• 로봇학회논문지
• /
• 제16권2호
• /
• pp.112-121
• /
• 2021

Unlike a typical small-sized robot navigating in a free space, an autonomous vehicle has to travel in a designated road which has lanes to follow and traffic rules to obey. High-Definition (HD) maps, which include road markings, traffic signs, and traffic lights with high location accuracy, can help an autonomous vehicle avoid the need to detect such challenging road surroundings. With space constraints and a pre-built HD map, a new type of path planning algorithm can be conceived as a substitute for conventional grid-based path planning algorithms, which require substantial planning time to cover large-scale free space. In this paper, we propose an obstacle-avoiding, cost-based planning algorithm in a continuous space that aims to pursue a globally-planned path with the help of HD map information. Experimentally, the proposed algorithm is shown to outperform other state-of-the-art path planning algorithms in terms of computation complexity in a typical urban road setting, thereby achieving real-time performance and safe avoidance of obstacles.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2006년도 학술대회 1부
• /
• pp.1373-1378
• /
• 2006

대용량의 네트워크 인프라가 확대되고, 네트워크를 통한 DV, HD 급의 고화질 비디오 전송이 보편화 되면서, 고화질의 비디오에 몰입감, 현실감을 증진시키기 위한 스테레오 HD 비디오 전송이 가능하게 되었다. 본 논문은 IP 네트워크를 통해서 스테레오 HD 비디오 전송을 가능하게 해주는 소프트웨어 기반의 HD 비디오 전송 시스템에서 효과적으로 몰입감과 입체감을 제공하기 위해 충족되어야 하는 좌우 영상의 동기화에 필요한 요소들을 다룬다. 제안된 동기화 기법은 수신 측에서 최종적으로 동기화된 좌우 영상을 통해 스테레오 HD 비디오를 얻기 위해서 좌우 카메라로부터 영상의 획득 시, 획득된 영상의 네트워크 전송 시, 또 수신된 영상의 재생 시 좌우 영상의 동기화한다. 결과적으로 동기화 된 좌우 영상을 통하여 몰입감과 현실감을 가지는 스트레오 HD 비디오를 실시간으로 감상할 수 있다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.375-382
• /
• 2020

세계적으로 4차 산업혁명 시대에 접어들면서 자율주행차에 대한 관심이 증대되고 있으나 최근 보행자사고, 차대차사고 등 안전 확보 등의 이슈로 이에 대한 기술적인 모델로서 차선, 노면표시 등 도로정보와 신호등, 교통표지판 등 시설물 정보가 포함된 3차원 정밀도로지도(HD Map: High Definition Map) 수요가 높아지고 있다. 하지만, 수요에 따른 일부 보완점들이 계속적으로 제기되고 있어, 정밀도로지도를 활용하는 기관·기업들의 의견을 수렴하고 그에 따른 정밀도로지도의 개선이 필요한 실정이다. 본 연구는 국토지리정보원에서 주최하고 공간정보산업진흥원에서 주관했던 정밀도로지도 활용성 검증 공모전의 결과를 활용하여 연구를 수행하였다. 본 연구를 위해서 정밀도로지도의 개선을 위한 정밀도로지도 객체 검증을 위해 정밀도로지도의 레이어 및 레이어 코드를 조사하고, 그에 따라 정밀도로지도 객체 검증 항목을 구성하였으며 그 항목에 따라 정밀도로지도 활용성 검증 공모전 참가자들이 검증을 수행하고, 그 결과를 분석하였다. 그 결과 참가자들이 가장 많이 사용한 레이어별 코드는 평면교차로 등이며, 가장 높은 사용률을 보여주는 코드는 안전표지로 나타났다. 또한 부속구간 및 높이 장애물의 사용률은 각각 16.67%, 8.88%로 낮은 비율을 보여주었다. 이번 연구로 향후 정밀도로지도의 활용을 위해서 지속적으로 수요처의 의견을 수렴하여 수요처에서 실제로 필요한 레이어와 이에 대한 데이터 모델을 개선하는 연구가 필요할 것으로 예상된다.

