Various types of information are needed to ensure that autonomous vehicles(AVs) actually drive safely, and one key factor among them is High-Definition(HD) map. HD map is designed to provide comprehensive information such as traffic lights and signs as well as lane information to autonomous vehicles. However, because production of these maps are expensive and time consuming, they are only carried out at the national or corporate level. Moreover, since HD maps are produced only for some fixed region, efficiency and scalability of HD map is very low. In addition, for future level 5 autonomous driving, HD map data itself is used as a single sensor measurement, so it is essential to manufacture HD map, but for self-driving vehicles that are currently partially commercialized, various lane map data for route planning is sufficient. Therefore, in recent years, to compensate for the limitations of this HD map, research on creating lane map through fusion of sensor data collected by several vehicles has been proposed in many ways. However, although the proposed studies have achieved results in building lane maps, these studies were carried out at regions where GNSS signals are not degraded or performed mapping using high-precision equipment. Thus, is expected that it will be difficult to expand to lane mapping for general driving situations using previous studies.
Therefore, in this research, method of reconstruction for vehicle trajectory and ego-lane in mixed challenging scenarios using various sensor information(INS, GNSS, WSS, Lane Detection), and lane map parameterization method for efficient data storage is proposed. In addition, the method proposed in this study and the performance of other algorithms were compared and verified using actual vehicle experiment data.
자율주행 차량이 실제 주행을 안전하게 하기 위해서는 다양한 종류의 정보가 필요한데, 그 중 대표적인 것이 정밀도로지도이다. 정밀도로지도는 차선 정보뿐 아니라, 신호등, 표지판 등의 종합적인 정보를 자율주행 차량에게 제공하기 위해 제작되었다. 하지만 이러한 정밀도로지도를 제작할 때는 많은 비용과 시간이 소모되기 때문에 국가, 혹은 기업 단위에서만 이루어지고 있고, 사업이 진행된다 하더라도, 일부 구역에 대해서만 한정적으로 지도가 제작되기 때문에, 지도 구축 측면에서 효율성과 확장성이 매우 떨어진다. 또한 미래의 레벨 4, 5 자율주행을 위해서는 정밀도로지도 데이터 자체를 하나의 센서 측정값으로 활용하기 때문에 정밀도로지도의 제작은 필수적이지만, 현재 부분적으로 상용화가 이루어지고 있는 자율주행 3단계 차량의 경우에는 정밀도로지도 수준의 다양하고, 자세한 데이터 보다는 경로 계획을 위한 차선 지도 데이터만으로도 충분하다. 따라서 최근에는 이러한 정밀도로지도의 한계점을 보완하고자 여러 차량이 주행하며 수집한 센서 데이터의 퓨전을 통해 차선 지도를 제작하는 연구가 여러 방면으로 제안되었다. 하지만 제안된 연구들은 GNSS 신호가 양호하거나, 고정밀 장비를 이용하여 지도를 제작하는 등, 차선 지도 자체를 구축하는데에는 성과를 거두었지만, 일반적인 주행 상황에 대한 차선 지도 제작으로의 확장에는 어려움이 예상된다.
따라서 본 연구에서는 INS, GNSS, WSS, Lane Detection등 다양한 센서 정보를 융합하여 복합적인 악의조건 상황에서 차량의 주행경로와 Ego-lane을 재구성하고, 차선 지도를 효율적으로 저장하기 위한 매개변수화 방법을 제안한다. 또한 실제 차량 실험데이터를 이용하여 본 연구에서 제안한 방법, 그리고 다른 알고리즘들의 성능을 비교하며 검증하였다.
