KR20180040245A - 4d 환경정보를 반영한 무인차량의 자율주행 제어 방법 - Google Patents

4d 환경정보를 반영한 무인차량의 자율주행 제어 방법 Download PDF

Info

Publication number
KR20180040245A
KR20180040245A KR1020160131870A KR20160131870A KR20180040245A KR 20180040245 A KR20180040245 A KR 20180040245A KR 1020160131870 A KR1020160131870 A KR 1020160131870A KR 20160131870 A KR20160131870 A KR 20160131870A KR 20180040245 A KR20180040245 A KR 20180040245A
Authority
KR
South Korea
Prior art keywords
unmanned vehicle
map
enemy
environment information
firepower
Prior art date
Application number
KR1020160131870A
Other languages
English (en)
Other versions
KR101917001B1 (ko
Inventor
곽동준
신종호
김종희
Original Assignee
국방과학연구소
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 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020160131870A priority Critical patent/KR101917001B1/ko
Publication of KR20180040245A publication Critical patent/KR20180040245A/ko
Application granted granted Critical
Publication of KR101917001B1 publication Critical patent/KR101917001B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • 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
    • B60W30/10—Path keeping
    • 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
    • B60W30/14—Adaptive cruise control
    • 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
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/10—Path keeping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/14—Cruise control
    • G05D2201/0209—

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 발명은 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법에 관한 것이다. 본 발명의 일 실시예에 따른 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법은, 이동성, 가시성, 살상 및 타격의 속성에 관한 4D 환경정보를 격자지도에 정의하는 단계; 상기 이동성, 가시성, 살상 및 타격의 속성에 관한 4D 환경정보로부터 이동성 격자지도 및 통합 위협지도를 형성하는 단계; 및 상기 이동성 격자지도, 상기 통합 위협지도 및 무인차량의 타입
Figure pat00147
을 고려하여 전역경로수정계획을 수행하는 단계;를 포함한다.

Description

4D 환경정보를 반영한 무인차량의 자율주행 제어 방법{CONTROL METHOD FOR AUTONOMOUS NAVIGATION OF UNMANNED GROUND VEHICLE CONSIDERING 4D ENVIRONMENTAL INFORMATION}
본 발명은 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법에 관한 것으로, 보다 상세하게는 이동성, 가시성, 살상, 타격의 네 가지 속성으로 정의된 4D 환경정보를 반영하여 다수의 위협이 존재하는 전장 상황에서 운용되는 무인차량의 전역경로계획을 수정함으로써 적의 위협을 억제 또는 최소화하는, 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법에 관한 것이다.
유인체계 대비 경제적이고 작전의 신속성을 보장할 수 있으면서도 각종 첨단기술이 망라된 복합시스템으로 부가가치가 큰 무인전투체계에 대한 활용도가 높아지고 있다. 무인전투체계의 효과적인 운용을 위해서는 지휘통제의 주체가 되는 지휘통제차량에서 군사적 운용개념이 적용된 무인차량의 임무통제 방법이 매우 중요하다.
이러한 임무통제는 근접제어, 원격통제 및 자율주행이 있으며, 무인전투체계에서 운용개념상 자율주행방법이 가장 효과적인 방법이다.
자율주행에서 무인차량은 경로계획을 통해 이동경로를 생성하고, 이동경로를 따라 주행하게 된다. 경로계획은 지도가 주어진 상태에서 전체경로를 생성하는 전역경로계획과 센서값들로부터 환경을 인지하며 목표점에 도달하는 지역경로계획이 있다.
한편, 다수 적의 위협 정보가 시시각각 생성되고 소멸되는 전장 상황에서 무인차량을 운용함에 있어 무인차량을 목표지점까지 안전하게 이동시키기 위해 기 계획된 전역경로를 재계획(Replanning)할 필요가 있다.
종래기술의 경우, 전장상황에서 피아간 상호특성을 반영하여 경로계획을 수행하여야 함에도 불구하고, 단순히 무인차량의 이동 가능성과 적의 위협만을 고려하여 경로계획을 수정하여, 변화된 전장 환경정보를 효율적으로 반영할 수 없었고, 피아간 상호특성을 반영하여 경로계획을 수립할 수 없다는 문제점이 있었다.
이에, 전역경로 수정계획은 변화된 전장 환경정보를 효율적으로 반영하여 재계획할 수 있어야 하고, 피아간 상호특성을 반영하여 무인차량의 생존가능성을 높일 수 있는 새로운 경로계획이 필요한 실정이다.
본 발명은 전술한 종래기술의 문제점을 해소하기 위하여 안출한 것으로, 이동성, 가시성, 살상, 타격의 네 가지 속성으로 정의된 4D 환경정보를 반영하여 다수의 위협이 존재하는 전장 상황에서 운용되는 무인차량의 전역경로계획을 수정함으로써 적의 위협을 억제 또는 최소화하는, 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법을 제공하기 위한 것이다.
전술한 과제를 해결하기 위한 본 발명의 실시예에 따른 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법은, 이동성, 가시성, 살상 및 타격의 속성에 관한 4D 환경정보를 격자지도에 정의하는 단계; 상기 이동성, 가시성, 살상 및 타격의 속성에 관한 4D 환경정보로부터 이동성 격자지도 및 통합 위협지도를 형성하는 단계; 및 상기 이동성 격자지도, 상기 통합 위협지도 및 무인차량의 타입
Figure pat00001
을 고려하여 전역경로수정계획을 수행하는 단계;를 포함한다.
상기이동성
Figure pat00002
Figure pat00003
은 상기 무인차량
Figure pat00004
가 이동 가능한 영역(Traversable cells)과 이동 불가능한 영역(Untraversable cells)으로 구분되어 형성되는 것을 특징으로 한다.
상기 격자지도를 형성하는 단계에서,
상기 가시성(102)
Figure pat00005
은 개별 적의 위치에 따라 생성한 가시성 정보
Figure pat00006
를 융합하며, 적의 위치와 지형의 고도(DEM)에 대한 작전지역 상에서 적들의 시야를 나타내는 것을 특징으로 한다.
상기 살상 속성
Figure pat00007
은 타입이
Figure pat00008
인 적
Figure pat00009
의 유효 사격 거리
Figure pat00010
에 대한 살상력이며,
Figure pat00011
인 것을 특징으로 한다.
(
Figure pat00012
Figure pat00013
: 적의 위치,
Figure pat00014
Figure pat00015
: 무인차량의 위치)
상기 격자지도를 형성하는 단계에서,
상기 타격 속성
Figure pat00016
은 적
Figure pat00017
의 위치
Figure pat00018
에 대한 무인차량의 위치
Figure pat00019
에서의 피해 정도이며,
Figure pat00020
인 것을 특징으로 한다.
(여기서
Figure pat00021
와
Figure pat00022
는 각각 화력의 세기, 타격 범위를 나타내며, 적의 타입
Figure pat00023
에 따라 다르게 설정)
통합 위협지도를 형성하는 단계에서, 상기 통합 위협지도는 가시성 지도와FOE KH(Kill/Hit) 속성지도의 곱,
Figure pat00024
으로 형성되는 것을 특징으로 한다.
상기 FOE KH(Kill/Hit)속성지도의 FOE KH 속성
Figure pat00025
Figure pat00026
은 개별 적
Figure pat00027
의 KH(Kill/Hit) 속성
Figure pat00028
을 누적하여 형성한 것을 특징으로 한다.
상기 전역경로수정계획을 수행하는 단계는, 임의 위치에서 무인차량의 위험도를 평가하는 단계; 상기 적의 위협이 존재하는지 판단하는 단계;및 상기 적의 화력이 무인차량의 화력보다 큰지 판단하는 단계;를 포함하는 것을 특징으로 한다.
상기 임의 위치에서 무인차량의 위험도를 평가하는 단계는, 상기 통합 위협지도 및 상기 무인차량의 타입
Figure pat00029
을 고려하여 상기 무인차량의 위험도를 평가하는 것을 특징으로 한다.
상기 무인차량의 위험도는,
Figure pat00030
인 것을 특징으로 한다. (
Figure pat00031
는 무인차량의 KH 속성이며,
Figure pat00032
는 통합 위협지도의 속성)
상기 적의 위협이 존재하는지 판단하는 단계에서, 상기 적의 위협이 전혀 존재하지 않는 경우, 상기 이동성 격자지도를 이용하여 장애물을 피해가는 경로를 생성하는 것을 특징으로 한다.
상기 적의 화력이 무인차량의 화력보다 큰지 판단하는 단계에서, 상기 적의 화력이 상기 무인차량의 화력보다 큰 경우, 우회경로를 선택하는 것을 특징으로 한다.
상기 적의 화력이 무인차량의 화력보다 큰지 판단하는 단계에서, 상기 무인차량의 화력이 적의 화력보다 크거나 대등한 경우, 기 계획된 경로와 동일한 경로를 선택하거나 이동성 격자지도를 이용하여 장애물을 피해가는 경로를 생성하는 것을 특징으로 한다.
상기 전역경로수정계획을 수행하는 단계는 D* lite 알고리즘을 이용하여 전역경로수정계획을 수행하는 것을 특징으로 한다.
상기 D* lite 알고리즘의 휴리스틱스(Heuristics)
Figure pat00033
,
Figure pat00034
인 것을 특징으로 한다.
(여기서
Figure pat00035
는 셀
Figure pat00036
와
Figure pat00037
사이의 거리를 의미하며,
Figure pat00038
는 지시 함수(Indicator function)이며,
Figure pat00039
는 상수이며,
Figure pat00040
는 위험 한계치
Figure pat00041
보다 위험도
Figure pat00042
가 높은 모든 셀의 집합으로
Figure pat00043
이다)
본 발명은 4D 환경정보로부터 이동성 지도와 통합 위협지도를 형성하여 경로계획 시 활용할 수 있도록 하되, 이동성 지도를 통해 무인차량은 이동 가능한 영역에 대해 최단 경로를 찾을 수 있고, 통합 위협지도와 무인차량의 유형을 고려하여 적의 위협을 억제 또는 무인차량의 위험을 최소화하는 경로를 생성함을 알 수 있다.
또한, 본 발명은 경로를 계획하고 환경정보가 다를 경우 경로를 실시간으로 재생성하는D* lite 알고리즘을 사용하여, 4D 환경정보로부터의 위험도 및 장애물 바탕으로 한 무인차량의 작전의 신속성을 보장할 수 있다.
도 1은 본 발명의 일 실시예에 따른 4D 환경정보를 반영한 무인차량의 자율주행 제어방법의 개략적인 순서도,
도 2는 본 발명의 일 실시예에 따른 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법의 순서도,
도 3은 본 발명의 일 실시예에 따른 4D환경정보로부터 생성된 각 격자지도,
도 4는 본 발명의 일 실시예에 따른 4D 환경정보를 반영한 전역경로수정계획 결과의 제1실시예를 나타낸 결과도,
도 5는 본 발명의 일 실시예에 따른 4D 환경정보를 반영한 전역경로수정계획 결과의 제2 실시예를 나타낸 결과도이다.
본 명세서 및 청구범위에서 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시 예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시 예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형 예들이 있을 수 있음을 이해하여야 한다. 또한, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다. 이하 본 발명의 바람직한 실시 예를 첨부된 도면을 참조하여 상세히 설명하기로 한다.
본 발명의 일 실시예에 따른 무인차량의 전역경로수정계획에서 성능지표로 활용될 이동성, 가시성, 살상, 타격의 4D 환경정보를
Figure pat00044
의 셀
Figure pat00045
로 이루어진 격자지도 상에 정의한다.
도 1은 본 발명의 일 실시예에 따른 4D 환경정보를 반영한 무인차량의 자율주행 제어방법의 개략적인 순서도이며, 도 2는 본 발명의 일 실시예에 따른 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법의 순서도이다.
도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 따른4D 환경정보를 반영한 무인차량의 자율주행 제어 방법은, 이동성, 가시성, 살상 및 타격에 관한 4D 환경정보를 격자지도에 정의하는 단계(S100); 상기 가시성, 살상 및 타격의 속성에 관한 4D 환경정보로부터 이동성 격자지도 및 통합 위협지도를 형성하는 단계(S200); 및 상기 이동성 격자지도, 상기 통합 위협지도 및 무인차량의 타입
Figure pat00046
을 고려하여 전역경로수정계획을 수행하는 단계(S300);를 포함한다.
도 1 내지 도 3을 참조하면, 4D 환경정보를 격자지도에 정의하는 단계(S100)는, 이동성 속성을 정의하는 단계(S110), 가시성 속성을 정의하는 단계(S120), 살상 속성을 정의하는 단계(S130) 및 타격 속성을 정의하는 단계(S140)를 포함한다.
이동성 격자지도(110)의 이동성
Figure pat00047
Figure pat00048
은 무인차량
Figure pat00049
가 이동 가능한 영역(Traversable cells)과 이동 불가능한 영역(Untraversable cells)으로 구분되어 형성되는 것을 특징으로 한다.
도 3을 참조하면, 이동성 격자지도(110)는 작전지역의 토지 피복도, DEM 등을 고려하여 반영된 격자지도로서, 무인차량이 이동할 수 없는 장애물 영역에 대해서는 0의 값을 갖도록 하여 광역 경로계획 시 해당 지역을 통고하지 않도록 한다.
생성된 이동성 격자지도(110)는 통합 위협지도(140) 및 무인차량의 타입
Figure pat00050
을 고려하여 전역경로수정계획을 수행하게 된다.
이동성 격자지도(110)를 통해 무인차량은 이동 가능한 영역에 대하여 최단 경로를 찾아갈 수 있다.
도 3을 참조할 때, 가시성 격자지도(120)의 점으로 나타낸 부분이 적 2기이며, 가시성 격자지도(120)는 적 2기의 위치에 따라 생성한 개별 가시성 정보를 융합한 것을 나타낸다.
가시성 격자지도(120)의 가시성
Figure pat00051
은 개별 적의 위치에 따라 생성한 가시성 정보
Figure pat00052
를 융합하며, 적의 위치와 지형의 고도(DEM)에 대한 작전지역 상에서 적들의 시야를 나타내는 것을 특징으로 한다.
즉, 가시성 격자지도(120)의 가시성
Figure pat00053
은 적
Figure pat00054
의 위치와 지형의 고도에 따라 작전지역 상에서 적
Figure pat00055
가 볼 수 있는 정도를 나타낸다. 보다 상세하게는, 가시성은 다음 수학식 1로 표현될 수 있으며,
Figure pat00056
여기서, Nfoe는 전체 적의 수를 의미한다.
추후 통합 위협지도(140)는 FOE 가시성 지도와 FOE KH(Kill/Hit) 속성지도의 곱,
Figure pat00057
으로 형성된다.
살상 속성
Figure pat00058
은 타입이
Figure pat00059
인 적
Figure pat00060
의 유효 사격 거리
Figure pat00061
에 대한 살상력이며 다음 수학식 2로 표현될 수 있다.
Figure pat00062
이 경우,
Figure pat00063
Figure pat00064
는 적의 위치를 나타내며,
Figure pat00065
Figure pat00066
는 무인차량의 위치를 나타내며, 수학식 2의 살상속성은 유효 사격범위 내에서 살상력이 완전히 반영됨을 의미한다.
타격 속성
Figure pat00067
은 적
Figure pat00068
의 위치
Figure pat00069
에 대한 무인차량의 위치
Figure pat00070
에서의 피해 정도이며,
Figure pat00071
인 것을 특징으로 한다.
여기서
Figure pat00072
와
Figure pat00073
는 각각 화력의 세기, 타격 범위를 나타내며, 적의 타입
Figure pat00074
에 따라 다르게 설정된다.
상기 살상 속성
Figure pat00075
과 상기 타격 속성
Figure pat00076
으로부터 상기 FOE KH(Kill/Hit)속성지도의 FOE KH 속성
Figure pat00077
Figure pat00078
은 개별 적
Figure pat00079
의 KH(Kill/Hit) 속성
Figure pat00080
을 누적하여 형성된다.
이에 결과적으로, 상기 통합 위협지도(140)는 가시성 지도(120)와 FOE KH(Kill/Hit) 속성지도(130)의 곱,
Figure pat00081
으로 형성됨을 알 수 있다.
도 3을 참조할 때, 통합 FOE KH 속성지도는 타입이 서로 다른 적 2기의 KH 속성을 융합한 통합 FOE KH 속성
Figure pat00082
를 보여주며, 통합 FOE KH 속성지도는 개별 적의 KH 속성지도를 누적한 값으로 정의하며 최대 누적값은 1로 제한된다.
이동성 격자지도(110)를 이용하면, 무인차량이 장애물을 피해서 가는 경로를 생성할 수 있지만, 적의 위협을 고려한 경로를 생성할 수 없다. 이에 적의 위험도를 고려하여 무인차량의 위험도를 최소화하는 경로를 생성하는 전역경로 수정계획이 필요하다.
상기 전역경로수정계획을 수행하는 단계(S300)는, 임의 위치에서 무인차량의 위험도를 평가하는 단계(S310); 상기 적의 위협이 존재하는지 판단하는 단계(S320); 및 상기 적의 화력이 무인차량의 화력보다 큰지 판단하는 단계(S330);를 포함한다.
상기 임의 위치에서 무인차량의 위험도를 평가하는 단계(S320)는, 상기 통합 위협지도(140) 및 상기 무인차량의 타입
Figure pat00083
을 고려하여 상기 무인차량의 위험도를 평가하게 된다.
여기서, 무인차량의 위험도는,
Figure pat00084
이며,
Figure pat00085
는 무인차량의 KH 속성이며,
Figure pat00086
는 통합 위협지도의 속성을 의미한다.
이로부터 임의의 위치
Figure pat00087
에서의 무인차량
Figure pat00088
의 생존 가능성
Figure pat00089
Figure pat00090
을 다음과 같이 정의할 수 있다.
Figure pat00091
한편, 적의 위협이 존재하는지 판단하는 단계(S320)에서, 상기 적의 위협이 전혀 존재하지 않는 경우, 상기 이동성 격자지도(110)를 이용하여 장애물을 피해가는 경로를 생성하게 된다.
또한, 적의 위협이 존재하는지 판단하는 단계(S320)에서, 상기 적의 위협이 전혀 존재하는 경우, 적의 화력이 무인차량의 화력보다 큰지 판단하는 단계(S330)를 거치게 된다.
상기 적의 화력이 무인차량의 화력보다 큰지 판단하는 단계(S330)에서, 상기 적의 화력이 상기 무인차량의 화력보다 큰 경우, 우회경로를 선택(S350)하게 되며, 무인차량의 화력이 적의 화력보다 크거나 대등한 경우, 기 계획된 경로와 동일한 경로를 선택하거나 이동성 격자지도를 이용하여 장애물을 피해가는 경로를 생성하게 된다.
예를 들어, 도 4는 무인차량의 화력이 적의 화력에 크게 못 미치는 상황에서의 결과이다. 도 4(a)는 기 계획된 경로이며, 도 4(b)는 1기의 적이 생성된 이후의 재계획된 경로이며, 도 4(c)는 FOH KH속성이며, 도 4(d)는 아군 KH속성이다.
도 4(a)처럼 적이 없는 상황에서 무인차량은 각 경유지점에 대한 최단 경로를 생성한다. 이 후 한 기의 적이 무인차량의 시작지점과 첫 번째 임무지점 사이에 생성되었을 때, 도 4(b)처럼 무인차량이 곧바로 적의 위협에 대응하고 첫 번째 임무지점으로 이동할 수 없으므로 우회하는 경로를 생성한 것을 확인할 수 있다.
또한, 도 5는 적의 화력이 무인차량의 화력과 대동소이하거나, 무인차량의 화력이 적의 화력보다 큰 경우이다. 도 5(a)는 기 계획된 경로이며, 도 5(b)는 1기의 적이 생성된 이후의 재 계획된 경로이며, 도 5(c)는 FOH KH속성이며, 도 5(d)는 아군 KH속성이다.
도 5를 참조하면, 적의 위협에 대한 무인차량의 위험도
Figure pat00092
가 작기 때문에 광역 경로수정계획이 이루어지더라고 도 5(b)처럼 이미 계획된 경로와 같은 경로가 생성되는 것을 확인할 수 있다.
상기 전역경로수정계획을 수행하는 단계(S300)는 D* lite 알고리즘을 이용하여 전역경로수정계획을 수행한다.
종래에는 경로를 생성하기 위하여, 주로 A* 알고리즘을 이용하였다. 그러나, A* 알고리즘은 경로이탈 또는 새로운 장애물이 발견 시 다시 경로를 생성하여야 하므로 실시간으로 적용하기에 문제가 있었다.
이에 본 발명에서는 경로 생성환경에서 A* 알고리즘 보다 빠르게 경로생성을 하면서도 D* 알고리즘에 비해 간결하여 분석이 매우 유리하며 메모리의 사용량이 적고 빠르게 계산하는 D* lite 알고리즘을 이용하여 우회 경로계획을 수행하게 된다.
이러한 D* lite 알고리즘은 경로를 계획하고 환경정보가 다를 경우 경로를 재생성하는 것으로, 환경 지형에 격자를 덮은 후 위치만을 이용하여 경로계획을 세우는 것으로서, 작전의 신속성을 보장할 수 있어 무인차량의 자율주행 제어 방법에 최적화된다.
상기 D* lite 알고리즘의 휴리스틱스(Heuristics)
Figure pat00093
,
Figure pat00094
이다. 여기서
Figure pat00095
는 셀
Figure pat00096
와
Figure pat00097
사이의 거리를 의미하며,
Figure pat00098
는 지시 함수(Indicator function)이며,
Figure pat00099
는 상수이며,
Figure pat00100
는 위험 한계치
Figure pat00101
보다 위험도
Figure pat00102
가 높은 모든 셀의 집합으로
Figure pat00103
이다.
본 발명은 4D 환경정보로부터 이동성 지도와 통합 위협지도를 형성하여 경로계획 시 활용할 수 있도록 하되, 이동성 지도를 통해 무인차량은 이동 가능한 영역에 대해 최단 경로를 찾을 수 있고, 통합 위협지도와 무인차량의 유형을 고려하여 적의 위협을 억제 또는 무인차량의 위험을 최소화하는 경로를 생성함을 알 수 있다.
또한, 본 발명은 경로를 계획하고 환경정보가 다를 경우 경로를 실시간으로 재 생성하는 D* lite 알고리즘을 사용하여, 4D 환경정보로부터의 위험도 및 장애물 바탕으로 한 무인차량의 작전의 신속성을 보장할 수 있다.
앞서 살펴본 실시 예는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자(이하 '당업자'라 한다)가 본 발명을 용이하게 실시할 수 있도록 하는 바람직한 실시 예일 뿐, 전술한 실시 예 및 첨부한 도면에 한정되는 것은 아니므로 이로 인해 본 발명의 권리범위가 한정되는 것은 아니다. 따라서, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하다는 것이 당업자에게 있어 명백할 것이며, 당업자에 의해 용이하게 변경 가능한 부분도 본 발명의 권리범위에 포함됨은 자명하다.
110: 이동성 격자지도
120: 가시성 격자지도
130: FOE KH 속성지도
140: 통합 위협지도

Claims (15)

  1. 이동성, 가시성, 살상 및 타격의 속성에 관한 4D 환경정보를 격자지도에 정의하는 단계;
    상기 이동성, 가시성, 살상 및 타격의 속성에 관한 4D 환경정보로부터 이동성 격자지도 및 통합 위협지도를 형성하는 단계;및
    상기 이동성 격자지도, 상기 통합 위협지도 및 무인차량의 타입
    Figure pat00104
    을 고려하여 전역경로수정계획을 수행하는 단계;를 포함하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
  2. 제1항에 있어서,
    상기 격자지도에 정의하는 단계에서,
    상기 이동성
    Figure pat00105
    Figure pat00106
    은 상기 무인차량
    Figure pat00107
    가 이동 가능한 영역(Traversable cells)과 이동 불가능한 영역(Untraversable cells)으로 구분되어 형성되는 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
  3. 제1항에 있어서,
    상기 격자지도에 정의하는 단계에서,
    상기 가시성
    Figure pat00108
    은 개별 적의 위치에 따라 생성한 가시성 정보
    Figure pat00109
    를 융합하며, 적의 위치와 지형의 고도(DEM)에 대한 작전지역 상에서 적들의 시야를 나타내는 것을 특징으로 하는4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
  4. 제1항에 있어서,
    상기 격자지도에 정의하는 단계에서,
    상기 살상 속성
    Figure pat00110
    은 타입이
    Figure pat00111
    인 적
    Figure pat00112
    의 유효 사격 거리
    Figure pat00113
    에 대한 살상력이며,
    Figure pat00114
    인 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
    (
    Figure pat00115
    Figure pat00116
    : 적의 위치,
    Figure pat00117
    Figure pat00118
    : 무인차량의 위치)
  5. 제1항에 있어서,
    상기 격자지도에 정의하는 단계에서,
    상기 타격 속성
    Figure pat00119
    은 적
    Figure pat00120
    의 위치
    Figure pat00121
    에 대한 무인차량의 위치
    Figure pat00122
    에서의 피해 정도이며,
    Figure pat00123
    인 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
    (여기서
    Figure pat00124
    와
    Figure pat00125
    는 각각 화력의 세기, 타격 범위를 나타내며, 적의 타입
    Figure pat00126
    에 따라 다르게 설정)
  6. 제1항에 있어서,
    통합 위협지도를 형성하는 단계에서,
    상기 통합 위협지도는 가시성 지도와 FOE KH(Kill/Hit) 속성지도의 곱,
    Figure pat00127
    으로 형성되는 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
  7. 제6항에 있어서,
    상기 FOE KH(Kill/Hit)속성지도의 FOE KH 속성
    Figure pat00128
    Figure pat00129
    은 개별 적
    Figure pat00130
    의 KH(Kill/Hit) 속성
    Figure pat00131
    을 누적하여 형성한 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
  8. 제1항에 있어서,
    상기 전역경로수정계획을 수행하는 단계는,
    임의 위치에서 무인차량의 위험도를 평가하는 단계;
    상기 적의 위협이 존재하는지 판단하는 단계; 및
    상기 적의 화력이 무인차량의 화력보다 큰지 판단하는 단계;를 포함하는 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
  9. 제8항에 있어서,
    상기 임의 위치에서 무인차량의 위험도를 평가하는 단계는,
    상기 통합 위협지도 및 상기 무인차량의 타입
    Figure pat00132
    을 고려하여 상기 무인차량의 위험도를 평가하는 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
  10. 제9항에 있어서,
    상기 무인차량의 위험도는,
    Figure pat00133
    인 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
    (
    Figure pat00134
    는 무인차량의 KH 속성이며,
    Figure pat00135
    는 통합 위협지도의 속성)
  11. 제8항에 있어서,
    상기 적의 위협이 존재하는지 판단하는 단계에서, 상기 적의 위협이 전혀 존재하지 않는 경우, 상기 이동성 격자지도를 이용하여 장애물을 피해가는 경로를 생성하는 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
  12. 제8항에 있어서,
    상기 적의 화력이 무인차량의 화력보다 큰지 판단하는 단계에서, 상기 적의 화력이 상기 무인차량의 화력보다 큰 경우, 우회경로를 선택하는 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
  13. 제8항에 있어서,
    상기 적의 화력이 무인차량의 화력보다 큰지 판단하는 단계에서, 상기 무인차량의 화력이 적의 화력보다 크거나 대등한 경우, 기 계획된 경로와 동일한 경로를 선택하거나 이동성 격자지도를 이용하여 장애물을 피해가는 경로를 생성하는 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
  14. 제1항에 있어서,
    상기 전역경로수정계획을 수행하는 단계는 D* lite 알고리즘을 이용하여 전역경로수정계획을 수행하는 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
  15. 제14항에 있어서,
    상기 D* lite 알고리즘의 휴리스틱스(Heuristics)
    Figure pat00136
    ,
    Figure pat00137
    인 것을 특징으로 하는 4D 환경정보를 반영한 무인차량의 자율주행 제어 방법.
    (여기서
    Figure pat00138
    는 셀
    Figure pat00139
    와
    Figure pat00140
    사이의 거리를 의미하며,
    Figure pat00141
    는 지시 함수(Indicator function)이며,
    Figure pat00142
    는 상수이며,
    Figure pat00143
    는 위험 한계치
    Figure pat00144
    보다 위험도
    Figure pat00145
    가 높은 모든 셀의 집합으로
    Figure pat00146
    이다)
KR1020160131870A 2016-10-12 2016-10-12 4d 환경정보를 반영한 무인차량의 자율주행 제어 방법 KR101917001B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160131870A KR101917001B1 (ko) 2016-10-12 2016-10-12 4d 환경정보를 반영한 무인차량의 자율주행 제어 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160131870A KR101917001B1 (ko) 2016-10-12 2016-10-12 4d 환경정보를 반영한 무인차량의 자율주행 제어 방법

Publications (2)

Publication Number Publication Date
KR20180040245A true KR20180040245A (ko) 2018-04-20
KR101917001B1 KR101917001B1 (ko) 2018-11-08

Family

ID=62088302

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160131870A KR101917001B1 (ko) 2016-10-12 2016-10-12 4d 환경정보를 반영한 무인차량의 자율주행 제어 방법

Country Status (1)

Country Link
KR (1) KR101917001B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111176286A (zh) * 2020-01-06 2020-05-19 重庆邮电大学 一种基于改进D*lite算法的移动机器人路径规划方法及系统
CN113495566A (zh) * 2021-08-21 2021-10-12 福州大学 一种基于曲率约束融合势场法的D*Lite无人车局部路径规划方法
KR20220032230A (ko) * 2020-09-07 2022-03-15 국방과학연구소 위험 관리 지도 생성 방법 및 그 장치
CN117075620A (zh) * 2023-10-18 2023-11-17 华东交通大学 一种多巡检机器人的多任务导航调度方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015219802A (ja) * 2014-05-20 2015-12-07 株式会社国際電気通信基礎技術研究所 経路算出装置、経路算出プログラムおよび経路算出方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
논문(2014.07) *
로봇 전역경로계획을 위한 신경망 기반 위협맵 생성 기법 *
임무유형과 다중 격자지도 기반의 임무지향적 전역경로 생성 연구 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111176286A (zh) * 2020-01-06 2020-05-19 重庆邮电大学 一种基于改进D*lite算法的移动机器人路径规划方法及系统
KR20220032230A (ko) * 2020-09-07 2022-03-15 국방과학연구소 위험 관리 지도 생성 방법 및 그 장치
CN113495566A (zh) * 2021-08-21 2021-10-12 福州大学 一种基于曲率约束融合势场法的D*Lite无人车局部路径规划方法
CN113495566B (zh) * 2021-08-21 2023-03-31 福州大学 一种基于曲率约束融合势场法的D*Lite无人车局部路径规划方法
CN117075620A (zh) * 2023-10-18 2023-11-17 华东交通大学 一种多巡检机器人的多任务导航调度方法及系统
CN117075620B (zh) * 2023-10-18 2024-01-16 华东交通大学 一种多巡检机器人的多任务导航调度方法及系统

Also Published As

Publication number Publication date
KR101917001B1 (ko) 2018-11-08

Similar Documents

Publication Publication Date Title
KR101917001B1 (ko) 4d 환경정보를 반영한 무인차량의 자율주행 제어 방법
Robin et al. Multi-robot target detection and tracking: taxonomy and survey
CN110488872B (zh) 一种基于深度强化学习的无人机实时路径规划方法
US9240001B2 (en) Systems and methods for vehicle survivability planning
Leung et al. Active SLAM using model predictive control and attractor based exploration
US9030347B2 (en) Preemptive signature control for vehicle survivability planning
CN109521794A (zh) 一种多无人机航路规划及动态避障方法
US20070168117A1 (en) System and method for distributed engagement
US8831793B2 (en) Evaluation tool for vehicle survivability planning
EP2844950A2 (en) Systems and methods for vehicle survivability planning
Maciel-Pearson et al. Online deep reinforcement learning for autonomous UAV navigation and exploration of outdoor environments
Tulum et al. Situation aware UAV mission route planning
CN112824998A (zh) 马尔可夫决策过程的多无人机协同航路规划方法和装置
CN111508253B (zh) 提供自动行驶服务平台的方法及利用其的服务器
Bernardini et al. Autonomous search and tracking via temporal planning
CN114661046A (zh) 军事对抗环境下的机器人自主导航算法、存储介质
Cheng et al. Cooperative control of UAV swarm via information measures
CN117850471A (zh) 三维环境下考虑雷达威胁的多智能体协同航迹规划方法及其规划系统
Hou et al. Hierarchical decision-making framework for multiple UCAVs autonomous confrontation
CN115617076A (zh) 近地搜索无人机的轨迹规划及动态避障方法
Tan et al. Criteria and rule based obstacle avoidance for USVs
CN109708640A (zh) 一种移动机器人的三维路径规划方法
CN117136343A (zh) 用于平衡自动感应交通工具的能源探测和观测时间的系统
Aris et al. Learning to Take Cover with Navigation-Based Waypoints via Reinforcement Learning
Theodorakopoulos et al. UAV target tracking using an adversarial iterative prediction

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right