🚗 H-모빌리티 자율주행 트랙

현대NGV 주관 자율주행 교육 과정

성적 우수자 선발 심화교육 참여

카메라·LiDAR 기반 자율주행 차량 구현 및 트랙 완주

📌 기본 과정 (이론 기반)

강의 정리 : H-모빌리티

교육 개요

• 자율주행 인지–판단–제어–통신 전 과정 학습
• 이론 및 과제 기반 구조 이해

🚗 인지

• 카메라·레이더·LiDAR 원리 이해
• 센서 융합 구조
• 딥러닝 기반 객체 검출 개념
• 고정밀 지도 및 위치 추정 이해

🧠 판단

• Rule-based vs AI-based 판단 구조
• A*, RRT 기반 경로 생성
• 강화학습 기반 경로 생성 개념
• Fail-Safe 판단 구조

⚙️ 제어

• PID 제어
• Cruise / Smart Cruise Control 구조
• 차량 운동학·동역학 모델
• Pure Pursuit 기법

🌐 통신

• CAN 통신
• V2X 개념

🚀 심화 과정 (합숙 프로젝트)

H-모빌리티 자율주행 심화과정 트랙 테스트 현장

📌 프로젝트 개요

• 3일 대면 합숙 프로젝트
• 유아용 전기차 기반 자율주행 차량 구현
• 센서 기반 인지–제어 통합 시스템 개발
• 트랙 완주 목표

🔧 하드웨어 구성

• 카메라 장착
• 2D LiDAR 부착
• PC 연결 및 센서 데이터 통신 구성

🤖 인지 구현

• YOLO 기반 신호등 객체 검출 후 클래스별 조건 분기하여 출발/정지 제어 로직 구현
• YOLO 기반 차선 검출 결과를 활용하여 차량 중심 대비 오차 계산 후 조향 제어 적용
• LiDAR 거리 데이터를 활용하여 임계 거리 이하 장애물 감지 시 제동 로직 구현

⚙️ 제어 구현

• 인지 결과(차선, 신호등, 장애물)에 따라 속도를 동적으로 조절하는 제어 로직 구현
• 차선 중심과 차량 위치 오차를 기반으로 조향각을 계산하여 안정적인 차선 유지
• 장애물 거리 기반으로 감속 및 정지 제어 수행

🛠 기술적 도전

• 차량 속도 대비 YOLO 추론 FPS 부족으로 차선 이탈 발생 → 입력 해상도 조정 및 속도 제한을 통해 안정성 확보
• 카메라와 LiDAR 간 데이터 처리 타이밍 차이로 인한 인식 불일치 → 처리 주기 조정으로 센서 동기화 개선
• 조명 변화에 따라 객체 인식 정확도 저하 → 전처리 및 threshold 조정으로 인식 안정성 개선

🏁 결과

• YOLO 기반 인지와 제어 로직을 통합한 자율주행 시스템 구현
• 신호등, 차선 유지, 장애물 감지 등 복합 미션을 통합적으로 수행
• 실시간 인지–제어 기반 자율주행으로 트랙 완주 성공

📷

[https://drive.google.com/file/d/116Csrmq4OzwVKDOM0FHqUJ3rtF5RILfH/view?usp=sharing](https://drive.google.com/file/d/116Csrmq4OzwVKDOM0FHqUJ3rtF5RILfH/view?usp=sharing)

💡 핵심 요약

자율주행 시스템을 인지–판단–제어 구조로 설계하고, 실제 차량 플랫폼에 적용하여 센서 기반 자율주행을 구현한 경험