KR102373826B1 - 센서 융합 기반의 차량 측위 방법 및 이를 이용한 차량 측위 장치 - Google Patents

센서 융합 기반의 차량 측위 방법 및 이를 이용한 차량 측위 장치 Download PDF

Info

Publication number
KR102373826B1
KR102373826B1 KR1020200125268A KR20200125268A KR102373826B1 KR 102373826 B1 KR102373826 B1 KR 102373826B1 KR 1020200125268 A KR1020200125268 A KR 1020200125268A KR 20200125268 A KR20200125268 A KR 20200125268A KR 102373826 B1 KR102373826 B1 KR 102373826B1
Authority
KR
South Korea
Prior art keywords
vehicle
candidate
information
ego
car
Prior art date
Application number
KR1020200125268A
Other languages
English (en)
Inventor
신기철
김상기
한지형
Original Assignee
(주)오토노머스에이투지
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 (주)오토노머스에이투지 filed Critical (주)오토노머스에이투지
Priority to KR1020200125268A priority Critical patent/KR102373826B1/ko
Application granted granted Critical
Publication of KR102373826B1 publication Critical patent/KR102373826B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0011—Planning or execution of driving tasks involving control alternatives for a single driving scenario, e.g. planning several paths to avoid obstacles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
    • B60W60/00184—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to infrastructure
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • B60W2420/52—
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4042—Longitudinal speed

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Electromagnetism (AREA)
  • Human Computer Interaction (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명에 따르면, 센서 융합 기반의 차량 측위 방법에 있어서, (a) 정밀 지도 데이터를 이용하여 에고 자동차가 주행 중인 도로 상에 위치하는 인프라 센서들로부터 검출된 상기 도로 상에 위치하는 상기 에고 자동차를 포함하는 제1 자동차 내지 제n(상기 n은 1 이상의 정수임) 자동차에 대한 정보들인 제1 자동차 정보들 내지 제n 자동차가 정보들이 획득되면, 상기 에고 자동차의 차량 측위 장치가, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들에 포함된 제1 자동차 속도 정보 내지 제n 자동차 속도 정보 중에서 상기 에고 자동차에서 검출된 에고 자동차 속도 정보와 대응되는 제1 후보 자동차 속도 정보 내지 제m(상기 m은 상기 n 이하의 정수임) 후보 자동차 속도 정보를 추출하고, 상기 제1 후보 자동차 속도 정보 내지 상기 제m 후보 자동차 속도 정보에 대응되는 제1 후보 자동차 내지 제m 후보 자동차를 상기 에고 자동차의 후보군으로 선정하는 단계; (b) 상기 차량 측위 장치가, 상기 에고 자동차에서 검출된 주변 자동차들에 대한 오브젝트 정보들인 에고 오브젝트 정보들을, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들로부터 획득된 상기 제1 후보 자동차의 주변 자동차들에 대응되는 제1 오브젝트 정보들 내지 상기 제m 후보 자동차의 주변 자동차들에 대응되는 제m 오브젝트 정보들과 각각 매칭하여 상기 에고 오브젝트 정보들과 유사도가 높은 특정 오브젝트 정보들을 추출하며, 상기 특정 오브젝트 정보들에 대응되는 특정 후보 자동차를 상기 에고 자동차로 선정하는 단계; 및 (c) 상기 차량 측위 장치가, 상기 특정 오브젝트 정보들을 상기 정밀 지도 데이터에 새로운 랜드 마크로 추가하고, 상기 새로운 랜드 마크를 이용하여 상기 에고 자동차의 측위를 수행하는 단계;를 포함하는 방법이 개시된다.

Description

센서 융합 기반의 차량 측위 방법 및 이를 이용한 차량 측위 장치{METHOD AND DEVICE FOR VEHICLE POSITIONING BASED ON SENSOR FUSION}
본 발명은 센서 융합 기반의 차량 측위 방법 및 이를 이용한 차량 측위 장치에 관한 것으로, 보다 상세하게는, 인프라 센서에 의한 센싱 정보를 융합하여 차량을 측위하는 방법 및 이를 이용한 차량 측위 장치에 관한 것이다.
최근 들어 자율주행차량 시장이 급격하게 성장하고 있다. 이러한 자율주행차량에 사용되는 정밀 측위는 그 성능에 따라 자율주행차량이 수행하는 행동이 달라지므로, 자율주행차량의 정밀 측위 성능이 매우 중요하다는 결론을 얻을 수 있다.
현재 자율주행차량에 사용되는 정밀 지도를 이용한 정밀 측위는 GPS, 랜드 마크, V2X 통신 및 라이다(Lidar) 센서, 레이더(Radar) 센서, 카메라 센서 등을 이용하여 이루어지거나, 이들을 융합하여 이루어지고 있다.
특히, 랜드 마크를 이용하는 방법은 정밀 지도상에 정의된 도로 주변 랜드 마크를 자율주행차량의 센서로 측정하고, 측정된 랜드 마크의 데이터를 정밀 지도상에 매칭하여 수행된다.
그러나, 도로가 혼잡하여 주변 차량에 의해 자율주행차량에 장착된 센서의 시야가 제한되어 정밀 지도상에 정의된 도로 주변 랜드 마크를 자율주행차량의 센서가 정확하게 측정할 수 없게 되는 경우 정밀 측위의 성능이 저하될 수 있다.
따라서, 안정적으로 주변의 랜드 마크를 측정하지 못하게 되면 측위 성능이 저하되고, 자율주행차량의 성능이 저하되어 정상적인 자율주행이 불가능한 상황이 발생할 수 있다.
이러한 이유로 인하여, 혼잡한 상황에서도 자율주행차량의 정밀 측위의 성능이 저하되지 않는 방법이 필요한 실정이다.
본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은 주변 차량에 의해 센서의 시야가 방해받는 혼잡한 상황에서도 정밀 측위를 수행할 수 있게 하는 것을 다른 목적으로 한다.
또한, 본 발명은 도로 주변에 정밀 측위를 위한 랜드마크가 없거나 정의되지 않는 환경에서도 정밀 측위를 수행할 수 있게 하는 것을 또 다른 목적으로 한다.
상기한 바와 같은 본 발명의 목적을 달성하고, 후술하는 본 발명의 특징적인 효과를 실현하기 위한 본 발명의 특징적인 구성은 하기와 같다.
본 발명의 일 태양에 따르면, 센서 융합 기반의 차량 측위 방법에 있어서, (a) 정밀 지도 데이터를 이용하여 에고 자동차가 주행 중인 도로 상에 위치하는 인프라 센서들로부터 검출된 상기 도로 상에 위치하는 상기 에고 자동차를 포함하는 제1 자동차 내지 제n - 상기 n은 1 이상의 정수임 - 자동차에 대한 정보들인 제1 자동차 정보들 내지 제n 자동차 정보들이 획득되면, 상기 에고 자동차의 차량 측위 장치가, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들에 포함된 제1 자동차 속도 정보 내지 제n 자동차 속도 정보 중에서 상기 에고 자동차에서 검출된 에고 자동차 속도 정보와 대응되는 제1 후보 자동차 속도 정보 내지 제m - 상기 m은 상기 n 이하의 정수임 - 후보 자동차 속도 정보를 추출하고, 상기 제1 후보 자동차 속도 정보 내지 상기 제m 후보 자동차 속도 정보에 대응되는 제1 후보 자동차 내지 제m 후보 자동차를 상기 에고 자동차의 후보군으로 선정하는 단계; (b) 상기 차량 측위 장치가, 상기 에고 자동차에서 검출된 주변 자동차들에 대한 오브젝트 정보들인 에고 오브젝트 정보들을, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들로부터 획득된 상기 제1 후보 자동차의 주변 자동차들에 대응되는 제1 오브젝트 정보들 내지 상기 제m 후보 자동차의 주변 자동차들에 대응되는 제m 오브젝트 정보들과 각각 매칭하여 상기 에고 오브젝트 정보들과 유사도가 높은 특정 오브젝트 정보들을 추출하며, 상기 특정 오브젝트 정보들에 대응되는 특정 후보 자동차를 상기 에고 자동차로 선정하는 단계; 및 (c) 상기 차량 측위 장치가, 상기 특정 오브젝트 정보들을 상기 정밀 지도 데이터에 새로운 랜드 마크로 추가하고, 상기 새로운 랜드 마크를 이용하여 상기 에고 자동차의 측위를 수행하는 단계;를 포함하는 방법이 개시된다.
일례로서, 상기 (a) 단계에서, 상기 차량 측위 장치는, 상기 제1 자동차의 속도인 제1 자동차 속도 내지 상기 제n 자동차의 속도인 제n 자동차 속도 각각과, 상기 에고 자동차의 속도인 에고 자동차 속도와의 차이를 연산하며, 연산된 제1 자동차 속도 차이 내지 제n 자동차 속도 차이 중 기설된 임계값 이내인 제1 후보 자동차 속도 차이 내지 제m 후보 자동차 속도 차이를 추출하고, 상기 제1 후보 자동차 속도 차이 내지 상기 제m 후보 자동차 속도 차이에 대응되는 상기 제1 후보 자동차 내지 상기 제m 후보 자동차를 상기 에고 자동차의 상기 후보군으로 선정하는 방법이 개시된다.
일례로서, 상기 (a) 단계에서, 상기 차량 측위 장치는, (i) 상기 제1 자동차의 속도인 제1 자동차 속도 내지 상기 제n 자동차의 속도인 제n 자동차 속도 각각과, 상기 에고 자동차의 속도인 에고 자동차 속도와의 차이를 연산하며, 연산된 제1 자동차 속도 차이 내지 제n 자동차 속도 차이 중 기설된 임계값 이내인 제1 후보 대상 자동차 속도 차이 내지 제k - 상기 k는 m 이상, n 이하인 정수임 - 후보 대상 자동차 속도 차이를 추출하고, 상기 제1 후보 대상 자동차 속도 차이 내지 상기 제k 후보 대상 자동차 속도 차이에 대응되는 제1 후보 대상 자동차 내지 제k 후보 대상 자동차를 상기 에고 자동차의 후보 대상군으로 선정하며, (ii) 상기 제1 후보 대상 자동차의 속도 히스토리인 제1 후보 대상 자동차 속도 히스토리 내지 상기 제k 후보 대상 자동차의 속도 히스토리인 제k 후보 대상 자동차 속도 히스토리 중에서 상기 에고 자동차의 속도 히스토리인 에고 자동차 속도 히스토리와 유사한 패턴을 가지는 제1 후보 자동차 속도 히스토리 내지 제m 후보 자동차 속도 히스토리를 추출하며, 상기 제1 후보 자동차 속도 히스토리 내지 상기 제m 후보 자동차 속도 히스토리에 대응되는 상기 제1 후보 자동차 내지 상기 제m 후보 자동차를 상기 후보군으로 선정하는 방법이 개시된다.
일례로서, 상기 (a) 단계에서, 상기 차량 측위 장치는, 상기 인프라 센서들로부터 센싱된 정보를 V2X 통신을 통해 수신하며, 상기 인프라 센서들로부터 센싱된 정보를 참조하여 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들을 획득하거나, 상기 인프라 센서들로부터 센싱된 정보들을 분석하는 인프라 시스템으로부터 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들을 상기 V2X 통신을 통해 획득하는 방법이 개시된다.
일례로서, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들 각각은 상기 제1 자동차 내지 상기 제n 자동차 각각에 대한 속도 정보들, 위치 정보들, 및 형태에 대응되는 오브젝트 정보들을 포함하는 방법이 개시된다.
일례로서, 상기 인프라 센서들은, 상기 주행 도로를 중심으로 적어도 대각선 위치의 상기 주행 도로의 양측에 설치되는 방법이 개시된다.
일례로서, 상기 인프라 센서들은, 라이다 센서, 레이더 센서 및 카메라 센서 중 적어도 하나를 포함하는 방법이 개시된다.
일례로서, 상기 (c) 단계에서, 상기 차량 측위 장치는, 상기 새로운 랜드 마크에 상기 에고 오브젝트들을 맵 매칭하여 상기 에고 자동차의 측위를 수행하는 방법이 개시된다.
일례로서, 상기 (c) 단계에서, 상기 차량 측위 장치는, 상기 새로운 랜드 마크와 상기 정밀 지도 데이터의 기존 랜드 마크를 이용하여 상기 에고 자동차의 측위를 수행하는 방법이 개시된다.
본 발명의 다른 태양에 따르면, 센서 융합 기반의 차량 측위 장치에 있어서, 인스트럭션들을 저장하는 적어도 하나의 메모리; 및 상기 인스트럭션들을 실행하기 위해 구성된 적어도 하나의 프로세서;를 포함하며, 상기 프로세서는, (I) 정밀 지도 데이터를 이용하여 에고 자동차가 주행 중인 도로 상에 위치하는 인프라 센서들로부터 검출된 상기 도로 상에 위치하는 상기 에고 자동차를 포함하는 제1 자동차 내지 제n - 상기 n은 1 이상의 정수임 - 자동차에 대한 정보들인 제1 자동차 정보들 내지 제n 자동차 정보들이 획득되면, 상기 프로세서가, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들에 포함된 제1 자동차 속도 정보 내지 제n 자동차 속도 정보 중에서 상기 에고 자동차에서 검출된 에고 자동차 속도 정보와 대응되는 제1 후보 자동차 속도 정보 내지 제m - 상기 m은 상기 n 이하의 정수임 - 후보 자동차 속도 정보를 추출하고, 상기 제1 후보 자동차 속도 정보 내지 상기 제m 후보 자동차 속도 정보에 대응되는 제1 후보 자동차 내지 제m 후보 자동차를 상기 에고 자동차의 후보군으로 선정하는 프로세스; (II) 상기 프로세서가, 상기 에고 자동차에서 검출된 주변 자동차들에 대한 오브젝트 정보들인 에고 오브젝트 정보들을, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들로부터 획득된 상기 제1 후보 자동차의 주변 자동차들에 대응되는 제1 오브젝트 정보들 내지 상기 제m 후보 자동차의 주변 자동차들에 대응되는 제m 오브젝트 정보들과 각각 매칭하여 상기 에고 오브젝트 정보들과 유사도가 높은 특정 오브젝트 정보들을 추출하며, 상기 특정 오브젝트 정보들에 대응되는 특정 후보 자동차를 상기 에고 자동차로 선정하는 프로세스; (III) 상기 프로세서가, 상기 특정 오브젝트 정보들을 상기 정밀 지도 데이터에 새로운 랜드 마크로 추가하고, 상기 새로운 랜드 마크를 이용하여 상기 에고 자동차의 측위를 수행하는 프로세스;를 수행하는 장치가 개시된다.
일례로서, 상기 (I) 프로세스에서, 상기 프로세서는, 상기 제1 자동차의 속도인 제1 자동차 속도 내지 상기 제n 자동차의 속도인 제n 자동차 속도 각각과, 상기 에고 자동차의 속도인 에고 자동차 속도와의 차이를 연산하며, 연산된 제1 자동차 속도 차이 내지 제n 자동차 속도 차이 중 기설된 임계값 이내인 제1 후보 자동차 속도 차이 내지 제m 후보 자동차 속도 차이를 추출하고, 상기 제1 후보 자동차 속도 차이 내지 상기 제m 후보 자동차 속도 차이에 대응되는 상기 제1 후보 자동차 내지 상기 제m 후보 자동차를 상기 에고 자동차의 상기 후보군으로 선정하는 장치가 개시된다.
일례로서, 상기 (I) 프로세스에서, 상기 프로세서는, (i) 상기 제1 자동차의 속도인 제1 자동차 속도 내지 상기 제n 자동차의 속도인 제n 자동차 속도 각각과, 상기 에고 자동차의 속도인 에고 자동차 속도와의 차이를 연산하며, 연산된 제1 자동차 속도 차이 내지 제n 자동차 속도 차이 중 기설된 임계값 이내인 제1 후보 대상 자동차 속도 차이 내지 제k - 상기 k는 m 이상, n 이하인 정수임 - 후보 대상 자동차 속도 차이를 추출하고, 상기 제1 후보 대상 자동차 속도 차이 내지 상기 제k 후보 대상 자동차 속도 차이에 대응되는 제1 후보 대상 자동차 내지 제k 후보 대상 자동차를 상기 에고 자동차의 후보 대상군으로 선정하며, (ii) 상기 제1 후보 대상 자동차의 속도 히스토리인 제1 후보 대상 자동차 속도 히스토리 내지 상기 제k 후보 대상 자동차의 속도 히스토리인 제k 후보 대상 자동차 속도 히스토리 중에서 상기 에고 자동차의 속도 히스토리인 에고 자동차 속도 히스토리와 유사한 패턴을 가지는 제1 후보 자동차 속도 히스토리 내지 제m 후보 자동차 속도 히스토리를 추출하며, 상기 제1 후보 자동차 속도 히스토리 내지 상기 제m 후보 자동차 속도 히스토리에 대응되는 상기 제1 후보 자동차 내지 상기 제m 후보 자동차를 상기 후보군으로 선정하는 장치가 개시된다.
일례로서, 상기 (I) 프로세스에서, 상기 프로세서는, 상기 인프라 센서들로부터 센싱된 정보를 V2X 통신을 통해 수신하며, 상기 인프라 센서들로부터 센싱된 정보를 참조하여 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들을 획득하거나, 상기 인프라 센서들로부터 센싱된 정보들을 분석하는 인프라 시스템으로부터 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들을 상기 V2X 통신을 통해 획득하는 장치가 개시된다.
일례로서, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들 각각은 상기 제1 자동차 내지 상기 제n 자동차 각각에 대한 속도 정보들, 위치 정보들, 및 형태에 대응되는 오브젝트 정보들을 포함하는 장치가 개시된다.
일례로서, 상기 인프라 센서들은, 상기 주행 도로를 중심으로 적어도 대각선 위치의 상기 주행 도로의 양측에 설치되는 장치가 개시된다.
일례로서, 상기 인프라 센서들은, 라이다 센서, 레이더 센서 및 카메라 센서 중 적어도 하나를 포함하는 장치가 개시된다.
일례로서, 상기 (III) 프로세스에서, 상기 프로세서는, 상기 새로운 랜드 마크에 상기 에고 오브젝트들을 맵 매칭하여 상기 에고 자동차의 측위를 수행하는 장치가 개시된다.
일례로서, 상기 (III) 프로세스에서, 상기 프로세서는, 상기 새로운 랜드 마크와 상기 정밀 지도 데이터의 기존 랜드 마크를 이용하여 상기 에고 자동차의 측위를 수행하는 장치가 개시된다.
본 발명에 의하면, 다음과 같은 효과가 있다.
본 발명은 주변 차량에 의해 센서의 시야가 방해받는 혼잡한 상황에서도 정밀 측위를 수행할 수 있게 하는 효과가 있다.
또한, 본 발명은 도로 주변에 정밀 측위를 위한 랜드마크가 없거나 정의되지 않는 환경에서도 정밀 측위를 수행할 수 있게 하는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 센서 융합 기반의 차량 측위 장치를 개략적으로 도시한 것이며,
도 2는 본 발명의 일 실시예에 따른 센서 융합 기반의 차량 측위 방법에 사용되는 인프라 센서가 주행 중인 도로 상에 위치하는 자동차들에 대한 정보를 검출하는 것을 개략적으로 도시한 것이며,
도 3a는 본 발명의 일 실시예에 따른 센서 융합 기반의 차량 측위 방법에서 후보군을 선정하는 것을 개략적으로 도시한 것이며,
도 3b는 본 발명의 일 실시예에 따른 센서 융합 기반의 차량 측위 방법에서 후보 대상군을 선정한 후 후보군을 선정하는 것을 개략적으로 도시한 것이며,
도 3c는 본 발명의 일 실시예에 따른 센서 융합 기반의 차량 측위 방법에서 후보 대상군을 선정한 후 후보군을 선정하는 과정에서 사용되는 속도 히스토리를 개략적으로 도시한 것이며,
도 4는 본 발명의 일 실시예에 따른 센서 융합 기반의 차량 측위 방법에서 선정한 후보군 중 에고 자동차를 선정하는 것을 개략적으로 도시한 것이며,
도 5는 본 발명의 일 실시예에 따른 센서 융합 기반의 차량 측위 방법에서 정밀 지도 데이터에 새로운 랜드 마크를 추가하여 에고 자동차의 측위를 수행하는 것을 개략적으로 도시한 것이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 센서 융합 기반의 차량 측위 장치(100)를 개략적으로 도시한 것이다.
도 1에 도시된 바와 같이, 본 발명의 차량 측위 장치(100)는 센서 융합 기반의 차량 측위를 수행하기 위한 인스트럭션들이 저장된 메모리(110) 및 메모리(110)에 저장된 인스트럭션들에 따라 센서 융합 기반의 차량 측위를 수행하는 프로세서(120)를 포함할 수 있다.
구체적으로, 차량 측위 장치(100)는 컴퓨터 프로세서, 메모리, 스토리지, 입력 장치 및 출력 장치, 기타 기존의 컴퓨팅 장치의 구성요소들을 포함할 수 있는 장치; 라우터, 스위치 등과 같은 전자 통신 장치; 네트워크 부착 스토리지(NAS) 및 스토리지 영역 네트워크(SAN)와 같은 전자 정보 스토리지 시스템을 포함하고, 컴퓨터 소프트웨어(즉, 컴퓨팅 장치로 하여금 특정의 방식으로 기능하게 하는 인스트럭션들)와의 조합을 이용하여 원하는 시스템 성능을 달성하는 것일 수 있다.
또한, 컴퓨팅 장치의 프로세서는 MPU(Micro Processing Unit) 또는 CPU(Central Processing Unit), 캐쉬 메모리(Cache Memory), 데이터 버스(Data Bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 컴퓨팅 장치는 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.
그러나, 컴퓨팅 장치가 본 발명을 실시하기 위한 미디엄, 프로세서 및 메모리가 통합된 형태인 integrated 프로세서를 포함하는 경우를 배제하는 것은 아니다.
이와 같이 구성된 본 발명의 일 실시예에 따른 차량 측위 장치(100)를 이용하여 센서 융합 기반의 차량 측위를 수행하는 방법을 설명하면 다음과 같다.
먼저, 도 2를 참조하여 인프라 센서(210)를 이용하여 도로 상에 위치하는 자동차들에 대한 정보들을 획득하는 과정을 설명한다.
도 2는 본 발명의 일 실시예에 따른 센서 융합 기반의 차량 측위 방법에 사용되는 인프라 센서(210)가 주행 중인 도로 상에 위치하는 자동차들에 대한 정보를 검출하는 것을 개략적으로 도시한 것이다.
먼저, 정밀 지도 데이터를 이용하여 주행 중인 에고 자동차(220)의 차량 측위 장치(100)는, 에고 자동차(220)가 주행 중인 도로 상에 위치하는 인프라 센서들(210)로부터 검출된 도로 상에 위치하는 에고 자동차(220)를 포함하는 제1 자동차 내지 제n 자동차에 대한 정보들인 제1 자동차 정보들 내지 제n 자동차 정보들을 획득할 수 있다. 상기 n은 1 이상의 정수일 수 있다.
이때, 에고 자동차(220)의 차량 측위 장치(100)는 인프라 센서들(210)로부터 센싱된 정보를 V2X 통신을 통해 수신하며, 인프라 센서들(210)로부터 센싱된 정보를 참조하여 제1 자동차 정보들 내지 상기 제n 자동차 정보들을 획득하거나, 인프라 센서들(210)로부터 센싱된 정보들을 분석하는 인프라 시스템으로부터 제1 자동차 정보들 내지 제n 자동차 정보들을 V2X 통신을 통해 획득할 수 있다.
그리고, 제1 자동차 정보들 내지 제n 자동차 정보들은 제1 자동차 내지 제n 자동차 각각에 대한 속도 정보들, 위치 정보들, 및 형태에 대응되는 오브젝트 정보들을 포함할 수 있다. 그러나, 이에 한정되지 않으며, 제1 자동차 정보들 내지 제n 자동차 정보들은 자동차 제조사 정보들, 자동차 모델 정보들과 같이 각각의 자동차와 관련한 다양한 정보들을 포함할 수 있다.
한편, 인프라 센서들(210)은 시야를 방해 받지 않고 에고 자동차(220)가 주행 중인 도로 상에 위치하는 자동차들을 검출할 수 있도록 일정한 높이를 가지고, 주변에 시야를 가리는 장애물이 없는 도로 양측의 위치에 설치될 수 있으며, 적어도 도로를 중심으로 대각 방향에 각각 설치될 수 있다.
또한, 인프라 센서들(210)은 정밀한 거리 정확도를 가지는 라이다(Lidar) 센서, 어둠 속이나 안개 또는 비가 오는 상황에서도 물체를 탐지할 수 있는 레이더(radar) 센서, 피사체 정보를 검출하여 영상신호로 변환하는 카메라 센서 등을 사용하거나, 이들을 조합하여 사용할 수 있다.
다음으로, 도 3a 내지 도 4를 참조하여 에고 자동차의 후보군을 선정하는 방법을 설명한다.
에고 자동차(220)가 주행 중인 도로 상에 위치하는 제1 자동차 내지 제n 자동차에 대한 제1 자동차 정보들 내지 제n 자동차 정보들이 획득되면, 에고 자동차(220)의 차량 측위 장치(100)는, 제1 자동차 정보들 내지 제n 자동차 정보들에 포함된 제1 자동차 속도 정보 내지 제n 자동차 속도 정보 중에서 에고 자동차(220)에서 검출된 에고 자동차 속도 정보와 대응되는 제1 후보 자동차 속도 정보 내지 제m 후보 자동차 속도 정보를 추출하고, 제1 후보 자동차 속도 정보 내지 제m 후보 자동차 속도 정보에 대응되는 제1 후보 자동차 내지 제m 후보 자동차를 에고 자동차(220)의 후보군으로 선정할 수 있다. 상기 m은 n 이하의 정수일 수 있다.
즉, 차량 측위 장치(100)는, 제1 자동차의 속도인 제1 자동차 속도 내지 제n 자동차의 속도인 제n 자동차 속도 각각과, 에고 자동차(220)의 속도인 에고 자동차 속도와의 차이를 연산하며, 연산된 제1 자동차 속도 차이 내지 제n 자동차 속도 차이 중 기설된 임계값 이내인 제1 후보 자동차 속도 차이 내지 제m 후보 자동차 속도 차이를 추출하고, 제1 후보 자동차 속도 차이 내지 제m 후보 자동차 속도 차이에 대응되는 제1 후보 자동차 내지 제m 후보 자동차를 에고 자동차(220)의 후보군으로 선정할 수 있다.
일 예로, 도 3a를 참조하면, 좌측 도면으로부터 좌측 첫 번째 차선에는 위에서부터 아래로 각각 제1 자동차(v1) 내지 제3 자동차(v3)가 주행하고 있으며, 좌측 두 번째 차선에는 위에서부터 아래로 각각 제4 자동차(v4) 내지 제7 자동차(v7)가 주행하고 있고, 좌측 세 번째 차선에는 위에서부터 아래로 각각 제8 자동차(v8) 내지 제10 자동차(v10)가 주행하고 있으며, 좌측 네 번째 차선에는 위에서부터 아래로 각각 제11 자동차(v11) 내지 제14 자동차(v14)가 주행하고 있을 수 있다. 이때, 에고 자동차(220)의 차량 측위 장치(100)는, 제1 자동차(v1) 내지 제14 자동차(v14) 각각의 속도인
Figure 112020102697304-pat00001
과 에고 자동차(220)의 속도인
Figure 112020102697304-pat00002
의 속도 차이를 연산하며, 아래의 수학식에서와 같이 연산된 제1 자동차(v1) 내지 제14 자동차(v14) 각각의 속도와 에고 자동차(220)의 속도 차이가 기설정된 임계값(
Figure 112020102697304-pat00003
) 이내인 자동차를 확인하여 도 3a의 우측 도면에서와 같이 제6 자동차(v6)와 제9 자동차(v9)를 에고 자동차(220)의 후보군으로 선정할 수 있다.
Figure 112020102697304-pat00004
Figure 112020102697304-pat00005
또한, 차량 측위 장치(100)는, 제1 자동차의 속도인 제1 자동차 속도 내지 제n 자동차의 속도인 제n 자동차 속도 각각과, 에고 자동차(220)의 속도인 에고 자동차 속도와의 차이를 연산하며, 연산된 제1 자동차 속도 차이 내지 제n 자동차 속도 차이 중 기설된 임계값 이내인 제1 후보 대상 자동차 속도 차이 내지 제k 후보 대상 자동차 속도 차이를 추출하고, 제1 후보 대상 자동차 속도 차이 내지 제k 후보 대상 자동차 속도 차이에 대응되는 제1 후보 대상 자동차 내지 제k 후보 대상 자동차를 에고 자동차(220)의 후보 대상군으로 선정한 다음, 제1 후보 대상 자동차의 속도 히스토리인 제1 후보 대상 자동차 속도 히스토리 내지 제k 후보 대상 자동차의 속도 히스토리인 제k 후보 대상 자동차 속도 히스토리 중에서 에고 자동차(220)의 속도 히스토리인 에고 자동차 속도 히스토리와 유사한 패턴을 가지는 제1 후보 자동차 속도 히스토리 내지 제m 후보 자동차 속도 히스토리를 추출하며, 제1 후보 자동차 속도 히스토리 내지 제m 후보 자동차 속도 히스토리에 대응되는 제1 후보 자동차 내지 제m 후보 자동차를 후보군으로 선정할 수 있다. 상기 k는 m 이상이며, n 이하인 정수일 수 있다.
일 예로, 도 3b를 참조하면, 에고 자동차(220)의 차량 측위 장치(100)는, 제1 자동차(v1) 내지 제14 자동차(v14) 각각의 속도인
Figure 112020102697304-pat00006
과 에고 자동차(220)의 속도인
Figure 112020102697304-pat00007
의 속도 차이를 연산하며, 상기 수학식에서와 같이 연산된 제1 자동차(v1) 내지 제14 자동차(v14) 각각의 속도와 에고 자동차(220)의 속도 차이가 기설정된 임계값(
Figure 112020102697304-pat00008
) 이내인 자동차를 확인하여 도 3b의 중앙 도면에서와 같이 제3 자동차(v3) 자동차, 제4 자동차(v4), 제6 자동차(v6), 및 제9 자동차(v9)를 에고 자동차(220)의 후보 대상군으로 선정할 수 있다.
이후, 도 3c에서와 같이, 차량 측위 장치(100)는 제3 자동차(v3), 제4 자동차(v4), 제6 자동차(v6), 및 제9 자동차(v9) 각각의 속도 히스토리를 확인할 수 있다.
이때, 제3 자동차(v3), 제4 자동차(v4), 제6 자동차(v6), 및 제9 자동차(v9) 각각의 현재 시점(tcurrent)에서의 속도는 유사하지만, 제3 자동차(v3)의 속도 히스토리는 속도가 일정하게 증가하다가 일정하게 감소하는 패턴을 가지며, 제4 자동차(v4)의 속도 히스토리는 속도가 일정하게 감소하기만 하는 패턴을 가지고, 제6 자동차(v6)의 속도 히스토리는 속도가 일정하게 증가하는 패턴을 가지며, 제9 자동차(v9)의 속도 히스토리는 속도가 일정하게 증가하는 패턴을 가질 수 있다.
또한, 차량 측위 장치(100)는 에고 자동차(220)의 속도 히스토리를 확인할 수 있다. 이때, 에고 자동차(220)의 속도 히스토리는 속도가 일정하게 증가하는 패턴을 가질 수 있다.
따라서, 도 3b의 우측 도면에서와 같이, 차량 측위 장치(100)는, 에고 자동차(220)의 속도 히스토리와 유사한 속도 히스토리를 가지는 제6 자동차(v6)와 제9 자동차(v9)를 에고 자동차(220)의 후보군으로 지정할 수 있다.
다음으로, 차량 측위 장치(100)는, 에고 자동차(220)에서 검출된 주변 자동차들에 대한 오브젝트 정보들인 에고 오브젝트 정보들을, 제1 자동차 정보들 내지 제n 자동차 정보들로부터 획득된 제1 후보 자동차의 주변 자동차들에 대응되는 제1 오브젝트 정보들 내지 제m 후보 자동차의 주변 자동차들에 대응되는 제m 오브젝트 정보들과 각각 매칭하여 에고 오브젝트 정보들과 유사도가 높은 특정 오브젝트 정보들을 추출하며, 특정 오브젝트 정보들에 대응되는 특정 후보 자동차를 에고 자동차(220)로 선정할 수 있다.
일 예로, 도 4를 참조하면, 좌측 도면에서와 같이, 에고 자동차(220)의 차량 측위 장치(100)가 에고 자동차(220)에서 주변 자동차들을 검출한 오브젝트 정보들인 에고 오브젝트 정보들을 획득할 수 있다.
그리고, 도 4의 우측 도면에서와 같이, 차량 측위 장치(100)가 에고 오브젝트 정보들을 각각 제6 자동차(v6)와 제9 자동차(v9)에 위치시킨 상태에서, 에고 오브젝트 정보들과 제6 자동차(v6)의 주변 자동차들에 대응되는 제6 오브젝트 정보들을 매칭하여 유사도를 연산하며, 에고 오브젝트 정보들과 제9 자동차(v9)의 주변 자동차들에 대응되는 제9 오브젝트 정보들을 매칭하여 유사도를 연산할 수 있다.
이때, 오브젝트 정보들의 유사도는 아래의 수학식과 같이 오브젝트 정보들의 가격함수로부터 연산할 수 있다. 아래의 수학식에서,
Figure 112020102697304-pat00009
및
Figure 112020102697304-pat00010
는 각각 주변 개별 오브젝트의 위치 및 주변 개별 오브젝트의 속도이다.
Figure 112020102697304-pat00011
는 에고 자동차(220)에서 본 주변 개별 오브젝트의 위치이고,
Figure 112020102697304-pat00012
은 상기 후보 자동차에서 본 주변 개별 오브젝트의 위치이다.
Figure 112020102697304-pat00013
는 에고 자동차(220)에서 본 주변 개별 오브젝트의 속도이고,
Figure 112020102697304-pat00014
은 상기 후보 자동차에서 본 주변 개별 오브젝트의 속도이다.
Figure 112020102697304-pat00015
및
Figure 112020102697304-pat00016
는 임의로 정할 수 있는 가중치이다. 여기서,
Figure 112020102697304-pat00017
의 결과값이 작을수록 유사도가 높은 것으로 판정할 수 있으나, 본 발명에서 유사도를 계산하는 방식은 이에 한정되지 않으며, 오브젝트 정보들의 유사도를 연산하기 위한 다양한 알고리즘을 이용할 수 있다.
Figure 112020102697304-pat00018
이후, 차량 측위 장치(100)는 에고 오브젝트 정보들과 제6 오브젝트 정보들의 유사도, 및 에고 오브젝트 정보들과 제9 오브젝트 정보들의 유사도 중 유사도가 높은 제9 오브젝트 정보, 즉, 가격함수가 낮은 제9 오브젝트 정보에 대응되는 제9 자동차(v9)를 최종적으로 에고 자동차(220)로 선정할 수 있다.
다음으로, 차량 측위 장치(100)는 에고 자동차(220)로 선정된 특정 후보 자동차에 대응되는 특정 오브젝트 정보들을 정밀 지도 데이터에 새로운 랜드 마크(320)로 추가하고, 새로운 랜드 마크(320)를 이용하여 에고 자동차(220)의 측위를 수행할 수 있다.
일 예로, 도 5를 참조하면, 제9 오브젝트 정보들을 정밀 지도 데이터에 새로운 랜드 마크(320)로 추가하여 에고 자동차(220)의 측위를 수행할 수 있다.
즉, 차량 측위 장치(100)는 제9 오브젝트 정보들을 정밀 지도 데이터에 새로운 랜드 마크(320)로 추가하여 새로운 정밀 지도 데이터를 생성할 수 있으며, 에고 자동차(220)에서 검출된 에고 오브젝트 정보들을 새로운 정밀 지도 데이터의 새로운 랜드 마크(320)와 맵 매칭하여 에고 자동차(220)의 측위를 수행할 수 있다.
또한, 차량 측위 장치(100)는 새로운 랜드 마크(320)에 더하여, 정밀 지도 데이터에 포함된 기존 랜드 마크(310)를 동시에 이용하여 에고 자동차(220)의 측위를 수행할 수도 있다.
한편, 본 실시예에서는 에고 자동차(220)에 한정하여 측위를 수행하였으나, 도로 상에 있는 다른 자동차들도 같은 방법에 의해 측위를 수행할 수도 있을 것이다.
또한, 이상 설명된 본 발명에 따른 실시예들은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공될 것일 뿐, 본 발명이 상기 실시예들에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등하게 또는 등가적으로 변형된 모든 것들은 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (18)

  1. 센서 융합 기반의 차량 측위 방법에 있어서,
    (a) 정밀 지도 데이터를 이용하여 에고 자동차가 주행 중인 도로 상에 위치하는 인프라 센서들로부터 검출된 상기 도로 상에 위치하는 상기 에고 자동차를 포함하는 제1 자동차 내지 제n - 상기 n은 1 이상의 정수임 - 자동차에 대한 정보들인 제1 자동차 정보들 내지 제n 자동차 정보들이 획득되면, 상기 에고 자동차의 차량 측위 장치가, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들에 포함된 제1 자동차 속도 정보 내지 제n 자동차 속도 정보 중에서 상기 에고 자동차에서 검출된 에고 자동차 속도 정보와 대응되는 제1 후보 자동차 속도 정보 내지 제m - 상기 m은 상기 n 이하의 정수임 - 후보 자동차 속도 정보를 추출하고, 상기 제1 후보 자동차 속도 정보 내지 상기 제m 후보 자동차 속도 정보에 대응되는 제1 후보 자동차 내지 제m 후보 자동차를 상기 에고 자동차의 후보군으로 선정하는 단계;
    (b) 상기 차량 측위 장치가, 상기 에고 자동차에서 검출된 주변 자동차들에 대한 오브젝트 정보들인 에고 오브젝트 정보들을, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들로부터 획득된 상기 제1 후보 자동차의 주변 자동차들에 대응되는 제1 오브젝트 정보들 내지 상기 제m 후보 자동차의 주변 자동차들에 대응되는 제m 오브젝트 정보들과 각각 매칭하여 상기 에고 오브젝트 정보들과 유사도가 높은 특정 오브젝트 정보들을 추출하며, 상기 특정 오브젝트 정보들에 대응되는 특정 후보 자동차를 상기 에고 자동차로 선정하는 단계; 및
    (c) 상기 차량 측위 장치가, 상기 특정 오브젝트 정보들을 상기 정밀 지도 데이터에 새로운 랜드 마크로 추가하고, 상기 새로운 랜드 마크를 이용하여 상기 에고 자동차의 측위를 수행하는 단계;
    를 포함하는 방법.
  2. 제1항에 있어서,
    상기 (a) 단계에서,
    상기 차량 측위 장치는, 상기 제1 자동차의 속도인 제1 자동차 속도 내지 상기 제n 자동차의 속도인 제n 자동차 속도 각각과, 상기 에고 자동차의 속도인 에고 자동차 속도와의 차이를 연산하며, 연산된 제1 자동차 속도 차이 내지 제n 자동차 속도 차이 중 기설된 임계값 이내인 제1 후보 자동차 속도 차이 내지 제m 후보 자동차 속도 차이를 추출하고, 상기 제1 후보 자동차 속도 차이 내지 상기 제m 후보 자동차 속도 차이에 대응되는 상기 제1 후보 자동차 내지 상기 제m 후보 자동차를 상기 에고 자동차의 상기 후보군으로 선정하는 방법.
  3. 제1항에 있어서,
    상기 (a) 단계에서,
    상기 차량 측위 장치는, (i) 상기 제1 자동차의 속도인 제1 자동차 속도 내지 상기 제n 자동차의 속도인 제n 자동차 속도 각각과, 상기 에고 자동차의 속도인 에고 자동차 속도와의 차이를 연산하며, 연산된 제1 자동차 속도 차이 내지 제n 자동차 속도 차이 중 기설된 임계값 이내인 제1 후보 대상 자동차 속도 차이 내지 제k - 상기 k는 m 이상, n 이하인 정수임 - 후보 대상 자동차 속도 차이를 추출하고, 상기 제1 후보 대상 자동차 속도 차이 내지 상기 제k 후보 대상 자동차 속도 차이에 대응되는 제1 후보 대상 자동차 내지 제k 후보 대상 자동차를 상기 에고 자동차의 후보 대상군으로 선정하며, (ii) 상기 제1 후보 대상 자동차의 속도 히스토리인 제1 후보 대상 자동차 속도 히스토리 내지 상기 제k 후보 대상 자동차의 속도 히스토리인 제k 후보 대상 자동차 속도 히스토리 중에서 상기 에고 자동차의 속도 히스토리인 에고 자동차 속도 히스토리와 유사한 패턴을 가지는 제1 후보 자동차 속도 히스토리 내지 제m 후보 자동차 속도 히스토리를 추출하며, 상기 제1 후보 자동차 속도 히스토리 내지 상기 제m 후보 자동차 속도 히스토리에 대응되는 상기 제1 후보 자동차 내지 상기 제m 후보 자동차를 상기 후보군으로 선정하는 방법.
  4. 제1항에 있어서,
    상기 (a) 단계에서,
    상기 차량 측위 장치는, 상기 인프라 센서들로부터 센싱된 정보를 V2X 통신을 통해 수신하며, 상기 인프라 센서들로부터 센싱된 정보를 참조하여 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들을 획득하거나, 상기 인프라 센서들로부터 센싱된 정보들을 분석하는 인프라 시스템으로부터 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들을 상기 V2X 통신을 통해 획득하는 방법.
  5. 제1항에 있어서,
    상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들 각각은 상기 제1 자동차 내지 상기 제n 자동차 각각에 대한 속도 정보들, 위치 정보들, 및 형태에 대응되는 오브젝트 정보들을 포함하는 방법.
  6. 제1항에 있어서,
    상기 인프라 센서들은, 상기 주행 도로를 중심으로 적어도 대각선 위치의 상기 주행 도로의 양측에 설치되는 방법.
  7. 제1항에 있어서,
    상기 인프라 센서들은, 라이다 센서, 레이더 센서 및 카메라 센서 중 적어도 하나를 포함하는 방법.
  8. 제1항에 있어서,
    상기 (c) 단계에서,
    상기 차량 측위 장치는, 상기 새로운 랜드 마크에 상기 에고 오브젝트들을 맵 매칭하여 상기 에고 자동차의 측위를 수행하는 방법.
  9. 제1항에 있어서,
    상기 (c) 단계에서,
    상기 차량 측위 장치는, 상기 새로운 랜드 마크와 상기 정밀 지도 데이터의 기존 랜드 마크를 이용하여 상기 에고 자동차의 측위를 수행하는 방법.
  10. 센서 융합 기반의 차량 측위 장치에 있어서,
    인스트럭션들을 저장하는 적어도 하나의 메모리; 및
    상기 인스트럭션들을 실행하기 위해 구성된 적어도 하나의 프로세서;를 포함하며,
    상기 프로세서는, (I) 정밀 지도 데이터를 이용하여 에고 자동차가 주행 중인 도로 상에 위치하는 인프라 센서들로부터 검출된 상기 도로 상에 위치하는 상기 에고 자동차를 포함하는 제1 자동차 내지 제n - 상기 n은 1 이상의 정수임 - 자동차에 대한 정보들인 제1 자동차 정보들 내지 제n 자동차 정보들이 획득되면, 상기 프로세서가, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들에 포함된 제1 자동차 속도 정보 내지 제n 자동차 속도 정보 중에서 상기 에고 자동차에서 검출된 에고 자동차 속도 정보와 대응되는 제1 후보 자동차 속도 정보 내지 제m - 상기 m은 상기 n 이하의 정수임 - 후보 자동차 속도 정보를 추출하고, 상기 제1 후보 자동차 속도 정보 내지 상기 제m 후보 자동차 속도 정보에 대응되는 제1 후보 자동차 내지 제m 후보 자동차를 상기 에고 자동차의 후보군으로 선정하는 프로세스; (II) 상기 프로세서가, 상기 에고 자동차에서 검출된 주변 자동차들에 대한 오브젝트 정보들인 에고 오브젝트 정보들을, 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들로부터 획득된 상기 제1 후보 자동차의 주변 자동차들에 대응되는 제1 오브젝트 정보들 내지 상기 제m 후보 자동차의 주변 자동차들에 대응되는 제m 오브젝트 정보들과 각각 매칭하여 상기 에고 오브젝트 정보들과 유사도가 높은 특정 오브젝트 정보들을 추출하며, 상기 특정 오브젝트 정보들에 대응되는 특정 후보 자동차를 상기 에고 자동차로 선정하는 프로세스; 및 (III) 상기 프로세서가, 상기 특정 오브젝트 정보들을 상기 정밀 지도 데이터에 새로운 랜드 마크로 추가하고, 상기 새로운 랜드 마크를 이용하여 상기 에고 자동차의 측위를 수행하는 프로세스;를 수행하는 장치.
  11. 제10항에 있어서,
    상기 (I) 프로세스에서,
    상기 프로세서는, 상기 제1 자동차의 속도인 제1 자동차 속도 내지 상기 제n 자동차의 속도인 제n 자동차 속도 각각과, 상기 에고 자동차의 속도인 에고 자동차 속도와의 차이를 연산하며, 연산된 제1 자동차 속도 차이 내지 제n 자동차 속도 차이 중 기설된 임계값 이내인 제1 후보 자동차 속도 차이 내지 제m 후보 자동차 속도 차이를 추출하고, 상기 제1 후보 자동차 속도 차이 내지 상기 제m 후보 자동차 속도 차이에 대응되는 상기 제1 후보 자동차 내지 상기 제m 후보 자동차를 상기 에고 자동차의 상기 후보군으로 선정하는 장치.
  12. 제10항에 있어서,
    상기 (I) 프로세스에서,
    상기 프로세서는, (i) 상기 제1 자동차의 속도인 제1 자동차 속도 내지 상기 제n 자동차의 속도인 제n 자동차 속도 각각과, 상기 에고 자동차의 속도인 에고 자동차 속도와의 차이를 연산하며, 연산된 제1 자동차 속도 차이 내지 제n 자동차 속도 차이 중 기설된 임계값 이내인 제1 후보 대상 자동차 속도 차이 내지 제k - 상기 k는 m 이상, n 이하인 정수임 - 후보 대상 자동차 속도 차이를 추출하고, 상기 제1 후보 대상 자동차 속도 차이 내지 상기 제k 후보 대상 자동차 속도 차이에 대응되는 제1 후보 대상 자동차 내지 제k 후보 대상 자동차를 상기 에고 자동차의 후보 대상군으로 선정하며, (ii) 상기 제1 후보 대상 자동차의 속도 히스토리인 제1 후보 대상 자동차 속도 히스토리 내지 상기 제k 후보 대상 자동차의 속도 히스토리인 제k 후보 대상 자동차 속도 히스토리 중에서 상기 에고 자동차의 속도 히스토리인 에고 자동차 속도 히스토리와 유사한 패턴을 가지는 제1 후보 자동차 속도 히스토리 내지 제m 후보 자동차 속도 히스토리를 추출하며, 상기 제1 후보 자동차 속도 히스토리 내지 상기 제m 후보 자동차 속도 히스토리에 대응되는 상기 제1 후보 자동차 내지 상기 제m 후보 자동차를 상기 후보군으로 선정하는 장치.
  13. 제10항에 있어서,
    상기 (I) 프로세스에서,
    상기 프로세서는, 상기 인프라 센서들로부터 센싱된 정보를 V2X 통신을 통해 수신하며, 상기 인프라 센서들로부터 센싱된 정보를 참조하여 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들을 획득하거나, 상기 인프라 센서들로부터 센싱된 정보들을 분석하는 인프라 시스템으로부터 상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들을 상기 V2X 통신을 통해 획득하는 장치.
  14. 제10항에 있어서,
    상기 제1 자동차 정보들 내지 상기 제n 자동차 정보들 각각은 상기 제1 자동차 내지 상기 제n 자동차 각각에 대한 속도 정보들, 위치 정보들, 및 형태에 대응되는 오브젝트 정보들을 포함하는 장치.
  15. 제10항에 있어서,
    상기 인프라 센서들은, 상기 주행 도로를 중심으로 적어도 대각선 위치의 상기 주행 도로의 양측에 설치되는 장치.
  16. 제10항에 있어서,
    상기 인프라 센서들은, 라이다 센서, 레이더 센서 및 카메라 센서 중 적어도 하나를 포함하는 장치.
  17. 제10항에 있어서,
    상기 (III) 프로세스에서,
    상기 프로세서는, 상기 새로운 랜드 마크에 상기 에고 오브젝트들을 맵 매칭하여 상기 에고 자동차의 측위를 수행하는 장치.
  18. 제10항에 있어서,
    상기 (III) 프로세스에서,
    상기 프로세서는, 상기 새로운 랜드 마크와 상기 정밀 지도 데이터의 기존 랜드 마크를 이용하여 상기 에고 자동차의 측위를 수행하는 장치.
KR1020200125268A 2020-09-25 2020-09-25 센서 융합 기반의 차량 측위 방법 및 이를 이용한 차량 측위 장치 KR102373826B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200125268A KR102373826B1 (ko) 2020-09-25 2020-09-25 센서 융합 기반의 차량 측위 방법 및 이를 이용한 차량 측위 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200125268A KR102373826B1 (ko) 2020-09-25 2020-09-25 센서 융합 기반의 차량 측위 방법 및 이를 이용한 차량 측위 장치

Publications (1)

Publication Number Publication Date
KR102373826B1 true KR102373826B1 (ko) 2022-03-15

Family

ID=80816677

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200125268A KR102373826B1 (ko) 2020-09-25 2020-09-25 센서 융합 기반의 차량 측위 방법 및 이를 이용한 차량 측위 장치

Country Status (1)

Country Link
KR (1) KR102373826B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024104189A1 (zh) * 2022-11-15 2024-05-23 上海西井科技股份有限公司 车辆定位方法、装置、电子设备、存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000074680A (ja) * 1998-09-03 2000-03-14 Matsushita Electric Ind Co Ltd ナビゲーション装置
JP2007309843A (ja) * 2006-05-19 2007-11-29 Toyota Motor Corp 車載地図データ生成装置
KR20120064048A (ko) * 2010-12-08 2012-06-18 가시오게산키 가부시키가이샤 측위 장치, 측위 방법 및 기억 매체
KR20140016509A (ko) * 2012-07-30 2014-02-10 자동차부품연구원 차량용 절대측위 보정 시스템 및 방법
KR20160008785A (ko) * 2014-07-15 2016-01-25 경북대학교 산학협력단 측위 방법 및 그 측위 장치
WO2020021282A1 (en) * 2018-07-26 2020-01-30 Innovarail Limited Determining position of a vehicle on a rail

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000074680A (ja) * 1998-09-03 2000-03-14 Matsushita Electric Ind Co Ltd ナビゲーション装置
JP2007309843A (ja) * 2006-05-19 2007-11-29 Toyota Motor Corp 車載地図データ生成装置
KR20120064048A (ko) * 2010-12-08 2012-06-18 가시오게산키 가부시키가이샤 측위 장치, 측위 방법 및 기억 매체
KR20140016509A (ko) * 2012-07-30 2014-02-10 자동차부품연구원 차량용 절대측위 보정 시스템 및 방법
KR20160008785A (ko) * 2014-07-15 2016-01-25 경북대학교 산학협력단 측위 방법 및 그 측위 장치
WO2020021282A1 (en) * 2018-07-26 2020-01-30 Innovarail Limited Determining position of a vehicle on a rail

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024104189A1 (zh) * 2022-11-15 2024-05-23 上海西井科技股份有限公司 车辆定位方法、装置、电子设备、存储介质

Similar Documents

Publication Publication Date Title
US8682531B2 (en) Image processing system and vehicle control system
EP2372304B1 (en) Vehicle position recognition system
US8791996B2 (en) Image processing system and position measurement system
US10384679B2 (en) Travel control method and travel control apparatus
KR102521655B1 (ko) 자율 주행 방법 및 장치
US8428362B2 (en) Scene matching reference data generation system and position measurement system
US8452103B2 (en) Scene matching reference data generation system and position measurement system
EP2372310B1 (en) Image processing system and position measurement system
US11525682B2 (en) Host vehicle position estimation device
EP3657461A1 (en) Information processing system and server
JPWO2018212287A1 (ja) 測定装置、測定方法およびプログラム
JP2020003463A (ja) 自車位置推定装置
KR102373826B1 (ko) 센서 융합 기반의 차량 측위 방법 및 이를 이용한 차량 측위 장치
US10845814B2 (en) Host vehicle position confidence degree calculation device
US10501077B2 (en) Inter-vehicle distance estimation method and inter-vehicle distance estimation device
JP2018159752A (ja) 地図情報学習方法及び地図情報学習装置
CN110095776B (zh) 用于确定对象的存在和/或特性的方法和周围环境识别设备
CN114426030B (zh) 一种行人穿行意图估计方法、装置、设备和汽车
JP6594565B1 (ja) 車載装置、情報処理方法及び情報処理プログラム
EP4160154A1 (en) Methods and systems for estimating lanes for a vehicle
EP4160153A1 (en) Methods and systems for estimating lanes for a vehicle
WO2018212286A1 (ja) 測定装置、測定方法およびプログラム
KR20230140654A (ko) 운전자 보조 시스템 및 운전자 보조 방법
KR20230032628A (ko) 센서정보 처리 방법 및 장치와 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체
CN115946723A (zh) 确定驾驶策略的方法、装置、车辆及存储介质

Legal Events

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