KR20110108744A - 칼만 필터를 이용한 가속도 센서 바이어스 계산시스템 - Google Patents

칼만 필터를 이용한 가속도 센서 바이어스 계산시스템 Download PDF

Info

Publication number
KR20110108744A
KR20110108744A KR1020100028123A KR20100028123A KR20110108744A KR 20110108744 A KR20110108744 A KR 20110108744A KR 1020100028123 A KR1020100028123 A KR 1020100028123A KR 20100028123 A KR20100028123 A KR 20100028123A KR 20110108744 A KR20110108744 A KR 20110108744A
Authority
KR
South Korea
Prior art keywords
acceleration sensor
unit
sensor bias
information
kalman filter
Prior art date
Application number
KR1020100028123A
Other languages
English (en)
Other versions
KR101118358B1 (ko
Inventor
심재용
Original Assignee
(주)나노포인트
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)나노포인트 filed Critical (주)나노포인트
Priority to KR1020100028123A priority Critical patent/KR101118358B1/ko
Publication of KR20110108744A publication Critical patent/KR20110108744A/ko
Application granted granted Critical
Publication of KR101118358B1 publication Critical patent/KR101118358B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/003—Kinematic accelerometers, i.e. measuring acceleration in relation to an external reference frame, e.g. Ferratis accelerometers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Navigation (AREA)

Abstract

본 발명은 칼만 필터를 이용한 가속센서 바이어스 추정시스템에 관한 것으로서, 더욱 상세하게는 차량용 영상블랙박스에서 가속센서 데이터와 차량의 위치 정보 혹은 속도 정보를 이용하여 가속센서의 바이어스 정보를 추정하여 가속센서 추정치 보정에 사용하는 가속센서 추정치 보정시스템에 관한 것으로서, 칼만 필터링 방법을 이용하여 가속센서의 바이어스를 산출하기 위한 가속센서 데이터와 차량의 위치 정보 혹은 속도 정보를 이용하여 가속센서의 바이어스 정보를 추정하여 가속센서 추정치 보정에 사용하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템에 관한 것이다.
본 발명인 칼만 필터를 이용한 가속센서 바이어스 추정시스템은,
초기상태 벡터, ariori 에러 공분산 행렬, 프로세스 잡음 공분산 행렬, 측정치 공분산 행렬을 정의하는 초기화부(104)와;
가속센서 값들과 위치정보를 생성하는 센서부(100)와;
상기 센서부(100)로부터 전송되는 가속센서 측정치와 거리정보 혹은 속도 정보를 이용하여 가속센서 바이어스를 추정하는 칼만필터부(101)와;
가속센서 바이어스 추정치들을 저장하는 데이터베이스부(102)와;
상기 데이터베이스부로부터 Sampled Mean Squared Error와 같은 통계 정보를 계산하는 가속센서바이어스통계정보부(103)와;
상기 가속센서바이어스통계정보부로부터 구해지는 통계정보와 칼만필터부로부터 획득한 가속센서 바이어스 추정 값을 비교하는 적합성비교부(105);를 포함하여 구성되는 것을 특징으로 한다.
본 발명을 통해 값싸고 간단한 구성요소만을 사용하면서도 정확한 가속 센서의 바이어스 정보의 정확한 산출이 가능하도록 하는 효과를 제공하게 된다.

