KR101451203B1

KR101451203B1 - 객체의 위성-기반 포지셔닝을 위한 기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법 및 디바이스

Info

Publication number: KR101451203B1
Application number: KR1020127011311A
Authority: KR
Inventors: 요하임 밤베르거; 마리안 그리고라스; 안드레이 스자보
Original assignee: 지멘스 악티엔게젤샤프트
Priority date: 2009-09-29
Filing date: 2010-08-13
Publication date: 2014-10-15
Also published as: EP2483709A1; KR20120062926A; WO2011038976A1; US20120182179A1; DE102010011982A1

Abstract

본 발명은 객체(O)의 위성-지원 포지셔닝을 위한 기준 맵(RM)의 컴퓨터-지원 생성 및/또는 갱신을 위한 방법에 관한 것으로, 여기서 사전결정된 공간 영역을 위한 정정은 기준 맵(RM)에 저장되고, 이에 의해 사전결정된 공간 영역내 거리 치수들(d1, d2, d3, d4)이 객체(O)의 포지셔닝동안 정정되고, 상기 치수들로부터 객체 포지션(OP)이 결정되고, 거리 치수는 객체(O)의 포지션에서 위성-지원 수신 유닛(1)을 통해 수신된 위성(S1, S2, S3, S4)의 위성 신호로부터 결정되며, 그리고 거리 치수는 위성(S1, S2, S3, S4)으로부터 객체(O)까지의 거리를 나타낸다. 본 발명에 따른 방법에서, 거리 치수들은 사전결정된 공간 영역 내에 위치된 객체의 복수의 로케이션들내 위성-지원 수신기 유닛을 이용하여 수신된 위성 신호들로부터 결정된다. 사전에 알려지거나 적절한 방법으로 추정될 수 있는 사전결정된 객체 포지션을 이용하여, 사전결정된 객체 포지션에 대응하는 거리 치수들은 위성 ― 상기 위성들로부터 위성 신호들이 수신됨 ― 들의 위성 포지션들을 포함함으로써 역산된다. 각각의 결정된 거리 치수들과 역산된 거리 치수들간의 차이에 기초하여, 특정된 객체 포지션 주변의 사전결정된 공간 영역의 적어도 일부를 위한 정정이 저장 및/또는 갱신된다. 본 발명에 따른 방법은 적절하게 훈련된 기준 맵을 이용하여 보다 정밀한 포지셔닝을 달성한다. 방법은 개발된 영역들에서 포지셔닝하기에 특히 유리하다.

Description

객체의 위성-기반 포지셔닝을 위한 기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법 및 디바이스{METHOD AND DEVICE FOR THE COMPUTER-SUPPORTED CREATION AND/OR UPDATING OF A REFERENCE MAP FOR SATELLITE-SUPPORTED POSITIONING OF AN OBJECT}

본 발명은 객체의 위성-기반 포지셔닝을 위한 기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법 및 위성-기반 포지셔닝 방법에 관한 것이다.

객체의 포지션의 위성-기반 결정에서, 예를 들어 GPS 포지션 발견 시스템(GPS=Global Positioning System)에 기초하여, 지표상의 객체의 포지션은 위성들로부터의 대응하는 신호들에 기초하여 결정된다. 이러한 시스템에서 포지션의 결정은 복수의 위성 신호들의 비과 시간(time of flight) 측정과 위성들과 객체 사이로부터 결정된 거리들의 대응하는 다변측량(multilateration)에 기초한다. 위성-기반 포지셔닝 시스템들은 일반적으로 시가지가 아닌 영역들(non-built-up areas)에서 매우 높은 정확도를 갖는다. 그러나, 시가지 영역들에서 거리 측정들이 빌딩들에서 반사하는 위성 신호들로 인해 왜곡되며, 이에 의해 포지셔닝의 정확성에 좋지않은 영향을 끼치는 문제가 존재한다.

DE 10 2006 044 293 A1

B. Betoni Parodi, H. Lenz, A. Szabo, H. Wang, J. Horn, J. Bamberger, D. Obradovic: "Initialization and Online Learning of RSS Maps for Indoor/Campus Localization" PLANS 2006 - 2006 IEEE/ION Position, Location and Navigation Symposium, San Diego, USA, pages 164 to 172 B. Betoni Parodi, H. Lenz, A. Szabo, J. Bamberger, J. Horn: "Algebraic and Statistical Conditions for Use of SLL", ECC 2007 - European Control Conference 2007, Kos, Greece

따라서, 본 발명의 목적은 위성-기반 포지셔닝 발견의 정확성을 개선하는데 있다.

본 발명의 목적은 청구항 1에 청구되거나 청구항 12에 청구된 바와 같은 방법에 의해 또는 청구항 16에 청구되거나 청구항 18에 청구된 바와 같은 디바이스에 의해 달성된다. 본 발명의 개선들은 종속항들에 정의된다.

본 발명에 따른 방법에서, 객체의 위성-기반 포지셔닝을 위한 기준 맵이 생성되고/되거나 갱신되며, 사전결정된 공간 영역을 위한 정정이 기준 맵에 저장되며 이에 의해 사전결정된 공간 영역내 객체의 포지셔닝에서 거리 측정값들이 객체 포지션이 결정됨으로써 정정되며, 거리 측정은 위성의 위성 신호로부터 결정되고, 이 신호는 객체의 로케이션에서 위성-기반 수신 디바이스에 의해 수신된다. 이 경우에 거리 측정값은 위성에서 객체까지의 거리를 나타낸다, 즉, 거리 측정값은 거리 자체를 나타내거나, 예를 들어, 신호의 비과 시간과 같은 그것에 대한 종속 변수를 표시할 수 있다.

본 발명에 따른 방법에서, 거리 측정값들은, 예를 들어, GPS 수신 디바이스 또는 대안으로 다른 시스템(예를 들어, 갈릴레오)에 기초한 수신 디바이스일 수 있는 위성-기반 수신 디바이스에 의해 사전결정된 공간 영역내에 놓여진 객체의 복수의 로케이션들에서 수신된 위성 신호들로부터 단계 a)에서 결정된다. 이 경우에 개별적인 거리 측정값들은 동일한 수신 디바이스에 의해 결정될 수 없으며, 그 보다 거리 측정값들은 공간 영역에서 움직이는 임의의 수신 디바이스들에 의해 가능하게 결정된다.

방법의 단계 b)에서, 각각의 로케이션을 위한 객체 포지션은 복수의 로케이션들로부터 사전결정되며, 예를 들어, 사전결정된 객체 포지션이 사전에 알려진 객체 포지션 또는, 예를 들어, 기준 맵의 도움없이 위성-기반 수신 디바이스에 의해 결정된 추정 객체 포지션인 것이 가능하다.

