Autonomous Driving Systems자율주행 시스템

센서 입력
┌─────────────────────────────────┐
│ LiDAR │ Camera │ RADAR │ GPS   │
└─────────────────────────────────┘
           ↓ 센서 융합
┌─────────────────────────────────┐
│        인식 (Perception)         │
│  물체 탐지 | 차선 감지 | 지도 매칭 │
└─────────────────────────────────┘
           ↓
┌─────────────────────────────────┐
│        예측 (Prediction)         │
│  다른 차량/보행자 경로 예측        │
└─────────────────────────────────┘
           ↓
┌─────────────────────────────────┐
│        계획 (Planning)           │
│  경로 계획 | 행동 계획 | 모션 계획 │
└─────────────────────────────────┘
           ↓
┌─────────────────────────────────┐
│        제어 (Control)            │
│  조향 | 가속 | 제동 제어 신호      │
└─────────────────────────────────┘

from ultralytics import YOLO
import numpy as np

# 카메라 기반 물체 탐지
model = YOLO('yolov8n.pt')

def detect_and_fuse(image, lidar_points):
    # 1. 카메라 물체 탐지
    results = model(image)[0]
    detections = []

    for box in results.boxes:
        cls = int(box.cls[0])
        conf = float(box.conf[0])
        x1, y1, x2, y2 = box.xyxy[0].tolist()

        # 2. LiDAR 포인트와 2D 박스 매핑 (투영)
        projected = project_lidar_to_image(lidar_points, camera_matrix)
        mask = ((projected[:, 0] > x1) & (projected[:, 0] < x2) &
                (projected[:, 1] > y1) & (projected[:, 1] < y2))
        depth_points = lidar_points[mask]

        if len(depth_points) > 0:
            distance = np.median(depth_points[:, 0])  # X축 거리
            detections.append({'class': cls, 'conf': conf,
                               'bbox': (x1,y1,x2,y2), 'distance': distance})

    return detections

HD 맵 (High-Definition Map):
- 정밀도: ±5cm (일반 GPS는 ±3m)
- 내용: 차선, 신호등, 표지판, 도로 경계
- 포맷: OpenDRIVE, NDS, Lanelet2

로컬라이제이션:
- GNSS + IMU 융합 (기본)
- LiDAR 지도 매칭 (NDT, ICP)
- 카메라 시각적 위치 추정