KR102093743B1 - 센서 융합을 이용한 차선 레벨 자동차 위치 정보 측위 시스템 - Google Patents

센서 융합을 이용한 차선 레벨 자동차 위치 정보 측위 시스템 Download PDF

Info

Publication number
KR102093743B1
KR102093743B1 KR1020180135108A KR20180135108A KR102093743B1 KR 102093743 B1 KR102093743 B1 KR 102093743B1 KR 1020180135108 A KR1020180135108 A KR 1020180135108A KR 20180135108 A KR20180135108 A KR 20180135108A KR 102093743 B1 KR102093743 B1 KR 102093743B1
Authority
KR
South Korea
Prior art keywords
information
data
vehicle
sensor
unit
Prior art date
Application number
KR1020180135108A
Other languages
English (en)
Inventor
서대화
우리나라
양은주
김상기
Original Assignee
경북대학교 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 경북대학교 산학협력단 filed Critical 경북대학교 산학협력단
Priority to KR1020180135108A priority Critical patent/KR102093743B1/ko
Application granted granted Critical
Publication of KR102093743B1 publication Critical patent/KR102093743B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/027—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means comprising intertial navigation means, e.g. azimuth detector
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18072—Coasting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B60W40/114—Yaw movement
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • 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
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/14—Yaw
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/28—Wheel speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/18—Steering angle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2400/00—Special features of vehicle units
    • B60Y2400/30—Sensors
    • B60Y2400/303—Speed sensors
    • B60Y2400/3032—Wheel speed sensors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치는 자동차의 센서 정보, 관성 측정(Inertail Measurement) 정보 및 실시간 측위(Real-time Kinematic) 정보를 획득하는 데이터 획득부, 상기 센서 정보를 이용해서 상기 관성 측정 정보를 보정하고, 상기 자동차의 주행 상태를 분류하여, 퍼지 논리를 통해 신뢰도를 판단하는 데이터 처리부 및 상기 데이터 획득부에서 획득된 데이터, 상기 데이터 처리부에서 보정된 데이터 및 상기 신뢰도를 확장 칼만 필터(Extended Kalman filter)에 적용하여 위치를 추정하는 칼만 필터부를 포함한다.

Description

센서 융합을 이용한 차선 레벨 자동차 위치 정보 측위 시스템{SYSTEM FOR LANE LEVEL POSITIONING LOCATION INFORMATION OF GROUND VEHICLE USING SENSOR FUSION}
본 발명은 자동차 위치 정보 측위 장치 및 방법에 관한 것으로, 보다 상세하게는, 자동차의 센서 정보와 실시간 측위 정보, 관성 측정 정보를 이용해서 차선 레벨의 자동차 위치 정보를 측정하는 장치 및 방법에 관한 것이다.
무인 자동차 운행 서비스의 원활한 제공을 위해서는 자동차 위치 정보의 높은 정밀도가 요구된다. 특히, 무인 자동차 운행 서비스를 제공하기 위해서는 자동차의 위치 정보에 대한 오차가 차선 구분이 가능한 수준의 횡 방향 기준 약 1.5m 미만이 되도록 할 수 있어야 한다.
자동차의 위치를 실시간으로 획득하기 위해서, 기본적으로 위성 측위 시스템(GNSS; Global Navigation Satellite System)을 사용하며 최대 수십 미터의 오차를 가지는 위성 측위 시스템의 정확도를 향상시키기 위하여 고정밀 위성 항법 장치(DGPS; Differential Global Positioning System), 실시간 측위(RTK; Real-Time Kinematic) 등과 같이 보정신호를 사용하여 정확도를 높이는 연구가 진행되어왔다.
그러나 DGPS나 실시간 측위 역시 위성 측위 시스템의 일종으로, 수신기가 4 개 이상의 위성을 동시에 관측할 때 사용 가능하다. 따라서, 보정 신호를 사용함으로써 시계 오차, 이온층 왜곡, 대류권 왜곡 등의 오차를 제거하여 높은 측위 정확도를 얻을 수는 있지만 빌딩 숲, 터널 등 가시 위성의 수가 적거나 확보되지 못하는 경우에는 위치 추정이 불가능한 문제가 있다.
이러한 문제를 해결하기 위해, 측위 센서 융합 연구가 활발히 이루어지고 있는데, 가장 널리 사용되는 방법은 위성 측위 시스템(GNSS)과 마이크로 전자기계 체계 관성 측정 장치(MEMS-IMU)의 융합이다.
그 동안 다양한 융합 알고리즘이 제안되고 성능의 개선이 이루어 졌지만 자율 주행 자동차의 발전과 더불어 차선 구분이 가능한 수준의 보다 높은 성능과 낮은 복잡도에 대한 요구사항이 커지게 되었다.
자율 주행을 수행할 수 있는 시스템과 관련한 발명으로, 예를 들어, 등록특허 제10-11160332호에는 GPS위성으로부터 본체의 위치 데이터를 수신하도록 형성되는 위치 수신부와, 상기 본체에서 감지되는 GPS위성의 개수를 추적하도록 형성되는 위성 추적부 및 상기 추적된 GPS의 개수에 따라 주행 방법을 결정하도록 형성되는 주행 방법결정부를 포함하는 기술이 개시되고 있다.
무인 자율주행 자동차에서 자동차의 위치파악은 무엇보다도 중요한 필수조건이 될 수 있지만 GPS가 전체 항법시스템에서 높은 비중을 차지하는 기본 센서로 이용되면서 위성항법의 오차에 따른 문제점이 발생되고 있다.
본 발명의 일실시예에 따른 자동차 위치 정보를 측정하는 장치 및 방법은 GPS 위성과 수신기 간의 가시성이 확보되지 못하는 위치정보 수신불가능 지역에서의 위치정확도 향상방안과 연속적인 위치정보 획득을 수행할 수 있는 센서 융합을 통해 보다 정확한 자동차의 위치 정보 측정 시스템의 제공을 목적으로 한다.
본 발명의 일실시예에 따른 자동차 위치 정보를 측정하는 장치 및 방법은 많은 비용을 추가하지 않고도 자동차의 주행 상태, 주행 환경을 반영해서 정확한 위치를 측정할 수 있는 자동차의 위치 정보 측정 시스템의 제공을 목적으로 한다.
본 발명의 목적은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치는 자동차의 센서 정보, 관성 측정(Inertail Measurement) 정보 및 실시간 측위(Real-time Kinematic) 정보를 획득하는 데이터 획득부, 상기 센서 정보를 이용해서 상기 관성 측정 정보를 보정하고, 상기 자동차의 주행 상태를 분류하여, 퍼지 논리를 통해 신뢰도를 판단하는 데이터 처리부 및 상기 데이터 획득부에서 획득된 데이터, 상기 데이터 처리부에서 보정된 데이터 및 상기 신뢰도를 확장 칼만 필터(Extended Kalman filter)에 적용하여 위치를 추정하는 칼만 필터부를 포함할 수 있다.
일실시예에 따르면, 상기 데이터 획득부는, 스티어링 휠의 조향 각을 측정하는 스티어링 각 센서(Steering angle sensor) 및 자동차의 차륜에 적어도 하나 이상 마련되어 각각의 차륜의 속도를 측정하는 차륜 속도 센서(4-wheel sensor)로부터 센싱된 정보를 수신하는 센서 인터페이스부, 상기 관성 측정 정보를 측정하는 관성 측정부(IMU) 및 상기 실시간 측위 정보를 측정하는 실시간 측위부(RTK)를 포함할 수 있다.
일실시예에 따르면, 상기 센서 인터페이스부는, 자동차에 구비된 OBD(On-Board Diagnostics)를 포함할 수 있다.
일실시예에 따르면, 상기 데이터 처리부는, 관성 측정부에서 측정된 관성 측정 정보를 이용해서 제1 요 레이트(yaw rate)를 획득하고, 스티어링 각 센서에서 측정된 센서 정보를 이용해서 제2 요 레이트를 획득할 수 있다.
일실시예에 따르면, 상기 데이터 처리부는, 관성 측정부에서 측정된 속도를 차륜 속도 센서에서 측정된 속도를 이용해서 보정할 수 있다.
일실시예에 따르면, 상기 데이터 처리부는, 상기 데이터 획득부에서 획득된 데이터를 이용해서 미리 정해진 기준에 따라 상기 자동차가 정지 상태인지, 직진 주행 상태인지 또는 회전 주행 상태인지 판단하여 상기 자동차의 주행 상태를 분류할 수 있다.
일실시예에 따르면, 상기 데이터 처리부는 위치 정도 저하율, 가시 위성의 수 및 위성 항법 측위 오차 중 적어도 하나를 미리 정해진 기준에 따른 퍼지 논리 모델에 적용하여 신뢰도를 판단할 수 있다.
일실시예에 따르면, 상기 칼만 필터부는 상기 분류된 주행 상태에 따라 상기 데이터 획득부에서 획득된 데이터의 측정 잡음 공분산(measurement noise covariance)을 변경하여 위치를 추정할 수 있다.
본 발명의 일실시예에 따른 자동차 위치 정보 측위 방법은 자동차의 센서 정보, 관성 측정(Inertail Measurement) 정보 및 실시간 측위(Real-time Kinematic) 정보를 획득하는 데이터 획득 단계, 상기 센서 정보를 이용해서 상기 관성 측정 정보를 보정하고, 상기 자동차의 주행 상태를 분류하고, 퍼지 논리를 통해 신뢰도를 판단하여 데이터를 처리하는 단계 및 상기 데이터 획득 단계에서 획득된 데이터, 상기 데이터를 처리하는 단계에서 보정된 데이터 및 상기 신뢰도를 확장 칼만 필터(Extended Kalman filter)에 적용하여 위치를 추정하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 데이터 획득 단계는, 스티어링 휠의 조향 각을 측정하는 스티어링 각 센서(Steering angle sensor) 및 자동차의 차륜에 적어도 하나 이상 마련되어 각각의 차륜의 속도를 측정하는 차륜 속도 센서(4-wheel sensor)로부터 센싱된 정보를 수신하는 단계, 상기 관성 측정 정보를 측정하는 단계 및 상기 실시간 측위 정보를 측정하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 데이터를 처리하는 단계는 상기 관성 측정 정보를 이용해서 제1 요 레이트(yaw rate)를 획득하고, 스티어링 각 센서에서 측정된 센서 정보를 이용해서 제2 요 레이트를 획득하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 데이터를 처리하는 단계는 관성 측정(Inertail Measurement) 정보의 측정 속도를 차륜 속도 센서에서 측정된 속도를 이용해서 