단계 c)에서, 그 다음 사전결정된 객체 포지션에 대응하는 거리 측정값들이 사전결정된 객체 포지션과 위성들의 위성 포지션들로부터 역산되고, 상기 위성들로부터 위성 신호들이 단계 a)에서 각각의 로케이션에서 수신된다. 이 경우에 상당한 차이가 각각의 로케이션에서 단계 a)에서 결정된 거리 측정값들과 단계 c)에서 역산된 거리 측정값들 간에 존재할 수 있으며, 특히 시가지 영역들에서 존재할 수 있다. 후속적인 포지셔닝 동안 적절한 방법으로 기준 맵에서 이러한 차이를 고려하기 위해, 사전결정된 객체 포지션 주변의 사전결정된 공간 영역의 적어도 일부를 위한 정정은 단계 a)에서 각각의 로케이션에서 결정된 거리 측정값과 대응하는 역산된 거리 측정값 간의 차이에 기초하여 방법의 단계 d)에서 저장되고/되거나 갱신된다.

이 경우에 정정은 그 자체로 알려진 방법들에 의해 저장되거나 갱신될 수도 있다. 특히 바람직한 실시예 변형들에서, 종래 기술로부터 알려진 필드-세기-기반 포지셔닝을 위한 방법들이 사용되며 이는 위성-기반 방법들에 또한 유사하게 적용될 수도 있다. 특히 공보들 [1] 내지 [3]에 기술된 방법들이 활용될 수 있으며, 상기 공보들의 전체 개시 내용은 본 출원의 내용에 참조로써 포함된다. 이들 문서들에 기술된 필드-세기-기반 포지셔닝 방법들을 위한 기준 맵의 갱신이 위성-기반 포지셔닝 방법들에 어떻게 적용될 수 있는지가 상세한 설명들내 예시적인 실시예를 참조하여 설명된다.

본 발명에 따른 방법의 특히 바람직한 실시예 변형에 있어서 기준 맵은 사전결정된 공간 영역내 다수의 노달 포인트들(nodal points)에서 정정 팩터들에 의해 표시되고, 사전결정된 객체 포지션에 공간적으로 근접한 하나 또는 그 초과의 노달 포인트들을 위한 정정 팩터들은 단계 d)에서 저장되고/되거나 갱신된다. 이 경우에 근접은 임의의 방법으로 특정될 수 있다. 특히 근접은 값들이 노달 포인트와 사전결정된 객체 포지션간의 거리가 증가함에 따라서 감소되는 대응하는 함수로써 정의될 수도 있으며, 노달 포인트와 사전결정된 객체 위치 간의 특정 거리와 같이 어떠한 정정 팩터들의 추가 갱신도 발생하지 않는다.

본 발명의 다른 바람직한 변형에서, 사전결정된 객체 포지션은 단계 a)에서 결정되고 기준 맵의 정정에 의해 정정된 거리 측정값들에 기초하여 단계 b)에서 결정된다. 이러한 방법으로 기준 맵에 의한 자율 학습이 달성될 수 있으며 여기서 학습을 위해 사용된 객체 포지션은 정확히 알려질 필요가 없다.

본 발명에 따른 방법의 또 다른 바람직한 실시예 변형에 있어서, 추정된 객체 포지션에 공간적으로 근접한 하나 또는 그 초과의 노달 포인트들의 정정 팩터들은 사전결정된 객체 포지션의 결정을 위해 사용된다. 이 경우에 공간 근접은 사전결정된 객체 포지션의 결정시 추정된 객체 포지션으로부터 최단 거리에 존재하는 그러한 노달 포인트의 정정 팩터들만이 사용되는 방식으로 특정될 수 있다. 예를 들어, 이 경우에 추정된 객체 포지션은, 예를 들어, 오도메트릭(odometric) 또는 자이로스코픽 센서들과 같은 다른 센서들에 의해 추가로 또는 대안적으로 결정된 기준 맵 또는 포지션의 사용없이 위치된 객체의 포지션일 수 있다.

본 발명에 따른 방법의 또 다른 실시예에서, 알려진 객체 포지션은 단계 b)에서 사전결정되고 단계 d)에서 정정은 알려진 객체 포지션에서 그리고/또는 알려진 객체 포지션에 공간적으로 근접한 기준 맵의 하나 또는 그 초과의 노달 포인트들을 위해 저장되고/되거나 갱신된다. 본 발명의 이러한 변형에 따라서, 알려진 객체 포지션들에 기초한 기준 맵을 생성하고/하거나 갱신하기 위한 지도 학습 방법이 생성된다.

본 발명에 따른 방법에서 거리 측정값은 바람직하게는 대응하는 수신된 위성 신호의 비과 시간 측정에 의해 결정된다. 상기 방법에서 사용된 각각의 위성의 위성 포지션은 수신된 위성 신호로 유익하게 인코드되고/되거나, 특히 신호의 전송 시간을 특정하는 위성 신호내 타임스탬프(timestamp)에 기초하고, 대응하는 위성의 미리 알려진 궤도에 기초하여 수신된 위성 신호로부터 유도될 수 있다.

포지션 발견이 상이한 위성 포지션들에서 수행될 수 있는 것을 고려하기 위해, 본 발명에 따른 방법의 바람직한 실시예 변형에서, 정정은 포지셔닝의 시간에 존재하는 위상 포지션들의 함수로써 기준 맵내에 저장되고, 상기 정정은 위성 신호들이 단계 a)에서 수신되는 그러한 위성 포지션들을 위해 단계 d)에서 생성되고/되거나 갱신된다.

기준 맵이 노달 포인트들에 의해 실현되는 본 발명의 변형에서, 복수의 위성 포지션들을 위한 정정 팩터들은 기준 맵의 각각의 노달 포인트를 위해 저장 및/또는 갱신된다. 바람직하게는 이 경우에 정정은 거리 측정값이 단계 a)에서 결정되는 위성 포지션에 대응하는 노달 포인트에 대한 정정 팩터를 위해, 단계 a)에서 결정된 거리 측정값과 단계 c)에서 역산된 거리 측정값 간의 차이에 종속되는 정정 텀(term)이 상기 정정 팩터에 추가되거나 상기 정정 팩터로부터 제거되는 방식으로 단계 d)에서 저장 및/또는 갱신된다. 정정 텀이 상기 정정 팩터에 더해지는지 상기 정정 팩터로부터 감산되는지는 정정 텀의 부호-관련 정의에 종속된다. 후속적인 포지셔닝동안, 거리 측정값이 상기 정정 항에 정정 팩터의 추가에 의해 정정되면, 정정 텀은 역산된 거리 측정값과 결정된 거리 측정값 간의 차이로서 정의된다. 이 경우에 정정 텀은, 거리 측정값들의 차이가 지금 필드 세기 값들내 차이 대신에 사용되는 것을 제외하고, 공보들 [1] 내지 [3]에 기술된 방법들과 유사하게 정의될 수 있다.

