KR20200084938A - Method and Apparatus for Planning Car Motion - Google Patents

Method and Apparatus for Planning Car Motion Download PDF

Info

Publication number
KR20200084938A
KR20200084938A KR1020180166982A KR20180166982A KR20200084938A KR 20200084938 A KR20200084938 A KR 20200084938A KR 1020180166982 A KR1020180166982 A KR 1020180166982A KR 20180166982 A KR20180166982 A KR 20180166982A KR 20200084938 A KR20200084938 A KR 20200084938A
Authority
KR
South Korea
Prior art keywords
vehicle
angular velocity
obstacle
path
operation planning
Prior art date
Application number
KR1020180166982A
Other languages
Korean (ko)
Other versions
KR102178992B1 (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 KR1020180166982A priority Critical patent/KR102178992B1/en
Publication of KR20200084938A publication Critical patent/KR20200084938A/en
Application granted granted Critical
Publication of KR102178992B1 publication Critical patent/KR102178992B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/14—Adaptive cruise control
    • B60W30/143—Speed 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
    • B60W40/10—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 vehicle motion
    • B60W40/105—Speed
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B60W2420/408—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/42—Image sensing, e.g. optical camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/52—Radar, Lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/62—Laser
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • B60W2720/103—Speed profile
    • 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
    • B60Y2300/143—Speed control

Abstract

An embodiment of the present invention relates to a method for planning motion of a vehicle for enabling soft and safe driving by creating a speed profile which adaptively determines acceleration and deceleration of a vehicle in consideration of current state information of a vehicle and a calculated rotating amount of a vehicle and a calculated distance to an obstacle through a kinematic model of a vehicle when planning motion of an autonomous vehicle, and a device therefor. The device comprises a path generation unit, an angular speed calculation unit, a distance measurement unit, and a speed control unit.

Description

차량 동작 계획방법 및 그를 위한 장치{Method and Apparatus for Planning Car Motion}Vehicle motion planning method and apparatus therefor {Method and Apparatus for Planning Car Motion}

본 실시예는 차량 동작 계획방법 및 그를 위한 장치에 관한 것이다. 보다 자세하게는, 퍼지이론을 사용한 자율주행 차량의 종방향 동작 계획방법 및 그를 위한 장치에 관한 것이다.The present embodiment relates to a vehicle operation planning method and an apparatus therefor. More specifically, the present invention relates to a method for planning a longitudinal motion of an autonomous vehicle using fuzzy theory and an apparatus therefor.

이 부분에 기술된 내용은 단순히 본 발명의 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.The content described in this section merely provides background information for an embodiment of the present invention and does not constitute a prior art.

자율주행 차량의 동작계획이란 경로계획을 통해 차량의 경로를 결정하고, 경로에 따른 차량의 종방향 및 횡방향의 궤적을 계획하는 것으로써, 자율주행 차량이 자율주행을 하기 위해서는 현재위치에서 목표지점 까지의 차량의 동작을 계획하는 과정이 필수적이다. The operation plan of an autonomous vehicle is to determine the vehicle's path through a route plan, and to plan the trajectory of the vehicle in the longitudinal and transverse directions along the route. In order for the autonomous vehicle to autonomously drive, the target point at the current position The process of planning the operation of the vehicle up to is essential.

경로계획시 차량의 주변 교통조건과 주행환경을 감지하기 위해 라이다 센서와 카메라 센서가 대표적으로 사용되고 있다. 라이다 센서는 차량 주변의 환경을 사각없이 360° 전방향에 대해 감지가 가능하고 감지된 데이터의 정확도는 약 ±3cm로, 다른 타 센서에 비해 정확하다. 하지만 차량으로부터 거리가 멀리 떨어진 데이터의 경우 측정하기 어려운 경우가 많아 이를 보완하기 위해 카메라와 라이다를 같이 사용하는 경우가 많다.In planning the route, a lidar sensor and a camera sensor are typically used to detect the surrounding traffic conditions and driving environment of the vehicle. The lidar sensor can detect the environment around the vehicle in all directions 360° without blind spots, and the accuracy of the detected data is about ±3cm, which is more accurate than other sensors. However, it is often difficult to measure data that is far from the vehicle, and a camera and a lidar are often used together to compensate for this.

한편, 차량은 주행할 때 타이어에는 가속으로 인한 구동력과 회전에 의한 횡력이 발생한다. 이러한 횡력은 차량의 미끄러짐을 발생시켜 차량의 위치오차 및 자세를 불안정하게 만드는 원인이 된다. 따라서 동작 계획시 차량의 회전이 심한구간(예 : 차선변경, 장애물 회피)에서 차량의 회전량을 고려하여 차량의 가속 및 감속을 결정할 필요성이 존재한다. 추가적으로 장애물과의 거리 또한 고려하여 차량의 가속 및 가속을 결정할 필요성이 존재한다. 이에 따라, 본 발명에서는 차량의 회전량과 장애물과의 거리를 고려하여 부드러운 속도 프로파일을 제공 가능토록 하는 새로운 방법을 제안한다.On the other hand, when the vehicle is running, the tire generates driving force due to acceleration and lateral force due to rotation. This lateral force causes the vehicle to slip, causing the vehicle's positional error and posture to become unstable. Therefore, it is necessary to determine the acceleration and deceleration of the vehicle in consideration of the amount of rotation of the vehicle in a section in which the rotation of the vehicle is severe (eg lane change, obstacle avoidance) when planning the operation. In addition, there is a need to determine the acceleration and acceleration of the vehicle in consideration of the distance to the obstacle. Accordingly, the present invention proposes a new method to provide a smooth speed profile in consideration of the amount of rotation of the vehicle and the distance between obstacles.

본 실시예는 자율주행 차량의 동작계획 시 현재 차량의 상태정보 및 차량의 기구학 모델을 통해 산출된 차량의 회전량과 장애물과의 거리를 고려하여 차량의 가속 및 감속을 적응적으로 결정한 속도 프로파일을 생성함으로써 부드럽고 안정적인 주행이 가능토록 하는 데 그 목적이 있다.In this embodiment, the speed profile that adaptively determines the acceleration and deceleration of the vehicle in consideration of the vehicle's rotation amount and the distance between obstacles calculated through the vehicle's state information and the vehicle's kinematic model during the operation plan of the autonomous vehicle Its purpose is to make smooth and stable driving possible.

본 실시예는, 자율 주행 중인 차량의 현재 위치에서 목적지까지의 주행 경로를 생성하는 경로 생성부; 상기 현재 위치에서의 상기 차량의 상태정보 및 상기 차량의 기구학 모델을 기반으로 상기 주행 경로의 추종을 위한 상기 차량의 횡방향 각속도 값을 산출하는 각속도 산출부; 상기 차량에 설치된 적어도 하나의 센서로부터 수집된 센싱 데이터를 기반으로 상기 주행 경로의 주변에 위치한 장애물을 감지하고, 상기 장애물과 상기 차량 사이의 거리 데이터를 산출하는 거리 측정부; 및 상기 차량의 횡방향 각속도 값 및 상기 거리 데이터를 기반으로 상기 주행 경로 내 상기 차량의 가속 및 감속을 결정하는 속도 제어부를 포함하는 것을 특징으로 하는 동작 계획장치를 제공한다.The present embodiment includes a path generation unit that generates a driving path from a current location of a vehicle that is autonomous driving to a destination; An angular velocity calculator that calculates a lateral angular velocity value of the vehicle for tracking the driving route based on the state information of the vehicle at the current position and a kinematic model of the vehicle; A distance measuring unit detecting an obstacle located around the driving path and calculating distance data between the obstacle and the vehicle based on sensing data collected from at least one sensor installed in the vehicle; And a speed controller for determining acceleration and deceleration of the vehicle in the driving route based on the lateral angular velocity value of the vehicle and the distance data.

또한, 본 실시예의 다른 측면에 의하면, 자율 주행 중인 차량의 현재 위치에서 목적지까지 복수 개의 경유점으로 구성되는 주행 경로를 생성하는 과정; 상기 현재 위치에서의 상기 차량의 상태정보 및 상기 차량의 기구학 모델을 기반으로 상기 주행 경로의 추종을 위한 상기 차량의 횡방향 각속도 값을 산출하는 과정; 상기 차량에 설치된 적어도 하나의 센서로부터 수집된 센싱 데이터를 기반으로 상기 주행 경로의 주변에 위치한 장애물을 감지하고, 상기 장애물과 상기 차량 사이의 거리 데이터를 산출하는 과정; 및 상기 차량의 횡방향 각속도 값 및 상기 거리 데이터를 기반으로 상기 주행 경로 내 상기 차량의 가속 및 감속을 결정하는 과정을 포함하는 것을 특징으로 하는 동작 계획방법을 제공한다.In addition, according to another aspect of the present embodiment, the process of generating a driving path consisting of a plurality of waypoints from the current position to the destination of the autonomous vehicle; Calculating a lateral angular velocity value of the vehicle for tracking the driving route based on the state information of the vehicle at the current position and a kinematic model of the vehicle; Detecting an obstacle located around the driving path based on sensing data collected from at least one sensor installed in the vehicle, and calculating distance data between the obstacle and the vehicle; And determining the acceleration and deceleration of the vehicle in the driving route based on the lateral angular velocity value of the vehicle and the distance data.

이상에서 설명한 바와 같이 본 발명의 실시예에 의하면, 자율주행 차량의 동작계획 시 현재 차량의 상태정보 및 차량의 기구학 모델을 통해 산출된 차량의 회전량과 장애물과의 거리를 고려하여 차량의 가속 및 감속을 적응적으로 결정한 속도 프로파일을 생성함으로써 부드럽고 안정적인 주행이 가능토록 하는 효과가 있다.As described above, according to an embodiment of the present invention, when the operation plan of an autonomous vehicle is planned, acceleration and acceleration of the vehicle in consideration of the current vehicle state information and the vehicle's rotation amount and distance between obstacles calculated through the vehicle's kinematic model It has the effect of enabling smooth and stable driving by generating a speed profile that adaptively determines the deceleration.

도 1은 본 실시예에 따른 차량 동작 계획장치를 개략적으로 나타낸 블록 구성도이다.
도 2는 본 실시예에 따른 차량 동작 계획방법을 설명하기 위한 순서도이다.
도 3은 본 실시예에 따른 경로 생성방법을 설명하기 위한 예시도이다.
도 4는 본 실시예에 따른 차량의 횡방향 각속도 산출방법을 설명하기 위한 예시도이다.
도 5는 본 실시예에 따른 차량과 장애물 사이에 거리 데이터 산출방법을 설명하기 위한 예시도이다.
도 6a 내지 6d는 본 실시예에 따른 차량의 속도 프로파일 생성방법을 설명하기 위한 예시도이다.1 is a block diagram schematically showing a vehicle operation planning apparatus according to the present embodiment.
2 is a flowchart illustrating a vehicle operation planning method according to the present embodiment.
3 is an exemplary view for explaining a method for generating a route according to the present embodiment.
4 is an exemplary view for explaining a method for calculating a lateral angular velocity of a vehicle according to the present embodiment.
5 is an exemplary view for explaining a method of calculating distance data between a vehicle and an obstacle according to the present embodiment.
6A to 6D are exemplary views for explaining a method for generating a speed profile of a vehicle 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, this embodiment will be described in detail with reference to the accompanying drawings. In describing the present invention,'… Terms such as "unit" and "module" mean a unit that processes at least one function or operation, and may be implemented by hardware or software or a combination of hardware and software.

도 1은 본 실시예에 따른 차량 동작 계획장치를 개략적으로 나타낸 블록 구성도이다.1 is a block diagram schematically showing a vehicle operation planning apparatus according to the present embodiment.

차량 동작 계획장치(100)는 자율주행 차량 내 구비되어 차량의 현재 위치에서 목표 지점까지의 차량의 동작을 계획하는 장치를 의미한다.The vehicle operation planning apparatus 100 is provided in an autonomous vehicle and means an apparatus for planning the operation of the vehicle from the current position of the vehicle to a target point.

본 실시예에 따른 차량 동작 계획장치(100)는 동작 계획 시 현재 차량의 상태정보와 차량의 기구학 모델을 통해 산출된 차량의 회전량 및 장애물과의 거리를 고려하여 차량의 가속 및 감속을 적응적으로 결정한 속도 프로파일을 생성하여 제공한다. 예컨대, 차량 동작 계획장치(100)는 생성한 속도 프로파일을 기반으로 차량의 횡방향 각속도가 큰 경우와 장애물과의 충돌 위험이 있는 지역에서는 차량이 가속을 하지 않고 감속을 하며, 이를 통해 차량의 미끄러짐 및 충돌 위험성을 최소화시킨다. 이러한, 차량 동작 계획장치(100) 상에 포함되는 각 구성요소들은 차량 시스템 내 하드웨어 또는 소프트웨어 기반의 장치로 구현될 수 있다.The vehicle motion planning apparatus 100 according to the present embodiment adapts the acceleration and deceleration of the vehicle in consideration of the current vehicle state information and the vehicle's rotation amount and distance between obstacles calculated through the vehicle's kinematic model when planning the operation. It creates and provides the speed profile determined by. For example, the vehicle motion planning apparatus 100 decelerates without accelerating the vehicle in an area where the lateral angular velocity of the vehicle is large and a danger of collision with an obstacle based on the generated velocity profile, thereby sliding the vehicle. And minimize the risk of collision. Each component included in the vehicle operation planning apparatus 100 may be implemented as a hardware or software-based device in the vehicle system.

도 1에 도시하듯이, 본 실시예에 따른 차량 동작 계획장치(100)는 센서부(110), 경로 생성부(120), 각속도 산출부(130), 거리 측정부(140) 및 속도 제어부(150)를 포함한다. 이때, 도 1의 차량 동작 계획장치(100)는 일 실시예에 따른 것으로, 도 1에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 차량 동작 계획장치(100)에 포함된 일부 블록이 추가, 변경 또는 삭제될 수 있다.As shown in FIG. 1, the vehicle operation planning apparatus 100 according to the present embodiment includes a sensor unit 110, a path generation unit 120, an angular velocity calculation unit 130, a distance measurement unit 140, and a speed control unit ( 150). In this case, the vehicle operation planning apparatus 100 of FIG. 1 is according to an embodiment, and not all blocks shown in FIG. 1 are essential components, and in other embodiments, some blocks included in the vehicle operation planning apparatus 100 This can be added, changed or deleted.

센서부(110)는 적어도 하나의 센서를 구비하고, 구비된 센서를 이용하여 차량 주변의 교통조건과 주행환경의 감지를 위한 센싱 데이터를 수집하는 장치를 의미한다.The sensor unit 110 refers to a device having at least one sensor and collecting sensing data for sensing traffic conditions and driving environment around the vehicle using the provided sensor.

본 실시예에 있어서 센서부(110)는 라이다 센서를 센싱수단으로서 구비하고, 구비된 라이다 센서를 이용하여 상기의 센싱 데이터를 수집할 수 있다.In this embodiment, the sensor unit 110 is equipped with a lidar sensor as a sensing means, and the sensing data can be collected 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 can 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 3D space, and transmits the lidar data including the distance information to the detector 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 a change in time, intensity, frequency, and polarization state of the laser return. have.

다른 실시예에서 라이다 센서는 차량 동작 계획장치(100)의 구성요소로서 미포함되는 형태로 구현될 수 있으며, 이 경우, 센서부(110)는 차량에 설치된 라이다 센서와의 연동을 통해 상기의 라이다 데이터를 수집 및 제공하는 기능을 수행한다.In another embodiment, the lidar sensor may be implemented in a form that is not included as a component of the vehicle operation planning apparatus 100, and in this case, the sensor unit 110 is described above through interlocking with the lidar sensor installed in the vehicle. Performs the function of collecting and providing lidar data.

한편, 본 실시예에 있어서, 센서부(110)는 카메라를 센싱수단으로서 추가 구비하고, 이를 통해, 수집된 영상 데이터를 동작 계획 단계에서 라이다 데이터와 함께 이용할 수 있다.Meanwhile, in the present embodiment, the sensor unit 110 further includes a camera as a sensing means, and through this, the collected image data may be used together with the lidar data in an operation planning step.

경로 생성부(120)는 자율 주행 중인 차량의 현재 위치에서 목적지까지의 주행 경로를 생성하는 기능을 수행한다.The route generating unit 120 performs a function of generating a driving route from a current position of a vehicle that is autonomous driving to a destination.

본 실시예에 있어서, 경로 생성부(120)는 차량의 현재 위치 및 자세 정보를 토대로 예측되는 차량의 조향 특성정보를 함수 인자로서 활용하여 상기의 주행 경로를 생성할 수 있다.In this embodiment, the route generation unit 120 may generate the driving route by utilizing the steering characteristic information of the vehicle predicted based on the current position and attitude information of the vehicle as a function factor.

이하, 도 3을 참고하여, 본 실시예에 따른 경로 생성부(120)의 주행 경로 생성방법에 대해 설명하도록 한다.Hereinafter, a method of generating a driving route of the route generating unit 120 according to this embodiment will be described with reference to FIG. 3.

경로 생성부(120)는 주행 경로의 생성에 앞서, 차량이 통과해야 할 지역 경로에 대한 목적지를 선정한다. 경로 생성부(120)는 센서부(110)를 통해 수집된 센싱 데이터를 활용하여, 도로의 경계 및 장애물에 대한 위치정보를 추출하고, 이를 토대로, 지역 경로에 대한 목적지를 선정할 수 있다.The route generating unit 120 selects a destination for a local route through which the vehicle should pass, prior to generation of the driving route. The route generation unit 120 may use the sensing data collected through the sensor unit 110 to extract location information on road boundaries and obstacles, and based on this, select a destination for a local route.

경로 생성부(120)는 차량의 현재 위치에서 지역 경로의 목적지까지의 이동 가능한 복수 개의 경로 후보군을 생성한다. 본 실시예에 있어서, 경로 생성부(120)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. 예컨대, 도 3을 참고하면, 경로 생성부(120)에 의해 생성된 그리드 맵이 n개의 Stage와 m개의 stage로 구성되는 것을 확인할 수 있다. 이때, 각 그리드의 중점은 노드(Node)로서 정의되고, 각 노드들은 차량의 기구학 모델로 예측한 차량의 자세값과 입력값을 포함하여 표현될 수 있다.The route generating unit 120 generates a plurality of route candidate groups that can be moved from the current position of the vehicle to the destination of the local route. In the present embodiment, when the destination of the local route is given, the route generation unit 120 includes a plurality of nodes divided into grids according to predetermined criteria for the area from the current location of the vehicle to the destination of the local route. Create a Local Grid Map (LGM). For example, referring to FIG. 3, it can be seen that the grid map generated by the path generator 120 is composed of n stages and m stages. At this time, the center point of each grid is defined as a node, and each node may be expressed by including a vehicle attitude value and an input value predicted by a vehicle kinematic model.

경로 생성부(120)는 그리드 맵 내 차량의 현재 위치에 대응되는 출발지 노드에서 목적지에 대응되는 목적지 노드까지의 이동 가능한 적어도 하나 이상의 노드들의 집합을 경로 후보군으로서 생성한다.The route generation unit 120 generates a set of at least one movable node from a source node corresponding to a current position of a vehicle in a grid map to a destination node corresponding to a destination as a route candidate group.

경로 생성부(120)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.여기서, 차량의 조향 특성정보는 차량의 현재 위치 및 자세 정보를 토대로 예측된 해당 노드로의 이동을 위한 차량의 조향각, 조향각 속도, 조향각 가속도의 입력 값을 의미한다.The route generating unit 120 uses the predicted steering characteristic information of the vehicle corresponding to each node included in the route candidate group for each route candidate group as a function factor, so that the steering change value of the vehicle from the current location to the destination of the local route is calculated. The reflected cost function is calculated. Here, the steering characteristic information of the vehicle means an input value of a steering angle, steering angle speed, and steering angle acceleration of the vehicle for moving to a corresponding node predicted based on the current position and attitude information of the vehicle.

경로 생성부(120)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 path generator 120 functions as a function factor of some or all of distance information between obstacles and distances between a preset reference path and corresponding to each node included in the path candidate group for each path candidate group. Additional functions can be used to calculate the cost function.

경로 생성부(120)는 상기의 비용함수의 산출결과에 따라 경로 후보군 중 최적의 주행 경로를 선정한다. 본 실시예에 따른 경로 생성부(120)는 각 경로 후보군별 비용함수에 기초하여 차량의 조향 변화값이 최소화되면서도, 기준 경로에서 최대한 가까우면서도 장애물과 충분한 안전거리를 유지 가능한 경로를 최적의 주행 경로로서 선정한다.The route generating unit 120 selects the optimal driving route among the route candidate groups according to the result of calculating the cost function. The route generating unit 120 according to the present embodiment is an optimal driving route that minimizes the steering change value of the vehicle based on the cost function of each route candidate group, and maintains a sufficient safety distance with obstacles while being as close as possible to the reference route. To be selected.

각속도 산출부(130)는 현재 위치에서의 차량의 상태정보 및 차량의 기구학 모델을 기반으로 주행 경로의 추종을 위한 차량의 횡방향 각속도 값을 산출하는 기능을 수행한다.The angular velocity calculating unit 130 performs a function of calculating the lateral angular velocity value of the vehicle for tracking the driving route based on the vehicle's state information at the current position and the vehicle's kinematic model.

본 실시예에 있어서, 각속도 산출부(130)는 기 설정된 제어주기 마다 차량의 상태정보 및 차량의 기구학 모델을 이용하여 차량의 위치를 예측하고, 예측된 위치에서 주행 경로 상에 위치한 경유점을 추종하기 위한 차량의 횡방향 변화량을 예측하여 횡방향 각속도를 산출한다.In the present embodiment, the angular velocity calculating unit 130 predicts the position of the vehicle by using the state information of the vehicle and the kinematic model of the vehicle for each preset control cycle, and follows the waypoint located on the driving path at the predicted location. The lateral angular velocity is calculated by predicting the amount of lateral change of the vehicle to be performed.

이하, 도 4를 참고로 하여 본 실시예에 따른 각속도 산출부(130)의 횡방향 각속도 산출방법에 대해 설명하도록 한다.Hereinafter, a method of calculating the lateral angular velocity of the angular velocity calculating unit 130 according to this embodiment will be described with reference to FIG. 4.

차량의 동작계획을 위한 경로를 생성하기 위해 차량의 모델을 통해 미래 차량의 상태를 예측하는 과정은 필수적이다. 본 실시예에 따른 각속도 산출부(130)는 차량의 미래 상태를 예측하는 과정에서 경로 계획문제나 제어 문제를 단순하게 풀 수 있는 이륜차 모델을 사용하였으며, 이는 도 4와 같다.In order to create a path for the vehicle's operation plan, the process of predicting the state of the future vehicle through the vehicle's model is essential. The angular speed calculating unit 130 according to the present embodiment used a two-wheeled vehicle model that can easily solve a route planning problem or a control problem in the process of predicting the future state of the vehicle, as shown in FIG. 4.

한편, 도 4에서, Xt=(xt,yt,θt)는 2차원 상의 현재 후방 차축 기준 차량의 위치를, L은 차량 전방과 후방 차축 사이의 거리를, θt는 현재 차량 진행 방향이 전역 좌표계에서의 x축과 이루는 각도를, v(t)는 현재 차량 진행방향의 종방향 속도를, δ(t)는 현재 차량 위치에서 경로를 추종하기 위한 차량 좌표계에서의 횡방향 변화량을 의미한다.Meanwhile, in FIG. 4, X t =(x t ,y t ,θ t ) is the position of the current rear axle reference vehicle in two dimensions, L is the distance between the vehicle front and rear axles, and θ t is the current vehicle progression The angle that the direction makes with the x-axis in the global coordinate system, v(t) is the longitudinal velocity of the current vehicle travel direction, and δ(t) is the amount of lateral change in the vehicle coordinate system to follow the path at the current vehicle position. it means.

각속도 산출부(130)는 간단한 이륜차 모델 식인 수학식 1을 이용하여 수학식 2와 같이 차량의 현재 자세(xt,yt,θt)를 예측한다.The angular velocity calculator 130 predicts the current posture (x t ,y t ,θ t ) of the vehicle as shown in Equation 2 using the simple two-wheel model equation (Equation 1).

Figure pat00001
Figure pat00001

Figure pat00002
Figure pat00002

이때, △t는 시간 t+1과 t 사이의 시간 간격으로써 제어주기 이다.At this time, Δt is a time interval between t+1 and t, which is a control cycle.

각속도 산출부(130)는 예측된 차량의 현재 자세를 기반으로 주행 경로 상에 위치한 경유점을 추종하기 위한 차량의 횡방향 변화량을 산출하며, 이는 수학식 3과 같다.The angular velocity calculating unit 130 calculates a lateral change amount of a vehicle to follow a waypoint located on the driving route based on the predicted current posture of the vehicle, as shown in Equation 3.

Figure pat00003
Figure pat00003

여기서 θe(t)는 전역좌표계에서의 X축과 경로의 진행 방향이 이루는 각도 θp(t)와 차량의 진행방향 각도 θ(t)의 각도차이를, efa는 차량 전방축 중심에서 경로와의 가장 가까운 점(cx, cy) 사이의 거리를 의미한다.Here, θ e (t) is the difference between the angle between the X-axis in the global coordinate system and the direction of travel of the path θ p (t) and the angle of travel of the vehicle θ (t), e fa is the path from the center of the vehicle's front axis It means the distance between the closest point of (c x , c y ).

각속도 산출부(130)는 차량의 횡방향 변화량을 토대로 수학식 4를 이용하여 차량의 횡방향 각속도를 산출한다.The angular velocity calculator 130 calculates the lateral angular velocity of the vehicle using Equation 4 based on the lateral change amount of the vehicle.

Figure pat00004
Figure pat00004

거리 측정부(140)는 주행 경로의 주변에 위치한 장애물을 감지하고, 장애물과 차량 사이의 거리 데이터를 산출하는 기능을 수행한다.The distance measuring unit 140 detects an obstacle located around the driving path and performs a function of calculating distance data between the obstacle and the vehicle.

도 5에 도시하듯이, 본 실시예에 따른 거리 측정부(140)는 센서부(110)를 이용하여 제공받은 라이다 데이터를 분석하여 장애물의 위치를 측정하고, 좌표 변환을 통해 전역좌표계에서의 장애물의 위치 Xobj=x0bj,yobj를 계산한다.As shown in FIG. 5, the distance measuring unit 140 according to the present embodiment analyzes the lidar data provided using the sensor unit 110 to measure the position of the obstacle, and converts the coordinates in the global coordinate system through coordinate conversion. Calculate the position of the obstacle X obj =x 0bj ,y obj .

이를 위해, 먼저, 본 실시예에 따른 거리 측정부(140)는 라이다 데이터를 분석하여, 자율 주행 중인 차량의 주변에 위치한 장애물을 검출한다.To this end, first, the distance measuring unit 140 according to the present embodiment analyzes the lidar data, and detects an obstacle located in the vicinity of the autonomous vehicle.

거리 측정부(140)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 distance measurement unit 140 may analyze the lidar data and perform a pre-processing process for the lidar data before detecting an obstacle. Such a pre-processing process may be selectively performed to improve efficiency in an obstacle detection process.

즉, 거리 측정부(140)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 distance measuring unit 140 may select the data corresponding to the preset region of interest among the received lidar data, and perform a detection procedure for an obstacle in consideration of only the selected data. At this time, the region of interest may be set, for example, with respect to the region within a predetermined distance range based on the location of the vehicle, and consequently, it causes an effect of minimizing the amount of data in the point cloud used in the process of detecting the obstacle. .

거리 측정부(140)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.The distance measuring unit 140 may generate a stereoscopic top-view image of the vehicle based on the selected data, and perform a detection procedure for an obstacle using the generated top-view image. For example, the sensing unit 120 may generate the stereoscopic top view image by removing a component for the z-axis in the selected data, and similarly, due to this, the amount of data in the point cloud used in the process of detecting an obstacle is minimized. To be able to.

거리 측정부(140)는 도로의 경계 내 장애물이 검출된 지점을 각각 세그멘테이션(Segmentation) 처리하여 장애물 영역으로서 정의하고, 이를 토대로 장애물에 대한 위치를 산출한다. 예컨대, 거리 측정부(140)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 distance measuring unit 140 defines a point where an obstacle is detected in the boundary of the road as an obstacle area by segmentation processing, and calculates the position of the obstacle based on this. For example, the distance measuring unit 140 may apply the Ransac algorithm to the points included in the obstacle area, and through this, the coordinate values of both end points and the center point of the calculated obstacle may be selected as location information for the obstacle.

거리 측정부(140)는 산출된 장애물의 위치 및 앞서, 각속도 산출부(130)가 차량의 기구학 모델을 통해 예측된 차량의 위치를 통해 기 설정된 제어주기 마다 장애물과 예측된 차량 사이의 거리를 계산한다.The distance measuring unit 140 calculates the distance between the obstacle and the predicted vehicle for each preset control cycle through the calculated position of the obstacle and the angular velocity calculating unit 130 through the vehicle's predicted position through the vehicle's kinematic model. do.

속도 제어부(150)는 주행 경로 내 차량의 가속 및 감속과 관련한 속도 프로파일을 생성하는 기능을 수행한다. 본 실시예에 따른 속도 제어부(150)는 속도 산출부(130)를 통해 산출한 차량의 횡방향 각속도 값 및 거리 측정부(140)를 통해 산출한 장애물과 차량 사이의 거리 데이터를 기반으로 주행 경로 내 차량의 가속 및 감속과 관련한 속도 프로파일을 생성한다.The speed controller 150 performs a function of generating a speed profile related to acceleration and deceleration of the vehicle in the driving route. The speed control unit 150 according to the present embodiment is a driving path based on the lateral angular velocity value of the vehicle calculated through the speed calculation unit 130 and the distance data between the obstacle and the vehicle calculated through the distance measurement unit 140. Create a velocity profile related to acceleration and deceleration of my vehicle.

한편, 횡방향 각속도가 결정나면 해당 시간의 종방향 속도를 결정해야 한다. 이러한, 종방향 속도는 차량이 급하게 선회하는 경우나 장애물과의 거리가 가까워 충돌 위험이 있을 경우에 속도를 감속해야 한다. 이를 위해, 본 실시예에 따른 속도 제어부(150)는 상기의 차량의 횡방향 각속도 값과 거리 데이터를 기 설계된 퍼지 제어기의 입력 변수로서 활용하여 차량의 가속 및 감속을 결정한다.On the other hand, if the lateral angular velocity is determined, the longitudinal velocity of the corresponding time must be determined. In this case, the longitudinal speed must be decelerated when the vehicle is turning sharply or when there is a risk of collision due to the distance from the obstacle. To this end, the speed controller 150 according to this embodiment determines acceleration and deceleration of the vehicle by using the lateral angular velocity value and distance data of the vehicle as input variables of a pre-designed fuzzy controller.

본 실시예에 있어서, 퍼지 제어기는 차량의 횡방향 각속도와 장애물과의 거리를 입력변수로 설계하여 차량의 횡방향 각속도와 장애물과의 거리에 따라 가속 및 감속을 출력변수로 출력하도록 구성된다. 예컨대, 도 6a 내지 도 6d를 참조하면, 본 실시예에 따른 퍼지 제어기는 차량의 횡방향 각속도 입력에 관하여 VS(Very Smooth), S(Smooth), ZE(Zero), R(Rough), VR(Very Rough) 총 5가지로 분류된 퍼지 세트로 구성되며, 장애물까지의 거리에 관하여 PB(Positive Big), PS(Positive Small), ZE(Zero), NS(Negative Small), NB(Negative Big) 총 5가지로 분류된 퍼지 세트로 구성된다. 결과적으로 퍼지 제어기는 총 25개의 퍼지제어규칙인 FAM(Fuzzy, Associative Memory)를 생성한다.In this embodiment, the fuzzy controller is configured to design the distance between the lateral angular velocity of the vehicle and the obstacle as an input variable and output acceleration and deceleration as output variables according to the distance between the lateral angular velocity of the vehicle and the obstacle. For example, referring to FIGS. 6A to 6D, the purge controller according to the present embodiment is very smooth (S), smooth (S), ZE (Zero), R (Rough), VR (VR) with respect to the lateral angular velocity input of the vehicle. It consists of a total of 5 types of fuzzy sets, and PB (Positive Big), PS (Positive Small), ZE (Zero), NS (Negative Small), and NB (Negative Big) guns. It consists of five sorted fuzzy sets. As a result, the fuzzy controller generates a total of 25 fuzzy control rules, FAM (Fuzzy, Associative Memory).

차량의 횡방향 각속도와 장애물과의 거리를 근거로 차량의 가속 및 감속도가 결정되면 종방향 속도 프로파일은 수학식 5와 같이 정의된다. When the acceleration and deceleration of the vehicle is determined based on the lateral angular velocity of the vehicle and the distance from the obstacle, the longitudinal velocity profile is defined as in Equation 5.

Figure pat00005
Figure pat00005

여기서, 차량의 현재속도를 Vt, 가속도를

Figure pat00006
라고 하면 다음 주기때의 차량의 속도는 수학식 6과 같다.Here, the current speed of the vehicle is V t , and the acceleration
Figure pat00006
Speaking of, the speed of the vehicle in the next cycle is as shown in Equation 6.

Figure pat00007
Figure pat00007

즉, 속도 제어부(150)는 현재 차량의 자세와 장애물 거리에 따라 속도의 가속 및 감속을 결정하여 차량의 횡방향 변화가 소정 임계치 이상인 지점 및 장애물과의 거리가 소정 임계치 미만인 지점에 대해서는 다른 지점 대비 차량의 속도가 감소되도록 한다. 반대로, 속도 제어부(150)는 차량의 횡방향 변화 및 장애물과의 거리가 안정적인 지점에서는 차량의 속도가 다른 지점 대비 가속되도록 제어한다. 이는 곧, 효율적이고 안정적인 주행이 가능하며, 장애물이 회피 및 추월을 위한 종방향 속도 생성 시 장애물과 차량의 각속도를 모두 고려하므로 차량의 부드러운 동작 생성이 가능하다는 장점이 있다.That is, the speed control unit 150 determines acceleration and deceleration of the speed according to the current vehicle posture and obstacle distance, so that the point where the lateral change of the vehicle is greater than a predetermined threshold and the distance from the obstacle is less than a predetermined threshold is compared with other points. Allow the vehicle speed to decrease. Conversely, the speed control unit 150 controls the vehicle to accelerate at a point where the lateral change of the vehicle and the distance from the obstacle are stable compared to other points. This is advantageous in that it is possible to efficiently and stably drive, and to generate smooth motion of the vehicle since both the obstacle and the angular velocity of the vehicle are considered when generating the longitudinal speed for avoidance and overtaking.

도 2는 본 실시예에 따른 차량 동작 계획방법을 설명하기 위한 순서도이다.2 is a flowchart illustrating a vehicle operation planning method according to the present embodiment.

차량 동작 계획장치(100)는 차량의 현재 위치에서 목적지까지의 주행 경로를 생성한다(S202). 단계 S202에서 차량 동작 계획장치(100)는 차량의 현재 위치 및 자세 정보를 토대로 예측되는 차량의 조향 특성정보를 함수 인자로서 활용하여 상기의 주행 경로를 생성한다.The vehicle operation planning apparatus 100 generates a driving path from the current location of the vehicle to the destination (S202). In step S202, the vehicle motion planning apparatus 100 generates the driving route by utilizing the steering characteristic information of the vehicle predicted based on the current position and attitude information of the vehicle as a function factor.

차량 동작 계획장치(100)는 현재 위치에서의 차량의 상태정보 및 차량의 기구학 모델을 기반으로 주행 경로의 추종을 위한 차량의 횡방향 각속도 값을 산출한다(S204). 단계 S204에서 차량 동작 계획장치(100)는 기 설정된 제어주기 마다 차량의 상태정보 및 차량의 기구학 모델을 이용하여 차량의 위치를 예측하고, 예측된 위치에서 주행 경로 상에 위치한 경유점을 추종하기 위한 차량의 횡방향 변화량을 예측하여 횡방향 각속도를 산출한다.The vehicle operation planning apparatus 100 calculates a lateral angular velocity value of the vehicle for tracking the driving route based on the state information of the vehicle at the current position and the kinematic model of the vehicle (S204 ). In step S204, the vehicle operation planning apparatus 100 predicts the position of the vehicle by using the state information of the vehicle and the kinematic model of the vehicle for each preset control cycle, and follows the waypoint located on the driving path at the predicted location. The lateral angular velocity is calculated by predicting the amount of lateral change in the vehicle.

차량 동작 계획장치(100)는 차량에 설치된 센서로부터 수집된 센싱 데이터를 기반으로 주행 경로 상의 장애물을 감지하고, 장애물과 차량 사이의 거리 데이터를 산출한다(S206). 단계 S206에서 차량 동작 계획장치(100)는 라이다 센서를 이용하여 제공받은 라이다 데이터를 분석하여 장애물의 위치를 측정하고, 좌표 변환을 통해 전역좌표계에서의 장애물의 위치를 산출한다. 이후, 차량 동작 계획장치(100)는 산출된 장애물의 위치 및 앞서, 단계 S204의 과정에서 예측된 차량의 위치를 통해 기 설정된 제어주기 마다 장애물과 예측된 차량 사이의 거리를 계산한다.The vehicle operation planning apparatus 100 detects an obstacle on the driving route based on sensing data collected from sensors installed in the vehicle, and calculates distance data between the obstacle and the vehicle (S206). In step S206, the vehicle motion planning apparatus 100 analyzes the lidar data provided using the lidar sensor, measures the position of the obstacle, and calculates the position of the obstacle in the global coordinate system through coordinate transformation. Then, the vehicle operation planning apparatus 100 calculates the distance between the obstacle and the predicted vehicle for each preset control cycle through the calculated position of the obstacle and the position of the vehicle predicted in step S204.

차량 동작 계획장치(100)는 단계 S204에서 산출한 차량의 횡방향 각속도 및 단계 S206에서 산출한 거리 데이터를 기반으로 주행 경로 내 차량의 가속 및 감속과 관련한 속도 프로파일을 생성한다(S208). 단계 S208에서 차량 동작 계획장치(100)는 차량의 횡방향 각속도 값과 거리 데이터를 기 설계된 퍼지 제어기의 입력 변수로서 활용하여 차량의 가속 및 감속을 결정한다.The vehicle operation planning apparatus 100 generates a speed profile related to acceleration and deceleration of the vehicle in the driving route based on the lateral angular velocity of the vehicle calculated in step S204 and the distance data calculated in step S206 (S208 ). In step S208, the vehicle operation planning apparatus 100 determines acceleration and deceleration of the vehicle by using the lateral angular velocity value and distance data of the vehicle as input variables of the pre-designed fuzzy controller.

여기서, 단계 S202 내지 S208 은 앞서 설명된 차량 동작 계획장치(100)의 각 구성요소의 동작에 대응되므로 더 이상의 상세한 설명은 생략한다.Here, since steps S202 to S208 correspond to the operation of each component of the vehicle operation planning apparatus 100 described above, further detailed description will be omitted.

도 2에서는 각각의 과정을 순차적으로 실행하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니다. 다시 말해, 도 2에 기재된 과정을 변경하여 실행하거나 하나 이상의 과정을 병렬적으로 실행하는 것으로 적용 가능할 것이므로, 도 2는 시계열적인 순서로 한정되는 것은 아니다.Although FIG. 2 describes that each process is executed sequentially, the present invention is not limited thereto. In other words, since the process described in FIG. 2 may be changed and executed or one or more processes may be executed in parallel, FIG. 2 is not limited to time-series order.

전술한 바와 같이 도 2에 기재된 차량 동작 계획을 위한 각 방법은 프로그램으로 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 the vehicle operation plan shown in FIG. 2 is implemented as a program and can be read using a computer software (CD-ROM, RAM, ROM, memory card, hard disk, magneto-optical disk, Storage device, 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 this embodiment belongs may be capable of various modifications and variations without departing from the essential characteristics of the present embodiment. Therefore, the present embodiments are not intended to limit the technical spirit of the present embodiment, but to explain, and the scope of the technical spirit of the present embodiment is not limited by these embodiments. The protection scope of the present embodiment should be interpreted by the claims below, and all technical spirits within the equivalent range should be interpreted as being included in the scope of the present embodiment.

100: 차량 동작 계획장치 110: 센서부
120: 경로 생성부 130: 각속도 산출부
140: 거리 측정부 150: 속도 제어부100: vehicle operation planning device 110: sensor unit
120: path generation unit 130: angular velocity calculation unit
140: distance measuring unit 150: speed control unit

Claims (12)

자율 주행 중인 차량의 현재 위치에서 목적지까지의 주행 경로를 생성하는 경로 생성부;
상기 현재 위치에서의 상기 차량의 상태정보 및 상기 차량의 기구학 모델을 기반으로 상기 주행 경로의 추종을 위한 상기 차량의 횡방향 각속도 값을 산출하는 각속도 산출부;
상기 차량에 설치된 적어도 하나의 센서로부터 수집된 센싱 데이터를 기반으로 상기 주행 경로의 주변에 위치한 장애물을 감지하고, 상기 장애물과 상기 차량 사이의 거리 데이터를 산출하는 거리 측정부; 및
상기 차량의 횡방향 각속도 값 및 상기 거리 데이터를 기반으로 상기 주행 경로 내 상기 차량의 가속 및 감속을 결정하는 속도 제어부
를 포함하는 것을 특징으로 하는 차량 동작 계획장치.A path generating unit generating a driving path from the current position of the autonomous vehicle to a destination;
An angular velocity calculator that calculates a lateral angular velocity value of the vehicle for tracking the driving route based on the state information of the vehicle at the current position and a kinematic model of the vehicle;
A distance measuring unit detecting an obstacle located around the driving path and calculating distance data between the obstacle and the vehicle based on sensing data collected from at least one sensor installed in the vehicle; And
A speed controller for determining acceleration and deceleration of the vehicle in the driving route based on the lateral angular velocity value of the vehicle and the distance data
Vehicle operation planning device comprising a. 제 1항에 있어서,
상기 경로 생성부는,
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 복수 개의 경로 후보군 중 상기 주행 경로를 선정하는 것을 특징으로 하는 차량 동작 계획장치.According to claim 1,
The path generation unit,
Generating a plurality of path candidate groups that can move to the destination, and using the steering characteristic information of the vehicle predicted based on the current position and attitude information of the vehicle as a function factor to select the driving path among the plurality of path candidate groups Vehicle operation planning device, characterized in that. 제 2항에 있어서,
상기 경로 생성부는,
상기 차량의 현재 위치에서 상기 목적지까지의 영역에 대하여 소정의 기준에따라 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 차량 동작 계획장치.According to claim 2,
The path generation unit,
A grid map including a plurality of nodes divided into grids according to a predetermined criterion is generated for an area from the current location of the vehicle to the destination, and the origin node corresponding to the current location of the vehicle in the grid map is generated. A vehicle operation planning apparatus, characterized in that a set of at least one movable node to a destination node corresponding to a destination is generated as the path candidate group. 제 3항에 있어서,
상기 경로 생성부는,
상기 경로 후보군 내 포함되는 각 노드들에 상응하는 상기 차량의 조향 특성정보를 예측하고, 예측된 조향 특성정보를 함수 인자로서 활용하여 산출된 상기 각 경로 후보군별 비용함수가 최소가 되는 경로를 상기 주행 경로로서 선정하는 것을 특징으로 하는 차량 동작 계획장치.According to claim 3,
The path generation unit,
Prediction of steering characteristic information of the vehicle corresponding to each node included in the route candidate group, and driving by using the predicted steering characteristic information as a function factor, the route in which the cost function for each route candidate group is minimized Vehicle operation planning device characterized in that it is selected as a route. 제 2항에 있어서,
상기 경로 생성부는,
상기 센싱 데이터를 이용하여 감지된 상기 장애물과의 거리 데이터 및 기 설정된 기준 경로와의 거리 데이터 중 일부 또는 전부를 상기 함수 인자로서 추가 활용하는 것을 특징으로 하는 차량 동작 계획장치.According to claim 2,
The path generation unit,
A vehicle operation planning apparatus characterized in that some or all of the distance data from the obstacle detected using the sensing data and the distance data from a preset reference path are additionally utilized as the function factor. 제 1항에 있어서,
상기 각속도 산출부는,
기 설정된 제어주기 마다 상기 차량의 상태정보 및 상기 차량의 기구학 모델을 이용하여 상기 차량의 위치를 예측하고, 예측된 위치에서 상기 주행 경로 상에 위치한 경유점을 추종하기 위한 상기 차량의 횡방향 변화량을 예측하여 상기 횡방향 각속도를 산출하는 것을 특징으로 하는 차량 동작 계획장치.According to claim 1,
The angular velocity calculation unit,
Prediction of the position of the vehicle by using the state information of the vehicle and the kinematic model of the vehicle for each preset control cycle, and the amount of lateral change of the vehicle for tracking a transit point located on the driving route at the predicted location Vehicle operation planning apparatus, characterized in that to calculate the lateral angular velocity by predicting. 제 6항에 있어서,
상기 각속도 산출부는,
상기 예측된 위치를 기준으로 상기 주행 경로 상에 가장 가까운 점을 활용하여 상기 횡방향 각속도를 산출하는 것을 특징으로 하는 차량 동작 계획장치.The method of claim 6,
The angular velocity calculation unit,
A vehicle operation planning device, characterized in that the lateral angular velocity is calculated by utilizing a point closest to the driving route based on the predicted position. 제 1항에 있어서,
상기 거리 측정부는,
상기 센싱 데이터를 기반으로 상기 장애물의 위치를 계산하고, 계산된 장애물의 위치 및 상기 차량의 기구학 모델을 통해 예측된 차량의 위치를 통해 기 설정된 제어주기 마다의 상기 거리 데이터를 산출하는 것을 특징으로 하는 차량 동작 계획장치.According to claim 1,
The distance measuring unit,
The position of the obstacle is calculated based on the sensing data, and the distance data for each preset control cycle is calculated through the calculated position of the obstacle and the predicted position of the vehicle through the kinematic model of the vehicle. Vehicle operation planning device. 제 1항에 있어서,
상기 속도 제어부는,
상기 차량의 횡방향 각속도 값과 상기 거리 데이터를 기 설계된 퍼지 제어기의 입력 변수로서 활용하여 상기 차량의 가속 및 감속을 결정하는 것을 특징으로 하는 차량 동작 계획장치.According to claim 1,
The speed control unit,
A vehicle operation planning apparatus characterized by determining acceleration and deceleration of the vehicle by using the lateral angular velocity value of the vehicle and the distance data as input variables of a pre-designed fuzzy controller. 제 9항에 있어서,
상기 퍼지 제어기는,
상기 차량의 횡방향 각속도 값을 기준으로 하는 5개의 퍼지세트 및 상기 거리 데이터를 기준으로 하는 5개의 퍼지세트로 구성된 총 25개의 퍼지구성함수가 정의된 것을 특징으로 하는 차량 동작 계획장치.The method of claim 9,
The purge controller,
A vehicle operation planning device characterized in that a total of 25 fuzzy configuration functions are defined, consisting of 5 fuzzy sets based on the lateral angular velocity value of the vehicle and 5 fuzzy sets based on the distance data. 제 9항에 있어서,
상기 속도 제어부는,
상기 퍼지 제어기의 결과값에 따라 상기 차량의 횡방향 변화가 소정 임계치 이상인 지점 및 상기 장애물과의 거리가 소정 임계치 미만인 지점에 대해서는 다른 지점 대비 상기 차량의 속도가 감소되도록 제어하는 것을 특징으로 하는 차량 동작 계획장치.The method of claim 9,
The speed control unit,
Vehicle operation characterized in that the speed of the vehicle is reduced compared to other points at a point where the lateral change of the vehicle is greater than or equal to a predetermined threshold and a distance from the obstacle is less than a predetermined threshold according to a result value of the purge controller Planning device. 자율 주행 중인 차량의 현재 위치에서 목적지까지 복수 개의 경유점으로 구성되는 주행 경로를 생성하는 과정;
상기 현재 위치에서의 상기 차량의 상태정보 및 상기 차량의 기구학 모델을 기반으로 상기 주행 경로의 추종을 위한 상기 차량의 횡방향 각속도 값을 산출하는 과정;
상기 차량에 설치된 적어도 하나의 센서로부터 수집된 센싱 데이터를 기반으로 상기 주행 경로의 주변에 위치한 장애물을 감지하고, 상기 장애물과 상기 차량 사이의 거리 데이터를 산출하는 과정; 및
상기 차량의 횡방향 각속도 값 및 상기 거리 데이터를 기반으로 상기 주행 경로 내 상기 차량의 가속 및 감속을 결정하는 과정
을 포함하는 것을 특징으로 하는 차량 동작 계획방법.Generating a driving route consisting of a plurality of stop points from the current position of the autonomous vehicle to a destination;
Calculating a lateral angular velocity value of the vehicle for tracking the driving route based on the state information of the vehicle at the current position and a kinematic model of the vehicle;
Detecting an obstacle located around the driving path based on sensing data collected from at least one sensor installed in the vehicle, and calculating distance data between the obstacle and the vehicle; And
A process of determining acceleration and deceleration of the vehicle in the driving route based on the lateral angular velocity value of the vehicle and the distance data
Vehicle operation planning method comprising a.
KR1020180166982A 2018-12-21 2018-12-21 Method and Apparatus for Planning Car Motion KR102178992B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180166982A KR102178992B1 (en) 2018-12-21 2018-12-21 Method and Apparatus for Planning Car Motion

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180166982A KR102178992B1 (en) 2018-12-21 2018-12-21 Method and Apparatus for Planning Car Motion

Publications (2)

Publication Number Publication Date
KR20200084938A true KR20200084938A (en) 2020-07-14
KR102178992B1 KR102178992B1 (en) 2020-11-17

Family

ID=71526919

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180166982A KR102178992B1 (en) 2018-12-21 2018-12-21 Method and Apparatus for Planning Car Motion

Country Status (1)

Country Link
KR (1) KR102178992B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023221537A1 (en) * 2022-05-16 2023-11-23 北京京东乾石科技有限公司 Path planning method and apparatus and autonomous vehicle

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022114289A1 (en) * 2020-11-25 2022-06-02 한국전자기술연구원 Method and system for generating/planning local route for autonomous vehicle

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120046613A (en) * 2010-11-02 2012-05-10 삼성중공업 주식회사 Autonomy drive robot, and method for establishing route
KR20120140401A (en) * 2011-06-21 2012-12-31 팅크웨어(주) Method, electronic device and recorded medium for navigation
KR20130090495A (en) * 2012-02-06 2013-08-14 한양대학교 산학협력단 Providing method of driving path information for caterpillar type vehicle
KR20150049861A (en) * 2013-10-31 2015-05-08 현대모비스 주식회사 Apparatus and method for generating driving path of vehicle
JP2018020687A (en) * 2016-08-04 2018-02-08 日立オートモティブシステムズ株式会社 Vehicle control device
JP2018057527A (en) * 2016-10-04 2018-04-12 日本電信電話株式会社 Posture estimation device, method and program

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20120046613A (en) * 2010-11-02 2012-05-10 삼성중공업 주식회사 Autonomy drive robot, and method for establishing route
KR20120140401A (en) * 2011-06-21 2012-12-31 팅크웨어(주) Method, electronic device and recorded medium for navigation
KR20130090495A (en) * 2012-02-06 2013-08-14 한양대학교 산학협력단 Providing method of driving path information for caterpillar type vehicle
KR20150049861A (en) * 2013-10-31 2015-05-08 현대모비스 주식회사 Apparatus and method for generating driving path of vehicle
JP2018020687A (en) * 2016-08-04 2018-02-08 日立オートモティブシステムズ株式会社 Vehicle control device
JP2018057527A (en) * 2016-10-04 2018-04-12 日本電信電話株式会社 Posture estimation device, method and program

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023221537A1 (en) * 2022-05-16 2023-11-23 北京京东乾石科技有限公司 Path planning method and apparatus and autonomous vehicle

Also Published As

Publication number Publication date
KR102178992B1 (en) 2020-11-17

Similar Documents

Publication Publication Date Title
US11645916B2 (en) Moving body behavior prediction device and moving body behavior prediction method
US11809194B2 (en) Target abnormality determination device
JP6342822B2 (en) Automatic driving system, automatic driving method and computing device
US10260889B2 (en) Position estimation device and position estimation method
US11898855B2 (en) Assistance control system that prioritizes route candidates based on unsuitable sections thereof
KR102151811B1 (en) Method and Apparatus for Planning Obstacle Avoiding Path
WO2017002258A1 (en) Route prediction device
KR102433273B1 (en) Polyline contour representations for autonomous vehicles
CN104554272A (en) Path planning for evasive steering maneuver in presence of target vehicle and surrounding objects
US20180050694A1 (en) Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free
KR101049906B1 (en) Autonomous mobile apparatus and method for avoiding collisions of the same
CN114391088A (en) Trajectory planner
CN113635894B (en) Method for determining a travelable region
JPWO2020129208A1 (en) Travel plan generator and autonomous driving system
Bosnak et al. Efficient time-to-collision estimation for a braking supervision system with lidar
CN116872921A (en) Method and system for avoiding risks of vehicle, vehicle and storage medium
KR102178992B1 (en) Method and Apparatus for Planning Car Motion
CN113504782B (en) Obstacle collision prevention method, device and system and moving tool
WO2021074660A1 (en) Object recognition method and object recognition device
US20230150532A1 (en) Vehicle path adjustment
Lu et al. A laser scanning radar based autonomous lateral vehicle following control scheme for automated highways
Tehrani et al. Evaluating human & computer for expressway lane changing
JP6267430B2 (en) Mobile environment map generation control device, mobile body, and mobile environment map generation method
CN115144849A (en) Sensor fusion for object avoidance detection
TWI715221B (en) Adaptive trajectory generation method and system

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant