[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR102518532B1 - 자율주행차량의 경로 결정장치 및 그 방법 - Google Patents

자율주행차량의 경로 결정장치 및 그 방법 Download PDF

Info

Publication number
KR102518532B1
KR102518532B1 KR1020160150548A KR20160150548A KR102518532B1 KR 102518532 B1 KR102518532 B1 KR 102518532B1 KR 1020160150548 A KR1020160150548 A KR 1020160150548A KR 20160150548 A KR20160150548 A KR 20160150548A KR 102518532 B1 KR102518532 B1 KR 102518532B1
Authority
KR
South Korea
Prior art keywords
alf
path
road
information
determining
Prior art date
Application number
KR1020160150548A
Other languages
English (en)
Other versions
KR20180053142A (ko
Inventor
김준수
Original Assignee
현대자동차주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 현대자동차주식회사 filed Critical 현대자동차주식회사
Priority to KR1020160150548A priority Critical patent/KR102518532B1/ko
Priority to US15/462,612 priority patent/US10073458B2/en
Priority to DE102017205518.9A priority patent/DE102017205518A1/de
Priority to CN201710216461.6A priority patent/CN108072382A/zh
Publication of KR20180053142A publication Critical patent/KR20180053142A/ko
Application granted granted Critical
Publication of KR102518532B1 publication Critical patent/KR102518532B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/12—Target-seeking control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/20—Static objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/08—Predicting or avoiding probable or impending collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/14—Cruise control

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Electromagnetism (AREA)

Abstract

본 발명은 본 발명은 자율주행차량의 경로 결정장치에 있어서, 주기적으로 복수의 자율주행 경로를 생성하는 경로 생성부; 도로정보와 장애물정보에 기초하여 도로상의 ALF(Adaptive Likelihood Field)를 검출하는 ALF 검출부; 상기 경로 생성부에 의해 생성된 복수의 자율주행 경로 각각에 상기 ALF 검출부에 의해 검출된 ALF를 적용하여 경로별 가중치를 설정하는 가중치 설정부; 및 상기 가중치 설정부에 의해 설정된 경로별 가중치에 기초하여 최종 자율주행 경로를 결정하는 경로 결정부를 포함한다.

