자율주행차량에서의 측위는 지도로부터 사전에 계산된 차량의 경로와 도로형상, 법규 등 다양한 정보를 활용할 수 있게 만들어 주는 핵심요소이다. 이러한 지도의 정보를 활용함으로써 아직 인간보다 부족한 자율주행차량의 인지성능과 판단 능력을 보완해 줄 수 있다. 자율주행차량의 측위시스템은 주행하는 동안 언제나 강건하고 정밀한 위치를 제공해야 한다. 그러나 차량은 고층건물과 교량, 터널 등과 같은 구조물과 차량, 보행자, 장애물 등과 같은 도로상 물체들로 인해 다양한 주행환경에 놓이게 되고, 이러한 주행환경은 강건한 측위를 어렵게 하는 요인이다. 본 연구에서는 이런 주행환경에서 일정한 수준의 측위성능을 확보하기 위해 차량 운전자 지원시스템에서 많이 활용되고 있는 카메라/라이다를 활용하여 센서융합 측위시스템을 구축하였다. GPS는 차량과 다른 여러 분야에서 절대위치를 얻기 위해 많이 사용되고 있다. 하지만 GPS는 도로 주변환경과 시간에 따라 큰 성능편차를 보인다. 또한 차량제어에 충분한 빠른 주기의 위치추정이 어렵다. 많은 연구와 상용 측위장비에서 IMU(Inertia Measurement Unit)나 차속, 조향각 등 차량센서를 이용하여 GPS의 측정주기와 불연속적인 측위, 측위잡음을 보완하고 있다. 하지만, IMU나 차속센서만으로는 절대위치 보정이 어렵다. 본 연구에서는 GPS와 IMU, 차량센서 Dead-Reckoning과 더불어 차량에 부착된 카메라와 레이저스캐너와 같은 환경인지 센서를 이용하여 취득된 주변환경 정보를 지도와 비교하여 절대위치를 얻는 Map-Matching 기법을 적용하였다. SLAM(Simultaneous Localization and Mapping)과 같은 방법도 널리 쓰이고 있지만, 지도를 실시간 생성함으로 생기는 비용과 위험을 피하고자 사전에 생성된 지도를 활용하는 방법을 적용하였다. 두 이미지나 형상정보를 Matching 하기 위해 ICP (Iterative Closest Point)라는 방법이 널리 활용되고 있다. 본 연구에서는 기존 ICP의 단점을 개선하고 확률적 모델을 고려하고자 새로운 ICP 알고리즘을 개발하고 적용하였다. 마지막으로 본 연구의 제안된 위치추정 기법을 건물밀집지역을 포함한 구간에서 실차시험을 통해 검증하였다.

Keywords: positioning, map-matching, dead-reckoning, multi-pass, ICP