KR20230146434A - 자율주행 차량의 운행 경로 노드 별 경로생성 시스템 - Google Patents

Abstract

실시예에 따른 자율주행 차량의 운행 경로 노드 별 경로생성 시스템은 자율주행 경로 오토 라우팅 시스템을 제공하고, 자율주행 차량의 주행 경로를 사용자가 변경하여 운행할 수 있는 오토 라우팅 생성 솔루션을 제공한다. 운행경로 생성 프로그램, 운행 맵 업그레이드(OTA) 및 자율주행 차량 시스템 고도화를 수행한다. 자율주행 차량 경로 변경 운행 솔루션을 제공하고 자율주행 주행 경로 오토라우팅 생성 솔루션을 제공한다. 실시예를 통해 데이터 OTA를 위한 제어기를 구현하여 자율주행 차량 시스템 고도화하고, 자율주행 차량 경로 오토라우팅 운행을 구현할 수 있도록 한다. 또한, 실시예에 따른 자율주행 차량의 운행 경로 노드 별 경로생성 시스템은 항만을 주행하는 야드트럭 등의 이동객체에서 활용할 수 있다. 아울러, 부산항만에 진입하는 일반차량이 길을 알지 못하는 경우 실시예를 통해 생성된 경로 데이터를 일반차량의 항만 주행을 위한 가이드 데이터로 활용할 수 있다.

Description

자율주행 차량의 운행 경로 노드 별 경로생성 시스템{PATH GENERATION SYSTEM FOR EACH NODE OF THE AUTONOMOUS DRIVING VEHICLE}

본 개시는 자율주행 차량의 경로생성 시스템에 관한 것으로 구체적으로, 자율주행차량 시스템 운용을 위한 자율주행 차량의 운행 경로 노드 별 경로생성 시스템에 관한 것이다.

본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.

고정밀 지도(High-definition map)는 안전한 자율주행을 위해 필수적인 요소다. 고정밀 지도(HD 지도)란 자율주행을 위해 센티미터(cm) 수준의 정밀도를 갖춘 3D 입체 지도이다. 자율주행의 의사결정 프로세스에서 고정밀 지도의 세밀한 정보가 올바른 결정을 내리는 데 도움을 준다. 인간 운전자가 아닌, 자동차 스스로에게 주행의 모든 것을 맡기기 위해서는 주행 공간에 대한 정보를 충분하게 전달해야 할 필요가 있기 때문에 자율 주행에서 고정밀 지도의 필요성이 매우 크다.

고정밀 지도를 구축하기 위해선 하드웨어, 소프트웨어의 기술력이 모두 총동원된다. 특히 센서의 역할이 중요하다. 고정밀 지도 구축에는 MMS(Mobile Mapping System) 시스템이 필요하다. MMS란 다양한 센서를 장착한 3차원 공간정보 조사 시스템이다. 차량 등의 이동체에 위치측정 및 지형지물 측량을 위한 카메라, 라이다(LIDAR), GPS 등의 센서를 장착한다. 이들은 서로 유연하게 작동해 다양하고 세밀한 위치정보를 획득하게 된다. 이중 특히 라이다는 3D 공간을 맵핑하는데 큰 역할을 한다. 라이다는 펄스 레이저를 목표물에 방출하고 빛이 돌아오기까지 걸리는 시간 및 강도를 바탕으로 정보를 축적해, 실시간으로 현실세계의 3차원 지도 정보를 수집한다.

고정밀 지도에는 도로 중심선, 경계선 등 차선 단위의 정보는 물론 신호등, 표지판, 연석, 노면마크, 각종 구조물 등의 정보가 3차원 디지털로 담기는데, 고정밀 지도는 고정 인프라를 고려한 최적 경로를 생성하는 과정이 필수적이다. 특히, 사고, 폴 등의 이벤트 지정을 통해 기존 일반 경로가 아닌, 현재 환경에서의 최적 경로 생성 과정이 필수적이다. 인간이 자연스럽게 습득할 수 있는 정보까지 디지털화 하기 위해 지도는 1:1에 가까운 규모로 제작된다. 그래야만 오차 수준을 10센티미터 이하로 낮출 수 있기 때문이다.

한편, 미래 모빌리티 분야의 여객사업자 시장은 관광, 여객, 택시, 버스 사업의 이동 관련 서비스를 제공하고, 미래 모빌리티 기술과 시너지를 생성한다. 종래에는 미래 모빌리티 분야의 여객 사업자 시장에 너무 복잡한 시스템을 제공하여 기존 사업자, 운영자, 운전사, 가이드들의 운영에 어려움을 겪고 있다. 항공기와 같은 복잡도를 갖는 자율주행 시스템은 스위치 조작, 시스템 문제 해결에 대한 대응이 부족한 실정이다. 이에 따라 미래 모빌리티 분야에서 다양한 서비스 제공을 위해 기술의 한계를 극복하고, 제품화를 추구해야하는 필요가 커지고 있다. 특히, 자율 주행 차량 및 미래 모빌리티 분야에서 고정밀 지도에 기반하여 정확하고 안전한 최적경로를 생성하는 시스템에 대한 요구가 커지고 있다. 아울러, 항만 등의 특수 지역에서 주행해야 하는 경우, 일반 차량은 경로 생성을 하지 못하므로, 특수지역에서 고정밀 지도로 가이드 경로를 제공하는 시스템에 대한 필요가 커지고 있다.

실시예에 따른 자율주행 차량의 운행 경로 노드 별 경로생성 시스템은 경로기반 자율주행 차량의 출발지과 목적지를 선정하고 고정밀 지도를 고려하여 자율주행 노선을 자동으로 생성한다. 실시예에서는 자동으로 생성된 자율주행 노선에 자율주행 차량을 운행 시킬 수 있다.

또한 실시예에서는 고정밀 지도에 노선 생성을 위한 속성 설정을 통해서 도로 환경을 고려한 자율주행 노선을 생성한다. 실시예에서 고정밀 지도 인프라는 국내 데이터 댐 사업에 의해 현재 상태의 도로환경을 자동 업데이트하고, 업데이트 된 도로 환경 정보를 이용하여 최적 경로를 생성할 수 있도록 한다.

실시예에서는 자율주행 경로 오토 라우팅 시스템을 제공하고, 자율주행 차량의 주행 경로를 사용자가 변경하여 운행할 수 있는 오토 라우팅 생성 솔루션을 제공한다.

또한, 운행경로 생성 프로그램, 운행 맵 업그레이드(OTA) 및 자율주행 차량 시스템 고도화를 수행한다. 자율주행 차량 경로 변경 운행 솔루션을 제공하고 자율주행 주행 경로 오토라우팅 생성 솔루션을 제공한다.

실시예를 통해 데이터 OTA(Over-the-air programming)를 위한 제어기를 구현하여 자율주행 차량 시스템 고도화하고, 자율주행 차량 경로 오토라우팅 운행을 구현할 수 있도록 한다.

또한, 실시예에 따른 자율주행 차량의 운행 경로 노드 별 경로생성 시스템은 항만을 주행하는 야드트럭 등의 이동객체에서 활용할 수 있다.

또한, 부산항만에 진입하는 일반차량이 길을 알지 못하는 경우 실시예를 통해 생성된 경로 데이터를 일반차량의 항만 주행을 위한 가이드 데이터로 활용할 수 있다.

실시예에서는 항만을 주행하는 야드트럭 및 크레인 등 이동객체 각각에서 이동 객체의 현재 위치, 목적지, 항만 시설 및 다른 이동객체의 위치 변화량을 고려하여 항만위를 주행하는 야드 트럭과 트레인의 안전 주행 경로를 생성할 수 있다. 아울러, 실시예에서는 안전 주행 경로, 작업 효율을 향상시키는 경로 및 최단 경로 등 다양한 경로를 사용자 옵션에 따라 생성할 수 있다.

실시예에 따른 자율주행 차량의 운행 경로 노드 별 경로생성 시스템은 교통 시나리오를 다루기 위해 설계된 공용 라이브러리 및 고정밀 지도 데이터를 수집하는 데이터 수집 모듈; 도로 주행시 고려해야하는 교통 법규 및 환경정보인 고정밀 지도의 속성정보를 설정하는 설정 모듈; 경로기반 자율주행 차량의 출발지과 목적지를 선정하고, 속성정보가 반영된 고정밀 지도를 기반으로 자율주행 전역경로를 생성하는 노선 생성모듈; 및 생성된 자율주행 전역경로 중 자율주행 차량의 이동에 필요한 비용을 최소화한 최적경로를 추출하는 최적경로 추출모듈; 을 포함한다.

바람직하게, 노선 생성 모듈은 고정밀 지도(HD-MAP)에 추가되는 신호 정보를 비롯한 속도 제약, 정지라인, 방지턱을 포함하는 도로 세부 정보를 기반으로 최적 경로를 생성할 수 있다. 실시예에서 노선 생성 모듈은 사용자로부터 목적지를 입력 받으면, 실시간 교통 상황 및 사용자 옵션에 따라 가장 빠른 경로, 안전한 경로, 작업에 원활한 경로 중 적어도 하나를 최적 경로로 생성할 수 있다. 또한, 노선 생성모듈은 항만을 포함하는 특수 지역에서는 특수지역을 주행하는 차량에 목적지가 입력되면, 실시간 교통 상황 및 사용자 옵션에 따라 특수지역에서 목적지까지 가장 빠른 경로, 가장 안전한 경로 및 차량에 지정된 작업에 원활한 경로 중 적어도 하나를 최적 경로로 생성한다.

이상에서와 같은 자율주행 차량의 운행 경로 노드 별 경로생성 시스템은 노선 생성을 위한 다양한 속성 정보를 반영한 최적 경로를 생성함으로써, 주행시간과 연로 소비량을 포함하는 자율 주행 차량 주행 비용을 최소화할 수 있도록 한다. 이를 통해, 자율주행 차량이 목적지까지 더욱 빠르고 안전하게 도달할 수 있도록 하고, 자율주행 차량 시스템 운용 효율을 대폭 향상시킬 수 있도록 한다.

또한, 실시예에 따른 자율주행 차량의 운행 경로 노드 별 경로생성 시스템을 항만의 야드 트럭 및 크레인에 적용하여, 항만에 진입하는 차량이 경로를 찾지 못하는 경우, 항만 위의 이동 객체 및 시설 위치를 고려한 최적 경로를 제공할 수 있다.

또한, 항만 등의 특수 지역에서 목적지까지의 최단 경로, 가장 안전한 경로, 작업 효율을 최대화하는 경로 등을 사용자 옵션에 따라 다양하게 생성하여 특수 지역에서의 주행 편의성을 향상시킬 수 있도록 한다.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.

도 1은 실시예에 따른 자율주행차량 시스템 운용을 위한 최적경로 생성 시스템의 데이터 처리 구성을 나타낸 도면
도 2는 실시예에 따른 레인렛 맵 아키텍처를 나타낸 도면
도 3은 물리 계층의 선 요소를 사용하여 레인렛을 나타낸 도면
도 4는 실시예에 따른 레인렛 지도를 나타낸 도면
도 5는 레인렛 지도를 그래프 형태로 나타낸 도면
도 6 및 도 7은 실시예에 따른 레인렛을 설명하기 위한 도면
도 8은 실시예에 따른 최적 경로 생성을 위한 데이터 처리 과정을 나타낸 도면
도 9 내지 도 11은 실시예에 따라 생성된 전역경로를 나타낸 도면
도 12 내지 18은 실시예에 따른 레인렛2를 이용한 맵 생성 인터페이스를 나타낸 도면
도 19는 실시예에 따른 자율주행 차량의 운행 경로 노드 별 경로생성 시스템이 항만의 야드 트럭에 적용된 실시예를 설명하기 위한 도면

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.

본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1은 실시예에 따른 자율주행차량 시스템 운용을 위한 최적경로 생성 시스템의 데이터 처리 구성을 나타낸 도면이다.

도 1을 참조하면, 실시예에 따른 최적 경로 생성 시스템은 데이터 수집모듈(110), 설정모듈(120), 노선 생성모듈(130) 및 최적경로 생성모듈(140)을 포함하여 구성될 수 있다. 본 명세서에서 사용되는 '모듈' 이라는 용어는 용어가 사용된 문맥에 따라서, 소프트웨어, 하드웨어 또는 그 조합을 포함할 수 있는 것으로 해석되어야 한다. 예를 들어, 소프트웨어는 기계어, 펌웨어(firmware), 임베디드코드(embedded code), 및 애플리케이션 소프트웨어일 수 있다. 또 다른 예로, 하드웨어는 회로, 프로세서, 컴퓨터, 집적 회로, 집적 회로 코어, 센서, 멤스(MEMS; Micro-Electro-Mechanical System), 수동 디바이스, 또는 그 조합일 수 있다.

데이터 수집 모듈(110)은 교통 시나리오를 다루기 위해 설계된 공용 라이브러리 및 고정밀 지도 데이터를 수집한다. 실시예에서는 교통 시나리오를 처리하기 위한 공용 라이브러리인 레인렛2(lanelet2) 및 고정밀 지도 데이터를 수집할 수 있다. 고정밀 지도(High Definition map)란 정밀한 GNSS, LiDAR, 카메라 센서 등을 장착한 MMS(Mobile Mapping System) 장비를 통해 구축한 지도로서, 도로 정보, 지형 정보, 주변 시설 정보 등을 제공한다. 실시예에 따른 고정밀 지도는 단순 내비게이션 지도보다 정밀하고 풍부한 정보를 제공한다. 고정밀 지도는 지리, 군사, 항공 등의 다양한 분야에서 활용됐으며, 최근에는 4차 산업혁명과 더불어 자율주행, 스마트시티 등의 분야에서 활용되고 있다. 그중 자율주행을 위한 고정밀 지도의 역할은 점차 그 중요성이 대두되고 있으며, 특히 레벨 4 이상의 고수준 자율주행에서는 필수적인 요소이다.

실시예에서 이용하는 자율주행을 위한 고정밀 지도는 차선, 도로 시설, 교통 표지, 신호등, 도로 곡률 및 경사 등과 같은 자율주행에 필요한 정보를 제공한다. 실시예에서는 이러한 고정밀 지도를 활용하여 자율주행 자동차 근방의 환경 정보를 가져와 자율주행을 위한 판단, 제어에 사용할 수 있도록 한다. 또한, 실시예에서는 고정밀 지도를 통해 센서의 인식 범위를 벗어나는 장소의 환경 정보를 사용할 수 있어 센서만을 사용하는 인식 시스템의 한계를 보완하고 더 멀리 예측할 수 있는 인식 성능을 확보할 수 있도록 한다.

설정모듈(120)은 고정밀 지도의 속성 정보를 설정한다. 실시예에서 속성정보는 도로 자율 주행시 고려해야하는 교통 법규 및 환경정보인 고정밀 지도의 세부정보로서, 차선, 도로 시설, 교통 표지, 신호등, 도로 곡률, 경사, 차량제한속도, 정류장존재 여부, 정지선, 횡단보도, 좌편향, 우편향, 조심운전, 스쿨존, 보호구역, 교차로 및 V2X 통신 정보, 속도 제한 정보 등을 포함할 수 있다. 실시예에서 V2X 통신 정보는 유무선 통신망을 이용하여 주변 차량 및 도로 인프라 등과 정보를 교환하거나 공유하기 위한 차량과 차량간(V2V, Vehicle to Vehicle), 차량과 인프라간(V2I, Vehicle to Infrastructure), 차량과 보행자간(V2P, Vehicle to Pedestrian), 차량과 모바일 기기간(V2N, Vehicle to Nomadic Device) 통신 정보를 포함할 수 있다.

노선 생성 모듈(130)은 경로기반 자율주행 차량의 출발지와 목적지를 선정하고, 속성정보가 반영된 고정밀 지도를 기반으로 자율주행을 위한 전역경로를 생성한다. 전역경로는 차량이 출발지로부터 도착지까지 가기 위해 주행해야 하는 구간이다. 실시예에서 노선 생성 모듈(130)은 고정밀 지도(HD-MAP)에 추가되는 신호 정보를 비롯한 속도 제약, 정지라인, 방지턱을 포함하는 도로 세부 정보를 기반으로 최적 경로를 생성할 수 있다. 실시예에서 노선 생성 모듈(130)은 사용자로부터 목적지를 입력 받으면, 실시간 교통 상황 및 사용자 옵션에 따라 가장 빠른 경로, 안전한 경로, 작업에 원활한 경로 중 적어도 하나를 최적 경로로 생성할 수 있다.

노선 생성 모듈(130)은 고정밀 지도(HD-MAP)에 추가되는 신호 정보를 비롯한 속도 제약, 정지라인, 방지턱 등 도로 추가 정보를 기반으로 최적 경로를 생성할 수 있다. 실시예에서 노선 생성 모듈(130)은 사용자로부터 목적지를 입력 받으면, 실시간 교통 상황 및 사용자 옵션에 따라 가장 빠른 경로, 안전한 경로, 작업에 원활한 경로 중 적어도 하나를 최적 경로로 생성할 수 있다.

또한, 노선 생성 모듈(130)은 항만 야드트럭에서 활용할 수 있고, 부산항만에 진입하는 일반차량이 길을 알지 못하는 경우 실시예에서 생성된 경로 데이터를 가이드 데이터로 활용할 수 있다. 항만은 선박이 안전하게 출입하고 정박할 수 있도록 보호되는 곳으로 여객을 승선 및 하선시키고, 화물과 우편물 등을 적양하는 장소이다. 항만은 주로 해상교통과 육상교통의 접속지 역할을 하므로 입지 조건이 우수하고, 항만 시설 이외에도 교통시설, 보관시설, 공장 시설 등의 수륙 연락 시설을 갖추고 있다. 야드 트랙터(Yard Tractor)는 부두 내에서 컨테이너를 운송하는 하역 장비로, 부산항, 인천항 등 전국 주요 항만에서 운영된다. 실시예에서 노선 생성모듈(130)은 항만을 포함하는 특수 지역에서는 차량에 목적지가 입력되면, 실시간 교통 상황 및 사용자 옵션에 따라 특수지역에서 목적지까지 가장 빠른 경로, 가장 안전한 경로 및 상기 차량에 지정된 작업에 원활한 경로 중 적어도 하나를 최적 경로로 생성한다.

실시예에서는 항만위를 주행하는 야드트럭 및 크레인 등 이동객체 각각에서 이동 객체의 현재 위치, 목적지, 항만 시설 및 다른 이동객체의 위치 변화량을 고려하여 항만위를 주행하는 야드 트럭과 트레인의 안전 주행 경로를 생성할 수 있다. 또한, 실시예에서는 안전 주행 경로, 차량에 설정된 작업 효율을 향상시키는 경로 및 최단 경로 등 다양한 경로를 사용자 옵션에 따라 생성할 수 있다.

실시예에서 노선 생선 모듈(130)은 항만 등의 특수 지역에서는 크레인 등 특수 시설위치에 따라 이동 객체의 경로를 생성할 수 있다. 실시예에서는 항만에서의 경로 생성 시, 크레인의 위치에 따라 차량의 통행 방향을 설정할 수 있다. 구체적으로, 크레인이 우측에 있으면, 차량을 우측 방향으로 통행하여 이동하는 경로를 생성하고, 크레인이 좌측에 있으면, 좌측 방향으로 통행하여 진입할 수 있도록 하는 경로를 생성한다.

실시예에서 노선 생성 모듈(130)은 고정밀 지도 중 포인트 클라우드 정보의 자율주행에의 활용 적합성을 검증하기 위해 포인트 클라우드 매칭 기반 정밀 위치추정을 수행한다. 포인트 클라우드 매칭 기반 정밀 위치 추정은 베이지안 확률 추정 기법인 파티클 필터를 기반으로 하며, 고정밀 지도의 신뢰성을 검증하기 위해 고정밀 지도와 인식정보 간 매칭을 통한 측정치를 추정 상태 보정에 사용한다. 실시예에 따른 포인트 클라우드 매칭 기반 정밀 위치추정은 포인트 클라우드 데이터 전처리, 초기 위치 결정, 예측, 고정밀 지도 및 인식정보 매칭을 통한 가중치 갱신, 그리고 리샘플링 단계를 포함할 수 있다.

실시예에서 노선 생성 모듈(130)은 포인트 클라우드 데이터를 수집하기 위해 차량에 장착된 LiDAR 센서에서 센서 좌표계를 기준으로 정보를 제공받는다. 이후, 클라우드 데이터를 차량 좌표계 기준 정보로 변환하기 위해, 외부 캘리브레이션 파라미터를 파악한다. 실시예에서는 외부 캘리브레이션 파라미터를 통해 차량 좌표계 기준 포인트 클라우드 데이터를 수집한다. 데이터 수집과정에서 지면에 해당하는 포인트를 높이에 기반을 두어 제거할 수 있다. 수집된 포인트 클라우드 데이터는 고정밀 지도의 포인트 클라우드와 매칭에 사용되며, 매칭을 통한 측정치를 통해 각 파티클의 가중치를 갱신할 수 있다.

최적경로 추출모듈(140)은 생성된 자율주행 전역경로 중 자율주행 차량의 이동에 필요한 비용을 최소화한 최적경로를 추출한다. 실시예에서는 노선 생성 모듈(130)에서 생성된 전역경로 중 지역경로를 선택할 수 있다. 지역경로는 전역경로에서 얻은 구간을 주행하기 위해서 차량이 실제로 주행해야 할 경로를 의미한다. 또한, 실시예에서 최적경로 추출모듈(140)은 전역경로 중 차량 이동에 필요한 비용을 최소화한 최적경로를 추출하기 위해, 자율주행 차량의 출발지에서 목적지까지 이동 거리 및 소요 시간을 고려하여 이동에 필요한 비용을 산출한다.

실시예에서 최적경로 추출모듈(140)은 고정밀 지도를 지역 경로 계획에 활용하기 위해, 고정밀 지도로부터 최적 경로를 생성하고, 생성한 최적 경로를 활용하여 주변환경 정보를 추출한다. 주변환경 정보는 고정밀 지도에서 추출한 도로형상 정보와 교통 정보가 포함된 것이다. 실시예에서는 추출된 주변 환경 정보를 전역 경로 계획, 지역 경로 계획 및 장애물 회피 알고리즘에 활용하여 주행 가능한 최적의 경로를 생성한다. 전역 경로 계획 이란 자율 주행 차량이 이동할 경로의 정보를 어느 정도 알고 있을 때 자율적으로 경로를 생성하는 것이다. 지역 경로 계획과 긴급 장애물 회피란 전역 경로를 추종하면서 지도 정보로부터 나와 있지 않은 예기치 못한 장애물이나 움직이는 장애물에 대해 여러 가지 센서를 이용하여 장애물을 피해가며 경로를 재 생성하는 것이다.

실시예에서는 전역 경로 및 주변 환경 정보 생성을 위해 Lanelet2 라이브러리를 이용할 수 있다. 실시예에서는 고정밀 지도를 Lanelet2 지도로 변환하고, 이를 기반으로 전역 경로 및 주변 환경 정보를 추출하여 지역 경로 계획을 생성할 수 있도록 한다. 즉, 실시예에서는 고정밀 지도를 변환하여 변환된 지도를 기반으로 전역경로와 주변 환경 정보를 추출하여 자율주행 차량의 최적 경로를 생성할 수 있도록 한다.

레인렛 맵 아키텍처를 나타낸 도 2와 같이 Lanelet2는 고정밀 지도를 표현하기 위해 물리 계층, 관계 계층 및 위상 계층을 포함하는 자료구조로 이루어져 있다. 또한, Lanelet2는 앞서 제시된 자료구조의 속성 정보를 이용할 수 있는 함수들과 전역 경로 및 주변환경정보를 추출할 수 있는 라이브러리를 제공한다. 실시예에서는 Lanelet2의 자료구조와 제공되는 라이브러리를 활용하기 위해서 도로형상 형식의 고정밀 지도에 포함된 차선표시(규제선), 노면표시(노면방향/유도선/횡단보도면)와 같은 정보를 Lanelet2의 선, 교통규약 등의 요소로 변환한다.

Lanelet2 지도는 세 가지 계층으로 구성된다. 각 계층에는 Lanelet2 요소 및 요소의 정보에 의해 생성되는 그래프가 포함된다. 물리 계층에는 실제 관측 가능한 교통표지, 신호등 등 물체를 표현할 수 있는 점과 선이 포함되어 있다. 관계 계층에는 물리적인 요소와 교통 정보를 포함하는 레인렛과 교통규약이 포함되어 있다. 마지막으로 위상 계층에는 관계 계층 요소 간의 관계를 나타내는 그래프가 있다.

관계 계층에 속하는 레인렛 요소는 Lanelet2 지도의 한 영역을 표현하는 최소 단위로써 이 영역은 교통 정보가 변하지 않고, 인접한 영역과의 위상 관계가 변하지 않는다. 이 요소는 물리 계층의 선 요소를 사용하여 도 3에 도시된 바와 같이 영역의 왼쪽과 오른쪽 경계를 나타내고, 관계 계층의 교통규약을 참조함으로써 해당 영역의 교통 신호, 정지 신호, 제한 속도 등과 같은 교통 정보를 제공한다.

최적경로 추출모듈(140)은 교통 시나리오를 다루기 위해 설계된 공용 라이브러리를 이용하여, 자율주행 차량 출발지와 목적지까지의 고정밀 지도를 그래프로 변환하고, 변환된 그래프의 노드를 각각의 레인렛에 할당하고, 인접한 레인렛의 연결관계 및 다른 레인렛으로의 이동에 필요한 비용을 표시한다. 실시예에서는 위상 계층에서 그래프 구조로 관계 계층 요소 간 관계를 표현하기 위해, 각각의 레인렛은 인접한 레인렛과의 관계 정보를 가지고 있다. 관계 정보란 앞, 뒤, 좌, 우 등 이웃한 레인렛의 위치 관계와 둘 이상의 레인렛이 하나의 레인렛으로 합쳐지는 합병 관계 또는 하나의 레인렛이 둘 이상의 레인렛으로 분할되는 분할 관계 그리고 둘 이상의 레인렛 영역이 겹쳐지는 갈등 관계를 말한다. Lanelet2 지도를 이루는 레인렛 집합은 이 관계정보와 해당 영역의 교통 정보를 이용하여 Lanelet2 지도를 그래프로 표현할 수 있다.

실시예에 따른 최적경로 생성모듈(140)은 시작지점 레인렛과 목표지점 레인렛 사이에 연결된 모든 레인렛으로 이루어진 경로들을 추출하고, 추출된 레인렛으로 이루어진 경로 중 비용이 최소가 되는 경로를 최적 경로로 선정한다. 실시예에서는 각 노드 사이의 비용을 엣지에 표현한 그래프 구조에서, 시작 노드와 목표 노드 간의 비용을 최소화한 최적 경로를 탐색한다. 실시예에서 엣지는 레인렛의 이동 방향에 대응하는 연결 관계를 나타낸 화살표이다.

전역경로란 시작지점으로부터 목표지점까지 이동하는 경로 로서, 적어도 하나이상이 생성될 수 있다. 실시예에서 최적 경로는 이동에 필요한 비용을 최소화한 경로로, 이 비용은 자율주행 차량의 이동 거리, 도착까지의 소요 시간 등을 고려해 산출할 수 있다. 실시예에서는 최적 경로를 추출하기 위해 그래프 구조를 활용한 탐색 방법을 제공한다. 앞서 변환한 Lanelet2 지도는 Lanelet2 라이브러리에서 제공하는 함수를 통해 그래프 형태로 변환할 수 있다. 이 함수는 그래프의 노드를 각각의 레인렛에 할당하고, 인접한 레인렛의 연결 관계 및 다른 레인렛으로의 이동에 필요한 비용을 엣지에 표현해준다.

도 5는 도 4의 지도를 그래프 형태로 나타낸 도면이다. 앞서 설명했듯 각 노드에는 레인렛이 할당되어 있고, 레인렛의 이동 방향에 맞게 방향이 있는 화살표로 연결 관계가 나타나 있다. 실시예에서는 화살표를 엣지라고 한다. 실시예에서는, 각 엣지에는 한 레인렛에서 다른 레인렛으로 가기 위한 비용이 표시하고, 빨간색 양방향 화살표로 서로 겹치는 레인렛의 관계를 표시한다.

실시예에서는 최적경로 생성모듈(140)에서 생성한 그래프를 통해 시작지점 레인렛과 목표지점 레인렛 사이에 연결된 모든 레인렛으로 이루어진 경로들을 탐색 알고리즘을 통해 추출할 수 있다. 이렇게 추출된 레인렛으로 이루어진 경로 중 비용이 최소가 되는 경로를 최종 전역 경로로 선정한다. 실시예에서는 탐색 알고리즘 중 Dijkstra 알고리즘을 사용하면 그래프 구조를 통해 비용이 최소가 되는 경로를 선정한다. Dijkstra 알고리즘이란, 각 노드 사이의 비용을 엣지에 표현한 그래프 구조에서, 시작 노드와 목표 노드 간의 비용을 최소화하는 경로를 찾는 알고리즘이다. Lanelet2 라이브러리에서 제공하는 전역 경로 추출 함수는 Dijkstra 알고리즘을 적용해 최적의 전역 경로를 추출할 수 있다.

앞서 추출한 Lanelet2 전역 경로는 시작지점과 목표지점 사이에 존재하는 많은 정보를 포함하고 있지만, 자율주행을 위해서는 현재 위치를 기준으로 한 주변 도로 환경에 대한 정보들이 필요하다. 실시예에서는 현재 위치를 기준으로 한 지역적인 도로 정보를 얻기 위해 주변 환경정보를 추출한다. 주변 환경 정보는 전역 경로에서 현재 위치를 기반으로 추출한 차선의 방향, 경계, 교통규약 정보 등을 포함하는 주행 경로에 대한 지역적인 환경 정보를 의미한다. 실시예에서는 주변 환경 정보를 제공하기 때문에 이를 주변 환경을 인식하는 하나의 센서로 사용될 수 있다. 실시예에서는 전역 경로에서 주변환경 정보를 추출하기 위해 우선 레인렛의 관심 범위를 지정한다. 실시예에서는 관심 범위를 지정함으로써 원하는 범위 내의 환경 정보를 받아올 수 있다. 이후, 현재 위치를 기준으로 앞서 지정된 범위 내의 전역 경로 정보를 추출한다. 이와 같은 과정을 통해 추출된 주변 환경 정보는 자율주행 및 최적 경로 생성을 위해 사용될 수 있다.

도 6 및 도 7은 실시예에 따른 레인렛을 설명하기 위한 도면이다.

도 6및 도 7을 참조하면, 레인렛은 맵을 구성하는 단위 섹션(Atomic section)으로, 레인렛에 해당하는 단위 섹션에서 차량 이동이 발생된다. 실시예에서는 레인렛에 아이디를 부여할 수 있고, 레인렛은 일반 차선, 횡단보도 및 레일을 포함하고, 한 레인렛 안에서 유효한 교통 법규는 변경되지 않는다. 또한, 다른 레인렛과의 토폴로지 관계는 변경되지 않고, 정확히 하나의 라인 스트링이 왼쪽으로 정의되고 정확히 하나가 오른쪽 테두리로 정의된다. 레인렛에서 적용되는 규칙을 표현하는 여러 규제 요소가 있을 수 있고 다른 레인렛과 겹치거나 교차할 수 있다. 왼쪽 또는 오른쪽 테두리의 유형은 차선 변경 가능 여부를 나타낸다. 도 7에 도시된 바와 같이 실시예에 따른 레인렛은 규재 요소(Regulatory elements)로서 교통 규칙, 속도 제한, 우선 순위 규칙 또는 신호등 등을 포함할 수 있다.

도 8은 실시예에 따른 최적 경로 생성을 위한 데이터 처리 과정을 나타낸 도면이고, 도 9 내지 도 11은 실시예에 따라 생성된 전역경로를 나타낸 도면이다.

도 8을 참조하면, 실시예에서는 Lanelet2 맵을 로딩하고, 다른 노드 혹은 rviz로부터 시작 위치(좌표)를 불러온다. 실시예에서는 라이브러리를 이용하여 시작 위치로부터 가장 가까운 레인렛 아이디를 탐색한다. 이후, 다른 노드 혹은 rviz로부터 목적지 위치(좌표)를 불러오고, 라이브러리를 이용하여 목적지 위치로부터 가장 가까운 레인렛 아이디를 탐색한다. 이후, 시작 위치의 레인렛 아이디와 목적지 위치의 레인렛 아이디를 입력으로 하여 라이브러리 함수 통해 가장 짧은 전역경로를 생성할 수 있다. 실시예에서는 최단 전역경로를 생성하기 위해, 최단 경로인 레인렛 어레이(lanelet array)를 레인 변경을 위한 레인 단위로 분류할 수 있다. 실시예에서는 수월한 레인 변경을 위해 최단 경로에 레인 변경이 가능한 레인렛을 추가하고, 주행 맵 및 경로를 시각화 한다.

도 12 내지 18은 실시예에 따른 레인렛2를 이용한 맵 생성 인터페이스를 나타낸 도면이다.

도 12에 도시된 바와 같이, 실시예에서는 레인렛 편집툴에서 툴바를 생성하고, 맵 파일을 생성한다. 이후 도 13에 도시된 바와 같이, 실시예에서는 파일명, 파일내용 및 속성정보를 유지하면서 셰이프 파일(Shapefile )을 불러온다. 셰이프 파일이 로딩 되면, 도 14에 도시된 바와 같은 맵이 생성된다. 실시예에서 셰이프 파일에는 차선정보(WH_LANE.shp), 차선의 센터라인(WH_LINK.shp), 정지선 및 횡단 보도 파일(WH_MARK.shp) 등이 포함될 수 있다. 실시예에서는 도 15에 도시된 바와 같이, 차선의 센터라인을 연결하고, 레인 및 링크를 포함하는 차선에서 끊어진 부분을 연결한다. 도 16에 도시된 바와 같이, 차선정보(WH_LANE.shp )와 차선의 센터 라인(WH_LINK.shp)을 병합(merge)하고 포인트 위치를 정렬한다. 이후 도 17에 도시된 바와 같이, 라인 속성을 추가한다. 실시예에서는 Lanelet2의 자료구조와 제공되는 라이브러리를 활용하기 위해서 도로형상 형식의 고정밀 지도에 포함된 차선표시(규제선), 노면표시(노면방향/유도선/횡단보도면)와 같은 정보를 Lanelet2의 선, 교통규약 등의 요소로 변환한다. 실시예에서는 라인의 굵기와 종류를 속성 정보 설정을 통해 조정할 수 있다. 도 18에 도시된 바와 같이, 레인렛의 좌측, 우측 및 센터라인 선택 후 도록 정보를 선택하여 속성 정보로 추가할 수 있다.

실시예에 따른 자율주행차량 시스템 운용을 위한 최적경로 생성 시스템은

경로기반 자율주행 차량의 출발지과 목적지를 선정하고 고정밀 지도를 고려하여 자율주행 노선을 자동으로 생성한다. 실시예에서는 자동으로 생성된 자율주행 노선에 자율주행 차량을 운행 시킬 수 있다.

도 19는 실시예에 따른 자율주행 차량의 운행 경로 노드 별 경로생성 시스템이 항만의 야드 트럭에 적용된 실시예를 설명하기 위한 도면이다.

도 19를 참조하면, 실시예에 따른 자율주행 차량의 운행 경로 노드 별 경로생성 시스템은 항만 야드트럭에서 활용할 수 있고, 부산항만에 진입하는 일반차량이 길을 알지 못하는 경우 실시예에서 생성된 경로 데이터를 가이드 데이터로 활용할 수 있다.

실시예에서는 항만위를 주행하는 야드트럭 및 크레인 등 이동객체 각각에서 이동 객체의 현재 위치, 목적지, 항만 시설 및 다른 이동객체의 위치 변화량을 고려하여 항만위를 주행하는 야드 트럭과 트레인의 안전 주행 경로를 생성할 수 있다. 또한, 실시예에서는 안전 주행 경로, 작업 효율을 향상시키는 경로 및 최단 경로 등 다양한 경로를 사용자 옵션에 따라 생성할 수 있다. 실시예에서는 항만에서의 경로 생성 시, 크레인의 위치에 따라 차량의 통행 방향을 설정할 수 있다. 구체적으로, 크레인이 우측에 있으면, 차량을 우측 방향으로 통행하여 이동하는 경로를 생성하고, 크레인이 좌측에 있으면, 좌측 방향으로 통행하여 진입할 수 있도록 하는 경로를 생성한다.

실시예에 따른 자율주행 차량의 운행 경로 노드 별 경로생성 시스템은 운행경로 생성 프로그램, 운행 맵 업그레이드(OTA) 및 자율주행 차량 시스템 고도화를 수행한다. 자율주행 차량 경로 변경 운행 솔루션을 제공하고 자율주행 주행 경로 오토라우팅 생성 솔루션을 제공한다.

실시예를 통해 데이터 OTA(Over-the-air programming)를 위한 제어기를 구현하여 자율주행 차량 시스템 고도화하고, 자율주행 차량 경로 오토라우팅 운행을 구현할 수 있도록 한다. 또한, 실시예에 따른 자율주행 차량의 운행 경로 노드 별 경로생성 시스템을 항만의 야드 트럭 및 크레인에 적용하여, 항만에 진입하는 차량이 경로를 찾지 못하는 경우, 항만 위의 이동 객체 및 시설 위치를 고려한 최적 경로를 제공할 수 있다. 아울러, 항만 등의 특수 지역에서 목적지까지의 최단 경로, 가장 안전한 경로, 작업 효율을 최대화하는 경로 등을 사용자 옵션에 따라 다양하게 생성하여 특수 지역에서의 주행 편의성을 향상시킬 수 있도록 한다.

이상에서와 같은 자율주행 차량의 운행 경로 노드 별 경로생성 시스템은 노선 생성을 위한 다양한 속성 정보를 반영한 최적 경로를 생성함으로써, 주행시간과 연로 소비량을 포함하는 자율 주행 차량 주행 비용을 최소화할 수 있도록 한다. 이를 통해, 자율주행 차량이 목적지까지 더욱 빠르고 안전하게 도달할 수 있도록 하고, 자율주행 차량 시스템 운용 효율을 대폭 향상시킬 수 있도록 한다.

개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시예에 한정되지 않는다.

Claims (7)

1. 자율주행 차량의 운행 경로 노드 별 경로생성 시스템은
   교통 시나리오를 다루기 위해 설계된 공용 라이브러리 및 고정밀 지도 데이터를 수집하는 데이터 수집 모듈;
   도로 주행시 고려해야하는 교통 법규 및 환경정보인 고정밀 지도의 속성정보를 설정하는 설정 모듈;
   경로기반 자율주행 차량의 출발지과 목적지를 선정하고, 속성정보가 반영된 고정밀 지도를 기반으로 자율주행 전역경로를 생성하는 노선 생성모듈; 및
   생성된 자율주행 전역경로 중 자율주행 차량의 이동에 필요한 비용을 최소화한 최적경로를 추출하는 최적경로 추출모듈; 을 포함하고
   상기 노선 생성모듈; 은
   고정밀 지도(HD-MAP)에 추가되는 신호 정보 및 속도 제약, 정지라인, 방지턱을 포함하는 도로 세부 정보를 기반으로 차량 별 최적 경로를 생성하고, 항만을 포함하는 특수 지역에서는 차량에 목적지가 입력되면, 실시간 교통 상황 및 사용자 옵션에 따라 특수지역에서 목적지까지 가장 빠른 경로, 가장 안전한 경로 및 상기 차량에 지정된 작업에 원활한 경로 중 적어도 하나를 최적 경로로 생성하는 것을 특징으로 하는 자율주행 차량의 운행 경로 노드 별 경로생성 시스템.
   
2. 제1항에 있어서, 상기 최적경로 추출모듈; 은
   이동에 필요한 비용을 최소화한 최적경로를 추출하기 위해, 자율주행 차량의 출발지에서 목적지까지 이동 거리 및 소요 시간을 고려하여 이동에 필요한 비용을 산출하는 것을 특징으로 하는 자율주행 차량의 운행 경로 노드 별 경로생성 시스템.
   
3. 제1항에 있어서, 상기 속성정보는
   차량 제한 속도, 정류장, 정지선, 횡단보도, 과속 방지턱, 조심운전 필요여부, 보호구역 및 교차로를 포함하는 것을 특징으로 하는 자율주행 차량의 운행 경로 노드 별 경로생성 시스템.
   
4. 제1항에 있어서, 상기 최적경로 추출모듈; 은
   고정밀 지도를 지역 경로 계획에 활용하기 위해, 고정밀 지도로부터 최적 경로를 생성하고, 생성한 최적 경로를 활용하여 고정밀 지도에서 추출한 도로형상 정보와 교통 정보가 포함된 주변 환경 정보를 추출하고,
   추출된 주변 환경 정보를 전역 경로 계획 알고리즘에 입력하여 주행 가능한 최적의 경로를 생성하는 것을 특징으로 하는 자율주행 차량의 운행 경로 노드 별 경로생성 시스템.
   
5. 제1항에 있어서, 상기 최적경로 추출모듈; 은
   교통 시나리오를 다루기 위해 설계된 공용 라이브러리를 이용하여, 자율주행 차량 출발지와 목적지까지의 고정밀 지도를 그래프로 변환하고, 변환된 그래프의 노드를 맵을 구성하는 단위 섹션인 각각의 레인렛에 할당하고, 인접한 레인렛의 연결관계 및 다른 레인렛으로의 이동에 필요한 비용을 표시하는 것을 특징으로 하는 자율주행 차량의 운행 경로 노드 별 경로생성 시스템.
   
6. 제5항에 있어서, 상기 최적경로 추출모듈; 은
   시작지점 레인렛과 목표지점 레인렛 사이에 연결된 모든 레인렛으로 이루어진 경로들을 추출하고, 추출된 레인렛으로 이루어진 경로 중 비용이 최소가 되는 경로를 최적 경로로 선정하는 것을 특징으로 하는 자율주행 차량의 운행 경로 노드 별 경로생성 시스템.
   
7. 제6항에 있어서, 상기 최적경로 추출모듈; 은
   레인렛의 이동 방향에 대응하는 연결 관계를 나타낸 화살표인 엣지에 각 노드 사이의 비용을 표현한 그래프 구조에서, 시작 노드와 목표 노드 간의 비용을 최소화한 최적 경로를 탐색하는 것을 특징으로 하는 자율주행 차량의 운행 경로 노드 별 경로생성 시스템.