자율주행(판단) 특강 정리 - 현대엔지비

자율주행 프로세스

 
국민대학교 자동차IT융합학과 유진우 교수님께서 강의해주셨습니다.
자율주행 전반적 동향과 인지 도메인이 초반 1시간 내용이었으므로 이 부분은 패스하겠습니다.
인증평가에 나올만한 내용 위주 정리했음.
 
 
다양한 센서를 통해 조향각, 가속도를 조절하면 자율주행이 가능하다.
 
INS는 누적오차가 심하고 GPS는 안정적으로 낮은 정확도 위치를 공급한다. 따라서 둘을 칼만필터로 엮어 사용한다.
 
자율주행에 있어 지도와 현실간의 에러는 10~30cm 내외를 유지해야 한다.
 
GPS, IMU, LiDAR, DMI, INS로 지도 조사함.
 
지도가 사람에게는 와닿지 않지만 B2B 투자가 많고 유수기업들이 실내외 지도의 중요성을 알고 많이 투자하고 있다.
 
그래서 지도를 갖고 위치인식을 잘 해야한다. Localization: 지도 안에서 자차 위치를 인식하는 것을 의미함
 
Autoware(일본): 실차 자율주행에서 loss 기반 미들웨어를 구성할 때 이용하기 좋다.
아폴로(바이두)
 
그럼 GPS로 하면 되지 않나요? 전리층 오차와 대리층 지연이 발생
 
DGPS, 미터급 정밀도, 기준국을 설치해 기준국에서 생성된 보정 정보를 이용
RTK, 2~3cm급 정밀도, 수천만원~억대 가격
 
HD지도 안에서 센서 정보 기반의 map-matching 방법
구글: DGPS+INS+LiDAR 센서 융합 기반 정밀 측위
다임러: DGPS+Feature Based Map+Stereo Camera 센서 융합
 

자율주행 기술 세부 응용: 군집주행 및 자율주차

군집주행: 다수의 차량이 서로 연결되어 근접거리를 유지하며 convoy 주행, 선두차량(인간이 운전)이 대열을 이끌며 추종차량은 자율주행 상태로 선두차량의 움직임을 미러링, 트럭과 V2V 기술을 융합
 
자율주차: 제한된 공간인 주차장에서 자율 발렛 주차에 대한 기술 개발 및 표준 선점을 통한 시장 주도가 매우 중요
자율주차 개발 동향: Parking Assist, Automated Parking, Autonomous Ballet Parking 이미 상용화
 

Rule-based Decision Making Method

if, elif 조건문 기반 방법
정의: 주어진 입력에 대해 결과값을 도출하는 방법으로 확고한 규칙을 따름. if-then 방식이라고도 함.
 
수십년간 사용한 기초적 방법. 예를 들어 신호등 녹색이면 주행, 적색이면 정차
좁은 의미로 차로변경, 추월 등 넓은 의미로는 모든 상황을 결정
 
<규칙기반, 통계기반, 머신러닝, 인공지능>
오른쪽으로 갈수록 소프트웨어 스스로 주체적 결정을 내림
 
규칙기반은 고속도로와 같은 간단한 환경에 적합하나 복잡한 도심환경에서 인풋이 많아지면 불리함.
 

AI-based Decision Making Method

정보가 많을 때 적합한 방법
 
딥러닝/강화학습을 활용해 데이터 기반 주행상황 판단 및 결정
판단 도메인만 인공지능을 활용한 수도 있고 End-to-End 방법을 사용할 수도 있다.
 

V2X 정보 기반 주행 판단

V2X는 센서와 같이 사용해야 한다.
V2I, V2V, V2P 등의 용어 알아두기
 

열악한 날씨에서 판단

1. 비용측면에선 레인센서가 가장 좋다. 
2. 타이어 미끄러짐(슬립)을 이용한 추정.
3. 카메라 기반 딥러닝
 

경로생성

전역경로 vs. 로컬경로(자차 기반 짧은 범위)
 

A* 알고리즘

주어진 출발 꼭지점에서 목표 꼭지점까지 가는 최단 경로를 찾는 그래프 트리 탐색 알고리즘
트리 구조의 개념, 노드 관계 알아두기
그리드를 잘게 쪼개면 섬세한 경로를 만들 수 있다. 그래서 에이스타에서 그리드를 얼마나 쪼개느냐에 trade-off 관계가 있다.
총비용  F=G+H 을 최소화하는 것이 목표임.
맨하탄 방법
 

RRT 알고리즘

무작위 샘플링 기반의 경로 생성 방법
샘플링 포인트를 계속 뿌린다.
방해물 회피 주행도 편하게 디자인 할 수 있다.
실제 적용할 때는 
 

강화학습

평소 알던 내용...