KR101907611B1 - 자율 주행체의 위치 정보를 획득하는 방법 - Google Patents

자율 주행체의 위치 정보를 획득하는 방법 Download PDF

Info

Publication number
KR101907611B1
KR101907611B1 KR1020160047040A KR20160047040A KR101907611B1 KR 101907611 B1 KR101907611 B1 KR 101907611B1 KR 1020160047040 A KR1020160047040 A KR 1020160047040A KR 20160047040 A KR20160047040 A KR 20160047040A KR 101907611 B1 KR101907611 B1 KR 101907611B1
Authority
KR
South Korea
Prior art keywords
information
magnet
equation
autonomous vehicle
coordinate system
Prior art date
Application number
KR1020160047040A
Other languages
English (en)
Other versions
KR20170119188A (ko
Inventor
전대성
최회명
김재환
Original Assignee
재단법인차세대융합기술연구원
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 재단법인차세대융합기술연구원 filed Critical 재단법인차세대융합기술연구원
Priority to KR1020160047040A priority Critical patent/KR101907611B1/ko
Publication of KR20170119188A publication Critical patent/KR20170119188A/ko
Application granted granted Critical
Publication of KR101907611B1 publication Critical patent/KR101907611B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0259—Control of position or course in two dimensions specially adapted to land vehicles using magnetic or electromagnetic means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2201/00—Application
    • G05D2201/02—Control of position of land vehicles
    • G05D2201/0213—Road vehicle, e.g. car or truck
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D2201/00—Application
    • G05D2201/02—Control of position of land vehicles
    • G05D2201/0215—Vacuum cleaner

Abstract

본 개시는 엔코더 센서와 자기장 인식 센서를 이용하여, 자율 주행체의 운행 상태 정보(바퀴 회전각((
Figure 112016036935546-pat00162
)), 제어주기(
Figure 112016036935546-pat00163
), 조향각(
Figure 112016036935546-pat00164
), 지역 좌표계(Local Coordinate) 기준으로 인식된 자석의 위치 지점((
Figure 112016036935546-pat00165
)), 전역 좌표계(Global Coordinate) 기준으로 인식된 자석의 절대 위치 지점((
Figure 112016036935546-pat00166
))를 얻는 단계; 그리고, 무향 변환 과정(Unscented Transform), 예측 과정 및 업데이트 과정을 거치며, 업데이트 과정에서 자기장 인식 센서로 측정된 지역 좌표계 기준으로 인식된 자석의 위치 지점((
Figure 112016036935546-pat00167
)) 정보와 자석 절대 위치 검출 시스템을 통해 얻은 전역 좌표계 기준으로 인식된 자석의 절대 위치 지점((
Figure 112016036935546-pat00168
)) 정보가 이용되는, 무향칼만필터를 적용하여 자율 주행체의 위치 정보를 보정하는 단계;를 포함하는 것을 특징으로 하는 자율 주행체의 위치 정보를 획득하는 방법에 관한 것이다.

Description

자율 주행체의 위치 정보를 획득하는 방법{LOCALIZATION METHOD FOR AUTONOMOUS VEHICLE}
본 개시는 전체적으로 자율 주행체의 위치 정보를 획득하는 방법에 관한 것으로, 특히 자기장 인식 센서를 이용하여 주행 환경에 미리 구축된 특정한 지점의 위치 정보를 인식하여 필터링 과정을 통해 자율 주행체의 정확한 위치 정보를 획득하는 방법에 관한 것이다. 자율 주행체(AUTONOMOUS VEHICLES)는 무인 자동차가 대표적인 예이지만, 이에 제한되는 것은 아니며, 인간의 조작 없이 주행할 수 있는 모든 이동 플랫폼을 포함하며, 예를 들어, 청소 로봇도 여기에 해당한다. 또한, 본 개시에서 설정한 주행 환경에서 미리 구축된 특정한 지점의 위치 정보는 지능형 교통 시스템(Intelligent Transport Systems, ITS) 분야에서 사용되는 확장형 디지털 지도(Local Dynamic Map, LDM) 개념의 1단계 지도 정보 형태, 정적 정보(Static Features)에서 정의하는 pointlandmarks 정보 구축 방법과 관련한다.
여기서는, 본 개시에 관한 배경기술이 제공되며, 이들이 반드시 공지기술을 의미하는 것은 아니다(This section provides background information related to the present disclosure which is not necessarily prior art).
종래에 자율 주행체의 위치 정보를 획득하기 위해, 거리 인식 센서와 영상 정보 획득 센서가 일반적으로 이용된다. 상기 두 종류의 센서는 자기장 인식 센서에 비해 상당히 높은 가격을 요구하며 인식하는 정보의 크기도 상대적으로 크다. 두 센서를 통해 다수의 특징 물체 위치 정보를 획득하고 이를 위치 측위 시스템에 적용하지만 많은 정보를 실시간으로 계산하기 위해 높은 사양의 연산처리장치가 필요하게 된다. 또한, 거리 인식 센서의 경우 유리와 같이 레이저 반사도가 낮은 물체 인식률이 낮은 단점이 존재하고 영상 획득 센서의 경우 환경의 조도가 데이터 획득에 영향을 미치는 단점이 있다.
또한 자기장 인식 센서를 이용하여 인식된 자석의 위치 정보를 현재 위치정보와 비교하여 갱신하는 기술이 제시되고 있다. 하지만 기존에 제시되는 기술에서는 자석을 인식하여 얻은 위치와 이동 플랫폼(자율 주행체)의 현재 위치를 비교/혼합하는 필터 과정을 거치지 않고 자석으로 인식한 위치를 절대 위치로 가정하여 바로 사용하는 방식을 사용하는데 이는 잘못된 위치 정보 인식이 있는 경우나 자석을 인식하지 않는 경우에는 이동 플랫폼에 내재된 구동 바퀴의 회전수로 플랫폼의 위치와 방향 정보를 연산하여 자석을 인식하지 않는 시간 구간에서는 누적오차가 증가하는 단점이 있다.
한편, 논문(Bento, L. Conde, et al. "Sensor fusion for precise autonomous vehicle navigation in outdoor semi-structured environments."　Intelligent Transportation Systems, 2005. Proceedings. 2005 IEEE. IEEE, 2005.)에는 차량 바퀴 정보로만 측정되는 차량의 이동 중심 위치 오차를 줄이기 위해 레이저 센서, 자기장 인식 센서를 각각 이용하여 차량의 오차를 줄이는 방법이 제시되어 있다. 각 센서들을 개별적으로 이용하여 차량이 주행하는 물리적 환경에 설정된 특정 물체를 인식한 뒤 물체의 전역좌표 기준 위치정보를 획득하게 된다. 이때 차량의 운동정보로 계산된 위치와 센서 정보로부터 얻은 위치와의 오차를 줄이기 위해 확장 칼만 필터(Extended Kalman Filter)를 이용한다. 그러나, 이 확장 칼만 필터 방식은 기존의 선형 시스템 모델에 적용되는 칼만 필터를 기반으로 하여, 계산하려는 시스템의 비선형 모델을 선형 모델로 변환하여 확률 특성 값(평균, 표준편차)을 얻는 방식으로, 다수의 엔코더 센서 정보를 이용해야 하며, 오차 제거 성능이 떨어지는 단점을 가진다.
이에 대하여 '발명의 실시를 위한 구체적인 내용'의 후단에 기술한다.
여기서는, 본 개시의 전체적인 요약(Summary)이 제공되며, 이것이 본 개시의 외연을 제한하는 것으로 이해되어서는 아니 된다(This section provides a general summary of the disclosure and is not a comprehensive disclosure of its full scope or all of its features).
본 개시에 따른 일 태양에 의하면(According to one aspect of the present disclosure), 엔코더 센서 및 자기장 인식 센서를 이용하여, 자율 주행체의 위치 정보를 획득하는 방법에 있어서, 엔코더 센서와 자기장 인식 센서를 이용하여, 자율 주행체의 운행 상태 정보(회전각((
Figure 112016036935546-pat00001
)), 제어주기(
Figure 112016036935546-pat00002
), 조향각(
Figure 112016036935546-pat00003
), 지역 좌표계(Local Coordinate) 기준으로 인식된 자석의 위치 지점((
Figure 112016036935546-pat00004
)), 전역 좌표계(Global Coordinate) 기준으로 인식된 자석의 절대 위치 지점((
Figure 112016036935546-pat00005
))를 얻는 단계; 그리고, 무향 변환 과정(Unscented Transformation), 예측 과정 및 업데이트 과정을 거치며, 업데이트 과정에서 자기장 인식 센서로 측정된 지역 좌표계 기준으로 인식된 자석의 위치 지점((
Figure 112016036935546-pat00006
)) 정보와 자석 절대 위치 검출 시스템을 통해 얻은 전역 좌표계 기준으로 인식된 자석의 절대 위치 지점((
Figure 112016036935546-pat00007
)) 정보가 이용되는, 무향칼만필터를 적용하여 자율 주행체의 위치 정보를 보정하는 단계;를 포함하는 것을 특징으로 하는 자율 주행체의 위치 정보를 획득하는 방법이 제공된다.
이에 대하여 '발명의 실시를 위한 구체적인 내용'의 후단에 기술한다.
도 1은 본 개시에 따른 자율 주행체의 위치 정보를 획득하는 전체 시스템의 일 예를 나타내는 도면,
도 2, 도 3, 도 4 및 도 5는 본 개시에 따른 자율 주행체의 위치 정보를 획득하는 방법을 설명하기 위한 도면,
도 6과 도 7은 본 개시에 따른 실제 환경에서 자율 주행체의 위치 정보를 획득하는 시스템의 실험 결과를 나타내는 도면,
도 8은 본 개시에 따른 가상 환경에서 자율 주행체의 위치 정보를 획득하는 시스템의 실험 결과를 나타내는 도면이다.
도 1은 본 개시에 따른 자율 주행체의 위치 정보를 획득하는 전체 시스템의 일 예를 나타내는 도면으로서, 6개의 하위시스템(엔코더 센서(1), 칼만 필터(2), 자기장 인식 센서(3), 자석 절대 위치 검출 시스템(4), 자석 위치 정보 지도(5) 및 비선형 기반의 칼만 필터(6; 무향 칼만 필터)) 으로 구성된다.
A. 차량 운행 정보 획득 센서
본 개시에 구성된 센서는 2가지 종류로 엔코더 센서(1) 및 자기장 인식 센서(3)로 구성된다. 엔코더 센서(1)의 경우 차량의 구동 바퀴에 2개, 조향 장치에 1개가 각각 부착되어 차량의 운행 상태를 나타내는 바퀴 회전각((
Figure 112016036935546-pat00008
)), 조향각(
Figure 112016036935546-pat00009
)을 제공하고 주행거리 측정 방법(Odometry)을 통하여 자율 주행체의 현재 위치 정보를 획득한다.
차량의 구동 바퀴에 부착된 엔코더 센서(1) 정보로 부터 얻은 바퀴 회전각((
Figure 112016036935546-pat00010
))과 제어 주기(
Figure 112016036935546-pat00011
) 정보를 이용하여 차량의 진행 방향(Forward direction) 이동 속도를 구할 수 있다. 하지만 바퀴와 지면과의 마찰, 센서 자체의 인식 오차가 누적되어 정확도가 낮은 속도 추종 결과값을 도출하게 된다. 이를 보완하기 위하여 칼만 필터(2)를 적용하는 것이 바람직하며, 이는 추종된 속도의 오차를 제거하는 역할을 한다.
B. 자기장 인식 센서(3)
자성체가 발생하는 자기장의 세기를 인식하는 센서로서 차량이 주행하는 물리적인 환경에서 미리 구축된 다수의 자석에서 발생하는 자기장을 인식하게 된다. 자성체가 발생하는 자기장의 세기는 자기 모멘트와 자성체 중심을 기준으로 하는 위치 변수로 표현된다.
Figure 112016036935546-pat00012
- 수식 1
수식 1을 참고하여 자성체가 발생하는 가장 큰 세기의 자기장은 자성체 중심에 위치한다. 인식된 자기장을 발생하는 자석의 위치정보를 얻기 위해서 자석 위치 정보지도(5)와 현재 단계 자율 주행체 위치((
Figure 112016036935546-pat00013
)), 자기장 인식 센서(3)로부터 얻은 지역 좌표계 기준으로 자석의 위치 지점((
Figure 112016036935546-pat00014
)) 정보를 이용하여 자석 절대 위치 검출 시스템(4)을 통해 얻은 전역 좌표계 기준으로 자석의 절대 위치 지점((
Figure 112016036935546-pat00015
)) 정보를 얻게 된다.
C. 비선형 기반의 칼만 필터(무향 칼만 필터)(6)
차량의 주행거리 측정 방법으로 획득한 차량의 중심 위치 정보와 자기장 인식 센서(3)로 자기장을 인식하여 자석 절대 위치 검출 시스템(4)을 통해 얻은 전역 좌표계 기준으로 자석의 절대 위치 정보를 이용하여 차량의 지역 좌표계 중심(
Figure 112016036935546-pat00016
)과 인식된 자석의 중심 위치 지점((
Figure 112016036935546-pat00017
)) 간의 거리와 방향 정보를 획득하고, 동시에 자기장 인식 센서(3)로 자기장을 인식하여 얻은 지역 좌표계 기준으로 자석의 위치 지점((
Figure 112016036935546-pat00018
)) 정보를 통해 얻은 거리와 방향 정보를 앞서 계산된 거리와 방향 정보와 혼합하여 차량의 현재 위치를 보정하는 단계이다.
두 거리와 방향 정보를 혼합하기 위하여 확률모델 기반의 가우시안(Gaussian) 필터 모델을 사용하게 되고 이때 사용되는 필터는 무향 칼만 필터(Unscented Kalman Filter, UKF)를 사용한다. 가우시안 필터의 기본 개념은 노이즈 혹은 오차는 정규분포를 따르는 확률 변수로 표현 가능하다는 것이다.
엔코더 센서(1): 차량 구동 바퀴의 회전각((
Figure 112016036935546-pat00019
)) 정보와 조향 장치의 조향각(
Figure 112016036935546-pat00020
) 정보를 제공한다.
칼만 필터(2; 속도추종): 본 개시에서는 이산 시스템(Discrete System) 기준에서 차량의 주행을 제어하게 된다. 엔코더 센서(1)에서 얻은 회전각((
Figure 112016036935546-pat00021
))과 제어 주기(
Figure 112016036935546-pat00022
) 값을 이용하여 차량의 진행 방향 이동 속도를 구하게 되면, 지면과의 마찰력으로 발생하는 회전각 오차, 엔코더 센서 자체의 값 인식 오차, 이산 시스템 계산 오차가 누적되어 정확도가 낮은 이동 속도 정보를 얻게 된다. 속도 추종에 따른 오차를 제거하기 위해 가우시안 확률 모델을 따르는 선형 칼만 필터(2; Kalman Filter)를 사용하였고 이 필터는 계산되는 시스템 모델이 선형 상태일 경우 사용 가능하다.
가) 차량의 진행 방향 속도 추종을 위한 예측 단계
시스템 변수 설정
Figure 112016036935546-pat00023
: 시스템 모델의 관계를 표현하는 시스템행렬(2행2열)
Figure 112016036935546-pat00024
: k단계(현재 단계) 상태벡터(2행1열)
Figure 112016036935546-pat00025
: k단계 가우시안 확률 변수 형태의 시스템노이즈벡터(2행1열)
Figure 112016036935546-pat00026
:k단계 시스템공분산행렬(3행3열)
Figure 112016036935546-pat00027
: 시스템노이즈공분산행렬(2행2열)
Figure 112016036935546-pat00028
: 측정노이즈공분산행렬(1행1열)
Figure 112016036935546-pat00029
: k단계 엔코더 회전각 측정벡터(1행1열)
Figure 112016036935546-pat00030
: 측정값변수설정벡터(1행2열)
시스템 예측 단계
Figure 112016036935546-pat00031
- 수식 2.1
Figure 112016036935546-pat00032
- 수식 3.1
수식 2.1과 3.1을 설정된 변수로 표현하면 다음과 같다.
Figure 112016036935546-pat00033
Figure 112016036935546-pat00034
- 수식 2.2
수식 2.2에서 시스템노이즈벡터(
Figure 112016036935546-pat00035
)는 영벡터라 가정한다.
Figure 112016036935546-pat00036
Figure 112016036935546-pat00037
- 수식 3.2
수식2.2에 정의된 벡터(
Figure 112016036935546-pat00038
)는 k단계 상태벡터(
Figure 112016036935546-pat00039
) 정보를 이용하여 k+1단계 상태벡터(
Figure 112016036935546-pat00040
)를 미리 예측하는 예측상태벡터를 뜻하고, 수식 3.2에 정의된 벡터(
Figure 112016036935546-pat00041
)는 k단계 시스템공분산행렬(
Figure 112016036935546-pat00042
) 정보를 이용하여 k+1단계 시스템공분산행렬을 미리 예측하는 예측시스템공분산행렬을 의미한다. 예측시스템공분산행렬, 예측상태벡터 및 측정값변수설정벡터 정보를 혼합하여 차량의 진행 방향 속도 추종을 위한 업데이트 단계에서 필터게인값행렬(
Figure 112016036935546-pat00043
)을 측정한다.
나) 차량의 진행 방향 속도 추종을 위한 업데이트 단계
Figure 112016036935546-pat00044
Figure 112016036935546-pat00045
Figure 112016036935546-pat00046
-수식 4
Figure 112016036935546-pat00047
- 수식 5
Figure 112016036935546-pat00048
- 수식 6
수식 4에서 정의된 필터게인값행렬(
Figure 112016036935546-pat00049
)은 예측상태벡터(
Figure 112016036935546-pat00050
)와 예측시스템공분산행렬(
Figure 112016036935546-pat00051
) 값을 보정하여 보다 정확한 다음 단계 상태벡터(
Figure 112016036935546-pat00052
)와 시스템공분산행렬(
Figure 112016036935546-pat00053
) 값으로 도출하게 된다. 수식 5와 수식 6의 형태는 저역통과필터(Low Pass Filter)와 유사한 형태이지만 일정한 게인값을 사용하지 않고 가우시안 확률 모델을 기반으로 입력 정보에 따라 변하는 특징을 가지고 있다.
자기장 인식 센서(3): 자성체로부터 발생되는 자기장의 세기를 인식하고 자성체로부터 가장 큰 세기의 자기장이 발생되는 자성체의 중심 지점을 인식하게 된다. 인식된 자석의 위치는 자율 주행체의 지역 좌표계 중심을 기준으로 진행 방향으로의 거리(
Figure 112016036935546-pat00054
) 정보와 측면 방향으로의 거리(
Figure 112016036935546-pat00055
) 정보를 획득한다.
자석 절대 위치 검출 시스템(4): 자기장 인식 센서 지역 좌표계 기준으로 인식된 자석의 위치를 전역 좌표계 기준 위치로 변환하는 시스템으로, 현재 단계 자율 주행체 위치((
Figure 112016036935546-pat00056
)) 및 자석 위치 정보지도(5)를 사용하게 된다. 도 2에 도시된 바와 같이, 차량 이동 모델을 기준으로 자기장 인식 센서로 인식된 자석의 위치 지점 ((
Figure 112016036935546-pat00057
))과 자석 위치 정보 지도에 포함된
Figure 112016036935546-pat00058
개의 모든 자석의 전역 좌표계 기준 절대 위치 정보((
Figure 112016036935546-pat00059
),
Figure 112016036935546-pat00060
)와 비교하여 인식된 자석의 위치 지점((
Figure 112016036935546-pat00061
)) 정보를 얻게 된다(도 1, 도 2 및 도 3 참조).
Figure 112016036935546-pat00062
- 수식 8
자기장 인식을 통한 자석 위치 정보 획득 알고리즘
Figure 112016036935546-pat00063
Figure 112016036935546-pat00064
Figure 112016036935546-pat00065
Figure 112016036935546-pat00066
Figure 112016036935546-pat00067
Figure 112016036935546-pat00068
Figure 112016036935546-pat00069
Figure 112016036935546-pat00070
Figure 112016036935546-pat00071
자석 위치 정보지도(5): 미리 구축된 자석들의 전역좌표계 기준 위치를 포함하는 정보지도로서, 지능형 교통 시스템(Intelligent Transport Systems, ITS) 분야에서 사용되는 확장형 디지털 지도(Local Dynamic Map, LDM) 개념의 1단계 지도 정보 형태, 정적 정보(Static Features)에서 정의하는 pointlandmarks 정보 구축 방법과 관련한다.
Figure 112016036935546-pat00072
: 자석 위치 정보지도
비선형 기반의 칼만 필터(6; 무향 칼만 필터)
함수의 입력 변수와 출력 변수와의 관계가 비선형 관계식인 경우 입력 변수가 가지고 있는 확률적 특성(평균, 분산)이 출력 변수의 확률적 특성과 해석적인 관계를 가질 수 없다. 본 개시에서 사용되는 무향 칼만 필터는 입력변수벡터와 출력변수벡터에 가중치를 두어 행렬로 변환하는 무향 변환 과정을 통해 각각 벡터의 평균과 분산 값을 해석적으로 계산하게 된다.
가) 무향 변환 과정(Unscented Transformation; 1단계)
시스템 변수 설정
Figure 112016036935546-pat00073
: k단계에서의 차량의 진행 방향 위치, 측면 방향 위치, 회전 중심 방향을 포함하는 상태변수벡터(3행1열)
Figure 112016036935546-pat00074
: k단계에서의 시스템 입력변수벡터(2행1열)
Figure 112016036935546-pat00075
: k단계에서의 이동체의 진행방향 속도
Figure 112016036935546-pat00076
: k단계에서의 이동체의 조향각
Figure 112016036935546-pat00077
: k단계에서의 가우시안 확률 변수를 따르는 시스템노이즈벡터(3행1열)
Figure 112016036935546-pat00078
: k단계에서의 가우시안 확률 변수를 따르는 측정노이즈벡터(2행1열)
Figure 112016036935546-pat00079
: k단계에서의 시스템공분산행렬(3행3열)
Figure 112016036935546-pat00080
: 시스템노이즈벡터(
Figure 112016036935546-pat00081
)의 공분산행렬(3행3열)
Figure 112016036935546-pat00082
: 측정노이즈벡터(
Figure 112016036935546-pat00083
)의 공분산행렬(2행2열)
변수
Figure 112016036935546-pat00084
와
Figure 112016036935546-pat00085
는 각각 차량의 진행방향 속도와 조향각에 관련하여 설정한다.
Figure 112016036935546-pat00086
Figure 112016036935546-pat00087
시그마 변환 과정
