1 |
1
자율 주행을 보조하기 위한 가상 차선을 생성하는 방법에 있어서,복합 센서에 의해 측정되는 적어도 하나의 주변 차량의 주행 데이터를 시간 흐름에 따라 누적하여 주행 히스토리를 도출하는 단계;CNN(convolutional neural network)에 의해 구현되는 셀프-어텐션(self-attention)에 기초하여 상기 주행 히스토리를 주행 패턴에 따라 적어도 하나의 주행 구간으로 구분하는 단계;상기 셀프-어텐션에 기초하여 상기 적어도 하나의 주행 구간에 가중치를 부여함으로써 상기 적어도 하나의 주변 차량의 가중 주행 히스토리를 도출하는 단계;상기 CNN을 통해 상기 가중 주행 히스토리에 대한 커브 피팅을 수행하여 상기 적어도 하나의 주변 차량의 주행 궤적을 결정하는 단계; 및상기 주행 궤적에 기초하여 상기 자율 주행을 보조하기 위한 HD 맵 상에 상기 가상 차선을 생성하는 단계를 포함하는 방법
|
2 |
2
제 1항에 있어서,상기 적어도 하나의 주행 구간으로 구분하는 단계는, 상기 주행 히스토리를 상기 주행 패턴에 따라 차선 추종 구간 및 차선 변경 구간으로 구분하는 단계를 포함하는 방법
|
3 |
3
제 2항에 있어서,상기 가중 주행 히스토리를 도출하는 단계는, 상기 차선 추종 구간의 가중치를 상기 차선 변경 구간의 가중치보다 높게 설정하는 단계를 포함하는 방법
|
4 |
4
제 1항에 있어서,상기 셀프-어텐션은, 소프트맥스 함수(softmax function)를 활용하여 어텐션 스코어(attention score)를 산정하는 방법
|
5 |
5
제 1항에 있어서,상기 주행 궤적을 결정하는 단계는, 상기 가중 주행 히스토리에 피팅되는 궤적을 나타내기 위한 다항함수의 계수를 추론하여 상기 커브 피팅을 수행하는 단계를 포함하는 방법
|
6 |
6
제 1항에 있어서,상기 주행 히스토리를 도출하는 단계는, 상기 복합 센서에 의해 측정되는 데이터에 데이터 정제를 위한 칼만 필터링(Kalman filtering)을 적용하여 상기 주행 데이터를 생성하는 단계를 포함하는 방법
|
7 |
7
제 1항에 있어서,상기 복합 센서는, 레이저 광의 반사를 활용하여 주변 물체를 탐지하는 라이더(LiDAR)를 포함하는 방법
|
8 |
8
제 1항에 있어서,상기 방법은, 상기 가상 차선에 기초하여 상기 자율 주행에 따른 속도 제어 및 차간 거리 제어에 활용되는 타겟 차량을 선별하는 단계를 더 포함하는 방법
|
9 |
9
자율 주행을 보조하기 위한 가상 차선을 생성하는 장치에 있어서,적어도 하나의 프로그램을 저장하는 메모리; 및상기 적어도 하나의 프로그램을 실행함으로써 상기 가상 차선을 생성하는 프로세서를 포함하고,상기 프로세서는,복합 센서에 의해 측정되는 적어도 하나의 주변 차량의 주행 데이터를 시간 흐름에 따라 누적하여 주행 히스토리를 도출하고,CNN(convolutional neural network)에 의해 구현되는 셀프-어텐션(self-attention)에 기초하여 상기 주행 히스토리를 주행 패턴에 따라 적어도 하나의 주행 구간으로 구분하고,상기 셀프-어텐션에 기초하여 상기 적어도 하나의 주행 구간에 가중치를 부여함으로써 상기 적어도 하나의 주변 차량의 가중 주행 히스토리를 도출하고,상기 CNN을 통해 상기 가중 주행 히스토리에 대한 커브 피팅을 수행하여 상기 적어도 하나의 주변 차량의 주행 궤적을 결정하고,상기 주행 궤적에 기초하여 상기 자율 주행을 보조하기 위한 HD 맵 상에 상기 가상 차선을 생성하는 장치
|
10 |
10
제 9항에 있어서,상기 프로세서는, 상기 주행 히스토리를 상기 주행 패턴에 따라 차선 추종 구간 및 차선 변경 구간으로 구분함으로써 상기 적어도 하나의 주행 구간으로 구분하는 장치
|
11 |
11
제 10항에 있어서,상기 프로세서는, 상기 차선 추종 구간의 가중치를 상기 차선 변경 구간의 가중치보다 높게 설정함으로써 상기 가중 주행 히스토리를 도출하는 장치
|
12 |
12
제 9항에 있어서,상기 셀프-어텐션은, 소프트맥스 함수(softmax function)를 활용하여 어텐션 스코어(attention score)를 산정하는 장치
|
13 |
13
제 9항에 있어서,상기 프로세서는, 상기 가중 주행 히스토리에 피팅되는 궤적을 나타내기 위한 다항함수의 계수를 추론하여 상기 커브 피팅을 수행함으로써 상기 주행 궤적을 결정하는 장치
|
14 |
14
제 9항에 있어서,상기 프로세서는, 상기 복합 센서에 의해 측정되는 데이터에 데이터 정제를 위한 칼만 필터링(Kalman filtering)을 적용하여 상기 주행 데이터를 생성함으로써 상기 주행 히스토리를 도출하는 장치
|
15 |
15
제 9항에 있어서,상기 복합 센서는, 레이저 광의 반사를 활용하여 주변 물체를 탐지하는 라이더(LiDAR)를 포함하는 장치
|
16 |
16
제 9항에 있어서,상기 프로세서는, 상기 가상 차선에 기초하여 상기 자율 주행에 따른 속도 제어 및 차간 거리 제어에 활용되는 타겟 차량을 선별하는 장치
|