KR100963795B1 - 물체의 위치 추적 장치 및 방법 - Google Patents
물체의 위치 추적 장치 및 방법 Download PDFInfo
- Publication number
- KR100963795B1 KR100963795B1 KR1020080018510A KR20080018510A KR100963795B1 KR 100963795 B1 KR100963795 B1 KR 100963795B1 KR 1020080018510 A KR1020080018510 A KR 1020080018510A KR 20080018510 A KR20080018510 A KR 20080018510A KR 100963795 B1 KR100963795 B1 KR 100963795B1
- Authority
- KR
- South Korea
- Prior art keywords
- state information
- mechanical state
- distance data
- distance
- matrix
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/021—Calibration, monitoring or correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/14—Determining absolute distances from a plurality of spaced points of known location
Abstract
본 발명은 물체의 위치를 추적하는 장치 및 방법에 관한 것으로서, 더욱 상세하게는 물체까지의 복수 개의 거리 데이터들을 수집하고, 이를 필터링하여, 물체의 정확한 위치를 산출할 수 있는 물체의 위치 추적 장치 및 방법에 관한 것이다.
본 발명에 따른 물체의 위치 추적 장치는 물체까지의 거리에 대한 복수 개의 거리 데이터들을 복수 개의 센서들로부터 각각 수집하는 거리 데이터 수집부와, 물체에 대한 제1 역학적 상태 정보를 예측하고, 상기 수집된 거리 데이터들 및 상기 예측된 제1 역학적 상태 정보로부터 물체에 대한 제2 역학적 상태 정보를 추정하는 필터부, 및 상기 제2 역학적 상태 정보로부터 물체의 위치를 산출하는 위치 산출부를 포함하는 것을 특징으로 한다.
거리 데이터, 역학적 상태 정보, 위치 추적, 확장 칼만 필터, 데이터 결합
Description
본 발명은 물체의 위치를 추적하는 장치 및 방법에 관한 것으로서, 더욱 상세하게는 물체까지의 복수 개의 거리 데이터들을 수집하고, 이를 필터링하여, 물체의 정확한 위치를 산출할 수 있는 물체의 위치 추적 장치 및 방법에 관한 것이다.
최근 편리한 생활을 영위하고자 하는 경향이 증가함에 따라 차량의 자동 주차 시스템 및 자동 주행 시스템에 대한 관심이 커지고 있다. 차량 소유자들은 주차공간이 좁은 경우, 차량을 안전하고 손쉽게 주차하기를 원하고, 출퇴근 시에 있어서도 자동으로 차량이 목적지까지 도달하고, 그 시간 동안 차 안에서 편안하게 휴식을 취하기를 바란다.
또한, 편리한 생활을 영위하고자 하는 경향은 홈 네트워크 기반의 유비쿼터스(Ubiquitous) 시스템에 대한 관심을 높이고 있다. 거주자의 움직임에 따라 자동으로 가전제품의 전원이 온/오프(on/off)되는 등 거주자는 보다 편안한 생활을 누리길 원하고, 거주자가 가족과 떨어져 홀로 사는 노인의 경우, 거주자의 움직임을 추적하여, 불의의 사고가 발생한 경우 이를 가족이나 구급 센터에 자동으로 연락되 게 하여 거주자 및 그의 가족들은 안심하고 생활을 하기를 바랄 것이다.
이러한 시스템을 구현하려면 물체의 위치를 정확하게 추적하는 장치가 갖추어져야 한다. 종래에는 물체의 위치를 추적하는 경우, 센서에 의해 물체에 대한 역학적 상태 정보를 수집하고 이를 기초로 물체의 위치를 추적하였다. 그런데, 상기 상태 정보에는 잡음이 포함되어 있어, 물체의 위치를 정확하게 추적하는데 있어서 어려움이 발생하게 된다.
도 1은 잡음이 포함되지 않은 복수 개의 거리 데이터들로부터 물체의 위치를 추적하는 경우를 도시한 도면이다.
물체까지의 거리만을 제공하는 레인지 센서(Range sensor)를 사용하는 경우, 센서에 의해 물체까지의 거리가 측정되면, 센서의 위치를 원점으로 하고 상기 거리를 반지름으로 하는 반원 반경을 도출할 수 있고, 이때 물체는 상기 반경 중 어느 한 지점에 존재하게 된다. 따라서 복수 개의 센서를 사용하는 경우에는 각각의 센서의 위치를 원점으로 하고, 각각의 센서가 측정한 거리를 반지름으로 하는 복수 개의 반원 반경이 존재하게 된다. 물체는 한 지점에 존재할 수 밖에 없으므로, 각각의 반원들이 교차하는 지점이 물체의 위치가 된다.
도 2는 잡음이 포함된 복수 개의 거리 데이터들로부터 물체의 위치를 추적하는 경우를 도시한 도면이다.
상기 도 1은 원점을 달리하는 복수 개의 물체까지의 거리들로부터 물체의 위치를 추적하는 이상적인 경우를 나타낸 것으로서, 실제로는 센서로 물체까지의 거리를 측정하는 경우, 측정된 거리에 잡음(Noise)이 포함된다. 이러한 잡음에 의해, 센서에서 측정된 거리와 실제 물체까지의 거리 사이에 오차가 발생하게 된다. 따라서 복수 개의 센서를 사용하여 물체의 위치를 추적하는 경우, 상기 오차로 인해 각각의 센서들의 위치를 원점으로 하는 반원들이 한 지점에서 교차하지 않게 되고, 결국 물체의 정확한 위치를 추적할 수 없게 된다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로, 필터를 사용하여, 거리 데이터만을 제공하는 복수 개의 센서에서 수집된 물체까지의 복수 개의 거리 데이터들로부터 물체의 역학적 상태 정보를 추정하고, 이를 통해 물체의 정확한 위치를 산출할 수 있도록 하는 것을 목적으로 한다.
또한, 본 발명의 다른 목적은 확장 칼만 필터(Extended Kalman Filter)를 사용하여 물체의 위치를 추적하는 것으로서, 필터링(Filtering) 단계에서, 복수 개의 거리 데이터들을 미리 확률적으로 계산하여 하나의 거리 데이터로 환산한 후, 이를 필터링하지 않고, 각각의 거리 데이터 모두에 대해 필터링 과정을 수행함으로써, 물체의 정확한 위치를 산출할 수 있도록 하는 것이다.
상기와 같은 본 발명의 목적을 달성하기 위하여, 본 발명의 일실시예에 따른 물체의 위치 추적 장치는 물체까지의 거리에 대한 복수 개의 거리 데이터들을 복수 개의 센서들로부터 각각 수집하는 거리 데이터 수집부와, 상기 물체에 대한 제1 역학적 상태 정보를 예측하고, 상기 수집된 거리 데이터들 및 상기 예측된 제1 역학적 상태 정보로부터 상기 물체에 대한 제2 역학적 상태 정보를 추정하는 필터부, 및 상기 제2 역학적 상태 정보로부터 상기 물체의 위치를 산출하는 위치 산출부를 포함하는 것을 특징으로 한다.
또한, 본 발명의 일실시예에 따른 물체의 위치 추적 방법은 물체까지의 거리 에 대한 복수 개의 거리 데이터들을 복수 개의 센서들로부터 각각 수집하는 단계와, 상기 물체에 대한 제1 역학적 상태 정보를 예측하고, 상기 수집된 거리 데이터들 및 상기 예측된 제1 역학적 상태 정보로부터 상기 물체에 대한 제2 역학적 상태 정보를 추정하는 필터링 단계, 및 상기 제2 역학적 상태 정보로부터 상기 물체의 위치를 산출하는 단계를 포함하는 것을 특징으로 한다.
본 발명에 따르면, 복수 개의 센서로부터 수집된 복수 개의 물체까지의 거리 데이터들만을 이용하여 물체의 위치를 추적함으로써, 이동중인 물체의 위치를 정확히 산출할 수 있게 된다.
또한, 본 발명에 따르면, 복수 개의 거리 데이터들을 결합하는 과정을 확장 칼만 필터에 합성한, 변형 확장 칼만 필터를 사용함으로써, 복수 개의 거리 데이터들로부터 물체의 위치를 정확히 산출할 수 있게 된다.
이하, 첨부된 도면을 참조하여, 본 발명에 따른 물체의 위치 추적 장치 및 방법에 대해 상세히 설명한다.
도 3은 본 발명의 일실시예에 따른 복수 개의 거리 데이터들로부터 물체의 위치를 추적하는 장치의 상세한 구성을 도시한 블록도이다.
본 발명의 일례에 따른 물체의 위치 추적 장치(300)는 거리 데이터 수집부(310), 필터부(320), 및 위치 산출부(330)를 포함한다. 이하, 각 구성 요소 별로 그 기능을 상술하기로 한다.
거리 데이터 수집부(310)는 복수 개의 센서가 물체까지의 거리를 측정한 경우, 복수 개의 센서들로부터 물체까지의 거리에 대한 복수 개의 거리 데이터들을 각각 수집하는 기능을 수행한다. 이때, 상기 물체까지의 거리는 각각의 센서들로부터의 거리이다. 거리 데이터 수집부(310)에서 수집한 거리 데이터는 하기 수학식 1과 같이 나타낼 수 있다.
여기서,는 i번째 센서로부터 수집된 거리 데이터, 는 물체의 x축 방향 위치, 는 물체의 y축 방향 위치, 는 i번째 센서의 x축 방향 위치, 는 i번째 센서의 y축 방향 위치, 는 정규 분포를 따르는 거리 데이터에 첨가되는 잡음이다.
필터부(320)는 상기 물체에 대한 제1 역학적 상태 정보를 예측하고, 상기 수집된 거리 데이터들 및 상기 예측된 제1 역학적 상태 정보로부터 상기 물체에 대한 제2 역학적 상태 정보를 추정하는 기능을 수행한다.
상기 제1 역학적 상태 정보 및 제2 역학적 상태 정보는 2차원 상에서의 물체의 위치, 속도, 및 가속도 중에서 적어도 어느 하나에 대한 확률 분포의 평균 행렬, 및 공분산 행렬을 포함할 수 있다.
물체의 역학적 상태 정보는 물체의 위치, 속도, 및 가속도 등을 포함하는 것으로서, 2차원 상에서 벡터값은 가로방향(x축 방향)성분과 세로방향(y축 방향)성분으로 나눌 수 있다. 이때, 2차원 상에서는 물체의 위치, 속도, 및 가속도는 벡터값이므로, 상기 제1 역학적 상태 정보 및 제2 역학적 상태 정보는, 물체의 위치, 속도, 및 가속도를 각각의 가로방향(x축 방향)성분과 세로방향(y축 방향)성분으로 나누고, 각각의 성분에 대한 확률 분포의 평균 및 공분산 값을 행렬 성분으로 하는 평균 행렬, 및 공분산 행렬을 포함할 수 있다.
본 발명에 따른 실시예로서, 필터부(320)는 상태 예측부(321), 계산부(322), 데이터 결합부(323), 및 상태 추정부(324)를 포함하여 구성될 수 있다.
상태 예측부(321)는 물체에 대한 제1 역학적 상태 정보를 예측하는 기능을 수행한다.
상태 예측부(321)는 상태 추정부(324)의 이전 제2 역학적 상태 정보를 기초로 하여 재귀적으로 제1 역학적 상태 정보를 예측할 수 있다. 이 경우 제1 역학적 상태 정보를 최초로 예측하는 경우, 상기 제1 역학적 상태 정보를 초기화할 수 있다.
계산부(322)는 상기 제1 역학적 상태 정보로부터 상기 물체까지의 예측 거리를 계산하고, 상기 예측 거리와 상기 수집된 거리 데이터들과의 각각의 오차들을 계산하는 기능을 수행한다. 이때 상기 수집된 거리 데이터들은 복수 개 이므로, 계산부(322)는 거리 데이터들의 수만큼 계산 기능을 수행한다.
상술하였듯이 역학적 상태 정보에는 물체의 위치에 대한 2차원 상에서의 가로방향(x축 방향)성분과 세로방향(y축 방향)성분이 포함될 수 있으므로, 가로방향(x축 방향)성분과 세로방향(y축 방향)성분으로부터 물체까지의 예측 거리를 계산할 수 있다.
데이터 결합부(323)는 상기 각각의 오차들에 대한 데이터를 결합하여 상기 제1 역학적 상태 정보에 대한 보정 파라미터(Parameter)들을 도출하는 기능을 수행한다. 보정 파라미터는 예측된 제1 역학적 상태 정보를 보정하여 정확한 물체의 제2 역학적 상태 정보를 추정하기 위한 매개변수이다.
상태 추정부(324)는 상기 예측된 제1 역학적 상태 정보를 상기 보정 파라미터들로 보정하여 상기 물체의 제2 역학적 상태 정보를 추정하는 기능을 수행한다.
일례로, 필터부(320)는 확장 칼만 필터를 사용하여 복수 개의 거리 데이터들로부터 제2 역학적 상태 정보를 추정할 수 있다. 이 경우, 필터부(320)는 상태 예측부(321), 계산부(322), 데이터 결합부(323), 및 상태 추정부(324)를 포함하여 구성될 수 있다. 이하 확장 칼만 필터를 사용하고, 상태 예측부(321), 계산부(322), 데이터 결합부(323), 및 상태 추정부(324)로 구성된 필터부(320)에 대해 보다 자세하게 설명한다.
확장 칼만 필터를 사용하는 필터부(320)에서, 제1 역학적 상태 정보 및 제2 역학적 상태 정보는 2차원 상에서의 물체의 위치, 속도, 및 가속도에 대한 확률 분포의 평균 행렬, 및 공분산 행렬로 나타낼 수 있고, 상기 평균 행렬은 하기 수학식 2와 같이 나타낼 수 있다.
단,는 역학적 상태 정보에 대한 확률 분포의 평균 행렬, 는 물체의 x축 방향 위치, 는 물체의 x축 방향 속도, 는 물체의 x축 방향 가속도, 는 물체의 y축 방향 위치, 는 물체의 y축 방향 속도, 는 물체의 y축 방향 가속도를 각각 의미한다.
확장 칼만 필터를 사용하는 필터부(320)에서, 상태 예측부(321)는 이전 제2 역학적 상태 정보로부터 제1 역학적 상태 정보를 재귀적으로 예측할 수 있다. 이 경우 상기 예측은 하기 수학식 3 및 수학식 4에 의해 수행될 수 있다.
여기서, 는 이전의 추정된 역학적 상태 정보에 대한 확률 분포의 평균 행렬, 는 예측된 역학적 상태 정보에 대한 확률 분포의 평균 행렬, 는 이전의 추정된 역학적 상태 정보에 대한 확률 분포의 공분산 행렬, 는 예측된 역학적 상태 정보에 대한 확률 분포의 공분산 행렬, 는 센서의 데이터 제공 시간, 는 정규 분포를 따르는 잡음의 공분산 행렬을 각각 의미한다.
확장 칼만 필터를 사용하는 필터부(320)에서, 계산부(322)는 상기 제1 역학적 상태 정보로부터 물체까지의 예측 거리, 상기 수집된 거리 데이터들과의 상기 예측 거리간의 각각의 오차, 칼만 이득, 및 선형화 변환 계수를 계산하는 기능을 수행한다. 이 경우 상기 계산은 하기 수학식 5 내지 수학식 8에 의해 수행될 수 있다.
여기서, 는 예측된 역학적 상태 정보에 대한 확률 분포의 평균 행렬 중 물체의 x축 방향 위치, 는 예측된 역학적 상태 정보에 대한 확률 분포의 평균 행렬 중 물체의 y축 방향 위치, 는 i번째 센서의 x축 방향 위치, 는 i번째 센서의 y축 방향 위치, 는 i번째 센서로부터 수집된 거리 데이터, 는 i번째 센서로부터 물체까지의 예측 거리, 는 i번째 센서로부터 수집된 거리 데이터와 i번째 센서로부터 물체까지의 예측 거리 간의 오차, 는 i번째 센서로부터 수집된 거리 데이터에 대한 칼만 이득, 는 i번째 센서로부터 수집된 거리 데이터에 대한 선형화 변환계수를 각각 의미한다.
확장 칼만 필터를 사용하는 필터부(320)에서, 데이터 결합부(323)는 상기 오차, 칼만 이득, 및 선형화 변환 계수들의 데이터 결합을 수행하여 보정 파라미터들을 도출하는 기능을 한다.
이때, 상기 보정 파라미터들은 상기 각각의 오차와 상기 오차에 각각 상응하는 칼만 이득을 곱하여 이를 모두 더한 값인 평균 행렬에 대한 보정 파라미터, 및 각각의 칼만 이득과 상기 칼만 이득에 각각 상응하는 선형화 변환 계수를 곱하여 이를 모두 더한 값을 단위 행렬에서 뺀 값인 공분산 행렬에 대한 보정 파라미터를 포함할 수 있다. 이 경우 상기 평균 행렬에 대한 보정 파라미터, 및 상기 공분산 행렬에 대한 보정 파라미터는 하기 수학식 9 및 수학식 10에 의해 도출할 수 있다.
확장 칼만 필터를 사용하는 필터부(320)에서, 상태 추정부(324)는 상기 예측된 제1 역학적 상태 정보와 상기 보정 파라미터들을 이용하여 물체의 제2 역학적 상태 정보를 추정할 수 있다. 이 경우 상기 제2 역학적 상태 정보의 추정은 하기 수학식 11 및 수학식 12에 의해 수행될 수 있다.
여기서, 는 추정된 역학적 상태 정보에 대한 확률 분포의 평균 행렬, 는 예측된 역학적 상태 정보에 대한 확률 분포의 평균 행렬, 는 추정된 역학적 상태 정보에 대한 확률 분포의 공분산 행렬, 는 예측된 역학적 상태 정보에 대한 확률 분포의 공분산 행렬을 각각 의미한다.
즉, 본 발명은, 복수 개의 거리 데이터들을 미리 확률적으로 계산하여 하나의 거리 데이터로 환산한 후, 이를 필터링하여 잡음을 제거하는 것이 아니라, 각각의 거리 데이터 모두에 대해 필터링 과정을 수행하면서, 데이터들을 결합하는 과정을 확장 칼만 필터의 구성에 포함시킨, 변형 확장 칼만 필터를 사용하여 잡음을 제거하는 것으로서, 이에 의해 복수 개의 거리 데이터들로부터 물체의 위치를 정확히 산출할 수 있게 된다.
위치 산출부(330)는 필터부(320)에서 추정된 상기 제2 역학적 상태 정보로부터 물체의 위치를 산출하는 기능을 수행한다.
상술하였듯이 역학적 상태 정보는 2차원 상에서의 물체의 위치, 속도, 및 가속도에 대한 확률 분포의 평균 행렬, 및 공분산 행렬을 포함할 수 있는데, 위치 산출부(320)는 상기 평균 행렬, 및 공분산 행렬로부터 물체의 가능한 위치를 산출하는 기능을 수행한다.
이와 같이, 본 발명에 따르면, 거리 데이터 수집부(310)는 물체까지의 거리에 대한 복수 개의 거리 데이터들을 복수 개의 센서들로부터 각각 수집하고, 필터부(320)는 상기 물체의 제1 역학적 상태 정보를 예측하고, 상기 수집된 거리 데이터들 및 상기 제1 역학적 상태 정보로부터 제2 역학적 상태 정보를 추정하고, 위치 산출부(330)는 필터부(320)로부터의 상기 제2 역학적 상태 정보를 전송받아 상기 물체의 위치를 산출함으로써, 이동중인 물체의 정확한 위치를 추적할 수 있게 된다.
도 4는 본 발명의 일실시예에 따른 복수 개의 거리 데이터들로부터 물체의 위치를 추적하는 방법에 대한 흐름도를 도시한 도면이다. 이하, 도 4를 참고하여, 각 단계별로 수행되는 과정을 상술하기로 한다.
먼저, 단계(S410)는 물체까지의 거리에 대한 복수 개의 거리 데이터들을 복수 개의 센서로부터 수집한다. 이때, 상기 물체까지의 거리는 각각의 센서들로부터의 거리이다.
단계(S420)는 상기 물체에 대한 제1 역학적 상태 정보를 예측하고, 상기 수집된 거리 데이터들 및 상기 제1 역학적 상태로부터 물체에 대한 제2 역학적 상태 정보를 추정하는 필터링 단계이다.
즉, 단계(S420)에서는 물체에 대한 제1 역학적 상태를 예측하고, 상기 예측 상태와 복수 개의 거리 데이터와 비교하여, 잡음을 제거해 물체에 대한 제2 역학적 정보를 추정함으로써 정확한 물체의 위치를 추적할 수 있다.
이때, 상기 제1 역학적 상태 정보 및 상기 제2 역학적 상태 정보는 2차원 상에서의 물체의 위치, 속도, 및 가속도 중에서 적어도 어느 하나에 대한 확률 분포의 평균 행렬, 및 공분산 행렬을 포함할 수 있다.
또한, 단계(S420)는, 제1 역학적 상태 정보를 예측하는 단계(S421), 상기 제1 역학적 정보로부터 물체까지의 예측 거리를 계산하고, 상기 예측 거리와 상기 수집된 거리 데이터들과의 각각의 오차를 계산하는 단계(S422), 상기 각각의 오차들을 결합하여 상기 제1 역학적 상태 정보에 대한 보정 파라미터들을 도출하는 단계(S423), 및 상기 제1 역학적 상태 정보를 상기 보정 파라미터들로 보정하여 제2 역학적 상태 정보를 추정하는 단계(S424)를 포함할 수 있다.
일례로, 단계(S420)에서는, 확장 칼만 필터를 사용하여 복수 개의 거리 데이터들로부터 제2 역학적 상태 정보를 추정할 수 있다. 이 경우, 단계(S420)는 단계(S421), 단계(S422), 단계(S423), 단계(S424)를 포함할 수 있다. 이하 확장 칼만 필터를 사용하고, 단계(S421), 단계(S422), 단계(S423), 단계(S424)를 포함하는 단계(S420)에 대해 보다 자세하게 설명한다.
제1 역학적 상태 정보 및 제2 역학적 상태 정보는 2차원 상에서의 물체의 위치, 속도, 및 가속도에 대한 확률 분포의 평균 행렬, 및 공분산 행렬을 포함할 수 있고, 상기 평균 행렬은 상기 수학식 2와 같이 나타낼 수 있다.
확장 칼만 필터를 사용하는 단계(S420)에서, 단계(S421)에서는 제1 역학적 상태 정보를, 단계(S424)에서 추정된 이전의 제2 역학적 상태 정보로부터 재귀적으로 예측할 수 있다. 이 경우 상기 예측은 상기 수학식 3 및 수학식 4에 의해 수행될 수 있다.
확장 칼만 필터를 사용하는 단계(S420)에서, 단계(S422)에서는 상기 예측된 제1 역학적 상태 정보로부터 물체까지의 예측 거리, 상기 수집된 거리 데이터들과의 상기 예측 거리간의 각각의 오차, 칼만 이득, 및 선형화 변환 계수를 계산할 수 있다. 이 경우 상기 계산은 상기 수학식 5 내지 수학식 8에 의해 수행될 수 있다.
확장 칼만 필터를 사용하는 단계(S420)에서, 단계(S423)에서는 상기 오차, 칼만 이득, 및 선형화 변환 계수들을 결합하여 보정 파라미터들을 도출할 수 있다.
이때, 상기 보정 파라미터들은 상기 각각의 오차와 상기 오차에 각각 상응하 는 칼만 이득을 곱하여 이를 모두 더한 값인 평균 행렬에 대한 보정 파라미터, 및 각각의 칼만 이득과 상기 칼만 이득에 각각 상응하는 선형화 변환 계수를 곱하여 이를 모두 더한 값을 단위 행렬에서 뺀 값인 공분산 행렬에 대한 보정 파라미터를 포함할 수 있다. 이 경우 상기 평균 행렬에 대한 보정 파라미터, 및 상기 공분산 행렬에 대한 보정 파라미터는 상기 수학식 9 및 수학식 10에 의해 도출할 수 있다.
확장 칼만 필터를 사용하는 단계(S420)에서, 단계(S424)에서는 상기 예측된 제1 역학적 상태 정보와 상기 보정 파라미터들을 이용하여 물체의 제2 역학적 상태 정보를 추정할 수 있다. 이 경우 상기 제2 역학적 상태 정보의 추정은 상기 수학식 11 및 수학식 12에 의해 수행될 수 있다.
즉, 본 발명에서는, 필터링 단계 전에 미리 복수 개의 데이터들을 하나의 거리 데이터로 환산하지 않고, 각각의 거리 데이터 모두에 대해 단계(S420)에서 필터링 과정을 수행하고, 단계(S420)내의 단계(S423)에서 각각의 데이터를 결합하여 물체의 위치를 추정함으로써, 복수 개의 거리 데이터들로부터 물체의 위치를 정확히 산출할 수 있게 된다.
단계(S430)에서는 단계(S420)에서 추정된 상기 제2 역학적 상태 정보로부터 물체의 위치를 산출한다.
이와 같이, 본 발명에 따르면, 단계(S410)에서는 물체까지의 거리에 대한 복수 개의 거리 데이터들을 복수 개의 센서들로부터 각각 수집하고, 단계(S420)에서는 상기 물체의 제1 역학적 상태 정보를 예측하고, 상기 수집된 거리 데이터들 및 상기 제1역학적 상태 정보로부터 제2 역학적 상태 정보를 추정하며, 단계(S430) 에서는 상기 제2 역학적 상태 정보부터 상기 물체의 위치를 산출함으로써, 이동중인 물체의 정확한 위치를 추적할 수 있게 된다.
지금까지 본 발명에 따른 물체의 위치 추적 방법의 실시예들에 대하여 설명하였고, 앞서 도 3에서 설명한 물체의 위치 추적 장치에 관한 구성이 본 실시예에도 그대로 적용 가능하다. 이에, 보다 상세한 설명은 생략하기로 한다.
도 5는 본 발명의 일실시예에 따라, 확장 칼만 필터를 사용하여 필터링을 하는 경우에 있어, 상기 필터링 방법에 대한 알고리즘의 일례를 도시한 도면이다. 이하에서는, 각 단계별로 수행되는 과정을 설명하기로 한다.
먼저, 단계(S510)에서는 물체에 대한 제1 역학적 상태 정보를 예측한다. 현재(k번째) 역학적 상태 정보 예측은 이전(k-1번째)에 추정된 역학적 상태 정보에 대한 확률 분포의 평균 행렬, 및 공분산 행렬을 사용하여 수행된다. 이때 는 하기 수학식 13의 행렬을 의미한다.
단계(S520)에서는 각각의 센서로부터 물체까지의 예측거리, 선형화 변환 계수, 및 칼만 이득을 계산한다. 거리 데이터들이 복수 개이므로 그 수를 개라고 정의하면, 단계(S520)에서는 회 동안 반복적으로 계산을 수행한다.
단계(S530)에서는 상기 제1 역학적 상태 정보와 상기 물체까지의 거리 데이터, 예측 거리, 선형화 변환 계수, 및 칼만 이득을 사용하여 제2 역학적 상태 정보를 추정한다. 단계(S530)에서 데이터의 결합이 이루어진다.
단계(S510) 내지 단계(S540)가 반복되면서 이동 중인 물체의 위치를 연속적으로 추적할 수 있게 된다.
또한, 본 알고리즘을 Intel(R) Core™ 2 DUO CPU E6400 @ 2.13GHz, 1.00GB Ram 상황의 Matlab Program 상에서 수행하였을 경우, 1회 센서 스캔 타임당 알고리즘 수행 시간이 0.000062845초가 걸리는데, 이는 일반적인 센서의 1회 스캔 타임보다 수행 시간이 짧기 때문에, 실시간 환경 구현에 있어서 본 발명은 큰 어려움이 없이 구현할 수 있다.
도 6은 본 발명의 일실시예에 따라, 확장 칼만 필터를 이용한 물체의 위치 추적 장치 및 방법을 이용하여 물체의 위치를 추적한 결과를 도시한 도면이다. 실선은 물체의 이동 궤적을 나타낸 것이고, x표시는 추적된 물체의 위치를 나타낸 것이다. 도 6에 의하면, 실선과 x표시는 거의 일치함을 확인할 수 있다. 이와 같이 본 발명에 따른 물체의 위치 추적 장치 및 방법을 사용하는 경우 이동중인 물체에 대한 정확한 위치를 추적 할 수 있다.
또한, 본 발명에 따른 물체의 위치 추적 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨 어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 안되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
도 1은 잡음이 포함되지 않은 복수 개의 거리 데이터들로부터 물체의 위치를 추적하는 경우를 도시한 도면이다.
도 2는 잡음이 포함된 복수 개의 거리 데이터들로부터 물체의 위치를 추적하는 경우를 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 복수 개의 거리 데이터들로부터 물체의 위치를 추적하는 장치의 상세한 구성을 도시한 블록도이다.
도 4는 본 발명의 일실시예에 따른 복수 개의 거리 데이터들로부터 물체의 위치를 추적하는 방법에 대한 흐름도를 도시한 도면이다.
도 5는 본 발명의 일실시예에 따라, 확장 칼만 필터를 사용하여 필터링을 하는 경우에 있어, 상기 필터링 방법에 대한 알고리즘의 일례를 도시한 도면이다.
도 6은 본 발명의 일실시예에 따라, 확장 칼만 필터를 이용한 물체의 위치 추적 장치 및 방법을 이용하여 물체의 위치를 추적한 결과를 도시한 도면이다.
<도면의 주요 부분에 대한 부호의 설명>
300: 물체의 위치 추적 장치 322: 계산부
310: 거리 데이터 수집부 323: 데이터 결합부
320: 필터부 324: 상태 추정부
321: 상태 예측부 330: 위치 산출부
Claims (13)
- 물체까지의 거리에 대한 복수 개의 거리 데이터들을 복수 개의 센서들로부터 각각 수집하는 거리 데이터 수집부;상기 물체에 대한 제1 역학적 상태 정보를 예측하고, 상기 수집된 거리 데이터들 및 상기 예측된 제1 역학적 상태 정보로부터 상기 물체에 대한 제2 역학적 상태 정보를 추정하는 필터부; 및상기 제2 역학적 상태 정보로부터 상기 물체의 위치를 산출하는 위치 산출부를 포함하고,상기 제1 역학적 상태 정보 및 상기 제2 역학적 상태 정보는 2차원 상에서의 물체의 위치, 속도, 및 가속도 중에서 적어도 어느 하나에 대한 확률 분포의 평균 행렬 및 공분산 행렬을 포함하는 것을 특징으로 하는 물체의 위치 추적 장치.
- 제1항에 있어서,상기 필터부는,상기 제1 역학적 상태 정보를 예측하는 상태 예측부;상기 제1 역학적 상태 정보로부터 상기 물체까지의 예측 거리를 계산하고, 상기 예측 거리와 상기 수집된 거리 데이터들과의 각각의 오차들을 계산하는 계산부;상기 각각의 오차들을 결합하여 상기 제1 역학적 상태 정보에 대한 보정 파라미터들을 도출하기 위한 데이터 결합부; 및상기 제1 역학적 상태 정보를 상기 보정 파라미터들로 보정하여 상기 제2 역학적 상태 정보를 추정하는 상태 추정부를 포함하는 것을 특징으로 하는 물체의 위치 추적 장치.
- 삭제
- 제1항에 있어서,상기 필터부는 확장 칼만 필터를 사용하여, 상기 복수의 거리 데이터들 모두에 대하여 필터링 과정을 수행하는 것을 특징으로 하는 물체의 위치 추적 장치.
- 제1항에 있어서,상기 필터부는 확장 칼만 필터를 사용하여, 하기 수학식 11 및 수학식 12에 따라서 상기 제2 역학적 상태 정보의 확률 분포의 평균 행렬 및 공분산 행렬을 추정하는 것을 특징으로 하는 물체의 위치 추적 장치.[수학식 11][수학식 12]단,를 각각 나타냄.
- 제2항에 있어서,상기 필터부는 확장 칼만 필터를 사용하고,상기 보정 파라미터들은,상기 각각의 오차와 상기 오차에 각각 상응하는 칼만 이득을 곱하여 이를 모두 더한 값인 평균 행렬에 대한 제1 보정 파라미터; 및상기 칼만 이득과 상기 칼만 이득에 각각 상응하는 선형화 변환 계수를 곱하여 이를 모두 더한 값을 단위 행렬에서 뺀 값인 공분산 행렬에 대한 제2 보정 파라미터를 포함하는 것을 특징으로 하는 물체의 위치 추적 장치.
- 물체까지의 거리에 대한 복수 개의 거리 데이터들을 복수 개의 센서들로부터 각각 수집하는 단계;상기 물체에 대한 제1 역학적 상태 정보를 예측하고, 상기 수집된 거리 데이터들 및 상기 예측된 제1 역학적 상태 정보로부터 상기 물체에 대한 제2 역학적 상태 정보를 추정하는 필터링 단계; 및상기 제2 역학적 상태 정보로부터 상기 물체의 위치를 산출하는 단계를 포함하고,상기 제1 역학적 상태 정보 및 상기 제2 역학적 상태 정보는 2차원 상에서의 물체의 위치, 속도, 및 가속도 중에서 적어도 어느 하나에 대한 확률 분포의 평균 행렬 및 공분산 행렬을 포함하는 것을 특징으로 하는 물체의 위치 추적 방법.
- 제7항에 있어서,상기 필터링 단계는,상기 제1 역학적 상태 정보를 예측하는 단계;상기 제1 역학적 상태 정보로부터 물체까지의 예측 거리를 계산하고, 상기 예측 거리와 상기 수집된 거리 데이터들과의 각각의 오차들을 계산하는 단계;상기 각각의 오차들을 결합하여 상기 제1 역학적 상태 정보에 대한 보정 파라미터들을 도출하는 단계; 및상기 제1 역학적 상태 정보를 상기 보정 파라미터들로 보정하여 상기 제2 역학적 상태 정보를 추정하는 단계를 포함하는 것을 특징으로 하는 물체의 위치 추적 방법.
- 삭제
- 제7항에 있어서,상기 필터링 단계는 확장 칼만 필터를 사용하여, 상기 복수의 거리 데이터들 모두에 대하여 필터링 과정을 수행하는 것을 특징으로 하는 물체의 위치 추적 방법.
- 제7항에 있어서,상기 필터링 단계는 확장 칼만 필터를 사용하여, 하기 수학식 11 및 수학식 12에 따라서 상기 제2 역학적 상태 정보의 확률 분포의 평균 행렬 및 공분산 행렬을 추정하는 것을 특징으로 하는 물체의 위치 추적 방법.[수학식 11][수학식 12]단,를 각각 나타냄.
- 제8항에 있어서,상기 필터링 단계는 확장 칼만 필터를 사용하고,상기 보정 파라미터들은,상기 각각의 오차와 상기 오차에 각각 상응하는 칼만 이득을 곱하여 이를 모두 더한 값인 평균 행렬에 대한 제1 보정 파라미터; 및상기 칼만 이득과 상기 칼만 이득에 각각 상응하는 선형화 변환 계수를 곱하 여 이를 모두 더한 값을 단위 행렬에서 뺀 값인 공분산 행렬에 대한 제2 보정 파라미터를 포함하는 것을 특징으로 하는 물체의 위치 추적 방법.
- 제7항, 제8항, 제10항 내지 제12항 중 어느 하나의 방법을 실행하는 프로그램을 기록한 컴퓨터 판독가능 기록매체.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080018510A KR100963795B1 (ko) | 2008-02-28 | 2008-02-28 | 물체의 위치 추적 장치 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020080018510A KR100963795B1 (ko) | 2008-02-28 | 2008-02-28 | 물체의 위치 추적 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20090093152A KR20090093152A (ko) | 2009-09-02 |
KR100963795B1 true KR100963795B1 (ko) | 2010-06-24 |
Family
ID=41301664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020080018510A KR100963795B1 (ko) | 2008-02-28 | 2008-02-28 | 물체의 위치 추적 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100963795B1 (ko) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101180825B1 (ko) | 2011-09-23 | 2012-09-07 | 광주과학기술원 | 센서 네트워크 기반의 이동체 위치 추적 장치 및 방법 |
KR101569919B1 (ko) | 2013-10-30 | 2015-11-17 | 인하대학교 산학협력단 | 차량의 위치 추정 장치 및 방법 |
KR102395894B1 (ko) * | 2022-01-27 | 2022-05-09 | 국방과학연구소 | 위치 모니터링 방법, 위치 모니터링 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101882249B1 (ko) * | 2012-06-04 | 2018-08-24 | 현대모비스 주식회사 | 차등가중치 적용 차선 인식 방법 및 장치와 이를 이용한 차선유지보조시스템 제어 방법 및 장치 |
KR102146049B1 (ko) * | 2018-10-22 | 2020-08-19 | 국방과학연구소 | 표적의 위치를 추적하는 장치 및 방법 |
KR102287546B1 (ko) * | 2019-10-21 | 2021-08-10 | 제주대학교 산학협력단 | 차량 소프트웨어 정의 네트워킹에서 확장 칼만필터를 이용하는 차량 궤적 예측시스템 및 그 방법, 그 방법을 수행하는 프로그램이 기록된 컴퓨터 판독이 가능한 기록매체 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5991691A (en) | 1997-02-20 | 1999-11-23 | Raytheon Aircraft Corporation | System and method for determining high accuracy relative position solutions between two moving platforms |
WO2006015211A2 (en) | 2004-07-28 | 2006-02-09 | Meshnetworks, Inc. | System and method for locating persons or assets using centralized computing of node location and displaying the node locations |
KR20060052855A (ko) * | 2003-07-21 | 2006-05-19 | 퀄컴 인코포레이티드 | 위치 결정 개선을 갖는 복수의 측정값에 의한 위치 결정 |
KR20090019488A (ko) * | 2007-08-21 | 2009-02-25 | 한국전자통신연구원 | 무선 측위 장치 및 방법 |
-
2008
- 2008-02-28 KR KR1020080018510A patent/KR100963795B1/ko not_active IP Right Cessation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5991691A (en) | 1997-02-20 | 1999-11-23 | Raytheon Aircraft Corporation | System and method for determining high accuracy relative position solutions between two moving platforms |
KR20060052855A (ko) * | 2003-07-21 | 2006-05-19 | 퀄컴 인코포레이티드 | 위치 결정 개선을 갖는 복수의 측정값에 의한 위치 결정 |
WO2006015211A2 (en) | 2004-07-28 | 2006-02-09 | Meshnetworks, Inc. | System and method for locating persons or assets using centralized computing of node location and displaying the node locations |
KR20090019488A (ko) * | 2007-08-21 | 2009-02-25 | 한국전자통신연구원 | 무선 측위 장치 및 방법 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101180825B1 (ko) | 2011-09-23 | 2012-09-07 | 광주과학기술원 | 센서 네트워크 기반의 이동체 위치 추적 장치 및 방법 |
KR101569919B1 (ko) | 2013-10-30 | 2015-11-17 | 인하대학교 산학협력단 | 차량의 위치 추정 장치 및 방법 |
KR102395894B1 (ko) * | 2022-01-27 | 2022-05-09 | 국방과학연구소 | 위치 모니터링 방법, 위치 모니터링 시스템 및 상기 방법을 실행시키기 위하여 기록매체에 저장된 컴퓨터 프로그램 |
Also Published As
Publication number | Publication date |
---|---|
KR20090093152A (ko) | 2009-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100963795B1 (ko) | 물체의 위치 추적 장치 및 방법 | |
US8649557B2 (en) | Method of mobile platform detecting and tracking dynamic objects and computer-readable medium thereof | |
JP6186834B2 (ja) | 目標追尾装置及び目標追尾プログラム | |
CN109977552B (zh) | 一种考虑状态检测影响的设备剩余寿命预测方法及系统 | |
JP5267203B2 (ja) | 運転状態判定装置及び運転状態判定方法 | |
US8867845B2 (en) | Path recognition device, vehicle, path recognition method, and path recognition program | |
KR101517937B1 (ko) | 클라이언트, 서버 및 이를 포함하는 무선 신호 지도 작성 시스템 | |
JP5904226B2 (ja) | 車両挙動予測装置及びプログラム | |
JP2012123642A (ja) | 画像識別装置及びプログラム | |
Roth et al. | Map-supported positioning enables in-service condition monitoring of railway tracks | |
US20140141823A1 (en) | Communication device, comunication method and computer program product | |
JP7238729B2 (ja) | 冠水検知装置、冠水検知システム、及び冠水検知プログラム | |
JP5082955B2 (ja) | 車両検出装置および方法、並びに、プログラム | |
JP2013113789A (ja) | 速度推定装置及びプログラム | |
JP5866682B2 (ja) | 計測システムおよび計測方法 | |
JP5506599B2 (ja) | 通過時刻推定装置、車速算出方法、及びプログラム | |
KR100947805B1 (ko) | 무선 센서 네트워크를 이용한 자산추적시스템에서의 자산위치 정보의 모호성 보완 방법 및 장치 | |
US20160033615A1 (en) | Acoustic processing device and acoustic processing method | |
JP3448640B2 (ja) | 車両追跡方法及び車両追跡装置 | |
KR101961663B1 (ko) | 플랫폼 운용시스템 및 그의 표적 포착 방법 | |
US11938952B2 (en) | Traveling trajectory estimation system, traveling trajectory estimation program, and traveling trajectory estimating method | |
JP4664251B2 (ja) | 自律移動体 | |
CN113204891A (zh) | 基于指数平滑预测的dp-tbd算法跟踪方法及设备 | |
JP7156844B2 (ja) | 情報処理方法、情報処理装置およびプログラム | |
JP5396311B2 (ja) | 行動予測装置、方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20130610 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20140414 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20150609 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20160714 Year of fee payment: 7 |
|
LAPS | Lapse due to unpaid annual fee |