KR102024986B1 - 차로 유지 제어 장치 및 방법 - Google Patents

차로 유지 제어 장치 및 방법 Download PDF

Info

Publication number
KR102024986B1
KR102024986B1 KR1020170078406A KR20170078406A KR102024986B1 KR 102024986 B1 KR102024986 B1 KR 102024986B1 KR 1020170078406 A KR1020170078406 A KR 1020170078406A KR 20170078406 A KR20170078406 A KR 20170078406A KR 102024986 B1 KR102024986 B1 KR 102024986B1
Authority
KR
South Korea
Prior art keywords
model
vehicle
lane
kinematic
calculated
Prior art date
Application number
KR1020170078406A
Other languages
English (en)
Other versions
KR20180138324A (ko
Inventor
정정주
강창묵
이승희
Original Assignee
한양대학교 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 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020170078406A priority Critical patent/KR102024986B1/ko
Publication of KR20180138324A publication Critical patent/KR20180138324A/ko
Application granted granted Critical
Publication of KR102024986B1 publication Critical patent/KR102024986B1/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
    • 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, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • 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
    • 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
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • 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
    • B60W2050/005—Sampling
    • 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
    • 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 or light 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
    • B60W2420/42—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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/20—Steering systems
    • B60W2710/202—Steering torque
    • 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

Abstract

차로 유지 제어 장치 및 방법이 개시된다. 차로 유지 제어 장치는, 차량의 전방 주시 거리를 고려한 다이나믹 횡방향 모션 모델(dynamic lateral motion model, 이하 다이나믹 모델이라 함) 및 키네마틱 횡방향 모션 모델(kinematic lateral motion model, 이하 키네마틱 모델이라 함)을 생성하는 생성부, 카메라 센서 및 관성 측정 센서 중 적어도 하나를 이용하여 차로 정보 및 차량 모션 정보를 측정하는 측정부, 차로 정보 및 차량 모션 정보를 이용하여 다이나믹 모델 및 키네마틱 모델 각각에 대하여 주행 조건에 따른 적용 적합도를 나타내는 확률을 산출하고, 산출된 확률에 따른 가중치를 각 모델에 적용하는 인터랙션 다중 모델 필터(IMM Filter: Interaction Multiple Model Filter) 및 가중치가 적용된 융합 모델을 이용하여 차량의 스티어링 토크를 산출하고, 산출된 스티어링 토크를 이용하여 차량의 차로 유지를 위한 횡방향 모션 제어(lateral motion control)를 수행하는 제어부를 포함한다.

Description

차로 유지 제어 장치 및 방법{Apparatus and method for lane Keeping control}
본 발명은 차로 유지 제어 장치 및 방법에 관한 것이다.
다이나믹 횡방향 모션 모델(dynamic lateral motion model)과 키네마틱 횡방향 모션 모델(kinematic lateral motion model)의 주요 차이는 타이어 슬립 각도(tire slip angle)의 고려 여부이다. 타이어 슬립 각도는 타이어 방향과 휠(wheel)의 속도 벡터의 방향으로 정의된다. 다이나믹 횡방향 모션 모델은 타이어 슬립 각도를 포함하는 반면, 키네마틱 횡방향 모션 모델은 타이어 슬립 각도를 포함하지 않는다. 타이어 슬립 각도는 차량이 큰 스티어링 각도(steer angle) 또는 갑작스런 요레이트(yawrate) 변화를 가지면서 고속으로 주행할 때 발생한다. 그래서, 자동차 업계에서는, 다이나믹 횡방향 모션 모델이 차로 유지 시스템(lane keeping system (LKS)), 차선 변경 시스템(lane change control(LXC)) 및 충돌 회피(collision avoidance)를 위하여 폭넓게 사용되어 왔다. 그러나, 다이나믹 횡방향 모션 모델은 대부분 알려지지 않은 몇몇 차량 파라미터에 상당히 의존한다. 다이나믹 횡방향 모션 모델의 문헌조사는 타이어 슬립 각도와 관련된 코너링 강성(cornering stiffness) 및 타이어/도로 마찰 상태(tire-road friction condition)와 같이, 알려지지 않은 차량 파라미터에 집중되어 왔다.
반면에, 키네마틱 횡방향 모션 모델은 주차 지원 시스템과 같이, 제한된 저속 주행 조건을 위하여 사용되어 왔다. 그러나, 최근, 고속도로 주행 시의 차로 추정 또는 차로 유지 시스템을 위한 키네마틱 횡방향 모션 모델이 파라미터 불확실성에 대하여 강건하고 차로 유지 시스템을 위하여 사용될 수 있음을 보여주는 연구가 진행되어 왔다.
다이나믹 및 키네마틱 횡방향 차량 모션 제어는 둘다 차량 상태를 정확하게 아는 것이 필수적이다. 그러나, 센서 비용 및/또는 물리적 한계 때문에 모든 차량의 상태가 회득될 수 없다. 그래서, 차량 제조업체의 경우, 관성 측정 센서(IMU) 및 비전 센서와 같이 현재 고급 차량에서 가용한 센서에 추가 센서를 설치하는 것보다는 온라인 추정 방법을 개발하는 것이 더 적합할 수 있다.
횡방향 모션 모델의 상태를 추정하는 접근법은 많이 있다. 이 접근법들은 대부분 다이나믹 모델에 기반하며, 성능은 파라미터 불확실성에 의하여 변한다.
한편, 인터랙션 다중 모델(IMM: Interaction Multiple Model)은 적은 계산력이 필요하고 고성능이기 때문에, 타겟 추적 및 타겟의 추정/검출과 같은 다양한 산업 어플리케이션에서 폭넓게 사용되어 왔다. 특히, 인터랙션 다중 모델은 다중 타겟을 정확하게 추적하기 위하여, 항공기 및 차량 산업에서 개발되었다. 또한, 차량 산업에서, 인터랙션 다중 모델은 도로 경계 검출 및 GPS의 정확도 개선과 같이, 다른 자율 차량 어플리케이션에도 사용되어 왔다. 인터랙션 다중 모델은 모델 신뢰성을 나타내는 모델 확률의 기준에 기초한다.
본 발명은 차로 유지를 위한 차량의 다이나믹 횡방향 모션 모델(dynamic lateral motion model)과 키네마틱 횡방향 모션 모델(kinematic lateral motion model)를 이용하여 주행 조건에 적합한 모델을 결정하고, 결정된 모델을 이용하여 차량의 횡방향 모션을 제어하는 차로 유지 제어 장치 및 방법을 제공하기 위한 것이다.
본 발명의 일 측면에 따르면, 차로 유지 제어 장치가 개시된다.
본 발명의 실시예에 따른 차로 유지 제어 장치는, 차량의 전방 주시 거리를 고려한 다이나믹 횡방향 모션 모델(dynamic lateral motion model, 이하 다이나믹 모델이라 함) 및 키네마틱 횡방향 모션 모델(kinematic lateral motion model, 이하 키네마틱 모델이라 함)을 생성하는 생성부, 카메라 센서 및 관성 측정 센서 중 적어도 하나를 이용하여 차로 정보 및 차량 모션 정보를 측정하는 측정부, 상기 차로 정보 및 상기 차량 모션 정보를 이용하여 상기 다이나믹 모델 및 상기 키네마틱 모델 각각에 대하여 주행 조건에 따른 적용 적합도를 나타내는 확률을 산출하고, 상기 산출된 확률에 따른 가중치를 각 모델에 적용하는 인터랙션 다중 모델 필터(IMM Filter: Interaction Multiple Model Filter) 및 상기 가중치가 적용된 융합 모델을 이용하여 차량의 스티어링 토크를 산출하고, 상기 산출된 스티어링 토크를 이용하여 상기 차량의 차로 유지를 위한 횡방향 모션 제어(lateral motion control)를 수행하는 제어부를 포함한다.
상기 인터랙션 다중 모델 필터는 인터랙션(interaction), 필터링(filtering), 업데이트(updating) 및 조합(combination)의 네 단계의 절차를 수행한다.
상기 인터랙션 다중 모델 필터는 상기 인터랙션에서, 이전 샘플링 시간에서 각 모델의 적용 적합도를 나타내는 유지 및 변경 확률을 산출하고, 상기 산출된 유지 및 변경 확률을 이용하여 각 모델에 대한 초기 상태 및 초기 공분산을 추정한다.
상기 다이나믹 모델 및 상기 키네마틱 모델의 상기 유지 및 변경 확률은 하기 수학식으로 산출된다.
Figure 112017059472593-pat00001
여기서,
Figure 112017059472593-pat00002
는 모델 i에서 j로 전환되는 마르코프 확률(Markov probability)을 나타내고,
Figure 112017059472593-pat00003
는 시간 k에서 모델 i의 모델 확률을 나타내고,
Figure 112017059472593-pat00004
이고, 인덱스 숫자 i, j = 1은 상기 다이나믹 모델을 나타내고, 인덱스 숫자 i, j = 2는 키네마틱 모델을 나타냄
상기 인터랙션 다중 모델 필터는 상기 필터링에서, 현재 샘플링 시간에서 측정된 차로 정보 및 차량 모션 정보로부터 산출된 각 모델의 계수와 상기 추정된 초기 상태 및 초기 공분산을 이용하여 이전 샘플링 시간에 대한 현재 샘플링 시간의 현재 상태 및 현재 공분산의 예측값을 산출한다.
상기 인터랙션 다중 모델 필터는 상기 필터링에서, 각 모델의 칼만 필터(Kalman filter)의 이노베이션(innovation) 및 공분산을 산출한 후, 상기 각 모델의 칼만 필터를 이용하여 상기 예측값을 교정하여 현재 상태 및 현재 공분산을 추정한다.
상기 인터랙션 다중 모델 필터는 상기 업데이트에서, 가우시안 가정에 따른 상기 각 모델의 우도 함수(likelihood function)를 상기 각 모델의 칼만 필터의 이노베이션 및 공분산을 이용하여 산출하고, 상기 산출된 우도 함수를 이용하여 상기 각 모델에 대한 현재의 유지 및 변경 확률을 산출한다.
상기 현재의 유지 및 변경 확률은 하기 수학식으로 산출된다.
Figure 112017059472593-pat00005
여기서,
Figure 112017059472593-pat00006
이고,
Figure 112017059472593-pat00007
및
Figure 112017059472593-pat00008
는 각각 칼만 필터의 이노베이션(innovation) 및 공분산이고, c는 정규화 계수임
상기 인터랙션 다중 모델 필터는 상기 조합에서, 상기 현재의 유지 및 변경 확률과 상기 추정된 현재 상태 및 현재 공분산을 이용하여 상기 다이나믹 모델 및 상기 키네마틱 모델의 합쳐진 상태 및 공분산을 산출함으로써, 상기 가중치를 각 모델에 적용한다.
상기 다이나믹 모델 및 상기 키네마틱 모델의 시스템 상태 함수는 전방 주시 지점(look-ahead point)에서의 횡방향 차로 중심 오프셋(lateral lane center offset)
Figure 112017059472593-pat00009
, 횡방향 속도 오차
Figure 112017059472593-pat00010
, 차량 무게중심에서의 헤딩 각도 오차(heading angle error)
Figure 112017059472593-pat00011
및 요레이트(yaw rate)
Figure 112017059472593-pat00012
