KR101628547B1 - Apparatus and Method for Checking of Driving Load - Google Patents
Apparatus and Method for Checking of Driving Load Download PDFInfo
- Publication number
- KR101628547B1 KR101628547B1 KR1020140168725A KR20140168725A KR101628547B1 KR 101628547 B1 KR101628547 B1 KR 101628547B1 KR 1020140168725 A KR1020140168725 A KR 1020140168725A KR 20140168725 A KR20140168725 A KR 20140168725A KR 101628547 B1 KR101628547 B1 KR 101628547B1
- Authority
- KR
- South Korea
- Prior art keywords
- lane
- vehicle
- sensing data
- reliability
- probability
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0062—Adapting control system settings
- B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
- B60W2050/009—Priority selection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2300/00—Purposes or special features of road vehicle drive control systems
- B60Y2300/10—Path keeping
- B60Y2300/12—Lane keeping
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
본 발명의 다양한 실시 예는 주행 차선 확인 장치 및 방법에 관한 것으로, 차량에 구비된 복수개의 센서에 할당된 우선순위 및 복수개의 센서에 대한 신뢰도를 기반으로 주행 중인 자차의 차선을 추정할 수 있는 주행 차선 확인 장치 및 방법에 관한 것이다. Various embodiments of the present invention are directed to an apparatus and method for identifying a driving lane, and more particularly, to an apparatus and method for identifying a driving lane, which is capable of estimating a lane of a driving lane based on a priority assigned to a plurality of sensors provided in the vehicle, And more particularly, to a lane check apparatus and method.
차선 인식(Lane Detection)은 도로 상의 흰색 차선이나 황색 차선을 인식하는 기술로, 이를 기반으로 차선 이탈 경보 시스템, 차선 유지 보고 시스템 등이 개발되고 있다. 차선 이탈 경보 시스템 또는 차선 유지 보고 시스템은 차선 이탈이 예상될 때 이를 운전자에게 경고하여 안전 운행을 보조하는 시스템으로 운전자 없이 자동차가 차선을 인식하고 스스로 차를 운행하는 무인 자동차 등에도 이용될 수 있다. Lane Detection is a technology to recognize white lanes or yellow lanes on the road, and a lane departure warning system and a lane keeping reporting system are being developed based on this technology. The lane departure warning system or the lane keeping reporting system can be used for unmanned vehicles where the lane is recognized by the lane without the driver and the lane is driven by the self, by alerting the driver when the lane departure is expected.
일반적인 차선 인식 방법은 수집된 차도의 영상데이터 분석을 통해 차선의 색상을 측정하고, 측정된 색상을 기준으로 차선을 인식하는 기술을 이용한다. 그러나 상기와 같은 기술은 차선이 닳거나 먼지 등의 오염 물질에 의해 차선이 오염되는 등의 환경요인에 의해 인식이 용이하지 않은 경우가 발생하는 문제점이 있다. A typical lane recognition method uses the technique of measuring the lane color by analyzing the image data of the collected roadway and recognizing the lane based on the measured color. However, the above-described technology has a problem that recognition is not easy due to environmental factors such as frayed lanes or contamination of lanes due to contaminants such as dust.
상기와 같이 종래의 문제점을 해결하기 위한 본 발명의 다양한 실시 예들은 차량에 구비된 복수개의 센서에 할당된 우선순위 및 복수개의 센서에 대한 신뢰도를 기반으로 주행 중인 자차의 차선을 추정할 수 있는 주행 차선 확인 장치 및 방법을 제공하는 것이다. In order to solve the above-described problems, various embodiments of the present invention provide a method of estimating a lane of a self-driving vehicle based on a priority assigned to a plurality of sensors provided in a vehicle, And to provide a lane identification apparatus and method.
본 발명의 일 실시 예에 따른 주행 차선 확인 장치는 주행 중인 자차의 차선 추정과 관련된 센싱 데이터를 획득하는 복수개의 센서를 포함하는 센서모듈, 상기 복수개의 센서에 대한 우선순위, 신뢰도 및 차선 오인지 확률에 기반하여 주행 중인 자차의 차선을 추정하는 제어모듈을 포함할 수 있다.The driving lane identifying apparatus according to an embodiment of the present invention includes a sensor module including a plurality of sensors for obtaining sensing data related to a lane estimation of a driving vehicle, a priority module for determining a priority, a reliability, And a control module for estimating a lane of the driven vehicle on the basis of the vehicle speed.
또한, 상기 센서모듈은 이미지 센서와 레이저 센서를 포함할 수 있다.In addition, the sensor module may include an image sensor and a laser sensor.
또한, 상기 제어모듈은 상기 우선순위가 가장 마지막인 상기 레이저 센서에 대한 신뢰도가 임계치 이상이면 상기 자차의 주변 차량에 대한 주행 궤적을 확인하고, 상기 신뢰도가 임계치 미만이면 상기 자차의 선행 차량에 대한 주행 궤적을 확인할 수 있다.If the reliability is less than a threshold value, the control module checks the driving trajectory of the preceding vehicle to the preceding vehicle if the reliability of the laser sensor is the latest, The trajectory can be confirmed.
또한, 상기 제어모듈은 상기 레이저 센서에 대한 신뢰도가 임계치 이상이고, 상기 주변 차량에 대한 주행 궤적 확인 결과, 상기 차선 오인지 확률이 임계치 이상이면 상기 자차의 선행 차량에 대한 주행 궤적을 확인할 수 있다.If the reliability of the laser sensor is equal to or greater than the threshold value and the probability of the lane of sight is less than a threshold value as a result of checking the trajectory of the preceding vehicle, the control module can confirm the trajectory of the preceding vehicle.
또한, 상기 제어모듈은 상기 레이저 센서에서 획득되는 센싱 데이터를 이용하여 상기 선행 차량에 대한 주행 궤적을 확인하고, 상기 주행 궤적을 상기 차선의 중심선으로 확인할 수 있다. Also, the control module can confirm the running locus for the preceding vehicle by using the sensing data obtained from the laser sensor, and confirm the running locus as the center line of the lane.
또한, 상기 차선 오인지 확률은 상기 자차가 주행 중인 도로에 대한 차선 예측값과, 상기 센싱 데이터의 분석을 통해 산출된 차선 추정값의 차이로 산출될 수 있다. In addition, the probability of the lane-keeping error may be calculated as a difference between a lane predicted value for the road on which the vehicle is traveling and a lane-estimated value calculated through analysis of the sensing data.
또한, 상기 차선 오인지 확률은 이전 센싱 데이터와 현재 센싱 데이터에서 각각 추정된 차선 추정값의 차이로 산출될 수 있다. In addition, the probability of the lane-based error may be calculated as the difference between the estimated lane-estimated values of the previous sensing data and the current sensing data, respectively.
아울러, 본 발명의 일 실시 예에 따른 주행 차선 확인 방법은 주행 중인 자차의 차선 추정과 관련된 센싱 데이터를 획득하는 복수개의 센서에 대한 우선순위를 확인하는 단계, 상기 우선순위에 의거하여 상기 센싱 데이터를 분석하는 단계, 상기 센싱 데이터 분석결과로 상기 센서에 대한 신뢰도 및 차선 오인지 확률을 확인하는 단계, 상기 확인결과에 기반하여 상기 자차의 차선을 추정하는 단계를 포함할 수 있다.According to another aspect of the present invention, there is provided a driving lane identifying method comprising: confirming a priority of a plurality of sensors for acquiring sensing data related to lane estimation of a driving vehicle; Analyzing the sensed data, confirming the reliability of the sensor and the probability of lane recognition as a result of the sensing data analysis, and estimating the lane of the vehicle based on the confirmation result.
또한, 상기 자차의 차선을 추정하는 단계는 상기 우선순위가 가장 마지막인 레이저 센서의 신뢰도가 임계치 이상이면 상기 레이저 센서에서 획득된 센싱 데이터를 분석하여 상기 자차의 주변 차량에 대한 주행 궤적을 통해 상기 자차의 차선을 추정하는 단계, 상기 우선순위가 가장 마지막인 레이저 센서의 신뢰도가 임계치 미만이면 상기 레이저 센서에서 획득된 센싱 데이터를 분석하여 상기 자차의 선행 차량에 대한 주행 궤적을 통해 상기 자차의 차선을 추정하는 단계를 포함할 수 있다.The step of estimating the lane of the vehicle may further include analyzing sensing data obtained by the laser sensor when the reliability of the laser sensor having the last priority is equal to or greater than a threshold value, Estimating the lane of the vehicle through the trajectory of the preceding vehicle by analyzing the sensed data obtained by the laser sensor if the reliability of the laser sensor having the last priority is less than the threshold, .
또한, 상기 자차의 차선을 추정하는 단계는 상기 레이저 센서의 신뢰도가 임계치 이상이고, 상기 주변 차량에 대한 주행 궤적 확인 결과, 상기 차선 오인지 확률이 임계치 이상이면 상기 레이저 센서에서 획득된 센싱 데이터를 분석하여 상기 자차의 선행 차량에 대한 주행 궤적을 통해 상기 자차의 차선을 추정하는 단계일 수 있다. The step of estimating the lane of the vehicle may further include analyzing the sensing data obtained by the laser sensor when the reliability of the laser sensor is equal to or greater than the threshold value and the probability of the lane- And estimating a lane of the preceding vehicle through the trajectory of the preceding vehicle with respect to the preceding vehicle.
또한, 상기 자차의 차선을 추정하는 단계는 상기 레이저 센서에서 획득되는 센싱 데이터를 이용하여 상기 선행 차량에 대한 주행 궤적을 확인하고, 상기 주행 궤적을 상기 차선의 중심선으로 확인하여 상기 자차의 차선을 추정하는 단계일 수 있다. The step of estimating the lane of the vehicle may include the steps of identifying a driving trajectory of the preceding vehicle using the sensing data obtained by the laser sensor and estimating a lane of the vehicle by identifying the driving trajectory as a center line of the lane, Lt; / RTI >
또한, 상기 차선 오인지 확률을 확인하는 단계는 상기 자차가 주행 중인 도로에 대한 차선 예측값과, 상기 센싱 데이터의 분석을 통해 산출된 차선 추정값의 차이로 상기 차선 오인지 확률을 확인하는 단계일 수 있다. Also, the step of checking the probability of lane-finding may be a step of checking the probability that the lane is in the lane on the basis of the difference between the lane estimation value for the road on which the vehicle is traveling and the lane estimation value calculated through analysis of the sensing data .
또한, 상기 차선 오인지 확률을 확인하는 단계는 이전 센싱 데이터와 현재 센싱 데이터에서 각각 추정된 차선 추정값의 차이로 상기 차선 오인지 확률을 확인하는 단계일 수 있다. Also, the step of checking the probability of lane-finding may be a step of checking the probability of the lane of sight by the difference between the estimated lane-estimated values of the previous sensing data and the current sensing data, respectively.
상술한 바와 같이 본 발명은 주행 차선 확인 장치 및 방법에 관한 것으로, 차량에 구비된 복수개의 센서에 할당된 우선순위 및 복수개의 센서에 대한 신뢰도를 기반으로 주행 중인 자차의 차선을 보다 정확하게 추정할 수 있다. As described above, the present invention relates to an apparatus and method for identifying a driving lane, and more particularly, it is possible to accurately estimate a lane of a driving vehicle on the basis of a priority assigned to a plurality of sensors provided in a vehicle, have.
도 1은 본 발명의 일 실시 예에 따른 주행 차선 확인 장치의 주요 구성을 나타내는 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 영상데이터에 기반한 주행 차선 추정을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시 예에 따른 연속되는 영상데이터에 기반한 주행 차선 추정을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시 예에 따른 레이저 데이터에 기반한 주행 차선 추정을 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시 예에 따른 연속되는 레이저 데이터에 기반한 주행 차선 추정을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시 예에 따른 자차의 선행 차량에 대한 주행궤적을 이용한 주행 차선 추정을 설명하기 위한 도면이다.
도 7은 본 발명의 실시 예에 따른 주행 차선 확인 방법을 설명하기 위한 순서도이다. 1 is a block diagram showing a main configuration of a driving lane checking apparatus according to an embodiment of the present invention.
2 is a diagram for explaining a driving lane estimation based on image data according to an embodiment of the present invention.
3 is a diagram for explaining a driving lane estimation based on continuous image data according to an embodiment of the present invention.
4 is a view for explaining a driving lane estimation based on laser data according to an embodiment of the present invention.
5 is a view for explaining a driving lane estimation based on continuous laser data according to an embodiment of the present invention.
6 is a view for explaining a driving lane estimation using a trajectory of a preceding vehicle of a vehicle according to an embodiment of the present invention.
7 is a flowchart illustrating a method of identifying a driving lane according to an embodiment of the present invention.
이하, 본 발명의 다양한 실시 예가 첨부된 도면과 연관되어 기재된다. 본 발명의 다양한 실시 예는 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들이 도면에 예시되고 관련된 상세한 설명이 기재되어 있다. 그러나, 이는 본 발명의 다양한 실시 예를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 다양한 실시 예의 사상 및 기술 범위에 포함되는 모든 변경 및/또는 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용되었다.
Best Mode for Carrying Out the Invention Various embodiments of the present invention will be described below with reference to the accompanying drawings. The various embodiments of the present invention are capable of various changes and may have various embodiments, and specific embodiments are illustrated in the drawings and the detailed description is described with reference to the drawings. It should be understood, however, that it is not intended to limit the various embodiments of the invention to the specific embodiments, but includes all changes and / or equivalents and alternatives falling within the spirit and scope of the various embodiments of the invention. In connection with the description of the drawings, like reference numerals have been used for like elements.
도 1은 본 발명의 일 실시 예에 따른 주행 차선 확인 장치의 주요 구성을 나타내는 블록도이다. 도 2는 본 발명의 일 실시 예에 따른 영상데이터에 기반한 주행 차선 추정을 설명하기 위한 도면이다. 도 3은 본 발명의 일 실시 예에 따른 연속되는 영상데이터에 기반한 주행 차선 추정을 설명하기 위한 도면이다. 도 4는 본 발명의 일 실시 예에 따른 레이저 데이터에 기반한 주행 차선 추정을 설명하기 위한 도면이다. 도 5는 본 발명의 일 실시 예에 따른 연속되는 레이저 데이터에 기반한 주행 차선 추정을 설명하기 위한 도면이다. 도 6은 본 발명의 일 실시 예에 따른 자차의 선행 차량에 대한 주행궤적을 이용한 주행 차선 추정을 설명하기 위한 도면이다. 1 is a block diagram showing a main configuration of a driving lane checking apparatus according to an embodiment of the present invention. 2 is a diagram for explaining a driving lane estimation based on image data according to an embodiment of the present invention. 3 is a diagram for explaining a driving lane estimation based on continuous image data according to an embodiment of the present invention. 4 is a view for explaining a driving lane estimation based on laser data according to an embodiment of the present invention. 5 is a view for explaining a driving lane estimation based on continuous laser data according to an embodiment of the present invention. 6 is a view for explaining a driving lane estimation using a trajectory of a preceding vehicle of a vehicle according to an embodiment of the present invention.
도 1 내지 도 6을 참조하면, 본 발명에 따른 차선확인장치(100)는 통신모듈(110), 센서모듈(120), 입력모듈(130), 출력모듈(140), 메모리(150) 및 제어모듈(160)을 포함할 수 있다. 주행 중인 자차의 차선 추정을 위해 센서모듈(120)은 이미지 센서(121) 및 레이저 센서(122)를 포함할 수 있고, 제어모듈(160)은 우선순위관리부(161), 신뢰도관리부(162) 및 차선추정부(163)를 포함할 수 있다. 1 to 6, a
통신모듈(110)은 센서모듈(120), 입력모듈(130), 출력모듈(140), 메모리(150) 및 제어모듈(160) 사이의 통신을 위해 CAN(Controller Area Network), CAN-FD(CAN with Flexible Data rate), FlexRay, MOST(Media Oriented Systems Transport), TT Ethernet(Time Triggered Ethernet) 등의 다양한 차량 내 통신을 수행할 수 있다.The
센서모듈(120)은 자차에 구비되어 주행 중인 자차의 차선을 추정하기 위해 이미지 센서(121) 및 레이저 센서(122)를 구비할 수 있다. 이때, 이미지 센서(121)는 카메라일 수 있다. 레이저 센서(122)는 LiDAR(LIght Detection And Ranging)센서로, 레이저 레이더일 수 있다. 레이저 센서(122)는 레이저 광선을 조사하는 센서일 수 있다. 아울러, 센서모듈(120)는 주행 중인 자차의 위치를 확인할 수 있는 GPS(Global Positioning System)센서를 포함할 수 있다. The
이미지 센서(121)는 주행 중인 차량의 차선에 대한 이미지 데이터를 획득할 수 있도록 자차의 전방에 구비될 수 있으며, 획득된 이미지 데이터를 제어모듈(160)로 제공할 수 있다. 레이저 센서(122)는 주행 중인 자차의 전방에 존재하는 오브젝트 예컨대, 타 차량, 가드레일 등을 확인하여 차선을 추정할 수 있도록 자차의 전방에 구비될 수 있으며, 획득된 레이저 데이터를 제어모듈(160)로 제공할 수 있다. 이때, 레이저 데이터는 레이저 센서(122)에서 조사된 레이저 관성이 임의의 오브젝트에 의해 반사되는 반사광을 의미할 수 있다. The image sensor 121 may be provided in front of the vehicle so as to acquire image data of the lane of the vehicle while driving, and may provide the acquired image data to the
본 발명의 실시 예에서는 센서모듈(120)이 이미지 센서(121)와 레이저 센서(122)를 포함하는 것으로 기재하고 있으나, 반드시 이에 한정되는 것은 아니며, 다양한 종류의 센서를 추가적으로 포함할 수 있다. In the embodiment of the present invention, the
입력모듈(130)은 외부로부터의 입력에 따른 제어신호를 생성할 수 있다. 특히, 입력모듈(130)은 차량의 시동 온(ON) 시에 자차가 주행하는 차선을 추정할 수 있는 차선 추정모드 활성화를 설정하기 위한 신호를 생성하여 제어모듈(160)로 제공할 수 있다. 이를 위해, 입력모듈(130)은 키패드, 터치패드, 터치스크린 등의 입력장치로 형성될 수 있으며, 입력모듈(130)이 터치스크린으로 형성된 경우, 출력모듈(140)의 기능도 동시에 수행할 수 있다. The
출력모듈(140)은 차선확인장치(100)에서 수행되는 동작을 출력할 수 있다. 이를 위해, 출력모듈(140)은 LCD, 터치스크린 등의 출력장치(미도시)를 포함할 수 있고, 차선확인장치(100)에서 발생되는 경고 메시지 등의 알람을 출력하기 위한 스피커(SPK)를 포함할 수 있다. The
메모리(150)는 차선확인장치(100)를 동작시키기 위한 프로그램 등을 저장할 수 있다. 메모리(150)는 센서모듈(120)에 포함된 이미지 센서(121) 및 레이저 센서(122)에 대한 우선순위를 저장할 수 있다. 메모리(150)는 이미지 센서(121) 및 레이저 센서(122)에서 임계시간 동안 획득되는 이미지 데이터 및 레이저 데이터를 순차적으로 저장할 수 있다. The
제어모듈(160)은 센서모듈(120)에 포함된 복수개의 센서에 대한 우선순위, 신뢰도 및 차선 오인지 확률을 확인할 수 있다. 제어모듈(160)은 확인된 우선순위, 신뢰도 및 차선 오인지 확률에 기반하여 주행 중인 자차의 차선을 추정할 수 있다. The
우선순위관리부(161)는 자차의 차선 추정모드가 활성화됨이 확인되면, 자차에 구비된 복수개의 센서에 대한 우선순위를 확인할 수 있다. 이때, 우선순위는 메모리(150)에 기 저장될 수 있고, 사용자에 의해 설정될 수 있다. The priority management unit 161 can confirm the priorities of the plurality of sensors provided in the vehicle when the lane estimation mode of the vehicle is confirmed to be activated. At this time, the priority order may be stored in the
신뢰도관리부(162)는 이미지 센서(121)의 신뢰도를 확인할 수 있다. 신뢰도관리부(162)는 이미지 센서(121)의 신뢰도가 임계치 이상이면 이미지 센서(121)에서 획득된 이미지 데이터를 이용하여 자차의 차선을 추정할 수 있고, 신뢰도가 임계치 미만이면, 레이저 센서(122)에서 획득된 레이저 데이터를 이용하여 자차의 차선을 추정할 수 있다. 또한, 신뢰도관리부(162)는 도 2에서와 같이 자차가 주행 중인 도로에 대한 차선 예측값과, 이미지 데이터의 분석을 통해 산출된 차선 추정값의 차이로 차선 오인지 확률을 확인할 수 있다. 도 2 내지 도 6에 도시된 θ는 자차에서 센싱할 수 있는 범위에 대한 각도를 의미할 수 있고, a는 자차에서 센싱된 범위 내에 존재하는 오브젝트 예컨대, 타 차량 및 가드레일 등을 의미할 수 있다. The reliability management unit 162 can confirm the reliability of the image sensor 121. [ The reliability management unit 162 can estimate the lane of the vehicle using the image data acquired by the image sensor 121 if the reliability of the image sensor 121 is equal to or greater than the threshold, The lane of the vehicle can be estimated using the laser data obtained in the step S11. Also, as shown in FIG. 2, the reliability management unit 162 can check the probability that the lane is in the lane due to the difference between the lane predicted value for the road on which the vehicle is traveling and the lane estimated value calculated through analysis of the image data. 2 to 6 may denote an angle with respect to a range that can be sensed by the vehicle, and a may denote an object existing in a range sensed by the vehicle, for example, a vehicle, a guardrail, or the like .
신뢰도관리부(162)는 우선순위관리부(161)에서 확인된 우선순위에 기반하여 우선순위가 1로 설정된 센서 예컨대, 이미지 센서(121)에 대한 신뢰도를 확인할 수 있다. 신뢰도관리부(162)는 이미지 센서(121)에서 획득된 센싱 데이터인 이미지 데이터를 분석하여 이미지 센서(121)의 신뢰도를 확인할 수 있다. 일 실시 예에 따르면, 신뢰도관리부(162)는 이미지 데이터 분석결과, 이미지 데이터에서 차선에 대한 색상, 채도 및 명도 등이 임계치 이상 예컨대, 70% 이상으로 확인되면 이미지 센서(121)의 신뢰도가 임계치 이상인 것으로 확인할 수 있다. 이미지 센서(121)의 신뢰도가 임계치 이상이라 하더라도, 주행 차선 확인의 정확도 향상을 위해 신뢰도관리부(162)는 차선 오인지 확률을 확인할 수 있다. The reliability management unit 162 may check the reliability of the sensor, for example, the image sensor 121, whose priority is set to 1 based on the priority determined by the priority management unit 161. [ The reliability management unit 162 may analyze the image data, which is the sensing data obtained by the image sensor 121, to check the reliability of the image sensor 121. [ According to one embodiment, when the reliability of the image sensor 121 is equal to or higher than the threshold value, for example, when the color, saturation, and brightness of the lane in the image data are more than the threshold value, . Even if the reliability of the image sensor 121 is equal to or higher than the threshold, the reliability management unit 162 can check the probability of lane-keeping to improve the accuracy of the checking of the driving lane.
신뢰도관리부(162)는 도 3의 (a)와 같이 자차가 주행 중인 도로에 대한 이전(t-1) 이미지 데이터와 도 3의 (b)와 같이 자차가 주행 중인 도로에 대한 현재(t) 이미지 데이터에서 확인된 차선의 차이가 임계치 이상 발생하면 차선 오인지가 발생될 수 있음을 확인할 수 있다. 신뢰도관리부(162)는 이미지 센서(121)의 신뢰도가 임계치 이상이고, 차선 오인지 확률이 임계치 미만이면 차선추정부(163)를 호출할 수 있다. 차선추정부(163)는 이미지 센서(121)에서 획득된 이미지 데이터를 출력모듈(140)에 출력할 수 있다. The reliability management unit 162 stores the previous (t-1) image data for the road on which the vehicle is traveling and the current (t) image for the road on which the vehicle is traveling, as shown in FIG. 3 (b) It can be confirmed that a lane departure may be generated when the difference between the lanes detected in the data exceeds the threshold value. The reliability management unit 162 can call the
신뢰도관리부(162)는 이미지 데이터에 대한 차선 오인지 확률이 임계치 이상이면 우선순위관리부(161)에서 확인된 우선순위에 기반하여 우선순위가 2로 설정된 센서 예컨대, 레이저 센서(122)에 대한 신뢰도를 확인할 수 있다. The reliability management unit 162 determines the reliability of the sensor, for example, the laser sensor 122 whose priority is set to 2, based on the priority determined by the priority management unit 161, if the probability of the lane- Can be confirmed.
