KR20210044963A - 자율주행차량의 차선변경 경로 결정 장치 및 그 방법 - Google Patents

자율주행차량의 차선변경 경로 결정 장치 및 그 방법 Download PDF

Info

Publication number
KR20210044963A
KR20210044963A KR1020190128056A KR20190128056A KR20210044963A KR 20210044963 A KR20210044963 A KR 20210044963A KR 1020190128056 A KR1020190128056 A KR 1020190128056A KR 20190128056 A KR20190128056 A KR 20190128056A KR 20210044963 A KR20210044963 A KR 20210044963A
Authority
KR
South Korea
Prior art keywords
lane change
autonomous vehicle
route
determining
path
Prior art date
Application number
KR1020190128056A
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 KR1020190128056A priority Critical patent/KR20210044963A/ko
Priority to US16/838,442 priority patent/US11442456B2/en
Priority to DE102020110392.1A priority patent/DE102020110392A1/de
Priority to CN202010349266.2A priority patent/CN112660128B/zh
Publication of KR20210044963A publication Critical patent/KR20210044963A/ko

Links

Images

Classifications

    • 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
    • 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
    • B60W30/14—Adaptive cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • 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
    • 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
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0014—Adaptive controllers
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/50—Barriers
    • 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
    • B60Y2300/08—Predicting or avoiding probable or impending collision
    • 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
    • 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)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Traffic Control Systems (AREA)
  • Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)

Abstract

본 발명은 자율주행차량의 차선변경 경로 결정 장치 및 그 방법에 관한 것으로, 심층 학습을 기반으로 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출하고, 상기 추출한 차선변경 경로들의 특성에 기초하여 최종 차선변경 경로를 결정함으로써, 자율주행차량이 실시간으로 변하는 주행상황에 최적화된 차선변경 경로를 주행하도록 하여 주행 안정성을 향상시킬 수 있는 자율주행차량의 차선변경 경로 결정 장치 및 그 방법을 제공하고자 한다.
이를 위하여, 본 발명은 자율주행차량의 차선변경 경로 결정 장치에 있어서, 자율주행차량의 차선변경 전략에 상응하는 차선변경 경로들을 학습하는 학습부; 및 상기 학습부와 연동하여 자율주행차량의 주행가능영역 내 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출하고, 상기 추출한 각 차선변경 경로의 특성에 기초하여 최종 차선변경 경로를 결정하는 제어부를 포함한다.

