KR20230079855A - 자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법 - Google Patents

자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법 Download PDF

Info

Publication number
KR20230079855A
KR20230079855A KR1020210167027A KR20210167027A KR20230079855A KR 20230079855 A KR20230079855 A KR 20230079855A KR 1020210167027 A KR1020210167027 A KR 1020210167027A KR 20210167027 A KR20210167027 A KR 20210167027A KR 20230079855 A KR20230079855 A KR 20230079855A
Authority
KR
South Korea
Prior art keywords
obstacle
obstacle recognition
data
sensor fusion
module
Prior art date
Application number
KR1020210167027A
Other languages
English (en)
Other versions
KR102585557B1 (ko
Inventor
김준형
임재원
김인수
박재홍
Original Assignee
주식회사 와이즈오토모티브
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 주식회사 와이즈오토모티브 filed Critical 주식회사 와이즈오토모티브
Priority to KR1020210167027A priority Critical patent/KR102585557B1/ko
Publication of KR20230079855A publication Critical patent/KR20230079855A/ko
Application granted granted Critical
Publication of KR102585557B1 publication Critical patent/KR102585557B1/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
    • 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
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B60W2420/52—
    • 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
    • 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
    • B60W2554/4042—Longitudinal speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법을 개시한다. 본 발명은 실제 도로 주행 환경에서 장애물의 인지 성능 요소를 반영하여 자율 주행 차량의 장애물 인지 성능을 평가할 수 있다.

