KR20230117936A

KR20230117936A - 자율주행 제어 장치 및 그 충돌 회피 제어방법

Info

Publication number: KR20230117936A
Application number: KR1020220014294A
Authority: KR
Inventors: 허세종; 강연식; 안경재; 조두현
Original assignee: 현대자동차주식회사; 기아 주식회사; 국민대학교산학협력단
Priority date: 2022-02-03
Filing date: 2022-02-03
Publication date: 2023-08-10
Also published as: CN116533999A; US20240157976A1

Abstract

실시 예에 의한 자율주행 제어 장치의 충돌 회피 제어방법은, 차량의 위치 및 속도 벡터를 포함하는 차량 정보와 상기 차량 주변에서 센싱된 객체의 위치 및 속도 벡터를 포함하는 객체 정보를 상기 차량 및 객체가 점유한 영역에 대응되는 그리드 셀에 저장하여 그리드 맵을 생성하는 단계; 및 상기 차량 정보에 따라 설정된 기준 시간 별 상기 차량이 점유하는 그리드 셀과 상기 객체 정보에 따라 예측된 상기 기준 시간 별 상기 객체가 점유하는 그리드 셀이 중첩되는 영역을 충돌 위험 영역으로 판단하여 상기 충돌 위험 영역을 회피하도록 제어하는 단계;를 포함한다.

Description

자율주행 제어 장치 및 그 충돌 회피 제어방법{AUTONOMOUS DRIVING APPARATUS AND METHOD OF COLLISION AVOIDANCE CONTROLLING THE SAME}

실시예는 자율주행 제어 장치 및 그 충돌 회피 제어방법에 관한 것이다.

자율주행 차량(Autonomous Vehicle)은 운전자가 가속 페달, 핸들, 브레이크 등을 조작하지 않아도 자동차 스스로 도로와 주변의 상황을 파악하여 목적지까지 주행할 수 있는 자동차를 말한다.

자율주행 차량은 주행 환경을 계측하여, 계측된 주행 환경에 맞추어 주행 경로를 제어한다. 경로를 계획함에 있어서 장애물이 존재하지 않는 영역의 판단이 필요하며, 이를 기반으로 장애물과 충돌을 피할 수 있는 안전한 경로를 수립해야 한다.

이에, 차량 주행 시 충돌 위험 지역을 예측하여 안전한 주행 경로를 생성하기 위한 연구가 계속되고 있다.

실시 예는 차량 주변의 동적 객체의 이동 영역을 정확히 예측하여 충돌을 회피할 수 있는 자율주행 제어 장치 및 그 충돌 회피 제어방법을 제공한다.

실시 예에서 해결하고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제는 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

일 실시 예에 의한 자율주행 제어 장치의 충돌 회피 제어방법은, 차량의 위치 및 속도 벡터를 포함하는 차량 정보와 상기 차량 주변에서 센싱된 객체의 위치 및 속도 벡터를 포함하는 객체 정보를 상기 차량 및 객체가 점유한 영역에 대응되는 그리드 셀에 저장하여 그리드 맵을 생성하는 단계; 및 상기 차량 정보에 따라 설정된 기준 시간 별 상기 차량이 점유하는 그리드 셀과 상기 객체 정보에 따라 예측된 상기 기준 시간 별 상기 객체가 점유하는 그리드 셀이 중첩되는 영역을 충돌 위험 영역으로 판단하여 상기 충돌 위험 영역을 회피하도록 제어하는 단계;포함할 수 있다.

예를 들어, 상기 그리드 맵을 생성하는 단계는, 복수의 센서를 통해 상기 객체의 위치 정보 및 속도 정보 중 적어도 어느 하나를 포함하는 센싱정보를 획득하는 단계; 상기 복수의 센서에서 각각 획득된 센싱정보들을 해당 그리드 셀에 저장하는 단계; 상기 차량 정보와 상기 센싱정보에 기초하여 상기 각 그리드 셀의 위치, 속도 및 점유 확률을 추정하는 단계; 및 추정된 상기 객체의 위치, 속도 및 점유 확률을 상기 그리드 셀에 상기 객체 정보로 저장하는 단계;포함할 수 있다.

예를 들어, 상기 예측 영역은 시간이 증가할수록 상기 객체의 주행 예측 영역의 범위는 확장되고, 각 그리드 셀에 할당되는 상기 예측 확률은 감소할 수 있다.

예를 들어, 상기 차량 정보와 상기 센싱정보에 기초하여 상기 각 그리드 셀의 위치, 속도 및 점유 확률을 추정하는 단계는, 상기 그리드 셀에 포함된 센싱정보들에 기초하여 각 그리드 셀의 대표 속도 벡터를 산출하는 단계; 및 상기 대표 속도 벡터와 상기 센싱정보를 기 설정된 수식에 대입하여 시간별 예측 표준편차를 산출하는 단계; 및 상기 예측 표준편차를 이용하여 상기 그리드 셀의 점유 확률을 추정하는 단계;를 포함할 수 있다.