• 자동차안전학회지
• /
• 제15권2호
• /
• pp.42-48
• /
• 2023

In recent years, automated vehicles have garnered attention in the multidisciplinary research field, promising increased safety on the road and new opportunities for passengers. High-Definition (HD) maps have been in development for many years as they offer roadmaps with inch-perfect accuracy and high environmental fidelity, containing precise information about pedestrian crossings, traffic lights/signs, barriers, and more. Demonstrating autonomous driving requires verification of driving on actual roads, but this can be challenging, time-consuming, and costly. To overcome these obstacles, creating HD maps of real roads in a simulation and conducting virtual driving has become an alternative solution. However, existing HD maps using high-precision data are expensive and time-consuming to build, which limits their verification in various environments and on different roads. Thus, it is challenging to demonstrate autonomous driving on anything other than extremely limited roads and environments. In this paper, we propose a new and simple method for implementing HD maps that are more accessible for autonomous driving demonstrations. Our HD map combines the CARLA simulator and OpenStreetMap (OSM) data, which are both open-source, allowing for the creation of HD maps containing high-accuracy road information globally with minimal dependence. Our results show that our easily accessible HD map has an accuracy of 98.28% for longitudinal length on straight roads and 98.42% on curved roads. Moreover, the accuracy for the lateral direction for the road width represented 100% compared to the manual method reflected with the exact road data. The proposed method can contribute to the advancement of autonomous driving and enable its demonstration in diverse environments and on various roads.

• 지적과 국토정보
• /
• 제51권1호
• /
• pp.39-51
• /
• 2021

최근 자율주행에서 도로, 차로, 교차로, 도로 표지, 도로 시설물 등을 효과적으로 표현하기 위한 표준화된 정밀도로지도의 데이터 모델링과 더불어 실질적인 적용을 위한 관심이 크게 증가하고 있다. 현재 ISO 22726-1, ISO 14296, HERE HD Live map, NDS open lane model, OpenDRIVE, NGII HD map 등의 다양한 국제 표준 또는 산업계 표준 모델들이 활용되고 있으나, 이들 간의 모델링 방식에서 큰 차이가 존재하여 다양한 표준의 정밀도로지도를 융합하여 활용하는데 많은 어려움이 존재한다. 이에 본 연구에서는 자율주행에서 다양한 정밀도로지도 표준 모델들의 효율적인 융합 활용을 지원하기 위하여 정밀도로지도 모델 간의 변환 방안을 제안하고자 한다. 구체적으로, 국내에서 접근이 용이한 국토지리정보원 정밀도로지도 모델과 산업계에서 활발히 이용되고 있는 OpenDRIVE 모델 간의 변환 방안을 제안하고자 한다. 제안된 방안은 NGII HD map의 각 레이어와 OpenDRIVE의 객체 간 단순 변환을 수행하는 방안, OpenDRIVE에 신규 객체를 생성하는 방안, 그리고 선형 변환 및 데이터 융합을 이용하여 NGII HD map 데이터를 OpenDRIVE 객체로 변환하는 방안으로 구성된다. 끝으로 NGII HD map에서 OpenDRIVE로 변환된 결과 데이터에 대하여 Carla 시뮬레이터를 이용한 가시화를 통하여 검증을 수행하였다. 이러한 NGII HD map 모델의 변환 방안은 향후 자율주행에서 NGII HD map의 활용도를 높이는데 크게 기여할 수 있을 것으로 기대된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권8호
• /
• pp.1996-2015
• /
• 2023

High-definition (HD) maps can provide precise road information that enables an autonomous driving system to effectively navigate a vehicle. Recent research has focused on leveraging semantic segmentation to achieve automatic annotation of HD maps. However, the existing methods suffer from low recognition accuracy in automatic driving scenarios, leading to inefficient annotation processes. In this paper, we propose a novel semantic segmentation method for automatic HD map annotation. Our approach introduces a new encoder, known as the convolutional transformer hybrid encoder, to enhance the model's feature extraction capabilities. Additionally, we propose a multi-level fusion module that enables the model to aggregate different levels of detail and semantic information. Furthermore, we present a novel decoupled boundary joint decoder to improve the model's ability to handle the boundary between categories. To evaluate our method, we conducted experiments using the Bird's Eye View point cloud images dataset and Cityscapes dataset. Comparative analysis against stateof-the-art methods demonstrates that our model achieves the highest performance. Specifically, our model achieves an mIoU of 56.26%, surpassing the results of SegFormer with an mIoU of 1.47%. This innovative promises to significantly enhance the efficiency of HD map automatic annotation.