Description

자율주행차량의 경로 결정장치 및 그 방법{APPARATUS FOR DETERMINING ROUTE OF AUTONOMOUS VEHICLE AND METHOD THEREOF}
본 발명은 자율주행차량의 경로 결정장치 및 그 방법에 관한 것으로, 더욱 상세하게는 확률기반 필터링 알고리즘을 이용하여 센서의 오차를 고려하고 도로상의 ALF(Adaptive Likelihood Field)에 따른 가중치에 기초하여 복수의 자율주행 경로에서 최적의 자율주행 경로를 결정하는 기술에 관한 것이다.
자율주행차량은 GPS(Global Positioning System)를 이용하여 현재위치를 파악하고, 레이저센서, 비전센서 등으로부터 획득되는 정보에 기초한 환경인식 결과를 기반으로 주행경로를 계획한다.
이러한 자율주행차량은 미리 정의된 후보 경로들 중에서 최적의 경로를 선택하여 경로를 계획한다. 이때, 경로계획을 실시간으로 수행하기 위해 도로형상을 따라 경로 후보군을 생성하고, 그 중에서 최적화된 경로를 선택하는 샘플링 기법이 주로 이용된다.
샘플링 기법은 경로 후보군의 수가 많을수록 안정적이고 최적화된 경로를 찾을 수가 있으나, 연산량이 증가하는 단점이 있다. 즉, 경로 최적화와 연산효율 사이에 트레이드 오프 관계가 있다.
종래의 경로 결정 기술은 매우 많은 수의 후보 경로를 생성하고, 그 중에서 최적의 경로를 결정하기 때문에 연산량이 많아 효율성이 떨어지는 문제점이 있다.
다른 종래의 경로 결정 기술은 후보 경로의 수를 효율적으로 줄이지 못해 최적의 경로를 결정하지 못하는 문제점이 있다.
일본공개특허공보 제2012-083892호
상기와 같은 종래 기술의 문제점을 해결하기 위하여, 본 발명은 주기적으로 복수의 자율주행 경로를 생성하고, 도로정보와 장애물정보에 기초하여 도로상의 ALF(Adaptive Likelihood Field)를 검출하며, 각 경로 상에 ALF를 적용하여 경로별 가중치를 설정한 후 이에 기초하여 최종 자율주행 경로를 결정함으로써, 최적화된 후보 경로 중에서 최적의 경로를 결정할 수 있는 자율주행차량의 경로 결정장치 및 그 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 장치는, 자율주행차량의 경로 결정장치에 있어서, 주기적으로 복수의 자율주행 경로를 생성하는 경로 생성부; 도로정보와 장애물정보에 기초하여 도로상의 ALF(Adaptive Likelihood Field)를 검출하는 ALF 검출부; 상기 경로 생성부에 의해 생성된 복수의 자율주행 경로 각각에 ALF 검출부에 의해 검출된 ALF를 적용하여 경로별 가중치를 설정하는 가중치 설정부; 및 상기 가중치 설정부에 의해 설정된 경로별 가중치에 기초하여 최종 자율주행 경로를 결정하는 경로 결정부를 포함한다.
여기서, 경로 생성부는 이전시점에 산출된 목표위치들과 현재의 주행정보를 기반으로, 현재시점에서의 목표위치들을 산출하여 복수의 자율주행 경로를 갱신하는 것을 특징으로 한다.
또한, 주행정보는 차량의 속도와 방위각 및 모델정보를 포함하며, 장애물정보는 정적 장애물정보와 동적 장애물정보를 포함한다.
또한, ALF 검출부는 상기 도로정보에 기초하여, 차로의 중심으로 차량을 주행시키기 위한 제1 ALF를 검출하는 제1 ALF 검출기; 상기 정적 장애물정보에 기초하여, 정적 장애물과의 충돌을 회피시키기 위한 제2 ALF를 검출하는 제2 ALF 검출기; 상기 동적 장애물정보에 기초하여, 동적 장애물과의 충돌을 회피시키기 위한 제3 ALF를 검출하는 제3 ALF 검출기; 및 상기 제1 ALF와 상기 제2 ALF와 상기 제3 ALF를 통합하여 최종 ALF를 생성하는 ALF 통합기를 포함한다.
여기서, 도로정보는 도로의 차선, 도로의 폭, 도로의 형태 중 적어도 하나 이상을 포함하고, 정적 장애물정보는 도로상의 정적 장애물의 위치, 크기, 형태 중 적어도 하나 이상을 포함하며, 동적 장애물정보는 도로상의 동적 장애물의 위치, 속도, 방향, 크기, 형태 중 적어도 하나 이상을 포함한다.
또한, 가중치 설정부는 안전한 영역(Field)으로 이루어진 자율주행 경로에 높은 가중치를 부여하며, 이때, 경로 결정부는 높은 가중치가 부여된 자율주행 경로를 최종 경로로 결정한다.
상기 목적을 달성하기 위한 본 발명의 방법은, 자율주행차량의 경로 결정방법에 있어서, 경로 생성부가 주기적으로 복수의 자율주행 경로를 생성하는 단계; ALF(Adaptive Likelihood Field) 검출부가 도로정보와 장애물정보에 기초하여 도로상의 ALF를 검출하는 단계; 가중치 설정부가 상기 생성된 복수의 자율주행 경로 각각에 상기 검출된 ALF를 적용하여 경로별 가중치를 설정하는 단계; 및 경로 결정부가 상기 설정된 경로별 가중치에 기초하여 최종 자율주행 경로를 결정하는 단계를 포함한다.
여기서, 경로 생성단계는 이전시점에 산출된 목표위치들과 현재의 주행정보를 기반으로, 현재시점에서의 목표위치들을 산출하여 복수의 자율주행 경로를 갱신하는 것을 특징으로 한다.
또한, 주행정보는 차량의 속도와 방위각 및 모델정보를 포함하고, 장애물정보는 정적 장애물정보와 동적 장애물정보를 포함한다.
