As the autonomous vehicle system has been developed, the High Definition (HD) map is being very important for the autonomous vehicle system. The goal of this paper is to develop the HD map-based Simultaneous Localization and Mapping (SLAM) for autonomous vehicles in large-scale space. The HD map is built by the Mobile Mapping System (MMS) which is depending on the Inertial-Navigation System (INS). However, the control point must be measured to correct the HD map because the INS cannot guarantee the vehicle position in an urban environment. Through these procedures, building an HD map takes a lot of time. Also, multiple MMS cannot be utilized because of the price of the MMS. Therefore, the HD map is very often updated. It causes the problem of operating the autonomous vehicle. Also, Simultaneous Localization and Mapping in a large-scale has a long-term drift problem, so it cannot localize properly and generate accurate HD map.
The LiDAR sensor and Inertial measurement unit (IMU) are used to generate an accurate HD map. The tightly-coupled LiDAR-inertial SLAM algorithm is utilized as the framework. The traffic sign information of the built HD map is used to localize the vehicle and get a trajectory to build a HD map. The matching process is done by Mahalanobis distance which indicates the similarity between the distribution of the traffic sign of the HD map and measured traffic sign. After the matching process, the information of the traffic sign is updated into the graph structure to solve the long-term drift problem that is the existing problem of the origin SLAM algorithms. By doing so, the algorithm can localize the position of the vehicle precisely and generate the HD map. The proposed method is extensively evaluated on datasets gathered in KAIST and Sejong city to verify the algorithm.
본 연구의 목적은 고정밀지도의 갱신 주기가 매우 늦은 문제를 해결하기 위해 MMS(Mobile Mapping System) 장비대비 저가형 라이다 센서 및 관성 측정 장비를 이용한 고정밀지도의 제작이다. 새로운 고정밀지도의 제작을 위해서 라이다 센서와 관성 측정 장비의 강결합을 통한 그래프 최적화 기반 SLAM 구조를 구성하였으며, 더욱 정확한 실시간 차량 위치 추정 및 주행 경로 결과를 얻기 위해 기존 제작된 고정밀지도의 표지판 정보를 그래프 구조에 추가하였다. 고정밀지도 표지판 정보는 라이다 센서를 통해 얻어지며 라이다 데이터 누적, 복셀화, 광도 필터링, 유클리디안 군집화, 높이 필터링의 과정을 통해 얻어진다. 라이다 센서를 통해 얻어진 표지판 정보와 고정밀지도 표지판 사이의 분포 유사도를 마할라노비스 거리를 통해 측정하여, 유사도가 높은 표지판 정보를 그래프 구조에 업데이트하여 최적화를 진행한다. 이러한 그래프 구조 최적화를 기반하는 SLAM 알고리즘을 카이스트 및 세종시 환경에서 다양한 데이터를 통해 실험하였다. 결과적으로 실험 결과를 통해 본 논문에서 제안한 방법이 대규모 공간에서의 위치 추정 및 지도 제작에 적합함과 기존 알고리즘 대비 좋은 결과를 얻는 것을 입증하였다.