예를 들어, 상기 그리드 셀에 포함된 센싱정보들에 기초하여 각 그리드 셀의 대표 속도 벡터를 산출하는 단계는, 상기 그리드 셀에 저장된 센싱정보들의 속도를 상기 그리드 셀의 X-Y 좌표를 이용하여

로 나타낼 때, 해당 그리드 셀의 대표 속도

는 다음의 <수학식 1>을 이용하여 산출할 수 있다.

<수학식 1>

n은 해당 그리드 셀 내에 존재하는 센싱정보의 개수이다.

예를 들어, 상기 대표 속도 벡터와 상기 센싱정보를 기 설정된 수식에 대입하여 시간별 예측 표준편차를 산출하는 단계는, 상기 그리드 셀의 X-Y 좌표로 나타낸 상기 센싱정보의 속도

를 상기 대표 속도의 좌표계 X'-Y'로 변환하는 단계; 및 상기 좌표계가 변환된 상기 센싱정보를 다음의 <수학식 2>에 대입하여 상기 시간별 예측 표준편차를 산출하는 단계를 포함할 수 있다.

<수학식 2>

예를 들어, 상기 예측 표준편차를 이용하여 상기 그리드 셀의 점유 확률을 추정하는 단계는, 상기 시간별 예측 표준편차를 이용하여 가우시안 분포의 예측 영역을 생성하는 단계를 포함할 수 있다.

다른 실시예에 의하면, 자율주행 제어 장치 및 그 충돌 회피 제어방법을 실행하기 위한 프로그램을 기록한 기록 매체에 있어서, 차량의 위치 및 속도 벡터를 포함하는 차량 정보와 상기 차량 주변에서 센싱된 객체의 위치 및 속도 벡터를 포함하는 객체 정보를 상기 차량 및 객체가 점유한 영역에 대응되는 그리드 셀에 저장하여 그리드 맵을 생성하는 기능; 및 상기 차량 정보에 따라 설정된 기준 시간 별 상기 차량이 점유하는 그리드 셀과 상기 객체 정보에 따라 예측된 상기 기준 시간 별 상기 객체가 점유하는 그리드 셀이 중첩되는 영역을 충돌 위험 영역으로 판단하여 상기 충돌 위험 영역을 회피하도록 제어하는 기능;구현하는 프로그램을 기록할 수 있으며, 컴퓨터로 읽을 수 있다.

또 다른 실시예에 의한 자율주행 제어 장치는, 차량의 위치 및 속도 벡터를 포함하는 차량 정보와 상기 차량 주변에서 센싱된 객체의 위치 및 속도 벡터를 포함하는 객체 정보를 상기 차량 및 객체가 점유한 영역에 대응되는 그리드 셀에 저장하여 그리드 맵을 생성하는 맵 생성부; 상기 차량 정보에 따라 설정된 기준 시간 별 상기 차량이 점유하는 그리드 셀과 상기 객체 정보에 따라 예측된 상기 기준 시간 별 상기 객체가 점유하는 그리드 셀이 중첩되는 영역을 충돌 위험 영역으로 판단하는 위험 영역 검출부; 및 상기 충돌 위험 영역을 회피하도록 제어하는 주행 제어부;를 포함할 수 있다.

예를 들어, 상기 맵 생성부는, 복수의 센서를 통해 상기 객체의 위치 정보 및 속도 정보 중 적어도 어느 하나를 포함하는 센싱정보를 획득하고, 상기 복수의 센서에서 각각 획득된 센싱정보들을 해당 그리드 셀에 저장하고, 상기 차량 정보와 상기 센싱정보에 기초하여 상기 각 그리드 셀의 위치, 속도 및 점유 확률을 추정하여, 추정된 상기 객체의 위치, 속도 및 점유 확률을 상기 그리드 셀에 상기 객체 정보로 저장할 수 있다.

예를 들어, 상기 맵 생성부는, 상기 그리드 셀에 포함된 센싱정보들에 기초하여 각 그리드 셀의 대표 속도 벡터를 산출하고, 상기 대표 속도 벡터와 상기 센싱정보를 기 설정된 수식에 대입하여 시간별 예측 표준편차를 산출하여, 상기 예측 표준편차를 이용하여 상기 그리드 셀의 점유 확률을 추정할 수 있다.

예를 들어, 상기 맵 생성부는, 상기 그리드 셀에 저장된 센싱정보들의 속도를 상기 그리드 셀의 X-Y 좌표를 이용하여

로 나타낼 때, 해당 그리드 셀의 대표 속도

는 다음의 <수학식 1>을 이용하여 산출할 수 있다.

<수학식 1>

n은 해당 그리드 셀 내에 존재하는 센싱정보의 개수이다.

예를 들어, 상기 그리드 셀의 X-Y 좌표로 나타낸 상기 센싱정보의 속도

를 상기 대표 속도의 좌표계 X'-Y'로 변환하고, 상기 좌표계가 변환된 상기 센싱정보를 다음의 <수학식 2>에 대입하여 상기 시간별 예측 표준편차를 산출하는 객체 경로 예측부를 더 포함할 수 있다.

<수학식 2>

예를 들어, 상기 객체 경로 예측부는, 상기 시간별 예측 표준편차를 이용하여 가우시안 분포의 예측 영역을 생성할 수 있다.

실시 예에 따른 자율주행 제어 장치 및 그 충돌 회피 제어방법은, 차량 주변에 존재하는 객체들의 위치와 속도 및 점유 확률을 저장한 동적 점유 그리드 맵(Dynamic Occupancy Grid Map)을 이용하여 차량 주변 객체들의 이동 경로를 예측할 수 있다.

실시 예에 따른 자율주행 제어 장치 및 그 충돌 회피 제어방법은, 동적 점유 그리드 맵(Dynamic Occupancy Grid Map)을 이용하여 예측되는 시간별 이동 객체의 점유 영역과 자차량의 주행 영역을 비교하여 충돌 영역을 예측함으로써 충돌을 회피할 수 있는 경로를 생성할 수 있다.

본 실시 예에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며 언급하지 않은 또 다른 효과는 아래의 기재로부터 본 발명이 속하는 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 실시예에 따른 자율주행 제어 장치의 개략적인 블럭도이다.
도 2는 도 1의 DOGM의 개념을 설명하기 위한 도면이다.
도 3은 실시예에 따른 충돌 회피 제어방법의 개념을 설명하기 위한 도면이다.
도 4는 실시예의 충돌 회피 제어방법에 따른 주변 객체 주행 예측 방법의 흐름도이다.
도 5 내지 도 7은 실시예의 주변 객체 주행 예측 방법을 설명하기 위한 도면이다.
도 8은 실시예의 충돌 회피 제어방법에 따른 충돌 영역 예측 방법의 흐름도이다.
도 9는 실시예의 충돌 영역 예측 방법을 설명하기 위한 도면이다.
도 10은 제1 실시예에 따른 충돌 회피 제어방법을 설명하기 위한 도면이다.
도 11은 제2 실시예에 따른 충돌 회피 제어방법을 설명하기 위한 도면이다.

이하, 본 발명을 구체적으로 설명하기 위해 실시 예를 들어 설명하고, 발명에 대한 이해를 돕기 위해 첨부도면을 참조하여 상세하게 설명하기로 한다. 그러나, 본 발명에 따른 실시 예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 아래에서 상술하는 실시 예들에 한정되는 것으로 해석되지 않아야 한다. 본 발명의 실시 예들은 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다.

본 실시 예의 설명에 있어서, 각 구성요소(element)의 "상(위) 또는 하(아래)(on or under)"에 형성되는 것으로 기재되는 경우에 있어, 상(위) 또는 하(아래)(on or under)는 두 개의 구성요소(element)가 서로 직접(directly)접촉되거나 하나 이상의 다른 구성요소(element)가 상기 두 구성요소(element) 사이에 배치되어(indirectly) 형성되는 것을 모두 포함한다.

또한 "상(위)" 또는 "하(아래)(on or under)"로 표현되는 경우 하나의 구성요소(element)를 기준으로 위쪽 방향뿐만 아니라 아래쪽 방향의 의미도 포함할 수 있다.

또한, 이하에서 이용되는 "제1" 및 "제2," "상/상부/위" 및 "하/하부/아래" 등과 같은 관계적 용어들은, 그런 실체 또는 요소들 간의 어떠한 물리적 또는 논리적 관계 또는 순서를 반드시 요구하거나 내포하지는 않으면서, 어느 한 실체 또는 요소를 다른 실체 또는 요소와 구별하기 위해서 이용될 수도 있다.

명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

본 실시 예에 따르면, 차량 주변에 존재하는 객체들의 위치 및 속도와 점유 확률이 저장된 동적 점유 그리드 맵(Dynamic Occupancy Grid Map)을 이용하여 주변 객체의 움직임을 추정함으로써, 차량, 보행자 등의 객체의 종류와 관계없이 차량 주변 객체들의 이동 경로를 예측할 수 있다. 이에, 시간별 이동 객체의 점유 영역과 자차량의 주행 영역을 비교하여 충돌 위험 영역을 검출하고, 충돌을 회피할 수 있는 주행 경로를 생성할 수 있다.

이하, 실시 예에 의한 차량용 라이다 시스템 및 그 객체 검출 방법에 대해서 도면을 참조하면서 설명한다.

도 1은 실시예에 따른 자율주행 제어 장치의 개략적인 블럭도이다.

도 1을 참조하면, 실시예에 따른 자율주행 제어 장치는, 센서부(130), 주행 정보 획득부(110), 자차 경로 예측부(120), 동적 점유 그리드 맵(Dynamic Occupancy Grid Map, 이하 DOGM이라 함) 생성부(200), 객체 경로 예측부(140), 위험 영역 검출부(150), 주행 제어부(160)를 포함한다.

