JP2020122785A - Ｖ２ｘ情報融合を利用してｈｄマップをアップデートするための自車両位置決定を遂行する方法及び装置 - Google Patents

Abstract

【課題】自車両により取得された情報がＨＤマップにさらに正確にマッピングされ得るように、自車両の位置を算出することができる方法を提供する。【解決手段】相対的距離情報を利用して対象車両の正確な位置を計算する方法において、コンピューティング装置が、対象車両に搭載されたカメラを介して参照イメージが取得されると、参照イメージ内の参照物体を検出するＳ０１。コンピューティング装置が、参照イメージ上で、参照物体に対応する参照バウンディングボックスに関する情報を参照して、参照物体と対象車両との間のイメージ基盤参照距離を計算するＳ０２。コンピューティング装置が、座標基盤参照距離及びイメージ基盤参照距離を参照して距離誤差値を生成し、距離誤差値を参照して前記対象車両の対象位置情報をキャリブレーションするＳ０３。【選択図】図２

Description

本発明は、自律走行車両に利用するための方法及び装置に関し、より詳細には、Ｖ２Ｘ情報融合を利用して自車両（ｅｇｏ−ｖｅｈｉｃｌｅ）位置決定を遂行する前記方法及び前記装置に関する。

車両の自律走行で重要に取り扱われる構成要素のうち一つはＨＤマップ（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍａｐ）である。これは、自律走行システムがそれに搭載されたセンサを介して取得された情報のみを利用して作動すると、長期間の大掛かりな計画が含まれた走行戦略の提供が不可能であり得るためである。ここで、前記センサを介して取得された情報が正確でない場合、非効率であり危険な状況が発生し得る。

しかし、このように自律走行において非常に重要な、高品質のＨＤマップを生成する場合に障害となる部分のうちの一つは、自車両（ｅｇｏ−ｖｅｈｉｃｌｅ）に搭載されているＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）モジュールの不正確性のため、前記自車両により取得した情報を前記ＨＤマップにマッピングすることは容易でないということである。

また、前記ＨＤマップが精密に製作されたとしても、これを使用して自律走行を遂行する自律走行車両の位置が正確に検出されなければ問題が生じ得る。結局、ＨＤマップを製作する場合とそれを使用する場合、車両の位置を決定することが重要であるが、これに関する研究はあまり行われていないのが事実である。

本発明は、上述した問題点を解決することを目的とする。

本発明は、Ｖ２Ｘ（ｖｅｈｉｃｌｅ−ｔｏ−ｅｖｅｒｙｔｈｉｎｇ）情報融合を利用してＨＤマップをアップデートするための自車両（ｅｇｏ−ｖｅｈｉｃｌｅ）位置決定を遂行する方法を提供することによって、自車両により取得された情報が前記ＨＤマップにさらに正確にマッピングされ得るように、前記自車両のより正確な位置を算出することを他の目的とする。

本発明は、前記ＨＤマップを使用する自律走行車両の位置決定を遂行する方法を提供することによって、自律走行がうまく行われるように前記自律走行車両のより正確な位置を算出することをまた他の目的とする。

前記のような本発明の目的を達成し、後述する本発明の特徴的な効果を実現するための本発明の特徴的な構成は以下の通りである。

本発明の一態様によると、相対的距離情報を利用して対象車両の正確な位置を計算する方法において、（ａ）前記対象車両と連動するコンピューティング装置が、前記対象車両に搭載された少なくとも一つのカメラを介して少なくとも一つの参照イメージが取得されると、前記参照イメージに少なくとも一つの物体検出演算を適用して前記参照イメージ内の一つ以上の参照物体を検出する段階；（ｂ）前記コンピューティング装置が、前記参照イメージ上で、それぞれの前記参照物体に対応するそれぞれの参照バウンディングボックスに関する情報を参照して、前記参照物体それぞれと前記対象車両との間の一つ以上のイメージ基盤参照距離それぞれを計算する段階；及び（ｃ）前記コンピューティング装置が、前記参照物体それぞれと前記対象車両との間の一つ以上の座標基盤参照距離それぞれが取得されると、（ｉ）前記座標基盤参照距離及び前記イメージ基盤参照距離を参照して少なくとも一つの距離誤差値を生成し、（ｉｉ）前記距離誤差値を参照して前記対象車両の対象位置情報をキャリブレーション（ｃａｌｉｂｒａｔｉｏｎ）する段階；を含むことを特徴とする方法が提供される。

一実施例において、前記（ｃ）段階で、前記コンピューティング装置が、下記数式によって前記距離誤差値を生成し、

Ｄ_ikは前記参照物体のうち第ｋ参照物体に対応するイメージ基盤参照距離のうち一つを意味し、Ｄ_ckは前記第ｋ参照物体に対応する前記座標基盤参照距離のうち一つを意味し、w_kは前記第ｋ物体に対する重み付け値を意味し、Nは前記参照物体の個数を意味する。

一実施例において、前記（ｂ）段階で、前記コンピューティング装置が、前記参照バウンディングボックスに、前記カメラのパラメータに関する情報を使用した少なくとも一つのイメージ距離予測演算を適用して前記イメージ基盤参照距離を計算し、（ｉ）前記イメージ基盤参照距離のうち一つ以上の第（１−１）特定イメージ基盤参照距離は、前記参照物体のうち一つ以上の第（１−１）特定参照物体と前記対象車両との間のＶ２Ｘ（ｖｅｈｉｃｌｅ−ｔｏ−ｅｖｅｒｙｔｈｉｎｇ）通信を介して取得された第（１−１）特定参照物体高さ情報を追加として使用する少なくとも一つの第（１−１）特定イメージ距離予測演算を第（１−１）特定参照バウンディングボックスに適用して生成され、（ｉｉ）前記イメージ基盤参照距離のうち一つ以上の第（１−２）特定イメージ基盤参照距離は、前記参照イメージ内の基準点に関する情報を追加として使用する少なくとも一つの第（１−２）特定イメージ距離予測演算を第（１−２）特定参照バウンディングボックスに適用して生成される。

一実施例において、前記第（１−１）特定イメージ距離予測演算は、下記数式によって遂行され、

Ｄは前記第（１−１）特定イメージ基盤参照距離のうち一つを意味し、fは前記カメラの焦点距離を意味し、ＶＨは前記第（１−１）特定参照物体のうち一つに対応する前記第（１−１）特定参照物体高さ情報のうち一つを意味し、hは前記第（１−１）特定参照物体のうち前記一つの前記参照イメージ上における見掛け高さ（ａｐｐａｒｅｎｔ ｈｅｉｇｈｔ）を意味する。

