[논문 리뷰] Improving Autonomous Vehicle Mapping and Navigation in Work Zones Using Crowdsourcing Vehicle Trajectories

Hanlin Chen, Renyuan Luo외 1명|arXiv (Cornell University)|2023. 01. 22.

Automated Road and Building Extraction인용 수 5

한 줄 요약

이 논문은 일시적인 공사 현장에서 자율주행차(AV)의 지ap 및 주행을 향상시키기 위해 차량 이동 경로 데이터를 활용하여 가우시안 믹스처 모델(GMM)을 사용해 동적 주행 가능한 영역과 점유 격자 지도(OGM)를 구성하는 커뮤니티 기반 방법을 제안한다. SLAM만을 사용하는 것과 비교해 인지 정확도와 규칙 준수 능력이 크게 향상되었으며, SLAM이 실패한 상황에서도 AV는 규칙 위반을 피했다.

ABSTRACT

Prevalent solutions for Connected and Autonomous vehicle (CAV) mapping include high definition map (HD map) or real-time Simultaneous Localization and Mapping (SLAM). Both methods only rely on vehicle itself (onboard sensors or embedded maps) and can not adapt well to temporarily changed drivable areas such as work zones. Navigating CAVs in such areas heavily relies on how the vehicle defines drivable areas based on perception information. Difficulties in improving perception accuracy and ensuring the correct interpretation of perception results are challenging to the vehicle in these situations. This paper presents a prototype that introduces crowdsourcing trajectories information into the mapping process to enhance CAV's understanding on the drivable area and traffic rules. A Gaussian Mixture Model (GMM) is applied to construct the temporarily changed drivable area and occupancy grid map (OGM) based on crowdsourcing trajectories. The proposed method is compared with SLAM without any human driving information. Our method has adapted well with the downstream path planning and vehicle control module, and the CAV did not violate driving rule, which a pure SLAM method did not achieve.

연구 동기 및 목표

• HD 지도와 SLAM이 동적으로 변화하는 환경, 예를 들어 공사 현장에서의 한계를 해결하기 위해.
• 공사 현장에서 일시적인 주행 가능한 영역과 교통 규칙을 보다 정확히 인지하기 위해.
• 현장 센서에만 의존하는 것을 줄이고 커뮤니티 기반 이동 경로 데이터를 통합하기 위해.
• 일시적인 도로 구성에 대한 실시간 지도 제작을 위한 강력하고 데이터 기반의 방법을 개발하기 위해.
• 복잡한 공사 현장 상황에서 AV 경로 계획 및 제어 모듈이 안전하고 규칙 준수적으로 작동하도록 보장하기 위해.

제안 방법

• 여러 대의 차량이 공사 현장을 통과하는 동안 커뮤니티 기반 차량 이동 경로를 수집한다.
• 가우시안 믹스처 모델(GMM)을 적용해 이동 경로의 공간 분포를 군집화하고 모델링하여 주행 가능한 영역을 식별한다.
• GMM의 출력을 바탕으로 일시적인 주행 가능한 영역과 장애물을 나타내는 동적 점유 격자 지도(OGM)를 생성한다.
• 생성된 지도를 차량 내부 SLAM 데이터와 융합하여 정밀한 위치 추정 및 환경 이해를 향상시킨다.
• 향상된 지도를 실시간 주행을 위한 후속 경로 계획 및 차량 제어 모듈에 통합한다.
• SLAM 전용 주행과의 성능 비교를 통해 프로토타입 환경에서 시스템을 검증한다.

실험 결과

연구 질문

• RQ1 커뮤니티 기반 차량 이동 경로는 일시적인 공사 현장에서 주행 가능한 영역 탐지 정확도를 향상시킬 수 있는가?
• RQ2 이동 경로에서 유도된 지도를 통합하면 SLAM 전용 주행 대비 AV 주행 성능은 어떻게 향상되는가?
• RQ3 GMM 기반 지도 제작 방법은 동적 환경에서 교통 규칙 준수 능력을 어느 정도 향상시키는가?
• RQ4 커뮤니티 기반 데이터와 SLAM의 융합은 공사 현장에서의 주행 오류와 규칙 위반을 줄일 수 있는가?
• RQ5 실생활의 시간에 따라 변화하는 공사 현장 상황에서 제안된 방법은 얼마나 견고한가?

주요 결과

• 제안된 방법은 커뮤니티 기반 이동 경로와 GMM 군집화를 활용해 정확하고 동적인 주행 가능한 영역 지도를 성공적으로 구성했다.
• GMM 기반 OGM은 공사 현장에서 흔히 발생하는 일시적인 차선 이동 및 장애물 패턴을 효과적으로 포착했다.
• 커뮤니티 기반 지도를 사용한 AV는 규칙 위반을 피한 반면, SLAM 전용 주행은 규칙 위반을 일으켰다.
• 이동 경로에서 유도된 지도의 통합은 경로 계획의 신뢰성과 차량 제어 성능을 향상시켰다.
• 시스템은 실시간 운영에서 뛰어난 견고성을 입증했으며, 복잡하고 일시적인 환경에서 SLAM 전용 접근 방식을 능가했다.
• 프로토타입은 커뮤니티 기반 방법이 일시적인 도로 구성에서 AV의 상황 인식 능력을 크게 향상시킬 수 있음을 보여주었다.