센서부(130)는 자 차량의 주변에 위치하는 객체의 위치, 속도 및 가속도 등을 검출하여 전처리하여 점유 그리드 맵(Occupancy Grid Map, 이하 OGM이라 함)을 생성한다. 센서부(100)는 라이다(LiDAR), 카메라, 레이더) 등, 다양한 센서들을 포함할 수 있으며, 각 센서들로부터 입력되는 센싱 데이터를 하나의 그리드 맵에 통합하여 OGM을 생성할 수 있다.

주행 정보 획득부(110)는 자차의 위치 정보, 속도 정보, 주행 경로 정보 등을 포함하는 자차 정보를 획득한다.

자차 경로 예측부(120)는 자차 정보를 이용하여 그리드 맵 상에서의 시간 별 주행 영역을 생성한다.

DOGM 생성부(200)는 센서부(130)에서 생성된 OGM과 자차 정보를 입력받아, 각 그리드 셀에 대한 객체의 점유 확률, 점유 위치, 대표 속도 벡터 등을 포함하는 DOGM을 생성할 수 있다. DOGM 생성부(200)는 그리드 맵 갱신부(210), 파티클 필터(220), 그리드 정보 추정부(230)를 포함할 수 있다. 그리드 맵 갱신부(210)는 센서부(130)에서 생성된 OGM과 자차 정보를 입력받아 그리드 맵의 정보를 갱신한다. 파티클 필터(220)는 각 그리드 셀 내에 포함된 파티클 데이터를 필터링한다. 파티클 데이터는 그리드 셀 내에 존재하는 센싱 데이터들을 의미한다. 그리드 셀 내에는 각각 위치, 속도, 방향성 등을 갖는 복수의 파티클 데이터들이 존재할 수 있다. 파티클 필터(220)는 이러한 파티클 데이터들 중 유의미한 데이터들을 필터링할 수 있다. 그리드 정보 추정부(230)는 필터링된 파티클 데이터에 기초하여 해당 그리드 셀을 대표하는 위치, 속도 및 점유 확률을 추정할 수 있다. 이에, 최종적으로 생성된 DOGM은 각 그리드 셀 별로 객체의 위치, 속도 및 점유 확률이 저장될 수 있다. 도 2는 DOGM의 개념을 설명하기 위한 도면이다. 도 2에 도시된 바와 같이, DOGM에서는 자차(Ego) 및 객체(Obj1, Obj2)가 점유하고 있는 그리드 셀에 객체의 위치 정보가 저장되고, 해당 셀에서의 속도, 방향, 점유확률 등의 정보가 저장된다. 그리드 셀 마다 속도 및 방향 즉, 속도 벡터가 산출되므로, 객체의 종류와는 상관없이, 그리드 셀 별 속도 벡터를 통해 객체의 이동 방향과 속력을 예측할 수 있다.

객체 경로 예측부(140)는 DOGM에 기초하여 그리드 맵 상에서 동적 객체가 점유한 것으로 판단되는 그리드 셀을 판단한다. 객체 경로 예측부(140)는 동적 객체가 점유한 그리드 셀의 대표 속도 벡터와 그리드 셀에 포함된 파티클 데이터의 표준편차를 이용하여 대표 속도와 경로를 예측한다. 객체 경로 예측부(140)는 예측결과에 따라 객체의 시간 별 주행 영역을 예측한다.

위험 영역 검출부(150)는 동일 시간에서의 자차의 주행 예측 영역과 주변 객체의 주행 예측 영역을 비교하여 중복되는 그리드 셀을 충돌 위험 영역으로 설정한다. 위험 영역 검출부(150)는 충돌 예측 시간, 충돌 위험 그리드 셀의 위치, 충돌 확률을 포함하는 충돌 정보를 생성한다.

주행 제어부(160)는 위험 영역 검출부(150)에서 출력된 충돌 정보를 기반으로 자차의 주행 경로를 결정하여 주행 상태를 제어할 수 있다.

도 3은 실시예에 따른 충돌 회피 제어방법의 개념을 설명하기 위한 도면이다.

DOGM에는 자차(Ego)의 속도, 위치 등의 정보가 저장되어 있어 시간 별 자차(Ego)의 주행 경로를 예측할 수 있다. 또한, DOGM에는 그리드 셀에 객체(Ob)의 위치 정보가 저장되고, 해당 셀에서의 속도, 방향, 점유확률 등의 정보가 저장된다. 그리드 셀 마다 속도 및 방향 즉, 속도 벡터가 산출되므로, 객체(Ob)의 이동 방향과 속력을 예측할 수 있다.

자차(Ego)의 주행 경로와 객체(Ob)의 주행 예측 영역을 비교하였을 때, 동일 시점에 두 영역이 중첩되면 해당 영역을 충돌 위험 영역으로 판단할 수 있다. 충돌 위험 영역이 확인되면, 충돌 예측 시간, 충돌 위험 그리드 셀의 위치, 충돌 확률을 포함하는 충돌 정보를 생성할 수 있다.

이에, 자율주행 제어 장치는 충돌 위험 영역에서의 충돌을 회피하기 위해, 경로를 변경하거나 속도를 감속 혹은 가속 하는 등, 자차의 주행 상태를 제어할 수 있다.

