Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Dyros Autonomous Vehicle Slide

203 views

Published on

asd

Published in: Career
  • Be the first to comment

  • Be the first to like this

Dyros Autonomous Vehicle Slide

  1. 1. 자율 발렛 파킹 연구 동적 로보틱 시스템 연구실 (DYROS) 자율 주행 자동차 팀 0. 목표 및 가정 / 시스템 구조 1. 전역 경로 계획 2. 주행 가능 영역 인식 3. 주행 전략 4. 주차 가능 영역 인식 5. 주차 전략
  2. 2. • 목표 : 비-구조화된 도로인 주차장에서 빠르고 안전하게 자율 발렛 파킹 • 가정 : Topological global map을 알고 있음 주차장 환경 (v-rep 시뮬레이터) 자율 발렛 파킹 연구 0. 목표 및 가정 GyuBeom Im, Minsung Kim, Joonwoo Ahn, Minsoo Kim, Jaeheung Park / S i m u l a t o r f o r A u t o n o m o u s V e h i c l e R e s e a r c h i n P a r k i n g l o t E n v i r o n m e n t T h e K o r e a n S o c i e t y o f A u t o m o t i v e E n g i n e e r s A n n u a l A u t u m n C o n f e r e n c e , 2 0 . 1 1 . 2 0 1 8 . : Vertex : Edge
  3. 3. Perception (MAP) Autonomous Driving SystemAutonomous Vehicle 1. 전역 경로 계획 Steering Angle, Accelerator & Brake Steering & Velocity AVM (Around View Monitor) Topological 전역 지도전방 카메라 2. 주행 가능 영역 인식 3. 주행 정책 Controller 주 제어기 RGB Image RGB Image - Drivable - Non-drivable Image Navigation Info. (Straight, Right, Left at Intersection) Look-ahead Point 주차 가능 영역 인식 4. 주차 정책 Look-ahead Point Vertex & Edge 자율 발렛 파킹 연구 0. 시스템 구조 - Drivable - Non-drivable - Parking Available Image Path Planner
  4. 4. 자율 발렛 파킹 연구 1. 전역 경로 계획 Rural Postman Problem Proposed Method Original Method • 목적 : 주차 구역이 많은 도로(𝐸 𝑅)을 우선적으로 방문 : 주차 구역 O (𝐸 𝑅) : 주차 구역 X (𝐸 𝑂) Minsoo Kim, Joonwoo Ahn, Jaeheung Park / G l o b a l P l a n n i n g f o r V i s i t i n g R o a d s w i t h P a r k i n g S p a c e s i n P r i o r i t y Using Rural Postman Problem I T S C 2 0 1 9 T h e 2 2 n d I E E E I n t e r n a t i o n a l C o n f e r e n c e o n I n t e l l i g e n t T r a n s p o r t a t i o n S y s t e m s , Auckland, NZ, October 27-30, 2019 • 방법 :
  5. 5. • 목적 : 실시간으로 주행 가능 영역만 인식 • 방법 : VGG Net기반 MultiNet 이용 학습 (pre-trained weight 사용) - 주행 가능 or 불가능 영역으로만 구분 (Train data: 200, Validation data: 100) *Untrained Environment Avg. Precision Avg. Frames/sec 95.4 % 9.7 자율 발렛 파킹 연구 2. 주행 가능 영역 인식 x 2 Chanwoo Ahn, Jaeheung Park / R e a l - T i m e S e g m e n t a t i o n o f D r i v a b l e A r e a U s i n g S u p e r v i s e d L e a r n i n g Conference, Ubiquitous Robots 2019 (The 16th International Conference on Ubiquitous Robots), Jeju, Korea, 24.06.2019.
  6. 6. • 목적 : 좌회전 / 직진 / 우회전 도로를 구분하여 주행 가능한 영역을 인식 • 방법 : 데이터 및 네트워크(MultiNet)를 도로별로 따로 구성하여 학습 (총 4가지) 자율 발렛 파킹 연구 2. 주행 가능 영역 인식 (+교차로) [교차로 구분 X] [좌회전] [직진] [우회전] *Trained Environment
  7. 7. 자율 발렛 파킹 연구 3. 주행 전략 • 목적 : 전역 경로를 정확하게 추종 • 방법 : Pure pursuit 방법에서 곡률을 반영하여 look-ahead point 위치를 조정 Joonwoo Ahn, Seho Shin, Minsung Kim, Jaeheung Park / A c c u r a t e P a t h T r a c k i n g b y A d j u s t i n g L o o k - A h e a d P o i n t i n P u r e P u r s u i t M e t h o d A d v a n c e d R o b o t i c s 0 3 . 2 0 1 9 . [ U n d e r R e v i e w ]
  8. 8. 자율 발렛 파킹 연구 3. 주행 전략 • 목적 : 전역 경로에 정적 장애물이 있을 때, 장애물을 회피하도록 주행 • 방법 : Hybrid A* → 회피 경로 생성 Joonwoo Ahn, Minsoo Kim, GyuBeom Im, Minsung Kim, Jaeheung Park / D e v e l o p m e n t o f A u t o n o m o u s V a l e t P a r k i n g S y s t e m a n d V e h i c l e T e s t T h e K o r e a n S o c i e t y o f A u t o m o t i v e E n g i n e e r s A n n u a l A u t u m n C o n f e r e n c e , 2 0 . 1 1 . 2 0 1 8 . * 경로 추종: Pure pursuit
  9. 9. • 한계 : Localization data 오차 → 전역 경로 ≠ 따라가는 경로 → 충돌 가능성 ↑ 3-D Global SLAM (Cartographer)에서 틀어진 부분 실제 경로 틀어진 경로 자율 발렛 파킹 연구 3. 주행 전략 충돌 • 극복: Localization data에 의존 X, 주행 전략 수립
  10. 10. • 목적: 카메라&네비게이션정보만을이용하여,비-구조화된도로(주차장)를빠르고안전하게주행 자율 발렛 파킹 연구 3. 주행 전략 • 방법: *Imitation Learning에 MobileNetV2(𝛼 = 0.01)사용
  11. 11. • CARLA 시뮬레이터에서 주행 전략을 학습 x 2 자율 발렛 파킹 연구 3. 주행 전략 *Untrained Environment End-to-End Approach Proposed Approach 1.4 회 충돌 /100[m] 0 회 충돌 /100[m] 100 회 시행의 평균
  12. 12. • 시뮬레이터에서 얻은 주행 전략 → 실차에 적용 x 2 자율 발렛 파킹 연구 3. 주행 전략 *Untrained Environment End-to-End Approach Proposed Approach 7.1 회 충돌 /100[m] 0 회 충돌 /100[m] 5 회 시행의 평균
  13. 13. 주차선 feature 추출 주차 공간 인식 자율 발렛 파킹 연구 4. 주차 가능 영역 인식 • 방법: Around View Monitor (AVM) [선 인식] / LiDAR [장애물 인식] 센서 퓨전
  14. 14. 자율 발렛 파킹 연구 5. 주차 전략 * 경로 추종: Pure pursuit • 방법2: Desired-Orientation RRT* 기반 • 한계: Localization data 오차 → 전역 경로와 실제 환경이 달라짐 → 충돌 가능성 ↑ • 극복: Localization data에 의존 X, 주차 전략 수립 • 방법1: 주차 공식 기반 1. Kim Min-Sung, Joonwoo Ahn, Park Jaeheung / A c o m p a r a t i v e s t u d y o n t h e s t e e r i n g c o n t r o l l e r f o r a u t o n o m o u s p a r k i n g T h e 1 3 t h K o r e a R o b o t i c s S o c i e t y A n n u a l C o n f e r e n c e , H o e n g s e o n g , K o r e a , 2 2 , 1 , 2 0 1 8 2. Seho Shin, Joonwoo Ahn, Jaeheung Park / D e s i r e d O r i e n t a t i o n R R T ( D O - R R T ) f o r A u t o n o m o u s V e h i c l e i n N a r r o w C l u t t e r e d S p a c e s I E E E / R S J I n t e r n a t i o n a l C o n f e r e n c e o n I n t e l l i g e n t R o b o t s a n d S y s t e m s ( I R O S ) , D e a j e o n , K o r e a , 0 9 . 1 0 . 2 0 1 6 .
  15. 15. - 문제: 자율 주차 경로 추종 시, 전/후진 전환지점에서 정확하게 멈추기 어려운 문제 MPC 기반 주차 경로 추종 시, feasibility 와 stability 를 보장하지 못함 - 제안하는 방법: 자동으로 최적의 전/후진 전환 지점을 계산하는 주차 경로 추종 방법 제안 Invariant Theory 기반 Maximal Positive Invariant Set 과 Terminal cost로 주차 경로 추종 문제의 feasibility와 stability 보장하는 방법 제안 < 제안하는 방법 > Difficult to stop precisely at the switching point due to the complex vehicle dynamics in the real-world 자율 발렛 파킹 연구 5. 주차 전략 • 방법3: MPC 기반
  16. 16. • The vehicle can converge to the origin! • Even, there are also the localization problem! • Someshiftings may occurw.r.t the switchingpoint! X 4 Vehicle Trajectory W/ Terminal Set and Cost ➢ 차량이 특정 자세에 정확히 멈추지 못하여 발생되는 경로 추종 에러 문제를 해결하기 위해서 MPC를 이용하여 전방 경로 추종 비용과 후방 경로 추종 비교를 통한 최적의 전/후진 전환점을 계산하는 알고리즘을 제안 ➢ Maximal Positive Invariant Set과 Terminal Cost 를 이용하여 주차 경로 추종 문제의 feasibility와 stability 를 보장 W/O Terminal Set and Cost 자율 발렛 파킹 연구 5. 주차 전략

×