一実施例において、前記第（１−２）特定イメージ距離予測演算は下記数式によって遂行され、

Ｄは前記第（１−２）特定座標基盤参照距離のうち一つを意味し、fは前記カメラの焦点距離を意味し、Ｈは前記カメラの高さを意味し、

は第（１−２）特定参照物体のうち一つに対応する前記第（１−２）特定参照バウンディングボックスのうち一つの下段境界と前記基準点との間の前記参照イメージ上における見掛け距離（ａｐｐａｒｅｎｔ ｄｉｓｔａｎｃｅ）を意味する。

一実施例において、（ｉ）前記座標基盤参照距離のうちで一つ以上の第（２−１）特定座標基盤参照距離は、前記参照物体のうち一つ以上の第（２−１）特定参照物体と前記対象車両との間のＶ２Ｘ通信を介して取得された第（２−１）特定参照物体位置情報及び前記対象位置情報を参照して生成され、（ｉｉ）前記座標基盤参照距離のうち一つ以上の第（２−２）特定座標基盤参照距離は、データベースから取得された第（２−２）特定参照物体位置情報及び前記対象位置情報を参照して生成される。

一実施例において、前記（ａ）段階で、前記コンピューティング装置が、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）をもって、少なくとも一つのコンボリューション演算と、少なくとも一つのＲＯＩ（Ｒｅｇｉｏｎ−Ｏｆ−Ｉｎｔｅｒｅｓｔ）プーリング演算と、少なくとも一つのＦＣ（Ｆｕｌｌｙ−Ｃｏｎｎｅｃｔｅｄ）ネットワーク演算とを前記参照イメージに順次に適用させることによって、前記参照イメージに前記物体検出演算を適用する。

一実施例において、前記（ｃ）段階で、前記コンピューティング装置が、（ｉ）前記対象位置情報を調整するプロセス、（ｉｉ）前記調整された対象位置情報を利用して前記距離誤差値を再度計算するプロセス、及び（ｉｉｉ）前記再度計算された距離誤差値が小さくなったか否かに関する情報を参照して前記調整された対象位置情報を再度調整するプロセスを繰り返すことによって、前記対象位置情報をキャリブレーションして距離誤差値が最小化されるキャリブレーションされた対象位置情報を生成する。

一実施例において、前記（ｃ）段階で、前記コンピューティング装置が、ＨＤマップ（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍａｐ）をアップデートするために使用されるアップデート用情報を格納しつつ、前記キャリブレーションされた前記対象位置情報を参照して前記アップデート用情報が取得された位置に関する情報を格納する。

一実施例において、前記参照物体は、（ｉ）Ｖ２Ｘ通信が可能な一つ以上のモバイル物体及び（ｉｉ）一つ以上の固定物体のうち少なくとも一部を含み、前記固定物体は（ｉｉ−１）前記Ｖ２Ｘ通信が可能であるか、（ｉｉ−２）前記固定物体に関する情報がデータベースに格納された状態であり、前記参照物体は、前記対象車両から臨界距離未満の距離に位置する一つ以上の周辺車両と、一つ以上の交通標識と、一つ以上の信号灯と、一つ以上の路面標識とのうち少なくとも一部を含む。

一実施例において、前記（ｃ）段階で、前記コンピューティング装置が、前記キャリブレーションされた対象位置情報を参照して、ＨＤマップ上における前記対象車両の位置を計算し、前記対象車両から臨界距離未満の距離に位置する一つ以上の物体に関する情報を前記ＨＤマップから取得することによって、前記対象車両の自律走行を支援する。

本発明の他の態様によると、相対的距離情報を利用して対象車両の正確な位置を計算する装置において、インストラクションを格納する少なくとも一つのメモリと、（Ｉ）前記対象車両に搭載された少なくとも一つのカメラを介して少なくとも一つの参照イメージが取得されると、前記参照イメージに少なくとも一つの物体検出演算を適用して前記参照イメージ内の一つ以上の参照物体を検出するプロセス、（ＩＩ）前記参照イメージ上で、それぞれの前記参照物体に対応するそれぞれの参照バウンディングボックスに関する情報を参照して、前記参照物体それぞれと前記対象車両との間の一つ以上のイメージ基盤参照距離それぞれを計算するプロセス、及び（ＩＩＩ）前記参照物体それぞれと前記対象車両との間の一つ以上の座標基盤参照距離それぞれが取得されると、（ｉ）前記座標基盤参照距離及び前記イメージ基盤参照距離を参照して少なくとも一つの距離誤差値を生成し、（ｉｉ）前記距離誤差値を参照して前記対象車両の対象位置情報をキャリブレーション（ｃａｌｉｂｒａｔｉｏｎ）するプロセスを遂行するための前記インストラクションを実行するように構成された少なくとも一つのプロセッサと、を含むことを特徴とする装置が提供される。

一実施例において、前記（ＩＩＩ）プロセスで、前記プロセッサが、下記数式によって前記距離誤差値を生成し、

Ｄ_ikは前記参照物体のうち第ｋ参照物体に対応するイメージ基盤参照距離のうち一つを意味し、Ｄ_ckは前記第ｋ参照物体に対応する前記座標基盤参照距離のうち一つを意味し、w_kは前記第ｋ物体に対する重み付け値を意味し、Ｎは前記参照物体の個数を意味する。

一実施例において、前記（ＩＩ）プロセスで、前記プロセッサが、前記参照バウンディングボックスに、前記カメラのパラメータに関する情報を使用した少なくとも一つのイメージ距離予測演算を適用して前記イメージ基盤参照距離を計算し、（ｉ）前記イメージ基盤参照距離のうち一つ以上の第（１−１）特定イメージ基盤参照距離は、前記参照物体のうち一つ以上の第（１−１）特定参照物体と前記対象車両との間のＶ２Ｘ（ｖｅｈｉｃｌｅ−ｔｏ−ｅｖｅｒｙｔｈｉｎｇ）通信を介して取得された第（１−１）特定参照物体高さ情報を追加として使用する少なくとも一つの第（１−１）特定イメージ距離予測演算を第（１−１）特定参照バウンディングボックスに適用して生成され、（ｉｉ）前記イメージ基盤参照距離のうち一つ以上の第（１−２）特定イメージ基盤参照距離は、前記参照イメージ内の基準点に関する情報を追加として使用する少なくとも一つの第（１−２）特定イメージ距離予測演算を第（１−２）特定参照バウンディングボックスに適用して生成される。

一実施例において、前記第（１−１）特定イメージ距離予測演算は、下記数式によって遂行され、

Ｄは前記第（１−１）特定イメージ基盤参照距離のうち一つを意味し、fは前記カメラの焦点距離を意味し、ＶＨは前記第（１−１）特定参照物体のうち一つに対応する前記第（１−１）特定参照物体高さ情報のうち一つを意味し、ｈは前記第（１−１）特定参照物体のうち前記一つの前記参照イメージ上における見掛け高さ（ａｐｐａｒｅｎｔ ｈｅｉｇｈｔ）を意味する。

一実施例において、前記第（１−２）特定イメージ距離予測演算は、下記数式によって遂行され、

Ｄは前記第（１−２）特定座標基盤参照距離のうち一つを意味し、fは前記カメラの焦点距離を意味し、Ｈは前記カメラの高さを意味し、

は第（１−２）特定参照物体のうち一つに対応する前記第（１−２）特定参照バウンディングボックスのうち一つの下段境界と前記基準点との間の前記参照イメージ上における見掛け距離（ａｐｐａｒｅｎｔ ｄｉｓｔａｎｃｅ）を意味する。

一実施例において、（ｉ）前記座標基盤参照距離のうちで一つ以上の第（２−１）特定座標基盤参照距離は、前記参照物体のうち一つ以上の第（２−１）特定参照物体と前記対象車両との間のＶ２Ｘ通信を介して取得された第（２−１）特定参照物体位置情報及び前記対象位置情報を参照して生成され、（ｉｉ）前記座標基盤参照距離のうち一つ以上の第（２−２）特定座標基盤参照距離は、データベースから取得された第（２−２）特定参照物体位置情報及び前記対象位置情報を参照して生成される。

一実施例において、前記（Ｉ）プロセスで、前記プロセッサが、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）をもって、少なくとも一つのコンボリューション演算と、少なくとも一つのＲＯＩ（Ｒｅｇｉｏｎ−Ｏｆ−Ｉｎｔｅｒｅｓｔ）プーリング演算と、少なくとも一つのＦＣ（Ｆｕｌｌｙ−Ｃｏｎｎｅｃｔｅｄ）ネットワーク演算とを前記参照イメージに順次に適用させることによって、前記参照イメージに前記物体検出演算を適用する。

一実施例において、前記（ＩＩＩ）プロセスで、前記プロセッサが、（ｉ）前記対象位置情報を調整するプロセス、（ｉｉ）前記調整された対象位置情報を利用して前記距離誤差値を再度計算するプロセス、及び（ｉｉｉ）前記再度計算された距離誤差値が小さくなったか否かに関する情報を参照して前記調整された対象位置情報を再度調整するプロセスを繰り返すことによって、前記対象位置情報をキャリブレーションしてこれに対応する距離誤差値が最小化されるキャリブレーションされた対象位置情報を生成する。

一実施例において、前記（ＩＩＩ）プロセスで、前記プロセッサが、ＨＤマップ（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍａｐ）をアップデートするために使用されるアップデート用情報を格納しつつ、前記キャリブレーションされた前記対象位置情報を参照して前記アップデート用情報が取得された位置に関する情報を格納する。

一実施例において、前記参照物体は、（ｉ）Ｖ２Ｘ通信が可能な一つ以上のモバイル物体及び（ｉｉ）一つ以上の固定物体のうち少なくとも一部を含み、前記固定物体は（ｉｉ−１）前記Ｖ２Ｘ通信が可能であるか、（ｉｉ−２）前記固定物体に関する情報がデータベースに格納された状態であり、前記参照物体は、前記対象車両から臨界距離未満の距離に位置する一つ以上の周辺車両と、一つ以上の交通標識と、一つ以上の信号灯と、一つ以上の路面標識とのうち少なくとも一部を含む。

一実施例において、前記（ＩＩＩ）プロセスで、前記プロセッサが、前記キャリブレーションされた対象位置情報を参照して、ＨＤマップ上における前記対象車両の位置を計算し、前記対象車両から臨界距離未満の距離に位置する一つ以上の物体に関する情報を前記ＨＤマップから取得することによって、前記対象車両の自律走行を支援する。

本発明はＶ２Ｘ（ｖｅｈｉｃｌｅ−ｔｏ−ｅｖｅｒｙｔｈｉｎｇ）情報融合を利用してＨＤマップをアップデートするための自車両（ｅｇｏ−ｖｅｈｉｃｌｅ）位置決定を遂行する方法を提供することによって、自車両により取得された情報が前記ＨＤマップにさらに正確にマッピング（ｍａｐｐｉｎｇ）され得るように前記自車両のより正確な位置を算出することができる効果がある。

また、本発明は、前記ＨＤマップを使用する自律走行車両の位置決定を遂行する方法を提供することによって、自律走行がうまく行われるように前記自律走行車両のより正確な位置を算出することができる効果がある。

本発明の前記及び他の目的並びに特徴は、以下の添付図面とともに提供された好ましい実施例の説明において明らかにされる。

本発明の実施例の説明に利用されるために添付された以下の各図面は、本発明の実施例のうち単に一部であるに過ぎず、本発明の属する技術分野において通常の知識を有する者（以下「通常の技術者」）にとっては、発明的作業が行われずにこれらの図面に基づいて他の各図面が得られ得る。
図１は、本発明の一実施例によるＶ２Ｘ（ｖｅｈｉｃｌｅ−ｔｏ−ｅｖｅｒｙｔｈｉｎｇ）情報融合を利用して自車両（ｅｇｏ−ｖｅｈｉｃｌｅ）位置決定方法を遂行するコンピューティング装置の構成を簡略に示した図面である。 図２は、本発明の一実施例による前記Ｖ２Ｘ情報融合を利用した前記自車両位置決定方法のフローチャートを簡略に示した図面である。 図３は、本発明の一実施例による前記Ｖ２Ｘ情報融合を利用して前記自車両位置決定方法を遂行するために利用されるＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）の構成を簡略に示した図面である。 図４は、本発明の一実施例による前記Ｖ２Ｘ情報融合を利用して前記自車両位置決定方法を遂行するために利用される、自車両と周辺物体との間の距離を計算する方式を簡略に示した図面である。

後述する本発明に関する詳細な説明は、本発明の各目的、各技術的解法、及び各長所を明らかにするために本発明が実施され得る特定の実施例を例示として示す添付図面を参照する。これらの実施例は、当業者が本発明を実施することができるように十分詳細に説明される。

また、本発明の詳細な説明及び各請求項にわたって、「含む」という単語及びそれらの変形は、他の技術的各特徴、各付加物、構成要素又は段階を除外することを意図したものではない。通常の技術者にとって本発明の他の各目的、長所及び各特性が、一部は本説明書から、また一部は本発明の実施から明らかになるであろう。以下の例示及び図面は実例として提供され、本発明を限定することを意図したものではない。

さらに、本発明は、本明細書に示された実施例のすべての可能な組合せを網羅する。本発明の多様な実施例は互いに異なるが、相互に排他的である必要はないことが理解されるべきである。例えば、ここに記載されている特定の形状、構造及び特性は、一実施例に関連して本発明の精神及び範囲を逸脱せず、かつ他の実施例で具現され得る。また、それぞれの開示された実施例内の個別の構成要素である位置又は配置は、本発明の精神及び範囲を逸脱せず、かつ変更され得ることが理解されるべきである。したがって、後述の詳細な説明は、限定的な意味として受け取ろうとするものではなく、本発明の範囲は適切に説明されるのであれば、その請求項が主張することと均等な全ての範囲とともに添付された請求項によってのみ限定される。図面において類似の参照符号は、様々な側面にわたって同一であるか、又は類似の機能を指す。

本発明で言及している各種イメージは、舗装または非舗装道路関連のイメージを含み得、この場合、道路環境で登場し得る物体（例えば、自動車、人、動物、植物、物、建物、飛行機やドローンのような飛行体、その他の障害物）を想定し得るが、必ずしもこれに限定されるものではなく、本発明で言及している各種イメージは、道路と関係のないイメージ（例えば、非舗装道路、路地、空き地、海、湖、川、山、森、砂漠、空、室内と関連したイメージ）でもあり得、この場合、非舗装道路、路地、空き地、海、湖、川、山、森、砂漠、空、室内環境で登場し得る物体（例えば、自動車、人、動物、植物、物、建物、飛行機やドローンのような飛行体、その他の障害物）を想定し得るが、必ずしもこれに限定されるものではない。

以下、本発明の属する技術分野において通常の知識を有する者が本発明を容易に実施し得るようにするために、本発明の好ましい実施例について、添付された図面を参照して詳細に説明することにする。

図１は、本発明の一実施例によるＶ２Ｘ（ｖｅｈｉｃｈｅｌ−ｔｏ−ｅｖｅｒｙｔｈｉｎｇ）情報融合を利用して自車両（ｅｇｏ−ｖｅｈｉｃｌｅ）位置決定方法を遂行するコンピューティング装置の構成を簡略に示した図面である。

図１を参照すると、前記コンピューティング装置１００は、通信部１１０と、メモリ１１５と、プロセッサ１２０とを含むことができる。前記コンピューティング装置１００の入出力及び演算過程は、それぞれ前記通信部１１０及び前記プロセッサ１２０により行われ得る。ただし、図１では、前記通信部１１０及び前記プロセッサ１２０の具体的な連結関係を省略した。この場合、前記メモリ１１５は、後述する様々なインストラクションを格納した状態であり得、前記プロセッサ１２０は、前記メモリ１１５に格納された前記各インストラクションを遂行するように設定され、前記プロセッサ１２０は、追って説明する各インストラクションを遂行することによって本発明の各プロセスを遂行することができる。このように前記コンピュータ装置１００が描写されたからといって、前記コンピュータ装置１００が本発明を実施するためのミディアム、プロセッサ、メモリまたはその他のコンピューティング構成要素が統合された形態である統合プロセッサを含む場合を排除するわけではない。

このような前記コンピューティング装置１００は、対象車両に搭載されるか、前記対象車両と連動するサーバに搭載されたものであり得る。ここで、前記対象車両は、ＨＤマップ（Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍａｐ）をアップデートするために利用される情報を取得する車両、または、前記ＨＤマップを使用して自律走行を遂行する自律走行車両であり得る。

以上、本発明の一実施例による前記コンピューティング装置１００の構成について説明した。以下、本発明の前記自車両位置決定方法について、図２を参照して説明することにする。

図２は、本発明の一実施例による前記Ｖ２Ｘ情報融合を利用して前記自車両位置決定方法のフローチャートを簡略に示した図面である。

図２を参照すると、前記自車両位置決定方法のフローチャートを簡略に理解することができる。まず、前記コンピューティング装置１００は、前記対象車両に搭載されている少なくとも一つのカメラを介して少なくとも一つの参照イメージを取得することができる。以後、前記コンピューティング装置１００は、前記参照イメージに少なくとも一つの物体検出演算を適用して前記参照イメージ内の一つ以上の参照物体を検出することができる（Ｓ０１）。その後、前記コンピューティング装置１００が、前記参照イメージ上で、それぞれの前記参照物体に対応するそれぞれの参照バウンディングボックスに関する情報を参照して、前記参照物体それぞれと前記対象車両との間の一つ以上のイメージ基盤参照距離それぞれを計算することができる（Ｓ０２）。最後に、前記コンピューティング装置１００が、追って説明する座標基盤参照距離及び前記イメージ基盤参照距離を参照して少なくとも一つの距離誤差値を生成し、前記距離誤差値を参照して前記対象車両の対象位置情報をキャリブレーション（ｃａｌｉｂｒａｔｉｏｎ）することができる（Ｓ０３）。

以下、本発明の前記自車両位置決定方法について、さらに具体的に説明することにする。

まず、前記コンピューティング装置１００は、前記カメラを介して前記参照イメージが取得されると、前記コンピューティング装置１００に含まれているＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を利用して前記参照イメージに前記物体検出演算を適用することができる。前記ＣＮＮの動作について説明するために、図３を参照することにする。

図３は、本発明の一実施例による前記Ｖ２Ｘ情報融合を利用して前記自車両位置決定方法を遂行するために利用されるＣＮＮの構成を示した図面である。

図３を参照すると、前記ＣＮＮ２００は、コンボリューションレイヤ２１０と、ＲＯＩ（Ｒｅｇｉｏｎ−Ｏｆ−Ｉｎｔｅｒｅｓｔ）プーリングレイヤ２２０と、ＦＣ（Ｆｕｌｌｙ−Ｃｏｎｎｅｃｔｅｄ）レイヤ２３０とを含むことができ、ＲＰＮ（Ｒｅｇｉｏｎ Ｐｒｏｐｏｓａｌ Ｎｅｔｗｏｒｋ）２４０と連動し得ることが確認できる。この際、前記コンピューティング装置１００は、前記ＣＮＮ２００に含まれている前記コンボリューションレイヤ２１０をもって、前記参照イメージに少なくとも一つのコンボリューション演算を適用して参照特徴マップを生成させることができる。その後、前記コンピューティング装置１００は、前記ＲＰＮ２４０をもって、前記参照イメージ上で前記参照物体が位置するものと予測される一つ以上の参照ＲＯＩを検出させ、前記ＲＯＩプーリングレイヤ２２０をもって、前記参照特徴マップに少なくとも一つのＲＯＩプーリング演算を適用することによって、前記参照ＲＯＩに対応する前記参照特徴マップ上の値をプーリングすることができる。以後、前記コンピューティング装置１００は、前記ＦＣレイヤ２３０をもって、前記プーリングされた値に少なくとも一つのＦＣネットワーク演算を適用することによって、それぞれの前記参照物体に対応するそれぞれの前記参照バウンディングボックスに関する位置情報及びクラス情報を生成することができる。このようなプロセスを通じて、前記物体検出演算が行われ得る。

以後、前記コンピューティング装置１００は、前記参照物体それぞれと前記対象車両との間の前記イメージ基盤参照距離それぞれを計算することができる。以下、前記イメージ基盤参照距離が計算される具体的な方法について説明することにする。

前記コンピューティング装置１００は、前記カメラのパラメータに関する情報を使用した少なくとも一つのイメージ距離予測演算を前記参照バウンディングボックスに適用して、前記イメージ基盤参照距離を計算することができる。この際、それぞれの前記参照バウンディングボックスに適用される前記イメージ距離予測演算は、それぞれの前記参照バウンディングボックスに含まれているそれぞれの前記参照物体が属するカテゴリによって異なるように適用され得る。

すなわち、前記イメージ基盤参照距離のうち一つ以上の第（１−１）特定イメージ基盤参照距離は、前記参照物体のうち一つ以上の第（１−１）特定参照物体と前記対象車両との間のＶ２Ｘ通信を介して取得された第（１−１）特定参照物体高さ情報を追加として使用する少なくとも一つの第（１−１）特定イメージ距離予測演算を第（１−１）特定参照バウンディングボックスに適用して生成され得る。一例として、前記第（１−１）特定参照物体は、平らな物体ではなく、高さが閾値より大きい物体の一種であり得る。前記例によると、前記第（１−１）特定参照物体は、前記対象車両から臨界距離以下に位置する周辺車両と、交通標識と、信号灯とのうち少なくとも一部を含むことができる。このような第（１−１）特定参照物体に対応する前記第（１−１）特定イメージ距離予測演算は、下記数式によって遂行され得る。

ここで、Ｄは前記第（１−１）特定イメージ基盤参照距離のうち一つを意味し、fは前記カメラの焦点距離を意味する。また、ＶＨは前記第（１−１）特定参照物体のうち一つに対応する前記第（１−１）特定参照物体高さ情報のうち一つを意味し、ｈは前記第（１−１）特定参照物体のうち前記一つの前記参照イメージ上における見掛け高さ（ａｐｐａｒｅｎｔ ｈｅｉｇｈｔ）を意味する。前記見掛け高さは、前記第（１−１）特定参照物体のうち前記一つを含む、前記第（１−１）特定参照バウンディングボックスのうち一つの縦の高さに関する情報を利用して取得され得る。このような、前記第（１−１）特定イメージ距離予測演算のプロセスを説明するために、図４を参照することにする。

図４は、本発明の一実施例による前記Ｖ２Ｘ情報融合を利用して前記自車両位置決定方法を遂行するために利用される、自車両と周辺物体との間の距離を計算する方式を簡略に示した図面である。

図４を参照すると、（ｉ）前記第（１−１）特定参照物体のうち前記一つに対応する前記第（１−１）特定参照物体高さ情報のうち前記一つ、及び（ｉｉ）前記第（１−１）特定参照物体高さ情報のうち前記一つが反映された前記見掛け高さを確認することができる。このような情報及び値を利用して、前記第（１−１）特定イメージ基盤参照距離が計算され得る。このようなプロセスについて、通常の技術者は、イメージプロセッシングに関する従来技術をさらに参照することによって容易に理解することができるであろう。

そして、前記イメージ基盤参照距離のうち一つ以上の第（１−２）特定イメージ基盤参照距離は、前記参照イメージ内の基準点に関する情報を追加として使用する第（１−２）特定イメージ距離予測演算を第（１−２）特定参照バウンディングボックスに適用して生成され得る。この際、前記第（１−２）特定イメージ基盤参照距離は一つ以上の第（１−２）特定参照物体に対応し得、前記第（１−２）特定参照物体は、一例として高さが閾値未満である平らな物体の一種であり得る。前記例によると、前記第（１−２）特定参照物体は、道路に描かれた路面標識であり得る。また、一例として、前記基準点は、前記参照イメージの中心点であり得る。この場合、前記第（１−２）特定イメージ距離予測演算は、下記数式によって遂行され得る。

ここで、Ｄは前記第（１−２）特定座標基盤参照距離のうち一つを意味し、fは前記カメラの焦点距離を意味する。また、Ｈは前記カメラの高さを意味し、

は前記第（１−２）特定参照物体のうち一つに対応する第（１−２）特定参照バウンディングボックスのうち一つの下段境界と前記基準点との間の前記参照イメージ上における見掛け距離（ａｐｐａｒｅｎｔ ｄｉｓｔａｎｃｅ）を意味し得る。前記数式を利用した前記第（１−２）特定イメージ距離予測演算を遂行して、前記第（１−２）特定イメージ基盤参照距離が生成され得る。

以上、前記イメージ基盤参照距離を生成する方式について説明した。これとともに使用される前記座標基盤参照距離を計算する方式について、以下に説明することにする。この場合、それぞれの前記参照物体が属するカテゴリに応じて、それぞれの前記座標基盤参照距離が異なるように計算され得る。

すなわち、前記座標基盤参照距離のうちで一つ以上の第（２−１）特定座標基盤参照距離は、前記参照物体のうち一つ以上の第（２−１）特定参照物体と前記対象車両との間のＶ２Ｘ通信を介して取得された第（２−１）特定参照物体位置情報及び前記対象位置情報を参照して生成され得る。一例として、前記第（２−１）特定参照物体は、車両のように移動が可能な物体の一種であって、これに関する情報がリアルタイムにアップデートされなければならない物体であり得る。この場合に、前記コンピューティング装置１００は、前記Ｖ２Ｘ通信を介して前記第（２−１）特定参照物体位置情報を取得することができ、ユークリッド距離（Ｅｕｃｌｉｄｅａｎ ｄｉｓｔａｎｃｅ）のような任意の距離計算演算を遂行して前記第（２−１）特定座標基盤参照距離を計算することができる。ただし、場合によって、前記第（２−１）特定参照物体は、このような移動が可能な物体である必要はない。その他の例として、前記Ｖ２Ｘ通信が可能であればどんな物体であっても、上述したように処理される前記第（２−１）特定参照物体のうち一つとして取り扱われ得るため、それに対応する前記第（２−１）特定座標基盤参照距離を計算することができる。前記対象位置情報は、前記対象車両に搭載されたＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）を介して取得された状態であり得る。

それに対し、前記座標基盤参照距離のうち一つ以上の第（２−２）特定座標基盤参照距離は、データベースから取得された第（２−２）特定参照物体位置情報及び前記対象位置情報を参照して生成され得る。一例として、前記第（２−２）特定参照物体は、移動が不可能な固定された物体の一種であって、これに関する情報がデータベースに格納された物体であり得る。この場合、前記第（２−２）特定参照物体位置が更新される必要がないので、前記データベースに格納された前記情報を利用して前記第（２−２）特定座標基盤参照距離が計算され得る。

前記イメージ基盤参照距離及び前記座標基盤参照距離を生成する方式について説明しつつ、前記第（１−１）特定参照物体、前記第（１−２）特定参照物体、前記第（２−１）特定参照物体、及び前記第（２−２）特定参照物体の概念が紹介された。この場合、任意の参照物体は、前記第（１−１）特定参照物体あるいは前記第（１−２）特定参照物体のうち一つであると共に、同時に前記第（２−１）特定参照物体あるいは前記第（２−２）特定参照物体のうち一つであり得る。例えば、例示参照物体は、前記第（１−１）特定参照物体のうち一つであると共に、また前記第（２−２）特定参照物体のうち一つであり得る。つまり、前記参照物体それぞれに対応するイメージ基盤参照距離を生成するために処理される方式についての第１基準を利用して、それぞれの前記参照物体を前記第（１−１）特定参照物体及び前記第（１−２）特定参照物体に分類することができ、前記参照物体それぞれに対応する座標基盤参照距離を生成するために処理される方式についての第２基準を利用して、それぞれの前記参照物体を前記第（２−１）特定参照物体及び前記第（２−２）特定参照物体に分類することができる。したがって、前記第１基準及び前記第２基準は、相互に独立している。

前記イメージ基盤参照距離及び前記座標基盤参照距離が計算されると、前記コンピューティング装置１００は、下記数式によって前記距離誤差値を生成することができる。

ここで、Ｄ_ikは前記参照物体のうち第ｋ参照物体に対応するイメージ基盤参照距離のうち一つを意味し、Ｄ_ckは前記第ｋ参照物体に対応する前記座標基盤参照距離のうち一つを意味する。また、w_kは前記第ｋ物体に対する重み付け値を意味し、Ｎは前記参照物体の個数を意味する。

前記距離誤差値が生成された後、前記コンピューティング装置１００は、前記距離誤差値を参照して前記対象位置情報をキャリブレーションすることができる。前記座標基盤参照距離は、前記ＧＰＳにより最初に検出された前記対象位置情報を参照して生成されるため、前記対象位置情報が誤って測定された場合には、前記距離誤差値が適正値より大きい。このような場合、前記コンピューティング装置１００は、前記対象位置情報を調整し、前記調整された対象位置情報を利用して前記距離誤差値を再度計算することができる。前記再度計算された距離誤差値が以前より小さくなったのであれば、前記コンピューティング装置１００は以前に行ったとおりに前記対象位置情報を調整するであろう。もし、前記再度計算された距離誤差値が以前より大きくなったのであれば、前記コンピューティング装置１００は、以前の調整と比較して反対に前記対象位置情報を調整することができるであろう。このようなプロセスは、広く知られている最急降下法（Ｇｒａｄｉｅｎｔ−Ｄｅｓｃｅｎｔ）のような、リグレッションに関する従来技術のプロセスと類似するため、通常の技術者はこれを容易に理解することができるはずである。

前記対象位置情報がキャリブレーションされた後、前記対象車両が前記ＨＤマップをアップデートするために使用されるのであれば、前記コンピューティング装置１００が、前記ＨＤマップをアップデートするために使用されるアップデート用情報を格納しつつ、前記キャリブレーションされた前記対象位置情報を参照して前記アップデート用情報が取得された位置に関する情報を格納することができる。この際、前記アップデート用情報は、前記対象車両周辺の状況と関連し、前記対象車両が定められた経路を走行しながら少なくとも一つのカメラ又は少なくとも一つのセンサを介して取得されたものであり得る。前記参照イメージは、前記対象位置情報をキャリブレーションするために利用されるので、前記アップデート用情報とは関連がないことがあり得るが、これに限定されるわけではない。

それに対し、前記対象車両が前記ＨＤマップを利用する前記自律走行車両である場合、前記コンピューティング装置１００は、前記キャリブレーションされた対象位置情報を参照して、前記ＨＤマップ上における前記対象車両の位置を計算することができ、前記対象車両から臨界距離未満の距離に位置する一つ以上の物体に関する情報を前記ＨＤマップから取得することによって、前記対象車両の自律走行を支援することができる。

上述したような前記自車両位置決定方法を利用して、前記ＨＤマップがより正確に生成され得、前記ＨＤマップを利用した前記自律走行は、より安全に遂行され得るであろう。

以上にて説明された本発明による各実施例は、多様なコンピュータの構成要素を通じて遂行することができるプログラム命令語の形態で具現されて、コンピュータ読取り可能な記録媒体に格納され得る。前記コンピュータ読取り可能な記録媒体は、プログラム命令語、データファイル、データ構造などを単独で又は組み合わせて含むことができる。前記コンピュータ読取り可能な記録媒体に格納されるプログラム命令語は、本発明のために特別に設計され、構成されたものであるか、コンピュータソフトウェア分野の当業者に公知にされて使用可能なものであり得る。コンピュータ読取り可能な記録媒体の例には、ハードディスク、フロッピーディスク及び磁気テープのような磁気媒体、ＣＤ−ＲＯＭ、ＤＶＤのような光記録媒体、フロプティカルディスク（Ｆｌｏｐｔｉｃａｌ Ｄｉｓｋ）のような磁気−光メディア（Ｍａｇｎｅｔｏ−Ｏｐｔｉｃａｌ Ｍｅｄｉａ）、及びＲＯＭ、ＲＡＭ、フラッシュメモリなどのようなプログラム命令語を格納して遂行するように特別に構成されたハードウェア装置が含まれる。プログラム命令語の例には、コンパイラによって作られるもののような機械語コードだけでなく、インタープリターなどを使用してコンピュータによって実行され得る高級言語コードも含まれる。前記ハードウェア装置は、本発明による処理を実行するために一つ以上のソフトウェアモジュールとして作動するように構成され得、その反対も同様である。

以上にて本発明が具体的な構成要素などのような特定事項と限定された実施例及び図面によって説明されたが、これは本発明のより全般的な理解の一助とするために提供されたものであるに過ぎず、本発明が前記実施例に限られるものではなく、本発明が属する技術分野において通常の知識を有する者であれば、かかる記載から多様な修正及び変形が行われ得る。

したがって、本発明の思想は、前記説明された実施例に局限されて定められてはならず、後述する特許請求の範囲だけでなく、本特許請求の範囲と均等または等価的に変形されたものすべては、本発明の思想の範囲に属するといえる。

Claims (22)

1. 相対的距離情報を利用して対象車両の正確な位置を計算する方法において、
   （ａ）前記対象車両と連動するコンピューティング装置が、前記対象車両に搭載された少なくとも一つのカメラを介して少なくとも一つの参照イメージが取得されると、前記参照イメージに少なくとも一つの物体検出演算を適用して前記参照イメージ内の一つ以上の参照物体を検出する段階；
   （ｂ）前記コンピューティング装置が、前記参照イメージ上で、それぞれの前記参照物体に対応するそれぞれの参照バウンディングボックスに関する情報を参照して、前記参照物体それぞれと前記対象車両との間の一つ以上のイメージ基盤参照距離それぞれを計算する段階；及び
   （ｃ）前記コンピューティング装置が、前記参照物体それぞれと前記対象車両との間の一つ以上の座標基盤参照距離それぞれが取得されると、（ｉ）前記座標基盤参照距離及び前記イメージ基盤参照距離を参照して少なくとも一つの距離誤差値を生成し、（ｉｉ）前記距離誤差値を参照して前記対象車両の対象位置情報をキャリブレーションする段階；
   を含むことを特徴とする方法。
2. 前記（ｃ）段階で、
   前記コンピューティング装置が、下記数式によって前記距離誤差値を生成し、
   

   

   Ｄ_ikは前記参照物体のうち第ｋ参照物体に対応するイメージ基盤参照距離のうち一つを意味し、Ｄ_ckは前記第ｋ参照物体に対応する前記座標基盤参照距離のうち一つを意味し、w_kは前記第ｋ物体に対する重み付け値を意味し、Ｎは前記参照物体の個数を意味することを特徴とする請求項１に記載の方法。
3. 前記（ｂ）段階で、
   前記コンピューティング装置が、前記参照バウンディングボックスに、前記カメラのパラメータに関する情報を使用した少なくとも一つのイメージ距離予測演算を適用して前記イメージ基盤参照距離を計算し、
   （ｉ）前記イメージ基盤参照距離のうち一つ以上の第（１−１）特定イメージ基盤参照距離は、前記参照物体のうち一つ以上の第（１−１）特定参照物体と前記対象車両との間のＶ２Ｘ通信を介して取得された第（１−１）特定参照物体高さ情報を追加として使用する少なくとも一つの第（１−１）特定イメージ距離予測演算を第（１−１）特定参照バウンディングボックスに適用して生成され、（ｉｉ）前記イメージ基盤参照距離のうち一つ以上の第（１−２）特定イメージ基盤参照距離は、前記参照イメージ内の基準点に関する情報を追加として使用する少なくとも一つの第（１−２）特定イメージ距離予測演算を第（１−２）特定参照バウンディングボックスに適用して生成されることを特徴とする請求項１に記載の方法。
4. 前記第（１−１）特定イメージ距離予測演算は、下記数式によって遂行され、
   

   

   Ｄは前記第（１−１）特定イメージ基盤参照距離のうち一つを意味し、fは前記カメラの焦点距離を意味し、ＶＨは前記第（１−１）特定参照物体のうち一つに対応する前記第（１−１）特定参照物体高さ情報のうち一つを意味し、hは前記第（１−１）特定参照物体のうち前記一つの前記参照イメージ上における見掛け高さを意味することを特徴とする請求項３に記載の方法。
5. 前記第（１−２）特定イメージ距離予測演算は下記数式によって遂行され、
   

   

   Ｄは前記第（１−２）特定座標基盤参照距離のうち一つを意味し、fは前記カメラの焦点距離を意味し、Ｈは前記カメラの高さを意味し、
   

   

   は第（１−２）特定参照物体のうち一つに対応する前記第（１−２）特定参照バウンディングボックスのうち一つの下段境界と前記基準点との間の前記参照イメージ上における見掛け距離を意味することを特徴とする請求項３に記載の方法。
6. （ｉ）前記座標基盤参照距離のうちで一つ以上の第（２−１）特定座標基盤参照距離は、前記参照物体のうち一つ以上の第（２−１）特定参照物体と前記対象車両との間のＶ２Ｘ通信を介して取得された第（２−１）特定参照物体位置情報及び前記対象位置情報を参照して生成され、（ｉｉ）前記座標基盤参照距離のうち一つ以上の第（２−２）特定座標基盤参照距離は、データベースから取得された第（２−２）特定参照物体位置情報及び前記対象位置情報を参照して生成されることを特徴とする請求項１に記載の方法。
7. 前記（ａ）段階で、
   前記コンピューティング装置が、ＣＮＮをもって、少なくとも一つのコンボリューション演算と、少なくとも一つのＲＯＩプーリング演算と、少なくとも一つのＦＣネットワーク演算とを前記参照イメージに順次に適用させることによって、前記参照イメージに前記物体検出演算を適用することを特徴とする請求項１に記載の方法。
8. 前記（ｃ）段階で、
   前記コンピューティング装置が、（ｉ）前記対象位置情報を調整するプロセス、（ｉｉ）前記調整された対象位置情報を利用して前記距離誤差値を再度計算するプロセス、及び（ｉｉｉ）前記再度計算された距離誤差値が小さくなったか否かに関する情報を参照して前記調整された対象位置情報を再度調整するプロセスを繰り返すことによって、前記対象位置情報をキャリブレーションしてこれに対応する距離誤差値が最小化されるキャリブレーションされた対象位置情報を生成することを特徴とする請求項１に記載の方法。
9. 前記（ｃ）段階で、
   前記コンピューティング装置が、ＨＤマップをアップデートするために使用されるアップデート用情報を格納しつつ、前記キャリブレーションされた前記対象位置情報を参照して前記アップデート用情報が取得された位置に関する情報を格納することを特徴とする請求項１に記載の方法。
10. 前記参照物体は、（ｉ）Ｖ２Ｘ通信が可能な一つ以上のモバイル物体及び（ｉｉ）一つ以上の固定物体のうち少なくとも一部を含み、前記固定物体は（ｉｉ−１）前記Ｖ２Ｘ通信が可能であるか、（ｉｉ−２）前記固定物体に関する情報がデータベースに格納された状態であり、
    前記参照物体は、前記対象車両から臨界距離未満の距離に位置する一つ以上の周辺車両と、一つ以上の交通標識と、一つ以上の信号灯と、一つ以上の路面標識とのうち少なくとも一部を含むことを特徴とする請求項１に記載の方法。
11. 前記（ｃ）段階で、
    前記コンピューティング装置が、前記キャリブレーションされた対象位置情報を参照して、ＨＤマップ上における前記対象車両の位置を計算し、前記対象車両から臨界距離未満の距離に位置する一つ以上の物体に関する情報を前記ＨＤマップから取得することによって、前記対象車両の自律走行を支援することを特徴とする請求項１に記載の方法。
12. 相対的距離情報を利用して対象車両の正確な位置を計算する装置において、
    インストラクションを格納する少なくとも一つのメモリと、
    （Ｉ）前記対象車両に搭載された少なくとも一つのカメラを介して少なくとも一つの参照イメージが取得されると、前記参照イメージに少なくとも一つの物体検出演算を適用して前記参照イメージ内の一つ以上の参照物体を検出するプロセス、（ＩＩ）前記参照イメージ上で、それぞれの前記参照物体に対応するそれぞれの参照バウンディングボックスに関する情報を参照して、前記参照物体それぞれと前記対象車両との間の一つ以上のイメージ基盤参照距離それぞれを計算するプロセス、及び（ＩＩＩ）前記参照物体それぞれと前記対象車両との間の一つ以上の座標基盤参照距離それぞれが取得されると、（ｉ）前記座標基盤参照距離及び前記イメージ基盤参照距離を参照して少なくとも一つの距離誤差値を生成し、（ｉｉ）前記距離誤差値を参照して前記対象車両の対象位置情報をキャリブレーションするプロセスを遂行するための前記インストラクションを実行するように構成された少なくとも一つのプロセッサと、
    を含むことを特徴とする装置。
13. 前記（ＩＩＩ）プロセスで、
    前記プロセッサが、下記数式によって前記距離誤差値を生成し、
    

    

    Ｄ_ikは前記参照物体のうち第ｋ参照物体に対応するイメージ基盤参照距離のうち一つを意味し、Ｄ_ckは前記第ｋ参照物体に対応する前記座標基盤参照距離のうち一つを意味し、w_kは前記第ｋ物体に対する重み付け値を意味し、Ｎは前記参照物体の個数を意味することを特徴とする請求項１２に記載の装置。
14. 前記（ＩＩ）プロセスで、
    前記プロセッサが、前記参照バウンディングボックスに、前記カメラのパラメータに関する情報を使用した少なくとも一つのイメージ距離予測演算を適用して前記イメージ基盤参照距離を計算し、
    （ｉ）前記イメージ基盤参照距離のうち一つ以上の第（１−１）特定イメージ基盤参照距離は、前記参照物体のうち一つ以上の第（１−１）特定参照物体と前記対象車両との間のＶ２Ｘ通信を介して取得された第（１−１）特定参照物体高さ情報を追加として使用する少なくとも一つの第（１−１）特定イメージ距離予測演算を第（１−１）特定参照バウンディングボックスに適用して生成され、（ｉｉ）前記イメージ基盤参照距離のうち一つ以上の第（１−２）特定イメージ基盤参照距離は、前記参照イメージ内の基準点に関する情報を追加として使用する少なくとも一つの第（１−２）特定イメージ距離予測演算を第（１−２）特定参照バウンディングボックスに適用して生成されることを特徴とする請求項１２に記載の装置。
15. 前記第（１−１）特定イメージ距離予測演算は、下記数式によって遂行され、
    

    

    Ｄは前記第（１−１）特定イメージ基盤参照距離のうち一つを意味し、fは前記カメラの焦点距離を意味し、ＶＨは前記第（１−１）特定参照物体のうち一つに対応する前記第（１−１）特定参照物体高さ情報のうち一つを意味し、hは前記第（１−１）特定参照物体のうち前記一つの前記参照イメージ上における見掛け高さを意味することを特徴とする請求項１４に記載の装置。
16. 前記第（１−２）特定イメージ距離予測演算は、下記数式によって遂行され、
    

    

    Ｄは前記第（１−２）特定座標基盤参照距離のうち一つを意味し、fは前記カメラの焦点距離を意味し、Ｈは前記カメラの高さを意味し、
    

    

    は第（１−２）特定参照物体のうち一つに対応する前記第（１−２）特定参照バウンディングボックスのうち一つの下段境界と前記基準点との間の前記参照イメージ上における見掛け距離を意味することを特徴とする請求項１４に記載の装置。
17. （ｉ）前記座標基盤参照距離のうちで一つ以上の第（２−１）特定座標基盤参照距離は、前記参照物体のうち一つ以上の第（２−１）特定参照物体と前記対象車両との間のＶ２Ｘ通信を介して取得された第（２−１）特定参照物体位置情報及び前記対象位置情報を参照して生成され、（ｉｉ）前記座標基盤参照距離のうち一つ以上の第（２−２）特定座標基盤参照距離は、データベースから取得された第（２−２）特定参照物体位置情報及び前記対象位置情報を参照して生成されることを特徴とする請求項１２に記載の装置。
18. 前記（Ｉ）プロセスで、
    前記プロセッサが、ＣＮＮをもって、少なくとも一つのコンボリューション演算と、少なくとも一つのＲＯＩプーリング演算と、少なくとも一つのＦＣネットワーク演算とを前記参照イメージに順次に適用させることによって、前記参照イメージに前記物体検出演算を適用することを特徴とする請求項１２に記載の装置。
19. 前記（ＩＩＩ）プロセスで、
    前記プロセッサが、（ｉ）前記対象位置情報を調整するプロセス、（ｉｉ）前記調整された対象位置情報を利用して前記距離誤差値を再度計算するプロセス、及び（ｉｉｉ）前記再度計算された距離誤差値が小さくなったか否かに関する情報を参照して前記調整された対象位置情報を再度調整するプロセスを繰り返すことによって、前記対象位置情報をキャリブレーションしてこれに対応する距離誤差値が最小化されるキャリブレーションされた対象位置情報を生成することを特徴とする請求項１２に記載の装置。
20. 前記（ＩＩＩ）プロセスで、
    前記プロセッサが、ＨＤマップをアップデートするために使用されるアップデート用情報を格納しつつ、前記キャリブレーションされた前記対象位置情報を参照して前記アップデート用情報が取得された位置に関する情報を格納することを特徴とする請求項１２に記載の装置。
21. 前記参照物体は、（ｉ）Ｖ２Ｘ通信が可能な一つ以上のモバイル物体及び（ｉｉ）一つ以上の固定物体のうち少なくとも一部を含み、前記固定物体は（ｉｉ−１）前記Ｖ２Ｘ通信が可能であるか、（ｉｉ−２）前記固定物体に関する情報がデータベースに格納された状態であり、
    前記参照物体は、前記対象車両から臨界距離未満の距離に位置する一つ以上の周辺車両と、一つ以上の交通標識と、一つ以上の信号灯と、一つ以上の路面標識とのうち少なくとも一部を含むことを特徴とする請求項１２に記載の装置。
22. 前記（ＩＩＩ）プロセスで、
    前記プロセッサが、前記キャリブレーションされた対象位置情報を参照して、ＨＤマップ上における前記対象車両の位置を計算し、前記対象車両から臨界距離未満の距離に位置する一つ以上の物体に関する情報を前記ＨＤマップから取得することによって、前記対象車両の自律走行を支援することを特徴とする請求項１２に記載の装置。

Images