KR20240055365A - 가상 환경에 도로균열과 방지턱을 생성하기 위한 시스템 및 방법 - Google Patents

Abstract

본 발명은 주행하는 차량으로부터 실제 도로의 도로균열과 방지턱을 식별하여 가상 환경의 도로 상에 구축함으로써 시뮬레이션 시 실제 환경과 거의 유사한 가상 환경을 제공하는, 가상 환경에 도로균열과 방지턱을 생성하기 위한 시스템 및 방법에 관한 것으로, 이의 시스템은 원하는 실제 장소에 대하여 차량으로부터 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터 중 적어도 하나 이상을 수신하는 데이터 수집 모듈과, 데이터 수집 모듈을 통해 수신한 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터로부터 도로의 균열 또는 방지턱으로 추정되는 장애물을 식별하는 추정 학습 모델, 추정 학습 모델을 통해 식별된 장애물 데이터를 가상환경의 도로 상에 반영하여 실제 도로와 유사한 가상 도로를 생성하는 도로 생성 모듈을 포함한다.

Description

가상 환경에 도로균열과 방지턱을 생성하기 위한 시스템 및 방법{SYSTEM AND METHOD FOR CREATING CRACK AND SPEED BUMP ON VIRTUAL ROAD}

본 발명은 자율주행 시뮬레이션을 위한 가상 환경 구축에 관한 것으로, 더욱 상세하게는 주행하는 차량으로부터 실제 도로의 도로균열과 방지턱을 식별하여 가상 환경의 도로 상에 구축함으로써 시뮬레이션 시 실제 환경과 거의 유사한 가상 환경을 제공하는, 가상 환경에 도로균열과 방지턱을 생성하기 위한 시스템 및 방법에 관한 것이다.

일반적으로, 자율주행 시뮬레이션은 실제 자동차에 각종 시험을 위한 장치를 설치하고 가상 환경에서 실제 도로를 주행하며 진행하고 있다.

최근 들어서는, 자율주행 시뮬레이션 시 가상 환경을 실제 환경과 유사하게 제공하여 실제 도로를 주행하면서 테스트하는 것과 같은 효과를 부여하고자 개발 중에 있다. 따라서, 가상 환경에 실제 도로 상의 균열과 방지턱을 생성하는 것은 자율주행 제어 알고리즘의 검증을 위해 중요하게 여겨지고 있다.

기존에 가상 환경을 구축하는 방법으로는 시스템 관련 개발자가 가상 환경의 도로 상에 방지턱이나 도로 균열, 신호등 등의 장애물을 수기로 입력하였다.

이를 보완하고자 자동화 시스템이 도입되었는데, 균열 및 방지턱 감지 시스템들은 주로 카메라, GPS, 레이저 정보들을 이용하고 있다.

그러나, 카메라는 악천후 발생 시에 정확한 측정이 어렵고, GPS는 빌딩이 많은 지역에서 그 정확도가 떨어지며, 레이저를 이용한 센서들은 데이터 수신 상태에 따라 정확한 측정이 어려운 단점이 있다. 또한, 기존 차량에 카메라뿐만 아니라 센서들을 장착해야만 측정이 가능한 단점이 있다.

대한민국 등록특허 10-2389160호(2022. 04. 18 등록)

본 발명은 상기의 문제점을 해결하기 위한 것으로서, 차량의 별도의 센서를 장착하지 않고서도 주행하는 차량으로부터 가속도, 핸들, 페달 답력 데이터를 취득하여 실제 도로 상의 균열과 방지턱을 식별하고, 식별된 데이터를 가상 환경의 도로 상에 생성함으로써, 마치 실제 환경에서 주행하는 것 같은 시뮬레이션 환경을 제공하는, 가상 환경에 도로균열과 방지턱을 생성하기 위한 시스템 및 방법을 제공하는 데 있다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상기와 같은 기술적 과제를 해결하기 위하여, 본 발명의 실시예에 의한 가상환경에 도로균열과 방지턱을 생성하기 위한 시스템은, 원하는 실제 장소에 대하여 차량으로부터 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터 중 적어도 하나 이상을 수신하는 데이터 수집 모듈; 상기 데이터 수집 모듈을 통해 수신한 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터로부터 도로의 균열 또는 방지턱으로 추정되는 장애물을 식별하는 추정 학습 모델; 상기 추정 학습 모델을 통해 식별된 장애물 데이터를 가상환경의 도로 상에 반영하여 실제 도로와 유사한 가상 도로를 생성하는 도로 생성 모듈;을 포함한다.

또한, 본 발명의 실시예에 의한 가상환경에 도로균열과 방지턱을 생성하기 위한 시스템은, 상기 추정 학습 모델을 통해 식별된 장애물 데이터에 위치데이터를 융합하여 상기 장애물에 대한 위치를 추출하는 데이터 융합 모듈;을 더 포함할 수 있다.

이때, 상기 도로 생성 모듈은, 상기 가상 도로를 생성할 때 상기 데이터 융합 모듈을 통해 융합된 위치데이터에 기초하여 실제 환경과 동일한 위치에 해당 장애물을 생성할 수 있다.

또한, 상기 추정 학습 모델은, 상기 데이터 수집 모듈을 통해 수신한 브레이크 페달 답력 데이터 및 액셀 페달 답력 데이터로부터 도로의 방지턱 및 방지턱의 높낮이를 추정하고, 상기 도로 생성 모듈은, 상기 가상환경의 도로 상에 상기 추정 학습 모델을 통해 식별된 방지턱을 생성할 때 상기 방지턱의 높낮이에 대응되는 돌출부를 포함하여 생성할 수 있다.

또한, 상기 추정 학습 모델은, 상기 데이터 수집 모듈을 통해 수신한 가속도 데이터 및 핸들 답력 데이터로부터 핸들의 좌우 흔들림 정보, 가감속 정도에 따라 도로의 균열 및 균열의 깊이를 추정하고, 상기 도로 생성 모듈은, 상기 가상환경의 도로 상에 상기 추정 학습 모델을 통해 식별된 도로균열을 생성할 때 상기 균열의 깊이에 대응되는 패인 홈부를 포함하여 생성할 수 있다.

또한, 본 발명의 실시예에 의한 가상환경에 도로균열과 방지턱을 생성하기 위한 시스템은, 상기 차량의 전후, 좌우를 촬영하여 실제 도로 상에 착시 현상을 이용한 방지턱을 인식하기 위한 카메라 모듈;을 더 포함할 수 있다. 이 경우, 상기 추정 학습 모델은, 상기 카메라 모듈로부터 촬영된 영상 데이터로부터 도로에 백색선, 황색선으로 도색되거나 테이핑된 방지턱을 이미지 인식을 통해 식별하고, 상기 도로 생성 모듈은, 상기 추정 학습 모델을 통해 식별된 방지턱을 생성할 때, 착시 현상을 이용한 방지턱에 대해서도 기설정된 평균 높이에 대응되는 돌출부를 포함하여 생성할 수 있을 것이다.

한편, 본 발명의 실시예에 의한 가상환경에 도로균열과 방지턱을 생성하기 위한 방법은, 자율주행 시뮬레이션을 위해 가상환경을 구축하는 방법으로서, 가상환경 구축 서버의 데이터 수집 모듈이, 차량으로부터 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터 중 적어도 하나 이상을 수신하는 단계; 상기 서버의 추정 학습 모델이, 상기 데이터 수집 모듈을 통해 수신한 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터로부터 도로의 균열 또는 방지턱으로 추정되는 장애물을 식별하는 단계; 상기 서버의 도로 생성 모듈이, 상기 추정 학습 모델을 통해 식별된 장애물 데이터를 가상환경의 도로 상에 반영하여 실제 도로와 유사한 가상 도로를 생성하는 단계;를 포함한다.

이러한 본 발명의 실시예에 따르면, 차량의 별도의 센서를 장착하지 않고서도 주행하는 차량으로부터 가속도, 핸들, 페달 답력 데이터를 취득하여 실제 도로 상의 균열과 방지턱을 식별할 수 있는 효과가 있다. 이는 도로를 주행하는 차량의 상태를 취득하여 도로 환경의 물리적인 특성을 추정해내는 방식으로, 도로의 물리적인 굴곡이 차량의 움직임에 반영되는 특성을 이용한 것이다.

또한, 본 발명의 실시예에 따르면, 실제 도로에 있는 도로균열 또는 방지턱을 가상 도로 상에 반영하여 제공함으로써 마치 실제 환경에서 주행하는 것 같은 시뮬레이션 환경을 제공할 수 있는 현저한 효과가 있다.

또한, 본 발명의 실시예에 따르면, 환경의 영향을 전혀 받지 않고, 특히 주행 환경에 영향을 받지 않고서도 도로균열과 방지턱의 위치데이터까지 취득할 수 있는 효과가 있다. 주행 환경 노이즈에 강인한 효과가 있다.

도 1은 본 발명의 실시예에 따른 가상 환경에 도로균열 및 방지턱을 생성하기 위한 시스템의 네트워크 구성을 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 시스템을 통해 도로균열, 방지턱, 위치 데이터를 추출하는 과정을 도식화한 도면이다.
도 3은 본 발명의 실시예에 따른 가상 환경에 도로균열 및 방지턱을 생성하기 위한 방법을 나타낸 순서도이다.

이하에서는 도면을 참조하여 본 발명을 더욱 상세하게 설명한다.

도 1은 본 발명의 실시예에 따른 가상 환경에 도로균열 및 방지턱을 생성하기 위한 시스템의 네트워크 구성을 나타낸 도면이고, 도 2는 본 발명의 실시예에 따른 시스템을 통해 도로균열, 방지턱, 위치 데이터를 추출하는 과정을 도식화한 도면이다.

먼저 도 1을 참조하면, 본 발명의 실시예에 따른 시스템은, 크게 차량(100)에 탑재된 센서들(110, 120, 130)과, 센서들(110, 120, 130)을 통해 취득한 데이터를 이용하여 가상환경을 구축하는 가상환경 구축 서버(200)를 포함하여 구현된다.

구체적으로 센서들은 가속도 센서(110), 페달 포지션 센서(120), 휠 센서(130)가 포함될 수 있고, 가상환경 구축 서버(200)는 데이터 수집모듈(210), 추정 학습 모델(220), 데이터 융합 모듈(230), 저장장치로 장애물 DB(240)와 가상도로 DB(250), 도로 생성 모듈(260)이 포함될 수 있다.

가속도 센서(110), 페달 포지션 센서(120), 휠 센서(130)는 차량 상태를 파악할 수 있는 구성품으로, 일반 차량이라면 이미 차량 내부에 탑재되어 차량 내부의 컨트롤러 및 OBD(On Board Diagnostics)에 연결되어 있다. 따라서 본 발명을 위해 별도의 설치가 불필요하다.

가속도 센서(110)는 차량의 가속 또는 감속 상태를 감지한다.

페달 포지션 센서(120)는 차량의 브레이크 페달 및 액셀 페달을 밟는 위치 및 힘을 감지하여 그에 상응하는 페달 답력 데이터를 출력한다.

휠 센서(130)는 스티어링 휠 감도 센서를 말한다. 이는 차량의 핸들이 회전됨에 따라 스티어링 휠이 회전되는 감도를 감지하여 그에 상응하는 핸들 답력 데이터를 출력한다.

가상 환경 구축 서버(200)의 데이터 수집 모듈(210)은 원하는 실제 장소에서 주행하는 차량에 의해 측정된 데이터들을 수집한다. 즉, 데이터 수집 모듈(210)은 차량(100)의 가속도 센서(110), 페달 포지션 센서(120), 휠 센서(130)들로부터 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터 중 적어도 하나 이상을 수신하여 원하는 실제 장소에 대응되는 데이터들을 수집한다.

추정 학습 모델(220)은 사전에 기계학습된 모델 알고리즘을 적용하여, 데이터 수집 모듈(210)을 통해 수신한 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터로부터 도로의 균열 또는 방지턱으로 추정되는 장애물을 식별한다.

식별된 장애물 데이터는 도 2에 도시한 것처럼, [핸들 답력값, 가속도값, 페달 답력값]으로 저장 및 관리될 수 있다. 이러한 데이터는 방지턱 및 도로균열을 통과하는 차량을 기계 학습하고 이를 통해 검출된 학습데이터에 근거하여 판정된(식별된) 데이터이다.

이를 테면, 추정 학습 모델(220)은 데이터 수집 모듈을 통해 수신한 브레이크 페달 답력 데이터 및 액셀 페달 답력 데이터를 이용하여 방지턱의 유무와, 방지턱의 높낮이를 추정할 수 있다.

일반적으로, 방지턱 앞에서 차량은 액셀 페달의 답력값이 줄어들고 브레이크 페달의 답력값이 증가하는 패턴을 보인다. 그리고, 차량의 앞 바퀴가 방지턱으로 진입하면 방지턱을 통과하기 위해 액셀 페달을 밟으므로, 액셀 페달의 답력값이 증가하는 패턴을 갖는다. 이러한 패턴과 답력값을 학습데이터와 비교 분석하여 방지턱뿐만 아니라, 방지턱의 높낮이를 추정할 수 있다.

또한, 추정 학습 모델(220)은 데이터 수집 모듈(210)을 통해 수신한 가속도 데이터 및 핸들 답력 데이터로부터 핸들의 좌우 흔들림 정보, 가감속 정도에 따라 도로의 균열 및 균열의 깊이를 추정할 수 있다.

핸들의 흔들림이 클수록, 감속이 클수록 균열의 깊이가 크며, 상세하게는 핸들 답력값을 기준으로 하여 깊이를 추정할 수 있을 것이다.

이렇게 식별된 장애물 데이터는 장애물 DB(240)에 저장된다.

도로 생성 모듈(260)은 추정 학습 모델(220)을 통해 식별된 장애물 데이터를 장애물 DB(240)로부터 불러 와 가상환경의 도로 상에 반영함으로써 실제 도로와 유사한 가상 도로를 생성한다. 이때, 도로 생성 모듈(260)은 가상환경의 도로 정보가 저장되어 있는 가상도로 DB(250)와 연계된다. 다시 말해, 도로 생성 모듈(260)은 가상도로 DB(250)로부터 백그라운드가 될 가상환경의 도로를 불러 와 생성하고, 생성된 가상환경 상에 장애물 DB(240)에 저장되어 있는 장애물 데이터를 반영하여 실제 도로와 같은 가상 도로를 생성한다.

가상 도로를 생성할 때, 도로 생성 모듈(260)은 데이터 융합 모듈(250)에서 취득한 위치데이터에 기초하여 실제 환경과 동일한 위치에 해당 장애물을 생성할 수 있다.

즉, 데이터 융합 모듈(250)은 추정 학습 모델(240)을 통해 식별된 장애물 데이터에 대하여 위치데이터를 취득하여 융합한다. 이를 통해 데이터 융합 모듈(250)은 장애물에 대한 실제 위치를 추출할 수 있다. 위치데이터는 차량으로부터 각종 데이터를 수신할 때 이와 대응되는 위치데이터를 함께 수신할 수 있다. 예를 들어, 라이다 혹은 카메라 등 인지 센서를 활용하여 사전에 정의되어 있는 맵 정보를 바탕으로 고정되어 있는 물체(나무,건물 등)를 인지함으로써 현재 차량의 위치를 파악할 수 있다. 또는, GPS, IMU 센서를 이용하여 직접적인 위치를 파악할 수 있으며, 또는 두 가지 방식을 혼합하여 더 정밀한 위치 정보를 획득할 수 있다.

이렇게 데이터 융합 모듈(250)을 통해 융합된 데이터는 도 2에서 예시한 융합 데이터를 말한다. 장애물 데이터에 이와 대응되는 위치데이터를 매칭하여 관리할 수 있다.

도로 생성 모듈(260)은 가상 환경의 도로 상에 추정 학습 모델(220)을 통해 식별된 방지턱을 생성할 때, 방지턱의 높낮이에 대응되는 돌출부를 포함하여 생성함으로써, 실제 방지턱과 동일하게 구현할 수 있다.

이와 마찬가지로, 도로 생성 모듈(260)은 가상 환경의 도로 상에 추정 학습 모델(220)을 통해 식별된 도로균열을 생성할 때, 균열의 깊이에 대응되는 패인 홈부를 포함하여 생성함으로써, 실제 도로균열과 동일한 가상도로를 구현할 수 있다.

이처럼, 본 발명의 실시예에 따른 시스템은 도로를 직접 측정하여 장애물을 식별하는 것이 아닌, 도로를 주행하는 차량의 상태를 취득하여 도로 환경의 물리적인 특성을 추정해내는 방식이라 할 수 있다. 이는 도로의 물리적인 굴곡이 차량의 움직임에 반영되는 특성을 이용한 것이다.

다시 말해, 본 발명의 실시예에 따른 시스템은 차량의 가속도와 핸들 센서값, 페달 답력 센서값을 이용하여 도로의 균열 및 방지턱을 추정하는 방식으로, 환경의 영향을 전혀 받지 않고, 특히 주행 환경에 영향을 받지 않고서도 도로균열과 방지턱의 위치데이터까지 취득할 수 있다. 주행 환경 노이즈에 강인한 시스템이라 할 수 있다.

한편, 본 발명의 실시예에 따른 시스템은 도로 상에 물리적인 굴곡이 아닌 착시 현상을 이용한 방지턱에 대해서도 식별하여 가상환경에 반영할 수 있다.

과속방지턱은 일정 도로 구간에서 통행 차량의 과속 주행을 방지하고 일정 지역에 통과 차량의 진입을 억제하기 위해서 설치하는 시설물로서, 보통 학교 앞이나 어린이 놀이터, 공원과 같이 보행자가 많고 교통사고 위험이 있다고 판단되는 도로에 설치된다. 또는 병원과 같이 차량의 출입이 많아서 속도규제가 필요하다고 판단되는 구간에 설치된다.

그러나, 운전자가 밤길 주행시 또는 방지턱을 인지하지 못해 미처 속도를 줄이기 못한 경우, 차체에 충격이 가해지고 이를 통해 충격을 흡수하는 댐퍼(쇼바)가 망가지거나 스티어링 휠 정렬이 어긋나는 경우가 빈번히 발생한다.

이러한 단점을 보완하고자, 최근 방지턱의 물리적 기능 대신에 시각적인, 착시 현상을 일으키도록 노면표시나 테이프 등으로 무늬를 만든 방지턱이 도입되고 있다. 이를 가상 과속방지턱이라고 부른다.

이는 도로에 물리적인 굴곡이 형성된 것이 아니므로 실제 차량의 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터로부터 정확한 식별이 불가능할 수 있다.

따라서, 이를 위해 본 발명의 실시예에 따른 시스템은 차량의 전후, 좌우를 촬영하여 실제 도로 상에 착시 현상을 이용한 방지턱을 인식하기 위한 카메라 모듈을 추가로 포함할 수 있다.

카메라 모듈을 통해 촬영된 영상 데이터는 가상 환경 구축 서버(200)의 데이터 수집 모듈(210)로 전달되고, 추정 학습 모델(220)은 이 영상 데이터로부터 이미지 인식 알고리즘을 통해 도로에 백색선, 황색선으로 도색된 또는 테이핑된 가상 방지턱을 식별한다.

그리고, 도로 생성 모듈(260)은 추정 학습 모델(220)을 통해 식별된 가상 방지턱을 생성할 때, 실제 도로에는 물리적인 굴곡이 없지만 가상 도로에는 기설정된 평균 높이에 대응되는 돌출부를 포함하여 생성함으로써, 실제 도로의 방지턱 기능을 가상 환경에 반영하도록 한다.

도 3은 본 발명의 실시예에 따른 가상 환경에 도로균열 및 방지턱을 생성하기 위한 방법을 나타낸 순서도이다.

이는, 자율주행 시뮬레이션을 위해 가상환경을 구축하는 방법에서 실제 도로의 장애물을 반영하기 위한 과정이다.

먼저, 가상 환경 구축 서버의 데이터 수집 모듈이, 차량으로부터 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터 중 적어도 하나 이상을 수신한다(S100).

다음, 가상 환경 구축 서버의 추정 학습 모델이, 데이터 수집 모듈을 통해 수신한 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터로부터 도로의 균열 또는 방지턱으로 추정되는 장애물을 식별한다(S200). 식별 방법은 앞서 시스템의 추정 학습 모델 구성에서 자세히 설명한 바, 중복되는 내용은 생략한다.

다음, 가상 환경 구축 서버의 데이터 융합 모듈이, 추정 학습 모델을 통해 식별된 장애물 데이터에 대하여 위치데이터를 취득하여 융합한다(S300). 이를 통해 장애물에 대한 실제 위치를 확인할 수 있다.

다음, 가상 환경 구축 서버의 데이터 융합 모듈이, 융합된 데이터를 장애물 DB에 저장해 둔다(S400).

다음, 가상 환경 구축 서버의 도로 생성 모듈이, 장애물 DB에 저장되어 있는 장애물 데이터를 불러 와 가상 환경의 도로 상에 반영함으로써 실제 도로와 유사한 가상 도로를 생성하는데, 이때 위치데이터에 기초하여 실제 환경과 동일한 위치에 해당 장애물을 생성한다(S500).

이러한 일련의 과정은 본 발명의 가상 환경에 도로균열과 방지턱을 생성하기 위한 기본적인 과정으로서, 이 하나의 실시예에 한정되는 것은 아니다.

각 실시예에서 예시된 특징, 구조, 효과 등은 실시예들이 속하는 분야의 통상의 지식을 가지는 자에 의해 다른 실시예들에 대해서도 조합 또는 변형되어 실시 가능하다. 따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

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

100: 차량 110: 가속도 센서
120: 페달 센서 130: 휠 센서
200: 가상 환경 구축 서버 210: 데이터 수집부
220: 추정 학습모델 230: 데이터 융합 모델
240: 장애물 DB 250: 가상 도로 DB
260: 도로 생성 모듈

Claims (7)

1. 원하는 실제 장소에 대하여 차량으로부터 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터 중 적어도 하나 이상을 수신하는 데이터 수집 모듈;
   상기 데이터 수집 모듈을 통해 수신한 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터로부터 도로의 균열 또는 방지턱으로 추정되는 장애물을 식별하는 추정 학습 모델;
   상기 추정 학습 모델을 통해 식별된 장애물 데이터를 가상환경의 도로 상에 반영하여 실제 도로와 유사한 가상 도로를 생성하는 도로 생성 모듈;
   을 포함하는 가상 환경에 도로균일 및 방지턱을 생성하기 위한 시스템.
   
2. 제1항에 있어서,
   상기 추정 학습 모델을 통해 식별된 장애물 데이터에 위치데이터를 융합하여 상기 장애물에 대한 위치를 추출하는 데이터 융합 모듈;
   을 더 포함하는 것을 특징으로 하는 가상환경에 도로균일 및 방지턱을 생성하기 위한 시스템.
   
3. 제2항에 있어서,
   상기 도로 생성 모듈은,
   상기 가상 도로를 생성할 때 상기 데이터 융합 모듈을 통해 융합된 위치데이터에 기초하여 실제 환경과 동일한 위치에 해당 장애물을 생성하는 것을 특징으로 하는 가상환경에 도로균일 및 방지턱을 생성하기 위한 시스템.
   
4. 제1항에 있어서,
   상기 추정 학습 모델은,
   상기 데이터 수집 모듈을 통해 수신한 브레이크 페달 답력 데이터 및 액셀 페달 답력 데이터로부터 도로의 방지턱 및 방지턱의 높낮이를 추정하고,
   상기 도로 생성 모듈은,
   상기 가상환경의 도로 상에 상기 추정 학습 모델을 통해 식별된 방지턱을 생성할 때 상기 방지턱의 높낮이에 대응되는 돌출부를 포함하여 생성하는 것을 특징으로 하는 가상환경에 도로균열과 방지턱을 생성하기 위한 시스템.
   
5. 제1항에 있어서,
   상기 추정 학습 모델은,
   상기 데이터 수집 모듈을 통해 수신한 가속도 데이터 및 핸들 답력 데이터로부터 핸들의 좌우 흔들림 정보, 가감속 정도에 따라 도로의 균열 및 균열의 깊이를 추정하고,
   상기 도로 생성 모듈은,
   상기 가상환경의 도로 상에 상기 추정 학습 모델을 통해 식별된 도로균열을 생성할 때 상기 균열의 깊이에 대응되는 패인 홈부를 포함하여 생성하는 것을 특징으로 하는 가상환경에 도로균열과 방지턱을 생성하기 위한 시스템.
   
6. 제1항에 있어서,
   상기 차량의 전후, 좌우를 촬영하여 실제 도로 상에 착시 현상을 이용한 방지턱을 인식하기 위한 카메라 모듈;을 더 포함하며,
   상기 추정 학습 모델은,
   상기 카메라 모듈로부터 촬영된 영상 데이터로부터 도로에 백색선, 황색선으로 도색되거나 테이핑된 방지턱을 이미지 인식을 통해 식별하고,
   상기 도로 생성 모듈은,
   상기 추정 학습 모델을 통해 식별된 방지턱을 생성할 때, 착시 현상을 이용한 방지턱에 대해서도 기설정된 평균 높이에 대응되는 돌출부를 포함하여 생성하는 가상환경에 도로균열과 방지턱을 생성하기 위한 시스템.
   
7. 자율주행 시뮬레이션을 위해 가상환경을 구축하는 방법으로서,
   가상환경 구축 서버의 데이터 수집 모듈이, 차량으로부터 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터 중 적어도 하나 이상을 수신하는 단계;
   상기 서버의 추정 학습 모델이, 상기 데이터 수집 모듈을 통해 수신한 가속도 데이터, 핸들 답력 데이터, 페달 답력 데이터로부터 도로의 균열 또는 방지턱으로 추정되는 장애물을 식별하는 단계;
   상기 서버의 도로 생성 모듈이, 상기 추정 학습 모델을 통해 식별된 장애물 데이터를 가상환경의 도로 상에 반영하여 실제 도로와 유사한 가상 도로를 생성하는 단계;
   를 포함하는 가상환경에 도로균열과 방지턱을 생성하기 위한 방법.

Images