자율주행차의 원리

이글에서는 자율주행차의 원리에 대해 공부해보겠습니다.자율 주행 자동차는 사람의 개입없이 주변 환경을 감지하고 탐색 할 수 있습니다. 이 작업을 수행하기 위해 각 차량에는 일반적으로 GPS 장치, 관성 내비게이션 시스템 및 레이저 거리계, 레이더 및 비디오를 포함한 다양한 센서가 장착되어 있습니다. 차량은 GPS 및 관성 내비게이션 시스템의 위치 정보를 사용하여 자체 위치를 파악하고 센서 데이터를 사용하여 위치 추정을 개선하고 환경에 대한 3 차원 이미지를 구축합니다.각 센서의 데이터를 필터링하여 노이즈를 제거하고 다른 데이터 소스와 융합하여 원본 이미지를 보강합니다. 차량이 이후에이 데이터를 사용하여 내비게이션 결정을 내리는 방법은 제어 시스템에 의해 결정됩니다.대부분의 자율 주행 차량 제어 시스템은 신중한 아키텍처를 구현합니다 . 즉, 1) 세계의 내부지도를 유지하고 2) 해당지도를 사용하여 장애물을 피하는 목적지까지의 최적 경로를 찾음으로써 지능적인 결정을 내릴 수 있습니다. (예 : 도로 구조물, 보행자 및 기타 차량) 가능한 경로 세트에서. 차량이 최적의 경로를 결정하면 결정은 차량의 액추에이터에 전달되는 명령으로 분석됩니다. 이 액추에이터는 차량의 스티어링, 제동 및 스로틀을 제어합니다.이 위치 파악, 매핑, 장애물 회피 및 경로 계획 프로세스는 차량이 목적지에 도달 할 때까지 강력한 온보드 프로세서에서 초당 여러 번 반복됩니다.다음 섹션에서는 각 프로세스의 기술 구성 요소 인 매핑 및 위치 파악, 장애물 회피 및 경로 계획에 중점을 둡니다. 자동차 제조업체는 고유 한 비용과 운영상의 제약에 따라 서로 다른 센서 제품군과 알고리즘을 사용하지만 차량 전반의 프로세스는 유사합니다. 아래 설명은 최첨단 자율 주행 군용 차량에서 구현 된 것과 가장 유사합니다.기술 분석매핑 및 현지화내비게이션 결정을 내리기 전에 차량은 먼저 환경지도를 작성하고 해당지도 내에서 자신을 정확하게 현지화해야합니다. 지도 작성에 가장 자주 사용되는 센서는 레이저 거리계와 카메라입니다. 레이저 거리계는 레이저 빔을 사용하여 주변을 스캔하고 각 레이저 빔이 물체로 이동하는 데 걸리는 시간을 측정하여 주변 물체까지의 거리를 계산합니다. 카메라의 비디오가 장면 색상을 추출하는 데 이상적인 경우 레이저 거리계의 장점은 차량에서 3 차원지도를 작성하기 위해 깊이 정보를 쉽게 사용할 수 있다는 것입니다. 레이저 빔은 우주를 통과 할 때 발산하기 때문에 대부분의 최첨단 레이저 거리 측정기를 사용하여 100m 이상 떨어진 거리를 정확하게 측정하기가 어렵습니다. 이는지도에서 캡처 할 수있는 신뢰할 수있는 데이터의 양을 제한합니다. 차량은 각 센서에서 수집 된 데이터를 필터링하고 이산화하고 종종 정보를 집계하여 포괄적 인지도를 만든 다음 경로 계획에 사용할 수 있습니다.Idealab 설립자 Bill Gross가 트윗 한 교차로에있는 Google 자동차 내부지도의 예입니다 . Gross는 Google의 자율 주행 차가 초당 거의 1GB의 데이터를 수집한다고 주장합니다.차량이지도의 다른 물체와 관련하여 어디에 있는지 알기 위해서는 GPS, 관성 내비게이션 장치 및 센서를 사용하여 정확하게 위치를 파악해야합니다. 대기의 변화와 건물 및 주변 지형의 반사로 인해 발생하는 신호 지연으로 인해 GPS 추정치가 수 미터 떨어져있을 수 있으며 관성 항법 장치는 시간이 지남에 따라 위치 오류를 축적합니다. 따라서 지역화 알고리즘은 불확실성을 줄이기 위해 이전에 동일한 위치에서 수집 된지도 또는 센서 데이터를 통합하는 경우가 많습니다. 차량이 움직이면 새로운 위치 정보와 센서 데이터가 차량의 내부지도를 업데이트하는 데 사용됩니다.장애물 회피차량의 내부지도에는 주변에있는 모든 정적 (예 : 건물, 신호등, 정지 신호) 및 움직이는 (예 : 다른 차량 및 보행자) 장애물의 현재 및 예상 위치가 포함됩니다. 장애물은 미리 결정된 모양 및 동작 설명자 라이브러리와 얼마나 잘 일치하는지에 따라 분류됩니다. 차량은 확률 모델을 사용하여 모양과 이전 궤적을 기반으로 움직이는 물체의 예상 미래 경로를 추적합니다. 예를 들어, 2 륜 물체가 40mph 대 10mph로 이동하는 경우 자전거가 아닌 오토바이 일 가능성이 높으며 차량에 따라 분류됩니다. 이 프로세스를 통해 차량은 횡단 보도 또는 혼잡 한 교차로에 접근 할 때보다 지능적인 결정을 내릴 수 있습니다. 이전,경로 계획경로 계획의 목표는 차량의지도에 캡처 된 정보를 사용하여 장애물을 피하고 도로 규칙을 따르면서 차량을 목적지까지 안전하게 안내하는 것입니다. 제조업체의 계획 알고리즘은 내비게이션 목표 및 사용 된 센서에 따라 다르지만 다음은 군용 지상 차량에 사용 된 일반적인 경로 계획 알고리즘에 대해 설명합니다.이 알고리즘은 차량이 따라야 할 대략적인 장거리 계획을 결정하는 동시에 단거리 계획을 지속적으로 개선합니다 (예 : 차선 변경, 10m 전진, 우회전). 차량이 속도, 방향 및 각도 위치를 고려하여 동적으로 완료 할 수있는 일련의 단거리 경로에서 시작하여 장애물을 건너거나 움직이는 경로의 예상 경로에 너무 가까워지는 모든 경로를 제거합니다. . 예를 들어, 50mph로 주행하는 차량은 5m 전방에서 우회전을 안전하게 완료 할 수 없으므로 해당 경로는 실행 가능한 세트에서 제거됩니다. 나머지 경로는 안전, 속도 및 모든 시간 요구 사항을 기반으로 평가됩니다. 최적의 경로가 확인되면 일련의 스로틀, 브레이크 및 조향 명령이 차량의 온보드 프로세서 및 액추에이터로 전달됩니다.차량이 목적지에 도달 할 때까지 위치 파악, 매핑, 장애물 감지 및 경로 계획 프로세스가 반복됩니다.앞서가는 길자동차 제조업체는 지난 10 년 동안 자율 주행 자동차를 현실화하기 위해 상당한 발전을 이루었습니다. 그러나 자율 주행 차량이 도로 사용에 충분히 안전하기 전에 제조업체가 극복해야하는 많은 기술적 장벽이 여전히 남아 있습니다. GPS는 신뢰할 수 없으며, 컴퓨터 비전 시스템은 도로 장면을 이해하는 데 제한이 있으며, 다양한 기상 조건은 온보드 프로세서가 움직이는 물체를 적절하게 식별하거나 추적하는 기능에 부정적인 영향을 미칠 수 있습니다. 자율 주행 차량은 건설 구역 및 사고 구역과 같은 구조화되지 않은 환경을 이해하고 탐색하는 데 아직 인간 운전자와 동일한 능력을 보여주지 못했습니다.이러한 장벽은 극복 할 수 없습니다. 이러한 차량에서 사용할 수있는 도로 및 교통 데이터의 양이 증가하고 있으며, 최신 범위 센서가 더 많은 데이터를 캡처하고 있으며 도로 장면을 해석하는 알고리즘이 진화하고 있습니다. 사람이 운전하는 차량에서 완전 자율 주행 차량으로의 전환은 점진적으로 진행될 것이며, 처음에는 차량이 정차 및 이동 교통에서 자율적으로 주차 및 운전과 같은 운전 작업의 하위 집합 만 수행 할 것입니다. 기술이 향상됨에 따라 더 많은 운전 작업을 차량에 안정적으로 아웃소싱 할 수 있습니다.자율 주행 차 기술은 아직 준비되지 않았지만 소수 민족 보고서 의 자율 주행 차가 현실화되기를 기대하고 있습니다.