WO2021153989A1

WO2021153989A1 - 전기 자율주행 자동차 종방향 반응 제어를 위한 시스템 및 방법

Info

Publication number: WO2021153989A1
Application number: PCT/KR2021/001088
Authority: WO
Inventors: 김성문; 박대혁
Original assignee: (주)제인모터스
Priority date: 2020-01-29
Filing date: 2021-01-27
Publication date: 2021-08-05
Also published as: KR102201384B9; KR102201384B1

Abstract

실시예에 따른 전기자동차 속도 제어를 위한 PID 자동제어 시스템 및 방법은 반자율주행 가감속 제어기의 개발을 위해 상용차 기반 자율주행 시스템과 제어기 설계, V2X 통신을 기반으로 한 주행 우선순위 결정 알고리즘 개발, 자율주행 항법 보정 및 위치 정밀도 향상 기술개발, 인지 센서를 이용한 자율주행 도로환경 인지 기술개발, 학습을 활용한 주행습관 개선 알고리즘 적용 방안 구상, 학습을 활용한 주행습관 개선 알고리즘 개발, 반자율주행 기술이 적용된 상용차용 AEB 기능 개발을 수행한다.

Description

전기 자율주행 자동차 종방향 반응 제어를 위한 시스템 및 방법

전기 자율주행 자동차 종방향 반응 제어를 위한 시스템 및 방법에 관한 것으로 구체적으로, 1톤 전기 상용차 속도 가속 및 감속 제어를 위한 Kp 상향 모터 제어 방법에 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.

4차 산업혁명의 영향권 안에서는 여러 기술이 융합해 새로운 시장을 개척하고 전에 없던 혁신을 만들어내는 경우가 많다. 4차 산업혁명의 핵심 기술인 자율주행 기술, 친환경 자동차를 위한 전기자 자동차 기술의 결합을 통한 물류 혁명을 만들 수 있는 전기 상용차 자율주행 기술에 관한 연구가 활발하다. 자율 주행 자동차의 핵심 기술인 첨단 운전자 보조 시스템(Advanced Driver Assistance System, ADAS) 시장은 2023년까지 438억 달러 규모로 성장할 전망이다.

플래투닝(Platooning)은 무선 통신 네트워크를 기반으로 주로 트럭 등 산업용 화물 차량 여러 대를 하나로 묶고, 후방 차량이 인간 개입 없이 선두 트럭을 자동으로 따라가는 것을 목표로 하는 집단 자율 주행 기술이다. 다양한 스마트 기술을 융합한 최첨단 운전 지원 시스템으로 특히 유럽 지역에서 인간 운전자 보조 탑승, 선두 차량만 운전자 탑승 등 여러 단계의 테스트가 진행되고 있다. 플래투닝은 원래 단어 그대로 한 묶음, 하나의 소대라는 의미인데, 더 자세하게는 트럭 플래투닝(Truck Platooning)으로 불리기도 한다.

클라우드 기반 네트워크를 통해 일렬 연결된 2~3대의 트럭은 서로 방향, 신호, 위치, 속도 등 다양한 정보를 빠르게 주고받으면서 차량 간격을 일정하게 유지하며 이동하게 된다. 이때 센서, 사물 인터넷, GPS, 레이더 등 기존 기술에 더해 자율 비상 브레이크(Autonomous Emergency Braking), 차선 유지 보조(Lane Keeping Assist), 반응형 차량 제어(Lane Keeping Assist) 등 이미 상용화된 자율 주행 보조 기술이 복합적으로 적용된다.

트럭 같은 산업용 차량은 일반 승용차와 주행 특성이 매우 다르다. 우선 수십, 수백 톤의 화물을 싣고 움직이기 때문에 차량에 쏠리는 무게가 크고 제동 거리도 길 수밖에 없고, 또 날씨나 도로 상황 등 외부 조건에 민감한 특성을 가진다. 장거리를 이동하므로 인간 운전자의 체력과 집중력에 민감하고, 여러 대의 트럭이 함께 이동할 때는 전방 차량이 후방 차량의 시야를 가리는 경우도 많다.

아무리 능숙한 전문 운전자라고 해도 인간의 반응 시간에는 어느 정도 한계가 있기 때문에, 플래투닝 기술이 상용화되면 트럭의 주행안정성이 향상될 뿐만 아니라 공기저항에 의해 발생하는 연료소모량을 25%에서 7~10%까지 감소시켜 연비의 향상을 도모할 수 있으며, 군집주행과 자율주행 기술을 이용한 안정성이 확보되어 물류효율을 보다 향상시킬 것으로 전망된다. 이러한 플래투닝 기술을 실현하기 위해서는 차량간 통신 기술인 V2X, 상용차량 맞춤형 반자율주행주행 가감속 제어기의 개발이 필요하다.

*선행기술문헌

(특허문헌 1) 1. 한국 특허공개 제 10-2019-0000813 (2019.01.03)

(특허문헌 2) 2. 한국 특허등록 제 10-1380093 (2014.03.25)

실시예에서는 ACU에서 요구하는 자율주행 차량의 목표 속도에 빠르게 도달하기 위해 모터 PID 값을 산출하고, PID의 P값을 높은 수로 매핑 하여, 신속하게 정해진 속도에 도달할 수 있도록 한다.

실시예에 따른 반자율주행 가감속 제어를 위한 PID 자동제어 시스템은 차량 주변 통신객체와 플래투닝 그룹 형성 시 근접차량 및 리딩차량과 통신하는 통신모듈; 차량 전후방 측면의 장애물을 감지하고 전방차량의 차속, 주행 경로를 포함하는 주변차량정보를 감지하고, 정지선, 신호등, 표지판, 도로연석을 포함하는 도로정보를 감지하는 감지모듈; 및 차량 주변 통신객체와의 V2X 통신 결과 및 주변차량 정보와 도로정보에 따라 차량 속도를 제어하는 반자율주행주행 가감속 제어모듈; 을 포함한다.

다른 실시예에 따른 반자율주행 가감속 제어를 위한 PID 자동제어 방법은 (A) 자율주행 차량에서 차량 주변 통신객체와 플래투닝 그룹 형성 시 근접차량 및 리딩차량과 통신하는 단계; (B) 자율주행 차량에서 차량 전후방 측면의 장애물을 감지하고 전방차량의 차속, 주행 경로를 포함하는 주변차량정보 및 정지선, 신호등, 표지판, 도로연석을 포함하는 도로정보를 감지하는 단계; 및 (C) 자율주행 차량에서 차량 주변 통신객체와의 V2X 통신 결과 및 주변차량 정보와 도로정보에 따라 차량 속도를 제어하는 단계; 를 포함한다.

이상에서와 같은 전기자동차 속도 제어를 위한 PID 자동제어 시스템 및 방법은 전기자동차의 유지비, 수리비 등 총 보유 비용을 절감하여 수익성을 향상시킨다.

반자율주행 가감속 제어를 통해 배송차량의 주행안정성 및 효율을 향상시키고, 플래투닝 기술이 상용화되면 공기저항에 의해 발생하는 연료소모량을 25%에서 7~10%까지 감소시켜 연비의 향상을 도모할 수 있으며, 군집주행과 자율주행 기술을 이용한 안정성이 확보되어 물류효율을 보다 향상시킬 수 있다.

또한, 실시예를 통한 반자율주행 가감속 제어를 통해 플래투닝 시스템에서 차량 간격을 짧고 균일하게 유지하면서 도로 공간을 절약하고 교통 흐름에도 기여한다. 뿐만 아니라 단순한 비용 절감을 넘어, 물류 및 운송 산업과 노동 시장의 유연성에까지 긍정적인 영향력을 미칠 수 있다.

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 반자율주행 가감속 제어를 위한 V2X 통신 시스템의 신호처리 과정을 나타낸 도면

도 2는 실시예에 따른 반자율주행 가감속 제어를 위한 PID 자동제어 시스템이 장착된 차량을 나타낸 도면

도 3a는 실시예에 따른 반자율주행 가감속 제어를 위한 PID 자동제어 시스템의 데이터 처리구성을 나타낸 도면

도 3b는 실시예에서 주행 속도 목표 값을 10으로 했을 때의 PID 값의 시뮬레이션 결과를 나타낸 도면

도 3c는 반자율주행주행 가감속 제어모듈(150)에서 산출된 차량의 주행 속도의 토크 맵을 나타낸 도면

도 4는 실시예에 따른 반자율주행 가감속 제어모듈(150)의 데이터 처리 구성을 나타낸 도면

도 5는 실시예에 따른 감지모듈에서 센서정보를 이용한 위치 즉위 보정을 수행하는 과정을 설명하기 위한 도면

도 6은 실시예에 따른 감지모듈에서 차선 및 신호를 인지하는 과정을 설명하기 위한 도면

도 7은 실시예에 따른 감지모듈의 도로 연석 감지과정을 설명하기 위한 도면

도 8은 실시예에 따른 감지모듈의 전방 차량 인식과정을 설명하기 위한 도면

도 9는 실시예에 따른 운전자 습관 개선 모듈의 데이터 처리 구성을 나타낸 도면

도 10은 실시예에 따른 차량 속도 제어를 위한 PID 자동제어 방법의 데이터 처리 흐름을 나타낸 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 반자율주행 가감속 제어를 위한 V2X 통신 시스템의 신호처리 과정을 나타낸 도면이다.