도 4 내지 도 7을 참조하여, 실시예의 DOGM을 이용하여 주변 객체의 주행 경로를 예측하는 방법을 상세히 설명한다. 도 4는 실시예의 주변 객체 주행 예측 방법의 흐름도이고, 도 5 내지 도 7은 실시예의 주변 객체 주행 예측 방법을 설명하기 위한 도면이다.

도 4를 참조하면, 주변 객체의 주행 경로를 예측하기 위해 DOGM의 각 그리드 셀 별 대표 속도와 점유 확률을 산출하여 예측한다(S110). 그리드 셀의 대표 속도와 점유확률을 산출하는 방법을 도 5를 참조하여 설명한다. 도 5를 참조하면, DOGM의 각 그리드 셀에는 각각 위치, 속도, 방향성 등을 갖는 복수의 파티클 데이터들이 존재할 수 있다. '파티클 데이터'는 그리드 셀 내에 존재하는 그리드 셀 내에 존재하는 하나 이상의 속도 정보를 의미할 수 있다. 파티클 속도를

로 나타내면, 해당 그리드 셀의 대표 속도

는 다음의 <수학식 1>을 이용하여 산출할 수 있다.

<수학식 1>

여기서, n은 해당 그리드 셀 내에 존재하는 파티클 데이터의 개수이다.

대표 속도가 산출되면, 그리드 셀의 좌표계인 (X-Y)좌표계에 따라 표현된 파티클들을 대표 속도의 좌표계(X'-Y')로 변환한다. 대표 속도의 좌표계(X'-Y')는 대표 속도의 방향을 X'축으로 하고 X'축과 수직인 축을 Y'으로 설정한 좌표계이다.

이 후, 대표 속도의 좌표계(X'-Y')로 변환된 대표 속도와 파티클 데이터를 이용하여 시간별 예측 표준편차를 산출 한다. 시간별 예측 표준편차는 다음의 <수학식 2>를 이용하여 산출할 수 있다.

<수학식 2>

여기서, 표준편차 감쇠비 α는 도 5의 <시간에 따른 표준편차 감쇠비>의 그래프와 같이, 시간(k)이 지날 수록 점차 감소된다. 따라서, <수학식 2>의 식 (1) 및 (2)에 의해 산출된 예측 표준편차는 예측 시간(k)이 증가함에 따라 증가한다. 이에, 시간에 따른 예측 표준편차를 이용하여 가우시안 분포의 점유 예측 영역을 생성할 수 있다.

도 4를 참조하면, 각 그리드 셀의 점유 확률이 산출되면, 임계값 이상의 점유확률을 갖는지 판단한다(S120).

임계값 이상의 점유확률을 갖는 경우, 시간 별 객체 주행 예측 영역을 생성한다(S130). 도 6은 시간 별 객체 주행 예측 영역을 생성하는 개념을 설명하기 위한 도면으로서, 그리드 셀이 점유될 확률이 높을 수록 진한 색상으로 표시하였다. k 시간에 그리드 셀의 대표 속도가 V일 때 V의 방향과 동일 방향으로 이동할 것으로 예측되나, 시간이 k+1, k+2, k+3..으로 경과함에 따라, 주행 예측 영역의 범위는 커지고 해당 그리드 셀에 할당되는 예측 확률을 감소한다.

시간 별 객체 주행 예측 영역을 생성한 후에는, 각 예측 영역에서의 시간별 객체의 점유 예측 확률을 생성한다(S140). 도 7을 참조하면, DOGM에서 추정된 객체는 복수의 그리드 셀로 구성될 수 있다. K 시간에 추정된 객체는 3개의 그리드 셀에 위치하고, 각 그리드 셀 마다 대표 속도 및 방향을 가질 수 있다(V1k, V2k, V3k). 객체의 주행 예측 영역은 각 그리드 셀에서 산출된 시간별 예측 영역을 모두 포함하는 영역으로 구성된다. 즉, K+1 시간에 예측되는 영역은 V1k에 근거한 V1k+1영역, V2k에 근거한 V2k+1영역, V3k에 근거한 V3k+1영역을 모두 포함한 영역이다. 같은 방식으로, K+2 시간에 예측되는 영역은 V1k에 근거한 V1k+2영역, V2k에 근거한 V2k+2영역, V3k에 근거한 V3k+2영역을 모두 포함한 영역이다.

각 예측 영역에서의 시간별 객체의 점유 예측 확률을 생성한 후에는, 각 그리드 셀의 예측 확률이 임계값 이상인지를 판단한다(S150). 확률이 임계값 보다 작은 경우 해당 예측 영역은 제거한다(S170).

확률이 임계값 이상인 경우 해당 영역은 객체 주행 예측 영역으로 유지한다(S160).

이상의 과정을 통해, 시간 별 객체 주행 예측 영역이 설정되면 자차의 경로와 비교하여 충동 영역을 예측할 수 있다.

도 8은 실시예의 충돌 영역 예측 방법의 흐름도이고, 도 9는 실시예의 충돌 영역 예측 방법을 설명하기 위한 도면이다.

도 8을 참조하면, 그리드 맵 상에 시간 별 객체의 주행 예측 영역을 할당하고(S210), 같은 시간 별 자차의 주행 영역을 할당한다(S220). 도 9를 참조하면, 현재 시점을 k라 할 때, k+1, k+2, k+3 시간에서의 자차의 주행 영역과 객체의 주행 예측 영역이 그리드 맵 상에 할당될 수 있다.

자차의 주행 영역에 객체의 주행 예측 영역이 포함되어 있는지를 판단한다(S230). 도 9를 참조하면, k+1 시점에는 자차의 주행 영역과 객체의 주행 예측 영역이 중첩되지 아니한다. 즉, k+1 시점에는 충돌 위험 지역이 존재하지 않는다.

자차의 주행 영역에 객체의 주행 예측 영역이 포함되어 있는 경우, 두 영역이 중첩된 영역을 충돌 위험 영역으로 할당할 수 있다(S240). 도 9를 참조하면, k+2 시점 및 k+3 시점에는 자차의 주행 영역과 객체의 주행 예측 영역이 중첩된다. 동일 시점에 동일 위치에 자차와 객체가 위치하게 됨으로, k+2 시점 및 k+3 시점의 자차 주행 영역은 충돌 위험 영역으로 판단할 수 있다.

충돌 위험 영역이 할당되면 충돌 정보를 생성한다(S250). 충돌 정보는 충돌 예측 시간, 충돌 위험 그리드 셀의 위치, 충돌 확률을 포함할 수 있다.

도 10은 제1 실시예에 따른 충돌 회피 제어방법을 설명하기 위한 도면으로서, 커트인(Cut-In) 상황일 경우 충돌 회피 제어 방법을 설명하기 위한 도면이다.

충돌 회피를 위해, 기 설정된 시간(k, k+1, k+2..) 마다 주변 객체(Ob1, Ob2)의 이동 경로를 예측하고, 이를 자차(Ego)의 주행 경로와 비교하여 충돌 위험 영역을 판단할 수 있다.

k 시점(step:k)에서 제1 객체(Ob1)의 예측 경로(R3)는 k 시점에서 제1 객체(Ob1)가 점유중인 그리드 셀(R1)의 대표 속력 및 방향에 따라 예측될 수 있다.

k 시점(step:k)에서 제2 객체(Ob2)의 예측 경로(R3)는 k 시점에서 제2 객체(Ob2)가 점유중인 그리드 셀(R1)의 대표 속력 및 방향에 따라 예측될 수 있다.

k 시점(step:k)에서 자차(Ego)의 경로(R2)는 제1 객체(Ob1)의 예측 경로(R3) 및 제2 객체(Ob2)의 예측 경로(R3)와 중첩되지 않으며, 따라서, 충돌 위험은 없는 것으로 판단될 수 있다.

k+1 시점(step:k+1)에서 제1 객체(Ob1)의 예측 경로(R4)는 k+1 시점에서 제1 객체(Ob1)가 점유중인 그리드 셀(R1)의 대표 속력 및 방향에 따라 예측될 수 있다.

k+1 시점(step:k+1)에서 제2 객체(Ob2)의 예측 경로(R4)는 k+1 시점에서 제2 객체(Ob2)가 점유중인 그리드 셀(R1)의 대표 속력 및 방향에 따라 예측될 수 있다. k+1 시점(step:k+1)에서 예측 된 제2 객체(Ob2)의 예측 경로(R4)는 자차(Ego)의 주행 경로(R2)와 중첩되는 영역이 발생하였다. 제2 객체(Ob2)의 예측 경로(R4)와 자차(Ego)의 주행 경로(R2)가 중첩되는 영역은 위험 영역으로 판단할 수 있다.

이에, 위험 영역을 회피하는 경로(R5)를 따르도록 자차(Ego)의 경로를 수정함으로써 충돌을 회피할 수 있다.

도 11은 제2 실시예에 따른 충돌 회피 제어방법을 설명하기 위한 도면으로서, 교차로 주행 상황일 경우 충돌 회피 제어 방법을 설명하기 위한 도면이다.

충돌 회피를 위해, 기 설정된 시간(k, k+1, k+2..) 마다 주변 객체(Ob3)의 이동 경로를 예측하고, 이를 자차(Ego)의 주행 경로와 비교하여 충돌 위험 영역을 판단할 수 있다.

k 시점(step:k)에서 제3 객체(Ob3)의 예측 경로(R3)는 k 시점에서 제3 객체(Ob3)가 점유중인 그리드 셀(R1)의 대표 속력 및 방향에 따라 예측될 수 있다.

k 시점(step:k)에서 자차(Ego)의 경로(R2)는 제3 객체(Ob3)의 예측 경로(R2)와 중첩되지 않으며, 따라서, 충돌 위험은 없는 것으로 판단될 수 있다.

k+1 시점(step:k+1)에서 제3 객체(Ob3)의 예측 경로(R4)는 k+1 시점에서 제3 객체(Ob3)가 점유중인 그리드 셀(R1)의 대표 속력 및 방향에 따라 예측될 수 있다. k+1 시점(step:k+1)에서 예측 된 제3 객체(Ob3)의 예측 경로(R4)는 자차(Ego)의 주행 경로(R2)와 중첩되는 영역이 발생하였다. 제3 객체(Ob3)의 예측 경로(R4)와 자차(Ego)의 주행 경로(R2)가 중첩되는 영역은 위험 영역으로 판단할 수 있다.

이에, 위험 영역을 회피할 수 있도록 자차(Ego)는 현재 위치에 정지하는 경로(R5)를 따르도록, 경로를 수정함으로써 충돌을 회피할 수 있다.

이상 설명한 바와 같이, 본 실시예는 차량 주변에 존재하는 객체들의 위치와 속도 및 점유 확률을 저장한 동적 점유 그리드 맵(Dynamic Occupancy Grid Map)을 이용하여 차량 주변 객체들의 이동 경로를 예측할 수 있다. DOCM에서 각 객체는 해당 객체에 의해 점유된 그리드 셀의 집합으로 표시될 수 있고, 각각의 그리드 셀은 대표 속도 벡터와 점유 확률을 가질 수 있다. 이에, 각 그리드 셀 단위로 단위 시간 당 이동 경로와 점유 확률을 산출함으로써 시간 별 객체의 이동 경로를 예측할 수 있다.

객체의 이동 경로가 예측되면 자차의 주행 경로와 비교하여 같은 시점에 두 경로가 중첩되는 영역을 충돌 위험 영역으로 설정할 수 있으므로, 충돌 위험 영역을 회피하도록 자차의 주행 경로를 변경하여 객체와의 충돌을 회피할 수 있다.

이상에서 실시 예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시 예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시 예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims

차량의 위치 및 속도 벡터를 포함하는 차량 정보와 상기 차량 주변에서 센싱된 객체의 위치 및 속도 벡터를 포함하는 객체 정보를 상기 차량 및 객체가 점유한 영역에 대응되는 그리드 셀에 저장하여 그리드 맵을 생성하는 단계; 및
상기 차량 정보에 따라 설정된 기준 시간 별 상기 차량이 점유하는 그리드 셀과 상기 객체 정보에 따라 예측된 상기 기준 시간 별 상기 객체가 점유하는 그리드 셀이 중첩되는 영역을 충돌 위험 영역으로 판단하여 상기 충돌 위험 영역을 회피하도록 제어하는 단계;
를 포함하는 자율주행 제어 장치의 충돌 회피 제어방법.
제1항에 있어서,
상기 그리드 맵을 생성하는 단계는,
복수의 센서를 통해 상기 객체의 위치 정보 및 속도 정보 중 적어도 어느 하나를 포함하는 센싱정보를 획득하는 단계;
상기 복수의 센서에서 각각 획득된 센싱정보들을 해당 그리드 셀에 저장하는 단계;
상기 차량 정보와 상기 센싱정보에 기초하여 상기 각 그리드 셀의 위치, 속도 및 점유 확률을 추정하는 단계; 및
추정된 상기 객체의 위치, 속도 및 점유 확률을 상기 그리드 셀에 상기 객체 정보로 저장하는 단계;
를 포함하는 자율주행 제어 장치의 충돌 회피 제어방법.
제2항에 있어서,
상기 예측 영역은 시간이 증가할수록 상기 객체의 주행 예측 영역의 범위는 확장되고, 각 그리드 셀에 할당되는 상기 예측 확률은 감소하는 자율주행 제어 장치의 충돌 회피 제어방법.
제2항에 있어서,
상기 차량 정보와 상기 센싱정보에 기초하여 상기 각 그리드 셀의 위치, 속도 및 점유 확률을 추정하는 단계는,
상기 그리드 셀에 포함된 센싱정보들에 기초하여 각 그리드 셀의 대표 속도 벡터를 산출하는 단계; 및
상기 대표 속도 벡터와 상기 센싱정보를 기 설정된 수식에 대입하여 시간별 예측 표준편차를 산출하는 단계; 및
상기 예측 표준편차를 이용하여 상기 그리드 셀의 점유 확률을 추정하는 단계;
를 포함하는 자율주행 제어 장치의 충돌 회피 제어방법.
제4항에 있어서,
상기 그리드 셀에 포함된 센싱정보들에 기초하여 각 그리드 셀의 대표 속도 벡터를 산출하는 단계는,
상기 그리드 셀에 저장된 센싱정보들의 속도를 상기 그리드 셀의 X-Y 좌표를 이용하여
로 나타낼 때, 해당 그리드 셀의 대표 속도
는 다음의 <수학식 1>을 이용하여 산출하는 자율주행 제어 장치의 충돌 회피 제어방법.
<수학식 1>

n은 해당 그리드 셀 내에 존재하는 센싱정보의 개수이다.
제5항에 있어서,
상기 대표 속도 벡터와 상기 센싱정보를 기 설정된 수식에 대입하여 시간별 예측 표준편차를 산출하는 단계는,
상기 그리드 셀의 X-Y 좌표로 나타낸 상기 센싱정보의 속도
를 상기 대표 속도의 좌표계 X'-Y'로 변환하는 단계; 및
상기 좌표계가 변환된 상기 센싱정보를 다음의 <수학식 2>에 대입하여 상기 시간별 예측 표준편차를 산출하는 단계를 포함하는 자율주행 제어 장치의 충돌 회피 제어방법.
<수학식 2>
제6항에 있어서,
상기 예측 표준편차를 이용하여 상기 그리드 셀의 점유 확률을 추정하는 단계는,
상기 시간별 예측 표준편차를 이용하여 가우시안 분포의 예측 영역을 생성하는 단계를 포함하는 자율주행 제어 장치의 충돌 회피 제어방법.
자율주행 제어 장치 및 그 충돌 회피 제어방법을 실행하기 위한 프로그램을 기록한 기록 매체에 있어서,
차량의 위치 및 속도 벡터를 포함하는 차량 정보와 상기 차량 주변에서 센싱된 객체의 위치 및 속도 벡터를 포함하는 객체 정보를 상기 차량 및 객체가 점유한 영역에 대응되는 그리드 셀에 저장하여 그리드 맵을 생성하는 기능; 및
상기 차량 정보에 따라 설정된 기준 시간 별 상기 차량이 점유하는 그리드 셀과 상기 객체 정보에 따라 예측된 상기 기준 시간 별 상기 객체가 점유하는 그리드 셀이 중첩되는 영역을 충돌 위험 영역으로 판단하여 상기 충돌 위험 영역을 회피하도록 제어하는 기능;
을 구현하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
차량의 위치 및 속도 벡터를 포함하는 차량 정보와 상기 차량 주변에서 센싱된 객체의 위치 및 속도 벡터를 포함하는 객체 정보를 상기 차량 및 객체가 점유한 영역에 대응되는 그리드 셀에 저장하여 그리드 맵을 생성하는 맵 생성부;
상기 차량 정보에 따라 설정된 기준 시간 별 상기 차량이 점유하는 그리드 셀과 상기 객체 정보에 따라 예측된 상기 기준 시간 별 상기 객체가 점유하는 그리드 셀이 중첩되는 영역을 충돌 위험 영역으로 판단하는 위험 영역 검출부; 및
상기 충돌 위험 영역을 회피하도록 제어하는 주행 제어부;
를 포함하는 자율주행 제어 장치.
제9항에 있어서,
상기 맵 생성부는,
복수의 센서를 통해 상기 객체의 위치 정보 및 속도 정보 중 적어도 어느 하나를 포함하는 센싱정보를 획득하고, 상기 복수의 센서에서 각각 획득된 센싱정보들을 해당 그리드 셀에 저장하고, 상기 차량 정보와 상기 센싱정보에 기초하여 상기 각 그리드 셀의 위치, 속도 및 점유 확률을 추정하여, 추정된 상기 객체의 위치, 속도 및 점유 확률을 상기 그리드 셀에 상기 객체 정보로 저장하는 자율주행 제어 장치.
제10항에 있어서,
상기 예측 영역은 시간이 증가할수록 상기 객체의 주행 예측 영역의 범위는 확장되고, 각 그리드 셀에 할당되는 상기 예측 확률은 감소하는 자율주행 제어 장치.
제10항에 있어서,
상기 맵 생성부는,
상기 그리드 셀에 포함된 센싱정보들에 기초하여 각 그리드 셀의 대표 속도 벡터를 산출하고, 상기 대표 속도 벡터와 상기 센싱정보를 기 설정된 수식에 대입하여 시간별 예측 표준편차를 산출하여, 상기 예측 표준편차를 이용하여 상기 그리드 셀의 점유 확률을 추정하는 자율주행 제어 장치.
제12항에 있어서,
상기 맵 생성부는,
상기 그리드 셀에 저장된 센싱정보들의 속도를 상기 그리드 셀의 X-Y 좌표를 이용하여
로 나타낼 때, 해당 그리드 셀의 대표 속도
는 다음의 <수학식 1>을 이용하여 산출하는 자율주행 제어 장치.
<수학식 1>

n은 해당 그리드 셀 내에 존재하는 센싱정보의 개수이다.
제13항에 있어서,
상기 그리드 셀의 X-Y 좌표로 나타낸 상기 센싱정보의 속도
를 상기 대표 속도의 좌표계 X'-Y'로 변환하고, 상기 좌표계가 변환된 상기 센싱정보를 다음의 <수학식 2>에 대입하여 상기 시간별 예측 표준편차를 산출하는 객체 경로 예측부를 더 포함하는 자율주행 제어 장치.
<수학식 2>
제14항에 있어서,
상기 객체 경로 예측부는,
상기 시간별 예측 표준편차를 이용하여 가우시안 분포의 예측 영역을 생성하는 자율주행 제어 장치.