차량의 안전한 운행을 위해서는 정확한 위치 추정이 필요하지만, Global Navigation Satellite System (GNSS)에 의존하는 시스템의 경우 GNSS 성능 저하 상황에서 위치 추정에 실패해 큰 위험을 초래할 수 있다. 본 연구에 서는 라이다 및 차량의 Controller Area Network (CAN) 정보를 활용하여, GNSS 성능 저하 환경에서 고속 주행 차량의 위치 추정 기법을 제안한다. 특히 고속 주행 환경에 대응하기 위해 Graphics Processing Unit (GPU)을 활용한 point cloud 고속 정합 방법 및 CAN odometry를 통해 보다 빠르며 강건한 위치 추정 방법을 제안하며, 실차 환경에서의 실험을 통해 제안한 알고리듬의 성능을 검증한다.

A Fusion of Lidar Point Cloud Registration and Odometry for Real-Time Localization of High-Speed Autonomous Driving Vehicles

Ji-Ung Im, Wook-Jin Yang, Jong-Hoon Won*

Accurate localization is essential for the safe operation of vehicles. However, systems that rely on Global Navigation Satellite System (GNSS) may fail to estimate the position accurately in situations where GNSS performance degrades, posing significant risks. This study proposes a localization method for high-speed vehicles using LiDAR and Controller Area Network (CAN) information to address the issue of GNSS degradation. In particular, to accommodate high-speed driving environments, we propose a robust and fast localization method that utilizes Graphics Processing Unit (GPU)-accelerated point cloud matching and CAN odometry. The proposed algorithm's performance is validated through experiments in real vehicle environments.

Keywords: autonomous driving, localization, odometry, point cloud registration, real-time

Speaker 임지웅 인하대학교