KR20150087586A - detecting method of vehicle obstacle using of group clustering, and thereof autonomous vehicle system - Google Patents
detecting method of vehicle obstacle using of group clustering, and thereof autonomous vehicle system Download PDFInfo
- Publication number
- KR20150087586A KR20150087586A KR1020140007733A KR20140007733A KR20150087586A KR 20150087586 A KR20150087586 A KR 20150087586A KR 1020140007733 A KR1020140007733 A KR 1020140007733A KR 20140007733 A KR20140007733 A KR 20140007733A KR 20150087586 A KR20150087586 A KR 20150087586A
- Authority
- KR
- South Korea
- Prior art keywords
- obstacle
- vehicle
- laser scanners
- group
- recognizing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004891 communication Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- INFDPOAKFNIJBF-UHFFFAOYSA-N paraquat Chemical compound C1=C[N+](C)=CC=C1C1=CC=[N+](C)C=C1 INFDPOAKFNIJBF-UHFFFAOYSA-N 0.000 description 1
- 235000021178 picnic Nutrition 0.000 description 1
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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
-
- 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
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
본 발명은 장애물 인식방법 및 그 방법을 이용하는 자동차 시스템에 관한 것으로, 보다 상세하게는 그룹 클러스터링을 이용한 차량의 장애물 인식방법 및 그 방법을 이용한 무인 자율주행 자동차 시스템에 관한 것이다.The present invention relates to a method of recognizing an obstacle and an automobile system using the method, and more particularly, to a method of recognizing an obstacle in a vehicle using group clustering and an autonomous autonomous vehicle system using the method.
전 세계적으로 자동차의 안전성, 편리성에 관한 소비자의 관심이 증폭되고 있다. 실제로 완성차업체에서는 차량안전기술에 관련된 여러 부품들을 개발, 장착하여 사용자들로 하여금 크게 호응을 얻고 있다. 특히, ESP(Electronic Stability Program)와 같은 안전부품 장착 의무화가 법적으로 시행되면서 완성차업체 및 부품업체에서 발명가 진행되고 있다.Consumer interest in the safety and convenience of automobiles has been increasing worldwide. In fact, the car makers have developed and installed various parts related to the vehicle safety technology, and they are receiving great favor from users. Particularly, as the mandatory installation of safety parts such as ESP (Electronic Stability Program) is legally enforced, inventors are proceeding in the car makers and parts companies.
최근 정보통신의 발달에 따른 통신(Telecommunication)과 정보과학(Information)이 결합한 텔레매틱스(Telematics), 기존 교통체계 요소에 전자, 제어, 통신 등의 최신 기술을 적용한 지능형 교통체계(ITS: Intelligent Transport Systems)의 등장은 운전자로 하여금 별도의 조작 없이 목적지까지 보다 안전하게 이동할 수 있는 무인자율주행자동차의 상용화를 더욱더 앞당기고 있다.Intelligent Transport Systems (ITS) applying the latest technologies such as electronics, control, and communication to existing transportation system elements, such as Telematics, which combines telecommunication and information science, The commercialization of the autonomous autonomous vehicle which can move the driver safely to the destination without further manipulation is further promoted.
무인자율주행자동차에 사용된 시스템 중, 가장 중요한 것은 사람의 눈과 같은 역할을 하는 장애물 인식 시스템이며, 장애물 인식 시스템에 강조되는 부분은 바로 신뢰성의 문제이다. 예를 들어 무인자율주행자동차에 장착된 레이저스캐너는 과속방지턱이나 요철이 심한 도로에서 피칭(Picthing)현상으로 도로면을 장애물로 인식하는 경우가 많다. 그 결과, 차량에 부적절한 회피경로를 생성으로 자칫 사고로 이어질 수 있다. 따라서 무인자율주행자동차의 장애물인식 신뢰성은 매우 중요하다.Among the systems used in unmanned autonomous vehicles, the most important thing is the obstacle recognition system that acts like the human eye. The emphasis on the obstacle recognition system is a matter of reliability. For example, a laser scanner mounted on an unmanned autonomous vehicle often recognizes the road surface as an obstacle due to a picnic phenomenon on a road with excessive speed bumps or irregularities. As a result, an improper avoidance path is generated in the vehicle, which can lead to an accident. Therefore, the reliability of the recognition of obstacles in autonomous autonomous vehicles is very important.
상술한 문제를 해결하고자 하는 본 발명의 과제는 무인 자율주행 자동차에 있어서, 과속방지턱이나 요철이 심한 도로 등 장애물 인식에 어려움이 있는 조건에서 인식 신뢰성 향상을 위한 방법 및 그 시스템을 제공하고자 한다.An object of the present invention to solve the above problems is to provide a method and system for improving recognition reliability in a condition where an obstacle such as a speed bump or a rough road is difficult to recognize in an unmanned autonomous vehicle.
상술한 과제를 해결하고자 하는 본 발명의 제1 특징은, 그룹 클러스터링을 이용한 차량의 장애물 인식방법으로, (a) 차량 전면에 지면에서 높이가 서로 다른 위치에 이격되어 설치된 적어도 3개의 레이저스캐너를 초기화하는 단계; (b) 상기 설치된 레이저스캐너 모두가 동시에 차량 전면을 스캔하여 장애물 데이터를 검출하는 단계; (c) 상기 레이저스캐너 모두에서 서로 다른 조합으로 2개씩 다수개의 그룹으로 그룹화하여 클러스터링하는 단계; (d) 상기 각 그룹에서 적어도 어느 하나의 그룹의 레이저스캐너 모두가 장애물로 검출되는 경우, 상기 각 그룹 스캔 데이터를 획득하고 취합하여 최종 장애물을 판정하는 단계를 포함한다.According to a first aspect of the present invention, there is provided a method for recognizing an obstacle in a vehicle using group clustering, comprising the steps of: (a) initializing at least three laser scanners installed at different positions on the front surface of the vehicle, ; (b) all of the installed laser scanners simultaneously scan the entire surface of the vehicle to detect obstacle data; (c) grouping and grouping the two laser scanners into a plurality of groups of two in different combinations; (d) when all of the laser scanners of at least one group in each group are detected as obstacles, acquiring and collecting the respective group scan data to determine a final obstacle.
여기서, 상기 (d) 단계에서, 어느 하나의 그룹의 각 레이저스캐너가 모두 장애물로 검출되지 않는 경우, 상기 (b) 단계 이후를 반복하는 단계를 포함하는 것이 바람직하고, 상기 (a) 단계에서, 상기 3개의 레이저스캐너는 설치되는 위치, 높이 및 조사각 기울기가 서로 다른 것이 바람직하다.If it is determined in step (d) that all of the laser scanners of any group are not detected as obstacles, it may be desirable to repeat step (b) and thereafter, and in step (a) Preferably, the three laser scanners have different positions, heights, and irradiation angle slopes.
또한, 바람직하게는 상기 (a) 단계는, 상기 3개의 레이저스캐너의 변조속도(baud rate), 분해능 및 직렬 통신 포트(COM port)를 초기화하는 단계를 포함하는 것일 수 있고, 상기 최종 장애물로 판정되어 생성된 정보는 2차원의 블리언 맵(Boolean Map)으로 표시되는 단계를 더 포함하는 것일 수 있다.
Preferably, the step (a) may include initializing a baud rate, a resolution, and a serial communication port (COM port) of the three laser scanners, And the generated information may be displayed as a two-dimensional Boolean map.
그리고, 본 발명의 제2 특징은, 그룹 클러스터링을 이용한 차량의 장애물 인식방법을 사용하는 무인 자율주행 자동차 시스템으로, 차량주행제어 시스템과, 항법 시스템, 장애물 인식 시스템 및 비젼 시스템으로 구성된 무인 자율주행 자동차 시스템에 있어서, 상기 장애물 인식 시스템은 차량 전면에 지면에서 높이가 서로 다른 위치에 이격되어 설치된 적어도 3개의 레이저스캐너를 포함하되, 상기 레이저스캐너 모두에서 서로 다른 조합으로 2개씩 다수개의 그룹으로 그룹화하여 클러스터링하고, 적어도 한 그룹의 레이저스캐너가 모두 장애물로 검출되는 경우 최종 장애물 인식하는 것을 특징으로 한다.According to a second aspect of the present invention, there is provided an autonomous vehicle autonomous vehicle system using a method of recognizing an obstacle in a vehicle using group clustering, the autonomous autonomous vehicle system comprising a vehicle driving control system, a navigation system, Wherein the obstacle recognition system includes at least three laser scanners spaced apart from each other at a height different from the ground on the front surface of the vehicle, wherein the two laser scanners are grouped into a plurality of groups, And recognizes a final obstacle when at least one group of laser scanners is detected as an obstacle.
여기서, 상기 레이저스캐너는 라이다(Lidar) 장애물 인식 센서인 것이 바람직하고, 상기 항법 시스템은 DGPS(Differential GPS) 장치를 포함하는 것이 바람직하며, 상기 비젼 시스템은 차선 또는 횡단보도를 인식하는 카메라를 적어도 하나 포함하는 것이 바람직하다.Preferably, the laser scanner is a Lidar obstacle recognition sensor. Preferably, the navigation system includes a DGPS (Differential GPS) device. The vision system includes a camera for recognizing a lane or a crosswalk, .
이와 같이 본 발명은 그룹 클러스터링을 사용한 장애물 인식 방법을 적용하여, 무인 자율주행에 있어서 주행 중, 감지한 장애물을 빠르고, 정확하게 인식하여 회피할 수 있는 방법 및 시스템을 제공한다. 또한, 차량의 피칭현상에 따른 노면의 장애물 인식 문제를 상당부분 개선할 수 있는 시스템 및 방법을 제공한다.As described above, the present invention provides a method and system for quickly and accurately recognizing and avoiding obstacles detected while driving on an unmanned autonomous vehicle by applying the obstacle recognition method using group clustering. The present invention also provides a system and method for significantly improving the obstacle recognition problem on the road surface due to the pitching phenomenon of the vehicle.
도 1은 본 발명의 실시예에 따른 그룹 클러스터링을 이용한 차량의 장애물 인식방법을 사용하는 무인 자율주행 자동차 시스템에 관한 블록 구성을 나타낸 도면이고,
도 2는 본 발명의 실시예에 따른 그룹 클러스터링을 이용한 차량의 장애물 인식방법을 사용하는 무인 자율주행 자동차 시스템의 실제 사진이고,
도 3은 본 발명의 실시예에 따른 무인 자율주행 자동차 시스템의 장애물 인식 시스템으로서, 차량 전면에 설치된 레이저스캐너의 모습을 나타낸 사진이고,
도 4는 본 발명의 또 다른 실시예로서, 그룹 클러스터링을 이용한 차량의 장애물 인식방법의 흐름을 나타낸 도면이고,
도 5는 본 발명의 실시예에서 사용한 레이저스캐너의 스캔영역을 나타낸 모식도이고,
도 6은 본 발명의 실시예에서 차량 전면 레이저스캐너로 스캔한 모습을 나타낸 그래프이고,
도 7은 본 발명의 실시예에 따른 차량의 장애물 인식방법에 사용되는 클러스터링 개념도를 나타낸 모식도이고,
도 8은 본 발명의 실시예에 따른 차량의 장애물 인식방법을 적용하여 과속방지턱에서의 테스트하는 모습을 나타낸 사진이고,
도 9는 종래의 비클러스터링에 의한 과속방지턱에서의 노면 스캔 데이터를 나타낸 그래프이고,
도 10은 본 발명의 실시예에 따라 클러스터링에 의한 노면 스캔 데이터를 나타낸 그래프이고,
도 11은 오르막 길 테스트 본 발명의 실시예에 따른 차량의 장애물 인식방법을 적용하여 오르막길에서의 테스트하는 모습을 나타낸 사진이고,
도 12는 종래의 비클러스터링에 의한 비탈진 길에서의 노면 스캔 데이터를 나타낸 그래프이고,
도 13은 본 발명의 실시예에 따라 클러스터링 알고리즘을 사용하여 오르막길을 스캔한 데이터를 나타낸 그래프이다.BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a block diagram of an autonomous autonomous vehicle system using an obstacle recognition method of a vehicle using group clustering according to an embodiment of the present invention,
FIG. 2 is an actual photograph of an autonomous autonomous vehicle system using an obstacle recognition method of a vehicle using group clustering according to an embodiment of the present invention,
FIG. 3 is a photograph showing a state of a laser scanner installed in front of a vehicle, in an unmanned autonomous vehicle system according to an embodiment of the present invention,
4 is a flowchart illustrating a method of recognizing a vehicle obstacle using group clustering according to another embodiment of the present invention,
5 is a schematic view showing a scan region of the laser scanner used in the embodiment of the present invention,
FIG. 6 is a graph illustrating a scan of an entire vehicle laser scanner in the embodiment of the present invention,
FIG. 7 is a conceptual diagram showing a clustering concept diagram used in a vehicle obstacle recognition method according to an embodiment of the present invention,
FIG. 8 is a photograph showing a state in which a vehicle is tested in a speed limit preventing jaw by applying a vehicle obstacle recognizing method according to an embodiment of the present invention,
FIG. 9 is a graph showing road surface scan data in an overspeed preventing jaw by conventional non-clustering,
10 is a graph showing road surface scan data by clustering according to an embodiment of the present invention,
FIG. 11 is a
FIG. 12 is a graph showing road surface scan data on a sloped road by conventional non-clustering,
13 is a graph showing data obtained by scanning an uphill road using a clustering algorithm according to an embodiment of the present invention.
본 발명의 이점 및 특징, 그리고 그것을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 통해 설명될 것이다. 그러나 본 발명은 여기에서 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 단지, 본 실시예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여 제공되는 것이다.BRIEF DESCRIPTION OF THE DRAWINGS The advantages and features of the present invention, and how to accomplish it, will be described with reference to the embodiments described in detail below with reference to the accompanying drawings. However, the present invention is not limited to the embodiments described herein but may be embodied in other forms. The embodiments are provided so that those skilled in the art can easily carry out the technical idea of the present invention to those skilled in the art.
도면들에 있어서, 본 발명의 실시예들은 도시된 특정 형태로 제한되는 것이 아니며 명확성을 기하기 위하여 과장된 것이다. 또한 명세서 전체에 걸쳐서 동일한 참조번호로 표시된 부분들은 동일한 구성요소를 나타낸다.In the drawings, embodiments of the present invention are not limited to the specific forms shown and are exaggerated for clarity. Also, the same reference numerals denote the same components throughout the specification.
본 명세서에서 "및/또는"이란 표현은 전후에 나열된 구성요소들 중 적어도 하나를 포함하는 의미로 사용된다. 또한, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 또한, 명세서에서 사용되는 "포함한다" 또는 "포함하는"으로 언급된 구성요소, 단계, 동작 및 소자는 하나 이상의 다른 구성요소, 단계, 동작, 소자 및 장치의 존재 또는 추가를 의미한다.
The expression "and / or" is used herein to mean including at least one of the elements listed before and after. Also, singular forms include plural forms unless the context clearly dictates otherwise. Also, components, steps, operations and elements referred to in the specification as " comprises "or" comprising " refer to the presence or addition of one or more other components, steps, operations, elements, and / or devices.
이하에서 본 발명의 바람직한 실시예를 도면을 참조하여 상세히 설명하기로 한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the drawings.
도 1은 본 발명의 실시예에 따른 그룹 클러스터링을 이용한 차량의 장애물 인식방법을 사용하는 무인 자율주행 자동차 시스템에 관한 블록 구성을 나타낸 도면이다. 도 1에 나타낸 바와 같이, 본 발명의 실시예에 따른 무인 자율주행 자동차 시스템은, 차량주행제어 시스템과, 항법 시스템, 장애물 인식 시스템 및 비젼 시스템으로 구성된 무인 자율주행 자동차 시스템에 있어서, 상기 장애물 인식 시스템은 차량 전면에 지면에서 높이가 서로 다른 위치에 이격되어 설치된 적어도 3개의 레이저스캐너를 포함하되, 상기 레이저스캐너 모두에서 서로 다른 조합으로 2개씩 다수개의 그룹으로 그룹화하여 클러스터링하고, 적어도 한 그룹의 레이저스캐너가 모두 장애물로 검출되는 경우 최종 장애물 인식하는 것을 특징으로 한다.1 is a block diagram of an autonomous autonomous vehicle system using an obstacle recognition method of a vehicle using group clustering according to an embodiment of the present invention. As shown in FIG. 1, the autonomous vehicle autonomous vehicle system according to the present invention is an autonomous autonomous vehicle system comprising a vehicle running control system, a navigation system, an obstacle recognition system, and a vision system, Wherein at least three laser scanners are installed on the front surface of the vehicle at different heights from each other on the ground. The laser scanners are grouped into a plurality of groups, Are all detected as obstacles.
이와 같이, 본 발명의 실시예에 따른 무인 자율주행 자동차 시스템은 크게 차량주행제어 시스템, 항법 시스템, 장애물인식 시스템, 비젼 시스템의 4개의 부분으로 구성되어 있다. 도 2는 본 발명의 실시예에 따른 그룹 클러스터링을 이용한 차량의 장애물 인식방법을 사용하는 무인 자율주행 자동차 시스템의 실제 사진이다. Thus, the autonomous vehicle autonomous vehicle system according to the embodiment of the present invention is largely composed of four parts: a vehicle driving control system, a navigation system, an obstacle recognition system, and a vision system. 2 is an actual photograph of an unmanned autonomous vehicle system using an obstacle recognition method of a vehicle using group clustering according to an embodiment of the present invention.
여기서, 본 발명의 실시예에 따른 무인 자율주행 자동차 시스템의 장애물 인식 시스템은 차량의 안정적인 주행을 위하여 필수적인 시스템이다. 이것은 차량이 주행 중 주위에 존재하는 여러 장애물 등을 인식하는 장애물을 회피하도록 장애물 관련 정보를 제공하는 역할을 한다.Here, the obstacle recognition system of the unmanned autonomous vehicle system according to the embodiment of the present invention is an essential system for stable running of the vehicle. This serves to provide obstacle related information to avoid obstacles recognizing various obstacles present around the vehicle.
본 발명의 실시예에서는 무인자율주행자동차의 안전한 주행을 위해 주위의 장애물을 인식하기 위하여 레이저스캐너라 부르는 라이다(Lidar)를 장애물 인식 센서로 사용하였다. In the embodiment of the present invention, Lidar, which is called a laser scanner, is used as an obstacle recognition sensor in order to recognize an obstacle around the vehicle for safe driving of the autonomous vehicle.
그리고, 본 발명의 실시예에 따른 무인 자율주행 자동차 시스템에서 레이저스캐너를 사용한 장애물 인식 시스템에서 무인자율주행자동차가 안전하게 주행하기 위해서는 차량주위에 존재하는 다른 사물과의 거리를 획 할 수 있는 거리 측정센서가 필요하다.In an unmanned autonomous vehicle system according to an embodiment of the present invention, in an obstacle recognition system using a laser scanner, in order to safely run an autonomous autonomous vehicle, a distance measurement sensor .
본 발명의 실시예에서는 SICK사의 LMS291-S05 모델을 사용하였다. 레이저스캐너에서 수집된 데이터를 처리하기 위해 NI사의 PXI-1000B를 사용하였으며, 레이저스캐너와 고속 통신을 위하여 RS-422, 직렬 인터페이스(Serial Interface)로는 NI PXI-8431/4를 사용하였다.
In the embodiment of the present invention, the LMS 291-S05 model of SICK was used. We used NI PXI-1000B to process the data collected by the laser scanner, RS-422 for high-speed communication with laser scanner, and NI PXI-8431/4 for serial interface.
도 3은 본 발명의 실시예에 따른 무인 자율주행 자동차 시스템의 장애물 인식 시스템으로서, 차량 전면에 설치된 레이저스캐너의 모습을 나타낸 사진이다. 도 3에 나타낸 바와 같이, 량 전면 범퍼에 다수의 센서가 장착되었으며, 차량 전방의 범퍼를 보았을 때, 가운데의 레이저스캐너를 LMS 1, 왼쪽의 레이저스캐너를 LMS 2, 오른쪽의 레이저스캐너를 LMS 3이라 정했으며, 각각 지면으로부터 LMS 1은 56cm, LMS 2는 47cm, LMS 3는 43cm 높이에 있다.3 is a photograph showing a state of a laser scanner installed on the front of a vehicle, according to an embodiment of the present invention. As shown in FIG. 3, when a large number of sensors are mounted on the front bumper, when the bumper in front of the vehicle is viewed, the laser scanner in the center is called
이렇게 조금씩 높이 차를 둔 까닭은 센서가 차량의 피칭(Pitching)현상에 의해 기울여지더라도 다른 높이에서 설치된 센서들은 스캔하면서 마주친 도로면을 장애물로 인식하는 정도는 서로 다르기 때문이다. 즉, 각각 그룹에 속한 센서들끼리는 높이가 서로 달라서 하나의 센서가 도로면을 장애물로 인식하더라도 그 나머지 센서들은 높이가 다르게 설치되었으므로 장애물로 인식하지 않기 때문이다.
The reason why the height difference is small is that although the sensor is inclined by the pitching phenomenon of the vehicle, the sensors installed at different heights are different from each other in recognizing the facing road surface as an obstacle while scanning. That is, since the heights of the sensors belonging to each group are different from each other, even if one sensor recognizes the road surface as an obstacle, the remaining sensors are not recognized as obstacles because they are installed at different heights.
또한, 도 1에 나타낸 바와 같이, 본 발명의 실시예에 따른 무인 자율주행 자동차 시스템의 항법 시스템은 지구를 일정하게 도는 여러 개의 위성으로부터 나오는 절대좌표를 기준으로 하여 현재 차량의 위치를 알려주며, 미리 정해 놓은 경유점(Way point)까지 갈 수 있도록 정보를 제공하여 차량의 조향각을 결정하는데 중요한 역할을 한다. As shown in FIG. 1, the navigation system of the autonomous navigation vehicle system according to the embodiment of the present invention informs the current position of the vehicle based on the absolute coordinates of a plurality of satellites that constantly make the earth, It is important to determine the steering angle of the vehicle by providing information to go to the way point.
본 발명의 실시예에서 사용되어진 GPS(Global Positioning System)는 DGPS(Differential GPS)로써 NAVCOM 의 StarFire DGPS SF-2050G을 제품을 사용하였다.The GPS (Global Positioning System) used in the embodiment of the present invention uses StarFire DGPS SF-2050G of NAVCOM as DGPS (Differential GPS).
또한 본 발명의 실시예에 따른 무인 자율주행 자동차 시스템의 차량주행제어 시스템에는 횡방향제어와 종방향제어 두 가지로 나눠진다. 횡방향제어에 사용된 모터는 Animatics사의 스마트모터이다. 스티어링 컬럼에 추가로 거치대를 제작하고 모터를 장착 하였으며, 모터와 조향축은 자체 제작한 풀리와 타이밍 밸트를 사용하였다.The vehicle running control system of the unmanned autonomous vehicle system according to the embodiment of the present invention is divided into a lateral control and a longitudinal control. The motors used for the lateral control are Animatics Smart Motors. In addition to the steering column, a mounting base was built and a motor was installed. The motor and the steering shaft used a self-manufactured pulley and a timing belt.
종방향제어에 사용된 엑추에이터는 횡방향제어와 같은 스마트모터를 사용하였으며, 데이터 수집을 위해 브레이크 변위 센서를 사용하였다.The actuator used for the longitudinal control uses a smart motor such as the lateral control, and a brake displacement sensor is used for data acquisition.
더하여, 본 발명의 실시예에서는 비젼 시스템을 더 추가 구성하는 것이 바람직한데 이는 차선이나 횡단 보도 등 차도에 그려진 각종 교통 신호선을 인식하여 무인 자율주행에 있어서 교통법에 따라 주행 가능하게 하고, 교통법의 완전한 준수를 통해 사고를 예방할 수 있도록 하기 위함이다. In addition, it is preferable to further configure the vision system in the embodiment of the present invention, which recognizes various traffic signal lines drawn on the road such as lane or crosswalk, makes it possible to travel according to the traffic law in unmanned autonomous driving, To prevent accidents.
본 발명의 실시예에서는 비젼센서로서 영상인식 센서는 로지텍 사의 카메라를 사용하였다. 카메라의 역할은 무인자율주행차량이 차선을 인식하여 차선 밖으로 차량이 나가지 않도록 하며, 보행자가 다니는 횡단보도를 인식한다.
In the embodiment of the present invention, a vision sensor is a Logitech camera. The role of the camera is that the unmanned autonomous vehicle recognizes the lane so that the vehicle does not come out of the lane and recognizes the pedestrian crosswalk.
도 4는 본 발명의 또 다른 실시예로서, 그룹 클러스터링을 이용한 차량의 장애물 인식방법의 흐름을 나타낸 도면이다. 도 3에 나타낸 바와 같이, 본 발명의 실시예에 따른 그룹 클러스터링을 이용한 차량의 장애물 인식방법은, (a) 차량 전면에 지면에서 높이가 서로 다른 위치에 이격되어 설치된 적어도 3개의 레이저스캐너를 초기화하는 단계(S100); (b) 상기 설치된 레이저스캐너 모두가 동시에 차량 전면을 스캔하여 장애물 데이터를 검출하는 단계(S200); (c) 상기 레이저스캐너 모두에서 서로 다른 조합으로 2개씩 다수개의 그룹으로 그룹화하여 클러스터링하는 단계(S300); 및 (d) 상기 각 그룹에서 적어도 어느 하나의 그룹의 레이저스캐너 모두가 장애물로 검출되는 경우, 상기 각 그룹 스캔 데이터를 획득하고 취합하여 최종 장애물을 판정하는 단계(S400)를 포함한다.4 is a flowchart illustrating a method of recognizing an obstacle in a vehicle using group clustering according to another embodiment of the present invention. As shown in FIG. 3, the method for recognizing an obstacle in a vehicle using group clustering according to an embodiment of the present invention includes the steps of (a) initializing at least three laser scanners installed on the front surface of the vehicle, Step SlOO; (b) scanning all the laser scanners simultaneously to detect obstacle data (S200); (c) grouping and grouping two groups into two groups in different combinations in all of the laser scanners (S300); And (d) if at least one of the laser scanners in each group is detected as an obstacle, acquiring and collecting the group scan data to determine a final obstacle (S400).
이와 같이 본 발명의 실시예에서는 차량 전면에 지면에서 높이가 서로 다른 위치에 이격되어 설치된 적어도 3개의 레이저스캐너를 이용하여, 서로 다른 2개의 조합으로 구성된 레이저스캐너 그룹을 형성하고, 적어도 하나의 그룹에서 모두 장애물로 검출되는 경우에만 최종 장애물로 인식하는 그룹 클러스터링 방법을 사용한 전방 장애물 인식 알고리즘을 사용한다.
As described above, in the embodiment of the present invention, at least three laser scanners provided at positions different in height from the ground on the front face of the vehicle are used to form a laser scanner group composed of two different combinations, We use a front obstacle recognition algorithm that uses a group clustering method that recognizes all obstacles only as a final obstacle.
여기서, 스캔된 장애물 데이터는 극좌표계의 좌표 ( r , θ ) 로 표현이 된다. r은 레이저스캐너에서 장애물까지의 거리, θ는 오른쪽으로부터 장애물까지의 각도를 말한다. 이 극좌표계는 레이저스캐너로부터 전방의 0°에서 180°까지 0.5°마다 거리를 측정하므로 총 361개의 장애물 데이터를 얻게 된다. 도 5는 본 발명의 실시예에서 사용한 레이저스캐너의 스캔영역을 나타낸 모식도이다.Here, the scanned obstacle data is represented by the coordinates (r,?) Of the polar coordinate system. r is the distance from the laser scanner to the obstacle, and θ is the angle from the right to the obstacle. This polar coordinate system measures distances from 0 ° to 180 ° in front of the laser scanner every 0.5 °, resulting in a total of 361 obstacle data. 5 is a schematic diagram showing a scan region of a laser scanner used in an embodiment of the present invention.
이 데이터들은 각 방위각에 대한 거리 값을 나타내므로, 무인자율주행자동차가 사용하는 직교좌표계로 변환해야 한다. 극좌표계의 좌표를 직교좌표계로 변환하는 식은 [수학식 1]과 같다.
Since these data represent distance values for each azimuth angle, they must be converted to the Cartesian coordinate system used by the autonomous autonomous vehicle. The expression for converting the coordinates of the polar coordinate system into the orthogonal coordinate system is expressed by Equation (1).
또한, 본 발명의 실시예에서는 효율적인 데이터 처리를 위해서 관심영역을 정하고, 그 영역을 다시 일정한 간격으로 나눈 2차원 맵(Map)상에 장애물의 정보를 표시했다. 도 6은 본 발명의 실시예에서 차량 전면 레이저스캐너로 스캔한 모습을 나타낸 그래프이다. 도 6에 나타낸 바와 같이, 레이저스캐너로 스캔한 환경의 베럴과 도로 주변의 풀 등이 그래프에 흰색 점으로 표시되어 있음을 알 수 있다.Also, in the embodiment of the present invention, an area of interest is determined for efficient data processing, and the information of obstacles is displayed on a two-dimensional map (Map) in which the area is again divided at regular intervals. FIG. 6 is a graph illustrating a scan of an entire vehicle laser scanner in an embodiment of the present invention. As shown in Fig. 6, the barrel of the environment scanned by the laser scanner and the pool around the road are indicated by white dots on the graph.
그러나, 전방 장애물 인식 방법은 노이즈에 취약한 문제점이 있다. 가령, 요철이 심한 비포장도로나 속도를 줄이기 위해 설치한 과속방지턱에서는 도로와 평행되게 스캔하던 레이저스캐너가 급격한 차량의 피칭(Pitching)현상에 의해 기울여져서 발진된 레이저가 도로면에서 반사되어 장애물로 인식하게 된다. However, the front obstacle recognition method has a problem of being vulnerable to noise. For example, a laser scanner scanned in parallel with a road is tilted by a sudden vehicle pitching phenomenon in an uneven road with uneven roughness or a speed limiter installed to reduce speed, and the laser is reflected from the road surface to be recognized as an obstacle .
뿐만 아니라, 장애물이 놓인 같은 환경이더라도 다수의 레이저스캐너를 장착할 경우 어떤 센서의 경우, 외란에 의해 장애물이 보였다가 안보였다가 하는 인식 불가능한 문제점도 상당히 존재한다.
In addition, even in the same environment where obstacles are placed, there are considerable problems in the case of mounting a plurality of laser scanners in the case of a sensor, in which an obstacle is seen and not seen due to disturbance.
이에 본 발명의 실시예에서는 문제를 해결하기 위해 클러스터링을 사용한 장애물 인식 방법을 제안한다.Therefore, in the embodiment of the present invention, an obstacle recognition method using clustering is proposed to solve the problem.
본 발명의 실시예에서 적용한 클러스터링 알고리즘을 살펴보면, 클러스터링은 원래 여러 대의 컴퓨터 시스템이 연결되어 여러 대의 컴퓨터가 마치 하나의 컴퓨터처럼 수행되는 것을 말하며, 병렬 처리나 부하 배분 및 고장 대비 등의 여러 목적에 맞도록 대비하기 위해 사용한다. 도 7은 본 발명의 실시예에 따른 차량의 장애물 인식방법에 사용되는 클러스터링 개념도를 나타낸 모식도이다.The clustering algorithm used in the embodiment of the present invention refers to clustering in which a plurality of computer systems are connected and a plurality of computers are executed as if they are a single computer. The clustering is performed for various purposes such as parallel processing, load distribution, It is used to prepare for. 7 is a schematic diagram showing a concept of clustering used in a method of recognizing an obstacle in a vehicle according to an embodiment of the present invention.
기존 발명에서의 레이저스캐너를 사용한 장애물 인식 방법에는 스캐너에서 나오는 데이터를 미분하여 장애물의 위치와 개수를 알아내는 방법, 장애물 데이터 분포를 밀도에 따라 구분하여 장애물로 판단하는 방법, 장애물의 위치 데이터를 피팅하여 장애물을 인식하는 방법 등이 있다. In the conventional invention, a method of recognizing an obstacle using a laser scanner includes a method of finding the position and number of obstacles by differentiating the data from the scanner, a method of determining obstacle data by classifying the obstacle data distribution according to density, And recognizing obstacles.
장애물을 인식 하는 방법 중, 스캐너에서 나오는 데이터를 미분하여서 장애물의 위치와 개수를 알아내는 방법은 장애물까지의 거리측정이 쉬우나, 잡음에 상당히 취약한 점이 있다. Among the methods of recognizing the obstacle, the method of finding the position and the number of the obstacle by differentiating the data coming from the scanner is easy to measure the distance to the obstacle, but is considerably weak in noise.
장애물의 위치 데이터를 피팅하여 장애물을 인식하는 방법은 다양한 종류의 장애물을 인식하기 어려운 점이 있다. 장애물 데이터 분포를 밀도에 따라 구분하여 장애물로 판단하는 방법은 주위 환경 변화에 강건함을 가지나, 항상 정해진 위치의 장애물을 판단해야 하므로, 연산 시간이 다소 걸리는 단점이 있다.There is a difficulty in recognizing various kinds of obstacles by fitting the position data of the obstacles and recognizing the obstacles. The method of distinguishing the obstacle data distribution according to the density and judging it as an obstacle is robust to the change of the surrounding environment, but since it is necessary to always judge the obstacle at the predetermined position, there is a disadvantage that the calculation time takes a little.
이를 해결하기 위해서 본 발명의 실시예에서는 적어도 3개의 레이저스캐너에서 스캔한 데이터를 서로 다른 조합의 2개의 레이저스캐너 스캔 데이터로 구성된 그룹화되어 클러스터링된 데이터를 다수 형성하고, 상기 클러스터링된 데이터 중 적어도 하나의 그룹 데이터 모두가 장애물을 검출될 때만 최종 장애물로 인식하는 방법을 제안함으로써, 장애물 인식률을 높이고, 상술한 과속방지턱에서는 도로와 평행되게 스캔하던 레이저스캐너가 급격한 차량의 피칭(Pitching)현상 등에 의한 인식 오류를 개선할 수 있게 된다.In order to solve this problem, in an embodiment of the present invention, a plurality of grouped clustered data composed of two laser scanner scan data of different combinations of data scanned by at least three laser scanners are formed, and at least one of the clustered data It is possible to increase the recognition rate of obstacles by proposing a method of recognizing all of the group data as the final obstacle only when the obstacle is detected and to prevent the recognition error due to the sudden pitching phenomenon of the vehicle Can be improved.
보다 구체적으로 살펴보면, 도 4에 나타낸 바와 같이, 먼저 (a) 단계에서(S100), 각각의 센서는 초기화 단계(Initialization)에서 Baud rate, 분해능, COM port 등의 설정을 마친다.More specifically, as shown in FIG. 4, first, in step (a) (S100), each sensor completes setting of Baud rate, resolution, and COM port in initialization.
(b) 단계에서(S200), 정상적인 초기화 과정을 마치면, 레이저스캐는 차량 전면에 있는 장애물들을 스캔하기 시작한다. In step (b) (S200), when the normal initialization process is completed, the laser scanner starts scanning the obstacles on the front surface of the vehicle.
(c) 단계에서(S300), 세 번째로 3대의 서로 다른 위치, 높이, 기울기의 설치 환경이 다른 레이저스캐너들이 차량 전면의 장애물을 검출하게 되는데, 3대의 레이저스캐너를 2대씩 그룹화하고 클러스터링한다.In step (c) (S300), laser scanners having different installation environments of three different positions, heights and slopes detect the obstacles on the front of the vehicle. The three laser scanners are grouped and clustered by two.
(d) 단계에서(S400), 각 그룹의 레이저스캐너 2대에서 장애물이 똑같이 검출될 때만 그 데이터 값을 장애물로 정의를 내리고 총 3개의 그룹에서 취합된 장애물 데이터 값을 최종적으로 차량 전면에 존재하는 장애물로 판단한다.In step (d) (S400), only when obstacles are detected in two laser scanners of each group, the data values are defined as obstacles, and the obstacle data values collected from the three groups are finally present on the front of the vehicle It is judged to be an obstacle.
그리고, 바람직하게는 취합된 장애물 정보는 2차원의 불리언 맵(Boolean Map)으로 표현 또는 표시되는 것이 바람직하고(S500), 맵 상에서 장애물이 있을 시 1, 없을 시, 0으로 나타낸다.
Preferably, the collected obstacle information is preferably expressed or displayed as a two-dimensional Boolean map (S500). When there is an obstacle on the map, the obstacle information is represented as 1, and when there is no obstacle, 0 is indicated.
실험 및 결과Experiments and results
이하에서, 종래의 장애물 인식 알고리즘과 본 발명의 실시예에서 클러스터링을 사용한 알고리즘을 무인자율주행자동차에 적용 및 비교하여 제안한 알고리즘의 타당성을 검증한다.
In the following, the validity of the proposed algorithm is verified by applying and comparing the conventional obstacle recognition algorithm and the algorithm using the clustering in the embodiment of the present invention to the autonomous autonomous vehicle.
과속방지턱 테스트Speed bite test
도 8은 본 발명의 실시예에 따른 차량의 장애물 인식방법을 적용하여 과속방지턱에서의 테스트하는 모습을 나타낸 사진이다. 도 8에 나타낸 바와 같이, 상기 테스트는 포장도로의 과속방지턱에서 차량을 정차한 후, 기존의 장애물 인식 알고리즘과 클러스터링을 사용한 알고리즘을 레이저스캐너에 각각 적용하여 분석하였다. 과속방지턱의 높이는 지면으로부터 10cm , 폭은 4m 이다. 측정범위는 레이저스캐너를 기준으로 좌우 각각 100cm, 전방 4000cm로 설정하였고, 셀의 크기는 각각 50cm x 50cm 이다.
FIG. 8 is a photograph showing a state in which the vehicle is tested in the overspeed preventing jaw by applying the obstacle recognizing method of the vehicle according to the embodiment of the present invention. As shown in FIG. 8, the test was performed by stopping the vehicle at the speed limit of the paved road and applying the algorithm using the conventional obstacle recognition algorithm and clustering to the laser scanner. The height of the speed limiter is 10 cm from the ground and 4 m in width. The measurement range was set to 100 cm left and right and 4000 cm forward, respectively, based on the laser scanner, and the cell size was 50 cm x 50 cm.
도 9는 종래의 비클러스터링에 의한 과속방지턱에서의 노면 스캔 데이터를 나타낸 그래프이다. 도 9에 나타낸 바와 같이, 비클러스터링 알고리즘을 사용한 무인자율주행자동차가 과속방지턱을 내려가던 중 잠시 멈춰서서 전방 도로면을 스캔하였다. 도로 사이에 가로로 놓인 선이 보인다. 이 선은 센서로부터 방사된 레이저가 지면과 부딪혀 장애물로 인식한 것이다. 또한, 선이 중간에 끊겨 보이는데 이는 테스트도로의 환경에 따라 센서가 지면을 인식하지 못하는 경우도 있기 때문이다.
9 is a graph showing road surface scan data in the overspeed preventing jaw by conventional non-clustering. As shown in FIG. 9, the autonomous autonomous vehicle using the non-clustering algorithm stopped for a while while descending the speed limit bass, and scanned the front road surface. There is a horizontal line between the roads. This line is recognized as an obstacle by the laser radiated from the sensor colliding with the ground. In addition, the line appears interrupted in some cases because the sensor may not recognize the ground depending on the environment of the test road.
도 10은 본 발명의 실시예에 따라 클러스터링에 의한 노면 스캔 데이터를 나타낸 그래프이다. 도 10에 나타낸 바와 같이, 클러스터링 알고리즘을 사용한 무인자율주행자동차가 과속방지턱을 내려가던 중 잠시 멈춰서서 전방 도로면을 스캔하였다. 왼쪽 도면은 3개의 센서가 모두 도로면을 장애물로 인식하고 있으나, 오른쪽 도면을 보면 클러스터링 알고리즘에 의해 도로면을 장애물로 인식하지 않고 있다.
10 is a graph showing road surface scan data by clustering according to an embodiment of the present invention. As shown in FIG. 10, the autonomous autonomous vehicle using the clustering algorithm stopped for a while while descending the speed limit bass, and scanned the front road surface. In the left figure, all three sensors recognize the road surface as an obstacle, but in the right drawing, the road surface is not recognized as an obstacle by the clustering algorithm.
오르막 길 테스트Uphill test
도 11은 오르막 길 테스트 본 발명의 실시예에 따른 차량의 장애물 인식방법을 적용하여 오르막길에서의 테스트하는 모습을 나타낸 사진이다. 도 11에 나타낸 바와 같이, 무인자율주행자동차를 낮은 곳에서 높은 곳으로 시작되는 비탈진 길에 정차를 한 뒤, 기존의 장애물 인식 알고리즘과 클러스터링을 사용한 알고리즘을 각각 적용하여 분석하였다. 측정범위는 측정범위는 레이저스캐너를 기준으로 좌우 각각 100cm, 전방 4000cm로 설정하였고, 셀 각각의 크기는 50cm x 50cm 이다.
FIG. 11 is a photograph showing a test of an uphill road by applying an obstacle recognizing method of a vehicle according to an embodiment of the present invention. As shown in FIG. 11, the autonomous autonomous vehicle is stopped on a sloping road starting from a low place to a high place, and then analyzed by applying the existing obstacle recognition algorithm and clustering algorithm. The measuring range is set to 100 cm left and right and 4000 cm forward according to the laser scanner, and the size of each cell is 50 cm x 50 cm.
도 12는 종래의 비클러스터링에 의한 비탈진 길에서의 노면 스캔 데이터를 나타낸 그래프이다. 비클러스터링 알고리즘을 사용하여 비탈진 길에서 노면을 스캔 화면으로, 도로면 사이에 선으로 된 장애물이 보인다.
12 is a graph showing road surface scan data on a sloped road by conventional non-clustering. Using a non-clustering algorithm, the road surface is scanned on a sloped road, and obstacles appear along the road surface.
도 13은 본 발명의 실시예에 따라 클러스터링 알고리즘을 사용하여 오르막길을 스캔한 데이터를 나타낸 그래프이다. 도 13에 나타낸 바와 같이, 왼쪽의 도면은 3개의 센서 모두 장애물로 인식된 가로줄이 보인다. 하지만, 오른쪽 도면은 클러스터링 알고리즘에 의해 도로면을 장애물로 인식하지 않는다.
13 is a graph showing data obtained by scanning an uphill road using a clustering algorithm according to an embodiment of the present invention. As shown in Fig. 13, the left drawing shows a horizontal line recognized as an obstacle in all three sensors. However, the diagram on the right does not recognize the road surface as an obstacle by the clustering algorithm.
이와 같이 본 발명은 그룹 클러스터링을 사용한 장애물 인식 방법을 적용하여, 무인 자율주행에 있어서 주행 중, 감지한 장애물을 빠르고, 정확하게 인식하여 회피할 수 있는 방법 및 시스템을 제공한다. As described above, the present invention provides a method and system for quickly and accurately recognizing and avoiding obstacles detected while driving on an unmanned autonomous vehicle by applying the obstacle recognition method using group clustering.
또한, 차량의 피칭현상에 따른 노면의 장애물 인식 문제를 상당부분 개선할 수 있는 시스템 및 방법을 제공한다.
The present invention also provides a system and method for significantly improving the obstacle recognition problem on the road surface due to the pitching phenomenon of the vehicle.
이상의 설명에서 본 발명은 특정의 실시 예와 관련하여 도시 및 설명하였지만, 특허청구범위에 의해 나타난 발명의 사상 및 영역으로부터 벗어나지 않는 한도 내에서 다양한 개조 및 변화가 가능 하다는 것을 당 업계에서 통상의 지식을 가진 자라면 누구나 쉽게 알 수 있을 것이다.
While the invention has been shown and described with respect to the specific embodiments thereof, it will be understood by those skilled in the art that various changes and modifications may be made without departing from the spirit and scope of the invention as defined by the appended claims. Anyone with it will know easily.
Claims (9)
(b) 상기 설치된 레이저스캐너 모두가 동시에 차량 전면을 스캔하여 장애물 데이터를 검출하는 단계;
(c) 상기 레이저스캐너 모두에서 서로 다른 조합으로 2개씩 다수개의 그룹으로 그룹화하여 클러스터링하는 단계;
(d) 상기 각 그룹에서 적어도 어느 하나의 그룹의 레이저스캐너 모두가 장애물로 검출되는 경우, 상기 각 그룹 스캔 데이터를 획득하고 취합하여 최종 장애물을 판정하는 단계를 포함하는 것을 특징으로 하는 그룹 클러스터링을 이용한 차량의 장애물 인식방법.
(a) initializing at least three laser scanners installed in front of the vehicle at positions spaced apart from each other at a height on the ground;
(b) all of the installed laser scanners simultaneously scan the entire surface of the vehicle to detect obstacle data;
(c) grouping and grouping the two laser scanners into a plurality of groups of two in different combinations;
(d) if all of the laser scanners of at least one group in each group are detected as obstacles, collecting and collecting each group scan data to determine a final obstacle. A method for recognizing an obstacle in a vehicle.
상기 (d) 단계에서, 어느 하나의 그룹의 각 레이저스캐너가 모두 장애물로 검출되지 않는 경우, 상기 (b) 단계 이후를 반복하는 단계를 포함하는 것을 특징으로 하는 그룹 클러스터링을 이용한 차량의 장애물 인식방법.
The method according to claim 1,
And repeating the step (b) and subsequent steps when all the laser scanners in any group are not detected as obstacles in step (d). .
상기 (a) 단계에서,
상기 3개의 레이저스캐너는 설치되는 위치, 높이 및 조사각 기울기가 서로 다른 것을 특징으로 하는 그룹 클러스터링을 이용한 차량의 장애물 인식방법.
The method according to claim 1,
In the step (a)
Wherein the three laser scanners are installed at different positions, heights, and irradiation angle gradients.
상기 (a) 단계는,
상기 3개의 레이저스캐너의 변조속도(baud rate), 분해능 및 직렬 통신 포트(COM port)를 초기화하는 단계를 포함하는 것을 특징으로 하는 그룹 클러스터링을 이용한 차량의 장애물 인식방법.
The method according to claim 1,
The step (a)
And initializing a baud rate, a resolution, and a serial communication port (COM port) of the three laser scanners.
상기 최종 장애물로 판정되어 생성된 정보는 2차원의 블리언 맵(Boolean Map)으로 표시되는 단계를 더 포함하는 것을 특징으로 하는 그룹 클러스터링을 이용한 차량의 장애물 인식방법.
5. The method according to any one of claims 1 to 4,
The method of claim 1, further comprising the step of displaying the generated information determined as the final obstacle as a two-dimensional Boolean map.
상기 장애물 인식 시스템은 차량 전면에 지면에서 높이가 서로 다른 위치에 이격되어 설치된 적어도 3개의 레이저스캐너를 포함하되, 상기 레이저스캐너 모두에서 서로 다른 조합으로 2개씩 다수개의 그룹으로 그룹화하여 클러스터링하고, 적어도 한 그룹의 레이저스캐너가 모두 장애물로 검출되는 경우 최종 장애물 인식하는 것을 특징으로 하는 그룹 클러스터링을 이용한 차량의 장애물 인식방법을 사용하는 무인 자율주행 자동차 시스템.
An unmanned autonomous vehicle system comprising a vehicle driving control system, a navigation system, an obstacle recognition system, and a vision system using the obstacle recognition method of claim 5,
The obstacle recognizing system includes at least three laser scanners installed on the front surface of the vehicle, the laser scanners being spaced apart from each other at a height different from the ground surface. In the laser scanner, two groups are grouped into a plurality of groups, Wherein the group obstacle is recognized as a final obstacle when all the laser scanners of the group are detected as obstacles.
상기 레이저스캐너는 라이다(Lidar) 장애물 인식 센서인 것을 특징으로 하는 그룹 클러스터링을 이용한 차량의 장애물 인식방법을 사용하는 무인 자율주행 자동차 시스템.
The method according to claim 6,
Wherein the laser scanner is a Lidar obstacle recognition sensor. 2. The system as claimed in claim 1, wherein the laser scanner is a Lidar obstacle recognition sensor.
상기 항법 시스템은 DGPS(Differential GPS) 장치를 포함하는 것을 특징으로 하는 그룹 클러스터링을 이용한 차량의 장애물 인식방법을 사용하는 무인 자율주행 자동차 시스템.
The method according to claim 6,
Wherein the navigation system includes a DGPS (Differential GPS) device. The system of claim 1, wherein the navigation system includes a DGPS (Differential GPS) device.
상기 비젼 시스템은 차선 또는 횡단보도를 인식하는 카메라를 적어도 하나 포함하는 것을 특징으로 하는 그룹 클러스터링을 이용한 차량의 장애물 인식방법을 사용하는 무인 자율주행 자동차 시스템.
The method according to claim 6,
Wherein the vision system includes at least one camera for recognizing a lane or a pedestrian crossing.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140007733A KR20150087586A (en) | 2014-01-22 | 2014-01-22 | detecting method of vehicle obstacle using of group clustering, and thereof autonomous vehicle system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140007733A KR20150087586A (en) | 2014-01-22 | 2014-01-22 | detecting method of vehicle obstacle using of group clustering, and thereof autonomous vehicle system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20150087586A true KR20150087586A (en) | 2015-07-30 |
Family
ID=53876772
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140007733A KR20150087586A (en) | 2014-01-22 | 2014-01-22 | detecting method of vehicle obstacle using of group clustering, and thereof autonomous vehicle system |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20150087586A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190068048A (en) * | 2017-12-08 | 2019-06-18 | 현대자동차주식회사 | Method and apparatus for detecting and avoiding obstacles on driving path |
| US10676057B2 (en) | 2015-10-28 | 2020-06-09 | Lg Innotek Co., Ltd. | Optical output module, vehicle including same, and control method therefor |
| CN112558045A (en) * | 2020-12-07 | 2021-03-26 | 福建（泉州）哈工大工程技术研究院 | Offline acceptance method for multi-line laser radar function of automatic driving equipment |
-
2014
- 2014-01-22 KR KR1020140007733A patent/KR20150087586A/en not_active Application Discontinuation
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10676057B2 (en) | 2015-10-28 | 2020-06-09 | Lg Innotek Co., Ltd. | Optical output module, vehicle including same, and control method therefor |
| US11390229B2 (en) | 2015-10-28 | 2022-07-19 | Lg Innotek Co., Ltd. | Optical output module, vehicle including same, and control method therefor |
| KR20190068048A (en) * | 2017-12-08 | 2019-06-18 | 현대자동차주식회사 | Method and apparatus for detecting and avoiding obstacles on driving path |
| CN112558045A (en) * | 2020-12-07 | 2021-03-26 | 福建（泉州）哈工大工程技术研究院 | Offline acceptance method for multi-line laser radar function of automatic driving equipment |
| CN112558045B (en) * | 2020-12-07 | 2024-03-15 | 福建（泉州）哈工大工程技术研究院 | Offline acceptance method for multi-line laser radar function of automatic driving equipment |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10137890B2 (en) | Occluded obstacle classification for vehicles | |
| CN109844762B (en) | In-vehicle image processing apparatus | |
| US10705220B2 (en) | System and method for ground and free-space detection | |
| US8736820B2 (en) | Apparatus and method for distinguishing ground and obstacles for autonomous mobile vehicle | |
| US8260539B2 (en) | Object and vehicle detection and tracking using 3-D laser rangefinder | |
| US11321950B2 (en) | Apparatus and method for detecting lane information, and computer-readable recording medium storing computer program programmed to execute same method | |
| CN109791408B (en) | Self-position estimation method and self-position estimation device | |
| US20140320644A1 (en) | Determination of a height profile of the surroundings of a vehicle by means of a 3d camera | |
| JPWO2016189732A1 (en) | Self-position estimation apparatus and self-position estimation method | |
| JP2018200267A (en) | Upper structure determination device and driving support system | |
| CN104648403A (en) | Method, apparatus and system for detecting narrow road | |
| JP6911312B2 (en) | Object identification device | |
| US11042759B2 (en) | Roadside object recognition apparatus | |
| JP2009199154A (en) | Puddle detection device, unmanned traveling vehicle, and puddle detection method | |
| CN112567264A (en) | Apparatus and method for acquiring coordinate transformation information | |
| Takahashi et al. | Rear view lane detection by wide angle camera | |
| CN111722249A (en) | Object recognition device and vehicle control system | |
| JP5056861B2 (en) | Ranging device | |
| KR20150087586A (en) | detecting method of vehicle obstacle using of group clustering, and thereof autonomous vehicle system | |
| KR20130130106A (en) | Road information detecting method for auto-driving robot and auto-driving robot using the same | |
| US20170124880A1 (en) | Apparatus for recognizing vehicle location | |
| CN110770744B (en) | Apparatus and method for determining a property of a surface in the surroundings of a vehicle | |
| JP2018084987A (en) | Object recognition device | |
| US11156466B2 (en) | Lane determination device | |
| CN111766601B (en) | Identification device, vehicle control device, identification method, and storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |