Today, many companies and institutions are conducting research on autonomous driving and are about to be commercialized. In most cases, GPS is used to estimate the global localization for autonomous driving, but when GPS is used alone, there are problems that do not operate in environments such as multipath phenomena, signal rejection by high buildings, and tunnels. Therefore, to complement this, a vector map containing lane information for ego vehicle localization is essential. When creating a map, camera, LiDAR, and radar, which are representative visual sensors, are used. While most mapping algorithms are dependent on LiDAR, but its high cost poses a barrier to commercialization. Moreover, the creation of vector maps necessitates a considerable amount of time and effort. Consequently, this research aims to develop a real-time vector map SLAM with lane information utilizing cost-effective camera sensors and the 4D radar sensor which is currently under the spotlight. In the first research chapter, an 4D radar dataset in urban areas with various odometry sensors and calibration method will be proposed. In the second research chapter, monocular visual odometry using the Dynamic Objects Removal Mask (DORM) is proposed to enhance robustness in dynamic environments and improve performance. In the third research chapter, loop detection and pose graph optimization are conducted based on the 4D radar data and the generated vector map, aiming to minimizing trajectory drift errors.
오늘날 많은 기업과 기관에서 자율주행을 연구를 수행하고 있으며 상용화를 앞두고 있다. 자율주행의 전역 자기위치 추정을 위해서는 대부분 GPS를 사용하는데, 단일로 사용할 경우 멀티패스 현상, 고층 빌딩에 의한 신호 단절, 터널과 같은 환경에서 동작하지 않는 문제가 있다. 따라서 이를 보완하기 위해 자기위치 추정을 위한 차선 정보가 포함된 벡터 맵이 필수적이다. 맵 생성 시에는 대표적인 비주얼 센서인 카메라, 라이다, 레이더를 이용한다. 대다수의 맵핑 알고리즘은 라이다에 의존하고 있으나 비싼 가격으로 상용화에 걸림돌이 된다. 또한 벡터 맵을 제작하는 데에 많은 시간과 노력이 든다. 따라서 본 연구에서는 값싸고 자율주행에 필수적인 센서인 카메라 센서와, 각광받고 있는 차세대 자율주행 센서인 4D 레이더를 통해 차선이 포함된 벡터 맵을 SLAM을 통해 실시간으로 생성하는 것이 최종 목표이다. 첫번째 연구파트에서는 4D 레이더 SLAM을 위한 각종 오도메트리 센서가 포함된 도심 데이터셋과 캘리브레이션 방법을 제안한다. 두번째 연구파트에서는 동적환경에 대한 강인성을 높이고 성능을 높여주도록 Dynamic Objects Removal Mask(DORM)을 이용한 visual odometry를 제안한다. 세번째 연구파트에서는 4D 레이더 데이터와 생성한 벡터 맵을 바탕으로 루프 탐지를 수행하고, 포즈 그래프 최적화를 통해 드리프트 에러를 최소화 한다.