Description

칼만 필터를 이용한 가속센서 바이어스 추정시스템{the accelerometer bias correction sysytem using kalman filter.}
본 발명은 칼만 필터를 이용한 가속센서 바이어스 추정시스템에 관한 것으로서, 더욱 상세하게는 차량용 영상블랙박스에서 가속센서 데이터와 차량의 위치 정보 혹은 속도 정보를 이용하여 가속센서의 바이어스 정보를 추정하여 가속센서 추정치 보정에 사용하는 가속센서 추정치 보정시스템에 관한 것으로서, 칼만 필터링 방법을 이용하여 가속센서의 바이어스를 산출하기 위한 가속센서 데이터와 차량의 위치 정보 혹은 속도 정보를 이용하여 가속센서의 바이어스 정보를 추정하여 가속센서 추정치 보정에 사용하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템에 관한 것이다.
종래에는 차량용 블랙박스에서 충격 센서로 사용되는 가속 센서는 제품의 공장 출하 전 캘리브레이션을 통하여 가속 센서의 바이어스 정보를 알아내고 보정을 한다.
일반적으로 가속센서 바이어스의 요인은 다음과 같은 세가지 요소로 구성된다.
첫번째는 가속센서 칩 자체의 에러이다.
이는 가속센서 칩 들마다 중력에 대한 특성에 차이가 있기 때문이다.
두번째는 칩을 보드에 장착 (Mount)시킬 때와 비 균일한 솔더링의 영향으로 바이어스가 생긴다.
세번째는 사용하면서 에이징 영향(aging effect)으로 생기는 바이어스이다.
이는 차량 탑재 후 시간이 지남에 따라 가속 센서의 바이어스 정보가 변화할 가능성이 높고 이렇게 변화된 바이어스 정보는 차량의 충돌을 제대로 감지하지 못하거나 너무 민감하여 작은 범퍼 충돌에도 경고를 하는 단점이 있다.
위와 같은 종래의 차량용 블랙박스들은 여러 단점을 가지고 있으므로 본 발명은 칼만 필터(Kalman Filter) 방법으로 차량의 위치 정보 (GPS를 통하여 얻어짐) 혹은 속도 정보와 가속센서 데이터를 기반으로 센서의 바이어스 정보를 구하고 이 값이 미리 정한 한계값을 넘어섰을 때 사용자에게 경고하며 이값이 미리 정한 한계값 내에 있을 때 이를 이용하여 가속센서의 측정값을 자동적으로 캘리브레이션할 수 있도록 한다.
또한 이값을 블랙박스부 내부 혹은 관제 서버에 저장하고 통계적 특성을 추출하여 가속 센서의 바이어스 추정치의 적합성 여부 판단에 사용되도록 하는데 그 특징이 있다.
따라서, 본 발명에서는 전혀 새로운 가속 센서의 바이어스를 정확히 추정하고 보정하는 기술을 제안하게 되었다.
따라서 본 발명은 상기와 같은 종래 기술의 문제점을 감안하여 제안된 것으로서, 본 발명의 목적은 값싸고 간단한 구성요소만을 사용하면서도 정확한 가속 센서의 바이어스 정보의 정확한 산출이 가능하도록 하는데 그 목적이 있다.
본 발명의 다른 목적은 산출된 정확한 가속 센서의 바이어스 정보를 네트워크 망(예를 들어, 일반 인터넷이나 WIFI, 셀룰러망 등)을 이용하여 보정하는 시스템을 제공하는데 그 목적이 있다.
본 발명이 해결하고자 하는 과제를 달성하기 위하여,
본 발명의 일실시예에 따른 칼만 필터를 이용한 가속센서 바이어스 추정시스템은,
초기상태 벡터, ariori 에러 공분산 행렬, 프로세스 잡음 공분산 행렬, 측정치 공분산 행렬을 정의하는 초기화부(104)와;
가속센서 값들과 위치정보를 생성하는 센서부(100)와;
상기 센서부(100)로부터 전송되는 가속센서 측정치와 거리정보 혹은 속도 정보를 이용하여 가속센서 바이어스를 추정하는 칼만필터부(101)와;
가속센서 바이어스 추정치들을 저장하는 데이터베이스부(102)와;
상기 데이터베이스부로부터 Sampled Mean Squared Error와 같은 통계 정보를 계산하는 가속센서바이어스통계정보부(103)와;
상기 가속센서바이어스통계정보부로부터 구해지는 통계정보와 칼만필터부로부터 획득한 가속센서 바이어스 추정 값을 비교하는 적합성비교부(105);를 포함하여 구성되어 본 발명의 과제를 해결하게 된다.
이상의 구성 및 작용을 지니는 본 발명에 따른 칼만 필터를 이용한 가속센서 바이어스 추정시스템은,
값싸고 간단한 구성요소만을 사용하면서도 정확한 가속 센서의 바이어스 정보의 정확한 산출이 가능하도록 하는 효과를 제공하게 된다.
또한, 산출된 정확한 가속 센서의 바이어스 정보를 네트워크 망(예를 들어, 일반 인터넷이나 WIFI, 셀룰러망 등)을 이용하여 보정하는 시스템을 제공할 수 있게 된다
도 1은 본 발명의 일 실시예에 따른 칼만 필터를 이용한 가속센서 바이어스 추정시스템의 개략적인 구성을 나타내는 전체 구성도이다.