보정하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 데이터를 처리하는 단계는 상기 데이터 획득 단계에서 획득된 데이터를 이용해서 미리 정해진 기준에 따라 상기 자동차가 정지 상태인지, 직진 주행 상태인지 또는 회전 주행 상태인지 판단하여 상기 자동차의 주행 상태를 분류하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 데이터를 처리하는 단계는 위치 정도 저하율, 가시 위성의 수 및 위성 항법 측위 오차 중 적어도 하나를 미리 정해진 기준에 따른 퍼지 논리 모델에 적용하여 신뢰도를 판단하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 위치를 추정하는 단계는 상기 분류된 주행 상태에 따라 상기 데이터 획득 단계에서 획득된 데이터의 측정 잡음 공분산(measurement noise covariance)을 변경하여 위치를 추정하는 단계를 포함할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치 및 방법에 따르면, 위성 신호가 잘 수신되지 않는 열악한 환경에서도 높은 차선 구분 확률을 가지는 자동차 위치 정보 측위 장치 및 방법을 제공할 수 있다.
특히 본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치 및 방법에 따르면, 자동차에 이미 설치된 센서에서 측정된 정보를 이용해서 적은 비용으로 정확한 위치를 측정할 수 있는 자동차 위치 정보 측위 장치 및 방법을 제공할 수 있다.
도 1은 종래의 자동차 위치 정보 측위 장치의 구성을 설명하기 위한 블록도이다.
도 2는 본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치를 설명하기 위한 블록도이다.
도 3은 자동차의 회전 움직임에 대한 운동을 설명하기 위한 도면이다.
도 4는 측정 방법에 따라 요 레이트(yaw rate) 측정 정확도를 비교하여 설명하기 위한 도면이다.
도 5는 본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치의 요 레이트(yaw rate) 측정 정확도를 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치의 퍼지 논리 모델의 실시예를 설명하기 위한 도면이다.
도 7은 본 발명의 일실시예에 따른 자동차 위치 정보 측위 방법을 설명하기 위한 흐름도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다. 제 1, 제 2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미가 있는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
이하 첨부된 도면을 참조하여 본 발명의 일실시예에 따른 설비 데이터의 이상 정도를 평가하는 방법 및 장치를 상세하게 설명하기로 한다.
도 1은 종래의 자동차 위치 정보 측위 장치의 구성을 설명하기 위한 블록도이다.
도 1을 참조하면, 종래의 자동차 위치 정보 측위 장치(100)는 위성 측위 시스템(110, GNSS), 관성 항법 장치(120, INS) 및 칼만 필터(130)를 포함하고 있다.
자동차의 진행 방향 정보를 획득하기 위하여 자력계(Magnetometer)를 사용할 수도 있으나, 일반적으로 MEMS-IMU 수준의 센서에서는 자기장 왜곡과 그 보정의 어려움 때문에 철제가 많이 들어가는 자동차에서는 사용하기 어렵다. 따라서 일반적으로 가속도 정보와 자이로스코프 정보만을 사용한다. 관성 측정 장치(IMU)에서 획득한 가속도와 자이로스코프 정보를 이용하여 자동차의 방향, 위치 및 속도를 계산하고 이를 칼만 필터의 상태로 설정한다. 그리고 위성 측위 시스템에서 획득한 위치 및 속도 정보로 칼만 필터를 업데이트 한다.
관성 측정 장치(IMU)로부터 획득한 가속도, 각속도 정보 만을 가지고 위치와 속도를 계산하는 것은 가속도의 1, 2 차 적분을 포함하므로 상당한 오차를 가질 수 있다. 특히 터널이나 지하에 있는 자동차에서 수신 가능한 위성 수가 4 개 이하가 될 경우 위성 측위 시스템에서는 측위를 할 수 없기 때문에, 관성 항법 장치의 결과에 의존하게 되며, 관성 항법 장치의 성능에 따라 높은 오차가 발생할 수 있다. 따라서 단순하게 MEMS-IMU 만을 사용하여 위치 및 속도를 계산하면 차선 레벨의 자동차 위치 정보 측정이 불가능하다. 이러한 MEMS-IMU 사용의 단점을 개선, 보완하기 위하여 보정을 위한 추가적인 센서를 사용하거나 부가적인 성능향상 기술 추가 등이 필요하다.
자동차가 주행중인 환경에서 고정 측정 공분산(fixed measurement covariance)은 모델 에러를 발생시킨다. 이는 칼만 필터의 성능을 저하시키며, 칼만 필터가 발산하게 만들 수 있다. 특히, 복수 개의 센서를 사용하는 융합필터에서는 이러한 영향이 더욱 커지게 된다. 따라서 환경에 따라 잡음 공분산(noise covariance)을 적응적으로 변경함으로써, 필터의 성능을 개선시킬 수 있다.
하지만, MEMS-IMU의 낮은 성능과 수신 위성 수, 위치 정도 저하율 등에 따른 위성 항법 장치의 성능 변화를 자동차의 주행 환경 변화에 따라 직접적으로 반영하지는 못하는 문제가 있다.
도 2는 본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치를 설명하기 위한 블록도이다.
본 발명에 따른 차선 레벨의 자동차 위치 측정은 실시간 이동 측위 장치(RTK)와 관성 측정 장치 및 자동차의 스티어링 센서를 이용해서 할 수 있다.
도 2를 참조하면, 일실시예에 따른 자동차 위치 정보 측위 장치는 데이터 획득부(210), 데이터 처리부(220) 및 칼만 필터부(230)를 포함할 수 있다. 데이터 획득부(210)는 자동차의 센서 정보, 관성 측정(Inertail Measurement) 정보 및 실시간 측위(Real-time Kinematic) 정보를 획득할 수 있다. 데이터 처리부(220)는 센서 정보를 이용해서 관성 측정 정보를 보정하고, 자동차의 주행 상태를 분류하여, 퍼지 논리를 통해 신뢰도를 판단할 수 있다. 칼만 필터부(230)는 데이터 획득부에서 획득된 데이터, 데이터 처리부에서 보정된 데이터 및 신뢰도를 확장 칼만 필터(Extended Kalman filter)에 적용하여 위치를 추정할수 있다.
일실시예에 따르면, 데이터 획득부(210)는 센서 인터페이스부(211), 관성 측정부(212) 및 실시간 측위부(213)를 포함할 수 있다. 센서 인터페이스부(211)는 스티어링 휠의 조향 각을 측정하는 스티어링 각 센서(Steering angle sensor) 및 자동차의 차륜에 적어도 하나 이상 마련되어 각각의 차륜의 속도를 측정하는 차륜 속도 센서(4-wheel sensor)로부터 센싱된 정보를 수신할 수 있다. 여기서 센서 인터페이스부는, 자동차에 구비된 OBD(On-Board Diagnostics)가 될 수 있다. 바람직하게는, On-board diagnostics II(OBDII) 기준에 맞는 인터페이스가 사용될 수 있다. 관성 측정부(212)는 가속도, 각속도 등을 포함하는 관성 측정 정보를 측정할 수 있다. 실시간 측위부(213)는 보정된 GPS 정보인 실시간 측위(Real Time Kinematic) 정보를 측정할 수 있다.
일실시예에 따르면, 데이터 처리부(220)는 요 레이트(yaw rate) 처리부(221), 주행 상태 판단부(222) 및 퍼지 논리부(223)를 포함할 수 있다.
일실시예에 따르면, 데이터 처리부(220)의 요 레이트(yaw rate) 처리부(221)는 관성 측정부에서 측정된 관성 측정 정보를 이용해서 제1 요 레이트(yaw rate)를 획득하고, 스티어링 각 센서에서 측정된 센서 정보를 이용해서 제2 요 레이트를 획득할 수 있다. 제1 요 레이트는 제2 요 레이트를 이용해서 보정될 수 있다.
