자율 주차에 대한 일반 연구, 업계 표준 통합, 추세 평가 및 시스템 도입

앞에 적음

자동 주차 시스템은 차량이 스스로 주차 공간을 찾아 수동 개입 없이도 정확한 주차를 완료할 수 있다는 의미입니다. 또한 사용자 요구에 따라 지정된 위치로 이동할 수도 있습니다. 이 기술이 성숙해지면 주차 공간을 찾는 데 오랜 시간 시간을 낭비하는 등 주차 과정에서 사람들이 겪는 불편함은 물론, 주차 공간을 찾을 때 발생할 수 있는 차량 충돌, 마찰 등의 안전 문제도 크게 완화될 것이다.

현재 많은 기술 기업과 대학 연구실에서 자율 주차 분야를 탐구하고 있습니다. Mercedes-Benz, Bosch 등의 회사는 주차 인프라를 구축했습니다. NVIDIA는 주차장용 자동 운전 알고리즘과 주차 공간 감지 방법을 개발하고 있으며 BMW도 생산 차량에 자동 주차 모듈을 설치했습니다.

자동주차 기술에 대한 업계의 폭넓은 수요를 고려하여, 자동주차 시스템 개발 현황에 대한 체계적인 조사를 실시했습니다. 자동 주차 시스템의 업계 표준 동향, 성능 평가 지표, 자동 주차 시스템의 각 하위 모듈에 설계된 기술 등을 포함합니다.

자동주차 산업의 최신 표준 동향

현재의 자동주차 시스템이 산업계와 학계의 폭넓은 관심을 받으면서 다양한 국가와 기업에서 자동주차 기술을 끊임없이 개발하고 있습니다. 따라서 자동 주차 기술에 대한 표준을 제정하는 것이 특히 중요합니다. 제정된 기술기준으로는 지리정보, 실외위치확인, 실내공간위치확인, 주차기준, 차량통신기준 등이 있으며, 구체적인 기준은 아래 표와 같습니다.

자동 주차 산업의 관련 표준

• 지리 정보 및 위치 표준은 ISO 14825, ISO 17572 및 ISO TC204 177438 등을 포함하여 실외 공간의 명명, 정의 및 형식에 대한 원칙과 기초를 설정합니다.
• ISO TC211 및 OGC 표준을 포함하여 실내 공간 측위의 표준화도 공식화되고 있습니다.
• ISO/DIS 16787 APS 주차 표준은 주차에 필요한 정보 유형을 제안하고 차량 제어를 위한 기술 명칭을 정의합니다. 또한 이 표준은 주차 보조 시스템을 구현하고 차량의 조향 제어 기능을 수행하는 데 필요한 기능을 정의합니다.

자동주차장치 평가기준

현재 자동주차장치 평가는 자동주차부분 평가와 자동주차부분 평가 두 부분으로 이루어져 있습니다.

자율주행 부품 평가 기준

자율주행 기술 평가는 자동차공학회에서 제정한 '자율주행 기술단계' 기준을 따릅니다. 이 기준은 자율주행 기술을 기술수준과 제어력을 기준으로 6단계로 구분합니다. 주제와 운전 능력. 각 수준을 보다 쉽게 ​​평가할 수 있도록 개발 중인 ISO/WD 34501 및 ISO/WD 34502 표준이 제안되었습니다. ISO/WD 34501 표준은 레벨 3 시스템의 테스트 시나리오에 대한 용어 및 정의에 적용되는 반면, ISO/WD 34502 표준은 테스트 시나리오 및 안전 평가 프로세스에 대한 지침을 제공합니다. 이러한 표준을 제정하는 목적은 자율주행 기술 개발 및 적용에 대한 통일된 평가 기준을 제공하고 자율주행 기술 개발을 촉진하는 것입니다.

자동주차부분 평가기준

현재 자동주차 기술이 많은 관심을 받고 있음에도 불구하고, 국제표준 개발은 아직 초기 단계입니다. 자율주행 평가기준과 달리 자율주차 기술수준은 주로 개발자 평가기준으로 측정된다.

다음 표는 교통 상황 시나리오 시스템에서 자율 주차 시나리오의 예를 보여줍니다. 주차 시나리오는 성능 수준에 따라 구분됩니다.

