KR20180056322A - 단거리 레이더 센서 기반의 가상 차선 생성 방법 - Google Patents

단거리 레이더 센서 기반의 가상 차선 생성 방법 Download PDF

Info

Publication number
KR20180056322A
KR20180056322A KR1020160154468A KR20160154468A KR20180056322A KR 20180056322 A KR20180056322 A KR 20180056322A KR 1020160154468 A KR1020160154468 A KR 1020160154468A KR 20160154468 A KR20160154468 A KR 20160154468A KR 20180056322 A KR20180056322 A KR 20180056322A
Authority
KR
South Korea
Prior art keywords
road
vehicle
road boundary
short
lane
Prior art date
Application number
KR1020160154468A
Other languages
English (en)
Other versions
KR101891725B1 (ko
Inventor
박기홍
권재준
Original Assignee
국민대학교산학협력단
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 국민대학교산학협력단 filed Critical 국민대학교산학협력단
Priority to KR1020160154468A priority Critical patent/KR101891725B1/ko
Publication of KR20180056322A publication Critical patent/KR20180056322A/ko
Application granted granted Critical
Publication of KR101891725B1 publication Critical patent/KR101891725B1/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
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 발명은 단거리 레이더 센서 기반의 가상 차선 생성 방법에 관한 것으로서, 보다 상세하게는 자동차전용도로에서 자율주행 중인 차량에 대해 차선 인식을 위한 카메라 센서에 결함이 발생하여 차선인식이 불가능한 상황에서 단거리 레이더 센서를 적용하여 중앙분리대 및 도로 경계를 인식하여 가상으로 차선을 생성하여 안전하게 자율주행이 가능하도록 하는 단거리 레이더 센서 기반의 가상 차선 생성 방법에 관한 것이다.
본 발명에 따른 단거리 레이더 센서 기반의 가상 차선 생성 방법은 차선 인식을 위한 카메라 센서의 결함 여부를 확인하는 단계; 카메라 센서의 결함이 확인되면 차량 전방의 좌측과 우측에 장착된 단거리 레이더 센서를 통해 스캔 데이터를 읽어들이는 단계; 상기 스캔 데이터에서 멀티패스 에코에 의한 노이즈를 필터링하는 단계; 상기 노이즈가 필터링된 스캔 데이터를 이용하여 차로의 곡률과 횡방향 이탈거리 정보를 통해 도로 경계 모델를 추정하는 단계; 및 상기 추정된 도로 경계에 대한 데이터 및 자동차 전용도로의 특징을 이용하여 가상 차선을 생성하는 단계; 를 포함한다.

Description

단거리 레이더 센서 기반의 가상 차선 생성 방법 {METHOD FOR PRODUCING VIRTUAL LANE BASED ON SHORT-RANGE RADAR SENSOR}
본 발명은 단거리 레이더 센서 기반의 가상 차선 생성 방법에 관한 것으로서, 보다 상세하게는 자동차전용도로에서 자율주행 중인 차량에 대해 차선 인식을 위한 카메라 센서에 결함이 발생하여 차선인식이 불가능한 상황에서 단거리 레이더 센서를 적용하여 중앙분리대 및 도로 경계를 인식하여 가상으로 차선을 생성하여 안전하게 자율주행이 가능하도록 하는 단거리 레이더 센서 기반의 가상 차선 생성 방법에 관한 것이다.
1978년 승용자동차에 최초로 ABS(Anti-lock Brake System)이 도입된 이후로 운전자의 안전성 및 편의성을 증진시키기 위한 목적으로 다양한 차량 전자제어 시스템이 개발되어 왔다.
이처럼 전자제어 시스템 기반 기술이 점차 발전함에 따라 최근에는 운전자의 조작 없이 자동으로 가속, 감속, 조향을 수행할 수 있는 자율주행 차량에 대한 관심이 높아지고 있으며, 미국, 유럽, 일본 등의 자동차 선진국을 중심으로 자동차전용도로와 같이 인식 대상이 제한되어 있으며 주행환경 상의 외란 요소가 상대적으로 적은 상황에서의 자율주행을 목표로 하는 제한적 자율주행 차량에 대한 개발이 활발히 진행중에 있다.
이러한 제한적 자율주행 차량은 주행차로 유지를 위해 주행환경을 항상 모니터링하는 것이 중요하며 이를 위한 필수적인 요소로써 차선 인식 센서를 포함한다.
차선 인식 센서는 자율주행 차량의 주행차로 유지를 위한 차량과 차선 사이의 상대적인 위치 정보를 제공하는 구성으로써 일반적으로 단안 카메라 센서와 스테레오 카메라 센서를 사용하는데 다양한 환경적 요인에 의해 차선이 인식되지 않거나, 인식 정확도가 떨어지는 결함이 발생할 수 있다.
이에 따라 자동차전용도로 자율주행 차량의 안정적인 주행차로 유지 기능 수행을 위해서는 단안 카메라 센서 및 스테레오 카메라 센서의 결함에 의해 차선 인식이 불가능한 상황에 대한 보완 설계가 필요한 실정이다.
한국등록특허 제10-1196321호 한국등록특허 제10-1564987호
이에 본 발명은 자동차전용도로에서 자율주행 중인 차량에 대해 차선 인식을 위한 카메라 센서에 결함이 발생하여 차선인식이 불가능한 상황에서 단거리 레이더 센서를 적용하여 중앙분리대 및 도로 경계를 인식하여 가상으로 차선을 생성하여 안전하게 자율주행이 가능하도록 하는 단거리 레이더 센서 기반의 가상 차선 생성 방법을 제공하는 데 그 목적이 있다.
본 발명에 따른 단거리 레이더 센서 기반의 가상 차선 생성 방법은 차선 인식을 위한 카메라 센서의 결함 여부를 확인하는 단계; 카메라 센서의 결함이 확인되면 차량 전방의 좌측과 우측에 장착된 단거리 레이더 센서를 통해 스캔 데이터를 읽어들이는 단계; 상기 스캔 데이터에서 멀티패스 에코에 의한 노이즈를 필터링하는 단계; 상기 노이즈가 필터링된 스캔 데이터를 이용하여 차로의 곡률과 횡방향 이탈거리 정보를 통해 도로 경계 모델를 추정하는 단계; 및 상기 추정된 도로 경계에 대한 데이터 및 자동차 전용도로의 특징을 이용하여 가상 차선을 생성하는 단계; 를 포함한다.
본 발명에서 상기 도로 경계 모델은 3차 Clothoid 함수 형태의 도로 모델을 통해 추정하되, 차량의 좌측과 우측 도로 경계 모델은 각각 하기의 수학식 1과 수학식 2로 표현되며, 여기서
Figure pat00001
와 은 양측 도로의 곡률을 나타내고,
Figure pat00003
과
Figure pat00004
은 차량 중심으로부터 좌측과 우측의 횡방향 거리를 나타낸다.
Figure pat00005
(수학식 1)
Figure pat00006
(수학식 2)
본 발명에 따른 단거리 레이더 센서 기반의 가상 차선 생성 방법은 상기 도로 경계 모델로부터 도로 경계를 추정하기 위해 상기 수학식 1과 수학식 2에 칼만 필터를 적용한다.
본 발명에 따른 단거리 레이더 센서 기반의 가상 차선 생성 방법은 상기 노이즈가 필터링된 스캔 데이터를 이용하여 상기 도로 경계 모델을 추정함에 있어서, 상기 스캔 데이터에 주변 차량 인식 정보가 포함된 경우 해당 정보를 제외한 후 도로 경계 모델을 추정하고, 상기 스캔 데이터에 주변 차량 인식 정보만 포함된 경우 상기 주변 차량 인식 정보를 각각 좌측 우측 도로 경계로 인식하여 도로 경계 모델을 추정한다.
본 발명에서 상기 가상 차선은 국내 자동차전용도로 특징을 반영하여 좌측의 중앙분리대와 우측의 도로 경계 사이의 폭 안에 존재할 수 있는 주행 차로의 개수를 결정하고, 측대 폭을 고려하여 수학식 3으로부터 생성한다.
Figure pat00007
(수학식 3)
본 발명에 따르면 제한적 자율주행 차량의 단안 및 스테레오 카메라 센서 등과 같은 차선 인식 센서에 결함이 발생하는 경우에도 단거리 레이더 센서를 이용하여 주행차로 유지에 필요한 차선 정보를 가상으로 생성시켜 자율주행 차량의 신뢰성을 높일 수 있다.
도 1은 본 발명의 일 실시예에 따른 자동차전용도로에서 자율주행 차량의 스캔 동작을 설명하는 개략도이다.
도 2는 본 발명의 일 실시예에 따른 단거리 레이더 센서 기반의 가상 차선 생성 방법의 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 3차 Clothoid 함수 형태의 도로 모델이 적용된 차량-도로 모델을 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 차량-도로 모델 추정 결과를 나타낸 도면이다.
도 5은 본 발명의 일 실시예에 따른 자율주행 차량의 주변 차량 트래픽 밀도의 영향을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 국내 자동차전용도로 상에 설치된 중앙분리대와 도로 경계물의 다양한 예시를 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 차량-도로 모델을 이용하여 가상 차선을 생성하는 방법을 나타낸 도면이다.
도 8은 본 발명의 일 실시예에 따른 가상 차선 생성 결과를 나타낸 도면이다.
도 9는 본 발명의 일 실시예에 따른 단거리 레이더 센서 기반의 가상 차선 생성 방법의 성능 검증을 위한 자동차전용도로 환경을 나타낸 도면이다.
도 10은 본 발명의 일 실시예에 따른 단거리 레이더 센서 기반의 가상 차선 생성 방법의 성능 검증을 위한 시나리오이다.
도 11은 본 발명의 일 실시예에 따른단거리 레이더 센서 기반의 가상 차선 생성 방법의 시나리오에 따른 성능 검증 결과이다.
이하에서, 본 발명의 바람직한 실시예가 첨부된 도면들을 참조하여 설명할 것이다. 또한 본 발명을 설명함에 있어서 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
도 1은 본 발명의 일 실시예에 따른 자동차전용도로에서 자율주행 차량의 스캔 동작을 설명하는 개략도이다.
도 1을 참조하면 자율주행 차량(110)은 좌우측 전방에 각각 단거리 레이더 센서(120)가 장착되어 있고 편도 3차선 자동차전용도로(10)의 2차선에서 주행중인 것을 확인할 수 있다.
단거리 레이더 센서(120)는 미리 설정된 각도로 전방을 스캔하는데 좌, 우측의 단거리 레이서 센서(120)는 각각 좌측의 중앙분리대(11)와 우측의 도로 경계(12)를 스캔한다. 이때 스캔 범위는 단거리 레이더 센서(120)의 사양에 따라 결정된다.
이러한 단거리 레이더 센서(120)를 통해 스캔된 데이터를 이용하여 도로 경계 모델을 추정하고 가상 차선을 생성하는 단계를 도 2에 도시하였다.
도 2를 참조하면 먼저 자율주행 차량(110)에서 차선 인식을 위한 카메라 센서에 결함이 발생하였는지를 확인한다(S101).
카메라 센서 자체 결함 또는 환경적 요인에 의한 차선 인식 불가 상황이나 인식 정확도가 떨어지는 결함이 확인되면 단거리 레이더 센서를 이용하여 차선을 추정하기 위해 자율주행 차량(110) 전방의 좌측과 우측에 장착된 단거리 레이더 센서(120)를 통해 스캔된 데이터를 읽어들인다(S103).
그 다음으로 스캔 데이터에서 멀티패스에 의한 에코 노이즈를 필터링하여 스캔된 데이터의 품질을 향상시킨다(S105). 이러한 멀티패스 에코 노이즈를 필터링하는 방법 및 장치는 기공지된 알고리즘 및 장치를 이용할 수 있으며 이에 대한 별도의 설명은 생략한다.
스캔 데이터에서 노이즈가 필터링되고 나면 차로의 곡률과 횡방향 이탈거리 정보를 통해 도로 경계 모델을 추정하는 단계(S107)를 진행하는데 이때 도로 경계 모델은 3차 Clothoid 함수 형태의 도로 모델을 통해 추정할 수 있으며 자세한 추정 방법은 후술하기로 한다.
도로 경계 모델이 추정되면 추정된 도로 경계 데이터 및 자동차 전용도로(10)의 특징을 이용하여 가상 차선을 생성하는 단계(S109)를 진행하는데 추정된 도로 경계 모델에서 좌측의 중앙분리대(11)와 우측의 도로 경계(12) 사이의 폭안에 존재할 수 있는 주행 차로의 개수를 결정하고, 측대 폭을 고려하여 가상 차선을 생성시킨다. 이에 대한 자세한 생성 방법은 후술하기로 한다.
이러한 단거리 레이더 센서 기반의 가상 차선 생성 방법에 있어 핵심이 되는 부분은 중앙분리대(11)와 도로 경계(12)에 대한 센서 측정값을 이용하여 주행 중인 차로의 곡률과 횡방향 이탈거리 정보 얻는 것이다. 이러한 곡률과 횡방향 이탈거리 정보를 통해 도로 경계 모델을 추정하게 되며 본 발명에서는 3차 Clothoid 함수 형태의 도로 모델을 적용하고 노이즈 특성에 강인한 도로 경계 추정을 위해 칼만 필터를 적용하였다.
도 3은 본 발명의 일 실시예에 따른 3차 Clothoid 함수 형태의 도로 모델이 적용된 차량-도로 모델을 나타낸 도면이다.
3차 Clothoid 함수 형태의 도로 모델은 직선과 곡선이 조합된 도로를 나타내기에 적합하여 차량-도로 모델에 널리 적용되어온 모델이다.
도 3에 나타낸 것과 같이 좌측과 우측의 도로 경계 모델은 동일한 곡률C0와 동일한 곡률 변화율 C1을 갖는다고 가정하였으며, 차량 중심으로부터 횡방향 거리가 각각 Yl, Yr로 서로 다르다고 가정하였다. 이에 따라 좌측과 우측의 도로 경계 모델은 아래의 수학식 1 및 수학식 2와 같이 각각 3차 Clothoid 함수 형태로 표현된다.
Figure pat00008
(수학식 1)
Figure pat00009
(수학식 2)
또한, 단거리 레이더 센서의 계측 주기 △T시간 동안 차량이 종방향과 횡방향으로 이동한 거리를 의미하는 △x, △y는 차량의 종방향 속도와 횡방향 속도를 이용하여 아래 수식과 같이 표현하였다.
△x = △T Vx
△y = △T Vy
차량-도로 모델 기반의 도로 경계 추정을 위한 칼만 필터를 적용하기 위하여 상태 변수 x는 곡률 C0, 곡률 변화율 C1 차량 중심으로부터 횡방향 거리 Yl, Yr로 설정하였으며 아래 수식과 같이 표현하였다.
Figure pat00010
차량-도로 모델 기반의 도로 경계 추정을 위한 칼만 필터를 적용하기 위하여 시스템 행렬 A는 상태 변수 x와 차량의 종방향 이동 거리 △x를 통해 3차 Clothoid 함수 형태를 도출하기 위하여 아래와 같이 표현하였다.
Figure pat00011
차량-도로 모델 기반의 도로 경계 추정을 위한 칼만 필터의 첫번째 단계인 예측 단계에서의 추정값 예측은 현재의 상태 변수 x(k|k)로부터 다음의 상태 변수 x(k+1|k)를 예측하기 위하여 아래 수식과 같이 표현하였다.
Figure pat00012
Figure pat00013
차량-도로 모델 기반의 도로 경계 추정을 위한 칼만 필터의 첫번째 단계인 예측 단계에서의 오차 공분산 예측은 현재의 오차 공분산 행렬 P(k|k)로부터 다음의 오차 공분산 행렬 P(k+1|k)를 예측하기 위하여 아래 수식과 같이 표현하였다.
Figure pat00014
여기서 잡음 ωk의 공분산 행렬인 Q(k)는 곡률 C0의 변화에 대한 분산 SC 2과 횡방향 거리의 변화에 대한 분산 S0 2, 그리고 차량 속도에 대한 가변 행렬로 아래 수식과 같이 표현하였다.
Figure pat00015
차량-도로 모델 기반의 도로 경계 추정을 위한 칼만 필터의 두번째 단계인 칼만 이득 계산 단계에서는 첫번째 단계에서 도출한 오차 공분산 예측 행렬 P(k+1|k)와 측정값과 상태 변수의 관계를 나타내는 행렬 H(K+1), 그리고 측정 잡음 υk 의 공분산 행렬 R(k)를 이용하여 칼만 이득 K(k+1)를 산출하도록 아래 수식과 같이 표현하였다.
Figure pat00016
위의 수식에서 측정값과 상태 변수의 관계를 나타내는 행렬 H(k+1)을 정의하기 위해서는 먼저 측정값 zk를 정의해야 한다. 측정값 zk는 자율주행 차량의 전방의 좌측과 우측에 장착된 단거리 레이더 센서를 이용하여 좌측의 중앙분리대와 우측의 도로 경계를 인식한 점의 종방향, 횡방향 거리값으로 구성되며 아래 수식과 같이 표현하였다.
Figure pat00017
이에 따라 측정값과 상태 변수의 관계를 나타내는 행렬 H(K+1)는 아래 수식과 같이 표현할 수 있다.
Figure pat00018
차량-도로 모델 기반의 도로 경계 추정을 위한 칼만 필터의 세번째 단계인 추정값 계산 단계에서는 아래 수식을 이용하여 최종 상태 변수에 대한 추정값 x(k+1|k+1)을 도출한다.
Figure pat00019
차량-도로 모델 기반의 도로 경계 추정을 위한 칼만 필터의 마지막 단계인 오차 공분산 계산 단계에서는 아래 식을 이용하여 최종 오차 공분산 P(k+1|k+1)을 도출한다.
Figure pat00020
이렇게 구성된 차량-도로 모델 기반의 도로 추정 알고리즘은 최종적으로 단거리 레이더 센서의 노이즈 특성을 고려하여 좌측과 우측의 도로 경계 모델을 수학식 1 및 수학식 2와 같이 각각의 3차 Clothoid 함수 형태로 도출해주며, 도출된 좌측과 우측의 도로 경계 모델은 도 4와 같이 표현할 수 있다.
이러한 차량-도로 모델 기반의 도로 경계 추정에 있어 좌측의 중앙분리대(11)와 우측의 도로 경계 사이(12)에 존재하는 주변 차량 밀도는 도로 경계 추정 성능에 큰 영향을 미칠 수 있다.
도 5은 본 발명의 일 실시예에 따른 자율주행 차량의 주변 차량 트래픽 밀도의 영향을 나타낸 도면이다.
도 5의 (a)는 자동차전용도로를 운행중인 자율주행 차량(110)의 주변에 차량이 없는 경우를 나타내고 있으며, 이 경우에는 좌측의 중앙분리대(11)와 우측의 도로 경계(12) 사이에 주변 차량이 없기 때문에 도로 경계 추정 성능에 큰 영향을 미치지 않는 것을 알 수 있다.
그러나 도 5의 (b)는 자율주행 차량(110)의 주변에 차량이 있는 경우이며, 이 경우에는 좌측의 중앙분리대(11)와 우측의 도로 경계(12) 사이에 주변 차량이 존재하기 때문에 단거리 레이더 센서는 중앙분리대와 도로 경계 외에 주변 차량을 인식하게 됨으로써 도로 경계 추정 성능에 영향을 미칠 수 있다. 따라서 이 경우에는 단거리 레이더 센서로부터 계측된 데이터에서 주변 차량에 해당하는 인식 정보를 제외시킨다.
단거리 레이더 센서로부터 계측된 데이터에서 주변 차량에 해당하는 인식 정도를 제외시켜주는 알고리즘은 중앙분리대(11)와 도로 경계(12)에 대한 안쪽 경계 형태로 추출하는 과정에 포함시켜 주변 차량에 해당하는 정보를 제외시키도록 하는 것이 바람직하며 상세한 알고리즘은 기공지된 기술을 적용할 수 있다.
도 5의 (C)는 자율주행 차량(110)의 주변에 차량이 많아 교통 밀도가 높은 경우이며, 좌측의 중앙분리대(11)와 우측의 도로 경계(12)가 단거리 레이더 센서에 거의 계측되지 않는 경우이다. 이 경우에는 좌측과 우측의 주변 차량 대열을 각각 중앙분리대와 도로 경계로 인식하여 도로 모델을 추정하는 것이 바람직하다.
앞서 기술한 단거리 레이더 센서를 이용한 차량-도로 모델 기반 도로 경계 추정 결과를 이용하여 가상 차선을 생성시키기 위해서는 추정된 도로 경계 모델에서 좌측 중앙분리대와 우측 도로 경계 사이의 폭 안에 존재할 수 있는 주행 차로의 개수를 결정해야 하므로 국내 자동차전용도로의 차로 폭, 측대, 중앙분리대 형태, 도로 경계 형태 등의 특징을 반영하여야 한다.
국내 자동차전용도로는 상행 도로와 하행 도로를 구분하기 위한 용도로 다양한 형태의 중앙분리대가 설치되어 있으며, 도로와 비도로를 구분하기 위한 용도로 다양한 형태의 도로 경계가 설치되어 있다.
국내 자동차전용도로 상에 설치된 중앙분리대와 도로 경계물의 다양한 예시를 도 6에 나타내었다.
도 6을 참조하면 중앙분리대 및 도로 경계는 콘크리트 재질의 벽, 알루미늄 재질의 가드레일, 풀숲, 조경수 등이 다양하게 조합되어 형성되는 것을 알 수 있다.
이러한 특성은 상기 도로 경계 모델을 추정함에 있어서 신뢰성의 차이를 가져올 수 있으므로 이러한 각각의 특징을 모두 추출하여 경계를 추정할 수 있도록 하는것이 바람직하다.
또한 도로 경계 모델 내에 주행 차로 개수를 결정하기 위해 국내 지방지역 고속도로와 주간선도로, 도시지역의 도시고속도로, 주 간선도로의 차로 폭과 측대를 살펴보면, 차로 폭의 경우에는 3.25~3.6m 사이의 값을 가지며, 측대의 경우에는 0.5m의 값을 가지는 것을 확인할 수 있다.
이러한 국내 자동차 전용도로 특징을 반영하여 도 7에 나타낸 것과 같이 좌측의 중앙분리대와 우측의 도로 경계 사이의 폭 안에 존재할 수 있는 주행 차로의 개수를 결정하고, 측대 폭을 고려하여 가상 차선을 생성시킬 수 있으며 이때 가상 차선은 아래 수학식 3으로 표현된다.
Figure pat00021
(수학식 3)
이렇게 구성된 도로 경계 기반 가상 차선 생성 방법은 추정된 도로 경계 모델을 기반으로 수학식 3에 의하여 가상 차선을 도 8과 같이 표현할 수 있으며, 이를 토대로 현재 주행 중인 차로의 곡률과 횡방향 이탈거리 정보를 포함하는 차량과 차선 사이의 상대적인 위치 정보를 가상으로 생성시켜주게 된다.
이러한 단거리 레이더 센서 기반의 가상 차선 생성 방법은 각 도로 환경에 따라 그 추정 성능을 검증할 필요가 있다.
단거리 레이더 센서 기반의 가상 차선 생성 방법의 성능 검증을 위해서는 직선 도로, 선회 도로가 복합적으로 구성되고 선회 도로의 경우에는 좌측 선회와 우측 선회가 모두 포함되는 자동차전용도로 환경을 조성하는 것이 바람직하며 도 9에 성능검증을 위한 자동차전용도로 환경을 나타내었다.
도 9를 참조하면, 단거리 레이더 센서 기반의 가상 차선 생성 방법의 성능을 검증하기 위해 직선 도로 50m 구간(Section A), 이후에 곡률 반경 100m의 우측 선회 도로(Section B), 그리고 곡률 반경 100m의 좌측 선회 도로(Section C), 및 마지막 직선 도로 50m 구간(Section D)로 구성된 편도 5차로의 자동차전용도로를 선정하였다.
또한 도로의 좌측 중앙분리대의 형태 및 우측 도로 경계의 형태에 따라 성능에 영향을 미칠 수 있으므로 이러한 요소를 다양하게 조합하여 성능 검증을 위한 시나리오를 선정하였으며 이를 도 10에 나타내었다.
도 10에 나타낸 성능검증 시나리오는 총 5개로 단거리 레이더 센서 기반의 가상 차선 생성 방법에 영향을 많이 미치는 좌측 중앙분리대의 형태를 콘크리트 벽, 알루미늄 가드레일, 일정 거리의 가로수 3가지 형태로 조합하였으며, 성능에 큰 영향을 미치지 않는 도로 경계 형태를 가장 일반적인 콘크리트 벽으로 선정하였다.
또한 자동차전용도로 상의 주변 차량 교통 밀도에 따른 성능 평가를 위하여 좌측 중앙분리대와 우측 도로 경계가 모두 콘크리트 벽으로 조합된 상황에서 주변 차량 교통 밀도는 ZERO, LOW, HIGH의 3가지 형태를 조합하였다. 그리고 자율주행 차량의 주행 속도는 자동차전용도로의 일반적인 제한 속도인 80km/h로 설정하였다.
도 10의 각각의 시나리오에 따른 성능 검증 결과는 도 11에 나타내었다.
도 11에는 각각의 시나리오에 대해 오차가 많이 발생할 수 있는 곡선구간인 Section C의 가상차선 추정 성능 검증 결과를 도시하였다.
도 11을 참조하면 각 시나리오별 도로 경계 위치 정보에는 상당한 노이즈 특성이 포함되어 있으나 차량-도로 모델 기반의 도로 경계 추정을 위한 칼만 필터 적용을 통해 노이즈를 보정한 형태의 3차 Clothoid 함수 형태의 도로 경계 추정과 자동차전용도로 특징 기반의 가상차선이 5개로 정상적으로 수행되었음을 확인할 수 있다.
특히 시나리오 #2번과 #3번은 경우 교통 밀도가 각각 LOW, HIGH 상황이며, 주변 차량의 위치정보가 포함되어 있는 것을 확인할 수 있으나 중앙분위대와 도로 경계와 분리하여 제거시켜줌으로써 정상적으로 가상차선이 생성된 것을 확인할 수 있다.
이러한 성능 검증 결과를 통해 횡방향 이탈거리를 확인한 결과 5개 시나리오에서 평균적으로 0.2143m로, 국내 자동차전용도로의 차로 폭이 3.5m이고, 일반적인 승용자동차의 차량 폭이 1.7m 인 점을 감안해보면, 주행차로 유지를 위한 여유 공간이 좌우측 각각 0.9m씩 존재하는 것이므로, 단거리 레이더 센서 기반의 가상 차선 생성 방법을 통해 추정된 횡방향 이탈거리 추정 오차는 허용 가능한 수준이다.
이상에서 설명한 본 발명은 바람직한 실시 예들을 통하여 상세하게 설명되었지만, 본 발명은 이러한 실시 예들의 내용에 한정되는 것이 아님을 밝혀둔다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면, 비록 실시 예에 제시되지 않았지만 첨부된 청구항의 기재 범위 내에서 다양한 본 발명에 대한 모조나 개량이 가능하며, 이들 모두 본 발명의 기술적 범위에 속함은 너무나 자명하다 할 것이다. 이에, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
자율주행 차량 : 110 단거리 레이더 센서 : 120
자동차 전용도로 : 10 중앙분리대 : 11
도로 경계 : 12

Claims (5)

  1. 차선 인식을 위한 카메라 센서의 결함 여부를 확인하는 단계;
    카메라 센서의 결함이 확인되면 차량 전방의 좌측과 우측에 장착된 단거리 레이더 센서를 통해 스캔 데이터를 읽어들이는 단계;
    상기 스캔 데이터에서 멀티패스 에코에 의한 노이즈를 필터링하는 단계;
    상기 노이즈가 필터링된 스캔 데이터를 이용하여 차로의 곡률과 횡방향 이탈거리 정보를 통해 도로 경계 모델를 추정하는 단계;
    상기 추정된 도로 경계에 대한 데이터 및 자동차 전용도로의 특징을 이용하여 가상 차선을 생성하는 단계; 를 포함하는 단거리 레이더 센서 기반의 가상 차선 생성 방법.
  2. 제 1 항에 있어서,
    상기 도로 경계 모델은 3차 Clothoid 함수 형태의 도로 모델을 통해 추정하되, 차량의 좌측과 우측 도로 경계 모델은 각각 하기의 수학식 1과 수학식 2로 표현되며, 여기서
    Figure pat00022
    와
    Figure pat00023
    은 양측 도로의 곡률을 나타내고,
    Figure pat00024
    과
    Figure pat00025
    은 차량 중심으로부터 좌측과 우측의 횡방향 거리를 나타내는 단거리 레이더 센서 기반의 가상 차선 생성 방법.
    Figure pat00026
    (수학식 1)
    Figure pat00027
    (수학식 2)
  3. 제 2 항에 있어서,
    상기 도로 경계 모델로부터 도로 경계를 추정하기 위해 상기 수학식 1과 수학식 2에 칼만 필터를 적용하는 단거리 레이더 센서 기반의 가상 차선 생성 방법.
  4. 제 1 항에 있어서,
    상기 노이즈가 필터링된 스캔 데이터를 이용하여 상기 도로 경계 모델을 추정함에 있어서, 상기 스캔 데이터에 주변 차량 인식 정보가 포함된 경우 해당 정보를 제외한 후 도로 경계 모델을 추정하고, 상기 스캔 데이터에 주변 차량 인식 정보만 포함된 경우 상기 주변 차량 인식 정보를 각각 좌측 우측 도로 경계로 인식하여 도로 경계 모델을 추정하는 단거리 레이더 센서 기반의 가상 차선 생성 방법.
  5. 제 1 항에 있어서,
    상기 가상 차선은 국내 자동차전용도로 특징을 반영하여 좌측의 중앙분리대와 우측의 도로 경계 사이의 폭 안에 존재할 수 있는 주행 차로의 개수를 결정하고, 측대 폭을 고려하여 수학식 3으로부터 생성하는 단거리 레이더 센서 기반의 가상 차선 생성 방법.
    Figure pat00028
    (수학식 3)
KR1020160154468A 2016-11-18 2016-11-18 단거리 레이더 센서 기반의 가상 차선 생성 방법 KR101891725B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160154468A KR101891725B1 (ko) 2016-11-18 2016-11-18 단거리 레이더 센서 기반의 가상 차선 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160154468A KR101891725B1 (ko) 2016-11-18 2016-11-18 단거리 레이더 센서 기반의 가상 차선 생성 방법

Publications (2)

Publication Number Publication Date
KR20180056322A true KR20180056322A (ko) 2018-05-28
KR101891725B1 KR101891725B1 (ko) 2018-08-24

Family

ID=62441343

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160154468A KR101891725B1 (ko) 2016-11-18 2016-11-18 단거리 레이더 센서 기반의 가상 차선 생성 방법

Country Status (1)

Country Link
KR (1) KR101891725B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180247138A1 (en) * 2017-02-28 2018-08-30 Samsung Electronics Co., Ltd. Method and device to generate virtual lane
US20210149395A1 (en) * 2019-11-18 2021-05-20 Zenuity Ab Operational design domain validation coverage for road and lane type
CN113093743A (zh) * 2021-03-30 2021-07-09 西北农林科技大学 基于虚拟雷达模型和深度神经网络的导航控制方法
WO2024039944A3 (en) * 2022-08-16 2024-05-23 Qualcomm Incorporated Cellular radio frequency (rf) sensing in automobile navigation

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020262716A1 (ko) * 2019-06-24 2020-12-30 엘지전자 주식회사 자율주행 차량의 주행 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101163446B1 (ko) * 2009-03-18 2012-07-18 기아자동차주식회사 가상 차선을 이용하는 차선 이탈 경보 방법 및 그에 따른 시스템
KR101502511B1 (ko) * 2013-11-28 2015-03-13 현대모비스 주식회사 가상 차선 생성 장치와 방법 및 상기 장치를 구비하는 차선 유지 제어 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101500168B1 (ko) * 2013-10-14 2015-03-06 현대자동차주식회사 주행 도로의 측면 경계 인지 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101163446B1 (ko) * 2009-03-18 2012-07-18 기아자동차주식회사 가상 차선을 이용하는 차선 이탈 경보 방법 및 그에 따른 시스템
KR101502511B1 (ko) * 2013-11-28 2015-03-13 현대모비스 주식회사 가상 차선 생성 장치와 방법 및 상기 장치를 구비하는 차선 유지 제어 시스템

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Minho Cho 외 3명, Histogram-model based Road Boundary Estimation by using Laser Scanner, 제어로봇시스템학회 국제학술대회 논문집 , 2016.10, 1653-1655 (3 pages) *
논문(2016.10.) *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180247138A1 (en) * 2017-02-28 2018-08-30 Samsung Electronics Co., Ltd. Method and device to generate virtual lane
US10853665B2 (en) * 2017-02-28 2020-12-01 Samsung Electronics Co., Ltd. Method and device to generate virtual lane
US20210149395A1 (en) * 2019-11-18 2021-05-20 Zenuity Ab Operational design domain validation coverage for road and lane type
CN113093743A (zh) * 2021-03-30 2021-07-09 西北农林科技大学 基于虚拟雷达模型和深度神经网络的导航控制方法
WO2024039944A3 (en) * 2022-08-16 2024-05-23 Qualcomm Incorporated Cellular radio frequency (rf) sensing in automobile navigation

Also Published As

Publication number Publication date
KR101891725B1 (ko) 2018-08-24

Similar Documents

Publication Publication Date Title
KR101891725B1 (ko) 단거리 레이더 센서 기반의 가상 차선 생성 방법
CN107451521B (zh) 车辆车道图估算
KR102090512B1 (ko) 자차 위치 추정 장치
CN110395258B (zh) 路面状态推断装置以及路面状态推断方法
CN109254289B (zh) 道路护栏的检测方法和检测设备
CN107918758B (zh) 能够进行环境情景分析的车辆
JP7172619B2 (ja) 路面状態推定装置及び路面状態推定方法
EP2029414B1 (en) Vehicle state quantity predicting apparatus and vehicle steering controller using the same, and a method for predicting a vehicle state quantity and vehicle steering controlling method using the same
CN110234957B (zh) 行驶记录的存储方法、行驶轨迹模型的生成方法、自身位置推定方法及行驶记录的存储装置
US20210221355A1 (en) Apparatus and method for generating u-turn path of autonomous vehicle
US20220169280A1 (en) Method and Device for Multi-Sensor Data Fusion For Automated and Autonomous Vehicles
US20080291276A1 (en) Method for Driver Assistance and Driver Assistance Device on the Basis of Lane Information
US20050179580A1 (en) Road curvature estimation and automotive target state estimation system
CN106157691A (zh) 避免车辆间碰撞的系统
CN105270410A (zh) 用于自主驾驶车辆的路径规划的精确曲率估计算法
US10095238B2 (en) Autonomous vehicle object detection
JP2014528063A (ja) 車両があるオブジェクトを通過可能であるかを判断するための３ｄカメラを用いた方法
KR101503473B1 (ko) 차량의 주행 상황 판단 시스템 및 방법
KR20190056977A (ko) 차량 제어 장치
KR101490905B1 (ko) 차량의 자율 주행 시스템 및 그 방법
EP3630570A1 (fr) Assistance a la conduite d'un vehicule automobile a l'approche d'une barriere de peage
JP6115429B2 (ja) 自車位置認識装置
KR101417409B1 (ko) 주차장통로 사고예방 시스템 및 방법
KR20220095365A (ko) 차량 및 그를 위한 컷인 대응 제어 방법
KR101836810B1 (ko) 차로 판단 장치

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
GRNT Written decision to grant