관성 측정부(212)로부터 요 레이트를 획득하기 위하여 자이로스코프 또는 자력계(magnetometer)를 사용할 수 있다. 그러나 자력계를 통해서는 철제로 구성된 자동차의 경우 왜곡이 발생할 수 있어 정밀한 값을 획득하기 어려우며, 왜곡을 수시로 확인하고 보정해야 되므로 항상 안정적으로 사용하기가 쉽지 않다. 따라서 자이로스코프만 사용하는 관성 측정부의 요 레이트는 자력계를 함께 사용할 때보다 정밀도가 낮아지게 되므로 요 레이트의 정확도를 높이기 위하여 자동차의 스티어링 센서를 통해서 획득된 정보들로 보정할 수 있다. 일실시예에 따르면, 스티어링 센서로부터 온보드 진단기(On-board diagnostics II, OBDII)를 이용하여 센서 정보들을 수신할 수 있다.
다른 일실시예에 따르면, 데이터 처리부(220)는, 관성 측정부에서 측정된 속도를 차륜 속도 센서에서 측정된 속도를 이용해서 보정할 수 있다. 또 다른 일실시예에 따르면, 데이터 처리부(220)는, 관성 측정부에서 측정된 속도를 차륜 속도 센서에서 측정된 속도로 대체할 수 있다.
일실시예에 따르면, 데이터 처리부(220)의 주행 상태 판단부(222)는 데이터 획득부에서 획득된 데이터를 이용해서 미리 정해진 기준에 따라 상기 자동차가 정지 상태인지, 직진 주행 상태인지 또는 회전 주행 상태인지 판단하여 상기 자동차의 주행 상태를 분류할 수 있다.
자동차의 주행 위치를 미리 예측하기 위해서는 자동차의 속도 정보와 더불어 자동차의 방향 정보가 매우 중요하다. 정밀도가 높은 실시간 이동 측위(RTK)를 사용하여 측정된 위치 변화를 토대로 계산된 방향과 관성 측정 장치로부터 계산된 방향을 융합하면 보다 정확한 방향을 획득할 수 있다. 그러나 위성 수신 상태가 좋지 못한 경우나 관성 측정 장치의 오차 때문에 항상 정확한 방향 값을 기대할 수 없다. 또한, 정지 상태에서는 실시간 이동 측위의 출력 값이 조금씩 움직이고 이 때의 계산된 방향 값 역시 오차가 발생된다. 따라서 정지 상태일 때에는 실시간 이동 측위의 출력 값을 사용하기 보다는 관성 측정 장치의 요 레이트를 사용하여 계산된 방향을 사용하는 것이 보다 정확할 수 있다. 이때, 실시간 이동 측위는 이동 상태보다 정지 상태에서 오랜 시간 측정할수록 참값에 수렴하는 특성을 이용하여 위치는 실시간 이동 측위의 상태에 따라 수정할 수 있다. 따라서 자동차가 정지상태, 직진주행상태, 회전주행상태인지 등을 판단할 필요성이 있으며, 이에 따라 위성항법 시스템의 신뢰도가 높은 상태인지 낮은 상태인지를 판단할 필요성이 있다.
일실시예에 따르면, 자동차의 주행상태를 직진 출발, 좌/우회전 출발 직진 주행, 좌/우회전 주행, 정차 상태로 구분할 수 있다. 경우에 따라 주행 상태는 보다 더 세분화할 수도 있으며, 이에 국한되지 않는다. OBDII 로부터 획득한 자동차의 속도, 스티어링 각 및 주행 상태의 유지 시간을 기준으로 자동차의 주행상태를 구분할 수 있다. 이때, 하기 표 1과 같이 주행 상태에 따라 각 센서값과 그 신뢰도를 다르게 반영할 수 있다.
Figure 112018109945269-pat00001
자동차가 정지상태일 때, 수신환경에 따라 다소 차이는 있기는 하지만 기본적으로 확률오차를 가지는 위성 항법 시스템은 변하는 값을 출력한다. 따라서 정차 시 위성 항법 시스템의 신뢰도는 상대적으로 낮다고 판단할 수 있다. 위치변화를 기반으로 구한 방향 값은 직진 주행 시 정확도가 확연히 높아지므로 직진 주행이라고 명확하게 판단되는 시점에서 방향 값을 재조정할 수 있도록 할 수 있다. 직진 주행 혹은 좌/우회전 주행시에 자동차의 움직임을 기준으로 다음 시점에서의 위치 및 요 레이트 등을 예상할 수 있다. 위성 항법 시스템과 관성 항법 시스템의 경우 상황에 따라 높은 오차를 가질 수 있기 때문에 예상값과 센서값의 차이를 센서값의 신뢰도를 판단하는 기준으로 삼을 수 있다.
표 2를 참조하면, 자동차의 속도가 0.2 m/s 보다 낮으면 자동차는 정지상태라고 판단할 수 있다. 자동차가 정지한 상태에서 위성 수신 상태가 나쁘지 않는 한 실시간 이동 측위 결과는 수십 내지는 수 cm 로 수렴한다. 따라서 이 상태에서는 실시간 이동 측위 결과의 신뢰도를 높다고 판단하며 단, 방향은 실시간 이동 측위 결과와 상관없이 변하지 않는 것으로 할 수 있다. 정지 상태에서 자동차의 속도가 0.2 m/s 보다 높아지고, 회전 반경이 기준값보다 낮으면 자동차는 직직 출발 상태라고 판단할 수 있다. 이 상태에서는 자동차의 방향 값을 시간에 따른 실시간 이동 측위 결과로 도출한 방향 값으로 보정할 수 있다. 주행 상태가 직진 주행 또는 좌/우회전 주행 일 때에는 각각의 상태에 따른 자동차의 움직임을 예상하여 각 센서값의 신뢰도를 결정할 수 있다.
일실시예에 따르면, 데이터 처리부(220)의 퍼지 논리부(223)는 위치 정도 저하율, 가시 위성의 수 및 위성 항법 측위 오차 중 적어도 하나를 미리 정해진 기준에 따른 퍼지 논리 모델에 적용하여 신뢰도를 판단할 수 있다.
위성항법시스템은 대부분의 다른 센서들과는 달리 절대위치를 획득할 수 있는 반면에 빌딩숲, 고가다리 아래, 터널 안과 같이 가시 위성의 수가 적거나, 위성수신상태가 불규칙한 환경에서는 신뢰도가 상당히 낮아지는 단점이 있다. 특히 고정밀 RTK 장치를 사용할 경우, 위성수신상태가 좋은 환경에서는 수십 cm 수준의 오차를 가지는 반면 수신환경이 좋지 않은 환경에서는 수 m 이상의 오차를 가지는 등 수신환경에 따른 오차 변화가 크다. 따라서 수신환경에 따른 위성 항법 측위 결과의 신뢰도를 구하고 이를 센서융합 시에 반영할 필요가 있다. RTK 측위 결과에 대한 신뢰도를 판단하기 위한 기준정보로서 위성의 PDOP, 가시 위성의 수를 사용할 수 있다.
일실시예에 따르면, 칼만 필터부는 데이터 획득부(210)를 통해 획득한 데이터들을 데이터 처리부(220)의 퍼지 논리 시스템과 자동차의 주행 상태에 따라 적응적으로 융합하여 확장 칼만 필터를 통해서 자동차의 현재 위치를 추정할 수 있다.
일실시예에 따르면, 칼만 필터부(230)는 분류된 주행 상태에 따라 데이터 획득부에서 획득된 데이터의 측정 잡음 공분산(measurement noise covariance)을 변경하여 위치를 추정할 수 있다.
칼만 필터부(230)의 자세한 동작에 대한 설명은 도 3에서 파라미터를 설명한 이후에 구체적으로 하도록 한다.
도 3은 자동차의 회전 움직임에 대한 운동을 설명하기 위한 도면이다.
도 3을 참조하면, 자동차의 전좌측 휠(311), 전우측 휠(312), 후좌측 휠(321) 및 후우측 휠(322)을 확인할 수 있다. 이때, 자동차의 센서 인터페이스부를 통해 스티어링 각
Figure 112018109945269-pat00002
, 차륜 회전 RPM(
Figure 112018109945269-pat00003
,
Figure 112018109945269-pat00004
,
Figure 112018109945269-pat00005
,
Figure 112018109945269-pat00006
)를 획득하여 요 레이트를 얻을 수 있다.
각 바퀴의 의 속도
Figure 112018109945269-pat00007
는 하기 수학식 1로 나타낼 수 있다.
Figure 112018109945269-pat00008
여기서
Figure 112018109945269-pat00009
는 차륜 회전 RPM,
Figure 112018109945269-pat00010
는 주파수 분할,
Figure 112018109945269-pat00011
는 차륜의 둘레 이다. 이때, 차륜 속도
Figure 112018109945269-pat00012
, 주행 속도
Figure 112018109945269-pat00013
는 하기 수학식 2 및 수학식 3을 통해서 획득할 수 있다.
Figure 112018109945269-pat00014
Figure 112018109945269-pat00015
일실시예에 따르면, 주행 속도
Figure 112018109945269-pat00016
는 하기 수학식 4를 통해서 구할 수 있다.
Figure 112018109945269-pat00017
차륜 속도와 스티어링 각 및 요 레이트는 하기 수학식 5와 같이 표현할 수 있다.
Figure 112018109945269-pat00018
본 발명의 일실시예에 따르면, 자동차 위치 정보 측위 장치의 칼만 필터부는 느슨한 결합의 확장 칼만 필터를 이용할 수 있다. 이때, 상태 벡터는 하기 수학식 6과 같다.
Figure 112018109945269-pat00019
여기서,
Figure 112018109945269-pat00020
는 방향,
Figure 112018109945269-pat00021
는 요 레이트,
Figure 112018109945269-pat00022
는 스티어링 각,
Figure 112018109945269-pat00023
는 주행 속도,
Figure 112018109945269-pat00024
는 차륜 속도,
Figure 112018109945269-pat00025
경사도,
Figure 112018109945269-pat00026
는 East-North-Up (ENU) 좌표계에서의 로컬 항법 프레임 벡터(local navigation frame vector)이다. 첨자 k 는 시각 인덱스를 나타낸다.
시스템 상태벡터
Figure 112018109945269-pat00027
와 공분산 행렬
Figure 112018109945269-pat00028
는 하기 수학식 7 및 수학식 8과 같이 표현될 수 있다.
Figure 112018109945269-pat00029
Figure 112018109945269-pat00030
여기서 상태천이행렬인 함수 f 와 편미분행렬 F 는 하기 수학식 9및 수학식 10과 같다.
Figure 112018109945269-pat00031
Figure 112018109945269-pat00032
측정 과정에서 추정되는 상태벡터
Figure 112018109945269-pat00033
와 그의 공분산 P 그리고 칼만게인 K 는 하기 수학식 11 내지 13과 같다.
Figure 112018109945269-pat00034
Figure 112018109945269-pat00035
Figure 112018109945269-pat00036
여기서, 칼만게인 K 는 오차 분배 행렬(error distribution matrix)
Figure 112018109945269-pat00037
, 측정 행렬(measurement matrix ) H , 측정 오차 공분산 행렬(measurement noise covariance matrix) R에 대한 함수로 계산될 수 있다. 상태 변수벡터와 에러 분산행렬은 이 칼만 게인과 priori 추정값, 측정변수벡터 z , priori 에러공분산행렬
Figure 112018109945269-pat00038
에 의하여 업데이트 된다.
Figure 112018109945269-pat00039
의 linear function 으로 각 센서의 측정 z 를 모델링할 수 있다. 실시간 이동 측위 데이터에 의해 업데이트된 측정 데이터에서, 측정 벡터
Figure 112018109945269-pat00040
, 측정 모델 행렬
Figure 112018109945269-pat00041
, 측정 오차 공분산 행렬
Figure 112018109945269-pat00042
는 하기 수학식 14 내지 수학식 16과 같다.
Figure 112018109945269-pat00043
Figure 112018109945269-pat00044
Figure 112018109945269-pat00045
Figure 112018109945269-pat00046
는 위치 벡터
Figure 112018109945269-pat00047
를 포함할 수 있다. 실시간 이동 측위의 위치 출력은 geodetic coordinates 에서 ENU coordinates 로 변환한다.
Figure 112018109945269-pat00048
,
Figure 112018109945269-pat00049
,
Figure 112018109945269-pat00050
는 deviation of RTK position vector이며, fuzzy logic 의 출력으로 결정된다.
관성 측정 장치의 데이터에 의해 업데이트된 측정 데이터에서, 측정 벡터
Figure 112018109945269-pat00051
, 측정 모델 행렬(measurement model matrix)
Figure 112018109945269-pat00052
및 측정 노이즈 공분산 행렬(measurement noise covariance matrix)
Figure 112018109945269-pat00053
는 하기 수학식 17 내지 수학식 19와 같다.
Figure 112018109945269-pat00054
Figure 112018109945269-pat00055
Figure 112018109945269-pat00056
Figure 112018109945269-pat00057
는 가속도계와 자이로스코프로 계산된 요 레이트
Figure 112018109945269-pat00058
와 경사도
Figure 112018109945269-pat00059
를 포함할 수 있다.
Figure 112018109945269-pat00060
는 관성 측정 장치 출력의 편차이며, 적응형 오차 추정의 출력으로 결정된다.
센서 인터페이스를 통해 수신한 데이터에 의해 업데이트된 측정 데이터에서, 측정 벡터
Figure 112018109945269-pat00061
와 측정 모델 행렬
Figure 112018109945269-pat00062
및 측정 오차 공분산 행렬
Figure 112018109945269-pat00063
은 하기 수학식 21 내지 수학식 23과 같다.
Figure 112018109945269-pat00064
Figure 112018109945269-pat00065
Figure 112018109945269-pat00066
Figure 112018109945269-pat00067
는 스티어링 각
Figure 112018109945269-pat00068
, 주행 속도
Figure 112018109945269-pat00069
, 차륜 속도
Figure 112018109945269-pat00070
를 포함할 수 있다.
Figure 112018109945269-pat00071
는 스티어링 각
Figure 112018109945269-pat00072
의 편차 이며, 적응형 오차 추정의 출력으로 결정된다.
Figure 112018109945269-pat00073
와
Figure 112018109945269-pat00074
는 속도
Figure 112018109945269-pat00075
,
Figure 112018109945269-pat00076
의 분산이다.
도 4는 측정 방법에 따라 요 레이트(yaw rate) 측정 정확도를 비교하여 설명하기 위한 도면이다.
도 4를 참조하면, 차륜 센서를 통한 요 레이트(411), 관성 측정 장치를 통한 요 레이트(412) 및 스티어링 각 센서를 통한 요 레이트(413)를 확인할 수 있다.
차륜 센서를 통해 획득한 요 레이트의 데이터 레이트는 30~50Hz로 불규칙하며, 관성 측정 장치의 데이터 레이트는 100Hz 이다. 이때, 차륜 센서와 관성 측정 장치, 스티어링 각 센서로부터 획득한 요 레이트의 평균값은 상당히 유사한 것을 확인할 수 있다. 그러나 차륜 센서로부터 획득한 요 레이트는 값의 변동이 상당히 심하기 때문에 사용할 수 없다. 관성 측정 장치의 요 레이트는 값의 변동이 있지만
Figure 112018109945269-pat00077
이하이고, 스티어링 각 센서보다 데이터 레이트가 높다. 스티어링 각 센서에서 계산된 요 레이트는 변동값이 거의 없다. 다만, 데이터 레이트가 관성 측정 장치보다 상대적으로 낮기 때문에 세밀한 데이터 정확도는 낮다. 관성 측정 장치는 센서 특성 상 자이로 드리프트가 존재하고, 이 오차를 줄이기 위하여 초기화 과정 및 보정센서를 통한 보정이 필요하다. 특히, 센서의 정확도가 떨어지는 MEMS IMU 의 경우 이를 위한 해결이 더욱 필요하다. 또한 스티어링각 센서 (steering angle sensor) 의 경우 핸들이 가운데 위치하게 하더라도 스티어링 각 센서에서는 0이 아닌 일정한 오프셋 값이 출력된다. 따라서, 두 센서는 단독으로 사용하기 보다는 같이 사용하여 서로의 오차를 보정함으로써 개선된 정확도를 얻을 수 있다. 일실시예에 따르면, 확장 칼만 필터의 상태 변수 중 하나로 스티어링 각을 사용하고, 관성 측정 장치로부터의 요 레이트는 측정 변수로 사용하여 융합할 수 있다.
도 5는 본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치의 요 레이트(yaw rate) 측정 정확도를 설명하기 위한 도면이다.
도 5를 참조하면, 관성 측정 장치만을 이용한 요 레이트와 본 발명의 일실시예에 따라 획득한 요 레이트를 비교할 수 있다. 관성 측정 장치만을 이용한 요 레이트는 주황색으로 표시되고, 본 발명의 일실시예에 따라 획득한 요 레이트는 파란색으로 표시되어 있다.
자동차의 속도 변화에 따라 주행 상태를 나타내었다. 관성 측정 장치만을 이용한 요 레이트는 항상 일정수준의 변동폭이 있음을 확인할 수 있다. 본 발명의 일실시예에 따라 획득한 요 레이트는 관성 측정 장치를 통한 요 레이트와 센서 인터페이스를 통해 획득한 스티어링 각을 확장 칼만 필터로 융합하여 획득한 요 레이트이며, 주행 상태에 따라 적응적으로 반영하기 때문에 주행 상태에 따라 다른 특성들을 보일 수 있다. 자동차가 정차시에는 거의 0에 가까운 값을 유지하며, 속도가 증가하여 주행상태가 출발 상태가 되면서부터 관성 측정 장치만을 이용한 요 레이트와 유사하게 움직이는 것을 확인할 수 있다. 본 발명의 일실시예에 따라 획득한 요 레이트는 로우 패스 필터를 거친 값처럼 나타나지만, 관성 측정 장치를 통한 요 레이트에 비하여 delay는 거의 없다.
도 6은 본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치의 퍼지 논리 모델의 실시예를 설명하기 위한 도면이다.
도 6을 참조하면, 위치 정도 저하율, 수신 위성의 수, 및 추정 값과 측정 값의 오차에 따른 퍼지 논리 모델을 확인할 수 있다.
가시위성의 수를 시스템 입력으로 하는 제어기와 이 제어기의 출력과 예상값과의 거리오차를 입력을 하는 제어기 총 2 개의 제어기를 가지는 시스템을 구성할 수 있다. 이 제어기들의 퍼지제어규칙을 표 2와 표 3에 나타내었다.
Figure 112018109945269-pat00078
Figure 112018109945269-pat00079
표 1을 참조하면, 입력은 위치 정도 저하율(PDOP)과 가시위성의 수이며, 출력 R은 small, medium, large 중 하나로 표현할 수 있다.
표 2를 참조하면, 상기 표 1의 출력 R 과 예상 값과의 거리오차를 입력으로 하고, 출력은 위성항법 측위 결과의 신뢰도 s로 표현한다. 표 2의 출력 s 는 very small, small, medium, large 로 표현할 수 있으며, 각 출력으로부터 수치데이터를 얻어내기 위하여 비퍼지화 과정을 거칠 수 있다. 사용한 비퍼지화기는 평균중심법(Center of Average method)을 사용할 수 있다.
도 7은 본 발명의 일실시예에 따른 자동차 위치 정보 측위 방법을 설명하기 위한 흐름도이다.
도 7을 참조하면, 단계(S710)에서 자동차 위치 정보 측위 장치는 데이터를 획득할 수 있다. 본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치는 자동차의 센서 정보, 관성 측정(Inertail Measurement) 정보 및 실시간 측위(Real-time Kinematic) 정보를 획득할 수 있다.
일실시예에 따르면, 상기 데이터 획득 단계는, 스티어링 휠의 조향 각을 측정하는 스티어링 각 센서(Steering angle sensor) 및 자동차의 차륜에 적어도 하나 이상 마련되어 각각의 차륜의 속도를 측정하는 차륜 속도 센서(4-wheel sensor)로부터 센싱된 정보를 수신하는 단계, 상기 관성 측정 정보를 측정하는 단계 및 상기 실시간 측위 정보를 측정하는 단계를 포함할 수 있다.
단계(S720)에서, 자동차 위치 정보 측위 장치는 획득한 데이터를 처리할 수 있다. 본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치는 상기 센서 정보를 이용해서 상기 관성 측정 정보를 보정하고, 상기 자동차의 주행 상태를 분류하고, 퍼지 논리를 통해 신뢰도를 판단할 수 있다.
일실시예에 따르면, 상기 데이터를 처리하는 단계는 관성 측정 정보를 이용해서 제1 요 레이트(yaw rate)를 획득하고, 스티어링 각 센서에서 측정된 센서 정보를 이용해서 제2 요 레이트를 획득하는 단계를 포함할 수 있다. 이때, 제1 요 레이트는 제2 요 레이트를 통해서 보정될 수 있다.
일실시예에 따르면, 상기 데이터를 처리하는 단계는 관성 측정(Inertail Measurement) 정보의 측정 속도를 차륜 속도 센서에서 측정된 속도를 이용해서 보정하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 데이터를 처리하는 단계는 상기 데이터 획득 단계에서 획득된 데이터를 이용해서 미리 정해진 기준에 따라 상기 자동차가 정지 상태인지, 직진 주행 상태인지 또는 회전 주행 상태인지 판단하여 상기 자동차의 주행 상태를 분류하는 단계를 포함할 수 있다.
일실시예에 따르면, 상기 데이터를 처리하는 단계는 위치 정도 저하율, 가시 위성의 수 및 위성 항법 측위 오차 중 적어도 하나를 미리 정해진 기준에 따른 퍼지 논리 모델에 적용하여 신뢰도를 판단하는 단계를 포함할 수 있다.
단계(S730)에서, 자동차 위치 정보 측위 장치는 획득한 데이터와 처리한 데이터를 확장 칼만 필터(EKF)에 적용하여 자동차의 위치를 측정할 수 있다. 본 발명의 일실시예에 따른 자동차 위치 정보 측위 장치는 데이터 획득 단계에서 획득된 데이터, 데이터를 처리하는 단계에서 보정된 데이터 및 신뢰도를 확장 칼만 필터(Extended Kalman filter)에 적용하여 위치를 추정할 수 있다.
일실시예에 따르면, 상기 단계(S730)는 상기 분류된 주행 상태에 따라 상기 데이터 획득 단계에서 획득된 데이터의 측정 잡음 공분산(measurement noise covariance)을 변경하여 위치를 추정하는 단계를 포함할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 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 실시예를 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. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
210: 데이터 획득부
211: 센서 인터페이스
212: 관성 측정부
213: 실시간 측위부
220: 데이터 처리부
221: 요 레이트 처리부
222: 주행 상태 판단부
223: 퍼지 논리부
230: 칼만 필터부

Claims (15)

  1. 자동차의 센서 정보, 관성 측정(Inertail Measurement) 정보 및 실시간 측위(Real-time Kinematic) 정보를 획득하는 데이터 획득부;
    상기 센서 정보를 이용해서 상기 관성 측정 정보를 보정하고, 상기 자동차의 주행 상태를 분류하여, 퍼지 논리를 통해 신뢰도를 판단하는 데이터 처리부 및
    상기 데이터 획득부에서 획득된 데이터, 상기 데이터 처리부에서 보정된 데이터 및 상기 신뢰도를 확장 칼만 필터(Extended Kalman filter)에 적용하여 위치를 추정하는 칼만 필터부를 포함하며,
    상기 데이터 처리부는
    관성 측정부에서 측정된 관성 측정 정보를 이용해서 제1 요 레이트(yaw rate)를 획득하고, 스티어링 각 센서에서 측정된 센서 정보를 이용해서 제2 요 레이트를 획득하는 것을 특징으로 하는 자동차 위치 정보 측위 장치.
  2. 제1항에 있어서,
    상기 데이터 획득부는
    스티어링 휠의 조향 각을 측정하는 스티어링 각 센서(Steering angle sensor) 및 자동차의 차륜에 적어도 하나 이상 마련되어 각각의 차륜의 속도를 측정하는 차륜 속도 센서(4-wheel sensor)로부터 센싱된 정보를 수신하는 센서 인터페이스부, 상기 관성 측정 정보를 측정하는 관성 측정부(IMU) 및 상기 실시간 측위 정보를 측정하는 실시간 측위부(RTK)를 포함하는 것을 특징으로 하는 자동차 위치 정보 측위 장치.
  3. 제2항에 있어서,
    상기 센서 인터페이스부는,
    자동차에 구비된 OBD(On-Board Diagnostics)인 것을 특징으로 하는 자동차 위치 정보 측위 장치.
  4. 삭제
  5. 제1항에 있어서,
    상기 데이터 처리부는
    관성 측정부에서 측정된 속도를 차륜 속도 센서에서 측정된 속도를 이용해서 보정하는 것을 특징으로 하는 자동차 위치 정보 측위 장치.
  6. 제1항에 있어서,
    상기 데이터 처리부는
    상기 데이터 획득부에서 획득된 데이터를 이용해서 미리 정해진 기준에 따라 상기 자동차가 정지 상태인지, 직진 주행 상태인지 또는 회전 주행 상태인지 판단하여 상기 자동차의 주행 상태를 분류하는 것을 특징으로 하는 자동차 위치 정보 측위 장치.
  7. 제1항에 있어서,
    상기 데이터 처리부는
    위치 정도 저하율, 가시 위성의 수 및 위성 항법 측위 오차 중 적어도 하나를 미리 정해진 기준에 따른 퍼지 논리 모델에 적용하여 신뢰도를 판단하는 것을 특징으로 하는 자동차 위치 정보 측위 장치.
  8. 제1항에 있어서,
    상기 칼만 필터부는
    상기 분류된 주행 상태에 따라 상기 데이터 획득부에서 획득된 데이터의 측정 잡음 공분산(measurement noise covariance)을 변경하여 위치를 추정하는 것을 특징으로 하는 자동차 위치 정보 측위 장치.
  9. 자동차의 센서 정보, 관성 측정(Inertail Measurement) 정보 및 실시간 측위(Real-time Kinematic) 정보를 획득하는 데이터 획득 단계;
    상기 센서 정보를 이용해서 상기 관성 측정 정보를 보정하고, 상기 자동차의 주행 상태를 분류하고, 퍼지 논리를 통해 신뢰도를 판단하여 데이터를 처리하는 단계 및
    상기 데이터 획득 단계에서 획득된 데이터, 상기 데이터를 처리하는 단계에서 보정된 데이터 및 상기 신뢰도를 확장 칼만 필터(Extended Kalman filter)에 적용하여 위치를 추정하는 단계를 포함하며,
    상기 데이터를 처리하는 단계는
    상기 관성 측정 정보를 이용해서 제1 요 레이트(yaw rate)를 획득하고, 스티어링 각 센서에서 측정된 센서 정보를 이용해서 제2 요 레이트를 획득하는 단계를 더 포함하는 자동차 위치 정보 측위 방법.
  10. 제9항에 있어서,
    상기 데이터 획득 단계는
    스티어링 휠의 조향 각을 측정하는 스티어링 각 센서(Steering angle sensor) 및 자동차의 차륜에 적어도 하나 이상 마련되어 각각의 차륜의 속도를 측정하는 차륜 속도 센서(4-wheel sensor)로부터 센싱된 정보를 수신하는 단계;
    상기 관성 측정 정보를 측정하는 단계 및
    상기 실시간 측위 정보를 측정하는 단계를 포함하는 것을 특징으로 하는 자동차 위치 정보 측위 방법.
  11. 삭제
  12. 제9항에 있어서,
    상기 데이터를 처리하는 단계는
    관성 측정(Inertail Measurement) 정보의 측정 속도를 차륜 속도 센서에서 측정된 속도를 이용해서 보정하는 단계를 포함하는 자동차 위치 정보 측위 방법.
  13. 제9항에 있어서,
    상기 데이터를 처리하는 단계는
    상기 데이터 획득 단계에서 획득된 데이터를 이용해서 미리 정해진 기준에 따라 상기 자동차가 정지 상태인지, 직진 주행 상태인지 또는 회전 주행 상태인지 판단하여 상기 자동차의 주행 상태를 분류하는 단계를 포함하는 자동차 위치 정보 측위 방법.
  14. 제9항에 있어서,
    상기 데이터를 처리하는 단계는
    위치 정도 저하율, 가시 위성의 수 및 위성 항법 측위 오차 중 적어도 하나를 미리 정해진 기준에 따른 퍼지 논리 모델에 적용하여 신뢰도를 판단하는 단계를 포함하는 자동차 위치 정보 측위 방법.
  15. 제9항에 있어서,
    상기 위치를 추정하는 단계는
    상기 분류된 주행 상태에 따라 상기 데이터 획득 단계에서 획득된 데이터의 측정 잡음 공분산(measurement noise covariance)을 변경하여 위치를 추정하는 것을 특징으로 하는 자동차 위치 정보 측위 방법.
KR1020180135108A 2018-11-06 2018-11-06 센서 융합을 이용한 차선 레벨 자동차 위치 정보 측위 시스템 KR102093743B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180135108A KR102093743B1 (ko) 2018-11-06 2018-11-06 센서 융합을 이용한 차선 레벨 자동차 위치 정보 측위 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180135108A KR102093743B1 (ko) 2018-11-06 2018-11-06 센서 융합을 이용한 차선 레벨 자동차 위치 정보 측위 시스템

Publications (1)

Publication Number Publication Date
KR102093743B1 true KR102093743B1 (ko) 2020-03-26

Family

ID=69958590

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180135108A KR102093743B1 (ko) 2018-11-06 2018-11-06 센서 융합을 이용한 차선 레벨 자동차 위치 정보 측위 시스템

Country Status (1)

Country Link
KR (1) KR102093743B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112118038A (zh) * 2020-06-01 2020-12-22 北京邮电大学 一种卫星效能评估方法
CN112946565A (zh) * 2021-01-28 2021-06-11 上海微波设备研究所（中国电子科技集团公司第五十一研究所） 一种卡尔曼滤波的干涉仪测向模糊纠错方法、系统及介质
KR102679941B1 (ko) * 2022-08-11 2024-07-03 인하대학교 산학협력단 딥러닝을 기반으로 운전자의 운전습관을 판단하기 위해 gnss-imu 센서 퓨전을 이용하여 차량 정보를 획득하는 방법 및 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130094386A (ko) * 2012-02-16 2013-08-26 (주)시터스 교통 정보 제공방법 및 이를 이용한 교통 정보 제공장치
KR101390776B1 (ko) * 2013-03-14 2014-04-30 인하대학교 산학협력단 퍼지 확장 칼만 필터를 이용한 위치인식 장치, 방법 및 이동로봇
JP2016017796A (ja) * 2014-07-07 2016-02-01 多摩川精機株式会社 車輌位置計測装置及び方法
JP2017508166A (ja) * 2013-12-10 2017-03-23 エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ センサ融合

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130094386A (ko) * 2012-02-16 2013-08-26 (주)시터스 교통 정보 제공방법 및 이를 이용한 교통 정보 제공장치
KR101390776B1 (ko) * 2013-03-14 2014-04-30 인하대학교 산학협력단 퍼지 확장 칼만 필터를 이용한 위치인식 장치, 방법 및 이동로봇
JP2017508166A (ja) * 2013-12-10 2017-03-23 エスゼット ディージェイアイ テクノロジー カンパニー リミテッドＳｚ Ｄｊｉ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏ．，Ｌｔｄ センサ融合
JP2016017796A (ja) * 2014-07-07 2016-02-01 多摩川精機株式会社 車輌位置計測装置及び方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112118038A (zh) * 2020-06-01 2020-12-22 北京邮电大学 一种卫星效能评估方法
CN112946565A (zh) * 2021-01-28 2021-06-11 上海微波设备研究所（中国电子科技集团公司第五十一研究所） 一种卡尔曼滤波的干涉仪测向模糊纠错方法、系统及介质
CN112946565B (zh) * 2021-01-28 2022-09-13 上海微波设备研究所（中国电子科技集团公司第五十一研究所） 一种卡尔曼滤波的干涉仪测向模糊纠错方法、系统及介质
KR102679941B1 (ko) * 2022-08-11 2024-07-03 인하대학교 산학협력단 딥러닝을 기반으로 운전자의 운전습관을 판단하기 위해 gnss-imu 센서 퓨전을 이용하여 차량 정보를 획득하는 방법 및 시스템

Similar Documents

Publication Publication Date Title
US9921065B2 (en) Unit and method for improving positioning accuracy
US11585951B1 (en) Heading or pitch determination systems and methods with high confidence error bounds
CN110274589B (zh) 一种定位方法及装置
EP2519803B1 (en) Technique for calibrating dead reckoning positioning data
KR20200044420A (ko) 위치 추정 방법 및 장치
CN113544758B (zh) 车辆控制装置
CN109631886B (zh) 车辆定位方法、装置、电子设备、存储介质
KR20210102262A (ko) 무결성 범위 결정 방법
KR102093743B1 (ko) 센서 융합을 이용한 차선 레벨 자동차 위치 정보 측위 시스템
US11983890B2 (en) Method and apparatus with motion information estimation
Kim et al. A vehicular positioning with GPS/IMU using adaptive control of filter noise covariance
KR102209422B1 (ko) Rtk gnss 기반 운전면허시험 차량의 포지션 결정 장치
KR101639152B1 (ko) 도로 구배를 이용한 차량 위치 추정 방법 및 장치
JPH06341848A (ja) ナビゲーション装置
KR101837868B1 (ko) Gps 차폐지역에서 radar와 v2v를 이용한 차량 측위 보정 방법
JP5994237B2 (ja) 測位装置及びプログラム
CN116594000A (zh) 基于位置观测的激光多普勒测速仪在线标定方法和装置
Kis et al. Development of state estimation system with INS, magnetometer and carrier phase GPS for vehicle navigation
JP7407947B2 (ja) 車両制御装置
CN111580139B (zh) 卫星导航数据的有效性判断方法及装置、电子设备
Amin et al. A novel vehicle stationary detection utilizing map matching and IMU sensors
KR102589970B1 (ko) 객체 측위 방법 및 장치
Nalla Perumal et al. Sensor fusion for automotive dead reckoning using GPS and IMU for accurate position and velocity estimation
KR20210057393A (ko) 정밀 항법 장치 및 그 장치의 동작 방법
Alaeiyan et al. GPS/INS integration via faded memory Kalman filter

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant