KR102089681B1 - 위성 위치지정 데이터와 차량 센서 데이터에 기초한 차량 네비게이션 - Google Patents

위성 위치지정 데이터와 차량 센서 데이터에 기초한 차량 네비게이션 Download PDF

Info

Publication number
KR102089681B1
KR102089681B1 KR1020120082064A KR20120082064A KR102089681B1 KR 102089681 B1 KR102089681 B1 KR 102089681B1 KR 1020120082064 A KR1020120082064 A KR 1020120082064A KR 20120082064 A KR20120082064 A KR 20120082064A KR 102089681 B1 KR102089681 B1 KR 102089681B1
Authority
KR
South Korea
Prior art keywords
vehicle
filter
covariance matrix
error covariance
vector estimate
Prior art date
Application number
KR1020120082064A
Other languages
English (en)
Other versions
KR20130016072A (ko
Inventor
코바 나트로쉬빌리
코르넬리우스 부에르클리
Original Assignee
하만 베커 오토모티브 시스템즈 게엠베하
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 하만 베커 오토모티브 시스템즈 게엠베하 filed Critical 하만 베커 오토모티브 시스템즈 게엠베하
Publication of KR20130016072A publication Critical patent/KR20130016072A/ko
Application granted granted Critical
Publication of KR102089681B1 publication Critical patent/KR102089681B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled

Abstract

위성 위치지정 데이터에 기초하여 차량 네비게이션의 성능을 개선하기 위하여 위성 위치지정 데이터가 차량 센서 데이터와 결합된다. 이것은 칼만 필터(40)를 사용하는 것에 의해 달성된다. 칼만 필터(40)는 위성 위치지정 데이터를 수신하는 제1 필터(42)와 차량 센서 데이터를 수신하는 필터(44)를 구비한다. 제1 필터(42)는 차량의 제1 상태 벡터 추정치 및 대응하는 제1 상태 에러 공분산 행렬을 생성한다. 제2 필터(44)는 차량의 제2 상태 벡터 추정치 및 대응하는 제2 상태 에러 공분산 행렬을 생성한다. 제3 필터(46)는 제1 및 제2 필터(42, 44)로부터 제1 상태 벡터 추정치, 제1 상태 에러 공분산 행렬, 제2 상태 벡터 추정치 및 제2 상태 에러 공분산 행렬을 수신하고, 결합된 상태 벡터 추정치 및 대응하는 결합된 상태 에러 공분산 행렬을 생성한다. 또한, 제3 필터(46)는 결합된 상태 벡터 추정치 및 결합된 상태 에러 공분산 행렬로부터 예측된 상태 벡터 추정치 및 예측된 상태 에러 공분산 행렬을 생성하는 예측 프로세서(48)를 구비한다. 예측된 상태 벡터 추정치 및 예측된 상태 에러 공분산 행렬은 제1 필터(42), 제2 필터(44) 및 제3 필터(46)로 피드백된다.