Description

자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법{APPARATUS AND METHOD FOR EVALUATING OBSTACLE RECOGNITION PERFORMANCE OF AUTONOMOUS VEHICLE}
본 발명은 자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법에 관한 발명으로서, 더욱 상세하게는 실제 도로 주행 환경에서 장애물의 인지 성능 요소를 반영하여 자율 주행 차량의 장애물 인지 성능을 평가하는 자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법에 관한 것이다.
완전자율주행 기술 달성을 위해서는 자동차에 탑재되는 인공지능이 인간의 운전능력을 완전히 대체할 수 있어야 하며, 자율주행에 필요한 인공지능 기술은 크게 인지, 판단, 제어기술로 구분할 수 있다.
또한, 각 기술의 고도화를 위해 다양한 방법으로 기술 개발이 진행 중이며, 최종적으로 완전자율주행을 달성하기 위해 각국이 경쟁 중이다.
자율주행 차량이란 운전자 또는 승객의 조작 없이 자동차 스스로 운행이 가능한 자동차를 말하고, 국제자동차기술자협회(Society of Automotive Engineers: SAE)에서는 자율주행 단계를 기술 수준에 따라 여섯 단계로 분류하고 있는데, 현재 Lv.2(운전자 보조) 수준이 상용화되어 양산되고 있으며, Lv.3(조건부 자동화) 이상의 단계로 진화를 위해 기업들의 지속적인 도전이 진행 중이다.
자율주행 차량은 주행에 필요한 정보를 다양한 센서를 통해 수집하며, 대표적인 것으로 카메라, 레이다, 라이다 등이 있다.
기존에는 각 센서가 기능별로 분리되어 작동하였으나, 고레벨 자율주행에서는 인지 정확도 향상을 위해 모든 센서를 동시에 활용하는 센서 융합과 추적을 통한 인지 예측기술 등이 개발되고 있다.
인지 기술은 센서를 이용하여 자신의 위치, 진행 방향, 속도 등을 파악하는 자차위치인지 기술과, 자차 주변의 다른 차량 또는 사람, 신호등, 횡단보도 등을 파악하는 주변인지기술로 구분된다.
한편, 자율주행 차량의 인지 기술은 미리 설정된 트랙에서 장애물을 인지하는 성능 평가를 수행하여 돌발상황이 많은 실제 도로 환경을 충분히 반영하지 못하는 문제점이 있다.
또한, 가시광선을 이용한 카메라 기반의 장애물 인지는 역광 상황, 빛이 부족한 상황 등에서 신뢰성의 충분한 확보가 어려운 문제점이 있다.
또한, 카메라 기반의 장애물 인지는 위치와 거리정보를 제공할 수 없어, 장애물의 인지 횟수로만 성능을 평가하는 문제점이 있다.
또한, 위험 상황을 빠르게 대처해야 하는 자율주행 환경에서 장애물의 인지 속도와 관련된 성능도 중요하지만, 장애물의 인지 횟수에 기반한 성능 평가는 다양한 장애물 인지 케이스, 예를 들어 TP(True Positive), FP(False Positive), FN(False Negative), TN(True Negative) 등을 알 수 없는 문제점이 있다.
한국 공개특허공보 공개번호 제10-2021-0090285호(발명의 명칭: 자율 주행 차량들에 대한 자동화된 성능 검사들)
이러한 문제점을 해결하기 위하여, 본 발명은 실제 도로 주행 환경에서 장애물의 인지 성능 요소를 반영하여 자율 주행 차량의 장애물 인지 성능을 평가하는 자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법을 제공하는 것을 목적으로 한다.
상기한 목적을 달성하기 위하여 본 발명의 일 실시 예는 장애물 인지 성능 평가 장치로서, 서로 다른 복수의 감지 센서로부터 수신한 감지 데이터를 이용하여 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터를 생성하고, 상기 센서 퓨전 데이터를 이용하여 장애물의 종류를 분석하며, 상기 센서 퓨전 데이터 및 장애물의 종류 정보와 시료 차량으로부터 수신되는 장애물의 인지 정보를 기반으로 장애물을 위험군 또는 비위험군으로 분류하고, 각 장애물 객체별로 장애물의 인지 성능을 측정한다.
