KR101733880B1 - 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법 - Google Patents

비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법 Download PDF

Info

Publication number
KR101733880B1
KR101733880B1 KR1020150133863A KR20150133863A KR101733880B1 KR 101733880 B1 KR101733880 B1 KR 101733880B1 KR 1020150133863 A KR1020150133863 A KR 1020150133863A KR 20150133863 A KR20150133863 A KR 20150133863A KR 101733880 B1 KR101733880 B1 KR 101733880B1
Authority
KR
South Korea
Prior art keywords
vehicle
tire
estimating
model
longitudinal
Prior art date
Application number
KR1020150133863A
Other languages
English (en)
Other versions
KR20170035142A (ko
Inventor
김병우
윤재우
Original Assignee
울산대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 울산대학교 산학협력단 filed Critical 울산대학교 산학협력단
Priority to KR1020150133863A priority Critical patent/KR101733880B1/ko
Publication of KR20170035142A publication Critical patent/KR20170035142A/ko
Application granted granted Critical
Publication of KR101733880B1 publication Critical patent/KR101733880B1/ko

Links

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
    • B60W40/12—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 parameters of the vehicle itself, e.g. tyre models
    • 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
    • B60W40/10—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 vehicle motion
    • 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
    • B60W40/10—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 vehicle motion
    • B60W40/101—Side slip angle of tyre
    • 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
    • B60W40/10—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 vehicle motion
    • B60W40/105—Speed
    • 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
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B60W2050/0052—Filtering, filters
    • B60W2050/0078—
    • 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
    • B60W2422/00—Indexing codes relating to the special location or mounting of sensors
    • B60W2422/70—Indexing codes relating to the special location or mounting of sensors on the wheel or the tire

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

본 명세서는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법에 관한 것으로서, 본 명세서의 실시 예에 따른 비선형 타이어 모델을 이용한 차량의 위치 추정 장치는 차량의 상태 정보를 획득하는 정보 획득부; 차량의 GPS 위치를 측정하는 위치 측정부; 및 상기 획득된 차량의 상태 정보와 상기 측정된 차량의 GPS 위치를 타이어별 슬립각이 반영된 비선형 타이어 모델에 적용하여 차량의 위치를 추정하는 차량 위치 추정부를 포함한다.

Description

비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법{APPARATUS AND METHOD FOR ESTIMATING POSITION OF VEHICLE USING NONLINEAR TIRE MODEL}
본 명세서는 차량의 위치 추정 장치 및 방법에 관한 것으로서, 더욱 상세하게는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법에 관한 것이다.
최근, 운전자의 편의성과 안정성을 향상시키기 위한 운전자 보조 시스템(ADAS, Advanced Driver Assistance System)에 대한 연구가 활발히 이루어지고 있다. 이러한 시스템을 안정적으로 구동하기 위해서는 정확한 차량의 위치정보를 제공해 주는 기술이 필요하다.
일반적으로 차량의 위치정보는 GPS(Global Positioning System)에 의존하고 있다. 하지만, GPS는 위성신호를 사용하기 때문에 주변환경에 의한 위치정보의 신뢰성이 떨어지는 한계점을 갖고 있다. 이러한 한계점을 극복하기 위해 차량 내부의 센서정보와 융합하는 정보융합기술이 많이 연구되고 있다.
추측항법(DR, Dead Reckoning) 기법은 차량에 관성 측정 유닛(IMU, Inertial Measurement Unit)과 GPS 위치정보를 융합하는 방법이다. DR 기법은 연속적으로 정확한 위치정보를 얻을 수 있는 장점이 있지만, 시간에 따라 IMU의 적분 오차가 누적되는 한계가 있다. 이러한 한계를 극복하기 위해 모델기반의 위치 정보융합(Sensor fusion) 알고리즘이 사용되고 있다. 특히, 베이시안 필터(Bayesian filter)를 기반으로 하는, 비선형 모델도 바로 적용할 수 있는 확장 칼만 필터(EKF, Ex-tended Kalman Filter)가 널리 사용되고 있다.
한편, 높은 위치 정확도를 얻기 위해서는 융합 알고리즘도 중요하지만, 차량의 모델 선정도 중요하다. 위치 추정을 위한 차량 모델로는 키너매틱(kinematic) 모델과 동역학(dynamic) 모델이 많이 사용되고 있다. 키너매틱 모델은 차량의 타이어 슬립을 고려하지 않은 간단한 모델로서, 저속 주행 조건(low-speed driving condition)에 사용이 적합하다. 반면, 동역학 모델은 차량의 타이어 슬립을 고려한 복잡한 모델로 고속 주행 조건(high-speed driving condition)에 사용이 적합하다.
차량의 위치를 추정하는 동역학 모델로는 주로 바이시클(bicycle) 모델을 사용하여 연구가 진행되어 왔다. 바이시클 모델은 2개 바퀴인 이륜차로 근사화시킨 모델로써, 휠 각(wheel angle)은 차량의 좌측, 우측 앞바퀴 휠 각의 평균값으로 근사화하고, 앞바퀴 힘은 좌측, 우측 앞바퀴 힘의 평균값으로 근사화하고, 뒷바퀴 힘도 좌측, 우측 뒷바퀴 힘의 평균값으로 근사화한다. 이 모델은 4휠 차량 모델(FWVM, Four wheel vehicle model)보다 간단하게 표현되어 연산 속도에 강점을 갖지만, 각 타이어의 슬립각을 반영하지 못하는 한계를 갖는다. 그로 인해 위치 오차가 발생하는 것을 알 수 있다.
또한, 작은 슬립각 상태(small slip angle) 상태로 근사화한 타이어 모델(tire model)을 주로 사용하고 있다. 이 모델을 적용한 차량 동역학 모델(vehicle dynamic model)은 큰 타이어 슬립각(large tire slip angle)인 상태에서 위치 오차가 크게 발생하는 것을 알 수 있다. 따라서, 큰 타이어 슬립각 상태에서도 사용 가능한 타이어 모델 선정이 필요한 상황이다. 비선형성이 강한 타이어는 경험적 방법(empirical method)을 통해 모델링하며, 다양한 타이어 모델이 제안되고 있다. 이러한 비선형 타이어 모델을 이용하여 단지 차량의 속도, 가속도, 슬립각 등에 대한 특성 해석만에만 이용되고 있다.
상기와 같이, 종래의 차량 위치 추정 시스템은 고가의 관성 센서(IMU, Inertial Measurement Unit)와 고가의 DGPS(Differential Global Position System)를 사용하여 추측항법(DR, Dead Reckoning) 알고리즘을 이용하기 때문에, 고가의 관성 센서와 고가의 DGPS가 필수적으로 요구된다. 예를 들어, 위치 오차가 3m 이내인 고정밀의 DGPS가 사용되는 경우에만 정확도가 높아지게 된다.
종래의 차량 위치 추정 시스템은 차량 모델 기반의 정보융합 알고리즘을 사용하고 있지만, 이륜차(Bicycle) 모델로 근사한 모델만을 사용함으로써 정확도가 떨어지게 된다.
또한, 종래의 차량 위치 추정 시스템에서는 비선형성이 강한 타이어 및 도로의 미끄러짐(slip)을 간단하게 근사화시킨 선형모델을 사용하기 때문에 고속 및 과격한 코너링인 주행 상황일 경우 위치오차가 커지게 된다. 일례로, 이러한 종래의 차량 위치 추정 시스템에서의 위치 오차가 평균 3m 이상이 발생하게 된다.
본 명세서의 실시 예들은 차량의 상태 정보와 차량의 GPS 위치를 비선형 타이어 모델이 적용된 4휠 차량 모델(FWVM)을 적용하여 차량의 위치를 추정함으로써, 큰 슬립 각이 발생하는 고속 주행 또는 코너링 상태에서도 높은 정확도의 위치를 추정할 수 있는, 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법을 제공하고자 한다.
구체적으로 살펴보면, 본 명세서의 실시 예들은 이륜차(Bicycle) 모델이 아닌 각 바퀴의 힘을 고려한 4휠 차량 모델(Four Wheel Vehicle Model)를 이용함으로써, 위치 추정의 위치 정밀도를 높일 수 있는, 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법을 제공하고자 한다.
본 명세서의 실시 예들은 타이어 및 도로의 미끄러짐(slip)이 모델링된 비선형 모델(예컨대, 더그오프(Dugoff model))을 이용함으로써, 타이어 및 도로의 미끄러짐(slip)을 정확하게 고려하여 타이어별 종 및 횡 방향의 힘을 정확하게 계산할 수 있는, 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법을 제공하고자 한다.
본 명세서의 실시 예들은 차량에 기본적으로 설치되어 있는 각종 모듈(예컨대, ABS(Anti-lock Brake System), ESC(Electronic Stability Control), EPS(Electric Power Steering))로부터 각 바퀴의 속도, 차량속도 및 가속도, 핸들 각도 등의 차량의 상태 정보들을 차량의 기본 통신망(예컨대, CAN(Controller Area Network) 버스)를 통해 획득하여 위치 추정에 이용함으로써, 추가적인 장치나 부품의 설치 없이도 차량의 위치를 정확하게 추정할 수 있는, 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법을 제공하고자 한다.
본 명세서의 실시 예들은 각종 차량의 상태 정보와 비선형 타이어 모델이 적용된 4휠 차량 모델(FWVM)을 확률적으로 융합하는 확장형 칼만 필터(EKF, Extended Kalman Filter)를 이용함으로써, 고정밀의 DGPS에 비해 위치 오차가 큰 GPS(예컨대, 위치 오차 10m)를 이용하더라도 정확하게 차량의 위치를 추정할 수 있는, 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법을 제공하고자 한다.
본 명세서의 제1 측면에 따르면, 차량의 상태 정보를 획득하는 정보 획득부; 차량의 GPS 위치를 측정하는 위치 측정부; 및 상기 획득된 차량의 상태 정보와 상기 측정된 차량의 GPS 위치를 타이어별 슬립각이 반영된 비선형 타이어 모델에 적용하여 차량의 위치를 추정하는 차량 위치 추정부를 포함하는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치가 제공될 수 있다.
상기 정보 획득부는 차량 내부에서 설치된 센서들로부터 종 및 횡 방향의 가속도, 요 레이트, 각 바퀴의 휠속도 및 조향각을 차량의 상태 정보로 획득할 수 있다.
상기 차량 위치 추정부는 상기 획득된 차량의 상태 정보를 이용하여 타이어별 종 및 횡 방향의 슬립각을 계산하는 슬립각 계산부; 타이어 및 노면의 접촉점에 대한 타이어별 수직 항력을 계산하는 수직 항력 계산부; 상기 계산된 타이어별 종 및 횡 방향의 슬립각과 상기 타이어별 수직 항력을 타이어별 슬립각이 반영된 비선형 타이어 모델에 적용하여 각 타이어의 종 및 횡 방향의 힘을 계산하는 힘 계산부; 및 상기 계산된 각 타이어의 종 및 횡 방향의 힘을 타이어별 힘이 반영된 4휠 차량 모델(FWVM: Four Wheel Vehicle Model)에 적용하여 차량의 위치를 추정하는 위치 추정부를 포함할 수 있다.
상기 슬립각 계산부는 상기 획득된 차량의 상태 정보 중에서 휠 중심에서의 각속도, 타이어 및 노면의 접촉점에 대한 종 및 횡 방향 속도를 이용하여 종 방향의 슬립각을 계산하고, 상기 획득된 차량의 상태 정보 중에서 조향각, 타이어 및 노면의 접촉점에 대한 종 및 횡 방향 속도를 이용하여 횡 방향의 슬립각을 각각 계산할 수 있다.
상기 수직 항력 계산부는 차량의 무게중심으로부터 전륜 및 후륜까지의 길이, 좌륜 및 우륜 간의 너비, 종 및 횡 방향의 가속도를 토크 밸런스를 고려하여 타이어 및 노면의 접촉점에 대한 타이어별 수직 항력을 계산할 수 있다.
상기 차량 위치 추정부는 상기 획득된 차량의 GPS 위치와 4휠 차량 모델로부터 추정한 차량의 위치를 확률적으로 융합하는 확장형 칼만 필터를 기초로 하여 차량의 위치를 추정할 수 있다.
상기 차량 위치 추정부는 k+1번째 시스템 상태와 k+1번째 오류 공분산을 계산하는 시간 업데이트 모듈; 및 상기 획득된 차량의 상태 정보를 이용하여 k번째 상태-추정과 k번째 오류 공분산을 업데이트하는 측정 업데이트 모듈을 더 포함할 수 있다.
상기 시간 업데이트 모듈은 1차 오일러 근사화를 적용하여 차량 동역학 모델을 이산화할 수 있다.
상기 시간 업데이트 모듈은 비선형 시스템 모델의 자코비안으로 매트릭스 A를 계산하고, 상기 계산된 매트릭스 A를 이용하여 k+1번째 오류 공분산을 계산할 수 있다.
상기 측정 업데이트 모듈은 차량의 GPS 위치, 종 및 횡 방향의 가속도, 요 레이트가 포함되어 설정된 측정 모델을 기초로 하여, 매트릭스 H를 자코비안으로 계산하고, 상기 계산된 매트릭스 H로부터 칼만 이득을 계산하여 k번째 상태-추정을 계산할 수 있다.
한편, 본 명세서의 제2 측면에 따르면, 차량의 상태 정보를 획득하는 단계; 차량의 GPS 위치를 측정하는 단계; 및 상기 획득된 차량의 상태 정보와 상기 측정된 차량의 GPS 위치를 타이어별 슬립각이 반영된 비선형 타이어 모델에 적용하여 차량의 위치를 추정하는 단계를 포함하는 비선형 타이어 모델을 이용한 차량의 위치 추정 방법이 제공될 수 있다.
상기 차량의 상태 정보를 획득하는 단계는 차량 내부에서 설치된 센서들로부터 종 및 횡 방향의 가속도, 요 레이트, 각 바퀴의 휠속도 및 조향각을 차량의 상태 정보로 획득할 수 있다.
상기 차량의 위치를 추정하는 단계는 상기 획득된 차량의 상태 정보를 이용하여 타이어별 종 및 횡 방향의 슬립각을 계산하는 단계; 타이어 및 노면의 접촉점에 대한 타이어별 수직 항력을 계산하는 단계; 상기 계산된 타이어별 종 및 횡 방향의 슬립각과 상기 타이어별 수직 항력을 타이어별 슬립각이 반영된 비선형 타이어 모델에 적용하여 각 타이어의 종 및 횡 방향의 힘을 계산하는 단계; 및 상기 계산된 각 타이어의 종 및 횡 방향의 힘을 타이어별 힘이 반영된 4휠 차량 모델(FWVM: Four Wheel Vehicle Model)에 적용하여 차량의 위치를 추정하는 단계를 포함할 수 있다.
상기 슬립각을 계산하는 단계는 상기 획득된 차량의 상태 정보 중에서 휠 중심에서의 각속도, 타이어 및 노면의 접촉점에 대한 종 및 횡 방향 속도를 이용하여 종 방향의 슬립각을 계산하고, 상기 획득된 차량의 상태 정보 중에서 조향각, 타이어 및 노면의 접촉점에 대한 종 및 횡 방향 속도를 이용하여 횡 방향의 슬립각을 각각 계산할 수 있다.
상기 수직 항력을 계산하는 단계는 차량의 무게중심으로부터 전륜 및 후륜까지의 길이, 좌륜 및 우륜 간의 너비, 종 및 횡 방향의 가속도를 토크 밸런스를 고려하여 타이어 및 노면의 접촉점에 대한 타이어별 수직 항력을 계산할 수 있다.
상기 차량의 위치를 추정하는 단계는 상기 획득된 차량의 GPS 위치와 4휠 차량 모델로부터 추정한 차량의 위치를 확률적으로 융합하는 확장형 칼만 필터를 기초로 하여 차량의 위치를 추정할 수 있다.
상기 차량의 위치를 추정하는 단계는 k+1번째 시스템 상태와 k+1번째 오류 공분산을 계산하여 시간을 업데이트하는 단계; 및 상기 획득된 차량의 상태 정보를 이용하여 k번째 상태-추정과 k번째 오류 공분산을 업데이트하여 측정을 업데이트하는 단계을 더 포함할 수 있다.
상기 시간을 업데이트하는 단계는 1차 오일러 근사화를 적용하여 차량 동역학 모델을 이산화할 수 있다.
상기 시간을 업데이트하는 단계는 비선형 시스템 모델의 자코비안으로 매트릭스 A를 계산하고, 상기 계산된 매트릭스 A를 이용하여 k+1번째 오류 공분산을 계산할 수 있다.
상기 측정을 업데이트하는 단계는 차량의 GPS 위치, 종 및 횡 방향의 가속도, 요 레이트가 포함되어 설정된 측정 모델을 기초로 하여, 매트릭스 H를 자코비안으로 계산하고, 상기 계산된 매트릭스 H로부터 칼만 이득을 계산하여 k번째 상태-추정을 계산할 수 있다.
본 명세서의 실시 예들은 차량의 상태 정보와 차량의 GPS 위치를 비선형 타이어 모델이 적용된 4휠 차량 모델(FWVM)을 적용하여 차량의 위치를 추정함으로써, 큰 슬립 각이 발생하는 고속 주행 또는 코너링 상태에서도 높은 정확도의 위치를 추정할 수 있다.
본 명세서의 실시 예들은 이륜차(Bicycle) 모델이 아닌 각 바퀴의 힘을 고려한 4휠 차량 모델(Four Wheel Vehicle Model)를 이용함으로써, 위치 추정의 위치 정밀도를 높일 수 있다.
본 명세서의 실시 예들은 타이어 및 도로의 미끄러짐(slip)이 모델링된 비선형 모델(예컨대, 더그오프(Dugoff model))을 이용함으로써, 타이어 및 도로의 미끄러짐(slip)을 정확하게 고려하여 타이어별 종 및 횡 방향의 힘을 정확하게 계산할 수 있다.
본 명세서의 실시 예들은 차량에 기본적으로 설치되어 있는 각종 모듈(예컨대, ABS(Anti-lock Brake System), ESC(Electronic Stability Control), EPS(Electric Power Steering))로부터 각 바퀴의 속도, 차량속도 및 가속도, 핸들 각도 등의 차량의 상태 정보들을 차량의 기본 통신망(예컨대, CAN(Controller Area Network) 버스)를 통해 획득하여 위치 추정에 이용함으로써, 추가적인 장치나 부품의 설치 없이도 차량의 위치를 정확하게 추정할 수 있다.
본 명세서의 실시 예들은 각종 차량의 상태 정보와 비선형 타이어 모델이 적용된 4휠 차량 모델(FWVM)을 확률적으로 융합하는 확장형 칼만 필터(EKF, Extended Kalman Filter)를 이용함으로써, 고정밀의 DGPS에 비해 위치 오차가 큰 GPS(예컨대, 위치 오차 10m)를 이용하더라도 정확하게 차량의 위치를 추정할 수 있다.
도 1은 본 명세서의 일 실시 예에 따른 비선형 타이어 모델을 이용한 차량의 위치 추정 장치의 구성도이다.
도 2는 본 명세서의 일 실시 예에 따른 차량 위치 추정부에 적용된 4휠 차량 모델에 대한 설명도이다.
도 3은 본 명세서의 일 실시 예에 따른 차량 위치 추정부에 적용되는 확장 칼만 필터의 설명도이다.
도 4는 본 명세서의 실시 예에 따른 차량 위치 추정이 적용된 시뮬레이션을 위한 도로 환경의 설명도이다.
도 5는 본 명세서의 일 실시 예에 따른 종 및 횡 방향의 궤적에 대한 시뮬레이션 결과도이다.
도 6 내지 도 8은 본 명세서의 일 실시 예에 따른 차량의 위치 추정에 대한 시뮬레이션 결과도이다.
도 9 및 도 10은 본 명세서의 실시 예에 따른 추정된 종 및 횡 방향의 타이어별 슬립각들에 대한 시뮬레이션 결과도이다.
도 11 및 도 12는 본 명세서의 실시 예에 따른 추정된 종 및 횡 방향의 타이어별 슬립 오차들에 대한 시뮬레이션 결과도이다.
도 13은 본 명세서의 일 실시 예에 따른 비선형 타이어 모델을 이용한 차량의 위치 추정 방법에 대한 흐름도이다.
이하, 본 명세서의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.
실시 예를 설명함에 있어 본 명세서가 속하는 기술 분야에 익히 알려져 있고 본 명세서와 직접적으로 관련이 없는 기술 내용에 대해서는 설명을 생략한다. 이는 불필요한 설명을 생략함으로써 본 명세서의 요지를 흐리지 않고 더욱 명확히 전달하기 위함이다.
마찬가지 이유로 첨부 도면에 있어 일부 구성요소는 과장되거나 생략되거나 개략적으로 도시되었다. 또한, 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니다. 각 도면에서 동일한 또는 대응하는 구성요소에는 동일한 참조 번호를 부여하였다.
도 1은 본 명세서의 일 실시 예에 따른 비선형 타이어 모델을 이용한 차량의 위치 추정 장치의 구성도이다.
도 1은 본 명세서의 일 실시 예에 따른 비선형 타이어 모델을 이용한 차량의 위치 추정 장치(100)는 정보 획득부(110), 위치 측정부(120) 및 차량 위치 추정부(130)를 포함한다.
이하, 도 1의 비선형 타이어 모델을 이용한 차량의 위치 추정 장치(100)의 각 구성요소들의 구체적인 구성 및 동작을 설명한다.
정보 획득부(110)는 차량의 상태 정보를 획득한다. 정보 획득부(110)는 종 및 횡 방향의 가속도, 요 레이트, 각 바퀴의 휠 속도 및 조향각을 차량의 상태 정보로 획득한다. 여기서, 정보 획득부(110)는 차량에 기본적으로 설치된 ABS(Anti-lock Brake System) 모듈, ESC(Electronic Stability Control) 모듈, EPS(Electric Power Steering) 모듈을 포함할 수 있다. 따라서. 정보 획득부(110)는 차량에 설치된 각 모듈에 포함된 휠 속도 센서, 차량 속도 센서, 가속도 센서, 요 레이트 센서, 조향각 센서들로부터 각각 휠 속도(wheel speed), 차량 속도(vehicle speed), 가속도(acceleration), 요 레이트(yaw rate) 및 조향각(steering angle)을 획득할 수 있다. 정보 획득부(110)는 차량의 부품이 전자화됨에 따라 이러한 차량에 설치된 각 센서 정보들을 CAN(controller area network) 버스를 통하여 획득할 수 있다.
위치 측정부(120)는 저가의 GPS 모듈을 이용하여 차량의 X 좌표 및 Y 좌표가 포함된 GPS 위치를 측정한다. 여기서, 저가의 GPS 모듈은 오차 범위가 고정밀 GPS에 비해 넓지만, 낮은 가격과 편리성 때문에 이용되는 GPS를 기반으로 하는 내비게이션 시스템이다.
차량 위치 추정부(130)는 정보 획득부(110)에서 획득된 차량의 상태 정보와 위치 측정부(120)에서 측정된 차량의 GPS 위치를 타이어별 슬립각이 반영된 비선형 타이어 모델에 적용하여 차량의 위치를 추정한다.
구체적으로 살펴보면, 차량 위치 추정부(130)는 확장 칼만 필터(EKF, Extended Kalman Filter)를 기반으로 4휠 차량 모델(FWVM)과 더그오프(dugoff)의 비선형 타이어 모델을 이용하여 차량의 위치를 추정한다. 여기서, 4휠 차량 모델(FWVM)과 더그오프(dugoff)의 비선형 타이어 모델은 모듈 단위로 이루어지기 때문에, 다양한 차량의 상태 정보를 이용한 위치 추정 방식에 적용될 수 있다. 또한, 저가의 MCU(micro-controller unit)에 기능별로 설계할 수 있는 장점이 있다.
차량 위치 추정부(130)는 휠별 힘(Force)을 반영한 4휠 차량 모델(FWVM, Four Wheel Vehicle Model)을 이용하여 차량의 위치를 추정한다. 또한, 차량 위치 추정부(130)는 비선형성이 강한 타이어별 슬립각(Slip angle)을 반영한 타이어 모델(Tire model)을 이용하여 차량의 위치를 추정한다. 4휠 차량 모델(FWVM)에 따른 위치 추정 방법은 높은 성능을 발휘할 수 있다.
일례로, 차량 위치 추정부(130)는 도 1에 도시된 바와 같이, 슬립각 계산부(131), 수직 항력 계산부(132), 힘 계산부(133) 및 위치 추정부(134)를 포함할 수 있다.
이하, 도 1에 도시된 차량 위치 추정부(130)의 각 구성요소들의 구체적인 구성 및 동작을 설명한다.
슬립각 계산부(131)는 정보 획득부(110)에서 획득된 차량의 상태 정보를 이용하여 타이어별 종 및 횡 방향의 슬립각을 계산한다.
구체적으로 살펴보면, 슬립각 계산부(131)는 하기의 [수학식 1]과 같이 타이어별 종 및 횡 방향의 슬립각을 계산할 수 있다. 슬립각 계산부(131)는 휠 중심에서의 각속도, 타이어 및 노면의 접촉점에 대한 종 및 횡 방향 속도를 이용하여 종 방향의 슬립각을 계산할 수 있다. 또한, 슬립각 계산부(131)는 조향각, 타이어 및 노면의 접촉점에 대한 종 및 횡 방향 속도를 이용하여 횡 방향의 슬립각을 각각 계산할 수 있다.
여기서, 종 방향의 슬립각 및 횡 방향의 사이드 슬립각(longitudinal slip and sideslip angle)은 하기의 [수학식 1]과 같이 계산될 수 있다.
Figure 112015092307955-pat00001
여기서,
Figure 112015092307955-pat00002
는 각 타이어의 종 및 횡 방향의 종 방향의 슬립각 및 횡 방향의 사이드 슬립각,
Figure 112015092307955-pat00003
은 타이어의 반지름,
Figure 112015092307955-pat00004
는 각각 타이어 및 도로의 접촉점(tire/road contact point)의 종 및 횡 방향(longitudinal, lateral)의 속도,
Figure 112015092307955-pat00005
는 각 휠 중심에서의 각속도,
Figure 112015092307955-pat00006
는 조향각,
Figure 112015092307955-pat00007
는 차량 CG에서의 종 및 횡방향 속도를 이용하여 슬립각을 계산하는 것으로 atan2는 tan의 역함수를 나타낸다.
수직 항력 계산부(132)는 타이어 및 노면의 접촉점에 대한 타이어별 수직 항력을 계산한다. 수직 항력 계산부(132)는 차량의 무게중심으로부터 전륜 및 후륜까지의 길이, 좌륜 및 우륜 간의 너비, 종 및 횡 방향의 가속도를 토크 밸런스를 고려하여 타이어 및 노면의 접촉점에 대한 타이어별 수직 항력을 하기의 [수학식 2]와 같이 계산한다.
Figure 112015092307955-pat00008
여기서,
Figure 112015092307955-pat00009
는 각 타이어 및 도로의 접촉점의 수직 항력(Normal forces),
Figure 112015092307955-pat00010
는 종 및 횡 방향의 가속도,
Figure 112015092307955-pat00011
는 CG로부터 전방 휠까지의 길이,
Figure 112015092307955-pat00012
는 CG로부터 후방 휠까지의 길이,
Figure 112015092307955-pat00013
는 좌측 및 우측 휠 간의 너비,
Figure 112015092307955-pat00014
는 중력 가속도(9.8m/s2),
Figure 112015092307955-pat00015
는 지면에서 차량의 CG까지의 높이를 나타낸다.
차량의 롤(roll), 피치(pitch)와 서스펜션 동역학(suspension dynamics)의 효과가 없다고 한다면, 차량의 CG에서의 수직 항력(
Figure 112015092307955-pat00016
)은 CG에서의 종 및 횡 방향의 가속도(
Figure 112015092307955-pat00017
)에 의해 결정되고, 수직 항력(
Figure 112015092307955-pat00018
)은 각 타이어의 수직 항력(normal force)의 합과 같게 된다. 따라서 각 타이어의 수직 항력은 토크 밸런스(Torque balance)에 의해 상기의 [수학식 2]와 같이 계산될 수 있다.
힘 계산부(133)는 슬립각 계산부(131)에서 계산된 타이어별 종 및 횡 방향의 슬립각과 수직 항력 계산부(132)에서 계산된 타이어별 수직 항력을 이용하여 각 타이어의 종 및 횡 방향의 힘을 계산한다.
힘 계산부(133)는 각 타이어의 종 및 횡 방향 힘을 계산하기 위해서 타이어 모델을 이용한다. 타이어는 비선형성이 매우 강하다. 그렇기 때문에, 본 명세서의 실시 예에 따른 위치 추정부(134)는 준-적정 타이어 모델(Quasi-static tire model)들 중에서 적은 수의 파라미터(parameter)만으로도 실험 결과와 유사한 성능을 보여주는 더그오프의 타이어 모델(dugoff tire model)을 이용한다. 힘 계산부(133)는 더그오프의 타이어 모델을 통한 각 타이어의 종 및 횡 방향에 대한 힘을 하기의 [수학식 3]과 같이 계산할 수 있다.
Figure 112015092307955-pat00019
여기서,
Figure 112015092307955-pat00020
는 타이어의 종 방향의 강성(longitudinal stiffness),
Figure 112015092307955-pat00021
는 타이어의 코너링의 강성(cornering stiffness),
Figure 112015092307955-pat00022
는 각 타이어의 종 및 횡 방향의 종 방향의 슬립각 및 횡 방향의 사이드 슬립각을 나타낸다. 또한,
Figure 112015092307955-pat00023
는 미끄러짐에 따라 그 영역을 구분하는 인자(Sliding Boundary Point)로
Figure 112015092307955-pat00024
에 따라
Figure 112015092307955-pat00025
가 결정되며, 각각 하기의 [수학식 4] 및 [수학식 5]와 같이 나타낼 수 있다.
Figure 112015092307955-pat00026
Figure 112015092307955-pat00027
여기서,
Figure 112015092307955-pat00028
는 i번째 각 타이어 및 도로의 접촉점의 수직 항력(Normal forces), 여기서,
Figure 112015092307955-pat00029
는 타이어의 종 방향의 강성(longitudinal stiffness),
Figure 112015092307955-pat00030
는 타이어의 코너링의 강성(cornering stiffness),
Figure 112015092307955-pat00031
는 각 타이어의 종 및 횡 방향의 종 방향의 슬립각 및 횡 방향의 사이드 슬립각,
Figure 112015092307955-pat00032
는 타이어와 도로간 접촉면의 마찰 계수(tire/road friction coefficient)를 나타낸다.
한편, 위치 추정부(134)는 힘 계산부(133)에서 계산된 각 타이어의 종 및 횡 방향의 타이어별 힘이 반영된 4휠 차량 모델(FWVM: Four Wheel Vehicle Model)에 적용하여 차량의 위치를 추정한다.
도 2는 본 명세서의 일 실시 예에 따른 차량 위치 추정부(130)에 적용된 4휠 차량 모델에 대한 설명도이다.
본 명세서의 일 실시 예에 따른 차량 위치 추정부(130)는 각 타이어의 슬립과 힘을 고려하기 위해, 도 2에 도시된 동역학 모델(Dynamic model)을 이용하여 차량의 위치를 추정한다. 도 2에 도시된 동역학 모델(Dynamic model)로부터 타이어별 힘은 하기의 [수학식 6]과 같이 나타낼 수 있다.
Figure 112015092307955-pat00033
여기서,
Figure 112015092307955-pat00034
는 각 휠의 종 및 횡 방향의 힘, m은 차량의 무게 중심점(CG, Center of Gravity)에서의 질량,
Figure 112015092307955-pat00035
는 무게 중심점에서의 요 레이트,
Figure 112015092307955-pat00036
는 각각 차량의 CG에서의 종 및 횡 방향 속도,
Figure 112015092307955-pat00037
는 차량의 CG에서의 종 및 횡 방향 가속도,
Figure 112015092307955-pat00038
은 CG에서 Z축 방향의 모멘트(moment),
Figure 112015092307955-pat00039
는 CG에서의 관성모멘트 상수를,
Figure 112015092307955-pat00040
는 CG에서의 요 가속도를 나타낸다.
여기서, 각 타이어의 힘들의 합은 하기의 [수학식 7]과 같이 계산될 수 있다.
Figure 112015092307955-pat00041
여기서,
Figure 112015092307955-pat00042
는 각 휠의 종 및 횡 방향의 힘, 조향각으로 좌측 및 우측 모두 동일하다고 가정한다.
Figure 112015092307955-pat00043
는 CG로부터 전방 휠까지의 길이,
Figure 112015092307955-pat00044
는 CG로부터 후방 휠까지의 길이,
Figure 112015092307955-pat00045
는 좌측 및 우측 휠 간의 너비,
Figure 112015092307955-pat00046
는 조향각을 나타낸다.
도 3은 본 명세서의 일 실시 예에 따른 차량 위치 추정부(130)에 적용되는 확장 칼만 필터의 설명도이다.
차량 위치 추정부(130)에 적용되는 확장 칼만 필터(EKF, Extended Kalman Filter)는 베이시안(Bayesian) 필터를 기반으로 다양한 차량의 상태 정보를 융합할 수 있다. 여기서, 확장 칼만 필터는 비선형 시스템에서도 특별한 선형화 작업 없이 바로 적용할 수 있다.
도 3에 도시된 바와 같이, 확장 칼만 필터는 크게 시간 업데이트(Time Update) 모듈과 측정 업데이트(Measurement Update) 모듈로 구분된다.
시간 업데이트(Time Update) 모듈부터 살펴보면, 시간 업데이트 모듈은 k+1번째의 시스템 상태(system state ahead)(
Figure 112015092307955-pat00047
)와 k+1번째의 오류 공분산(error covariance ahead)(
Figure 112015092307955-pat00048
)을 계산한다. 여기서, k+1번째의 시스템 상태(
Figure 112015092307955-pat00049
)와 k+1번째의 오류 공분산(
Figure 112015092307955-pat00050
)는 시간 스텝(time step) k마다 계산되는 이산 시스템을 나타낸다. 따라서, 상기의 [수학식 6 및 7]과 같이 나타난 동역학 모델(dynamic model)이 실시간으로 동작하기 위해서는 이산-시간 시스템(discrete-time system) 모델로 변환되어야 한다. 시간 업데이트 모듈은 하기의 [수학식 8]과 같이, 1차 오일러 근사화(first-order Euler approximation)를 적용하여 차량의 동역학 모델에 대한 수학식(Vehicle dynamic model equation)들을 이산화할 수 있다.
Figure 112015092307955-pat00051
여기서,
Figure 112015092307955-pat00052
는 k번째 상태공간백터(State Space Vector),
Figure 112015092307955-pat00053
는 k-1번째 상태공간백터,
Figure 112015092307955-pat00054
는 상태공간백터의 미분치,
Figure 112015092307955-pat00055
는 시스템의 샘플링 구간(sampling period)을 나타낸다.
따라서, 연속 차량 모델(continuous vehicle model)을 오일러 근사화(Euler approximation) 방법을 이용하여 이산 차량 모델(discrete vehicle model)로 근사화하면 하기의 [수학식 9]와 같이 나타낼 수 있다.
Figure 112015092307955-pat00056
여기서,
Figure 112015092307955-pat00057
는 각 휠의 종 및 횡 방향의 힘, m은 차량의 무게 중심점(CG, Center of Gravity)에서의 질량,
Figure 112015092307955-pat00058
는 무게 중심점에서의 요 레이트,
Figure 112015092307955-pat00059
는 각각 차량의 CG에서의 종 및 횡 방향 속도,
Figure 112015092307955-pat00060
은 CG에서 Z축 방향의 모멘트(moment),
Figure 112015092307955-pat00061
는 CG에서 Z축 방향의 관성모멘트(moment of inertia),
Figure 112015092307955-pat00062
는 CG에서의 요 가속도,
Figure 112015092307955-pat00063
는 x축 방향의 차량위치의 미분치,
Figure 112015092307955-pat00064
는 x축 방향의 차량속도의 미분치,
Figure 112015092307955-pat00065
는 y축 방향의 차량위치의 미분치,
Figure 112015092307955-pat00066
는 y축 방향의 차량속도의 미분치,
Figure 112015092307955-pat00067
는 x축 방향의 추정된 차량위치,
Figure 112015092307955-pat00068
는 x축 방향의 추정된 차량속도,
Figure 112015092307955-pat00069
는 y축 방향의 추정된 차량위치,
Figure 112015092307955-pat00070
는 y축 방향의 추정된 차량속도,
Figure 112015092307955-pat00071
는 추정된 요 각도,
Figure 112015092307955-pat00072
는 추정된 요레이트,
Figure 112015092307955-pat00073
는 시스템의 샘플링 구간(sampling period)을 나타낸다.
그리고 이산 상태 벡터(discrete state vector)로 표현한 시스템 모델(
Figure 112015092307955-pat00074
)은 하기의 [수학식 10]과 같이 나타낼 수 있다.
Figure 112015092307955-pat00075
여기서, x, y는 각각 차량 CG의 종 및 횡 방향 위치,
Figure 112015092307955-pat00076
는 각각 차량 CG의 종 및 횡 방향 속도,
Figure 112015092307955-pat00077
는 차량 CG의 요 각도,
Figure 112015092307955-pat00078
는 차량 CG의 요 레이트를 나타낸다.
k+1번째 오류 공분산(error covariance ahead)(
Figure 112015092307955-pat00079
)를 구하기 위해서는 매트릭스 A(matrix A)가 필요하다. 매트릭스 A는 비선형 시스템 모델의 자코비안(Jacobian)으로 하기의 [수학식 11]과 같이 계산될 수 있다.
Figure 112015092307955-pat00080
여기서,
Figure 112015092307955-pat00081
는 비선형 시스템 모델의 자코비안(Jacobian),
Figure 112015092307955-pat00082
는 각각 차량의 CG에서의 종 및 횡 방향 속도,
Figure 112015092307955-pat00083
는 차량 CG의 요 각도(진행방향),
Figure 112015092307955-pat00084
는 차량 CG의 요 레이트를 나타낸다.
한편, 측정 업데이트 모듈에 대해서 살펴보기로 한다.
차량 위치 추정부(130)의 측정 업데이트 모듈은 센서 데이터(sensor data)를 이용하여 상태-추정(state-estimate)(
Figure 112015092307955-pat00085
)과 오류 공분산(error covariance)(
Figure 112015092307955-pat00086
)을 업데이트한다. 측정 벡터(measurement vector)(
Figure 112015092307955-pat00087
)는 하기의 [수학식 12]와 같이 나타낼 수 있다.
Figure 112015092307955-pat00088
여기서, X, Y는 GPS로부터 차량의 종 및 횡방향 GPS 위치,
Figure 112015092307955-pat00089
,
Figure 112015092307955-pat00090
는 ESC로부터 획득된 종 및 횡 방향의 가속도,
Figure 112015092307955-pat00091
는 ESC로부터 요 레이트를 나타낸다. 측정 업데이트 모듈에 적용되는 측정 모델(measurement model)(
Figure 112015092307955-pat00092
)은 하기의 [수학식 13]과 같이 설정될 수 있다.
Figure 112015092307955-pat00093
여기서,
Figure 112015092307955-pat00094
는 측정 모델(measurement model), X, Y는 GPS로부터 차량의 GPS 위치,
Figure 112015092307955-pat00095
는 각 휠의 종 및 횡 방향의 힘,
Figure 112015092307955-pat00096
는 ESC로부터 획득된 요 레이트를 나타낸다.
측정 업데이트 모듈은 칼만 이득(Kalman gain)(
Figure 112015092307955-pat00097
)을 계산하고, 그 계산된 칼만 이득을 통해 상태-추정(State-estimate)(
Figure 112015092307955-pat00098
)를 계산할 수 있다.
칼만 이득(Kalman gain)을 계산하기 위해서는 매트릭스 H(matrix H)가 필요하다. H는 측정 모델의 자코비안(Jacobian)으로 하기의 [수학식 14]와 같다.
Figure 112015092307955-pat00099
여기서, 측정모델
Figure 112015092307955-pat00100
를 시스템 모델
Figure 112015092307955-pat00101
로 편미분한 매트릭스를 나타낸다.
도 4는 본 명세서의 실시 예에 따른 차량 위치 추정이 적용된 시뮬레이션을 위한 도로 환경의 설명도이다.
본 명세서의 실시 예에 따른 차량의 위치 추정 방법은 몬테 카를로(Monte Carlo) 시뮬레이션을 통해 분석한다. 몬테 카를로 시뮬레이션은 상용 프로그램인 "ASM(Automotive Simulation Models)"을 이용한다. "ASM"은 24 자유도의 멀티-바디 시스템(multi-body system)으로 구성되어 있는 차량의 동력학적 모델이다. 시뮬레이션 차량의 파라미터는 하기의 [표 1]과 같이 설정한다. 차량에 부착된 센서의 파라미터 및 노이즈는 하기의 [표 2]와 같이 설정한다. 각 센서들의 노이즈(noise)는 가우시안 화이트 노이즈(Gaussian white noise)로 가정한다. 또한, 위치추정 알고리즘이 수행되는 샘플 레이트(sample rate)는 50Hz로 설정한다.
시뮬레이션 시나리오는 "ASM"의 도로 모델 중, 3000m의 핸들링 트랙(Handling Track)에서 실시한다.
차량이 트랙을 주행할 때, 큰 슬립각 및 비율(large slip angle and ratios)를 발생시키기 위해서 차량의 종 및 횡 방향의 가속도(longitudinal과 lateral acceleration)를 최대 5m/s2가 되도록 설정한다. 또한, 차량이 코스이탈이 되지 않도록 차량의 최고 속도는 80km/h로 제한된다.
Figure 112015092307955-pat00102
상기의 [표 1]에 표시된 바와 같이, 차량 파라미터(Vehicle parameter)는 차량 질량(Vehicle), 요 모멘트(Yaw moment of inertia), 무게 중심점으로부터 전륜까지의 거리(Distance from CG. to front wheel), 무게 중심점으로부터 후륜까지의 거리(Distance from CG. to rear wheel), 트랙 넓이(Track width), 각 타이어의 종 방향의 강성(Longitudinal stiffness of each tire), 각 타이어의 코너링 방향의 강성(Cornering stiffness of each tire)을 포함한다.
Figure 112015092307955-pat00103
상기의 [표 2]에 표시된 바와 같이, 휠 속도 센서(Wheel speed sensor), 가속도 센서(Acceleration sensor), 자이로 센서(Gyro sensor), GPS 센서(GPS sensor)는 각각 0.1rad/s, 1.0m/s2, 0.1rad/s, 10m의 노이즈를 포함하고 있다.
도 5는 본 명세서의 일 실시 예에 따른 종 및 횡 방향의 궤적에 대한 시뮬레이션 결과도이다.
도 5에 도시된 바와 같이, 본 명세서의 실시 예에 따른 차량의 위치 추정 장치(100)는 큰 슬립각 및 비율이 발생하도록 핸들링 트랙에서 시뮬레이션을 실시한다. GPS 신호는 레퍼런스(reference) 신호 주위에 분포하는 것을 볼 수 있다. 본 명세서의 실시 예에 따른 위치 추정 장치(100)에서 추정된 차량의 위치는 레퍼런스 신호와 유사함을 알 수 있다.
도 6 내지 도 8은 본 명세서의 일 실시 예에 따른 차량의 위치 추정에 대한 시뮬레이션 결과도이다.
추정된 각 차량 상태(Estimated the vehicle state) 및 추정된 차량의 상태 오류(Estimated the vehicle state error)에 대한 시뮬레이션 결과는 도 6 및 도 7에 도시된 바와 같다.
도 6의 (a), (b)에 도시된 바와 같이, 종 및 횡 방향 위치(Longitudinal position, Lateral position)는 레퍼런스 신호를 잘 추정하는 것을 알 수 있다.
도 7의 (a), (b)에 도시된 바와 같이, 종 및 횡 방향의 위치 오차((Longitudinal position error, Lateral position error)는 약 1m 내외로 발생하는 것을 알 수 있다.
도 6의 (c), (d)에 도시된 바와 같이, 종 및 횡 방향의 속도(Longitudinal velocity, Lateral velocity)도 또한 레퍼런스 신호를 잘 추정하는 것을 알 수 있다.
도 7의 (c), (d)에 도시된 바와 같이, 종 및 횡 방향의 위치 오차(Longitudinal velocity error, Lateral velocity error)는 약 1m/s 내외임을 알 수 있다.
도 6의 (e), (f)에 도시된 바와 같이, 요 및 요 레이트(Yaw, Yaw rate)는 레퍼런스 신호를 유사하게 추정하고 있는 것을 알 수 있다.
도 7의 (e), (f)에 도시된 바와 같이, 요 및 요 레이트(Yaw, Yaw rate)는 약 20deg/s 내외의 노이즈를 갖고 있는 것을 알 수 있다.
하지만, 도 8의 (a), (b)에 도시된 바와 같이, 추정된 요(Estimated yaw)는 22s까지 최대 -30deg의 오차가 발생하는 것을 볼 수 있다. 그러나 2초 이후부터는 약 5deg 이내로 수렴하는 것을 볼 수 있다. 초기에 요 에러(yaw error)가 크게 발생하는 이유는 단순히 요 레이트(
Figure 112015092307955-pat00104
)를 1차 오일러 근사화로 적분하는 모델이기 때문이다. 1차 오일러 근사화(first-order Euler approximation)으로 적분하는 모델이기 때문이다.
도 9 및 도 10은 본 명세서의 실시 예에 따른 추정된 종 및 횡 방향의 타이어별 슬립각들에 대한 시뮬레이션 결과도이다.
도 9의 (a), (b)와 도 10의 (a), (b)에 도시된 바와 같이, 전방 타이어(Front tire)의 종 방향의 슬립각(longitudinal slip angle)과 횡 방향의 슬립각(lateral slip angle)은 5deg의 범위에서 발생하는 것을 확인할 수 있다.
한편, 도 9의 (c), (d)에 도시된 바와 같이, 후방 타이어(rear tire)의 종 방향의 슬립은 최대 50deg가 발생한다.
또한, 도 10의 (c), (d)에 도시된 바와 같이, 후방 슬립(lateral slip)은 10deg의 범위에서 발생하는 것을 확인할 수 있다. 이와 같은 결과를 통해 차량이 급격하게 주행하고 있음을 확인할 수 있다.
도 11 및 도 12는 본 명세서의 실시 예에 따른 추정된 종 및 횡 방향의 타이어별 슬립 오차들에 대한 시뮬레이션 결과도이다.
도 11의 (a), (b), (c), (d)와 도 12의 (a), (b), (c), (d)에 도시된 바와 같이, 추정된 종 및 횡 방향의 타이어별 슬립 오차들은 시뮬레이션 결과에 따르면 종 및 횡 방향 모두 4deg 정도의 슬립 각(slip angle) 오차들이 있다.
하지만, 차량이 정지하고 있는 경우 각 타이어(tire)의 슬립각(slip angle)이 증가하는 것을 볼 수 있다. 그 이유는 타이어의 슬립각(tire slip angle)을 추정하는 모델이 갖고 있는 한계 때문이다. 즉, 타이어의 슬립각을 추정하는 모델은 상기의 [수학식 1]과 같이 나타낼 수 있다.
상기의 [수학식 1]은 타이어 및 도로의 접촉점의 속도를 나누어 계산한다. 따라서 타이어 및 도로의 접촉점의 속도가 0이 되면 발산하게 된다. 본 명세서에서는 이와 같은 수적 불안정(numeric instability) 문제를 해결하기 위해 타이어 및 도로의 접촉점의 속도가 0이 되지 않도록 엡실론(
Figure 112015092307955-pat00105
)를 더해주었다. 여기서, 엡실론(
Figure 112015092307955-pat00106
)은 시스템에 영향을 주지 않는 범위 내에서, 시뮬레이션을 통해 구한 것이다.
도 13은 본 명세서의 일 실시 예에 따른 비선형 타이어 모델을 이용한 차량의 위치 추정 방법에 대한 흐름도이다.
차량의 위치 추정 장치(100)에서의 정보 획득부(110)는 차량의 상태 정보를 획득한다(S1302). 또한, 차량의 위치 추정 장치(100)에서의 위치 측정정부는 차량의 GPS 위치를 측정한다.
그리고 위치 추정 장치(100)에서의 차량 위치 추정부(130)는 정보 획득부(110)에서 획득된 차량의 상태 정보와 GPS 위치를 이용하여 각 바퀴별 종/횡 방향의 슬립각을 계산한다(S1304).
또한, 위치 추정 장치(100)에서의 차량 위치 추정부(130)는 정보 획득부(110)에서 획득된 차량의 상태 정보와 GPS 위치를 이용하여 각 바퀴별 수직항력을 계산한다(S1306).
이후, 차량 위치 추정부(130)는 계산된 각 바퀴별 종/횡 방향의 슬립각과 각 바퀴별 수직항력으로부터 비선형 타이어 모델을 이용하여 각 타이어의 종/횡 방향 힘을 계산한다(1308).
차량 위치 추정부(130)는 확장 칼만 필터를 이용하여 차량의 위치를 추정한다(S1310).
한편, 도 1 내지 도 3에 설명한 바와 같이, 본 명세서의 실시 예에 따른 차량의 위치 추정 장치(100)는 ADAS가 안정적으로 구동되기 위해서 필요한 차량의 위치 추정 방법에 따라 차량의 위치를 추정한다. 차량의 위치 추정 장치(100)는 끊김 없이 높은 정밀도의 위치를 추정하기 위해서 고가의 센서를 사용하는 것이 아닌, 차량에 부착된 센서정보와 저가의 GPS 센서를 이용하여 위치를 추정한다. 또한, 차량 동역학 모델인 FWVM과 높은 비선형적인 특징을 갖는 타이어를 적은 수의 파라미터로 모델링한 더그오프 타이어 모델(Dugoff tire model)을 기반으로 확장형 칼만 필터(EKF) 알고리즘에 적용하였다.
도 4 내지 도 12에 설명한 바와 같이, 상용 시뮬레이션인 ASM을 이용하여 제안한 알고리즘의 성능을 평가하였다. 그 결과 종 및 횡 방향 위치는 1m 내외의 오차로 추정하는 것을 확인하였다. 종 및 횡 방향 속도 또한 1m/s 내외의 오차로 추정하는 것을 확인할 수 있었다.
시뮬레이션 결과를 살펴보면, 요(Yaw)는 주행 초반 위치 오차가 최대 -30deg로 발생하였지만, 시간이 지남에 따라 5deg 내외의 오차로 추정하는 것을 확인할 수 있다. 요 레이트(yaw rate)는 20deg/s의 오차로 추정하는 것을 확인할 수 있었다. 또한, 종 및 횡 방향의 타이어 슬립각(tire slip angle)도 각각 6deg와 4deg 범위의 오차로 추정하는 것을 확인할 수 있다.
본 명세서의 실시 예에 따른 차량의 위치 추정 장치(100)는 비선형 차량 모델을 적용하여 차량의 위치 정확도를 높일 수 있다.
본 명세서가 속하는 기술분야의 통상의 지식을 가진 자는 본 명세서가 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 명세서의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 명세서의 범위에 포함되는 것으로 해석되어야 한다.
한편, 본 명세서와 도면에는 본 명세서의 바람직한 실시 예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 명세서의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 명세서의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예 외에도 본 명세서의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 명세서가 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
100: 위치 추정 장치
110: 정보 획득부
120: 위치 측정부
130: 차량 위치 추정부
131: 슬립각 계산부
132: 수직 항력 계산부
133: 힘 계산부
134: 위치 추정부

Claims (20)

  1. 차량의 상태 정보를 획득하는 정보 획득부;
    차량의 GPS 위치를 측정하는 위치 측정부; 및
    상기 획득된 차량의 상태 정보와 상기 측정된 차량의 GPS 위치를 타이어별 슬립각이 반영된 비선형 타이어 모델에 적용하여 차량의 위치를 추정하는 차량 위치 추정부;를 포함하고,
    상기 차량 위치 추정부는
    상기 획득된 차량의 상태 정보를 이용하여 타이어별 종 및 횡 방향의 슬립각을 계산하는 슬립각 계산부;
    타이어 및 노면의 접촉점에 대한 타이어별 수직 항력을 계산하는 수직 항력 계산부;
    상기 계산된 타이어별 종 및 횡 방향의 슬립각과 상기 타이어별 수직 항력을 타이어별 슬립각이 반영된 비선형 타이어 모델에 적용하여 각 타이어의 종 및 횡 방향의 힘을 계산하는 힘 계산부; 및
    상기 계산된 각 타이어의 종 및 횡 방향의 힘을 타이어별 힘이 반영된 4휠 차량 모델(FWVM: Four Wheel Vehicle Model)에 적용하여 차량의 위치를 추정하는 위치 추정부;를 포함하는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치.
  2. 제1항에 있어서,
    상기 정보 획득부는
    차량 내부에서 설치된 센서들로부터 종 및 횡 방향의 가속도, 요 레이트, 각 바퀴의 휠속도 및 조향각을 차량의 상태 정보로 획득하는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치.
  3. 삭제
  4. 제1항에 있어서,
    상기 슬립각 계산부는
    상기 획득된 차량의 상태 정보 중에서 휠 중심에서의 각속도, 타이어 및 노면의 접촉점에 대한 종 및 횡 방향 속도를 이용하여 종 방향의 슬립각을 계산하고, 상기 획득된 차량의 상태 정보 중에서 조향각, 타이어 및 노면의 접촉점에 대한 종 및 횡 방향 속도를 이용하여 횡 방향의 슬립각을 각각 계산하는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치.
  5. 제1항에 있어서,
    상기 수직 항력 계산부는
    차량의 무게중심으로부터 전륜 및 후륜까지의 길이, 좌륜 및 우륜 간의 너비, 종 및 횡 방향의 가속도를 토크 밸런스를 고려하여 타이어 및 노면의 접촉점에 대한 타이어별 수직 항력을 계산하는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치.
  6. 제1항에 있어서,
    상기 차량 위치 추정부는
    상기 획득된 차량의 GPS 위치와 4휠 차량 모델로부터 추정한 차량의 위치를 확률적으로 융합하는 확장형 칼만 필터를 기초로 하여 차량의 위치를 추정하는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치.
  7. 제6항에 있어서,
    상기 차량 위치 추정부는
    k+1번째 시스템 상태와 k+1번째 오류 공분산을 계산하는 시간 업데이트 모듈; 및
    상기 획득된 차량의 상태 정보를 이용하여 k번째 상태-추정과 k번째 오류 공분산을 업데이트하는 측정 업데이트 모듈
    을 더 포함하는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치.
  8. 제7항에 있어서,
    상기 시간 업데이트 모듈은
    1차 오일러 근사화를 적용하여 차량 동역학 모델을 이산화하는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치.
  9. 제7항에 있어서,
    상기 시간 업데이트 모듈은
    비선형 시스템 모델의 자코비안으로 매트릭스 A를 계산하고, 상기 계산된 매트릭스 A를 이용하여 k+1번째 오류 공분산을 계산하는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치.
  10. 제7항에 있어서,
    상기 측정 업데이트 모듈은
    차량의 GPS 위치, 종 및 횡 방향의 가속도, 요 레이트가 포함되어 설정된 측정 모델을 기초로 하여, 매트릭스 H를 자코비안으로 계산하고, 상기 계산된 매트릭스 H로부터 칼만 이득을 계산하여 k번째 상태-추정을 계산하는 비선형 타이어 모델을 이용한 차량의 위치 추정 장치.
  11. 차량의 상태 정보를 획득하는 단계;
    차량의 GPS 위치를 측정하는 단계; 및
    상기 획득된 차량의 상태 정보와 상기 측정된 차량의 GPS 위치를 타이어별 슬립각이 반영된 비선형 타이어 모델에 적용하여 차량의 위치를 추정하는 단계;를 포함하고,
    상기 차량의 위치를 추정하는 단계는
    상기 획득된 차량의 상태 정보를 이용하여 타이어별 종 및 횡 방향의 슬립각을 계산하는 단계;
    타이어 및 노면의 접촉점에 대한 타이어별 수직 항력을 계산하는 단계;
    상기 계산된 타이어별 종 및 횡 방향의 슬립각과 상기 타이어별 수직 항력을 타이어별 슬립각이 반영된 비선형 타이어 모델에 적용하여 각 타이어의 종 및 횡 방향의 힘을 계산하는 단계; 및
    상기 계산된 각 타이어의 종 및 횡 방향의 힘을 타이어별 힘이 반영된 4휠 차량 모델(FWVM: Four Wheel Vehicle Model)에 적용하여 차량의 위치를 추정하는 단계;를 포함하는 비선형 타이어 모델을 이용한 차량의 위치 추정 방법.
  12. 제11항에 있어서,
    상기 차량의 상태 정보를 획득하는 단계는
    차량 내부에서 설치된 센서들로부터 종 및 횡 방향의 가속도, 요 레이트, 각 바퀴의 휠속도 및 조향각을 차량의 상태 정보로 획득하는 비선형 타이어 모델을 이용한 차량의 위치 추정 방법.
  13. 삭제
  14. 제11항에 있어서,
    상기 슬립각을 계산하는 단계는
    상기 획득된 차량의 상태 정보 중에서 휠 중심에서의 각속도, 타이어 및 노면의 접촉점에 대한 종 및 횡 방향 속도를 이용하여 종 방향의 슬립각을 계산하고, 상기 획득된 차량의 상태 정보 중에서 조향각, 타이어 및 노면의 접촉점에 대한 종 및 횡 방향 속도를 이용하여 횡 방향의 슬립각을 각각 계산하는 비선형 타이어 모델을 이용한 차량의 위치 추정 방법.
  15. 제11항에 있어서,
    상기 수직 항력을 계산하는 단계는
    차량의 무게중심으로부터 전륜 및 후륜까지의 길이, 좌륜 및 우륜 간의 너비, 종 및 횡 방향의 가속도를 토크 밸런스를 고려하여 타이어 및 노면의 접촉점에 대한 타이어별 수직 항력을 계산하는 비선형 타이어 모델을 이용한 차량의 위치 추정 방법.
  16. 제11항에 있어서,
    상기 차량의 위치를 추정하는 단계는
    상기 획득된 차량의 GPS 위치와 4휠 차량 모델로부터 추정한 차량의 위치를 확률적으로 융합하는 확장형 칼만 필터를 기초로 하여 차량의 위치를 추정하는 비선형 타이어 모델을 이용한 차량의 위치 추정 방법.
  17. 제16항에 있어서,
    상기 차량의 위치를 추정하는 단계는
    k+1번째 시스템 상태와 k+1번째 오류 공분산을 계산하여 시간을 업데이트하는 단계; 및
    상기 획득된 차량의 상태 정보를 이용하여 k번째 상태-추정과 k번째 오류 공분산을 업데이트하여 측정을 업데이트하는 단계
    을 더 포함하는 비선형 타이어 모델을 이용한 차량의 위치 추정 방법.
  18. 제17항에 있어서,
    상기 시간을 업데이트하는 단계는
    1차 오일러 근사화를 적용하여 차량 동역학 모델을 이산화하는 비선형 타이어 모델을 이용한 차량의 위치 추정 방법.
  19. 제17항에 있어서,
    상기 시간을 업데이트하는 단계는
    비선형 시스템 모델의 자코비안으로 매트릭스 A를 계산하고, 상기 계산된 매트릭스 A를 이용하여 k+1번째 오류 공분산을 계산하는 비선형 타이어 모델을 이용한 차량의 위치 추정 방법.
  20. 제17항에 있어서,
    상기 측정을 업데이트하는 단계는
    차량의 GPS 위치, 종 및 횡 방향의 가속도, 요 레이트가 포함되어 설정된 측정 모델을 기초로 하여, 매트릭스 H를 자코비안으로 계산하고, 상기 계산된 매트릭스 H로부터 칼만 이득을 계산하여 k번째 상태-추정을 계산하는 비선형 타이어 모델을 이용한 차량의 위치 추정 방법.
KR1020150133863A 2015-09-22 2015-09-22 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법 KR101733880B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150133863A KR101733880B1 (ko) 2015-09-22 2015-09-22 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150133863A KR101733880B1 (ko) 2015-09-22 2015-09-22 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20170035142A KR20170035142A (ko) 2017-03-30
KR101733880B1 true KR101733880B1 (ko) 2017-05-08

Family

ID=58503190

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150133863A KR101733880B1 (ko) 2015-09-22 2015-09-22 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101733880B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102200524B1 (ko) * 2015-12-03 2021-01-11 현대자동차주식회사 통합제어시스템의 능동 제어값 산출 장치 및 그 방법

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Shahram Rezaei 외 2인. Kalman Filter-Based Integration of DGPS and Vehicle Sensors for Localization. IEEE Trans. on CST, Vol. 15, No. 6, Nov 2007.
William E. Travis. Methods for Minimizing Navigation Errors Induced by Ground Vehicle Dynamics. Auburn, Alabama, May 2006.

Also Published As

Publication number Publication date
KR20170035142A (ko) 2017-03-30

Similar Documents

Publication Publication Date Title
US9645250B2 (en) Fail operational vehicle speed estimation through data fusion of 6-DOF IMU, GPS, and radar
Ahmed et al. Accurate attitude estimation of a moving land vehicle using low-cost MEMS IMU sensors
Bevly et al. Integrating INS sensors with GPS velocity measurements for continuous estimation of vehicle sideslip and tire cornering stiffness
Leung et al. Road vehicle state estimation using low-cost GPS/INS
US9534891B2 (en) Method and system of angle estimation
CN104061899A (zh) 一种基于卡尔曼滤波的车辆侧倾角与俯仰角估计方法
CN103279675B (zh) 轮胎-路面附着系数与轮胎侧偏角的估计方法
US9914461B2 (en) Vehicle roll angle estimation device
KR102024986B1 (ko) 차로 유지 제어 장치 및 방법
CN113734180A (zh) 用于确定交通工具速度的方法和装置
CN111750897B (zh) 一种基于龙贝格观测器的横摆角速度陀螺仪偏差估计方法
Lee et al. Multirate active steering control for autonomous vehicle lateral maneuvering
CN104034332A (zh) 一种基于卡尔曼滤波的救援清障车姿态角估计方法
Kang et al. Vehicle lateral motion estimation with its dynamic and kinematic models based interacting multiple model filter
CN115303265A (zh) 车辆避障控制方法、装置及车辆
KR102159360B1 (ko) 곡률 추정 장치 및 방법
Hrgetic et al. Adaptive EKF-based estimator of sideslip angle using fusion of inertial sensors and GPS
CN112046491B (zh) 车轮侧偏刚度的估算方法、装置、车辆及可读存储介质
KR101733880B1 (ko) 비선형 타이어 모델을 이용한 차량의 위치 추정 장치 및 방법
KR20210088473A (ko) 차량의 곡률 반경 추정장치 및 그 방법
CN113063414A (zh) 一种用于视觉惯性slam的车辆动力学预积分构建方法
KR101930163B1 (ko) 차로 유지 제어 장치 및 방법
Gläser et al. An inertial navigation system for inner-city ADAS
Herzfeld et al. Collision avoidance by utilizing dynamic road friction information
Chaichaowarat et al. Kinematics-based analytical solution for wheel slip angle estimation of a RWD vehicle with drift

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
FPAY Annual fee payment

Payment date: 20200312

Year of fee payment: 4