KR102536446B1 - 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법 - Google Patents

실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법 Download PDF

Info

Publication number
KR102536446B1
KR102536446B1 KR1020210167028A KR20210167028A KR102536446B1 KR 102536446 B1 KR102536446 B1 KR 102536446B1 KR 1020210167028 A KR1020210167028 A KR 1020210167028A KR 20210167028 A KR20210167028 A KR 20210167028A KR 102536446 B1 KR102536446 B1 KR 102536446B1
Authority
KR
South Korea
Prior art keywords
evaluation device
obstacle
obstacle recognition
evaluation
module
Prior art date
Application number
KR1020210167028A
Other languages
English (en)
Inventor
임재원
김준형
김인수
박재홍
Original Assignee
주식회사 와이즈오토모티브
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 주식회사 와이즈오토모티브 filed Critical 주식회사 와이즈오토모티브
Priority to KR1020210167028A priority Critical patent/KR102536446B1/ko
Application granted granted Critical
Publication of KR102536446B1 publication Critical patent/KR102536446B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • B60W2420/42—
    • B60W2420/52—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Traffic Control Systems (AREA)

Abstract

실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법을 개시한다. 본 발명은 실제 도로 주행 환경에서 시료 차량에 설치되는 내부 평가 장치와 도로에 설치된 외부 평가 장치의 인식 결과를 반영하여 자율 주행 차량의 장애물 인지 성능을 평가할 수 있고, 복수의 평가 장치를 사용하여 차량 외부의 도로 상황을 인식하기에 유리안 위치를 가질 수 있다.

Description

실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법{APPARATUS AND METHOD FOR EVALUATING OBSTACLE RECOGNITION PERFORMANCE OF AN AUTONOMOUS VEHICLE USING PLURALITY OF EVALUATION DEVICES IN REAL ROAD ENVIRONMENT}
본 발명은 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법에 관한 발명으로서, 더욱 상세하게는 실제 도로 주행 환경에서 시료 차량에 설치되는 내부 평가 장치와 도로에 설치된 외부 평가 장치의 인식 결과를 반영하여 자율 주행 차량의 장애물 인지 성능을 평가하는 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법에 관한 것이다.
완전자율주행 기술 달성을 위해서는 자동차에 탑재되는 인공지능이 인간의 운전능력을 완전히 대체할 수 있어야 하며, 자율주행에 필요한 인공지능 기술은 크게 인지, 판단, 제어기술로 구분할 수 있다.
또한, 각 기술의 고도화를 위해 다양한 방법으로 기술 개발이 진행 중이며, 최종적으로 완전자율주행을 달성하기 위해 각국이 경쟁 중이다.
자율주행 차량이란 운전자 또는 승객의 조작 없이 자동차 스스로 운행이 가능한 자동차를 말하고, 국제자동차기술자협회(Society of Automotive Engineers: SAE)에서는 자율주행 단계를 기술 수준에 따라 여섯 단계로 분류하고 있는데, 현재 Lv.2(운전자 보조) 수준이 상용화되어 양산되고 있으며, Lv.3(조건부 자동화) 이상의 단계로 진화를 위해 기업들의 지속적인 도전이 진행 중이다.
자율주행 차량은 주행에 필요한 정보를 다양한 센서를 통해 수집하며, 대표적인 것으로 카메라, 레이다, 라이다 등이 있다.
기존에는 각 센서가 기능별로 분리되어 작동하였으나, 고레벨 자율주행에서는 인지 정확도 향상을 위해 모든 센서를 동시에 활용하는 센서 융합과 추적을 통한 인지 예측기술 등이 개발되고 있다.
인지 기술은 센서를 이용하여 자신의 위치, 진행 방향, 속도 등을 파악하는 자차위치인지 기술과, 자차 주변의 다른 차량 또는 사람, 신호등, 횡단보도 등을 파악하는 주변인지기술로 구분된다.
한편, 자율주행 차량의 인지 기술은 미리 설정된 트랙에서 장애물을 인지하는 성능 평가를 수행하여 돌발상황이 많은 실제 도로 환경을 충분히 반영하지 못하는 문제점이 있다.
또한, 가시광선을 이용한 카메라 기반의 장애물 인지는 역광 상황, 빛이 부족한 상황 등에서 신뢰성의 충분한 확보가 어려운 문제점이 있다.
한국 공개특허공보 공개번호 제10-2021-0090285호(발명의 명칭: 자율 주행 차량들에 대한 자동화된 성능 검사들)
이러한 문제점을 해결하기 위하여, 본 발명은 실제 도로 주행 환경에서 시료 차량에 설치되는 내부 평가 장치와 도로에 설치된 외부 평가 장치의 인식 결과를 반영하여 자율 주행 차량의 장애물 인지 성능을 평가하는 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법을 제공하는 것을 목적으로 한다.
상기한 목적을 달성하기 위하여 본 발명의 일 실시 예는 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치로서, 시료 차량에 설치되고, 서로 다른 복수의 감지 센서로부터 수신한 감지 데이터를 이용하여 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터를 생성하며, 상기 센서 퓨전 데이터를 이용하여 장애물의 종류를 분석하고, 상기 센서 퓨전 데이터 및 장애물의 종류 정보와, 시료 차량으로부터 수신되는 장애물의 인지 정보와, 외부 평가 장치와의 위치 동기화를 위해 확인된 도로에서의 시료 차량 위치와, 상기 외부 평가 장치에서 수신된 외부 평가 정보를 기반으로 장애물의 인지 성능을 평가를 수행하는 내부 평가 장치; 및 도로에 하나 이상 설치되고, 서로 다른 복수의 감지 센서로부터 수신한 감지 데이터를 이용하여 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터와, 상기 센서 퓨전 데이터을 이용하여 생성된 장애물 인식 결과와, 도로 상의 시료 차량 위치를 기반으로 외부 평가 정보를 생성하며, 생성된 외부 평가 정보를 상기 내부 평가 장치로 전송하는 외부 평가 장치;를 포함한다.
또한, 상기 실시예에 따른 외부 평가 장치는 내부 평가 장치로부터 장애물 인식 요청이 입력되면 동작하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 내부 평가 장치는 시료 차량에 설치되어 영상 데이터를 수집하는 카메라 센서; 상기 시료 차량에 설치되어 3차원 포인트 클라우드 데이터를 수집하는 라이다 센서; 상기 시료 차량에 설치되어 장애물과의 거리 데이터를 수집하는 레이더 센서; 상기 영상 데이터, 3차원 포인트 클라우드 데이터, 거리 데이터를 기반으로 장애물의 수, 형태, 위치, 거리 정보를 포함한 센서 퓨전 데이터를 생성하는 센서 퓨전 모듈; 상기 센서 퓨전 데이터를 통해 장애물의 종류를 분석하는 장애물 인지 모듈; 상기 시료 차량으로부터 수신되는 장애물 인지 신호를 장애물 인지 정보로 출력하는 시료 신호 인식 모듈; 외부 평가 장치와의 위치 동기화를 위해 도로에 설치된 UWB 앵커를 통해 상기 시료 차량의 위치를 분석하는 UWB 측위 모듈; 및 상기 센서 퓨전 데이터 및 장애물의 종류 정보와, 시료 차량으로부터 수신되는 장애물의 인지 정보와, 외부 평가 장치와의 위치 동기화를 위해 확인된 도로에서의 시료 차량 위치와, 상기 외부 평가 장치에서 수신된 외부 평가 정보를 기반으로 장애물의 인지 성능을 평가를 수행하는 장애물 인지 성능 평가 모듈;을 포함하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 내부 평가 장치는 시료 차량이 외부 평가 장치의 평가 범위에 들어오면, 상기 외부 평가 장치로 장애물 인식 요청 신호를 출력하고, 상기 외부 평가 장치로부터 전송되는 외부 평가 정보를 수신하여 상기 장애물 인지 성능 평가 모듈로 출력하는 통신 모듈;을 포함하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 외부 평가 장치는 도로에 설치되어 영상 데이터를 수집하는 카메라 센서; 상기 도로에 설치되어 3차원 포인트 클라우드 데이터를 수집하는 라이다 센서; 상기 도로에 설치되어 장애물과의 거리 데이터를 수집하는 레이더 센서; 상기 영상 데이터, 3차원 포인트 클라우드 데이터, 거리 데이터를 기반으로 장애물의 수, 형태, 위치, 거리 정보를 포함한 센서 퓨전 데이터를 생성하는 센서 퓨전 모듈; 상기 센서 퓨전 데이터를 통해 장애물의 종류를 분석하는 장애물 인지 모듈; 상기 장애물 인지 모듈의 분석 결과와, 시료 차량에 설치된 내부 평가 장치의 위치를 반영하는 위치 동기화 모듈; 도로에 설치된 UWB 앵커와 시료 차량에 설치된 내부 평가 장치의 UWB 측위 모듈을 통해 상기 시료 차량 및 내부 평가 장치의 위치를 분석하여 상기 위치 동기화 모듈로 출력하는 UWB 측위 어플리케이션; 및 상기 내부 평가 장치로부터 장애물 인식 요청 신호를 수신하여 외부 평가 장치에 의한 장애물 인식이 수행되도록 하고, 상기 외부 평가 장치에 의한 외부 평가 정보를 상기 내부 평가 장치로 전송하는 통신 모듈;을 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시 예는 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 방법으로서, a) 시료 차량(10)에 설치된 내부 평가 장치(100)가 장애물 인식 성능 평가를 실행하여 상기 내부 평가 장치에 의한 장애물 인식 정보와, 시료 차량으로부터 수신되는 장애물 인지 정보에 기반하여 장애물을 인식하는 단계; b) 상기 내부 평가 장치가 시료 차량의 위치를 측위하여 외부 평가 장치가 설치된 구간에 진입한 경우, 상기 외부 평가 장치로 장애물 인식 요청 신호를 전송하고, 상기 외부 평가 장치로부터 외부 평가 정보를 수신하는 단계; c) 상기 내부 평가 장치가 내부 평가 장치에 의한 장애물 인식 정보와, 시료 차량으로부터 수신되는 장애물 인지 정보와, 외부 평가 결과를 기반으로 성능 평가를 수행하고, 결과를 저장하되, 성능 평가를 위한 테스트 조건이 미리 설정된 종료 기준 값이 될 때까지 성능 평가를 재수행하는 단계; 및 d) 상기 성능 평가를 위한 테스트 조건이 종료 기준을 만족함에 따라 내부 평가 장치가 재수행된 회차별 평가 정보와 그에 대응하는 점수를 산출하여 출력하는 단계;를 포함한다.
본 발명은 실제 도로 주행 환경에서 시료 차량에 설치되는 내부 평가 장치와 도로에 설치된 외부 평가 장치의 인식 결과를 반영하여 자율 주행 차량의 장애물 인지 성능을 평가할 수 있는 장점이 있다.
또한, 본 발명은 실제 도로 기반의 장애물 인식 성능 평가 수행과, 다수의 반복 평가와 장시간의 성능 평가를 수행할 수 있는 장점이 있다.
또한, 본 발명은 차량 외부의 실제 도로 상황을 유리하게 판단할 수 있도록 복수의 평가 장치인 외부 평가 장치를 통해 실제 도로의 상황을 반영하여 성능 평가를 수행할 수 있는 장점이 있다.
도1은 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치를 설명하기 위해 나타낸 예시도.
도2는 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치를 설명하기 위해 나타낸 다른 예시도.
도3은 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치의 내부 평가 장치 구성을 나타낸 블록도.
도4는 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율 주행 차량의 장애물 인지 성능 평가 장치의 외부 평가 장치 구성을 나타낸 블록도.
도5는 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 방법을 설명하기 위해 나타낸 흐름도.
이하에서는 본 발명의 바람직한 실시 예 및 첨부하는 도면을 참조하여 본 발명을 상세히 설명하되, 도면의 동일한 참조부호는 동일한 구성요소를 지칭함을 전제하여 설명하기로 한다.
본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 발명의 기술적 요지와 직접적 관련이 없는 구성에 대해서는 본 발명의 기술적 요지를 흩뜨리지 않는 범위 내에서 생략하였음에 유의하여야 할 것이다.
또한, 본 명세서 및 청구범위에 사용된 용어 또는 단어는 발명자가 자신의 발명을 최선의 방법으로 설명하기 위해 적절한 용어의 개념을 정의할 수 있다는 원칙에 입각하여 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.
본 명세서에서 어떤 부분이 어떤 구성요소를 "포함"한다는 표현은 다른 구성요소를 배제하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
또한, "‥부", "‥기", "‥모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는 그 둘의 결합으로 구분될 수 있다.
또한, "적어도 하나의" 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다.
또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시 예에 따라 변경가능하다 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법의 바람직한 실시예를 상세하게 설명한다.
도1은 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치를 설명하기 위해 나타낸 예시도이고, 도2는 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치를 설명하기 위해 나타낸 다른 예시도이며, 도3은 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치의 내부 평가 장치 구성을 나타낸 블록도이고, 도4는 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율 주행 차량의 장애물 인지 성능 평가 장치의 외부 평가 장치 구성을 나타낸 블록도이다.
도1 내지 도4를 참조하면, 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치는 시료 차량(10)에 설치되는 내부 평가 장치(100)와, 도로에 설치되는 외부 평가 장치(200)를 포함하여 구성될 수 있다.
상기 내부 평가 장치(100)는 시료 차량(10)에 설치되고, 서로 다른 복수의 감지 센서로부터 수신한 감지 데이터를 이용하여 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터를 생성할 수 있다.
또한, 상기 내부 평가 장치(100)는 센서 퓨전 데이터를 이용하여 장애물의 종류를 분석하고, 상기 센서 퓨전 데이터 및 장애물의 종류 정보와, 시료 차량(10)의 인디케이터 또는 시료 차량(10)에 설치된 장애물 인식 장치(미도시)로 송수신되는 장애물 인식 관련 데이터 통신 신호를 통해 장애물의 인지 정보와, 외부 평가 장치(200)와의 위치 동기화를 위해 확인된 도로에서의 시료 차량(10) 위치와, 상기 외부 평가 장치(200)에서 수신된 외부 평가 정보를 기반으로 장애물의 인지 성능을 평가를 수행할 수 있다.
이를 위해, 상기 내부 평가 장치(100)는 카메라 센서(110), 라이다 센서(120), 레이더 센서(130), 센서 퓨전 모듈(140), 장애물 인지 모듈(150), 시료 신호 인식 모듈(160), UWB 측위 모듈(170), 장애물 인지 성능 평가 모듈(180) 및 통신 모듈(190)을 포함하여 구성될 수 있다.
또한, 상기 실시예에 따른 외부 평가 장치(200)는 내부 평가 장치(100)로부터 장애물 인식 요청이 입력되면 동작하는 것을 특징으로 한다.
또한, 상기 카메라 센서(110)는 시료 차량(10)의 임의의 위치에 설치되어 시료 차량(10) 주변을 촬영한 영상 데이터를 수집하고, 수집된 영상 데이터는 센서 퓨전 모듈(140)로 전송한다.
상기 라이다 센서(120)는 시료 차량(10)의 임의의 위치에 설치되어 3차원 포인트 클라우드 데이터를 수집하는 구성으로서, 수집된 3차원 포인트 클라우드 데이터는 센서 퓨전 모듈(140)로 전송한다.
상기 3차원 포인트 클라우드 데이터는 라이다 센서(120)로부터 시료 차량(10)의 주변 장애물에 빛 또는 신호를 출력해서 돌아오는 시간을 기록해 빛 또는 신호당 거리 정보를 계산하여 하나의 포인트를 생성하고, 이를 3차원 공간상에 퍼져 있는 여러 포인트의 집합으로 수집한 데이터이다.
상기 레이더 센서(130)는 시료 차량(10)의 임의의 위치에 설치되어 장애물과의 거리 데이터를 수집하고, 수집된 거리 데이터는 센서 퓨전 모듈(140)로 전송한다.
상기 센서 퓨전 모듈(140)은 카메라 센서(110)로부터 수신되는 영상 데이터와, 라이다 센서(120)로부터 수신되는 3차원 포인트 클라우드 데이터와, 레이더 센서(130)로부터 수신되는 거리 데이터를 융합하고, 이를 기반으로 장애물의 수, 형태, 위치, 거리 정보를 포함한 센서 퓨전 데이터를 생성하며, 생성된 센서 퓨전 데이터는 장애물 인지 모듈(150)로 전송한다.
상기 장애물 인지 모듈(150)은 센서 퓨전 모듀(140)로부터 수신되는 센서 퓨전 데이터를 이용하여 장애물의 종류를 분석하고, 분석된 장애물 종류와 센서 퓨전 데이터를 장애물 인지 성능 평가 모듈(170)로 전송한다.
즉, 상기 장애물 인지 모듈(150)은 센서 퓨전 데이터에 포함된 영상 데이터, 3차원 포인트 클라우드 데이터를 이용하여 분석된 장애물의 형상을 미리 설정된 장애물, 예를 들어 사람, 동물, 나무, 신호등, 기둥, 울타리, 벽, 경계석, 표지판, 연석 등의 장애물 정보와의 비교를 통해 장애물 종류를 분석한다.
상기 시료 신호 인식 모듈(160)은 시료 차량(10)의 제어기, 또는 장애물 인지 신호를 출력하는 인디케이터 등으로부터 출력되는 장애물 인지 신호 또는 시료 차량(10)에 설치된 장애물 인식 장치가 송수신하는 장애물 인식 관련 데이터 통신 신호를 통해 장애물의 인지 정보를 수신하고, 수신된 장애물 인지 정보를 장애물 인지 성능 평가 모듈(180)로 출력한다.
즉, 평가 대상 시료인 시료 차량(10)에 구비된 장애물 인지 장치가 감지한 장애물 인지 상태에 대한 정보를 성능 평가 대상으로 출력한다.
상기 UWB(Ultra Wide Band) 측위 모듈(170)은 외부 평가 장치(200)와의 위치 동기화를 위해 도로에 설치된 UWB 앵커(300)와 연동되고, 상기 UWB 앵커(300)를 통해 출력되는 위치 정보에 기반하여 도로 상에서 시료 차량(10)의 정확한 위치 정보, 예를 들어 Cm 단위의 오차 단위로 분석하여 측정할 수 있다.
상기 장애물 인지 성능 평가 모듈(180)은 장애물 인지 모듈(150)로부터 출력되는 센서 퓨전 데이터 및 장애물의 종류 정보와, 시료 신호 인식 모듈(160)로부터 출력되는 시료 차량(10)의 장애물의 인지 정보와, 외부 평가 장치(200)와의 위치 동기화를 위해 UWB 측위 모듈(170)을 이용하여 확인된 도로에서의 시료 차량(10) 위치와, 상기 외부 평가 장치(200)에서 수신된 외부 평가 정보를 기반으로 장애물의 인지 성능을 평가를 수행한다.
이때. 도로에서의 시료 차량(10) 위치는 도로에 설치되어 미리 설정된 위치 정보를 제공하는 UWB 앵커(300)로부터 수신받을 수 있다.
또한, 장애물 인지 성능 평가 모듈(180)은 장애물 종류, 인지 횟수, 장애물 위치, 인지 시간을 포함한 내부 평가 장치(100)에서 감지된 장애물 인지 결과와, 외부 평가 장치(200)에서 수신된 장애물 종류, 인지 횟수, 장애물 위치, 인지 시간을 포함한 외부 평가 정보와, 시료 차량(10)에 설치된 장애물 인지 장치에서 감지된 장애물 종류, 인지 횟수, 장애물 위치, 인지 시간을 포함한 장애물 인지 결과를 비교하여 장애물 인지 성능에 대한 측정과 그에 따른 성능 측정 결과를 평가할 수 있다.
또한, 상기 장애물 인지 성능 평가 모듈(180)은 시료 차량(10)이 외부 평가 장치(200)의 평가 범위에 들어오면, 상기 외부 평가 장치(200)로 장애물 인식 요청 신호를 출력할 수 있도록 통신 모듈(190)로 제어 신호를 출력할 수 있다.
또한, 상기 장애물 인지 성능 평가 모듈(180)은 통신 모듈(190)로부터 수신된 외부 평가 정보를 이용하여 시료 차량(10)이 주행중인 도로 주변의 환경 정보를 분석하고, 상기 분석된 정보를 시료 차량(10)에 설치된 장애물 인지 장치의 장애물 인지 성능 평가에 추가 정보로 반영할 수 있다.
상기 통신 모듈(190)은 장애물 인지 성능 평가 모듈(180)의 제어 신호에 따라 시료 차량(10)이 외부 평가 장치(200)의 평가 범위에 들어오면, 상기 외부 평가 장치(200)와 접속하여 장애물 인식 요청 신호를 출력할 수 있다.
또한, 상기 통신 모듈(190)은 외부 평가 장치(200)로부터 전송되는 외부 평가 정보를 수신하여 장애물 인지 성능 평가 모듈(180)로 출력하여 상기 외부 평가 정보가 반영될 수 있도록 한다.
상기 외부 평가 장치(200)는 도로에 하나 이상 설치되고, 서로 다른 복수의 감지 센서로부터 수신한 감지 데이터를 이용하여 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터와, 상기 센서 퓨전 데이터을 이용하여 생성된 장애물 인식 결과와, 도로 상의 시료 차량(10) 위치를 기반으로 외부 평가 정보를 생성할 수 있으며, 생성된 외부 평가 정보는 내부 평가 장치(100)로 전송할 수 있다.
또한, 상기 외부 평가 장치(200)는 내부 평가 장치(100)로부터 장애물 인식 요청 신호가 입력되면, 활성화되어 시료 차량(10) 주변의 장애물 정보를 수집하여 실제 도로 환경 상태와, 그에 따른 장애물 정보를 수집하여 제공할 수 있도록 한다.
이를 위해 상기 외부 평가 장치(200)는 카메라 센서(210)와, 라이다 센서(220)와, 레이더 센서(230)와, 센서 퓨전 모듈(240)과, 장애물 인지 모듈(250)과, 위치 동기화 모듈(260)과, UWB 측위 어플리케이션(261)고,, 통신 모듈(270)을 포함하여 구성될 수 있다.
상기 카메라 센서(210)는 도로에 설치되어 시료 차량(10) 주변의 도로 환경 상태와 도로 상이 장애물 관련 영상 데이터를 수집할 수 있다.
상기 라이다 센서(220)는 도로에 설치되어 3차원 포인트 클라우드 데이터를 수집하는 구성으로서, 수집된 3차원 포인트 클라우드 데이터는 센서 퓨전 모듈(240)로 전송한다.
상기 3차원 포인트 클라우드 데이터는 라이다 센서(220)로부터 시료 차량(10)의 주변 장애물에 빛 또는 신호를 출력해서 돌아오는 시간을 기록해 빛 또는 신호당 거리 정보를 계산하여 하나의 포인트를 생성하고, 이를 3차원 공간상에 퍼져 있는 여러 포인트의 집합으로 수집한 데이터이다.
상기 레이더 센서(230)는 도로에 설치되어 장애물과의 거리 데이터를 수집하고, 수집된 거리 데이터는 센서 퓨전 모듈(240)로 전송한다.
상기 센서 퓨전 모듈(240)은 카메라 센서(210)로부터 수신되는 영상 데이터와, 라이다 센서(220)로부터 수신되는 3차원 포인트 클라우드 데이터와, 레이더 센서(230)로부터 수신되는 거리 데이터를 융합하고, 이를 기반으로 장애물의 수, 형태, 위치, 거리 정보를 포함한 센서 퓨전 데이터를 생성하며, 생성된 센서 퓨전 데이터는 장애물 인지 모듈(250)로 전송한다.
상기 장애물 인지 모듈(250)은 센서 퓨전 데이터를 통해 장애물의 종류를 분석하고, 분석된 결과를위치 동기화 모듈(260)로 전송한다.
상기 위치 동기화 모듈(260)은 장애물 인지 모듈(250)의 분석 결과와, 시료 차량(10)에 설치된 내부 평가 장치(100)의 위치를 반영하여 외부 평가 정보를 생성한다.
상기 UWB 측위 어플리케이션(261)은 시료 차량(10)에 설치된 내부 평가 장치(100)의 UWB 측위 모듈(170)로부터 상기 시료 차량(10) 또는 시료 차량(10)에 설치된 내부 평가 장치(100)의 위치 정보를 수신하고, 상기 수신된 위치 정보를 분석하여 위치 동기화 모듈(260)로 출력한다.
상기 통신 모듈(270)은 내부 평가 장치(100)로부터 출력된 장애물 인식 요청 신호를 수신하여 장애물 인지 모듈(250)과 위치 동기화 모듈(260)을 통해 외부 평가 장치(200)에 의한 실제 도로의 환경 정보의 수집과, 그에 따른 장애물 인식이 수행되도록 한다.
또한, 상기 통신 모듈(270)은 장애물 인지 모듈(250)과 위치 동기화 모듈(260)을 통해 생성된 외부 평가 정보를 내부 평가 장치(100)로 전송할 수 있다.
다음은 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 방법을 설명한다.
도5는 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 방법을 설명하기 위해 나타낸 흐름도이다.
도1 내지 도5를 참조하면, 본 발명의 일 실시 예에 따른 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 방법은 시료 차량(10)에 설치된 내부 평가 장치(100)가 장애물 인식 성능 평가를 실행(S100)한다.
또한, 상기 내부 평가 장치(100)는 내부 평가 장치(100)에 의한 장애물 인식 정보와, 시료 차량(10)으로부터 수신되는 장애물 인지 정보에 기반하여 장애물을 인식(S200)한다.
상기 S200 단계를 더욱 상세하게 설명하면, 카메라 센서(110)를 통해 시료 차량(10) 주변을 촬영한 영상 데이터를 수집하고, 수집된 영상 데이터는 센서 퓨전 모듈(140)로 전송할 수 있다.
또한, 라이다 센서(120)를 통해 시료 차량(10) 주변의 3차원 포인트 클라우드 데이터를 수집하고, 수집된 3차원 포인트 클라우드 데이터는 센서 퓨전 모듈(140)로 전송할 수 있다.
또한, 레이더 센서(130)를 통해 시료 차량(10) 주변의 장애물과의 거리 데이터를 수집하고, 수집된 거리 데이터는 센서 퓨전 모듈(140)로 전송할 수 있다.
상기 카메라 센서(110), 라이다 센서(120) 및 레이더 센서(130)에서 감지 데이터를 센서 퓨전 모듈(140)에서 융합하여 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터를 생성한다.
또한, 장애물 인지 모듈(150)을 통해 상기 센서 퓨전 모듀(140)로부터 생성되는 센서 퓨전 데이터를 이용하여 장애물의 종류를 분석하고, 시료 신호 인식 모듈(160)을 통해 시료 차량(10)의 장애물 인지 장치 제어기로부터 수신된 장애물 인지 정보를 수신할 수 있다.
계속해서, 상기 내부 평가 장치(100)는 시료 차량(10)의 위치를 측위하여 외부 평가 장치(200)가 설치된 구간에 진입하였는지 확인하고, 확인 결과 외부 평가 장치(200)가 설치된 구간에 진입한 경우, 상기 외부 평가 장치(200)로 장애물 인식 요청 신호를 전송하고, 상기 외부 평가 장치(200)로부터 외부 평가 정보를 수신(S300)한다.
상기 S300 단계에서 수신된 외부 평가 정보는 상기 S200 단계에서 내부 평가 장치(100)에 의한 장애물 인식 정보와, 시료 차량(10)으로부터 수신되는 장애물 인지 정보를 기반으로 성능 평가를 수행하고, 1회 주행이 종료되면 성능 평가 정보를 저장(S400)한다.
또한, 상기 내부 평가 장치(100)는 성능 평가를 위한 테스트 조건이 미리 설정된 종료 기준 값 이상인지 판단(S500)하고, 상기 S500의 판단 결과, 테스트 조건이 종료 기준 값이 될 때까지 상기 S100 단계 내지 S400 단계를 반복 수행하며 성능 평가와 그에 따른 성능 평가 결과를 저장한다.
상기 S500 단계의 판단 결과, 성능 평가를 위한 테스트 조건이 종료 기준을 만족함에 따라 내부 평가 장치(100)는 재수행된 회차별로 평가 정보와 그에 대응하는 종합 평가와 점수를 산출하여 출력(S600)될 수 있도록 한다.
따라서, 실제 도로 주행 환경에서 시료 차량에 설치되는 내부 평가 장치와 도로에 설치된 외부 평가 장치의 인식 결과를 반영하여 더욱 정확한 자율 주행 차량의 장애물 인지 성능을 평가할 수 있다.
또한, 실제 도로 기반의 장애물 인식 성능 평가 수행과, 다수의 반복 평가와 장시간의 성능 평가를 수행할 수 있다.
또한, 차량 외부의 실제 도로 상황을 유리하게 판단할 수 있도록 복수의 평가 장치인 외부 평가 장치를 통해 실제 도로의 상황을 반영하여 성능 평가를 수행할 수 있다.
상기와 같이, 본 발명의 바람직한 실시 예를 참조하여 설명하였지만 해당 기술 분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
또한, 본 발명의 특허청구범위에 기재된 도면번호는 설명의 명료성과 편의를 위해 기재한 것일 뿐 이에 한정되는 것은 아니며, 실시예를 설명하는 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한, 상술된 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으므로, 이러한 용어들에 대한 해석은 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
또한, 명시적으로 도시되거나 설명되지 아니하였다 하여도 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기재사항으로부터 본 발명에 의한 기술적 사상을 포함하는 다양한 형태의 변형을 할 수 있음은 자명하며, 이는 여전히 본 발명의 권리범위에 속한다.
또한, 첨부하는 도면을 참조하여 설명된 상기의 실시예들은 본 발명을 설명하기 위한 목적으로 기술된 것이며 본 발명의 권리범위는 이러한 실시예에 국한되지 아니한다.
10: 시료 차량
100 : 내부 평가 장치
110, 210 : 카메라 센서
120, 220 : 라이다 센서
130, 230 : 레이더 센서
140, 240 : 센서 퓨전 모듈
150, 250 : 장애물 인지 모듈
160 : 시료 신호 인식 모듈
170 : UWB 측위 모듈
180 : 장애물 인지 성능 평가 모듈
190, 270 : 통신 모듈
200 : 외부 평가 장치
260 : 위치 동기화 모듈
261 : UWB 측위 어플리케이션
300 : UWB 앵커

Claims (6)

  1. 시료 차량(10)에 설치되어 영상 데이터를 수집하는 카메라 센서(110)와, 상기 시료 차량(10)에 설치되어 3차원 포인트 클라우드 데이터를 수집하는 라이다 센서(120)와, 상기 시료 차량(10)에 설치되어 장애물과의 거리 데이터를 수집하는 레이더 센서(130)와, 상기 영상 데이터, 3차원 포인트 클라우드 데이터, 거리 데이터를 기반으로 장애물의 수, 형태, 위치, 거리 정보를 포함한 센서 퓨전 데이터를 생성하는 센서 퓨전 모듈(140)과, 상기 센서 퓨전 데이터를 통해 장애물의 종류를 분석하는 장애물 인지 모듈(150)과, 상기 시료 차량(10)으로부터 수신되는 장애물 인지 신호를 장애물 인지 정보로 출력하는 시료 신호 인식 모듈(160)과, 외부 평가 장치(200)와의 위치 동기화를 위해 도로에 설치된 UWB 앵커(300) 를 통해 상기 시료 차량(10)의 위치를 분석하는 UWB 측위 모듈(170)과, 상기 센서 퓨전 데이터 및 장애물의 종류 정보와, 시료 차량(10)으로부터 수신되는 장애물의 인지 정보와, 외부 평가 장치(200)와의 위치 동기화를 위해 확인된 도로에서의 시료 차량(10) 위치와, 상기 외부 평가 장치(200)에서 수신된 외부 평가 정보를 기반으로 장애물의 인지 성능을 평가를 수행하는 장애물 인지 성능 평가 모듈(180);을 구비한 내부 평가 장치(100); 및
    도로에 하나 이상 설치되고, 서로 다른 복수의 감지 센서로부터 수신한 감지 데이터를 이용하여 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터와, 상기 센서 퓨전 데이터을 이용하여 생성된 장애물 인식 결과와, 도로 상의 시료 차량(10) 위치를 기반으로 외부 평가 정보를 생성하며, 생성된 외부 평가 정보를 상기 내부 평가 장치(100)로 전송하는 외부 평가 장치(200);를 포함하는 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치.
  2. 제 1 항에 있어서,
    상기 외부 평가 장치(200)는 내부 평가 장치(100)로부터 장애물 인식 요청이 입력되면 동작하는 것을 특징으로 하는 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치.
  3. 삭제
  4. 제 1 항에 있어서,
    상기 내부 평가 장치(100)는 시료 차량(10)이 외부 평가 장치(200)의 평가 범위에 들어오면, 상기 외부 평가 장치(200)로 장애물 인식 요청 신호를 출력하고, 상기 외부 평가 장치(200)로부터 전송되는 외부 평가 정보를 수신하여 상기 장애물 인지 성능 평가 모듈(180)로 출력하는 통신 모듈(190);을 포함하는 것을 특징으로 하는 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치.
  5. 제 1 항에 있어서,
    상기 외부 평가 장치(200)는 도로에 설치되어 영상 데이터를 수집하는 카메라 센서(210);
    상기 도로에 설치되어 3차원 포인트 클라우드 데이터를 수집하는 라이다 센서(220);
    상기 도로에 설치되어 장애물과의 거리 데이터를 수집하는 레이더 센서(230);
    상기 영상 데이터, 3차원 포인트 클라우드 데이터, 거리 데이터를 기반으로 장애물의 수, 형태, 위치, 거리 정보를 포함한 센서 퓨전 데이터를 생성하는 센서 퓨전 모듈(240);
    상기 센서 퓨전 데이터를 통해 장애물의 종류를 분석하는 장애물 인지 모듈(250);
    상기 장애물 인지 모듈(250)의 분석 결과와, 시료 차량(10)에 설치된 내부 평가 장치(100)의 위치를 반영하는 위치 동기화 모듈(260);
    도로에 설치된 UWB 앵커(300)와 시료 차량(10)에 설치된 내부 평가 장치(100)의 UWB 측위 모듈(170)을 통해 상기 시료 차량(10) 및 내부 평가 장치(100)의 위치를 분석하여 상기 위치 동기화 모듈(260)로 출력하는 UWB 측위 어플리케이션(261); 및
    상기 내부 평가 장치(100)로부터 장애물 인식 요청 신호를 수신하여 외부 평가 장치(200)에 의한 장애물 인식이 수행되도록 하고, 상기 외부 평가 장치(200)에 의한 외부 평가 정보를 상기 내부 평가 장치(100)로 전송하는 통신 모듈(270);을 포함하는 것을 특징으로 하는 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치.
  6. a) 시료 차량(10)에 설치된 내부 평가 장치(100)가 장애물 인식 성능 평가를 실행하여 상기 내부 평가 장치(100)에 의한 장애물 인식 정보와, 시료 차량(10)으로부터 수신되는 장애물 인지 정보에 기반하여 장애물을 인식하는 단계;
    b) 상기 내부 평가 장치(100)가 시료 차량(10)의 위치를 측위하여 외부 평가 장치(200)가 설치된 구간에 진입한 경우, 상기 외부 평가 장치(200)로 장애물 인식 요청 신호를 전송하고, 상기 외부 평가 장치(200)로부터 외부 평가 정보를 수신하는 단계;
    c) 상기 내부 평가 장치(100)가 내부 평가 장치(100)에 의한 장애물 인식 정보와, 시료 차량(10)으로부터 수신되는 장애물 인지 정보와, 외부 평가 결과를 기반으로 성능 평가를 수행하고, 결과를 저장하되, 성능 평가를 위한 테스트 조건이 미리 설정된 종료 기준 값이 될 때까지 성능 평가를 재수행하는 단계; 및
    d) 상기 성능 평가를 위한 테스트 조건이 종료 기준을 만족함에 따라 내부 평가 장치(100)가 재수행된 회차별 평가 정보와 그에 대응하는 점수를 산출하여 출력하는 단계;를 포함하고,
    상기 내부 평가 장치(100)는 시료 차량(10)에 설치되어 영상 데이터를 수집하는 카메라 센서(110)와, 상기 시료 차량(10)에 설치되어 3차원 포인트 클라우드 데이터를 수집하는 라이다 센서(120)와, 상기 시료 차량(10)에 설치되어 장애물과의 거리 데이터를 수집하는 레이더 센서(130)와, 상기 영상 데이터, 3차원 포인트 클라우드 데이터, 거리 데이터를 기반으로 장애물의 수, 형태, 위치, 거리 정보를 포함한 센서 퓨전 데이터를 생성하는 센서 퓨전 모듈(140)과, 상기 센서 퓨전 데이터를 통해 장애물의 종류를 분석하는 장애물 인지 모듈(150)과, 상기 시료 차량(10)으로부터 수신되는 장애물 인지 신호를 장애물 인지 정보로 출력하는 시료 신호 인식 모듈(160)과, 외부 평가 장치(200)와의 위치 동기화를 위해 도로에 설치된 UWB 앵커(300) 를 통해 상기 시료 차량(10)의 위치를 분석하는 UWB 측위 모듈(170)과, 상기 센서 퓨전 데이터 및 장애물의 종류 정보와, 시료 차량(10)으로부터 수신되는 장애물의 인지 정보와, 외부 평가 장치(200)와의 위치 동기화를 위해 확인된 도로에서의 시료 차량(10) 위치와, 상기 외부 평가 장치(200)에서 수신된 외부 평가 정보를 기반으로 장애물의 인지 성능을 평가를 수행하는 장애물 인지 성능 평가 모듈(180);을 구비한 것을 특징으로 하는 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 방법.
KR1020210167028A 2021-11-29 2021-11-29 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법 KR102536446B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210167028A KR102536446B1 (ko) 2021-11-29 2021-11-29 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210167028A KR102536446B1 (ko) 2021-11-29 2021-11-29 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102536446B1 true KR102536446B1 (ko) 2023-05-26

Family

ID=86536376

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210167028A KR102536446B1 (ko) 2021-11-29 2021-11-29 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102536446B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017188035A (ja) * 2016-04-08 2017-10-12 株式会社デンソー 運転支援システム
KR20210029323A (ko) * 2019-09-05 2021-03-16 현대모비스 주식회사 정밀 지도를 이용한 센서 퓨전의 인지 성능 향상을 위한 장치 및 방법
KR20210090285A (ko) 2018-12-13 2021-07-19 웨이모 엘엘씨 자율 주행 차량들에 대한 자동화된 성능 검사들

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017188035A (ja) * 2016-04-08 2017-10-12 株式会社デンソー 運転支援システム
KR20210090285A (ko) 2018-12-13 2021-07-19 웨이모 엘엘씨 자율 주행 차량들에 대한 자동화된 성능 검사들
KR20210029323A (ko) * 2019-09-05 2021-03-16 현대모비스 주식회사 정밀 지도를 이용한 센서 퓨전의 인지 성능 향상을 위한 장치 및 방법

Similar Documents

Publication Publication Date Title
CN108780154B (zh) 3d点云的处理方法
CN112665556B (zh) 使用被动和主动测量生成场景的三维地图
WO2019169031A1 (en) Method for determining driving policy
US10852426B2 (en) System and method of utilizing a LIDAR digital map to improve automatic driving
CN116803784A (zh) 密集车辆环境中的自主控制
KR20210073313A (ko) 주행 관련 안내 서비스를 제공하는 차량용 단말 장치, 서비스 제공 서버, 방법, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체
US20210117696A1 (en) Method and device for generating training data for a recognition model for recognizing objects in sensor data of a sensor, in particular, of a vehicle, method for training and method for activating
JP2022541868A (ja) 自動運転車両におけるセンサ同期性データ分析に用いるシステム
US12014126B2 (en) Generating accurate and diverse simulations for evaluation of autonomous-driving systems
US20230237783A1 (en) Sensor fusion
CN109583416A (zh) 伪车道线识别方法及系统
EP3764124A1 (en) Distance measuring apparatus, method for measuring distance, on-vehicle apparatus, and mobile object
WO2021010396A1 (ja) 走行記憶システム、潜在事故責任決定装置、走行記憶方法、潜在事故責任決定方法、映像記録システム、自動運転システム、および映像記録方法
US20220348211A1 (en) Method and Assistance Device for Assisting Driving Operation of a Motor Vehicle, and Motor Vehicle
CN114037972A (zh) 目标检测方法、装置、设备及可读存储介质
US11900691B2 (en) Method for evaluating sensor data, including expanded object recognition
KR102585557B1 (ko) 자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법
CN114968187A (zh) 用于自动驾驶系统的感知系统开发的平台
KR102536446B1 (ko) 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법
CN114595738A (zh) 为识别模型生成训练数据的方法和生成识别模型的方法
Rana et al. The perception systems used in fully automated vehicles: a comparative analysis
CN117173666A (zh) 一种针对非结构化道路的自动驾驶目标识别方法及系统
US11983918B2 (en) Platform for perception system development for automated driving system
WO2022070250A1 (ja) 情報処理装置、情報処理方法、および、プログラム
KR20220111749A (ko) 자율주행 차량의 추적 시스템

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant