KR102618247B1

KR102618247B1 - 자율주행 차량의 측위 헤딩오차 보정 장치 및 그의동작 방법

Info

Publication number: KR102618247B1
Application number: KR1020230101464A
Authority: KR
Inventors: 현영진; 이경수; 조아라
Original assignee: (주)에스유엠; 서울대학교산학협력단
Priority date: 2023-08-03
Filing date: 2023-08-03
Publication date: 2023-12-28

Abstract

자율주행 차량의 측위 헤딩오차 보정 장치 및 그의 동작 방법이 개시된다. 본 발명의 실시 예에 따른 자율주행 차량의 측위 헤딩오차 보정 장치는, 도로 형상 정보 및 GPS/IMU 정보를 인식하는 인식 모듈, 인식 모듈에 의해 인식된 도로 형상 정보 및 GPS/IMU 정보를 이용하여 헤딩 정보를 추정하는 측위 모듈, 측위 모듈로부터 자 차량의 위치정보 및 헤딩 정보를 제공받아 목표 주행 경로를 설정하는 거동계획 모듈, 및 설정된 목표 주행 경로에 따라 자 차량이 주행하도록 제어하는 제어 모듈을 포함한다.

Description

자율주행 차량의 측위 헤딩오차 보정 장치 및 그의 동작 방법 {DEVICE FOR CORRECTING LOCALIZATION HEADING ERROR IN AUTONOMOUS CAR AND OPERATING METHDO THEREOF}

본 발명은 자율주행 차량의 측위 헤딩오차 보정 장치 및 그의 동작 방법에 관한 것으로서, 보다 상세하게는, 헤딩 오차를 보정하여 주행 성능을 향상시킨 자율주행 차량의 측위 헤딩오차 보정 장치 및 그의 동작 방법에 관한 것이다.

자율주행 기술은 크게 인지, 측위, 거동계획 및 제어로 구분된다. 개략적으로 살펴보면, 인지 모듈에서 카메라, 라이다 및 레이다 등에 의한 센서 수집 정보를 이용해 차량 주변의 객체 및 도로 형상을 인지하면, 측위 모듈에서 도로 형상 정보, GPS(Global Positioning System) 및 IMU(Inertial Measurement Unit)를 이용하여 절대 좌표계 기준으로 차량의 위치 및 헤딩을 추정한다. 이후, 인지 모듈 및 측위 모듈에서 생성된 정보를 바탕으로 거동계획 모듈에서 차량이 주행해야 하는 횡방향 및 종방향 거동을 결정한다. 마지막으로, 제어 모듈에서는 횡방향 및 종방향 거동을 추정하기 위하여 조향, 구동, 제동 액츄에이터들을 조작한다.

현재까지 개발된 인지 기술은 자율주행 차량이 주행에 필요한 주변 환경 정보 대비 한계에 부딪히고 있다. 인지 기술의 한계는 현존 센서 기술의 인식 범위 및 정확도 제한 및 주행 환경에 따른 영향에 의해 발생한다. 특히, 도심의 도로에서는 자율주행 차량 주변의 차선 도색이 일정하지 않거나 다른 차량에 의해 가려지는 경우가 많기 때문에, 거동계획 모듈이 측위 모듈의 추정 결과값 및 인프라 정보에 의존하게 된다.

그런데, 측위 모듈의 성능은 거동 계획 모듈의 성능과 복합적으로 작용한다. 보다 구체적으로, 측위 모듈 역시 그 활용하는 센서 정보의 정확도 및 정밀도의 영항을 받게 되어 추정 오차가 발생한다. 측위 모듈의 추정 오차는 거동계획 모듈의 성능 저하에 직접적인 영향을 주게 된다.

종래의 자율주행 기술에서의 측위 모듈은 인지 모듈에서 인식한 도로 형상 정보, GPS/IMU 정보를 이용한다. GPS/IMU는 GPS 위성신호를 수신 받아 IMU 정보로 보정한 결과를 제공하는데, GPS 음영 지역에서는 GPS/IMU 센서의 정확도가 상대적으로 저하된다. GPS 음영 지역은 도심 주행 환경에서 매우 빈번하게 조우할 수 있으며, 대표적인 사례로는 지하차도, 고가도로 부근, 높은 건물 주변 및 가로수 주변 등을 들 수 있다. 측위 모듈에서 차량의 위치는 차선, 정지선 등의 인지 정보를 통해 보정이 가능하나, 헤딩(방위각) 정보는 차선의 인지 거리가 짧을 경우 보정에 한계가 있어 GPS 정보에 보다 의존하게 된다.

자율주행 차량의 주행시 헤딩 추정 오차가 존재하게 되면, 차로 중심선 기준으로 횡 방향의 위치 오차가 발생할 수 있다. 이러한 의도하지 않은 편향에 의해, 자율주행 차량이 목표 경로를 추종하지 못할 수 있고, 경로 주변의 장애물과의 충돌 위험이 증가할 수 있다. 즉, 자율주행 차량의 전반적인 주행 성능이 저하되는 결과를 초래한다.

그러므로, 이러한 의도하지 않은 편향을 방지하고, 최종적으로는 자율주행 차량의 성능을 향상시킬 수 있는 방안이 절실히 요구되는 상황이다.

공개특허공보 제10-2020-0021688호(2020. 03. 02. 공개)

전술한 문제점을 해결하기 위하여 본 발명이 이루고자 하는 기술적 과제는, 자율주행 차량에서 헤딩 오차를 추정하여 목표 주행 경로를 보정함으로써, 자율주행 차량이 차선의 중심선을 정확히 추종할 수 있도록 하는 자율주행 차량의 측위 헤딩오차 보정 장치 및 그의 동작 방법을 제시하는 데 있다.

본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

전술한 기술적 과제를 해결하기 위한 수단으로서, 본 발명의 실시 예에 따른 자율주행 차량의 측위 헤딩오차 보정 장치는, 도로 형상 정보 및 GPS/IMU 정보를 인식하는 인식 모듈, 인식 모듈에 의해 인식된 도로 형상 정보 및 GPS/IMU 정보를 이용하여 헤딩 정보를 추정하는 측위 모듈, 측위 모듈로부터 자 차량의 위치정보 및 헤딩 정보를 제공받아 목표 주행 경로를 설정하는 거동계획 모듈, 및 설정된 목표 주행 경로에 따라 자 차량이 주행하도록 제어하는 제어 모듈을 포함한다.

상기 거동계획 모듈은, 자 차량의 주행차선의 차로 중심선 정보와 추정된 헤딩 정보를 이용하여 로컬 좌표계 기준의 목표 주행 경로를 설정하고, 설정된 목표 주행 경로를 이용하여 자 차량의 상태정보를 결정하는 경로 설정부, 결정된 자 차량의 상태정보로부터 헤딩 편차를 추정하고, 추정된 헤딩 편차를 제거하여 보정된 상태정보를 생성하는 편차 제거부 및 보정된 상태정보를 이용하여 목표 횡방향 거동을 결정하는 횡방향 거동 결정부를 포함할 수 있다.

상기 경로 설정부는, 하기의 수식을 이용하여 자 차량의 상태를 결정할 수 있다:

여기서, 은 자 차량의 상태 정보, 는 슬립 비(Slip ratio), 는 요 각속도(Yaw rate), 는 헤딩 에러, 는 측방향 위치 에러, T는 현재 시간이다.

상기 편차 제거부는, 헤딩 편차, 조향각 및 주행 경로의 곡률을 외란(Disturbance)으로 추정하고, 추정된 외란을 헤딩 편차인 것으로 가정하는 추정 모델을 사용할 수 있다.

상기 편차 제거부는, 하기의 수식으로부터 헤딩 편차를 추출할 수 있다.

여기서, 은 최적화 함수, 은 계측값, 은 상기 계측값과 상태값의 관계 행렬, 은 상태 벡터, V_lat 및 W_lat은 가중치 행렬, 은 상기 헤딩 편차를 포함하는 상태 벡터, 은 기정의한 상태방정식, 은 조향각, 는 상기 목표 주행 경로, t는 현재 시간, k는 현재 시간을 기준으로 상태 벡터를 추정하기 위한 이동 구간의 타임 스텝(time step)이다.

상기 편차 제거부는, 하기의 수식에 의해 보정된 상태정보를 결정할 수 있다:

여기서, 은 보정된 상태정보, 는 보정된 슬립 비(Slip ratio), 는 보정된 요 각속도(Yaw rate), 는 보정된 헤딩 에러, 는 보정된 측방향 위치 에러, T는 현재 시간이다.

상기 횡방향 거동 결정부는 하기의 수식으로부터 목표 횡방향 거동을 결정할 수 있다:

여기서, 은 최적화 목적함수, 은 상기 헤딩 편차가 제거된 헤딩 정보를 포함하는 상태 벡터, 은 경로 추종을 위한 목적값, N_p는 제어 입력 계산을 위한 이동 구간 스텝 사이즈(step size), P_lat은 상기 경로 추종을 위한 터미널 상태(terminal state) 가중치, 은 목표 경로 추종을 위한 목적값, Q_lat은 상기 경로 추종에 대한 가중치, 은 상기 목표 횡방향 거동인 요구 조향각, R_lat은 제어 입력에 대한 가중치이다.

한편, 본 발명의 다른 실시예에 따른 자율주행 차량의 측위 헤딩오차 보정 장치의 동작 방법은, 도로 형상 정보 및 GPS/IMU 정보를 인식하는 단계, 인식된 도로 형상 정보 및 GPS/IMU 정보를 이용하여 헤딩 정보를 추정하는 단계, 자 차량의 주행차선의 차로 중심선 정보와 상기 추정된 헤딩 정보를 이용하여 로컬 좌표계 기준의 목표 주행 경로를 설정하는 단계, 설정된 목표 주행 경로를 이용하여 자 차량의 상태정보를 결정하는 단계, 결정된 자 차량의 상태정보로부터 헤딩 편차를 추정하고, 추정된 헤딩 편차를 제거하여 보정된 상태정보를 생성하는 단계, 보정된 상태정보를 이용하여 목표 횡방향 거동을 결정하는 단계 및 설정된 목표 주행 경로에 따라 자 차량이 주행하도록 제어하는 단계를 포함한다.

본 발명에 따르면, 자율주행 차량의 주행 성능에 큰 영향을 끼치는 헤딩 오차를 정확히 추정하여 보상함으로써, 자율주행 시스템의 경로 추종 성능을 향상시킨 자율주행 차량의 측위 헤딩오차 보정 장치 및 그의 동작 방법을 제공하는 효과가 있다.

본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 일 실시예에 따른 자율주행 차량의 측위 헤딩오차 보정 장치의 블록도,
도 2는 자율주행차량의 헤딩 추정 오차에 의해 발생하는 편향 현상의 개념을 설명하기 위한 도면,
도 3은 본 발명에 따른 자율주행 차량의 측위 헤딩오차 보정 장치에 적용된 동역학 모델을 설명하기 위한 도면,
도 4는 본 발명에 따른 자율주행 차량의 측위 헤딩오차 보정 장치에 적용된 MHE 기법을 설명하기 위한 도면,
도 5a 및 도 5b는 본 발명에 따른 자율주행 차량의 측위 헤딩오차 보정 장치의 주행 성능을 나타내기 위한 도면, 그리고,
도 6은 본 발명의 일 실시예에 따른 자율주행 차량의 측위 헤딩오차 보정 장치의 동작 방법을 설명하기 위한 흐름도이다.

이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시 예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 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 제공되는 것이다.

본 명세서에서, 어떤 구성요소가 다른 구성요소 상에 있다고 언급되는 경우에 그것은 다른 구성요소 상에 직접 형성될 수 있거나 또는 그들 사이에 제 3의 구성요소가 개재될 수도 있다는 것을 의미한다.

또한, 제1 엘리먼트 (또는 구성요소)가 제2 엘리먼트(또는 구성요소) 상(ON)에서 동작 또는 실행된다고 언급될 때, 제1 엘리먼트(또는 구성요소)는 제2 엘리먼트(또는 구성요소)가 동작 또는 실행되는 환경에서 동작 또는 실행되거나 또는 제2 엘리먼트(또는 구성요소)와 직접 또는 간접적으로 상호 작용을 통해서 동작 또는 실행되는 것으로 이해되어야 할 것이다.

어떤 엘리먼트, 구성요소, 장치, 또는 시스템이 프로그램 또는 소프트웨어로 이루어진 구성요소를 포함한다고 언급되는 경우, 명시적인 언급이 없더라도, 그 엘리먼트, 구성요소, 장치, 또는 시스템은 그 프로그램 또는 소프트웨어가 실행 또는 동작하는데 필요한 하드웨어(예를 들면, 메모리, CPU 등)나 다른 프로그램 또는 소프트웨어(예를 들면 운영체제나 하드웨어를 구동하는데 필요한 드라이버 등)를 포함하는 것으로 이해되어야 할 것이다.

또한, 어떤 엘리먼트(또는 구성요소)가 구현됨에 있어서 특별한 언급이 없다면, 그 엘리먼트(또는 구성요소)는 소프트웨어, 하드웨어, 또는 소프트웨어 및 하드웨어 어떤 형태로도 구현될 수 있는 것으로 이해되어야 할 것이다.

또한, 본 명세서에서 사용된 용어는 실시 예들을 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 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.

도 1은 본 발명의 일 실시예에 따른 자율주행 차량의 측위 헤딩오차 보정 장치의 블록도이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 자율주행 차량의 측위 헤딩오차 보정 장치(이하, '측위 헤딩오차 보정 장치'라 한다)(1000)는 인식 모듈(100), 측위 모듈(200), 거동계획 모듈(300) 및 제어 모듈(400)을 포함한다. 이하에서, '자 차량' 및 '차량'이라 함은 자율주행 차량을 전제로 한다.

인식 모듈(100)은 도로 형상 정보 및 GPS(Global Positioning System)/IMU(Inertial Measurement Unit) 정보를 인식한다. 이를 위해, 인식 모듈(100)은 카메라, 라이다(Lidar), 레이더(Ladar) 등의 센서를 포함할 수 있고, 이 센서들에 의해 수집된 센서 수집 정보를 이용해 자 차량 주변의 객체 및 도로 형상(차선, 정지선 등)을 인지한다.

측위 모듈(200)은 인식 모듈(100)에 의해 인식된 도로 형상 정보 및 GPS/IMU 정보를 이용하여 절대 좌표계(지구 고정 좌표계)를 기준으로 자 차량의 위치 및 헤딩(방위각) 정보를 추정한다.

거동계획 모듈(300)은 측위 모듈(200)로부터 자 차량의 위치정보 및 헤딩 정보를 제공받아 목표 주행 경로를 설정한다. 이를 위해, 거동계획 모듈(300)은 경로 설정부(310), 편차 제거부(320) 및 횡방향 거동 결정부(330)를 포함한다.

경로 설정부(310)는 자 차량의 주행차선의 차로 중심선 정보와 측위 모듈(200)에 의해 추정된 헤딩 정보를 이용하여, 로컬 좌표계 기준의 목표 주행 경로를 설정한다. 또한, 경로 설정부(310)는 목표 주행 경로를 이용하여 자 차량의 상태정보를 결정한다.

경로 설정부(310)는 수학식 1을 이용하여 자 차량의 상태를 결정한다.

수학식 1에서, 은 자 차량의 상태 정보, 는 슬립 비(Slip ratio), 는 요 각속도(Yaw rate), 는 헤딩 에러, 는 측방향 위치 에러, T는 현재 시간이다.

편차 제거부(320)는 경로 설정부(310)에 의해 결정된 자 차량의 상태정보로부터 헤딩 편차를 추정하고, 추정된 헤딩 편차를 제거하여 보정된 상태정보를 생성한다.

편차 제거부(320)의 동작을 보다 구체적으로 살펴보면, 편차 제거부(320)는 헤딩 편차를 외란으로 가정하여 외란(Disturbance)을 추정하는 추정 모델을 사용한다. 본 발명에 따른 추정 모델은 시스템의 관측 가능성(Observability)을 고려하여 3개의 항을 외란으로 설정하였다. 즉, 본 발명에 따른 추정 모델은 헤딩 편차, 조향각 및 주행 경로의 곡률을 외란으로 추정하고, 이 추정된 외란을 헤딩 편차인 것으로 가정한다. 이를 수식으로 나타내면 수학식 2와 같다.

수학식 2에서, 은 외란, 은 헤딩 편차, 은 조향각 편차, 은 주행경로의 곡률 편차이다.

횡방향 거동 결정부(330)는 편차 제거부(320)에 의해 보정된 상태정보를 이용하여 목표 횡방향 거동을 결정한다. 횡방향 거동 결정부(330)는 수학식 3을 이용하여 목표 횡방향 거동을 추출한다.

수학식 3에서, 은 최적화 목적함수, 은 헤딩 편차가 제거된 헤딩 정보를 포함하는 상태 벡터, 은 경로 추종을 위한 목적값, N_p는 제어 입력 계산을 위한 이동 구간 스텝 사이즈(step size), P_lat은 경로 추종을 위한 터미널 상태(terminal state) 가중치, 은 목표 경로 추종을 위한 목적값, Q_lat은 경로 추종에 대한 가중치, 은 목표 횡방향 거동인 요구 조향각, R_lat은 제어 입력에 대한 가중치이다.

수학식 3에서 은 횡방향 거동 결정부(330)의 출력값에 해당하고, 차량의 전륜 조향각에 해당한다.

제어 모듈(400)은 거동계획 모듈(300)에 의해 설정되는 목표 주행 경로에 따라 자 차량이 주행하도록 조향, 구동, 제동 액추에이터들(조향 핸들, 엑셀 및 브레이크 페달)을 조작 및 제어한다.

도 2는 자율주행차량의 헤딩 추정 오차에 의해 발생하는 편향 현상의 개념을 설명하기 위한 도면이다.

거동계획 모듈(300)은 측위 모듈(200)의 추정 결과값 및 인프라 정보에 의존하여 자 차량의 거동 계획을 설정한다. 이때, 인프라에서 제공하는 대표적인 정보로는 정밀도로지도(HDmap)이 있다. 거동계획 모듈(300)은 정밀도로지도에서 차로 중심선 및 차선 정보를 주로 활용하게 된다.

거동계획 모듈(300)에서 자 차량의 주행 성능에 밀접한 관련이 있는 차로 중심선 정보를 활용하는 방법을 살펴보면 다음과 같다.

첫째로, 거동계획 모듈(300)은 차량의 로컬 좌표계를 기준으로 목표 경로, 목표 횡/종방향 거동을 계획한다. 이 로컬 좌표계는 차량의 무게중심을 원점으로 하고, 좌표축은 차량의 길이 방향, 폭 방향 및 높이 방향과 평행하게 설정한다.

둘째로, 거동계획 모듈(300)은 측위 모듈(200)로부터 절대 좌표계 기준으로 차량의 무게중심의 좌표 즉, 위치정보 및 헤딩정보를 제공받는다.

셋째로, 거동계획 모듈(300)은 자 차량이 주행하는 차로의 중심선 정보를 정밀도로지도에서 추출한 후, 이를 차량의 로컬 좌표계 기준으로 변환하여 로컬 좌표계 기준의 차로 중심선 정보를 취득한다.

넷째로, 거동계획 모듈(300)은 로컬 좌표계 기준의 차로 중심선으로부터 자 차량의 무게 중심 기준 상대 위치 및 방위 오차를 계산한다.

마지막으로, 거동계획 모듈(300)은 차로 중심선을 기준으로 한 상대 위치 및 방위 오차 정보를 자 차량의 상태정보로 사용한다.

상술한 바와 같이, 측위 모듈(200)의 성능은 거동계획 모듈(300)의 성능과 복합 작용하게 된다. 그런데, 측위 모듈(200) 역시 센서 정보의 정확도 및 정밀도의 영향을 받으므로 추정 오차가 존재하게 된다. 측위 모듈(200)의 추정 오차가 있다고 가정하는 경우, 거동계획 모듈(300)의 성능은 측위 모듈(200)의 성능 저하에 직접적인 영향을 받게 된다. 거동계획 모듈(300)은 인식 모듈(100) 및 측위 모듈(200)의 결과를 종합적으로 목표 거동을 결정해야 하므로, 측위 모듈(200)에 내포하는 추정 오차를 고려하는 것이 바람직하다.

차량이 주행할 때 헤딩 추정 오차가 존재하는 경우, 이로 인해 차로 중심선 기준으로 횡 방향의 위치 오차가 발생할 수 있다. 헤딩 추정 오차에 의해 발생하는 편향 현상을 도 2를 통해 살펴본다.

(a)는 차로 중심선(혹은 목표 경로)을 기준으로 실제 횡방향 오차() 및 헤딩 위치 오차()가 없음에도 불구하고, 측위 모듈(200)의 헤딩 추정 오차로 인해 거동계획 모듈(300)에서 차로 중심선 기준의 헤딩 위치 오차가 있는 것으로 입력 받은 상태를 의미한다. 여기서, 실제 오차는 이나, 측정된 오차는 이 된다.

(a)와 같은 상황에서 종래의 알고리즘에서는 헤딩 위치 오차를 보상하기 위해 차량의 조향각(u)을 움직이게 된다. 이를 (b)에 도시하였다. (b)를 참조하면, 차량의 조향각(u)을 움직인 결과로 인해 헤딩 위치 오차()는 줄어들게 되지만, 횡방향 오차()가 발생하게 된다. 결과적으로, 의 상태가 된다.

(b)와 같은 결과를 초래하는 종래의 알고리즘에서의 문제점을 해소하기 위하여, 본 발명에 따른 측위 헤딩오차 보정 장치(1000)는 거동계획 모듈(300)에서 로컬 좌표계 기준의 목표 주행 경로를 설정하고 이에 따른 자 차량의 상태정보를 결정하며, 자 차량의 상태정보를 이용하여 헤딩 편차를 추정 및 제거하여 상태정보를 보정한다. 이러한 동작에 의해 차량을 주행시키면 (c)와 같은 결과를 얻을 수 있다. 차량은 차로 중심선을 추종하여 주행하여야 하는데 이를 위해서는 횡 방향 및 헤딩 위치 오차가 발생하지 않아야 한다.

본 발명에 따른 측위 헤딩오차 보정 장치(1000)에 의하면 (c)와 같이 횡 방향 및 헤딩 위치 오차 발생하지 않는다. 즉, 본 발명에 따른 측위 헤딩오차 보정 장치(1000)의 제어 결과는 이 된다.

도 3은 본 발명에 따른 자율주행 차량의 측위 헤딩오차 보정 장치에 적용된 동역학 모델을 설명하기 위한 도면이다.

본 발명에서는, 차량의 동역학 모델로 자전거 모델(bicycle model)과 목표 경로에 대한 오류 동적 모델(error dynamics model)을 조합하여 차량 횡 방향 동역학 모델을 구성하였다.

도시한 오류 동적 모델에 사용된 요소들의 정의를 표 1에 정리하였다.

구분	정의
	slip angle at vehicle c.o.g.
	yaw rate
	Yaw error w.r.t. road centerline
	Lateral distance error w.r.t. road centerline
	Weights of cost function
	Longitudinal distance from c.o.g. to front/rear tires
	Cornering stiffness of front/rear tires

오류 동적 모델의 방정식은 수학식 4와 같다.

횡방향 동역학 모델의 방정식은 수학식 5와 같다.

수학식 5에 정리한 횡방향 동역학 모델에 의해 상태 방정식을 구성하면, 이는 연속시간(Continuous-time) 도메인이므로 제로 오더 홀드(zero-order hold : ZOH) 방법으로 차분하여 이산시간(discrete-time) 도메인으로 변환하면 수학식 6 및 수학식 7로 정리된다.

수학식 6은 연속시간 상태공간 방정식이다.

수학식 7은 이산시간 상태공간 방정식이다.

도 4는 본 발명에 따른 자율주행 차량의 측위 헤딩오차 보정 장치에 적용된 MHE 기법을 설명하기 위한 도면이다.

도시한 바와 같이, MHE(Moving Horizon Estimation)은 현재 상태(시간 T)로부터 과거의 특정 receding horizon(N) 내에서 취득된 데이터에 대해 취득된 데이터와 상태 방정식을 이용해 receding horizon(N) 내의 각 time step에 추정된 상태값 간의 차이를 최소화할 수 있는 최적의 상태를 추정하는 추정 기법이다. MHE에 의해 추정된 결과는 receding horizon(N) 내의 상태값들이며, 이 상태값들 중에 현재 시간에 대한 상태값이 추정된 상태로 사용된다.

본 발명에서는 차량의 횡 방향 상태 및 외란을 이용한 추정 모델에 MHE 기법을 적용하도록 한다.

수학식 2에서 외란으로 설정된 헤딩편차, 조향각 및 주행 경로의 곡률이 자 차량의 횡 방향 상태에 포함되어 있다고 가정한다. 이러한 전제에 의해, 수학식 6의 이산 시간 도메인 상태공간 방정식을 재정리하면 수학식 8이 된다.

외란() 자체는 별도의 동역학 모델과 관계없이 랜덤워크(random-walk) 특성을 따른다고 가정했을 때, 차량의 횡방향 상태공간 방정식과 외란의 방정식을 결합(augmentation)할 수 있다. 차량의 횡방향 상태공간 방정식과 외란의 방정식을 결합한 후 최종적으로 정리하여 수학식 9를 얻을 수 있다.

여기서, 은 계측값을 의미한다. 계측값 중 차량의 yaw rate는 IMU로부터 주어지고, 경로에 대한 횡방향 및 헤딩 오차는 측위 모듈(200)의 계산 결과를 이용한다. 이를 통해, 차량의 횡방향 상태 및 외란 방정식을 MHE 기법에 적용하여 수학식 10을 얻을 수 있다.

수학식 10은 편차 제거부(320)에서 헤딩 편차를 추출할 때 적용하는 수식에 해당하며, 편차 제거부(320)는 수학식 10으로부터 헤딩 편차()를 추출할 수 있다.

수학식 10에서, 은 최적화 함수, 은 계측값, 은 계측값과 상태값의 관계 행렬, 은 상태 벡터, V_lat 및 W_lat은 가중치 행렬, 은 헤딩 편차를 포함하는 상태 벡터, 은 기정의한 상태방정식, 은 조향각, 는 목표 주행 경로, t는 현재 시간, k는 현재 시간을 기준으로 상태 벡터를 추정하기 위한 이동 구간의 타임 스텝(time step)이다.

편차 제거부(320)는 수학식 10에 의해 헤딩 편차를 추출한 후, 기결정된 자 차량의 상태정보로부터 헤딩 편차를 제거하여 보정된 상태정보를 생성한다. 편차 제거부(320)에서 보정된 상태정보를 결정하기 위해 사용하는 수식이 수학식 11이다.

수학식 11에서, 은 상기 보정된 상태정보, 는 보정된 슬립 비(Slip ratio), 는 보정된 요 각속도(Yaw rate), 는 보정된 헤딩 에러, 는 보정된 측방향 위치 에러, T는 현재 시간이다.

도 5a 및 도 5b는 본 발명에 따른 자율주행 차량의 측위 헤딩오차 보정 장치의 주행 성능을 나타내기 위한 도면이다.

도 5a는 본 발명에 따른 측위 헤딩오차 보정 장치(1000)의 주행 성능을 테스트하기 위하여 설정한 실제 도로 구간을 차로 중심선으로 표시한 것이다. A 구간은 공원에 진입하기 이전의 도로이고, B 구간은 특정 건물이 인접한 도로이며, C는 유턴 구간에 해당하고, D는 시작 지점에 해당한다. 이러한 도로에서는 A 구간과 B 구간에서 GPS 음영이 생기게 된다.

도 5b는 본 발명에 따른 측위 헤딩오차 보정 장치(1000)를 적용한 자율주행 차량의 성능을 평가하기 위하여, A 구간과 같이 GPS 음영이 심한 구간에서 본 발명에 의한 기술을 적용하였을 경우와 적용하지 않았을 경우를 비교하여 그래프로 나타낸 것이다.

(a)는 횡방향 위치 오차를 기록한 것이고, (b)는 헤딩 오차를 기록한 것이며, (c)는 본 발명에 따라 측위 모듈(200)에서 추정된 헤딩 편차를 기록한 것이다. 본 그래프에서 적색의 점선은 본 발명을 적용하지 않았을 경우에 해당하고, 청색의 점선은 본 발명을 적용하였을 경우에 해당한다.

본 발명이 적용되지 않은 경우 A 구간에서는 약 1350m 스테이션에서 횡방향 위치 오차가 최대 -0.6m 발생하였다. 일반적인 도심의 도로의 차선 폭이 3.2m 내지 3.5m이다. 이때, 차량의 폭이 2.0m이면, 0.6m의 위치 오차는 차선을 밟거나 옆 차선을 침범하는 수준으로 매우 위험한 상황일 수 있다. 또한, 횡방향 위치 오차가 0으로 수렴하지 않고, 대부분의 구간에 존재함을 확인할 수 있다.

반면, 동일한 구간에서 본 발명에 따라 추정된 헤딩 오차를 적용한 경우, 횡방향 위치 오차는 -0.15m 내지 0m 이내를 유지함을 확인하였으며, 그 오차는 0으로 수렴함을 확인할 수 있다. 또한, 횡방향 위치가 오차가 발생하더라도 0으로 수렴하는 상황을 반복적으로 진행한다. 결과적으로, 측위 모듈(200)의 헤딩 편향 값이 존재하는 상황에서도 강건하게 목표 경로를 추종하는 주행이 가능하다.

도 6은 본 발명의 일 실시예에 따른 자율주행 차량의 측위 헤딩오차 보정 장치의 동작 방법을 설명하기 위한 흐름도이다.

자율주행 차량은 목표주행 경로를 설정하기 위해 인식 모듈(100)에서 도로 형상 정보를 로딩하고, GPS/IMU 센서로부터 GPS/IMU 정보를 취득 및 인식한다(S510). 여기서, 도로 형상 정보는 정밀도로지도를 활용할 수 있다.

측위 모듈(200)에서는 인식 모듈(100)에서 인식한 도로 형상 정보 및 GPS/IMU 정보를 이용하여 헤딩 정보를 추정한다(S520). 이때, 측위 모듈(200)에서 추정하는 헤딩 정보는 대표적으로 GPS의 수신 성능 저하에 의해 빈번하게 오차가 발생할 수 있다.

경로 설정부(310)에서는 측위 모듈(200)로부터 추정된 헤딩 정보와 자 차량의 주행차선의 차로 중심선 정보를 이용하여 로컬 좌표계 기준의 목표 주행 경로를 설정한다(S530).

경로 설정부(310)에서 목표 주행 경로를 설정하면, 편차 제거부(320)에서는 자 차량의 상태정보로부터 해딩 편차를 추정하고(S540), 추정된 헤딩 편차를 제거하여 보정된 상태정보를 생성한다(S550).

편차 제거부(320)에 의해 보정된 상태정보가 생성되면, 횡방향 거동 결정부(330)에서는 보정된 상태정보를 이용하여 목표 횡방향 거동을 결정한다(S560). 이후, 제어 모듈(400)에서 최종적으로 자 차량을 목표 주행 경로에 따라 제어한다(S570).

이러한 과정에 의해, 본 발명에 따른 측위 헤딩오차 보정 장치(1000)가 적용된 자율주행 차량은 측위 모듈(200)에서 발생하는 헤딩 편차를 보정하여 목표 차선의 중심선을 정확히 추종하여 주행하도록 제어할 수 있다.

본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

1000 : 측위 헤딩오차 보정 장치
100 : 인식 모듈
200 : 측위 모듈
300 : 거동계획 모듈
400 : 제어 모듈

Claims

도로 형상 정보 및 GPS/IMU 정보를 인식하는 인식 모듈;
상기 인식 모듈에 의해 인식된 도로 형상 정보 및 GPS/IMU 정보를 이용하여 헤딩 정보를 추정하는 측위 모듈;
상기 측위 모듈로부터 자 차량의 위치정보 및 헤딩 정보를 제공받아 목표 주행 경로를 설정하는 거동계획 모듈; 및
상기 설정된 목표 주행 경로에 따라 상기 자 차량이 주행하도록 제어하는 제어 모듈;을 포함하고,
상기 거동계획 모듈은,
상기 자 차량의 주행차선의 차로 중심선 정보와 상기 추정된 헤딩 정보를 이용하여 로컬 좌표계 기준의 목표 주행 경로를 설정하고, 상기 설정된 목표 주행 경로를 이용하여 자 차량의 상태정보를 결정하는 경로 설정부;
상기 결정된 자 차량의 상태정보로부터 헤딩 편차를 추정하고, 상기 추정된 헤딩 편차를 제거하여 보정된 상태정보를 생성하는 편차 제거부; 및
상기 보정된 상태정보를 이용하여 목표 횡방향 거동을 결정하는 횡방향 거동 결정부;를 포함하며,
상기 경로 설정부는, 하기의 수식을 이용하여 상기 자 차량의 상태를 결정하는 것을 특징으로 자율주행 차량의 측위 헤딩오차 보정 장치:

여기서, 은 상기 자 차량의 상태 정보, 는 슬립 비(Slip ratio), 는 요 각속도(Yaw rate), 는 헤딩 에러, 는 측방향 위치 에러, T는 현재 시간이다.
삭제
삭제
제 1 항에 있어서,
상기 편차 제거부는, 상기 헤딩 편차, 조향각 및 주행 경로의 곡률을 외란(Disturbance)으로 추정하고, 상기 추정된 외란을 헤딩 편차인 것으로 가정하는 추정 모델을 사용하는 것을 특징으로 하는 자율주행 차량의 측위 헤딩오차 보정 장치.
제 4 항에 있어서,
상기 편차 제거부는, 하기의 수식으로부터 상기 헤딩 편차를 추출하는 것을 특징으로 하는 자율주행 차량의 측위 헤딩오차 보정 장치:

여기서, 은 최적화 함수, 은 계측값, 은 상기 계측값과 상태값의 관계 행렬, 은 상태 벡터, V_lat 및 W_lat은 가중치 행렬, 은 상기 헤딩 편차를 포함하는 상태 벡터, 은 기정의한 상태방정식, 은 조향각, 는 상기 목표 주행 경로, t는 현재 시간, 및 k는 현재 시간을 기준으로 상태 벡터를 추정하기 위한 이동 구간의 타임 스텝(time step)이다.
제 1 항에 있어서,
상기 편차 제거부는, 하기의 수식에 의해 상기 보정된 상태정보를 결정하는 것을 특징으로 하는 자율주행 차량의 측위 헤딩오차 보정 장치:

여기서, 은 상기 보정된 상태정보, 는 보정된 슬립 비(Slip ratio), 는 보정된 요 각속도(Yaw rate), 는 보정된 헤딩 에러, 는 보정된 측방향 위치 에러, T는 현재 시간이다.
제 1 항에 있어서,
상기 횡방향 거동 결정부는 하기의 수식으로부터 상기 목표 횡방향 거동을 결정하는 것을 특징으로 하는 자율주행 차량의 측위 헤딩오차 보정 장치:

여기서, 은 최적화 목적함수, 은 상기 헤딩 편차가 제거된 헤딩 정보를 포함하는 상태 벡터, 은 경로 추종을 위한 목적값, N_p는 제어 입력 계산을 위한 이동 구간 스텝 사이즈(step size), P_lat은 상기 경로 추종을 위한 터미널 상태(terminal state) 가중치, 은 목표 경로 추종을 위한 목적값, Q_lat은 상기 경로 추종에 대한 가중치, 은 상기 목표 횡방향 거동인 요구 조향각, 및 R_lat은 제어 입력에 대한 가중치이다.
도로 형상 정보 및 GPS/IMU 정보를 인식하는 단계;
상기 인식된 도로 형상 정보 및 GPS/IMU 정보를 이용하여 헤딩 정보를 추정하는 단계;
자 차량의 주행차선의 차로 중심선 정보와 상기 추정된 헤딩 정보를 이용하여 로컬 좌표계 기준의 목표 주행 경로를 설정하는 단계;
상기 설정된 목표 주행 경로를 이용하여 상기 자 차량의 상태정보를 결정하는 단계;
상기 결정된 자 차량의 상태정보로부터 헤딩 편차를 추정하고, 상기 추정된 헤딩 편차를 제거하여 보정된 상태정보를 생성하는 단계;
상기 보정된 상태정보를 이용하여 목표 횡방향 거동을 결정하는 단계; 및
상기 설정된 목표 주행 경로에 따라 상기 자 차량이 주행하도록 제어하는 단계;를 포함하고,
상기 자 차량의 상태정보를 결정하는 단계에서, 하기의 수식을 이용하여 상기 자 차량의 상태를 결정하는 것을 특징으로 자율주행 차량의 측위 헤딩오차 보정 장치의 동작 방법:

여기서, 은 상기 자 차량의 상태 정보, 는 슬립 비(Slip ratio), 는 요 각속도(Yaw rate), 는 헤딩 에러, 는 측방향 위치 에러, T는 현재 시간이다.