또한, ALF 검출단계는 상기 도로정보에 기초하여, 차로의 중심으로 차량을 주행시키기 위한 제1 ALF를 검출하는 단계; 상기 정적 장애물정보에 기초하여, 정적 장애물과의 충돌을 회피시키기 위한 제2 ALF를 검출하는 단계; 상기 동적 장애물정보에 기초하여, 동적 장애물과의 충돌을 회피시키기 위한 제3 ALF를 검출하는 단계; 및 상기 제1 ALF와 상기 제2 ALF와 상기 제3 ALF를 통합하여 최종 ALF를 생성하는 단계를 포함한다.
이때, 도로정보는 도로의 차선, 도로의 폭, 도로의 형태 중 적어도 하나 이상을 포함하고, 정적 장애물정보는 도로상의 정적 장애물의 위치, 크기, 형태 중 적어도 하나 이상을 포함하며, 동적 장애물정보는 도로상의 동적 장애물의 위치, 속도, 방향, 크기, 형태 중 적어도 하나 이상을 포함한다.
또한, 가중치 설정단계는 안전한 영역(Field)으로 이루어진 자율주행 경로에 높은 가중치를 부여하고, 이때, 경로 결정단계는 높은 가중치가 부여된 자율주행 경로를 최종 경로로 결정한다.
상기와 같은 본 발명은, 주기적으로 복수의 자율주행 경로를 생성하고, 도로정보와 장애물정보에 기초하여 도로상의 ALF(Adaptive Likelihood Field)를 검출하며, 각 경로 상에 ALF를 적용하여 경로별 가중치를 설정한 후 이에 기초하여 최종 자율주행 경로를 결정함으로써, 최적화된 후보 경로 중에서 최적의 경로를 결정할 수 있는 효과가 있다.
도 1 은 본 발명이 적용되는 자율주행시스템의 일예시도,
도 2 는 본 발명에 따른 본 발명에 따른 자율주행차량의 경로 결정장치의 일실시예 구성도,
도 3 은 본 발명에 따른 경로 생성부가 목표위치를 산출하는 과정을 나타내는 일예시도,
도 4 는 본 발명에 따른 ALF 검출부가 도로형상의 ALF를 검출하는 과정을 나타내는 일예시도,
도 5 는 본 발명에 따른 ALF 검출부가 정적 장애물의 ALF를 검출하는 과정을 나타내는 일예시도,
도 6 은 본 발명에 따른 ALF 검출부가 동적 장애물의 ALF를 검출하는 과정을 나타내는 일예시도,
도 7 은 본 발명에 따른 ALF 검출부의 상세 구성도,
도 8 은 본 발명에 따른 가중치 설정부가 가중치를 설정하는 과정을 나타내는 일예시도,
도 9 는 본 발명에 따른 자율주행차량의 경로 결정장치의 성능 분석도를 나타내는 일예시도,
도 10 은 본 발명에 따른 자율주행차량의 경로 결정방법에 대한 일실시예 흐름도이다.
상술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되어 있는 상세한 설명을 통하여 보다 명확해 질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다.
도 1 은 본 발명이 적용되는 자율주행시스템의 일예시도이다.
도 1에 도시된 바와 같이, 본 발명이 적용되는 자율주행시스템은, 위치 추정 시스템(100), 위치 인식 시스템(110), 경로 계획 시스템(120), 및 차량 제어 시스템(130)을 포함한다.
위치 추정 시스템(100)은 차량의 각종 주행정보(차량의 속도와 방위각 및 모델정보 등)를 경로 계획 시스템(120)에 제공한다.
위치 인식 시스템(110)은 각종 인식정보로서 도로정보와 장애물정보를 경로 계획 시스템(120)에 제공한다. 이때, 도로정보는 도로의 차선, 도로의 폭, 도로의 형태 등을 포함하고, 정적 장애물정보는 도로상의 정적 장애물의 위치, 크기, 형태 등을 포함하며, 동적 장애물정보는 도로상의 동적 장애물의 위치, 속도, 방향, 크기, 형태 등을 포함한다.
경로 계획 시스템(120)은 본 발명에 따른 자율주행차량의 경로 결정장치(20)가 적용되는 시스템으로서, 위치 추정 시스템(100) 및 위치 인식 시스템(110)으로부터 제공된 각종 정보를 이용하여 차량의 전반적인 거동을 결정하는 역할을 수행한다.
특히, 경로 계획 시스템(120)은 위치 추정 시스템(100) 및 위치 인식 시스템(110)으로부터 제공된 각종 정보를 이용하여 주기적으로 복수의 자율주행 경로를 생성하고, 도로정보와 장애물정보에 기초하여 도로상의 ALF(Adaptive Likelihood Field)를 검출하며, 각 경로 상에 ALF를 적용하여 경로별 가중치를 설정한 후 이에 기초하여 최종 자율주행 경로를 결정한다.
차량 제어 시스템(130)은 경로 계획 시스템(120)에 의해 결정된 최종 자율주행 경로를 자율주행차량이 주행하도록 자율주행차량의 전반적인 거동을 제어한다.
이하, 도 2를 참조하여 본 발명에 따른 자율주행차량의 경로 결정장치(20)에 대해 상세히 살펴보기로 한다.
도 2 는 본 발명에 따른 본 발명에 따른 자율주행차량의 경로 결정장치의 일실시예 구성도이다.
도 2에 도시된 바와 같이, 본 발명에 따른 자율주행차량의 경로 결정장치는, 경로 생성부(21), ALF 검출부(22), 가중치 설정부(23), 및 경로 결정부(24)를 포함한다. 이러한 구성요소들은 기능별 블록 구성으로서 각 구성요소의 기능을 프로세서가 모두 수행하는 형태로 구현할 수도 있다.
상기 각 구성요소들에 대해 살펴보면, 먼저 경로 생성부(21)는 주기적으로 복수의 자율주행 경로를 생성한다. 즉, 경로 생성부(21)는 이전시점에 산출된 목표위치들과 현재의 주행정보를 기반으로, 현재시점에서의 목표위치들을 산출하여 복수의 자율주행 경로를 갱신한다.
도 3 은 상기 경로 생성부(21)가 초기위치에서 1차 목표위치를 산출하고, 이후 업데이트 시점(자율주행차량이 1차 목표위치에 도달)에 2차 목표위치를 산출하는 과정을 나타낸다. 이러한 목표위치 산출 과정은 자율주행차량이 최종 목적지에 도달할 때까지 반복적으로 이루어진다.
이때, 경로 생성부(21)는 [수학식 1]에 기초하여 목표위치를 산출한다.
[수학식 1]
Figure 112016110560420-pat00001
여기서,
Figure 112016110560420-pat00002
는 i번째 목표위치, V는 차량 속도, ΔT는 업데이트 주기(경로 생성 주기), ψ는 차량의 방위각,
Figure 112016110560420-pat00003
는 속도 인식 오차를 보상하기 위한 상수값,
Figure 112016110560420-pat00004
는 방위각 인식 오차를 보상하기 위한 상수값, k는 시점을 각각 의미한다.
도 3에서, 1그룹(310)에 포함되는 목표위치들은 초기위치(311)에서 산출된 1차 목표위치들을 나타내고, 2그룹(320)에 포함되는 목표위치들은 이후 업데이트 주기에 산출된 2차 목표위치들을 나타낸다.
다음으로, ALF 검출부(22)는 도로정보와 장애물정보에 기초하여 도로상의 ALF(Adaptive Likelihood Field)를 검출한다.
여기서, 도로정보는 도로의 차선, 도로의 폭, 도로의 형태 등을 포함하고, 장애물정보는 정적 장애물정보와 동적 장애물정보를 포함한다. 이때, 정적 장애물정보는 도로상의 정적 장애물의 위치, 크기, 형태 등을 포함하고, 동적 장애물정보는 도로상의 동적 장애물의 위치, 속도, 방향, 크기, 형태 등을 포함한다.
이하, 도 4를 참조하여 ALF 검출부(22)가 도로상의 ALF를 검출하는 과정을, 도 5를 참조하여 ALF 검출부(22)가 정적 장애물의 ALF를 검출하는 과정을, 도 6을 참조하여 ALF 검출부(22)가 동적 장애물의 ALF를 검출하는 과정을 각각 살펴보기로 한다.
도 4에 도시된 좌측 차로와 중앙 차로(β=1) 및 우측 차로(β=2) 중에서, 좌측 차로는 목표 차로를 나타내며, 목표 차로에서의 LAF(
Figure 112016110560420-pat00005
)는 하기의 [수학식 2]를 이용하여 검출하고, 중앙 차로 및 좌측 차로에서의 LAF(
Figure 112016110560420-pat00006
)는 하기의 [수학식 3]을 이용하여 검출하며, 도로의 외부는 0으로 나타낸다.
도 4에서, ntar은 목표 차로의 횡방향 위치를,
Figure 112016110560420-pat00007
은 중앙 차로(목표 차로의 첫번째 옆 차로)의 횡방향 위치를,
Figure 112016110560420-pat00008
은 튜닝 파라미터로서 중앙 차로(β=1)에서 ALF의 최대값(확률 최대값)을,
Figure 112016110560420-pat00009
는 우측 차로에서의 횡방향 위치를,
Figure 112016110560420-pat00010
는 튜닝 파라미터로서 우측 차로(β=2)에서 ALF의 최대값을 각각 나타낸다.
[수학식 2]
Figure 112016110560420-pat00011
여기서,
Figure 112016110560420-pat00012
는 튜닝 파라미터로서 ALF의 분산을 나타내고, ntar은 목표 차로의 횡방향 위치를 나타내며, nk j -는 k 스텝에 j번째 경로 포인트의 횡방향 위치를 나타내고, 'if 조건'은 목표 차로 내에 경로 포인트가 존재하는 조건을 나타낸다. 이때, Wlane는 차로의 폭을 나타내고, 'abs'는 절대값을 구하는 함수를 나타낸다.
[수학식 3]
Figure 112016110560420-pat00013
여기서,
Figure 112016110560420-pat00014
는 β차로 중앙의 횡방향 위치를 나타내고, 'if 조건'은 β번째 차로 내에 경로 포인트가 존재하는 조건을 나타내고, 본 발명에서 'ㆍ'연산은 곱셈 연산을 나타낸다.
도 5는 ALF 검출부(22)가 정적 장애물의 ALF를 검출하는 과정을 나타낸다.
도 5에 도시된 바와 같이, 먼저 인식정보에 기초하여 충돌 위험 맵(Collision Fisk Map)을 생성한다.
이후, 가우시안 컨벌루션(Gaussian convolution) 또는 가우시안 블러(Gaussian blur)을 이용하여 ALF를 생성한다(Risk Probability). 즉, ALF 검출부(22)는 하기의 [수학식 4]에 기초하여 정적 장애물의 ALF를 검출한다.
[수학식 4]
Figure 112016110560420-pat00015
여기서,
Figure 112016110560420-pat00016
는 센서의 분산으로서 불확실성을 나타내는 지표이다. 이때, 불확실성이 높을수록 값이 커진다.
도 6은 ALF 검출부(22)가 동적 장애물의 ALF를 검출하는 과정을 나타낸다.
도 6에 도시된 바와 같이, 먼저 동적 장애물 리스트(Dynamic Obstacle List) 및 도로형상 정보를 이용하여 장애물의 위치를 예측한다(Position Prediction).
이후, 가우시안 컨벌루션(Gaussian convolution) 또는 가우시안 블러(Gaussian blur)을 이용하여 ALF를 생성한다(Likelihood Field). 즉, ALF 검출부(22)는 하기의 [수학식 5]에 기초하여 동적 장애물의 ALF를 검출한다. 이때, '610' 영역은 동적 장애물이 존재할 가능성이 높은 영역을 나타내고, '620'은 동적 장애물이 존재할 가능성이 낮은 영역을 나타낸다.
[수학식 5]
Figure 112016110560420-pat00017
여기서,
Figure 112016110560420-pat00018
는 동적 장애물의 분산으로서, 장애물 위치를 추정하는 시간(tpre)과 속도(vd)의 함수(f)로 표현된다. 일반적으로 긴 시간, 빠른 속도의 경우 분산값이 커지는 경향이 있다.
한편, ALF 검출부(22)가 도로의 ALF와 정적 장애물의 ALF 및 동적 장애물의 ALF를 모두 통합한 ALF는 하기의 [수학식 6]과 같다.
[수학식 6]
Figure 112016110560420-pat00019
상기 [수학식 6]은 결국, "통합 ALF(
Figure 112016110560420-pat00020
) = 도로형상의 ALF(
Figure 112016110560420-pat00021
) × 정적 장애물의 ALF(
Figure 112016110560420-pat00022
) × 동적 장애물의 ALF(
Figure 112016110560420-pat00023
)"를 의미한다. 추가 파라미터를 우변에 곱하는 방식으로 얼마든지 파라미터를 추가할 수 있다.
도 7 은 본 발명에 따른 ALF 검출부의 상세 구성도이다.
도 7에 도시된 바와 같이, 본 발명에 따른 ALF 검출부는 제1 ALF 검출기(71), 제2 ALF 검출기(72), 제3 ALF 검출기(73), 및 ALF 통합기(74)를 포함한다.
제1 ALF 검출기(71)는 도로정보에 기초하여 차로의 중심으로 차량을 주행시키기 위한 제1 ALF를 검출한다.
제2 ALF 검출기(72)는 정적 장애물정보에 기초하여 정적 장애물과의 충돌을 회피시키기 위한 제2 ALF를 검출한다.
제3 ALF 검출기(73)는 동적 장애물정보에 기초하여 동적 장애물과의 충돌을 회피시키기 위한 제3 ALF를 검출한다.
ALF 통합기(74)는 상기 제1 ALF와 상기 제2 ALF와 상기 제3 ALF를 통합하여 통합 ALF를 생성한다.
다음으로, 가중치 설정부(23)는 도 8에 도시된 바와 같이 경로 생성부(21)에 의해 생성된 각 경로 상에 ALF 검출부(22)에 의해 검출된 ALF를 적용하여 경로별 가중치를 설정한다. 이때, 가중치 설정부(23)는 장애물과의 충돌 가능성이 낮은 경로(810)에 높은 가중치를 부여한다.
다음으로, 경로 결정부(24)는 가중치 설정부(23)에 의해 설정된 경로별 가중치에 기초하여 최종 자율주행 경로를 결정한다. 도 8에서 '810' 경로를 최종 경로로 결정한다.
도 9 는 본 발명에 따른 자율주행차량의 경로 결정장치의 성능 분석도를 나타낸다.
도 9에 도시된 바와 같이, 본 발명에 따라 결정된 자율주행 경로와 일반적인 샘플링 기법에 의해 결정된 자율주행 경로 간의 큰 차이가 없음을 알 수 있다. 결국, 본 발명에 따른 자율주행 경로 결정 방법은 일반적인 샘플링 기법에 비해 훨씬 적은 샘플 수로 경로를 결정하기 때문에 낮은 연산 복잡도로 빠른 처리 시간을 갖는 장점이 있다.
도 10 은 본 발명에 따른 자율주행차량의 경로 결정방법에 대한 일실시예 흐름도로서, 하기의 각 과정을 해당 구성요소가 수행하는 형태를 설명하지만, 제어부가 일괄 수행하는 형태로 구현할 수도 있다.
먼저, 경로 생성부(21)가 주기적으로 복수의 자율주행 경로를 생성한다(1001).
이후, ALF 검출부(22)가 도로정보와 장애물정보에 기초하여 도로상의 ALF(Adaptive Likelihood Field)를 검출한다(1002).
이후, 가중치 설정부(23)가 경로 생성부(21)에 의해 생성된 각 경로 상에 ALF 검출부(22)에 의해 검출된 ALF를 적용하여 경로별 가중치를 설정한다(1003).
이후, 경로 결정부(24)가 가중치 설정부(23)에 의해 설정된 경로별 가중치에 기초하여 최종 자율주행 경로를 결정한다(1004).
한편, 전술한 바와 같은 본 발명의 방법은 컴퓨터 프로그램으로 작성이 가능하다. 그리고 상기 프로그램을 구성하는 코드 및 코드 세그먼트는 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다.　또한, 상기 작성된 프로그램은 컴퓨터가 읽을 수 있는 기록매체(정보저장매체)에 저장되고, 컴퓨터에 의하여 판독되고 실행됨으로써 본 발명의 방법을 구현한다. 그리고 상기 기록매체는 컴퓨터가 판독할 수 있는 모든 형태의 기록매체를 포함한다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.
21 : 경로 생성부
22 : ALF 검출부
23 : 가중치 설정부
24 : 경로 결정부

Claims (20)

  1. 주기적으로 복수의 자율주행 경로를 생성하는 경로 생성부;
    도로정보와 장애물정보에 기초하여 도로상의 ALF(Adaptive Likelihood Field)를 검출하는 ALF 검출부;
    상기 경로 생성부에 의해 생성된 복수의 자율주행 경로 각각에 상기 ALF 검출부에 의해 검출된 ALF를 적용하여 경로별 가중치를 설정하는 가중치 설정부; 및
    상기 가중치 설정부에 의해 설정된 경로별 가중치에 기초하여 최종 자율주행 경로를 결정하는 경로 결정부를 포함하되,
    상기 장애물정보는 정적 장애물정보와 동적 장애물정보를 포함하고,
    상기 ALF 검출부는,
    상기 도로정보에 기초하여, 차로의 중심으로 차량을 주행시키기 위한 제1 ALF를 검출하는 제1 ALF 검출기;
    상기 정적 장애물정보에 기초하여, 정적 장애물과의 충돌을 회피시키기 위한 제2 ALF를 검출하는 제2 ALF 검출기;
    상기 동적 장애물정보에 기초하여, 동적 장애물과의 충돌을 회피시키기 위한 제3 ALF를 검출하는 제3 ALF 검출기; 및
    상기 제1 ALF와 상기 제2 ALF와 상기 제3 ALF를 통합하여 최종 ALF를 생성하는 ALF 통합기
    를 포함하는 자율주행차량의 경로 결정장치.
  2. 제 1 항에 있어서,
    상기 경로 생성부는,
    이전시점에 산출된 목표위치들과 현재의 주행정보를 기반으로, 현재시점에서의 목표위치들을 산출하여 복수의 자율주행 경로를 갱신하는 것을 특징으로 하는 자율주행차량의 경로 결정장치.
  3. 제 2 항에 있어서,
    상기 주행정보는,
    차량의 속도와 방위각 및 모델정보를 포함하는 자율주행차량의 경로 결정장치.
  4. 삭제
  5. 삭제
  6. 제 1 항에 있어서,
    상기 도로정보는,
    도로의 차선, 도로의 폭, 도로의 형태 중 적어도 하나 이상을 포함하는 자율주행차량의 경로 결정장치.
  7. 제 1 항에 있어서,
    상기 정적 장애물정보는,
    도로상의 정적 장애물의 위치, 크기, 형태 중 적어도 하나 이상을 포함하는 자율주행차량의 경로 결정장치.
  8. 제 1 항에 있어서,
    상기 동적 장애물정보는,
    도로상의 동적 장애물의 위치, 속도, 방향, 크기, 형태 중 적어도 하나 이상을 포함하는 자율주행차량의 경로 결정장치.
  9. 제 1 항에 있어서,
    상기 가중치 설정부는,
    상기 복수의 자율주행 경로 각각에, 장애물과의 충돌 가능성이 낮은 순서로 높은 가중치를 부여하는 것을 특징으로 하는 자율주행차량의 경로 결정장치.
  10. 제 9 항에 있어서,
    상기 경로 결정부는,
    가장 높은 가중치가 부여된 자율주행 경로를 최종 경로로 결정하는 것을 특징으로 하는 자율주행차량의 경로 결정장치.
  11. 경로 생성부가 주기적으로 복수의 자율주행 경로를 생성하는 단계;
    ALF(Adaptive Likelihood Field) 검출부가 도로정보와 장애물정보에 기초하여 도로상의 ALF를 검출하는 단계;
    가중치 설정부가 상기 생성된 복수의 자율주행 경로 각각에 상기 검출된 ALF를 적용하여 경로별 가중치를 설정하는 단계; 및
    경로 결정부가 상기 설정된 경로별 가중치에 기초하여 최종 자율주행 경로를 결정하는 단계를 포함하되,
    상기 장애물정보는 정적 장애물정보와 동적 장애물정보를 포함하고,
    상기 ALF 검출단계는,
    상기 도로정보에 기초하여, 차로의 중심으로 차량을 주행시키기 위한 제1 ALF를 검출하는 단계;
    상기 정적 장애물정보에 기초하여, 정적 장애물과의 충돌을 회피시키기 위한 제2 ALF를 검출하는 단계;
    상기 동적 장애물정보에 기초하여, 동적 장애물과의 충돌을 회피시키기 위한 제3 ALF를 검출하는 단계; 및
    상기 제1 ALF와 상기 제2 ALF와 상기 제3 ALF를 통합하여 최종 ALF를 생성하는 단계
    를 포함하는 자율주행차량의 경로 결정방법.
  12. 제 11 항에 있어서,
    상기 경로 생성단계는,
    이전시점에 산출된 목표위치들과 현재의 주행정보를 기반으로, 현재시점에서의 목표위치들을 산출하여 복수의 자율주행 경로를 갱신하는 것을 특징으로 하는 자율주행차량의 경로 결정방법.
  13. 제 12 항에 있어서,
    상기 주행정보는,
    차량의 속도와 방위각 및 모델정보를 포함하는 자율주행차량의 경로 결정방법.
  14. 삭제
  15. 삭제
  16. 제 11 항에 있어서,
    상기 도로정보는,
    도로의 차선, 도로의 폭, 도로의 형태 중 적어도 하나 이상을 포함하는 자율주행차량의 경로 결정방법.
  17. 제 11 항에 있어서,
    상기 정적 장애물정보는,
    도로상의 정적 장애물의 위치, 크기, 형태 중 적어도 하나 이상을 포함하는 자율주행차량의 경로 결정방법.
  18. 제 11 항에 있어서,
    상기 동적 장애물정보는,
    도로상의 동적 장애물의 위치, 속도, 방향, 크기, 형태 중 적어도 하나 이상을 포함하는 자율주행차량의 경로 결정방법.
  19. 제 11 항에 있어서,
    상기 가중치 설정단계는,
    상기 복수의 자율주행 경로 각각에, 장애물과의 충돌 가능성이 낮은 순서로 높은 가중치를 부여하는 것을 특징으로 하는 자율주행차량의 경로 결정방법.
  20. 제 19 항에 있어서,
    상기 경로 결정단계는,
    가장 높은 가중치가 부여된 자율주행 경로를 최종 경로로 결정하는 것을 특징으로 하는 자율주행차량의 경로 결정방법.
KR1020160150548A 2016-11-11 2016-11-11 자율주행차량의 경로 결정장치 및 그 방법 KR102518532B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020160150548A KR102518532B1 (ko) 2016-11-11 2016-11-11 자율주행차량의 경로 결정장치 및 그 방법
US15/462,612 US10073458B2 (en) 2016-11-11 2017-03-17 Path determining apparatus for autonomous driving vehicle and path determining method
DE102017205518.9A DE102017205518A1 (de) 2016-11-11 2017-03-31 Streckenermittlungsvorrichtung für ein autonomes Fahrzeug und Streckenermittlungsverfahren
CN201710216461.6A CN108072382A (zh) 2016-11-11 2017-04-05 用于自主驾驶车辆的路径确定装置及路径确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160150548A KR102518532B1 (ko) 2016-11-11 2016-11-11 자율주행차량의 경로 결정장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20180053142A KR20180053142A (ko) 2018-05-21
KR102518532B1 true KR102518532B1 (ko) 2023-04-07

Family

ID=62026347

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160150548A KR102518532B1 (ko) 2016-11-11 2016-11-11 자율주행차량의 경로 결정장치 및 그 방법

Country Status (4)

Country Link
US (1) US10073458B2 (ko)
KR (1) KR102518532B1 (ko)
CN (1) CN108072382A (ko)
DE (1) DE102017205518A1 (ko)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3537248A1 (en) 2016-06-10 2019-09-11 Duke University Motion planning for autonomous vehicles and reconfigurable motion planning processors
WO2019139815A1 (en) * 2018-01-12 2019-07-18 Duke University Apparatus, method and article to facilitate motion planning of an autonomous vehicle in an environment having dynamic objects
TWI822729B (zh) 2018-02-06 2023-11-21 美商即時機器人股份有限公司 用於儲存一離散環境於一或多個處理器之一機器人之運動規劃及其改良操作之方法及設備
PL3769174T3 (pl) 2018-03-21 2022-10-24 Realtime Robotics, Inc. Planowanie przemieszczania robota do różnych środowisk i zadań oraz jego ulepszone działanie
CN111868801B (zh) * 2018-03-23 2023-06-06 三菱电机株式会社 路径生成装置及车辆控制系统
US11117569B2 (en) * 2018-06-27 2021-09-14 Baidu Usa Llc Planning parking trajectory generation for self-driving vehicles using optimization method
US10832093B1 (en) 2018-08-09 2020-11-10 Zoox, Inc. Tuning simulated data for optimized neural network activation
US11001256B2 (en) * 2018-09-19 2021-05-11 Zoox, Inc. Collision prediction and avoidance for vehicles
JP6990160B2 (ja) * 2018-09-28 2022-01-12 株式会社Subaru 自動運転支援装置
CN111413958B (zh) * 2018-12-18 2021-09-24 北京航迹科技有限公司 用于确定自动驾驶中的驾驶路径的系统和方法
CN110617828B (zh) * 2018-12-29 2022-04-01 毫末智行科技有限公司 车辆自动驾驶时动态目标线的生成方法、生成系统及车辆
CN109934164B (zh) * 2019-03-12 2020-12-01 杭州飞步科技有限公司 基于轨迹安全度的数据处理方法和装置
CN110020748B (zh) * 2019-03-18 2022-02-15 杭州飞步科技有限公司 轨迹预测方法、装置、设备和存储介质
CN113905855B (zh) 2019-04-17 2023-08-25 实时机器人有限公司 运动规划图生成用户界面、系统、方法和规则
GB202215836D0 (en) * 2019-05-07 2022-12-07 Motional Ad Llc Systems and methods for planning and updating a vehicle's trajectory
CN114206698B (zh) 2019-06-03 2024-07-02 实时机器人有限公司 在具有动态障碍物的环境中促进运动规划的装置、方法和物品
WO2021041223A1 (en) 2019-08-23 2021-03-04 Realtime Robotics, Inc. Motion planning for robots to optimize velocity while maintaining limits on acceleration and jerk
US11741719B2 (en) * 2019-08-27 2023-08-29 GM Global Technology Operations LLC Approach to maneuver planning for navigating around parked vehicles for autonomous driving
US11834045B2 (en) 2019-10-08 2023-12-05 Motional Ad Llc Navigating multi-way stop intersections with an autonomous vehicle
KR20210044963A (ko) * 2019-10-15 2021-04-26 현대자동차주식회사 자율주행차량의 차선변경 경로 결정 장치 및 그 방법
JP7308138B2 (ja) 2019-12-24 2023-07-13 アマノ株式会社 自律走行作業装置
TW202146189A (zh) 2020-01-22 2021-12-16 美商即時機器人股份有限公司 於多機器人操作環境中之機器人之建置
DE112020007052T5 (de) * 2020-04-10 2023-04-13 Mitsubishi Electric Corporation Fahrweg-Erzeugungsvorrichtung
US11318959B2 (en) * 2020-05-21 2022-05-03 GM Cruise Holdings, LLC Estimating trip duration based on vehicle reroute probabilities
CN112612273B (zh) * 2020-12-21 2021-08-24 南方电网电力科技股份有限公司 一种巡检机器人避障路径规划方法、系统、设备和介质
US20230115758A1 (en) * 2021-10-11 2023-04-13 Argo AI, LLC Systems and methods for controlling speed of an autonomous vehicle
KR102708218B1 (ko) * 2021-12-23 2024-09-23 주식회사 아이나비시스템즈 초정밀 지도의 악의 조건 정보를 활용한 자율주행용 경로 생성 시스템 및 그 방법
CN114384916A (zh) * 2022-01-13 2022-04-22 华中科技大学 一种越野车路径规划的自适应决策方法及系统
US20230331252A1 (en) * 2022-04-15 2023-10-19 Gm Cruise Holdings Llc Autonomous vehicle risk evaluation
CN114995421B (zh) * 2022-05-31 2024-06-18 重庆长安汽车股份有限公司 自动驾驶避障方法、装置、电子设备、存储介质及程序产品
KR20240062646A (ko) * 2022-11-02 2024-05-09 네이버랩스 주식회사 하이브리드 주행 알고리즘 기반 주행 정책 결정 방법 및 시스템
KR20240076875A (ko) 2022-11-23 2024-05-31 재단법인 지능형자동차부품진흥원 다중 에이전트 기반의 교통 흐름 분석을 통한 최적 경로 설계 시스템 및 그 방법

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8126642B2 (en) 2008-10-24 2012-02-28 Gray & Company, Inc. Control and systems for autonomously driven vehicles
JP2010208573A (ja) * 2009-03-12 2010-09-24 Nippon Telegr & Teleph Corp <Ntt> ナビゲーション方法とその装置、プログラム及び記録媒体
JP5796947B2 (ja) 2010-10-08 2015-10-21 三菱重工業株式会社 自律走行制御装置及びそれを備えた自律走行車両
US8457827B1 (en) 2012-03-15 2013-06-04 Google Inc. Modifying behavior of autonomous vehicle based on predicted behavior of other vehicles
JP5631367B2 (ja) * 2012-08-09 2014-11-26 本田技研工業株式会社 経路探索装置
US8473144B1 (en) 2012-10-30 2013-06-25 Google Inc. Controlling vehicle lateral lane positioning
KR20150084143A (ko) 2014-01-13 2015-07-22 한양대학교 산학협력단 다양한 주행 환경 기반의 차량 자율 주행 장치 및 그 경로 계획 방법
US9097549B1 (en) 2014-03-17 2015-08-04 Ford Global Technologies, Llc Learning automated vehicle
US9457807B2 (en) 2014-06-05 2016-10-04 GM Global Technology Operations LLC Unified motion planning algorithm for autonomous driving vehicle in obstacle avoidance maneuver
KR20160013713A (ko) * 2014-07-28 2016-02-05 현대자동차주식회사 자율주행차량의 전역경로 생성장치 및 방법
US9187088B1 (en) 2014-08-15 2015-11-17 Google Inc. Distribution decision trees
KR101610502B1 (ko) 2014-09-02 2016-04-07 현대자동차주식회사 자율주행차량의 주행환경 인식장치 및 방법
KR101664582B1 (ko) * 2014-11-12 2016-10-10 현대자동차주식회사 자율주행차량의 주행경로 생성장치 및 방법
KR101778004B1 (ko) 2015-06-22 2017-09-15 (주) 에빅스젠 이마티닙을 유효성분으로 포함하는 안구 건조 질환 예방 및 치료용 약학 조성물
US9720415B2 (en) * 2015-11-04 2017-08-01 Zoox, Inc. Sensor-based object-detection optimization for autonomous vehicles
CN105809130B (zh) * 2016-03-08 2020-03-10 武汉大学 一种基于双目深度感知的车辆可行驶区域计算方法
CN105783920A (zh) * 2016-04-22 2016-07-20 李明科 一种室内外定位方法及定位系统、定位用脚环

Also Published As

Publication number Publication date
DE102017205518A1 (de) 2018-05-17
KR20180053142A (ko) 2018-05-21
CN108072382A (zh) 2018-05-25
US20180136662A1 (en) 2018-05-17
US10073458B2 (en) 2018-09-11

Similar Documents

Publication Publication Date Title
KR102518532B1 (ko) 자율주행차량의 경로 결정장치 및 그 방법
KR102581263B1 (ko) 위치 추적 방법, 장치, 컴퓨팅 기기 및 컴퓨터 판독 가능한 저장 매체
JP6469220B2 (ja) 走行車線判別装置および走行車線判別方法
US20190086923A1 (en) Method and apparatus for generating obstacle motion information for autonomous vehicle
US11377119B2 (en) Drifting correction between planning stage and controlling stage of operating autonomous driving vehicles
JP6427908B2 (ja) 地図情報生成システム、方法およびプログラム
KR102238522B1 (ko) 3차원 공간에 대응되는 맵을 생성하는 차량 및 방법
KR101409323B1 (ko) 무인자율차량 및 이의 동적환경 주행경로생성방법
US10369993B2 (en) Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free
RU2016136822A (ru) Система вождения транспортного средства, способ восприятия и локализации для дорожного транспортного средства и компьютерно-читаемый носитель данных
CN112394725B (zh) 用于自动驾驶的基于预测和反应视场的计划
US10066953B2 (en) Destination estimating system and destination estimating method
US20230131553A1 (en) Environment-aware path planning for a self-driving vehicle using dynamic step-size search
JPWO2018142527A1 (ja) 走行履歴の記憶方法、走行軌跡モデルの生成方法、自己位置推定方法、及び走行履歴の記憶装置
KR20180092960A (ko) 고속 탐색 랜덤화 피드백 기반의 모션 계획
JP2019008431A (ja) 経路探索装置および経路探索方法
KR20160048530A (ko) 자율 이동 차량의 경로 생성 방법 및 경로 생성 장치
KR101878617B1 (ko) 궤적 데이터 처리 방법 및 궤적 데이터 처리 시스템
JP2024105508A (ja) 出力装置、制御方法、プログラム及び記憶媒体
KR101390776B1 (ko) 퍼지 확장 칼만 필터를 이용한 위치인식 장치, 방법 및 이동로봇
JP2007333652A (ja) 測位装置、ナビゲーションシステム
JP5396311B2 (ja) 行動予測装置、方法およびプログラム
KR102499976B1 (ko) 차량 및 그 제어방법
KR101400267B1 (ko) 무인자율차량 및 이의 야지주행방법
US11874136B2 (en) System for storing and updating bump information

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant