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.

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.