KR20190095622A - Method and Apparatus for Planning Obstacle Avoiding Path - Google Patents

Method and Apparatus for Planning Obstacle Avoiding Path Download PDF

Info

Publication number
KR20190095622A
KR20190095622A KR1020180010030A KR20180010030A KR20190095622A KR 20190095622 A KR20190095622 A KR 20190095622A KR 1020180010030 A KR1020180010030 A KR 1020180010030A KR 20180010030 A KR20180010030 A KR 20180010030A KR 20190095622 A KR20190095622 A KR 20190095622A
Authority
KR
South Korea
Prior art keywords
vehicle
path
obstacle
destination
candidate group
Prior art date
Application number
KR1020180010030A
Other languages
Korean (ko)
Other versions
KR102151811B1 (en
Inventor
박태형
허성우
Original Assignee
충북대학교 산학협력단
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 충북대학교 산학협력단 filed Critical 충북대학교 산학협력단
Priority to KR1020180010030A priority Critical patent/KR102151811B1/en
Publication of KR20190095622A publication Critical patent/KR20190095622A/en
Application granted granted Critical
Publication of KR102151811B1 publication Critical patent/KR102151811B1/en

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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • 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
    • 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
    • B60W2550/10—
    • 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
    • B60W2554/00—Input parameters relating to objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

An embodiment of the present invention relates to a method for generating a collision-free path enabling to generate a soft collision-free path which is as close as possible to a reference path and which maintains a sufficient safety distance from an obstacle by including kinematic constraints of a vehicle on a cost function for the generation of an obstacle collision-free paths, the steering characteristics of a vehicle, a location of an obstacle, and a distance from a reference path, and an apparatus therefor.

Description

회피경로 생성방법 및 그를 위한 장치{Method and Apparatus for Planning Obstacle Avoiding Path}Method for generating avoiding path and apparatus therefor {Method and Apparatus for Planning Obstacle Avoiding Path}

본 발명의 실시예는 자율주행 차량의 장애물 회피경로 생성방법 및 그를 위한 장치에 관한 것이다.An embodiment of the present invention relates to a method for generating an obstacle avoidance path of an autonomous vehicle and an apparatus therefor.

이 부분에 기술된 내용은 단순히 본 발명의 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The contents described in this section merely provide background information on the embodiments of the present invention and do not constitute a prior art.

자율주행 차량이란 운전자가 차량의 주행을 조작하는 것이 아닌 차량 자체적으로 주행을 제어하여 목적지까지 이동하는 차량을 말한다. 자율주행 차량이 자율주행을 하기 위해서는 시작점부터 목적지까지의 경로가 필요하다. 이러한 경로계획 시에는 차량의 주변의 교통조건과 주행환경에서 발생하는 다양한 제약 조건을 만족시키면서 차량이 목적지까지 주행할 수 있는 최적의 경로가 필요하다. 예컨대, 자율 주행 중에 실시간으로 장애물의 존재 여부를 감지하고, 그에 따라 적절한 회피 경로를 생성하는 것을 필요로 한다.An autonomous vehicle refers to a vehicle moving to a destination by controlling the driving of the vehicle itself rather than manipulating the driving of the vehicle. In order for an autonomous vehicle to drive autonomously, a route from the starting point to the destination is required. In such a route planning, an optimal route for the vehicle to travel to a destination is required while satisfying various constraints generated in the traffic conditions and driving environment around the vehicle. For example, it is necessary to detect the presence of obstacles in real time during autonomous driving and to generate an appropriate avoidance path accordingly.

한편, 기존에는 장애물 검출 시 주변환경을 인식하여 회피할 수 있는 경로를 생성하고, 차량의 모델을 예측하여 주행이 가능한지를 판단하였다. 이 경우에는 차량이 주행가능한 경로 중 최단거리를 목표로 하는 것에 초점을 맞추고 있기 때문에 자칫 차량의 급선회 및 장애물과의 안전거리를 충분히 확보하지 못한 채 차량이 주행할 수 있다는 문제점이 존재한다. 다시 말해 차량은 비홀로노믹한 제한 조건을 가지기 때문에 경로의 곡률이 심할 경우 추종을 할 수 없게 된다.On the other hand, in the past, when obstacles are detected, it is possible to recognize a surrounding environment and create a path that can be avoided. In this case, since the vehicle focuses on targeting the shortest distance among the paths in which the vehicle can run, there is a problem in that the vehicle can run without sufficiently securing a sharp turn of the vehicle and a safety distance from obstacles. In other words, since the vehicle has a non-holographic constraint, it cannot be followed when the curvature of the path is severe.

이에 따라, 본 발명에서는 차량의 기구학적인 모델과 장애물의 위치를 고려하여 종래 대비 장애물의 회피를 위한 보다 부드러운 경로를 생성 가능토록 하는 새로운 방법을 제안한다.Accordingly, the present invention proposes a new method for generating a smoother path for avoiding obstacles in consideration of the kinematic model of the vehicle and the position of the obstacle.

본 실시예는 장애물의 회피 경로 생성을 위한 비용함수에 차량의 기구학적인 제한조건, 차량의 조향 특성정보, 장애물의 위치 및 기준이 되는 경로와의 이격 거리 등을 포함시킴으로써 최대한 기준경로와 가까우면서도 장애물과 충분한 안전거리를 유지한 부드러운 회피 경로 생성이 가능토록 하는 데 그 목적이 있다.The present embodiment includes the kinematic constraints of the vehicle, the steering characteristic information of the vehicle, the position of the obstacle, and the distance from the reference path in the cost function for generating the obstacle avoidance path. The aim is to enable the generation of smooth avoidance paths with sufficient safety distances.

본 실시예는, 라이다 센서로부터 입력받은 라이다 데이터를 분석하여 자율 주행 중인 차량의 주변에 위치한 장애물을 감지하는 감지부; 상기 장애물에 대한 감지결과를 바탕으로 상기 장애물의 회피를 위해 상기 차량이 통과해야 할 지역 경로에 대한 목적지를 선정하는 선정부; 상기 차량의 현재 위치에서 상기 목적지까지의 이동 가능한 복수 개의 경로 후보군을 생성하고, 상기 차량의 현재 위치 및 자세 정보를 토대로 예측되는 상기 차량의 조향 특성정보를 함수 인자로서 활용하여 상기 각 경로 후보군별 비용함수를 산출하는 산출부; 및 상기 비용함수의 산출결과에 따라 상기 장애물의 회피를 위한 최적의 회피 경로를 선정하고, 선정된 회피 경로에 근거하여 상기 차량의 주행을 제어하는 제어부를 포함하는 것을 특징으로 하는 회피경로 생성장치를 제공한다.The present exemplary embodiment may include: a detector configured to detect an obstacle located near a vehicle that is autonomous by analyzing the LiDAR data received from the LiDAR sensor; A selection unit that selects a destination for a local route that the vehicle must pass to avoid the obstacle based on the detection result of the obstacle; Generates a plurality of path candidate groups that are movable from the current position of the vehicle to the destination, and utilizes the steering characteristic information of the vehicle, which is predicted based on the current position and attitude information of the vehicle, as a function factor to determine the cost for each route candidate group. A calculator for calculating a function; And a controller configured to select an optimal avoidance path for avoiding the obstacle according to the calculation result of the cost function, and to control driving of the vehicle based on the selected avoidance path. to provide.

또한, 본 실시예의 다른 측면에 의하면, 라이다 센서를 이용한 차량의 회피경로 생성방법에 있어서, 상기 라이다 센서로부터 입력받은 라이다 데이터를 분석하여 자율 주행 중인 상기 차량의 주변에 위치한 장애물을 감지하는 과정; 상기 장애물에 대한 감지결과를 바탕으로 상기 장애물의 회피를 위해 상기 차량이 통과해야 할 지역 경로에 대한 목적지를 선정하는 과정; 상기 차량의 현재 위치에서 상기 목적지까지의 이동 가능한 복수 개의 경로 후보군을 생성하고, 상기 차량의 현재 위치 및 자세 정보를 토대로 예측되는 상기 차량의 조향 특성정보를 함수 인자로서 활용하여 상기 각 경로 후보군별 비용함수를 산출하는 과정; 및 상기 비용함수의 산출결과에 따라 상기 장애물의 회피를 위한 최적의 회피 경로를 선정하고, 선정된 회피 경로에 근거하여 상기 차량의 주행을 제어하는 과정을 포함하는 것을 특징으로 하는 회피경로 생성방법을 제공한다.In addition, according to another aspect of the present invention, in the vehicle avoidance path generation method using a lidar sensor, detecting the obstacle located in the vicinity of the vehicle in the autonomous driving by analyzing the lidar data input from the lidar sensor process; Selecting a destination for a local route through which the vehicle must pass to avoid the obstacle based on the detection result of the obstacle; Generates a plurality of path candidate groups that are movable from the current position of the vehicle to the destination, and utilizes the steering characteristic information of the vehicle, which is predicted based on the current position and attitude information of the vehicle, as a function factor to determine the cost for each route candidate group. Calculating a function; And selecting an optimal avoidance path for avoiding the obstacle according to the calculation result of the cost function, and controlling the driving of the vehicle based on the selected avoidance path. to provide.

