Lidar and V2X Cooperative Localization for GNSS-Denied Positioning
연구 내용
라이다 포인트클라우드에서 특징을 추출해 장소를 인식하고, V2X 협조로 GNSS 부재 환경에서 위치를 추정하는 연구
본 연구는 GNSS가 제한되거나 불안정한 환경에서 라이다 기반 장소인식과 포즈추정을 수행하는 기술을 다룹니다. 특징점과 디스크립터를 생성하고 기하 검증을 통해 루프 클로저 및 포즈를 안정적으로 산출하는 방식으로, 학습 의존성을 낮춘 공정 절차를 구현합니다. 또한 주변 차량과 객체를 추적하고 차량 간 통신(V2X) 정보를 활용해 협조적 로컬라이제이션을 수행하여 국지 오차 누적을 완화합니다. 임베디드 실시간 성능을 고려한 처리 구조와, 자율주행 시뮬레이션 및 평가 플랫폼과의 연계를 통해 검증 가능성을 확보합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
6건
연구 흐름
초기 연구는 라이다 포인트클라우드에서 강건한 특징점을 추출하고 디스크립터 및 기하 검증 절차로 장소인식을 수행하는 방법에 집중합니다. 이후 GNSS 부재 상황에서 주변 차량 정보까지 포함하도록 확장하여 라이다-기반 추적과 V2X 협조를 결합한 위치추정 기법을 구성합니다. 다음 단계에서는 고도·비행 환경을 고려한 라이다 기반 장소인식과 포즈추정으로 적용 범위를 넓히고, 미방문 영역에서도 가상 디스크립터 데이터베이스를 활용해 로컬라이제이션을 수행하도록 발전시킵니다. 동시에 엣지기반 자율주행 시뮬레이터와 평가 프로세스 표준화로 실제 검증 절차를 정렬합니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Omni Point: 3D LiDAR-Based Feature Extraction Method for Place Recognition and Point Registration
Lidar- and V2X-Based Cooperative Localization Technique for Autonomous Driving in a GNSS-Denied Environment
Omni Point Air: LiDAR and Point Cloud Map-Based Place Recognition and Pose Estimation for Advanced Air Mobility in GNSS-Denied Environments
관련 프로젝트
구분
제목
현실-가상정보 융합형 엣지기반 자율주행 시뮬레이션SW 기술개발
현실-가상정보 융합형 엣지기반 자율주행 시뮬레이션SW 기술개발
현실-가상정보 융합형 엣지기반 자율주행 시뮬레이션SW 기술개발
AI 운전능력평가 표준화 및 평가 프로세스 개발
AI 운전능력평가 표준화 및 평가 프로세스 개발
AI 운전능력평가 표준화 및 평가 프로세스 개발