바람직하게는 정정 텀은 노달 포인트와 단계 b)에서 사전결정된 객체 포지션간의 거리에 종속되며 거리가 증가함에 따라서 감소한다. 이 경우에 정정 텀은 노달 포인트와 단계 b)에서 사전결정된 객체 포지션간의 차이에 종속되는 함수, 예를 들어, 삼각 함수 또는 가우시안 함수를 포함할 수 있다. 문서들 [1] 내지 [3]에 기술된 함수들이 이 경우에 다시 사용될 수 있다.

본 발명에 따른 방법의 다른 특히 바람직한 실시예 변형에서, 거리 측정값들은 단계 a)에 기초하여 객체의 복수의 로케이션들을 위한 하나 또는 그 초과의 위성-기반 수신 디바이스들에 의해 초기에 결정되며, 거리 측정값들은 각각의 로케이션을 위해 단계들 b) 내지 d)를 후속적으로 수행하는 중앙 컴퓨팅 유닛으로 전송되며 이에 의해 기준 맵을 생성 및/또는 갱신한다. 이러한 변형에서, 데이터는 임의의 수신 디바이스들에 의해 사전에 수집되고, 이러한 데이터는 종래의 수신 디바이스들을 갖는 임의의 사용자들로부터 발생할 수도 있다. 자율 학습의 경우에, 여기서 사용자들의 정확한 포지션들을 알 필요가 없기조차 하다. 충분한 데이터가 수집된 후, 기준 맵이 최종적으로 생성되고/되거나 갱신될 수 있다.

기준 맵을 생성 및/또는 갱신하기 위한 전술한 방법에 더하여, 본 발명은 객체의 위성-기반 포지셔닝을 위한 방법에 더 관련되며, 여기서 포지셔닝은 전술한 방법에 의해 생성 및/또는 갱신된 기준 맵의 도움으로 발생한다. 이 경우에 거리 측정값들은 위성들의 위성 신호들로부터 객체의 로케이션에서 위성-기반 수신 디바이스에 의해 결정되며, 각각의 거리 측정값은 위성으로부터 객체까지의 거리를 나타낸다. 거리 측정값들은 기준 맵으로부터의 정정에 의해 후속적으로 정정되고 객체 포지션은 상기 정정된 거리 측정값들에 기초하여 결정된다.

기준 맵이 사전결정된 공간 영역내 복수의 노달 포인트들을 위한 정정 팩터들에 의해 표시되면, 각각의 거리 측정값은 바람직하게는 추정된 객체 포지션으로부터 최단 거리에 존재하는 그러한 노달 포인트의 정정 팩터를 이용하여 정정된다. 정의에 따라서, 이 경우에 정정 팩터는 거리 측청값에 더해지거나 거리 측정값으로부터 감산된다.

특히 바람직한 실시예 변형에서, 기준 맵은 포지션 발견과 동시에 전술한 방법에 기초하여 갱신 및/또는 생성되고, 단계들 c) 및 d)는 포지셔닝동안 결정된 객체 포지션에 기초하여 수행된다. 따라서 상기 결정된 객체 포지션은 단계들 c) 및 d)에서 사용되는 사전결정된 객체 포지션을 나타낸다.

본 발명에 따른 포지셔닝 방법의 다른 변형에서, 기준 맵은 중앙 컴퓨팅 유닛에 저장되고, 기준 맵의 적어도 일부는 객체로 전송되며 객체 포지션들은 기준 맵의 적어도 일 부분의 정정을 이용하여 정정되는 기준 측정값들로부터 객체에서 결정되고/되거나, 객체의 로케이션에서 결정된 거리 측정값들은 후속적으로 기준 맵의 도움에 의해 객체 포지션을 결정하고 객체에 동일한 것을 전송하는 중앙 컴퓨팅 유닛으로 전송된다.

전술한 방법들에 더하여, 본 발명은 또한 객체의 위성-기반 포지셔닝을 위한 기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 디바이스를 포함하고, 사전결정된 공간 영역을 위한 정정은 기준 맵내에 저장되고 객체 포지션이 결정되는 거리 측정값들을 정정하기 위해 사전결정된 공간 영역내 객체의 포지셔닝동안 사용되고, 상기 거리 측정값은 객체의 로케이션에서 위성-기반 수신 디바이스에 의해 수신되는 위성의 위성 신호로부터 결정되고, 그리고 상기 거리 측정값은 위성으로부터 객체까지의 거리를 나타낸다. 이 경우에 디바이스는 디바이스의 동작동안 하나 또는 그 초과의 수단들을 포함하고, 상기 수단들을 사용하여:

a) 거리 측정값들은 각각의 경우에 수신된 위성 신호들로부터 사전결정된 공간 영역에 놓여진 객체의 복수의 로케이션들에서 위성-기반 수신 디바이스에 의해 결정되고/되거나 상기 거리 측정값들은 판독 입력된다;

b) 각각의 로케이션을 위한 객체 포지션은 복수의 로케이션들로부터 사전결정된다;

c) 사전결정된 객체 포지션에 대응하는 거리 측정값들은 사전결정된 객체 포지션과 위성들의 위성 포지션들로부터 역산되고, 상기 위성들로부터 위성 신호들이 각각의 로케이션에서 수신된다;

d) 사전결정된 객체 포지션 주변의 사전결정된 공간 영역의 적어도 일부를 위한 정정은 각각의 결정된 거리 측정값들과 역산된 거리 측정값들간의 차이에 기초하여 저장 및/또는 갱신된다.

이 경우에 디바이스는 바람직하게는 전술한 방법의 임의의 변형이 디바이스에 의해 수행될 수 있는 방식으로 구현된다.

기준 맵을 생성하거나 갱신하기 위해 방금 기술된 디바이스에 더하여, 본 발명은 추가로 객체의 위성-기반 포지셔닝을 위한 디바이스에 관련되고, 포지셔닝은 전술한 방법에 의해 생성 및/또는 갱신된 기준 맵의 도움으로 수행된다. 이 경우에 디바이스는 디바이스의 동작 동안 하나 또는 그 초과의 수단들을 포함하고, 상기 수단들을 사용하여:

- 거리 측정값들은 객체의 로케이션에서 위성-기반 수신 디바이스에 의해 위성들의 위성 신호들로부터 결정되고, 각각의 거리 측정값은 위성으로부터 객체까지의 거리를 나타낸다;

- 거리 측정값들은 기준 맵의 정정을 이용하여 정정된다;

- 객체 포지션은 정정된 거리 측정값들에 기초하여 결정된다.