를 포함하는 상태 벡터를 포함한다.
상기 차로 정보는 상기
Figure 112017059472593-pat00013
및 상기
Figure 112017059472593-pat00014
를 포함하고,
상기 차량 모션 정보는 상기
Figure 112017059472593-pat00015
를 포함한다.
본 발명의 다른 측면에 따르면, 차로 유지 제어 방법이 개시된다.
본 발명의 실시예에 따른 차로 유지 제어 방법은, 차량의 전방 주시 거리를 고려한 다이나믹 횡방향 모션 모델(dynamic lateral motion model, 이하 다이나믹 모델이라 함) 및 키네마틱 횡방향 모션 모델(kinematic lateral motion model, 이하 키네마틱 모델이라 함)을 생성하는 단계, 카메라 센서 및 관성 측정 센서 중 적어도 하나를 이용하여 차로 정보 및 차량 모션 정보를 측정하는 단계, 상기 차로 정보 및 상기 차량 모션 정보를 이용하여 상기 다이나믹 모델 및 상기 키네마틱 모델 각각에 대하여 주행 조건에 따른 적용 적합도를 나타내는 확률을 산출하고, 상기 산출된 확률에 따른 가중치를 각 모델에 적용하는 단계 및 상기 가중치가 적용된 융합 모델을 이용하여 차량의 스티어링 토크를 산출하고, 상기 산출된 스티어링 토크를 이용하여 상기 차량의 차로 유지를 위한 횡방향 모션 제어(lateral motion control)를 수행하는 단계를 포함한다.
본 발명의 실시예에 따른 차로 유지 제어 장치 및 방법은, 차로 유지를 위한 차량의 다이나믹 횡방향 모션 모델(dynamic lateral motion model)과 키네마틱 횡방향 모션 모델(kinematic lateral motion model)을 이용하여 주행 조건에 적합한 모델을 결정하고, 결정된 모델을 이용하여 차량의 횡방향 모션을 제어할 수 있다.
도 1은 본 발명의 실시예에 따른 차로 유지 제어 장치의 개략적인 구성을 예시하여 나타낸 도면.
도 2는 본 발명의 실시예에 따른 차로 유지 제어 방법의 흐름도를 나타낸 도면.
도 3은 본 발명의 실시예에 따른 차로 유지 제어 장치에 의한 차량의 횡방향 모션을 나타낸 도면.
도 4는 싱글 트랙 자전거 모델(Single track bicycle model)을 나타낸 도면.
도 5 내지 도 10은 본 발명의 실시예에 따른 차로 유지 제어 장치의 실험 결과를 나타낸 도면.
본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
본 발명의 실시예들을 설명하기에 앞서, 본 명세서에 기재된 파라미터나 첨자 등과 같은 각종 용어에 대하여 하기와 같이 정의하기로 한다.
Figure 112017059472593-pat00016
: 차량의 무게중심으로부터 턴(turn) 중심까지의 거리
Figure 112017059472593-pat00017
: 차로 중심으로부터 턴 중심까지의 거리
Figure 112017059472593-pat00018
: 차량 무게중심에서의 횡방향 차로 중심 오프셋(lateral lane center offset)
Figure 112017059472593-pat00019
: 전방 주시 지점(look-ahead point)에서의 횡방향 차로 중심 오프셋
Figure 112017059472593-pat00020
: 전방 주시 거리(look-ahead distance)
Figure 112017059472593-pat00021
: 차로 중심의 요 각도 기울기(yaw angle slope)
Figure 112017059472593-pat00022
: 전방 주시 지점에서의 차로 중심의 요 각도 기울기
Figure 112017059472593-pat00023
: 차량 무게중심에서의 헤딩 각도 오차(heading angle error)
Figure 112017059472593-pat00024
: 전방 주시 지점에서의 헤딩 각도 오차
Figure 112017059472593-pat00025
: 요레이트(yaw rate)
Figure 112017059472593-pat00026
: 차량 무게중심에서의 차량 속도
Figure 112017059472593-pat00027
: 타이어 슬립 각도(tire slip angle)
Figure 112017059472593-pat00028
: 차량 무게중심에서의 사이드 슬립 각도(side slip angle)
Figure 112017059472593-pat00029
: 타이어의 코너링 강성(cornering stiffness)
Figure 112017059472593-pat00030
: 횡방향 타이어 힘
Figure 112017059472593-pat00031
: 차량의 요 관성(yaw inertia)
Figure 112017059472593-pat00032
: 차량의 총 중량
Figure 112017059472593-pat00033
: 차량의 무게중심과 타이어간 거리
Figure 112017059472593-pat00034
: 제어 입력(=
Figure 112017059472593-pat00035
: 스티어링 각도)
Figure 112017059472593-pat00036
: 전방(front)
Figure 112017059472593-pat00037
: 후방(rear)
Figure 112017059472593-pat00038
: 종방향(longitudinal)
Figure 112017059472593-pat00039
: 횡방향(lateral)
Figure 112017059472593-pat00040
: desired
이하, 본 발명의 다양한 실시예들을 첨부된 도면을 참조하여 상술하겠다.
도 1은 본 발명의 실시예에 따른 차로 유지 제어 장치의 개략적인 구성을 예시하여 나타낸 도면이고, 도 2는 본 발명의 실시예에 따른 차로 유지 제어 방법의 흐름도를 나타낸 도면이고, 도 3은 본 발명의 실시예에 따른 차로 유지 제어 장치에 의한 차량의 횡방향 모션을 나타낸 도면이고, 도 4는 싱글 트랙 자전거 모델(Single track bicycle model)을 나타낸 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 차로 유지 제어 장치(100)는 모델 생성부(110), 측정부(120), 인터랙션 다중 모델 필터(IMM Filter: Interaction Multiple Model Filter, 이하 IMM 필터라 함)(130) 및 제어부(140)를 포함한다.
이하, 도 1 내지 도 4를 참조하여, 각 구성요소 별 기능 및 각 단계별로 수행되는 과정을 상세하게 설명한다.
우선, S210 단계에서, 모델 생성부(110)는 차로 유지를 위한 차량의 전방 주시 거리를 고려한 다이나믹 횡방향 모션 모델(dynamic lateral motion model) 및 키네마틱 횡방향 모션 모델(kinematic lateral motion model)을 생성한다.
본 발명의 실시예에 따른 다이나믹 및 키네마틱 횡방향 모션 모델은 4차 이산시간 상태공간(discrete-time state-space) 모델로 생성된다.
도 3을 참조하면, 무게중심에서 제어되는 차량은 요레이트 진동을 야기할 수 있다. 반대로, 전방 주시 거리 L을 이용하면, 제로의 위치에 영향을 주어 주극점(dominant pole)의 댐핑 비율(damping ratio)이 영향을 받는다. 그래서, 전방 주시 지점에서의 횡방향 위치 및 속도 오차에 관하여 각 모델을 도출하기로 한다.
우선, 다이나믹 횡방향 모션 모델의 생성에 대하여 설명한다.
기본적인 다이나믹 횡방향 모션 모델의 시스템 상태 함수는 도로에 대한 횡방향 위치 및 요 각도 오차에 관한 것으로, 전방 주시 지점에서 횡방향 위치 및 속도 오차에 관하여 공식화될 수 있다. 전방 주시 거리는 제로의 위치에 영향을 주어 주극점(dominant pole)의 댐핑 비율(damping ratio)에 영향을 준다. 그래서, 다이나믹 횡방향 모션 모델의 시스템 상태 함수는 상태 벡터
Figure 112017059472593-pat00041
, 제어 입력
Figure 112017059472593-pat00042
및 외부 신호
Figure 112017059472593-pat00043
에 관하여 하기 수학식으로 생성될 수 있다.
Figure 112017059472593-pat00044
여기서,
Figure 112017059472593-pat00045
Figure 112017059472593-pat00046
Figure 112017059472593-pat00047
Figure 112017059472593-pat00048
Figure 112017059472593-pat00049
Figure 112017059472593-pat00050
이와 같이, 다이나믹 횡방향 모션 모델은 영차 홀드(zero-order-hold) 방법을 이용하여, 수학식 1과 같은 이산시간 등가 모델로 획득될 수 있다. ECU(electronic control unit)의 샘플링 시간 Tc가 주어지면, 이산시간 행렬은
Figure 112017059472593-pat00051
로부터
Figure 112017059472593-pat00052
로 나타내어진다.
다음으로, 키네마틱 횡방향 모션 모델의 생성에 대하여 설명하기로 한다.
키네마틱 횡방향 모션 모델은 타이어 슬립 각도 α가 없다는 가정하에 도출된다. 그래서, 키네마틱 횡방향 모션 모델은 코너링 강도(cornering stiffness) 또는 타이어/도로 상태와 같은 차량 파라미터를 포함하지 않는다. 이러한 이유로, 키네마틱 횡방향 모션 모델은 차량이 저속으로 주행하고, 모르는 차량 파라미터가 존재할 때, 다이나믹 횡방향 모션 모델보다 차량 행동을 기술하는데 보다 적합하다. 그러나, 키네마틱 횡방향 모션 모델은 타이어 슬립 각도를 야기하는 큰 스티어링 각도가 존재할 때, 횡방향 제어 시스템에 대하여 유효하지 않다. 예를 들어, 고속에서 갑작스런 차로 변경 또는 장애물 회피는 더 이상 무시할 수 없는 타이어 슬립 각도를 발생시킬 수 있다.
상태 벡터
Figure 112017059472593-pat00053
를 이용하여 도 2로부터 키네마틱 횡방향 모션 모델이 생성될 수 있다. 이 상태 벡터는 전술한 다이나믹 횡방향 모션 모델에 사용된 상태 벡터와 동일하다. 하기의 도출 과정을 이용하여, 키네마틱 횡방향 모션 모델이 생성된다.
Figure 112017059472593-pat00054
여기서,
Figure 112017059472593-pat00055
Figure 112017059472593-pat00056
를 이용하여, 수학식 2는 다시 하기 수학식으로 나타낼 수 있다.
Figure 112017059472593-pat00057
여기서 고려되는 또다른 인자는 차량의 횡방향 가속도
Figure 112017059472593-pat00058
이며, 다음과 같이 나타낸다.
Figure 112017059472593-pat00059
Figure 112017059472593-pat00060
으로부터, 수학식 4는 하기 수학식과 같이 횡방향 오프셋 오차에 관하여 나타낼 수 있다.
Figure 112017059472593-pat00061
상태 벡터
Figure 112017059472593-pat00062
, 제어 입력
Figure 112017059472593-pat00063
및 외부 신호
Figure 112017059472593-pat00064
Figure 112017059472593-pat00065
를 이용하여, 하기 수학식으로 이산시간 상태공간 모델이 생성될 수 있다.
Figure 112017059472593-pat00066
여기서,
Figure 112017059472593-pat00067
다음으로, S220 단계에서, 측정부(120)는 차로 정보 및 차량 모션 정보를 측정한다.
예를 들어, 측정부(120)는 카메라 센서 및 관성 측정 센서를 포함하며, 카메라 센서를 이용하여 차로 정보를 측정하고, 관성 측정 센서를 이용하여 차량 모션 정보를 측정할 수 있다. 즉, 도 3 및/또는 도4에서, 전방 주시 지점에서의 횡방향 차로 중심 오프셋
Figure 112017059472593-pat00068
과 차량 무게중심에서의 헤딩 각도 오차
Figure 112017059472593-pat00069
는 카메라 센서를 이용하여 측정될 수 있으며, 요레이트
Figure 112017059472593-pat00070
는 관성 측정 센서를 이용하여 측정될 수 있다.
다음으로, S230 단계에서, IMM 필터(130)는 측정된 차로 정보 및 차량 모션 정보를 이용하여 다이나믹 횡방향 모션 모델 및 키네마틱 횡방향 모션 모델 각각에 대하여 주행 조건에 따른 적용 적합도를 나타내는 확률을 산출하고, 산출된 확률에 따른 가중치를 각 모델에 적용한다.
IMM 필터(130)는 가장 비용 효율적인 하이브리드 상태 추정 기법 중 하나인 차로에 대한 하이브리드 필터이다. 본 발명의 실시예에 따른 차로 유지 제어 장치(100)는 다이나믹 횡방향 모션 모델과 키네마틱 횡방향 모션 모델을 둘다 이용하여 차량의 차로 유지를 위한 횡방향 모션 제어를 수행할 수 있다. 예를 들어, 고속도로 주행 상황에서 차량의 모션이 다이나믹 횡방향 모션 모델과 키네마틱 횡방향 모션 모델사이에서 항상 전환될 수 있다.
전술한 수학식을 기반으로, IMM 필터(130)는 다양한 주행 조건 하에서 각 모델의 차량 횡방향 모션 상태 추정 및 신뢰성을 위하여 설계된다.
본 발명의 실시예에 따른 IMM 필터(130)에서, 각 모델의 모델 노이즈 공분산(model noise covariances)은 다르지만, 동일한 카메라 센서 및 관성 운동 센서를 이용하여 차로 정보 및 차량 모션 정보가 측정되므로, 각 모델의 센서 노이즈 공분산은 정확히 동일하다.
IMM 필터(130)는 하기와 같이, 인터랙션(interaction), 필터링(filtering), 업데이트(updating) 및 조합(combination)의 네 단계의 절차를 수행할 수 있다.
1. 인터랙션
Figure 112017059472593-pat00071
는 모델 i에서 j로 전환되는 마르코프 확률(Markov probability)을 나타내고,
Figure 112017059472593-pat00072
는 시간 k에서 모델 i의 모델 확률을 나타낸다. 그리고, 혼합 확률
Figure 112017059472593-pat00073
은 하기 수학식과 같이 나타낼 수 있다.
Figure 112017059472593-pat00074
Figure 112017059472593-pat00075
수학식 8은 정규화된 인자이다. 여기서, 인덱스 숫자 i, j = 1은 다이나믹 횡방향 모션 모델을 나타내고, 인덱스 숫자 i, j = 2는 키네마틱 횡방향 모션 모델을 나타낸다. 예를 들어, 하기와 같은 마르코프 확률 행렬이 이용될 수 있다.
Figure 112017059472593-pat00076
모델 j의 혼합된 초기 상태
Figure 112017059472593-pat00077
및 혼합된 초기 공분산
Figure 112017059472593-pat00078
은 하기 수학식에 의하여 주어진다.
Figure 112017059472593-pat00079
여기서,
Figure 112017059472593-pat00080
및
Figure 112017059472593-pat00081
는 각각 이전 샘플링 시간에서 모델 j의 추정된 상태 및 공분산이다.
즉, 이 단계에서, IMM 필터(130)는 이전 샘플링 시간에서 각 모델의 적용 적합도를 나타내는 유지 및 변경 확률을 산출하고, 산출된 유지 및 변경 확률을 이용하여 각 모델에 대한 초기 상태 및 초기 공분산을 추정한다.
2. 필터링
필터링을 위하여, 다이나믹 횡방향 모션 모델 및 키네마틱 횡방향 모션 모델에 대하여 각각
Figure 112017059472593-pat00082
및
Figure 112017059472593-pat00083
이 이용된다. 여기서, 요레이트
Figure 112017059472593-pat00084
는 관성 센서(inertia sensor)에 의하여 측정되고, 전방 주시 지점에서의 횡방향 차로 중심 오프셋
Figure 112017059472593-pat00085
과 무게중심에서의 헤딩 각도 오차
Figure 112017059472593-pat00086
는 카메라 센서에 의하여 획득된다. 그래서, 하기의 측정 행렬 H는 키네마틱 횡방향 모션 모델 및 다이나믹 횡방향 모션 모델 둘 다에서 사용된다.
Figure 112017059472593-pat00087
카메라 센서는 클로소이드 제약(clothoidal constraints)을 충족하는 하기 수학식과 같은 3차 다항식을 이용한다.
Figure 112017059472593-pat00088
여기서, c0는 차량 무게중심에서의 횡방향 차로 중심 오프셋을 나타내고, c1은 차량 무게중심에서 차로 헤딩 기울기(in-lane heading slop)인 헤딩 각도 오차를 나타내고, c2는 s=0일 때 곡률/2를 나타내고, c3는 곡률 비율/6을 나타낸다. s는 아크 길이(arc length)이고, L은 차량의 전방 주시 거리이다. 카메라 센서에 의하여 측정된 상태는
Figure 112017059472593-pat00089
이라는 정의에 의하여 계산된다.
수학식 1의 다이나믹 횡방향 모션 모델 및 수학식 6의 키네마틱 횡방향 모션 모델 둘 다에 기반하여, 상태
Figure 112017059472593-pat00090
및 공분산
Figure 112017059472593-pat00091
은 각 싱글 칼만 필터(single Kalman filter)에 의하여 계산된다.
1) 예측(Prediction)
Figure 112017059472593-pat00092
여기서,
Figure 112017059472593-pat00093
는 다이나믹 횡방향 모션 모델을 나타내고,
Figure 112017059472593-pat00094
는 키네마틱 횡방향 모션 모델을 나타낸다.
즉, 이 단계에서, IMM 필터(130)는 현재 샘플링 시간에서 측정된 차로 정보 및 차량 모션 정보로부터 산출된 각 모델의 계수(
Figure 112017059472593-pat00095
및
Figure 112017059472593-pat00096
)와 각 모델에 대하여 추정된 초기 상태 및 초기 공분산을 이용하여 이전 샘플링 시간에 대한 현재 샘플링 시간의 현재 상태 및 현재 공분산의 예측값을 산출한다.
2) 교정(Correction)
Figure 112017059472593-pat00097
여기서,
Figure 112017059472593-pat00098
및
Figure 112017059472593-pat00099
는 각각 j 조건 필터의 이노베이션(innovation) 및 공분산이다.
즉, 이 단계에서, IMM 필터(130)는 각 모델의 칼만 필터의 이노베이션 및 공분산을 산출한 후, 각 모델의 칼만 필터를 이용하여 예측값을 교정하여 현재 상태 및 현재 공분산을 추정한다.
3. 업데이팅
시간 k에서 각 모델 j의 우도 함수(likelihood function)
Figure 112017059472593-pat00100
는 가우시안 가정에 따라 하기 수학식으로 주어진다.
Figure 112017059472593-pat00101
그리고, 각 모델의 모델 확률은 하기 수학식과 같이 계산된다.
Figure 112017059472593-pat00102
여기서, c는 정규화 계수이다.
즉, 이 단계에서, IMM 필터(130)는 가우시안 가정에 따른 각 모델의 우도 함수(likelihood function)를 각 모델의 칼만 필터의 이노베이션 및 공분산을 이용하여 산출하고, 산출된 우도 함수를 이용하여 각 모델에 대한 현재의 유지 및 변경 확률을 산출한다.
4. 조합
합쳐진 상태
Figure 112017059472593-pat00103
및 이의 공분산
Figure 112017059472593-pat00104
는 하기 수학식과 같이 계산된다.
Figure 112017059472593-pat00105
즉, 이 단계에서, IMM 필터(130)는 각 모델에 대한 현재의 유지 및 변경 확률과 추정된 현재 상태 및 현재 공분산을 이용하여 합쳐진 상태 및 공분산을 산출함으로써, 각 모델의 적용 적합도를 나타내는 유지 및 변경 확률에 따른 가중치를 각 모델에 적용시킬 수 있다.
다음으로, S240 단계에서, 제어부(140)는 차량의 전방 주시 거리를 고려한 다이나믹 횡방향 모션 모델 및 키네마틱 횡방향 모션 모델 각각에 가중치가 적용된 융합된 모델을 이용하여 차량의 스티어링 토크를 산출하고, 산출된 스티어링 토크를 이용하여 차량의 차로 유지를 위한 횡방향 모션 제어(lateral motion control)를 수행한다.
도 5 내지 도 10은 본 발명의 실시예에 따른 차로 유지 제어 장치의 실험 결과를 나타낸 도면이다.
각 모델 기반 필터 및 IMM 필터(130)의 성능은 소형SUV(sports utility vehicle) 이용한 실험의 결과를 통해 검증되었다. 카메라 센서, 요레이트 센서 및 dSPACE의 AutoBox가 테스트 차량에 설치되었다. 그리고, 실험은 지능형자동차부품진흥원(KIAPI)의 ITS 고속 서킷에서 수행되었다. 고속 서킷의 스펙은 다음과 같다.
총 길이: 3,681m(4 차로)
최소 커브 반경: 100m
최대 뱅크 각도: 30도
최대 속도: 204km/h
본 발명의 실시예에 따른 IMM 필터(130) 및 다이나믹과 키네마틱 모델의 신뢰성은 다음 3가지 주행 조건에서 평가되었다.
직선 도로에서 차로 유지
커브 도로에서 차로 유지(R=100m)
직선 도로에서 차로 변경
측정 데이터에 심한 노이즈는 없었기 때문에, 측정에서 노이즈로 스위칭의 큰 민감성은 고려되지 않았다. 이하에서는, 한 차로 변경 케이스에 대해서만 실험 결과를 기술하기로 한다.
도 5 내지 도 7은 직선 도로에서 차로 변경 상황 하에서의 실험 결과를 보여준다. 도 5 내지 도 7은 각각 카메라 데이터, 스티어링 휠 각도, 요레이트 및 각 모델의 확률을 보여준다. 타이어 슬립 각도가 측정될 수 없으나, 간접적으로, 사이드 슬립 각도에 의한 타이어 슬립 각도가 관찰될 수 있다. 실시간 키네마틱 GPS를 이용하여 차량의 사이드 슬립 각도가 도 8과 같이 측정되었다.
도 5 내지 도 8에서 보여지듯이, 차로 변경 시, 사이드 슬립은 증가하고, 다이나믹 모델의 확률은 증가한다.
도 9는 직선 도로에서 차로 변경 시 IMM 필터(130)와 각 싱글 필터의 추정 성능을 보여준다. 카메라 센서와 관성 측정 센서로부터 참조 신호가 획득된다. 각 싱글 모델 기반 추정은 단점을 가지고 있다.
도 10은 다이나믹 및 키네마틱 모델 기반 필터가 둘다 효과적으로
Figure 112017059472593-pat00106
을 추정할 수 있음을 보여준다. 그러나, 다이나믹 모델 기반 필터는
Figure 112017059472593-pat00107
에서 나쁜 성능을 가진다. 이에 반해, 키네마틱 모델 기반 필터는
Figure 112017059472593-pat00108
에서 나쁜 성능을 가진다.
작은
Figure 112017059472593-pat00109
에 대하여, 차량은 스티어링 각도
Figure 112017059472593-pat00110
를 이용하여 횡방향 힘을 만들 수 있다. 즉, 횡방향 차량 키네마틱 모델은 횡방향 모션을 표현하기에 충분한다. 반면에, 큰
Figure 112017059472593-pat00111
에 대하여, 스티어링 각도
Figure 112017059472593-pat00112
는 횡방향 힘을 만들기에 충분치 않다. 이 상황에서, 슬립 각도
Figure 112017059472593-pat00113
는 도로를 추적하기 위하여 충분한 횡방향 힘을 만드는 것을 필요로 하며, 횡방향 차량 키네마틱 모델은 차량 횡방향 모션을 표현하기에 더 이상 적합하지 않다.
그래서, IMM 필터(130)는 각 모델의 특징을 반영할 수 있고, 센서 비용과 복잡성 때문에 정확한 추정이 매우 어려운 슬립 각도 추정에 기여할 수 있다.
한편, 전술된 실시예의 구성 요소는 프로세스적인 관점에서 용이하게 파악될 수 있다. 즉, 각각의 구성 요소는 각각의 프로세스로 파악될 수 있다. 또한 전술된 실시예의 프로세스는 장치의 구성 요소 관점에서 용이하게 파악될 수 있다.
또한 앞서 설명한 기술적 내용들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예들을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
상기한 본 발명의 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대한 통상의 지식을 가지는 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.
100: 차로 유지 제어 장치
110: 모델 생성부
120: 측정부
130: 인터랙션 다중 모델 필터
140: 제어부

Claims (12)

  1. 차량의 전방 주시 거리를 고려한 다이나믹 횡방향 모션 모델(dynamic lateral motion model, 이하 다이나믹 모델이라 함) 및 키네마틱 횡방향 모션 모델(kinematic lateral motion model, 이하 키네마틱 모델이라 함)을 생성하는 생성부;
    카메라 센서 및 관성 측정 센서를 이용하여 차로 정보 및 차량 모션 정보를 측정하는 측정부;
    상기 차로 정보 및 상기 차량 모션 정보를 이용하여 상기 다이나믹 모델 및 상기 키네마틱 모델 각각에 대하여 주행 조건에 따른 적용 적합도를 나타내는 확률을 산출하고, 상기 산출된 확률에 따른 가중치를 각 모델에 적용하는 인터랙션 다중 모델 필터(IMM Filter: Interaction Multiple Model Filter); 및
    상기 가중치가 적용된 융합 모델을 이용하여 차량의 스티어링 토크를 산출하고, 상기 산출된 스티어링 토크를 이용하여 상기 차량의 차로 유지를 위한 횡방향 모션 제어(lateral motion control)를 수행하는 제어부를 포함하되,
    상기 인터랙션 다중 모델 필터는 인터랙션(interaction), 필터링(filtering), 업데이트(updating) 및 조합(combination)의 네 단계의 절차를 수행하고,
    상기 인터랙션 다중 모델 필터는 상기 인터랙션에서, 이전 샘플링 시간에서 각 모델의 적용 적합도를 나타내는 유지 및 변경 확률을 산출하고, 상기 산출된 유지 및 변경 확률을 이용하여 각 모델에 대한 초기 상태 및 초기 공분산을 추정하는 것을 특징으로 하는 차로 유지 제어 장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 다이나믹 모델 및 상기 키네마틱 모델의 상기 유지 및 변경 확률은 하기 수학식으로 산출되는 것을 특징으로 하는 차로 유지 제어 장치.
    Figure 112019066432779-pat00114

    여기서,
    Figure 112019066432779-pat00115
    는 모델 i에서 j로 전환되는 마르코프 확률(Markov probability)을 나타내고,
    Figure 112019066432779-pat00116
    는 시간 k에서 모델 i의 모델 확률을 나타내고,
    Figure 112019066432779-pat00117
    이고, 인덱스 숫자 i, j = 1은 상기 다이나믹 모델을 나타내고, 인덱스 숫자 i, j = 2는 키네마틱 모델을 나타냄
  5. 제1항에 있어서,
    상기 인터랙션 다중 모델 필터는 상기 필터링에서, 현재 샘플링 시간에서 측정된 차로 정보 및 차량 모션 정보로부터 산출된 각 모델의 계수와 상기 추정된 초기 상태 및 초기 공분산을 이용하여 이전 샘플링 시간에 대한 현재 샘플링 시간의 현재 상태 및 현재 공분산의 예측값을 산출하는 것을 특징으로 하는 차로 유지 제어 장치.
  6. 제5항에 있어서,
    상기 인터랙션 다중 모델 필터는 상기 필터링에서, 각 모델의 칼만 필터(Kalman filter)의 이노베이션(innovation) 및 공분산을 산출한 후, 상기 각 모델의 칼만 필터를 이용하여 상기 예측값을 교정하여 현재 상태 및 현재 공분산을 추정하는 것을 특징으로 하는 차로 유지 제어 장치.
  7. 제6항에 있어서,
    상기 인터랙션 다중 모델 필터는 상기 업데이트에서, 가우시안 가정에 따른 상기 각 모델의 우도 함수(likelihood function)를 상기 각 모델의 칼만 필터의 이노베이션 및 공분산을 이용하여 산출하고, 상기 산출된 우도 함수를 이용하여 상기 각 모델에 대한 현재의 유지 및 변경 확률을 산출하는 것을 특징으로 하는 차로 유지 제어 장치.
  8. 제7항에 있어서,
    상기 현재의 유지 및 변경 확률은 하기 수학식으로 산출되는 것을 특징으로 하는 차로 유지 제어 장치.
    Figure 112017059472593-pat00118

    여기서,
    Figure 112017059472593-pat00119
    이고,
    Figure 112017059472593-pat00120
    및
    Figure 112017059472593-pat00121
    는 각각 칼만 필터의 이노베이션(innovation) 및 공분산이고, c는 정규화 계수임
  9. 제7항에 있어서,
    상기 인터랙션 다중 모델 필터는 상기 조합에서, 상기 현재의 유지 및 변경 확률과 상기 추정된 현재 상태 및 현재 공분산을 이용하여 상기 다이나믹 모델 및 상기 키네마틱 모델의 합쳐진 상태 및 공분산을 산출함으로써, 상기 가중치를 각 모델에 적용하는 것을 특징으로 하는 차로 유지 제어 장치.
  10. 제1항에 있어서,
    상기 다이나믹 모델 및 상기 키네마틱 모델의 시스템 상태 함수는 전방 주시 지점(look-ahead point)에서의 횡방향 차로 중심 오프셋(lateral lane center offset)
    Figure 112017059472593-pat00122
    , 횡방향 속도 오차
    Figure 112017059472593-pat00123
    , 차량 무게중심에서의 헤딩 각도 오차(heading angle error)
    Figure 112017059472593-pat00124
    및 요레이트(yaw rate)
    Figure 112017059472593-pat00125
    를 포함하는 상태 벡터를 포함하는 것을 특징으로 하는 차로 유지 제어 장치.
  11. 제10항에 있어서,
    상기 차로 정보는 상기
    Figure 112017059472593-pat00126
    및 상기
    Figure 112017059472593-pat00127
    를 포함하고,
    상기 차량 모션 정보는 상기
    Figure 112017059472593-pat00128
    를 포함하는 것을 특징으로 하는 차로 유지 제어 장치.
  12. 차량의 전방 주시 거리를 고려한 다이나믹 횡방향 모션 모델(dynamic lateral motion model, 이하 다이나믹 모델이라 함) 및 키네마틱 횡방향 모션 모델(kinematic lateral motion model, 이하 키네마틱 모델이라 함)을 생성하는 단계;
    카메라 센서 및 관성 측정 센서를 이용하여 차로 정보 및 차량 모션 정보를 측정하는 단계;
    인터랙션 다중 모델 필터를 이용하여 상기 차로 정보 및 상기 차량 모션 정보를 이용하여 상기 다이나믹 모델 및 상기 키네마틱 모델 각각에 대하여 주행 조건에 따른 적용 적합도를 나타내는 확률을 산출하고, 상기 산출된 확률에 따른 가중치를 각 모델에 적용하는 단계; 및
    상기 가중치가 적용된 융합 모델을 이용하여 차량의 스티어링 토크를 산출하고, 상기 산출된 스티어링 토크를 이용하여 상기 차량의 차로 유지를 위한 횡방향 모션 제어(lateral motion control)를 수행하는 단계를 포함하되,
    상기 인터랙션 다중 모델 필터는 인터랙션(interaction), 필터링(filtering), 업데이트(updating) 및 조합(combination)의 네 단계의 절차를 수행하고,
    상기 인터랙션 다중 모델 필터는 상기 인터랙션에서, 이전 샘플링 시간에서 각 모델의 적용 적합도를 나타내는 유지 및 변경 확률을 산출하고, 상기 산출된 유지 및 변경 확률을 이용하여 각 모델에 대한 초기 상태 및 초기 공분산을 추정하는 것을 특징으로 하는 차로 유지 제어 방법.



KR1020170078406A 2017-06-21 2017-06-21 차로 유지 제어 장치 및 방법 KR102024986B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170078406A KR102024986B1 (ko) 2017-06-21 2017-06-21 차로 유지 제어 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170078406A KR102024986B1 (ko) 2017-06-21 2017-06-21 차로 유지 제어 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20180138324A KR20180138324A (ko) 2018-12-31
KR102024986B1 true KR102024986B1 (ko) 2019-09-25

Family

ID=64959814

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170078406A KR102024986B1 (ko) 2017-06-21 2017-06-21 차로 유지 제어 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102024986B1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109878419B (zh) * 2019-03-11 2020-07-17 重庆大学 一种基于惯性感应自动调节的汽车后视镜
FR3109360B1 (fr) * 2020-04-20 2022-03-18 Renault Sas Système et procédé de pilotage d’un système de contrôle latéral d’un véhicule automobile en fonction d’une modélisation d’un système de braquage des roues
CN111559380B (zh) * 2020-05-21 2021-06-01 南京晓庄学院 一种车辆主动安全控制方法及装置
KR102366175B1 (ko) * 2021-08-02 2022-02-23 성균관대학교산학협력단 독립구동 전기자동차의 자율 주행 제어 장치 및 그 방법
KR102651488B1 (ko) * 2022-01-13 2024-03-28 국민대학교산학협력단 자율 주행 차량의 안정성 및 경로 추종 성능 향상을 위한 조향 제어 시스템 및 그 동작방법
WO2024082213A1 (zh) * 2022-10-20 2024-04-25 华为技术有限公司 构建车辆动力学模型的方法、装置、设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100765891B1 (ko) 2006-09-12 2007-10-10 현대자동차주식회사 운전자 조향성향을 고려한 차선유지 지원시스템 및 그제어방법
KR101639525B1 (ko) * 2015-05-19 2016-07-13 한양대학교 산학협력단 차선 유지 시스템, 차선 유지 방법과 이에 사용되는 제어 방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101177374B1 (ko) * 2010-07-27 2012-08-29 한양대학교 산학협력단 상호작용 다중모델 필터를 이용한 차량 위치 추정방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100765891B1 (ko) 2006-09-12 2007-10-10 현대자동차주식회사 운전자 조향성향을 고려한 차선유지 지원시스템 및 그제어방법
KR101639525B1 (ko) * 2015-05-19 2016-07-13 한양대학교 산학협력단 차선 유지 시스템, 차선 유지 방법과 이에 사용되는 제어 방법

Also Published As

Publication number Publication date
KR20180138324A (ko) 2018-12-31

Similar Documents

Publication Publication Date Title
KR102024986B1 (ko) 차로 유지 제어 장치 및 방법
US9645250B2 (en) Fail operational vehicle speed estimation through data fusion of 6-DOF IMU, GPS, and radar
US8775006B2 (en) System and method for enhanced vehicle control
Kang et al. Comparative evaluation of dynamic and kinematic vehicle models
CN107792079B (zh) 利用路径预测的自主车辆
US8849515B2 (en) Steering assist in driver initiated collision avoidance maneuver
EP1873033B1 (en) Vehicle control device
US8190330B2 (en) Model based predictive control for automated lane centering/changing control systems
US7706945B2 (en) Vehicle lateral control system
JP6076394B2 (ja) 車両用操舵装置および車両操舵制御方法
JP5146542B2 (ja) 走行路推定装置、及び当該装置で用いられる走行路推定方法
KR101639525B1 (ko) 차선 유지 시스템, 차선 유지 방법과 이에 사용되는 제어 방법
Kim et al. Vehicle path prediction using yaw acceleration for adaptive cruise control
JP4899626B2 (ja) 走行制御装置
Kang et al. Vehicle lateral motion estimation with its dynamic and kinematic models based interacting multiple model filter
US20220113397A1 (en) Target tracking device
JP5282590B2 (ja) 車両用運転支援装置および車両用運転支援方法
KR101930163B1 (ko) 차로 유지 제어 장치 및 방법
EP2364891B1 (en) Method for threat assessment in a vehicle
Herzfeld et al. Collision avoidance by utilizing dynamic road friction information
CN112550449B (zh) 车辆无线充电引导的横向控制
Kim et al. Interacting multiple model kalman filter based vehicle lateral motion estimation under various road surface conditions
JP2023512548A (ja) 車両を制御する方法
US20100152957A1 (en) Method for determining an item of travel direction information for a vehicle, and sensor device for a vehicle
JP7241800B2 (ja) 車両制御装置及び車両制御方法

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
GRNT Written decision to grant