RnDCircle Logo
arrow left icon

차량지능연구실

국민대학교 자동차융합대학

강연식 교수

Dynamic Occupancy Grid Map

Sensor Fusion

Deep Learning

차량지능연구실

자동차융합대학 강연식

차량지능연구실(VILAB)은 국민대학교 자동차모빌리티대학원 소속으로, 자율주행차의 인지 및 제어 기술을 선도적으로 연구하고 있습니다. 본 연구실은 카메라, 라이다, 레이더 등 다양한 센서 데이터를 융합하여 차량 주변 환경을 정확하게 인식하는 첨단 센서 퓨전 기술을 개발하고 있습니다. 이를 통해 도로, 차량, 보행자, 장애물 등 다양한 객체를 실시간으로 탐지하고 분류하는 인지 시스템을 구축하고 있습니다. 연구실은 딥러닝 기반의 카메라-라이다 센서 융합, 동적격자지도(DOGM) 기반 객체 인식 및 추적, 4D 이미징 레이더를 활용한 실시간 3D 객체 검출 등 최신 인공지능 및 센서 융합 기술을 적극적으로 도입하고 있습니다. 이러한 기술은 자율주행차의 안전성과 신뢰성을 높이는 데 중요한 역할을 하며, 실제 도로 환경에서의 다양한 변수와 노이즈에 강인한 인지 성능을 확보하는 데 중점을 두고 있습니다. 또한, 차량지능연구실은 비선형 모델 예측 제어(NMPC), 파티클 필터 기반 위치 인식, 드리프트 제어, 충돌 회피 제어 등 첨단 제어 기법을 연구하고 있습니다. 딥러닝 기반의 제어기 설계, 실시간 제어 알고리즘, 전문가 운전 데이터 기반의 학습 제어 등 최신 인공지능 기법을 접목하여 자율주행차의 주행 성능을 극대화하고 있습니다. 이러한 제어 시스템은 도심지, 고속도로, 오프로드 등 다양한 주행 환경에서의 자율주행차 적용을 목표로 하고 있습니다. 연구실은 현대자동차, 현대모비스, 스마트레이더시스템 등과의 산학협력을 통해 실차 실험 및 산업적 적용도 활발히 진행하고 있습니다. 실제 자율주행 차량 2대를 보유하여 연구실에서 개발한 알고리즘의 실차 테스트 및 구현을 진행하고 있으며, 다양한 프로젝트와 특허 출원을 통해 연구 성과를 산업 현장에 적용하고 있습니다. 차량지능연구실은 앞으로도 자율주행차의 인지 및 제어 기술 고도화, 실시간 센서 융합 및 딥러닝 기반 인공지능 기술 개발, 특수 목적 차량(건설장비, 물류자동화 등) 자율주행 기술 확장 등에 주력할 계획입니다. 이를 통해 미래 모빌리티 산업의 혁신을 선도하고, 안전하고 효율적인 자율주행 환경 구현에 기여하고자 합니다.

Dynamic Occupancy Grid Map
Sensor Fusion
Deep Learning
자율주행을 위한 센서 퓨전 및 인지 시스템
차량지능연구실은 자율주행차의 핵심 기술인 센서 퓨전 및 인지 시스템 개발에 중점을 두고 있습니다. 다양한 센서(카메라, 라이다, 레이더 등)에서 수집된 데이터를 효과적으로 융합하여 차량 주변 환경을 정확하게 인식하는 기술을 연구합니다. 이를 통해 도로, 차량, 보행자, 장애물 등 다양한 객체를 실시간으로 탐지하고 분류할 수 있습니다. 특히, 딥러닝 기반의 센서 융합 알고리즘을 활용하여 카메라와 라이다 데이터를 결합하는 BEV(Bird’s Eye View) Fusion, 동적격자지도(DOGM) 기반 객체 인식 및 추적, 실시간 3D 객체 검출 등 첨단 인지 기술을 개발하고 있습니다. 이러한 연구는 실제 도로 환경에서의 다양한 변수와 노이즈에 강인한 인지 성능을 확보하는 데 중점을 두고 있습니다. 이러한 인지 시스템은 자율주행차의 안전성과 신뢰성을 높이는 데 필수적이며, 최근에는 4D 이미징 레이더, 시멘틱 세그멘테이션, 실시간 객체 추적 등 최신 기술을 적용하여 연구의 깊이와 폭을 확장하고 있습니다. 연구실은 현대자동차, 현대모비스, 스마트레이더시스템 등과의 산학협력을 통해 실차 실험 및 산업적 적용도 활발히 진행하고 있습니다.
비선형 모델 예측 제어 및 자율주행 제어 시스템
차량지능연구실은 자율주행차의 안전하고 효율적인 주행을 위한 제어 시스템 개발에도 집중하고 있습니다. 비선형 모델 예측 제어(NMPC), 파티클 필터 기반 위치 인식, 드리프트 제어, 충돌 회피 제어 등 다양한 첨단 제어 기법을 연구하며, 실제 차량 및 시뮬레이션 환경에서 그 성능을 검증하고 있습니다. 특히, 비선형 모델 예측 제어는 차량의 동적 특성을 정밀하게 반영하여 급격한 조향, 제동, 드리프트 등 극한 상황에서도 안정적인 주행을 가능하게 합니다. 또한, 딥러닝 기반의 제어기 설계, 실시간 제어 알고리즘, 전문가 운전 데이터 기반의 학습 제어 등 최신 인공지능 기법을 접목하여 자율주행차의 주행 성능을 극대화하고 있습니다. 이러한 제어 시스템 연구는 도심지, 고속도로, 오프로드 등 다양한 주행 환경에서의 자율주행차 적용을 목표로 하며, 건설장비, 물류자동화 등 특수 목적 차량에도 확장 적용되고 있습니다. 연구실은 실제 자율주행 차량 2대를 보유하여 실차 실험을 통해 연구 결과의 실효성을 지속적으로 검증하고 있습니다.
1
Dynamic Occupancy Grid Map with Semantic Information Using Deep Learning-Based BEVFusion Method with Camera and LiDAR Fusion
Harin Jang, Taehyun Kim, Kyungjae Ahn, Soo Jeon, Yeonsik Kang
Sensors, 2024
2
Real-Time Drift-Driving Control for an Autonomous Vehicle: Learning from Nonlinear Model Predictive Control via a Deep Neural Network
Taekgyu Lee, Dongyoon Seo, Jinyoung Lee, Yeonsik Kang
Electronics, 2022
3
Development of a GPU-Accelerated NDT Localization Algorithm for GNSS-Denied Urban Areas
Keon Woo Jang, Woo Jae Jung, Yeonsik Kang
Sensors, 2022
1
4D 레이다를 위한 데이터 전처리 및 복수 타겟 관리 시스템 개발, 스마트레이더시스템 Development of 4D Radar Data Preprocessing Multiple Target Management System, Smart Radar Systems
2023년 ~ 2024년
2
건설장비 자율주행 기술 개발, HD현대사이트솔루션 Development of Autonomous Driving for Construction Vehicle, HD Hyundai Xitesolution
2023년 ~ 2025년
3
카메라 라이다 로우레벨 딥러닝 센서퓨전 선행연구, 현대모비스 Studies for Low Level Deep Learning Sensor Fusion Method for Camera & Lidar, Hyundai Mobis
2022년 ~ 2023년