KR20210044960A - 자율주행차량의 차선변경 제어 장치 및 그 방법 - Google Patents

자율주행차량의 차선변경 제어 장치 및 그 방법 Download PDF

Info

Publication number
KR20210044960A
KR20210044960A KR1020190128051A KR20190128051A KR20210044960A KR 20210044960 A KR20210044960 A KR 20210044960A KR 1020190128051 A KR1020190128051 A KR 1020190128051A KR 20190128051 A KR20190128051 A KR 20190128051A KR 20210044960 A KR20210044960 A KR 20210044960A
Authority
KR
South Korea
Prior art keywords
autonomous vehicle
lane change
data
lane
unit
Prior art date
Application number
KR1020190128051A
Other languages
English (en)
Inventor
오태동
Original Assignee
현대자동차주식회사
기아 주식회사
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 현대자동차주식회사, 기아 주식회사 filed Critical 현대자동차주식회사
Priority to KR1020190128051A priority Critical patent/KR20210044960A/ko
Priority to US16/852,827 priority patent/US11091161B2/en
Publication of KR20210044960A publication Critical patent/KR20210044960A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18163—Lane change; Overtaking manoeuvres
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/072—Curvature of the road
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0017—Planning or execution of driving tasks specially adapted for safety of other traffic participants
    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots 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, 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
    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/402—Type
    • B60W2554/4029—Pedestrians
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • 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
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/406—Traffic density
    • 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
    • B60W2555/00—Input parameters relating to exterior conditions, not covered by groups B60W2552/00, B60W2554/00
    • B60W2555/60—Traffic rules, e.g. speed limits or right of way
    • 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
    • B60Y2300/18—Propelling the vehicle
    • B60Y2300/18008—Propelling the vehicle related to particular drive situations
    • B60Y2300/18166—Overtaking, changing lanes
    • G05D2201/0213—

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Traffic Control Systems (AREA)
  • Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)

Abstract

본 발명은 자율주행차량의 차선변경 제어 장치 및 그 방법에 관한 것으로, 자율주행차량의 차선변경(Lane Change)시 안전을 위해 고려되어야 할 다양한 상황정보들을 그룹별로 세분화하여 심층 학습을 수행하고, 이렇게 학습된 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단함으로써, 자율주행차량의 차선변경 과정에서 발생할 수 있는 사고를 획기적으로 감소시킬 수 있는 자율주행차량의 차선변경 제어 장치 및 그 방법을 제공하고자 한다.
이를 위하여, 본 발명은 자율주행차량의 차선변경 제어 장치에 있어서, 자율주행차량의 차선변경시 고려되어야 할 상황정보들을 그룹별로 세분화하여 심층 학습(Deep Learning)을 수행하는 학습부; 및 상기 학습부의 학습 결과에 기초하여 상기 자율주행차량의 차선변경을 제어하는 제어부를 포함한다.