Description

위성 위치지정 데이터와 차량 센서 데이터에 기초한 차량 네비게이션{VEHICLE NAVIGATION ON THE BASIS OF SATELLITE POSITIONING DATA AND VEHICLE SENSOR DATA}
본 발명은 차량 네비게이션 방법 및 이에 대응하는 네비게이션 시스템에 관한 것이다.
차량 네비게이션에서, 위성 위치지정 데이터로부터 차량의 위치를 결정하는 것이 알려져 있다. 예를 들어, 이 위성 위치지정 데이터는 글로벌 위치지정 시스템(GPS: global positioning system) 또는 다른 위성 기반 위치지정 시스템의 위성 위치지정 신호로부터 유도될 수 있다. 또한, 차량 위치를 결정하기 위해 관성 네비게이션 시스템을 사용하는 것이 또한 알려져 있다. 예를 들어, 관성 네비게이션 시스템의 사용은 터널 또는 다른 빌딩 내에서와 같이 위성 위치지정 신호가 수신될 수 없는 경우 사용될 수 있다.
더욱이, 관성 네비게이션 시스템의 측정과 위성 위치지정 데이터를 결합하여 위치 추정의 정밀도를 개선할 수 있는 가능성이 또한 있다. 예를 들어, 위성 위치지정 데이터와 관성 네비게이션 시스템의 측정은 대응하게 설계된 칼만 필터(Kalman filter)를 사용하여 결합될 수 있다.
그러나, 위성 위치지정 데이터와 관성 네비게이션 시스템의 측정을 사용하여 차량 위치 추정을 구현하는 것은 위성 위치지정 데이터와 관성 네비게이션 시스템의 측정을 결합하기 위해 다소 복잡한 칼만 필터의 사용을 요구할 수 있다.
따라서, 위성 위치지정 데이터를 사용하여 위치 추정의 정밀도를 효과적으로 개선시킬 수 있는 기술이 필요하다.
일 실시예에 따르면, 차량 네비게이션 방법이 제공된다. 본 방법은 차량의 위성 위치지정 디바이스, 예를 들어 GPS 수신기로부터 위성 위치지정 데이터를 획득하는 단계를 포함한다. 또, 본 방법은 차량의 다수의 센서로부터 차량 센서 데이터를 획득하는 단계를 포함한다. 예를 들어, 이러한 센서는 차량의 속도를 측정하는 주행기록계(odometer) 및/또는 차량의 요우 율(yaw rate)을 측정하는 자이로스코프 센서(gyroscopic sensor)일 수 있다. 또한, 차량 센서 데이터는 예를 들어 차량의 동력 조향 제어기에 의해 측정된 차량의 조향 각도(steering angle)를 더 포함할 수 있다. 본 방법은 차량의 결합된 상태 벡터 추정치를 얻기 위해 칼만 필터에 의해 차량 센서 데이터와 위성 위치지정 데이터를 결합하는 단계를 더 포함한다. 일반적으로, 결합된 상태 벡터 추정치는 예를 들어 지리적 좌표에 의해 한정된 차량의 위치와 또한 차량의 속도를 포함할 수 있다.
본 방법에 따르면, 칼만 필터는 제1 필터, 제2 필터 및 제3 필터를 포함한다. 제1 필터는 위성 위치지정 데이터를 수신하고 차량의 제1 상태 벡터 추정치 및 대응하는 제1 상태 에러 공분산 행렬(first state error covariance matrix)을 생성한다. 제2 필터는 차량 센서 데이터를 수신하고 차량의 제2 상태 벡터 추정치 및 대응하는 제2 상태 에러 공분산 행렬을 생성한다. 제3 필터는 제1 상태 벡터 추정치, 제1 상태 에러 공분산 행렬, 제2 상태 벡터 추정치 및 제2 상태 에러 공분산 행렬을 수신하고, 결합된 상태 벡터 추정치 및 대응하는 결합된 상태 에러 공분산 행렬을 생성한다. 제3 필터는 결합된 상태 벡터 추정치에 기초하여 예측된 상태 벡터 추정치를 생성하고 결합된 상태 에러 공분산 행렬에 기초하여 예측된 상태 에러 공분산 행렬을 생성하는 예측 프로세서를 포함한다. 예측된 상태 벡터 추정치 및 예측된 상태 에러 공분산 행렬은 칼만 필터의 그 다음 반복(iteration)을 위해 예상된 바와 같은 차량의 미래 상태에 적용될 수 있다. 예측된 상태 벡터 추정치 및 예측된 상태 에러 공분산 행렬은 제1 필터, 제2 필터, 및 제3 필터로 피드백된다.
제1 필터에서, 제1 상태 벡터 추정치는 수신된 위성 위치지정 데이터로 피드백된 예측된 상태 벡터 추정치를 업데이트함으로써 결정될 수 있다. 또한, 제1 상태 에러 공분산 행렬은 피드백된 예측된 에러 공분산 행렬과 위성 위치지정 데이터의 측정 에러 공분산 행렬에 기초하여 결정될 수 있다.
제2 필터에서, 제2 상태 벡터 추정치는 수신된 위성 위치지정 데이터로 피드백된 예측된 상태 벡터 추정치를 업데이트함으로써 결정될 수 있다. 또한, 제2 상태 에러 공분산 행렬은 피드백된 예측된 상태 에러 공분산 행렬과 차량 센서 데이터의 측정 에러 공분산 행렬에 기초하여 결정될 수 있다.
제3 필터에서, 결합된 상태 에러 공분산 행렬은 피드백된 예측된 상태 에러 공분산 행렬에 기초하여 결정될 수 있다. 또한, 결합된 상태 벡터 추정치는 피드백된 예측된 상태 벡터 추정치 및 피드백된 예측된 상태 에러 공분산 행렬에 기초하여 결정될 수 있다.
제3 필터의 예측 프로세서는 선형 상태 전이 행렬을 가지는 상태 전이 모델에 기초할 수 있다.
다른 실시예에 따르면, 차량의 네비게이션 시스템이 제공된다. 네비게이션 시스템은 위성 위치지정 데이터를 획득하도록 구성된 위성 위치지정 디바이스, 예를 들어 GPS 수신기를 포함한다. 또, 네비게이션 시스템은 칼만 필터를 포함한다. 칼만 필터는 위성 위치지정 데이터와 차량의 다수의 차량 센서로부터 수신된 차량 센서 데이터를 결합하는 것에 의해 차량의 결합된 상태 벡터 추정치를 획득하도록 구성된다. 칼만 필터는 제1 필터, 제2 필터, 제3 필터 및 피드백 배열을 포함한다. 제1 필터는 위성 위치지정 데이터를 수신하고 차량의 제1 상태 벡터 추정치 및 대응하는 제1 상태 에러 공분산 행렬을 생성하도록 구성된다. 제2 필터는 차량 센서 데이터를 수신하고 차량의 제2 상태 벡터 추정치 및 대응하는 제2 상태 에러 공분산 행렬을 생성하도록 구성된다. 제3 필터는 제1 상태 벡터 추정치, 제1 상태 에러 공분산 행렬, 제2 상태 벡터 추정치 및 제2 상태 에러 공분산 행렬을 수신하고, 결합된 상태 벡터 추정치 및 대응하는 결합된 상태 에러 공분산 행렬을 생성하도록 구성된다. 제3 필터는 결합된 상태 벡터 추정치에 기초하여 예측된 상태 벡터 추정치를 생성하고 결합된 상태 에러 공분산 행렬에 기초하여 예측된 상태 에러 공분산 행렬을 생성하도록 구성된 예측 프로세서를 포함한다. 예측된 상태 벡터 추정치 및 예측된 상태 에러 공분산 행렬은 칼만 필터의 그 다음 반복을 위해 예측된 바와 같은 차량의 미래 상태에 적용할 수 있다. 칼만 필터의 피드백 배열은 예측된 상태 벡터 추정치 및 예측된 상태 에러 공분산 행렬을 제1 필터, 제2 필터 및 제3 필터로 피드백시키도록 구성된다.
네비게이션 시스템은 전술된 바와 같은 방법에 따라 수행하도록 구성될 수 있다.
다른 실시예에 따르면, 차량이 제공된다. 본 차량은 전술된 바와 같은 네비게이션 차량과 차량 센서 데이터를 제공하도록 구성된 다수의 차량 센서, 예를 들어, 차량의 속도를 측정하도록 구성된 주행기록계(odometer), 차량의 요우 율을 측정하도록 구성된 자이로스코프 센서 및/또는 차량의 조향 각도를 측정하도록 구성된 차량의 동력 조향 제어기를 포함한다.
상기 실시예에서, 위성 위치지정 데이터에 기초한 위치 정밀도는 차량 센서 데이터와 위성 위치지정 데이터를 결합하는 것에 의해 효과적으로 개선될 수 있다. 기존의 차량 센서, 예를 들어 동력 조향 제어기에서 제공된 조향 휠 각도를 측정하는 센서 또는 주행기록계에 의해 제공된 차량 센서 데이터를 재사용하는 것이 가능하다. 또, 요우 율을 측정하는 자이로스코프 센서와 같은 간단한 자이로스코프 센서들이 사용될 수 있다. 칼만 필터의 구조는 위성 위치지정 데이터와 차량 센서 데이터를 효과적으로 결합하게 한다. 구체적으로, 제1 필터와 제2 필터는 미래 상태 벡터의 예측과 이에 대응하는 상태 에러 공분산 행렬을 가지는 완전한 칼만 필터로 구현될 필요가 없다. 또한, 제3 필터로부터 제1 필터, 제2 필터 및 제3 필터로 예측된 상태 벡터 추정치 및 예측된 상태 에러 공분산 행렬을 피드백시키는 것은 결합된 상태 벡터 추정치의 전체적인 최적화를 가능하게 한다.
다른 실시예와 특징 및 이에 동반하는 장점은 도면을 참조하여 이하 상세한 설명으로부터 명백할 것이다.
도 1은 본 발명의 일 실시예에 따른 네비게이션 시스템을 가지는 차량을 도시한 개략 블록도;
도 2는 본 발명의 일 실시예에 따른 방법을 예시한 흐름도;
도 3은 본 발명의 일 실시예에 따른 칼만 필터를 개략적으로 도시한 도면;
도 4는 본 발명의 일 실시예에 따른 네비게이션 시스템의 예시적인 구현을 개략적으로 도시한 도면.
이하에서 본 발명의 실시예는 도면을 참조하여 기술된다. 여기에 기술된 여러 실시예의 특징은 적절하게 서로 결합될 수 있다는 것을 주목하여야 한다.
도 1은 본 발명의 일 실시예에 따른 네비게이션 시스템(20)을 가지는 차량(10)을 개략적으로 도시한다. 도시된 바와 같이, 네비게이션 시스템(20)은 위성 위치지정 디바이스(30), 예를 들어, GPS 수신기, 칼만 필터(40) 및 네비게이션 엔진(50)을 포함한다. 차량(10)은 다수의 차량 센서(60), 도시된 예에서는 주행기록계(62), 자이로스코프 센서(64) 및 동력 조향 제어기(66)의 조향 각도 센서를 더 포함한다.
위성 위치지정 디바이스(30)는 위성 위치지정 데이터를 획득하도록 구성된다. 예를 들어, 위성 위치지정 디바이스(30)는 차량의 좌표, 차량의 속도 및/또는 차량의 지향 각도(heading angle)를 측정하기 위하여 위성 위치지정 신호를 평가할 수 있다. 이들 측정은 위치 벡터와 속도 벡터 형태의 위성 위치지정 데이터로 표현될 수 있다.
차량 센서는 차량(10)의 운동 상태에 관한 여러 측정을 획득하도록 구성될 수 있다. 예를 들어, 주행기록계(62)는 차량의 속도를 측정하도록 구성될 수 있다. 자이로스코프 센서(64)는 차량(10)의 요우 율을 측정하도록 구성될 수 있다. 또, 동력 조향 제어기(66)의 조향 각도 센서는 차량(10)의 지향 각도와 관련된 차량(10)의 조향 각도를 측정하도록 구성될 수 있다.
도 1에 더 도시된 바와 같이, 칼만 필터(40)는 위성 위치지정 디바이스(30)로부터 위성 위치지정 데이터를 수신하며 차량 센서(60)로부터 차량 센서 데이터를 더 수신한다. 칼만 필터(40)는 위성 위치지정 데이터와 차량 센서 데이터를 결합하여 차량(10)의 결합된 상태 벡터 추정치를 획득하는 목적을 가지고 있다. 도 1에 도시된 바와 같이, 칼만 필터(40)에 의해 획득된 결합된 상태 벡터 추정치는 네비게이션 시스템(20)의 네비게이션 엔진(50)에 공급될 수 있다. 네비게이션 엔진(50)은 예를 들어 차량(10)의 위치를 운전자에 디스플레이하기 위해, 차량(10)의 현재 위치로부터 원하는 목적지로 가는 경로를 계산하기 위해, 또는 다른 네비게이션 관련 목적을 위해 결합된 상태 벡터 추정치를 사용할 수 있다. 결합된 상태 벡터 추정치는 위성 위치지정 데이터와 차량 센서 데이터에 기초하므로, 이는 위성 위치지정 데이터에만 기초한 상태 벡터 추정치와 비교하여 개선된 정밀도를 가지고 있다.
도 2는 본 발명의 일 실시예에 따른 차량 네비게이션 방법을 개략적으로 도시한다. 예를 들어, 본 방법은 도 1에 도시된 바와 같이 네비게이션 시스템(20)에 구현될 수 있다. 대안적으로 본 방법은 이 네비게이션 시스템(20)과는 독립적으로 또는 일부 다른 시스템에 구현될 수도 있다.
단계(210)에서, 위성 위치지정 데이터는 예를 들어 도 1의 위성 위치지정 디바이스(30)와 같은 위성 위치지정 디바이스에 의해 획득된다. 위성 위치지정 데이터는 일반적으로 지리적 좌표의 형태로 차량의 위치를 표시하고, 또 예를 들어 속도 벡터 형태로 차량의 속도와 지향 방향을 더 포함할 수 있다.
단계(220)에서, 차량 센서 데이터가 획득된다. 예를 들어, 차량 센서 데이터는 예를 들어 주행기록계로부터, 자이로스코프 센서로부터 또는 동력 조향 제어기의 조향 각도 센서로부터 도 1에 도시된 바와 같이 차량 센서로부터 획득될 수 있다. 주행기록계는 차량의 속도를 제공하는데 사용될 수 있다. 자이로스코프 센서는 차량의 요우 율을 제공하는데 사용될 수 있다. 동력 조향 제어기의 조향 각도 센서는 차량의 조향 각도를 제공하는데 사용될 수 있다.
단계(230)에서, 위성 위치지정 데이터와 차량 센서 데이터는 칼만 필터에 의해 결합된다.
도 1의 네비게이션 시스템(20)과 도 2의 방법에 사용된 칼만 필터는 제1 필터, 제2 필터 및 제3 필터를 포함한다. 제1 필터는 위성 위치지정 데이터를 수신하고 차량의 제1 상태 벡터 추정치 및 대응하는 제1 상태 에러 공분산 행렬을 생성한다. 제2 필터는 차량 센서 데이터를 수신하고 차량의 제2 상태 벡터 추정치 및 대응하는 제2 상태 에러 공분산 행렬을 생성한다. 제3 필터는 제1 상태 벡터 추정치, 제1 상태 에러 공분산 행렬, 제2 상태 벡터 추정치 및 제2 상태 에러 공분산 행렬을 수신하고, 결합된 상태 벡터 추정치 및 대응하는 결합된 상태 에러 공분산 행렬을 생성한다. 제3 필터는 상태 전이 모델에 기초하여 구현된 예측 프로세서를 포함한다. 예측 프로세서는 결합된 상태 벡터 추정치에 기초하여 예측된 상태 벡터 추정치를 생성한다. 또한, 예측 프로세서는 결합된 상태 에러 공분산 행렬에 기초하여 예측된 상태 에러 공분산 행렬을 생성한다. 예측된 상태 벡터 추정치 및 예측된 상태 에러 공분산 행렬은 제1 필터, 제2 필터 및 제3 필터로 피드백된다.
따라서, 이 칼만 필터에서, 제1 필터는 수신된 위성 위치지정 데이터로 피드백된 예측된 상태 벡터 추정치를 업데이트함으로써 제1 상태 벡터 추정치를 결정할 수 있다. 또, 제1 필터는 피드백된 예측된 상태 에러 공분산 행렬과 위성 위치지정 데이터의 측정 에러 공분산 행렬에 기초하여 제1 상태 에러 공분산 행렬을 결정할 수 있다. 이와 유사하게, 제2 필터는 수신된 차량 센서 데이터로 피드백된 예측된 상태 벡터 추정치를 업데이트하는 것에 의해 제2 상태 벡터 추정치를 결정할 수 있다. 또한, 제2 필터는 피드백된 예측된 상태 에러 공분산 행렬과 차량 센서 데이터의 측정 에러 공분산 행렬에 기초하여 제2 상태 에러 공분산 행렬을 결정할 수 있다. 제3 필터는 피드백된 예측된 상태 에러 공분산 행렬에 기초하여 결합된 상태 에러 공분산 행렬을 결정할 수 있다. 또, 제3 필터는 피드백된 예측된 상태 벡터 추정치 및 피드백된 예측된 상태 에러 공분산 행렬에 기초하여 결합된 상태 벡터 추정치를 결정할 수 있다. 예측 프로세서에 의해 사용되는 상태 전이 모델은 선형 상태 전이 행렬에 기초할 수 있다.
도 1의 네비게이션 시스템(20)에 그리고 도 2의 차량 네비게이션 방법에 사용되는 칼만 필터의 추가 상세는 이하에서 설명된다.
이 설명을 위해, 상태 벡터가 다음 수식 (1)과 같이 주어진 상태 공간 모델이 가정된다:
Figure 112012060074510-pat00001
.
따라서, 상태 벡터는 x로 표시된 x 방향으로의 위치와,
Figure 112012060074510-pat00002
로 표시된 x 방향으로의 속도, y로 표시된 y 방향으로의 위치, 및
Figure 112012060074510-pat00003
로 표시된 y 방향으로의 속도를 포함한다.
상태 공간 모델은 다음 수식 (2) 또는 수식 (3)에 의해 연속적인 형태로 표시될 수 있다:
x = F·x + G·u + w (2)
또는
Figure 112012060074510-pat00004
.
수식 (2)에서, 행렬(F)은 차량의 물리적 운동 모델에 기초하여 상태 벡터의 전이를 기술한다. 행렬(G)은 벡터(u)로 표시된 교란의 영향을 기술하고, 벡터(w)는 잡음 성분을 기술한다.
수식 (3)에서 볼 수 있는 바와 같이, 상태 전이 행렬은 이산 형태로 다음 수식 (4)와 같이 쓸 수 있다:
Figure 112012060074510-pat00005
.
여기서 Δt는 2개의 이산 상태 사이의 시간 간격을 나타낸다.
상태 전이 행렬(
Figure 112012060074510-pat00006
)에 대응하는 에러 공분산 행렬은 다음 수식 (5)와 같이 표시될 수 있다:
Figure 112012060074510-pat00007
.
전술된 바와 같이, 측정 데이터의 2개의 다른 유형이 칼만 필터에 의해 수신된다.
제1 유형의 측정 데이터는 다음 수식(6)의 벡터에 의해 표시될 수 있는 위성 위치지정 데이터이다:
Figure 112012060074510-pat00008
.
여기서 x는 x 방향을 따른 위치를 나타내고, y는 y 방향을 따른 위치를 나타내고, ν는 속도의 절대값을 나타내고,
Figure 112012060074510-pat00009
는 속도의 지향 각도를 나타낸다.
제2 유형의 측정 데이터는 다음 수식 (7)의 벡터로 표시될 수 있는 차량 센서 데이터이다:
Figure 112012060074510-pat00010
.
여기서 ν는 속도의 절대값을 나타내고,
Figure 112012060074510-pat00011
는 차량의 요우 율이다.
여기서, 수식 (7)의 벡터(z 2)는 본 발명의 실시예에 사용될 수 있는 차량 센서 데이터의 단순한 일례라는 것을 주목해야 한다. 예를 들어, 조향 각도는 추가적인 측정값으로 사용되거나 또는 벡터(z 2)에서 측정값들 중 하나에 대한 대안으로, 예를 들어 요우 율(
Figure 112012060074510-pat00012
)을 대체하여 사용될 수 있다.
수식 (6)과 수식 (7)의 측정값과 수식 (1)의 상태 벡터 사이에 이하 수식 (8)과 수식 (9)의 관계식이 존재하는 것을 볼 수 있다:
Figure 112012060074510-pat00013
.
이들 관계는 선형이 아니다. 따라서, 측정 벡터(z 1, z 2)를 상태 벡터 공간으로 맵핑하는 측정 행렬은 다음 수식 (10) 및 (11)과 같이 야코비(Jacobi) 행렬 형태로 표시될 수 있다:
Figure 112012060074510-pat00014
및
Figure 112012060074510-pat00015
.
칼만 필터의 동작은 이제 도 3의 블록도를 참조하여 더 설명되며, 여기서 칼만 필터(40)는 제1 필터(42), 제2 필터(44) 및 제3 필터(46)를 가지는 것으로 예시된다. 또, 제3 필터의 예측 프로세서(48)가 더 예시된다. 이하에서 더 설명되는 바와 같이, 칼만 필터(40)는 반복 방식으로 연산하며, 반복 단계의 지수(index)는 k로 표시된다.
도 3에 도시된 바와 같이, 제1 필터(42)는 측정 벡터(z 1 ,k)로 표시된 k번째 대응하는 위성 위치지정 데이터를 수신한다. 제1 필터는 다음 수식 (12)에 따라 제1 상태 에러 공분산 행렬을 결정하고, 다음 수식 (13)에 따라 제1 상태 벡터 추정치를 결정한다:
Figure 112012060074510-pat00016
Figure 112012060074510-pat00017
.
여기서 H 1 ,k는 반복(k)에서 수식 (10)에 따라 계산된 제1 측정 행렬을 나타낸다. 또, H T 1 ,k는 트랜스포즈된 제1 측정 행렬을 나타내며, R 1은 위성 위치 데이터를 획득할 때 측정 에러를 나타내는 제1 측정 에러 행렬을 나타낸다. P - k는 예측된 상태 에러 공분산 행렬을 나타내며,
Figure 112012060074510-pat00018
k -는 예측된 상태 벡터 추정치를 나타낸다. 제1 필터(42)는 제3 필터(46)로부터의 피드백을 통해 예측된 상태 에러 공분산 행렬(P - k)과 예측된 상태 벡터 추정치(
Figure 112012060074510-pat00019
k -)를 획득한다.
대안적으로, 제1 필터(42)의 동작은 또한 다음 수식 (14)에 따라 제1 칼만 이득을 먼저 계산하고, 다음 수식 (15)에 따라 제1 상태 벡터 추정치를 계산하는 것에 의해 표시될 수 있다:
Figure 112012060074510-pat00020
Figure 112012060074510-pat00021
.
수식 (13) 및 (15)의 계산은 수신된 위성 위치지정 데이터로 예측된 상태 벡터 추정치(
Figure 112012060074510-pat00022
k -)의 업데이트에 대응한다.
도 3에 도시된 바와 같이, 제2 필터(44)는 측정 벡터(z 2 ,k)로 표시된 k번째 반복에 대응하는 차량 센서 데이터를 수신한다. 제2 필터는 다음 수식 (16)에 따라 제2 상태 에러 공분산 행렬을 결정하고 다음 수식 (17)에 따라 제2 상태 벡터 추정치를 결정한다:
Figure 112012060074510-pat00023
Figure 112012060074510-pat00024
.
여기서 H 2 ,k는 반복(k)에서 수식(11)에 따라 계산된 제2 측정 행렬을 나타낸다. 또, H T 2 ,k는 트랜스포즈된 제2 측정 행렬을 나타낸다. R 2는 위성 위치지정 데이터를 획득할 때 측정 에러를 나타내는 제2 측정 에러 행렬을 나타낸다. P - k는 예측된 상태 에러 공분산 행렬을 나타내며,
Figure 112012060074510-pat00025
k -는 예측된 상태 벡터 추정치를 나타낸다. 제2 필터(44)는 제3 필터(46)로부터의 피드백을 통해 예측된 상태 에러 공분산 행렬(P - k)과 예측된 상태 벡터 추정치(
Figure 112012060074510-pat00026
k -)를 획득한다.
대안적으로, 제2 필터(44)의 동작은 또한 다음 수식 (18)에 따라 제2 칼만 이득을 먼저 계산하고 다음 수식 (19)에 따라 제2 상태 벡터 추정치를 계산하는 것에 의해 표시될 수 있다:
Figure 112012060074510-pat00027
Figure 112012060074510-pat00028
.
수식 (17) 및 (19)의 계산은 수신된 차량 센서 데이터로 예측된 상태 벡터 추정치(
Figure 112012060074510-pat00029
k -)의 업데이트에 대응한다.
도 3에 더 도시된 바와 같이, 제3 필터(46)는 제1 필터(42)로부터 제1 상태 벡터 추정치(
Figure 112012060074510-pat00030
1,k) 및 대응하는 제1 상태 에러 공분산 행렬(P 1 ,k)을 수신한다. 또, 제3 필터(46)는 제2 필터(44)로부터 제2 상태 벡터 추정치(
Figure 112012060074510-pat00031
2,k) 및 대응하는 제2 상태 에러 공분산 행렬(P 2 ,k)을 수신한다.
제3 필터(46)는 다음 수식 (20)에 따라 결합된 상태 에러 공분산 행렬을 결정하고 다음 수식 (21)에 따라 결합된 상태 벡터 추정치를 결정한다:
Figure 112012060074510-pat00032
Figure 112012060074510-pat00033
.
수식 (20) 및 (21)은 제1 상태 에러 공분산 행렬의 역(inverse)(P -1 1,k) 및 제2 상태 에러 공분산 행렬(P -1 2,k)의 역에 기초하므로, 이들은 도 3에서 표시법으로 표시된 바와 같이 역의 형태로 제1 및 제2 필터(42, 44)로부터 공급될 수 있다. 이런 방식으로 다수의 역이 회피될 수 있다.
볼 수 있는 바와 같이, 수식 (20) 및 수식 (21)은 또한 예측된 상태 벡터 추정치(
Figure 112012060074510-pat00034
k -) 및 대응하는 예측된 상태 에러 공분산 행렬(P -1 k)에 기초한다. 제3 필터(46)는 예측 프로세서(48)로부터 국부 피드백 파라미터로서 이를 수신한다.
예측 프로세서(48)는 전술된 바와 같은 상태 전이 모델에 기초하여 동작하며 다음 수식 (22)에 따라 그 다음 반복을 위해 예측된 상태 벡터 추정치를 계산하고, 다음 수식 (23)에 따라 그 다음 반복을 위해 예측된 상태 에러 공분산 행렬을 계산한다:
Figure 112012060074510-pat00035
Figure 112012060074510-pat00036
.
나아가, 제3 필터(46)는 그 다음 반복을 위해 예측된 상태 벡터 추정치(
Figure 112012060074510-pat00037
- k+1)와 예측된 상태 에러 공분산 행렬(P -1 k+1)을 제1 필터(42)와 제2 필터(44)에 공급한다. 예측된 상태 벡터 추정치(
Figure 112012060074510-pat00038
- k+1)와 예측된 상태 에러 공분산 행렬(P -1 k+1)은 그리하여 그 다음 반복, 즉 반복(k+1)의 동작에서 필터(42, 44, 46) 각각에 사용될 수 있다.
상기 계산에서 측정 행렬(H 1 및 H 2)은 수식(10) 및 수식(11)의 표현을 사용하여 또한 예측된 상태 벡터 추정치(
Figure 112012060074510-pat00039
- k)에 대해 예측된 것에 기초하여 계산된다. 또, 측정 에러 공분산 행렬(R 1, R 2)은 정적으로 결정될 수 있는데, 즉 측정 에러들이 서로 독립적으로 발생한다고 가정하면, 측정 벡터의 각 성분에 대응하는 측정 에러의 분산(variance)인 대각선 요소들을 가지는 행렬의 대각선 구조를 초래할 수 있다. 또한, 반복 칼만 필터링 공정의 시작점에서 시작 값은 적절히 설정될 필요가 있는 것이 이해될 수 있을 것이다. 구체적으로, 예측된 상태 벡터 추정치의 시작값과 예측된 상태 에러 공분산 행렬의 시작값이 설정될 수 있다. 이 시작값은 예를 들어 위성 위치지정 데이터와 이 위성 위치지정 데이터의 측정 에러에 대한 적절한 가정에 기초할 수 있다.
칼만 필터는 프로세서에 의해 실행되는 대응하여 구성된 컴퓨터 프로그램 코드를 사용하여 구현될 수 있다. 도 4는 네비게이션 시스템(20)의 대응하는 프로세서 기반 구현예를 개략적으로 도시한다.
이 구현예에서 네비게이션 시스템(20)은 위성 위치지정 수신기, 예를 들어 GPS 수신기, 차량 센서 인터페이스, 예를 들어 CAN(Controller Area Network) 버스와 같은 차량 버스 시스템에 의해 구현되는 차량 센서 인터페이스를 포함한다. 또, 네비게이션 시스템(20)은 프로세서(150)에 의해 사용되는 소프트웨어 코드 모듈 및/또는 데이터를 저장하는 메모리(160)를 포함한다. 또한, 예시된 구현예의 네비게이션 시스템(20)은 유저 인터페이스(170)를 포함한다.
위성 위치지정 수신기(130)는 위성 위치지정 신호를 수신하고 이로부터 차량의 의사 거리, 지리적 좌표, 속도 및/또는 지향 각도의 형태로 신호 처리 데이터를 생성하는 목적을 가지고 있다. 위성 위치지정 수신기는 위성 위치지정 데이터를 프로세서(150)에 공급한다. 여기서 프로세서(150)는 위성 위치지정 데이터의 추가적인 조정 기능, 예를 들어, 의사 거리를 지리적 좌표, 속도 및/또는 지향 각도로 변환하는 기능을 수행할 수 있다.
차량 센서 인터페이스(140)는 주행기록계, 자이로스코프 센서 및/또는 동력 조향 제어기의 조향 각도 센서와 같은 여러 유형의 차량 센서로부터 차량 센서 데이터를 수신하도록 구성된다. 따라서, 차량 데이터는 주행기록계에 의해 측정된 속도, 자이로스코프 센서에 의해 측정된 요우 율, 및/또는 차량의 동력 조향 제어기에 의해 측정된 조향 각도를 포함할 수 있다.
유저 인터페이스(170)는 유저와 상호작용의 여러 유형을 구현하도록 구성될 수 있다. 이를 위해 유저 인터페이스(170)는 예를 들어 네비게이션 정보를 차량 유저에 디스플레이하기 위한 그래픽 또는 텍스트 디스플레이, 예를 들어 음향 네비게이션 명령을 차량 유저에 출력하기 위한 스피커와 같은 음향 출력 디바이스 및/또는 차량 유저로부터 입력을 수신하기 위한 입력 디바이스를 포함할 수 있다.
메모리(160)는 판독 전용 메모리(ROM), 예를 들어, 플래쉬 ROM, 랜덤 액세스 메모리(RAM), 예를 들어, 동적 RAM(DRAM) 또는 정적 RAM(SRAM), 대용량 저장장치, 예를 들어, 하드 디스크 또는 고체 상태 디스크 등을 포함할 수 있다. 전술된 바와 같이, 메모리(160)는 프로세서(150)에 의해 실행되는 적절히 구성된 프로그램 명령과 프로세서(150)에 의해 사용되는 데이터를 포함할 수 있다. 이런 방식으로, 네비게이션 시스템(20)은 도 1 내지 도 3과 연계하여 설명된 바와 같이 동작하도록 구성될 수 있다. 구체적으로, 도 4에 도시된 바와 같이, 메모리(160)는 칼만 필터(40)의 전술된 기능을 구현하기 위하여 필터 모듈(162)을 포함할 수 있다. 또, 메모리(160)는 원하는 목적지로 가는 경로를 계산하는 기능, 맵 표시로 차량의 현재 위치 등을 디스플레이하는 기능과 같은 여러 유형의 네비게이션 기능을 구현하도록 네비게이션 모듈(164)을 포함할 수 있다. 또한, 메모리(160)는 네비게이션 기능을 구현하기 위해 프로세서(150)에 의해 사용될 수 있는 맵 데이터(166)를 포함할 수 있다.
도 4에 도시된 네비게이션 시스템(20)의 구현은 단순히 개략적인 것이며 네비게이션 시스템(20)은 명료함을 위해 도시되지 않은 다른 구성요소, 예를 들어 다른 인터페이스를 실제로 포함할 수 있다는 것이 이해되어야 할 것이다. 예를 들어, 이러한 다른 인터페이스는 온라인 교통 정보 또는 업데이트된 맵 데이터와 같은 외부 소스로부터 데이터를 수신하는데 사용될 수 있다. 또, 메모리(160)는 미도시된 다른 유형의 프로그램 코드 모듈, 예를 들어 알려진 유형의 네비게이션 기능을 구현하기 위한 프로그램 코드 모듈을 포함할 수 있다는 것이 이해될 수 있을 것이다. 일부 실시예에 따르면, 컴퓨터 프로그램 제품은 메모리(160)에 저장되는 프로그램 코드를 제공하는 것에 의해 전술된 바와 같은 실시예에 따른 개념을 구현하거나 제공될 수 있다. 예를 들어, 이러한 프로그램 코드는 저장 매체 상에 제공될 수 있다.
전술된 예시와 실시예는 본 발명의 일부 실시예에 따른 개념을 예시하는 목적을 가지며 여러 변형이 이루어질 수 있다는 것이 주목되어야 한다. 예를 들어, 전술된 개념은 전술된 차량 센서 데이터의 예를 포함하거나 이와는 다를 수 있는 임의의 개수의 차량 센서로부터 오는 차량 센서 데이터와 위성 위치지정 데이터를 결합하는데 사용될 수 있다. 또 칼만 필터의 다른 성분에서의 계산의 상세는 예를 들어 정교한 측정 에러 모델을 고려하기 위하여 적절히 수정될 수 있다는 것이 이해되어야 할 것이다.

Claims (26)

  1. 차량 네비게이션 방법으로서,
    차량(10)의 위성 위치지정 디바이스(30)로부터 위성 위치지정 데이터를 획득하는 단계;
    상기 차량(10)의 다수의 센서(60)로부터 차량 센서 데이터를 획득하는 단계; 및
    칼만 필터(40)에 의해 상기 위성 위치지정 데이터와 상기 차량 센서 데이터를 결합하여 상기 차량의 결합된 상태 벡터 추정치를 획득하는 단계를 포함하되,
    상기 칼만 필터(40)는,
    - 상기 위성 위치지정 데이터를 수신하고 상기 차량의 제1 상태 벡터 추정치 및 대응하는 제1 상태 에러 공분산 행렬(first state error covariance matrix)을 생성하는 제1 필터(42),
    - 상기 차량 센서 데이터를 수신하고 상기 차량의 제2 상태 벡터 추정치 및 대응하는 제2 상태 에러 공분산 행렬을 생성하는 제2 필터(44), 및
    - 상기 제1 상태 벡터 추정치, 상기 제1 상태 에러 공분산 행렬, 상기 제2 상태 벡터 추정치, 및 상기 제2 상태 에러 공분산 행렬을 수신하고, 상기 결합된 상태 벡터 추정치 및 대응하는 결합된 상태 에러 공분산 행렬을 생성하는 제3 필터(46)를 포함하고,
    상기 제3 필터(46)는 상기 결합된 상태 벡터 추정치에 기초하여 예측된 상태 벡터 추정치를 생성하고 상기 결합된 상태 에러 공분산 행렬에 기초하여 예측된 상태 에러 공분산 행렬을 생성하는 예측 프로세서(48)를 포함하며,
    상기 예측된 상태 벡터 추정치 및 상기 예측된 상태 에러 공분산 행렬은 상기 제1 필터(42), 상기 제2 필터(44) 및 상기 제3 필터(46)에 피드백되는 것인 차량 네비게이션 방법.
  2. 제1항에 있어서, 상기 차량 센서 데이터는 상기 차량(10)의 주행기록계(62)에 의해 측정된 속도를 포함하는 것인 차량 네비게이션 방법.
  3. 제1항 또는 제2항에 있어서, 상기 차량 센서 데이터는 상기 차량(10)의 자이로스코프 센서(64)에 의해 측정된 요우 율(yaw rate)을 포함하는 것인 차량 네비게이션 방법.
  4. 제1항 또는 제2항에 있어서, 상기 차량 센서 데이터는 상기 차량(10)의 조향 각도를 포함하는 것인 차량 네비게이션 방법.
  5. 제4항에 있어서, 상기 조향 각도는 상기 차량(10)의 동력 조향 제어기(66)에 의해 측정되는 것인 차량 네비게이션 방법.
  6. 제1항 또는 제2항에 있어서, 상기 제1 필터(42)는 상기 수신된 위성 위치지정 데이터로 상기 피드백된 예측된 상태 벡터 추정치를 업데이트함으로써 상기 제1 상태 벡터 추정치를 결정하는 것인 차량 네비게이션 방법.
  7. 제1항 또는 제2항에 있어서, 상기 제1 필터(42)는 상기 위성 위치지정 데이터의 측정 에러 공분산 행렬과 상기 피드백된 예측된 에러 공분산 행렬에 기초하여 상기 제1 상태 에러 공분산 행렬을 결정하는 것인 차량 네비게이션 방법.
  8. 제1항 또는 제2항에 있어서, 상기 제2 필터(44)는 상기 수신된 차량 센서 데이터로 상기 피드백된 예측된 상태 벡터 추정치를 업데이트함으로써 상기 제2 상태 벡터 추정치를 결정하는 것인 차량 네비게이션 방법.
  9. 제1항 또는 제2항에 있어서, 상기 제2 필터(44)는 상기 차량 센서 데이터의 측정 에러 공분산 행렬과 상기 피드백된 예측된 상태 에러 공분산 행렬에 기초하여 상기 제2 상태 에러 공분산 행렬을 결정하는 것인 차량 네비게이션 방법.
  10. 제1항 또는 제2항에 있어서, 상기 제3 필터(46)는 상기 피드백된 예측된 상태 에러 공분산 행렬에 기초하여 상기 결합된 상태 에러 공분산 행렬을 결정하는 것인 차량 네비게이션 방법.
  11. 제1항 또는 제2항에 있어서, 상기 제3 필터(46)는 상기 피드백된 예측된 상태 벡터 추정치 및 상기 피드백된 예측된 상태 에러 공분산 행렬에 기초하여 상기 결합된 상태 벡터 추정치를 결정하는 것인 차량 네비게이션 방법.
  12. 제1항 또는 제2항에 있어서, 상기 제3 필터(46)의 상기 예측 프로세서(48)는 선형 상태 전이 행렬을 가지는 상태 전이 모델에 기초하는 것인 차량 네비게이션 방법.
  13. 차량(10)용 네비게이션 시스템(20)으로서,
    위성 위치지정 데이터를 획득하도록 구성된 위성 위치지정 디바이스(30); 및
    상기 차량(10)의 다수의 센서(60)로부터 수신된 차량 센서 데이터와 상기 위성 위치지정 데이터를 결합하여 상기 차량의 결합된 상태 벡터 추정치를 획득하도록 구성된 칼만 필터(40)를 포함하되,
    상기 칼만 필터(40)는,
    - 상기 위성 위치지정 데이터를 수신하고 상기 차량의 제1 상태 벡터 추정치 및 대응하는 제1 상태 에러 공분산 행렬을 생성하는 제1 필터(42),
    - 상기 차량 센서 데이터를 수신하고 상기 차량의 제2 상태 벡터 추정치 및 대응하는 제2 상태 에러 공분산 행렬을 생성하는 제2 필터(44), 및
    - 상기 제1 상태 벡터 추정치, 상기 제1 상태 에러 공분산 행렬, 상기 제2 상태 벡터 추정치, 및 상기 제2 상태 에러 공분산 행렬을 수신하고, 상기 결합된 상태 벡터 추정치 및 대응하는 결합된 상태 에러 공분산 행렬을 생성하는 제3 필터(46)를 포함하고,
    상기 제3 필터(46)는 상기 결합된 상태 벡터 추정치에 기초하여 예측된 상태 벡터 추정치를 생성하고 상기 결합된 상태 에러 공분산 행렬에 기초하여 예측된 상태 에러 공분산 행렬을 생성하도록 구성된 예측 프로세서(48)를 포함하며,
    상기 칼만 필터(40)는 예측된 상태 벡터 추정치 및 상기 예측된 상태 에러 공분산 행렬을 상기 제1 필터(42), 상기 제2 필터(44) 및 상기 제3 필터(46)로 피드백시키도록 구성된 피드백 배열을 포함하는 것인 네비게이션 시스템.
  14. 제13항에 있어서, 상기 차량 센서 데이터는 상기 차량(10)의 주행기록계(62)에 의해 측정된 속도를 포함하는 것인 네비게이션 시스템.
  15. 제13항 또는 제14항에 있어서, 상기 차량 센서 데이터는 상기 차량(10)의 자이로스코프 센서(64)에 의해 측정된 요우 율을 포함하는 것인 네비게이션 시스템.
  16. 제13항 또는 제14항에 있어서, 상기 차량 센서 데이터는 상기 차량(10)의 조향 각도를 포함하는 것인 네비게이션 시스템.
  17. 제16항에 있어서, 상기 조향 각도는 상기 차량(10)의 동력 조향 제어기(66)에 의해 측정되는 것인 네비게이션 시스템.
  18. 제13항 또는 제14항에 있어서, 상기 제1 필터(42)는 상기 수신된 위성 위치지정 데이터로 상기 피드백된 예측된 상태 벡터 추정치를 업데이트함으로써 상기 제1 상태 벡터 추정치를 결정하도록 구성된 것인 네비게이션 시스템.
  19. 제13항 또는 제14항에 있어서, 상기 제1 필터(42)는 상기 위성 위치지정 데이터의 측정 에러 공분산 행렬과 상기 피드백된 예측된 에러 공분산 행렬에 기초하여 상기 제1 상태 에러 공분산 행렬을 결정하도록 구성된 것인 네비게이션 시스템.
  20. 제13항 또는 제14항에 있어서, 상기 제2 필터(44)는 상기 수신된 차량 센서 데이터로 상기 피드백된 예측된 상태 벡터 추정치를 업데이트함으로써 상기 제2 상태 벡터 추정치를 결정하도록 구성된 것인 네비게이션 시스템.
  21. 제13항 또는 제14항에 있어서, 상기 제2 필터(44)는 상기 차량 센서 데이터의 측정 에러 공분산 행렬과 상기 피드백된 예측된 상태 에러 공분산 행렬에 기초하여 상기 제2 상태 에러 공분산 행렬을 결정하도록 구성된 것인 네비게이션 시스템.
  22. 제13항 또는 제14항에 있어서, 상기 제3 필터(46)는 상기 피드백된 예측된 상태 에러 공분산 행렬에 기초하여 상기 결합된 상태 에러 공분산 행렬을 결정하도록 구성된 것인 네비게이션 시스템.
  23. 제13항 또는 제14항에 있어서, 상기 제3 필터(46)는 상기 피드백된 예측된 상태 벡터 추정치 및 상기 피드백된 예측된 상태 에러 공분산 행렬에 기초하여 상기 결합된 상태 벡터 추정치를 결정하도록 구성된 것인 네비게이션 시스템.
  24. 제13항 또는 제14항에 있어서, 상기 제3 필터(46)의 상기 예측 프로세서(48)는 선형 상태 전이 행렬을 가지는 상태 전이 모델에 기초하는 것인 네비게이션 시스템.
  25. 네비게이션 시스템과 차량 센서 데이터를 제공하는 다수의 차량 센서를 구비하는 차량으로서,
    상기 네비게이션 시스템(20)은,
    위성 위치지정 데이터를 획득하도록 구성된 위성 위치지정 디바이스(30);
    상기 차량(10)의 다수의 센서(60)로부터 수신된 차량 센서 데이터와 상기 위성 위치지정 데이터를 결합하여 상기 차량의 결합된 상태 벡터 추정치를 획득하도록 구성된 칼만 필터(40)를 포함하되,
    상기 칼만 필터(40)는,
    - 상기 위성 위치지정 데이터를 수신하고 상기 차량의 제1 상태 벡터 추정치 및 대응하는 제1 상태 에러 공분산 행렬을 생성하도록 구성된 제1 필터(42),
    - 상기 차량 센서 데이터를 수신하고 상기 차량의 제2 상태 벡터 추정치 및 대응하는 제2 상태 에러 공분산 행렬을 생성하도록 구성된 제2 필터(44), 및
    - 상기 제1 상태 벡터 추정치, 상기 제1 상태 에러 공분산 행렬, 상기 제2 상태 벡터 추정치, 및 상기 제2 상태 에러 공분산 행렬을 수신하고, 상기 결합된 상태 벡터 추정치 및 대응하는 결합된 상태 에러 공분산 행렬을 생성하도록 구성된 제3 필터(46)를 포함하고,
    상기 제3 필터(46)는 상기 결합된 상태 벡터 추정치에 기초하여 예측된 상태 벡터 추정치를 생성하고 상기 결합된 상태 에러 공분산 행렬에 기초하여 예측된 상태 에러 공분산 행렬을 생성하도록 구성된 예측 프로세서(48)를 포함하며,
    상기 칼만 필터(40)는 예측된 상태 벡터 추정치 및 상기 예측된 상태 에러 공분산 행렬을 상기 제1 필터(42), 상기 제2 필터(44) 및 상기 제3 필터(46)로 피드백시키도록 구성된 피드백 배열을 포함하는 것인 차량.
  26. 제25항에 있어서,
    상기 차량 센서 데이터는 상기 차량의 주행기록계에 의해 측정된 속도를 포함하는 것인 차량.
KR1020120082064A 2011-08-03 2012-07-27 위성 위치지정 데이터와 차량 센서 데이터에 기초한 차량 네비게이션 KR102089681B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP11176400.7A EP2555017B1 (en) 2011-08-03 2011-08-03 Vehicle navigation on the basis of satellite positioning data and vehicle sensor data
EP11176400.7 2011-08-03

Publications (2)

Publication Number Publication Date
KR20130016072A KR20130016072A (ko) 2013-02-14
KR102089681B1 true KR102089681B1 (ko) 2020-03-16

Family

ID=44862422

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120082064A KR102089681B1 (ko) 2011-08-03 2012-07-27 위성 위치지정 데이터와 차량 센서 데이터에 기초한 차량 네비게이션

Country Status (5)

Country Link
US (1) US8639441B2 (ko)
EP (1) EP2555017B1 (ko)
JP (1) JP6034615B2 (ko)
KR (1) KR102089681B1 (ko)
CN (1) CN102914785B (ko)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013213067B4 (de) 2013-07-04 2018-09-20 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Bestimmung mindestens einer Zustandsgröße einer Eigenposition eines Fahrzeugs
DE102014107798A1 (de) 2013-12-20 2015-06-25 Hyundai Motor Company Nockenwelle-in-Nockenwelle-Vorrichtung eines Systems mit variabler Ventilöffnungsdauer
CN103727947B (zh) * 2013-12-27 2017-10-31 苍穹数码技术股份有限公司 基于ukf滤波的bds与gis深耦合定位方法和系统
CN103791916B (zh) * 2014-01-28 2016-05-18 北京融智利达科技有限公司 一种基于mems惯导的组合车载导航系统
US10048070B2 (en) * 2015-04-17 2018-08-14 Honeywell International Inc. Transitioning from stationary alignment mode to in-motion alignment mode
EP3304002B1 (en) * 2015-05-26 2019-02-06 Crown Equipment Corporation Systems and methods for materials handling vehicle odometry calibration
JP6689659B2 (ja) * 2016-04-19 2020-04-28 クラリオン株式会社 位置推定装置、及び、推定方法
DE102016222272B4 (de) * 2016-11-14 2018-05-30 Volkswagen Aktiengesellschaft Schätzen einer Eigenposition
JP7006080B2 (ja) * 2017-09-25 2022-01-24 カシオ計算機株式会社 移動状態判別装置、電子時計、移動状態判別方法及びプログラム
DE102017223550A1 (de) * 2017-12-21 2019-06-27 Continental Teves Ag & Co. Ohg Fahrzeug-zu-X-Kommunikationsmodul
US10784841B2 (en) 2018-03-08 2020-09-22 Cnh Industrial America Llc Kalman filter for an autonomous work vehicle system
CN109085564B (zh) * 2018-08-31 2020-09-18 北京邮电大学 一种定位方法及装置
CN111665533A (zh) * 2019-03-07 2020-09-15 中国科学院上海高等研究院 基于卫星定位有效性的定位方法/系统、介质及设备
CN111586632B (zh) * 2020-05-06 2021-09-07 浙江大学 基于通信传感异步数据融合的协作邻居车辆定位方法
CN111811521A (zh) * 2020-07-09 2020-10-23 北京百度网讯科技有限公司 定位方法和装置、电子设备、车端设备、自动驾驶汽车
US11879736B2 (en) * 2020-09-11 2024-01-23 Raytheon Company Navigation integrity in GPS challenged environments
CN112577516B (zh) * 2020-11-11 2022-07-08 上汽大众汽车有限公司 一种用于车辆轮速误差识别和补偿的方法和系统
CN113436442B (zh) * 2021-06-29 2022-04-08 西安电子科技大学 一种利用多地磁传感器的车速估计方法
CN113804194B (zh) * 2021-10-25 2024-03-15 中国第一汽车股份有限公司 一种行驶设备的定位方法、装置、设备及存储介质
CN114342605B (zh) * 2021-12-14 2023-03-21 江苏大学 一种多信息融合的稻麦播种机播种量估计方法及监测系统
KR102592494B1 (ko) * 2021-12-30 2023-10-24 한국과학기술원 반송파 기반 GNSS/INS 약결합 칼만필터 시스템의 Correct Fix 확률 값 개선 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008128649A (ja) 2006-11-16 2008-06-05 Citizen Holdings Co Ltd 方位センサおよび記録媒体
JP4489023B2 (ja) 2003-12-22 2010-06-23 旭化成エレクトロニクス株式会社 方位角計測装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0277231A1 (en) * 1986-08-20 1988-08-10 Grumman Aerospace Corporation Distributed kalman filter
US5343209A (en) * 1992-05-07 1994-08-30 Sennott James W Navigation receiver with coupled signal-tracking channels
US6266584B1 (en) * 1998-03-31 2001-07-24 Space Systems/Loral, Inc. Robust autonomous GPS time reference for space application
US5957982A (en) * 1998-08-18 1999-09-28 Trw Inc. Method and system for space navigation
ATE345487T1 (de) * 1999-09-16 2006-12-15 Sirf Tech Inc Navigationssystem und -verfahren zum verfolgen der position eines objektes
US6408245B1 (en) * 2000-08-03 2002-06-18 American Gnc Corporation Filtering mechanization method of integrating global positioning system receiver with inertial measurement unit
CN1361431A (zh) * 2000-12-23 2002-07-31 林清芳 完全整合式导航定位方法和系统
KR20020091389A (ko) * 2001-05-30 2002-12-06 주식회사 네비콤 위성항법장치/추측항법장치 통합시스템과 다중가설기법을이용한 지도매칭방법
US7193559B2 (en) * 2003-01-21 2007-03-20 Novatel, Inc. Inertial GPS navigation system with modified kalman filter
KR100520166B1 (ko) * 2003-03-14 2005-10-10 삼성전자주식회사 네비게이션시스템에서 이동체의 위치검출장치 및 그 방법
US20060074558A1 (en) * 2003-11-26 2006-04-06 Williamson Walton R Fault-tolerant system, apparatus and method
US7289906B2 (en) * 2004-04-05 2007-10-30 Oregon Health & Science University Navigation system applications of sigma-point Kalman filters for nonlinear estimation and sensor fusion
US7490008B2 (en) * 2004-09-17 2009-02-10 Itt Manufacturing Enterprises, Inc. GPS accumulated delta range processing for navigation applications
KR100742612B1 (ko) * 2005-08-19 2007-07-25 한국전자통신연구원 추측 항법과 지피에스를 이용한 복합 항법 장치 및 그 방법
US7855678B2 (en) * 2007-05-16 2010-12-21 Trimble Navigation Limited Post-mission high accuracy position and orientation system
CN101464152B (zh) * 2009-01-09 2010-11-10 哈尔滨工程大学 一种sins/gps组合导航系统自适应滤波方法
JP4775478B2 (ja) * 2009-07-02 2011-09-21 セイコーエプソン株式会社 位置算出方法及び位置算出装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4489023B2 (ja) 2003-12-22 2010-06-23 旭化成エレクトロニクス株式会社 方位角計測装置
JP2008128649A (ja) 2006-11-16 2008-06-05 Citizen Holdings Co Ltd 方位センサおよび記録媒体

Also Published As

Publication number Publication date
US8639441B2 (en) 2014-01-28
EP2555017B1 (en) 2017-10-04
EP2555017A1 (en) 2013-02-06
JP6034615B2 (ja) 2016-11-30
US20130035855A1 (en) 2013-02-07
CN102914785A (zh) 2013-02-06
JP2013036994A (ja) 2013-02-21
CN102914785B (zh) 2017-04-12
KR20130016072A (ko) 2013-02-14

Similar Documents

Publication Publication Date Title
KR102089681B1 (ko) 위성 위치지정 데이터와 차량 센서 데이터에 기초한 차량 네비게이션
CN102645222B (zh) 一种卫星惯性导航方法
Li et al. A novel backtracking navigation scheme for autonomous underwater vehicles
CN103299205B (zh) 用于移动基站rtk测量的系统和方法
EP1585939B1 (en) Attitude change kalman filter measurement apparatus and method
US8560234B2 (en) System and method of navigation based on state estimation using a stepped filter
CN102436004A (zh) 定位系统及定位方法
US20150153460A1 (en) Sequential Estimation in a Real-Time Positioning or Navigation System Using Historical States
CN104181574A (zh) 一种捷联惯导系统/全球导航卫星系统组合导航滤波系统及方法
JP7272910B2 (ja) 車載装置、状態推定方法及びプログラム
EP1508776A1 (en) Autonomous velocity estimation and navigation
CN108508463B (zh) 基于Fourier-Hermite正交多项式扩展椭球集员滤波方法
JP2020020634A (ja) 情報処理システム、プログラム、及び制御方法
JP5219547B2 (ja) 車載ナビゲーションシステム及びナビゲーション方法
JP2015094689A (ja) 車両用走行軌跡算出装置
CN114897942B (zh) 点云地图的生成方法、设备及相关存储介质
JP4517298B2 (ja) 方位センサの補正係数演算装置及び演算プログラム
CN114323007A (zh) 一种载体运动状态估计方法及装置
JP2008014810A (ja) 移動軌跡算出方法、移動軌跡算出装置及び地図データ生成方法
JP4831441B2 (ja) 方位センサの補正係数演算装置及び演算プログラム
JP7279403B2 (ja) 車両位置推定装置、車両位置推定方法、及び、車両位置推定システム
KR20240058641A (ko) 데이터 융합 기반의 향상된 복합 항법
JP2023078020A (ja) 遠隔操縦装置、遠隔操縦方法、及び遠隔操縦プログラム
CN115658833A (zh) 高精地图生成方法、装置、电子设备和存储介质
CN111002991A (zh) 一种车载导航信息处理的方法、装置及计算机存储介质

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