자동주차레벨 구분

교통상황 시나리오의 시스템 평가는 자율주행과 주차 시나리오 두 부분으로 구성되며, 자동차공학회에서 정의한 '자율주행 기술단계'를 활용하여 자율주행 능력을 나타냅니다. 주차. 현재 시스템에는 세 가지 수준이 있습니다.

• 레벨 2(Lv2): 주차 보조 시스템이라고 하며, 사람들이 보다 편리하게 주차할 수 있도록 도와주는 시스템입니다. Lv2 레벨의 차량에는 일반적으로 장애물 거리 경고 시스템과 후방 카메라가 장착됩니다.
• 레벨 3(Lv3): 레벨 3은 지정된 시나리오에서 자동 주차를 실현할 수 있습니다. 예를 들어, 차고 주차와 같은 간단한 주차 시나리오가 있습니다.
• 레벨 4(Lv4): Lv3의 모든 시나리오는 Lv4에서 수행할 수 있습니다. 또한, 차량이 장애물을 만나면 정지하거나 장애물을 회피한 후 목적지로 복귀할 수 있습니다.

자동 주차 시스템에 대한 자세한 설명

현재 자동 주차 시스템은 크게 아래 그림과 같이 검색 운전 과정, 자동 주차 과정, 운전 복귀 과정 세 부분으로 구성됩니다. . 먼저 각 프로세스에 대한 전반적인 소개를 한 후, 각 프로세스의 현재 개발 동향을 소개합니다.

자동 주차 시스템의 작업 흐름

검색 운전 프로세스

검색 운전 프로세스의 최종 목표는 자동차가 주차장 내 주차 공간을 자율적으로 찾는 것이므로 이 프로세스에는 포지셔닝, 충돌 방지 및 주차 공간 감지 기술.

측위 기술 소개

자동 주차 시스템에서는 GPS나 차량 자체의 IMU 센서를 이용해 차량의 속도와 자세를 확인하고 차량의 위치 추정 오차를 보정할 수 있습니다. 그러나 일부 실내 장면에서는 GPS 신호를 수신할 수 없습니다. 따라서 자율주행차에는 지원을 위한 카메라, 라이더, 밀리미터파 레이더를 장착해야 합니다. 아래 사진은 차량에 장착된 일부 센서 정보를 소개한 사진입니다.

자동 주차 차량에 장착된 센서 정보 소개

• 라이다 센서는 레이저를 이용해 물체를 감지합니다. 현재 인기 있는 라이더는 주로 16, 32, 64, 128라인의 라이더로 구분됩니다. 측정 범위는 약 200m이고 수직 시야는 30~50도입니다.
• 카메라 센서는 크게 단안, 쌍안, 어안 유형으로 나눌 수 있습니다. 일반적으로 자율주행차에는 수평 시야각이 90~210도, 수직 시야각이 90~180도인 카메라가 장착되어 있습니다.
• 밀리미터파 레이더는 거리에 따라 단거리 레이더와 장거리 레이더로 나눌 수 있습니다. 이 중 단거리 레이더의 범위는 5m 정도, 수평 시야각은 5~20도, 수직 시야각은 10~35도이다. 장거리 레이더의 범위는 약 200m이며 수평 및 수직 시야각은 35~80도입니다.

이러한 다양한 센서에서 수집된 정보를 얻은 후 SLAM 매핑 기술을 사용하여 자율주행차 주변 환경을 재구성하여 차량의 위치를 ​​파악할 수 있습니다. SLAM 매핑 기술은 크게 두 가지로 나눌 수 있다. 직접 매핑 방식: 센서가 움직일 때 변화하는 데이터의 세기를 추적해 센서의 자세를 추정하는 방식이다. 그러나 이러한 방식은 조명 변화에 쉽게 영향을 받고 재배치가 불가능하기 때문에 현재 매핑 방식은 이러한 방식을 기반으로 하는 경우가 거의 없습니다.

특징 기반 매핑 방법: 이 유형의 방법은 먼저 센서 정보로부터 주변 객체의 특징점을 얻습니다. 동일한 객체로부터 수신된 특징점을 서로 다른 두 개의 센서 좌표에 투영하고, 투영된 점의 기하학적 관계를 계산하여 대상의 위치를 ​​추정합니다.

충돌 방지 기술 소개

자동 주차 시스템의 주요 적용 시나리오는 주차장에 있고 주차장에 많은 차량이 주차되어 있으므로 충돌 방지 기술은 매우 중요합니다. . 충돌 방지 기술에는 초음파 센서

,

단파 레이더 센서, lidar 센서, 카메라 센서가 주로 사용됩니다. 음향 및 레이더 센서는 정확한 거리 측정을 위해 주로 사용됩니다. 카메라 센서는 주로 연속된 이미지에서 동일한 물체의 위치 차이를 이용해 깊이 거리를 추정합니다.

주차 공간 감지 기술

주차 공간 감지는 검색 및 운전 과정에서 지속적으로 수행되며 일반적으로 전통적인 컴퓨터 비전, 딥 러닝 및 두 가지 방법의 하이브리드 구현이 포함됩니다.

기존 컴퓨터 비전은 아래 그림과 같이 주로 주차 공간 라인 감지, 특징점 감지 등 주차 공간의 모양을 지정하고 식별합니다.

주차 공간 형태의 예

딥러닝의 급속한 발전으로 인해 현재 주차 공간 탐지에는 CNN 네트워크 기반의 방법이 널리 사용되고 있습니다. 아래 그림은 주차 공간 감지를 위한 대표적인 컨볼루션 신경망 구조를 나타냅니다. 컨벌루션 레이어는 입력 이미지의 특징을 학습하고, 특징 데이터는 완전 연결 레이어를 통해 출력됩니다. 이는 완전 지도 학습 프로세스이므로 출력은 훈련 데이터의 레이블에 의해 직접 결정됩니다.

컨벌루션 신경망 기반 주차 공간 탐지 프로세스

자동 주차 프로세스

이전 단계의 검색 및 주행 프로세스에서 빈 주차 공간이 발견되면 시스템이 자동 주차 프로세스를 호출합니다. 일반적으로 우리는 자율 주차 프로세스를 구현하기 위해 경로 생성 방법을 사용합니다. 현재 주류 경로 생성 방법에는 크게 알고리즘 기반 방법과 강화학습 기반 방법이 있다.

알고리즘 기반 접근 방식에서는 주차 공간까지의 경로 위치와 모양, 차량의 현재 위치를 계산합니다. 적합한 주차 경로를 계산하기 위해 알고리즘에는 최적 제어 문제, 그리드 기반 경로 계획 방법, 랜덤 트리의 신속한 탐색 등의 알고리즘이 포함됩니다.

강화 학습 기반 방법은 자율 주차 시뮬레이터에서 자율 주차 프로세스를 위한 최적의 경로를 생성할 수 있습니다. 자율 주차 시뮬레이터에서 차량은 일반적인 주차 절차를 학습합니다. 이 학습 방법은 아래 그림과 같이 경로 생성 과정과 평가를 반복하여 주차 정확도가 가장 높은 최적의 경로를 지속적으로 획득합니다.

자동 주차의 역주차 과정

주행 과정으로 복귀

주행 과정으로 복귀는 자율주행차가 주차 공간에 진입하여 대기할 때 사용자가 차량을 호출하여 이동하게 하는 것을 의미합니다. 사용자가 지정한 장소로 이동합니다. 이 과정에서 경로 추적 기술을 사용해야 합니다.

현재 경로 추적 기술에는 이동 경로를 추적하는 방법과 수정된 경로를 추적하는 방법이 있습니다. 그러나 두 방법 모두 유사한 차량 제어 알고리즘을 사용하므로 자세한 내용은 논문 [1-2]를 참조하시기 바랍니다. 일반적인 아이디어는 차량의 현재 위치와 조향 각도 조건을 고려하여 생성된 경로를 따라 차량을 이동하도록 제어 명령을 실행하는 것입니다.

결론

자동 주차 기술에 대한 수요가 증가함에 따라 다양한 국가와 제조업체에서 자동 주차 시스템 개발에 활발히 참여하고 있습니다. 본 글에서는 자동주차기술의 급속한 발전을 고려하여 자동주차시스템의 표준화 동향과 평가기준, 다양한 구성요소를 정리하고 모든 분들께 도움이 되기를 바랍니다~

원본 링크: https://mp.weixin.qq.com/s/UPwW0E8LTX5V79GK12HF_Q

위 내용은 자율 주차에 대한 일반 연구, 업계 표준 통합, 추세 평가 및 시스템 도입의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!