Recently, there have been great advances in autonomous driving technology, which would be ready for everyday use in near future. In order for self-driving cars to become viable, it must be fully ready to perform safely and reliably. Applying the technologies based on simulation directly, it is difficult to make vehicles that can run itself in actual road environment. The biggest issue is localization. The precise location can be obtained by using high performance GNSS (DGPS), but there are also limitations in obtaining solutions in signal block situations or multipath errors due to buildings and tunnels in urban environments. In order to solve this problem, there is a method of correcting the position information by integrating with the IMU, but cumulative error still occurs. In addition, it can improve position accuracy by correcting the position through map matching method. However, there is a disadvantage that large resources are required for data storage and processing in a large-scale environment. Furthermore the buildings used for the map matching are varied in the urban environment and a few in the suburbs. In this thesis, autonomous driving mode are divided into
three parts in order to develop autonomous vehicles that can run in an actual environment. Each mode are road following, localization at an intersection and obstacle avoidance.
Road following mode enables autonomous driving even when the location information is inaccurate through lane recognition on the road. In addition to Lane keeping assistance system (LKAS) and adaptive cruise control (ACC) functions that can be used on roads without bifurcation, such as highways, Road following also implements the ability to travel in narrow alleys.
Localization at an intersection is a mode used to obtain accurate location information at an intersection. Localization is performed by using only a map of a specific area, which is an intersection, without using a map in all road areas. This has the advantage of saving resources in data storage and processing in a largescale environment. Landmark required for map matching can be used robustly even in a building-less environment with the road mark instead of buildings.
Finally, obstacle avoidance is a mode that operates to safely avoid obstacles at low speeds in a situation where the vehicle cannot proceed without avoidance maneuvers. This thesis deals with the development of autonomous vehicles in real road environment through the implementation of above three modes.
최근, 가까운 미래에 일상적으로 사용할 수있는 자율 주행 기술이 크게 발전했습니다. 자율 주행 차량이 실행 가능하려면, 안전하고 안정적으로 작동 할 수 있도록 완전히 준비가되어 있어야합니다. 시뮬레이션을 기반으로 한 기술을 직접 적용하여 실제 도로 환경에서 스스로를 달릴 수있는 차량을 만드는 것은 불가능에 가깝습니다. 자율 주행 차량의 가장 큰 문제는 위치 측위입니다. 정확한 위치는 고성능 GNSS (DGPS)를 사용하여 얻을 수 있지만, 도심 환경의 건물 및 터널로 인한 신호 차단 상황 또는 다중 경로 오류에 의해 정확한 위치 정보를 얻는 데는 한계가 있습니다. 이 문제를 해결하기 위해, IMU와의 통합에 의해 위치 정보를 보정하는 방법이 있지만, 여전히 누적 오차가 발생합니다. 또한, 맵 매칭 방법을 통해 위치를 수정함으로써 위치 정확도를 향상시킬 수 있습니다. 그러나 대규모 환경에서 데이터 저장 및 처리에 많은 자원이 필요하다는 단점이 있습니다. 또한 지도 매칭에 사용되는 건물은 도시 환경에 따라 다르며, 교외에는 건물의 없는 구간도 있습니다. 본 논문에서는 자율 주행 모드를 실제 환경에서 작동 할 수 있는 자율 주행 차량을 개발하기 위해 세 부분으로 나누었습니다. 각 모드는 도로 인식을 통한 자율주행, 교차로에서의 차량 위치 파악 및 장애물 회피입니다.
도로 인식을 통한 자율주행 모드는 도로상의 차선 인식을 통해 위치 정보가 부정확 할 때에도 자율 주행이 가능합니다. 고속도로와 같이 분기없이 도로에서 사용할 수있는 LKAS (Lane Keeping Assistance System) 및 ACC (Adaptive Cruise Control) 기능 외에도 좁은 골목길을 주행 할 수있는 기능을 구현하였습니다.
교차로에서의 위치 파악은 교차로에서 정확한 위치 정보를 얻는데 사용되는 모드입니다. Localizationd은 모든 지역에서 지도를 사용하지 않고 교차로인 특정 지역의 지도만 사용하여 수행됩니다. 이는 대규모 환경에서 데이터 저장 및 처리에 자원을 절약 할 수 있다는 장점이 있습니다. 지도 매칭에 필요한 Landmark는 건물 대신 도로 표식을 사용하여 건물없는 환경에서도 안정적으로 사용할 수 있습니다.
마지막으로, 장애물 회피는 차량이 회피 기동없이 진행할 수없는 상황에서 장애물을 안전하게 피하기 위해 작동하는 모드입니다.
본 논문에서는 위의 3 가지 모드를 구현하여 실제 도로 환경에서의 주행 가능한 자율 주행 차량 개발에 관한 전반적인 내용을 다루었습니다.