실시예에 따른 반자율주행 가감속 제어를 위한 V2X 통신 시스템은 V2X 기반의 자율주행 제어 레벨 판단 V2X 신호 중 각각의 레벨을 할당하여 우선시 수행해야 하는 우선순위를 할당한다. 실시예에 따른 반자율주행 가감속 제어를 위한 V2X 통신 시스템은 V2I(V2I(vehicle-to-infrastructure, 차량 대 인프라), V2V(vehicle-to-vehicle, 차량 대 차량) 상황에 따른 차량의 주행 판단 알고리즘 개발, V2I 연동 자율주행과 관련된 시나리오 진행 및 WAVE 통신과 연동하여 도로 상황에 따른 자율주행 판단 및 제어를 수행한다.

도 2는 실시예에 따른 반자율주행 가감속 제어를 위한 PID 자동제어 시스템이 장착된 차량을 나타낸 도면이다.

도 2를 참조하면, 반자율주행 가감속 제어를 위한 차량은 ACU, VCU, 페달 및 클러스터를 포함하여 구성될 수 있다.

ACU(Auto Control Unit)는 자율주행 자동차의 상태 및 주변 객체 인지하여 주행상황을 판단하고, 이에 따라 주행 목표 속도 결정 한다.

VCU(Vehicle Control Unit)는 주어진 목표 속도에 맞도록 전기차 총괄 제하고, 클러스터는 차량의 현재 상태정보를 모니터링 하여 운전자에게 제공한다.

패달은 브레이크와 엑셀레이터를 포함하고, 운전자의 차량 속도 결정 장치로서, 실시예에서는 패달에 장착되어 있는 모터를 이용하여 자율주행을 가능하게 한다.

도 3a는 실시예에 따른 반자율주행 가감속 제어를 위한 PID 자동제어 시스템의 데이터 처리구성을 나타낸 도면이다.

도 3a를 참조하면, 실시예에 따른 반자율주행 가감속 제어를 위한 PID 자동제어 시스템은 통신모듈(110), 감지모듈(130), 반자율주행 가감속 제어모듈(150), 주행습관 개선 학습모듈(170) 및 데이터베이스(도면 미도시)를 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.

데이터베이스에는 V2X 시스템에 포함된 차량을 포함하는 통신 객체들의 통신 데이터와 차량의 주행정보, 데이터 학습 정보 등 반자율주행 가감속 제어에 필요한 일련의 데이터가 저장된다.

통신모듈(110)은 차량 주변 통신객체와 플래투닝 그룹 형성 시 근접차량 및 리딩차량과 통신한다. 실시예에서는 V2X, WAVE, 5G를 포함하는 통신 프로토콜에 따라 차량과 주변 객체, 모바일 단말 및 서버간 통신이 가능하다.

감지모듈(130)은 차량 전후방 측면의 장애물을 감지하고 전방차량의 차속, 주행 경로를 포함하는 주변차량정보 및 정지선, 신호등, 표지판, 도로연석을 포함하는 도로정보를 감지한다.

감가속 센서는 차량 브레이크 및 액셀레이터에 페달의 기울기 및 기울기 변화량을 감지한다. 또한, 실시예에 따른 감가속 센서는 액추에이터 동작에 따라서 페달 신호의 변화를 측정하고 로깅(Logging) 한다. 이후, 로깅 데이터를 이용하여 공인인증 기관의 확인과정을 수행할 수 있다.

반자율주행주행 가감속 제어모듈(150)은 차량 주변 통신객체와의 V2X 통신 결과 및 주변차량 정보와 도로정보에 따라 차량 속도를 제어한다. 실시예에서 반자율주행주행 가감속 제어모듈(150)은 모터 제어 목표값이 차량의 목표 주행 속도가 되게 하기 위한 속도 변화량을 산출한다. 예컨대, 반자율주행 가감속 제어모듈(150)은 ACU에서 요구하는 자율주행 차량의 목표 속도를 빠르게 따르기 위해서 PID의 P값을 높은 수를 매핑하여, 빠르게 정해진 속도에 도달할 수 있는 방안을 제시한다. 도 3b는 목표 값을 10으로 했을 때의 PID 값의 시뮬레이션 결과이고, 도 3c는 반자율주행주행 가감속 제어모듈(150)에서 산출된 차량의 주행 속도의 토크 맵을 나타낸 도면이다.

또한, 반자율주행 가감속 제어모듈(150)은 페달 기울기 변화량에 의한 차속 변화량을 산출하여 비례 이득값 및 오차 산출에 반영한다.

또한, 반자율주행 가감속 제어모듈(150)은 가속 제어 응답특성, 및 감속 제어 응답특성을 학습하고, 차량 별 응답특성 학습 결과를 이득값 산출에 적용한다. 이로써, 차량 개별 주행특성에 따라 반자율주행 속도제어가 더욱 정확하게 수행되도록 한다.

주행습관 개선 학습모듈(170)은 운전자의 주행데이터, 차량 제어데이터를 수집하여 운전자 별 학습데이터를 차량에 적용하고, 운전자 별로 저장된 학습데이터를 기반으로 운전습관을 파악하고, 고 위험 군의 운전습관이 확인된 경우, 반자율주행을 통해 운전습관을 개선시키기 위한 자율주행을 수행한다. 예컨대, 커브에서 감속 량이 적거나, 신호대기 시 급가속 하는 습관이 모니터링 된 경우, 주행습관 개선 학습모듈(170)은 운전자가 밟은 브레이크에 의한 감속 량보다 더욱 감속 시키도록 반자율주행 가감속 제어모듈(150)에 피드백 한다. 아울러, 정지신호 발견 시, 운전자가 브레이크를 밟을 것으로 예상되는 시점보다 앞선 시점부터 차량 속도를 감속 시킨다.

도 4는 실시예에 따른 반자율주행 가감속 제어모듈(150)의 데이터 처리 구성을 나타낸 도면이다.

도 4를 참조하면, 실시예에 따른 반자율주행 가감속 제어모듈(150)은 이득산출부(151), 에러량 산출부(153) 및 피드백부(155)를 포함하여 구성될 수 있다.

이득산출부(151)는 목표속도와 주행속도간 차이 및 주행속도의 변화량, PID 산출을 위한 비례이득인 비례이득(Kp), 적분이득(Ki), 미분이득(Kd)을 산출한다.

원래 PID 제어는 연속한 아날로그량을 제어하는 것이 기본이지만, 컴퓨터의 프로그램으로 PID 제어를 실현하려고 하는 경우에는 연속적인 양을 취급할 수 없다. 컴퓨터 데이터의 입출력은 일정시간 간격으로밖에 할 수 없기 때문이다. 뿐만 아니라 미적분 연산을 수행 하고 있는 것에서는 연산에 요하는 능력으로 인해 고성능의 컴퓨터가 필요하게 되므로 실시예에 따른 이득산출부(151)는, 샘플링 방식(이산 값)에 적합한 PID 연산 방식으로 비례이득(Kp), 적분이득(Ki), 미분이득(Kd)을 산출한다.

실시예에서 이득산출부(151)는 샘플링 방식의 PID 제어의 기본 수식인 수학식 1을 통해 조작량을 산출한다.

수학식 1: 조작량=Kp×편차+Ki×편차의 누적 값+Kd×전회 편차와의 차

수학식 1을 다른 수식으로 나타내면 수학식 2와 같다.

수학식 2: MVn=MVn-1+ΔMVn

ΔMVn=Kp(en-en-1)+Ki en+Kd((en-en-1)-(en-1-en-2))

MVn, MVn-1: 금회, 전회 조작량

ΔMVn: 금회 조작량 미분

en, en-1, en-2: 금회, 전회, 전전회의 편차

실시예에 따른 이득산출부(151)는 수학식 1과 2를 프로그램으로 실현하기 위해서는 이번과 전회의 편차값만 측정하여 조작량을 산출한다.

또한 이득산출부(151)는 PID 제어 파라미터를 산출하기 위해, 각 항에 붙는 정수, Kp, Ki, Kd를 산출한다. 예컨대, 이득산출부(151)는 비례이득(Kp), 적분이득(Ki), 미분이득(Kd)의 최적값 산출을 위해, 여러 회차에 걸쳐 실제 제어한 결과에서 최적 Kp, Ki, Kd 값을 구하고, 각각의 값을 설정하도록 한다.

또한, 실시예에서 이득산출부(151)는 스텝 응답법과 한계 감도법을 이용하여 비례이득(Kp), 적분이득(Ki), 미분이득(Kd) 값을 튜닝(tuning)한다.

또한, 실시예에서 이득산출부(151)는 비례이득(Kp), 적분이득(Ki), 미분이득(Kd) 값의 튜닝을 자동적으로 실행한 후 제어 결과를 학습하고, 그 결과로부터 항상 최적한 파라미터 값을 산출하여 다음 제어 사이클에 반영한다.

PID 제어는 비례, 적분 미분을 이용하여 원하는 입력값에 올바르게 도달하는 제어알고리즘으로서, PID 제어는 제어기 구조가 간단하고 제어 대상의 프로세스 모델이 필요하지 않아 정확한 수학적 모델을 알 수 없을 때 편리하며 구현 난이도 대비 목표치 추종이나 외란 감쇄 효과에 탁월한 성능을 얻을 수 있다. 실시예에서 이득산출부(151)는 PID 제어기의 설계는 비례이득 Kp, 적분이득 Ki, 미분이득 Kd를 결정한다.

비례이득 Kp은 시스템의 전이시간(transient time) 및 정상상태 오차를 감소시키지만, 정상상태 오차 제거를 수행할 수 없고, 오버슈트의 증가를 가져오고, 미분제어는 오버슈트 및 정정기간을 감소시킨다. 실시예에서 산출된 적분이득은 정상상태 오차를 제거하고 상승시간을 줄이는 반면 오버슈트와 정정시간을 증가 시킨다.

비례 제어(P)는 대상 시스템 동작에 에러량이 발생할 때, 이에 해당하는 에러량을 보상하기 위해 비례 상수를 곱해 에러량을 줄이는 제어방법을 말한다. 이를 크게 할수록 응답성이 좋아지고 목표 값 도달 시간도 짧아진다.

적분제어(I)는 시스템이 정상 상태에 도달한 이후에도, 목표값에 도달하지 못할 때, 그 오차를 줄이는 데 효과적이다. 그 이전의 시간까지 발생한 오차를 적분해 오차 값을 줄이고자 하는 제어방법이기 때문이다. 이게 너무 크면 오버슈트 또는 언더슈트가 발생해서 이것도 역시 적절한 범위 내 사용해야 한다. 미분제어(D)는 목표속도가 0인 경우 현재 속도에 속도 이득을 곱해 속도를 줄여주는 역할을 한다. 즉, 전체 시스템의 댐핑을 크게 하는 역할을 하기 때문에 정상 상태에서의 진동을 제거하는 효과를 가진다. 예로 들어 비례 이득 너무 크게 해 오버슈트(over shoot) 및 그로 인한 진동 발생 시, D가 어느 정도 상쇄시켜줄 수 있다. 그러나 측정 위치의 미분값에 의해 얻어지는 속도는 노이즈에 매우 민감하기 때문에 미분 이득의 크기는 이에 의해 제한을 둘 수 밖에 없다.

에러량 산출부(153)는 산출된 이득값에 따라 모터 제어 후, 목표속도와의 오차를 산출한다.

피드백부(155)는 산출된 오차를 각각의 이득 값에 적용하여 모터제어를 피드백 한다.

도 5는 실시예에 따른 감지모듈에서 센서정보를 이용한 위치 즉위 보정을 수행하는 과정을 설명하기 위한 도면이다.

실시예에 따른 감지모듈(130)은 센서 정보를 이용한 자율주행 항법 위치 보정 알고리즘을 구현하여 라이다(LiDAR), 카메라(Camera)와 같은 도로 실측정보를 제공할 수 있는 센서로부터 차량의 현재 위치를 글로벌 (Global) 좌표와 비교하여 보정한다. 도 5에 도시된 바와 같이, 감지모듈은 차량 라이더 센서로부터 수집한 데이터(A)와 보정알고리즘에 의해 보정된 데이터(B)를 비교하여 경로 보정 여부 및 보정 정도를 파악할 수 있다. 또한, 실시예에서는 카메라 좌표계 캘리브레이션을 이용한 카메라 좌표계 교정을 통해 외부 파라미터와 내부 파라미터의 픽셀 좌표를 1:1로 매칭한다. 또한, 감지모듈(130)은 외부 파라미터의 경우 미리 알고 있는 사물의 크기와 위치를 분석하여 카메라가 사물의 영상을 획득할 당시의 지면으로부터 높이나 객체의 자세 정보를 추출한다.

도 6은 실시예에 따른 감지모듈에서 차선 및 신호를 인지하는 과정을 설명하기 위한 도면이다.

실시예에서 감지모듈은 차량에 장착된 카메라에서 원근감이 있는 이미지를 탑뷰로 변환하여 차선, 정지선, 과속방지턱 등의 차선 인지를 수행한다. 실시예에서 차선 추출은 탑뷰 이미지의 마스크 기반 컨벌루션 연산 진행, 에지와 블러링 처리 후 컨벌루션 연산 수행된 최종 소벨 에지 이미지생성, 이진화된 이미지에서 차선 후보 검출하고 클러스터링 알고리즘을 적용하여 세로방향의 선 검출을 통해 차량 주변 차선을 인지할 수 있다.

정지선 인지의 경우 도 6에 도시된 바와 같이, 소벨 에지 이진화 이미지를 사용하여 아래쪽 포인트를 정지선의 후보 포인트로 저장 후 클러스터링 진행하여 방향을 가로로 검색하여 정지선을 인지한다.

신호등의 경우 ROI를 설정하여 신호등 인지 알고리즘을 통해 신호등의 존재여부와 신호 색을 파악한다. 도 6을 참조하면, 신호등의 경우 항상 네 개의 신호등 중 하나 혹은 두 개가 켜져 있는 특징을 가지고 있으므로 이 특징을 이용하여 신호등의 위치를 검색한다. 또한, 색상만으로 신호등의 빛이라 확신할 수 없으므로 색상을 추출한 영역에서 레이블링(Labeling)을 수행하여 적색과 녹색 신호를 검출 후 ROI를 만들어 신호등의 경계를 추출한다.

실시예에서는 번호 표지판 및 정지 표지판 인지의 경우, 번호 표지판의 특징인 빨간 테두리를 이용하여 내부 표시를 인지할 ROI를 생성 하여 표지판 인지를 수행한다. 실시예에서는 이진화 영상에서 레이블링을 수행하면 표지판이 아닌 다른 영역에서 레이블이 검출될 우려가 있으므로 검출오류를 최대한 줄이기 위해 사각형 영역의 가로크기와 세로크기의 차이가 80%이상 넘지 않는 레이블만 추출 하여 매칭한다. 정지 표지판의 경우에도 마찬가지로 빨간색 주차 표지판과 같은 CR채널을 이진화하여 색상이 추출된 이미지에서 레이블링 하여 표지판의 경계를 검출 하고, 정지 표지판 ROI 내부 영역에서 색상을 찾아 레이블링 한 결과 이미지를 정규화 하고 기존에 취득한 샘플과 비교하여 80%이상 일치 할 경우 이것을 정지 표지판으로 판단한다.

도 7은 실시예에 따른 감지모듈의 도로 연석 감지과정을 설명하기 위한 도면이다.

도 7을 참조하면, 도로연석인지의 경우 차량에 4개의 레이저 스캐너를 장착하여 주행 중인 차량 주위의 도로 주변에 위치해 있는 연석들을 찾아 차량이 차로의 주행경로에 데이터로 활용한다. 실시예에서는 먼저 라이다 센서에 의해 연석의 위치가 감지되면 그래프에 포인트(Point) 형식으로 표시한다. 실시예에서 연석의 감지는 레이저 스캐너에 감지되는 전방 지형, 지물 중 구조물이 세워져 있는 각도가 70°이상이 되는 경우, 우측 지형 지물 중 구조물이 세워져 있는 각도가 60°이상인 경우에 연석으로 인지한다.

도 8은 실시예에 따른 감지모듈의 전방 차량 인식과정을 설명하기 위한 도면이다.

도 8을 참조하면, 전방 차량 인식을 위해 장거리와 고저차를 극복하기 위한 최적의 2D 라이다 설계 변형을 수행한다. 실시예에서는 고저차가 큰 주행로에서의 라이다(Lidar)의 맹점을 극복하기 위해 방사각을 임의로 조절 가능한 하드웨어 제어 시스템을 구축한다. 또한, 저속 주행과 고속주행 시 고정 장애물의 인지를 명확히 하고자 하며, 레이저 스캐너로 인지한 방벽 정보를 통해 추출한 도로 경계 데이터를 이용해서 그 도로 경계 안에 존재하는 차량 장애물 판별한다. 판별기준은 해당 데이터의 형상이 레이저 스캐너로 차량을 인지할 경우 출력되는 특유의 '└', '┘' 또는 '─'의 모양과 유사하거나, 차량 크기만큼의 데이터 형상이 출력 될 경우에만 차로 판단한다.

실시예에서는 차량 판별 후 차량 회피를 하는 상태에는 더욱 정밀한 주행을 위해 속도를 하향한 후 새로 생성된 경로로 주행하는 알고리즘으로 더욱 안전한 주행을 유도한다.

도 9는 실시예에 따른 운전자 습관 개선 모듈의 데이터 처리 구성을 나타낸 도면이다.

실시예에서는 운전자 습관 개선 모듈에서 운전자 별 주행데이터를 기록하여 각각의 운전자 별 학습데이터를 제어차량에 적용하여 각각의 운전자 별로 저장된 데이터를 기반으로 차량제어 학습을 수행한다. 또한, 운전자 습관 개선 모듈은 자동 긴급 제동 시스템(AEB)과 연동하여 주행 중인 차량의 전방의 장애물을 인식하여 충돌을 예상하고 이를 운전자가 개입하지 않을 시 자동적으로 브레이크를 작동하여 충돌을 방지하도록 한다.

실시예에 따른 반자율주행 시스템이 적용된 상용차용 AEB 기능은 전방주의, 추돌주의, 긴급제동 3단계로 구성되고, 전방주의 단계일 시 경보 표시 및 경보음, 추돌주의 단계일 시 부분 제동, 긴급제동 단계일 시 완전 제동 기능이 작동하도록 한다. 또한, 실시예에 따른 반자율주행 시스템이 적용된 AEB 기능은 신호등, 교차로 등의 외부상황에 따라 변화될 주행환경에서 최적의 주행을 수행하도록 종방향 가감속을 보조하여 기능을 수행하도록 구현한다.

이하에서는 차량 속도 제어를 위한 PID 자동제어 방법 에 대해서 차례로 설명한다. 실시예에 따른 차량 속도 제어를 위한 PID 자동제어 방법의 작용(기능)은 차량 속도 제어를 위한 PID 자동제어 시스템상의 기능과 본질적으로 같은 것이므로 도 1 내지 도 9와 중복되는 설명은 생략하도록 한다.

도 10은 실시예에 따른 차량 속도 제어를 위한 PID 자동제어 방법의 데이터 처리 흐름을 나타낸 도면이다.

S100 단계에서는 통신모듈에서 차량 주변 통신객체와 플래투닝 그룹 형성 시 근접차량 및 리딩차량과 통신한다.

S200 단계에서는 감지모듈에서 차량 전후방 측면의 장애물을 감지하고 전방차량의 차속, 주행 경로를 포함하는 주변차량정보 및 정지선, 신호등, 표지판, 도로연석을 포함하는 도로정보를 감지한다. S200 단계에서는 감가속센서에서 차량 브레이크 및 액셀레이터에 페달의 기울기 및 기울기 변화량을 감지하고, 페달 기울기 변화량에 의한 차속 변화량을 산출하여 비례 이득값 및 오차 산출에 반영하도록 한다.

S300 단계에서는 반자율주행 가감속 제어모듈에서 차량 주변 통신객체와의 V2X 통신 결과 및 주변차량 정보와 도로정보에 따라 차량 속도를 제어한다. S300 단계에서는 목표속도와 주행속도간 차이 및 주행속도의 변화량, PID 산출을 위한 비례이득인 비례이득(Kp), 적분이득(Ki), 미분이득(Kd)을 산출하고,

산출된 이득값에 따라 모터 제어 후, 목표속도와의 오차를 산출한다. 이후, 산출된 오차를 각각의 이득 값에 적용하여 모터제어를 피드백 한다. 또한, S300 단계에서는 가속 제어 응답특성, 및 감속 제어 응답특성을 학습하고, 차량 별 응답특성 학습 결과를 이득값 산출에 적용한다.

S400 단계에서는 주행습관 개선 학습모듈(170)에서 운전자의 주행데이터, 차량 제어데이터를 수집하여 운전자 별 학습데이터를 차량에 적용하고, 운전자 별로 저장된 학습데이터를 기반으로 운전습관을 파악하고, 고 위험 군의 운전습관이 확인된 경우, 반자율주행을 통해 운전습관을 개선하도록 자율주행을 수행한다.

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

반자율주행 가감속 제어를 위한 PID 자동제어 시스템에 있어서,

차량 주변에서 플래투닝 그룹 형성 시 근접차량 및 리딩차량과 통신하는 통신모듈;

차량 전후방 측면의 장애물을 감지하고 전방차량의 차속, 주행 경로를 포함하는 주변차량정보를 감지하고, 정지선, 신호등, 표지판, 도로연석을 포함하는 도로정보를 감지하는 감지모듈;

차량 주변 통신객체와의 V2X 통신 결과 및 주변차량 정보와 도로정보에 따라 차량 속도를 제어하고 페달 기울기 변화량에 의한 차속 변화량을 산출하여 비례 이득값 및 오차 산출에 반영하고, 가속 제어 응답특성 및 감속 제어 응답특성을 학습하고, 차량 별 응답특성 학습 결과를 이득값 산출에 적용하는 반자율주행 가감속 제어모듈;

차량 브레이크 및 액셀레이터에 페달의 기울기 및 기울기 변화량을 감지하는 감가속센서; 및

운전자의 주행데이터, 차량 제어데이터를 수집하여 운전자 별 학습데이터를 차량에 적용하고, 운전자 별로 저장된 학습데이터를 기반으로 운전습관을 파악하고, 고 위험 군의 운전습관이 확인된 경우, 반자율주행을 통해 운전습관을 개선시키는 주행습관 개선 학습모듈; 를 포함하고

상기 반자율주행 가감속 제어모듈; 은

목표속도와 주행속도간 차이 및 주행속도의 변화량, PID 산출을 위한 비례이득인 비례이득(Kp), 적분이득(Ki), 미분이득(Kd)을 산출하는 이득산출부;

산출된 이득값에 따라 모터 제어 후, 목표속도와의 오차를 산출하는 에러량 산출부;

상기 산출된 오차를 각각의 이득 값에 적용하여 모터제어를 피드백 하는 피드백부; 를 포함하고

상기 감지모듈은 센서 정보를 이용한 자율주행 항법 위치 보정 알고리즘을 구현하여 라이다(LiDAR), 카메라(Camera)를 포함하는 센서로부터 차량의 현재 위치를 글로벌 (Global) 좌표와 비교하여 보정하고, 카메라 좌표계 캘리브레이션을 이용한 카메라 좌표계 교정을 통해 외부 파라미터와 내부 파라미터의 픽셀 좌표를 1:1로 매칭하고,

상기 주행습관 개선 학습모듈;은

커브에서 감속량이 적거나, 신호대기 시 급가속 하는 습관이 모니터링 된 경우, 운전자에 의한 브레이크에 의한 감속 량보다 더욱 감속 시키도록 상기 반자율주행 가감속 제어모듈에 피드백 하고, 정지신호 발견 시, 운전자가 브레이크를 밟을 것으로 예상되는 시점보다 앞선 시점부터 차량 속도를 감속 시키는 것을 특징으로 하는 반자율주행 가감속 제어를 위한 PID 자동제어 시스템.
반자율주행 가감속 제어를 위한 PID 자동제어 방법에 있어서,

(A) 자율주행 차량이 차량 주변에서 플래투닝 그룹 형성 시 근접차량 및 리딩차량과 통신하는 단계;

(B) 자율주행 차량에서 차량 전후방 측면의 장애물을 감지하고 전방차량의 차속, 주행 경로를 포함하는 주변차량정보 및 정지선, 신호등, 표지판, 도로연석을 포함하는 도로정보를 감지하는 단계; 및

(C) 자율주행 차량에서 차량 주변 통신객체와의 V2X 통신 결과 및 주변차량 정보와 도로정보에 따라 차량 속도를 제어하는 단계;및

(D) 자율주행 차량에서 운전자의 주행데이터, 차량 제어데이터를 수집하여 운전자 별 학습데이터를 차량에 적용하고, 운전자 별로 저장된 학습데이터를 기반으로 운전습관을 파악하고, 고 위험 군의 운전습관이 확인된 경우, 반자율주행을 통해 운전습관을 개선하도록 자율주행을 수행하는 단계;를 포함하고

상기 (B) 의 단계; 는

감가속센서에서 차량 브레이크 및 액셀레이터에 페달의 기울기 및 기울기 변화량을 감지하는 단계; 및

자율주행차량에서 페달 기울기 변화량에 의한 차속 변화량을 산출하여 비례 이득값 및 오차 산출에 반영하는 단계; 를 포함하고

상기 (B) 의 단계; 는

센서 정보를 이용한 자율주행 항법 위치 보정 알고리즘을 구현하여 라이다(LiDAR), 카메라(Camera)를 포함하는 센서로부터 차량의 현재 위치를 글로벌 (Global) 좌표와 비교하여 보정하고, 카메라 좌표계 캘리브레이션을 이용한 카메라 좌표계 교정을 통해 외부 파라미터와 내부 파라미터의 픽셀 좌표를 1:1로 매칭하고,

상기 (C)의 단계;는

목표속도와 주행속도간 차이 및 주행속도의 변화량, PID 산출을 위한 비례이득인 비례이득(Kp), 적분이득(Ki), 미분이득(Kd)을 산출하는 단계;

산출된 이득값에 따라 모터 제어 후, 목표속도와의 오차를 산출하는 단계;

상기 산출된 오차를 각각의 이득 값에 적용하여 모터제어를 피드백 하는 단계;

가속 제어 응답특성 및 감속 제어 응답특성을 학습하는 단계; 및

차량 별 응답특성 학습 결과를 이득값 산출에 적용하는 단계;를 포함하고

상기 (D)의 단계;는

커브에서 감속 량이 적거나, 신호대기 시 급가속 하는 습관이 모니터링 된 경우, 운전자에 의한 브레이크에 의한 감속 량보다 더욱 감속 시키도록 피드백 하고, 정지신호 발견 시, 운전자가 브레이크를 밟을 것으로 예상되는 시점보다 앞선 시점부터 차량 속도를 감속 시키는 것을 특징으로 하는 반자율주행 가감속 제어를 위한 PID 자동제어 방법.