자율주행 자동차

  • 자율주행 자동차는 인공지능, 빅데이터, 초연결을 합친 4차 산업혁명의 아이콘이라고 할 수 있음

자율주행 6단계

  • 자율주행의 단계는 레벨 0부터 레벨 5까지로 나눌 수 있음

image

image

  • Level 0(비자동화) : 자율주행 시스템이 없음, 운전자가 차량을 완전히 제어해야 하는 단계
  • Level 1(운전자 보조) : 방향 및 속도 제어 등 특정 기능의 자동화, 운전자는 차의 속도와 방향을 항상 통제
  • Level 2(부분 자동화) : 고속도로와 같이 정해진 조건에서 차선과 간격 유지 가능, 운전자는 항상 주변상황을 주시하고 적극적으로 주행에 개입
  • Level 3(조건부 자동화) : 정해진 조건에서 자율주행 가능, 운전자는 적극적으로 주행에 개입할 필요는 없지만 자율주행 한계 조건에 도달하면 정해진 시간 내에 대응해야 함
  • Level 4(고도 자동화) : 정해진 도로 조건의 모든 상황에서 자율주행 가능, 그 밖의 도로 조건에서는 운전자가 주행에 개입
  • Level 5(완전 자동화) : 모든 주행 상황에서 운전자의 개입 불필요, 운전자 없이 주행 가능

자율주행 프로세스

![image](https://user-images.githubusercontent.com/116723552/229173308-02ab3ee5-ac64-46e5-b4a9-d512c94253e6.png

image

  • 인지

    • 고정 지물 인식 및 경로 탐색
      • 차로, 차선, 횡단보도, 터널, 고가 등
    • 변동 지물 및 이동 물체 인식
      • 차량, 보행자, 신호등, 사고 차량 등

  • 판단

    • 주행 상황 판단 및 주행 전략 결정
      • 차선 변경, 추월, 좌/우 회전, 정차 등
    • 주행 경로 생성
      • 목표 궤적, 목표 속도, 전방 타깃 정하기

  • 제어

    • 판단을 내린 만큼 차량을 제어

      • 목표 조향각/토크 맞추기, 목표 가감속 맞추기

자율주행SW가 운전하는 방식

  • 보다 정확한 지도가 필요
  • 지도에서 자기의 현재 위치 알아내기 - GPS, 영상 매칭, 라이다 매칭
  • 목적지까지 경로 찾기
  • 주변 살피기 - 각종 센서
  • 상황에 맞게 속도 조정, 핸들 꺾기
    • 경로 그대로 따라가기 (차선 준수)
    • 교통 신호 따르기
    • 예외 상황에 대처(추월 및 정차)
    • 돌발 상황에 대처(급브레이크 및 장애물 피해가기)

고정밀 지도(HD Map, High Definition Map))

  • 기존 네비게이션 지도 보다 정밀한 지도 (10 ~ 20 센티 정밀도 제공)
  • 다양한 부가정보 포함
    • 차선 정보
    • 가드레일
    • 도로 곡률, 경사
    • 신호등 위치
    • 교통 표식
  • 벡터맵

image

  • 포인트맵

image

  • 벡터맵 + 포인트맵

image

고정밀 지도의 제작
  • MMS(Mobile Mapping System)
    • 이동 차량에 탑재된 다양한 센서 및 카메라를 이용하여 주변 환경의 고정밀 지도 및 위치 정보를 수집하는 시스템
    • 데이터를 수집한 다음, 후처리 작업을 통해 지도 제작.

Sensors | Free Full-Text | A Review of Mobile Mapping Systems: From Sensors to Applications

  • 제작 순서

  1. 현장 조사 : MMS(LIDAR)를 이용하여 Point Data 수집

  2. Data 처리 : 데이터 후처리 및 LAS(LIDAR data exchange format, LIDAR 데이터를 저장하고 교환하기 위한 표준 파일) 데이터 변환

  3. Map 구축 : 곡률, 경사도 정보 추출 및 객체(신호등, 표지판 등) 추출

  4. Data 접수 : 데이터 오류 검수 및 검증

  5. App Map : ADAS/HD Map 변환 생성

자율주행 단계별 요소 기술

image

Localization 기술

image

  • 정밀 지도와 연동하여 차량의 현재 위치 파악

    • 라이다, 카메라를 이용해 지도의 어느 위치에 있는지?

    e.g. 지도의 표지판과 라이다/카메라로 인식한 표지판 비교

  • 위 사진의 파랑 점이 MMS로 제작한 정밀 지도에 표시된 랜드마크(나무, 건물, 가로등 등) 포인트, 주황색 점이 라이다의 포인트

    • 파랑색 점과 주황색 점이 거의 일치해야 함
    • 그림의 경우 위치가 오른쪽이 아닌 왼쪽에 있어야 잘 주행하는 것 (보라색의 선만큼 오른쪽에 치우침)
    • 이런 것을 알아채고 보정하는 작업을 Localization 기술이라 할 수 있음

  • GPS를 이용하면 되는 것 아닌가?

    • 정말 좋은 데이터지만, 정확하지 않음(오차가 크면 5m 까지 차이남)
    • GPS를 처음에 기준을 잡고 대강의 위치를 파악할 때 사용하고 정밀한 위치는 라이다, 카메라와 정밀 지도를 이용함
Global Path Planning(Route Planning)
  • 목적지까지 경로 찾기
    • 중간 목적지 또는 최종 목적지까지 경로
    • 교차로에서 행위도 결정해야 함
Object Dectection

  • 주변 차량, 보행자, 오토바이, 자전거를 인식

  • 신호등은?

    • 신호등의 위치는 지도에 이미 입력되어 있으므로 영상을 전체를 확인할 필요가 없음
    • 신호등이 보이는 곳의 위치에 도달했을 때 카메라로 그 때의 그 특정 위치의 신호등의 불을 확인
Object Tracking
  • 각 오브젝트에 고유 ID를 부여하여 추적, 예상되는 주행 경로를 예측

image

지도 상에서 오브젝트 인식과 추적

image

Local Path Planning(Trajectory Planning)
  • 다음 이동할 곳으로의 경로 찾기 (충돌 회피 고려)
    • 여러 개의 후보 경로를 확보
    • 끊임 없이 후보 삭제, 신규 후보 등록 작업을 반복
    • 실시간성이 중요(타임을 맞춰서 제 때 무언가를 해야 함) -> 시스템 최적화 필요

image

Behavior Selector
  • 행위 결정
    • 운전 의사결정
    • 운전 방법, 성향
Local Path Following(Trajectory Following)
  • 경로 따라 차량을 운전하기
  • Pure pursuit 알고리즘
    • 차량의 현재 위치를 결정함
    • 차량에서 가장 가까운 경로 상의 점을 찾음
    • 목표점을 찾음
    • 곡률을 계산하고 해당 곡률로 차량의 방향을 업데이트 함
    • 차량의 위치를 업데이트 함
Vehicle Control
  • 주행 제어
    • 원하는 대로 차량을 움직이게 만들기

자율주행 통합 플랫폼 Autoware

  • 오픈소스 자율주행 통합플랫폼
  • SAE Level 2
  • 실차에 적용 가능한 솔루션
  • 30개 이상의 국가, 100개 이상의 회사, 20개 이상의 차량 모델에 탑재

image

image