이 경우에 바람직하게는 상기 디바이스는 전술한 포지셔닝 방법의 임의의 변형이 디바이스에 의해 수행될 수 있는 그런 방식으로 구현된다.

본 발명의 예시적인 실시예들은 첨부된 도면들을 참조하여 이하 상세히 기술된다.

도 1은 본 발명에 관련되는 문제를 설명하기 위해 제공되는 위성-기반 포지셔닝의 개략적인 표시를 도시한다.
도 2는 본 발명에 따른 방법의 실시예 변형에 기초하여 기준 맵의 갱신과 조합하여 객체의 포지셔닝의 개략적인 표시를 도시한다.

매우 밀집된 시가지들에서 포지션의 결정의 연계되어 다루어진 문제와 함께, 위성-기반 포지션 발견은 처음에 도 1을 참조하여 이하에서 일반적인 용어들로서 설명될 것이다. 도 1은 지구의 표면상의 포지션이 복수의 위성들로부터의 위성 신호들에 의해 결정될 GPS 수신기(1)의 형태의 위성-기반 수신 디바이스를 측면도로 도시한다. 이 경우에 수신기(1)는 삼각형들로서 표시된 2개의 빌딩들(2 및 3)으로 표시된 바와 같이 밀집된 시가지에 위치된다. 이 경우에 GPS 측정 원리가 예시의 명료함을 위한 이유로 포지션 발견 동안 포지션 PO와 포지션 PO'로 도시된 도 1에 도시된 위성(S)에 기초해서만 설명되지만, 자신의 3차원 포지션을 찾기 위해, GPS 수신기(1)는 보통 4개의 위성들로부터 신호들을 수신한다.

수신 디바이스(1)에 의해 위성-기반 포지션 발견은 수신 디바이스가 수신된 위성 신호들내에 포함된 정보를 평가하도록 동작한다. 첫째로 신호가 전송되는 시간 순간(time instant)을 설정하는 타임스탬프가 위성 신호들내에 포함된다. 타임스탬프는 소위 의사거리(pseudorange)를 계산하기 위해 사용될 수 있으며, 상기 의사거리는 청구항 1에 청구된 바와 같이 거리 측정값의 실시예 변형을 나타낸다. 의사거리는 신호의 비과시간 측정에 의해 GPS 수신기에서 결정되고 위성(S)와 GPS 수신기(1)간의 거리를 나타낸다. 둘째로, 타임스탬프는 그 자체로 알려진 방법들에 의해 위성 포지션을 역산하기 위해 사용될 수 있다. 지금 GPS 수신기가 4개의 위성들로부터 대응하는 신호들을 수신하면, 상기 신호들로부터 결정된 의사 거리들에 의해 자신의 포지션을 결정할 수 있으며, 이는 이후 명세서에서 다변 측량에 의해 대응하는 위성 포지션들뿐 아니라 거리들로서 지칭될 것이다.

시가지 영역에서, 도 1에 빌딩 2와 3으로 표시된 바와 같이, 위성들(S)와 GPS 수신 디바이스(1) 간의 거리의 측정시 에러들이 발생하는 문제가 존재한다. 위성이 포지션 PO에 위치되면, 거리는 상기 경로상의 위성 신호가 경로 PA의 대시 부분(dashed portion) PA으'로 표시된 바와 같이 빌딩(3)에 의해 차폐된다는 사실로 인해 경로 PA를 따른 가시직선(direct line of sight)을 따라 측정되지 않는다. 대신에, GPS 수신 디바이스는 경로 PA2를 따라서 위성 신호를 수신하며, 상기 신호는 빌딩(2)에 반사된다. 이의 결과는 너무 긴 비과 시간과 그에 따라 너무 긴 거리가 위성들(S)와 GPS 수신 디바이스(1) 간에 측정되어, 측정 에러들을 가져온다는 것이다. 동일한 문제가 위성(S)의 포지션 PO'에서 또한 발생한다. 이러한 포지션에서 위성 신호는 다시 빌딩(2)의 존재로 인해 직접적인 경로를 따라서 수신기(1)에서 다시 수신될 수 없지만, 경로 PA3를 통해 수신되며, 이에 따라서 신호는 빌딩(3)에 반사된다.

도시된 2개의 위성 포지션들(PO 및 PO')에 의해 반사에 의해 야기된 에러가 위성 포지션에 또한 종속된다는 것이 더욱 분명해진다. 특히 위성 포지션(PO')에서의 에러는 위성 포지션(PO)에서 보다 작은데, 이는 가시직선과 대응적으로 반사된 신호 경로들간의 차이가 포지션(PO)보다 포지션(PO')에 대해 작기 때문이다.

시가지들에서 포지션 결정시 개선을 달성을 달성하기 위해, 따라서 아래에 설명된 본 발명의 실시예 변형에서 객체들의 필드-세기-기반 포지셔닝으로부터 그 자체로 알려진 기준 맵이 사용되는 것이 제안된다. 이 경우에 기준 맵의 포지션 발견 및 동시적인 갱신을 위한 필드-세기-기반 포지셔닝으로부터 알려진 방법이 위성-기반 포지셔닝에 유사하게 적용된다.

도 2는 전술한 기준 맵의 도움으로 대응하는 GPS 수신기를 포함하는 객체(O)의 위성-기반 포지셔닝의 배경도를 도시한다. 이 경우에 기준 맵은 사전결정된 공간 영역내 다수의 노달 포인트들로 표시되고, 상기 노달 포인트들은 대응하는 크로스들로 도 2에 표시되고 몇몇 경우들에서 기준 부호(P)로 라벨이 붙는다. 복수의 상이한 위성 포지션들을 위한 정정 팩터는 노달 포인트들의 각각에 저장되고, 정정 팩터는 적절한 방법으로 정정없이 객체(O)에 의해 결정된 객체 포지션(OP)을 정정하기 위해 사용된다. 여기서 정정 팩터는 비과 시간 측정에 의해 GPS 수신기에서 결정된 대응하는 위성들로부터의 거리들을 정정하기 위해 사용되며, 정정 팩터는 정규화에 따라서 대응하는 거리들에 더해지거나 감산된다. 따라서 정정된 거리 값들에 기초하여, 그 다음 원래 결정된 객체 포지션(OP)에 비해 개선을 나타내는 정정된 객체 포지션이 결정된다.

도 2는 객체(O)가 대응하는 위성 포지션들(P1, P2, P3 및 P4)에 있는 4개의 위성들(S1, S2, S3 및 S4)로부터 위성 신호들을 수신하는 시나리오를 도시한다. 이들 위성 신호들에 기초하여, 각각의 위성(S1, S2, S3 및 S4)과 객체(O)간의 대응하는 거리(d1, d2, d3 및 d4)들은 비과 시간 측정에 의해 맨 먼저 결정된다. 다음으로, 객체(O)의 추정된 포지션― 상기 포지션은 예를 들어 정정 없이 결정된 객체 포지션에 대응함 ― 에 기초하여, 상기 추정된 객체 포지션에 가장 가깝게 놓여진 기준 맵의 노달 포인트가 결정된다. 그 다음 각각의 거리가 결정된 위성 포지션에 대응하는 정정 팩터가 상기 노달 포인트를 위해 추출된다. 이미 전술한 바와 같이, 그 다음 거리는 정정 팩터를 사용하여 가산 또는 감산에 의해 따라서 정정된다.

도 2에 도시된 시나리오에서, 기준 맵은 기준 부호(RM) 라벨이 붙으며 서버의 형태를 취하는 중앙 컴퓨팅 유닛(SE)에 저장되고, 포지션 발견에 관련된 기준 맵(RM)의 일부는 대응하는(바람직하게는 무선) 데이터 링크를 거쳐서 서버로부터 객체(O)로 전달된다. 그러나, 객체(O)가 자신의 측정 데이터를 서버(SE)로 전송하는 것이 또한 가능하며, 그 결과 서버(SE)는 차례로 객체(O)로 전달되는 정정된 객체 포지션을 결정하기 위해 거기에 저장된 기준 맵(RM)을 사용한다.

도 2에 도시된 시나리오에서, 객체(O)의 포지션을 발견하는 것에 더해, 기준 맵내 대응하는 정정 팩터들은 또한 새로이 추가된 객체 포지션에 기초하여 동시에 갱신된다. 이것은 객체(O)와 각각의 위성들간의 거리들이 알려진 위성 포지션들의 도움으로 기준 맵에 의해 정정된 객체 포지션으로부터 역산된다는 점에서 객체(O)에서 발생하며, 역산된 거리들은 d1r, d2r, d3r 그리고 d4r로 도 2에 표시된다. 다음으로, 각각의 결정된 거리들(d1, d2, d3 및 d4)과 각각의 역산된 거리들(d1r, d2r, d3r 및 d4r)간의 차이에 기초하여, 대응하는 정정 팩터는 객체 포지션(OP)의 근처 기준 맵의 노달 포인트들에서 갱신된다. 이 경우에 공보들 [1] 내지 [3]에 설명된 정정 텀들은 갱신 면들의 형태로 사용될 수 있다. 특히 갱신은 공보[3]의 방정식(7)에 따라서 갱신 면에 기초하여 유사하게 수행된다. 이 경우에 표현 Δρ이 각각의 결정된 거리와 역산된 거리간의 차이에 의해 대체된다. 방정식(7)의 함수 f(r)은 여기서 공보[3]의 방정식(9)과 동일한 방식으로 선택될 수 있으며, 여기서 r은 위치된 객체 포지션으로부터 대응하는 노달 포인트의 거리를 나타낸다.

이러한 방법으로 갱신된 정정 팩터(e₁ ^new)는 도 2의 대응하는 거리(d1)의 정정 텀(e₁)을 위해 결정될 수 있으며, 이러한 갱신된 정정 팩터는 다음과 같이 표시된다:

e₁ ^new = e₁ + (d1r - d1)·f(r),

여기서, f(r)은 공보[3]의 방정식(9) 또는 (10)과 유사하게 선택될 수 있다. 대응하는 노달 포인트들이 객체 포지션 주변의 사전결정된 영역에서만 갱신되는 것은 함수 f(r)에 의해 달성되는데, 그 이유는 객체 포지션으로부터 보다 큰 거리들에 대해 함수는 0으로 수렴하기 때문이다.

그 다음 위성 포지션들(S2 내지 S3)의 거리들을 위한 정정 팩터들은 또한 위성 포지션(S1)에 기초한 거리(d1)에 대한 정정 팩터(e₁)의 전술한 갱신과 유사한 방법으로 정정될 수 있다. 특히 객체(O)가 시가지에서 이동중인 경우에, 객체(O)를 위한 향상된 포지셔닝 정확성은 대응하는 정정 팩터들을 고려하여 달성될 수 있다. 도 2에 도시된 시나리오에서, 대응적으로 갱신된 정정 팩터는 중앙 컴퓨팅 유닛(SE)내 기준 맵(RM)에 저장되며, 필요시 중앙 컴퓨팅 유닛(SE)은 정정 팩터의 계산을 또한 수행할 수 있다.

도 2에 도시된 시나리오에서, 기준 맵은 적절한 GPS 측정들에 의해 사전에 학습 단계를 이미 완료했을 수도 있으며 후속적으로 객체(O)의 포지셔닝동안 반복적으로 갱신될 수 있다. 기준 맵이 사전에 자신의 학습을 수행하는 방법들의 실시예 변형들은 이하 본 명세서에 설명된다.

일 실시예 변형에서, 자율학습 단계가 수행되며, 여기서 우선적으로 기준 맵의 공간 영역에서 움직이는 임의의 객체들의 GPS 측정들이 GPS 수신기들에 의해 자동적으로 수집된다. 위성 포지션들뿐 아니라 위성들로부터의 대응하는 거리들을 포함하는 이들 측정들은 상업적으로 이용가능한 GPS 수신기들을 이용하여 임의의 사용자들에 의해 수행될 수 있다. 수신기들은 단순히 측정 정보가 최종적으로 적절한 방법으로 중앙 컴퓨팅 유닛(SE)에 전달될 수 있을 때까지 측정 정보를 저장할 수 있도록 할 필요가 있다. 필요하다면, 전달은 또한 GPS 수신기와 컴퓨팅 유닛(SE)간의 대응하는 데이터 링크에 의해 온라인 수행될 수 있다.

측정들이 수집된 후, 기준 맵은 맨 먼저 서버(SE)에서 초기화된다, 즉, 영의 정정 팩터들이 모든 노달 포인트들을 위해 저장된다. 순차적으로 임의의 순서로 단계적으로 추후 처리되는 수집된 측정들에 기초하여, 그 다음 정정 팩터들은 각각의 기준 맵의 노달 포인트들에서 갱신되며, 갱신 프로세싱은 대응하는 갱신 표면들에 기초하여 전술한 갱신에 유사하게 진행되고 이에 의해 정정 팩터들은 함수 f(r)에 기초하고 역산된 거리와 결정된 거리간의 차이의 함수로서 갱신된다.

기준 맵(RM)의 학습 단계의 시작에 앞서, 적절한 곳에서, 서버(SE)는, 수집된 측정값들이 기준 맵이 학습을 따라야 하는 영역을 나타내는지, 즉, 상기 측정값들이 또한 학습되어야 할 전체 영역을 실질적으로 커버하는지를 결정하고, 마찬가지로 한편으로 측정값들이 서로 충분히 가깝게 놓여지는지 그리고 다른 한편으로 측정값들이 복수의 위성 포지션들을 커버하는지를 결정하기 위해 검사가 이루어지는 검증 단계를 또한 수행할 수 있다. 그렇지 않은 경우, 기준 맵에 의한 학습은 처음에 다른 측정들이 대기되는 동안에 연기될 수 있다.

기준 맵의 노달 포인트들에서 대응하는 정정 팩터들의 전술한 결정은 본 발명의 바람직한 실시예 변형을 구성한다. 그러나, 기준 맵에 의한 학습을 위한 다른 알려진 방법들이 또한 사용될 수 있다. 특히, 적절하다면, 기준 맵내 노달 포인트들을 학습하는 대신에 적절한 정정 기능을 학습하는 것이 가능하며, 이에 의해 기준 맵은 추정된 객체 포지션(예를 들어, 정정 없이 결정된 객체 포지션)의 함수로서 사용될 정정 팩터를 특정하는 함수에 의해 학습된 영역에 표시된다. 예를 들어, 적절한 최적화 방법들, 예를 들어, 최대 예상(maximum expectation) 또는 유전 알고리즘(genetic algorithms)은 정정 함수를 결정하기 위해 적절히 정의된 값비싼 함수들과 함께 활용될 수 있다.

기준 맵의 노달 포인트들을 위한 대응하는 정정 팩터들이 전술한 자율학습 프로세스에 의해 학습되었다면, 이들은 포지션 발견을 위해 사용되는 대응하는 객체들의 GPS 수신기들 사이에 분포되어야 한다. 전술한 바와 같이, 포지셔닝 동안 당해 객체가 서버(SE)로부터의 기준 맵의 관련 부분을 검색하고 적절한 방법으로 본래의 장소에서 처리할 가능성이 여기에 존재한다. 마찬가지로, 객체(O)내 GPS 포지션 발견의 측정 데이터는 서버(SE)로 전송될 수 있으며, 상기 서버는 후속적으로 기준 맵에 의해 정정된 객체 포지션을 결정하고 객체 포지션을 객체(O)로 보낼 수 있다. 마지막-인용된 변형의 장점은 정정된 객체 포지션을 결정하기 위한 계산들이 객체(O) 자체에 의해 수행될 필요가 없다는 것이며, 상기 객체(O)는 중앙 컴퓨팅 유닛(SE)과 비교하여 자신의 마음대로 이용할 수 있는 제한된 컴퓨팅 자원들만을 갖는다. 그러나, 마지막-인용된 변형의 단점은 포지션 발견이 발생하는 각각의 시간에 데이터 전송을 수행할 필요가 있다는 것이다.

포지셔닝 발견, 또는 경우에 따라서, 기준 맵에 의한 학습을 위한 전술한 방법들은 잠재적으로 이러한 정보가 이용될 수 있는 한 포지셔닝 발견 또는 학습동안 추가적인 정보의 사용을 통해 더욱 개선될 수 있다. 예를 들어 이러한 추가적인 정보는 객체들의 포지션들을 포함하고 특히 학습될 기준 맵의 영역내 빌딩들을 포함하며, 이러한 정보는, 예를 들어, 카토그래픽(cartographic) 맵들로부터 취해질 수 있다. 예를 들어, 이러한 정보는 기준 맵의 정정 팩터들을 학습할 필요가 있는 영역을 지정하기 위해 사용될 수 있는데, 이는 에러들이 반사들로 인해 여기에서 발생할 것 같기 때문이다. 그 다음 기준 맵에 의해 대응하는 정정이 다른 영역들에서 필요없게 된다. 유사하게, 추가적인 센서들에 의해(예를 들어, 오도메트리(odometry) 또는 자이로스코피에 의한 것과 같이) 대응적으로 감지된 객체의 움직임이 추가적인 정보로서 사용될 수 있다. 이러한 정보는 특히 객체의 포지션을 보다 정확히 추정하기 위해 또한 서브될 수 있으며, 예를 들어 위성들로부터 대응하는 거리들을 역산하기 위해 상기 추정된 포지션을 사용하는 것은 가능하다. 더욱이, 예를 들어, 다른 로컬 시스템들로부터의 추정된 포지션들이 추가적인 정보, 예를 들어 WLAN 및/또는 DECT와 같은 대응하는 무선 네트워크들의 필드 세기에 의해 객체의 포지션을 추정하는 필드-세기 기반 로컬라이제이션 시스템들에 기초하여 추가적인 정보로서 또한 사용될 수 있다.

다른 실시예에서, 기준 맵의 학습 단계동안, 종래의 위성-기반 포지셔닝에 의해 산출된 결과가 포지셔닝 정확성이 매우 높을 때에는 언제나, 객체 포지션들로서 공간 내의 사전결정된 포인트들을 영구적으로 사용하는 것 ― 이를 기초로 위성들로부터의 거리들이 역산됨 ― 이 가능하다. 더욱이, 기준 맵에 의한 학습이 수행되는 영역은 기준 맵의 경계에서 학습동안 문제들을 피하기 위해 이러한 방법에 맞게 특정 최소 크기를 가져야 한다. 특히 학습 영역은 시가지 부근 위성-기반 포지셔닝의 정확성보다 적어도 10배 커야 한다.

기준 맵에서 대응하는 정정 텀들을 결정하기 위한 자율학습 방법은 앞서 기술되었다. 그러나, 적절한 기준 맵을 결정하기 위해 지도 학습 방법 또는 수동 보정(manual calibration)을 사용하는 것 또한 가능할 수도 있다. 이 경우에 위성-기반 측정들은 포지션들이 알려지지 않은 임의의 수신기들에 의해 수신되지 않으며; 그 보다는, GPS 수신기의 정밀한 포지션이 각각의 측정을 위해 알려진다. 예를 들어, 이러한 정밀한 포지션은 맵으로부터 취해지거나 대응하는 오도메트릭 또는 자이로스코픽 센서들에 의해 결정될 수 있다. 이 경우에, 대응하는 정정 팩터들을 결정 또는 갱신하기 위해, 추정된 객체 포지션 또는 정정없이 결정된 객체 포지션이 더 이상 사용되지 않으며, 대신에 전술한 방법들과 유사하게 대응하는 위성들로부터의 거리들이 역산되는 알려진 객체 포지션이 사용된다. 정정 팩터는 측정된 거리들과 역산된 거리들간의 차이에 기초하여 결정되거나 갱신된다. 이러한 방법에 의해 기준 맵의 정밀한 보정이 후속적인 포지션 발견을 위해 달성된다. 그러나, 방법은 보다 높은 오버헤드와 연관되는데, 이는 임의의 GPS 측정들이 기준 맵을 생성하기 위해 사용될 수 없으며, 객체 포지션이 또한 사전에 알려지는 이러한 측정들만이 사용될 수 있기 때문이다. 일반적으로, 따라서, 보정되도록 요구되는 기준 맵의 영역은 대응적으로 사전에 알려진 포지션들을 위해 GPS 측정을 수행하는 사람에 의해 수동적으로 횡단되어야 한다.

기준 맵을 생성하거나 갱신하기 위한 앞서 기술된 방법들 및 이에 기초한 위성-기반 포지션 발견은 다수의 장점들을 갖는다. 특히, 예를 들어, 도심과 같은 밀집된 시가지들에서 포지션 발견은 대응하는 기준 맵을 이용하여 상당히 개선될 수 있다. 포지션 발견에서 이러한 개선은 사고 현장들 또는 위험한 지점들에 보다 신속히 도달하기 위해 소방서, 경찰 등과 같은 도시들내 공공 기관들에 의해 특히 장점으로 변할 수 있다. 동등하게, 예를 들어, 택시 회사들과 같은 사적인 개인들 또는 회사들 또한 개선된 포지션 발견을 이용할 수 있다. 방법의 다른 장점은 포지션 발견이 수행되는 동안 기준 맵내 정정이 또한 동시에 수행된 온라인 학습 프로세스에 의해 지속적으로 개선될 수 있다는 사실에 있다. 특히 시가지에서 빌딩 개발에 관하여 변화된 조건들은 일정하게 갱신된 기준 맵에 의해 또한 고려될 수 있다.

Claims

객체의 위성-기반 포지셔닝을 위한 기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법으로서,
상기 객체에서 적어도 하나의 위성-기반 수신 디바이스에 의해 수신된 위성 신호들로부터 사전결정된 공간 영역 내 상기 객체의 복수의 로케이션들에서 위성 거리 측정값들을 결정하는 단계;
상기 복수의 로케이션들에서 선택된 로케이션에 대한 사전결정된 객체 포지션을 획득하는 단계;
상기 사전결정된 객체 포지션 및 위성들의 위성 포지션들로부터 역산에 의해 상기 사전결정된 객체 포지션에 대응하는 계산된 거리 측정값들을 획득하는 단계 ― 상기 위성들로부터 상기 위성 신호들이 상기 선택된 로케이션에서 수신됨 ―; 및
상기 위성 거리 측정값들과 상기 계산된 거리 측정값들 사이의 차이에 기초하여 상기 사전결정된 객체 포지션 주변의 상기 사전결정된 공간 영역의 적어도 일부에 대한 정정들을 상기 기준 맵에 저장하는 단계
를 포함하는,
기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법.
제 1 항에 있어서,
상기 기준 맵은 상기 사전결정된 공간 영역 내 복수의 노달 포인트(nodal point)들에서 정정 팩터들로 표시되고,
상기 저장하는 단계는 상기 사전결정된 객체 포지션에 근접한 공간 내 적어도 하나의 노달 포인트에 대한 상기 정정 팩터들을 저장하는,
기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법.
제 2 항에 있어서,
상기 사전결정된 객체 포지션을 획득하는 단계는 상기 기준 맵에 사전에 저장된 상기 정정들 및 상기 위성 거리 측정값들에 기초하는,
기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법.
제 3 항에 있어서,
상기 사전결정된 객체 포지션을 획득하는 단계는 상기 객체의 추정된 객체 포지션에 가장 가까운 적어도 하나의 근접 노달 포인트의 상기 정정 팩터들을 사용하는,
기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법.
제 4 항에 있어서,
상기 사전결정된 객체 포지션을 획득하는 단계는 알려진 객체 포지션을 사용하고,
상기 저장하는 단계는 상기 알려진 객체 포지션에 근접한 공간 내 상기 기준 맵의 상기 적어도 하나의 노달 포인트 및/또는 상기 알려진 객체 포지션에서 상기 정정들을 저장하는,
기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법.
제 2 항에 있어서,
상기 저장하는 단계는 상기 정정들을 상기 위성 포지션들의 함수로서 그리고 상기 결정하는 단계 동안 수신된 상기 위성 신호들에 대해 상기 기준 맵에 저장하는,
기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법.
제 6 항에 있어서,
상기 저장하는 단계는 상기 기준 맵 내 상기 적어도 하나의 노달 포인트에 대한 상기 위성 포지션들에 대한 상기 정정 팩터들을 저장하는,
기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법.
제 7 항에 있어서,
상기 저장하는 단계는 상기 위성 거리 측정값과 상기 계산된 거리 측정값 사이의 차이에 종속되는 정정 텀(term)을 상기 위성 거리 측정값들이 결정되는 위성 포지션에 대응하는 상기 적어도 하나의 노달 포인트에 대한 상기 정정 팩터에 더하거나 또는 상기 위성 거리 측정값들이 결정되는 위성 포지션에 대응하는 상기 적어도 하나의 노달 포인트에 대한 상기 정정 팩터로부터 감산하는,
기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법.
제 8 항에 있어서,
상기 정정 텀은 상기 적어도 하나의 노달 포인트와 상기 사전결정된 객체 포지션 사이의 근접 거리에 종속되고, 상기 근접 거리가 증가함에 따라 감소하는,
기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법.
제 9 항에 있어서,
상기 정정 텀은 상기 적어도 하나의 노달 포인트와 상기 사전결정된 객체 포지션 사이의 근접 거리에 종속되는 삼각 함수 및 가우시안(Gaussian) 함수 중 하나를 포함하는,
기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법.
제 2 항에 있어서,
상기 객체의 상기 복수의 로케이션들에 대한 상기 적어도 하나의 위성-기반 수신 디바이스에 의해 결정되는 상기 위성 거리 측정값들을 중앙 컴퓨팅 유닛으로 전송하는 단계
를 더 포함하고,
상기 중앙 컴퓨팅 유닛은 상기 사전결정된 객체 포지션을 획득하고, 상기 계산된 거리 측정값들을 역산하며, 상기 기준 맵을 생성하거나 갱신하는 것 중 적어도 하나를 하기 위해 상기 로케이션들 각각에 대해 상기 정정들을 저장하는,
기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 방법.
제 1 항에 따른 방법에 의해 생성 및/또는 갱신되는 기준 맵에 기초하는 객체의 위성-기반 포지션 검출을 위한 방법으로서,
상기 객체의 현재 로케이션에서 위성-기반 수신 디바이스에 의해 이용가능한 위성들의 위성 신호들로부터 현재 위성 거리 측정값들을 결정하는 단계;
정정된 거리 측정값들을 획득하기 위해 상기 기준 맵에 저장된 정정들에 기초하여 상기 현재 위성 거리 측정값들을 정정하는 단계; 및
상기 정정된 거리 측정값들에 기초하여 현재 객체 포지션을 결정하는 단계
를 포함하는,
객체의 위성-기반 포지션 검출을 위한 방법.
제 12 항에 있어서,
상기 기준 맵은 상기 사전결정된 공간 영역 내 복수의 노달 포인트들에 대한 정정 팩터들로 표시되고, 상기 현재 위성 거리 측정값들을 정정하는 단계는 추정된 객체 포지션에 가장 가까운 근접 노달 포인트에 대한 상기 정정 팩터들에 기초하는,
객체의 위성-기반 포지션 검출을 위한 방법.
제 13 항에 있어서,
상기 현재 객체 포지션은 상기 계산된 거리 측정값들 중 적어도 하나를 역산하는데 사용되고, 상기 현재 객체 포지션에 대한 정정들을 저장하는 단계는 상기 현재 객체 포지션을 결정하는 단계와 동시에 수행되는,
객체의 위성-기반 포지션 검출을 위한 방법.
제 14 항에 있어서,
상기 기준 맵은 중앙 컴퓨팅 유닛에 저장되고, 상기 방법은,
상기 객체에 상기 기준 맵의 적어도 일부를 전달하는 단계
를 더 포함하고, 상기 현재 위성 거리 측정값들을 정정하는 단계는 상기 기준 맵의 적어도 일부에 저장된 상기 정정들에 기초하여 상기 객체에서 수행되는,
객체의 위성-기반 포지션 검출을 위한 방법.
제 14 항에 있어서,
상기 저장하는 단계, 상기 정정하는 단계 및 상기 현재 객체 포지션을 결정하는 단계는 중앙 컴퓨팅 유닛에 의해 수행되고,
상기 방법은,
상기 중앙 컴퓨팅 유닛에 상기 객체의 상기 현재 로케이션에서 결정되는 상기 현재 위성 거리 측정값들을 전달하는 단계; 및
상기 중앙 컴퓨팅 유닛으로부터 상기 객체로 상기 현재 객체 포지션을 전달하는 단계
를 더 포함하는,
객체의 위성-기반 포지션 검출을 위한 방법.
객체의 위성-기반 포지셔닝을 위한 기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 디바이스로서,
상기 객체에서 적어도 하나의 위성-기반 수신 디바이스에 의해 수신된 위성 신호들로부터 사전결정된 공간 영역 내 상기 객체의 복수의 로케이션들에서 위성 거리 측정값들을 결정하기 위한 결정 수단;
상기 복수의 로케이션들에서 선택된 로케이션에 대한 사전결정된 객체 포지션을 획득하기 위한 획득 수단;
상기 사전결정된 객체 포지션 및 위성들의 위성 포지션들로부터 역산에 의해 상기 사전결정된 객체 포지션에 대응하는 계산된 거리 측정값들을 획득하기 위한 계산 수단 ― 상기 위성들로부터 상기 위성 신호들이 상기 선택된 로케이션에서 수신됨 ―; 및
상기 위성 거리 측정값들과 상기 계산된 거리 측정값들 사이의 차이에 기초하여 상기 사전결정된 객체 포지션 주변의 상기 사전결정된 공간 영역의 적어도 일부에 대한 정정들을 상기 기준 맵에 저장하기 위한 저장 수단
을 포함하는,
객체의 위성-기반 포지셔닝을 위한 기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 디바이스.
제 17 항에 있어서,
상기 기준 맵은 상기 사전결정된 공간 영역 내 복수의 노달 포인트들에서 정정 팩터들로 표시되고,
상기 저장 수단은 상기 사전결정된 객체 포지션에 근접한 공간 내 적어도 하나의 노달 포인트에 대한 상기 정정 팩터들을 저장하는,
객체의 위성-기반 포지셔닝을 위한 기준 맵의 컴퓨터-보조 생성 및/또는 갱신을 위한 디바이스.
객체로부터 위성 사이의 거리 측정값들을 정정하기 위해 사전결정된 공간 영역에 대한 정정을 저장하는 것에 의해 생성 및/또는 갱신되는 기준 맵에 기초하는 상기 객체의 위성-기반 포지션 검출을 위한 디바이스로서,
적어도 하나의 위성-기반 수신 디바이스에 의해 수신된 위성 신호들로부터 상기 사전결정된 공간 영역 내 상기 객체의 복수의 로케이션들에서 위성 거리 측정값들을 결정하기 위한 제 1 결정 수단;
각각의 로케이션들에 대한 사전결정된 객체 포지션들을 획득하기 위한 획득 수단;
상기 사전결정된 객체 포지션들 및 위성들의 위성 포지션들로부터 역산에 의해 상기 사전결정된 객체 포지션들에 대응하는 계산된 거리 측정값들을 획득하기 위한 계산 수단 ― 상기 위성들로부터 상기 위성 신호들이 상기 각각의 로케이션들에서 수신됨 ―;
상기 위성 거리 측정값들과 상기 계산된 거리 측정값들 사이의 차이들에 기초하여 상기 사전결정된 객체 포지션들 주변의 상기 사전결정된 공간 영역의 적어도 각각의 일부들에 대한 정정들을 저장하기 위한 저장 수단;
상기 객체의 현재 로케이션에서 위성-기반 수신 디바이스에 의해 이용가능한 위성들의 위성 신호들로부터 현재 위성 거리 측정값들을 결정하기 위한 제 2 결정 수단;
정정된 거리 측정값들을 획득하기 위해 상기 기준 맵에 저장된 상기 정정들에 기초하여 상기 현재 위성 거리 측정값들을 정정하기 위한 정정 수단; 및
상기 정정된 거리 측정값들에 기초하여 현재 객체 포지션을 결정하기 위한 제 3 결정 수단
을 포함하는,
객체의 위성-기반 포지션 검출을 위한 디바이스.
제 19 항에 있어서,
상기 현재 객체 포지션은 상기 계산된 거리 측정값들 중 적어도 하나를 역산하는데 사용되고,
상기 저장 수단은 상기 현재 객체 포지션의 결정과 동시에 상기 현재 객체 포지션에 대한 상기 정정들을 저장하는 ,
객체의 위성-기반 포지션 검출을 위한 디바이스.