Figure 112016036935546-pat00088
: 시그마상태변수행렬(3행7열)
시그마상태변수행렬은 상태변수벡터의 가중치를 계산하여 평균과 분산을 구하기 위한 목적으로 계산되는 행렬로서,
Figure 112016036935546-pat00089
은 상태변수벡터의 크기(
Figure 112016036935546-pat00090
)를 의미하고
Figure 112016036935546-pat00091
(
Figure 112016036935546-pat00092
)는 임의의 상수 값으로서 본 개시에서 12로 설정한다.
Figure 112016036935546-pat00093
행렬은
Figure 112016036935546-pat00094
행렬의 루트 값으로 콜레스키(Cholesky) 분해 방법을 사용하여 값을 얻는다.
Figure 112016036935546-pat00095
- 수식 9
Figure 112016036935546-pat00096
: 하삼각 행렬(3행3열)
Figure 112016036935546-pat00097
: 시그마상태변수 행렬(3행7열)
나) 예측 과정(필터 적용을 위한 전처리 계산 단계; 도 4 참조)
차량의 현재단계(k) 위치에서 다음단계(k+1) 위치를 측정하기 전에 예측단계(k+1/k) 위치 정보가 필요하다. 현재단계 위치제어 예측단계 위치 정보를 계산하기 위한 함수를 시스템 함수(
Figure 112016036935546-pat00098
) 라고 정의한다.
Figure 112016036935546-pat00099
- 수식 10
Figure 112016036935546-pat00100
Figure 112016036935546-pat00101
- 수식 11
Figure 112016036935546-pat00102
: 평균가중치벡터(7행1열)
Figure 112016036935546-pat00103
Figure 112016036935546-pat00104
Figure 112016036935546-pat00105
- 수식 12 : 시그마상태변수행렬을 구성하는 열벡터들의 평균값으로, 평균상태변수벡터(3행1열)
Figure 112016036935546-pat00106
: 시그마상태변수행렬(
Figure 112016036935546-pat00107
)의 i번째 열벡터(3행1열)
Figure 112016036935546-pat00108
: 공분산가중치벡터(7행1열)
Figure 112016036935546-pat00109
Figure 112016036935546-pat00110
Figure 112016036935546-pat00111
- 수식 13 : 예측된 시스템공분산행렬(3행3열)
Figure 112016036935546-pat00112
: 예측된 시그마상태변수행렬(3행7열)
측정함수행렬(
Figure 112016036935546-pat00113
)은 예측된 시그마상태변수행렬을 구성하는 각각의 열벡터 성분들과 자석 절대 위치 검출 시스템으로 획득한 전역 좌표계 기준으로 인식된 자석의 절대 위치((
Figure 112016036935546-pat00114
)) 정보를 측정함수(
Figure 112016036935546-pat00115
)를 통해 거리와 방향이 계산된 행렬이다.
Figure 112016036935546-pat00116
Figure 112016036935546-pat00117
- 수식 14 : 측정함수
Figure 112016036935546-pat00118
: 자율 주행체의 지역 좌표계 중심(
Figure 112016036935546-pat00119
)으로부터 인식된 자석
Figure 112016036935546-pat00120
((
Figure 112016036935546-pat00121
))까지의 최단 거리(도 3 참조).
Figure 112016036935546-pat00122
: 자율 주행체의 지역 좌표계 중심(
Figure 112016036935546-pat00123
)으로부터 인식된 자석
Figure 112016036935546-pat00124
((
Figure 112016036935546-pat00125
))까지의 방향(도 3 참조).
Figure 112016036935546-pat00126
- 수식 15 : 측정함수행렬(2행7열)
Figure 112016036935546-pat00127
- 수식 16 : 측정함수행렬을 구성하는 열벡터들의 평균값으로, 평균측정함수벡터(2행1열)
Figure 112016036935546-pat00128
- 수식 17 : 측정공분산행렬(2행2열)
Figure 112016036935546-pat00129
: 측정함수행렬(
Figure 112016036935546-pat00130
)의 i번째 열벡터(2행1열)
Figure 112016036935546-pat00131
- 수식 18 : 측정값벡터(2행1열)
평균측정함수벡터와 측정값벡터의 차이점을 기술하면, 자기장 인식 센서(3)로 측정된 지역 좌표계 기준으로 자석의 위치((
Figure 112016036935546-pat00132
)) 정보를 전역 좌표계 기준으로 자석의 위치((
Figure 112016036935546-pat00133
)) 정보로 표현하여 자석 위치 검출 시스템을 통해 얻은 절대 위치((
Figure 112016036935546-pat00134
)) 정보가 포함된 벡터를 평균측정함수벡터라 정의하고, 자기장 인식 센서(3)로 측정된 지역 좌표계 기준으로 자석의 위치((
Figure 112016036935546-pat00135
)) 정보가 포함된 벡터를 측정값벡터라 정의한다.
Figure 112016036935546-pat00136
- 수식 19 : 혼합공분산행렬(3행2열)
Figure 112016036935546-pat00137
: 예측된 시그마상태변수 행렬(
Figure 112016036935546-pat00138
)의 i번째 열벡터(3행1열)
Figure 112016036935546-pat00139
- 수식 20 : 칼만이득행렬(3행2열)
Figure 112016036935546-pat00140
- 수식 21 : 필터 계산 후 k+1 단계 상태변수벡터(3행1열)
Figure 112016036935546-pat00141
- 수식 22 : 필터 계산 후 k+1 단계 시스템공분산행렬(3행3열)
도 5 는 도 6, 도 7 및 도 8에 명시된 실험 결과를 도출하기 위한 실험 방법을 기술한 도면으로서, 우선 자석을 주행 환경에 배치한 후(1 단계), 자율주행 실험 시작 지점에서 주행체의 지역 좌표계와 주행 환경에서의 전역 좌표계가 동일하다는 가정 하에 실험을 진행한다(2 단계). 자율 주행체는 미리 지정된 경로 지점(3 단계)을 추종하는 동시에 주행 경로에 설치된 자석의 자기장을 인식하여 현재 위치를 보정하게 된다(4 단계).
도 6과 도 7은 실제 환경에서 자율 주행체의 위치 정보를 획득하는 본 개시에 따른 위치 인식 시스템의 실험 결과를 나타내는 도면으로서, 원형 경로(도 6 참조)와 지그재그 경로(도 7 참조)에서 실험을 진행한다. 한쪽 방향으로 주행하는 원형 경로와 양쪽 방향으로 주행 하는 지그재그 경로의 실험 결과를 비교하면, 양쪽 방향으로 주행하는 지그재그 경로에서의 주행거리 측정 방법(Odometry)을 통한 위치와 무향칼만필터(UKF)를 통한 위치와의 오차가 더 크게 나타난다. 이러한 상황에서 본 개시에 제안된 위치인식방법은 한쪽 혹은 양쪽 방향 곡선 경로에서도 정확한 위치 추종 결과를 얻을 수 있다.
도 8은 가상 환경에서 자율 주행체의 위치 정보를 획득하는 본 개시에 따른 위치 인식 시스템의 실험 결과를 나타내는 도면으로서, 주행거리 측정 방법(Odometry)을 통한 위치, 무향칼만필터(UKF)를 통한 위치 및 가상 환경에서 자율 주행체의 진짜(True) 위치를 각각 비교하게 된다. 가상 환경에서의 주행 경로는 양방향 곡선 경로가 포함된 지그재그 경로로서 필터를 적용한 위치와 진짜 위치의 차이가 거의 없는 것을 알 수 있다.
[실험에 사용된 센서 사양]
(1) 엔코더 센서
회사명 : Encoder Product Company
모델 번호 : Model TR1
통신 방식 : RS-422
정보 획득 주기 : 100 Hz
오차 정도 : 0.017이내(정보 획득시)
(2) 자기장 인식 센서 (도 2 참조)
회사명 : 언맨드솔루션
모델 번호 : 자기장인식센서
통신 방식 : UDP
정보 획득 주시 : 100 Hz
오차 정도 : 정보 제공 되지 않음
이하, 본 개시에 따른 다양한 실시형태를 예시한다.
(1) 엔코더 센서와 자기장 인식 센서를 이용하여, 자율 주행체의 위치 정보를 획득하는 방법에 있어서, 엔코더 센서, 자기장 인식 센서를 이용하여, 자율 주행체의 운행 상태 정보(회전각((
Figure 112016036935546-pat00142
)), 제어주기(
Figure 112016036935546-pat00143
), 조향각(
Figure 112016036935546-pat00144
)), 지역 좌표계(Local Coordinate) 기준으로 인식된 자석의 위치 지점((
Figure 112016036935546-pat00145
)), 전역 좌표계(Global Coordinate) 기준으로 인식된 자석의 절대 위치 지점((
Figure 112016036935546-pat00146
))를 얻는 단계; 그리고, 무향 변환 과정(Unscented Transformation), 예측 과정 및 업데이트 과정을 거치며, 업데이트 과정에서 자기장 인식 센서로 측정된 지역 좌표계 기준으로 인식된 자석의 위치 지점((
Figure 112016036935546-pat00147
)) 정보와 자석 절대 위치 검출 시스템을 통해 얻은 전역 좌표계 기준으로 인식된 자석의 절대 위치 지점((
Figure 112016036935546-pat00148
)) 정보가 이용되는, 무향칼만필터를 적용하여 자율 주행체의 위치 정보를 보정하는 단계;를 포함하는 것을 특징으로 하는 자율 주행체의 위치 정보를 획득하는 방법.
(2) 자석의 위치 지점((
Figure 112016036935546-pat00149
, )) 정보는 자석 절대 위치 검출 시스템에서 자석 위치 정보 지도와 현재 단계 자율 주행체 위치, 자기장 인식 센서로부터 얻은 지역 좌표계 기준으로 인식 거리 정보를 이용하여, 수식 8로 정의되는 것을 특징으로 하는 자율 주행체의 위치 정보를 획득하는 방법.
(3) 예측 과정에서, 수식 10로 정의되는 시스템 함수, 수식 12로 정의되는 평균상태변수벡터, 수식 13으로 정의되는 예측된 시스템공분산행렬, 수식 14로 정의되는 측정함수, 수식 15로 정의되는 측정함수행렬, 및 수식 16으로 정의되는 평균측정함수벡터가 이용되는 것을 특징으로 하는 자율 주행체의 위치 정보를 획득하는 방법.
(4) 자율 주행체에 부착된 엔코더 센서 정보로부터 얻은 회전각((
Figure 112016036935546-pat00150
)) 정보는 칼만필터를 통해 오차가 제거된 다음, 무향 변환 과정에 이용되는 것을 특징으로 하는 자율 주행체의 위치 정보를 획득하는 방법.
(5) 업데이트 과정에서, 수식 20으로 정의되는 칼만이득 행렬, 수식 21로 정의되는 필터 계산 후 k+1 단계 상태변수벡터 및 수식 22로 정의되는 필터 계산 후 k+1 시스템공분산행렬이 이용되는 것을 특징으로 하는 자율 주행체의 위치 정보를 획득하는 방법.
본 개시에 따른 자율 주행체의 위치 정보를 획득하는 방법에 의하면, 거리 인식 센서와 영상 인식 센서에 비해 낮은 가격의 자기장 인식 센서 정보를 이용하는 위치 측위 시스템을 구성하고, 또한 인식된 자석의 위치 정보를 바로 사용하지 않고 비교/혼합 필터 과정을 거쳐 잘못된 인식 경우를 줄이며 플랫폼의 위치와 방향 누적오차를 줄이는 것이 가능해진다.
또한 본 개시에 따른 자율 주행체의 위치 정보를 획득하는 방법에 의하면, 무향 칼만 필터의(Unscented Kalman Filter)를 적용하여 비선형 모델을 선형 모델로 간소화하지 않고 비선형 모델에 사용되는 입력 및 출력 벡터 각각의 확률 특성 값을 계산하는 방식으로 사용함으로써, 종래의 확장 칼만 필터를 이용하는 경우에 비해 우수한 오차 제거 성능을 가진다.
또한 본 개시에 따른 자율 주행체의 위치 정보를 획득하는 방법에 의하면, 자율주행 가능한 이동 플랫폼(자율 주행체)이 물리적으로 주행하는 환경에 미리 설치된 자석의 전역좌표계 기준으로 절대 위치 지점 정보를 이용하여 상기 플랫폼의 정확도 높은 위치정보를 획득하는 실시간 위치 인식 시스템을 구현할 수 있게 있다.
또한 본 개시에 따른 자율 주행체의 위치 정보를 획득하는 방법에 의하면, 자율 주행체의 위치 정보 획득에 있어서 위치 확인 시스템(Global Positioning System, GPS) 신호 정보를 사용할 수 없는 지역에서도 정확한 위치 정보를 얻을 수 있게 된다. 본 개시에 따른 시스템으로 측정된 정확도 높은 위치 정보는 자율주행 차량의 실내 주차 시스템에 적용가능하며 청소용 이동 로봇 위치 인식 기술 시스템에도 적용 가능하다. 많은 분야에서 적용이 가능하면 향후 자석의 구축 방법과 구축된 자석의 정보 저장과 전달 형태가 표준화되어 전반적인 지능형 교통 시스템(Intelligent Transportation System, ITS) 분야 그리고 특히 확장형 디지털 지도(Local Dynamic Map, LDM) 구축 분야에서 자율주행 차량의 실내 위치 측위 방법에 관련하여 높은 적용성이 기대된다.
1: 엔코더 센서, 2: 칼만 필터, 3: 자기장 인식 센서, 4: 자석 절대 위치 검출 시스템, 5: 자석 위치 정보지도, 6: 비선형 기반의 칼만 필터(무향 칼만 필터)

