레이더와 정밀지도를 이용한 자율주행 차량의 위치추정 알고리즘에 관한 연구

Abstract

학계와 자동차 제조회사뿐 아니라 세계적인 ICT 기업에서도 자율주 행 차량의 상용화를 목표로 많은 연구 개발이 이루어지고 있다. 이러한 연구 개발로 높은 수준의 자율주행 차량의 기술이 시연되고 있으며 자 율주행 차량에 대한 관심도와 기대치가 점점 높아지고 있다. 자율주행 의 핵심은 인지, 판단, 그리고 제어 기술이다. 핵심 기술을 이용하여 높 은 품질의 자율주행 기술 및 차량을 개발하기 위해서는 자율주행 차량 의 정확한 위치 정보가 필수이다. 차량의 위치를 추정하는 기술을 Localization 이라고 한다. 차량의 위치 추정 기술은 GNSS를 이용한 위 치인식, V2X 위치인식 등이 있다. 하지만, 이러한 위치 추정 기술은 센 서의 비용이 크고, 지하 또는 밀폐된 주차 공간에서는 위치를 추정하기 가 어렵다는 단점을 가지고 있다. 이를 개선하고자 본 논문에서는 차량 에 장착된 IMU 센서, Radar 센서, 정밀지도를 이용해 차량의 위치를 추정 하는 연구를 한다. IMU 센서를 통한 추측 항법은 차량의 위치를 예측하지만 시간이 지남에 따라 오차가 누적된다. 이러한 오차를 줄이 기 위해 Radar 센서를 이용해 주차장의 기둥과 차량사이의 거리를 관 측하였다. 또한, Extended Kalman Filter의 이론을 적용해 차량의 위치 를 보정하며 정확한 위치 추정할 수 있는 알고리즘을 개발하였다. 제안 하는 알고리즘은 Matlab/Simulink 환경에서 구현되었다. 구성한 모델은 IPG 사의 CarMarker를 통해 시뮬레이션 검증하였다. 추측 항법으로만 차량 위치를 추정하였을 때보다 Radar 센서를 - IV - 이용하여 추정하였을 때 위치를 추정하는 성능이 더 뛰어나다는 것을 확인하였다. 단거리 측정과 물체의 종류 판단이 어려운 Radar 센서의 단점을 보완하기 위해 Lidar, 카메라와 같은 센서를 추가하여 장단점을 보완할 수 있는 센서들을 통해 센서퓨전으로 위치를 추정하는 연구가 필요한 것을 확인하였다.|Not only academia and automobile manufacturers but also global ICT companies are conducting many kinds of research intending to commercialize autonomous vehicles. Therefore, a high level of technology for autonomous vehicles is being demonstrated, and interest and expectations regarding autonomous vehicles are increasing. The cores of autonomous driving are cognitive, judgment, and control technologies. Accurate location information of autonomous vehicles is essential to develop high-quality autonomous driving technologies and vehicles using core technologies. The technology to locate a vehicle is called localization. The vehicle location estimation technology includes location recognition using GNSS and V2X location recognition. However, this location estimate technology has a disadvantage in that the cost of the sensor is high, and it is not easy to estimate the position in an underground or enclosed parking space. This paper conducts the research to estimate the location of a vehicle using IMU sensor, radar sensor, and precision map mounted on the vehicle, which is to improve the disadvantage of the location estimate technology. The dead reckoning through the IMU sensor predicts the movement of the vehicle, but errors accumulate over time. The distance between the parking lot pillar and the vehicle was observed to reduce the error, using a Radar sensor. In addition, an algorithm was developed to correct and estimate the exact location of the vehicle by applying Extended Kalman Filter's theory. The proposed algorithm was implemented in the Matlab/Simulink environment. The configured model was simulated and verified through IPG's CarMarker. When the location was estimated by the Radar sensor, it was verified that estimating the location was better than the dead reckoning method. In order to compensate for the short-distance measurement and the recognition of the type of object, it checked that research to estimate the location with sensor fusion is necessary through sensors that can compensate for the advantages and disadvantages by adding sensors such as Lidar and camera.