Autonomous driving technology has become an interesting issue for the automobile industry with advances in localization, obstacle detection, and the Internet of Things (IoT) technology. In order to make a safe self-driving, the vehicle must be able to estimate the precise pose of the vehicle body on the road. GPS is a sensor used generally to measure the absolute pose, but the bunch of buildings, tunnel or any indoor place can block the satellite microwave signals. Recently, many research validated the pose estimation method using other sensors such as wheel encoders, camera, and IMU for GPS-denied environments. In this paper, we proposed a compensation method of a monocular camera and in-vehicle sensors for robust localization. The method overcomes a scale ambiguity issue of monocular visual odometry and angular velocity measurement error of wheel odometry by using in-vehicle sensors. Furthermore, we proposed the fusion method between a monocular camera and in-vehicle sensors, which based on Extended Kalman Filter. We validate the proposed algorithm on the SKT real road dataset, which includes loop road, highway, and sloped road.
위치 추정 기술, 장애물 인식, 그리고 사물 인터넷 등 기술의 진보와 함께 자동차 산업은 자율 주행 기술 개발에 이목을 집중하고 있다. 자율 주행 기술의 완성을 위해 자동차는 도로상에서 차체의 위치를 정확히 추정할 수 있어야 한다. GPS는 차량의 위치 측정을 위해 주로 사용되는 센서이지만 높은 건물 사이나 실내 및 터널에서 정상적으로 작동하지 않는 단점이 있다. 이를 위해 학계에서는 바퀴 인코더, 카메라, 그리고 관성 센서 등의 다양한 센서를 이용한 위치 측정 알고리즘이 개발되었다. 본 학위 논문은 강인한 차량 위치 측정을 위한 단안 카메라와 차량 내부 센서의 융합 기법을 제안한다. 차량 내부 센서로부터, 단안 카메라 주행거리 측정(Monocular Visual Odometry) 알고리즘의 Scale Ambiguity 문제와 바퀴 주행거리 측정(Wheel Odometry) 알고리즘의 각속도 오차 문제를 해결하였다. 또한 확장 칼만 필터(Extended Kalman Filter)를 이용하여 단안 카메라와 차량 내부 센서를 융합한 주행거리 측정 알고리즘을 제안하였다. 순환하는 도로, 고속도로, 그리고 경사진 도로에서 주행하며 기록한 SKT 데이터로 알고리즘들의 성능을 평가 비교하여 제안하는 기법의 우수성을 입증하였다.