Description

자율주행차량의 차선변경 경로 결정 장치 및 그 방법{APPARATUS FOR DETERMINING LANE CHANGE PATH OF AUTONOMOUS VEHICLE AND METHOD THEREOF}
본 발명은 심층 학습을 기반으로 자율주행차량의 차선변경 경로를 결정하는 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 경로를 결정하는 기술은 제안된 바 없다.
본 발명은 심층 학습을 기반으로 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출하고, 상기 추출한 차선변경 경로들의 특성에 기초하여 최종 차선변경 경로를 결정함으로써, 자율주행차량이 실시간으로 변하는 주행상황에 최적화된 차선변경 경로를 주행하도록 하여 주행 안정성을 향상시킬 수 있는 자율주행차량의 차선변경 경로 결정 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 경로 결정 장치에 있어서, 자율주행차량의 차선변경 전략에 상응하는 차선변경 경로들을 학습하는 학습부; 및 상기 학습부와 연동하여 자율주행차량의 주행가능영역 내 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출하고, 상기 추출한 각 차선변경 경로의 특성에 기초하여 최종 차선변경 경로를 결정하는 제어부를 포함할 수 있다.
여기서, 상기 제어부는 동적 객체의 주행경로에 따른 자율주행차량의 주행가능영역과 정적 객체의 분포에 따른 자율주행차량의 주행가능영역에 기초하여 복수의 차선변경 경로를 생성할 수 있다.
또한, 상기 제어부는 자율주행차량의 주행가능영역 내 차선 경계상에 장애물이 위치하는 경우, 상기 장애물의 좌측으로 진입하는 복수의 차선변경 경로와 상기 장애물의 우측으로 진입하는 복수의 차선변경 경로를 생성할 수 있다. 이때, 상기 제어부는 상기 장애물의 우측으로 진입하는 복수의 차선변경 경로 중에서, 상기 차선변경 전략에 상응하는 차선변경 경로를 추출할 수 있다.
또한, 상기 제어부는 정상 차선변경, 차선변경 도중 현재차선으로부터의 회귀, 차선변경 도중 목표차선으로부터 회귀 중 어느 하나를 차선변경 전략으로 결정할 수 있다. 이때, 상기 제어부는 자율주행차량이 차선을 변경하는 도중에도 주기적으로 현재 상황에 맞는 새로운 차선변경 전략을 결정할 수 있다.
또한, 상기 제어부는 상기 추출한 각 차선변경 경로의 충돌 위험도, 경로의 곡률, 경로의 길이에 기초하여 최종 차선변경 경로를 결정할 수 있다. 이때, 상기 제어부는 상기 추출한 각 차선변경 경로의 충돌 위험도와 곡률 및 길이의 합이 최소인 차선변경 경로를 최종 차선변경 경로로 결정하거나, 상기 추출한 각 차선변경 경로의 충돌 위험도와 곡률 및 길이의 평균이 최소인 차선변경 경로를 최종 차선변경 경로로 결정할 수 있다.
상기 목적을 달성하기 위한 본 발명의 방법은, 자율주행차량의 차선변경 경로 결정 방법에 있어서, 학습부가 자율주행차량의 차선변경 전략에 상응하는 차선변경 경로들을 학습하는 단계; 제어부가 상기 학습부와 연동하여 자율주행차량의 주행가능영역 내 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출하는 단계; 및 상기 제어부가 상기 추출한 각 차선변경 경로의 특성에 기초하여 최종 차선변경 경로를 결정하는 단계를 포함할 수 있다.
여기서, 상기 차선변경 경로를 추출하는 단계는, 동적 객체의 주행경로에 따른 자율주행차량의 주행가능영역과 정적 객체의 분포에 따른 자율주행차량의 주행가능영역에 기초하여 복수의 차선변경 경로를 생성하는 단계를 포함할 수 있다.
또한, 상기 차선변경 경로를 추출하는 단계는, 자율주행차량의 주행가능영역 내 차선 경계상에 장애물이 위치하는 경우, 상기 장애물의 좌측으로 진입하는 복수의 차선변경 경로와 상기 장애물의 우측으로 진입하는 복수의 차선변경 경로를 생성하는 단계; 및 상기 장애물의 우측으로 진입하는 복수의 차선변경 경로 중에서, 상기 차선변경 전략에 상응하는 차선변경 경로를 추출하는 단계를 포함할 수 있다.
또한, 상기 차선변경 경로를 추출하는 단계는, 정상 차선변경, 차선변경 도중 현재차선으로부터의 회귀, 차선변경 도중 목표차선으로부터 회귀 중 어느 하나를 차선변경 전략으로 결정하는 단계를 포함할 수 있다. 이때, 상기 차선변경 전략을 결정하는 단계는, 자율주행차량이 차선을 변경하는 도중에도 주기적으로 현재 상황에 맞는 새로운 차선변경 전략을 결정할 수 있다.
또한, 상기 최종 차선변경 경로를 결정하는 단계는, 상기 추출한 각 차선변경 경로의 충돌 위험도와 곡률 및 길이의 합이 최소인 차선변경 경로를 최종 차선변경 경로로 결정하는 단계를 포함할 수 있다.
또한, 상기 최종 차선변경 경로를 결정하는 단계는, 상기 추출한 각 차선변경 경로의 충돌 위험도와 곡률 및 길이의 평균이 최소인 차선변경 경로를 최종 차선변경 경로로 결정하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치 및 그 방법은, 심층 학습을 기반으로 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출하고, 상기 추출한 차선변경 경로들의 특성에 기초하여 최종 차선변경 경로를 결정함으로써, 자율주행차량이 실시간으로 변하는 주행상황에 최적화된 차선변경 경로를 주행하도록 하여 주행 안정성을 향상시킬 수 있다.
도 1 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 대한 구성도,
도 2 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치의 상세 구성도,
도 3a 내지 도 3c는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 제1 데이터 추출부가 제1 그룹 데이터를 추출하는 상황을 나타내는 도면,
도 4a 및 도 4b는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 제2 데이터 추출부가 제2 그룹 데이터를 추출하는 상황을 나타내는 도면,
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 제3 데이터 추출부가 제3 그룹 데이터를 추출하는 상황을 나타내는 도면,
도 6 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 제4 데이터 추출부가 제4 그룹 데이터로서 추출한 주행가능영역을 나타내는 도면,
도 7 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 경로 생성부가 생성한 주행가능영역 내 복수의 경로를 나타내는 도면,
도 8a 내지 8c는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 전략 생성부가 생성한 차선변경 전략을 나타내는 도면,
도 9 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 경로 추출부에 의해 추출된 복수의 경로를 나타내는 일예시도,
도 10 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 경로 추출부에 의해 추출된 복수의 경로를 나타내는 다른 예시도,
도 11 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 경로 결정부가 최종 차선변경 경로를 결정하는 과정을 나타내는 도면,
도 12 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 방법에 대한 흐름도,
도 13 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 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.
도 1 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 대한 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치(100)는, 저장부(10), 입력부(20), 학습부(30), 및 제어부(40)를 포함할 수 있다. 이때, 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치(100)를 실시하는 방식에 따라 각 구성요소는 서로 결합되어 하나로 구현될 수도 있고, 일부의 구성요소가 생략될 수도 있다. 특히, 학습부(30)는 제어부(40)의 하나의 기능 블록으로서 제어부(40)에 포함되도록 구현될 수 있다.
상기 각 구성요소들에 대하 살펴보면, 먼저 저장부(10)는 심층 학습을 기반으로 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출하고, 상기 추출한 차선변경 경로들의 특성에 기초하여 최종 차선변경 경로를 결정하는 과정에서 요구되는 각종 로직과 알고리즘 및 프로그램을 저장할 수 있다.
저장부(10)는 학습부(30)에 의한 학습된 결과로서 일례로 주행상황별 차선변경 경로 모델을 저장할 수 있다. 여기서, 주행상황은 자율주행차량의 주행상황, 도로상황, 주변차량의 주행상황 등을 포함할 수 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 각각의 차선변경 전략에 상응하는 복수의 차선변경 경로를 학습하는 과정에서 요구되는 데이터(학습 데이터)를 학습부(30)로 입력(제공)할 수 있다.
또한, 입력부(20)는 최적의 차선변경 전략에 상응하는 복수의 차선변경 경로를 추출하는 과정에서 요구되는 현재 시점의 데이터를 제어부(40)로 입력하는 기능을 수행할 수 있다.
다음으로, 학습부(30)는 입력부(20)로부터 입력되는 학습 데이터와 제어부(40)로부터 입력되는 학습 데이터에 기초하여 심층 학습을 수행할 수 있다. 이때, 제어부(40)로부터 입력되는 학습 데이터는 자율주행차량의 주행가능영역 내 복수의 차선변경 경로와, 자율주행차량의 현재 주행상황에 최적화된 차선변경 전략을 포함할 수 있다.
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 서버(미도시)를 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.
제어부(40)는 심층 학습을 기반으로 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출하고, 상기 추출한 차선변경 경로들의 특성에 기초하여 최종 차선변경 경로를 결정할 수 있다.
제어부(40)는 일례로 RRT(Rapidly-exploring Random Trees), fRRT(fast Rapidly-exploring Random Trees) 등을 이용하여 자율주행차량이 주행 가능한 영역 내에서 복수의 차선변경 경로를 생성할 수 있다.
제어부(40)는 학습부(30)의 심층 학습 결과에 기초하여 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출함으로써, 공간 기반으로 차선변경 전략에 상응하는 차선변경 경로를 추출하는 종래의 기술에 비해 추출 정확도를 향상시킬 수 있다. 즉, 제어부(40)는 차선변경 경로의 공간적 자유도를 높일 수 있다.
제어부(40)는 상기 추출한 차선변경 경로들의 특성으로서, 주변차량과의 충돌 위험도, 경로의 곡률, 경로의 길이 등에 기초하여 최종 차선변경 경로를 결정할 수 있다.
도 2 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 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 차량 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(위치, 점등상태(적색, 황색, 녹색 등))를 획득할 수 있다.
정밀지도(215)는 자율주행용 지도로서, 차량의 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, 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), 및 제4 데이터 추출부(234)를 포함할 수 있다.
도 3a 내지 도 3c는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 제1 데이터 추출부가 제1 그룹 데이터를 추출하는 상황을 나타내는 도면이다.
도 3a에 도시된 바와 같이, 제1 데이터 추출부(231)는 객체정보 검출부(221)에 의해 검출된 객체정보와 인프라정보 검출부(222)에 의해 검출된 인프라정보에 기초하여, 주변차량(311, 312, 313)과 충돌 발생 가능성이 없는 자율주행차량(300)의 주행가능영역(동적 객체의 주행경로에 따른 주행가능영역, 350)을 제1 그룹 데이터로서 추출한다. 이때, 제1 그룹 데이터는 주변차량(311, 312, 313)의 위치, 속도, 가속도, 요레이트, 진행방향 등을 포함할 수 있다.
도 3b에 도시된 바와 같이, 제1 데이터 추출부(231)는 객체정보 검출부(221)에 의해 검출된 객체정보와 인프라정보 검출부(222)에 의해 검출된 인프라정보에 기초하여, 주변차량(321)과 충돌 발생 가능성이 없는 자율주행차량(300)의 주행가능영역(350)을 제1 그룹 데이터로서 추출한다. 이때, 제1 그룹 데이터는 주변차량(321)의 위치, 속도, 가속도, 요레이트, 진행방향 등을 포함할 수 있다.
도 3c에 도시된 바와 같이, 제1 데이터 추출부(231)는 객체정보 검출부(221)에 의해 검출된 객체정보와 인프라정보 검출부(222)에 의해 검출된 인프라정보에 기초하여, 주변차량(331)과 충돌 발생 가능성이 없는 자율주행차량(300)의 주행가능영역(350)을 제1 그룹 데이터로서 추출한다. 이때, 제1 그룹 데이터는 주변차량(331)의 위치, 속도, 가속도, 요레이트, 진행방향 등을 포함할 수 있다.
도 4a 및 도 4b는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 제2 데이터 추출부가 제2 그룹 데이터를 추출하는 상황을 나타내는 도면이다.
도 4a에 도시된 바와 같이, 제2 데이터 추출부(232)는 객체정보 검출부(221)에 의해 검출된 객체정보와 인프라정보 검출부(222)에 의해 검출된 인프라정보에 기초하여, 정적 객체(일례로 주차된 차량, 장애물)의 분포에 따른 주행가능영역(410)을 제2 그룹 데이터로서 추출할 수 있다.
도 4b에 도시된 바와 같이, 제2 데이터 추출부(232)는 객체정보 검출부(221)에 의해 검출된 객체정보와 인프라정보 검출부(222)에 의해 검출된 인프라정보에 기초하여, 공사구간에 따른 주행가능영역(420) 및 사고구간에 따른 주행가능영역(430)을 제2 그룹 데이터로서 더 추출할 수 있다.
도 5a 및 도 5b는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 제3 데이터 추출부가 제3 그룹 데이터를 추출하는 상황을 나타내는 도면이다.
제3 데이터 추출부(233)는 인프라정보 검출부(222)에 의해 검출된 인프라정보에 기초하여 도로의 구조에 따른 주행가능영역을 제3 그룹 데이터로서 추출할 수 있다.
도 5a에 도시된 바와 같이, 제3 데이터 추출부(233)는 카메라(212)에 의해 촬영된 영상으로부터 주행가능영역(511, 512)을 추출할 수 있다.
도 5b에 도시된 바와 같이, 제3 데이터 추출부(233)는 정밀지도(215)상의 자율주행차량(300)의 위치를 기준으로 주행가능영역(521, 522)을 추출할 수 있다.
도 6 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 제4 데이터 추출부가 제4 그룹 데이터로서 추출한 주행가능영역을 나타내는 도면이다.
도 6에 도시된 바와 같이, 제4 데이터 추출부(234)는 제2 데이터 추출부(232)에 의해 추출된 주행가능영역(610)과 제3 데이터 추출부(233)에 의해 추출된 주행가능영역(620)의 중첩 영역(최종 주행가능영역, 630)을 제4 그룹 데이터로서 추출할 수 있다.
한편, 학습부(30)는 객체정보 검출부(221)에 의해 검출된 객체정보와, 인프라정보 검출부(222)에 의해 검출된 인프라정보와, 제어부(40)로부터의 자율주행차량(300)의 주행가능영역 내 복수의 차선변경 경로와, 제어부(40)로부터의 자율주행차량(300)의 현재 주행상황에 최적화된 차선변경 전략을 학습 데이터로서 제공받아 심층 학습을 수행할 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.
한편, 제어부(40)는 경로 생성부(41), 전략 생성부(42), 경로 추출부(43), 및 경로 결정부(44)를 포함할 수 있다.
이하, 도 7 내지 도 11을 참조하여 상기 각 구성요소들에 대해 살펴보기로 한다.
도 7 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 경로 생성부가 생성한 주행가능영역 내 복수의 경로를 나타내는 도면이다.
도 7에 도시된 바와 같이, 경로 생성부(41)는 제1 데이터 추출부(231)에 의해 추출된 동적 객체의 주행경로에 따른 자율주행차량의 주행가능영역(350)과 제4 데이터 추출부(234)에 의해 추출된 정적 객체의 분포에 따른 자율주행차량의 주행가능영역(630)에 기초하여, 자율주행차량(300)이 주행 가능한 영역(710) 내에서 복수의 차선변경 경로를 생성할 수 있다.
일반적으로, 주행가능영역(710) 내에서 모든 가능한 차선변경 경로를 생성하는 것이 가장 이상적이며, 아울러 차선변경 경로를 생성하는 과정 자체는 차선변경 경로의 상황 적합성을 검증하는 과정에 비해 연산 로드(load)가 크지 않다.
이를 위해 경로 생성부(41)는 일례로 RRT(Rapidly-exploring Random Trees), fRRT(fast Rapidly-exploring Random Trees) 등을 이용하여 자율주행차량(300)이 주행 가능한 영역(710) 내에서 가능한 많은 차선변경 경로를 생성할 수 있다.
도 8a 내지 8c는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 전략 생성부가 생성한 차선변경 전략을 나타내는 도면이다.
도 8a는 전략 생성부(42)가 생성한 자율주행차량(300)의 제1 차선변경 전략으로서 정상 차선변경을 나타내고, 도 8b는 전략 생성부(42)가 생성한 자율주행차량(300)의 제2 차선변경 전략으로서 차선변경 도중 현재차선에서의 회귀를 나타내며, 도 8c는 전략 생성부(42)가 생성한 자율주행차량(300)의 제3 차선변경 전략으로서 차선변경 도중 목표차선으로부터의 회귀를 나타낸다.
도 8b의 제2 차선변경 전략은 차선변경 과정에서 목표차선으로 진입하지 못하고 현재차선을 그대로 주행하는 전략을 나타내고, 도 8c의 제3 차선변경 전략은 차선변경 과정에서 목표차선에 진입한 후 현재차선으로 회귀하는 전략을 나타낸다. 참고로, 전략 생성부(42)는 자율주행차량(300)이 차선을 변경하는 도중에도 주기적으로 현재 상황에 맞는 새로운 차선변경 전략을 생성하기 때문에 초기 생성된 현재차선에서의 회귀 전략 또는 목표차선으로부터의 회귀 전략에 따라 현재차선으로 회귀하지 않고 도 8a에 도시된 바와 같이 정상적으로 차선변경이 이루어질 수도 있다.
여기서, 정상 차선변경은 목표차선에서 주행중인 차량 전방으로의 차선변경, 목표차선에서 주행중인 차량과의 이격거리에 따른 차선변경, 목표차선에서 주행중인 차량의 후방으로의 차선변경 등 다양한 차선변경 케이스를 포함할 수 있다.
아울러, 본 발명의 일 실시예에서는 3개의 차선변경 전략을 예로 들어 설명하였으나, 차선변경 전략의 수는 설계자의 의도에 따라 가변될 수 있으나, 본 발명에는 아무런 영향을 미치지 않는다.
전략 생성부(42)는 기 학습된 상황별 차선변경 전략에 기초하여 현재 상황에 맞는 차선변경 전략을 주기적으로 생성할 수 있다.
도 9 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 경로 추출부에 의해 추출된 복수의 경로를 나타내는 일예시도이다.
도 9에 도시된 바와 같이, 경로 추출부(43)는 학습부(30)의 심층 학습 결과에 기초하여, 경로 생성부(41)에 의해 생성된 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출한다. 이때, 차선변경 전략은 정상 차선변경을 나타낸다.
도 10 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 경로 추출부에 의해 추출된 복수의 경로를 나타내는 다른 예시도이다.
도 10에 도시된 바와 같이, 자율주행차량(300)의 주행가능영역 내 차선 경계상에 장애물(1001)이 위치하고 있어, 경로 생성부(41)는 장애물(1001)의 좌측으로 진입하는 복수의 차선변경 경로와, 장애물(1001)의 우측으로 진입하는 복수의 차선변경 경로를 생성한다.
경로 추출부(43)는 심층 학습을 기반으로 차선변경 전략에 상응하는 차선변경 경로를 추출하기 때문에, 장애물(1001)의 우측으로 진입하는 복수의 차선변경 경로 중에서 일부(1002)를 차선변경 전략에 상응하는 차선변경 경로로서 추출할 수 있다. 이때, 차선변경 전략은 정상 차선변경을 나타낸다. 참고로, 공간 기반으로 차선변경 전략에 상응하는 차선변경 경로를 추출하는 종래의 기술은 복수의 차선변경 경로(1002)를 추출하지 못한다. 즉, 장애물(1001)의 우측으로 진입하는 복수의 차선변경 경로를 모두 삭제한다.
도 11 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 장치에 구비된 경로 결정부가 최종 차선변경 경로를 결정하는 과정을 나타내는 도면이다.
도 11에 도시된 바와 같이, 경로 결정부(44)는 경로 추출부(43)에 의해 추출된 복수의 차선변경 경로를 대상으로 각 경로의 충돌 위험도를 산출할 수 있다. 이때, 경로 결정부(44)는 충돌 위험도로서, TTC(Time To Collision)가 기준치 미만이 되는 횟수를 기반으로 포인트를 할당할 수 있다. 즉, 경로 결정부(44)는 상기 횟수가 증가할수록 높은 포인트를 할당할 수 있다. 일례로, 1번 차선변경 경로(1101)의 충돌 위험도는 85포인트일 수 있고, 2번 차선변경 경로(1102)의 충돌 위험도는 72포인트일 수 있다.
도 11에 도시된 바와 같이, 경로 결정부(44)는 경로 추출부(43)에 의해 추출된 복수의 차선변경 경로를 대상으로 각 경로의 곡률을 산출할 수 있다. 일반적으로 곡률이 크면 탑승자가 느끼는 구심력이 커져 승차감이 낮아진다. 따라서, 가급적 곡률이 낮은 경로를 선택하는 것이 바람직하다. 경로 결정부(44)는 곡률이 클수록 높은 포인트를 할당할 수 있다. 일례로, 1번 차선변경 경로(1101)의 곡률은 82포인트일 수 있고, 2번 차선변경 경로(1102)의 곡률은 35포인트일 수 있다.
도 11에 도시된 바와 같이, 경로 결정부(44)는 경로 추출부(43)에 의해 추출된 복수의 차선변경 경로를 대상으로 각 경로의 길이를 산출할 수 있다. 일반적으로 차선변경 경로의 길이가 길수록 차선변경 시간이 길어진다. 따라서, 가급적 짧은 차선변경 경로를 선택하는 것이 바람직하다. 경로 결정부(44)는 차선변경 경로의 길이가 길수록 높은 포인트를 할당할 수 있다. 일례로, 1번 차선변경 경로(1101)의 길이는 78포인트일 수 있고, 2번 차선변경 경로(1102)의 길이는 55포인트일 수 있다.
결국, 경로 결정부(44)는 경로 추출부(43)에 의해 추출된 각 차선변경 경로의 충돌 위험도와 곡률 및 길이에 기초하여 최종 차선변경 경로를 결정할 수 있다.
일례로, 경로 결정부(44)는 경로 추출부(43)에 의해 추출된 각 차선변경 경로의 충돌 위험도와 곡률 및 길이의 합이 최소인 차선변경 경로를 최종 차선변경 경로로 결정할 수 있다.
다른 예로, 경로 결정부(44)는 경로 추출부(43)에 의해 추출된 각 차선변경 경로의 충돌 위험도와 곡률 및 길이의 평균이 최소인 차선변경 경로를 최종 차선변경 경로로 결정할 수 있다.
도 12 는 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 방법에 대한 흐름도이다.
먼저, 학습부(30)가 자율주행차량의 차선변경 전략에 상응하는 차선변경 경로들을 학습한다(1201).
이후, 제어부(40)가 학습부(30)와 연동하여 자율주행차량의 주행가능영역 내 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출한다(1202). 이때, 제어부(40)는 동적 객체의 주행경로에 따른 자율주행차량의 주행가능영역과 정적 객체의 분포에 따른 자율주행차량의 주행가능영역에 기초하여 복수의 차선변경 경로를 생성한다. 또한, 제어부(40)는 정상 차선변경, 차선변경 도중 현재차선으로부터의 회귀, 차선변경 도중 목표차선으로부터 회귀 중 어느 하나를 차선변경 전략으로 결정한다.
이후, 제어부(40)가 상기 추출한 각 차선변경 경로의 특성에 기초하여 최종 차선변경 경로를 결정한다(1203).
도 13 은 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 방법을 실행하기 위한 컴퓨팅 시스템을 보여주는 블록도이다.
도 13을 참조하면, 상술한 본 발명의 일 실시예에 따른 자율주행차량의 차선변경 경로 결정 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 차선변경 전략에 상응하는 차선변경 경로들을 학습하는 학습부; 및
    상기 학습부와 연동하여 자율주행차량의 주행가능영역 내 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출하고, 상기 추출한 각 차선변경 경로의 특성에 기초하여 최종 차선변경 경로를 결정하는 제어부
    를 포함하는 자율주행차량의 차선변경 경로 결정 장치.
  2. 제 1 항에 있어서,
    상기 제어부는,
    동적 객체의 주행경로에 따른 자율주행차량의 주행가능영역과 정적 객체의 분포에 따른 자율주행차량의 주행가능영역에 기초하여 복수의 차선변경 경로를 생성하는 것을 특징으로 하는 자율주행차량의 차선변경 경로 결정 장치.
  3. 제 1 항에 있어서,
    상기 제어부는,
    자율주행차량의 주행가능영역 내 차선 경계상에 장애물이 위치하는 경우, 상기 장애물의 좌측으로 진입하는 복수의 차선변경 경로와 상기 장애물의 우측으로 진입하는 복수의 차선변경 경로를 생성하는 것을 특징으로 하는 자율주행차량의 차선변경 경로 결정 장치.
  4. 제 3 항에 있어서,
    상기 제어부는,
    상기 장애물의 우측으로 진입하는 복수의 차선변경 경로 중에서, 상기 차선변경 전략에 상응하는 차선변경 경로를 추출하는 것을 특징으로 하는 자율주행차량의 차선변경 경로 결정 장치.
  5. 제 1 항에 있어서,
    상기 제어부는,
    정상 차선변경, 차선변경 도중 현재차선으로부터의 회귀, 차선변경 도중 목표차선으로부터 회귀 중 어느 하나를 차선변경 전략으로 결정하는 것을 특징으로 하는 자율주행차량의 차선변경 경로 결정 장치.
  6. 제 5 항에 있어서,
    상기 제어부는,
    자율주행차량이 차선을 변경하는 도중에도 주기적으로 현재 상황에 맞는 새로운 차선변경 전략을 결정하는 것을 특징으로 하는 자율주행차량의 차선변경 경로 결정 장치.
  7. 제 1 항에 있어서,
    상기 제어부는,
    상기 추출한 각 차선변경 경로의 충돌 위험도, 경로의 곡률, 경로의 길이에 기초하여 최종 차선변경 경로를 결정하는 것을 특징으로 하는 자율주행차량의 차선변경 경로 결정 장치.
  8. 제 7 항에 있어서,
    상기 제어부는,
    상기 추출한 각 차선변경 경로의 충돌 위험도와 곡률 및 길이의 합이 최소인 차선변경 경로를 최종 차선변경 경로로 결정하는 것을 특징으로 하는 자율주행차량의 차선변경 경로 결정 장치.
  9. 제 7 항에 있어서,
    상기 제어부는,
    상기 추출한 각 차선변경 경로의 충돌 위험도와 곡률 및 길이의 평균이 최소인 차선변경 경로를 최종 차선변경 경로로 결정하는 것을 특징으로 하는 자율주행차량의 차선변경 경로 결정 장치.
  10. 학습부가 자율주행차량의 차선변경 전략에 상응하는 차선변경 경로들을 학습하는 단계;
    제어부가 상기 학습부와 연동하여 자율주행차량의 주행가능영역 내 복수의 차선변경 경로 중에서 차선변경 전략에 상응하는 적어도 둘 이상의 차선변경 경로를 추출하는 단계; 및
    상기 제어부가 상기 추출한 각 차선변경 경로의 특성에 기초하여 최종 차선변경 경로를 결정하는 단계
    를 포함하는 자율주행차량의 차선변경 경로 결정 방법.
  11. 제 10 항에 있어서,
    상기 차선변경 경로를 추출하는 단계는,
    동적 객체의 주행경로에 따른 자율주행차량의 주행가능영역과 정적 객체의 분포에 따른 자율주행차량의 주행가능영역에 기초하여 복수의 차선변경 경로를 생성하는 단계
    를 포함하는 자율주행차량의 차선변경 경로 결정 방법.
  12. 제 10 항에 있어서,
    상기 차선변경 경로를 추출하는 단계는,
    자율주행차량의 주행가능영역 내 차선 경계상에 장애물이 위치하는 경우, 상기 장애물의 좌측으로 진입하는 복수의 차선변경 경로와 상기 장애물의 우측으로 진입하는 복수의 차선변경 경로를 생성하는 단계; 및
    상기 장애물의 우측으로 진입하는 복수의 차선변경 경로 중에서, 상기 차선변경 전략에 상응하는 차선변경 경로를 추출하는 단계
    를 포함하는 자율주행차량의 차선변경 경로 결정 방법.
  13. 제 10 항에 있어서,
    상기 차선변경 경로를 추출하는 단계는,
    정상 차선변경, 차선변경 도중 현재차선으로부터의 회귀, 차선변경 도중 목표차선으로부터 회귀 중 어느 하나를 차선변경 전략으로 결정하는 단계
    를 포함하는 자율주행차량의 차선변경 경로 결정 방법.
  14. 제 13 항에 있어서,
    상기 차선변경 전략을 결정하는 단계는,
    자율주행차량이 차선을 변경하는 도중에도 주기적으로 현재 상황에 맞는 새로운 차선변경 전략을 결정하는 것을 특징으로 하는 자율주행차량의 차선변경 경로 결정 방법.
  15. 제 10 항에 있어서,
    상기 최종 차선변경 경로를 결정하는 단계는,
    상기 추출한 각 차선변경 경로의 충돌 위험도와 곡률 및 길이의 합이 최소인 차선변경 경로를 최종 차선변경 경로로 결정하는 단계
    를 포함하는 자율주행차량의 차선변경 경로 결정 방법.
  16. 제 10 항에 있어서,
    상기 최종 차선변경 경로를 결정하는 단계는,
    상기 추출한 각 차선변경 경로의 충돌 위험도와 곡률 및 길이의 평균이 최소인 차선변경 경로를 최종 차선변경 경로로 결정하는 단계
    를 포함하는 자율주행차량의 차선변경 경로 결정 방법.
KR1020190128056A 2019-10-15 2019-10-15 자율주행차량의 차선변경 경로 결정 장치 및 그 방법 KR20210044963A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020190128056A KR20210044963A (ko) 2019-10-15 2019-10-15 자율주행차량의 차선변경 경로 결정 장치 및 그 방법
US16/838,442 US11442456B2 (en) 2019-10-15 2020-04-02 Apparatus for determining lane change path of autonomous vehicle and method thereof
DE102020110392.1A DE102020110392A1 (de) 2019-10-15 2020-04-16 Vorrichtung zum ermitteln eines spurwechselpfads eines autonomen fahrzeugs und verfahren dafür
CN202010349266.2A CN112660128B (zh) 2019-10-15 2020-04-28 用于确定自动驾驶车辆的车道变更路径的设备及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190128056A KR20210044963A (ko) 2019-10-15 2019-10-15 자율주행차량의 차선변경 경로 결정 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20210044963A true KR20210044963A (ko) 2021-04-26

Family

ID=75155560

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190128056A KR20210044963A (ko) 2019-10-15 2019-10-15 자율주행차량의 차선변경 경로 결정 장치 및 그 방법

Country Status (4)

Country Link
US (1) US11442456B2 (ko)
KR (1) KR20210044963A (ko)
CN (1) CN112660128B (ko)
DE (1) DE102020110392A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240049699A (ko) 2022-10-07 2024-04-17 한국자동차연구원 자율 주행차의 도로 인프라 감지를 위한 차선 위치 결정 장치 및 방법

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11814075B2 (en) 2020-08-26 2023-11-14 Motional Ad Llc Conditional motion predictions
US11760379B2 (en) * 2021-01-11 2023-09-19 Toyota Research Institute, Inc. Navigating an autonomous vehicle through an intersection
CN113670308B (zh) * 2021-07-14 2024-01-02 华为技术有限公司 引导车辆行驶的方法及相关系统、存储介质

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3438610B2 (ja) * 1998-09-18 2003-08-18 株式会社ケンウッド 車載ナビゲーション装置
US8068968B2 (en) * 2007-02-06 2011-11-29 Denso Corporation Vehicle travel control system
DE102011016770B4 (de) * 2011-04-12 2021-02-04 Daimler Ag Verfahren zur Unterstützung eines Fahrers eines Fahrzeugs bei einem Fahrspurwechsel und Vorrichtung zur Durchführung des Verfahrens
DE102012216112A1 (de) * 2012-09-12 2014-03-13 Robert Bosch Gmbh Verfahren und Informationssystem zur Ermittlung eines vom Fahrer beabsichtigen oder nicht beabsichtigten Fahrspurwechsels bei einer Fahrt eines Fahrzeugs
KR101465649B1 (ko) * 2012-09-28 2014-11-28 성균관대학교산학협력단 차량 경로 산출 방법 및 장치, 및 차량 조향 제어 방법 및 장치
JP6269360B2 (ja) * 2014-07-11 2018-01-31 トヨタ自動車株式会社 運転支援システム及び運転支援方法
KR101664582B1 (ko) * 2014-11-12 2016-10-10 현대자동차주식회사 자율주행차량의 주행경로 생성장치 및 방법
KR101610544B1 (ko) * 2014-11-21 2016-04-07 현대자동차주식회사 차량의 자율 주행 시스템 및 방법
KR102036050B1 (ko) * 2014-12-30 2019-10-24 주식회사 만도 차선 변경 장치 및 방법
JP6376059B2 (ja) * 2015-07-06 2018-08-22 トヨタ自動車株式会社 自動運転車両の制御装置
JP6803657B2 (ja) * 2015-08-31 2020-12-23 日立オートモティブシステムズ株式会社 車両制御装置および車両制御システム
WO2017079349A1 (en) * 2015-11-04 2017-05-11 Zoox, Inc. System for implementing an active safety system in an autonomous vehicle
DE102015223480A1 (de) * 2015-11-26 2017-06-01 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur adaptiven Bahnplanung und/oder Bahnführung eines Fahrzeugs
KR101714273B1 (ko) * 2015-12-11 2017-03-08 현대자동차주식회사 자율 주행 시스템의 경로 제어 방법 및 그 장치
US20170329331A1 (en) * 2016-05-16 2017-11-16 Magna Electronics Inc. Control system for semi-autonomous control of vehicle along learned route
EP3254919B1 (en) * 2016-06-07 2021-10-06 Volvo Car Corporation Adaptive cruise control system and vehicle comprising an adaptive cruise control system
DE102016009760A1 (de) * 2016-08-11 2018-02-15 Trw Automotive Gmbh Steuerungssystem und Steuerungsverfahren zum Führen eines Kraftfahrzeugs entlang eines Pfades
KR102518532B1 (ko) * 2016-11-11 2023-04-07 현대자동차주식회사 자율주행차량의 경로 결정장치 및 그 방법
WO2018094384A1 (en) * 2016-11-21 2018-05-24 Nio Usa, Inc. Optimal route selection for autonomous vehicles
KR102383427B1 (ko) * 2016-12-16 2022-04-07 현대자동차주식회사 자율주행 제어 장치 및 방법
KR20180104947A (ko) * 2017-03-14 2018-09-27 현대자동차주식회사 자율주행차량의 제어 시스템 및 방법
KR20180112949A (ko) * 2017-04-05 2018-10-15 현대자동차주식회사 차량의 자율 주행 제어 시스템 및 그를 이용한 자율 주행 제어방법
KR102320253B1 (ko) * 2017-04-19 2021-11-02 현대자동차주식회사 차량 및 그 제어방법
US11731614B2 (en) * 2017-07-25 2023-08-22 Hl Klemove Corp. Apparatus and method for controlling vehicle to avoid or mitigate collision
US10668925B2 (en) * 2017-09-05 2020-06-02 Baidu Usa Llc Driver intention-based lane assistant system for autonomous driving vehicles
US10953880B2 (en) * 2017-09-07 2021-03-23 Tusimple, Inc. System and method for automated lane change control for autonomous vehicles
WO2019094843A1 (en) * 2017-11-10 2019-05-16 Nvidia Corporation Systems and methods for safe and reliable autonomous vehicles
KR20190067574A (ko) * 2017-12-07 2019-06-17 현대자동차주식회사 차량의 차로 변경 제어 장치 및 방법
CN109927719B (zh) * 2017-12-15 2022-03-25 百度在线网络技术（北京）有限公司 一种基于障碍物轨迹预测的辅助驾驶方法和系统
US20190185010A1 (en) * 2017-12-18 2019-06-20 PlusAI Corp Method and system for self capability aware route planning in autonomous driving vehicles
JP6954180B2 (ja) * 2018-02-27 2021-10-27 トヨタ自動車株式会社 自動運転システム
CN117022255A (zh) * 2018-03-20 2023-11-10 御眼视觉技术有限公司 用于主车辆的自动驾驶系统、机器可读存储介质和装置
US10940863B2 (en) * 2018-11-01 2021-03-09 GM Global Technology Operations LLC Spatial and temporal attention-based deep reinforcement learning of hierarchical lane-change policies for controlling an autonomous vehicle

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20240049699A (ko) 2022-10-07 2024-04-17 한국자동차연구원 자율 주행차의 도로 인프라 감지를 위한 차선 위치 결정 장치 및 방법

Also Published As

Publication number Publication date
DE102020110392A1 (de) 2021-04-15
CN112660128B (zh) 2024-04-16
US20210109536A1 (en) 2021-04-15
US11442456B2 (en) 2022-09-13
CN112660128A (zh) 2021-04-16

Similar Documents

Publication Publication Date Title
CN110531753B (zh) 自主车辆的控制系统、控制方法和控制器
US10937178B1 (en) Image-based depth data and bounding boxes
US11748909B2 (en) Image-based depth data and localization
CA3083719C (en) Autonomous vehicle operational management scenarios
US11091161B2 (en) Apparatus for controlling lane change of autonomous vehicle and method thereof
US10984543B1 (en) Image-based depth data and relative depth data
KR20210044963A (ko) 자율주행차량의 차선변경 경로 결정 장치 및 그 방법
CN111670468A (zh) 移动体行为预测装置以及移动体行为预测方法
KR20210044961A (ko) 자율주행차량의 차선변경 전략 결정 장치 및 그 방법
US11294386B2 (en) Device and method for determining U-turn strategy of autonomous vehicle
US11555927B2 (en) System and method for providing online multi-LiDAR dynamic occupancy mapping
CN111986128A (zh) 偏心图像融合
US20220343637A1 (en) Traffic flow machine-learning modeling system and method applied to vehicles
KR20210118995A (ko) 딥러닝 기반 자율주행차량의 유턴 경로 생성 방법 및 장치
US11507093B2 (en) Behavior control device and behavior control method for autonomous vehicles
CN118235180A (zh) 预测可行驶车道的方法和装置
KR20210005393A (ko) 자율주행차량의 유턴 제어 장치 및 그 방법
JP2021160531A (ja) 車両制御装置、車両制御方法、及びプログラム
US20220396290A1 (en) Apparatus for Controlling Vehicle, System Including Same and Method Thereof
US11544899B2 (en) System and method for generating terrain maps
US20240177014A1 (en) Method and apparatus for predicting a vehicle collision with a surrounding object
US20230399026A1 (en) State Identification For Road Actors With Uncertain Measurements Based On Compliant Priors
CN115892076A (zh) 车道障碍物筛选方法、装置和域控制器

Legal Events

Date Code Title Description
A201 Request for examination