[논문 리뷰] Autonomous Driving System Design for Formula Student Driverless Racecar

Hanqing Tian, Jun Ni외 1명|arXiv (Cornell University)|2018. 09. 19.

Robotics and Sensor-Based Localization참고 문헌 4인용 수 4

한 줄 요약

이 논문은 2017년 Formula Student Autonomous Competition에 참가하는 Formula Student 무인 레이스카를 대상으로, 교통콘크리트 탐지에 LIDAR와 시각 정보를 융합하고, GPS-INS와 LIDAR 온도메트리 데이터를 융합하여 고주기 정위치를 구현하며, 콘크리트 위치와 색상 정보를 포함한 실시간 주행 경로 지도를 구축하는 통합 자율 주행 시스템을 제시한다. 이 시스템은 폐쇄형 주행 코스에서 안정적인 경로 추적 성능을 보이며, 2017년 Formula Student Autonomous Competition에서 뛰어난 성능을 입증하였다.

ABSTRACT

This paper summarizes the work of building the autonomous system including detection system and path tracking controller for a formula student autonomous racecar. A LIDAR-vision cooperating method of detecting traffic cone which is used as track mark is proposed. Detection algorithm of the racecar also implements a precise and high rate localization method which combines the GPS-INS data and LIDAR odometry. Besides, a track map including the location and color information of the cones is built simultaneously. Finally, the system and vehicle performance on a closed loop track is tested. This paper also briefly introduces the Formula Student Autonomous Competition (FSAC) in 2017.

연구 동기 및 목표

• 2017년 Formula Student Autonomous Competition (FSAC)에 참가하는 Formula Student 무인 레이스카를 대상으로 신뢰성 있는 자율 주행 시스템을 설계하는 것.
• LIDAR-시각 협업 탐지 방법을 통해 주행 경로 표지판으로 사용되는 교통콘크리트를 정확하게 탐지할 수 있도록 하는 것.
• GPS-INS와 LIDAR 온도메트리 데이터를 융합하여 고주기, 정밀한 정위치를 달성하는 것.
• 콘크리트 위치와 색상 정보를 포함한 동적 주행 경로 지도를 구축하여 경로 계획에 활용하는 것.
• 폐쇄형 주행 코스에서의 실제 테스트를 통해 시스템 성능을 검증하는 것.

제안 방법

• 고정밀도 및 고갱신 주기로 교통콘크리트를 탐지할 수 있도록 LIDAR-시각 협업 탐지 방법을 개발하였다.
• GPS-INS와 LIDAR 온도메트리 데이터를 보완 필터링 기법을 사용해 융합하여 정위치 정밀도와 갱신 주파수를 향상시켰다.
• 탐지된 콘크리트 위치를 처리하고 시각 데이터에서 유래한 색상 정보를 할당하여 실시간 주행 경로 지도를 생성하였다.
• 지도 및 정위치 데이터를 기반으로 차량을 정의된 주행 경로에 따라 안내하기 위해 경로 추적 제어기를 구현하였다.
• 시스템을 레이스카 플랫폼에 통합하고 폐쇄형 주행 코스에서 성능을 평가하기 위해 테스트를 수행하였다.
• 2017년 Formula Student Autonomous Competition 기간 동안 설계가 검증되었으며, 시스템의 안정성과 신뢰성이 입증되었다.

실험 결과

연구 질문

• RQ1 자율 레이싱을 위한 실시간으로 교통콘크리트를 탐지하기 위해 LIDAR와 시각 데이터를 효과적으로 융합하는 방법은 무엇인가?
• RQ2 GPS-INS와 LIDAR 온도메트리 데이터를 융합하여 고주기 정밀 정위치를 달성하기 위한 최적의 방법은 무엇인가?
• RQ3 자율 주행 중에 콘크리트의 공간적 위치와 색상 정보를 포함한 동적 주행 경로 지도를 신뢰성 있게 구축할 수 있는가?
• RQ4 실제 대회 조건에서 폐쇄형 주행 코스에서 통합 시스템의 경로 추적 성능은 얼마나 우수한가?
• RQ5 Formula Student 대회 환경에서 자율 레이스카를 구현할 때 발생하는 주요 시스템 수준의 과제는 무엇인가?

주요 결과

• LIDAR-시각 융합 방법을 통해 실시간 주행에 필수적인 고신뢰성 및 고갱신 주기의 콘크리트 탐지가 가능해졌다.
• GPS-INS와 LIDAR 온도메트리 데이터의 융합 솔루션은 서브 디셈터 수준의 정밀도를 확보하면서도 고주기 갱신을 달성하여 동적 제어에 매우 중요했다.
• 콘크리트 위치와 색상 정보를 포함한 실시간 주행 경로 지도가 성공적으로 구축되었고, 운영 중 경로 계획에 활용되었다.
• 자율 주행 시스템은 폐쇄형 주행 코스에서 안정적인 경로 추적 성능을 보이며, 시스템의 강건성을 확인하였다.
• 차량은 대회 주행 코스를 성공적으로 완주하여, 실제 자율 주행 레이싱 환경에서의 전체 시스템 설계 및 통합의 타당성을 검증하였다.
• 시스템 성능는 저지연 자율 주행 응용 분야에서 센서 융합 및 실시간 지ap 맵핑의 효과성을 입증한다.