서모듈(10)과 연계시켜 구성된다. 이를 위해, 상기 이동장애물 처리블록(40)은 이동장애물추적부(41)와 장애물격자지도생성부(42)가 포함된다.

상기 이동장애물추적부(41)는 파악된 이동장애물을 추적하기 위한 이동장애물에 대한 위치와 속도 및 진행방향과 같은 정보가 산출된다.

상기 장애물격자지도생성부(42)는 이동장애물에 대한 위치와 속도 및 진행방향과 같은 산출정보로부터 장애물격자지도가 생성된다.

한편, 상기 지역경로계획 수립블록(50)은 전역경로계획 수립블록(30)과 연계되도록 구성됨으로써 전역경로계획 수립블록(30)에서 처리된 주어진 목표점까지의 경로점 정보를 제공받고, 또한 이동장애물 처리블록(40)과 연계되도록 구성됨으로써 이동장애물 처리블록(40)에서 처리된 격자지도 정보를 제공받는다.

이를 위해, 상기 지역경로계획 수립블록(50)에는 지역경로 목표점 선정부(51)와, 이동장애물 위협도 산출부(52), 탐색용 평가함수값 산출부(53) 및 최소경비 지역경로 산출부(54)가 포함된다.

상기 지역경로 목표점 선정부(51)에서는 전역경로계획수립부에서 생성된 다음 경로점을 지향하는 장애물 격자지도상의 목표점이 선정되고, 상기 이동장애물 위협도 산출부(52)에서는 특정시간의 특정격자에 존재하는 이동장애물의 확률적 위협도가 산출되며, 상기 탐색용 평가함수값 산출부(53)에서는 지역경로계획 알고리즘이 장애물격자지도를 탐색하기 위한 평가기준이 제공되고, 상기 최소경비 지역경로 산출부(54)에서는 처리된 모든 정보들을 활용하여 주어진 목표점까지의 최소경비 관점의 경로계획이 수립된다.

상기 주행 제어모듈(60)은 지역경로계획 수립블록(50)과 연계되도록 구성됨으로써 지역경로계획 수립블록(50)에서 수립된 후 출력된 경로계획에 따라 무인자율차량의 경로주행을 제어할 수 있다.

한편, 도 2는 본 실시예에서 적용되는 격자 산출 및 판정에 대한 예로서, b로 표기된 격자는 장애물이 아닌 격자인 반면, a로 표기된 격자는 무인자율차량이 도달할 수 없는 장애물인 G(xGPP, yGPP)에 지향적인 격자 G(x, y)격자로서, 이는 목표점까지의 지역경로 산출이 불가능한 FailedGoal을 의미한다.

그러므로, 선정 대상이 되는 격자는 바깥 세변을 구성하는 격자들 중 CLOSED에 포함되는 격자들이고, 바깥 세변을 구성하는 격자(이웃격자 또는 확장격자)는 장애물격자지도에서 무인차량의 현재 위치 G(x0, y0)로부터 결정될 수 있다. 특히, 무인자율차량의 현재위치에서 특정 격자 n까지 이동하는데 필요한 거리관점의 경비가 가장적은 격자는 g(n)으로 정의될 수 있다.

한편, 도 3은 본 실시예에 따른 무인자율차량이 동적환경에서 무인자율차량의 자율주행경로를 생성하는 동작흐름을 나타낸다.

S10은 무인자율차량의 주행경로에서 동적환경 변화로부터 안전한 지역경로 생성을 위해 해당되는 격자의 오픈리스트(Open List)가 체크되는 과정이고, 이를 통해 해당격자의 이동장애물에 의한 확률적 위협도가 조사될 수 있다.

만약, 체크 결과 오픈리스트 없음(Open List Empty)로 확인될 경우 해당격자에서는 이동장애물에 의한 확률적 위협도가 존재하지 않은 상태이므로 S200으로 전환됨으로써 동적환경 변화에 대한 적응 수행이 필요 없게 된다.

반면, 체크 결과 오픈리스트 있음(Open List Existence)로 확인될 경우 해당격자에서는 이동장애물에 의한 확률적 위협도가 존재하는 상태이므로 동적환경 변화에 대한 적응을 위해 다음 단계로 진행된다.

상기 오픈리스트(Open List)는 도1의 센서모듈(10)이 주행중인 주변 환경으로부터 지형 및 장애물 정보에 관해 수집된 데이터로부터 판단되고, 격자구분은 지역경로계획 수립블록(50)에서 제공된다.

S20은 S10에서 오픈리스트 있음(Open List Existence)로 확인됨으로써 오픈리스트(Open List)중 가장 작은 평가함수값을 지니는 격자를 추출하는 과정이고, 이러한 선택 격자는 Nbest로 정의한다. 이때, 오픈리스트는 Open List로 정의되고, 클로즈리스트는 Close List로 정의된다.

S30은 Nbest가 Open List에서 꺼내져 Close List에 집어넣어지는 과정이고, S40에서는 Close List에 삽입된 Nbest가 최종값인지 여부가 판단된다. 이때 최종값은 Goal로 정의한다.

S40의 체크 결과 Goal로 확인될 경우, 비록 오픈리스트 있음(Open List Existence)으로 Nbest가 Close List에 삽입되었지만 해당격자에서는 이동장애물에 의한 확률적 위협도가 존재하지 않은 상태이므로 S300으로 전환됨으로써 동적환경 변화에 대한 적응 수행이 필요 없게 된다.

반면, 체크 결과 Goal로 확인되지 않을 경우 해당격자에서는 이동장애물에 의한 확률적 위협도가 존재하는 상태이므로 동적환경 변화에 대한 적응을 위해 다음 단계로 진행된다.

S50은 Goal이 아닌 격자인 Nbest로부터 장애물 존재확률이 판단되는 과정이고, 이를 위해 Nbest 격자의 장애물 존재확률이 영(0)보다 크고 동시에 위협리스트에 존재하는지 여부를 판단한다, 이때 위협리스트는 THREAT LIST로 정의한다.

S50의 체크 결과로 Nbest 격자의 장애물 존재확률이 영(0)보다 크고 동시에 THREAT LIST의 존재 조건이 충족되면, S60으로 진행됨으로써 해당 Nbest가 THREAT LIST에 넣어지고, 이어 S70과 같이 THREAT LIST에 넣어진 Nbest에 대한 g(n)값을 새로이 계산하여 준다.

한편, S80은 g(n)값이 계산된 Nbest를 기준으로 Nbest의 주변에 있는 모든 이웃 격자로 확장되는 과정으로서, 이는 Nbest에 대한 g(n)값 계산 후(S60과 S70)나 또는 S50의 체크 결과로 Nbest 격자의 장애물 존재확률이 영(0)보다 크고 동시에 THREAT LIST의 존재 조건이 충족되지 않을 경우이다.

S80의 모든 이웃 격자에 대한 확장과정은 S90내지 S110으로 진행된다.

S90에서는 이웃 격자의 장애물 존재확률이 영(0)보다 크고 동시에 THREAT LIST에 존재하는지 여부를 판단하고, 체크 결과로 이웃 격자의 장애물 존재확률이 영(0)보다 크고 동시에 THREAT LIST의 존재 조건이 충족되면 S100으로 진행된다.

S100에서는 이웃 격자가 Open List포함이나 또는Close List포함여부가 판단되고, S110에서는 체크 결과 Open List나 또는 Close List에 포함된 경우 이웃 격자에 대한 g(n)값을 새로이 계산하여 준다. 이와 함께 S110에서는 이웃 격자의 하부격자에 대한 평가함수값이 재계산된다. 이때, 이웃 격자의 하부격자는 CHILD로 정의한다.

이와 같이 본 실시예에서는 해당격자의 이동장애물에 의한 확률적 위협도를 조사한 후 Nbest가 오픈리스트에 삽입될 시점에서는 위협도가 존재하지 않았지만 장애물의 이동에 의해 현시점에 위협도가 존재한다면 Nbest의 평가함수값을 재계산함에 그 특징이 있다.

S120은 S110에서 평가함수값이 재계산된 다음, 이러한 평가함수값이 재계산 과정이 마지막 이웃 격자까지 확장되는 과정이고, 이는 S90에서 이웃 격자의 장애물 존재확률이 영(0)보다 크고 동시에 THREAT LIST에 존재하는지 여부를 판단결과가 충족되지 않거나 또는 S100에서 이웃 격자가 Open List포함이나 또는 Close List포함여부 판단결과가 충족되지 않은 경우에도 수행된다.

이와 같이 본 실시예에서는 해당격자의 이웃격자 중 위협도가 존재하는 격자에 대해 평가함수값을 재계산하고, 이를 활용하여 이웃격자의 자식격자에 대한 평가함수값도 재계산함에 그 특징이 있다.

한편, S130은 마지막 이웃 격자에 대한 평가함수값의 재계산 후, 이어 Nbest를 기준으로 Nbest의 이웃 격자중 Close List에 포함되지 않은 격자로 확장하고, 이에 대한 평가함수값을 재계산하는 과정이다. 이때, 이웃 격자중 Close List에 포함되지 않은 격자로 확장된 격자는 확장격자로 정의한다.

S140은 확장격자가 Open List에 포함되는지를 판단한 후, 판단결과 Open List에 포함된 경우에는 S150과 같이 Open List에 추가한 다음, 이어 S160과 같이 마지막 확장격자까지 모두 Open List의 추가 과정을 거침으로써 위협장애물에 의한 동적환경 자율주행 안정성을 확보하게 된다.

한편, S140-1은 확장격자가 Open List에 포함됨에 따른 과정으로서, 이는 확장격자가 Nbest와 함께 Nbest와 확장격자의 거리가 비교됨으로써 확장격자에 대한 처리가 결정된다. 이때, Nbest와 확장격자의 거리는 dist로 정의하고, 확장격자는 g로 정의한다.

S140-1의 체크결과 Nbest + dist < g가 만족될 경우, S140-2와 같이 확장격자의 백포인터(Backpointer)를 Nbest에 연결하여 준다.

반면, S140-1의 체크결과 Nbest + dist < g가 만족되지 않거나 또는 S140-2에서 확장격자의 백포인터(Backpointer)를 Nbest에 연결된 다음에는 S160으로 전환되어져 마지막 확장격자까지 모두 Open List의 추가 과정을 거침으로써 위협장애물에 의한 동적환경 자율주행 안정성을 확보하게 된다.

한편, S160에서 마지막 확장격자까지 모두 Open List의 추가 과정이 수행되지 않게 되면, S140으로 복귀됨으로써 S150을 수행하여 마지막 확장격자에 대한 위협장애물의 동적환경 자율주행 안정성을 확보하여 준다.

전술된 바와 같이, 본 실시예에 따른 무인자율차량에서는 오픈리스트(Open List)에서 가장 작은 평가함수값을 지니는 격자(Nbest)를 추출하여 해당격자의 이동장애물에 의한 확률적 위협도를 조사한 후, Nbest가 오픈리스트(Open List)에 삽입될 시점에서는 위협도가 존재하지 않았지만 장애물의 이동에 의해 현시점에 위협도가 존재한다면 Nbest의 평가함수값을 재계산하고, 특히 경로탐색을 위해 Nbest의 이웃격자를 오픈리스트에 삽입하는 확장작업 시 이미 탐색이 되었거나 후보로 존재하는 이웃격자 중 위협도가 존재하는 격자에 대해 평가함수값을 재계산하고, 이를 활용하여 이웃격자의 자식격자에 대한 평가함수값도 재계산되는 동적환경 자율주행방법이 적용됨으로써, 이전 시점에 장애물 위협도가 존재하지 않던 격자가 이동장애물의 이동에 의해 현 시점에 새로운 위협도를 가지는 경우 이러한 정보를 반영하여 무인차량의 자율주행을 위한 지역경로계획이 수행될 수 있다.

10 : 센서모듈 11 : 레이저 거리측정기
12 : 카메라 20 : 자율주행모듈
30 : 전역경로계획 수립블록
40 : 이동장애물 처리블록 41 : 이동장애물추적부
42 : 장애물격자지도생성부 50 : 지역경로계획 수립블록
51 : 지역경로 목표점 선정부
52 : 이동장애물 위협도 산출부
53 : 탐색용 평가함수값 산출부
54 : 최소경비 지역경로 산출부
60 : 주행 제어모듈

Claims (14)

1. 주행중인 주변 환경으로부터 지형 및 장애물 정보에 관한 데이터가 생성되는 센서모듈과;
   미리 제공된 지형정보를 기반으로 주행중인 주변 환경의 지형적 특성을 고려하고, 이전 시점에 존재하지 않던 이동장애물의 이동에 의해 현 시점에 새로운 위협도가 생성되면, 상기 이동장애물을 격자로 처리한 후 상기 격자에 대해 평가함수값을 재계산하고, 상기 평가함수값 재계산으로부터 주어진 목표점까지의 자율주행을 위한 경로계획이 수립되는 자율주행모듈과;
   상기 수립된 경로계획에 따라 경로주행이 이루어지도록 제어하는 주행 제어모듈;이 포함되고,
   상기 자율주행모듈은 주어진 목표점까지의 경로점을 오프라인상에서 생성하는 전역경로계획 수립블록과, 수집된 지형 및 장애물 정보를 활용함으로써 이동장애물에 대한 위치와 속도 및 진행방향과 같은 정보판단과 함께 격자지도를 생성하는 이동장애물 처리블록과, 상기 격자지도를 근거로 상기 이동장애물이 존재하는 동적환경에서 출발점으로부터 다음 경로점까지의 자율주행을 위한 경로계획이 수립되는 지역경로계획 수립블록으로 구성된 것을 특징으로 하는 무인자율차량.
   
2. 청구항 1에 있어서, 상기 센서모듈은 지형 및 장애물 정보가 수집될 수 있는 레이저 거리측정기와, 지형 및 장애물에 대한 영상정보가 수집될 수 있는 카메라로 구성된 것을 특징으로 하는 무인자율차량.
   
3. 청구항 2에 있어서, 상기 카메라는 쌍안 카메라인 것을 특징으로 하는 무인자율차량.
   
4. 삭제
5. 청구항 1에 있어서, 상기 전역경로계획 수립블록에는 미리 제공된 지형정보를 기반으로 이용하여 산이나 호수와 같은 대규모의 지형적 특성이 고려되어 오프라인상에서 주어진 목표점까지의 경로점이 생성되는 것을 특징으로 하는 무인자율차량.
   
6. 청구항 1에 있어서, 상기 이동장애물 처리블록에는 파악된 이동장애물을 추적하기 위한 이동장애물에 대한 위치와 속도 및 진행방향과 같은 정보가 산출되는 이동장애물추적부와, 상기 이동장애물에 대한 위치와 속도 및 진행방향의 산출정보로부터 장애물의 격자지도를 생성하여주는 장애물격자지도생성부로 구성된 것을 특징으로 하는 무인자율차량.
   
7. 청구항 1에 있어서, 상기 지역경로계획 수립블록은 상기 전역경로계획 수립블록에서 생성된 다음 경로점을 지향하는 장애물 격자지도상의 목표점이 선정되는 지역경로 목표점 선정부와, 특정시간의 특정격자에 존재하는 이동장애물의 확률적 위협도가 산출되는 이동장애물 위협도 산출부와, 지역경로계획 알고리즘이 장애물격자지도를 탐색하기 위한 평가기준이 제공되는 탐색용 평가함수값 산출부와, 처리된 모든 정보들이 활용되어 주어진 목표점까지의 최소경비 관점의 경로계획이 수립되는 최소경비 지역경로 산출부로 구성된 것을 특징으로 하는 무인자율차량.
   
8. 무인자율차량의 주행경로에서 동적환경 변화에 대한 Open List(오픈리스트)가 비워진(Empty) 상태인지가 체크되는 오픈리스트체크단계;
   상기 Open List가 비워진(Empty)상태가 아닌 경우, 상기 Open List중 상대적으로 가장 작은 평가함수값을 지니는 격자로 Nbest가 선정되면, 상기 Nbest를 상기 Open List에서 꺼내어 Close List(클로우즈 리스트)에 집어넣은 다음, 상기 Close List에 삽입된 상기 Nbest가 최종값인지 여부가 판단되어 Goal(최종값)로 정의되는 Goal판단단계;
   상기 Goal로 확인되지 않을 경우, 상기 Nbest에 대한 THREAT LIST(위협리스트)여부가 판단되는 위협도체크단계;
   상기 Nbest의 상기 THREAT LIST가 판단되면, 상기 Nbest가 상기 THREAT LIST에 넣은 후 상기 Nbest에 대한 g(n)값을 다시 새롭게 계산한 다음, 상기 g(n)값이 계산된 Nbest를 기준으로 주변에 있는 모든 이웃 격자로 확장되는 위협도인식단계;
   상기 이웃 격자에 대한 상기 THREAT LIST여부가 모두 판단된 후, 상기 이웃 격자에 대한 g(n)값을 다시 새롭게 계산한 다음, 상기 g(n)값이 계산되는 위협도인식확장단계;
   상기 이웃 격자의 하부격자인 CHILD에 대한 평가함수값이 재계산되고, 상기 평가함수값이 재계산이 상기 이웃 격자의 마지막 이웃 격자까지 확장되어 평가함수값이 재계산되는 위협도평가단계;
   상기 평가함수값의 재계산이 모두 완료된 후, 상기 Nbest의 이웃 격자중 상기 Close List에 포함되지 않은 격자로 확장되어져 평가함수값이 재계산되고, 상기 Open List에 포함되지 않으면 상기 Open List에 추가하는 위협도격자확장단계;
   로 수행되는 것을 특징으로 하는 무인자율차량의 동적환경 주행경로생성방법.
   
9. 청구항 8에 있어서, 상기 위협도체크단계에서, 상기 Nbest에 대한 THREAT LIST여부의 판단은 상기 Nbest의 장애물 존재확률이 영(0)보다 크고 동시에 상기 THREAT LIS에 존재하는지 여부로 판단되는 것을 특징으로 하는 무인자율차량의 동적환경 주행경로생성방법.
   
10. 청구항 8에 있어서, 상기 위협도인식확장단계에서, 상기 이웃 격자에 대한 THREAT LIST여부의 판단은 상기 이웃 격자의 장애물 존재확률이 영(0)보다 크고 동시에 상기 THREAT LIST에 존재하는지 여부가 충족되면, 상기 이웃 격자에 대한 g(n)값을 다시 새롭게 계산하는 것을 특징으로 하는 무인자율차량의 동적환경 주행경로생성방법.
    
11. 청구항 8에 있어서, 상기 위협도평가단계에서, 상기 평가함수값 재계산은 상기 이웃 격자의 장애물 존재확률이 영(0)보다 크고 동시에 상기 THREAT LIST에 존재하는지 여부의 판단결과가 충족되고, 더불어 상기 이웃 격자가 상기 Open List포함이나 또는 상기 Close List포함여부 판단결과가 충족되는 경우인 것을 특징으로 하는 무인자율차량의 동적환경 주행경로생성방법.
    
12. 청구항 8에 있어서, 상기 위협도격자확장단계에서는 상기 Nbest의 이웃 격자중 상기 Close List에 포함되지 않아 평가함수값이 재계산된 후 상기 Open List에 추가된 경우, 상기 Nbest를 기반으로 비교된 후 상기 Nbest와 연결해주는 위협도격자확장후처리단계; 가 더 수행되는 것을 특징으로 하는 무인자율차량의 동적환경 주행경로생성방법.
    
13. 청구항 12에 있어서, 상기 위협도격자확장후처리단계에서 상기 Nbest와 연결해주는 과정은 Nbest와 확장격자의 거리가 dist로 정의되고, 상기 dist보다 큰 값일 때 이루어지는 것을 특징으로 하는 무인자율차량의 동적환경 주행경로생성방법.
    
14. 청구항 8에 있어서, 상기 위협도격자확장단계후에는, 상기 마지막 확장격자까지 모두 Open List의 추가 과정이 수행되면, 초기 과정으로 복귀되어 새로운 이동장애물에 대한 위협도 산출과정이 동일하게 반복되는 반복수행단계; 가 더 수행되는 것을 특징으로 하는 무인자율차량의 동적환경 주행경로생성방법.

Images