• 한국지리정보학회지
• /
• 제24권2호
• /
• pp.102-116
• /
• 2021

4차 산업혁명의 대표라고 할 수 있는 자율주행차량의 안전한 운행을 위해서는 센서 기술, 소프트웨어 기술, 차량 기술 등 다양한 기술 조합이 필요하다. 자율주행차량은 차량 내에 탑재된 다양한 센서를 통해서 현재의 위치정보와 주변 상황을 인지하여 운전자에게 의존하지 않고 스스로 판단하고 주행하는 차량이다. 완전자율주행을 위해서는 완벽한 인지기술이 필요하고 정밀도로지도는 차선, 정지선, 신호등, 횡단보도 등에 대한 정보를 정밀하게 제공하고 있기 때문에 자율주행 차량에서 발생하는 인지 오차를 최소화시킬 수 있음으로, 신뢰성 있는 자율주행차량을 위해서는 도로 위 다양한 시설물들의 위치정보를 차량에 입력한 정밀지도 정보가 필수적이다. 본 연구에서는 정밀도로지도의 정의 및 필요성 국내외 동향을 분석하고 실제 운영되고 있는 대구광역시 자율주행특화지역(수성의료지구, 약 24km)과 세종특별자치시 행복도시(약 33km), 서울대학교 시흥캠퍼스 FMTC(Future Mobility Technical Center) PG(Proving Ground)를 대상으로 국토지리정보원 MMS(Mobile Mapping System) 측량 성과물을 활용하여 정밀도로지도 서비스인 Web GIS 기반 HD(High Definition) Map 프로토타입을 구축하였다. 추후 연구에서는 본 연구에서 구축한 정밀도로지도 서비스를 자율주행차량 및 관제 시스템에 탑재 시켜 실시간 위치검증 및 위치보정 알고리즘의 성능 검증을 진행하고자 한다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1163-1175
• /
• 2021

자율 주행에서 도로 표시는 객체 추적, 경로 계획을 위한 필수 요소이며 측위를 위한 중요한 정보를 제공할 수 있다. 이 논문은 역 관점 매핑 이미지와 정밀도로지도 투영 이미지를 매칭하여 비교함으로써 도로 노면 표지의 갱신 및 위치 측위를 하는 접근 방식을 제시한다. 역 관점 매핑(IPM; Inverse Perspective Mapping) 기법을 사용하여 차량의 전방을 촬영한 카메라 이미지에서 원근 효과를 제거하고 2D 도메인으로 버드뷰 이미지를 생성한다. 그 다음에 GNSS/INS를 참조하여 촬영된 이미지와 동일한 정밀도로지도 영역을 이미지로 생성하여 두 이미지의 노면표지가 최대한 일치하도록 피팅 한다. 또한 정지선, 횡단 보도, 점선 및 직선 등 문자와 화살표를 인식하여 정밀도로지도의 객체와 비교 함으로써 갱신 여부를 판단 한다. 그리고 새로 설치된 객체의 측위는 주변의 객체의 위치 좌표값을 정밀도로지도에서 참조하여 얻을 수 있다. 우리는 매우 낮은 계산 비용과 저가의 카메라 및 GNSS/INS 센서 만으로도 빠르게 갱신된 정밀도로지도를 얻을 수 있다.

• 한국ITS학회 논문지
• /
• 제20권5호
• /
• pp.186-201
• /
• 2021

자율 주행 기술이 발전함에 따라 주행 주변 환경을 인식하는 데 차량 위치의 정확성은 매우 중요하다. 측위의 정확도를 높이기 위해 정밀지도를 사용한 지도 정합 측위기술(map-matching localization)이 연구되고 있다. 기존의 지도 정합 기법은 지도에서 차선의 중심으로 표현된 데이터를 기반으로 차량 위치를 추정하기에 차선 내 측면 거리의 편차를 반영하지 않는다. 따라서 본 논문에서는 정밀한 측위를 제공하기 위해 영상처리를 통한 차선 검출 기법과 정밀지도의 차선 위치 정보를 이용한 기법을 제안한다. 영상 처리 기법으로 IPM(inverse perspective mapping)과 다중 차선 검출 기법, 중앙선 검출 기법을 통하여 차선 번호를 검출하고 차선 이탈 감지 방법으로 차선 중심으로부터 차량의 측면 거리를 추정한다. 최종적으로 영상처리로 검출한 차선 번호와 GNSS / INS의 위치를 기반으로 정밀지도에서 위치 링크정보를 추출하고 추출된 링크에 측면 거리를 반영하여 차선 내 차량의 위치를 추정한다. 제안된 방법의 성능을 평가하기 위하여 실제 도로에서 실험하였다. 제안하는 방법은 GNSS / INS와 비교 시 약 1.0m 정도 정확도가 개선되며, 기존의 차선레벨 맵매칭 방법과 비교 시 구간별로 약 0.04m ~ 0.21m(7~30%) 정확도가 개선됨을 확인하였다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.939-951
• /
• 2022

자율주행차에 있어 가장 중요한 요소는 차량 주변 환경과 정확한 위치를 인식하는 것이며, 이를 위해 다양한 센서와 항법 시스템 등이 활용된다. 하지만 센서와 항법 시스템의 한계와 오차로 인해 차량 주변 환경과 위치 인식에 어려움이 있다. 이러한 한계를 극복하고 안전하고 편리한 자율주행을 위해서 고정밀의 인프라 정보를 제공하는 정밀도로지도(high definition map, HD map)의 필요성은 증대되고 있다. 정밀도로지도는 모바일 매핑 시스템(mobile mapping system, MMS)을 통해 획득된 3차원 point cloud 데이터를 이용하여 작성된다. 하지만 정밀도로지도 작성에 많은 양의 점을 필요로 하고 작성 항목이 많아 수작업이 요구되어 많은 비용과 시간이 소요된다. 본 연구는 정밀도로지도의 필수 요소인 차선을 포함한 도로, 연석, 보도, 중앙분리대, 기타 6개의 클래스로 MMS point cloud 데이터를 유의미한정보로 분할하여 정밀도로지도의 효율적인 작성에 목적을 둔다. 분할에는 머신러닝 모델인 random forest (RF), support vector machine (SVM), k-nearest neighbor (KNN) 그리고 gradient boosting machine (GBM)을 사용하였고 MMS point cloud 데이터의 기하학적, 색상, 강도 특성과 차선 분할을 위해 추가한 도로 설계적 특성을 고려하여 11개의 변수를 선정하였다. 부산광역시 미남역 일대 5차선도로 130 m 구간의 MMS point cloud 데이터를 사용하였으며, 분할 결과 각 모델의 평균 F1 score는 RF 95.43%, SVM 92.1%, GBM 91.05%, KNN 82.63%로 나타났다. 가장 좋은 분할 성능을 보인 모델은 RF이며 클래스 별 F1 score는 도로, 보도, 연석, 중앙분리대, 차선에서 F1 score가 각각 99.3%, 95.5%, 94.5%, 93.5%, 90.1% 로 나타났다. RF 모델의 변수 중요도 결과는 본 연구에서 추가한 도로 설계적 특성의 변수 XY dist., Z dist. 모두 mean decrease accuracy (MDA), mean decrease gini (MDG)가 높게 나타났다. 이는 도로 설계적 특성을 고려한 변수가 차선을 포함한 여러 클래스 분할에 중요하게 작용하였음을 뜻한다. 본 연구를 통해 MMS point cloud를 머신러닝 기반으로 차선을 포함한 여러 클래스로 분할 가능성을 확인하고 정밀도로지도 작성 시 수작업으로 인한 비용과 시간 소모를 줄이는데 도움이 될 것으로 기대한다.