KR102627453B1 - 위치 추정 장치 및 방법 - Google Patents

위치 추정 장치 및 방법 Download PDF

Info

Publication number
KR102627453B1
KR102627453B1 KR1020180123488A KR20180123488A KR102627453B1 KR 102627453 B1 KR102627453 B1 KR 102627453B1 KR 1020180123488 A KR1020180123488 A KR 1020180123488A KR 20180123488 A KR20180123488 A KR 20180123488A KR 102627453 B1 KR102627453 B1 KR 102627453B1
Authority
KR
South Korea
Prior art keywords
reference point
rotation
rotation reference
location estimation
parameter
Prior art date
Application number
KR1020180123488A
Other languages
English (en)
Other versions
KR20200043006A (ko
Inventor
사공동훈
장현성
손민정
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020180123488A priority Critical patent/KR102627453B1/ko
Priority to US16/295,326 priority patent/US11023748B2/en
Priority to EP19167656.8A priority patent/EP3640681B1/en
Priority to CN201910366718.5A priority patent/CN111060946A/zh
Priority to JP2019171732A priority patent/JP7404010B2/ja
Publication of KR20200043006A publication Critical patent/KR20200043006A/ko
Priority to US17/316,957 priority patent/US11651597B2/en
Application granted granted Critical
Publication of KR102627453B1 publication Critical patent/KR102627453B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • 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
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3626—Details of the output of route guidance instructions
    • G01C21/3658—Lane guidance
    • 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
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0205—Details
    • G01S5/021—Calibration, monitoring or correction

Abstract

위치 추정 기술이 제공된다. 위치 추정 장치는 맵 데이터로부터 초기 위치 및 자세에 대응하는 제1 회전 기준 점을 결정할 수 있고, 이미지 데이터로부터 제2 회전 기준 점을 검출할 수 있으며, 제1 회전 기준 점 및 제2 회전 기준 점으로부터 초기 자세를 보상하기 위한 회전 파라미터를 산출하여 초기 자세에 해당 회전 파라미터를 적용할 수 있다.

Description

위치 추정 장치 및 방법{METHOD AND DEVICE TO ESTIMATE POSITION}
이하, 위치를 추정하는 기술이 제공된다.
차량용 네비게이션 시스템은 자동차등이 이동하고 있을 때 복수개의 전세계 위치 측정 시스템(GPS, Global Positioning System)에 속하는 인공위성으로부터 나오는 전파를 수신하여 이동체의 현재위치를 확인하고, 또한 이동체의 속도를 확인하여야 한다. 이와 같은 차량용 네비게이션장치는 GPS수신기에서 수신한 정보를 이용하여 위도, 경도 및 고도정보를 포함하는 3차원의 차량 현재위치를 계산할 수 있다. 그러나 GPS 신호는 약 10m 내지 100m정도의 GPS 위치오차를 포함할 수 있다. 이러한 위치의 오차는 다른 정보를 이용하여 보정될 수 있다.
일 실시예에 따른 위치 추정 방법은, 대상에 대해 추정된 측위 정보(localization information) 및 맵 데이터에 기초하여 제1 회전 기준 점(rotation reference point)을 결정하는 단계; 상기 대상의 전방에 대한 이미지 데이터로부터 제2 회전 기준 점을 추정하는 단계; 및 상기 제1 회전 기준 점 및 상기 제2 회전 기준 점에 기초하여 산출된 회전 파라미터를 이용하여, 상기 측위 정보를 보정하는 단계를 포함할 수 있다.
위치 추정 방법은 센서에 의해 센싱된 센싱 데이터에 기초하여, 상기 대상의 초기 위치 및 초기 자세를 포함하는 초기 측위 정보를 추정하는 단계를 더 포함할 수 있다.
상기 제1 회전 기준 점을 결정하는 단계는, 상기 맵 데이터에서 상기 측위 정보에 기초하여 후보 영역을 추출하는 단계; 및 상기 후보 영역에 기초하여 상기 제1 회전 기준 점을 결정하는 단계를 포함할 수 있다.
상기 후보 영역을 추출하는 단계는, 상기 대상의 전방에서 상기 대상에 인접한 영역을 상기 후보 영역으로서 추출하는 단계를 포함할 수 있다.
상기 후보 영역을 추출하는 단계는, 상기 대상이 주행하고 있는 차로와 연관된 차로 경계선을 포함하는 영역을 상기 후보 영역으로서 추출하는 단계를 포함할 수 있다.
상기 제1 회전 기준 점을 결정하는 단계는, 상기 후보 영역에 포함된 차로 경계선을 연장(span)하는 단계; 및 상기 연장된 차로 경계선 상의 지점들(points) 중 상기 대상으로부터 임계 거리보다 먼 지점을 상기 제1 회전 기준 점으로 결정하는 단계를 포함할 수 있다.
상기 제2 회전 기준 점을 추정하는 단계는, 소실점 검출 모델에 기초하여 상기 이미지 데이터로부터 상기 제2 회전 기준 점을 검출하는 단계를 포함할 수 있다.
상기 소실점 검출 모델은, 트레이닝 이미지로부터 트레이닝 기준 점을 출력하도록 트레이닝된 모델을 포함할 수 있다.
상기 제2 회전 기준 점을 검출하는 단계는, 상기 이미지 데이터로부터 랜드마크 객체를 추출하는 단계; 및 상기 소실점 검출 모델에 기초하여 상기 랜드마크 객체로부터 상기 제2 회전 기준 점을 검출하는 단계를 포함할 수 있다.
상기 측위 정보를 보정하는 단계는, 상기 제1 회전 기준 점 및 상기 제2 회전 기준 점에 기초하여 회전 파라미터(rotation parameter)를 산출하는 단계; 및 상기 산출된 회전 파라미터에 기초하여 상기 측위 정보를 보정함으로써 최종 측위 정보를 결정하는 단계를 포함할 수 있다.
상기 회전 파라미터를 산출하는 단계는, 상기 제1 회전 기준 점이 이미지 평면으로 투영(projection)된 지점이 상기 제2 회전 기준 점에 매칭하도록, 상기 제1 회전 기준 점을 보상하기 위한 회전 파라미터를 결정하는 단계를 포함할 수 있다.
상기 회전 파라미터를 산출하는 단계는, 상기 제1 회전 기준 점의 3차원 좌표, 상기 제2 회전 기준 점의 2차원 좌표, 카메라 고유 파라미터, 및 상기 대상의 롤 각도(roll angle)에 기초하여 상기 회전 파라미터를 산출하는 단계를 포함할 수 있다.
상기 최종 측위 정보를 결정하는 단계는, 상기 회전 파라미터를 이용하여 초기 자세를 보정함으로써, 대상의 최종 자세를 결정하는 단계를 포함할 수 있다.
상기 측위 정보를 보정하는 단계는, 상기 최종 자세를 결정한 후, 상기 대상의 초기 위치에 대한 위치 파라미터를 산출하는 단계; 및 상기 위치 파라미터를 이용하여 상기 초기 위치를 보정함으로써, 대상의 최종 위치를 결정하는 단계를 더 포함할 수 있다.
상기 최종 위치를 결정하는 단계는, 상기 초기 위치에 대해 제1 축 상의 오프셋을 적용하는 단계; 및 상기 초기 위치에 대해 상기 제1 축과 구별되는 제2 축 상의 오프셋을 적용하는 단계를 포함할 수 있다.
상기 제1 축 상의 오프셋을 적용하는 단계는, 상기 위치 파라미터로부터 상기 대상의 가로 축에 대응하는 성분(component)을 상기 측위 정보에 반영하는 단계를 포함하고, 상기 제2 축 상의 오프셋을 적용하는 단계는, 상기 위치 파라미터로부터 상기 대상의 길이 축에 대응하는 성분을 상기 측위 정보에 반영하는 단계를 포함할 수 있다.
상기 위치 파라미터를 산출하는 단계는, 상기 맵 데이터로부터 검출된 맵 랜드마크 및 상기 이미지 데이터로부터 검출된 이미지 랜드마크에 기초하여, 상기 위치 파라미터를 결정하는 단계를 포함할 수 있다.
상기 위치 파라미터를 결정하는 단계는, 상기 맵 데이터로부터 검출된 맵 랜드마크의 2차원 좌표 및 그에 대응하는 이미지 랜드마크의 2차원 좌표 간의 차이에 기초하여 상기 위치 파라미터를 산출하는 단계를 포함할 수 있다.
일 실시예에 따른 위치 추정 장치는 이미지 데이터를 센싱하는 센서; 및 대상에 대해 추정된 측위 정보(localization information) 및 맵 데이터에 기초하여 제1 회전 기준 점(rotation reference point)을 결정하고, 상기 대상의 전방에 대한 상기 이미지 데이터로부터 제2 회전 기준 점을 추정하며, 상기 제1 회전 기준 점 및 상기 제2 회전 기준 점에 기초하여 산출된 회전 파라미터를 이용하여, 상기 측위 정보를 보정하는 프로세서를 포함할 수 있다.
도 1은 일 실시예에 따른 위치 추정 장치의 구성을 도시한 블록도이다.
도 2 및 도 3은 일 실시예에 따른 위치 추정의 오차를 설명하는 도면이다.
도 4는 일 실시예에 따른 위치 추정 방법을 설명하는 흐름도를 도시한다.
도 5 는 일 실시예에 따른 파라미터 산출을 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 제1 회전 기준 점을 설명하는 도면이다.
도 7은 일 실시예에 따른 제2 회전 기준 점을 설명하는 도면이다.
도 8 내지 도 10은 일 실시예에 따른 제2 회전 기준 점을 검출하기 위한 소실점 검출 모델을 설명하는 도면이다.
도 11은 일 실시예에 따른 위치 추정 장치에 대해 추정된 초기 측위 정보 및 위치 추정 장치의 실제 자세에 따른 회전 기준 점의 오차를 설명하는 도면이다.
도 12는 일 실시예에 따른 제1 회전 기준 점 및 제2 회전 기준 점을 이용하여 초기 측위 정보를 보상하는 동작을 설명하는 도면이다.
도 13은 일 실시예에 따른 회전 파라미터를 이용하여 측위 정보를 보상하는 동작을 설명하는 도면이다.
도 14 및 도 15는 일 실시예에 따른 위치 파라미터를 이용하여 측위 정보를 보상하는 동작을 설명하는 도면이다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수 개의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 따른 위치 추정 장치의 구성을 도시한 블록도이다.
위치 추정 장치(100)는 센서(110), 프로세서(120), 및 메모리(130)를 포함할 수 있다.
센서(110)는 센싱 데이터를 생성할 수 있다. 예를 들어, 센서(110)는 위치를 추정하는데 사용되는 정보를 센싱함으로써, 센싱 데이터를 생성할 수 있다. 위치를 추정하는데 사용되는 정보는, GPS 신호, 가속도 신도, 속도 신호, 및 이미지 신호 등의 다양한 신호를 포함할 수 있다. 프로세서(120)는 이러한 센싱 데이터를 이용하여 1차적으로 초기 측위 정보를 측정할 수 있다. 초기 측위 정보는 개략적으로(coarse) 측정된, 대상의 위치 및 자세를 지시하는 정보를 포함할 수 있다. 예를 들어, 센서(110)는 IMU(Inertial Measurement Unit) 및 GPS(Global Positioning System) 모듈을 포함할 수 있다. 센서(110)는 대상의 가속도 및 각속도를 나타내는 IMU(inertial measurement unit) 신호 및 GPS(global positioning system) 신호를 센싱 데이터로서 획득할 수 있다.
IMU는 관성 측정기(Inertial measurer)라고도 나타낼 수 있다. IMU는 자세 변환, 위치 이동에 대한 변화속도, 및 변위량을 측정할 수 있고, 예를 들어, 병진운동(예를 들어, 가속도)을 감지하는 3축 가속도계와 회전운동(예를 들어, 각속도)을 감지하는 3축 자이로스코프로 구성될 수 있다. IMU는 외부 정보에 의존하지 않기 때문에 가속도 신호 및 각속도 신호를 안정적으로 수집할 수 있다. GPS 모듈은 세 개 이상의 인공 위성(artificial satellite)으로부터 송신된 신호를 수신하여 위성과 위치 추정 장치(100)의 위치를 산출할 수 있으며, GNSS(Global Navigation Satellite System)라고 나타낼 수도 있다. GPS 모듈은 1Hz로 절대 위치를 측정할 수 있고, 낮은 노이즈를 가지므로 안정적으로 동작할 수 있다. IMU(301)는 100Hz로 상대위치를 측정할 수 있고, 고속으로 측정할 수 있다.
또한, 센서(110)는 이미지 데이터를 센싱할 수 있다. 예를 들어, 센서(110)는 카메라 센서를 포함할 수 있고, 카메라 센서는 가시광선 영역의 광선을 수신하여, 광선의 세기를 센싱할 수 있다. 카메라 센서는 적색 채널, 청색 채널, 및 녹색 채널의 각각에 대응하는 광선의 세기를 센싱하여 컬러 이미지를 생성할 수 있다. 다만, 센서(110)를 이로 한정하는 것은 아니고, 센서(110)는 적외선 센서, 라이다 센서, 레이더 센서, 열화상 센서, 및 깊이 센서 등을 포함할 수도 있다. 카메라 센서는 위치 추정 장치(100)의 외부(예를 들어, 위치 추정 장치(100)의 앞쪽 방향)를 촬영하여 이미지 데이터를 생성할 수 있다.
프로세서(120)는 대상에 대해 추정된 측위 정보(localization information) 및 맵 데이터에 기초하여 제1 회전 기준 점(rotation reference point)을 결정할 수 있다. 본 명세서에서 대상은 위치 추정 장치(100)에 의해 위치 및 자세가 추정되는 객체를 나타낼 수 있다. 예를 들어, 위치 추정 장치(100)는 차량에 탑재될 수 있고, 대상은 차량일 수 있다. 측위 정보는 대상의 위치, 자세, 및 움직임(예를 들어, 속도 및 가속도) 등의 정보를 포함할 수 있다.