도 2는 본 발명의 다른 일 실시예에 따른 칼만 필터를 이용한 가속센서 바이어스 추정시스템의 네트워크를 이용할 경우에 개략적인 구성을 나타내는 전체 구성도이다.
도 3은 본 발명의 일 실시예에 따른 칼만 필터를 이용한 가속센서 바이어스 추정시스템의 칼만 필터를 이용한 가속센서 바이어스 추정 알고리즘을 나타낸 흐름도이다.
상기 과제를 달성하기 위한 본 발명의 칼만 필터를 이용한 가속센서 바이어스 추정시스템은,
초기상태 벡터, ariori 에러 공분산 행렬, 프로세스 잡음 공분산 행렬, 측정치 공분산 행렬을 정의하는 초기화부(104)와;
가속센서 값들과 위치정보를 생성하는 센서부(100)와;
상기 센서부(100)로부터 전송되는 가속센서 측정치와 거리정보 혹은 속도 정보를 이용하여 가속센서 바이어스를 추정하는 칼만필터부(101)와;
가속센서 바이어스 추정치들을 저장하는 데이터베이스부(102)와;
상기 데이터베이스부로부터 Sampled Mean Squared Error와 같은 통계 정보를 계산하는 가속센서바이어스통계정보부(103)와;
상기 가속센서바이어스통계정보부로부터 구해지는 통계정보와 칼만필터부로부터 획득한 가속센서 바이어스 추정 값을 비교하는 적합성비교부(105);를 포함하여 구성되는 것을 특징으로 한다.
한편, 본 발명의 다른 일실시예에 따른 칼만 필터를 이용한 가속센서 바이어스 추정시스템은,
초기상태 벡터, ariori 에러 공분산 행렬, 프로세스 잡음 공분산 행렬, 측정치 공분산 행렬을 정의하는 초기화부(104)와;
가속센서 값들과 위치정보를 생성하는 블랙박스부(300)와;
상기 블랙박스부로부터 전송되는 가속센서 측정치와 거리정보 혹은 속도 정보를 송신하고 가속센서 바이어스 추정치를 수신하는 단말전송부(120)와;
상기 단말전송부가 송신한 가속센서 측정치와 거리정보 혹은 속도 정보를 수신하고 가속센서 바이어스 추정치를 단말전송부로 송신하는 서버전송부(121)와;
상기 서버전송부로부터 전달되는 가속센서 측정치와 거리정보 혹은 속도 정보를 이용하여 가속센서 바이어스를 추정하는 칼만필터부(101)와;
가속센서 바이어스 추정치들을 저장하는 데이터베이스부(102)와;
상기 데이터베이스부로부터 Sampled Mean Squared Error와 같은 통계 정보를 계산하는 가속센서바이어스통계정보부(103)와;
상기 가속센서바이어스통계정보부로부터 구해지는 통계정보와 칼만필터부로부터 획득한 가속센서 바이어스 추정 값을 비교하는 적합성비교부(105);를 포함하여 구성되는 것을 특징으로 한다.
이때, 상기 데이터베이스부는,
칼만필터부에 초기화부가 최초에 제공하는 초기정보를 갱신하여 제공하는 것을 특징으로 한다.
이때, 상기 칼만필터부가,
생성한 가속 센서 바이어스 추정치와 데이터베이스부에 저장된 가속센서 바이어스 추정치들을 이용하여 통계 정보를 산출하는 가속센서바이어스통계정보부로부터 구한 가속 센서 바이어스 추정 값의 Sample Mean Squared Error 값의 변동 폭이, 가속 센서 정보가 표현될 수 있는 최대치와 최소치의 편차를 가속센서의 해상도라 할 때, 해상도의 α% 구간 내에 있을 때 수렴되었다고 판단하는 것을 특징으로 한다.
이때, 상기 칼만필터부가,
생성한 가속 센서 바이어스 추정치와 데이터베이스부에 저장된 가속센서 바이어스 추정치들을 이용하여 통계 정보를 산출하는 가속센서바이어스통계정보부로부터 구한 가속 센서 바이어스 추정 값의 Sample Mean Squared Error 값의 변동 폭이, 가속 센서 정보가 표현될 수 있는 최대치와 최소치의 편차를 가속센서의 해상도라 할 때, 해상도의 α% 구간 내에 있을 때 수렴되었다고 판단하되, 충분한 시간 (m회 iteration)후에도 수렴이 안 될 경우 블랙박스부 혹은 서버에 저장된 이전 가속 센서 바이어스 추정치를 새로운 가속 센서 바이어스 추정치로 사용하고 저장하는 것을 특징으로 한다.
이때, 상기 칼만필터부가,
생성한 가속 센서 바이어스 추정치와 데이터베이스부에 저장된 가속센서 바이어스 추정치들을 이용하여 통계 정보를 산출하는 가속센서바이어스통계정보부로부터 구한 가속 센서 바이어스 추정 값의 Sample Mean Squared Error 값의 변동 폭이, 가속 센서 정보가 표현될 수 있는 최대치와 최소치의 편차를 가속센서의 해상도라 할 때, 해상도의 α% 구간 내에 있을 때 수렴되었다고 판단하되, 충분한 시간 (m회 iteration)후에도 수렴이 안 될 경우 블랙박스부 혹은 서버에 저장된 이전 가속 센서 바이어스 추정치를 새로운 가속 센서 바이어스 추정치로 사용하고 저장하되, n회 연속 수렴이 안될 경우 블랙박스부 혹은 관제 서버에 통보하는 것을 특징으로 한다.
이때, 상기 α, n, m은,
초기에 블랙박스부와 관제 서버에 값이 기록되어 있으나, 관제 서버가 적어도 한 개 이상 운영될 경우를 위하여 네트워크망을 통하여 변경시킬 수 있도록 하는 것을 특징으로 한다.
이때0, 상기 칼만필터부는,
추정된 가속센서 바이어스 값 혹은 0 으로부터 이격(deviation)되는 양인
Figure pat00001
,
Figure pat00002
혹은 샘플 분산값 정보를 이용하여 미리 설정한 한계치를 넘어섰는지를 체크하는 것을 특징으로 한다.
이때, 한계치를 넘어섰을 경우에,
블랙박스 사용자 및 관리자 혹은 서버 관리자 혹은 블랙박스에 통보하고 블랙박스의 스피커나 부저를 이용하여 안내음성 혹은 경고음을 발생하거나 LED등을 이용한 경고를 발생시키는 것을 특징으로 한다.
이때, 가속 센서 바이어스 추정치가 기 설정한 한계치를 넘지 않을 경우에,
상기 값을 블랙박스부와 서버에 메모리나 SD 카드에 저장하여 실제 가속센서 추정치를 구하는데 사용하는 것을 특징으로 한다.
이하, 본 발명에 의한 칼만 필터를 이용한 가속센서 바이어스 추정시스템의 실시예를 통해 상세히 설명하도록 한다.
도 1은 본 발명의 일 실시예에 따른 칼만 필터를 이용한 가속센서 바이어스 추정시스템의 개략적인 구성을 나타내는 전체 구성도이다.
도 1을 참조하면 본 발명의 일 실시예에 따른 자동 센서 캘리브레이션 시스템은,
초기상태 벡터(
Figure pat00003
), ariori 에러 공분산 행렬(
Figure pat00004
, ariori error covariance matrix), 프로세스 잡음 공분산 행렬(
Figure pat00005
), 측정치 공분산 행렬(
Figure pat00006
)을 정의하는 초기화부(104)와;
가속센서 값들과 위치정보를 생성하는 센서부(100)와;
상기 센서부(100)로부터 전송되는 가속센서 측정치와 거리정보 혹은 속도 정보를 이용하여 가속센서 바이어스를 추정하는 칼만필터부(101)와;
가속센서 바이어스 추정치들을 저장하는 데이터베이스부(102)와;
상기 데이터베이스부로부터 Sampled Mean Squared Error와 같은 통계 정보를 계산하는 가속센서바이어스통계정보부(103)와;
상기 가속센서바이어스통계정보부로부터 구해지는 통계정보와 칼만필터부로부터 획득한 가속센서 바이어스 추정 값을 비교하는 적합성비교부(105);를 포함하여 구성된다.
도 2는 본 발명의 다른 일 실시예에 따른 칼만 필터를 이용한 가속센서 바이어스 추정시스템의 네트워크를 이용할 경우에 개략적인 구성을 나타내는 전체 구성도이다.
도 2에 도시한 바와 같이, 다른 일 실시예에 따른 칼만 필터를 이용한 가속센서 바이어스 추정시스템은,
초기상태 벡터, ariori 에러 공분산 행렬, 프로세스 잡음 공분산 행렬, 측정치 공분산 행렬을 정의하는 초기화부(104)와;
가속센서 값들과 위치정보를 생성하는 블랙박스부(300)와;
상기 블랙박스부로부터 전송되는 가속센서 측정치와 거리정보 혹은 속도 정보를 송신하고 가속센서 바이어스 추정치를 수신하는 단말전송부(120)와;
상기 단말전송부가 송신한 가속센서 측정치와 거리정보 혹은 속도 정보를 수신하고 가속센서 바이어스 추정치를 단말전송부로 송신하는 서버전송부(121)와;
상기 서버전송부로부터 전달되는 가속센서 측정치와 거리정보 혹은 속도 정보를 이용하여 가속센서 바이어스를 추정하는 칼만필터부(101)와;
가속센서 바이어스 추정치들을 저장하는 데이터베이스부(102)와;
상기 데이터베이스부로부터 Sampled Mean Squared Error와 같은 통계 정보를 계산하는 가속센서바이어스통계정보부(103)와;
상기 가속센서바이어스통계정보부로부터 구해지는 통계정보와 칼만필터부로부터 획득한 가속센서 바이어스 추정 값을 비교하는 적합성비교부(105);를 포함하여 구성된다.
또한, 연속 n회 부적합판단부(106)으로 구성될 수 있다.
여기서, 상기 초기화부(104)는 블랙박스부에 포함될 수도 있고, 서버부(200)에 포함될 수도 있다.
상기 가속센서 바이어스 추정치들을 저장하는 데이터베이스부는 가속센서 바이어스통계정보부 뿐만 아니라 칼만필터부에 초기화부가 최초에 제공하는 초기정보를 갱신하여 제공할 수도 있다.
칼만 필터 시스템 모델
특정 시간 k에서의 상태 벡터를
Figure pat00007
라고 가정하고,
Figure pat00008
를 사용자 입력 벡터라 할 때 칼만 필터의 상태 방정식은 (식1)로 표현될 수 있다.
Figure pat00009
(식1)
여기에서
Figure pat00010
를 해당 시간에서 이전 상태에 기반한 상태 천이 행렬,
Figure pat00011
를 사용자 입력에 의한 상태 천이 행렬로 가정하고,
Figure pat00012
는 (식2)와 같이 프로세스잡음(process noise) 공분산 행렬
Figure pat00013
를 갖는 다변수 정규 분포화된 잡음 벡터이다.
Figure pat00014
(식2)
또한, 상태 벡터
Figure pat00015
와 이 벡터를 측정시 실제로 얻어지는 측정 벡터를
Figure pat00016
라 할때 측정 방정식은 (식3)과 같이 표현될 수 있다.
Figure pat00017
(식3)
여기에서
Figure pat00018
는 해당 시간에서 측정에 관계된 행렬이고
Figure pat00019
는 (식4)와 같이 측정치 공분산 행렬
Figure pat00020
를 갖는 다변수 정규 분포화된 잡음 벡터이다.
Figure pat00021
(식4)
초기상태와 잡음벡터들은 상호 독립이라는 가정이 필요하다.
칼만 필터 구성
특정 시간 k에서 apriori 상태 추정 벡터(apriori state estimate vector)를
Figure pat00022
로 하고 특정시간 k에서의 관측치를 바탕으로 한 posteriori 상태 추정 벡터 (posteriori state estimate vector)를
Figure pat00023
로 하며, Posteriori 에러 공분산 행렬(posteriori error covariance matrix)를
Figure pat00024
로 표현할 때 칼만 필터 구성은 예측(Predict)과 보정(Correction)의 두 단계들로 구성된다.
(1)예측(Predict)
apriori 상태 추정 벡터는 (식 5)와 같다.
Figure pat00025
(식 5)
Figure pat00026
는 사용자 입력 벡터로서 가속센서 값을 의미한다.
apriori 에러 공분산 행렬(apriori error covariance matrix)는 (식 6)을 통하여 구해진다.
Figure pat00027
(식 6)
(2)보정(Correction)
Innovation, 즉, 측정치와 apriori 상태 추정 값과의 차이(Measurement Residual)은 (식 7)로 표현된다.
Figure pat00028
(식 7)
Innovation 공분산 행렬(Innovation (Residual) Covariance)은 (식 8)로 표현된다.
Figure pat00029
(식 8)
최적화된 칼만 이득 (Optimal Kalman Gain)은 (식 9)로 표현된다.
Figure pat00030
(식 9)
상기 식들을 이용하여 posteriori 상태 추정 벡터(posteriori state estimate vector) 와 posteriori 에러 공분산 행렬(posteriori error covariance matrix)은 (식 10) 과 (식 11)을 통하여 구해진다.
Figure pat00031
(식 10)
Figure pat00032
(식 11)
가속 센서 바이어스 추정
속도(v)는 시간에 대한 거리(p)의 변화량이며 가속도(a)는 시간에 대한 속도의 변화량이다. 이를 수식으로 표현하자면 (식 12)와 (식 13)으로 표현된다.
Figure pat00033
(식 12)
Figure pat00034
(식 13)
실제 가속센서 값은 (식 14)로 표현된다.
Figure pat00035
(식 14)
상기 식에서
Figure pat00036
는 실제 가속 벡터이고,
Figure pat00037
는 측정된 가속 벡터 그리고
Figure pat00038
는 가속 벡터 바이어스값이다.
단축 가속 센서 상태 벡터(State Vector)를 (식 15)로 표현할 때
Figure pat00039
(식 15)
위치 모델, 속도 모델, 가속도 바이어스 모델은 (식 16), (식 17), 그리고 (식 18)로 각각 표현된다.
Figure pat00040
상기
Figure pat00041
로 정의한다.
상기 (식 16), (식 17), 그리고 (식 18)을 이용하여 자코비안 행렬 (Jacobian matrix)을 이용하면 해당 시간에서 이전 상태에 기반한 상태 천이 행렬
Figure pat00042
를 (식 19)와 같이 구할 수 있다.
Figure pat00043
(식 19)
유도 과정은 하기와 같다.
Figure pat00044
(식5)를 통하여 사용자 입력에 의한 상태 천이 행렬
Figure pat00045
는 (식 20)과 같이 표현된다.
Figure pat00046
(식 20)
실제로 얻어지는 측정 벡터를
Figure pat00047
라 할때, 해당시간에서 위치 측정에 관계된 행렬
Figure pat00048
는 (식 21)로 표현된다.
Figure pat00049
(식 21)
실재로 얻어지는 측정 벡터를
Figure pat00050
라 할때, 해당시간에서 속도 측정에 관계된 행렬
Figure pat00051
는 (식 22)로 표현된다.
Figure pat00052
(식 22)
프로세스 잡음(process noise)의 공분산 행렬 (
Figure pat00053
)은 수식적으로 유도되며 측정치의 공분산 행렬(
Figure pat00054
)은 샘플 분산값을 사용한다.
전체 구성은 도 3과 같이 되며 실행하면 가속 센서 바이어스 추정치
Figure pat00055
를 구할 수 있으며, 이를 각 축 (x, y, z축)에 대하여 각각 실행한다.
가속센서의 측정치를
Figure pat00056
이고, 가속 센서 바이어스 추정치를
Figure pat00057
라 할때 가속센서 추정치 (
Figure pat00058
)는 (식 23)으로부터 구해진다.
Figure pat00059
(식 23)
가속 센서 바이어스 추정치 수렴 조건
가속 센서 정보가 표현될 수 있는 최대치와 최소치의 편차를 가속센서의 해상도라 할 때 이 해상도를 기준으로 정하되 가속 센서 바이어스 추정 값의 Sample Mean Squared Error값의 변동 폭이 해상도의 α% 구간 내에 있을 때 수렴되었다고 판단된다.
만약 충분한 시간 (m회 iteration)후에도 수렴이 안 될 경우 블랙박스부 혹은 서버에 저장된 이전 가속 센서 바이어스 추정치를 새로운 가속 센서 바이어스 추정치(
Figure pat00060
)로 사용하고 저장한다.
만약 n회 연속 수렴이 안될 경우 블랙박스부 혹은 관제 서버에 통보가 되도록 한다.
여기에서 α, n, 그리고 m은 초기에 블랙박스부와 관제 서버에 값이 기록되어 있으나 후에 관제 서버가 여러 운영 상황을 고려하여 네트워크 망을 통하여 변경시킬 수 있도록 한다. 이는 수렴은 초기 조건의 값과 관계가 있으므로 여러 파라메터의 초기값도 네트워크 망을 통하여 변경할 수 있도록 한다.
전체 시스템 동작
초기 셋팅 값 중 가속센서 바이어스 값은 공장 출하 시 추정된 값(이는 블랙박스부 내부에 저장되어 있거나 서버에 저장되어 있을 수 있다.)으로 설정하거나 0으로 설정한다.
초기화 부(104)는 칼만필터부(101) 구동에 필요한 초기 조건들을 공급한다.
차량의 시동이 켜지고 블랙박스부의 전원을 켜진 후 정차한 상태에서 약 1~2초 간 도 3를 구현하여 가속 센서 바이어스 추정치(
Figure pat00061
)를 구한다.
블랙박스부 혹은 서버는 가속 센서 바이어스 추정치 (
Figure pat00062
)의 데이터베이스로 history profile을 만들어 최초 공장 출하 시 추정된 가속센서 바이어스 값(
Figure pat00063
) 혹은 0 으로부터 이격(deviation)되는 양
Figure pat00064
,
Figure pat00065
, 혹은 샘플 분산 값과 같은 정보를 이용하여 미리 설정한 한계치를 넘어섰는지를 체크한다.
만약 n회 연속 한계치를 넘어섰을 경우 블랙박스 사용자 및 관리자 혹은 서버 관리자 혹은 블랙박스부에 통보하고 블랙박스부의 스피커나 부저를 이용하여 안내음성 혹은 경고음을 발생하거나 LED등을 이용한 경고를 발생시킨다.
만약 가속 센서 바이어스 추정치 (
Figure pat00066
)가 기 설정한 한계치를 넘지 않을 경우 이 값을 블랙박스부와 서버에 메모리나 SD 카드 등에 저장을 하고 (식 23)을 이용하여 실제 가속센서 추정치(
Figure pat00067
)를 구하는데 사용한다.
상기와 같은 구성 및 동작을 통해 값싸고 간단한 구성요소만을 사용하면서도 정확한 가속 센서의 바이어스 정보의 정확한 산출이 가능하도록 하는 효과를 제공하게 된다.
또한, 산출된 정확한 가속 센서의 바이어스 정보를 네트워크 망(예를 들어, 일반 인터넷이나 WIFI, 셀룰러망 등)을 이용하여 보정하는 시스템을 제공할 수 있게 된다.
이상에서와 같은 내용의 본 발명이 속하는 기술분야의 당업자는 본 발명의 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시된 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구 범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 : 센서부
101 : 칼만필터부
102 : 데이터베이스부
103 : 가속센서바이어스통계정보부
104 : 초기화부
105 : 적합성비교부
200 : 서버부
300 : 블랙박스부

Claims (10)

  1. 초기상태 벡터, ariori 에러 공분산 행렬, 프로세스 잡음 공분산 행렬, 측정치 공분산 행렬을 정의하는 초기화부(104)와;
    가속센서 값들과 위치정보를 생성하는 센서부(100)와;
    상기 센서부(100)로부터 전송되는 가속센서 측정치와 거리정보 혹은 속도 정보를 이용하여 가속센서 바이어스를 추정하는 칼만필터부(101)와;
    가속센서 바이어스 추정치들을 저장하는 데이터베이스부(102)와;
    상기 데이터베이스부로부터 Sampled Mean Squared Error와 같은 통계 정보를 계산하는 가속센서바이어스통계정보부(103)와;
    상기 가속센서바이어스통계정보부로부터 구해지는 통계정보와 칼만필터부로부터 획득한 가속센서 바이어스 추정 값을 비교하는 적합성비교부(105);를 포함하여 구성되는 것을 특징으로 하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템.
  2. 초기상태 벡터, ariori 에러 공분산 행렬, 프로세스 잡음 공분산 행렬, 측정치 공분산 행렬을 정의하는 초기화부(104)와;
    가속센서 값들과 위치정보를 생성하는 블랙박스부(300)와;
    상기 블랙박스부로부터 전송되는 가속센서 측정치와 거리정보 혹은 속도 정보를 송신하고 가속센서 바이어스 추정치를 수신하는 단말전송부(120)와;
    상기 단말전송부가 송신한 가속센서 측정치와 거리정보 혹은 속도 정보를 수신하고 가속센서 바이어스 추정치를 단말전송부로 송신하는 서버전송부(121)와;
    상기 서버전송부로부터 전달되는 가속센서 측정치와 거리정보 혹은 속도 정보를 이용하여 가속센서 바이어스를 추정하는 칼만필터부(101)와;
    가속센서 바이어스 추정치들을 저장하는 데이터베이스부(102)와;
    상기 데이터베이스부로부터 Sampled Mean Squared Error와 같은 통계 정보를 계산하는 가속센서바이어스통계정보부(103)와;
    상기 가속센서바이어스통계정보부로부터 구해지는 통계정보와 칼만필터부로부터 획득한 가속센서 바이어스 추정 값을 비교하는 적합성비교부(105);를 포함하여 구성되는 것을 특징으로 하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템.
  3. 제 1항 또는 제 2항에 있어서,
    상기 데이터베이스부는,
    칼만필터부에 초기화부가 최초에 제공하는 초기정보를 갱신하여 제공하는 것을 특징으로 하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템.
  4. 제 1항 또는 제 2항에 있어서,
    상기 칼만필터부가,
    생성한 가속 센서 바이어스 추정치와 데이터베이스부에 저장된 가속센서 바이어스 추정치들을 이용하여 통계 정보를 산출하는 가속센서바이어스통계정보부로부터 구한 가속 센서 바이어스 추정 값의 Sample Mean Squared Error 값의 변동 폭이, 가속 센서 정보가 표현될 수 있는 최대치와 최소치의 편차를 가속센서의 해상도라 할 때, 해상도의 α% 구간 내에 있을 때 수렴되었다고 판단하는 것을 특징으로 하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템.
  5. 제 1항 또는 제 2항에 있어서,
    상기 칼만필터부가,
    생성한 가속 센서 바이어스 추정치와 데이터베이스부에 저장된 가속센서 바이어스 추정치들을 이용하여 통계 정보를 산출하는 가속센서바이어스통계정보부로부터 구한 가속 센서 바이어스 추정 값의 Sample Mean Squared Error 값의 변동 폭이, 가속 센서 정보가 표현될 수 있는 최대치와 최소치의 편차를 가속센서의 해상도라 할 때, 해상도의 α% 구간 내에 있을 때 수렴되었다고 판단하되, 충분한 시간 (m회 iteration)후에도 수렴이 안 될 경우 블랙박스부 혹은 서버에 저장된 이전 가속 센서 바이어스 추정치를 새로운 가속 센서 바이어스 추정치로 사용하고 저장하는 것을 특징으로 하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템.
  6. 제 1항 또는 제 2항에 있어서,
    상기 칼만필터부가,
    생성한 가속 센서 바이어스 추정치와 데이터베이스부에 저장된 가속센서 바이어스 추정치들을 이용하여 통계 정보를 산출하는 가속센서바이어스통계정보부로부터 구한 가속 센서 바이어스 추정 값의 Sample Mean Squared Error 값의 변동 폭이, 가속 센서 정보가 표현될 수 있는 최대치와 최소치의 편차를 가속센서의 해상도라 할 때, 해상도의 α% 구간 내에 있을 때 수렴되었다고 판단하되, 충분한 시간 (m회 iteration)후에도 수렴이 안 될 경우 블랙박스부 혹은 서버에 저장된 이전 가속 센서 바이어스 추정치를 새로운 가속 센서 바이어스 추정치로 사용하고 저장하되, n회 연속 수렴이 안될 경우 블랙박스부 혹은 관제 서버에 통보하는 것을 특징으로 하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템.
  7. 제 4항, 제 5항, 제 6항 중 어느 한 항에 있어서,
    상기 α, n, m은,
    초기에 블랙박스부와 관제 서버에 값이 기록되어 있으나, 관제 서버가 적어도 한 개 이상 운영될 경우를 위하여 네트워크망을 통하여 변경시킬 수 있도록 하는 것을 특징으로 하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템.
  8. 제 1항 또는 제 2항에 있어서,
    상기 칼만필터부는,
    추정된 가속센서 바이어스 값 혹은 0 으로부터 이격(deviation)되는 양인
    Figure pat00068
    ,
    Figure pat00069
    혹은 샘플 분산값 정보를 이용하여 미리 설정한 한계치를 넘어섰는지를 체크하는 것을 특징으로 하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템.
  9. 제 8항에 있어서,
    한계치를 넘어섰을 경우에,
    블랙박스 사용자 및 관리자 혹은 서버 관리자 혹은 블랙박스부에 통보하고 블랙박스부의 스피커나 부저를 이용하여 안내음성 혹은 경고음을 발생하거나 LED등을 이용한 경고를 발생시키는 것을 특징으로 하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템.
  10. 제 8항에 있어서,
    가속 센서 바이어스 추정치가 기 설정한 한계치를 넘지 않을 경우에,
    상기 값을 블랙박스부와 서버에 메모리나 SD 카드에 저장하여 실제 가속센서 추정치를 구하는데 사용하는 것을 특징으로 하는 칼만 필터를 이용한 가속센서 바이어스 추정시스템.

KR1020100028123A 2010-03-29 2010-03-29 칼만 필터를 이용한 가속도 센서 바이어스 계산시스템 KR101118358B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020100028123A KR101118358B1 (ko) 2010-03-29 2010-03-29 칼만 필터를 이용한 가속도 센서 바이어스 계산시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020100028123A KR101118358B1 (ko) 2010-03-29 2010-03-29 칼만 필터를 이용한 가속도 센서 바이어스 계산시스템

Publications (2)

Publication Number Publication Date
KR20110108744A true KR20110108744A (ko) 2011-10-06
KR101118358B1 KR101118358B1 (ko) 2012-02-28

Family

ID=45026208

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100028123A KR101118358B1 (ko) 2010-03-29 2010-03-29 칼만 필터를 이용한 가속도 센서 바이어스 계산시스템

Country Status (1)

Country Link
KR (1) KR101118358B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101456561B1 (ko) * 2014-07-21 2014-10-31 (주)나노포인트 차량 상태 정보 처리 시스템 및 방법
KR20170088388A (ko) * 2015-10-22 2017-08-01 광저우 엑스에어크래프트 테크놀로지 씨오 엘티디 무인기 및 무인기의 거리 측정 필터링 장치, 방법 및 상기 방법에 기반한 거리 측정 방법
CN114026435A (zh) * 2019-04-23 2022-02-08 雷诺股份公司 用于估计和调整车辆的速度和加速度的方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019118188A1 (en) 2017-12-14 2019-06-20 Halliburton Energy Services, Inc. Accelerometer systems and methods for rotating downhole tools

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100443550B1 (ko) * 2001-04-18 2004-08-09 주식회사 네비콤 오차보정시스템을 구비하는 관성측정유닛-지피에스통합시스템과 미지정수 검색범위 축소방법 및 사이클 슬립검출방법, 및 그를 이용한 항체 위치, 속도,자세측정방법
KR100711261B1 (ko) * 2006-06-21 2007-04-25 (주)마이크로인피니티 입력 장치의 공간 인식 방법 및 그 장치

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101456561B1 (ko) * 2014-07-21 2014-10-31 (주)나노포인트 차량 상태 정보 처리 시스템 및 방법
KR20170088388A (ko) * 2015-10-22 2017-08-01 광저우 엑스에어크래프트 테크놀로지 씨오 엘티디 무인기 및 무인기의 거리 측정 필터링 장치, 방법 및 상기 방법에 기반한 거리 측정 방법
CN114026435A (zh) * 2019-04-23 2022-02-08 雷诺股份公司 用于估计和调整车辆的速度和加速度的方法

Also Published As

Publication number Publication date
KR101118358B1 (ko) 2012-02-28

Similar Documents

Publication Publication Date Title
US9915550B2 (en) Method and apparatus for data fusion of a three-axis magnetometer and three axis accelerometer
JP7019037B2 (ja) システムを制御する装置及び方法
KR102432116B1 (ko) 항법 시스템
US9024698B2 (en) Temperature compensation method and crystal oscillator
KR101106048B1 (ko) 센서오차의 작동 중 자동교정 방법과 이를 이용한 관성항법장치
CN106840093B (zh) 一种无人机飞行高度的检测方法、装置及无人机
KR101118358B1 (ko) 칼만 필터를 이용한 가속도 센서 바이어스 계산시스템
CN111076722B (zh) 基于自适应的四元数的姿态估计方法及装置
WO2009140184A1 (en) System and method of navigation based on state estimation using a stepped filter
US10310129B2 (en) Sensor devices and methods for calculating an orientation while accounting for magnetic interference
CN112987560B (zh) 滤波器控制方法、装置、设备及计算机存储介质
CN109459020B (zh) 一种惯性和磁力计组合自适应抗干扰方法
Bistrovs et al. Adaptive extended Kalman filter for aided inertial navigation system
US9645219B2 (en) Systems and methods for off-line and on-line sensor calibration
KR20170111582A (ko) 도플러 비컨을 이용한 수중 이동체의 위치 및 속도 추정 방법 및 시스템
KR101440851B1 (ko) 가속도 센서 모듈 및 그 출력 보정방법
US20240045001A1 (en) System and method for fast magnetometer calibration using gyroscope
KR101462007B1 (ko) 자세 추정 장치 및 자세 추정 방법
JP5528267B2 (ja) 測位装置
IT202000024874A1 (it) Metodo e dispositivo per la stima del tempo di volo
US20200363208A1 (en) Factory-specific inertial measurement unit error model
KR20070072306A (ko) 이동 로봇의 위치 추정 시스템 및 그 방법
US20220043403A1 (en) Method for determining at least one system state by means of a kalman filter
CN114199236A (zh) 定位数据处理的方法、装置、电子设备和自动驾驶车辆
TWI636236B (zh) 利用估計濾波器決定系統的狀態的方法、用於決定物體之位置的裝置以及無人航空載具

Legal Events

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

Payment date: 20150216

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20181106

Year of fee payment: 7

R401 Registration of restoration
FPAY Annual fee payment

Payment date: 20190213

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20200108

Year of fee payment: 9