KR20170133149A

KR20170133149A - 주행 학습 기반 자율 주행 시스템 및 방법

Info

Publication number: KR20170133149A
Application number: KR1020160064230A
Authority: KR
Inventors: 이민채
Original assignee: 주식회사 만도
Priority date: 2016-05-25
Filing date: 2016-05-25
Publication date: 2017-12-05
Also published as: KR102613790B1

Abstract

본 발명은 차량의 주행 경로가 자주 반복되는 구간에 대해 주행 패턴을 학습하고, 차량에 기 설치된 카메라, 레이다, 초음파, 네비게이션 등을 이용해 자율 주행을 실행하는 주행 학습 기반 자율 주행 시스템 및 방법이 개시된다.
개시된 주행 학습 기반 자율 주행 방법은, (a) 네비게이션부에서 차량의 주행을 위한 목적지를 입력받아 지도 상에 주행 경로를 안내하는 단계; (b) 주행 학습부에서 차량이 현재 주행하는 주행 경로를 모니터링하여 경로 및 주행 패턴을 학습하는 단계; (c) 제어부에서 주행 차량의 현재 위치를 인식하여 자율 주행이 가능한지를 확인하는 단계; (d) 제어부에서 현재 주행 차량이 자율주행이 가능한 주행 경로에 해당하는 지역에 진입한 것으로 인식되면, 운전자에게 알리고 운전자의 선택에 따라 최적 주행 경로에 따라 자율 주행을 제어하는 단계; 및 (e) 주행 동력부에서 제어부의 최적 주행 경로에 근거한 자율 주행 제어에 따라 핸들 조작, 엔진 출력, 제동(Braking)에 관한 동력을 각각 제공하는 단계를 포함한다.
본 발명에 의하면, 자주 주행이 반복되는 구간을 자율 주행하게 됨으로써 실질적인 운전의 부하를 감소시킬 수 있다.

Description

주행 학습 기반 자율 주행 시스템 및 방법{Autonomy driving method and system based on road learning}

본 발명은 주행 학습 기반 자율 주행 시스템 및 방법에 관한 것으로서, 더욱 자세하게는 차량의 주행 시에 주행 환경 데이터(조향각이나 차선, 주변 물체, 도로 상태 등)를 획득하여 지도 데이터에 기록하여 학습하고, 주행이 반복되는 경로 데이터를 누적하여 자율주행이 가능한 경로에 해당하는 지역을 선별하여 지도 데이터에 적용하며, 주행 중 자율주행 가능 경로에 진입 시 자율주행을 수행하는, 주행 학습 기반 자율 주행 시스템 및 방법에 관한 것이다.

일반적으로 네비게이션 장치는 GPS 수신장치 및 지도 데이터를 구비하며, 사용자의 경로 설정에 따라 목적지까지의 경로를 안내하는 기능을 수행한다. 이를 위해 네비게이션 장치는 차량에 거치 또는 설치되며, 이동에 따른 차량의 위치를 지도 상에 표시하고 이동 중에 차량의 진행 방향을 음성으로 안내한다.

종래의 네비게이션 장치는 차선별 주행 상황을 고려하지 않고, 도로를 하나의 차선으로 인식하여 경로를 제공하고 있다. 이러한 종래의 네비게이션의 경우, 빠른 경로 탐색에 장점을 두고 있지만, 차선별 주행 상황이나 주변 물체, 도로 상태 등이 반영되지 않아 운전자가 직접 주행 상황을 판단하고 차선을 선택하면서 주행해야 한다.

한편, 최근에는 운전자의 조작없이 차량 스스로 주행 환경을 인식하여 목적지까지 자동으로 주행하는 자율 주행 차량의 개발이 시도되고 있다.

이러한 자율 주행 차량이 도로 상에서 주행하기 위해서는 주행 환경을 정확하게 인식하는 것이 중요한데, 이를 위해 GPS(global positioning system), 지도 정보, 각종 센서 등을 융합한 주행 환경 인식 기술이 요구되고 있다.

한국 공개특허공보 제2010-0005362호(공개일 : 2010.01.15)

전술한 요구사항을 해결하기 위한 본 발명의 목적은, 차량의 주행 시에 주행 환경 데이터(조향각이나 차선, 주변 물체, 도로 상태 등)를 획득하여 지도 데이터에 기록하여 학습하고, 주행이 반복되는 경로 데이터를 누적하여 자율주행이 가능한 경로에 해당하는 지역을 선별하여 지도 데이터에 적용하며, 주행 중 자율주행 가능 경로에 진입 시 자율주행을 수행하는, 주행 학습 기반 자율 주행 시스템 및 방법을 제공함에 있다.

전술한 목적을 달성하기 위한 본 발명에 따른 주행 학습 기반 자율 주행 시스템은, 차량의 전후좌우 및 주변을 카메라로 촬영하여 영상 데이터를 획득하는 영상 획득부; 차량의 주변에 레이다 신호 또는 초음파 신호를 송신하여 수신된 반사 신호에 근거해 주변 물체를 인식하는 물체 인식부; 차량의 핸들 조작에 따른 조향각(Steering Angle)을 검출하는 조향각 검출부; 차량의 주행 시에 현재 위치를 검출하는 위치 검출부; 차량의 주행을 위한 목적지를 입력받아 지도 상에 주행 경로를 안내하는 네비게이션부; 차량의 주행 시에, 주행 경로에 지도 데이터와 조향각, 차량 속도, 도로 상태, 인식된 주변 물체, 감가속량을 매칭시켜 누적 저장하고, 누적 저장된 데이터들을 학습하여 최적 주행 경로를 획득하는 주행 학습부; 및 획득된 최적 주행 경로에 근거해 누적 횟수가 자율주행이 가능한 지역에 주행하는 차량이 진입한 것으로 인식되면 운전자에게 알리고, 최적 주행 경로에 따라 자율 주행을 제어하는 제어부를 포함한다.

또한, 제어부의 자율 주행 제어에 따라 핸들 조작과 엔진 출력, 제동(Braking)에 관한 동력을 각각 제공하는 주행 동력부를 더 포함할 수 있다.

또한, 주행 학습부는, 주행 경로에 매칭되어 있는 지도 데이터와 조향각, 차량 속도, 도로 상태, 주변 물체, 감가속량에 대한 누적된 데이터에 근거해, 각 누적 회차 시의 데이터들을 각 항목 별로 순차적으로 서로 비교하여, 비교 차이가 일정 이상인 것과 일정 이하인 것으로 분류하고, 비교 차이가 일정 이하인 데이터들에 대해 각 항목 별로 평균 데이터를 학습해 최적 주행 경로를 획득하게 된다.

또한, 주행 학습부는, 누적된 데이터에 근거해 CNN(Convolutional Neural Network) 알고리즘을 통해 각 누적 회차 시의 데이터들을 각 항목 별로 순차적으로 서로 비교하고, 비교 차이가 일정 이상인 것과 일정 이하인 것으로 분류하는 과정을 여러 단계를 거쳐 비교 차이가 일정 이상인 데이터들에 대해 각 항목 별로 평균 데이터를 기준으로 일정 이상으로 차이가 나는 데이터들을 삭제하고 남은 데이터들을 비교 차이가 일정 이하인 데이터들과 합하여 각 항목 별로 평균 데이터를 학습해 최적 주행 경로를 획득할 수 있다.

그리고, 외부 장치와 통신이 가능한 통신부를 더 포함하고, 제어부는 주행 학습부를 통해 획득한 최적 주행 경로를 외부 장치에 전송하여, 다른 차량이 자율주행이 가능한 지역에 위치할 때 외부 장치로부터 최적 주행 경로를 전송받아 자율 주행을 실행하도록 할 수 있다.

한편, 전술한 목적을 달성하기 위한 본 발명에 따른 주행 학습 기반 자율 주행 방법은, (a) 네비게이션부에서 차량의 주행을 위한 목적지를 입력받아 지도 상에 주행 경로를 안내하는 단계; (b) 주행 학습부에서 차량이 현재 주행하는 주행 경로를 모니터링하여 경로 및 주행 패턴을 학습하는 단계; (c) 제어부에서 주행 차량의 현재 위치를 인식하여 자율 주행이 가능한지를 확인하는 단계; (d) 제어부에서 현재 주행 차량이 자율주행이 가능한 주행 경로에 해당하는 지역에 진입한 것으로 인식되면, 운전자에게 알리고 운전자의 선택에 따라 최적 주행 경로에 따라 자율 주행을 제어하는 단계; 및 (e) 주행 동력부에서 제어부의 최적 주행 경로에 근거한 자율 주행 제어에 따라 핸들 조작, 엔진 출력, 제동(Braking)에 관한 동력을 각각 제공하는 단계를 포함한다.

그리고, (b) 단계에서 주행 학습부는, 영상 획득부와 물체 인식부, 조향각 검출부, 위치 검출부를 통해 주행 경로를 모니터링하고, 주행 경로에 지도 데이터와 조향각, 차량 속도, 도로 상태, 인식된 주변 물체, 감가속량을 매칭시켜 주행 패턴을 학습하여 최적 주행 경로를 획득할 수 있다.

본 발명에 의하면, 차량에 기 설치된 각종 센서들을 이용해 자율 주행을 실행할 수 있다.

또한, 출퇴근과 같이 자주 주행이 반복되는 구간의 주행 시에 실질적인 운전의 부하를 감소시킬 수 있다.

또한, 소형차와 같은 저가 세그먼트 차량 및 저렴한 옵션 가격의 시스템에 적용할 수 있다.

그리고, 전국의 도로망에 대해 중앙서버에서 해당 지역 서버의 운영 상태 및 현재 시스템 가용 여부를 관리함에 따라 특정 지역 오류 및 업데이트 시에 전체 서버에 영향을 주지 않으며, 차량 운행 수 및 지역 특성에 따라 서버 시스템을 추가로 증설할 수 있다.

도 1은 본 발명의 실시예에 따른 주행 학습 기반 자율 주행 시스템의 기능 블록을 개략적으로 나타낸 구성도이다.
도 2는 본 발명의 실시예에 따른 주행 학습 기반 자율 주행 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.
도 3은 본 발명의 실시예에 따라 학습하여 획득한 최적 주행 경로를 다른 차량이 활용하여 자율 주행을 실행하는 예를 나타낸 도면이다.
도 4는 본 발명의 실시예에 따라 주행 학습을 위한 주변 정보를 획득하는 예를 나타낸 도면이다.
도 5는 본 발명의 실시예에 따라 각 누적 회차 시의 주행 경로 데이터를 나타낸 도면이다.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.

본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우 뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

어느 부분이 다른 부분의 "위에" 있다고 언급하는 경우, 이는 바로 다른 부분의 위에 있을 수 있거나 그 사이에 다른 부분이 수반될 수 있다. 대조적으로 어느 부분이 다른 부분의 "바로 위에" 있다고 언급하는 경우, 그 사이에 다른 부분이 수반되지 않는다.

제1, 제2 및 제3 등의 용어들은 다양한 부분, 성분, 영역, 층 및/또는 섹션들을 설명하기 위해 사용되나 이들에 한정되지 않는다. 이들 용어들은 어느 부분, 성분, 영역, 층 또는 섹션을 다른 부분, 성분, 영역, 층 또는 섹션과 구별하기 위해서만 사용된다. 따라서, 이하에서 서술하는 제1 부분, 성분, 영역, 층 또는 섹션은 본 발명의 범위를 벗어나지 않는 범위 내에서 제2 부분, 성분, 영역, 층 또는 섹션으로 언급될 수 있다.

여기서 사용되는 전문 용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다. 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분의 존재나 부가를 제외시키는 것은 아니다.

"아래", "위" 등의 상대적인 공간을 나타내는 용어는 도면에서 도시된 한 부분의 다른 부분에 대한 관계를 보다 쉽게 설명하기 위해 사용될 수 있다. 이러한 용어들은 도면에서 의도한 의미와 함께 사용 중인 장치의 다른 의미나 동작을 포함하도록 의도된다. 예를 들면, 도면 중의 장치를 뒤집으면, 다른 부분들의 "아래"에 있는 것으로 설명된 어느 부분들은 다른 부분들의 "위"에 있는 것으로 설명된다. 따라서 "아래"라는 예시적인 용어는 위와 아래 방향을 전부 포함한다. 장치는 90˚ 회전 또는 다른 각도로 회전할 수 있고, 상대적인 공간을 나타내는 용어도 이에 따라서 해석된다.

다르게 정의하지는 않았지만, 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 보통 사용되는 사전에 정의된 용어들은 관련 기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.

이하, 첨부한 도면을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.

도 1은 본 발명의 실시예에 따른 주행 학습 기반 자율 주행 시스템의 기능 블록을 개략적으로 나타낸 구성도이다.

도 1을 참조하면, 본 발명에 따른 주행 학습 기반 자율 주행 시스템(100)은, 네비게이션부(110), 영상 획득부(120), 물체 인식부(130), 조향각 검출부(140), 제어부(150), 위치 검출부(160), 주행 학습부(170), 주행 동력부(180) 및 통신부(190)를 포함한다.

네비게이션부(110)는 차량의 주행을 위한 목적지를 운전자로부터 입력받아 지도 상에 주행 경로를 안내한다.

영상 획득부(120)는 차량의 전후좌우 및 주변을 카메라로 촬영하여 영상 데이터를 획득한다. 이때, 영상 획득부(120)에서 획득된 영상 데이터는 전방 영상, 후방 영상 및 측방 영상을 포함한다.

물체 인식부(130)는 차량의 주변에 레이다 신호 또는 초음파 신호를 송신하여 수신된 반사 신호에 근거해 주변 물체를 인식한다. 또한, 물체 인식부(130)는 영상 획득부(120)를 통해 획득된 영상 데이터를 분석하여 주변 물체를 인식할 수도 있다.

조향각 검출부(140)는 차량의 핸들 조작에 따른 조향각(Steering Angle)을 검출한다.

제어부(150)는 획득된 최적 주행 경로에 근거해 누적 횟수가 자율주행이 가능한 지역에 현재 주행하는 차량이 진입한 것으로 인식되면 운전자에게 알리고, 최적 주행 경로에 따라 자율 주행을 제어한다.

위치 검출부(160)는 차량의 주행 시에 현재 위치를 검출한다. 예를 들면, 위치 검출부(150)는 위성 항법 시스템(GPS:Global Positioning System)을 통해 차량의 현재 위치를 검출하거나, 통신부(190)를 통해 이동통신 기지국과 통신하여 현재 위치를 검출할 수도 있다.

주행 학습부(170)는 차량의 주행 시에, 주행 경로에 지도 데이터와 조향각, 차량 속도, 도로 상태, 인식된 주변 물체, 감가속량을 매칭시켜 누적 저장하고, 누적 저장된 데이터들에 근거해 주행 패턴을 학습하여 최적 주행 경로를 획득한다.

주행 동력부(180)는 제어부(150)의 자율 주행 제어에 따라 핸들 조작과, 엔진 출력, 제동(Braking)에 관한 동력을 각각 제공한다.

통신부(190)는 외부 장치와 통신을 수행한다. 즉, 통신부(190)는 차량의 현재 위치를 검출하기 위해 위성 항법 시스템(GPS)과 통신을 수행하거나, 이동통신 시스템과 통신하여 위치 정보를 수신하거나, 본 발명에 따른 주행 학습 기반 자율 주행 서비스를 제공하는 중앙 서버 장치와 통신망을 통해 자율 주행에 관한 데이터를 송수신할 수 있다.

또한, 주행 학습부(170)는, 주행 경로에 매칭되어 있는 지도 데이터와 조향각, 차량 속도, 도로 상태, 주변 물체, 감가속량에 대한 누적된 데이터에 근거해, 각 누적 회차 시의 데이터들을 각 항목 별로 순차적으로 서로 비교하여, 비교 차이가 일정 이상인 것과 일정 이하인 것으로 분류하고, 비교 차이가 일정 이하인 데이터들에 대해 각 항목 별로 평균 데이터를 학습해 최적 주행 경로를 획득하게 된다.

또한, 주행 학습부(170)는, 누적된 데이터에 근거해 CNN(Convolutional Neural Network) 알고리즘을 통해 각 누적 회차 시의 데이터들을 각 항목 별로 순차적으로 서로 비교하고, 비교 차이가 일정 이상인 것과 일정 이하인 것으로 분류하는 과정을 여러 단계를 거쳐 비교 차이가 일정 이상인 데이터들에 대해 각 항목 별로 평균 데이터를 기준으로 일정 이상으로 차이가 나는 데이터들을 삭제하고 남은 데이터들을 비교 차이가 일정 이하인 데이터들과 합하여 각 항목 별로 평균 데이터를 학습해 최적 주행 경로를 획득할 수 있다.

그리고, 제어부(150)는 주행 학습부(170)를 통해 획득한 최적 주행 경로를 도 3에 도시된 바와 같이 외부 장치(중앙 서버 or 지역 서버)에 전송하여, 다른 차량이 자율주행이 가능한 지역에 위치할 때 외부 장치(중앙 서버 or 지역 서버)로부터 최적 주행 경로를 전송받아 자율 주행을 실행하도록 할 수 있다. 도 3은 본 발명의 실시예에 따라 학습하여 획득한 최적 주행 경로를 다른 차량이 활용하여 자율 주행을 실행하는 예를 나타낸 도면이다. 따라서, 자율 주행이 가능한 지역에서 다른 차량들도 동일한 지역을 미리 주행했던 차량이 경험한 최적 주행 경로를 중앙 서버(또는 지역 서버)로부터 제공받아 자율 주행을 실행할 수 있게 되는 것이다. 또한, 주행 차량이 전술한 바와 같은 과정으로 획득한 최적 주행 경로를 현재 주행 경로에 해당하는 지역을 지역 서버에 전송하고, 해당 지역 서버가 다른 차량들로부터 수신한 다른 최적 주행 경로와 함께 취합하여 중앙 서버에 전송함으로써, 중앙 서버에서 전국에 분산되어 있는 지역 서버들로부터 다양한 최적 주행 경로를 수신하여 취합한 후 해당 지역 서버에 다시 재배분하여 주어 해당 지역을 주행하는 다른 차량들이 해당 지역 서버를 통해 최적 주행 경로를 제공받아 자율 주행을 실행할 수 있도록 할 수 있다.

도 2는 본 발명의 실시예에 따른 주행 학습 기반 자율 주행 방법을 설명하기 위한 동작 흐름도를 나타낸 도면이다.

도 2를 참조하면, 본 발명에 따른 주행 학습 기반 자율 주행 시스템(100)은, 먼저, 네비게이션부(110)에서 차량의 주행을 위한 목적지를 입력받아 지도 상에 주행 경로를 안내한다(S210).

즉, 네비게이션부(110)는 운전자가 입력한 목적지에 도착하기 위한 주행 경로를 지도 데이터 상에 표시하면서 음성 등으로 현재 차량이 주행 경로 상에서 어느 방향으로 진행해야 할 지에 대한 안내를 수행하는 것이다.

이어, 주행 학습부(170)에서 차량이 현재 주행하는 주행 경로를 모니터링하여 경로 및 주행 패턴을 학습한다(S220).

이때, 주행 학습부(170)는 영상 획득부(120)와 물체 인식부(130), 조향각 검출부(140), 위치 검출부(150)를 통해 주행 경로를 모니터링하고, 주행 경로에 지도 데이터와 조향각, 차량 속도, 도로 상태, 인식된 주변 물체, 감가속량을 매칭시켜 주행 패턴을 학습하여 최적 주행 경로를 획득한다.

즉, 영상 획득부(120)는 차량의 전후좌우 및 주변을 카메라로 촬영하여 도 4에 도시된 바와 같이 차선(420)과 주변 물체 등이 포함된 영상 데이터를 획득하고, 물체 인식부(130)는 차량의 주변에 레이다 신호 또는 초음파 신호를 송신하여 수신된 반사 신호에 근거해 도 4에 도시된 바와 같이 속도 표지판(410)이나 가드레일(430) 등 정지물체 정보를 획득한다. 도 4는 본 발명의 실시예에 따라 주행 학습을 위한 주변 정보를 획득하는 예를 나타낸 도면이다.

또한, 조향각 검출부(140)는 차량의 핸들 조작에 따라 조향각(Steering Angle)을 검출하고, 위치 검출부(150)는 차량의 주행 시에 GPS 등을 통해 차량의 현재 위치를 획득한다.

따라서, 주행 학습부(170)는 차량이 현재 주행하는 주행 경로에 네비게이션의 지도 데이터와 조향각, 차량 속도, 도로 상태, 주변 물체, 감가속량에 관한 데이터를 매칭시켜 학습하고, 매 주행 시마다 학습된 데이터를 누적하여 저장하며, 누적 횟수가 일정 이상이 되는 주행 경로에 대해 자율 주행이 가능한 최적 주행 경로로 설정하게 되는 것이다.

또한, 주행 학습부(170)는, 주행 경로에 매칭되어 있는 지도 데이터와 조향각, 차량 속도, 도로 상태, 주변 물체, 감가속량에 대한 누적된 데이터에 근거해, 도 5에 도시된 바와 같이 각 누적 회차 시의 데이터들을 각 항목 별로 순차적으로 서로 비교하여, 비교 차이가 일정 이상인 것과 일정 이하인 것으로 분류하고, 비교 차이가 일정 이하인 데이터들에 대해 각 항목 별로 평균 데이터를 학습해 최적 주행 경로를 획득하게 된다. 도 5는 본 발명의 실시예에 따라 각 누적 회차 시의 주행 경로 데이터를 나타낸 도면이다.

또한, 주행 학습부(170)는, 누적된 데이터에 근거해 CNN(Convolutional Neural Network) 알고리즘을 통해 도 5에 도시된 바와 같은 각 누적 회차 시의 데이터들을 각 항목 별로 순차적으로 서로 비교하고, 비교 차이가 일정 이상인 것과 일정 이하인 것으로 분류하는 과정을 여러 단계를 거쳐 비교 차이가 일정 이상인 데이터들에 대해 각 항목 별로 평균 데이터를 기준으로 일정 이상으로 차이가 나는 데이터들을 삭제하고, 남은 데이터들을 비교 차이가 일정 이하인 데이터들과 합하여 각 항목 별로 평균 데이터를 학습해 최적 주행 경로를 획득할 수 있다.

이어, 제어부(150)는 주행 차량의 현재 위치를 인식하여 자율 주행이 가능한지를 확인한다(S230).

즉, 제어부(150)는 현재 주행 경로가 일정 누적 횟수에 해당하는 주행 경로나 최적 주행 경로에 해당하는 경우에 자율 주행이 가능한 주행 경로인 것으로 확인하는 것이다.

이어, 제어부(150)는 현재 주행 차량이 자율주행이 가능한 주행 경로에 해당하는 지역에 진입한 것으로 인식되면(S240-예), 운전자에게 알리고 운전자의 선택에 따라 최적 주행 경로에 따라 자율 주행을 제어한다(S250).

즉, 제어부(150)는 네비게이션부(110)의 화면 상에 자율 주행이 가능함을 텍스트나 아이콘 형태로 디스플레이하거나, 음향 출력을 통해 가청음으로 자율 주행이 가능한 지역에 진입하였음을 안내하도록 제어하는 것이다. 이때, 운전자를 자율 주행이 가능함을 인지하고, 자율 주행을 실행하도록 하는 버튼이나 메뉴를 선택 입력한 경우에, 제어부(150)는 최적 주행 경로에 따라 자율 주행을 실행하도록 주행 동력부(180)를 제어하는 것이다.

이어, 주행 동력부(180)에서 제어부(150)의 최적 주행 경로에 근거한 자율 주행 제어에 따라 핸들 조작, 엔진 출력, 제동(Braking)에 관한 동력을 각각 제공한다(S260).

예를 들면, 주행 동력부(180)는 EPS(Electric Power Steering)를 이용하여 조향 동작이 실행되도록 하는데, 제어부(150)에서 EPS로 전달하는 각도(Angle) 또는 토크(Torque) 제어 명령에 따라 조향 동작을 실행하는 것이다.

또한, 엔진 출력이나 제동에 대해서는 주행 동력부(180)가 ESC(Electronic Stability Control)를 통하여 감가속 동작을 실행하는데, 제어부(150)에서 ESC로 감가속도를 전달하여 감가속도 제어 명령에 따라 차량의 속도가 제어되는 것이다.

따라서, 주행 동력부(180)에서 제공된 동력을 통해 차량이 좌우 핸들 조작과, 차속에 따른 엔진 출력, 제동 등으로 최적 주행 경로를 따라 자율 주행을 실행하게 되는 것이다.

전술한 바와 같이 본 발명에 의하면, 차량의 주행 시에 주행 환경 데이터(조향각이나 차선, 주변 물체, 도로 상태 등)를 획득하여 지도 데이터에 기록하여 학습하고, 주행이 반복되는 경로 데이터를 누적하여 자율주행이 가능한 경로에 해당하는 지역을 선별하여 지도 데이터에 적용하며, 주행 중 자율주행 가능 경로에 진입 시 자율주행을 수행하는, 주행 학습 기반 자율 주행 시스템 및 방법을 실현할 수 있다.

본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있으므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100 : 주행 학습 기반 자율 주행 시스템
110 : 네비게이션부
120 : 영상 획득부
130 : 물체 인식부
140 : 조향각 검출부
150 : 제어부
160 : 위치 검출부
170 : 주행 학습부
180 : 주행 동력부
190 : 통신부

Claims

차량의 전후좌우 및 주변을 카메라로 촬영하여 영상 데이터를 획득하는 영상 획득부;
상기 차량의 주변에 레이다 신호 또는 초음파 신호를 송신하여 수신된 반사 신호에 근거해 주변 물체를 인식하는 물체 인식부;
상기 차량의 핸들 조작에 따른 조향각(Steering Angle)을 검출하는 조향각 검출부;
상기 차량의 주행 시에 현재 위치를 검출하는 위치 검출부;
상기 차량의 주행을 위한 목적지를 입력받아 지도 상에 주행 경로를 안내하는 네비게이션부;
상기 차량의 주행 시에, 주행 경로에 지도 데이터와 조향각, 차량 속도, 도로 상태, 인식된 주변 물체, 감가속량을 매칭시켜 누적 저장하고, 누적 저장된 데이터들을 학습하여 최적 주행 경로를 획득하는 주행 학습부; 및
상기 획득된 최적 주행 경로에 근거해 누적 횟수가 자율주행이 가능한 지역에 상기 주행하는 차량이 진입한 것으로 인식되면 운전자에게 알리고, 상기 최적 주행 경로에 따라 자율 주행을 제어하는 제어부;
를 포함하는 주행 학습 기반 자율 주행 시스템.
제 1 항에 있어서,
상기 제어부의 자율 주행 제어에 따라 핸들 조작과 엔진 출력, 제동(Braking)에 관한 동력을 각각 제공하는 주행 동력부;
를 더 포함하는, 주행 학습 기반 자율 주행 시스템.
제 1 항에 있어서,
상기 주행 학습부는, 주행 경로에 매칭되어 있는 지도 데이터와 조향각, 차량 속도, 도로 상태, 주변 물체, 감가속량에 대한 누적된 데이터에 근거해, 각 누적 회차 시의 데이터들을 각 항목 별로 순차적으로 서로 비교하여, 비교 차이가 일정 이상인 것과 일정 이하인 것으로 분류하고, 비교 차이가 일정 이하인 데이터들에 대해 각 항목 별로 평균 데이터를 학습해 최적 주행 경로를 획득하는, 주행 학습 기반 자율 주행 시스템.
제 3 항에 있어서,
상기 주행 학습부는, 상기 누적된 데이터에 근거해 CNN(Convolutional Neural Network) 알고리즘을 통해 각 누적 회차 시의 데이터들을 각 항목 별로 순차적으로 서로 비교하고, 비교 차이가 일정 이상인 것과 일정 이하인 것으로 분류하는 과정을 여러 단계를 거쳐 비교 차이가 일정 이상인 데이터들에 대해 각 항목 별로 상기 평균 데이터를 기준으로 일정 이상으로 차이가 나는 데이터들을 삭제하고 남은 데이터들을 비교 차이가 일정 이하인 데이터들과 합하여 각 항목 별로 평균 데이터를 학습해 최적 주행 경로를 획득하는, 주행 학습 기반 자율 주행 시스템.
제 1 항에 있어서,
외부 장치와 통신이 가능한 통신부를 더 포함하고,
상기 제어부는 상기 주행 학습부를 통해 획득한 최적 주행 경로를 상기 외부 장치에 전송하여, 다른 차량이 상기 자율주행이 가능한 지역에 위치할 때 상기 외부 장치로부터 상기 최적 주행 경로를 전송받아 자율 주행을 실행할 수 있도록 하는, 주행 학습 기반 자율 주행 시스템.
(a) 네비게이션부에서 차량의 주행을 위한 목적지를 입력받아 지도 상에 주행 경로를 안내하는 단계;
(b) 주행 학습부에서 상기 차량이 현재 주행하는 주행 경로를 모니터링하여 경로 및 주행 패턴을 학습하는 단계;
(c) 제어부에서 주행 차량의 현재 위치를 인식하여 자율 주행이 가능한지를 확인하는 단계;
(d) 제어부에서 현재 주행 차량이 자율주행이 가능한 주행 경로에 해당하는 지역에 진입한 것으로 인식되면, 운전자에게 알리고 운전자의 선택에 따라 최적 주행 경로에 따라 자율 주행을 제어하는 단계; 및
(e) 주행 동력부에서 상기 제어부의 최적 주행 경로에 근거한 자율 주행 제어에 따라 핸들 조작, 엔진 출력, 제동(Braking)에 관한 동력을 각각 제공하는 단계;
를 포함하는 주행 학습 기반 자율 주행 방법.
제 6 항에 있어서,
상기 (b) 단계에서 상기 주행 학습부는, 영상 획득부와 물체 인식부, 조향각 검출부, 위치 검출부를 통해 주행 경로를 모니터링하고, 주행 경로에 지도 데이터와 조향각, 차량 속도, 도로 상태, 인식된 주변 물체, 감가속량을 매칭시켜 주행 패턴을 학습하여 최적 주행 경로를 획득하는, 주행 학습 기반 자율 주행 방법.