본 명세서에서 회전 기준 점은 대상에 대해 추정된 측위 정보에서 회전 오차를 보정하기 위한 기준이 되는 지점을 나타낼 수 있다. 제1 회전 기준 점은 맵 데이터를 이용하여 결정된 회전 기준 점을 나타낼 수 있다. 예를 들어, 제1 회전 기준 점은 2차원의 이미지 평면 상의 소실점에 대응하는 3차원 지점으로서, 차로 경계선 상의 지점들 중 이미지 센서로부터 충분히 먼 지점을 나타낼 수 있다. 제1 회전 기준 점의 결정은 하기 도 6에서 설명한다.
프로세서(120)는 대상의 전방에 대한 이미지 데이터로부터 제2 회전 기준 점을 추정할 수 있다. 제2 회전 기준 점은 상술한 센서(110)에 의해 센싱된 이미지 데이터를 이용하여 추정된 회전 기준 점을 나타낼 수 있다. 제2 회전 기준 점은 소실점의 일종으로서, 3차원 공간에서 평행한 둘 이상의 직선들(예를 들어, 차로 경계선)이 2차원의 이미지 평면으로 투영될 경우, 해당 직선들은 임의의 한점으로 수렴하는 지점을 나타낼 수 있다. 제2 회전 기준 점의 결정은 하기 도 7 내지 도 10에서 설명한다.
프로세서(120)는 제1 회전 기준 점 및 제2 회전 기준 점에 기초하여 산출된 회전 파라미터를 이용하여, 측위 정보를 보정할 수 있다. 회전 파라미터는 1차적으로 추정된 초기 측위 정보 및 대상의 실제 위치 및 자세 간의 오차를 보상하기 위한 파라미터를 나타낼 수 있다. 예를 들어, 센서(110)에 포함된 카메라 센서는 대상(예를 들어, 차량)의 길이 방향 축(longitudinal axis)에 평행한 광축(optical axis)을 가지도록 대상에 장착될 수 있다. 이 경우, 카메라 센서도 대상의 움직임과 동일한 움직임을 가지게 되므로, 카메라 센서에 의해 센싱되는 이미지 데이터는 대상의 위치 및 자세와 일치되는 시각적 정보를 포함할 수 있다. 따라서, 프로세서(120)는 초기 측위 정보에 대응하는 제1 회전 기준 점을, 상술한 이미지 데이터로부터 검출된 제2 회전 기준 점에 매칭시킬 수 있도록, 회전 파라미터를 적용할 수 있다. 회전 파라미터의 산출은 하기 도 5에서 설명하고, 회전 파라미터의 적용은 하기 도 11 내지 도 15에서 설명한다.
메모리(130)는 위치 추정 방법을 수행하는데 요구되는 데이터를 임시적으로 또는 영구적으로 저장할 수 있다. 예를 들어, 메모리(130)는 이미지 데이터로부터 회전 기준 점을 검출하기 위한 소실점 검출 모델 및 그 모델 파라미터를 저장할 수도 있다. 소실점 검출 모델은 아래 도 9 내지 도 10에서 설명한다.
상술한 바와 같이, 위치 추정 장치(100)는 센서(110)에 의해 센싱된 센싱 데이터에 기초하여, 대상의 초기 위치 및 초기 자세를 포함하는 초기 측위 정보를 추정할 수 있다. 초기 측위 정보는 자세 오차 및 위치 오차를 나타낼 수 있고, 아래 도 2 및 도 3에서는 초기 측위 정보에서 나타날 수 있는 오차를 설명한다.
도 2 및 도 3은 일 실시예에 따른 위치 추정의 오차를 설명하는 도면이다.
일 실시예에 따르면, 위치 추정 장치는 GPS 신호 및 가속도 신호 등을 이용하여, 초기 측위 정보를 측정할 수 있다. 도 2는 초기 측위 정보에서 초기 자세가 실제 자세에 대해 회전 오차 를 가지는 상황을 도시한다. 초기 측위 정보는 위치 추정 장치가 장착된 대상이 임의의 초기 위치 및 초기 자세를 가지는 것을 지시할 수 있다. 맵 데이터(예를 들어, HD(high definition) 맵)에 따르면, 초기 측위 정보에 대응하는 맵 차로 경계선(210)은 도 2와 같이 나타날 수 있다. 반면, 실제로 이미지 센서에 의해 촬영된 이미지 데이터에서 나타나는 이미지 차로 경계선(220)은, 맵 차로 경계선(210)과 다른 각도를 나타낼 수 있다. 따라서, 위치 추정 장치는 이러한 회전 오차를, 하기 도 5에 따라 산출된 회전 파라미터를 이용하여 보상할 수 있다.
참고로, 맵 데이터는 맵에 관련된 정보를 포함할 수 있고, 예를 들어, 랜드마크에 관한 정보를 포함할 수 있다. 예를 들어 ,랜드마크는 운전자에게 도로를 주행하는데 필요한 정보를 제공하기 위해 임의의 지리적 위치에 고정된 객체를 나타낼 수 있다. 예를 들어, 도로 표지판 및 신호등 등이 랜드마크에 속할 수 있다. 한국 도로 교통법에 따르면, 랜드마크는 총 6종의 클래스들로 분류될 수 있다. 예를 들어, 랜드마크는, 주의 표지, 규제 표지, 지시 표지, 보조 표지, 노면 표시, 신호기 등으로 분류될 수 있다. 다만, 랜드마크의 각 클래스 별 분류를 상술한 바로 한정하는 것은 아니다. 국가 별로 클래스의 종류가 달라질 수 있다.
또한, 본 명세서에서 차로 경계선은 차로를 정의하는 선으로서, 도로면에 페인팅된 실선 또는 점선 등일 수 있고, 도로의 외곽을 따라 배치된 연석(kerb) 등일 수도 있다.
도 3은 초기 측위 정보에서 초기 위치가 실제 위치에 대해 위치 오차 를 가지는 상황을 도시한다. 맵 데이터에 따르면, 초기 측위 정보에 대응하는 맵 차로 경계선(310)은 도 3에 도시된 바와 같이 나타날 수 있다. 반면, 실제로 이미지 센서에 의해 촬영된 이미지 데이터에서 나타나는 이미지 차로 경계선(320)은, 맵 차로 경계선(310)과 다른 위치에 나타날 수 있다. 따라서, 위치 추정 장치는 이러한 위치 오차를 하기 12, 도 14, 및 도 15에서 설명하는 바와 같이 보상할 수 있다.
도 4는 일 실시예에 따른 위치 추정 방법을 설명하는 흐름도를 도시한다.
우선, 단계(410)에서 위치 추정 장치는 대상에 대해 추정된 측위 정보(localization information) 및 맵 데이터에 기초하여 제1 회전 기준 점(rotation reference point)을 결정할 수 있다. 제1 회전 기준 점의 결정은 하기 도 6에서 설명한다.
그리고 단계(420)에서 위치 추정 장치는 대상의 전방에 대한 이미지 데이터로부터 제2 회전 기준 점을 추정할 수 있다. 제2 회전 기준 점의 추정은 하기 도 7 내지 도 10에서 설명한다.
이어서 단계(430)에서 위치 추정 장치는 제1 회전 기준 점 및 제2 회전 기준 점에 기초하여 산출된 회전 파라미터를 이용하여, 측위 정보를 보정할 수 있다. 회전 파라미터를 이용한 측위 정보의 보정은 하기 도 12에서 설명한다.
도 5 는 일 실시예에 따른 파라미터 산출을 설명하기 위한 도면이다.
일 실시예에 따르면, 임의의 위치 오차 및 임의의 회전 오차에 따라 보상된 제1 회전 기준 점(510)을 이미지 평면으로 투영(projection)된 지점이 제2 회전 기준 점(540)에 매칭한다고 가정할 수 있다. 이러한 가정 하에 방정식을 정리하면, 제1 회전 기준 점(510)이 이미지 평면에 투영된 지점을 제2 회전 기준 점(540)에 매칭시키기 위한 회전 파라미터를 산출할 수 있다. 위치 추정 장치는 제1 회전 기준 점(510) 및 제2 회전 기준 점(540)에 기초하여 회전 파라미터(rotation parameter)를 산출할 수 있다. 아래에서는 회전 파라미터의 산출을 위한 수식을 유도하는 과정을 설명한다.
우선, 제1 회전 기준 점(510)은 맵 데이터(501)로부터, 최초 측위 정보에 기초하여 결정될 수 있다. 예를 들어, 최초 측위 정보에 따라, 맵 데이터(501) 상에서 대상의 최초 위치 및 최초 자세가 결정될 수 있다. 이러한 대상의 최초 위치 및 최초 자세에서 이미지 센서에 의해 촬영되는 차로 경계선들의 소실점에 대응하는 제1 회전 기준 점(510)이 결정될 수 있다. 상술한 바와 같이, 평행한 둘 이상의 차로 경계선들이 3차원 공간 상에서 실제로 교차하지는 않을 수 있다. 다만, 이 차로 경계선들을 2차원 이미지 평면에 투영하였을 때, 투영된 차로 경계선들이 교차할 것으로 예측되는 지점이 제1 회전 기준 점(510)으로 결정될 수 있다. 이러한 제1 회전 기준 점(510)의 결정은 하기 도 6에서 설명한다.
여기서, 최초 측위 정보, 예를 들어, 최초 위치 및 최초 자세에 상술한 바와 같이 임의의 위치 오차 및 자세 오차가 있다고 가정하면, 제1 회전 기준 점(510)에 대해 위치/자세 파라미터 보정(520)이 적용될 수 있다. 예를 들어, 위치 파라미터 및 자세 파라미터가 제1 회전 기준 점(510)에 대해 보상될 수 있다. 위치 파라미터 및 자세 파라미터가 보상된 제1 회전 기준 점(510)에 투시 투영(530)이 적용될 경우, 제1 회전 기준 점(510)의 2차원 좌표(591)가 획득될 수 있다. 여기서, 제1 회전 기준 점(510)의 2차원 좌표(591)는 입력 이미지(503)로부터 검출된 제2 회전 기준 점(540)의 2차원 좌표(592)와 동일하다고 가정될 수 있다. 이러한 제1 회전 기준 점(510) 및 제2 회전 기준 점(540)의 관계는 아래 수학식들과 같이 나타낼 수 있다.
[수학식 1]
상술한 수학식 1에서, px, py, pz는 각각 제1 회전 기준 점(510)의 3차원 좌표(예를 들어, x, y, z 좌표)를 나타낼 수 있다. tx, ty, tz는 위치 파라미터(예를 들어 ,위치 오차)의 x, y, z 변위 값으로서 병진 변환에 대응하는 값을 나타낼 수 있다. , , 및 는 각각 x축을 기준으로 하는 회전 오차, y축을 기준으로 하는 회전 오차, z축을 기준으로 하는 회전 오차로서 회전 파라미터를 나타낼 수 있다. 는 y축을 기준으로 만큼의 회전 변환, 는 x축을 기준으로 만큼의 회전 변환, 는 z축을 기준으로 만큼의 회전 변환을 나타낼 수 있다. 는 회전 변환 및 병진 변환이 적용된 제1 회전 기준 점(510)의 3차원 좌표를 2차원 좌표로 투시 투영(530) 변환하는 행렬을 나타낼 수 있다. f는 이미지 센서의 초점 거리, cx, cy는 카메라 고유 정보(502)(예를 들어, 카메라 고유 파라미터)로서, 각각 주점(principal point)의 x좌표 및 y좌표를 나타낼 수 있다. v'x, v'y, v'z는 오차 보정 후 이미지 평면으로 투영된 제1 회전 기준 점(510)의 3차원 좌표(예를 들어, x, y, z좌표)를 나타낼 수 있다.
여기서, v'x, v'y, v'z는 3차원 좌표이지만, 행렬 연산의 편의를 위해 3차원 좌표로 표현된 것이고, 호모지니어스 좌표(homogeneous coordinate) 상의 점이므로, 하기 수학식 2와 같이 2차원 좌표로 표현될 수 있다.
[수학식 2]
상술한 수학식 1을 2차원 평면 좌표로 정리하면, 다음 수학식 3과 같이 표현할 수 있다.
[수학식 3]
상술한 수학식 3에서, qx 및 qy는 아래 수학식 4와 같이 나타낼 수 있다.
[수학식 4]
상술한 수학식 4에서, 소실점(VP, vanishing point)의 특성에 따르면, pz는 py에 대해 충분히 크므로(예를 들어, pz >>py), py/pz는 0으로 수렴할 수 있다. px/pz는 라고 나타낼 수 있다. 는 상수일 수 있다. 또한, 소실점의 특성에 따르면, 미지수들 (tx, ty, tz, , , ) 중 (tx, ty, tz,가 제거될 수 있다. 따라서, qx, qy는 아래 수학식 5와 같이 나타낼 수 있다.
[수학식 5]
따라서, qy는 제거되고, qx는 회전 파라미터 중 에 대한 값으로 표현될 수 있다. 이에 따라 상술한 수학식 3을 다시 정리하면 아래 수학식 6과 같이 나타낼 수 있다.
[수학식 6]
상술한 수학식 6에서 차량의 롤(roll) 각도가 주어지면(예를 들어, =0), (, )에 대한 수식으로 정리될 수 있다. 상술한 수학식 6에서 미지수 (, )를 제외한 나머지 변수가 모두 주어졌으므로, 아래 수학식 7과 같이 x축 회전 및 y축 회전에 대해 2개의 연립 방정식이 성립할 수 있다.
[수학식 7]
상술한 수학식 6 및 수학식 7은 제1 회전 기준 점(510)의 2차원 좌표(591) 및 제2 회전 기준 점(540)의 2차원 좌표(592)가 동일하다는 가정에 따라 도출될 수 있다. 따라서, 위치 추정 장치는 상술한 수학식 6 및 수학식 7에 기초하여, 제1 회전 기준 점(510)이 이미지 평면으로 투영(projection)된 지점이 제2 회전 기준 점(540)에 매칭하도록, 제1 회전 기준 점(510)을 보상하기 위한 회전 파라미터를 결정할 수 있다. 예를 들어, 위치 추정 장치는 제1 회전 기준 점(510)의 3차원 좌표, 제2 회전 기준 점(540)의 2차원 좌표(592), 카메라 고유 파라미터, 및 대상의 롤 각도(roll angle)(예를 들어, )에 기초하여, 상술한 수학식 6 또는 수학식 7을 충족하는 회전 파라미터를 산출할 수 있다.
아래 도 6에서는 제1 회전 기준 점의 3차원 좌표를 결정하는 동작을 설명한다.
도 6은 일 실시예에 따른 제1 회전 기준 점을 설명하는 도면이다.
일 실시예에 따르면 위치 추정 장치는 차로 경계선의 지점들 중 대상(610)으로부터 충분히 먼 거리의 지점을 제1 회전 기준 점(650)으로 결정할 수 있다. 상술한 바와 같이, 제1 회전 기준 점(650)은 이미지 평면 상에서 차로 경계선(631)들이 교차하는 소실점에 대응할 수 있다. 대상(610)으로부터의 거리가 충분히 먼 지점일 수록, 이미지 평면 상의 소실점에 수렴하기 때문이다.
예를 들어, 위치 추정 장치는 맵 데이터에서 측위 정보에 기초하여 후보 영역(620)을 추출할 수 있다. 위치 추정 장치는 맵 데이터베이스(601)로부터 대상(610)의 현재 위치와 연관된 맵 데이터를 로딩할 수 있다. 예를 들어 ,위치 추정 장치는 대상(610)의 전방에서 대상(610)에 인접한 영역을 후보 영역(620)으로서 추출할 수 있다. 위치 추정 장치는 대상(610)이 주행하고 있는 차로(632)와 연관된 차로 경계선(631)을 포함하는 영역을 후보 영역(620)으로서 추출할 수 있다. 위치 추정 장치가 장착된 대상(610)이 주행하고 있는 차로(632)를 정의하는 차로 경계선(631)들 중 대상(610)에 가까운 차로 경계선(631)이 이미지 센서에 의해 안정적으로 촬영될 가능성이 높기 때문이다.
그리고 위치 추정 장치는 후보 영역(620)에 기초하여 제1 회전 기준 점(650)을 결정할 수 있다. 일 실시예에 따르면 위치 추정 장치는 후보 영역(620)에 포함된 차로 경계선(631)을 연장할 수 있다. 예를 들어, 위치 추정 장치는 후보 영역(620)에 포함된 차로 경계선(631)을 정의하는 웨이포인트들(waypoints) 중 적어도 두 웨이포인트들을 선택할 수 있고, 선택된 웨이포인트들을 연결하는 직선을 연장할 수 있다. 다만, 차로 경계선(631)의 연장을 이로 한정하는 것은 아니고, 차로 경계선(631)을 정의하는 웨이포인트들 간의 평균 기울기를 산출하여, 산출된 기울기를 가지는 직선을 연장할 수도 있다. 위치 추정 장치는 연장된 차로 경계선(640) 상의 지점들(points) 중 대상(610)으로부터 임계 거리(641)보다 먼 지점을 제1 회전 기준 점(650)으로 결정할 수 있다. 이와 같이 결정된 제1 회전 기준 점(650)의 3차원 좌표는 (px, py, pz)로 표현될 수 있다. 도 6에서는 설명의 편의를 위하여 2차원의 탑뷰로 도시하였으나, 맵 데이터의 3차원 좌표계는 대상(610)(예를 들어, 대상(610)의 외곽 상의 임의의 한 지점)을 원점으로 하는 3차원 좌표계로 변환될 수 있다. 따라서, 제1 회전 기준 점(650)은 대상(610)을 기준으로 하는 좌표계로 표현될 수 있다.
아래 도 7은 상술한 제1 회전 기준 점(650)에 대한 비교의 기준이 되는 제2 회전 기준 점을 설명한다.
도 7은 일 실시예에 따른 제2 회전 기준 점을 설명하는 도면이다.
일 실시예에 따른 위치 추정 장치는 이미지 데이터로부터 제2 회전 기준 점(720)을 검출할 수 있다. 위치 추정 장치는 소실점 검출 모델에 기초하여 이미지 데이터로부터 제2 회전 기준 점(720)을 검출할 수 있다.
예를 들어, 위치 추정 장치는 차로 경계선들(710)이 교차하는 지점을 제2 회전 기준 점(720)으로서 검출할 수 있다. 소실점 검출 모델은, 경계선들의 기하 구조(geometrical and structural) 정보(예를 들어, 기울기 등)가 수학적으로 모델링된 것일 수 있다. 위치 추정 장치는 수학적 모델에 기초하여, 검출된 차로 경계선으로부터 제2 회전 기준 점(720)을 검출할 수 있다.
다만, 제2 회전 기준 점(720)의 검출을 이로 한정하는 것은 아니고, 소실점 검출 모델로서 기계 학습 구조가 사용될 수 있다. 기계 학습 구조를 이용한 제2 회전 기준 점(720)의 검출은 아래 도 8 내지 도 10에서 설명한다.
도 8 내지 도 10은 일 실시예에 따른 제2 회전 기준 점을 검출하기 위한 소실점 검출 모델을 설명하는 도면이다.
일 실시예에 따르면 위치 추정 장치는 소실점 검출 모델(810, 910, 1010)에 기초하여 이미지 데이터로부터 제2 회전 기준 점을 검출할 수 있다. 소실점 검출 모델은, 기계 학습 구조로 구현될 수 있고, 예를 들어, 뉴럴 네트워크를 포함할 수 있다.
뉴럴 네트워크(neural network)는 딥 뉴럴 네트워크(DNN, deep neural network)의 예시에 해당할 수 있다. DNN은 완전 연결 네트워크(fully connected network), 딥 컨볼루셔널 네트워크(deep convolutional network) 및 리커런트 뉴럴 네트워크(recurrent neural network) 등을 포함할 수 있다. 뉴럴 네트워크는 딥 러닝에 기반하여 비선형적 관계에 있는 입력 데이터 및 출력 데이터를 서로 매핑함으로써 객체 분류, 객체 인식, 음성 인식 및 영상 인식 등을 수행할 수 있다. 딥 러닝은 빅 데이터 세트로부터 영상 또는 음성 인식과 같은 문제를 해결하기 위한 기계 학습 기법이다. 딥 러닝의 지도식(supervised) 또는 비지도식(unsupervised) 학습을 통해 입력 데이터 및 출력 데이터를 서로 매핑할 수 있다.
뉴럴 네트워크는 입력 레이어, 히든 레이어 및 출력 레이어를 포함한다. 입력 레이어, 히든 레이어 및 출력 레이어는 각각 복수의 노드들을 포함할 수 있다.
히든 레이어는 다양한 수의 레이어들을 포함할 수 있다. 입력 데이터는 입력 레이어로 입력될 수 있으나, 이로 한정하는 것은 아니고, 히든 레이어에 직접 입력될 수 있다. 뉴럴 네트워크에서 출력 레이어를 제외한 레이어들의 노드들은 출력 신호를 전송하기 위한 링크들을 통해 다음 레이어의 노드들과 연결될 수 있다. 링크들의 수는 다음 레이어에 포함된 노드들의 수에 대응할 수 있다.
히든 레이어에 포함된 각각의 노드에는 이전 레이어에 포함된 노드들의 가중된 입력들(weighted inputs)에 관한 활성 함수(activation function)의 출력이 입력될 수 있다. 가중된 입력은 이전 레이어에 포함된 노드들의 입력에 시냅스 가중치(synaptic weight)가 곱해진 것이다. 시냅스 가중치는 뉴럴 네트워크의 모델 파라미터로 지칭될 수 있다. 활성 함수는 시그모이드(sigmoid), 하이퍼볼릭 탄젠트(hyperbolic tangent; tanh) 및 렐루(rectified linear unit; ReLU)를 포함할 수 있고, 활성 함수에 의해 뉴럴 네트워크에 비선형성이 형성될 수 있다. 출력 레이어에 포함된 각각의 노드에는 이전 레이어에 포함된 노드들의 가중된 입력들이 입력될 수 있다.
뉴럴 네트워크는 입력 데이터가 주어지면 히든 레이어를 거쳐 출력 레이어에서 분류 및 인식하고자 하는 클래스의 수에 따라 함수 값을 계산하고, 이들 중 가장 큰 값을 갖는 클래스로 입력 데이터를 분류할 수 있다.
뉴럴 네트워크의 폭과 깊이가 충분히 크면 임의의 함수를 구현할 수 있을 만큼의 용량(capacity)을 가질 수 있다. 뉴럴 네트워크가 적절한 트레이닝 과정을 통해 충분히 많은 트레이닝 데이터를 학습하면, 최적의 인식 성능을 달성할 수 있다.
도 8은 소실점 검출 모델의 기본 구조를 도시한다.
본 명세서에서 소실점 검출 모델(810)은 이미지 데이터(801)로부터 회전 기준 점 정보(809)를 출력하도록 트레이닝된 기계 학습 구조일 수 있다. 예를 들어, 소실점 검출 모델(810)은 상술한 뉴럴 네트워크로 구성될 수 있으나, 이로 한정하는 것은 아니다. 회전 기준 점 정보(809)는 제2 회전 기준 점에 대응하는 지점의 이미지 평면 상의 2차원 좌표(예를 들어, x좌표 및 y좌표)일 수 있다. 소실점 검출 모델(810)에서 입력 레이어 및 출력 레이어의 차원(dimension)은 고정되는 제한이 있으나, 히든 레이어의 구조는 제한이 없을 수 있다.
트레이닝 장치는 소실점 검출 모델(810)을 트레이닝 데이터에 기초하여 트레이닝시킬 수 있다. 트레이닝 데이터는 트레이닝 입력 및 트레이닝 출력의 쌍을 포함할 수 있다. 트레이닝 출력은, 임의의 트레이닝 입력에 대해 주어진 실제 데이터(ground truth data)일 수 있고, 트레이닝 기준 점(예를 들어, 회전 기준 점의 좌표)일 수 있다. 트레이닝 장치는 소실점 검출 모델(810)을 트레이닝 이미지로부터 트레이닝 기준 점을 출력하도록 트레이닝시킬 수 있다. 예를 들어, 트레이닝 장치는 트레이닝 이미지로부터 소실점 검출 모델(810)에 기초하여 산출된 임시 출력 및 트레이닝 기준 점 간의 손실이 최소화되도록 모델 파라미터를 업데이트할 수 있다. 트레이닝 장치는 손실이 수렴할 때까지 모델 파라미터의 업데이트를 반복할 수 있다. 이와 같이, 트레이닝된 모델은, 위치 추정 장치에 저장될 수 있다.
도 9는 차로 경계선 검출 모델(920) 및 소실점 검출 모델(910)을 이용하는 동작을 설명한다.
일 실시예에 따른 위치 추정 장치는 이미지 데이터(901)로부터 랜드마크 객체를 추출할 수 있다. 예를 들어, 위치 추정 장치는 소실점 검출 모델(910)에 기초하여 랜드마크 객체로부터 회전 기준 점 정보(909)로서 제2 회전 기준 점을 검출할 수 있다.
예를 들어, 위치 추정 장치는 랜드마크 객체로서 차로 경계선을 검출할 수 있다. 위치 추정 장치는 차로 경계선 검출 모델(920)에 기초하여, 이미지 데이터(901)로부터 차로 경계선을 검출할 수 있다. 차로 경계선 검출 모델(920)은, 이미지 데이터(901)로부터 차로 경계선에 대응하는 지점들을 출력하도록 트레이닝된 모델일 수 있다.
트레이닝 장치는 미리 트레이닝이 완료된 차로 경계선 검출 모델(920)을 로딩할 수 있다. 트레이닝 장치는 트레이닝이 완료된 차로 경계선 검출 모델(920)에 기초하여, 이미지 데이터(901)로부터 차로 경계선 이미지를 출력할 수 있다. 트레이닝 장치는 차로 경계선 이미지로부터 소실점 검출 모델(910)에 기초하여 임시 출력을 산출할 수 있고, 임시 출력 및 트레이닝 출력 간의 손실에 기초하여 모델 파라미터를 업데이트할 수 있다. 여기서, 트레이닝 장치는 차로 경계선 검출 모델(920)의 모델 파라미터를 유지하면서, 소실점 검출 모델(910)의 모델 파라미터만을 업데이트할 수 있다.
다만, 이로 한정하는 것은 아니고, 두 모델을 아래와 도 10과 같이 조인트 트레이닝(joint training)시킬 수 있다.
도 10은 도 9와 동일한 뉴럴 네트워크 구조를 트레이닝시키는 다른 예시를 설명한다.
일 실시예에 따르면 위치 추정 장치는 이미지 데이터(1001)로부터 차로 경계선 검출 모델(1020)에 기초하여 차로 경계선 정보(1008)를 출력할 수 있다. 위치 추정 장치는 차로 경계선 정보(1008)로부터 소실점 검출 모델(1010)에 기초하여 회전 기준 점 정보(1009)를 출력할 수 있다.
예를 들어, 트레이닝 장치는 이미지 데이터(1001)를 차로 경계선 검출 모델(1020)로 전파(propagate)시킴으로써 차로 경계선 정보(1008)를 산출할 수 있다. 또한, 트레이닝 장치는 소실점 검출 모델(1010)로 차로 경계선 정보(1008)를 전파시킴으로써 회전 기준 점 정보(1009)를 산출할 수 있다. 트레이닝 장치는 차로 경계선 정보(1008)에 대한 차로 경계선 손실 및 회전 기준 점 정보(1009)에 대한 기준 점 손실에 기초하여, 차로 경계선 검출 모델(1020) 및 소실점 검출 모델(1010), 두 모델의 모델 파라미터를 동시에 또는 순차적으로 업데이트할 수 있다. 이러한 트레이닝 과정에서, 소실점 검출 모델(1010)의 트레이닝 및 차로 경계선 검출 모델(1020)의 트레이닝은 서로의 트레이닝을 도울 수 있다.
도 11은 일 실시예에 따른 위치 추정 장치에 대해 추정된 초기 측위 정보 및 위치 추정 장치의 실제 자세에 따른 회전 기준 점의 오차를 설명하는 도면이다.
도 11에서 초기 측위 정보에 따른 자세의 대상(1110)은 차로 경계선에 대해 비스듬하게 위치되는 것으로 가정될 수 있다. 여기서, 대상(1110)의 자세는 초기 측위 정보에 따라 가상적으로 도시되었다. 도 6에서 설명한 바와 같이, 위치 추정 장치는 대상(1110)이 주행하고 있는 차로의 경계선을 정의하는 지점들 중 대상(1110)으로부터 임계 거리보다 먼 지점을 제1 회전 기준 점(1150)으로 결정할 수 있다. 초기 측위 정보에 따른 자세의 대상(1110)에 장착된 센서(1111)의 시야각에 대응하는 이미지 평면으로 제1 회전 기준 점(1150)이 투영될 경우, 제1 회전 기준 점(1150)이 투영된 지점(1151)은 도 11에 도시된 바와 같이 나타날 수 있다.
상술한 초기 측위 정보와 달리, 실제 대상(1120)은 차로 경계선과 평행하게 위치될 수 있다. 실제 대상(1120)의 센서(1121)는 대상(1120)의 전방에 대한 이미지를 촬영할 수 있다. 위치 추정 장치는 도 7 내지 도 10에서 상술한 바와 같이 이미지 데이터(1160)로부터 제2 회전 기준 점(1161)을 검출할 수 있다.
상술한 바와 같이, 최초 측위 정보에 내포된 오차로 인해, 제1 회전 기준 점(1150)이 이미지 평면에 바로 투영된 지점과 제2 회전 기준 점(1161)은 서로 다른 지점에 나타날 수 있다. 따라서, 제1 회전 기준 점(1150)이 이미지 평면에 투영된 지점과 제2 회전 기준 점(1161) 간의 차이(1156)는 최초 측위 정보에 내포된 오차(예를 들어, 회전 오차 및 위치 오차 등)에 대응할 수 있다.
일 실시예에 따른 위치 추정 장치는 도 5에서 상술한 바에 따라 산출된 회전 파라미터를 이용하여, 최초 측위 정보를 아래 도 12와 같이 보정할 수 있다.
도 12는 일 실시예에 따른 제1 회전 기준 점 및 제2 회전 기준 점을 이용하여 초기 측위 정보를 보상하는 동작을 설명하는 도면이다. 도 13은 일 실시예에 따른 회전 파라미터를 이용하여 측위 정보를 보상하는 동작을 설명하는 도면이다. 도 14 및 도 15는 일 실시예에 따른 위치 파라미터를 이용하여 측위 정보를 보상하는 동작을 설명하는 도면이다.
우선, 위치 추정 장치는 맵 데이터(1201)를 획득할 수 있다. 단계(1210)에서 위치 추정 장치는 맵 데이터(1201)로부터 최초 측위 정보에 기초하여 제1 회전 기준 점을 결정할 수 있다. 제1 회전 기준 점의 결정은 도 6에서 상술하였으므로 생략한다.
한편, 위치 추정 장치는 이미지 데이터(1202)를 획득할 수 있다. 단계(1220)에서 위치 추정 장치는 소실점 검출 모델(1203)에 기초하여, 이미지 데이터(1202)로부터 제2 회전 기준 점을 검출할 수 있다. 소실점 검출 모델(1203)은 수학적 모델 또는 기계 학습 구조로 된 모델일 수 있다.
이어서 단계(1230)에서 위치 추정 장치는 회전 파라미터 및 위치 파라미터를 이용하여, 최초 측위 정보를 보정할 수 있다.
단계(1231)에서 위치 추정 장치는 회전 파라미터를 산출하고, 회전 파라미터를 이용하여 최초 측위 정보를 보정할 수 있다. 일 실시예에 따르면, 위치 추정 장치는 제1 회전 기준 점 및 제2 회전 기준 점에 기초하여 회전 파라미터(rotation parameter)를 산출할 수 있다. 예를 들어, 위치 추정 장치는 제1 회전 기준 점 및 제2 회전 기준 점으로부터 초기 자세에 대한 회전 파라미터를 산출할 수 있다. 또한, 위치 추정 장치는 산출된 회전 파라미터에 기초하여 측위 정보를 보정함으로써 최종 측위 정보를 결정할 수 있다. 예를 들어, 위치 추정 장치는 회전 파라미터를 이용하여 초기 자세를 보정함으로써, 대상의 최종 자세를 결정할 수 있다. 도 13에 도시된 바와 같이, 회전 파라미터를 측위 정보에 보상(1331)함으로써, 제1 회전 기준 점이 이미지 평면에 투영되는 위치가 센서를 기준으로 회전될 수 있다.
일 실시예에 따르면 위치 추정 장치는 상술한 바와 같이 최종 자세를 결정한 후, 대상의 초기 위치에 대한 위치 파라미터를 산출할 수 있다. 위치 추정 장치는 위치 파라미터를 이용하여 초기 위치를 보정함으로써, 대상의 최종 위치를 결정할 수 있다.
예를 들어, 단계(1232)에서 위치 추정 장치는 제1 축 위치 파라미터를 산출하고, 제1 축 위치 파라미터를 이용하여 측위 정보를 보정할 수 있다. 위치 추정 장치는 초기 위치에 대해 제1 축 상의 오프셋을 적용할 수 있다. 위치 추정 장치는 위치 파라미터로부터 대상의 가로 축(lateral axis)에 대응하는 성분(component)을 측위 정보에 반영할 수 있다. 도 14에 도시된 바와 같이, 제1 축 위치 파라미터를 측위 정보에 보상(1432)함으로써, 제1 회전 기준 점이 이미지 평면에 투영되는 제1 축 상의 위치가 이동될 수 있다.
단계(1233)에서 위치 추정 장치는 제2 축 위치 파라미터를 산출하고, 제2 축 위치 파라미터를 이용하여 측위 정보를 보정할 수 있다. 위치 추정 장치는 초기 위치에 대해 제1 축과 구별되는 제2 축 상의 오프셋을 적용할 수 있다. 위치 추정 장치는 위치 파라미터로부터 대상의 길이 축(longitudinal axis)에 대응하는 성분을 측위 정보에 반영할 수 있다. 도 15에 도시된 바와 같이, 제2 축 위치 파라미터를 측위 정보에 보상(1533)함으로써, 제1 회전 기준 점이 이미지 평면에 투영되는 제2 축 상의 위치가 이동될 수 있다.
일 실시예에 따른 위치 추정 장치는 맵 데이터(1201)로부터 검출된 맵 랜드마크 및 이미지 데이터(1202)로부터 검출된 이미지 랜드마크에 기초하여, 위치 파라미터(예를 들어, 제1 축 위치 파라미터 및 제2 축 위치 파라미터)를 결정할 수 있다. 예를 들어, 위치 추정 장치는 맵 데이터(1201)로부터 검출된 맵 랜드마크의 2차원 좌표 및 그에 대응하는 이미지 랜드마크의 2차원 좌표 간의 차이에 기초하여 위치 파라미터를 산출할 수 있다. 참고로, 위치 추정 장치는 이미지 데이터(1202)로부터 검출된 각 랜드마크에 랜드마크 점수를 설정할 수 있다. 위치 추정 장치는 맵 데이터(1201)에 포함된 맵 랜드마크를 이미지 평면(예를 들어, 초기 위치 및 초기 자세에서 센서의 시야각에 따른 평면)으로 투영하고, 이미지 데이터(1202)에 나타난 이미지 랜드마크 간에 중첩되는 정도에 따라 매칭 스코어를 산출할 수 있다. 위치 추정 장치는, 맵 랜드마크의 2차원 좌표 또는 이미지 랜드마크의 2차원 좌표 이동에 따라, 가장 높은 매칭 스코어를 나타내는 좌표 이동 값에 대응하는 위치 파라미터를 결정할 수 있다.
상술한 바와 같이, 위치 추정 장치는 회전 파라미터 및 위치 파라미터를 산출하여, 최초 측위 정보에 반영함으로써 정확한 최종 측위 정보를 결정할 수 있다.
위치 추정 장치는 최종 측위 정보를 통해, 대상이 맵 데이터(1201) 상에서 미리 결정된 장소에 도달하였는지 여부 또는, 경로를 벗어나지 않았는지 여부를 판단하기 위한 정보를 제공할 수 있다. 위치 추정 장치는 차량용 정보시스템과 결합될 수 있다. 또한, 위치 추정 방법은 차량용 디바이스에서 소프트웨어, 웹 서비스, 칩 형태로 구현되어 제공될 수 있다.
일 실시예에 따른 위치 추정 장치는 AR (augmented reality) 환경에서 이미지 및 맵 데이터(1201)에 기반한 측위(localization)에 적용될 수 있다. 예를 들어, 위치 추정 장치는 가격이 저렴하고, 소형화될 수 있다. 또한, 위치 추정 장치는 맵 데이터(1201)의 맵 랜드마크 및 이미지 데이터(1202)의 이미지 랜드마크 간에 오차가 발생하더라도, 상술한 바와 같이 위치 파라미터 및 회전 파라미터를 통해 오차를 보상할 수 있다. 더 나아가, 위치 추정 장치는 랜드마크들의 개수 제한 없이(예를 들어, 4개 미만이더라도) 위치 파라미터 및 회전 파라미터를 결정할 수 있다.
일 실시예에 따른 위치 추정 장치는 측위에 있어서 주요한 요소인 회전 오차를 보상하기 위한 회전 파라미터를, 회전 기준 점들을 이용하여 강건하게 결정할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.　　
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100: 위치 추정 장치
110: 센서
120: 프로세서
130: 메모리

Claims (20)

  1. 위치 추정 방법에 있어서,
    대상에 대해 추정된 측위 정보(localization information) 및 맵 데이터에 기초하여 제1 회전 기준 점(rotation reference point)을 결정하는 단계;
    상기 대상의 전방에 대한 이미지 데이터로부터 제2 회전 기준 점을 추정하는 단계; 및
    상기 제1 회전 기준 점 및 상기 제2 회전 기준 점에 기초하여 산출된 회전 파라미터를 이용하여, 상기 측위 정보를 보정하는 단계
    를 포함하고,
    상기 제1 회전 기준 점을 결정하는 단계는,
    상기 맵 데이터에서 추출된 후보 영역에 포함된 차로 경계선을 연장(span)하는 단계; 및
    상기 연장된 차로 경계선 상의 지점들(points) 중에서 상기 대상으로부터 임계 거리보다 먼 지점을 상기 제1 회전 기준 점으로 결정하는 단계를 포함하는,
    위치 추정 방법.
  2. 제1항에 있어서,
    센서에 의해 센싱된 센싱 데이터에 기초하여, 상기 대상의 초기 위치 및 초기 자세를 포함하는 초기 측위 정보를 추정하는 단계
    를 더 포함하는 위치 추정 방법.
  3. 삭제
  4. 제1항에 있어서,
    상기 제1 회전 기준 점을 결정하는 단계는,
    상기 대상의 전방에서 상기 대상에 인접한 영역을 상기 후보 영역으로서 추출하는 단계를 더 포함하는,
    위치 추정 방법.
  5. 제1항에 있어서,
    상기 제1 회전 기준 점을 결정하는 단계는,
    상기 대상이 주행하고 있는 차로와 연관된 차로 경계선을 포함하는 영역을 상기 후보 영역으로서 추출하는 단계를 더 포함하는,
    위치 추정 방법
  6. 삭제
  7. 제1항에 있어서,
    상기 제2 회전 기준 점을 추정하는 단계는,
    소실점 검출 모델에 기초하여 상기 이미지 데이터로부터 상기 제2 회전 기준 점을 검출하는 단계
    를 포함하는 위치 추정 방법.
  8. 제7항에 있어서,
    상기 소실점 검출 모델은,
    트레이닝 이미지로부터 트레이닝 기준 점을 출력하도록 트레이닝된 모델
    을 포함하는 위치 추정 방법.
  9. 제7항에 있어서,
    상기 제2 회전 기준 점을 검출하는 단계는,
    상기 이미지 데이터로부터 랜드마크 객체를 추출하는 단계; 및
    상기 소실점 검출 모델에 기초하여 상기 랜드마크 객체로부터 상기 제2 회전 기준 점을 검출하는 단계
    를 포함하는 위치 추정 방법.
  10. 제1항에 있어서,
    상기 측위 정보를 보정하는 단계는,
    상기 제1 회전 기준 점 및 상기 제2 회전 기준 점에 기초하여 회전 파라미터(rotation parameter)를 산출하는 단계; 및
    상기 산출된 회전 파라미터에 기초하여 상기 측위 정보를 보정함으로써 최종 측위 정보를 결정하는 단계
    를 포함하는 위치 추정 방법.
  11. 제10항에 있어서,
    상기 회전 파라미터를 산출하는 단계는,
    상기 제1 회전 기준 점이 이미지 평면으로 투영(projection)된 지점이 상기 제2 회전 기준 점에 매칭하도록, 상기 제1 회전 기준 점을 보상하기 위한 회전 파라미터를 결정하는 단계
    를 포함하는 위치 추정 방법.
  12. 제10항에 있어서,
    상기 회전 파라미터를 산출하는 단계는,
    상기 제1 회전 기준 점의 3차원 좌표, 상기 제2 회전 기준 점의 2차원 좌표, 카메라 고유 파라미터, 및 상기 대상의 롤 각도(roll angle)에 기초하여 상기 회전 파라미터를 산출하는 단계
    를 포함하는 위치 추정 방법.
  13. 제10항에 있어서,
    상기 최종 측위 정보를 결정하는 단계는,
    상기 회전 파라미터를 이용하여 초기 자세를 보정함으로써, 대상의 최종 자세를 결정하는 단계
    를 포함하는 위치 추정 방법.
  14. 제13항에 있어서,
    상기 측위 정보를 보정하는 단계는,
    상기 최종 자세를 결정한 후, 상기 대상의 초기 위치에 대한 위치 파라미터를 산출하는 단계; 및
    상기 위치 파라미터를 이용하여 상기 초기 위치를 보정함으로써, 대상의 최종 위치를 결정하는 단계
    를 더 포함하는 위치 추정 방법.
  15. 제14항에 있어서,
    상기 최종 위치를 결정하는 단계는,
    상기 초기 위치에 대해 제1 축 상의 오프셋을 적용하는 단계; 및
    상기 초기 위치에 대해 상기 제1 축과 구별되는 제2 축 상의 오프셋을 적용하는 단계
    를 포함하는 위치 추정 방법.
  16. 제15항에 있어서,
    상기 제1 축 상의 오프셋을 적용하는 단계는,
    상기 위치 파라미터로부터 상기 대상의 가로 축에 대응하는 성분(component)을 상기 측위 정보에 반영하는 단계
    를 포함하고,
    상기 제2 축 상의 오프셋을 적용하는 단계는,
    상기 위치 파라미터로부터 상기 대상의 길이 축에 대응하는 성분을 상기 측위 정보에 반영하는 단계
    를 포함하는 위치 추정 방법.
  17. 제14항에 있어서,
    상기 위치 파라미터를 산출하는 단계는,
    상기 맵 데이터로부터 검출된 맵 랜드마크 및 상기 이미지 데이터로부터 검출된 이미지 랜드마크에 기초하여, 상기 위치 파라미터를 결정하는 단계
    를 포함하는 위치 추정 방법.
  18. 제17항에 있어서,
    상기 위치 파라미터를 결정하는 단계는,
    상기 맵 데이터로부터 검출된 맵 랜드마크의 2차원 좌표 및 그에 대응하는 이미지 랜드마크의 2차원 좌표 간의 차이에 기초하여 상기 위치 파라미터를 산출하는 단계
    를 포함하는 위치 추정 방법.
  19. 제1항, 제2항, 제4항, 제5항, 및 제7항 내지 제18항 중 어느 한 항의 방법을 수행하기 위한 명령어를 포함하는 하나 이상의 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
  20. 위치 추정 장치에 있어서,
    이미지 데이터를 센싱하는 센서; 및
    대상에 대해 추정된 측위 정보(localization information) 및 맵 데이터에 기초하여 제1 회전 기준 점(rotation reference point)을 결정하고, 상기 대상의 전방에 대한 상기 이미지 데이터로부터 제2 회전 기준 점을 추정하며, 상기 제1 회전 기준 점 및 상기 제2 회전 기준 점에 기초하여 산출된 회전 파라미터를 이용하여, 상기 측위 정보를 보정하는 프로세서
    를 포함하고,
    상기 프로세서는,
    상기 맵 데이터에서 추출된 후보 영역에 포함된 차로 경계선을 연장하고,
    상기 연장된 차로 경계선 상의 지점들 중에서 상기 대상으로부터 임계 거리보다 먼 지점을 상기 제1 회전 기준 점으로 결정하는,
    위치 추정 장치.
KR1020180123488A 2018-10-17 2018-10-17 위치 추정 장치 및 방법 KR102627453B1 (ko)

Priority Applications (6)

Application Number Priority Date Filing Date Title
KR1020180123488A KR102627453B1 (ko) 2018-10-17 2018-10-17 위치 추정 장치 및 방법
US16/295,326 US11023748B2 (en) 2018-10-17 2019-03-07 Method and apparatus for estimating position
EP19167656.8A EP3640681B1 (en) 2018-10-17 2019-04-05 Method and apparatus for estimating position
CN201910366718.5A CN111060946A (zh) 2018-10-17 2019-04-30 用于估计位置的方法和装置
JP2019171732A JP7404010B2 (ja) 2018-10-17 2019-09-20 位置推定装置及び方法
US17/316,957 US11651597B2 (en) 2018-10-17 2021-05-11 Method and apparatus for estimating position

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180123488A KR102627453B1 (ko) 2018-10-17 2018-10-17 위치 추정 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20200043006A KR20200043006A (ko) 2020-04-27
KR102627453B1 true KR102627453B1 (ko) 2024-01-19

Family

ID=66101993

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180123488A KR102627453B1 (ko) 2018-10-17 2018-10-17 위치 추정 장치 및 방법

Country Status (5)

Country Link
US (2) US11023748B2 (ko)
EP (1) EP3640681B1 (ko)
JP (1) JP7404010B2 (ko)
KR (1) KR102627453B1 (ko)
CN (1) CN111060946A (ko)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102627453B1 (ko) * 2018-10-17 2024-01-19 삼성전자주식회사 위치 추정 장치 및 방법
US11061145B2 (en) * 2018-11-19 2021-07-13 The Boeing Company Systems and methods of adjusting position information
KR20210034253A (ko) * 2019-09-20 2021-03-30 삼성전자주식회사 위치 추정 장치 및 방법
US11761787B2 (en) * 2020-04-08 2023-09-19 Nissan Motor Co., Ltd. Map information correction method, driving assistance method, and map information correction device
CN112668037B (zh) * 2020-06-02 2024-04-05 华控清交信息科技(北京)有限公司 一种模型训练方法、装置和电子设备
CN111882601B (zh) * 2020-07-23 2023-08-25 杭州海康威视数字技术股份有限公司 定位方法、装置及设备
CN112363196B (zh) * 2020-10-20 2023-10-31 北京嘀嘀无限科技发展有限公司 车辆属性确定方法、装置、存储介质和电子设备
CN112241718A (zh) * 2020-10-23 2021-01-19 北京百度网讯科技有限公司 车辆信息的检测方法、检测模型的训练方法和装置
CN112433193B (zh) * 2020-11-06 2023-04-07 山东产研信息与人工智能融合研究院有限公司 一种基于多传感器的模位置定位方法及系统
CN117215194B (zh) * 2023-09-28 2024-03-26 广东海洋大学 一种基于螺旋桨协同的轮缘控制器数据处理方法及系统

Family Cites Families (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4672190B2 (ja) 2001-04-26 2011-04-20 三菱電機株式会社 映像ナビゲーション装置
KR100446636B1 (ko) * 2002-11-21 2004-09-04 삼성전자주식회사 이동체의 움직임 및 이동체 전방에 위치한 물체의 3차원정보 측정 기능을 구비한 이동체 및 그 방법
JP2006208223A (ja) 2005-01-28 2006-08-10 Aisin Aw Co Ltd 車両位置認識装置及び車両位置認識方法
JP4596566B2 (ja) 2005-03-31 2010-12-08 アイシン・エィ・ダブリュ株式会社 自車情報認識装置及び自車情報認識方法
WO2008038370A1 (en) * 2006-09-28 2008-04-03 Pioneer Corporation Traffic information detector, traffic information detecting method, traffic information detecting program, and recording medium
DE102007008798A1 (de) * 2007-02-22 2008-09-04 Götting jun., Hans-Heinrich Anordnung zur Überprüfung eines berührungslos wirkenden Schutzsensors
US8131098B2 (en) * 2007-07-06 2012-03-06 Panasonic Corporation Image processing device, image processing method, image processing system, program, storage medium, and integrated circuit
US20090037039A1 (en) * 2007-08-01 2009-02-05 General Electric Company Method for locomotive navigation and track identification using video
RU2010136929A (ru) * 2008-02-04 2012-03-20 Теле Атлас Норт Америка Инк. (Us) Способ для согласования карты с обнаруженными датчиком объектами
JP4986883B2 (ja) * 2008-02-27 2012-07-25 三菱電機株式会社 標定装置、標定方法および標定プログラム
US8487991B2 (en) * 2008-04-24 2013-07-16 GM Global Technology Operations LLC Clear path detection using a vanishing point
EP2356584B1 (en) * 2008-12-09 2018-04-11 Tomtom North America, Inc. Method of generating a geodetic reference database product
KR101121518B1 (ko) 2009-10-09 2012-02-28 고려대학교 산학협력단 로봇 이동 장치 지도 작성 방법
AU2011201189B2 (en) * 2010-03-16 2014-08-28 The University Of Sydney Vehicle localization in open-pit mining using GPS and monocular camera
GB2479577B (en) * 2010-04-15 2015-05-27 Samsung Electronics Co Ltd Improvements relating to wireless networks
JP5612915B2 (ja) 2010-06-18 2014-10-22 東芝アルパイン・オートモティブテクノロジー株式会社 移動体検出装置及び移動体検出方法
US8843290B2 (en) * 2010-07-22 2014-09-23 Qualcomm Incorporated Apparatus and methods for calibrating dynamic parameters of a vehicle navigation system
JP5731801B2 (ja) 2010-11-19 2015-06-10 東芝アルパイン・オートモティブテクノロジー株式会社 車両用画像処理装置および車両用画像処理方法
US9749594B2 (en) * 2011-12-22 2017-08-29 Pelco, Inc. Transformation between image and map coordinates
KR101342393B1 (ko) * 2012-04-27 2013-12-18 서울시립대학교 산학협력단 회전식 라인 카메라로 획득한 실내 전방위 영상의 지오레퍼런싱 방법
JP6141601B2 (ja) 2012-05-15 2017-06-07 東芝アルパイン・オートモティブテクノロジー株式会社 車載カメラ自動キャリブレーション装置
JP2014010636A (ja) 2012-06-29 2014-01-20 Denso Corp 電子機器
EP2704096A1 (de) * 2012-08-29 2014-03-05 Delphi Technologies, Inc. Verfahren zum kalibrieren einer Bilderfassungseinrichtung
KR101394770B1 (ko) * 2012-08-30 2014-05-15 주식회사 만도 곡선 차선 모델을 이용한 영상 안정화 방법 및 시스템
EP2904417A1 (en) * 2012-09-27 2015-08-12 Metaio GmbH Method of determining a position and orientation of a device associated with a capturing device for capturing at least one image
US9070202B2 (en) * 2013-03-14 2015-06-30 Nec Laboratories America, Inc. Moving object localization in 3D using a single camera
US9298992B2 (en) * 2014-02-20 2016-03-29 Toyota Motor Engineering & Manufacturing North America, Inc. Geographic feature-based localization with feature weighting
US10249056B2 (en) * 2014-04-11 2019-04-02 Nissan North America, Inc. Vehicle position estimation system
WO2015156821A1 (en) * 2014-04-11 2015-10-15 Nissan North America, Inc. Vehicle localization system
JP6371655B2 (ja) 2014-09-22 2018-08-08 株式会社Ｓｕｂａｒｕ 車両挙動判定装置
US9821813B2 (en) * 2014-11-13 2017-11-21 Nec Corporation Continuous occlusion models for road scene understanding
JP2016139914A (ja) * 2015-01-27 2016-08-04 パイオニア株式会社 表示装置、携帯端末及び制御方法
KR102623680B1 (ko) * 2015-02-10 2024-01-12 모빌아이 비젼 테크놀로지스 엘티디. 자율 주행을 위한 약도
JP6393214B2 (ja) 2015-03-03 2018-09-19 アルパイン株式会社 車線認識システム及びコンピュータプログラム
EP3078935A1 (en) 2015-04-10 2016-10-12 The European Atomic Energy Community (EURATOM), represented by the European Commission Method and device for real-time mapping and localization
US9922452B2 (en) * 2015-09-17 2018-03-20 Samsung Electronics Co., Ltd. Apparatus and method for adjusting brightness of image
JP6450294B2 (ja) 2015-09-30 2019-01-09 株式会社デンソーアイティーラボラトリ 物体検出装置、物体検出方法、及びプログラム
EP3371671B1 (en) * 2015-11-02 2020-10-21 Starship Technologies OÜ Method, device and assembly for map generation
US10318848B2 (en) * 2015-12-15 2019-06-11 Qualcomm Incorporated Methods for object localization and image classification
US10372968B2 (en) * 2016-01-22 2019-08-06 Qualcomm Incorporated Object-focused active three-dimensional reconstruction
KR101878685B1 (ko) * 2016-02-12 2018-07-16 서울과학기술대학교 산학협력단 지도 정보를 이용한 차량 측위 시스템 및 방법
US10802147B2 (en) * 2016-05-18 2020-10-13 Google Llc System and method for concurrent odometry and mapping
TWI622783B (zh) * 2016-05-24 2018-05-01 曦恩體感科技股份有限公司 混合定位方法及其電子裝置
DE102016209625A1 (de) * 2016-06-01 2017-12-07 Continental Teves Ag & Co. Ohg Verfahren zur Auswertung von Bilddaten einer Fahrzeugkamera
US10248124B2 (en) * 2016-07-21 2019-04-02 Mobileye Vision Technologies, Inc. Localizing vehicle navigation using lane measurements
US10209081B2 (en) * 2016-08-09 2019-02-19 Nauto, Inc. System and method for precision localization and mapping
CN107886036B (zh) * 2016-09-30 2020-11-06 比亚迪股份有限公司 车辆控制方法、装置及车辆
CN106524922B (zh) * 2016-10-28 2019-01-15 深圳地平线机器人科技有限公司 测距校准方法、装置和电子设备
KR20180050823A (ko) * 2016-11-07 2018-05-16 삼성전자주식회사 3차원의 도로 모델을 생성하는 방법 및 장치
US10282861B2 (en) * 2016-12-12 2019-05-07 Here Global B.V. Pose error estimation and localization using static features
KR102434580B1 (ko) * 2017-11-09 2022-08-22 삼성전자주식회사 가상 경로를 디스플레이하는 방법 및 장치
JP7125214B2 (ja) * 2018-04-03 2022-08-24 モービルアイ ビジョン テクノロジーズ リミテッド プログラムおよびコンピューティングデバイス
US10981564B2 (en) * 2018-08-17 2021-04-20 Ford Global Technologies, Llc Vehicle path planning
KR20200029785A (ko) * 2018-09-11 2020-03-19 삼성전자주식회사 증강 현실에서 가상 객체를 표시하기 위한 측위 방법 및 장치
KR102630991B1 (ko) * 2018-10-08 2024-01-30 주식회사 에이치엘클레무브 차량의 위치 결정 방법, 위치 결정 장치 및 주행 제어 시스템
KR102483649B1 (ko) * 2018-10-16 2023-01-02 삼성전자주식회사 차량 위치 결정 방법 및 차량 위치 결정 장치
KR102627453B1 (ko) * 2018-10-17 2024-01-19 삼성전자주식회사 위치 추정 장치 및 방법

Also Published As

Publication number Publication date
JP2020064056A (ja) 2020-04-23
US11651597B2 (en) 2023-05-16
US11023748B2 (en) 2021-06-01
JP7404010B2 (ja) 2023-12-25
CN111060946A (zh) 2020-04-24
US20200125859A1 (en) 2020-04-23
KR20200043006A (ko) 2020-04-27
EP3640681B1 (en) 2021-06-23
US20210264171A1 (en) 2021-08-26
EP3640681A1 (en) 2020-04-22

Similar Documents

Publication Publication Date Title
KR102627453B1 (ko) 위치 추정 장치 및 방법
KR102483649B1 (ko) 차량 위치 결정 방법 및 차량 위치 결정 장치
AU2018282302B2 (en) Integrated sensor calibration in natural scenes
KR20200044420A (ko) 위치 추정 방법 및 장치
KR102463176B1 (ko) 위치 추정 장치 및 방법
Panahandeh et al. Vision-aided inertial navigation based on ground plane feature detection
CN110388931A (zh) 将对象的二维边界框转换成自动驾驶车辆的三维位置的方法
RU2668459C1 (ru) Устройство оценки положения и способ оценки положения
CN110945379A (zh) 从地图数据、激光和相机确定偏航误差
EP3707466A1 (en) Method of computer vision based localisation and navigation and system for performing the same
JP2001331787A (ja) 道路形状推定装置
CN110386142A (zh) 用于自动驾驶车辆的俯仰角校准方法
KR102239562B1 (ko) 항공 관측 데이터와 지상 관측 데이터 간의 융합 시스템
KR102115004B1 (ko) 항공사진을 이용하여 3차원 지도를 생성하는 장치 및 방법
CN110119138A (zh) 用于自动驾驶车辆的自定位方法、系统和机器可读介质
US11367213B2 (en) Method and apparatus with location estimation
JP2018077162A (ja) 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム
Dumble et al. Airborne vision-aided navigation using road intersection features
JP2017181476A (ja) 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム
Deng et al. Global optical flow-based estimation of velocity for multicopters using monocular vision in GPS-denied environments
CN112146627B (zh) 在无特征表面上使用投影图案的飞行器成像系统
JP2024032805A (ja) 航空写真を利用して三次元地図を生成する装置及びその方法
Del Pizzo et al. Reliable vessel attitude estimation by wide angle camera
KR102050995B1 (ko) 공간좌표의 신뢰성 평가 장치 및 방법
Burdziakowski Towards precise visual navigation and direct georeferencing for MAV using ORB-SLAM2

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant