In the recent years, there have been a significant amount of driver-less transportation projects to fulfill autonomous vehicles on urban or dedicated environment, such as terminal, airports and an amusement park. However, there are still innumerable challenges when autonomously driving in a complex urban environment such as downtown and campus scenarios. Unfortunately, localization based on Global Navigation Satellite System(GNSS) and dead reckoning(DR) using GPS and IMU sensors do not always guarantee in the such complex urban environment. Thus, a localization system was implemented to reduce the positioning error by correcting the lateral position error of the vehicle in the area where lane detection is feasible. However, there were still remained limitations in that both GNSS/DR and lane detection were not possible. As a result, an alternative approach was necessary such as 3d pointcloud map based localization to compensate the position error. On the other hand, to come up with 3d map, it also has a limitation in a large-scale map. Therefore, in this study, a resilience logic based localization system was proposed in order to consider a redundancy in the navigation system and to take a advantage of strength of each navigation system. Furthermore, to enable to drive in the complex urban area, it was integrated that obstacle avoidance system using a number of path candidates which were generated based on the road model. Therefore, it was implemented changing lanes and choosing the collision free path candidates. In addition, in order to verify the proposed system, autonomous electric-vehicle, of which capacity approximately is 12-14 passengers, is developed and a number of experiments were conducted in the complex urban environment. In this paper, we analyzed the result and limitation of each navigation system and represented necessity of resilience logic based localization system and road model based obstacle avoidance. In addition, we generated 3d pointcloud map in the KAIST campus, and the coordinates of each system was unified between real-world and a generated 3d pointcloud map in order to integrate the navigation systems. Finally, the demonstration was carried out without any human intervention at the events in the KAIST and it was shown that the developed system was successfully performed autonomous driving the complex urban area.
최근에는 터미널, 공항 및 유원지와 같은 전용 환경 또는 복잡한 도심지에서 자율 주행 차량을 이행하기 위한 수많은 자율주행 연구 및 과제가 진행되고 있습니다. 그러나 여전히 도심 및 학교 내에서와 같은 복잡한 환경에서 자율 주행을 하기 위해서는 안정적으로 주행을 할 수 있도록 요구되는 많은 사항이 있습니다. 항법의 경우 GPS 및 가속도 센서를 사용하여 범지구 위성 항법 시스템 및 추측 항법 기반으로 측위가 가능하지만 고층 빌딩 사이를 지나가는 등의 환경이 복잡한 지역에서의 측위 성능이 항상 보장되지 않는다는 문제가 있습니다. 따라서, 본 연구팀에서는 측위 과정에서 발생하는 차량의 측면 위치 오차의 보정을 차선 검출이 가능한 지역에서 수행하여 측위 오차를 줄이는 시스템을 구성했습니다. 그러나 범지구 위성 항법 시스템 및 추측 항법 및 차선 검출이 모두 불가능한 지역에서는 이 방법을 통한 측위에 한계점이 존재한다는 것을 알 수 있었습니다. 따라서 항법에서 발생하는 측위 위치 오차를 보상하기 위하여 동시적 위치추정 및 지도 작성(simultaneous mapping and localization)기법을 자율주행의 측위에 존재하는 한계점의 대안 으로 생각했지만, 동시적 위치추정 및 지도 작성은 규모가 넓은 지역에서 한계점이 존재한다는 것을 알 수 있었습니다. 따라서 본 연구를 통해 서로 다른 항법 시스템의 장점을 살리기 위한 다중화 측위를 통한 도심형 자율주행 차량 개발이 수행하고 복잡한 도심 지역에서 운전할 수 있도록 도로 모델을 기반으로 생성 된 여러 경로 후보를 사용하여 장애물 회피 시스템을 통합하여 이를 통한 자율주행 차량의 차선 변경 및 충돌이 없는 경로 후보를 선택하는 알고리즘을 구현했습니다. 또한, 제안된 시스템을 검증하기 위해, 약 12-14 명의 승객을 수용 할 수있는 자율 주행 전기 차량을 개발하여 복잡한 교내 환경에서 다수의 실험을 수행했습니다. 본 논문에서는 각 항법 시스템의 한계를 파악하고 이에 따라 각 시스템을 상호 보완적으로 활용할 수 있는 방안을 분석하여 다중화 측위 기반의 항법 시스템과 도로 모델을 기반으로 한 장애물 회피의 필요성 및 방안에 대해 연구한 결과를 나타내었습니다. 또한 한국과학기술원 교내의 3차원 구름점 지도을 생성했으며, 항법 시스템을 통합하기 위해 지구 좌표계 생성된 3D 구름 점 지도 간에 좌표를 통합하여 이를 다중화 측위에 활용했습니다. 마지막으로, 한국과학기술원 교내에서 주최된 행사에서 사람의 개입없이 개발된 시스템의 전시 및 자율 주행을 운영했으며, 제안된 시스템을 기반으로 복잡한 도심 지역에서 성공적으로 자율 주행 임무를 성공적으로 수행했습니다.