이상에서 설명한 바와 같이 본 발명의 실시예에 의하면, 장애물의 회피 경로 생성을 위한 비용함수에 차량의 기구학적인 제한조건, 차량의 조향 특성정보, 장애물의 위치 및 기준이 되는 경로와의 이격 거리 등을 포함시킴으로써 최대한 기준경로와 가까우면서도 장애물과 충분한 안전거리를 유지한 부드러운 회피 경로의 생성이 가능한 효과가 있다.As described above, according to the exemplary embodiment of the present invention, the cost function for generating the obstacle avoidance path includes the kinematic constraint condition of the vehicle, the steering characteristic information of the vehicle, the position of the obstacle, and the distance from the reference path. By including it, it is possible to create a smooth avoidance path as close to the reference path as possible while maintaining a sufficient safety distance from the obstacle.

도 1은 본 실시예에 따른 회피경로 생성장치를 개략적으로 나타낸 블록 구성도이다.
도 2는 본 실시예에 따른 회피경로 생성장치의 회피경로 생성방법을 설명하기 위한 순서도이다.
도 3은 본 실시예에 따른 회피경로 생성을 위한 장애물 검출 및 지역 경로의 목적지 선정방법을 설명하기 위한 순서도이다.
도 4 및 도 5는 본 실시예에 따른 장애물 검출방법을 설명하기 위한 예시도이다.
도 6은 본 실시예에 따른 지역 경로의 목적지 선정방법을 설명하기 위한 예시도이다.
도 7 및 도 8은 본 실시예에 따른 회피경로 생성방법을 설명하기 위한 예시도이다.1 is a block diagram schematically illustrating an apparatus for generating an avoiding path according to an exemplary embodiment.
2 is a flowchart illustrating a method for generating an avoiding path of the apparatus for generating an avoiding path according to the present embodiment.
3 is a flowchart illustrating a method for detecting an obstacle and selecting a destination of a local route for generating an avoiding route according to the present embodiment.
4 and 5 are exemplary diagrams for explaining the obstacle detection method according to the present embodiment.
6 is an exemplary view for explaining a method for selecting a destination of a local route according to the present embodiment.
7 and 8 are exemplary views for explaining a method of generating an avoiding path according to the present embodiment.

이하, 본 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. 본 발명을 설명함에 있어, '…부', '모듈' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.Hereinafter, the present embodiment will be described in detail with reference to the accompanying drawings. In describing the present invention, The terms 'unit' and 'module' refer to a unit that processes at least one function or operation, which may be implemented by hardware or software or a combination of hardware and software.

도 1은 본 실시예에 따른 회피경로 생성장치를 개략적으로 나타낸 블록 구성도이다.1 is a block diagram schematically illustrating an apparatus for generating an avoiding path according to an exemplary embodiment.

본 실시예에 따른 회피경로 생성장치(100)는 자율주행 차량 내 구비되어 차량 주변에 위치한 장애물의 존재 여부를 실시간으로 감지하고, 그에 따라 적절한 회피 경로를 생성하는 기능을 수행한다. 이러한, 회피경로 생성장치(100) 상에 포함되는 각 구성요소들은 차량 시스템 내 하드웨어 또는 소프트웨어 기반의 장치로 구현될 수 있다.The avoidance path generating apparatus 100 according to the present exemplary embodiment is provided in the autonomous vehicle and senses in real time whether an obstacle located around the vehicle is detected, and thereby generates an appropriate avoidance path. Each of the components included in the avoidance path generating apparatus 100 may be implemented as a hardware or software based device in the vehicle system.

도 1에 도시하듯이, 본 실시예에 따른 회피경로 생성장치(100)는 센서부(110), 감지부(120), 선정부(130), 산출부(140) 및 제어부(150)를 포함한다. 이때, 도 1의 회피경로 생성장치(100)는 일 실시예에 따른 것으로, 도 1에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 회피경로 생성장치(100)에 포함된 일부 블록이 추가, 변경 또는 삭제될 수 있다.As shown in FIG. 1, the avoiding path generating apparatus 100 according to the present exemplary embodiment includes a sensor unit 110, a detector 120, a selector 130, a calculator 140, and a controller 150. do. At this time, the avoidance path generating apparatus 100 of FIG. 1 is according to an embodiment, and not all blocks shown in FIG. 1 are essential components, and in some embodiments, some blocks included in the avoiding path generating apparatus 100 are shown. This can be added, changed or deleted.

센서부(110)는 적어도 하나의 센서를 구비하고, 구비된 센서를 이용하여 차량 주변의 교통조건과 주행환경의 감지를 위한 데이터를 수집하는 장치를 의미한다.The sensor unit 110 includes at least one sensor, and means a device that collects data for detecting a traffic condition and a driving environment around the vehicle by using the provided sensor.

본 실시예에 있어서 센서부(110)는 라이다 센서를 센싱수단으로서 구비하고, 구비된 라이다 센서를 이용하여 상기의 데이터를 수집할 수 있다. In this embodiment, the sensor unit 110 includes a lidar sensor as a sensing means, and collects the above data using the provided lidar sensor.

이러한, 라이다 센서를 이용한 데이터 수집 방법에 대해 보다 자세히 설명하자면, 라이다 센서는 차량의 일측에 장착되며, 차량의 주변(전방)을 향하여 레이저를 발사한다. 라이다 센서에 의해 발사된 레이저는 산란되거나 반사되어 차량으로 되돌아올 수 있다. To describe the data collection method using the lidar sensor in more detail, the lidar sensor is mounted on one side of the vehicle and emits a laser toward the periphery (front) of the vehicle. The laser fired by the lidar sensor may be scattered or reflected back to the vehicle.

라이다 센서는 레이저를 이용하여 측정한 거리정보(Distance Information)를 3D 공간에서 점들의 집합(Cloud Point) 형태로 나타내며, 이러한 거리정보를 포함하는 라이다 데이터를 감지부(120)로 전달한다. 예를 들어, 라이다 센서는 레이저가 되돌아오는 시간, 강도, 주파수의 변화, 편광 상태의 변화를 기초로, 차량의 주변에 위치하는 타겟(ex: 장애물)의 물리적 특성에 대한 정보를 획득할 수 있다.The lidar sensor displays distance information measured using a laser in the form of a cloud point in a 3D space, and transmits the lidar data including the distance information to the sensing unit 120. For example, the lidar sensor can acquire information about the physical characteristics of a target (ex obstacle) located in the vicinity of the vehicle based on the time, intensity, frequency change, and polarization state of the laser return. have.

다른 실시예에서 라이다 센서는 회피경로 생성장치(100)의 구성요소로서 미포함되는 형태로 구현될 수 있으며, 이 경우, 센서부(110)는 차량에 설치된 라이다 센서와의 연동을 통해 상기의 라이다 데이터를 수집하고, 이를 감지부(120)로 제공하는 중계 기능을 수행한다.In another embodiment, the lidar sensor may be embodied in a form that is not included as a component of the avoidance path generating apparatus 100. In this case, the sensor unit 110 may be connected to the lidar sensor installed in the vehicle. Collects LiDAR data, and performs a relay function for providing it to the detector 120.

감지부(120)는 센서부(110)를 이용하여 제공받은 라이다 데이터를 분석하여 자율 주행 중인 차량의 주변에 위치한 장애물을 검출한다.The sensor 120 analyzes the LiDAR data provided using the sensor 110 to detect an obstacle located around the autonomous vehicle.

본 실시예에 따른 감지부(120)는 라이다 데이터를 분석하여 장애물을 검출하기 앞서 라이다 데이터에 대한 전처리 과정을 수행할 수 있다. 이러한, 전처리 과정은 바람직하게는 장애물 검출 과정에 있어서의 효율성 향상 등을 위해 선택적으로 수행될 수 있다.The sensor 120 according to the present exemplary embodiment may perform preprocessing on the LiDAR data prior to detecting the obstacle by analyzing the LiDAR data. Such a pretreatment process may be selectively performed to improve the efficiency in the obstacle detection process.

즉, 감지부(120)는 입력받은 라이다 데이터 중 기 설정된 관심영역에 해당하는 데이터를 선별하고, 선별된 데이터만을 고려하여 장애물에 대한 검출 절차를 수행할 수 있다. 이때, 관심영역은 예컨대, 차량의 위치를 기준으로 소정 거리 범위 내의 영역에 대하여 설정될 수 있으며, 결과적으로, 장애물을 검출하는 과정에서 사용되는 포인트 클라우드의 데이터량이 최소화될 수 있도록 하는 효과를 야기한다.That is, the sensing unit 120 may select data corresponding to a predetermined ROI among the input LiDAR data and perform a detection process for obstacles in consideration of only the selected data. In this case, the region of interest may be set for, for example, an area within a predetermined distance range based on the position of the vehicle, resulting in an effect of minimizing the amount of data of the point cloud used in the process of detecting an obstacle. .

또한, 감지부(120)는 선별된 데이터를 기반으로 차량의 입체 탑뷰(Top-View) 영상을 생성하고, 생성된 탑뷰 영상을 이용하여 장애물에 대한 검출 절차를 수행할 수 있다. 예컨대, 감지부(120)는 선별된 데이터 내 z축에 대한 성분을 제거함으로써 상기의 입체 탑뷰 영상을 생성할 수 있으며, 마찬가지로, 이로 인해, 장애물을 검출하는 과정에서 사용되는 포인트 클라우드의 데이터량이 최소화될 수 있도록 한다.In addition, the detector 120 may generate a three-dimensional top-view image of the vehicle based on the selected data, and may perform an obstacle detection procedure using the generated top-view image. For example, the sensing unit 120 may generate the stereoscopic top view image by removing a component of the z-axis in the selected data. Likewise, the amount of data of the point cloud used in the process of detecting an obstacle may be minimized. To be possible.

이후, 감지부(120)는 전처리 과정이 수행된 라이다 데이터에 대한 분석을 수행하고, 이를 통해, 자율 주행 중인 차량의 주변에 위치한 장애물을 감지한다.Thereafter, the detection unit 120 analyzes the LiDAR data on which the preprocessing process is performed, and thereby detects obstacles located around the autonomous vehicle.

이하, 도 4 및 도 5를 함께 참고하여, 본 실시예에 따른 감지부(120)의 장애물 검출방법에 대해 설명하도록 한다.Hereinafter, the obstacle detecting method of the sensing unit 120 according to the present embodiment will be described with reference to FIGS. 4 and 5.

감지부(120)는 탑뷰 영상으로 변환된 라이다 데이터 내 직선 성분을 추출하고, 추출된 직선 성분을 현재 차량이 주행 중인 도로의 경계에 대한 후보군으로서 선정한다.The detector 120 extracts a linear component in the LiDAR data converted to the top view image, and selects the extracted linear component as a candidate group for the boundary of the road on which the vehicle is currently driving.

감지부(120)는 선정된 후보군 중 현재 차량의 진행방향과의 각도차가 기 설정된 임계치 이하인 직성 성분을 도로의 경계로서 추출한다. 이후, 감지부(120)는 추출된 도로의 경계 내부 영역에 대해서만 장애물의 검출을 진행한다.The detector 120 extracts, as a boundary of the road, a straight component having an angle difference between a current direction of the vehicle and a predetermined threshold or less from a selected candidate group. Thereafter, the detection unit 120 detects the obstacle only in the region inside the boundary of the extracted road.

한편, 도 4는 본 실시예에 따른 장애물 검출 과정에서 사용되는 라이다 데이터의 형태를 예시한 예시도이다.On the other hand, Figure 4 is an exemplary diagram illustrating the form of the lidar data used in the obstacle detection process according to the present embodiment.

이러한, 도 4를 참조하면, 본 실시예에 따른 감지부(120)의 전처리 과정에 따라 생성된 탑뷰 영상을 확인할 수 있으며, 마찬가지로, 해당 탑뷰 영상 내 특정 직선 성분이 도로의 경계로서 추출된 것을 확인할 수 있다.4, the top view image generated by the pre-processing process of the sensing unit 120 according to the present embodiment can be confirmed. Similarly, it is confirmed that a specific linear component in the corresponding top view image is extracted as a road boundary. Can be.

감지부(120)는 도로의 경계 내 장애물이 검출된 지점을 각각 세그멘테이션(Segmentation) 처리하여 장애물 영역으로서 정의하고, 이를 토대로 장애물에 대한 위치를 산출한다. 예컨대, 감지부(120)는 장애물 영역에 포함되는 점들에 대해 Ransac 알고리즘을 적용하고, 이를 통해, 계산된 장애물의 양 끝점 및 중심점의 좌표 값을 장애물에 대한 위치정보로서 선정할 수 있다.The detector 120 segments each of the detected points of the obstacle in the boundary of the road as a segmentation process, and calculates the position of the obstacle based on this. For example, the detector 120 may apply a Ransac algorithm to the points included in the obstacle area, and may select the coordinate values of the calculated end points and the center point of the obstacle as position information on the obstacle.

한편, 도 5는 본 실시예에 따른 장애물의 검출 방법을 설명하기 위한 예시도이다. 도 5의 (a)는 본 실시예에 따른 장애물의 위치정보 산출방법을 예시하였으며, 도 5의 (b)는 본 실시예에 따른 장애물의 검출결과를 예시하였다.5 is an exemplary view for explaining a method for detecting an obstacle according to the present embodiment. 5A illustrates a method for calculating position information of an obstacle according to the present embodiment, and FIG. 5B illustrates a detection result of an obstacle according to the present embodiment.

도 5의 (a)를 참조하면, 본 실시예에 따른 감지부(120)가 차량의 현재 위치를 기준으로 장애물의 위치 예컨대, 중심점의 좌표를 검출하는 방법을 확인할 수 있다.Referring to FIG. 5A, the sensing unit 120 according to the present exemplary embodiment may identify a method of detecting a position of an obstacle, for example, a coordinate of a center point, based on a current position of a vehicle.

한편, 도 5의 (a)에 예시된 장애물의 위치 검출 방법을 수식으로 표현하면 수학식 1과 같다.Meanwhile, the method for detecting the position of the obstacle illustrated in FIG. 5A may be expressed by Equation 1 below.

Figure pat00001
Figure pat00001

여기서, rn은 라이다 센서를 통해 산출한 차량으로부터 장애물 보다 자세하게는 차량의 기준점에서 장애물의 중심점까지의 거리값을 의미하며, θn은 차량의 현재 자세를 기준으로 한 장애물과의 사이의 각도차를 의미한다.Here, r n is a distance value from the vehicle's reference point to the center point of the obstacle in more detail from the vehicle calculated by the lidar sensor, θ n is the angle between the obstacle based on the current attitude of the vehicle Means tea.

선정부(130)는 장애물에 대한 감지결과를 바탕으로 장애물의 회피를 위해 차량이 통과해야 할 지역 경로에 대한 목적지를 선정하는 기능을 수행한다.The selecting unit 130 performs a function of selecting a destination for a local route that the vehicle must pass to avoid the obstacle based on the detection result of the obstacle.

본 실시예에 따른 선정부(130)는 앞서 장애물을 검출하는 과정에서 추출된 도로의 경계 및 장애물에 대한 위치정보를 토대로 상기의 지역 경로에 대한 목적지를 선정할 수 있다.The selecting unit 130 according to the present exemplary embodiment may select a destination for the regional route based on the boundary of the road and location information on the obstacle, which is extracted in the process of detecting the obstacle.

이하, 도 6을 함께 참고하여, 본 실시예에 따른 선정부(130)의 지역 경로 목적지 선정방법에 대해 설명하도록 한다.Hereinafter, a method of selecting a local route destination by the selecting unit 130 according to the present embodiment will be described with reference to FIG. 6.

선정부(130)는 도로의 경계 및 장애물에 대한 위치정보를 토대로 도로의 경계와 장애물 사이에 차량이 주행 가능한 적어도 하나의 후보 영역을 도출한다.The selecting unit 130 derives at least one candidate area in which the vehicle can travel between the road boundary and the obstacle based on the location information of the road boundary and the obstacle.

예컨대, 도 6을 참고하면, 도로의 경계와 장애물 사이에 차량이 주행 가능한 후보 영역으로서 2개의 영역이 검출되고, 각각의 영역이 S1 free 및 S2 free로 정의된 것을 확인할 수 있다. 한편, 본 실시예의 경우, Sn free에 대한 정보로서는 해당 영역의 중심좌표(xn, yn)와 영역의 가로길이(ln)로 구성될 수 있다.For example, referring to FIG. 6, it can be seen that two regions are detected as candidate regions in which a vehicle can run between a road boundary and an obstacle, and each region is defined as S 1 free and S 2 free . Meanwhile, in the present embodiment, the information on S n free may include a center coordinate (x n , y n ) of the corresponding area and a horizontal length l n of the area.

선정부(130)는 도출된 후보 영역 중 그 가로 길이가 기 설정된 차량의 주행 가능 길이보다 큰 영역을 지역 경로에 대한 목적지로서 선정한다. 이때, 차량의 주행 가능 길이는 차량의 폭과 안전 거리의 합에 따라 결정되어 지며, 사용자의 설정에 따라 다양한 값이 설정될 수 있다.The selector 130 selects a region of which the horizontal length is greater than the preset driving length of the derived candidate region as a destination for the local route. At this time, the driving length of the vehicle is determined according to the sum of the width of the vehicle and the safety distance, and various values may be set according to the user's setting.

한편, 선정부(130)는 지역 경로에 대한 목적지로서 복수 개가 선정되는 경우 각 영역의 중심과 기 설정된 기준경로와의 근접 여부를 추가로 고려하여 지역 경로에 대한 목적지를 최종 결정할 수 있다. 이때, 기 설정된 기준경로는 도로 경계의 중점(vk=(xk, yk)) 즉, 도로의 중심으로 결정되는 것이 바람직하나 반드시 이에 한정되는 것은 아니다. 이러한, 기준 경로는 예컨대, V=v1, v2, v3,…,vk, k=1,2,…n로 정의될 수 있다.On the other hand, when a plurality of destinations are selected as the destinations for the local route, the selecting unit 130 may finally determine the destination for the local route by further considering whether the center of each region is close to the preset reference path. At this time, the predetermined reference path is preferably determined as the midpoint of the road boundary (v k = (x k , y k )), that is, the center of the road, but is not necessarily limited thereto. Such reference paths are, for example, V = v 1 , v 2 , v 3 ,. , v k , k = 1,2,... n may be defined.

예컨대, 도 6을 참고하면, S1 free 보다 자세하게는 S1 free의 중심점이 지역 경로의 목적지로서 선정된 것을 확인할 수 있다.For example, referring to Figure 6, in more detail than is free of S 1 S 1 free You can see that the center point is selected as the destination of the regional route.

산출부(140)는 차량의 현재 위치에서 지역 경로의 목적지까지의 이동 가능한 복수 개의 경로 후보군을 생성하고, 각각의 경로 후보군에 대한 비용함수를 산출하여 제공하는 기능을 수행한다.The calculator 140 generates a plurality of path candidate groups that are movable from the current location of the vehicle to the destination of the local path, and calculates and provides a cost function for each path candidate group.

이하, 도 7 및 도 8을 함께 참고하여, 본 실시예에 따른 산출부(140)의 비용함수 산출방법에 대해 설명하도록 한다.Hereinafter, the cost function calculation method of the calculator 140 according to the present embodiment will be described with reference to FIGS. 7 and 8.

산출부(140)는 지역 경로의 목적지가 주어졌을 시, 차량의 현재 위치에서 지역 경로의 목적지까지의 영역에 대하여 소정의 기준에 따라 그리드로 구분된 복수의 노드를 포함하는 그리드 맵(LGM: Local Grid Map)을 생성한다.When the destination of the local route is given, the calculator 140 includes a grid map (LGM) including a plurality of nodes divided into grids according to a predetermined criterion for the area from the current location of the vehicle to the destination of the local route. Create a Grid Map).

예컨대, 도 7을 참고하면, 산출부(140)에 의해 생성된 그리드 맵이 n개의 Stage와 m개의 state로 구성되는 것을 확인할 수 있다. 이때, 각 그리드의 중점은 노드(Node)로서 정의되고, 각 노드들은 차량의 기구학 모델로 예측한 차량의 자세값과 입력값을 포함하여 수학식 2와 같이 표현된다.For example, referring to FIG. 7, it can be seen that the grid map generated by the calculator 140 includes n stages and m states. In this case, the center point of each grid is defined as a node, and each node is represented by Equation 2 including an attitude value and an input value of the vehicle predicted by the vehicle's kinematic model.

Figure pat00002
Figure pat00002

여기서, x, y는 노드의 좌표값을, 각 δ 값은 차량의 조향 특성정보 보다 자세하게는, 차량의 현재 위치 및 자세 정보를 토대로 예측된 해당 노드로의 이동을 위한 차량의 조향각, 조향각 속도, 조향각 가속도의 입력 값을 의미한다.Here, x, y is the coordinate value of the node, each δ value is more in detail than the steering characteristic information of the vehicle, the steering angle, steering angle speed, the vehicle's steering angle for moving to the corresponding node predicted based on the current position and attitude information of the vehicle Means the input value of the steering angle acceleration.

산출부(140)는 그리드 맵 내 차량의 현재 위치에 대응되는 출발지 노드에서 지역 경로의 목적지에 대응되는 목적지 노드까지의 이동 가능한 적어도 하나의 이상의 노드들의 집합을 회피 경로의 경로 후보군으로서 생성한다.The calculator 140 generates a set of at least one or more movable nodes from the starting node corresponding to the current position of the vehicle in the grid map to the destination node corresponding to the destination of the local route as the path candidate group of the avoiding path.

산출부(140)는 각 경로 후보군별로 경로 후보군 내 포함되는 각 노드들에 상응하여 예측된 차량의 조향 특성정보를 함수 인자로서 활용하여 현재 위치에서 지역 경로의 목적지까지의 차량의 조향 변화값이 반영된 비용함수를 산출한다.The calculation unit 140 reflects the steering change value of the vehicle from the current location to the destination of the local route by using the steering characteristic information of the vehicle predicted corresponding to each node included in the route candidate group as a function factor for each route candidate group. Calculate the cost function.

한편, 본 실시예에 따른 산출부(140)는 각 경로 후보군별 비용함수를 산출하는 과정에서 각 노드들에 상응하여 예측된 차량의 조향 특성정보 및 차량의 기구학 모델을 기반으로 기 설정된 임계값 정보에 근거하여 특정 경로 후보군에 대한 필터링 절차를 수행할 수 있다. 이때, 임계값 정보는 차량의 종류 및 특성과 같은 기구학적인 제한조건에 따라 사전에 결정된 조향 가능 최소범위 및 최대 범위 값일 수 있으며, 수학식 3과 같이 표현될 수 있다.On the other hand, the calculation unit 140 according to the present embodiment in the process of calculating the cost function for each route candidate group based on the steering characteristic information of the vehicle predicted corresponding to each node and the threshold information preset based on the kinematic model of the vehicle Based on the filtering procedure for a specific path candidate group can be performed. In this case, the threshold information may be a predetermined minimum steerable range and maximum range value according to kinematic constraints such as the type and characteristic of the vehicle, and may be expressed by Equation 3 below.

Figure pat00003
Figure pat00003

한편, 산출부(140)는 경로 후보군 중 기 설정된 임계값을 벗어나는 조향 특성정보를 갖는 노드를 포함하든 특정 경로 후보군을 회피 경로의 후보에서 제외시킬 수 있다. 즉, 산출부(1400는 차량의 기구학 제한조건을 넘어서는 노드에 대해서는 비용에 대해 무한한 값을 부여함으로써 그 노드와 관련된 경로 후보군에 대해서는 더 이상 비용함수가 책정되지 않도록 동작한다.Meanwhile, the calculator 140 may exclude a specific path candidate group from candidates for the avoiding path, even if the node includes a node having steering characteristic information that is out of a predetermined threshold value among the path candidate groups. That is, the calculation unit 1400 operates so that the cost function is no longer determined for the path candidate group associated with the node by assigning an infinite value to the cost to the node that exceeds the kinematic constraint of the vehicle.

본 실시예에 따른 산출부(140)는 각 경로 후보군별로 경로 후보군 내 포함되는 각 노드들에 대응하여 책정된 장애물과의 사이의 거리 정보 및 기 설정된 기준 경로와의 사이의 거리 정보 중 일부 또는 전부를 함수인자로서 추가 활용하여 비용함수를 산출할 수 있다.The calculation unit 140 according to the present exemplary embodiment may include some or all of the distance information between the obstacles determined in correspondence with the nodes included in the path candidate group and the distance information between the preset reference paths for each path candidate group. Can be used as a function argument to calculate the cost function.

이러한, 산출부(140)의 각 경로 후보군별 비용함수 산출방법을 수학식으로 나타내면 수학식 4와 같다.The cost function calculation method for each path candidate group of the calculator 140 is expressed by Equation 4 below.

Figure pat00004
Figure pat00004

이때, 첫 번째 항은 경로의 물리적인 거리를 나타내고, 두 번째 항은 차량의 조향 입력의 변화를 나타내고, 세 번째 항은 장애물과 기준 경로와의 거리차를 나타낸다. 결과적으로, 본 실시예에 의하는 경우 현재 차량의 자세를 고려하여 조향 변화가 가장 적고, 거리가 짧으며, 기준 경로에서 가까운 장애물 회피 경로가 선택되어 진다.In this case, the first term represents the physical distance of the path, the second term represents the change in the steering input of the vehicle, and the third term represents the distance difference between the obstacle and the reference path. As a result, in the present embodiment, the obstacle avoidance path is selected with the smallest steering change, the shortest distance, and close to the reference path in consideration of the current vehicle attitude.

도 8을 참조하면, 본 실시예에 따른 산출부(140)의 비용함수 산출방법을 보다 자세하게 확인할 수 있다. 즉, 도 8의 (a)를 참조하면, 본 실시예에 따른 각 경로 후보군별로 비용함수를 책정하는 과정에서 차량의 조향 특성정보, 장애물과 기준 경로와의 거리차이 등이 함수 인자로서 활용되는 것을 확인할 수 있다. 도 8의 (b)는 비용함수의 책정결과에 따라 산출된 최적의 회피 경로를 예시하였다.Referring to FIG. 8, the method of calculating the cost function of the calculator 140 according to the present embodiment may be confirmed in more detail. That is, referring to FIG. 8 (a), the steering characteristic information of the vehicle, the distance difference between the obstacle and the reference path, etc. are utilized as a function factor in the process of determining the cost function for each path candidate group according to the present embodiment. You can check it. 8 (b) illustrates an optimal avoidance path calculated according to the cost function formulation result.

본 실시예에 따른 산출부(140)는 각각의 경로 후보군에 대한 비용함수를 산출 시 차량의 조향각, 조향각 속도, 조향각 가속도와 같은 조향 특성정보를 고려함으로써 차량의 횡방향의 변화가 최소화되는 회피 경로의 생성이 가능토록 한다.The calculation unit 140 according to the present embodiment considers steering characteristic information such as steering angle, steering angle speed, steering angle acceleration, etc. of the vehicle when calculating the cost function for each path candidate group, thereby minimizing the change in the transverse direction of the vehicle. Allows the creation of.

또한, 산출부(140)는 차량의 기구학적인 제한조건과 현재 차량의 자세를 고려함으로써 차량이 추종할 수 있는 부드러운 회피 경로의 생성이 가능토록 한다.In addition, the calculator 140 allows the generation of a smooth avoidance path that the vehicle can follow by considering the kinematic constraints of the vehicle and the current vehicle attitude.

또한, 산출부(140)는 장애물과 기준 경로와의 거리차이를 비용함수에 포함시킴으로써 기준 경로에서 최대한 가까우면서도 장애물과 충분한 안전거리를 유지한 부드러운 회피 경로의 생성이 가능토록 한다.In addition, the calculation unit 140 includes the distance difference between the obstacle and the reference path in the cost function to allow the generation of a smooth avoidance path that is as close as possible to the reference path but maintains a sufficient safety distance with the obstacle.

제어부(150)는 산출부(140)의 비용함수 산출결과에 따라 장애물의 회피를 위한 최적의 회피 경로를 선정하고, 선정된 회피 경로에 근거하여 차량의 주행을 제어한다.The controller 150 selects an optimal avoidance path for obstacle avoidance according to the cost function calculation result of the calculator 140, and controls the driving of the vehicle based on the selected avoidance path.

본 실시예에 따른 제어부(150)는 각 경로 후보군별 비용함수에 기초하여 차량의 조향 변화값이 최소화되면서도, 기준 경로에서 최대한 가까우면서도 장애물과 충분한 안전거리를 유지 가능한 경로를 최적의 회피 경로로서 선정한다.The controller 150 according to the present exemplary embodiment selects a path that is capable of maintaining a sufficient safety distance with an obstacle while being closest to the reference path while minimizing a steering change value of the vehicle based on a cost function of each path candidate group as an optimal avoiding path. do.

도 2는 본 실시예에 따른 회피경로 생성장치의 회피경로 생성방법을 설명하기 위한 순서도이다.2 is a flowchart illustrating a method for generating an avoiding path of the apparatus for generating an avoiding path according to the present embodiment.

회피경로 생성장치(100)는 라디아 센서로부터 입력받은 라이다 데이터를 분석하여 차량 주변의 장애물을 감지한다(S202). 단계 S202에서 회피경로 생성장치(100)가 장애물을 감지하는 방법은 도 3을 통해 보다 구체적으로 설명하도록 한다.The avoiding path generating apparatus 100 analyzes the LiDAR data input from the Radia sensor and detects obstacles around the vehicle (S202). A method of detecting the obstacle by the avoidance path generating apparatus 100 in step S202 will be described in more detail with reference to FIG. 3.

회피경로 생성장치(100)는 단계 S202의 장애물 감지결과를 바탕으로 장애물의 회피를 위해 차량이 통과해야할 지역 경로에 대한 목적지를 선정한다(S204). 단계 S204에서 회피경로 생성장치(100)가 지역 경로에 대한 목적지를 선정하는 방법은 도 3을 통해 보다 구체적으로 설명하도록 한다.The avoidance path generating apparatus 100 selects a destination for the local route to which the vehicle must pass in order to avoid the obstacle based on the obstacle detection result of step S202 (S204). A method of selecting a destination for the local route by the avoiding route generating apparatus 100 in step S204 will be described in more detail with reference to FIG. 3.

회피경로 생성장치(100)는 차량의 현재 위치에서 단계 S204에서 선정한 목적지까지의 이동 가능한 복수 개의 경로 후보군을 생성하고, 각 경로 후보군별 비용함수를 산출한다(S206). 단계 S206에서 회피경로 생성장치(100)는 각 경로 후보군별로 경로 후보군 내 포함되는 각 노드들에 상응하여 예측된 차량의 조향 특성정보를 함수 인자로서 활용하여 현재 위치에서 지역 경로의 목적지까지의 차량의 조향 변화값이 반영된 비용함수를 산출한다.The avoidance path generating apparatus 100 generates a plurality of path candidate groups that are movable from the current position of the vehicle to the destination selected in step S204, and calculates a cost function for each path candidate group (S206). In step S206, the avoiding path generating apparatus 100 utilizes the steering characteristic information of the vehicle predicted corresponding to each node included in the path candidate group as a function factor for each path candidate group to determine the vehicle from the current location to the destination of the local path. The cost function reflects the steering change.

회피경로 생성장치(100)는 각 경로 후보군별로 경로 후보군 내 포함되는 각 노드들에 대응하여 책정된 장애물과의 사이의 거리 정보 및 기 설정된 기준 경로와의 사이의 거리 정보 중 일부 또는 전부를 함수인자로서 추가 활용하여 비용함수를 산출할 수 있다.The avoidance path generating apparatus 100 may convert a part or all of the distance information between the obstacle and the distance information between the obstacle set in correspondence to the nodes included in the path candidate group for each path candidate group and the preset reference path. As a result, the cost function can be calculated.

회피경로 생성장치(100)는 단계 S206에서 산출한 비용함수를 기반으로 최적의 회피 경로를 선정하고, 선정된 회피 경로에 근거하여 차량의 주행을 제어한다(S208).The avoidance path generating apparatus 100 selects an optimal avoidance path based on the cost function calculated in step S206, and controls the driving of the vehicle based on the selected avoidance path (S208).

도 3은 본 실시예에 따른 회피경로 생성을 위한 장애물 검출 및 지역 경로의 목적지 선정방법을 설명하기 위한 순서도이다.3 is a flowchart illustrating a method for detecting an obstacle and selecting a destination of a local route for generating an avoiding route according to the present embodiment.

회피경로 생성장치(100)는 라이다 센서를 이용하여 측정된 라이다 데이터를 획득한다(S302). 여기서 라이다 데이터는 라이다 센서가 구비된 차량 전방의 높이와 관련된 수직 해상도 범위의 데이터를 의미하며, 예컨대, 차량의 전방에 대한 포인트 클라우드 데이터를 의미한다. The avoiding path generating apparatus 100 obtains the measured lidar data using the lidar sensor (S302). Here, the LiDAR data refers to data of a vertical resolution range related to the height of the front of the vehicle equipped with the LiDAR sensor, for example, point cloud data of the front of the vehicle.

회피경로 생성장치(100)는 단계 S302에서 획득한 라이다 데이터에 대한 전처리 절차를 수행한다(S304). 단계 S304에서 회피경로 생성장치(100)는 단계 S302에서 획득한 라이다 데이터 중 기 설정된 관심영역에 해당하는 데이터만을 선별하고, 선별된 데이터를 기반으로 차량의 입체 탑뷰(Top-View) 영상을 생성할 수 있다.The avoiding path generating apparatus 100 performs a preprocessing procedure on the lidar data obtained in step S302 (S304). In operation S304, the avoidance path generating apparatus 100 selects only data corresponding to a predetermined ROI among the lidar data acquired in operation S302, and generates a three-dimensional top-view image of the vehicle based on the selected data. can do.

회피경로 생성장치(100)는 단계 S304에서 전처리 수행된 라이다 데이터를 기반으로 차량이 주행 중인 도로의 경계 영역을 검출하고(S306), 검출된 도로의 경계 영역 내 장애물을 감지한다(S308). 단계 S306에서 회피경로 생성장치(100)는 라이다 데이터 내 직선 성분을 추출하고, 추출된 직선 성분을 중 현재 차량의 진행방향과의 각도차가 기 설정된 임계치 이하인 직성 성분을 도로의 경계로서 추출한다. 이후, 회피경로 생성장치(100)는 도로의 경계 내부 영역에 대해서만 장애물의 검출을 진행한다. 이러한, 라이다 데이터 내 장애물 검출과 관련한 구체적인 내용은 해당 분야에서 일반적인 바 자세한 설명은 생략하도록 한다.The avoidance path generating apparatus 100 detects a boundary area of the road on which the vehicle is driving based on the lidar data preprocessed in step S304 (S306), and detects an obstacle in the boundary area of the detected road (S308). In step S306, the avoidance path generating apparatus 100 extracts a straight line component in the lidar data, and extracts a straight line component of which the angle difference with the traveling direction of the current vehicle is less than or equal to a preset threshold value among the extracted straight line components as a road boundary. Thereafter, the avoiding path generating apparatus 100 detects the obstacle only for the area inside the boundary of the road. Such details related to obstacle detection in lidar data will be omitted since it is general in the relevant field.

회피경로 생성장치(100)는 단계 S308의 장애물 감지결과를 바탕으로 장애물의 회피를 위해 차량이 통과해야 할 지역 경로에 대한 목적지를 선정한다(S310). 단계 S310에서 회피경로 생성장치(100)는 단계 S308의 장애물 감지결과를 바탕으로 도로의 경계와 장애물 사이에 차량이 주행 가능한 적어도 하나의 후보 영역을 도출한다. 이후, 회피경로 생성장치(100)는 도출된 후보 영역 중 그 가로 길이가 기 설정된 차량의 주행 가능 길이보다 크면서도 기 설정된 기준 경로와 가장 근접한 영역을 지역 경로에 대한 목적지로서 선정한다.The avoidance path generating apparatus 100 selects a destination for the local path to which the vehicle must pass to avoid the obstacle based on the obstacle detection result of step S308 (S310). In operation S310, the avoidance path generating apparatus 100 derives at least one candidate area in which the vehicle may travel between the road boundary and the obstacle, based on the obstacle detection result of operation S308. Thereafter, the avoiding path generating apparatus 100 selects, as the destination for the local route, a region closest to the preset reference route while the transverse length thereof is larger than the driving possible length of the preset vehicle.

여기서, 단계 S202 내지 S208 및 단계 S302 내지 S310은 앞서 설명된 회피경로 생성장치(100)의 각 구성요소의 동작에 대응되므로 더 이상의 상세한 설명은 생략한다.Here, the steps S202 to S208 and the steps S302 to S310 correspond to the operation of each component of the above-described avoidance path generating apparatus 100, and thus, further detailed description thereof will be omitted.

도 2 및 도 3에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 2 및 도 3에 기재된 과정을 변경하여 실행하거나 하나 이상의 과정을 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 2 및 도 3은 시계열적인 순서로 한정되는 것은 아니다.2 and 3, each process is described as being sequentially executed, but is not necessarily limited thereto. In other words, since the process described in FIG. 2 and FIG. 3 may be applied by changing or executing one or more processes in parallel, FIGS. 2 and 3 are not limited to the time series order.

전술한 바와 같이 도 2 및 도 3에 기재된 회피경로의 생성을 위한 각 방법은프로그램으로 구현되고 컴퓨터의 소프트웨어를 이용하여 읽을 수 있는 기록매체(CD-ROM, RAM, ROM, 메모리 카드, 하드 디스크, 광자기 디스크, 스토리지 디바이스 등)에 기록될 수 있다.As described above, each method for generating the avoidance path described in FIGS. 2 and 3 may be implemented by a program and may be read by software of a computer (CD-ROM, RAM, ROM, memory card, hard disk, Magneto-optical disks, storage devices, etc.).

이상의 설명은 본 실시예의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.The above description is merely illustrative of the technical idea of the present embodiment, and those skilled in the art to which the present embodiment belongs may make various modifications and changes without departing from the essential characteristics of the present embodiment. Therefore, the present embodiments are not intended to limit the technical idea of the present embodiment but to describe the present invention, and the scope of the technical idea of the present embodiment is not limited by these embodiments. The scope of protection of the present embodiment should be interpreted by the following claims, and all technical ideas within the scope equivalent thereto should be construed as being included in the scope of the present embodiment.

100: 회피경로 생성장치 110: 센서부
120: 감지부 130: 선정부
140: 산출부 150: 제어부100: avoiding path generation device 110: sensor unit
120: detection unit 130: selection unit
140: calculator 150: controller

Claims (11)

라이다 센서로부터 입력받은 라이다 데이터를 분석하여 자율 주행 중인 차량의 주변에 위치한 장애물을 감지하는 감지부;
상기 장애물에 대한 감지결과를 바탕으로 상기 장애물의 회피를 위해 상기 차량이 통과해야 할 지역 경로에 대한 목적지를 선정하는 선정부;
상기 차량의 현재 위치에서 상기 목적지까지의 이동 가능한 복수 개의 경로 후보군을 생성하고, 상기 차량의 현재 위치 및 자세 정보를 토대로 예측되는 상기 차량의 조향 특성정보를 함수 인자로서 활용하여 상기 각 경로 후보군별 비용함수를 산출하는 산출부; 및
상기 비용함수의 산출결과에 따라 상기 장애물의 회피를 위한 최적의 회피 경로를 선정하고, 선정된 회피 경로에 근거하여 상기 차량의 주행을 제어하는 제어부
를 포함하는 것을 특징으로 하는 회피경로 생성장치.A detector configured to detect the obstacles located around the autonomous vehicle by analyzing the lidar data received from the lidar sensor;
A selection unit that selects a destination for a local route that the vehicle must pass to avoid the obstacle based on the detection result of the obstacle;
Generates a plurality of path candidate groups that are movable from the current position of the vehicle to the destination, and utilizes the steering characteristic information of the vehicle, which is predicted based on the current position and attitude information of the vehicle, as a function factor to determine the cost for each route candidate group. A calculator for calculating a function; And
A control unit for selecting an optimal avoidance path for avoiding the obstacle according to the calculation result of the cost function and controlling the running of the vehicle based on the selected avoidance path
Avoidance path generation apparatus comprising a. 제 1항에 있어서,
상기 감지부는,
상기 라이다 데이터 중 지정된 관심영역에 해당하는 데이터를 선별하여 상기 차량의 입체 탑뷰(Top-View) 영상을 생성하고, 생성된 탑뷰 영상을 이용하여 상기 장애물을 감지하는 것을 특징으로 하는 회피경로 생성장치.The method of claim 1,
The detection unit,
Selecting data corresponding to a region of interest of the lidar data to generate a three-dimensional top-view image of the vehicle, and the obstacle avoidance generation device characterized in that for detecting the obstacle using the generated top-view image . 제 1항에 있어서,
상기 감지부는,
상기 라이다 데이터 내 현재 차량의 진행방향과의 각도차가 기 설정된 임계치 이하인 직선 성분을 상기 차량이 주행중인 도로의 경계로서 검출하고, 검출된 도로의 경계 내부에 대해서 선별적으로 상기 장애물을 감지하는 것을 특징으로 하는 회피경로 생성장치.The method of claim 1,
The detection unit,
Detecting as a boundary of a road on which the vehicle is driving, and detecting a linear component having an angle difference from a current driving direction of the lidar data below a preset threshold, and selectively detecting the obstacle within the boundary of the detected road. Characterized by the avoidance path generation device. 제 1항에 있어서,
상기 선정부는,
상기 장애물과 도로의 경계 사이에 상기 차량이 주행 가능한 적어도 하나의 후보 영역을 도출하고, 상기 후보 영역 중 그 가로 길이가 기 설정된 상기 차량의 주행 가능 길이보다 큰 영역을 상기 지역 경로에 대한 목적지로서 선정하는 것을 특징으로 하는 회피경로 생성장치.The method of claim 1,
The selection unit,
Deriving at least one candidate area in which the vehicle can travel between the obstacle and a road boundary, and selecting a region of which the horizontal length is larger than a preset driving length of the vehicle as a destination for the local route among the candidate areas. Avoidance path generation device, characterized in that. 제 4항에 있어서,
상기 선정부는,
상기 도로의 경계 중심을 기준 경로로서 결정하고, 상기 기준 경로와의 근접 여부를 추가로 고려하여 상기 지역 경로에 대한 목적지를 선정하는 것을 특징으로 하는 회피경로 생성장치.The method of claim 4, wherein
The selection unit,
And determining a destination for the local route by considering the boundary center of the road as a reference route and further considering whether the road is close to the reference route. 제 1항에 있어서,
상기 산출부는,
상기 차량의 현재 위치에서 상기 목적지까지의 영역에 대하여 소정의 기준에 따라 그리드로 구분된 복수의 노드를 포함하는 그리드 맵을 생성하고, 상기 그리드 맵 내 상기 차량의 현재 위치에 대응되는 출발지 노드에서 상기 목적지에 대응되는 목적지 노드까지의 이동 가능한 적어도 하나 이상의 노드들의 집합을 상기 경로 후보군으로서 생성하는 것을 특징으로 하는 회피경로 생성장치.The method of claim 1,
The calculation unit,
Create a grid map including a plurality of nodes divided into grids according to a predetermined criterion for the area from the current location of the vehicle to the destination, and at the starting node corresponding to the current location of the vehicle in the grid map. And a set of at least one node moveable to a destination node corresponding to a destination as the path candidate group. 제 6항에 있어서,
상기 산출부는,
상기 차량의 현재 위치 및 자세 정보를 토대로 상기 경로 후보군 내 포함되는 각 노드들에 상응하는 상기 차량의 조향 특성정보를 예측하고, 예측된 조향 특성정보를 함수 인자로서 활용하여 상기 현재 위치에서 상기 목적지까지의 상기 차량의 조향 변화값이 반영된 상기 각 경로 후보군별 비용함수를 산출하는 것을 특징으로 하는 회피경로 생성장치.The method of claim 6,
The calculation unit,
The steering characteristic information of the vehicle corresponding to each node included in the route candidate group is predicted based on the current position and attitude information of the vehicle, and the predicted steering characteristic information is used as a function factor from the current position to the destination. And a cost function for each path candidate group in which a steering change value of the vehicle is reflected. 제 7항에 있어서,
상기 산출부는,
상기 각 노드들에 대하여 예측된 차량의 조향 특성정보 및 상기 차량의 기구학 모델을 기반으로 기 설정된 임계값 정보에 근거하여 상기 경로 후보군에 대한 필터링 절차를 수행하는 것을 특징으로 하는 회피경로 생성장치.The method of claim 7, wherein
The calculation unit,
And a filtering procedure for the path candidate group based on the steering characteristic information of the vehicle predicted for each of the nodes and the threshold information preset based on the kinematic model of the vehicle. 제 7항에 있어서,
상기 제어부는,
상기 각 경로 후보군별 비용함수에 기초하여 상기 현재 위치에서 상기 목적지까지의 상기 차량의 조향 변화값이 최소가 되는 경로를 상기 최적의 회피 경로로서 선정하는 것을 특징으로 하는 회피경로 생성장치.The method of claim 7, wherein
The control unit,
And a path for minimizing a steering change value of the vehicle from the current location to the destination based on the cost function for each path candidate group as the optimum avoiding path. 제 1항에 있어서,
상기 산출부는,
상기 감지부를 이용하여 감지된 상기 장애물과의 거리 정보 및 기 설정된 기준 경로와의 거리 정보 중 일부 또는 전부를 상기 함수 인자로서 추가 활용하여 상기 각 경로 후보군별 비용함수를 산출하는 것을 특징으로 하는 회피경로 생성장치.The method of claim 1,
The calculation unit,
An additional cost path for each path candidate group is calculated by additionally utilizing some or all of the distance information with respect to the obstacle detected by the detector and the distance information with a predetermined reference path as the function factor. Generating device. 라이다 센서를 이용한 차량의 회피경로 생성방법에 있어서,
상기 라이다 센서로부터 입력받은 라이다 데이터를 분석하여 자율 주행 중인 상기 차량의 주변에 위치한 장애물을 감지하는 과정;
상기 장애물에 대한 감지결과를 바탕으로 상기 장애물의 회피를 위해 상기 차량이 통과해야 할 지역 경로에 대한 목적지를 선정하는 과정;
상기 차량의 현재 위치에서 상기 목적지까지의 이동 가능한 복수 개의 경로 후보군을 생성하고, 상기 차량의 현재 위치 및 자세 정보를 토대로 예측되는 상기 차량의 조향 특성정보를 함수 인자로서 활용하여 상기 각 경로 후보군별 비용함수를 산출하는 과정; 및
상기 비용함수의 산출결과에 따라 상기 장애물의 회피를 위한 최적의 회피 경로를 선정하고, 선정된 회피 경로에 근거하여 상기 차량의 주행을 제어하는 과정
을 포함하는 것을 특징으로 하는 회피경로 생성방법.In the vehicle avoidance path generation method using a lidar sensor,
Analyzing the lidar data received from the lidar sensor and detecting an obstacle located near the autonomous vehicle;
Selecting a destination for a local route through which the vehicle must pass to avoid the obstacle based on the detection result of the obstacle;
Generates a plurality of path candidate groups that are movable from the current position of the vehicle to the destination, and utilizes the steering characteristic information of the vehicle, which is predicted based on the current position and attitude information of the vehicle, as a function factor to determine the cost for each route candidate group. Calculating a function; And
Selecting an optimal avoidance path for avoiding the obstacle according to the result of calculating the cost function, and controlling driving of the vehicle based on the selected avoidance path
Avoidance path generation method characterized in that it comprises a.
KR1020180010030A 2018-01-26 2018-01-26 Method and Apparatus for Planning Obstacle Avoiding Path KR102151811B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180010030A KR102151811B1 (en) 2018-01-26 2018-01-26 Method and Apparatus for Planning Obstacle Avoiding Path

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180010030A KR102151811B1 (en) 2018-01-26 2018-01-26 Method and Apparatus for Planning Obstacle Avoiding Path

Publications (2)

Publication Number Publication Date
KR20190095622A true KR20190095622A (en) 2019-08-16
KR102151811B1 KR102151811B1 (en) 2020-09-03

Family

ID=67806748

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180010030A KR102151811B1 (en) 2018-01-26 2018-01-26 Method and Apparatus for Planning Obstacle Avoiding Path

Country Status (1)

Country Link
KR (1) KR102151811B1 (en)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021034819A1 (en) * 2019-08-21 2021-02-25 Waymo Llc Polyline contour representations for autonomous vehicles
CN112572424A (en) * 2019-09-11 2021-03-30 北京百度网讯科技有限公司 Vehicle control method, device, equipment and medium based on obstacle recognition
KR20210073640A (en) * 2019-12-10 2021-06-21 한국전자기술연구원 Finding Method of route and device using the same
CN113177427A (en) * 2020-01-23 2021-07-27 宝马股份公司 Road prediction method, autonomous driving method, vehicle and equipment
CN113701780A (en) * 2021-09-14 2021-11-26 成都信息工程大学 Real-time obstacle avoidance planning method based on A-star algorithm
CN114264307A (en) * 2021-12-15 2022-04-01 广州小鹏自动驾驶科技有限公司 Route generation method, apparatus, vehicle and storage medium
KR20220087926A (en) * 2020-12-18 2022-06-27 한국기술교육대학교 산학협력단 Path creation method of autonomous driving
US20220219727A1 (en) * 2021-01-12 2022-07-14 Motional Ad Llc Vehicle path planning
CN116811914A (en) * 2023-06-29 2023-09-29 重庆亿连信息科技有限公司 Unmanned vehicle-mounted obstacle sensing system and method
US11846939B2 (en) 2020-09-24 2023-12-19 Hanwha Aerospace Co., Ltd. Mobile vehicle, control method of mobile vehicle, and path control system of mobile vehicle
CN117622114A (en) * 2023-10-19 2024-03-01 镁佳(北京)科技有限公司 Parking path planning method and device, computer equipment and storage medium

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11354689B2 (en) * 2020-03-30 2022-06-07 Capital One Services, Llc Methods and systems for determining auction prices

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101389126B1 (en) * 2013-08-07 2014-04-25 (주) 지오씨엔아이 Method for levee mapping using lidar data and orthophotograph
KR101669622B1 (en) * 2015-07-15 2016-10-26 국방과학연구소 Method and apparatus of the optimization-based path planning for autonomous navigation of unmanned ground vehicle
KR101795250B1 (en) * 2016-05-03 2017-11-07 현대자동차주식회사 Path planning apparatus and method for autonomous vehicle
JP2017224168A (en) * 2016-06-15 2017-12-21 国立大学法人東京農工大学 Drive support device and drive support method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101389126B1 (en) * 2013-08-07 2014-04-25 (주) 지오씨엔아이 Method for levee mapping using lidar data and orthophotograph
KR101669622B1 (en) * 2015-07-15 2016-10-26 국방과학연구소 Method and apparatus of the optimization-based path planning for autonomous navigation of unmanned ground vehicle
KR101795250B1 (en) * 2016-05-03 2017-11-07 현대자동차주식회사 Path planning apparatus and method for autonomous vehicle
JP2017224168A (en) * 2016-06-15 2017-12-21 国立大学法人東京農工大学 Drive support device and drive support method

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11938926B2 (en) 2019-08-21 2024-03-26 Waymo Llc Polyline contour representations for autonomous vehicles
US11260857B2 (en) 2019-08-21 2022-03-01 Waymo Llc Polyline contour representations for autonomous vehicles
CN114258366B (en) * 2019-08-21 2023-05-16 伟摩有限责任公司 Polyline profile representation for autonomous vehicles
CN114258366A (en) * 2019-08-21 2022-03-29 伟摩有限责任公司 Polyline profile representation for autonomous vehicles
US11136025B2 (en) 2019-08-21 2021-10-05 Waymo Llc Polyline contour representations for autonomous vehicles
WO2021034819A1 (en) * 2019-08-21 2021-02-25 Waymo Llc Polyline contour representations for autonomous vehicles
KR20220028163A (en) * 2019-08-21 2022-03-08 웨이모 엘엘씨 Polyline contour representations for autonomous vehicles
CN112572424A (en) * 2019-09-11 2021-03-30 北京百度网讯科技有限公司 Vehicle control method, device, equipment and medium based on obstacle recognition
KR20210073640A (en) * 2019-12-10 2021-06-21 한국전자기술연구원 Finding Method of route and device using the same
CN113177427A (en) * 2020-01-23 2021-07-27 宝马股份公司 Road prediction method, autonomous driving method, vehicle and equipment
US11846939B2 (en) 2020-09-24 2023-12-19 Hanwha Aerospace Co., Ltd. Mobile vehicle, control method of mobile vehicle, and path control system of mobile vehicle
KR20220087926A (en) * 2020-12-18 2022-06-27 한국기술교육대학교 산학협력단 Path creation method of autonomous driving
US20220219727A1 (en) * 2021-01-12 2022-07-14 Motional Ad Llc Vehicle path planning
KR20220102530A (en) * 2021-01-12 2022-07-20 모셔널 에이디 엘엘씨 Vehicle path planning
CN113701780A (en) * 2021-09-14 2021-11-26 成都信息工程大学 Real-time obstacle avoidance planning method based on A-star algorithm
CN113701780B (en) * 2021-09-14 2023-08-29 成都信息工程大学 Real-time obstacle avoidance planning method based on A star algorithm
CN114264307A (en) * 2021-12-15 2022-04-01 广州小鹏自动驾驶科技有限公司 Route generation method, apparatus, vehicle and storage medium
CN114264307B (en) * 2021-12-15 2024-06-04 广州小鹏自动驾驶科技有限公司 Path generation method, device, vehicle and storage medium
CN116811914A (en) * 2023-06-29 2023-09-29 重庆亿连信息科技有限公司 Unmanned vehicle-mounted obstacle sensing system and method
CN117622114A (en) * 2023-10-19 2024-03-01 镁佳(北京)科技有限公司 Parking path planning method and device, computer equipment and storage medium

Also Published As

Publication number Publication date
KR102151811B1 (en) 2020-09-03

Similar Documents

Publication Publication Date Title
KR102151811B1 (en) Method and Apparatus for Planning Obstacle Avoiding Path
CN110632921B (en) Robot path planning method and device, electronic equipment and storage medium
US11938926B2 (en) Polyline contour representations for autonomous vehicles
WO2017104163A1 (en) Parking support method and device
KR101409323B1 (en) Method and Apparatus for Path Planning of Unmanned Ground Vehicle in Dynamic Environment
US11255681B2 (en) Assistance control system
CN111552284A (en) Method, device, equipment and medium for planning local path of unmanned vehicle
KR102178992B1 (en) Method and Apparatus for Planning Car Motion
JP2017222309A (en) Parking support method and apparatus
JP2012243029A (en) Traveling object with route search function
JP2016136378A (en) Method and system for assisting driver of own vehicle
KR20220039903A (en) Apparatus and method for controlling autonomous driving of vehicle
CN103781685A (en) Autonomous driving control system for vehicle
CN111830979A (en) Trajectory optimization method and device
CN113635894B (en) Method for determining a travelable region
KR20150049861A (en) Apparatus and method for generating driving path of vehicle
JP2013004021A (en) Collision risk determination device
CN111650934A (en) Method for planning local path of automatic driving system
KR102355426B1 (en) Method and apparatus for detecting and avoiding obstacles on driving path
KR20220168061A (en) Apparatus for controlling a vehicle, system having the same and method thereof
US12019448B1 (en) Mapping and detection for safe navigation
US20220413147A1 (en) Method for detecting ground using lidar sensor and ground detection device performing same
US20220334583A1 (en) Route generation device
US20220229186A1 (en) Object shape detection apparatus and method
JP2022111524A (en) Self-position estimation device and method

Legal Events

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