KR102105590B1 - 저가 상용 gnss의 측위 정확도 개선 시스템 및 방법 - Google Patents

저가 상용 gnss의 측위 정확도 개선 시스템 및 방법 Download PDF

Info

Publication number
KR102105590B1
KR102105590B1 KR1020180134646A KR20180134646A KR102105590B1 KR 102105590 B1 KR102105590 B1 KR 102105590B1 KR 1020180134646 A KR1020180134646 A KR 1020180134646A KR 20180134646 A KR20180134646 A KR 20180134646A KR 102105590 B1 KR102105590 B1 KR 102105590B1
Authority
KR
South Korea
Prior art keywords
feature points
unit
vehicle
extracted
gps
Prior art date
Application number
KR1020180134646A
Other languages
English (en)
Inventor
박만복
Original Assignee
한국교통대학교산학협력단
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 한국교통대학교산학협력단 filed Critical 한국교통대학교산학협력단
Priority to KR1020180134646A priority Critical patent/KR102105590B1/ko
Application granted granted Critical
Publication of KR102105590B1 publication Critical patent/KR102105590B1/ko

Links

Images

Classifications

    • 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
    • G01S19/40—Correcting position, velocity or attitude
    • 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
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 저가 상용 GNSS의 측위 정확도 개선 시스템 및 방법에 관한 것으로, 본 발명에 따르면 차량 주변을 스캔하는 환경센서와 정밀지도를 이용하여 저가형 GPS에서 획득하는 좌표 정보를 보정할 수 있도록 함으로써, 자율주행 차량 환경에서 위치 정확도를 높일 수 있다.

Description

저가 상용 GNSS의 측위 정확도 개선 시스템 및 방법{System and method for improving accuracy of low-cost commercial GNSS Receiver}
본 발명은 저가 상용 GNSS의 측위 정확도 개선 시스템 및 방법에 관한 것으로, 더욱 구체적으로는 저가형 GPS를 이용하더라도 자기 차량의 위치를 차선 단위까지 정확히 파악할 수 있도록 하는 기술에 대한 것이다.
스마트 자동차나 자율주행 자동차 분야에서는 자기 차량의 위치를 정확히 파악(측위)하는 기술이 필수적으로 요구된다.
가장 널리 사용되는 측위 시스템으로 GNSS가 활용된다. GNSS(Global Navigation Satelite System, 위성측위시스템)란 위성을 이용하여 지상에 있는 물체의 위치, 고도, 속도에 관한 정보를 제공하는 시스템을 통칭하는 것으로, 미국의 GPS(Global Positioning System)가 대표적이다.
널리 보급된 저가형 GPS의 경우 차량의 방향이나 위치, 그리고 현재 어느 도로에 위치하고 있는지 등을 판단하기에는 충분하다. 하지만 저가형 GPS의 경우 2미터 내외의 오차가 발생하고, 고층 건물이 많은 도심지나 산악지역 등 신호 수신 환경이 좋지 않을 때에는 7미터 이상의 큰 오차가 발생하기도 한다. 따라서 저가형 GPS는 주행 차선까지 구분해야 하는 자율 주행 환경에서 사용하기에는 무리가 있다. 이를 위해 위치 정확도가 높은 고가의 GPS모듈을 탑재한 후 자율주행 자동차의 기술 시연을 하는 경우도 있으나, 고가 GPS의 가격이 3천만원 내지 1억원으로 상당하기 때문에 상용화가 어렵다는 문제가 있다.
한편 차량의 위치를 측위와 관련된 종래 기술로는 대한민국등록특허 제10-1752342호(2017.06.23. '차량 위치 측위 방법') 등이 있다.
본 발명은 상술한 바와 같은 종래 기술의 문제점을 해결하기 위해 안출된 것으로, 차량 주변을 스캔하는 환경센서와 정밀지도를 이용하여 저가형 GPS에서 획득하는 좌표 정보를 보정할 수 있도록 함으로써, 자율주행 차량 환경에서 위치 정확도를 높일 수 있도록 하는 기술을 제공하는 데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명에 따른 측위 정확도 개선 시스템은, 차량 주변을 스캔하여 객체를 인식하는 환경센서; GPS 좌표 정보를 획득하는 GPS모듈; 상기 환경센서의 스캔 데이터에서 특정 객체의 특징점을 추출하여 실제 차량 기준의 상대좌표계로 변환하고, 정밀지도 데이터에서 추출한 특정 객체의 특징점을 추출하여 GPS 좌표 기준의 상대좌표계로 변환하며, 상기 각각의 상대좌표계를 이용하여 좌표 보정 정보를 생성한 후 상기 GPS 좌표 정보를 갱신 출력하는 위치보정수단; 및 상기 환경센서에서 인식한 객체의 고정 및 이동 여부를 판단하는 객체구분수단;을 포함한다.
여기서, 상기 위치보정수단은, 상기 GPS모듈에서 획득한 GPS 좌표 정보에 대응하는 정밀지도 데이터를 정밀지도DB로부터 추출하는 지도데이터추출부; 상기 환경센서에서 인식한 객체에서 특징점을 추출하거나, 상기 추출된 정밀지도 데이터로부터 상기 환경센서에서 인식한 객체와 동일한 객체의 특징점을 추출하는 특징점추출부A; 상기 환경센서에서 인식한 객체의 특징점을 실제 차량 기준의 상대좌표계로 변환하고, 상기 정밀지도 데이터에서 추출한 특징점을 상기 GPS 좌표 기준의 상대좌표계로 변환하는 좌표변환부; 상기 좌표변환부에서 변환된 각각의 상대좌표계를 이용하여 ICP 알고리즘을 통해 좌표 보정 정보를 생성하는 보정정보생성부; 및 상기 좌표 보정 정보를 상기 GPS 좌표 정보에 반영하여 위치 정보를 갱신하는 위치갱신부;를 포함할 수 있다.
또한, 상기 객체구분수단은, 상기 환경센서에서 인식한 객체에서 특징점을 추출하는 특징점추출부B; 상기 특징점추출부B에서 추출된 특징점의 상대좌표계를 통해 3개 특징점으로 이루어지는 삼각형의 면적을 시차를 두고 반복 산출하는 면적연산부; 상기 면적연산부에서 산출된 삼각형 면적의 변화율을 확인하는 변화율확인부; 및 상기 변화율확인부의 삼각형 면적 변화율 확인 결과에 따라 고정객체와 이동객체를 구분하는 판정부;를 포함할 수 있다.
또, 상기 객체구분수단은, 상기 차량의 정차 여부를 확인하는 차량이동확인부;를 더 포함하고, 상기 판정부는 상기 차량이동확인부를 통해 상기 차량이 정차 상태인 것이 확인될 경우에 먼저 고정객체와 이동객체를 구분하되, 상기 삼각형의 면적 변화율이 기준 미만일 경우 3개 특징점에 대한 객체들을 고정객체로 확정하며, 이후 상기 차량이동확인부를 통해 상기 차량이 정차 상태가 아닌 것이 확인되면, 상기 특징점추출부B는 상기 판정부에서 고정객체로 확정된 객체의 특징점 중 2개의 특징점과, 판단하고자 하는 객체의 1개 특징점을 추출하고, 상기 면적연산부는 고정 2개의 특징점과 판단 대상 1개 특징점으로 이루어지는 삼각형의 면적을 연산하고, 상기 변화율확인부에서 면적 변화율이 기준 미만인 것이 확인되면 상기 판정부는 판단하고자 하는 객체를 고정객체로 확정하고, 상기 변화율확인부에서 면적 변화율이 기준 이상인 것이 확인되면 상기 판정부는 판단하고자 하는 객체를 이동객체로 확정할 수 있다.
한편, 상기 목적을 달성하기 위한 본 발명에 따른 측위 정확도 개선 방법은, 환경센서를 통해 차량 주변을 스캔하여 객체를 인식하는 (a)단계; GPS 좌표 정보를 획득하는 (b)단계; 상기 환경센서의 스캔 데이터에서 특정 객체의 특징점을 추출하여 실제 차량 기준의 상대좌표계로 변환하고, 정밀지도 데이터에서 추출한 특정 객체의 특징점을 추출하여 GPS 좌표 기준의 상대좌표계로 변환하며, 상기 각각의 상대좌표계를 이용하여 좌표 보정 정보를 생성한 후 상기 GPS 좌표 정보를 갱신 출력하는 (c)단계; 및 상기 환경센서에서 인식한 객체의 고정 및 이동 여부를 판단하는 (d)단계;를 포함한다.
여기서, 상기 (c)단계는, 상기 (b)단계에서 획득한 GPS 좌표 정보에 대응하는 정밀지도 데이터를 정밀지도DB로부터 추출하는 (c-1)단계; 상기 환경센서에서 인식한 객체의 특징점을 추출하고, 상기 특징점을 실제 차량 기준의 상대좌표계로 변환하는 (c-2)단계; 상기 (c-1)단계에서 추출된 정밀지도 데이터로부터 상기 환경센서에서 인식한 객체와 동일한 객체의 특징점을 추출하고, 상기 정밀지도 데이터에서 추출한 특징점을 상기 GPS 좌표 기준의 상대좌표계로 변환하는 (c-3)단계; 상기 (c-2)단계와, 상기 (c-3)단계에서 변환된 각각의 상대좌표계를 이용하여 ICP 알고리즘을 통해 좌표 보정 정보를 생성하는 (c-4)단계; 및 상기 좌표 보정 정보를 상기 GPS 좌표 정보에 반영하여 위치 정보를 갱신하는 (c-5)단계;를 포함할 수 있다.
또한, 상기 (d)단계는, 상기 환경센서를 통해 복수의 객체를 인식하는 (d-1)단계; 인식된 객체에서 특징점을 추출하는 (d-2)단계; 추출된 특징점의 상대좌표계를 통해 3개 특징점으로 이루어지는 삼각형의 면적을 시차를 두고 반복 산출하는 (d-3)단계; 및 상기 삼각형의 면적 변화율에 따라 고정객체와 이동객체를 구분하는 (d-4)단계;를 포함할 수 있다.
또, 상기 (d-1)단계 이전에 자기 차량의 정차 여부를 먼저 확인하는 (d-5)단계;를 더 포함하고, 상기 (d-5)단계에서 상기 자기 차량이 정차 상태일 경우 상기 (d-1)단계 내지 (d-3)단계를 수행하며, 상기 (d-4)단계는 상기 삼각형의 면적 변화율이 기준 미만일 경우 3개 특징점에 대한 객체들을 고정객체로 확정할 수 있다.
또, 상기 (d-5)단계에서 상기 자기 차량이 정차 상태가 아닐 경우 상기 (d-1)단계 내지 (d-3)단계를 수행하되, 상기 (d-3)단계에서 추출되는 3개의 특징점 중 2개의 특징점은 상기 (d-4)단계를 통해 확정된 고정객체에 대한 특징점이고, 나머지 1개의 특징점은 판단하고자 하는 객체의 특징점이며, 상기 (d-4)단계에서 상기 삼각형의 면적 변화율이 기준 미만일 경우 판단하고자 하는 객체를 고정객체로 확정하고, 상기 삼각형의 면적 변화율이 기준 이상일 경우 판단하고자 하는 객체를 이동객체로 확정할 수 있다.
본 발명에 따르면 저가형 GPS모듈을 탑재하더라도, 라이다와 정밀지도 데이터를 활용하여 GPS 좌표의 오차를 확인할 수 있고, 확인된 오차만큼 GPS 좌표 정보를 보정함으로써 정확한 위치 데이터를 확보할 수 있다. 따라서 자율주행 자동차 분야에서 낮은 가격으로 위치 정확도를 향상시켜 자율주행 자동차의 상용화를 앞당길 수 있다.
또한 오차가 포함된 GPS 좌표 정보를 보정하기 위해서는 정밀지도 데이터에 포함되는 고정된 객체를 라이다를 통해 스캔하고 분석해야 하는데, 객체구분수단을 통해 고정객체를 정확하게 판단할 수가 있어서, 이동객체를 통한 보정 알고리즘 적용에 따라 발생할 수 있는 오류를 제거할 수가 있다.
즉, 위치보정수단은 라이다를 통해 스캔된 객체의 특징점에 대한 상대좌표(자기 차량 기준)와, 정밀지도 상에서 추출되는 동일 객체의 특징점에 대한 상대좌표(GPS 좌표 기준)를 이용하여 보정 정보를 생성해야 하는데, 정밀지도 상에는 고정객체에 대한 정보만 포함되어 있기 때문에, 라이다를 통해 스캔된 객체에서 고정객체를 정확하게 판단해야만 한다. 따라서 본 발명에서는 라이다의 스캔 데이터에서 특징점을 추출하게 되는 대상이 고정객체인지 아닌지를 객체구분수단에서 추가적으로 확인 가능하기 때문에, 보정 알고리즘 적용시 오류가 발생할 가능성을 차단할 수가 있다.
도1은 본 발명의 실시예에 따른 측위 정확도 개선 시스템을 설명하기 위한 블록도.
도2는 도1에 도시된 측위 정확도 개선 시스템에서 위치보정수단을 설명하기 위한 블록도.
도3은 도1에 도시된 측위 정확도 개선 시스템에서 객체구분수단을 설명하기 위한 블록도.
도4는 본 발명의 실시예에 따른 측위 정확도 개선 방법을 설명하기 위한 흐름도.
도5는 실제 차량 위치와 GPS모듈을 통해 획득한 위치에서 특정 객체의 특징점에 대한 상대좌표를 비교 설명하기 위한 도면.
도6은 고정객체와 이동객체의 구분 방법을 설명하기 위한 흐름도.
도7은 자기 차량의 정차 상태에서 고정객체를 확정하는 과정을 설명하기 위한 흐름도.
도8은 자기 차량의 이동 상태에서 고정객체와 이동객체를 구분하는 과정을 설명하기 위한 흐름도.
도9는 세 개의 고정객체들 사이의 면적 변화를 설명하기 위한 도면.
도10은 두 개의 고정객체와 한 개의 이동객체 사이의 면적 변화를 설명하기 위한 도면.
이하에서는 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 설명한다. 다만 발명의 요지와 무관한 일부 구성은 생략 또는 압축할 것이나, 생략된 구성이라고 하여 반드시 본 발명에서 필요가 없는 구성은 아니며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 결합되어 사용될 수 있다.
도1은 본 발명의 실시예에 따른 측위 정확도 개선 시스템을 설명하기 위한 블록도이다. 측위 정확도 개선 시스템(100)은 자기 차량(10)의 정확한 위치를 파악하고 진행 방향을 추적하며, 더불어 자기 차량(10) 주변의 객체들에 대한 고정 여부 또는 이동 여부를 파악한 후 정밀 추적한다. 이러한 측위 정확도 개선 시스템(100)은 환경센서, GPS모듈(120), 위치보정수단(130), 객체구분수단(140) 및 객체추적부(150)를 포함한다. 또한 측위 정확도 개선 시스템(100)의 각 구성들은 차량(10)에 탑재되어 있으며, 각각의 구성이 하드웨어 구성으로 통합되어 있을 수도 있고, 개별 하드웨어로 구성되어 서로 연동될 수도 있다. 또한 측위 정확도 개선 시스템(100)의 일부 구성들은 소프트웨어적으로 설계될 수도 있다.
환경센서는 차량(10) 주변의 물체들을 스캔 또는 촬영하고 데이터를 취득 및 처리하여 객체를 인식하기 위해 마련된다. 환경센서로는 레이저 스캐너, 레이더(Radar), 라이다(Lidar), 카메라 등이 활용될 수 있으며 본 실시예에서는 환경센서로서 라이다(110)가 사용된 예시를 도시하고 설명토록 한다.
GPS모듈(120)은 위성을 통해 GPS 신호를 수신하여 데이터 처리하여 좌표 정보를 획득하기 위해 마련된다. GPS모듈(120)을 통해 획득한 좌표 정보는 경도값, 위도값을 포함하며, 실시하기에 따라 고도 정보를 더 포함할 수도 있다.
본 발명의 실시예에 따른 측위 정확도 개선 시스템(100)에서 사용되는 GPS모듈(120)은 저가형 제품이며, 이에 따라 획득된 좌표 정보는 오차를 가지고 있을 수 있다. 물론 일부 오차가 있다 하더라도 어느 도로에 위치하고 있는지 등은 충분히 확인 가능하지만, 어느 차선에서 주행중인지 정확히 파악하기 위해서는 보다 정밀한 위치 파악이 필요하다.
위치보정수단(130)은 라이다(110)를 통해 스캔된 데이터를 이용하여 GPS모듈(120)에서 획득한 좌표 정보의 오차를 보정하여 GPS 신호의 좌표 정보를 갱신하기 위해 마련된다.
객체구분수단(140)은 자기 차량(10) 주변의 사물이 고정객체인지, 이동객체인지 파악하기 위해 마련된다.
객체추적부(150)는 위치보정수단(130)에서 갱신 출력된 좌표 정보를 활용하여 자기 차량(10)의 정확한 위치 변화와 진행 방향 등을 추적하거나, 자기 차량(10) 주변의 객체를 정밀 추적하기 위해 마련된다.
도2는 도1에 도시된 측위 정확도 개선 시스템(100)에서 위치보정수단(130)을 설명하기 위한 블록도이다. 도2에 도시된 바와 같이 위치보정수단(130)은 특징점추출부A(131), 좌표변환부(132), 지도데이터추출부(133), 보정정보생성부(134), 위치갱신부(135) 및 정밀지도DB(136)를 포함한다. 여기서 특징점추출부A(131)에 덧붙여 표기된 'A'는 객체구분수단(140)의 특징점추출부B와 구분하기 위한 식별 표식에 불과하며 큰 의미를 갖지는 아니한다. 또한 위치보정수단(130)과 객체구분수단(140)이 각각 특징점추출부(131,142)를 포함한 것으로 도시하였지만, 하나의 특징점추출부만 구비된 후 기능을 공유할 수도 있다.
특징점추출부A(131)는 라이다(110)를 통해 객체를 인식하면, 해당 객체의 모서리 또는 꼭지점 등의 특징점을 추출하기 위해 마련된다. 또한 특징점추출부A(131)는 이하 설명하게 되는 지도데이터추출부(133)에서 추출된 정밀 지도 데이터에서 특정 객체의 특징점을 추출한다. 이때 특징점추출부A(131)는 라이다(110)를 통해 인식된 객체의 특징점과 동일한 객체의 특징점을 정밀 지도 데이터로부터 추출한다.
좌표변환부(132)는 라이다(110)의 스캔 데이터에서 추출된 특정 객체의 특징점, 그리고 정밀지도에서 추출된 동일 객체의 특징점을 상대좌표계로 변환한다. 이때 라이다(110)의 스캔 데이터에서 추출된 객체의 특징점은 실제 차량 위치(11R)를 원점으로 하는 상대좌표계(x축, y축) 상에 나타내며, 정밀지도에서 추출된 객체의 특징점은 GPS 좌표(11G)를 원점으로 하는 상대좌표계(x'축, y'축) 상에 나타낸다.
지도데이터추출부(133)는 GPS모듈(120)을 통해 획득한 좌표 정보에 기반하여, 해당 좌표 인근의 지도 데이터를 정밀지도DB(136)로부터 추출하기 위해 마련된다.
정밀지도DB(136)는 정밀 지도를 저장하고 있는 데이터베이스이다. 정밀지도는 차선 단위까지 상세하게 표현이 가능하며, 더 나아가 신호등, 표지판, 노면 마크, 도로 시설, 건축물 등의 상세 정보까지 포함한다. 정밀지도DB(136)에 저장되는 정밀 영상 이미지는 수많은 포인트가 모여있는 형태이며, 각각의 포인트는 위도와 경도 등 삼차원 절대 좌표를 가지고 있다.
보정정보생성부(134)는 GPS모듈(120)에서 획득한 좌표 정보를 올바르게 보정하기 위한 좌표 보정 정보를 생성하기 위해 마련된다. 이러한 보정정보생성부(134)는 좌표변환부(132)에서 서로 다른 과정으로 획득한 상대좌표를 이용하여 ICP(Iterative Closest Point) 알고리즘을 적용함으로써 보정 정보를 생성하고 검증을 수행한다.
위치갱신부(135)는 보정정보생성부(134)에서 생성된 좌표 보정 정보를 이용하여 GPS모듈(120)에서 획득한 GPS 신호의 좌표 정보를 갱신한다. 즉 잘못된 좌표 정보에 좌표 보정 정보를 반영함으로써 올바른 좌표 정보가 출력되도록 하는 것이다.
위치갱신부(135)에서 보정된 좌표 정보가 출력되면 객체추적부(150)에서 칼만 필터(Kalman Filter)를 사용하여 자기 차량(10)의 상태를 추적(Tracking)할 수 있다.
이상 설명한 위치보정수단(130)은 이하에서 도4를 통해 설명하게 되는 위치 정확도 향상을 통한 객체 추적 방법의 설명으로부터 더욱 구체화 될 것이다.
도3은 도1에 도시된 측위 정확도 개선 시스템(100)에서 객체구분수단(140)을 설명하기 위한 블록도이다. 도3에 도시된 바와 같이 객체구분수단(140)은 차량이동확인부(141), 특징점추출부B(142), 면적연산부(143), 변화율확인부(144) 및 판정부(145)를 포함한다. 객체구분수단(140)은 라이다(110)의 스캔 데이터를 통해 특정 객체의 고정 및 이동 여부를 판정하고, 판정 결과를 객체추적부(150)로 출력함으로써 고정객체 또는 이동객체를 정밀 추적할 수 있도록 한다.
차량이동확인부(141)는 자기 차량(10)이 정지 상태인지 또는 이동 상태인지 확인하기 위해 마련된다. 예컨대 차량이동확인부(141)는 GPS모듈(120)로부터 획득한 좌표 정보를 분석하여 차량(10)의 이동 유무를 확인하거나, 차량(10)의 ECU 등으로부터 관련 정보를 획득하여 이동 유무를 확인할 수 있다.
특징점추출부B(142)는 라이다(110)를 통해 객체를 인식하면, 해당 객체의 모서리 또는 꼭지점 등의 특징점을 추출하기 위해 마련된다.
면적연산부(143)는 특징점추출부B(142)에서 추출한 특징점 중 선정된 3개의 특징점으로 이루어지는 삼각형의 면적을 산출하기 위해 마련된다.
변화율확인부(144)는 면적연산부(143)에서 시간차를 두고 동일 특징점들의 삼각형 면적을 산출하면, 시간차에 따라 산출된 삼각형의 면적이 얼마만큼 변하였는지 변화율을 확인하기 위해 마련된다.
판정부(145)는 변화율확인부(144)의 확인 결과에 따라 특정 객체가 고정객체인지 또는 이동객체인지 판정하고 그 결과를 출력하기 위해 마련된다.
이상 설명한 객체구분수단(140)에 대해서는 이하 도6 내지 도10을 통해 설명하게 되는 고정객체와 이동객체의 구분 방법에 의해 더욱 명확해질 것이다.
도4는 본 발명의 실시예에 따른 측위 정확도 개선 방법을 설명하기 위한 흐름도이다. 즉 도1 및 도2에 도시된 측위 정확도 개선 시스템(100)에서 위치보정수단(130)이 GPS모듈(120)에서 획득한 오차가 포함된 좌표 정보를 올바른 좌표 정보로 갱신한 후 자기 차량(10)의 상태를 추적하는 과정에 대한 것이다.
먼저 GPS 좌표 정보를 보정하기 위해 라이다(110)를 통해 객체를 인식<S405>한다. 라이다(Lidar)는 전파 대신 직진성이 강한 고출력 펄스 레이저를 발사하고, 그 빛이 주위의 대상 물체에서 반사되어 돌아오는 것을 받아 대상 물체까지의 거리, 방향을 정밀하게 측정할 수 있는 장치를 말한다.
라이다(110)는 렌즈 등 광학부와 레이저 발광/수광부, 레이저 구동부, 레이저 신호를 처리하는 프로세서 등을 포함할 수 있다. 라이다(110)를 이용하면 점의 집합인 점구름(점군, Point cloud) 형태의 고정밀 데이터를 확보할 수가 있고, 폭과 거리, 높낮이까지 반영한 3차원의 점을 한데 모아 사물의 형상 데이터를 추출할 수가 있다. 라이다(110)의 이러한 특징 때문에 자율 주행차에서 객체 인식을 위해 라이다(110)가 필수적으로 탑재되는 추세이다.
라이다(110)를 통해 객체를 인식하면 특징점추출부A(131)는 각 객체의 특징점을 추출<S410>한다. 앞서 설명한 바와 같이 라이다(110)를 통해 취득한 데이터는 거리와 방향에 대한 정보를 갖는 점의 집합이다. 이들 점의 집합을 필터링하여 특정 객체의 면이나 모서리를 구분할 수 있고, 모서리들이 만나는 꼭지점 등도 구분이 가능하다. 특징점이란 해당 객체에서 기준으로 삼을만한 점, 예컨대 특정 모서리들이 만나는 꼭지점이 될 수 있다. 예컨대 특징점추출부A(131)는 객체를 바라보는 횡방향 기준으로 좌측 끝 모서리의 어느 한 점 또는 우측 끝 모서리의 어느 한 점을 특징점으로 삼거나, 종방향 기준으로 전방 끝 또는 후방 끝 모서리의 어느 한 지점을 특징점으로 삼을 수 있다.
라이다(110)의 스캔 데이터를 통해 객체를 구분하고 특징점을 추출하는 방식은 다양한 방식으로 공지되어 있기 때문에 자세한 기술 내용 설명은 생략한다.
또한 특징점추출부는 라이다(110)를 통해 스캔된 데이터에서 복수 객체에 대한 복수의 특징점을 추출할 수 있다.
잠시 도5를 참조하도록 한다. 도5는 실제 차량 위치와 GPS모듈을 통해 획득한 위치에서 특정 객체의 특징점에 대한 상대 좌표를 비교 설명하기 위한 도면이다.
먼저 도5에서 실제 차량(10)의 기준 위치(좌표 정보)는 도면부호 11R로 표시하였는데 이는 라이다(110)의 설치 위치이기도 하다. 또한 라이다(110)의 스캔에 따라 제1객체(210)와 제2객체(220)가 스캔되었고, 특징점추출부A(131)가 제1객체(210)로부터 특징점1-1(211), 특징점1-2(212), 특징점1-3(213)을 추출하고, 제2객체(220)로부터 특징점2-1(221), 특징점2-2(222)를 추출하였다고 가정하자.
이렇게 특징점추출부A(131)에서 복수 객체에 대한 복수의 특징점을 추출하면, 좌표변환부(132)는 추출된 특징점들을 상대좌표계로 변환<S415>한다.
앞서 설명한 바 있지만, 라이다(110)를 통해 취득한 데이터는 거리와 방향에 대한 정보를 갖는다. 따라서 특징점이 추출되면 해당 특징점을 실제 차량(10) 위치 기준, 더욱 구체적으로는 라이다(110)가 설치된 위치를 원점(11R)으로 하는 평면 좌표 상에 나타낼 수 있다. 도5를 참조하면, 실제 차량(10)의 위치(11R)를 원점으로 하는 좌표계는 차량(10)의 횡방향으로 x축, 종방향으로 y축을 갖는 좌표를 갖는다. 실시하기에 따라 종방향을 x축, 횡방향을 y축으로 할 수도 있다. 이러한 x-y축 평면 좌표 상에 제1객체(210)와 제2객체(220)에서 추출된 특징점들이 배치되는 것이다. 여기서 x축과 y축의 단위는 거리이다. 따라서 각 특징점들의 좌표 역시 거리 단위이다. 예컨대 특징점1-2(212)의 좌표는 (5, 12)일 수 있으며, 이는 원점(11R)에서 x축 방향으로 5m, y축 방향으로 12m 상에 위치하는 것을 의미한다.
이후 GPS모듈(120)에서 GPS 신호를 수신하고 신호 처리하여 GPS 좌표 정보를 획득<S420>한다. 본 발명에서 적용되는 GPS모듈(120)은 저가형이기 때문에 획득한 GPS 좌표 정보는 오차를 가지고 있을 수 있다. 즉 도5를 참조하면 획득된 GPS 좌표 정보에 따른 위치는 도면부호 11G로 표시하였는데, 실제 차량(10)의 위치(11R)와 인접하지만 오차로 인해 다른 위치에 표시된 것을 확인할 수 있다.
GPS모듈(120)에서 좌표 정보를 획득하면 지도데이터추출부(133)는 정밀지도DB(136)로부터 GPS 좌표 정보에 대응하는 인근 영역의 지도 데이터를 추출<S425>한다. 정밀지도DB(136)에 저장된 정밀지도 데이터는 매우 방대하기 때문에, 지도데이터추출부(133)는 GPS 좌표 정보를 이용하여 참고될 만한 영역의 지도데이터만 추출하는 것이다.
이후 특징점추출부A(131)는 지도데이터추출부(133)에서 추출된 정밀 지도 데이터에서 라이다(110)를 통해 인식된 객체와 동일한 객체의 특징점을 추출<S430>한다. 즉 특징점추출부A(131)에서 앞서 라이다(110)를 통해 스캔된 데이터로부터 제1객체(210)의 특징점1-1(211), 특징점1-2(212), 특징점1-3(213), 그리고 제2객체(220)의 특징점2-1(221), 특징점2-2(222)를 추출하였다면, 특징점추출부A(131)는 지도데이터추출부(133)에서 추출된 지도데이터를 탐색하여 라이다(110)의 스캔 데이터에서 확인된 제1객체(210) 및 제2객체(220)와 동일한 형태의 객체를 확인한다. 이후 특징점추출부A(131)는 확인된 제1객체(210) 및 제2객체(220)에서 동일하게 특징점1-1(211), 특징점1-2(212), 특징점1-3(213), 특징점2-1(221), 특징점2-2(222)를 추출한다.
특징점추출부A(131)가 정밀 지도 데이터에서 라이다(110)를 통해 인식된 객체와 동일한 객체의 특징점을 추출하는 방법은 다양하다. 예컨대 라이다(110)의 스캔 데이터에서 인식된 객체의 좌측 끝, 우측 끝, 또는 종방향의 전방 끝과 후방 끝을 특징점으로 뽑았다면, 정밀지도 데이터에서도 GPS 좌표의 진행 방향에서 확인되는 객체들의 좌우, 전후 끝 지점을 특징점으로 뽑을 수 있다. 여기서 두 과정에서 각각 추출된 특징점이 동일 위치의 특징점인지는 검증을 통해 확인할 수 있다.
즉, 특징점추출부A(131)가 라이다(110)를 통해 인식된 특정 객체의 좌우 끝 지점을 특징점으로 뽑았고, 정밀지도 데이터에서도 특정 객체의 좌우 끝 지점을 특징점으로 뽑았다면, 추출된 특징점 사이의 거리, 즉 객체의 좌우폭이 동일한지 여부를 통해 동일 특징점인지를 검증할 수가 있다.
이렇게 특징점추출부A(131)에서 정밀지도 데이터로부터 특징점을 추출하면, 좌표변환부(132)는 추출된 특징점들을 상대좌표계로 변환<S435>한다. 이때 좌표변환부(132)는 정밀지도 데이터에서 추출된 특징점들을 GPS 좌표(11G)를 기준으로 하는 상대좌표계 상에 위치시킨다. GPS 좌표는 이전 좌표와의 차이를 통해 진행 방향이 정해진다. 또한 GPS 좌표(11G)는 실제 차량(10)의 위치(11R)와 인접하지만 오차를 가지고 있다. 따라서 도5 상에서 GPS 좌표(11G)를 원점으로 하는 좌표계는 x'축과 y'축을 갖는 x'-y'축 평면좌표를 갖는다. 이러한 x'-y'축 평면 좌표 상에 제1객체(210)와 제2객체(220)에서 추출된 특징점들이 배치된다.
이때 정밀지도 데이터에서 추출된 객체의 특징점들에 대한 정보는 절대좌표(경도, 위도)이다. 또한 원점(11G)인 GPS 좌표 정보 또한 경도, 위도 정보이다. 따라서 좌표변환부(132)는 앞선 x-y축 좌표계와 통일성을 갖도록 x'-y'축의 단위와 정밀지도 데이터에서 추출된 객체의 특징점들의 위치들을 거리 단위(예컨대 미터 단위)로 변환하여 상대좌표계로 완성한다.
이후 보정정보생성부(134)는 서로 다른 방식으로 획득한 2개의 상대좌표계, 즉 실제 차량의 위치를 원점(11R)으로 하고 라이다(110)를 통해 스캔하여 추출한 특징점들의 위치를 갖는 x-y축 좌표계, 그리고 GPS 좌표를 원점(11G)으로 하고 정밀지도 데이터에서 추출한 동일 객체의 특징점들의 위치를 갖는 x'-y'축 좌표계를 이용하여 ICP(Iterative Closest Point) 알고리즘을 적용함으로써 GPS 좌표 정보에 대한 보정 정보를 생성한다.
ICP(Iterative Closest Point)는 라이다(110)를 통해 스캔한 데이터와 이미 구축된 정밀지도 기반의 데이터 사이에 오차가 있을 때, 최소 오차로 매칭시키기 위한 알고리즘이다. 즉 측정 데이터와 구축 데이터의 매칭을 위해 스케일 변환, 회전, 이동시키는 과정을 반복 수행하여 오차를 최소화하여 매칭이 이루어지도록 하는 것이다.
보정정보생성부(134)에서 ICP 알고리즘을 통해 두 개의 상대좌표계 중 어느 하나의 좌표계를 회전, 평행이동 시켜가면서 복수의 특징점들이 모두 일치되도록 하면, 각 상대좌표계의 원점(11G,11R) 사이의 차이(Δx, Δy, Δα)를 알 수 있게 된다. 이렇게 ICP 알고리즘을 통해 획득한 두 개의 상대좌표계의 원점(11G,11R) 사이의 차이가 바로 좌표 보정 정보가 된다.
보정정보생성부(134)에서 좌표 보정 정보가 생성되면, 위치갱신부(135)는 GPS 좌표 정보에 보정 정보를 반영함으로써 GPS 신호의 좌표 정보를 갱신<S445>할 수 있다. 즉 GPS모듈(120)에서 획득한 좌표 정보는 도면부호 11G의 위치였지만, 좌표 보정 정보를 반영하면 11R의 위치 정보로 갱신되어 출력된다. 즉 실제 차량(10)의 위치 정보가 출력되는 것이다. 이는 이후 수신되는 GPS모듈(120)의 수신 신호에도 반영함으로써 좌표 오차를 실시간 보정해 줄 수 있다. 물론 오차율 역시 시시각각으로 바뀔 수 있기 때문에 앞선 과정은 일정 시간을 두고 반복 수행함으로써 항상 최신의 보정 정보가 반영될 수 있도록 한다.
여기서 좌표 보정 정보에 포함된 Δx, Δy는 거리 단위(예컨대 미터)이고, 좌표 보정 정보를 반영해야 할 실시간 획득된 GPS 좌표 정보는 위도와 경도 단위이다. 따라서 위치갱신부(135)는 좌표 보정 정보를 위도와 경도 단위로 변환한 후 실시간 획득되는 GPS 좌표 정보에 반영한다.
위치갱신부(135)에서 보정된 GPS 좌표 정보가 출력되면 객체추적부(150)는 정확하게 보정된 좌표 정보를 이용하여 객체(여기서 객체는 자기 차량(10)을 말함)를 추적(tracking)<S450>한다. 이때 객체추적부(150)는 칼만 필터(Kalman Filter)를 이용하여 차량(10)의 상태를 추적한다. 칼만 필터는 상태 예측(state prediction)과 측정 업데이트(measurement update)를 반복적으로 수행하여 차량(10)의 현재 상태와 이후 움직임을 추정한다.
이상 설명한 바와 같이, 본 발명에 따르면 저가형 GPS모듈(120)을 탑재하더라도, 라이다(110)와 정밀지도 데이터를 활용하여 GPS 좌표의 오차를 확인할 수 있고, 확인된 오차만큼 GPS 좌표 정보를 보정함으로써 정확한 위치 데이터를 확보할 수 있다. 따라서 자율주행 자동차 분야에서 낮은 가격으로 측위 정확도 개선 시스템(100)을 적용시킬 수 있어서 자율주행 자동차의 상용화를 앞당길 수 있다.
한편, 위치보정수단(130)의 보정 정보 생성 과정을 살펴보면, 라이다(110)를 통해 스캔된 객체와 동일한 객체의 특징점을 정밀지도 데이터에서 추출해야 하는데, 이를 위해서는 스캔 된 데이터에서 고정객체를 정확하게 판단해야만 한다. 즉, 위치보정수단(130)은 라이다(110)를 통해 스캔된 객체의 특징점에 대한 상대좌표(자기 차량 기준)와, 정밀지도 상에서 추출되는 동일 객체의 특징점에 대한 상대좌표(GPS 좌표 기준)를 이용하여 보정 정보를 생성해야 하는데, 정밀지도 상에는 고정객체에 대한 정보만 포함되어 있기 때문에, 라이다(110)를 통해 스캔된 객체에서 고정객체를 정확하게 판단해야 하는 것이다.
이를 위해 객체구분수단(140)에서 라이다를 통해 스캔된 데이터에서 객체의 고정/이동 여부를 정확히 판단하고, 판단 결과를 위치보정수단(130)으로 제공하여 특징점 추출시 활용되도록 한다. 또한 객체의 고정/이동 여부 결과는 객체추적부(150)로 출력되어 고정객체 또는 이동객체의 정밀 추적이 가능토록 한다.
이하에서는 도6 내지 도10을 통해 고정객체와 이동객체를 구분하는 과정을 자세히 설명토록 한다.
도6은 본 발명의 실시예에 따른 고정객체와 이동객체의 구분 방법을 설명하기 위한 흐름도이다. 즉 도1 및 도3에 도시된 측위 정확도 개선 시스템(100)의 객체구분수단(140)이 객체를 인식하고 이동/고정 여부를 파악하는 과정에 대한 것이다.
먼저 고정 또는 이동 여부 판단을 위해 라이다(110)를 통해 객체를 인식<S605>한다. 라이다(110)를 통해 객체를 인식한 이후 특징점추출부B(142)는 각 객체의 특징점을 추출<S610>한다. 앞서 설명한 바와 같이 라이다(110)를 통해 취득한 데이터는 거리와 방향에 대한 정보를 갖는 점의 집합이다. 이들 점의 집합을 필터링하여 특정 객체의 면이나 모서리를 구분할 수 있고, 모서리들이 만나는 꼭지점 등도 구분이 가능하다. 특징점이란 해당 객체에서 기준으로 삼을만한 점, 예컨대 특정 모서리들이 만나는 꼭지점이 될 수 있다.
특징점추출부B(142)에서 라이다(110)를 통해 스캔된 데이터를 통해 복수 객체에 대한 특징점이 추출<S610>되고 나면, 특징점추출부B(142)는 여러 개의 특징점 중 3개의 특징점을 확정하고, 면적연산부(143)는 3개의 특징점으로 이루어지는 삼각형의 면적을 산출<S615>한다.
즉, 각각의 특징점은 자기 차량(10)을 기준으로 거리와 방향 정보를 가지고 있다. 따라서 특징점들을 자기 차량(10) 기준의 상대좌표계 상에 둘 수 있고, 각 좌표정보들을 통해 면적연산부(143)가 삼각형의 면적을 연산할 수가 있다. 평면 좌표 또는 공간 좌표 상에서 3개 지점의 좌표 정보를 알고 있다면 정해진 공식에 의해 3개 지점을 꼭지점으로 하는 삼각형의 면적을 구할 수가 있다.
이때 면적연산부(143)는 삼각형의 면적을 한번만 연산하는 것이 아니고, 시간차를 두고 스캔한 데이터에 대해서 수회 반복(예컨대 10회)하여 동일 특징점들의 삼각형 면적을 산출한다. 이렇게 시간차를 두고 동일 특징점들에 대한 삼각형 면적을 산출하면, 변화율확인부(144)에서 면적 변화율을 확인 할 수 있고, 판정부(145)는 변화율확인부(144)에서 확인한 삼각형의 면적 변화율에 따라 고정객체와 이동객체를 구분<S620>한다.
즉 삼각형의 면적 변화율이 미리 정해진 기준 미만이라면, 판정부(145)는 세 개의 특징점들에 대응하는 객체들 모두 고정객체라고 판단하는 것이며, 기준 이상이라면 적어도 하나의 특징점들에 대응하는 객체는 이동객체라고 판단하는 것이다.
물론 정확한 고정/이동 여부를 판단하기 위해서는 동일한 객체들 간의 면적 변화율이 아닌 서로 다른 객체들에 대한 산출도 이루어져야 하며, 이렇게 크로스 체크를 통해 정확하게 고정/이동객체 여부를 검증<S625>해 낼 수 있다.
본 발명에서는 정확한 고정/이동객체 판단을 위해 차량(10)이 정차한 상태에서 먼저 고정객체를 확정하고, 이후 차량(10)이 움직일 때 특정 객체가 고정상태인지 이동상태인지 검증한다. 이에 대하여 도7 및 도8을 통해 설명토록 한다.
도7은 자기 차량의 정차 상태에서 고정객체를 확정하는 과정을 설명하기 위한 흐름도이다. 차량이동확인부(141)는 ECU 등과 연계하여 차량(10)의 속도정보를 실시간 수신하며, 이를 통해 차량(10)이 정차 중인지 여부를 확인<S705>한다. 물론 차량(10)의 정차 여부는 GPS 신호를 통해 체크할 수도 있다.
만약 차량(10)이 정차중인 것이 확인되면<S710>, 라이다(110)를 통해 자기 차량(10) 주변을 스캔하고 복수의 객체들을 인식<S715>한다. 또한 특징점추출부B(142)는 라이다(110)에서 인식된 복수의 객체들에서 특징점을 추출<S720>한다.
이후 특징점추출부B(142)는 복수 개의 특징점 중 3개의 특징점을 임의로 추출하고, 면적연산부(143)는 3개의 특징점으로 이루어지는 삼각형의 면적을 산출한다. 이때 면적연산부(143)는 시간차를 두고 스캔한 데이터에 대해서 수회 반복(예컨대 10회)하여 동일 특징점들의 삼각형 면적을 산출하며, 변화율확인부(144)는 면적연산부(143)에서 시간차를 두고 산출한 삼각형의 면적 변화율을 확인<S725>한다.
즉 삼각형의 면적 변화율이 기준 변화율, 예컨대 10% 미만의 변화율을 보이고 있는지 확인하며, 만약 10% 미만의 변화율을 보이고 있다면<S730>, 판정부(145)는 3개의 특징점에 대응하는 객체들을 모두 고정객체로 확정한다.
만약 삼각형의 면적 변화율이 기준(10%) 이상을 보인다면, 3개 특징점에 대응하는 객체들 중 적어도 하나 이상의 객체는 이동객체라는 것을 의미한다. 하지만 어느 객체가 이동중인지 여부는 현재 시점에서 정확히 확인할 수 없기 때문에 새롭게 라이다(110) 데이터를 스캔하고 새로운 특징점들을 추출하는 이상의 과정을 반복한다.
즉 도7의 과정은 이동객체가 무엇인지 확인하는 것 보다는, 차량(10)이 정차한 상태에서 주변을 스캔하고, 임의로 추출된 3개 객체의 특징점들로 이루어지는 삼각형의 면적 변화율을 확인하여 고정객체가 무엇인지 확정 짓기 위한 과정이다. 따라서 도7의 과정에서 이동객체가 무엇인지 확정하는 것은 큰 의미가 없다.
도7의 과정을 통해 차량(10)이 정차한 상태에서 여러 객체에 대한 고정객체 여부를 확정해 두었다면, 이후 차량(10)이 주행중일 때 특정 대상물의 고정/이동 여부를 정확하게 판단할 수가 있다. 이에 대한 과정을 도8을 통해 설명하면 다음과 같다.
차량이동확인부(141)는 차량(10)의 정차 여부를 확인<S805>하고, 정차중이라면 앞선 도7의 과정을 통해 고정객체를 판단하는 과정을 다시 수행하고, 만약 정차가 아닌 이동 중인 것이 확인된다면<S810>, 라이다(110) 스캔을 통해 객체를 인식<S815>한 후 특징점추출부B(142)에서 특징점을 추출한다.
이때 특징점추출부B(142)는 랜덤한 3개의 객체들에 대한 특징점을 추출하는 것이 아니고, 도7의 과정을 통해 정차 상태에서 확정하였던, 즉 고정객체 2개와 고정인지 이동인지 여부를 판단하고자 하는 새로운 객체의 특징점 1개를 추출<S820>한다. 여기서 판단하고자 하는 객체는 이번 과정에서 새롭게 인식된 객체일 수도 있고, 앞선 도7의 과정에서 고정객체인지 이동객체인지 정확하게 확인되지 않은 객체일 수도 있다. 즉 고정/이동 여부가 궁금한 객체를 고정 여부가 확실한 2개의 객체와 대응시켜 판단을 내리고자 하는 것이다.
이렇게 3개의 특징점이 추출(고정 2, 판단대상 1)되고 나면, 면적연산부(143)는 3개의 특징점으로 이루어지는 삼각형의 면적을 시간차를 두고 여러번 연산하며, 변화율확인부(144)가 면적연산부(143)에서 연산한 삼각형 면적의 변화율을 확인<S825>한다.
만약 삼각형의 면적 변화율이 기준(10%) 미만인 것이 확인되면<S830>, 판정부(145)는 판단하고자 하는 객체를 고정객체로 확정<S835>한다.
즉 자기 차량(10)이 움직이는 상태라면 고정된 물체라 하더라도 자기 차량(10) 기준의 상대좌표는 달라지게 마련이다. 하지만 상대좌표계 상에서 이루어지는 고정된 3개 지점이 이루고 있는 삼각형의 면적은 변화하지 않게 된다. 따라서 자기 차량(10)의 움직임 여부와 관계 없이 고정상태가 확인된 2개의 특징점과 판단 대상이 되는 특징점 1개가 이루는 삼각형의 면적 변화가 없다면, 판단 대상이 되는 특징점 1개에 대응하는 객체는 고정객체임이 확실한 것이다.
반면, 고정객체 2개의 특징점과 판단 대상 객체 1개의 특징점의 면적 변화율이 기준 이상인 것으로 확인되면<S830>, 판정부(145)는 판단 대상이 되는 객체를 이동 객체로 확정<S840>한다. 이렇게 이동 객체가 확정되면 객체추적부(150)가 해당 객체를 집중적으로 추적(tracking)할 수 있다. 또한 판정부(145)에서 고정객체가 확정되면, 확정 결과가 위치보정수단(130)으로 제공되며, 이에 따라 위치보정수단(130)의 특징점추출부A(131)가 보정 정보 생성을 위한 특정 객체의 특징점을 추출할 시, 라이다(110)의 스캔 데이터와 정밀 지도 데이터에서 모두 포함되어 있는 고정객체에 대한 특징점만 추출할 수가 있다.
도9 및 도10은 객체들이 이루는 삼각형의 면적 변화를 설명하기 위한 개념도이다. 먼저 도9의 (a)를 참조하면 자기 차량(10)의 라이다(110)의 스캔에 의해 제1객체(210), 제2객체(220) 및 제3객체(230)를 인식할 수 있고, 특징점추출부B(142)는 각 객체들로부터 특징점1-1(211), 특징점2-1(221) 및 특징점3-1(231)을 추출한 이후, 면적연산부(143)에서 3개 특징점(211,221,231)을 꼭지점으로 하는 삼각형의 면적을 확인할 수 있다. 여기서 도9에 도시된 객체들의 도면부호와 특징점의 도면부호가 도5에 도시된 객체 및 특징점의 도면부호와 일부 중복되는 것이 있으나, 설명의 편의를 위해 도시한 것일 뿐 반드시 같은 객체나 같은 위치의 특징점을 말하는 것은 아니다.
만약 자기 차량(10)이 도9의 (b)와 같이 이동하는 상태라면 3개 특징점(211,221,231)에 대한 상대좌표 역시 바뀌게 된다. 하지만 3개 특징점(211,221,231)이 고정 상태라면, 자기 차량(10)은 비록 움직이고 있더라도 3개 특징점(211,221,231)이 이루고 있는 삼각형의 면적에는 변화가 없음을 확인할 수 있다.
반면 도10의 (a)와 같이 고정 여부가 확정된 2개의 특징점(211,221)과 판단하고자 하는 제4객체(240)의 특징점4-1(241)을 연결한 삼각형 면적의 경우, 도10의 (b)와 같이 제4객체(240)가 이동함에 따라 삼각형의 면적이 변화하는 것을 알 수 있다. 여기서 2개 특징점(211,221)의 고정 여부가 확실한 상태라면 자기 차량(10)의 움직임 여부와는 관계 없이 특징점4-1(241)에 대응하는 제4객체(240)는 이동객체임을 확정할 수 있다.
본 발명에 따른 측위 정확도 개선 시스템(100)의 객체구분수단(140)과 객체 구분 방법에 따르면, 라이다(110)를 통해 서로 다른 세 개의 객체로부터 특징점을 추출하고, 자기 차량(10)을 기준으로 하는 상대좌표계에 따라 세 개의 특징점들이 이루는 삼각형의 면적 변화율에 따라 고정객체와 이동객체를 구분함으로써 정확도가 높다.
즉, 종래의 상대 속도에 따라 이동물체를 구분하는 방식에서는 자기 차량(10)과 상대 물체가 같은 방향으로 같은 속도로 움직일 경우 분명한 이동물체임에도 고정물체로 오판하는 경우가 있었으나, 본 발명에서는 정차 상태에서 고정객체를 확정해 두고, 확정된 두 개의 고정객체와 판단하고자 하는 객체가 이루는 삼각형의 면적 변화율에 따라 이동객체인지 여부를 확인하기 때문에, 자기 차량(10)이 이동 중일 때에도 상대 물체의 고정 및 이동 여부를 정확하게 판단할 수가 있다.
한편 판정부(145)는 도7의 과정을 통해 3개 특징점으로 이루어지는 삼각형의 면적 변화율이 기준 미만일 경우 해당 객체들을 모두 고정객체로 확정한다고 설명한 바 있는데, 이때 고정객체를 더욱 정확하게 판단하기 위한 부가 조건을 더 추가할 수도 있다. 즉 높이 정보까지 고려하여 고정객체인지 확정하는 것이다.
통상적으로 표지판, 신호등, 가로수, 건축물 등의 고정객체는 최상단 지점이 지면으로부터 3미터 이상인 경우가 많다. 반면 자동차(일부 차량(10) 제외), 자전거, 보행자 등의 이동객체는 3미터 미만인 경우가 많다.
따라서 도7의 과정에서 면적변화율이 기준 미만이라 하더라도 해당 객체의 높이, 더욱 구체적으로는 해당 객체에서 추출된 특징점의 높이가 기준높이(예컨대 3미터) 이상일 경우에만 고정객체로 확정하고, 기준높이 미만이라면 다른 객체의 특징점을 이용한 삼각형 면적 연산 과정으로 바로 넘어가는 것이 바람직하다.
예를 들어 특징점의 높이가 3미터 이상이면서 면적 변화율이 기준 미만이라면 해당 특징점을 갖는 객체는 고정객체일 가능성이 매우 크다. 따라서 판정하고자 하는 대상객체의 특징점과 이미 판정된 고정객체 중에서 특징점의 높이가 3미터 이상인 고정객체 2개를 추출하여 이들 3개의 특징점 사이의 면적변화율을 모니터링한다면 이동/고정 여부의 판정이 더 확실해질 수 있다. 즉 3개의 특징점들 사이의 면적변화율이 기준미만인 경우라고 하더라도 이들 3개 객체가 동일한 방향으로 움직이고 있는 객체일 가능성을 배제할 수는 없다. 따라서 이 경우에는 이들 객체 중 어느 하나의 객체의 특징점과 높이가 3미터 이상인 미리 확정된 2개의 고정객체의 특징점으로 이루어지는 삼각형의 면적변화율을 확인해 보면되고, 이를 통해 판정 대상이 되는 객체의 고정객체 여부를 더욱 확실하게 판정할 수 있다.
물론 특징점추출부B(142)에서 면적 연산을 위한 3개의 특징점을 추출할 때, 기준높이 이상의 특징점만을 면적 연산 대상으로 뽑는다면, 고정 객체 확정을 위한 연산 속도가 더욱 빨라질 수 있을 것이다.
여기서 특징점의 높이는 상대좌표계를 통한 간단한 삼각함수 공식을 통해 산출할 수 있다. 즉 라이다(110)의 스캔 데이터를 통해 획득한 점 좌표는 거리 및 방향 정보를 포함하고 있어서 자기 차량(10) 기준의 상대좌표계로 나타낼 수 있고, 상대좌표를 알고 있다면 자기 차량(10)과 해당 지점을 잇는 직선이 지면과 이루는 각도 또한 알 수 있다. 이 각도에 대한 사인값에 해당 지점까지의 거리를 곱하면 해당 지점의 높이가 산출된다.
상기한 본 발명의 바람직한 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면, 본 발명의 사상과 범위 안에서 다양한 수정, 변경 및 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 본 발명의 특허청구 범위에 속하는 것으로 보아야 할 것이다.
10 : 차량
100 : 측위 정확도 개선 시스템
110 : 라이다
120 : GPS모듈
130 : 위치보정수단
131 : 특징점추출부A
132 : 좌표변환부
133 : 지도데이터추출부
134 : 보정정보생성부
135 : 위치갱신부
136 : 정밀지도DB
140 : 객체구분수단
141 : 차량이동확인부
142 : 특징점추출부B
143 : 면적연산부
144 : 변화율확인부
145 : 판정부
150 : 객체추적부
210 : 제1객체
211 : 특징점1-1
212 : 특징점1-2
213 : 특징점1-3
220 : 제2객체
221 : 특징점2-1
222 : 특징점2-2
230 : 제3객체
231 : 특징점3-1
240 : 제4객체
241 : 제4특징점4-1

Claims (9)

  1. 차량 주변을 스캔하여 객체를 인식하는 환경센서;
    GPS 좌표 정보를 획득하는 GPS모듈;
    상기 환경센서의 스캔 데이터에서 특정 객체의 특징점을 추출하여 실제 차량 기준의 상대좌표계로 변환하고, 정밀지도 데이터에서 추출한 특정 객체의 특징점을 추출하여 GPS 좌표 기준의 상대좌표계로 변환하며, 상기 각각의 상대좌표계를 이용하여 좌표 보정 정보를 생성한 후 상기 GPS 좌표 정보를 갱신 출력하는 위치보정수단; 및
    상기 환경센서에서 인식한 객체의 고정 및 이동 여부를 판단하는 객체구분수단을 포함하며,
    상기 객체구분수단은,
    상기 환경센서에서 인식한 객체에서 특징점을 추출하는 특징점추출부B;
    상기 특징점추출부B에서 추출된 특징점의 상대좌표계를 통해 3개 특징점으로 이루어지는 삼각형의 면적을 시차를 두고 반복 산출하는 면적연산부;
    상기 면적연산부에서 산출된 삼각형 면적의 변화율을 확인하는 변화율확인부; 및
    상기 변화율확인부의 삼각형 면적 변화율 확인 결과에 따라 고정객체와 이동객체를 구분하는 판정부를 포함하는 것을 특징으로 하는 측위 정확도 개선 시스템.
  2. 제1항에 있어서,
    상기 위치보정수단은,
    상기 GPS모듈에서 획득한 GPS 좌표 정보에 대응하는 정밀지도 데이터를 정밀지도DB로부터 추출하는 지도데이터추출부;
    상기 환경센서에서 인식한 객체에서 특징점을 추출하거나, 상기 추출된 정밀지도 데이터로부터 상기 환경센서에서 인식한 객체와 동일한 객체의 특징점을 추출하는 특징점추출부A;
    상기 환경센서에서 인식한 객체의 특징점을 실제 차량 기준의 상대좌표계로 변환하고, 상기 정밀지도 데이터에서 추출한 특징점을 상기 GPS 좌표 기준의 상대좌표계로 변환하는 좌표변환부;
    상기 좌표변환부에서 변환된 각각의 상대좌표계를 이용하여 ICP 알고리즘을 통해 좌표 보정 정보를 생성하는 보정정보생성부; 및
    상기 좌표 보정 정보를 상기 GPS 좌표 정보에 반영하여 위치 정보를 갱신하는 위치갱신부;를 포함하는 것을 특징으로 하는 측위 정확도 개선 시스템.
  3. 삭제
  4. 제1항에 있어서,
    상기 객체구분수단은,
    상기 차량의 정차 여부를 확인하는 차량이동확인부;를 더 포함하고,
    상기 판정부는 상기 차량이동확인부를 통해 상기 차량이 정차 상태인 것이 확인될 경우에 먼저 고정객체와 이동객체를 구분하되, 상기 삼각형의 면적 변화율이 기준 미만일 경우 3개 특징점에 대한 객체들을 고정객체로 확정하며,
    이후 상기 차량이동확인부를 통해 상기 차량이 정차 상태가 아닌 것이 확인되면, 상기 특징점추출부B는 상기 판정부에서 고정객체로 확정된 객체의 특징점 중 2개의 특징점과, 판단하고자 하는 객체의 1개 특징점을 추출하고, 상기 면적연산부는 고정 2개의 특징점과 판단 대상 1개 특징점으로 이루어지는 삼각형의 면적을 연산하고, 상기 변화율확인부에서 면적 변화율이 기준 미만인 것이 확인되면 상기 판정부는 판단하고자 하는 객체를 고정객체로 확정하고, 상기 변화율확인부에서 면적 변화율이 기준 이상인 것이 확인되면 상기 판정부는 판단하고자 하는 객체를 이동객체로 확정하는 것을 특징으로 하는 측위 정확도 개선 시스템.
  5. 환경센서를 통해 차량 주변을 스캔하여 객체를 인식하는 (a)단계;
    GPS 좌표 정보를 획득하는 (b)단계;
    상기 환경센서의 스캔 데이터에서 특정 객체의 특징점을 추출하여 실제 차량 기준의 상대좌표계로 변환하고, 정밀지도 데이터에서 추출한 특정 객체의 특징점을 추출하여 GPS 좌표 기준의 상대좌표계로 변환하며, 상기 각각의 상대좌표계를 이용하여 좌표 보정 정보를 생성한 후 상기 GPS 좌표 정보를 갱신 출력하는 (c)단계; 및
    상기 환경센서에서 인식한 객체의 고정 및 이동 여부를 판단하는 (d)단계를 포함하고,
    상기 (d)단계는,
    상기 환경센서를 통해 복수의 객체를 인식하는 (d-1)단계;
    인식된 객체에서 특징점을 추출하는 (d-2)단계;
    추출된 특징점의 상대좌표계를 통해 3개 특징점으로 이루어지는 삼각형의 면적을 시차를 두고 반복 산출하는 (d-3)단계; 및
    상기 삼각형의 면적 변화율에 따라 고정객체와 이동객체를 구분하는 (d-4)단계;를 포함하는 것을 특징으로 하는 측위 정확도 개선 방법.
  6. 제5항에 있어서,
    상기 (c)단계는,
    상기 (b)단계에서 획득한 GPS 좌표 정보에 대응하는 정밀지도 데이터를 정밀지도DB로부터 추출하는 (c-1)단계;
    상기 환경센서에서 인식한 객체의 특징점을 추출하고, 상기 특징점을 실제 차량 기준의 상대좌표계로 변환하는 (c-2)단계;
    상기 (c-1)단계에서 추출된 정밀지도 데이터로부터 상기 환경센서에서 인식한 객체와 동일한 객체의 특징점을 추출하고, 상기 정밀지도 데이터에서 추출한 특징점을 상기 GPS 좌표 기준의 상대좌표계로 변환하는 (c-3)단계;
    상기 (c-2)단계와, 상기 (c-3)단계에서 변환된 각각의 상대좌표계를 이용하여 ICP 알고리즘을 통해 좌표 보정 정보를 생성하는 (c-4)단계; 및
    상기 좌표 보정 정보를 상기 GPS 좌표 정보에 반영하여 위치 정보를 갱신하는 (c-5)단계;를 포함하는 것을 특징으로 하는 측위 정확도 개선 방법.
  7. 삭제
  8. 제5항에 있어서,
    상기 (d-1)단계 이전에 자기 차량의 정차 여부를 먼저 확인하는 (d-5)단계;를 더 포함하고,
    상기 (d-5)단계에서 상기 자기 차량이 정차 상태일 경우 상기 (d-1)단계 내지 (d-3)단계를 수행하며,
    상기 (d-4)단계는 상기 삼각형의 면적 변화율이 기준 미만일 경우 3개 특징점에 대한 객체들을 고정객체로 확정하는 것을 특징으로 하는 측위 정확도 개선 방법.
  9. 제8항에 있어서,
    상기 (d-5)단계에서 상기 자기 차량이 정차 상태가 아닐 경우 상기 (d-1)단계 내지 (d-3)단계를 수행하되,
    상기 (d-3)단계에서 추출되는 3개의 특징점 중 2개의 특징점은 상기 (d-4)단계를 통해 확정된 고정객체에 대한 특징점이고, 나머지 1개의 특징점은 판단하고자 하는 객체의 특징점이며,
    상기 (d-4)단계에서 상기 삼각형의 면적 변화율이 기준 미만일 경우 판단하고자 하는 객체를 고정객체로 확정하고, 상기 삼각형의 면적 변화율이 기준 이상일 경우 판단하고자 하는 객체를 이동객체로 확정하는 것을 특징으로 하는 측위 정확도 개선 방법.
KR1020180134646A 2018-11-05 2018-11-05 저가 상용 gnss의 측위 정확도 개선 시스템 및 방법 KR102105590B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180134646A KR102105590B1 (ko) 2018-11-05 2018-11-05 저가 상용 gnss의 측위 정확도 개선 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180134646A KR102105590B1 (ko) 2018-11-05 2018-11-05 저가 상용 gnss의 측위 정확도 개선 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102105590B1 true KR102105590B1 (ko) 2020-04-28

Family

ID=70455890

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180134646A KR102105590B1 (ko) 2018-11-05 2018-11-05 저가 상용 gnss의 측위 정확도 개선 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102105590B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113050137A (zh) * 2021-03-09 2021-06-29 江西师范大学 一种多点协测的空间信息获取方法
WO2022039476A1 (ko) * 2020-08-18 2022-02-24 삼성전자 주식회사 이미지를 이용한 위치 정보 획득 방법 및 이를 지원하는 전자 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160057755A (ko) * 2014-11-14 2016-05-24 재단법인대구경북과학기술원 지도 기반 측위 시스템 및 그 방법
KR20180040209A (ko) * 2016-10-12 2018-04-20 현대자동차주식회사 자율 주행 제어 장치, 그를 가지는 차량 및 그 제어 방법
KR20180068555A (ko) * 2016-12-14 2018-06-22 현대모비스 주식회사 차량의 위치 정보 측위 시스템

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160057755A (ko) * 2014-11-14 2016-05-24 재단법인대구경북과학기술원 지도 기반 측위 시스템 및 그 방법
KR20180040209A (ko) * 2016-10-12 2018-04-20 현대자동차주식회사 자율 주행 제어 장치, 그를 가지는 차량 및 그 제어 방법
KR20180068555A (ko) * 2016-12-14 2018-06-22 현대모비스 주식회사 차량의 위치 정보 측위 시스템

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022039476A1 (ko) * 2020-08-18 2022-02-24 삼성전자 주식회사 이미지를 이용한 위치 정보 획득 방법 및 이를 지원하는 전자 장치
CN113050137A (zh) * 2021-03-09 2021-06-29 江西师范大学 一种多点协测的空间信息获取方法

Similar Documents

Publication Publication Date Title
CN107850448B (zh) 用于生成及使用定位参考数据的方法及系统
KR102128851B1 (ko) 제1 랜드마크의 글로벌 위치를 결정하는 방법 및 시스템
CN107703528B (zh) 自动驾驶中结合低精度gps的视觉定位方法及系统
RU2668459C1 (ru) Устройство оценки положения и способ оценки положения
US20090228204A1 (en) System and method for map matching with sensor detected objects
CN110530372B (zh) 定位方法、路径确定方法、装置、机器人及存储介质
RU2720140C1 (ru) Способ оценки собственной позиции и устройство оценки собственной позиции
CN112781599B (zh) 确定车辆的位置的方法
JP2008065087A (ja) 静止物地図生成装置
JP2018116014A (ja) 自車位置推定装置、制御方法、プログラム及び記憶媒体
US20230243657A1 (en) Vehicle control device and host vehicle position estimation method
KR102105590B1 (ko) 저가 상용 gnss의 측위 정확도 개선 시스템 및 방법
KR102137043B1 (ko) 환경센서와 정밀지도를 이용한 측위 정확도 개선 시스템
KR20200002257A (ko) 꼭지점 검출 기반의 도로 표지판 검출 방법 및 장치
CN114641701A (zh) 使用表面穿透雷达和深度学习的改进的导航和定位
KR102101706B1 (ko) 연석 형태 정보와 정밀지도를 이용한 저가 상용 gnss의 측위 정확도 개선 시스템 및 방법
Iannucci et al. Cross-Modal Localization: Using automotive radar for absolute geolocation within a map produced with visible-light imagery
KR102224105B1 (ko) 라이다를 이용한 차선 정보 생성 시스템
KR102603533B1 (ko) 인프라 센싱 정보 기반 차량의 측위 개선 방법 및 장치
Fuerstenberg et al. Feature-level map building and object recognition for intersection safety applications
EP4191566A1 (en) Planimetric feature data generation system, planimetric feature database updating system, and planimetric feature data generation method
JP7241582B2 (ja) 移動体位置検出方法及び移動体位置検出システム
JP2022117835A (ja) 地物データの生成装置及び地物データの生成方法
WO2022191922A4 (en) Improved position accuracy using sensor data
CN113932820A (zh) 对象检测的方法和装置

Legal Events

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