딥러닝을 이용한 제약적인 주차 공간에서의 주차 경로계획

Abstract

최근 자율 주차(Autonomous Parking)에 관한 연구가 다양하게 진행되고 있다. 특히 자율 주차 경로 계획(Path Planning)은 차량의 운동학적 제약을 고려하여 안전하고 효율적인 경로를 생성해야 한다. 일반적인 주차 환경에서 최적의 경로를 생성하는 알고리즘(Path Planning Algorithm)은 많이 연구됐다. 대표적으로 RRT star(Rapidly-exploring Random Tree star), Reeds-Shepp Curve, Hybrid A-star 등이 많이 사용된다. 그러나 특수한 환경(협소한 주차, 끝자리 주차)에서 이전 알고리즘을 사용하면 경로 생성이 안 되거나 오래 걸린다는 단점이 존재한다.

이에 본 논문에서는 딥러닝(Deep Learning)이 포함된 경로 생성 알고리즘을 제안한다. 이 알고리즘은 우선 Reeds-Shepp Curve 알고리즘과 Hybrid A-star 알고리즘을 기반으로 생성된 경로 데이터들을 수집한다. 수집된 데이터에는 생성된 경로의 노드(Node) 정보와 주차된 차들의 위치, 주차장(parking map)의 정보까지 들어있다. 이를 딥러닝 네트워크(Deep Learning Network)로 학습시키고 학습된 정보를 기반으로 주차 경로를 생성한다.

검증 방법으로는 일반적인 주차 시나리오와 끝자리 주차 시나리오에서 본 연구에서 제안한 방법과 비교 논문에서 제안한 방법을 시뮬레이션으로 비교해보았다. 또한 주차 환경이 다양한 상황에서도 잘 적용되는지 확인하였다. 그 결과 본 연구에서 제안된 알고리즘은 일반적인 주차와 끝자리 주차 모두 성공적으로 적용될 수 있음을 보였다. 그리고 기존 알고리즘과 비교했을 때 큰 오차 없이 경로 생성이 더 빠른 것을 확인할 수 있었다.