또한, 상기 실시 예에 따른 장애물 인지 시험 장치는 상기 센서 퓨전 데이터 및 장애물의 종류 정보와, 상기 시료 차량으로부터 수신되는 장애물의 인지 정보가 도착하는 시간 차에 기반하여 시료 차량의 장애물 인지 속도의 성능을 평가하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 장애물 인지 성능 평가 장치는 시료 차량에 설치되어 영상 데이터를 수집하는 카메라 센서; 상기 시료 차량에 설치되어 3차원 포인트 클라우드 데이터를 수집하는 라이다 센서; 상기 시료 차량에 설치되어 장애물과의 거리 데이터를 수집하는 레이더 센서; 상기 영상 데이터, 3차원 포인트 클라우드 데이터, 거리 데이터를 기반으로 장애물의 수, 형태, 위치, 거리 정보를 포함한 센서 퓨전 데이터를 생성하는 센서 퓨전 모듈; 상기 센서 퓨전 데이터를 통해 장애물의 종류를 분석하는 장애물 인지 모듈; 상기 시료 차량으로부터 수신되는 장애물 인지 신호를 장애물 인지 정보로 출력하는 시료 신호 인식 모듈; 및 상기 센서 퓨전 데이터 및 장애물 종류 정보와, 상기 장애물 인지 정보를 기반으로 인지된 장애물을 위험군 또는 비위험군으로 분류하고, 각 장애물 객체별로 장애물 인지 성능을 측정하는 장애물 인지 성능 평가 모듈;을 포함하는 것을 특징으로 한다.
또한, 상기 실시 예에 따른 장애물 인지 성능 평가 장치는 네트워크를 통해 연결된 외부의 시험 평가 운용 서버와 평가 계획, 진행 결과 데이터를 송수신하는 통신 모듈(180);을 더 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시 예는 자율 주행 차량의 장애물 인지 성능 평가 방법으로서, a) 카메라 센서, 라이다 센서, 레이더 센서로부터 감지 데이터를 수신하는 단계; b) 센서 퓨전 모듈이 상기 감지 데이터를 이용하여 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터를 생성하는 단계; c) 장애물 인지 모듈이 상기 센서 퓨전 데이터를 이용하여 장애물의 종류를 분석하는 단계; d) 시료 신호 인식 모듈이 시료 차량으로부터 수신되는 장애물 인지 신호를 장애물 인지 정보로 출력하면, 장애물 인지 성능 평가 모듈이 상기 센서 퓨전 데이터 및 장애물의 종류 정보와 상기 장애물의 인지 정보를 기반으로 장애물을 위험군 또는 비위험군으로 분류하고, 각 장애물 객체별로 장애물의 인지 성능을 측정하는 단계;를 포함한다.
또한, 상기 실시 예에 따른 d) 단계는 장애물 인지 성능 평가 모듈이 상기 센서 퓨전 데이터 및 장애물의 종류 정보와, 상기 시료 차량으로부터 수신되는 장애물의 인지 정보가 도착하는 시간 차에 기반하여 시료 차량의 장애물 인지 속도의 성능을 평가하는 단계;를 더 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시 예는 e) 통신 모듈이 네트워크를 통해 연결된 외부의 시험 평가 운용 서버와 장애물 인지 성능의 측정과 관련된 평가 결과 데이터를 송수신하는 단계;를 더 포함하는 것을 특징으로 한다.
본 발명은 실제 도로 주행 환경에서 장애물의 인지 성능 요소를 반영하여 자율 주행 차량의 장애물 인지 성능을 평가할 수 있는 장점이 있다.
또한, 본 발명은 장애물을 인지할 때, 다양한 감지수단을 이용하여 시험의 신뢰성을 증가시킬 수 있는 장점이 있다.
또한, 본 발명은 다양한 감지 데이터를 융합하여 장애물의 종류, 위치, 거리 정보의 확인이 가능한 장점이 있다.
또한, 본 발명은 장애물의 종류, 위치, 거리 정보를 이용한 정확도(Precision)와 재현율(Recall)의 성능을 개선할 수 있고, 위험군 장애물과 비위험군 장애물을 분류할 수 있는 장점이 있다.
도1은 본 발명의 일 실시 예에 따른 자율 주행 차량의 장애물 인지 성능 평가 장치를 설명하기 위해 나타낸 예시도.
도2는 도1의 실시 예에 따른 자율 주행 차량의 장애물 인지 성능 평가 장치의 구성을 나타낸 블록도.
도3은 도1의 실시 예에 따른 자율 주행 차량의 장애물 인지 성능 평가 장치의 장애물 인지 성능 측정을 설명하기 위해 나타낸 예시도.
도4는 도1의 실시 예에 따른 자율 주행 차량의 장애물 인지 성능 평가 장치의 장애물 인지 성능 측정을 설명하기 위해 나타낸 다른 예시도.
도5는 도1의 실시 예에 따른 자율 주행 차량의 장애물 인지 성능 평가 장치의 장애물 인지 성능 측정을 설명하기 위해 나타낸 또 다른 예시도.
도6은 본 발명의 일 실시 예에 따른 자율 주행 차량의 장애물 인지 성능 평가 방법을 설명하기 위해 나타낸 흐름도.
이하에서는 본 발명의 바람직한 실시 예 및 첨부하는 도면을 참조하여 본 발명을 상세히 설명하되, 도면의 동일한 참조부호는 동일한 구성요소를 지칭함을 전제하여 설명하기로 한다.
본 발명의 실시를 위한 구체적인 내용을 설명하기에 앞서, 본 발명의 기술적 요지와 직접적 관련이 없는 구성에 대해서는 본 발명의 기술적 요지를 흩뜨리지 않는 범위 내에서 생략하였음에 유의하여야 할 것이다.
또한, 본 명세서 및 청구범위에 사용된 용어 또는 단어는 발명자가 자신의 발명을 최선의 방법으로 설명하기 위해 적절한 용어의 개념을 정의할 수 있다는 원칙에 입각하여 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다.
본 명세서에서 어떤 부분이 어떤 구성요소를 "포함"한다는 표현은 다른 구성요소를 배제하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
또한, "‥부", "‥기", "‥모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어, 또는 그 둘의 결합으로 구분될 수 있다.
또한, "적어도 하나의" 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다.
또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시 예에 따라 변경가능하다 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 일 실시 예에 따른 자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법의 바람직한 실시예를 상세하게 설명한다.
도1은 본 발명의 일 실시 예에 따른 자율 주행 차량의 장애물 인지 성능 평가 장치를 설명하기 위해 나타낸 예시도이고, 도2는 도1의 실시 예에 따른 자율 주행 차량의 장애물 인지 성능 평가 장치의 구성을 나타낸 블록도이다.
본 발명의 일 실시 예는 장애물 인지 성능 평가 장치(100)로서, 서로 다른 복수의 감지 센서로부터 수신한 감지 데이터를 이용하여 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터를 생성할 수 있다.
또한, 상기 장애물 인지 성능 평가 장치(100)는 센서 퓨전 데이터를 이용하여 장애물의 종류를 분석하고, 상기 센서 퓨전 데이터 및 장애물의 종류 정보와 시료 차량(10)으로부터 수신되는 장애물의 인지 정보를 기반으로 장애물을 위험군 또는 비위험군으로 분류하며, 각 장애물 객체별로 장애물의 인지 성능을 측정할 수 있다.
또한, 상기 장애물 인지 성능 평가 장치(100)는 센서 퓨전 데이터 및 장애물의 종류 정보와, 상기 시료 차량(10)으로부터 수신되는 장애물의 인지 정보가 도착하는 시간 차에 기반하여 시료 차량(10)의 장애물 인지 속도의 성능을 평가할 수 있다.
이를 위해, 상기 장애물 인지 성능 평가 장치(100)는 카메라 센서(110), 라이다 센서(120), 레이더 센서(130), 센서 퓨전 모듈(140), 장애물 인지 모듈(150), 시료 신호 인식 모듈(160), 장애물 인지 성능 평가 모듈(170) 및 통신 모듈(180)을 포함하여 구성될 수 있다.
상기 카메라 센서(110)는 시료 차량(10)의 임의의 위치에 설치되어 시료 차량(10) 주변을 촬영한 영상 데이터를 수집하고, 수집된 영상 데이터는 센서 퓨전 모듈(140)로 전송한다.
상기 라이다 센서(120)는 시료 차량(10)의 임의의 위치에 설치되어 3차원 포인트 클라우드 데이터를 수집하는 구성으로서, 수집된 3차원 포인트 클라우드 데이터는 센서 퓨전 모듈(140)로 전송한다.
상기 3차원 포인트 클라우드 데이터는 라이다 센서(120)로부터 시료 차량(10)의 주변 장애물에 빛 또는 신호를 출력해서 돌아오는 시간을 기록해 빛 또는 신호당 거리 정보를 계산하여 하나의 포인트를 생성하고, 이를 3차원 공간상에 퍼져 있는 여러 포인트의 집합으로 수집한 데이터이다.
상기 레이더 센서(130)는 시료 차량(10)의 임의의 위치에 설치되어 장애물과의 거리 데이터를 수집하고, 수집된 거리 데이터는 센서 퓨전 모듈(140)로 전송한다.
상기 센서 퓨전 모듈(140)은 카메라 센서(110)로부터 수신되는 영상 데이터와, 라이다 센서(120)로부터 수신되는 3차원 포인트 클라우드 데이터와, 레이더 센서(130)로부터 수신되는 거리 데이터를 융합하고, 이를 기반으로 장애물의 수, 형태, 위치, 거리 정보를 포함한 센서 퓨전 데이터를 생성하며, 생성된 센서 퓨전 데이터는 장애물 인지 모듈(150)로 전송한다.
상기 장애물 인지 모듈(150)은 센서 퓨전 모듀(140)로부터 수신되는 센서 퓨전 데이터를 이용하여 장애물의 종류를 분석하고, 분석된 장애물 종류와 센서 퓨전 데이터를 장애물 인지 성능 평가 모듈(170)로 전송한다.
즉, 상기 장애물 인지 모듈(150)은 센서 퓨전 데이터에 포함된 영상 데이터, 3차원 포인트 클라우드 데이터를 이용하여 분석된 장애물의 형상을 미리 설정된 장애물, 예를 들어 사람, 동물, 나무, 신호등, 기둥, 울타리, 벽, 경계석, 표지판, 연석 등의 장애물 정보와의 비교를 통해 장애물 종류를 분석한다.
상기 시료 신호 인식 모듈(160)은 시료 차량(10)의 제어기로부터 출력되는 장애물 인지 신호를 수신하고, 수신된 장애물 인지 신호에 대응하는 장애물 인지 정보를 장애물 인지 성능 평가 모듈(170)로 출력한다.
즉, 평가 대상 시료인 시료 차량(10)에 구비된 장애물 인지 장치가 감지한 장애물 인지 상태에 대한 정보를 성능 평가 대상으로 출력한다.
상기 장애물 인지 성능 평가 모듈(170)은 장애물 인지 모듈(150)로부터 출력되는 센서 퓨전 데이터 및 장애물 종류 정보와, 시료 신호 인식 모듈(160)로부터 출력되는 장애물 인지 정보를 분석하여 인지된 장애물이 위험군 장애물 또는 비위험군 장애물로 분류한다.
또한, 상기 장애물 인지 성능 평가 모듈(170)은 분석된 각 장애물 객체별로 시료 차량(10)에 설치된 장애물 인지 장치에 대한 장애물 인지 성능을 분석하고, 시료 차량(10)의 장애물 인지 장치의 장애물 인지에 대한 성능 측정을 수행하며, 측정을 통해 평가된 성능 평가 결과를 출력한다.
즉, 도3에 나타낸 바와 같이, 장애물 종류, 인지 횟수, 장애물 위치, 인지 시간을 포함한 장애물 인지 성능 평가 장치(100)에서 감지된 장애물 인지 결과와, 도4와 같이 장애물 종류, 인지 횟수, 장애물 위치, 인지 시간을 포함한 시료 차량(10)에 설치된 장애물 인지 장치에서 감지된 장애물 인지 결과를 비교하여 장애물 인지 성능에 대한 측정을 수행한다.
또한, 상기 장애물 인지 성능 평가 모듈(170)은 센서 퓨전 데이터 및 장애물의 종류 정보와, 시료 차량(10)으로부터 수신되는 장애물의 인지 정보가 도착하는 시간 차를 계산하고, 계산된 결과에 기반하여 시료 차량(10)의 장애물 인지 장치에 대한 장애물 인지 속도 성능을 평가할 수 있다.
또한, 상기 장애물 인지 성능 평가 모듈(170)은 도5와 같이 시료인 시료 차량(10)의 장애물 인지 장치에서 감지된 장애물 종류에 대한, 정밀도(Precision), 재현율(Recall), 장애물 인지 속도 성능(Sm,sd)을 다음의 수식으로 계산할 수 있다.
Figure pat00001
Figure pat00002
Figure pat00003
Figure pat00004
여기서, T는 장애물 인지 성능 평가 장치의 인지 시간이고, t는 시료인 장애물 인지 장치의 인지 시간이며, TP는 장애물 인지 성능 평가 장치가 인지한 장애물의 위치와 시료가 인지한 장애물의 위치 차이가 오차범위 내에 있는 장애물 수이고, FP는 시료인 장애물 인지 장치만 인지한 장애물 수로서, 시료는 인지했는데 장애물 인지 성능 평가 장치의 결과에는 위치 차가 오차범위에 없는 장애물 수이며, FN은 장애물 인지 성능 평가 장치만 인지한 장애물 수로서, 장애물 인지 성능 평가 장치는 인지했는데, 시료인 장애물 인지 장치의 결과에는 위치 차가 오차범위에 없는 장애물 수이다.
상기 통신 모듈(180)은 네트워크를 통해 원격지의 시험 평가 운용 서버(미도시)와 접속되고, 장애물 인지 성능 평가 모듈(170)을 통해 시료 차량(10)의 장애물 인지 장치에 대한 평가 계획을 수신한다.
또한, 상기 통신 모듈(180)은 수신된 평가 계획에 따라 상기 장애물 인지 성능 평가 모듈(170)이 성능 평가를 통해 진행한 측정 결과 데이터를 상기 시험 평가 운용 서버(미도시)로 송신한다.
다음은 본 발명의 일 실시 예에 따른 자율 주행 차량의 장애물 인지 성능 평가 방법을 설명한다.
장애물 인지 성능 평가 장치(100)는 카메라 센서(110)를 통해 시료 차량(10) 주변을 촬영한 영상 데이터를 수집하고, 수집된 영상 데이터는 센서 퓨전 모듈(140)로 전송(S100)한다.
또한, 상기 장애물 인지 성능 평가 장치(100)는 라이다 센서(120)를 통해 시료 차량(10) 주변의 3차원 포인트 클라우드 데이터를 수집하고, 수집된 3차원 포인트 클라우드 데이터는 센서 퓨전 모듈(140)로 전송(S200)한다.
또한, 상기 장애물 인지 성능 평가 장치(100)는 레이더 센서(130)를 통해 시료 차량(10) 주변의 장애물과의 거리 데이터를 수집하고, 수집된 거리 데이터는 센서 퓨전 모듈(140)로 전송(S300)한다.
상기 장애물 인지 성능 평가 장치(100)는 상기 S100 내지 S300 단계에서 감지 데이터를 융합하여 센서 퓨전 모듈(140)에서 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터를 생성(S400)한다.
또한, 상기 S400 단계에서 상기 장애물 인지 성능 평가 장치(100)는 장애물 인지 모듈(150)을 통해 센서 퓨전 모듀(140)로부터 생성되는 센서 퓨전 데이터를 이용하여 장애물의 종류를 분석할 수 있다.
계속해서, 상기 장애물 인지 성능 평가 장치(100)는 시료 신호 인식 모듈(160)을 통해 시료 차량(10)의 장애물 인지 장치 제어기로부터 장애물 인지 신호를 수신하고, 수신된 장애물 인지 신호에 대응한 장애물 인지 정보로 수집(S500)한다.
또한, 상기 장애물 인지 성능 평가 장치(100)는 장애물 인지 성능 평가 모듈(170)을 통해 상기 S400 단계에서 생성된 센서 퓨전 데이터 및 장애물의 종류 정보와, 상기 S500 단계에서 수집된 장애물의 인지 정보를 기반으로 인지된 장애물을 위험군 장애물 또는 비위험군 장애물로 분류하고, 각 장애물 객체별로 장애물의 인지 성능을 측정(S600)한다.
또한, 상기 장애물 인지 성능 평가 장치(100)는 장애물 인지 성능 평가 모듈(170)을 통해 상기 센서 퓨전 데이터 및 장애물의 종류 정보와, 상기 시료 차량(10)으로부터 수신되는 장애물의 인지 정보가 도착하는 시간 차에 기반하여 시료 차량(10)의 장애물 인지 속도의 성능 평가를 수행(S700)할 수 있다.
상기 장애물 인지 성능 평가 장치(100)는 통신 모듈(180)을 통해 원격지에 위치한 외부의 시험 평가 운용 서버와 접속하고, 상기 시험 평가 운용 서버로 S700 단계에서 평가된 장애물 인지 성능의 측정과 관련된 평가 결과 데이터를 송신(S800)한다.
따라서, 실제 도로 주행 환경에서 장애물의 인지 성능 요소를 반영하여 자율 주행 차량의 장애물 인지 성능을 평가할 수 있고, 장애물을 인지할 때, 다양한 감지수단을 이용하여 시험의 신뢰성을 증가시킬 수 있다.
또한, 본 발명은 다양한 감지 데이터를 융합하여 장애물의 종류, 위치, 거리 정보의 확인이 가능하고, 장애물의 종류, 위치, 거리 정보를 이용한 정확도(Precision)와 재현율(Recall)의 성능을 개선할 수 있으며, 위험군 장애물과 비위험군 장애물을 분류하여 더욱 정확한 장애물 성능 측정을 수행할 수 있다
상기와 같이, 본 발명의 바람직한 실시 예를 참조하여 설명하였지만 해당 기술 분야의 숙련된 당업자라면 하기의 특허청구범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
또한, 본 발명의 특허청구범위에 기재된 도면번호는 설명의 명료성과 편의를 위해 기재한 것일 뿐 이에 한정되는 것은 아니며, 실시예를 설명하는 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한, 상술된 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있으므로, 이러한 용어들에 대한 해석은 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
또한, 명시적으로 도시되거나 설명되지 아니하였다 하여도 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기재사항으로부터 본 발명에 의한 기술적 사상을 포함하는 다양한 형태의 변형을 할 수 있음은 자명하며, 이는 여전히 본 발명의 권리범위에 속한다.
또한, 첨부하는 도면을 참조하여 설명된 상기의 실시예들은 본 발명을 설명하기 위한 목적으로 기술된 것이며 본 발명의 권리범위는 이러한 실시예에 국한되지 아니한다.
10: 시료 차량
100 : 장애물 인지 성능 평가 장치
110 : 카메라 센서
120 : 라이다 센서
130 : 레이더 센서
140 : 센서 퓨전 모듈
150 : 장애물 인지 모듈
160 : 시료 신호 인식 모듈
170 : 장애물 인지 성능 평가 모듈
180 : 통신 모듈

Claims (7)

  1. 장애물 인지 성능 평가 장치(100)로서,
    서로 다른 복수의 감지 센서로부터 수신한 감지 데이터를 이용하여 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터를 생성하고,
    상기 센서 퓨전 데이터를 이용하여 장애물의 종류를 분석하며,
    상기 센서 퓨전 데이터 및 장애물의 종류 정보와 시료 차량(10)으로부터 수신되는 장애물의 인지 정보를 기반으로 장애물을 위험군 또는 비위험군으로 분류하고, 각 장애물 객체별로 장애물의 인지 성능을 측정하는 자율 주행 차량의 장애물 인지 성능 평가 장치.
  2. 제 1 항에 있어서,
    상기 장애물 인지 성능 평가 장치(100)는 상기 센서 퓨전 데이터 및 장애물의 종류 정보와, 상기 시료 차량(10)으로부터 수신되는 장애물의 인지 정보가 도착하는 시간 차에 기반하여 시료 차량(10)의 장애물 인지 속도의 성능을 평가하는 것을 특징으로 하는 자율 주행 차량의 장애물 인지 성능 평가 장치.
  3. 제 1 항에 있어서,
    상기 장애물 인지 성능 평가 장치(100)는 시료 차량(10)에 설치되어 영상 데이터를 수집하는 카메라 센서(110);
    상기 시료 차량(10)에 설치되어 3차원 포인트 클라우드 데이터를 수집하는 라이다 센서(120);
    상기 시료 차량(10)에 설치되어 장애물과의 거리 데이터를 수집하는 레이더 센서(130);
    상기 영상 데이터, 3차원 포인트 클라우드 데이터, 거리 데이터를 기반으로 장애물의 수, 형태, 위치, 거리 정보를 포함한 센서 퓨전 데이터를 생성하는 센서 퓨전 모듈(140);
    상기 센서 퓨전 데이터를 통해 장애물의 종류를 분석하는 장애물 인지 모듈(150);
    상기 시료 차량(10)으로부터 수신되는 장애물 인지 신호를 장애물 인지 정보로 출력하는 시료 신호 인식 모듈(160); 및
    상기 센서 퓨전 데이터 및 장애물 종류 정보와, 상기 장애물 인지 정보를 기반으로 인지된 장애물을 위험군 또는 비위험군으로 분류하고, 각 장애물 객체별로 장애물 인지 성능을 측정하는 장애물 인지 성능 평가 모듈(170);을 포함하는 것을 특징으로 하는 자율 주행 차량의 장애물 인지 성능 평가 장치.
  4. 제 3 항에 있어서,
    상기 장애물 인지 성능 평가 장치(100)는 네트워크를 통해 연결된 외부의 시험 평가 운용 서버와 평가 계획, 진행 결과 데이터를 송수신하는 통신 모듈(180);을 더 포함하는 것을 특징으로 하는 자율 주행 차량의 장애물 인지 성능 평가 장치.
  5. a) 카메라 센서(110), 라이다 센서(120), 레이더 센서(130)로부터 감지 데이터를 수신하는 단계;
    b) 센서 퓨전 모듈(140)이 상기 감지 데이터를 이용하여 장애물의 수, 형태, 위치, 거리 중 하나 이상의 정보를 포함한 센서 퓨전 데이터를 생성하는 단계;
    c) 장애물 인지 모듈(150)이 상기 센서 퓨전 데이터를 이용하여 장애물의 종류를 분석하는 단계;
    d) 시료 신호 인식 모듈(160)이 시료 차량(10)으로부터 수신되는 장애물 인지 신호를 장애물 인지 정보로 출력하면, 장애물 인지 성능 평가 모듈(170)이 상기 센서 퓨전 데이터 및 장애물의 종류 정보와 상기 장애물의 인지 정보를 기반으로 장애물을 위험군 또는 비위험군으로 분류하고, 각 장애물 객체별로 장애물의 인지 성능을 측정하는 단계;를 포함하는 자율 주행 차량의 장애물 인지 성능 평가 방법.
  6. 제 5 항에 있어서,
    상기 d) 단계는 장애물 인지 성능 평가 모듈(170)이 상기 센서 퓨전 데이터 및 장애물의 종류 정보와, 상기 시료 차량(10)으로부터 수신되는 장애물의 인지 정보가 도착하는 시간 차에 기반하여 시료 차량(10)의 장애물 인지 속도의 성능을 평가하는 단계;를 더 포함하는 것을 특징으로 하는 자율 주행 차량의 장애물 인지 성능 평가 방법.
  7. 제 5 항 또는 제 6 항에 있어서,
    e) 통신 모듈(180)이 네트워크를 통해 연결된 외부의 시험 평가 운용 서버와 장애물 인지 성능의 측정과 관련된 평가 결과 데이터를 송수신하는 단계;를 더 포함하는 것을 특징으로 하는 자율 주행 차량의 장애물 인지 성능 평가 방법.
KR1020210167027A 2021-11-29 2021-11-29 자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법 KR102585557B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210167027A KR102585557B1 (ko) 2021-11-29 2021-11-29 자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210167027A KR102585557B1 (ko) 2021-11-29 2021-11-29 자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20230079855A true KR20230079855A (ko) 2023-06-07
KR102585557B1 KR102585557B1 (ko) 2023-10-06

Family

ID=86761196

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210167027A KR102585557B1 (ko) 2021-11-29 2021-11-29 자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102585557B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117706942A (zh) * 2024-02-05 2024-03-15 四川大学 一种环境感知与自适应驾驶辅助电子控制方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017010498A (ja) * 2015-06-26 2017-01-12 株式会社デンソー 車両制御装置
KR20200095382A (ko) * 2019-01-31 2020-08-10 주식회사 스트라드비젼 경쟁적인 컴퓨팅 및 정보 퓨전을 이용하여 차량의 자율 주행을 지원하는데 이용될 자율 주행 서비스 플랫폼을 제공하는 방법 및 이를 이용한 서버
KR20210090285A (ko) 2018-12-13 2021-07-19 웨이모 엘엘씨 자율 주행 차량들에 대한 자동화된 성능 검사들
KR20210108600A (ko) * 2020-02-26 2021-09-03 슈어소프트테크주식회사 자율 주행 상황 인지 프로그램 성능 테스트 방법 및 동일 방법을 수행하기 위한 자율 주행 상황 인지 프로그램 성능 테스트 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017010498A (ja) * 2015-06-26 2017-01-12 株式会社デンソー 車両制御装置
KR20210090285A (ko) 2018-12-13 2021-07-19 웨이모 엘엘씨 자율 주행 차량들에 대한 자동화된 성능 검사들
KR20200095382A (ko) * 2019-01-31 2020-08-10 주식회사 스트라드비젼 경쟁적인 컴퓨팅 및 정보 퓨전을 이용하여 차량의 자율 주행을 지원하는데 이용될 자율 주행 서비스 플랫폼을 제공하는 방법 및 이를 이용한 서버
KR20210108600A (ko) * 2020-02-26 2021-09-03 슈어소프트테크주식회사 자율 주행 상황 인지 프로그램 성능 테스트 방법 및 동일 방법을 수행하기 위한 자율 주행 상황 인지 프로그램 성능 테스트 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117706942A (zh) * 2024-02-05 2024-03-15 四川大学 一种环境感知与自适应驾驶辅助电子控制方法及系统
CN117706942B (zh) * 2024-02-05 2024-04-26 四川大学 一种环境感知与自适应驾驶辅助电子控制方法及系统

Also Published As

Publication number Publication date
KR102585557B1 (ko) 2023-10-06

Similar Documents

Publication Publication Date Title
CN107063713B (zh) 应用于无人驾驶汽车的测试方法和装置
KR102324978B1 (ko) 신뢰도를 높인 자율주행 평가용 vr 영상 개발 방법 및 이를 이용한 자율주행 안전운전능력 평가시스템
US11727799B2 (en) Automatically perceiving travel signals
US10650256B2 (en) Automatically perceiving travel signals
CN110796007B (zh) 场景识别的方法与计算设备
CN112693466A (zh) 一种车辆环境感知传感器性能测评系统及方法
CN111398989A (zh) 驾驶辅助系统的性能分析方法和测试设备
CN111094095B (zh) 自动地感知行驶信号的方法、装置及运载工具
US20210396528A1 (en) Coordinating and learning maps dynamically
KR102502951B1 (ko) 자율주행 차량의 도로 실증평가 방법 및 이에 사용되는 이동 실증평가 장치
EP2224743A1 (en) Vehicle periphery monitoring device, vehicle, and vehicle periphery monitoring program
JP2022541868A (ja) 自動運転車両におけるセンサ同期性データ分析に用いるシステム
CN112668603A (zh) 产生识别传感器数据中的对象的识别模型用的训练数据的方法和设备、训练方法和操控方法
US20180300566A1 (en) Automatically perceiving travel signals
CN110936959A (zh) 车辆感知系统在线诊断和预测
KR102585557B1 (ko) 자율 주행 차량의 장애물 인지 성능 평가 장치 및 방법
US11900691B2 (en) Method for evaluating sensor data, including expanded object recognition
KR101628547B1 (ko) 주행 차선 확인 장치 및 방법
CN113405808A (zh) 感知避让系统的测试系统及测试方法
KR102337034B1 (ko) 자율 주행 상황 인지 프로그램 성능 테스트 방법 및 동일 방법을 수행하기 위한 자율 주행 상황 인지 프로그램 성능 테스트 장치
US20230154199A1 (en) Driving control system and method of controlling the same using sensor fusion between vehicles
KR102536446B1 (ko) 실도로 환경에서 복수의 평가 장치를 이용한 자율주행 차량의 장애물 인지 성능 평가 장치 및 방법
Munz et al. Probabilistic modeling of sensor properties in generic fusion systems for modern driver assistance systems
KR102425271B1 (ko) 장애물회피방법을 구비한 자율주행로봇
US20220270356A1 (en) Platform for perception system development for automated driving system

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right