Claims (5)

  1. 삭제
  2. 엔코더 센서 및 자기장 인식 센서를 이용하여, 자율 주행체의 위치 정보를 획득하는 방법에 있어서,
    엔코더 센서와 자기장 인식 센서를 이용하여, 자율 주행체의 운행 상태 정보(회전각((
    Figure 112018049971902-pat00183
    )), 제어주기(
    Figure 112018049971902-pat00184
    ), 조향각(
    Figure 112018049971902-pat00185
    ), 지역 좌표계(Local Coordinate) 기준으로 인식된 자석의 위치 지점((
    Figure 112018049971902-pat00186
    )), 전역 좌표계(Global Coordinate) 기준으로 인식된 자석의 절대 위치 지점((
    Figure 112018049971902-pat00187
    ))를 얻는 단계; 그리고,
    무향 변환 과정(Unscented Transformation), 예측 과정 및 업데이트 과정을 거치며, 업데이트 과정에서 자기장 인식 센서로 측정된 지역 좌표계 기준으로 인식된 자석의 위치 지점((
    Figure 112018049971902-pat00188
    )) 정보와 자석 절대 위치 검출 시스템을 통해 얻은 전역 좌표계 기준으로 인식된 자석의 절대 위치 지점((
    Figure 112018049971902-pat00189
    )) 정보가 이용되는, 무향칼만필터를 적용하여 자율 주행체의 위치 정보를 보정하는 단계;를 포함하며,
    업데이트 과정에서, 수식 10으로 정의되는 시스템 함수, 수식 12로 정의되는 평균상태변수벡터 , 수식 13으로 정의되는 예측된 시스템공분산행렬, 수식 14로 정의되는 측정함수, 수식 15로 정의되는 측정함수행렬, 수식 16으로 정의되는 평균측정함수벡터 이용되는 것을 특징으로 하는 자율 주행체의 위치 정보를 획득하는 방법
    Figure 112018049971902-pat00190

    Figure 112018049971902-pat00191

    Figure 112018049971902-pat00192

    Figure 112018049971902-pat00193
    .
  3. 엔코더 센서 및 자기장 인식 센서를 이용하여, 자율 주행체의 위치 정보를 획득하는 방법에 있어서,
    엔코더 센서와 자기장 인식 센서를 이용하여, 자율 주행체의 운행 상태 정보(회전각((
    Figure 112018049971902-pat00194
    )), 제어주기(
    Figure 112018049971902-pat00195
    ), 조향각(
    Figure 112018049971902-pat00196
    ), 지역 좌표계(Local Coordinate) 기준으로 인식된 자석의 위치 지점((
    Figure 112018049971902-pat00197
    )), 전역 좌표계(Global Coordinate) 기준으로 인식된 자석의 절대 위치 지점((
    Figure 112018049971902-pat00198
    ))를 얻는 단계; 그리고,
    무향 변환 과정(Unscented Transformation), 예측 과정 및 업데이트 과정을 거치며, 업데이트 과정에서 자기장 인식 센서로 측정된 지역 좌표계 기준으로 인식된 자석의 위치 지점((
    Figure 112018049971902-pat00199
    )) 정보와 자석 절대 위치 검출 시스템을 통해 얻은 전역 좌표계 기준으로 인식된 자석의 절대 위치 지점((
    Figure 112018049971902-pat00200
    )) 정보가 이용되는, 무향칼만필터를 적용하여 자율 주행체의 위치 정보를 보정하는 단계;를 포함하며,
    필터 적용 단계에서, 수식 21로 정의되는 필터 계산 후 k+1 단계 상태변수벡터 및 수식 22로 정의되는 필터 계산 후 k+1 시스템공분산행렬이 이용되는 것을 특징으로 하는 자율 주행체의 위치 정보를 획득하는 방법
    Figure 112018049971902-pat00182
    .
  4. 삭제
  5. 청구항 2 또는 청구항 3에 있어서,
    자율 주행체에 부착된 엔코더 센서 정보로부터 얻은 회전각((
    Figure 112018049971902-pat00201
    )) 정보는 칼만필터를 통해 오차가 제거된 다음, 무향 변환 과정에 이용되는 것을 특징으로 하는 자율 주행체의 위치 정보를 획득하는 방법.
KR1020160047040A 2016-04-18 2016-04-18 자율 주행체의 위치 정보를 획득하는 방법 KR101907611B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160047040A KR101907611B1 (ko) 2016-04-18 2016-04-18 자율 주행체의 위치 정보를 획득하는 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160047040A KR101907611B1 (ko) 2016-04-18 2016-04-18 자율 주행체의 위치 정보를 획득하는 방법

Publications (2)

Publication Number Publication Date
KR20170119188A KR20170119188A (ko) 2017-10-26
KR101907611B1 true KR101907611B1 (ko) 2018-10-15

Family

ID=60300904

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160047040A KR101907611B1 (ko) 2016-04-18 2016-04-18 자율 주행체의 위치 정보를 획득하는 방법

Country Status (1)

Country Link
KR (1) KR101907611B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111033423B (zh) * 2018-04-18 2023-11-21 百度时代网络技术（北京）有限公司 用于评估自动驾驶车辆的定位系统的方法
KR102156170B1 (ko) * 2018-08-01 2021-03-25 제주대학교 산학협력단 인간의 위치 평가 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101121518B1 (ko) * 2009-10-09 2012-02-28 고려대학교 산학협력단 로봇 이동 장치 지도 작성 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101121518B1 (ko) * 2009-10-09 2012-02-28 고려대학교 산학협력단 로봇 이동 장치 지도 작성 방법

Also Published As

Publication number Publication date
KR20170119188A (ko) 2017-10-26

Similar Documents

Publication Publication Date Title
US11243081B2 (en) Slam assisted INS
US11536572B2 (en) Method and system for accurate long term simultaneous localization and mapping with absolute orientation sensing
JP4170284B2 (ja) 移動物体の進行方向の推定方法およびシステム
Lee et al. Robust mobile robot localization using optical flow sensors and encoders
US10884417B2 (en) Navigation of mobile robots based on passenger following
KR101060988B1 (ko) 지그비의 수신신호세기를 이용한 지능형 이동로봇의 이동 대상물 추적 제어 장치 및 그 방법
CN101183266A (zh) 使用粒子滤波器估算移动机器人姿态的方法、设备和介质
CN112740274A (zh) 在机器人设备上使用光流传感器进行vslam比例估计的系统和方法
CN110988894B (zh) 一种面向港口环境的多源数据融合的无人驾驶汽车实时定位方法
CN110763224A (zh) 一种自动导引运输车导航方法及导航系统
CN113776519B (zh) 一种无光动态开放环境下agv车辆建图与自主导航避障方法
Hoang et al. Multi-sensor perceptual system for mobile robot and sensor fusion-based localization
KR20230014724A (ko) 차량 국부화 시스템 및 방법
Coelho et al. Ekf and computer vision for mobile robot localization
US10386839B2 (en) Mobile robot that emulates pedestrian walking behavior
Moussa et al. Ultrasonic based heading estimation for aiding land vehicle navigation in GNSS denied environment
KR101907611B1 (ko) 자율 주행체의 위치 정보를 획득하는 방법
Nguyen et al. Improving the accuracy of the autonomous mobile robot localization systems based on the multiple sensor fusion methods
Fariña et al. Sensor fusion algorithm selection for an autonomous wheelchair based on EKF/UKF comparison
CN117387604A (zh) 基于4d毫米波雷达和imu融合的定位与建图方法及系统
KR102093743B1 (ko) 센서 융합을 이용한 차선 레벨 자동차 위치 정보 측위 시스템
Sidharthan et al. Stochastic wheel-slip compensation based robot localization and mapping
Sumanarathna et al. Simulation of mobile robot navigation with sensor fusion on an uneven path
KR20150079098A (ko) 강인한 시각 주행거리 측정을 위한 시공간적 3차원 벡터 필터링 기법
Zhang et al. A vision/inertia integrated positioning method using position and orientation matching

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right