KR102218881B1

KR102218881B1 - 차량 위치 결정 방법 및 시스템

Info

Publication number: KR102218881B1
Application number: KR1020200055975A
Authority: KR
Inventors: 이동규; 김수정
Original assignee: 네이버랩스 주식회사
Priority date: 2020-05-11
Filing date: 2020-05-11
Publication date: 2021-02-23
Also published as: KR102518257B1; JP7481534B2; JP7269453B2; JP2023516821A; WO2021230466A1; KR20210137893A; JP2023099547A

Abstract

본 개시는 차량 위치 결정 방법에 관한 것이다. 차량 위치 결정 방법은, 차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적 객체를 나타내는 벡터맵을 획득하는 단계, 벡터맵을 비트맵으로 변환시키는 단계, 차량의 이미지 센서에 의해 촬상된 복수의 뷰 이미지를 이용하여 로컬 서브맵을 생성하는 단계 및 변환된 비트맵과 생성된 로컬 서브맵을 기초로 차량의 제2 위치를 결정하는 단계를 포함한다.

Description

차량 위치 결정 방법 및 시스템{METHOD AND SYSTEM FOR DETERMINING POSITION OF VEHICLE}

본 개시는 차량 위치 결정 방법 및 시스템에 관한 것으로, 구체적으로 차량의 대략적인 위치에서의 벡터맵을 획득하고, 차량의 이미지 센서에 의해 복수의 뷰 이미지를 촬상하고, 획득된 벡터맵 및 촬상된 복수의 뷰 이미지를 이용하여 차량의 위치를 결정하는 차량 위치 결정 방법 및 시스템에 관한 것이다.

최근 차량의 현재 위치에 기반하여 서비스를 제공하는 사업 모델이 늘어나고 있다. 대표적으로, 차량 네비게이션 서비스가 제공되고 있으며, 서비스 사용자가 꾸준히 증가하고 있다. 이러한 서비스에서 차량의 현재 위치를 정확하게 파악하는 것이 중요하다. 특히, 자율 주행 자동차의 도입으로 위치 추정 기술의 정확도를 높이기 위한 연구가 활발히 진행되고 있으며, 기존의 자율주행 차량의 위치를 측정하기 위한 방식으로는 GPS (Global Positioning System) 방식과 자율주행용 MAP 방식이 있었다.

기존의 GPS 방식을 이용한 자율주행 차량의 위치를 추정하는 방식은 일반적인 차량에 사용되는 GPS 모듈의 낮은 정확도(예를 들어, 수 m 수준의 오차)에 의해, 차량의 현재 위치를 정확하게 파악하기 어려운 경우가 있다. 특히, 도심지의 건물 밀집 지역, 산간 지역, 주차장, 건물 내부에 위치하는 경우 등에는 GPS 신호를 안정적으로 수신하기 어렵기 때문에 추정 위치의 오차가 크게 발생하는 문제가 있었다. 이러한 기존의 GPS 모듈을 이용한 차량의 위치 추정에 대한 정확도를 높이기 위하여, 고정밀 GPS 모듈(예를 들어, 수 cm 수준의 오차가 발생되는 GPS 모듈)을 사용해야 하는데, 이러한 고정밀 GPS 모듈은 고가의 장비이기 때문에 차량의 위치 추정을 위한 서비스를 제공하기 위한 비용이 많이 발생될 수 있다.

또한, 기존의 자율주행용 MAP는 MMS(Mobile Mapping System) 차량을 이용하여 맵을 생성하기 위해 광역의 데이터를 취득해야 한다. 이때, 광역의 데이터를 기초로 생성된 맵을 유지하기 위하여 넓은 영역에 걸친 고용량의 데이터를 지속적으로 획득하여야 한다. 즉, 이러한 MMS 차량을 이용한 맵을 생성하고 유지하기 위한 비용이 많이 발생될 수 있다. 나아가, 기존의 자율주행용 MAP 환경에서, 맵 유지 보수를 위해 자율주행차량이 보유한 맵 업데이트 시에도 통신 비용면에서 대용량의 대역폭(bandwidth)이 요구된다는 문제점이 있다. 따라서, 고가의 GPS 모듈을 이용한 측위 방식 및/또는 고비용의 맵 생성 방식을 사용하지 않고도 차량의 정확한 위치를 추정할 수 있는 기술이 요구된다.

본 개시는 상기와 같은 문제점을 해결하기 위한 차량 위치 결정 방법, 기록 매체에 저장된 컴퓨터 프로그램 및 장치(시스템)를 제공한다.

차량의 제1 위치가 포함된 영역에 대응하는 벡터맵으로부터 변환된 비트맵과 차량의 이미지 센서에 의해 촬상된 복수의 뷰 이미지로부터 생성된 로컬 서브맵을 비교함으로써 차량의 제2 위치를 결정하는 차량 위치 결정 방법 및 장치가 제공된다.

본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는 차량 위치 결정 방법은, 차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적 객체를 나타내는 벡터맵을 획득하는 단계, 벡터맵을 비트맵으로 변환시키는 단계, 차량의 이미지 센서에 의해 촬상된 복수의 뷰 이미지를 이용하여 로컬 서브맵을 생성하는 단계 및 변환된 비트맵과 생성된 로컬 서브맵을 기초로 차량의 제2 위치를 결정하는 단계를 포함한다.

본 개시의 일 실시예에 따른 차량 위치 결정 시스템은 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은, 차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적 객체를 나타내는 벡터맵을 획득하고, 벡터맵을 비트맵으로 변환시키고, 차량의 이미지 센서에 의해 촬상된 복수의 뷰 이미지를 이용하여 로컬 서브맵을 생성하고, 변환된 비트맵과 생성된 로컬 서브맵을 기초로 차량의 제2 위치를 결정하기 위한 명령어를 포함한다.

본 개시의 다양한 실시예에서는 보급형 GPS 모듈, 모션 센서 및 보급형 카메라를 이용하고, 항공 사진 기반의 로드레이아웃 맵(벡터맵)을 차량의 측위를 위해 사용하기 때문에, 상대적으로 저비용으로 차량의 위치를 결정할 수 있다. 또한, 차량의 위치는 GPS 모듈의 사용이 불가능한 도심지 음영 지역에서 자율 주행을 위해 요구되는 정확도로 결정되거나 추정될 수 있다.

본 개시의 다양한 실시예에서는 광역의 벡터맵 정보가 저용량의 크기를 가지기 때문에 차량의 저장 매체에 저장될 수 있다. 이에 따라, 맵 정보를 획득하기 위해 매번 통신이 수행될 필요가 없다.

본 개시의 다양한 실시예에서는 도로 영역 내의 의미론적 객체를 벡터화된 벡터맵 형태로 저장하여, 맵 보관을 위한 비용 및 업데이트 비용을 줄일 수 있다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따라 차량의 위치를 결정하는 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 컴퓨팅 장치 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 3은 본 개시의 일 실시예에 따른 프로세서의 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 벡터맵을 비트맵으로 변환하는 과정의 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 도로 영역 내의 의미론적 객체의 예시를 나타내는 도면이다.
도 6은 본 개시의 일 실시예에 따른 벡터맵을 비트맵으로 변환하는 과정의 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따라 벡터맵으로부터 변환된 비트맵의 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 복수의 뷰 이미지를 이용하여 로컬 서브맵을 생성하는 과정을 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따른 복수의 IPM 이미지를 이용하여 로컬 서브맵을 생성하는 예시를 나타내는 도면이다.
도 10은 본 개시의 다른 실시예에 따른 로컬 서브맵을 생성하는 예시를 나타내는 도면이다.
도 11은 본 개시의 일 실시예에 따른 차량의 현재 위치를 결정하는 구성을 나타내는 도면이다.
도 12는 본 개시의 일 실시예에 따른 비트맵과 로컬 서브맵을 기초로 차량의 위치를 결정하는 예시를 나타내는 도면이다.
도 13은 본 개시의 일 실시예에 따른 코스트맵으로부터 추출된 미리 결정된 유사도 이상의 유사도를 가진 포인트가 추출된 이미지의 예시를 보여주는 도면이다.
도 14는 본 개시의 일 실시예에 따른 차량 위치 결정 방법을 나타내는 흐름도이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

본 개시에서, '벡터맵(vector map)'은 특정 지역 또는 도로 영역에 대해 촬상된 항공 사진으로부터 생성된 로드 레이아웃을 벡터화시킨 정보가 포함된 맵을 지칭할 수 있다. 이러한 로드 레이아웃은 특정 도로 영역 또는 위치를 구분하는데 사용될 수 있으며, 하나 이상의 의미론적 객체를 포함할 수 있다. 예를 들어, 벡터맵은 도로 영역을 구분할 수 있는 임의의 객체(예: 도로마커, 차선, 경계선, 횡단보도, 정지선 등)를 의미론적 객체로서 포함할 수 있다. 이러한 벡터맵 내의 의미론적 객체는 클래스값이 할당될 수 있는데, 상이한 의미론적 객체에는 상이한 클래스 값이 할당될 수 있다. 또한, 본 개시에서 '벡터맵'과 함께 '지역 벡터맵', '서브 벡터맵'의 용어가 사용되고 있으나, 지역 벡터맵 및 서브 벡터맵은 모두 벡터맵의 형태로 표시될 수 있다. 다만, 벡터맵, 지역 벡터맵 및 서브 벡터맵의 크기가 서로 상이할 수 있다.

본 개시에서, '의미론적(semantic) 객체'는 이미지에 포함된 객체 및/또는 객체의 경계선에 의미론적 클래스를 부여한 정보일 수 있다. 의미론적 클래스는, 예를 들어, 사람, 운전자, 자동차, 트럭, 버스, 기차, 오토바이, 자전거, 도로, 횡단보도, 건물, 벽, 철조망, 기둥, 신호등, 도로 표지판, 식물, 토지, 하늘 등과 같이 식별하고자 하는 객체의 종류일 수 있다.

본 개시에서, '비트맵(bitmap)'은 비트의 지도라고 해석될 수 있는데, 각 픽셀에 저장된 일련의 비트 정보 집합을 포함할 수 있다. 또한, 비트맵은 벡터맵을 레스터라이즈화(rasterized)시킨 맵을 지칭할 수 있다. 예를 들어, 비트맵은 로드 레이아웃 벡터 맵을 레스터라이즈화시킨 맵을 지칭할 수 있다. 예를 들어, 비트맵 내의 각 픽셀은 '0'과 '1'의 형태로 표현될 수 있으며, 의미론적 객체로 세그맨테이션된 특정 영역에 대해 클래스값 또는 속성코드가 부여될 수 있다. 다른 예로서, 비트맵 내의 각 픽셀은 RGB 형태로 표현될 수 있다.

본 개시에서, '로컬 서브맵(local submap)'은 현재 차량에 장착된 카메라를 통해 주변의 환경정보를 촬영하여 생성된 정보를 포함할 수 있다. 일 실시예에 따르면, 이러한 로컬 서브맵은 온라인 상에서 실시간으로 구축된 주변 환경 정보 맵을 포함할 수 있다. 또한, 로컬 서브맵은 실시간 고속 처리를 통해 수집되기 때문에, 미리 처리되어 저장된 벡터맵과의 매칭을 통한 차량의 위치 측정에 사용될 수 있다.

도 1은 본 개시의 일 실시예에 따라 차량(110)의 위치를 결정하는 예시를 나타내는 도면이다. 일 실시예에 따르면, 차량(110)은 도로 영역을 운행하면서 네비게이션 서비스를 제공할 수 있는 임의의 차량일 수 있다. 다른 실시예에 따르면, 차량(110)은 도로 영역 내에서 자율 주행이 가능한 임의의 차량일 수 있다. 여기서, 도로 영역은 차량이 운행될 수 있는 임의의 도로 및/또는 길을 포함할 수 있다.

차량(110)은 도로 영역을 운행하면서 차량(110)의 제1 위치를 추정할 수 있다. 일 실시예에 따르면, 차량(110)의 제1 위치는 차량(110)에 내장되거나 부착된 보급형 GPS 모듈을 이용하여 산출될 수 있다. 여기서, 보급형 GPS 모듈은 비교적 낮은 정확도(예를 들어, 수 m 수준의 오차)로 추정된 차량의 위치를 제공할 수 있다. 다른 실시예에 따르면, 차량(110)의 제1 위치는 특정 시점에서 결정된 차량(110)의 위치를 나타낼 수 있다. 여기서, 특정 시점은 차량(110)의 위치를 결정한 바로 직전의 시점을 지칭할 수 있다. 또한, 차량(110)의 제1 위치는 GPS 좌표 및/또는 방위로 표현될 수 있다.

차량(110)은 차량(110)의 제1 위치가 포함된 도로 영역(120) 내의 복수의 의미론적(semantic) 객체를 나타내는 벡터맵을 획득할 수 있다. 여기서, 벡터맵은 촬상된 항공 사진으로부터 생성된 로드 레이아웃에 대한 벡터화된 정보를 포함할 수 있다. 또한, 벡터맵 내의 의미론적 객체는 복수의 도로 영역의 각각을 구분하는데 사용될 수 있는 임의의 객체를 나타낼 수 있는데, 예를 들어, 도로 영역 내의 도로 마커, 차선, 경계선, 횡단보도, 정지선 등을 포함할 수 있다. 이러한 벡터맵 내의 의미론적 객체는 클래스값이 할당될 수 있는데, 상이한 의미론적 객체에는 상이한 클래스 값이 할당될 수 있다. 일 실시예에 따르면, 차량(110)이 도 1의 도로 영역(120)에 대해 벡터맵을 획득한 경우, 이러한 벡터맵은 도로 영역(120) 내의 횡단 보도(130), 정지선(140), 차선(150) 등의 의미론적 객체에 대한 벡터를 포함할 수 있다. 이러한 벡터맵은 저용량의 정보이기 때문에, 차량의 측위를 위해 벡터맵 보관 또는 업데이트하는 비용이 MMS 차량을 이용한 맵 생성 또는 업데이트 비용보다 훨씬 저렴하다.

차량(110)은 차량(110)의 제1 위치가 포함된 특정 영역에 대한 벡터맵을 외부 장치로부터 수신할 수 있다. 여기서, 외부 장치는 차량(110)과 통신가능한 임의의 장치, 시스템 등을 지칭할 수 있다. 이렇게 수신된 벡터맵은 차량(110)의 저장 장치에 저장될 수 있다. 예를 들어, 차량(110)은 차량(110)의 제1 위치가 포함된 특정 지역(예를 들어, 특정 도, 시, 구, 군 등) 내의 복수의 의미론적 객체를 나타내는 지역 벡터맵을 파일 형태로 수신할 수 있다.

차량(110)은 벡터맵을 비트맵으로 변환할 수 있다. 일 실시예에서, 차량(110)은 의미론적 객체가 벡터로 표현된 벡터맵으로부터 이미지화된 맵(rasterized map)을 추출(fetch)할 수 있다. 일 실시예에 따르면, 차량(110)은 벡터맵으로부터 차량(110)의 위치를 결정하는데 유용한 의미론적 객체에 대응하는 클래스 값을 선택하고, 선택된 클래스값에 대응하는 이미지 형태를 이용하여 비트맵을 생성할 수 있다. 여기서, 상이한 클래스값에는 상이한 이미지 형태가 연관될 수 있다. 예를 들어, 비트맵 생성을 위해 클래스값인 '3'이 선택되고 클래스값인 '3'이 횡단보도를 지칭할 경우, 클래스값이 '3'에 대응되는 비트맵 내의 픽셀 영역은 횡단보도에 해당하는 이미지 형태로 표현될 수 있다. 여기서, 비트맵 내의 복수의 픽셀은 '0'과 '1'로 표현될 수 있다. 즉, 비트맵에 대응되는 복수의 픽셀의 각각은 흰색 또는 검은색으로 표현될 수 있다.

차량은 차량(110)의 이미지 센서에 의해 촬상된 복수의 뷰 이미지를 이용하여 로컬 서브맵(submap)을 생성할 수 있다. 여기서, 이미지 센서는 카메라 등의 임의의 촬상 장치에 포함될 수 있으며, 차량(110)에 내장되거나 부착될 수 있다. 예를 들어, 이러한 이미지 센서는 차량의 프론트 뷰 이미지(front view image)를 촬상하도록 배치될 수 있다. 차량(110)에 대한 이미지 센서의 배치에 기초하여, 차량(110)의 이미지 센서와 도로의 지면 사이의 위치 관계가 미리 산출되어 저장될 수 있다. 일 실시예에 따르면, 차량(110)은 차량에 내장되거나 부착된 이미지 센서를 이용하여 복수의 뷰 이미지를 획득한 후 복수의 의미론적 객체를 추출할 수 있다. 그리고 나서, 차량(110)의 이미지 센서와 도로의 지면 사이의 위치 관계를 기초로 추출된 의미론적 객체를 포함하는 로컬 서브맵이 조감도(bird eye view) 형태로 표현될 수 있다. 나아가, 이러한 로컬 서브맵은 비트맵과 유사한 방식으로 의미론적 객체에 대응하는 이미지 형태로 표현될 수 있다.

변환된 비트맵과 생성된 로컬 서브맵을 기초로 차량(110)의 제2 위치가 결정될 수 있다. 차량(110)은 비트맵과 로컬 서브맵을 비교하여 차량(110)의 현재 위치인, 제2 위치를 결정할 수 있다. 일 실시예에 따르면, 차량(110)은 비트맵과 로컬 서브맵 사이의 유사도를 측정함으로써, 차량(110)의 제2 위치를 결정할 수 있다. 예를 들어, 차량(110)은 비트맵과 로컬 서브맵을 비교할 시 템플릿(template) 기반의 매칭을 수행할 수 있다. 이러한 템플릿 기반의 매칭을 통해 GPS 측정 노이즈에 대한 강건성과 위치 상태 파라미터 추정의 정확성을 높일 수 있다. 또한, 결정된 제2 위치에 대한 신뢰도가 추정될 수 있으며, 결정된 제2 위치뿐만 아니라 신뢰도가 함께 제공될 수 있다.

도 2는 본 개시의 일 실시예에 따른 컴퓨팅 장치(210) 및 정보 처리 시스템(230)의 내부 구성을 나타내는 블록도이다. 컴퓨팅 장치(210)는 이미지 처리가 가능하고 유/무선 통신이 가능한 임의의 장치를 지칭할 수 있으며, 예를 들어, 도 1의 차량(110) 등에 포함될 수 있다. 도시된 바와 같이, 컴퓨팅 장치(210)는 메모리(212), 프로세서(214), 통신 모듈(216) 및 입출력 인터페이스(218)를 포함할 수 있다. 이와 유사하게, 정보 처리 시스템(230)은 메모리(232), 프로세서(234), 통신 모듈(236) 및 입출력 인터페이스(238)를 포함할 수 있다. 도 2에 도시된 바와 같이, 컴퓨팅 장치(210) 및 정보 처리 시스템(230)은 각각의 통신 모듈(216, 236)을 이용하여 네트워크(240)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(220)는 입출력 인터페이스(218)를 통해 컴퓨팅 장치(210)에 정보 및/또는 데이터를 입력하거나 컴퓨팅 장치(210)로부터 생성된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.

메모리(212, 232)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(212, 232)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 컴퓨팅 장치(210) 및/또는 정보 처리 시스템(230)에 포함될 수 있다. 또는, 이러한 별도의 영구 저장 장치는 컴퓨팅 장치(210) 및/또는 정보 처리 시스템(230)에 의해 접근 가능한 임의의 외부 장치에 저장될 수 있다. 또한, 메모리(212, 232)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(212, 232)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 컴퓨팅 장치(210) 및 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈을 통해 메모리(212, 232)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(240)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(212, 232)에 로딩될 수 있다.

프로세서(214, 234)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(212, 232) 또는 통신 모듈(216, 236)에 의해 프로세서(214, 234)로 제공될 수 있다. 예를 들어, 프로세서(214, 234)는 메모리(212, 232)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(216, 236)은 네트워크(240)를 통해 컴퓨팅 장치(210)와 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 컴퓨팅 장치(210) 및/또는 정보 처리 시스템(230)이 다른 컴퓨팅 장치(210) 또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 컴퓨팅 장치(210)의 프로세서(214)가 메모리(212) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터는 통신 모듈(216)의 제어에 따라 네트워크(240)를 통해 정보 처리 시스템(230)으로 전달될 수 있다. 역으로, 정보 처리 시스템(230)의 프로세서(234)의 제어에 따라 제공되는 제어 신호나 명령이 통신 모듈(236)과 네트워크(240)를 거쳐 컴퓨팅 장치(210)의 통신 모듈(216)을 통해 컴퓨팅 장치(210)에 수신될 수 있다.

입출력 인터페이스(218)는 입출력 장치(220)와의 인터페이스를 위한 수단일 수 있다. 일 예로서, 입력 장치는 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 키보드, 마이크로폰, 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로, 입출력 인터페이스(218)는 터치스크린 등과 같이 입력과 출력을 수행하기 위한 구성 또는 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 컴퓨팅 장치(210)의 프로세서(214)가 메모리(212)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 정보 처리 시스템(230)이나 다른 컴퓨팅 장치가 제공하는 정보 및/또는 데이터를 이용하여 구성되는 서비스 화면 등이 입출력 인터페이스(218)를 통해 디스플레이에 표시될 수 있다. 도 2에서는 입출력 장치(220)가 컴퓨팅 장치(210)에 포함되지 않도록 도시되어 있으나, 이에 한정되지 않으며, 컴퓨팅 장치(210)와 하나의 장치로 구성될 수 있다. 또한, 정보 처리 시스템(230)의 입출력 인터페이스(238)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 2에서는 입출력 인터페이스(218, 238)가 프로세서(214, 234)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(218, 238)가 프로세서(214, 234)에 포함되도록 구성될 수 있다.

컴퓨팅 장치(210) 및 정보 처리 시스템(230)은 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 컴퓨팅 장치(210)는 상술된 입출력 장치(220) 중 적어도 일부를 포함하도록 구현될 수 있다. 또한, 입출력 장치(220)는 차량의 위치를 결정하는데 사용될 수 있는 임의의 장치를 포함할 수 있는데, 예를 들어, GPS(Global Positioning system) 모듈, 모션 센서, 라이더(Lidar), 휠 인코더(Wheel Encoder), IMU(Inertial Measurement Unit), 각종 센서 등과 같은 다른 구성요소들을 포함할 수 있다.

컴퓨팅 장치(210)의 프로세서(214)는 컴퓨팅 장치(210)가 내장되거나 부착된 차량의 위치를 결정하도록 구성될 수 있다. 이 때, 이와 연관된 프로그램 코드가 컴퓨팅 장치(210)의 메모리(212)에 로딩될 수 있다. 프로그램 코드가 동작되는 동안에, 컴퓨팅 장치(210)의 프로세서(214)는 입출력 장치(220)로부터 제공된 정보 및/또는 데이터를 입출력 인터페이스(218)를 통해 수신하거나 통신 모듈(216)을 통해 정보 처리 시스템(230)으로부터 정보 및/또는 데이터를 수신할 수 있으며, 수신된 정보 및/또는 데이터를 처리하여 메모리(212)에 저장할 수 있다. 또한, 이러한 정보 및/또는 데이터는 통신 모듈(216)을 통해 정보 처리 시스템(230)에 제공할 수 있다.

일 실시예에 따르면, 프로세서(214)는 차량의 위치를 결정하기 위하여 입출력 인터페이스(218)와 연결된 GPS 모듈, 모션 센서, 이미지 센서, 터치 스크린, 키보드, 오디오 센서 등의 입력 장치를 통해 차량 위치, 차량의 추적된 위치 변이, 촬상된 이미지 및/또는 영상 등을 수신할 수 있다. 이렇게 수신된 이미지, 영상, 위치 정보 등은 메모리(212)에 저장되어 차량의 위치를 결정하는데 이용될 수 있다. 또한, 차량의 위치를 결정하기 위하여, 프로세서(214)는 차량이 위치한 영역을 포함한 벡터맵을 통신 모듈(216)을 통해 외부 장치(예: 정보 처리 시스템(230))으로부터 수신할 수 있다. 결정된 차량의 위치는 입출력 인터페이스를 통해 차량의 사용자에게 제공되거나 정보 처리 시스템(230)에 제공될 수 있다.

정보 처리 시스템(230)의 프로세서(214)는 복수의 컴퓨팅 장치 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 일 실시예에서, 프로세서(234)는 컴퓨팅 장치(210)로부터 수신한 데이터에 기초하여, 컴퓨팅 장치(210)가 내장되거나 탑재된 차량의 위치를 결정하도록 구성될 수 있다. 이를 위해, 프로세서(234)는 입출력 장치(220) 중 GPS 모듈, 모션 센서, 이미지 센서로부터 측정된 정보 및/또는 데이터를 수신할 수 있다. 또한, 차량의 위치를 결정하기 위하여 프로세서(234)는 외부 장치로부터 차량이 위치된 특정 지역 또는 도로 영역에 대한 벡터맵을 수신할 수 있다. 또는, 프로세서(234)는 특정 지역 또는 도로 영역에 대한 항공 사진을 수신하고, 수신된 항공 사진을 이용하여 특정 지역 또는 도로 영역에 대한 벡터맵을 생성할 수 있다. 생성된 벡터맵 및/또는 결정된 차량의 위치는 네트워크(240)를 통해 컴퓨팅 장치(210)에 제공될 수 있다.

도 3은 본 개시의 일 실시예에 따른 프로세서(300)의 구성을 나타내는 블록도이다. 도시된 바와 같이, 프로세서(300)는 비트맵 변환 모듈(322), 로컬 서브맵 생성 모듈(324), 로컬 서브맵 매칭 모듈(326)을 포함할 수 있다. 일 실시예에 따르면, 프로세서(300)는 차량에 내장되거나 탑재된 컴퓨팅 장치(210)의 프로세서(214)를 지칭할 수 있다. 다른 실시예에 따르면, 프로세서(300)는 정보 처리 시스템(230)의 프로세서(234)를 지칭할 수 있다. 또 다른 실시예에 따르면, 프로세서(300)는 차량에 내장되거나 탑재된 컴퓨팅 장치(210)의 프로세서(214) 및 정보 처리 시스템(230)의 프로세서(234)를 포함할 수 있다.

프로세서(300)의 비트맵 변환 모듈(322)은 벡터맵(318)을 수신하고, 수신된 벡터맵(318)을 변환시키도록 구성될 수 있다. 일 실시예에 따르면, 벡터맵(318)은 차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적(semantic) 객체를 나타내는 벡터화된 정보를 포함할 수 있다. 여기서, 차량의 제1 위치는 차량의 절대 위치값(314)에 대응될 수 있으며, 절대 위치값(314)은 차량에 구비된 GPS 모듈(예를 들어, 낮은 정확도를 가진 GPS 모듈)을 통한 대략적인 차량의 위치일 수 있다.

일 실시예에 따르면, 비트맵 변환 모듈(322)은 벡터맵(318) 내의 의미론적 객체를 선택하는 것을 통해 벡터맵(318)을 비트맵으로 변환할 수 있다. 여기서, 벡터맵(318)은 복수의 의미론적 객체를 포함하고, 각 객체에 대응하는 클래스 값을 포함할 수 있다. 비트맵 변환 모듈(322)은 벡터맵 내의 복수의 의미론적 객체 중에서 차량의 위치 추정에 사용될 의미론적 객체를 선택할 수 있다. 그리고 나서, 비트맵 변환 모듈(322)은 선택된 의미론적 객체 각각에 대응되는 클래스 값을 획득하고, 획득된 클래스 값에 대응하는 이미지 형상을 이용하여 비트맵을 생성할 수 있다. 예를 들어, 비트맵은 차량의 위치를 결정하는데 사용되는 로컬 서브맵의 크기 및 형태와 동일 또는 유사한 크기 및 형태를 가질 수 있다. 이렇게 생성된 비트맵은 프로세서(300)에 의해 연결되거나 접근 가능한 메모리에 저장되거나 프로세서(300)의 로컬 서브맵 매칭 모듈(326)에 제공될 수 있다.

프로세서(300)의 로컬 서브맵 생성 모듈(324)은 복수의 뷰 이미지(312) 및 차량의 상대 위치값(316)을 수신하고, 로컬 서브맵을 생성하도록 구성될 수 있다. 여기서, 복수의 뷰 이미지(312)는 차량에 내장되거나 부착된 이미지 센서를 이용하여 촬상된 차량의 프론트 뷰 이미지일 수 있다. 또한, 상대 위치값(316)은 차량에 내장되거나 탑재된 모션 센서에 의해 측정될 수 있으며, 차량에 배치된 이미지 센서와 도로의 지면 사이의 위치 관계에 기초한 위치 값을 지칭할 수 있다.

일 실시예에 따르면, 로컬 서브맵 생성 모듈(324)은 수신된 복수의 프론트 뷰 이미지로부터 복수의 의미론적 객체(예를 들어, 도로 영역 내의 차선, 횡단 보도, 직진 표시 및 우회전 표시 등)를 추출할 수 있다, 예를 들어, 로컬 서브맵 생성 모듈(324)은 복수의 프론트 뷰 이미지 각각을 인공신경망의 입력층에 입력하여 복수의 프론트 뷰 이미지 내의 픽셀에 대한 비트값과 복수의 프론트 뷰로부터 추출된 복수의 의미론적 객체에 대한 클래스 값을 출력할 수 있다.

그리고 나서, 로컬 서브맵 생성 모듈(324)은 차량에 배치된 이미지 센서와 도로의 지면 사이의 위치 관계에 기초하여, 추출된 복수의 의미론적 객체를 포함하는 복수의 IPM(Inverse perspective mapping) 마스크를 생성할 수 있다. 여기서, 복수의 IPM 마스크는 복수의 프론트 뷰 이미지 내의 복수의 의미론적 객체가 조감도 이미지 형태로 변환된 마스크를 지칭할 수 있다. 즉, 복수의 IPM 마스크는 프론트 뷰 이미지 내의 하늘에서 도로를 바라봤을 때의 이미지에 대응하는 마스크를 지칭할 수 있다. 또한, 이미지 센서와 도로의 지면 사이의 위치 관계는 로컬 서브맵 생성 모듈(324)에서 접근가능한 저장 장치(예: 메모리)에 저장될 수 있다.

로컬 서브맵 생성 모듈(324)은 생성된 복수의 IPM 마스크를 이용하여 로컬 서브맵을 생성하도록 구성될 수 있다. 이러한 과정에서, 로컬 서브맵 생성 모듈(324)은 생성된 복수의 IPM 마스크를, 수신된 상대적 위치값(316), 즉, 차량의 이미지 센서의 상대적 위치가 반영된 복수의 IPM 이미지로 변환할 수 있다. 로컬 서브맵 생성 모듈(324)은 변환된 복수의 IPM 이미지를 연결시킴으로써, 로컬 서브맵을 생성할 수 있다. 예를 들어, 로컬 서브맵 생성 모듈(324)은 수신된 상대적 위치값(316)을 고려하여 복수의 IPM 이미지를 회전 이동시키고, 회전 이동된 복수의 IPM 이미지의 일부 영역을 겹치도록 결합함(즉, 누적시킴)으로써 로컬 서브맵을 생성할 수 있다. 생성된 로컬 서브맵은 프로세서(300)의 로컬 서브맵 매칭 모듈(326)에 제공될 수 있다.

프로세서(300)의 로컬 서브맵 매칭 모듈(326)은 수신된 비트맵과 로컬 서브맵을 기초로 차량의 제2 위치(예: 더 정확한 현재 위치)를 결정할 수 있다. 이를 위해, 로컬 서브맵 매칭 모듈(326)은 차량의 GPS 모듈을 통해 측정된 차량의 제1 위치(예: 차량의 대략적인 위치)를 수신할 수 있다. 일 실시예에 따르면, 로컬 서브맵 매칭 모듈(326)은 비트맵과 로컬 서브맵을 비교함으로써, 비트맵과 로컬 서브맵의 차이를 결정할 수 있고, 차량의 제1 위치 및 이러한 차이를 기초로 차량의 제2 위치를 추정할 수 있다. 여기서, 비트맵과 로컬 서브맵의 차이는 차량의 제1 위치로부터, X 축에서의 차이(translation), Y 축에서의 차이(translation), X 축 방향으로부터의 회전(rotation, 즉, Yaw 값)을 나타내는 3-자유도 값으로 표현될 수 있다. 여기서, X 축 방향으로부터 회전을 나타내는 값은 차량이 바라보고 있는 방향에 대한 정보를 포함할 수 있다. 또한, 차량의 제2 위치(322)는 GPS 좌표 및/또는 방위로 표시되어 추정된 위치로서 출력될 수 있다.

로컬 서브맵 매칭 모듈(326)은 추정된 차량의 제2 위치(332)에 대한 신뢰도(334)를 추출할 수 있다. 일 실시예에 따르면, 로컬 서브맵 매칭 모듈(326)은 수신된 비트맵 및 로컬 서브맵을 이용하여 하나 이상의 코스트 맵(즉, 유사도 맵)을 생성하고, 생성된 코스트 맵을 기초로 신뢰도(334)를 추정할 수 있다. 여기서, 코스트맵은 비트맵과 로컬 서브맵의 차이값의 각각에 대응하는 유사도를 포함할 수 있다. 예를 들어, 로컬 서브맵 매칭 모듈(326)은 산출된 코스트맵 내의 차이값 중 적어도 일부의 차이값(예를 들어, 미리 결정된 유사도 이상을 가진 차이값)을 3차원 포인트로 변환하고, 코스트맵에서 가장 유사도가 높은 차이값 주변에 변환된 3차원 포인트의 분포를 판정할 수 있다. 여기서, 로컬 서브맵 매칭 모듈(326)은 미리 결정된 유사도 이상을 가진 차이값을 가장 유사도가 높은 차이값에 대응하는 GPS 좌표 상의 방위를 기준으로 회전시킴으로써, 3차원 포인트를 생성할 수 있다. 변환된 3차원 포인트의 분포를 기초로, 로컬 서브맵 매칭 모듈(326)은 차량의 제2 위치(322)에 대한 신뢰도를 판정할 수 있다. 판정된 신뢰도(334)는 추정된 차량의 제2 위치(332)와 함께 출력될 수 있다.

도 4는 본 개시의 일 실시예에 따른 벡터맵을 비트맵으로 변환하는 과정의 예시를 나타내는 도면이다. 여기서, 벡터맵을 비트맵으로 변환하는 과정은 적어도 하나의 프로세서(예를 들어, 프로세서(300))에 의해 수행될 수 있다. 일 실시예에 따르면, 프로세서는 차량의 제1 위치(예: GPS 좌표 및/또는 방위)를 외부 장치에 송신하고, 외부 장치로부터 차량의 제1 위치가 포함된 특정 지역 내의 복수의 의미론적 객체를 나타내는 지역 벡터맵을 수신할 수 있다. 프로세서는 수신된 지역 벡터맵으로부터 차량의 제1 위치가 포함된 제1 영역(예를 들어, 200-1000m)을 도로 영역으로써 선택하여 벡터맵(410)을 획득할 수 있다.

벡터맵은 도로 영역에 존재하는 의미론적 객체, 예를 들어, 차선, 도로 경계선, 정지선, 노면 표시(예: 진행 방향, 진행 금지, 횡단보도 등)의 3차원 위치값을 벡터화시켜 표현한 맵을 지칭할 수 있다. 예를 들어, 벡터맵(410)에 도시된 바와 같이, 벡터맵 내의 차선, 도로 경계선과 같이 실선 또는 점선으로 이루어진 의미론적 객체는 실선 또는 점선의 균등 간격의 위치값으로 벡터화될 수 있다. 또 다른 예로서, 벡터맵(410)에 도시된 바와 같이, 벡터맵 내의 노면 표시와 같은 이미지로 이루어진 의미론적 객체는 이미지의 각 꼭지점이 연결된 폴리곤(polygon) 형태로 벡터화될 수 있다.

의미론적 객체가 벡터화되어 표현된 벡터맵(410)은, 복수의 의미론적 객체 각각에 대응되는 클래스 값을 포함할 수 있다. 일 실시예에서, 클래스 값은, 대응되는 의미론적 객체 각각이 무엇을 의미하는 객체인지를 나타내는 값일 수 있다. 예를 들어, 항공 사진에서의 횡단 보도는 사각형으로 이루어진 폴리곤 형태로 벡터화되고, '횡단 보도'에 대응되는 클래스 값이 할당될 수 있다. 프로세서는 할당된 클래스 값을 통해 사각형 폴리곤 형태의 벡터 표현이 '횡단 보도'의 표시를 지칭하는 것으로 판정할 수 있다.

획득된 벡터맵(410) 중에서, 프로세서는 차량의 제1 위치가 포함되고 제1 영역보다 작은 영역인 제2 영역(예를 들어, 100-200m)을 선택함으로써 서브 벡터맵을 생성할 수 있다. 또한, 프로세서는 생성된 서브 벡터맵을 이용하여 제1 비트맵을 생성할 수 있다. 일 실시예에서, 프로세서는 제1 비트맵 내의 복수의 의미론적 객체 중에서 차량의 제2 위치를 추정하는데 사용될 의미론적 객체를 선택할 수 있다. 예를 들어, 프로세서는 복수의 의미론적 객체 중에서 횡단 보도, 차선, 정지선, 외곽선, 노면 표시 등과 같이 차량의 제2 위치를 결정하기 위해 유용한 객체를 선택할 수 있다. 차량의 위치 결정을 위한 객체 선택이 완료되면, 프로세서는 선택된 의미론적 객체에 대응되는 클래스 값을 획득할 수 있다. 프로세서는 획득된 클래스 값 각각에 대응하는 이미지 형상을 이용하여 제1 비트맵을 생성할 수 있다. 이때, 제1 비트맵은 클래스 값에 대응하는 이미지 형상을 '0' 과 '1'로 표현하도록 구성될 수 있다.

제1 비트맵이 생성된 후, 프로세서는 제1 비트맵 중에서 제2 비트맵을 선택할 수 있다. 일 실시예에서, 프로세서는 제1 비트맵 중에서 차량의 제1 위치가 포함되고 제2 영역보다 작은 영역인 제3 영역(예를 들어, 1-100m)에 대응하는 제2 비트맵을 선택할 수 있다. 예를 들어, 제2 비트맵은 제1 비트맵 내의 제3 영역에 대한 정보를 획득하는 것으로 생성될 수 있다. 또 다른 예로서, 제2 비트맵은 제1 비트맵의 제3 영역 중 적어도 일부 영역을 기초로 생성될 수 있다. 프로세서는 제2 비트맵을 차량의 위치를 추정하기 위해 사용될 비트맵(412)으로서 선택할 수 있다.

도 5는 본 개시의 일 실시예에 따른 도로 영역 내의 의미론적 객체의 예시를 나타내는 도면이다. 의미론적 객체가 벡터화된 벡터맵은 항공 사진을 통해 생성될 수 있다. 일 실시예에서, 도 5에 도시된 바와 같이, 도로 영역 내의 차선, 분리 합류 구간, 직진 표시, 우회전 표시 등과 같은 의미론적 객체가 항공 사진(510, 520, 530, 540) 각각에 표시되어 있다. 의미론적 객체는 클래스 값이 포함된 상태로 벡터화될 수 있는데, 의미론적 객체의 종류에 따라 상이한 클래스 값이 할당될 수 있다. 예를 들어, 항공 사진(510) 내의 차선은 스프라이트 형태(512)로 벡터화되고, 차선에 해당하는 클래스 값인 '1'이 할당될 수 있다. 또한, 항공 사진(520) 내의 분리 합류 구간은 곡선 형태(522)로 벡터화되고 분리 합류 구간에 해당하는 클래스 값인 '2'가 할당될 수 있다.

이와 유사하게, 항공 사진(530) 내의 직진 표시는 꼭지점이 연결된 폴리곤 형태(532)로 벡터화될 수 있고, 직진 표시에 해당하는 클래스 값인 '3'이 할당될 수 있다. 또한, 항공 사진(540) 내의 우회전 표시는 꼭지점이 연결된 폴리곤 형태(542)로 벡터화될 수 있고, 우회전 표시에 해당하는 클래스 값인 '4'가 할당될 수 있다. 이 경우, 직진 표시 및 우회전 표시는 벡터화된 후 동일한 폴리곤 형태(532, 542)로 벡터화되기 때문에 직진 및 우회전의 모양이 어떻게 나타나는지 확인할 수 없으나, 직진 및 우회전 표시에 각각 서로 다른 클래스 값이 할당되어 직진 및 우회전은 구분되어 판정될 수 있다.

도 6은 본 개시의 일 실시예에 따른 벡터맵을 비트맵으로 변환하는 과정의 예시를 나타내는 도면이다. 본 개시에서, 벡터맵을 비트맵으로 변환하는 과정은 적어도 하나의 프로세서(예를 들어, 프로세서(300))에 의해 수행될 수 있다. 프로세서는 차량의 위치를 결정하거나 추정하기 위한 연산 속도를 높이기 위해, 맵의 사용시기 및/또는 크기에 따라 저장 위치를 상이하게 설정할 수 있다. 일 실시예에서, 지역 벡터맵(610)은 차량의 제1 위치가 포함된 특정 지역(예를 들어, 판교 지역) 내의 복수의 의미론적 객체가 포함된 벡터맵일 수 있다. 여기서, 지역 벡터맵(610)은 수 km 내지 수백 km까지의 넓은 범위를 포함하는 맵일 수 있는데, 용량의 효율성을 위해 메모리에 직접 저장되는 것이 아닌 파일 형태로 저장 장치에 저장될 수 있다. 여기서, 저장 장치는 메모리가 아닌, 별도의 영구 저장 장치를 지칭할 수 있다. 또는, 저장 장치는 메모리를 지칭할 수도 있다.

프로세서는 저장된 지역 벡터맵(610) 내에서, 차량의 제1 위치가 포함된 일정 범위(예를 들어, 차량의 제1 위치 주변의 200-1000m 반경)을 메모리로 불러올 수 있다. 여기서, 프로세서는 차량의 진행 속도 및 방향을 고려하여 지역 벡터맵(610) 내의 일정 영역을 불러오는 과정의 시점을 결정할 수 있으며, 일반적으로 수십 초에 한 번 정도 간격으로 이러한 과정이 실행될 수 있다. 도시된 바와 같이, 프로세서는 지역 벡터맵(610)으로부터 차량의 제1 위치가 포함된 제1 영역을 선택함으로써, 벡터맵(612)을 획득할 수 있다.

프로세서는 벡터맵(612) 중에서, 차량의 제1 위치가 포함된 제2 영역을 선택함으로써, 제2 영역이 포함된 서브 벡터맵(614)을 생성할 수 있다. 이 때, 제2 영역은 제1 영역보다 작을 수 있는데, 예를 들어, 제2 영역은 차량의 제1 위치 주변의 100-200m 반경을 지칭할 수 있다. 수 백 미터 크기의 영역을 가진 벡터맵을 비트맵으로 변환하는 것은 메모리의 효율이 떨어지고 처리 속도를 느리게 할 수 있다. 메모리 효율 및 처리 속도를 향상시키기 위하여, 프로세서는 벡터맵(612)로부터 캐쉬 메모리(cache memory)에 존재할 수 있는 크기(예를 들어, 약 1200 x 1200 픽셀 크기) 만큼의 서브 벡터맵(614)을 생성하고, 생성된 서브 벡터맵(614)을 제1 비트맵으로 변경할 수 있다. 예를 들어, 프로세서는 서브 벡터맵(614) 내의 복수의 의미론적 객체 중에서 차량의 위치 추정에 사용될 의미론적 객체를 선택하고, 선택된 의미론적 객체 각각에 대응하는 클래스 값을 획득할 수 있다. 또한, 프로세서는 획득된 클래스 값에 대응하는 이미지 형상을 이용하여 제1 비트맵(616)을 생성할 수 있다. 이렇게 생성된 제1 비트맵(616)은 캐시 메모리에 저장될 수 있다. 프로세서는 차량의 진행 속도 및 방향을 고려하여 서브 벡터맵(614)을 생성하고 생성된 서브 벡터맵(614)을 제1 비트맵(616)으로 변환하는 과정의 시점을 결정할 수 있다. 예를 들어, 이러한 과정이 일반 주행상황에서 일정 시간(예를 들어, 수 초)마다 한 번씩 실행될 수 있다.

프로세서는 생성된 제1 비트맵(616)에서 차량의 제1 위치가 포함된 제3 영역에 대응하는 제2 비트맵(618)을 선택할 수 있다. 여기서, 제3 영역은 제2 영역보다 작을 수 있는데, 예를 들어, 제3 영역은 차량의 제1 위치 주변의 수십 m 반경을 지칭할 수 있다. 일 실시예에서, 프로세서는 차량의 제1 위치가 포함된 제3 영역에 대응하는 제2 비트맵을 선택하기 위해, 제1 비트맵(616) 내의 제2 영역의 일부 영역에 대한 정보를 획득하고, 획득된 정보를 이용하여 제2 비트맵(618)을 사용할 수 있다. 예를 들어, 프로세서는 보간 기법을 이용하여 제1 비트맵(616) 내의 차량의 제1 위치 주변의 수십 미터의 영역(예: 32x 32m 영역)을 샘플링함으로써, 제2 비트맵(618)을 생성할 수 있다. 예를 들어, 제2 비트맵(618)의 크기는 약 400 x 400 픽셀 크기일 수 있다. 프로세서는 생성된 제2 비트맵(618)을 차량의 위치를 결정하기 위해 로컬 서브맵과 비교될 비트맵으로서 선택할 수 있다.

본 개시에 따르면, 프로세서가 중간 사이즈의 제1 비트맵(616)을 생성하고, 생성된 제1 비트맵(616)으로부터 작은 사이즈의 제2 비트맵(618)을 생성할 수 있다. 이에 따라, 차량이 운행되는 동안에, 프로세서가 벡터맵을 비트맵으로 변환하는 과정에서 생겨날 수 있는 비슷한 영역에 대한 중복 계산을 방지할 수 있다. 또한, 차량의 주변 반경 수십 미터 이내의 제2 비트맵(618)은 제1 비트맵(616) 내의 일부 영역에 대한 샘플링을 수행함으로써 생성되기 때문에, 제2 비트맵(618)의 생성 속도가 향상될 수 있다. 이러한 생성 속도의 향상에 기인하여, 제2 비트맵(618)이 차량의 주행 환경에 따라 10hz 내지 20hz 마다 갱신되어야 하는 환경에 적응할 수 있다.

도 7은 본 개시의 일 실시예에 따라 벡터맵으로부터 변환된 비트맵의 예시를 나타내는 도면이다. 일 실시예에서, 비트맵(710, 720)은, 벡터맵에서의 선택된 의미론적 객체(712, 722)가 비트로 표현된 맵일 수 있다. 예를 들어, 비트맵에서 의미론적 객체는 '0' 과 '1'로 이루어져 흑과 백으로 표현된 이미지 형상일 수 있다.

도 7은 본 개시의 일 실시예에 따라 벡터맵으로부터 변환된 비트맵의 예시를 나타내는 도면이다. 일 실시예에 따르면, 비트맵(710, 720)은, 차량의 위치를 추정하는데 사용될 비트맵(예: 제2 비트맵)으로서, 예를 들어, 차량의 위치 주변의 32m x 32m 영역 내의 복수의 의미론적 객체를 포함할 수 있다. 예를 들어, 비트맵(710, 720)의 복수의 픽셀은 '0' 과 '1'로 이루어져 흑과 백으로 표현된 이미지 형상일 수 있다. 또한, 비트맵(710, 720) 내의 복수의 의미론적 객체에 대응되는 영역은 클래스 값이 할당될 수 있다.

일 실시예에 따르면, 비트맵(710, 720) 내에 표시된 의미론적 객체 중에서, 의미론적 객체(712, 722)는 모두 폴리곤 형태로 표시된다. 또한, 의미론적 객체(712, 722)의 각각은 서로 다른 클래스 값이 할당될 수 있으며, 할당된 클래스값을 기초로 의미론적 객체(712, 722)에 대응하는 객체가 무엇인지 판정될 수 있다. 예를 들어, 비트맵(710) 내의 의미론적 객체(712)의 클래스 값이 '5'라면, 의미론적 객체(712)는 '5'와 대응되는 의미론적 객체인 '진행 금지'의 표시로 인식될 수 있다. 또 다른 예로서, 비트맵(720) 내의 의미론적 객체(722)의 클래스 값이 '6'이라면, 의미론적 객체(722)는 '6'과 대응되는 의미론적 객체인 'CCTV 단속구간'의 표시로 인식될 수 있다.

도 8은 본 개시의 일 실시예에 따른 복수의 뷰 이미지를 이용하여 로컬 서브맵을 생성하는 과정을 나타내는 도면이다. 이러한 로컬 서브맵 생성 과정은 적어도 하나의 프로세서(예: 로컬 서브맵 생성 모듈(324))에 의해 수행될 수 있다. 일 실시예에 따르면, 프로세서는 차량의 이미지 센서를 통해 촬상된 복수의 뷰 이미지를 수신할 수 있다(S810). 예를 들어, 차량의 이미지 센서는 차량의 프론트 뷰 이미지를 촬상하도록 차량에 배치될 수 있으며, 복수의 뷰 이미지는 차량의 프론트 뷰 이미지를 포함할 수 있다.

프로세서는 차량의 이미지 센서에 의해 촬상된 복수의 프론트 뷰 이미지로부터 복수의 의미론적 객체를 추출할 수 있다(S812). 일 실시예에 따르면, 복수의 의미론적 객체는 차량의 위치를 결정하거나 추정하는데 사용될 수 있는 임의의 객체를 포함할 수 있으며, 예를 들어, 의미론적 객체는 도로 영역 내의 도로 마커, 차선, 경계선, 횡단보도, 정지선 등을 포함할 수 있다.

프로세서는 복수의 프론트 뷰 이미지로부터 복수의 의미론적 객체를 추출하기 위해 미리 알려진 임의의 의미론적 분할(semantic segmentation) 방법이 사용될 수 있다. 일 실시예에 따르면, 프로세서는 복수의 의미론적 객체를 추출하기 위해 임의의 머신 러닝 기법을 이용할 수 있다. 예를 들어, 프로세서는 복수의 프론트 뷰 이미지 각각을, 이미지로부터 의미론적 객체를 추출하도록 학습된 인공신경망의 입력층에 입력하여, 복수의 프론트 뷰 이미지 내의 복수의 픽셀에 대한 비트 값과 복수의 프론트 뷰 이미지 내의 의미론적 객체에 대한 클래스 값을 추출할 수 있다. 예를 들어, 상이한 의미론적 객체에는 상이한 클래스 값이 할당될 수 있다.

의미론적 객체의 클래스 값이 추출되면, 의미론적 객체를 포함하는 복수의 IPM 마스크를 생성할 수 있다(S814). 일 실시예에 따르면, 프로세서는 차량에 배치된 이미지 센서와 도로의 지면 사이의 위치 관계에 기초하여 IPM 마스크를 생성할 수 있다. 예를 들어, 단일 IPM 마스크는 8 x 16 m의 크기를 가질 수 있다.

프로세서는 생성된 복수의 IPM 마스크를 이용하여 로컬 서브맵을 생성하도록 구성될 수 있다(S822). 일 실시예에 따르면, 프로세서는 차량의 이미지 센서의 상대적 위치가 반영된 IPM 이미지로 변환하고, 복수의 IPM 이미지를 연결시켜 로컬 서브맵을 생성할 수 있다. 여기서, 차량의 이미지 센서의 상대적 위치는 차량에 내장되거나 장착된 모션 센서에 의해 측정될 수 있다. 예를 들어, 프로세서는 이전 IPM 이미지 및 상대적 위치(820)를 수신하고, 현재 IPM 이미지를 상대적 위치에 따라 변환할 수 있다. 그리고 나서, 프로세서는 변환된 현재 IPM 이미지를 상대적 위치에 따라 이미 변환된 이전 IPM 이미지와 누적 연결시킴으로써, 로컬 서브맵을 생성할 수 있다. 예를 들어, 20-30개의 IPM 이미지가 누적되어 로컬 서브맵이 생성될 수 있다.

부가적으로, 프로세서는 뷰 이미지로부터 생성된 참조 이미지를 이용하여 IPM 마스크에 대한 리파인먼트(refinement)를 수행할 수 있다. 예를 들어, 프로세서는 CRF(Conditional Random Field)와 같은 구조 예측을 위한 통계적 모델링 기법을 이용하여 IPM 마스크의 리파인먼트를 수행함으로써, 로컬 서브맵 내의 의미론적 객체에 대응하는 영역의 이미지 퀄리티를 향상시킬 수 있다.

일 실시예에 따르면, 프로세서는 뷰 이미지에서 참조 이미지를 생성할 수 있다(S816). 예를 들어, 프로세서는 복수의 프론트 뷰 이미지로부터 추출된 복수의 의미론적 객체로부터 하나 이상의 동적 객체(예를 들어, 외부 차량)를 선택할 수 있다. 그리고 나서, 프로세서는 복수의 뷰 이미지 내에서, 복수의 의미론적 객체에 대응하는 영역으로부터 선택된 하나 이상의 동적 객체에 대응하는 영역을 제외한 영역을 기초로, 복수의 참조 이미지를 생성할 수 있다. 여기서, 참조 이미지는 뷰 이미지로부터 동적 객체에 대응하는 영역을 제거한 RGB 형태의 이미지일 수 있다.

그리고 나서, 프로세서는 생성된 복수의 참조 이미지를 이용하여 복수의 IPM 마스크에 대한 리파인먼트를 수행할 수 있다(S818). 예를 들어, 프로세서는 IPM 마스크와 동일한 뷰 이미지를 통해 생성된 참조 이미지(예: RGB 이미지)를 이용하여, IPM 마스크 내의 복수의 픽셀에 대한 비트 값을 변경할 수 있다. 이에 따라, IPM 마스크 내의 의미론적 객체의 각각은 보다 선명하게 표시되거나 의미론적 객체의 인식율이 보다 향상될 수 있다. 이렇게 리파인먼트가 수행된 IPM 마스크는 로컬 서브맵 생성을 위한 IPM 이미지를 생성하는데 사용될 수 있다.

도 9는 본 개시의 일 실시예에 따른 복수의 IPM 이미지를 이용하여 로컬 서브맵을 생성하는 예시를 나타내는 도면이다. 이러한 로컬 서브맵 생성 과정은 적어도 하나의 프로세서(예: 로컬 서브맵 생성 모듈(324))에 의해 수행될 수 있다. 일 실시예에 따르면, 프로세서는 복수의 IPM 이미지를 시간 순으로 수신할 수 있고, 차량의 모션 센서에 의해 획득된 이미지 센서의 상대적 위치를 고려하여 복수의 IPM 이미지를 연결시킬 수 있다. 도시된 바와 같이, 프로세서는 제1 IPM 이미지(912), 제2 IPM 이미지(914), 제3 IPM 이미지(916), 제4 IPM 이미지(918), 제5 IPM 이미지(920)를 시간 순으로 수신하고, 차량의 모션 센서에 의해 획득된 이미지 센서의 상대적 위치를 고려하여 수신된 IPM 이미지의 일부를 겹치도록 연결, 즉 누적 연결시킬 수 있다.

이렇게 누적 연결된 복수의 IPM 이미지를 이용하여 로컬 서브맵(930)이 생성될 수 있다. 예를 들어, 단일 IPM 이미지는 약 8 x 16 m의 크기를 가질 수 있다. 이러한 크기의 단일 IPM 이미지가 20개 내지 30개 누적되어 최종적으로 약 32 x 16 m 크기의 로컬 서브맵이 생성될 수 있다.

도 10은 본 개시의 다른 실시예에 따른 로컬 서브맵을 생성하는 예시를 나타내는 도면이다. 로컬 서브맵(1010, 1020)은 차량의 모션 센서에 의해 측정된 이미지 센서의 상대적 위치를 기초로 추정된 차량의 주행 방향에 따라 생성될 수 있다. 일 실시예에 따르면, 제1 로컬 서브맵(1010)은 '어린이 보호 구역'으로 진입하고 있는 차량을 기준으로 생성된 로컬 서브맵일 수 있다. 다른 실시예에서, 제2 로컬 서브맵(1020)은 굽은 도로로 진입하고 있는 차량을 기준으로 생성된 로컬 서브맵일 수 있다.

도 11은 본 개시의 일 실시예에 따른 차량의 현재 위치를 결정하는 과정을 나타내는 도면이다. 이러한 차량 위치를 결정하는 과정은 적어도 하나의 프로세서(예: 로컬 서브맵 매칭 모듈(326))에 의해 수행될 수 있다. 프로세서는 비트맵과 로컬 서브맵을 기초로 차량의 제2 위치를 결정할 수 있다. 여기서, 비트맵은 차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적 객체를 나타내는 벡터맵으로부터 변환될 수 있다. 또한, 로컬 서브맵은 차량의 이미지 센서에 의해 촬상된 복수의 뷰 이미지를 이용하여 생성될 수 있다. 일 실시예에서, 프로세서는 비트맵과 로컬 서브맵을 비교하여 비트맵과 로컬 서브맵의 차이를 결정하고, 차량의 제1 위치 및 결정된 차이를 기초로 차량의 제2 위치를 추정할 수 있다. 예를 들어, 비트맵과 로컬 서브맵의 차이는, 차량의 제1 위치로부터 X 축에서의 차이(translation), Y 축에서의 차이(translation), X 축 방향으로부터의 회전(rotation)을 나타내는 3-자유도(DoF) 값으로 표현될 수 있다. 이때, X 축 방향으로부터 회전을 나타내는 값은 차량이 바라보고 있는 방향에 대한 정보를 포함할 수 있다. 또한, 3-자유도 값은 X 축 차이값, Y 축 차이값 및 Yaw 회전값을 포함할 수 있다.

프로세서는 비트맵과 로컬 서브맵의 차이를 나타내는 3-자유도 값을 추정하기 위해 비트맵(1110)을 미리 결정된 복수의 각도(예를 들어, -2도에서 2도 사이의 미리 결정된 간격의 복수의 각도)를 이용하여 회전시킨 샘플 비트맵(1112)을 생성할 수 있다. 그리고 나서, 프로세서는 복수의 샘플 비트맵(1112)의 각각과 로컬 서브맵(1114) 사이의 상호 상관(1116, cross correlation)을 결정하여 코스트 맵(costmap)을 생성할 수 있다. 예를 들어, 프로세서는 복수의 샘플 비트맵(1112)의 각각과 로컬 서브맵(1114)을 고속 푸리에 변환(fast Fourier transform)을 수행하고, 복수의 샘플 비트맵(1112)의 각각과 로컬 서브맵(1114)의 차이에 대한 복수의 코스트맵을 생성할 수 있다. 예를 들어, 이러한 코스트맵은 정규화된 상관 계수 코스트맵(normalized correlation coefficient costmap)을 지칭할 수 있다. 프로세서는 이러한 고속 푸리에 변환을 사용하므로, 비트맵과 로컬 서브맵 사이의 차이를 결정하는데 있어서 신속한 연산이 가능하다. 이렇게 생성된 코스트맵을 기초로 비트맵과 로컬 서브맵 사이의 차이를 나타내는 3-자유도 값이 추정될 수 있다.

프로세서는 생성된 코스트 맵을 연결하여 코스트 볼륨(1118, cost volume)을 생성할 수 있다. 일 실시예에 따르면, 프로세서는 복수의 샘플 비트맵(1112)의 각각과 로컬 서브맵 사이의 차이에 대한 복수의 코스트맵을 생성하고, 생성된 복수의 코스트맵을 이어 붙임(concatenate)으로써, X 축 방향으로부터 회전을 나타내는 값, 즉 Yaw 회전값에 대한 유사도를 포함한 코스트 볼륨(cost volume)을 생성할 수 있다. 여기서, 코스트 볼륨은 복수의 코스트 맵을 기초로 추정된 복수의 3-자유도 값의 집합일 수 있으며, 추정된 3-자유도 값에 대한 유사도를 포함할 수 있다. 또한, 도시된 바와 같이, 코스트 볼륨의 longitudinal 축은 X 축, lateral 축은 Y 축을 나타내고 있으며, Yaw 값은 X 축 방향으로부터의 회전값을 지칭할 수 있다.

그리고 나서, 프로세서는, 코스트 볼륨에서 유사도가 가장 높은 3-자유도 값을 비트맵과 로컬 서브맵의 차이를 나타내는 값으로 추정할 수 있다. 예를 들어, 유사도의 범위는 '0'에서 '1' 사이의 값으로 표현될 수 있으며, 코스트 볼륨에서 유사도가 '1'에 가장 가까운 유사도를 가진 3-자유도 값이 로컬 서브맵의 차이를 나타내는 값인 추정값(1120)으로 결정될 수 있다.

그리고 나서, 프로세서는 코스트 볼륨에서의 유사도가 가장 높은 3-자유도 값에 코스트 볼륨의 3-자유도 값의 각각의 단위값에 해당하는 미리 결정된 크기를 적용함(예를 들어, 곱셈을 수행)으로써, 유사도가 가장 높은 3-자유도 값에 대한 조정값을 산출할 수 있다. 여기서, 미리 결정된 크기는 실제 세계의 물리값에 대응되는 크기를 지칭할 수 있으며, 예를 들어, 코스트 볼륨 내의 x, y의 각각의 경우, 1 단위는 0.8 미터의 크기를 가지며, 코스트 볼륨 내의 yaw 회전의 경우, 1 단위는 0.5 도의 크기를 가질 수 있다. 즉, 3-자유도 값에 대한 조정값은 실제 세계의 물리값, 예를 들어, GPS 좌표 및/또는 방위, 3차원의 좌표값(x, y, z) 등으로 출력될 수 있다. 프로세서는 산출된 조정값을 차량의 제1 위치(범용 GPS에 의해 측정된 값 또는 이용된 벡터맵에 대응하는 위치)에 적용함으로써 차량의 제2 위치(현재 위치)를 추정할 수 있다.

프로세서는 차량의 제2 위치값을 추정하는 것과 함께 차량의 제2 위치값에 대한 신뢰도를 추정값(1120)으로서 출력할 수 있다. 일 실시예에 따르면, 프로세서는 코스트 볼륨에서 미리 결정된 유사도(예를 들어, 코스트 볼륨 내의 포인트 중에서 2%의 포인트를 추출할 수 있는 유사도) 이상의 유사도를 가진 복수의 3-자유도 값에 대한 정보를 추출할 수 있다. 예를 들어, 프로세서는 미리 결정된 유사도 이상의 유사도를 가진 복수의 3-자유도 값으로부터 x 차이값 및 y 차이값을 추출할 수 있다. 그리고 나서, 프로세서는 추출된 복수의 3-자유도 값에 대응하는 정보에, 3-자유도 값의 코스트 볼륨의 단위값에 대응하는 미리 결정된 크기를 적용함으로써, 추출된 복수의 3-자유도 값에 대응하는 정보에 대한 조정값을 산출할 수 있다. 프로세서는 추정된 차량의 제2 위치에 대응하는 GPS 좌표 상의 방위를 기준으로 복수의 3-자유도 값에 대응하는 정보에 대한 조정값을 회전 또는 회전 변환시킬 수 있다. 예를 들어, 미리 결정된 유사도 이상의 유사도를 가진 복수의 3-자유도 값으로부터 추출된 x, y값을 특정 각도를 이용해서 회전시킬 수 있다. 이러한 특정 각도는 차량의 제2 위치에 대응하는 GPS 좌표 상의 방위를 기초로 산출될 수 있다.

그리고 나서, 프로세서는 복수의 3-자유도 값에 대응하는 정보에 대한 회전된 조정값에 대한 공분산 행렬을 산출할 수 있다. 여기서, 공분산 행렬(covariance matrix)은 3x3 공분산 행렬을 지칭할 수 있으며, 3x3 공분산 행렬을 산출하는데 있어서 복수의 3-자유도 값에 대응하는 x 차이값, y 차이값 및 yaw 회전값이 이용될 수 있다. 프로세서는 이렇게 산출된 공분산 행렬을 기초로 추정된 차량의 제2 위치에 대한 신뢰도를 결정할 수 있다. 공분산 행렬은 추정된 차량의 제2 위치의 주변에 회전된 복수의 자유도 값에 대응하는 조정값의 분포를 나타낼 수 있다.

도 12는 본 개시의 일 실시예에 따른 비트맵과 로컬 서브맵을 기초로 차량의 위치를 결정하는 예시를 나타내는 도면이다. 이러한 차량 위치를 결정하는 과정은 적어도 하나의 프로세서(예: 로컬 서브맵 매칭 모듈(326))에 의해 수행될 수 있다. 비교 이미지(1210)에 도시된 바와 같이, 차량의 이미지 센서에 의해 촬상된 복수의 뷰 이미지로부터 생성된 로컬 서브맵(1212)과 차량의 제1 위치에 포함된 도로 영역에 대응하는 벡터맵으로부터 변환된 비트맵(1214)을 비교해보면 차량의 제1 위치와 차량의 제2 위치에 대한 상대적인 차이가 나타날 수 있다. 이러한 차이는 비교 이미지(1210) 내의 X 축에서의 차이값 및 Y 축에서의 차이값을 포함할 수 있다. 이와 달리, 이러한 차이는 비교 이미지(1210) 내의 X 축에서의 차이값, Y 축에서의 차이값 및 X 축 방향으로부터의 회전값을 포함할 수 있다.

또한, 프로세서는 로컬 서브맵(1212)과 비트맵(1214)의 상대적인 차이를 결정하는 동시에 이러한 차이에 대한 유사도를 포함한 코스트맵(1220)을 생성할 수 있다. 프로세서는 생성된 코스트맵(1220)으로부터 가장 유사도가 높은 차이값을 선택할 수 있다. 그리고 나서, 프로세서는 비교 이미지(1230)에 도시된 바와 같이, 선택된 차이값을 기초로 비트맵(1234)의 위치를 로컬 서브맵(1232)의 위치와 일치시키도록 이동시킬 수 있다. 즉, 프로세서는 차량의 제1 위치에 산출된 차이값(상대적인 차이값)를 적용함으로써, 차량의 제2 위치를 결정할 수 있다.

도 13은 본 개시의 일 실시예에 따른 코스트맵으로부터 추출된 미리 결정된 유사도 이상의 유사도를 가진 포인트가 추출된 이미지의 예시를 보여주는 도면이다. 프로세서는 직전 차선 정보만 있는 경우에 코스트맵으로부터 추출된 미리 결정된 유사도 이상의 유사도를 가진 포인트(이하, 주요 포인트)가 표시된 이미지(1310, 1320)를 생성할 수 있다. 또한, 프로세서는 교차 상황인 경우 코스트맵으로부터 추출된 주요 포인트가 표시된 이미지(1330, 1340)를 생성할 수 있다. 도시된 바와 같이, 이미지(1310, 1320, 1330, 1340)의 주요 포인트는 짙은 색으로 표시된 점들의 집합으로 나타낼 수 있다. 여기서, 이미지(1310, 1320, 1330, 1340)의 주요 포인트는 코스트맵으로부터 추출된 x, y 값에 대한 조정값(즉, 실제 세계에서의 크기값)을 차량의 제2 위치에 대응하는 GPS 좌표 상의 방위를 기준으로 회전시킴으로써 생성될 수 있다.

프로세서는 이렇게 생성된 주요 포인트에 대한 공분산 행렬을 산출할 수 있다. 공분산 행렬을 통한 신뢰도는 조정값 분포의 밀도가 높을수록 높은 신뢰도를 나타낼 수 있다. 일 실시예에서, 이미지(1310, 1320) 내의 주요 포인트의 분포를 비교해 보면, 이미지(1310)의 분포의 밀도가 이미지(1320)의 분포의 밀도보다 더 높으므로, 이미지(1310)으로부터 산출된 차량의 제2 위치에 대한 신뢰도가 더 높다고 판정될 수 있다. 다른 실시예에 따르면, 이미지(1330, 1340) 내의 주요 포인트의 분포를 비교해보면, 이미지(1330)의 분포의 밀도가 이미지(1340)의 분포의 밀도보다 더 높으므로, 이미지(1330)으로부터 산출된 차량의 제2 위치에 대한 신뢰도가 더 높다고 판정될 수 있다.

도 14는 본 개시의 일 실시예에 따른 차량 위치 결정 방법을 나타내는 흐름도이다. 일 실시예에 따르면, 차량 위치 결정 방법은 차량에 포함된 컴퓨팅 장치에 탑재되거나 내장된 프로세서에 의해 실행될 수 있다. 다른 실시예에 따르면, 차량 위치 결정 방법은 정보 처리 시스템에 포함된 프로세서에 의해 실행될 수 있다. 차량 위치 결정 방법은 차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적 객체를 나타내는 벡터맵을 획득하는 단계(S1410)에 의해 개시될 수 있다. 여기서, 차량의 제1 위치는 차량의 GPS에 의해 측정된 차량의 대략적인 위치를 지칭할 수 있다. 예를 들어, 벡터맵은 항공 사진으로부터 생성된 로드 레이아웃 벡터 맵을 지칭할 수 있다. 또한, 복수의 의미론적 객체는 도로 영역 내에 포함되고 차량의 위치를 결정하는데 사용될 수 있는 임의의 객체를 포함할 수 있다.

프로세서는 벡터맵을 비트맵으로 변환할 수 있다(S1420). 일 실시예에 따르면, 프로세서는 벡터맵을 이미지화(rasterize)하여 비트맵을 생성할 수 있다. 예를 들어, 프로세서는 벡터맵으로부터 의미론적 객체를 선택하고 선택된 의미론적 객체에 대한 이미지 형상을 생성함으로써, 비트맵을 생성할 수 있다.

프로세서는 차량의 이미지 센서에 의해 촬상된 복수의 뷰 이미지를 이용하여 로컬 서브맵을 생성할 수 있다(S1430). 이를 위해, 프로세서는 차량의 이미지 센서와 도로의 지면 사이의 위치 관계에 기초하여 복수의 뷰 이미지를 복수의 조감도 이미지로 변환할 수 있다. 그리고 나서, 프로세서는 차량의 모션 센서에 의해 측정된 이미지 센서의 상대적인 위치를 기초로 복수의 조감도 이미지를 누적 연결함으로써, 로컬 서브맵을 생성할 수 있다.

프로세서는 변환된 비트맵과 생성된 로컬 서브맵을 기초로 차량의 제2 위치를 결정할 수 있다(S1440). 여기서, 차량의 제2 위치는 차량의 현재 위치를 지칭할 수 있다. 프로세서는 비트맵과 로컬 서브맵을 비교하여, 비트맵과 로컬 서브맵 사이의 차이를 결정할 수 있다. 그리고 나서, 프로세서는 차량의 제1 위치에 결정된 차이를 반영하여 차량의 제2 위치를 결정할 수 있다.

상술한 차량 위치 결정 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

110: 차량 120: 도로 영역
130: 횡단 보도 140: 정지선
150: 차선 210: 컴퓨팅 장치
220: 입출력 장치 230: 정보 처리 시스템
212, 232: 메모리 214, 234: 프로세서
216, 236: 통신 모듈 218, 238: 입출력 인터페이스
300: 프로세서 322: 비트맵 변환 모듈
324: 로컬 서브맵 생성 모듈 326: 로컬 서브맵 매칭 모듈

Claims

적어도 하나의 프로세서에 의해 수행되는 차량 위치 결정 방법에 있어서,
차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적(semantic) 객체를 나타내는 벡터맵을 획득하는 단계;
상기 벡터맵을 비트맵으로 변환시키는 단계;
상기 차량의 이미지 센서에 의해 촬상된 복수의 프론트 뷰 이미지를 이용하여, 복수의 IPM(Inverse perspective mapping) 마스크를 생성하는 단계;
상기 차량의 이미지 센서와 도로의 지면 사이의 위치 관계를 기초로 생성된 상기 복수의 IPM 마스크를 복수의 IPM 이미지로 변환시키는 단계;
상기 변환된 복수의 IPM 이미지를 연결시킴으로써, 로컬 서브맵(submap)을 생성하는 단계;
상기 변환된 비트맵과 상기 생성된 로컬 서브맵을 비교함으로써, 상기 변환된 비트맵과 상기 생성된 로컬 서브맵의 차이를 결정하는 단계; 및
상기 차량의 제1 위치 및 상기 결정된 차이를 기초로 상기 차량의 제2 위치를 추정하는 단계
를 포함하는, 차량 위치 결정 방법.
제1항에 있어서,
상기 차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적(semantic) 객체를 나타내는 벡터맵을 획득하는 단계는,
상기 차량의 제1 위치가 포함된 특정 지역 내의 복수의 의미론적 객체를 나타내는 지역 벡터맵을 수신하는 단계; 및
상기 수신된 지역 벡터맵으로부터 상기 차량의 제1 위치가 포함된 제1 영역을 선택함으로써, 상기 벡터맵을 획득하는 단계
를 포함하는, 차량 위치 결정 방법.
적어도 하나의 프로세서에 의해 수행되는 차량 위치 결정 방법에 있어서,
차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적 객체를 나타내는 벡터맵을 획득하는 단계;
상기 벡터맵을 비트맵으로 변환시키는 단계;
상기 차량의 이미지 센서에 의해 촬상된 복수의 뷰 이미지를 이용하여 로컬 서브맵을 생성하는 단계; 및
상기 변환된 비트맵과 상기 생성된 로컬 서브맵을 기초로 상기 차량의 제2 위치를 결정하는 단계를 포함하고,
상기 차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적 객체를 나타내는 벡터맵을 획득하는 단계는,
상기 차량의 제1 위치가 포함된 특정 지역 내의 복수의 의미론적 객체를 나타내는 지역 벡터맵을 수신하는 단계; 및
상기 수신된 지역 벡터맵으로부터 상기 차량의 제1 위치가 포함된 제1 영역을 선택함으로써, 상기 벡터맵을 획득하는 단계를 포함하고,
상기 벡터맵은 상기 복수의 의미론적 객체에 대응하는 클래스 값을 포함하고,
상기 벡터맵을 비트맵으로 변환시키는 단계는,
상기 획득된 벡터맵 중에서, 상기 차량의 제1 위치가 포함된 제2 영역을 선택함으로써, 상기 제2 영역이 포함된 서브 벡터맵을 생성하는 단계 - 상기 제2 영역은 상기 제1 영역보다 작음 -;
상기 서브 벡터맵 내의 복수의 의미론적 객체 중에서, 상기 차량의 위치 추정에 사용될 하나 이상의 의미론적 객체를 선택하는 단계;
상기 선택된 하나 이상의 의미론적 객체의 각각에 대응하는 클래스 값을 획득하는 단계; 및
상기 획득된 클래스 값의 각각에 대응하는 이미지 형상을 이용하여 제1 비트맵을 생성하는 단계
를 포함하는, 차량 위치 결정 방법.
제3항에 있어서,
상기 벡터맵을 비트맵으로 변환시키는 단계는,
상기 생성된 제1 비트맵 중에서, 상기 차량의 제1 위치가 포함된 제3 영역에 대응하는 제2 비트맵을 상기 비트맵으로서 선택하는 단계 - 상기 제3 영역은 상기 제2 영역보다 작음 -
를 포함하는, 차량 위치 결정 방법.
제4항에 있어서,
상기 차량의 제1 위치가 포함된 제3 영역에 대응하는 제2 비트맵을 상기 비트맵으로서 선택하는 단계는,
상기 비트맵 내의 제3 영역의 적어도 일부 영역에 대한 정보를 획득하는 단계; 및
상기 획득된 정보를 이용하여 상기 제2 비트맵을 생성하는 단계
를 포함하는, 차량 위치 결정 방법.
제1항에 있어서,
상기 차량의 이미지 센서는 상기 차량의 프론트 뷰를 촬상하도록 상기 차량에 배치되고,
상기 차량의 이미지 센서에 의해 촬상된 복수의 프론트 뷰 이미지를 이용하여, 복수의 IPM 마스크를 생성하는 단계는,
상기 차량의 이미지 센서에 의해 촬상된 복수의 프론트 뷰 이미지로부터 복수의 의미론적 객체를 추출하는 단계; 및
상기 차량에 배치된 이미지 센서와 상기 도로의 지면 사이의 위치 관계에 기초하여 상기 추출된 복수의 의미론적 객체를 포함한 복수의 IPM 마스크를 생성하는 단계
를 포함하는 차량 위치 결정 방법.
제6항에 있어서,
상기 차량의 이미지 센서에 의해 촬상된 복수의 프론트 뷰 이미지로부터 복수의 의미론적 객체를 추출하는 단계는.
상기 복수의 프론트 뷰 이미지의 각각을, 이미지로부터 의미론적 객체를 추출하도록 학습된 인공신경망에 입력하여, 상기 복수의 프론트 뷰 이미지 내의 복수의 픽셀에 대한 비트 값과 상기 복수의 프론트 뷰 이미지로부터 추출된 복수의 의미론적 객체에 대한 클래스 값을 출력하는 단계
를 포함하는, 차량 위치 결정 방법.
제1항에 있어서,
상기 차량은 상기 이미지 센서의 상대적 위치를 측정하도록 구성된 모션 센서를 포함하고,
상기 차량의 이미지 센서와 도로의 지면 사이의 위치 관계를 기초로 생성된 상기 복수의 IPM 마스크를 복수의 IPM 이미지로 변환시키는 단계는,
상기 복수의 IPM 마스크를, 상기 모션 센서로부터 측정된 상기 이미지 센서의 상대적 위치가 반영된 복수의 IPM 이미지로 변환하는 단계
를 포함하는, 차량 위치 결정 방법.
제6항에 있어서,
상기 차량의 이미지 센서에 의해 촬상된 복수의 프론트 뷰 이미지를 이용하여 복수의 IPM 마스크를 생성하는 단계는,
상기 복수의 프론트 뷰 이미지로부터 추출된 복수의 의미론적 객체 중에서, 하나 이상의 동적 객체를 선택하는 단계;
상기 복수의 프론트 뷰 이미지 내에서, 상기 복수의 의미론적 객체에 대응하는 영역으로부터 상기 선택된 하나 이상의 동적 객체에 대응하는 영역을 제외한 영역을 기초로 복수의 참조 이미지를 생성하는 단계; 및
상기 생성된 복수의 참조 이미지를 이용하여 복수의 IPM 마스크에 대한 리파인먼트(refinement)를 수행하는 단계
를 포함하는, 차량 위치 결정 방법.
삭제
제1항에 있어서,
상기 변환된 비트맵과 상기 생성된 로컬 서브맵을 비교함으로써, 상기 변환된 비트맵과 상기 생성된 로컬 서브맵의 차이를 결정하는 단계는,
상기 차량의 제1 위치로부터, X 축에서의 차이(translation), Y 축에서의 차이(translation), X 축 방향으로부터의 회전(rotation)을 나타내는 3-자유도 값을 추정하는 단계를 포함하는, 차량 위치 결정 방법.
제11항에 있어서,
상기 X 축 방향으로부터 회전을 나타내는 값은 상기 차량이 바라보고 있는 방향에 대한 정보를 포함하는, 차량 위치 결정 방법.
적어도 하나의 프로세서에 의해 수행되는 차량 위치 결정 방법에 있어서,
차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적 객체를 나타내는 벡터맵을 획득하는 단계;
상기 벡터맵을 비트맵으로 변환시키는 단계;
상기 차량의 이미지 센서에 의해 촬상된 복수의 뷰 이미지를 이용하여 로컬 서브맵을 생성하는 단계; 및
상기 변환된 비트맵과 상기 생성된 로컬 서브맵을 기초로 상기 차량의 제2 위치를 결정하는 단계를 포함하고,
상기 변환된 비트맵과 상기 생성된 로컬 서브맵을 기초로 상기 차량의 제2 위치를 결정하는 단계는,
상기 변환된 비트맵과 상기 생성된 로컬 서브맵을 비교함으로써, 상기 변환된 비트맵과 상기 생성된 로컬 서브맵의 차이를 결정하는 단계; 및
상기 차량의 제1 위치 및 상기 결정된 차이를 기초로 상기 차량의 제2 위치를 추정하는 단계를 포함하고,
상기 변환된 비트맵과 상기 생성된 로컬 서브맵을 비교함으로써, 상기 변환된 비트맵과 상기 생성된 로컬 서브맵의 차이를 결정하는 단계는,
상기 차량의 제1 위치로부터, X 축에서의 차이, Y 축에서의 차이, X 축 방향으로부터의 회전을 나타내는 3-자유도 값을 추정하는 단계를 포함하고,
상기 변환된 비트맵에 대응하는 위치로부터 X축에서의 차이, Y 축에서의 차이, X 방향으로부터의 회전을 나타내는 3-자유도 값을 추정하는 단계는,
상기 비트맵을 미리 결정된 복수의 각도를 이용하여 회전시킨 복수의 샘플 비트맵을 생성하는 단계;
상기 복수의 샘플 비트맵의 각각과 상기 로컬 서브맵 사이의 상호 상관(cross correlation)를 결정하여 복수의 코스트 맵을 생성하는 단계; 및
상기 생성된 복수의 코스트 맵을 기초로 상기 3-자유도 값을 추정하는 단계
를 포함하는, 차량 위치 결정 방법.
제13항에 있어서.
상기 생성된 복수의 코스트 맵을 기초로 상기 3-자유도 값을 추정하는 단계는,
상기 생성된 복수의 코스트 맵을 연결하여 코스트 볼륨(cost volume)을 생성하는 단계 - 상기 코스트 볼륨은 추정된 복수의 3-자유도 값에 대한 유사도를 포함함 -; 및
상기 코스트 볼륨에서 유사도가 가장 높은 3-자유도 값을 상기 3-자유도 값으로 추정하는 단계
를 포함하는, 차량 위치 결정 방법.
제14항에 있어서,
상기 차량의 제1 위치 및 상기 결정된 차이를 기초로 상기 차량의 제2 위치를 추정하는 단계는,
상기 코스트 볼륨에서의 유사도가 가장 높은 3-자유도 값에 상기 코스트 볼륨의 3-자유도 값의 각각의 단위값에 해당하는 미리 결정된 크기를 적용함으로써, 상기 유사도가 가장 높은 3-자유도 값에 대한 조정값을 산출하는 단계; 및
상기 차량의 제1 위치에 상기 산출된 조정값을 적용함으로써, 상기 차량의 제2 위치를 추정하는 단계를 포함하는,
차량 위치 결정 방법.
제15항에 있어서,
상기 추정된 차량의 제2 위치에 대한 신뢰도를 추출하는 단계를 더 포함하고,
상기 추정된 차량의 제2 위치는 GPS 상의 좌표로 표시되는, 차량 위치 결정 방법.
제16항에 있어서.
상기 추정된 차량의 제2 위치에 대한 신뢰도를 추출하는 단계는,
상기 코스트 볼륨에서 미리 결정된 유사도 이상의 유사도를 가진 복수의 3-자유도 값에 대응하는 정보를 추출하는 단계;
상기 추출된 복수의 3-자유도 값에 대응하는 정보에 상기 코스트 볼륨의 단위값에 대응하는 미리 결정된 크기를 적용함으로써, 상기 추출된 복수의 3-자유도 값에 대응하는 정보에 대한 조정값을 산출하는 단계;
상기 추정된 차량의 제2 위치에 대응하는 GPS 좌표 상의 방위를 기준으로 상기 복수의 3-자유도 값에 대응하는 정보에 대한 조정값을 회전시키는 단계;
상기 회전된 조정값에 대한 공분산 행렬을 산출하는 단계; 및
상기 산출된 공분산 행렬을 기초로 상기 차량의 제2 위치에 대한 신뢰도를 결정하는 단계를 포함하는,
차량 위치 결정 방법.
제17항에 있어서,
상기 공분산 행렬은 상기 추정된 차량의 제2 위치의 주변에 상기 회전된 복수의 3-자유도 값에 대응하는 정보에 대한 조정값의 분포를 나타내는, 차량 위치 결정 방법.
제1항 내지 제9항 및 제11항 내지 제18항 중 어느 한 항에 따른 차량 위치 결정 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
차량 위치 결정 시스템으로서,
메모리; 및
상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로그램은,
차량의 제1 위치가 포함된 도로 영역 내의 복수의 의미론적 객체를 나타내는 벡터맵을 획득하고,
상기 벡터맵을 비트맵으로 변환시키고,
상기 차량의 이미지 센서에 의해 촬상된 복수의 프론트 뷰 이미지를 이용하여, 복수의 IPM 마스크를 생성하고,
상기 차량의 이미지 센서와 도로의 지면 사이의 위치 관계를 기초로 생성된 상기 복수의 IPM 마스크를 복수의 IPM 이미지로 변환시키고,
상기 변환된 복수의 IPM 이미지를 연결시킴으로써, 로컬 서브맵을 생성하고,
상기 변환된 비트맵과 상기 생성된 로컬 서브맵을 비교함으로써, 상기 변환된 비트맵과 상기 생성된 로컬 서브맵의 차이를 결정하고,
상기 차량의 제1 위치 및 상기 결정된 차이를 기초로 상기 차량의 제2 위치를 추정하기 위한 명령어를 포함하는,
차량 위치 결정 시스템.