This thesis describes three basic frameworks for autonomous vehicles; Map generation, map management, and localization. First, this thesis describes a precise 3D map generation method based on a tilted 2D LiDAR scanner and demonstrates it. Conventional methods use expensive 3D sensors or can be applied only to a limited environment. However, this thesis shows the success of 3D precise map generation by using one tilted 2D LiDAR scanner installed in mobile robot platform, which guarantees lower expense compared to the conventional one. It is especially important to manage drift error of dead-reckoning while the 3D map is generated by using a push-broom-style LiDAR sensor. Firstly, therefore, this thesis proposes a 3D map building method that uses a robust interactive closest point matching algorithm and a drift error correction method based on pose-graph SLAM. A precise point-cloud map is generated with the hierarchical structure based optimization. The experiments were conducted in complex indoor and outdoor environments to verify the exact performance of proposed method. Second, this thesis pursue easy and effective grid map management method by using an image format. The generated point cloud from the map generation phase is transformed to three bytes image channels. Since all map information are stored into image forms, easier loading, saving, modifying, and management are possible. The proposed method is verified by converting city scale point cloud data. For the last, this thesis also proposes a robust vehicle localization method in urban area based on the prior point cloud. SLA (Singapore Land Authority) around one-north area in Singapore provides past high resolution point cloud collected six months ago. As the data are outdated, there exist many changed environmental aspects such as redrawn road markings, construction areas, and changing tree shapes. In response, this thesis proposes a novel fusion algorithm based on a particle filter using vertical and road intensity information for robust localization. While the state-of-the-art fusion algorithm focuses on optimization of the vehicle pose based on multiple measurements, this thesis gives another method: estimating a robust vehicle pose by considering the reliability of each feature from the prior map. Also, an efficient management strategy of a grid map including multi-layer vertical and road intensity information for real-time operation is proposed as well. A sensor system equipped on a vehicle consists of 32 channels of 3D LiDAR, IMU, wheel odometry, and they are used for the proposed algorithm. The ground truth was generated with the graph-structure optimization method by using RTK-GPS, wheel odometry, and ICP algorithm in post processing. The total data set for the demonstration is collected from 19.9km trajectory in urban area. The proposed approach has successfully performed an autonomous vehicle driving in urban area.
본 논문은 무인 자동차에 필요한 3가지 기본 프레임 워크에 대해 설명한다. 맵 생성, 맵 관리, 위치 인식. 첫째, 2D tilted LiDAR 스캐너를 이용한 3차원 맵 생성 방법에 대해 설명한다. 기존 방법은 3차원 센서를 사용하거나 제한된 환경에서만 사용할 수 있다. 하지만 본 논문은 저가형 2d tilted LiDAR가 설치된 로봇을 이용하여 정교한 3차원 맵을 생성한다. 저가형 push-broom 스타일의 LiDAR를 사용할 때는 dead-reckoning의 드리프트 에러를 보정하는 것이 가장 중요하다. 따라서, 본 논문은 3차원 정교한 맵을 생성하기 위해 강인한 iterative closest point 매칭 방법을 소개하며 동시에 계층적 구조를 이용해 정교한 맵을 생성하는 방법 또한 소개한다. 실내외 복합 환경 데이터의 실험을 통해 알고리즘의 우수성을 검증하였다. 또한 맵을 생성할 때 도로 연석 정보를 추가적으로 이용하여 맵의 정확도를 증가시켰다. LiDAR를 통해 도로 연석 정보를 추출한 후 국토부에서 제공하는 digital map의 연석 정보와 비교하며 맵을 보정하였고 그 결과 맵의 정확도가 향상되었다. 두 번째로, 정교한 3차원 맵을 생성한 후 맵 관리를 보다 효율적으로 할 수 있는 방법에 대해 소개한다. 3차원 맵 데이터는 이미지 맵 데이터에 저장 함으로써 손쉽게 저장, 로드, 편집이 가능하다. 싱가폴 국토부에서 받은 넓은 도시 지역 데이터를 이용하여 제안한 방법이 잘 적용됨을 확인할 수 있었다. 3차원 정교한 맵은 업데이트 주기가 길어 최근 정보를 반영하지 못했을 가능성이 높다. 마지막으로 제안하는 알고리즘은 맵이 바뀌어도 강인하게 위치 인식을 하는 방법을 제안한다. 건물, 나무 등 수직 정보들과 바닥의 로드 마킹 정보를 이용하여 파티클 필터에 기반한 위치 인식을 수행한다. 위치 인식 수행시 로드 마킹이나 건물 등의 정보가 바뀔 수 있기 때문에, 엔트로피 알고리즘을 이용하여 각 정보의 신뢰성을 판단한 후 가중치를 주어 좀 더 정확한 위치를 추정하도록 하였다. 실제로 싱가폴에서, 제안한 위치 인식 알고리즘은 32채널 3D LiDAR와 IMU가 설치된 무인자동차에 적용하여 정확히 시행됨을 확인하였다. Ground truth는 RTK-GPS와 그래프 알고리즘을 이용하여 최적화한 결과를 사용하였다. 그 결과 19.9km의 도시 환경에서 결과를 확인함으로써 우수성을 입증하였다.