신뢰도관리부(162)는 레이저 센서(122)에서 획득된 센싱 데이터인 레이저 데이터를 분석하여 레이저 센서(122)의 신뢰도를 확인할 수 있다. 일 실시 예에 따르면, 신뢰도관리부(162)는 레이저 데이터 분석결과, 레이저 데이터에서 자차의 주변에 위치하는 타 차량(예컨대, 주변 차량) 및 가드레일 등이 확인되면 레이저 센서(122)의 신뢰도가 임계치 이상인 것으로 확인할 수 있다.The reliability management unit 162 may analyze the laser data, which is the sensing data obtained by the laser sensor 122, to confirm the reliability of the laser sensor 122. [ According to one embodiment, when the reliability of the laser sensor 122 is determined to be less than the threshold value (e.g., Or more.
신뢰도관리부(162)는 레이저 센서(122)의 신뢰도가 임계치 이상이면, 레이저 데이터를 분석할 수 있다. 신뢰도관리부(162)는 레이저 데이터의 분석을 통해 자차의 주변 차량에 대한 위치 및 주행궤적을 추출하여 주변 차량의 궤적을 추정할 수 있다. 신뢰도관리부(162)는 추정된 주변 차량의 궤적을 이용하여 분석결과에 따른 차선의 오인지 확률을 확인할 수 있다. 신뢰도관리부(162)는 도 4에서와 같이 자차가 주행 중인 도로에 대한 차선 예측값과, 레이저 데이터의 분석을 통해 산출된 차선 추정값의 차이로 차선 오인지 확률을 확인할 수 있다. 이때, 신뢰도관리부(162)는 주변 차량의 주행궤적 및 가드레일의 형태 등을 이용하여 차선의 형태 예컨대, 곡률 및 기울기를 추정할 수 있고, 주변 차량의 주행궤적 및 가드레일의 위치를 이용하여 차선의 형태 예컨대, 좌우 옵셋을 추정할 수 있다. 신뢰도관리부(162)는 레이저 데이터의 분석을 통해 예측된 차선 예측값과 주변 차량 및 가드레일에 의해 추정된 차선 추정값을 이용하여 차선 오인지 확률을 확인할 수 있다. 신뢰도관리부(162)는 차선 오인지 확률이 임계치 미만이면 차선추정부(163)를 호출할 수 있다. 차선추정부(163)는 레이저 데이터에 대한 분석결과에 대응되는 차선을 자차가 주행 중인 차선으로 추정하여 이를 출력모듈(140)에 출력할 수 있다.The reliability management unit 162 can analyze the laser data if the reliability of the laser sensor 122 is equal to or greater than the threshold value. The reliability management unit 162 can estimate the trajectory of the surrounding vehicle by extracting the position and the running trajectory of the subject vehicle with respect to the surrounding vehicle through the analysis of the laser data. The reliability management unit 162 can check the probability of the lane according to the analysis result by using the trajectory of the estimated neighboring vehicle. The reliability management unit 162 can check the probability that the lane is in the lane due to the difference between the lane predicted value for the road on which the vehicle is traveling and the lane estimated value calculated through analysis of the laser data as shown in FIG. At this time, the reliability management unit 162 can estimate the shape of the lane, for example, the curvature and the slope, using the trajectory of the surrounding vehicle and the shape of the guard rail, For example, a left-right offset can be estimated. The reliability management unit 162 can check the probability of the lane of the lane by using the lane predicted value predicted through the analysis of the laser data and the lane estimated value estimated by the neighboring vehicle and the guard rail. The reliability management unit 162 can call the
신뢰도관리부(162)는 이미지 센서(121)와 레이저 센서(122)에 대한 신뢰도가 임계치 미만이거나, 레이저 데이터 분석결과에 따른 차선 오인지 확률이 임계치 이상이면 도 6에서와 같이 레이저 데이터를 이용하여 자차의 전방에 존재하는 선행차량의 궤적으로부터 주행 중인 자차의 차선을 추정할 수 있도록 차선추정부(163)를 호출할 수 있다. 차선추정부(163)는 레이저 데이터를 통한 선행차량의 궤적추정이 불가능하면 주행 중인 차선의 추정이 불가능함을 알리는 메시지를 출력모듈(140)을 통해 출력할 수 있다. 6, when the reliability of the image sensor 121 and the laser sensor 122 is less than the threshold or the probability of the lane-finding according to the result of the laser data analysis is more than the threshold value, the reliability management unit 162 uses the laser data, It is possible to call the
차선추정부(163)는 선행차량의 궤적과 자차의 이동경로를 지속적으로 확인하여 자차가 주행 중인 차선을 추정할 수 있다. 차선추정부(163)는 차선인지모델을 이용하여 자차가 주행 중인 차선을 예측할 수 있고, 예측된 차선을 주행 중인 차선인 것으로 추정할 수 있다. 일 실시 예에 따르면, 차선추정부(163)는 이전 시점(t-1)에 추정한 선행 차량에 대한 차선 정보(도로의 곡률, 차량 조향각도, 자차의 중심으로 인해 확인되는 도로의 좌우 옵셋)와 현재 시점(t)에 자차의 이동정보(자차의 종방향과 횡방향의 속도, 자차의 요레이트)를 이용할 수 있다. 차선추정부(163)는 시간에 따라 자차가 이동하고, 차선을 고정되어 있다는 것을 전제로 하여 자차의 움직임을 보상함으로써 이전 시점에 추정된 선행 차량에 대한 차선으로 현재 시점에 자차가 주행 중인 차선을 추정할 수 있다. 차선추정부(163)는 선행차량의 주행 궤적을 자차가 주행 중인 차선의 중심선으로 확인할 수 있다. 차선추정부(163)는 상기 중심선을 자차가 주행 중인 차선의 추정 결과로 출력모듈(140)에 출력할 수 있다.
The
도 7은 본 발명의 실시 예에 따른 주행 차선 확인 방법을 설명하기 위한 순서도이다. 7 is a flowchart illustrating a method of identifying a driving lane according to an embodiment of the present invention.
도 1 및 도 7을 참조하면, 11단계에서 제어모듈(160)은 주행 중인 자차의 차선추정모드가 활성화된 상태인지 확인할 수 있다. 제어모듈(160)은 차선 추정모드가 활성화된 상태이면 13단계를 수행하고, 차선 추정모드가 활성화된 상태가 아니면 39단계를 수행할 수 있다. 39단계에서 제어모듈(160)은 차량의 주행 속도, 주행 도로 등의 주행정보를 확인하는 등 해당기능을 수행할 수 있다. Referring to FIGS. 1 and 7, in
13단계에서 제어모듈(160)은 자차에 구비된 복수의 센서 예컨대, 이미지 센서(121)와 레이저 센서(122)의 우선순위를 확인할 수 있다. 일 실시 예에 따르면, 제어모듈(160)은 메모리(150)에 기 설정된 센서의 우선순위를 확인할 수 있다. 예컨대, 이미지 센서(121)의 기 설정된 우선순위가 1이고, 레이저 센서(122)의 기 설정된 우선순위가 2일 수 있다. In
15단계에서 제어모듈(160)은 우선순위가 1인 이미지 센서(121)에서 획득된 센싱 데이터 예컨대, 이미지 데이터를 분석할 수 있다. 17단계에서 제어모듈(160)은 분석결과에 따른 이미지 센서(121)의 신뢰도를 확인할 수 있다. 일 실시 예에 따르면, 제어모듈(160)은 이미지 데이터 분석결과, 이미지 데이터에서 차선에 대한 색상, 채도 및 명도 등이 예컨대, 70% 이상으로 산출되면 이미지 센서(121)의 신뢰도가 임계치 이상인 것으로 확인할 수 있다. 제어모듈(160)은 이미지 센서(121)의 신뢰도가 임계치 이상이면 19단계를 수행할 수 있고, 신뢰도가 임계치 미만이면 21단계를 수행할 수 있다. 19단계에서 제어모듈(160)은 이미지 데이터의 분석을 통해 이전(t-1) 이미지 데이터와 현재(t) 이미지 데이터에서 각각 추정된 차선 추정값의 차이로 차선 오인지 확률을 확인할 수 있다. 19단계의 확인결과, 차선 오인지 확률이 임계치 이상이면 제어모듈(160)은 21단계를 수행하고, 차선 오인지 확률이 임계치 미만이면 35단계를 수행할 수 있다. In
21단계에서 제어모듈(160)은 우선순위가 2인 레이저 센서(122)에서 획득된 센싱 데이터 예컨대, 레이저 데이터를 분석할 수 있다. 21단계에서 제어모듈(160)은 분석결과에 따른 레이저 센서(122)의 신뢰도를 확인할 수 있다. 제어모듈(160)은 레이저 센서(122)의 신뢰도가 임계치 이상이면 25단계를 수행하고, 신뢰도가 임계치 미만이면 29단계를 수행할 수 있다. 25단계에서 제어모듈(160)은 레이저 데이터로부터 주변 차량을 추출하여 주변 차량의 궤적을 추정할 수 있다. 이때, 제어모듈(160)은 레이저 데이터 분석결과, 자차의 주변에 위치하는 주변 차량 및 가드레일 등이 확인되고, 주변 차량의 위치 및 주행궤적의 추출이 가능하면 레이저 센서(122)의 신뢰도가 임계치 이상인 것으로 확인할 수 있다.In
27단계에서 제어모듈(160)은 추정된 차선의 오인지 확률을 확인하여 차선 오인지 확률이 임계치 미만이면 35단계를 수행할 수 있고, 차선 오인지 확률이 임계치 이상이면 27단계를 수행할 수 있다. 일 실시 예에 따르면, 제어모듈(160)은 자차가 주행 중인 도로에 대한 차선 예측값과, 레이저 데이터의 분석을 통해 산출된 차선 추정값의 차이로 차선 오인지 확률을 확인할 수 있다. 제어모듈(160)은 이전(t-1) 센싱 데이터와 현재(t) 레이저 데이터에서 각각 추정된 차선 추정값의 차이로 차선 오인지 확률을 확인할 수 있다. In
29단계에서 제어모듈(160)은 레이저 데이터로부터 선행 차량을 추출하여 선행 차량의 궤적을 추정할 수 있다. 31단계에서 제어모듈(160)은 레이저 센서(122)에서 획득된 레이저 데이터를 이용하여 자차에 대한 선행차량의 궤적 추정이 가능한 것으로 확인되면 33단계를 수행하고, 선행차량의 궤적 추정이 불가능하면 37단계로 진행하여 주행 중인 차선의 추정이 불가능함을 알리는 메시지를 출력모듈(140)에 출력할 수 있다. In
33단계에서 제어모듈(160)은 자차의 선행차량에 대한 주행 궤적을 지속적으로 확인할 수 있다. 제어모듈(160)은 확인된 주행 궤적을 자차가 주행 중인 차선의 중심선으로 확인하고, 이를 이용하여 자차의 주행 차선을 추정할 수 있다. 자차의 주행 차선 추정이 종료되면 제어모듈(160)은 35단계를 수행할 수 있다. In
35단계에서 제어모듈(160)은 지속적으로 추정된 자차의 주행 차선을 출력모듈(140)에 표시할 수 있다.
In
그리고 본 명세서와 도면에 발명된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것일 뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 따라서 본 발명의 범위는 여기에 발명된 실시 예들 이외에도 본 발명의 기술적 사상을 바탕으로 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.It is to be understood that both the foregoing general description and the following detailed description of the present invention are exemplary and explanatory and are intended to provide further explanation of the invention as claimed. Therefore, the scope of the present invention should be construed as being included in the scope of the present invention without departing from the scope of the present invention.
100: 차선확인장치 110: 통신모듈
120: 센서모듈 121: 이미지 센서
122: 레이저 센서 130: 입력모듈
140: 출력모듈 150: 메모리
160: 제어모듈 161: 우선순위관리부
162: 신뢰도관리부 163: 차선추정부100: lane check device 110: communication module
120: sensor module 121: image sensor
122: laser sensor 130: input module
140: output module 150: memory
160: Control module 161: Priority management section
162: reliability management unit 163:
Claims (13)
상기 복수개의 센서에 대한 우선순위, 신뢰도 및 차선 오인지 확률에 기반하여 주행 중인 자차의 차선을 추정하는 제어모듈;
을 포함하고,
상기 제어모듈은
상기 우선순위가 가장 마지막인 레이저 센서에 대한 신뢰도가 임계치 이상이면 상기 자차의 주변 차량에 대한 주행 궤적을 확인하고, 상기 신뢰도가 임계치 미만이면 상기 자차의 선행 차량에 대한 주행 궤적을 확인하는 주행 차선 확인 장치.A sensor module including a plurality of sensors for obtaining sensing data related to a lane estimation of a driving vehicle;
A control module for estimating a lane of a driving vehicle on the basis of a priority, a reliability and a lane-opening probability of the plurality of sensors;
/ RTI >
The control module
And if the reliability of the laser sensor with the lowest priority is the threshold value or more, checking the driving trajectory of the vehicle with respect to the surrounding vehicle, and if the reliability is less than the threshold, confirming the driving trajectory of the preceding vehicle with respect to the preceding vehicle Device.
상기 센서모듈은
이미지 센서와 레이저 센서를 포함하는 주행 차선 확인 장치. The method according to claim 1,
The sensor module
A driving lane identification device comprising an image sensor and a laser sensor.
상기 제어모듈은
상기 레이저 센서에 대한 신뢰도가 임계치 이상이고, 상기 주변 차량에 대한 주행 궤적 확인 결과, 상기 차선 오인지 확률이 임계치 이상이면 상기 자차의 선행 차량에 대한 주행 궤적을 확인하는 주행 차선 확인 장치. The method according to claim 1,
The control module
Wherein if the reliability of the laser sensor is equal to or greater than a threshold value and the probability of the lane departure is greater than or equal to a threshold value as a result of checking the trajectory of the surrounding vehicle,
상기 제어모듈은
상기 레이저 센서에서 획득되는 센싱 데이터를 이용하여 상기 선행 차량에 대한 주행 궤적을 확인하고, 상기 주행 궤적을 상기 차선의 중심선으로 확인하는 주행 차선 확인 장치. 5. The method of claim 4,
The control module
And confirms the running locus for the preceding vehicle by using the sensing data obtained from the laser sensor and confirms the running locus as the center line of the lane.
상기 차선 오인지 확률은
상기 자차가 주행 중인 도로에 대한 차선 예측값과, 상기 센싱 데이터의 분석을 통해 산출된 차선 추정값의 차이로 산출되는 주행 차선 확인 장치. The method according to claim 1,
The probability of the lane error is
Wherein the driving lane determination device calculates the difference between a lane predicted value for the road on which the vehicle is traveling and a lane estimation value calculated through analysis of the sensing data.
상기 차선 오인지 확률은
이전 센싱 데이터와 현재 센싱 데이터에서 각각 추정된 차선 추정값의 차이로 산출되는 주행 차선 확인 장치. The method according to claim 1,
The probability of the lane error is
Wherein the difference between the previous sensing data and the current sensing data is calculated as a difference between estimated lane estimates.
상기 우선순위에 의거하여 상기 센싱 데이터를 분석하는 단계;
상기 센싱 데이터 분석결과로 상기 센서에 대한 신뢰도 및 차선 오인지 확률을 확인하는 단계;
상기 확인결과에 기반하여 상기 자차의 차선을 추정하는 단계;
를 포함하고,
상기 자차의 차선을 추정하는 단계는
상기 우선순위가 가장 마지막인 레이저 센서의 신뢰도가 임계치 이상이면 상기 레이저 센서에서 획득된 센싱 데이터를 분석하여 상기 자차의 주변 차량에 대한 주행 궤적을 통해 상기 자차의 차선을 추정하는 단계;
상기 우선순위가 가장 마지막인 레이저 센서의 신뢰도가 임계치 미만이면 상기 레이저 센서에서 획득된 센싱 데이터를 분석하여 상기 자차의 선행 차량에 대한 주행 궤적을 통해 상기 자차의 차선을 추정하는 단계;
를 포함하는 주행 차선 확인 방법. Confirming a priority of a plurality of sensors for acquiring sensing data related to lane estimation of a driving vehicle;
Analyzing the sensing data based on the priority;
Confirming the reliability of the sensor and the probability of lane error as a result of the sensing data analysis;
Estimating a lane of the vehicle based on the check result;
Lt; / RTI >
The step of estimating the lane of the vehicle
Analyzing sensing data obtained from the laser sensor when the reliability of the laser sensor having the latest priority is greater than a threshold, and estimating a lane of the vehicle through a trajectory of the vehicle;
Analyzing sensing data obtained from the laser sensor when the reliability of the laser sensor having the latest priority is less than a threshold value, and estimating a lane of the vehicle through a trajectory of the preceding vehicle;
Of the vehicle.
상기 자차의 차선을 추정하는 단계는
상기 레이저 센서의 신뢰도가 임계치 이상이고, 상기 주변 차량에 대한 주행 궤적 확인 결과, 상기 차선 오인지 확률이 임계치 이상이면 상기 레이저 센서에서 획득된 센싱 데이터를 분석하여 상기 자차의 선행 차량에 대한 주행 궤적을 통해 상기 자차의 차선을 추정하는 단계인 주행 차선 확인 방법. 9. The method of claim 8,
The step of estimating the lane of the vehicle
If the reliability of the laser sensor is equal to or greater than a threshold value and the probability of lane recognition is greater than or equal to a threshold value as a result of checking the trajectory of the preceding vehicle and analyzing the sensing data obtained by the laser sensor, And estimating a lane of the vehicle through the first lane.
상기 자차의 차선을 추정하는 단계는
상기 레이저 센서에서 획득되는 센싱 데이터를 이용하여 상기 선행 차량에 대한 주행 궤적을 확인하고, 상기 주행 궤적을 상기 차선의 중심선으로 확인하여 상기 자차의 차선을 추정하는 단계인 주행 차선 확인 방법. 11. The method of claim 10,
The step of estimating the lane of the vehicle
Determining a driving trajectory for the preceding vehicle by using sensing data obtained from the laser sensor and estimating a lane of the vehicle by identifying the driving trajectory as a center line of the lane.
상기 차선 오인지 확률을 확인하는 단계는
상기 자차가 주행 중인 도로에 대한 차선 예측값과, 상기 센싱 데이터의 분석을 통해 산출된 차선 추정값의 차이로 상기 차선 오인지 확률을 확인하는 단계인 주행 차선 확인 방법. 9. The method of claim 8,
The step of verifying the probability of the lane-
And checking the probability that the lane is in the lane on the basis of a difference between a lane predicted value for the road on which the vehicle is traveling and a lane estimated value calculated through analysis of the sensing data.
상기 차선 오인지 확률을 확인하는 단계는
이전 센싱 데이터와 현재 센싱 데이터에서 각각 추정된 차선 추정값의 차이로 상기 차선 오인지 확률을 확인하는 단계인 주행 차선 확인 방법. 9. The method of claim 8,
The step of verifying the probability of the lane-
And checking the probability of the lane of sight by the difference between the estimated lane values estimated from the previous sensing data and the current sensing data, respectively.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140168725A KR101628547B1 (en) | 2014-11-28 | 2014-11-28 | Apparatus and Method for Checking of Driving Load |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140168725A KR101628547B1 (en) | 2014-11-28 | 2014-11-28 | Apparatus and Method for Checking of Driving Load |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101628547B1 true KR101628547B1 (en) | 2016-06-08 |
Family
ID=56194065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140168725A KR101628547B1 (en) | 2014-11-28 | 2014-11-28 | Apparatus and Method for Checking of Driving Load |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101628547B1 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180126225A (en) * | 2017-05-17 | 2018-11-27 | 주식회사 에스더블유엠 | Method and apparatus for preventing lane departure of vehicle |
KR20180135672A (en) * | 2017-06-13 | 2018-12-21 | 주식회사 만도 | Driving control apparatus and driving control method |
KR20200084949A (en) * | 2018-12-27 | 2020-07-14 | 삼성전자주식회사 | Electronic device and control method thereof |
CN112486158A (en) * | 2019-09-11 | 2021-03-12 | 株式会社东芝 | Position estimation device, moving body control system, position estimation method, and program |
DE102023004409A1 (en) | 2022-11-09 | 2024-05-16 | Mercedes-Benz Group AG | System and method for estimating ego lane based on traffic |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010069921A (en) * | 2008-09-16 | 2010-04-02 | Toyota Motor Corp | Lane recognition device |
JP2013097714A (en) * | 2011-11-04 | 2013-05-20 | Toyota Motor Corp | Lane recognition device |
-
2014
- 2014-11-28 KR KR1020140168725A patent/KR101628547B1/en active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010069921A (en) * | 2008-09-16 | 2010-04-02 | Toyota Motor Corp | Lane recognition device |
JP2013097714A (en) * | 2011-11-04 | 2013-05-20 | Toyota Motor Corp | Lane recognition device |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20180126225A (en) * | 2017-05-17 | 2018-11-27 | 주식회사 에스더블유엠 | Method and apparatus for preventing lane departure of vehicle |
KR102028394B1 (en) * | 2017-05-17 | 2019-10-04 | (주)에스더블유엠 | Method and apparatus for preventing lane departure of vehicle |
KR20180135672A (en) * | 2017-06-13 | 2018-12-21 | 주식회사 만도 | Driving control apparatus and driving control method |
KR102317546B1 (en) * | 2017-06-13 | 2021-10-27 | 주식회사 만도모빌리티솔루션즈 | Driving control apparatus and driving control method |
KR20200084949A (en) * | 2018-12-27 | 2020-07-14 | 삼성전자주식회사 | Electronic device and control method thereof |
KR102555374B1 (en) | 2018-12-27 | 2023-07-14 | 삼성전자주식회사 | Electronic device and control method thereof |
US11932274B2 (en) | 2018-12-27 | 2024-03-19 | Samsung Electronics Co., Ltd. | Electronic device and control method therefor |
CN112486158A (en) * | 2019-09-11 | 2021-03-12 | 株式会社东芝 | Position estimation device, moving body control system, position estimation method, and program |
DE102023004409A1 (en) | 2022-11-09 | 2024-05-16 | Mercedes-Benz Group AG | System and method for estimating ego lane based on traffic |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9132837B2 (en) | Method and device for estimating the number of lanes and/or the lane width on a roadway | |
US10032085B2 (en) | Method and system to identify traffic lights by an autonomous vehicle | |
US9278691B1 (en) | Vehicle lane departure system based on magnetic field flux detection | |
US10276040B2 (en) | Method for tracking a target vehicle approaching a motor vehicle by means of a camera system of the motor vehicle, camera system and motor vehicle | |
US11740093B2 (en) | Lane marking localization and fusion | |
JP5971341B2 (en) | Object detection device and driving support device | |
CN112074885A (en) | Lane sign positioning | |
KR101628547B1 (en) | Apparatus and Method for Checking of Driving Load | |
US10369993B2 (en) | Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free | |
US20080291276A1 (en) | Method for Driver Assistance and Driver Assistance Device on the Basis of Lane Information | |
JP2013225295A5 (en) | ||
JP2013225295A (en) | Collision warning system taking azimuth information into consideration | |
US20150307023A1 (en) | False warning reduction using location data | |
US9470537B2 (en) | Accurate position determination near exit lanes | |
JP2008123462A (en) | Object detector | |
KR20180080391A (en) | Jaywalking pedestrian accident prevention system using v2x communication | |
KR20130007243A (en) | Method and system for warning forward collision using camera | |
KR20160071161A (en) | Apparatus and Method for Prevention of Collision | |
CN109212572B (en) | Positioning drift detection method, device and equipment and computer readable storage medium | |
US11238731B2 (en) | Method and device for detecting the passage of a motor vehicle through a road sign gantry | |
KR102428765B1 (en) | Autonomous driving vehicle navigation system using the tunnel lighting | |
CN108028017A (en) | Method for distinguishing real obstruction and false barrier in the driver assistance system of motor vehicle | |
JP2013173416A (en) | Vehicle traveling support device | |
KR101249366B1 (en) | Apparatus for detecting lane and control method of it | |
CN113335311B (en) | Vehicle collision detection method and device, vehicle and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20190528 Year of fee payment: 4 |