Description

자율주행차량의 차선변경 제어 장치 및 그 방법{APPARATUS FOR CONTROLLING LANE CHANGE OF AUTONOMOUS VEHICLE AND METHOD THEREOF}
본 발명은 심층 학습을 기반으로 자율주행차량의 차선변경 가능 여부(차선변경 시점)를 판단하는 기술에 관한 것이다.
일반적으로, 심층 학습(Deep Learning or Deep Neural Network)은 기계 학습(Machine Learning)의 한 종류로서, 입력과 출력 사이에 여러 층의 인공 신경망(ANN, Artificial Neural Network)이 구성되어 있으며, 이러한 인공 신경망은 구조와 해결할 문제 및 목적 등에 따라 콘볼루션 신경망(CNN, Convolution Neural Network) 또는 순환 신경망(RNN, Recurrent Neural Network) 등을 포함할 수 있다.
심층 학습은 분류(classification), 회기(regression), 위치 인식(localization), 검출(detection), 분할(segmentation) 등 다양한 문제를 해결하기 위해 사용된다. 특히, 자율주행시스템에서는 동적, 정적 장애물의 위치와 종류를 판별할 수 있는 의미론적 분할(Semantic Segmentation)과 객체 검출(Object Detection)이 중요하게 사용된다.
의미론적 분할은 이미지 내에서 객체를 찾기 위해 픽셀 단위의 분류 예측을 수행하여 의미가 같은 픽셀 단위로 분할하는 것을 의미하며, 이를 통해 이미지 내에 어떤 객체가 있는지 확인할 수 있을 뿐만 아니라 동일한 의미(동일 객체)를 갖는 픽셀의 위치까지 정확하게 파악할 수 있다.
객체 검출은 이미지 내 객체의 종류를 분류 및 예측하고, 경계 상자(Bounding Box)를 회귀 예측하여 객체의 위치정보를 찾는 것을 의미하며, 이를 통해 단순 분류와는 다르게 이미지에 있는 객체의 종류가 무엇인지 뿐만 아니라 그 객체의 위치정보까지 파악할 수 있다.
이러한 심층 학습을 기반으로 자율주행차량의 차선변경 가능 여부를 판단하는 기술은 제안된 바 없다.
상기와 같은 종래 기술의 문제점을 해결하기 위하여, 본 발명은 자율주행차량의 차선변경(Lane Change)시 안전을 위해 고려되어야 할 다양한 상황정보들을 그룹별로 세분화하여 심층 학습을 수행하고, 이렇게 학습된 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단함으로써, 자율주행차량의 차선변경 과정에서 발생할 수 있는 사고를 획기적으로 감소시킬 수 있는 자율주행차량의 차선변경 제어 장치 및 그 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 장치는, 자율주행차량의 차선변경 제어 장치에 있어서, 자율주행차량의 차선변경시 고려되어야 할 상황정보들을 그룹별로 세분화하여 심층 학습(Deep Learning)을 수행하는 학습부; 및 상기 학습부의 학습 결과에 기초하여 상기 자율주행차량의 차선변경을 제어하는 제어부를 포함할 수 있다.
이러한 본 발명의 장치는 현재 시점의 상황정보들에 대한 그룹별 데이터를 입력하는 입력부를 더 포함할 수 있다.
여기서, 상기 제어부는 상기 입력부를 통해 입력받은 데이터를 상기 학습부의 학습결과에 적용하여 상기 자율주행차량의 차선변경 가능 여부를 판단할 수 있다.
또한, 상기 제어부는 상기 자율주행차량의 차선변경 가능 여부 판단시 상기 자율주행차량의 안전을 더 고려하여 판단할 수도 있다. 이때, 상기 제어부는 상기 학습부의 학습 결과에 기초하여 도출된 결과가 자율주행차량의 차선변경 가능을 나타내더라도, 변경하고자 하는 차선상의 선행차량과의 충돌 예측시간(Time To Collision, TTC)이 임계치를 초과하지 않으면 차선변경이 불가능한 것으로 최종 판단할 수 있다. 여기서, 상기 임계치는 상기 자율주행차량의 안전한 차선변경을 위한 여유시간을 포함할 수 있다.
또한, 상기 제어부는 자율주행차량이 주행중인 차선의 전방에 정체상황이 발생하거나 교통사고가 발생한 경우, 상기 학습부의 학습 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하지 않고, TTC(Time To Collision)에 기초하여 자율주행차량의 차선변경 가능 여부를 판단할 수도 있다.
또한, 상기 입력부는 자율주행차량의 차선변경시에 주변차량과의 충돌을 방지하기 위한 제1 그룹 데이터를 추출하는 제1 데이터 추출부와, 자율주행차량의 차선변경시에 보행자와의 충돌을 방지하기 위한 제2 그룹 데이터를 추출하는 제2 데이터 추출부와, 자율주행차량의 차선변경시에 전방에 위치한 다양한 신호등의 점등상태를 제3 그룹 데이터로서 추출하는 제3 데이터 추출부와, 정적 객체의 분포에 따른 차선변경 가능 영역과 공사구간에 따른 차선변경 가능 영역 및 사고구간에 따른 차선변경 가능 영역을 제4 그룹 데이터로서 추출하는 제4 데이터 추출부와, 도로의 구조에 따른 차선변경 가능 영역을 제5 그룹 데이터로서 추출하는 제5 데이터 추출부와, 상기 제4 데이터 추출부에 의해 추출된 차선변경 가능 영역과 제5 데이터 추출부에 의해 추출된 차선변경 가능영역 간 중첩영역을 제6 그룹 데이터로서 추출하는 제6 데이터 추출부와, 연속하여 차선변경을 수행하거나 곡률구간에서 차선변경을 수행하거나 고장코드가 발생한 상태에서 차선변경을 수행하는 경우의 자율주행차량의 거동 데이터를 제7 그룹 데이터로서 추출하는 제7 데이터 추출부 중 적어도 하나 이상을 포함할 수 있다.
상기 목적을 달성하기 위한 본 발명의 방법은, 자율주행차량의 차선변경 제어 방법에 있어서, 학습부가 자율주행차량의 차선변경시 고려되어야 할 상황정보들을 그룹별로 세분화하여 심층 학습(Deep Learning)을 수행하는 단계; 및 제어부가 상기 학습부의 학습 결과에 기초하여 상기 자율주행차량의 차선변경을 제어하는 단계를 포함할 수 있다.
이러한 본 발명의 방법은 입력부가 현재 시점의 상황정보들에 대한 그룹별 데이터를 입력하는 단계를 더 포함할 수 있다.
여기서, 상기 자율주행차량의 차선변경을 제어하는 단계는, 상기 입력받은 데이터를 상기 학습부의 학습결과에 적용하여 상기 자율주행차량의 차선변경 가능 여부를 판단하는 단계를 포함할 수 있다.
또한, 상기 자율주행차량의 차선변경을 제어하는 단계는, 상기 자율주행차량의 차선변경 가능 여부 판단시 상기 자율주행차량의 안전을 더 고려하여 판단할 수 있다. 이러한 상기 자율주행차량의 차선변경을 제어하는 단계는, 상기 학습부의 학습 결과에 기초하여 도출된 결과가 자율주행차량의 차선변경 가능을 나타내더라도, 변경하고자 하는 차선상의 선행차량과의 충돌 예측시간(Time To Collision, TTC)이 임계치를 초과하지 않으면 차선변경이 불가능한 것으로 최종 판단할 수 있다. 이때, 상기 임계치는 상기 자율주행차량의 안전한 차선변경을 위한 여유시간을 포함할 수 있다.
또한, 상기 자율주행차량의 차선변경을 제어하는 단계는, 자율주행차량이 주행중인 차선의 전방에 정체상황이 발생하거나 교통사고가 발생한 경우, 상기 학습부의 학습 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하지 않고, TTC(Time To Collision)에 기초하여 자율주행차량의 차선변경 가능 여부를 판단할 수도 있다.
또한, 상기 그룹별 데이터를 입력하는 단계는, 자율주행차량의 차선변경시에 주변차량과의 충돌을 방지하기 위한 제1 그룹 데이터를 추출하는 단계; 자율주행차량의 차선변경시에 보행자와의 충돌을 방지하기 위한 제2 그룹 데이터를 추출하는 단계; 자율주행차량의 차선변경시에 전방에 위치한 다양한 신호등의 점등상태를 제3 그룹 데이터로서 추출하는 단계; 정적 객체의 분포에 따른 차선변경 가능 영역과 공사구간에 따른 차선변경 가능 영역 및 사고구간에 따른 차선변경 가능 영역을 제4 그룹 데이터로서 추출하는 단계; 도로의 구조에 따른 차선변경 가능 영역을 제5 그룹 데이터로서 추출하는 단계; 제4 그룹 데이터의 차선변경 가능 영역과 제5 그룹 데이터의 차선변경 가능영역 간 중첩영역을 제6 그룹 데이터로서 추출하는 단계; 연속하여 차선변경을 수행하거나 곡률구간에서 차선변경을 수행하거나 고장코드가 발생한 상태에서 차선변경을 수행하는 경우의 자율주행차량의 거동 데이터를 제7 그룹 데이터로서 추출하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치 및 그 방법은, 자율주행차량의 차선변경(Lane Change)시 안전을 위해 고려되어야 할 다양한 상황정보들을 그룹별로 세분화하여 심층 학습을 수행하고, 이렇게 학습된 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단함으로써, 자율주행차량의 차선변경 과정에서 발생할 수 있는 사고를 획기적으로 감소시킬 수 있다.
도 1 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 대한 구성도,
도 2 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치의 상세 구성도,
도 3a 내지 도 3c는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제1 데이터 추출부가 제1 그룹 데이터를 추출하는 상황을 나타내는 도면,
도 4 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제2 데이터 추출부가 제2 그룹 데이터를 추출하는 상황을 나타내는 도면,
도 5 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제3 데이터 추출부가 제3 그룹 데이터를 추출하는 상황을 나타내는 도면,
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제4 데이터 추출부가 제4 그룹 데이터를 추출하는 상황을 나타내는 도면,
도 7a 및 도 7b는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제5 데이터 추출부가 제5 그룹 데이터를 추출하는 상황을 나타내는 도면,
도 8 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제6 데이터 추출부가 제6 그룹 데이터로서 추출한 최종 차선변경 가능 영역을 나타내는 도면,
도 9a 내지 도 9c는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제7 데이터 추출부가 제7 그룹 데이터를 추출하는 상황을 나타내는 도면,
도 10 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법에 대한 흐름도,
도 11 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법을 실행하기 위한 컴퓨팅 시스템을 보여주는 블록도이다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
본 발명의 일 실시예에서 정보는 데이터를 포함하는 개념으로 사용된다.
도 1 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 대한 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치(100)는, 저장부(10), 입력부(20), 학습부(30), 및 제어부(40)를 포함할 수 있다. 이때, 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치(100)를 실시하는 방식에 따라 각 구성요소는 서로 결합되어 하나로 구현될 수도 있고, 일부의 구성요소가 생략될 수도 있다.
상기 각 구성요소들에 대하 살펴보면, 먼저 저장부(10)는 자율주행차량의 차선변경(Lane Change)시 안전을 위해 고려되어야 할 다양한 상황정보들을 그룹별로 세분화하여 심층 학습을 수행하는 과정과, 이렇게 학습된 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하는 과정에서 요구되는 각종 로직과 알고리즘 및 프로그램을 저장할 수 있다.
저장부(10)는 학습부(30)에 의한 학습 결과(일례로 안전한 차선변경에 대한 학습 모델)를 저장할 수도 있다.
저장부(10)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 마이크로 타입(micro type), 및 카드 타입(예컨대, SD 카드(Secure Digital Card) 또는 XD 카드(eXtream Digital Card)) 등의 메모리와, 램(RAM, Random Access Memory), SRAM(Static RAM), 롬(ROM, Read-Only Memory), PROM(Programmable ROM), EEPROM(Electrically Erasable PROM), 자기 메모리(MRAM, Magnetic RAM), 자기 디스크(magnetic disk), 및 광디스크(optical disk) 타입의 메모리 중 적어도 하나의 타입의 기록 매체(storage medium)를 포함할 수 있다.
다음으로, 입력부(20)는 안전한 차선변경을 학습하는 과정에서 요구되는 데이터(학습 데이터)를 학습부(30)로 입력(제공)할 수 있다.
또한, 입력부(20)는 자율주행차량의 차선변경 가능 여부를 판단하는 과정에서 요구되는 현재 시점의 데이터를 제어부(40)로 입력하는 기능을 수행할 수 있다.
다음으로, 학습부(30)는 심층 학습을 기반으로 입력부(20)를 통해 입력되는 학습 데이터를 학습한다. 이때, 학습 데이터는 자율주행차량의 차선변경시 안전을 위해 고려되어야 할 다양한 상황정보들이 그룹별로 세분화된 형태를 갖는다.
이러한 학습부(30)는 다양한 방식으로 학습을 수행할 수 있는데, 일례로 학습이 전혀 안된 초기에는 시뮬레이션 기반으로 학습을 수행할 수 있고, 학습이 어느정도 이루어진 중기에는 클라우드 서버를 기반으로 학습을 수행할 수 있으며, 학습이 완료된 후에는 개인의 차선변경 성향을 기반으로 추가 학습을 수행할 수도 있다. 이때, 클라우드 서버는 차선변경을 수행하는 복수의 차량 및 인프라로부터 각종 상황정보를 수집하고, 상기 수집된 상황정보를 학습데이터로서 자율주행차량으로 제공한다.
다음으로, 제어부(40)는 상기 각 구성요소들이 제 기능을 정상적으로 수행할 수 있도록 전반적인 제어를 수행한다. 이러한 제어부(40)는 하드웨어의 형태로 구현되거나, 또는 소프트웨어의 형태로 구현되거나, 또는 하드웨어 및 소프트웨어가 결합된 형태로 구현될 수 있다. 바람직하게는, 제어부(40)는 마이크로프로세서로 구현될 수 있으나 이에 한정되는 것은 아니다.
특히, 제어부(40)는 자율주행차량의 차선변경시 안전을 위해 고려되어야 할 다양한 상황정보들을 그룹별로 세분화하여 심층 학습을 수행하고, 이렇게 학습된 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하는 과정에서 요구되는 각종 제어를 수행할 수 있다.
제어부(40)는 입력부(20)를 통해 입력되는 현재 시점의 주변상황에 대한 데이터를 학습부(30)의 학습결과에 적용하여 자율주행차량의 차선변경 가능 여부를 판단할 수 있다.
예를 들어, 제어부(40)는 자율주행차량의 차선변경 경로가 주변차량의 주행궤적과 중첩되거나 일정거리 이내인 경우, 자율주행차량의 차선변경이 불가능한 것으로 판단할 수 있다.
다른 예로, 제어부(40)는 차선변경시 자율주행차량이 법규를 위반(도로상의 실선을 넘어 차선변경)하는 경우, 자율주행차량의 차선변경이 불가능한 것으로 판단할 수 있다.
제어부(40)는 자율주행차량의 차선변경 가능 여부 판단시, 자율주행차량의 안전을 더 고려하여 자율주행차량의 차선변경 가능 여부를 판단할 수 있다. 즉, 제어부(40)는 입력부(20)를 통해 입력되는 현재 시점의 주변상황에 대한 데이터를 학습부(30)의 학습 결과에 적용한 결과가 자율주행차량의 차선변경 가능을 나타내더라도, 자율주행차량의 안전한 차선변경 여부를 더 판단하여 최종적으로 자율주행차량의 차선변경 가능 여부를 판단할 수 있다. 여기서, 안전한 차선변경이란 여유있게 차선변경이 가능한 상태(높은 안전성)를 나타낸다. 참고로, 학습 결과에 기초하여 판단된 차선변경 가능 상태는 보통 타이트하게 차선변경이 가능한 상태를 나타낸다.
예를 들어, 제어부(40)는 학습부(30)의 학습 결과에 기초하여 도출된 결과가 자율주행차량의 차선변경 가능을 나타내더라도, 변경하고자 하는 차선상의 선행차량과의 충돌 예측시간(Time To Collision, TTC)이 임계치를 초과하지 않으면 차선변경이 불가능한 것으로 최종 판단할 수 있다. 이때, 상기 임계치는 안전한 차선변경을 위한 여유시간을 더 포함할 수도 있다.
제어부(40)는 특별한 상황(기준조건을 만족)에서는 학습부(30)의 학습 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하지 않고, 상술한 TTC에 기초하여 자율주행차량의 차선변경 가능 여부를 판단할 수도 있다.
예를 들어, 자율주행차량이 주행중인 차선의 전방에 발생한 정체상황 또는 교통사고를 원거리(일례로 1km 이상)에서 인지한 경우, 제어부(40)는 차선변경을 해야 하는 구간에서 학습부(30)의 학습 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하기 이전에, 상술한 TTC에 기초하여 자율주행차량의 차선변경 가능 여부를 미리 판단하여 차선변경을 수행할 수도 있다. 이때, 자율주행차량의 주변 교통량이 많으면 상술한 TTC에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하는 과정은 수행되지 않을 수도 있다.
도 2 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치의 상세 구성도이다.
도 2에 도시된 바와 같이, 입력부(20)는 라이다(LiDAR: Light Detection And Ranging, 211) 센서, 카메라(212), 레이더(RaDAR: Radio Detecting And Ranging) 센서(213), V2X 모듈(214), 정밀지도(215), GPS(Global Positioning System) 수신기(216), 및 차량 네트워크(217)를 포함할 수 있다.
라이다 센서(211)는 환경인지 센서의 한 종류로서, 자율주행차량에 탑재되어 회전하면서 전방위에 레이저를 쏘아 반사되어 돌아오는 시간에 기초하여 반사체의 위치좌표 등을 측정한다.
카메라(212)는 자율주행차량의 실내 룸 미러 뒷쪽에 장착되어 자율주행차량의 주변에 위치한 차선, 차량, 사람 등을 포함하는 영상을 촬영한다.
레이더 센서(213)는 전자기파 발사 후 물체에서 반사되는 전자기파를 수신하여 물체와의 거리, 물체의 방향 등을 측정한다. 이러한 레이더 센서(213)는 자율주행차량의 전방 범퍼와 후측방에 장차될 수 있으며, 장거리 물체 인식이 가능하고 기상의 영향을 거의 받지 않는다.
V2X 모듈(214)는 V2V 모듈(Vehicle to Vehicle, 미도시)과 V2I 모듈(Vehicle to Infrastructure, 미도시)을 포함할 수 있으며, V2V 모듈은 주변차량과 통신하여 타 주변차량의 위치, 속도, 가속도, 요레이트, 진행방향 등을 획득할 수 있고, V2I 모듈은 기반시설(Infrastructure)로부터 도로의 형태, 주변 구조물, 신호등 정보(일례로 위치, 점등상태(적색, 황색, 녹색 등))를 획득할 수 있다.
정밀지도(215)는 자율주행용 지도로서, 자율주행차량의 정확한 위치 측정 및 자율주행의 안전성 강화를 위해 차선, 신호등, 표지판 정보 등을 포함할 수 있다.
GPS 수신기(216)는 3개 이상의 GPS 위성으로부터 GPS 신호를 수신한다.
차량 네트워크(217)는 자율주행차량 내 각 제어기 간의 통신을 위한 네트워크로서, CAN(Controller Area Network), LIN(Local Interconnect Network), 플렉스레이(FlexRay), MOST(Media Oriented Systems Transport), 이더넷(Ethernet) 등을 포함할 수 있다.
또한, 입력부(20)는 객체정보 검출부(221), 인프라정보 검출부(222), 및 위치정보 검출부(223)를 포함할 수 있다.
객체정보 검출부(221)는 라이다 센서(211), 카메라(212), 레이더 센서(213), 및 V2X 모듈(214)을 기반으로 자율주행차량 주변의 객체정보를 검출한다. 이때, 객체는 도로상에 위치한 차량과 사람 및 물체 등을 포함하며, 객체정보는 객체에 대한 정보로서 차량의 속도, 가속도, 요레이트, 요레이트, 시간에 따른 종가속도의 누적값 등을 포함할 수 있다.
인프라정보 검출부(222)는 라이다 센서(211), 카메라(212), 레이더 센서(213), V2X 모듈(214), 및 정밀지도(215)를 기반으로 자율주행차량 주변의 인프라정보를 검출한다. 이때, 인프라정보는 도로의 형태(차선, 중앙분리대 등), 주변 구조물, 신호등 점등상태, 횡단보도 외곽선, 도로 경계면 등을 포함한다.
위치정보 검출부(223)는 라이다 센서(211), 카메라(212), 레이더 센서(213), V2X 모듈(214), 정밀 지도(215), GPS 수신기(216), 차량 네트워크(217)를 기반으로 자율주행차량의 위치정보(일례로 위치좌표)를 검출한다. 이때, 위치정보는 상기 위치정보의 검출 정확도를 나타내는 신뢰도 정보를 포함할 수도 있다.
또한, 입력부(20)는 제1 데이터 추출부(231), 제2 데이터 추출부(232), 제3 데이터 추출부(233), 제4 데이터 추출부(234), 제5 데이터 추출부(235), 제6 데이터 추출부(236), 제7 데이터 추출부(237)를 포함할 수 있다.
이하, 도 3 내지 도 10을 참조하여 자율주행차량의 차선변경시 안전을 위해 고려되어야 할 다양한 상황정보들을 그룹별로 세분화하는 과정에 대해 살펴보기로 한다.
도 3a 내지 도 3c는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제1 데이터 추출부가 제1 그룹 데이터를 추출하는 상황을 나타내는 도면이다.
도 3a 내지 도 3c에 도시된 바와 같이, 제1 데이터 추출부(231)는 자율주행차량(310)의 차선변경시, 주변차량과(320, 330, 340)의 충돌을 방지하기 위한 제1 그룹 데이터를 객체정보와 인프라정보로부터 추출한다. 이때, 제1 그룹 데이터는 주변차량(320, 330, 340)의 위치, 속도, 가속도, 요레이트, 진행방향 등을 포함할 수 있다.
도 3a는 자율주행차량(310)의 차선변경시 목표 차선을 주행중인 주변차량(320)과의 충돌이 발생하는 경우를 나타내고, 도 3b는 자율주행차량(310)의 차선변경시 목표 차선으로 진입하는 주변차량(330)과의 충돌이 발생하는 경우를 나타내며, 도 3c는 자율주행차량(310)의 차선변경시 목표 차선에서 주변차량(340)이 이탈하여 과감한 차선변경이 가능한 경우를 나타낸다.
도 4 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제2 데이터 추출부가 제2 그룹 데이터를 추출하는 상황을 나타내는 도면이다.
도 4에 도시된 바와 같이, 제2 데이터 추출부(232)는 자율주행차량(310)의 차선변경시, 보행자(410)와의 충돌을 방지하기 위한 제2 그룹 데이터를 객체정보와 인프라정보로부터 추출한다. 이때, 제2 그룹 데이터는 보행자의 위치, 속도, 진행방향, 보행자(410) 주변의 정밀지도 등을 포함할 수 있다.
도 5 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제3 데이터 추출부가 제3 그룹 데이터를 추출하는 상황을 나타내는 도면이다.
도 5에 도시된 바와 같이, 제3 데이터 추출부(233)는 인프라정보에 기초하여 자율주행차량(310)의 주변에 위치한 각 신호등의 점등상태를 획득하고, 상기 획득한 각 신호등의 점등상태 중에서 자율주행차량(310)의 차선변경과 관련된 신호등의 점등상태를 제3 그룹 데이터로서 추출한다. 이때, 신호등은 교차로에서 자율주행차량(310)의 차선변경과 관련된 차량 신호등 및 보행자 신호등을 포함할 수 있다.
도 6a 및 도 6b는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제4 데이터 추출부가 제4 그룹 데이터를 추출하는 상황을 나타내는 도면이다.
도 6a에 도시된 바와 같이, 제4 데이터 추출부(234)는 객체정보와 인프라정보에 기초하여 정적 객체(일례로 주차된 차량)의 분포에 따른 차선변경 가능 영역(610)을 제4 그룹 데이터로서 추출할 수 있다.
도 6b에 도시된 바와 같이, 제4 데이터 추출부(234)는 객체정보와 인프라정보에 기초하여 공사구간에 따른 차선변경 가능 영역(620) 및 사고구간에 따른 차선변경 가능 영역(630)을 제4 그룹 데이터로서 더 추출할 수 있다.
도 7a 및 도 7b는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제5 데이터 추출부가 제5 그룹 데이터를 추출하는 상황을 나타내는 도면이다.
제5 데이터 추출부(235)는 인프라정보에 기초하여 도로의 구조에 따른 차선변경 가능 영역을 제5 그룹 데이터로서 추출할 수 있다.
도 7a에 도시된 바와 같이, 제5 데이터 추출부(235)는 카메라(212)에 의해 촬영된 영상으로부터 차선변경 가능 영역(711, 712)을 추출할 수 있다.
도 7b에 도시된 바와 같이, 제5 데이터 추출부(235)는 정밀지도(215)상의 자율주행차량(310)의 위치를 기준으로 차선변경 가능 영역(721, 722)을 추출할 수 있다.
도 8 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제6 데이터 추출부가 제6 그룹 데이터로서 추출한 최종 차선변경 가능 영역을 나타내는 도면이다.
도 8에 도시된 바와 같이, 제6 데이터 추출부(236)는 제4 데이터 추출부(234)에 의해 추출된 차선변경 가능 영역(810)과 제5 데이터 추출부(235)에 의해 추출된 차선변경 가능 영역(820)의 중첩 영역(최종 차선변경 가능 영역, 830)을 제6 그룹 데이터로서 추출할 수 있다.
도 9a 내지 도 9c는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 장치에 구비된 제7 데이터 추출부가 제7 그룹 데이터를 추출하는 상황을 나타내는 도면이다.
제7 데이터 추출부(237)는 인프라정보와 차량 네트워크(217)를 통해 자율주행차량의 거동 데이터로서 속도, 가속도, 진행방향, 스티어링 휠 각도, 요레이트, 고장코드 등을 제7 그룹 데이터로서 추출한다.
도 9a에 도시된 바와 같이, 제7 데이터 추출부(237)는 자율주행차량이 1차 차선변경을 수행한 후 이어서 재차 차선변경을 수행하는 경우, 자율주행차량의 거동 데이터를 추출할 수 있다.
도 9b에 도시된 바와 같이, 제7 데이터 추출부(237)는 자율주행차량이 곡률구간에서 차선변경을 수행하는 경우, 자율주행차량의 거동 데이터를 추출할 수 있다.
도 9c에 도시된 바와 같이, 제7 데이터 추출부(237)는 자율주행차량에 고장코드가 발생한 상태에서 자율주행차량이 차선변경을 수행하는 경우, 자율주행차량의 거동 데이터를 추출할 수 있다. 이때, 고장코드는 각종 센서, 제어기, MDPS(Motor Driven Power Steering) 등에 발생한 고장을 나타내는 코드를 의미한다.
학습부(30)는 심층 학습을 기반으로, 제1 데이터 추출부(231)에 의해 추출된 데이터와, 제2 데이터 추출부(232)에 의해 추출된 데이터와, 제3 데이터 추출부(233)에 의해 추출된 데이터와, 제6 데이터 추출부(236)에 의해 추출된 데이터와, 제7 데이터 추출부(237)에 의해 추출된 데이터에 의해 추출된 데이터를 이용하여 자율주행차량의 차선변경 가능 상황을 학습한다. 이렇게 학습부(30)에 의해 학습된 결과는 차선변경 판단부(41)가 자율주행차량의 차선변경 가능 여부를 판단하는데 이용될 수 있다.
학습부(30)는 자율주행차량의 주행차로 전방에 이상 상황(공사, 사고, 낙석, 보행자)이 발생한 경우의 회피 차선정보를 더 입력받아 학습할 수 있다. 여기서, 본 발명의 일 실시예는 제8 데이터 추출부(미도시)를 더 구비할 수 있으며, 제8 데이터 추출부는 객체정보와 인프라정보에 기초하여 회피 차선정보를 추출할 수 있다.
학습부(30)는 인공 신경망으로서 합성곱 신경망(Convolutional Neural Network, CNN), 순환 신경망(Recurrent Neural Network, RNN), 제한 볼츠만 머신(Restricted Boltzmann Machine, RBM), 심층 신뢰 신경망(Deep Belief Network, DBN), 심층 Q-네트워크(Deep Q-Networks), GAN(Generative Adversarial Network), 소프트맥스(softmax) 중 적어도 하나를 이용할 수 있다. 이때, 인공 신경망의 히든 레이어는 적어도 10개 이상이고, 히든 레이어 내 히든 노드는 500개 이상이 바람직하지만 반드시 이에 한정되는 것은 아니다.
제어부(40)는 기능 블록으로서 차선변경 판단부(41)와 조건 판단부(42)를 포함할 수 있다.
차선변경 판단부(41)는 제1 데이터 추출부(231)에 의해 추출된 데이터와, 제2 데이터 추출부(232)에 의해 추출된 데이터와, 제3 데이터 추출부(233)에 의해 추출된 데이터와, 제6 데이터 추출부(236)에 의해 추출된 데이터와, 제7 데이터 추출부(237)에 의해 추출된 데이터를 학습부(30)에 의해 학습된 결과에 적용하여 자율주행차량의 차선변경 가능 여부를 판단할 수 있다.
예를 들어, 차선변경 판단부(41)는 자율주행차량의 차선변경 경로가 주변차량의 주행궤적과 중첩되거나 일정거리 이내인 경우, 자율주행차량의 차선변경이 불가능한 것으로 판단할 수 있다.
다른 예로, 차선변경 판단부(41)는 차선변경시 자율주행차량이 법규를 위반(도로상의 실선을 넘어 차선변경)해야 하는 경우, 자율주행차량의 차선변경이 불가능한 것으로 판단할 수 있다.
차선변경 판단부(41)는 조건 판단부(42)의 판단결과를 더 고려하여 자율주행차량의 차선변경 가능 여부를 판단할 수 있다. 즉, 차선변경 판단부(41)는 자율주행차량의 차선변경이 가능한 것으로 1차 판단한 경우라도, 조건 판단부(42)의 판단결과가 차선변경 불가능을 나타내면 최종적으로 자율주행차량의 차선변경이 불가능한 것으로 판단할 수 있다.
조건 판단부(42)는 제1 데이터 추출부(231)에 의해 추출된 데이터와, 제2 데이터 추출부(232)에 의해 추출된 데이터와, 제3 데이터 추출부(233)에 의해 추출된 데이터와, 제6 데이터 추출부(236)에 의해 추출된 데이터와, 제7 데이터 추출부(237)에 의해 추출된 데이터를 기반으로, 자율주행차량의 안전을 더 고려하여 자율주행차량의 차선변경 가능 여부를 판단할 수 있다.
예를 들어, 조건 판단부(42)는 학습부(30)의 학습 결과에 기초하여 도출된 결과가 자율주행차량의 차선변경 가능을 나타내더라도, 변경하고자 하는 차선상의 선행차량과의 충돌 예측시간(Time To Collision, TTC)이 임계치를 초과하지 않으면 차선변경이 불가능한 것으로 최종 판단할 수 있다. 이때, TTC는 안전한 차선변경을 위한 여유시간을 더 포함할 수도 있다.
조건 판단부(42)는 특별한 상황에서는 학습부(30)의 학습 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하지 않고, 상술한 TTC에 기초하여 자율주행차량의 차선변경 가능 여부를 판단할 수도 있다.
예를 들어, 자율주행차량이 주행중인 차선의 전방에 발생한 정체상황 또는 교통사고를 원거리(일례로 1km 이상)에 인지한 경우, 조건 판단부(42)는 차선변경을 해야 하는 구간에서 학습부(30)의 학습 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하기 이전에, 상술한 TTC에 기초하여 자율주행차량의 차선변경 가능 여부를 미리 판단할 수도 있다. 이때, 자율주행차량의 주변 교통량이 많으면 상술한 TTC에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하는 과정은 수행되지 않을 수도 있다.
도 10 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법에 대한 흐름도이다.
먼저, 학습부(30)가 자율주행차량의 차선변경시 고려되어야 할 상황정보들을 그룹별로 세분화하여 심층 학습(Deep Learning)을 수행한다(1001).
이후, 제어부(40)가 상기 학습부(30)의 학습 결과에 기초하여 상기 자율주행차량의 차선변경을 제어한다(1002).
도 11 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법을 실행하기 위한 컴퓨팅 시스템을 보여주는 블록도이다.
도 11을 참조하면, 상술한 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 제어 방법은 컴퓨팅 시스템을 통해서도 구현될 수 있다. 컴퓨팅 시스템(1000)은 시스템 버스(1200)를 통해 연결되는 적어도 하나의 프로세서(1100), 메모리(1300), 사용자 인터페이스 입력 장치(1400), 사용자 인터페이스 출력 장치(1500), 스토리지(1600), 및 네트워크 인터페이스(1700)를 포함할 수 있다.
프로세서(1100)는 중앙 처리 장치(CPU) 또는 메모리(1300) 및/또는 스토리지(1600)에 저장된 명령어들에 대한 처리를 실행하는 반도체 장치일 수 있다. 메모리(1300) 및 스토리지(1600)는 다양한 종류의 휘발성 또는 불휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리(1300)는 ROM(Read Only Memory) 및 RAM(Random Access Memory)을 포함할 수 있다.
따라서, 본 명세서에 개시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서(1100)에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, SSD(Solid State Drive), 착탈형 디스크, CD-ROM과 같은 저장 매체(즉, 메모리(1300) 및/또는 스토리지(1600))에 상주할 수도 있다. 예시적인 저장 매체는 프로세서(1100)에 커플링되며, 그 프로세서(1100)는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서(1100)와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 저장부
20: 입력부
30: 학습부
40: 제어부

Claims (16)

  1. 자율주행차량의 차선변경시 고려되어야 할 상황정보들을 그룹별로 세분화하여 심층 학습(Deep Learning)을 수행하는 학습부; 및
    상기 학습부의 학습 결과에 기초하여 상기 자율주행차량의 차선변경을 제어하는 제어부
    를 포함하는 자율주행차량의 차선변경 제어 장치.
  2. 제 1 항에 있어서,
    현재 시점의 상황정보들에 대한 그룹별 데이터를 입력하는 입력부
    를 더 포함하는 자율주행차량의 차선변경 제어 장치.
  3. 제 2 항에 있어서,
    상기 제어부는,
    상기 입력부를 통해 입력받은 데이터를 상기 학습부의 학습결과에 적용하여 상기 자율주행차량의 차선변경 가능 여부를 판단하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
  4. 제 1 항에 있어서,
    상기 제어부는,
    상기 자율주행차량의 차선변경 가능 여부 판단시 상기 자율주행차량의 안전을 더 고려하여 판단하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
  5. 제 4 항에 있어서,
    상기 제어부는,
    상기 학습부의 학습 결과에 기초하여 도출된 결과가 자율주행차량의 차선변경 가능을 나타내더라도, 변경하고자 하는 차선상의 선행차량과의 충돌 예측시간(Time To Collision, TTC)이 임계치를 초과하지 않으면 차선변경이 불가능한 것으로 최종 판단하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
  6. 제 5 항에 있어서,
    상기 임계치는,
    상기 자율주행차량의 안전한 차선변경을 위한 여유시간을 포함하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
  7. 제 1 항에 있어서,
    상기 제어부는,
    자율주행차량이 주행중인 차선의 전방에 발생한 정체상황 또는 교통사고를 기준거리 이격된 지점에서 인지한 경우, 상기 학습부의 학습 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하지 않고, TTC(Time To Collision)에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 장치.
  8. 제 2 항에 있어서,
    상기 입력부는,
    자율주행차량의 차선변경시에 주변차량과의 충돌을 방지하기 위한 제1 그룹 데이터를 추출하는 제1 데이터 추출부와, 자율주행차량의 차선변경시에 보행자와의 충돌을 방지하기 위한 제2 그룹 데이터를 추출하는 제2 데이터 추출부와, 자율주행차량의 차선변경시에 전방에 위치한 다양한 신호등의 점등상태를 제3 그룹 데이터로서 추출하는 제3 데이터 추출부와, 정적 객체의 분포에 따른 차선변경 가능 영역과 공사구간에 따른 차선변경 가능 영역 및 사고구간에 따른 차선변경 가능 영역을 제4 그룹 데이터로서 추출하는 제4 데이터 추출부와, 도로의 구조에 따른 차선변경 가능 영역을 제5 그룹 데이터로서 추출하는 제5 데이터 추출부와, 상기 제4 데이터 추출부에 의해 추출된 차선변경 가능 영역과 제5 데이터 추출부에 의해 추출된 차선변경 가능영역 간 중첩영역을 제6 그룹 데이터로서 추출하는 제6 데이터 추출부와, 연속하여 차선변경을 수행하거나 곡률구간에서 차선변경을 수행하거나 고장코드가 발생한 상태에서 차선변경을 수행하는 경우의 자율주행차량의 거동 데이터를 제7 그룹 데이터로서 추출하는 제7 데이터 추출부 중 적어도 하나 이상을 포함하는 자율주행차량의 차선변경 제어 장치.
  9. 학습부가 자율주행차량의 차선변경시 고려되어야 할 상황정보들을 그룹별로 세분화하여 심층 학습(Deep Learning)을 수행하는 단계; 및
    제어부가 상기 학습부의 학습 결과에 기초하여 상기 자율주행차량의 차선변경을 제어하는 단계
    를 포함하는 자율주행차량의 차선변경 제어 방법.
  10. 제 9 항에 있어서,
    입력부가 현재 시점의 상황정보들에 대한 그룹별 데이터를 입력하는 단계
    를 더 포함하는 자율주행차량의 차선변경 제어 방법.
  11. 제 10 항에 있어서,
    상기 자율주행차량의 차선변경을 제어하는 단계는,
    상기 입력받은 데이터를 상기 학습부의 학습결과에 적용하여 상기 자율주행차량의 차선변경 가능 여부를 판단하는 단계
    를 포함하는 자율주행차량의 차선변경 제어 방법.
  12. 제 9 항에 있어서,
    상기 자율주행차량의 차선변경을 제어하는 단계는,
    상기 자율주행차량의 차선변경 가능 여부 판단시 상기 자율주행차량의 안전을 더 고려하여 판단하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 방법.
  13. 제 12 항에 있어서,
    상기 자율주행차량의 차선변경을 제어하는 단계는,
    상기 학습부의 학습 결과에 기초하여 도출된 결과가 자율주행차량의 차선변경 가능을 나타내더라도, 변경하고자 하는 차선상의 선행차량과의 충돌 예측시간(Time To Collision, TTC)이 임계치를 초과하지 않으면 차선변경이 불가능한 것으로 최종 판단하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 방법.
  14. 제 13 항에 있어서,
    상기 임계치는,
    상기 자율주행차량의 안전한 차선변경을 위한 여유시간을 포함하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 방법.
  15. 제 9 항에 있어서,
    상기 자율주행차량의 차선변경을 제어하는 단계는,
    자율주행차량이 주행중인 차선의 전방에 발생한 정체상황 또는 교통사고를 기준거리 이격된 지점에서 인지한 경우, 상기 학습부의 학습 결과에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하지 않고, TTC(Time To Collision)에 기초하여 자율주행차량의 차선변경 가능 여부를 판단하는 것을 특징으로 하는 자율주행차량의 차선변경 제어 방법.
  16. 제 10 항에 있어서,
    상기 그룹별 데이터를 입력하는 단계는,
    자율주행차량의 차선변경시에 주변차량과의 충돌을 방지하기 위한 제1 그룹 데이터를 추출하는 단계;
    자율주행차량의 차선변경시에 보행자와의 충돌을 방지하기 위한 제2 그룹 데이터를 추출하는 단계;
    자율주행차량의 차선변경시에 전방에 위치한 다양한 신호등의 점등상태를 제3 그룹 데이터로서 추출하는 단계;
    정적 객체의 분포에 따른 차선변경 가능 영역과 공사구간에 따른 차선변경 가능 영역 및 사고구간에 따른 차선변경 가능 영역을 제4 그룹 데이터로서 추출하는 단계;
    도로의 구조에 따른 차선변경 가능 영역을 제5 그룹 데이터로서 추출하는 단계;
    제4 그룹 데이터의 차선변경 가능 영역과 제5 그룹 데이터의 차선변경 가능영역 간 중첩영역을 제6 그룹 데이터로서 추출하는 단계;
    연속하여 차선변경을 수행하거나 곡률구간에서 차선변경을 수행하거나 고장코드가 발생한 상태에서 차선변경을 수행하는 경우의 자율주행차량의 거동 데이터를 제7 그룹 데이터로서 추출하는 단계
    를 포함하는 자율주행차량의 차선변경 제어 방법.
KR1020190128051A 2019-10-15 2019-10-15 자율주행차량의 차선변경 제어 장치 및 그 방법 KR20210044960A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190128051A KR20210044960A (ko) 2019-10-15 2019-10-15 자율주행차량의 차선변경 제어 장치 및 그 방법
US16/852,827 US11091161B2 (en) 2019-10-15 2020-04-20 Apparatus for controlling lane change of autonomous vehicle and method thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190128051A KR20210044960A (ko) 2019-10-15 2019-10-15 자율주행차량의 차선변경 제어 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20210044960A true KR20210044960A (ko) 2021-04-26

Family

ID=75382475

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190128051A KR20210044960A (ko) 2019-10-15 2019-10-15 자율주행차량의 차선변경 제어 장치 및 그 방법

Country Status (2)

Country Link
US (1) US11091161B2 (ko)
KR (1) KR20210044960A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102343416B1 (ko) * 2021-06-11 2021-12-28 (주)동광지엔티 도엽별 수치지도 분석에 따른 지정 파트의 자동 클리핑 출력시스템
KR20220167730A (ko) 2021-06-14 2022-12-21 숭실대학교산학협력단 자율주행차량을 위한 심층강화학습 기반 차선 변경 방법, 이를 수행하기 위한 기록 매체 및 장치

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7303667B2 (ja) * 2019-05-31 2023-07-05 株式会社Subaru 自動運転支援装置
KR20210032617A (ko) * 2019-09-16 2021-03-25 현대자동차주식회사 자율주행차량의 거동 제어 장치 및 그 방법
US20220237414A1 (en) * 2021-01-26 2022-07-28 Nvidia Corporation Confidence generation using a neural network
US20220410901A1 (en) * 2021-06-28 2022-12-29 GM Global Technology Operations LLC Initializing early automatic lane change
CN113799777A (zh) * 2021-10-27 2021-12-17 蔚来汽车科技(安徽)有限公司 换道方法和系统、存储介质以及车辆
WO2023157607A1 (ja) * 2022-02-16 2023-08-24 株式会社デンソー 自動運転制御装置、及び自動運転制御方法
CN115257726B (zh) * 2022-08-10 2023-12-26 小米汽车科技有限公司 车辆控制的方法、装置、车辆和存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8352173B2 (en) * 2007-06-12 2013-01-08 Palo Alto Research Center Incorporated Two-level grouping of principals for a collision warning system
US9796400B2 (en) * 2013-11-27 2017-10-24 Solfice Research, Inc. Real time machine vision and point-cloud analysis for remote sensing and vehicle control
KR102406507B1 (ko) * 2017-03-27 2022-06-10 현대자동차주식회사 딥러닝 기반 자율주행 차량 제어 장치, 그를 포함한 시스템 및 그 방법
US11126190B2 (en) * 2019-02-13 2021-09-21 Ford Global Technologies Llc Learning systems and methods
KR20190083317A (ko) * 2019-06-20 2019-07-11 엘지전자 주식회사 차량의 차선 변경에 관련된 알림을 제공하는 인공 지능 장치 및 그 방법
KR102231922B1 (ko) * 2019-07-30 2021-03-25 엘지전자 주식회사 인공 지능을 이용하여, 복수의 로봇들을 제어하는 인공 지능 서버

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102343416B1 (ko) * 2021-06-11 2021-12-28 (주)동광지엔티 도엽별 수치지도 분석에 따른 지정 파트의 자동 클리핑 출력시스템
KR20220167730A (ko) 2021-06-14 2022-12-21 숭실대학교산학협력단 자율주행차량을 위한 심층강화학습 기반 차선 변경 방법, 이를 수행하기 위한 기록 매체 및 장치

Also Published As

Publication number Publication date
US20210107487A1 (en) 2021-04-15
US11091161B2 (en) 2021-08-17

Similar Documents

Publication Publication Date Title
KR20210044960A (ko) 자율주행차량의 차선변경 제어 장치 및 그 방법
CN107953884B (zh) 用于自主车辆的行驶控制设备和方法
US10726280B2 (en) Traffic signal analysis system
US10864906B2 (en) Method of switching vehicle drive mode from automatic drive mode to manual drive mode depending on accuracy of detecting object
WO2019171576A1 (ja) 車両制御装置、車両制御方法、およびプログラム
JP6627152B2 (ja) 車両制御装置、車両制御方法、およびプログラム
KR20210044961A (ko) 자율주행차량의 차선변경 전략 결정 장치 및 그 방법
US20190225231A1 (en) Prediction device, prediction method, and storage medium
US11120690B2 (en) Method and device for providing an environmental image of an environment of a mobile apparatus and motor vehicle with such a device
CN108133484B (zh) 基于场景分割的自动驾驶处理方法及装置、计算设备
CN112660128B (zh) 用于确定自动驾驶车辆的车道变更路径的设备及其方法
KR20210005395A (ko) 자율주행차량의 유턴 전략 결정 장치 및 그 방법
US20220314968A1 (en) Electronic control device
JP2019169124A (ja) 区画領域および移動経路の低次元の検出
JP2019156271A (ja) 車両制御装置、車両制御方法、およびプログラム
CN111105644A (zh) 一种车辆盲区监测、行驶控制方法、装置及车路协同系统
US11507093B2 (en) Behavior control device and behavior control method for autonomous vehicles
KR20210005393A (ko) 자율주행차량의 유턴 제어 장치 및 그 방법
CN114368394A (zh) 攻击基于车联网的v2x设备的方法、装置及存储介质
EP3851350B1 (en) Method and control unit automatically controlling lane change assist
US20220383646A1 (en) Mobile object control device, mobile object control method, and storage medium
JP6645001B2 (ja) 車両制御装置、車両制御方法、およびプログラム
US20240177014A1 (en) Method and apparatus for predicting a vehicle collision with a surrounding object
CN113793523B (zh) 一种指挥交通的方法、装置、车载设备及车辆
US20240119841A1 (en) Alert system for warning vulnerable road users in a given road section

Legal Events

Date Code Title Description
A201 Request for examination