KR102552719B1 - 주행경로 자동생성방법 및 장치 - Google Patents

Abstract

본 발명은 자동경로 탐지에 관한 것으로써, 전술한 목적을 달성하기 위한 본 발명의 일면에 따른 주행경로 자동생성장치는, 하나이상의 프로세서를 포함하고, 상기 프로세서는, 주행경로의 시작점과 끝점을 이루는 컨트롤 포인트와, 시작점과 끝점 사이의 네 개의 벡터로 표현되는 베지어 커브(Bezier Curve)로 이루어진 단위모션을 생성하는 단위모션 생성부; 상기 주행경로를 주행가능구역과 주행불가구역으로 나누어 격자형태로 표시하는 격자그래프 변환부; 상기 격자형태로 표시된 주행경로의 최단경로를 탐색하는 경로탐색부; 및 상기 최단경로를 기울기 기반 최적화(Gradient-based optimization)방법으로 최적화 하는 최적화부를 포함하여 구현하는 것을 특징으로 한다.

Description

주행경로 자동생성방법 및 장치{METHOD AND APPARATUS FOR AUTOMATICALLY GENERATING DRIVE ROUTE}

본 발명은 무인운송시스템에 관한 것으로서, 보다 구체적으로는 무인자동차나 무인운송시스템이 목표지점까지 이동하기 위해 자동으로 주행경로를 생성하는 방법 및 그 장치에 관한 것이다.

일반적으로 자동주행 시스템은 선박이나 항공기 등 장애물이 없이 일정한 경로로 이동하는 운송수단에 적용되어 왔으나, 최근 컴퓨터 시스템의 발달로 주행경로에 대한 실시간 연산이 가능해지고 자동차의 제어기술이 발달함에 따라 자동차의 무인 자동주행 시스템에 대한 연구가 활발해지고 있다.

이러한 무인 자동주행 방법은 자동차 제조사들뿐 아니라 구글(Google) 등 자동차 제조사가 아닌 회사들의 참여도 눈에 띄는데, 이는 선박이나 항공기와 달리 자동차의 주행환경은 제한된 도로 위에서 여러 다른 차량들과 함께 주행해야 하고 신호등이나 예기치 못한 장애물에 의한 차선변경 등 실시간으로 주행조건을 판단하고 주행경로를 최적화 해야 하는 등 복잡한 상황에 놓여있기 때문이다.

종래 기술들은 카메라나 레이더를 이용하여 도로나 차선, 신호등이나 보행자 등 장애물을 판단하여 도로를 따라 주행하거나 장애물을 회피하는 기술을 사용하였다.

대한민국 등록특허 제10-1526606호 발명인 “자동주행경로 생성방법” 발명에 따르면 외부로부터 맵정보를 획득하고 이로부터 주행중인 도로의 중앙선을 생성하여 생성한 중앙선을 따라 도로를 주행하는 기술을 개시하고 있다. 또한 상기 생성한 중앙선에 장애물이 침입하는 경우 이를 회피하는 가상의 곡선을 다시 생성하여 장애물을 회피하는 기술도 개시하고 있다.

그러나 이러한 자동주행 경로생성 방법은 외부로부터 획득한 맵정보에 의지하고 또한 차선을 추종하기 때문에, 도로가 공사 중이거나 비포장도로 등 차선이 없는 경우에 자동주행을 위한 경로생성이 어려운 문제점이 존재한다.

본 발명은 전술한 바와 같은 기술적 배경에서 안출된 것으로서, 베지어 커브 기반의 모션 벡터를 사용하여 경로를 효율적으로 계산하고, 베지어 커브를 표현하는 제어점(Control Point)들을 병합하여 변수를 줄임으로써 자동주행을 위한 경로계산의 연산량을 줄이고 자연스러운 주행경로를 생성할 수 있는 자동주행 경로생성 방법 및 그 장치를 제공하는 것을 그 목적으로 한다.

본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

전술한 목적을 달성하기 위한 본 발명의 일면에 따른 주행경로 자동생성장치는, 하나이상의 프로세서를 포함하고, 상기 프로세서는, 주행경로의 시작점과 끝점을 이루는 컨트롤 포인트와, 시작점과 끝점 사이의 네 개의 벡터로 표현되는 베지어 커브(Bezier Curve)로 이루어진 단위모션을 생성하는 단위모션 생성부; 상기 주행경로를 주행가능구역과 주행불가구역으로 나누어 격자형태로 표시하는 격자그래프 변환부; 상기 격자형태로 표시된 주행경로의 최단경로를 탐색하는 경로탐색부; 및 상기 최단경로를 기울기 기반 최적화(Gradient-based optimization)방법으로 최적화 하는 최적화부를 포함하여 구현하는 것을 특징으로 한다.

본 발명의 다른 일면에 따른 주행경로 자동생성 방법은, 주행경로의 시작점과 끝점을 이루는 컨트롤 포인트와, 시작점과 끝점 사이의 네 개의 벡터로 표현되는 베지어 커브(Bezier Curve)로 이루어진 단위모션을 생성하는 단계; 상기 주행경로를 주행가능구역과 주행불가구역으로 나누어 격자형태로 표시하는 단계; 상기 격자형태로 표시된 주행경로의 최단경로를 탐색하는 단계; 및 상기 최단경로를 기울기 기반 최적화(Gradient-based optimization)방법으로 최적화 하는 단계를 포함한다.

본 발명에 따르면, 경로생성을 위한 제어점의 변수를 줄임으로써 적은 연산량으로 빠른 경로계산과 최적화가 가능한 효과가 있고, 제어점의 병합에 의해 보다 유연하고 폭넓은 경로의 최적화를 달성할 수 있는 효과가 있다.

도 1은 본 발명의 일실시예에 따른 주행경로 자동생성장치의 구조도.
도 2는 본 발명의 다른 실시예에 따른 주행경로 자동생성방법의 흐름도.
도 3은 본 발명에 따른 단위모션을 나타내는 변수를 나타낸 도면.
도 4는 본 발명에 또 다른 실시예에 따른 주행경로 자동생성장치의 구조도.
도 5는 m+1개의 단위모션으로 구성된 경로를 나타내는 구조도.
도 6은 본 발명에 따른 주행경로를 격자형태로 나타낸 구조도.
도 7은 본 발명에 따른 단위모션의 병합을 수행하는 각 과정을 나타내는 구조도.
도 8은 본 발명에 따른 병합의 횟수에 따른 경로의 변화를 나타내는 도면.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성소자, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성소자, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

이하, 본 발명의 바람직한 실시예에 대하여 첨부한 도면을 참조하여 상세히 설명하기로 한다.

도 1은 본 발명의 일실시예에 따른 주행경로 자동생성장치의 구조를 나타낸다.

단위 모션 생성기(Motion Primitive Generator, 100)는 한 쌍의 무인차 상태를 연결하는 모션 세그먼트를 생성한다.

도 2에서 무인차 상태는 (x, y,

로 구성되는데 x, y는 무인차의 위치를 나타내는 좌표이고

는 무인차의 헤딩각,

는 곡률을 각각 나타낸다.

본 발명에서는 5차 베지어 커브(Bezier Curve)를 이용하여 자동경로를 탐색하는데 기존 6개의 컨트롤 포인트를 사용하던 방식과 달리 시작과 끝점 두개의 컨트롤 포인트와 (a, b, c, d)의 4-D 벡터를 이용하여 표현함으로써 효율적으로 커브를 표현할 수 있다.

베지어 커브는 다음 수학식 1과 같이 표현된다. {

~

}는 5차 베지어 커브의 컨트롤 포인트를 나타내고 베지어 커브의 모양을 결정하며 t는 곡선의 형태를 조절하기 위한 비례변수이다.

본 발명에서는 베지어 커브를 출발상태와 도착상태의 무인차 상태인 (x, y,

가 주어질 때 다음과 같은 과정을 거쳐 변환된 식으로 정의된다.

이하에서 도 3을 참조하여 본 발명에 따른 베지어 커브 표현방법에 대해 자세히 살펴본다.

우선 시작과 끝 컨트롤 포인트는 출발/도착위치에 고정되고 다음 수학식 2와 같이 나타낼 수 있다.

두 번째 컨트롤 포인트는 출발방향인

와 평행해야 하고, 대칭적으로 다섯 번째 컨트롤 포인트는 도착방향인

와 평행해야 하므로 수학식 3과 같이 나타난다.

세 번째 컨트롤 포인트는 출발곡률인

를 만족시켜야 하므로 컨트롤 포인트

를 연결한 직선으로부터의 수직거리가

가 되어야 하고, 대칭적으로 네 번째 컨트롤 포인트는

로부터 수직거리가

가 되어야 하며 이를 식으로 나타내면 수학식 4와 같다.

이렇게 수학식 2 내지 수학식 4를 이용하여 여섯 개의 컨트롤 포인트를 구한 후 이를 수학식 1에 대입하면 5차 베지어 커브를 다음 수학식 5와같이 재정의 할 수 있다.

즉, 종래의 수학식 1은

의 함수로 표현되나 본 발명에 의한 수학식 5는

의 함수로 표현되는 특징이 있다.

한 개의 커브를 표현하는데 있어서는 종래의 방법이나 본 발명에 따른 방법이 모두 12개의 변수를 필요로 한다는데 있어서 차이가 없으나, 자동경로 생성에 있어서 여러 개의 커브가 결합하여 경로를 만들어내야 하므로 변수의 수를 줄일 수 있다.

도 5는 m+1개의 커브로 구성된 경로의 예를 나타낸다.

종래의 방법은 각 커브에 12개의 변수가 필요하므로 전체 경로를 표현하는데 12*(m+1)개의 변수가 필요하지만 본 발명에 따르면

~

은 접점이 되는 벡터로 공통되고, 각 커브는 (a, b, c, d) 벡터에 의해 경로가 표현되기 때문에 4m+4*(m+1) 개의 변수만으로 전체 경로를 표현할 수 있다.

이렇게 변수를 줄임에 따라 연산시간을 줄일 수 있을 뿐 아니라 최적화를 위한 변동의 폭이 커질 수 있기 때문에 최적화가 훨씬 잘 이루어지는 효과도 있다.

격자그래프 변환부(120)는 경로탐색을 위해 경로를 도 6와 같이 격자모양으로 변환하여 차량이 진행할 수 있는 도로와 진행하지 못하는 곳을 구분하여 경로를 설정할 수 있도록 한다.

경로탐색부(130)는 격자그래프 변환부에 의해 격자형태로 변환된 경로에 A* 알고리즘(에이 스타 알고리즘)을 사용하여 격자그래프 변환부(120)에 의해 변환된 경로상 차량의 최단경로를 찾아낸다.

A* 알고리즘은 주어진 출발 꼭지점에서부터 목표 꼭지점까지 가는 최단 경로를 찾아내는 그래프/나무 탐색 알고리즘 중 하나인데, 단위모션생성기(110)에 의해 생성된 커브들을 조합하여 최단 경로를 찾아내는 것이다.

도 6에서 경로탐색부(130)가 A* 알고리즘에 의해 찾아낸 차량의 최단 이동경로가 검정 실선으로 표시되어 있다.

최적화부(140)에서는 거리 s, 곡률

, 장애물과의 근접도

등으로 구성된 비용함수(cost function) J(x)를 기울기 기반 최적화(Gradient-based optimization)를 통해 최소화하고 이는 다음 수학식 6과 같이 표현된다.

기울기 기반 최적화는 초기 추정값을 비용함수가 줄어드는 기울기 방향으로 반복적으로 변형시켜 최소값을 구하는 방법인데, 자유변수의 변화량에 따라 J(x)가 민감하게 변화하는 경우에는 초기값으로부터 크게 변형시킬 수가 없으므로 초기값에서 변형할 수 있는 자유도의 정도가 떨어지게 된다.

종래 기술은 단위 모션을 컨트롤 포인트인 점들의 집합(Polyline)으로 표현하였는데 이렇게 밀집된 점들의 집합에서 한 점의 위치의 변화는 곡률의 급격한 증가를 발생시키고, 차량의 자동주행에 이를 적용할 경우 급격한 방향전환으로 승객의 불편을 초래할 수 있으므로 최적화 하는데 한계가 있다.

반면 본 발명에 따라 단위 모션인 베지어 커브는 두 개의 컨트롤 포인트와 네 개의 벡터로 표현되고, 병합과정을 거치면 컨트롤 포인트의 개수는 더 줄어들기 때문에 최적화 과정에서 점들의 위치변화에 의해서도 곡률이 급격하게 변화하지 않게 되고, 따라서 종래 발명보다 훨씬 큰 자유도를 가지고 자동주행경로의 최적화를 달성할 수 있어 보다 자연스러운 경로생성과 승객의 편의성을 높일 수 있는 효과가 있다.

최적화 단계에서 컨트롤 포인트의 병합을 통해 변수의 개수를 더 줄이는 방법을 사용한다. 도 7은 병합에 의해 컨트롤 포인트를 줄여나가는 단계별 구성을 나타내는 도면이다.

우선

을 시작 컨트롤 포인트로 하고 반지름을 단위길이(1)로 고정한 베지어 커브의 집합을 단위모션생성기(110)에 의해 만들어낸다. 도 7의 (a)는 이렇게 생성된 베지어 커브들의 집합을 나타낸다.

다음으로 생성된 베지어 커브의 집합을 두 개의 커브의 끝에 맞게 길이 R이 되도록 크기변형(Scaling)한다. R은

과

사이의 유클리디안 거리(Euclidean Distance)를 나타낸다.

중간 컨트롤 포인트인

를 건너뛰고

까지 연결될 수 있도록 단위길이의 베지어 커브를 크기 변형하는 것이다. 도 7의 (b)는 크기 변형된 베지어 커브의 집합을 나타낸다.

크기 변형된 베지어 커브의 집합 중 기존

와

사이,

와

사이를 연결하는 두 개의 베지어 커브와 가장 유사한 커브를 검색한다. 시작 컨트롤 포인트와 종료 컨트롤 포인트는

와

로 정해져 있으므로 전술했던 것처럼 커브의 (a, b, c, d) 벡터를 결정하여 유사한 벡터를 검색하게 된다.

도 7의 (c)에서

,

,

,

는 병합한 커브의 (a, b, c, d)벡터를 각각 나타낸다.

검색한 (a, b, c, d)벡터에 의해 두 개의 단위모션 벡터가 하나의 단위모션 벡터인 5차 베지어 커브로 병합되고 이는

, R(a*, b*, c*, d*),

로 나타낼 수 있다.

커브의 병합 과정에서 충돌을 회피할 수 있다면 계속해서 바텀-업(bottom-up)방식으로 병합을 계속할 수 있다.

도 7의 과정을 거쳐 베지어 커브를 병합함으로써 컨트롤 포인트를 줄일 수 있는 효과가 있고, 컨트롤 포인트를 줄임으로써 최적화의 자유도가 높아지고 따라서, 보다 자연스러운 경로 생성이 가능하다.

도 8은 병합의 단계에 따른 자동주행 경로의 변화를 나타낸다. 도 8의 (a)는 병합하지 않은 경우의 경로이고, 도 8의 (b)와 도 8의 (c)는 각각 1회, 6회의 병합과정을 거친 후의 경로를 나타낸다. 점선으로 표시된 경로가 최적화 전의 경로이고 실선으로 표시된 경로가 최적화 후의 경로인데, 병합이 많이 이루어질수록 장애물로부터 멀리 떨어지고 더 자연스러운 곡선을 이루고 있음을 볼 수 있다.

이상과 같은 구성을 통해 베지어 커브로 자동주행 경로를 생성함에 있어서 컨트롤 포인트와 벡터를 이용하고 병합기법을 사용함으로써 경로 탐색을 위한 연산량을 줄일 수 있어 실시간 경로탐색에 더욱 유리해지고, 자유도가 더 높아짐으로 인해 보다 자연스러운 주행경로를 생성할 수 있다.

도 2는 본 발명의 다른 실시예에 따른 자동주행경로 생성방법의 흐름도를 나타낸다.

단위모션생성단계(S210)에서 베지어 커브를 이용하여 한 쌍의 무인차 상태를 연결하는 모션 세그먼트를 생성한다.

종래 컨트롤 포인트만으로 베지어 커브를 구성하는 것과 달리

의 함수로 베지어 커브를 구성하는 것은 전술한 바와 같다.

격자그래프 생성단계(S220)는 자동차의 주행 경로를 주행가능공간과 주행불가공간으로 나누어 격자형태로 표현한다.

경로탐색단계(S230)는 A*알고리즘을 사용하여 격자형태로 표현된 주행경로에서 최단거리를 찾아내는 단계이다.

마지막으로 최적화단계(S240)는 비용함수 J(x)를 기울기 기반 최적화를 통해 최소화 하고, 단위 모션들인 베지어 커브를 병합함으로써 최적화 한다.

베지어 커브의 병합 과정은 단위커브생성, 크기변형, 탐색, 변형 과정을 거쳐 두 개의 베지어 커브를 하나의 베지어 커브로 병합하고, 장애물과의 부딪힘이 없으면 계속해서 병합을 하게 된다.

한편, 본 발명의 실시예에 따른 주행경로 자동생성방법은 컴퓨터 시스템에서 구현되거나, 또는 기록매체에 기록될 수 있다. 도 4에 도시된 바와 같이, 컴퓨터 시스템은 적어도 하나 이상의 프로세서(421)와, 메모리(423)와, 사용자 입력 장치(426)와, 데이터 통신 버스(422)와, 사용자 출력 장치(427)와, 저장소(428)를 포함할 수 있다. 전술한 각각의 구성 요소는 데이터 통신 버스(422)를 통해 데이터 통신을 한다.

컴퓨터 시스템은 네트워크에 커플링된 네트워크 인터페이스(129)를 더 포함할 수 있다. 상기 프로세서(421)는 중앙처리 장치(central processing unit (CPU))이거나, 혹은 메모리(423) 및/또는 저장소(428)에 저장된 명령어를 처리하는 반도체 장치일 수 있다.

상기 메모리(423) 및 상기 저장소(428)는 다양한 형태의 휘발성 혹은 비휘발성 저장매체를 포함할 수 있다. 예컨대, 상기 메모리(423)는 ROM(424) 및 RAM(425)을 포함할 수 있다.

따라서, 본 발명의 실시예에 따른 주행경로 자동생성방법은 컴퓨터에서 실행 가능한 방법으로 구현될 수 있다. 본 발명의 실시예에 따른 음성인식 장치의 모델 파라미터 학습방법이 컴퓨터 장치에서 수행될 때, 컴퓨터로 판독 가능한 명령어들이 본 발명에 따른 인식 방법을 수행할 수 있다.

한편, 상술한 본 발명에 따른 주행경로 자동생성방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체로는 컴퓨터 시스템에 의하여 해독될 수 있는 데이터가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래시 메모리, 광 데이터 저장장치 등이 있을 수 있다. 또한, 컴퓨터로 판독 가능한 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다.

이상, 본 발명의 구성에 대하여 첨부 도면을 참조하여 상세히 설명하였으나, 이는 예시에 불과한 것으로서, 본 발명이 속하는 기술분야에 통상의 지식을 가진자라면 본 발명의 기술적 사상의 범위 내에서 다양한 변형과 변경이가능함은 물론이다. 따라서 본 발명의 보호 범위는 전술한 실시예에 국한되어서는 아니되며 이하의 특허청구범위의 기재에 의하여 정해져야 할 것이다.

Claims (8)

1. 하나이상의 프로세서를 포함하는 주행경로 자동생성 장치에 있어서, 상기 프로세서는,
   주행경로의 시작점과 끝점을 이루는 컨트롤 포인트와, 시작점과 끝점 사이의 네 개의 변수로 이루어진 벡터로 표현되는 베지어 커브(Bezier Curve)로 이루어진 단위모션을 생성하는 단위모션 생성부;
   상기 주행경로를 주행가능구역과 주행불가구역으로 나누어 격자형태로 표시하는 격자그래프 변환부;
   상기 격자형태로 표시된 주행경로의 최단경로를 탐색하는 경로탐색부; 및
   상기 최단경로를 이동거리, 곡률 및 장애물 근접도 중 적어도 하나를 기반으로 계산하는 최적화부;
   를 포함하여 구현하는 것인 주행경로 자동생성장치.
   
2. 제1항에 있어서, 상기 최적화부는
   상기 단위모션 생성부에 의해 생성된 단위모션 중 인접한 두 개의 단위모션을 병합하여 최적화를 수행하는 것
   인 주행경로 자동생성장치.
   
3. 제2항에 있어서, 상기 최적화부는
   인접한 두 개의 단위모션 중 첫 번째 단위모션의 시작점의 컨트롤 포인트로부터 단위길이를 가지는 베지어 커브의 집합을 생성하는 단계;
   상기 베지어 커브의 집합을 상기 인접하는 두 개의 단위모션 중 두 번째 단위모션의 끝점 컨트롤 포인트까지 크기변환 하는 단계;
   상기 시작점의 컨트롤 포인트와 상기 끝점 컨트롤 포인트를 포함하는 단위모션을 형성하는 네 개의 벡터 중에 상기 크기변환 된 단위모션과 가장 유사한 네 개의 벡터를 탐색하는 단계; 및
   상기 시작점의 컨트롤 포인트, 상기 끝점의 컨트롤 포인트 및 상기 네 개의 벡터로 구성된 단위모션으로 상기 인접한 두 개의 단위모션을 대체하는 단계;
   를 포함하여 최적화를 수행하는 것인 주행경로 자동생성장치.
   
4. 제1항에 있어서, 상기 경로탐색부는
   A*(에이 스타) 알고리즘으에 의해 상기 최단경로를 탐색하는 것
   인 주행경로 자동생성장치.
   
5. 주행경로의 시작점과 끝점을 이루는 컨트롤 포인트와, 시작점과 끝점 사이의 네 개의 변수로 이루어진 벡터로 표현되는 베지어 커브(Bezier Curve)로 이루어진 단위모션을 생성하는 단계;
   상기 주행경로를 주행가능구역과 주행불가구역으로 나누어 격자형태로 표시하는 단계;
   상기 격자형태로 표시된 주행경로의 최단경로를 탐색하는 단계; 및
   상기 최단경로를 이동거리, 곡률 및 장애물 근접도 중 적어도 하나를 기반으로 계산하여 최적화하는 단계;
   를 포함하는 주행경로 자동생성 방법.
   
6. 제5항에 있어서, 상기 최적화 하는 단계는
   상기 단위모션을 생성하는 단계에서 생성된 단위모션 중 인접한 두 개의 단위모션을 병합하여 최적화를 수행하는 것
   인 주행경로 자동생성 방법.
   
7. 제6항에 있어서, 상기 최적화 하는 단계는
   인접한 두 개의 단위모션 중 첫 번째 단위모션의 시작점의 컨트롤 포인트로부터 단위길이를 가지는 베지어 커브의 집합을 생성하는 단계;
   상기 베지어 커브의 집합을 상기 인접하는 두 개의 단위모션 중 두 번째 단위모션의 끝점 컨트롤 포인트까지 크기변환 하는 단계;
   상기 시작점의 컨트롤 포인트와 상기 끝점 컨트롤 포인트를 포함하는 단위모션을 형성하는 네 개의 벡터 중에 상기 크기변환 된 단위모션과 가장 유사한 네 개의 벡터를 탐색하는 단계; 및
   상기 시작점의 컨트롤 포인트, 상기 끝점의 컨트롤 포인트 및 상기 네 개의 벡터로 구성된 단위모션으로 상기 인접한 두 개의 단위모션을 대체하는 단계;
   를 포함하여 최적화를 수행하는 것인 주행경로 자동생성방법.
   
8. 제5항에 있어서, 상기 최단경로를 탐색하는 단계는
   A* 알고리즘에 의해 상기 최단경로를 탐색하는 것
   인 주행경로 자동생성방법.

Images