KR20140074343A - 차량의 포지션 데이터의 결정 방법 - Google Patents

Abstract

본 발명은 차량의 포지션 데이터 (4) 를 결정하는 방법에 관한 것으로서, 그 방법은 - 차량의 주행 동역학 데이터의 측정, - 차량에 대하여 정지 배열된 오브젝트로부터의 적어도 하나의 거리 (30) 에 기초하여 포지션 데이터 (22, 26) 를 획득하는, 환경 센서 (20, 24) 를 이용한 차량의 포지션 데이터 (22, 26) 의 측정, - 주행 동역학 데이터 및 포지션 데이터 (20, 24) 에 기초한 포지션 데이터 (4) 의 결정을 포함한다.

Description

차량의 포지션 데이터의 결정 방법{METHOD FOR DETERMINING POSITION DATA OF A VEHICLE}

본 발명은 차량에 대한 위치 데이터의 결정 방법, 그 방법을 수행하기 위한 제어 장치 및 그 제어 장치를 갖는 차량에 관한 것이다.

DE 10　2006　029　148　A1 에는, 포지션 데이터 및 주행 동역학 데이터에 기초하여 차량에 대한 위치 데이터를 결정하는 스트랩다운 알고리즘으로 알려져 있는 것이 개시되어 있다.

이하, 차량의 위치 데이터는, 공간에서의 차량의 포지션에 영향을 주는 모든 데이터를 의미하는 것으로 이해되기를 원한다. 따라서, 이들 데이터는 차량의 포지션 데이터를 포함하지만, 또한 차량의 주행 동역학 데이터를 포함한다. 주행 동역학 데이터는 차량의 이동을 설명하는 모든 데이터를 의미하는 것으로 이해되기를 원한다.

DE 10　2006　029　148　A1 에는, 차량의 위치 데이터를 결정하는 방법들의 수행이, 이하 외부 앵커 (external anchor) 로 칭해질, 초기 데이터로 알려져 있는 것들을 필요로 한다는 것이 개시되어 있다.

본 발명의 목적은 차량에 대한 위치 데이터를 결정하기 위한 개선된 방법을 구체화하는 것이다.

그 목적은 독립항들의 특징들에 의해 달성된다. 바람직한 발전예들은 종속항들의 주내용이다.

본 발명의 일 양태에 따르면, 차량에 대한 위치 데이터를 결정하는 방법은,

- 차량에 대한 주행 동역학 데이터의 측정,

- 정지 오브젝트로부터 차량의 적어도 하나의 거리의 측정, 및

- 기록된 거리에 기초한 주행 동역학 데이터의 필터링의 단계들을 포함한다.

구체화된 방법은, 처음에 인용된 외부 앵커가, 줄여서 GPS 신호로 불리는, 글로벌 포지셔닝 시스템 신호로 알려져 있는 것으로부터 유도될 수 있다는 생각에 기초한다. 이때, 이 외부 앵커는 다른 데이터의 보다 정밀한 정의 (definition) 또는 심지어 새로운 데이터의 작성 중 어느 것을 위한 차량에서의 기초로서 사용될 수 있을 것이다. 예를 들어, 절대 위치가 GPS 신호에 기초하여 알려져 있다면, 예를 들어, 휠 속도 센서들로부터 출력을 체크하고 이로써 세이프가드 (safeguard) 하기 위해서 관성 센서들을 사용하는 것이 가능할 것이다. 대안으로 또는 부가하여, 예를 들어, 이 방식으로 새로운 데이터를 작성하기 위해서는, 예를 들어, 터널에서, GPS 신호가 실패하는 경우라도, 관성 센서들을 사용하여 차량의 절대 위치를 지속시킬 수 있을 것이다.

하지만, 구체화된 방법의 테두리 내에서는, 외기 (ambient) 센서들이 설치된 차량들의 수가 증가하고 있고, 이로부터 이러한 종류의 외부 앵커들을 유도하는 것이 마찬가지로 가능하다는 것이 인식되어 있다. 이들 외기 센서들은 안전성의 이유로 또는 편안함의 목적으로 차량에서 사용되며, 그리고 이들 외기 센서들이 차량의 주변에 있는 오브젝트들이 인식되게 하고 어느 정도 분류되게 할 수 있기 때문에 처음에 인용된 위치 데이터의 정밀성을 상당히 증가시킬 수 있다.

GPS 신호 이외에, 이제는 외기 센서들로부터 외부 앵커들을 유도하는 것이 가능하고, 그리고 이들이 특히 GPS 신호 자체와 비교하여 훨씬 더 정확하게 기록될 수 있는데, 이것은 상기 언급된 기존 데이터의 보다 정밀한 정의 또는 새로운 데이터의 작성이 보다 높은 수준의 품질로 일어날 수 있을 것임을 의미한다.

이 경우, 사용되는 오브젝트들의 수는 임의로 선택될 수 있지만, 보다 정밀하게 정의될 데이터 및/또는 새로운 데이터의 품질은 사용되는 오브젝트들의 수에 따라 증가된다.

따라서, 구체화된 방법은, 예를 들어 신뢰성과 관련하여, 포지션 데이터 형태의 차량의 위치 데이터 및/또는 차량의 주행 동역학 데이터의 품질을 상승시킨다.

이 경우, 필터링은 노이즈와 같은 다른 팩터들의 추가 고려 없이 순수 평균화를 포함할 수도 있다. 이것도 또한 고려될 필요가 있다면, 필터로서 상태 관측기 (state observer) 또는 칼만 (Kalman) 필터가 적합할 것이다. 노이즈의 형상도 또한 고려될 필요가 있다면, 필요에 따라 파티클 필터가 사용될 수 있으며, 파티클 필터는 이용가능한 노이즈 시나리오의 기본 세트를 가지며, 예를 들어 몬테 카를로 시뮬레이션 (Monte Carlo simulation) 을 이용하여 제거를 위해 고려될 필요가 있는 노이즈 시나리오를 선택한다.

일 발전예에서, 구체화된 방법은 거리 측정의 목적으로 정지 오브젝트의 크기 (extent) 를 기록하는 단계를 포함한다. 이 발전예는, 모든 정지 오브젝트가 외부 앵커로서 적합한 것은 아니라는 생각에 기초한다. 이들 정지 오브젝트들은 크기를 기록함으로써 결정될 수 있고, 이후 외부 앵커를 결정할 때 사용으로부터 배제될 수 있다.

크기는 모든 3가지 공간 방향들을 포함할 수도 있으며, 모든 공간 방향들이 외부 앵커를 결정할 때 유용성에 영향을 미치는 크기를 수반하는 것은 아니다. 예로써, 정지 오브젝트들의 높이는 외부 앵커의 결정에 무관하다.

특히 바람직하게, 구체화된 방법은, 정지 오브젝트의 크기가 미리결정된 값을 초과하는 경우, 차량의 운행 방향으로부터 90°방향 또는 차량의 운행 방향의 방향에서 측정되는 적어도 하나의 거리를 수반한다. 이 발전예는, 차량에 대한 차선의 검출 또는 다음 갈림길까지의 거리와 같은 특정 포지션 정보의 결정이 아주 특정한 공간 방향들만을 요구하고, 그리고 그때 외부 앵커가 요구된 정확성을 이들 공간 방향들에 대해서만 충족할 필요가 있다는 생각에 기초한다. 따라서, 예로써, 도로 상의 비교적 긴 길이를 갖는 벽이, 도로 상의 차량의 차선을 충분히 정확하게 결정하기 위해서 사용될 수 있는, 외부 앵커를 결정하기에 충분한 레퍼런스임이 또한 입증될 수도 있다.

또 다른 발전예에서, 구체화된 방법은,

- 적어도 하나의 추가 거리의 기록,

- 적어도 하나의 거리 및 적어도 하나의 추가 거리의 삼각측량 (triangulation), 및

- 삼각측량된 적어도 하나의 거리 및 적어도 하나의 추가 거리에 기초한 주행 동역학 데이터의 필터링의 단계들을 포함한다.

이것은, 시간에 걸쳐 기록되는 복수의 거리들의 삼각측량에 기초하여 외부 앵커가 결정될 수 있음을 의미한다. 이 방식으로, 외부 앵커의 캘리버 (caliber) 를 상승시키고, 이로써 보다 정밀하게 정의되어야 하는 데이터 및/또는 새로운 데이터의 품질을 상승시키는 것이 가능하다.

또 다른 발전예에서, 구체화된 방법은, 기록된 적어도 하나의 거리에서의 오차가 미리결정된 값을 초과하는 경우, 기록된 적어도 하나의 거리의 제거 (rejection) 단계를 포함한다. 이 발전예는, 예로써, 범위에 의존적인 정확성으로, 외부 앵커를 결정하기 위해 사용되는 거리들을 거리 센서들이 측정한다는 생각에 기초한다. 예로써, 거리가 측정되고, 측정된 거리의 공차 (tolerance) 가 GPS 신호에 의해 결정된 앵커의 공차를 초과하는 외부 앵커에 대한 공차를 초래한다면, 상응하게 측정된 거리는 부가 정보를 제공하지 않기 때문에 제거될 수 있다.

구체화된 방법의 대안의 발전예에서, 주행 동역학 데이터는 차량의 상대 속도를 포함한다. 구체적으로, 이때 외부 앵커는 차량의 상대 속도에 기초하여 결정될 수 있고, 이 상대 속도가 예를 들어 삼각측량에 고려될 수 있다.

구체화된 방법의 또 다른 발전예에서, 기록된 거리에 기초한 주행 동역학 데이터의 필터링은 기록된 거리에 기초한 주행 동역학 데이터의 타당화 (plausibilization) 및/또는 기록된 거리에 기초한 주행 동역학 데이터의 보다 정밀한 정의를 포함한다.

특정 발전예에서, 적어도 하나의 거리는 카메라 또는 거리 센서에 의해 기록된다. 예로써, 카메라는 차량에서의 차선 이탈 경보, 도로 표지판 인식 또는 하이 빔 어시스턴트 (high beam assistant) 와 같은 기능들을 허용할 수 있다. 사용되는 거리 센서들은 예를 들어 레이더 센서들, CV 센서들과 같은 레이저 기반의 거리 센서들, 입체 카메라 또는 초음파 센서들일 수도 있다. 특히, "파킹 블리퍼들 (parking bleepers)"로 알려져 있는 것의 형태의 초음파 센서들은 오늘날 표준형으로서 최신 차량들에서 찾아볼 수 있으며, 이것은 구체화된 방법이 최소의 부가 하드웨어를 이용하여 저가로 구현될 수 있음을 의미한다.

바람직한 발전예에서, 정지 오브젝트는 기둥, 벽, 연석, 주차된 차 또는 다른 정지 오브젝트에서의 인식가능한 피쳐이다. 다른 정지 오브젝트에서의 인식가능한 피쳐는 예를 들어 벽의 시작 또는 끝, 형상의 독특한 변화 또는 색상의 변화일 수도 있다.

본 발명의 추가 양태에 따르면, 제어 장치는 선행 청구항들 중 하나에서 청구된 방법을 수행하도록 셋업된다.

구체화된 제어 장치의 발전예에서, 구체화된 장치는 메모리 및 프로세서를 갖는다. 이 경우, 구체화된 방법은 컴퓨터 프로그램의 형태로 메모리에 저장되며, 프로세서는 컴퓨터 프로그램이 메모리로부터 프로세서로 로딩될 때 방법을 실행하기 위한 목적으로 제공된다.

본 발명의 추가 양태에 따르면, 컴퓨터 프로그램은, 컴퓨터 프로그램이 컴퓨터 상에서 또는 구체화된 장치들 중 하나 상에서 실행될 때, 구체화된 방법들 중 하나의 모든 단계들을 수행하기 위해서 프로그램 코드 수단을 포함한다.

본 발명의 추가 양태에 따르면, 컴퓨터 프로그램 제품은 컴퓨터 판독가능한 데이터 저장 매체 상에 저장되고, 그리고 데이터 프로세싱 디바이스 상에서 실행될 때 구체화된 방법들 중 하나를 수행하는, 프로그램 코드를 포함한다.

본 발명의 또 다른 양태에 따르면, 차량은 구체화된 제어 장치를 포함한다.

이 발명의 상술된 특성들, 특징들 및 이점들과 또한 이들이 달성되는 방법은, 도면과 결부되어 보다 상세히 설명되는, 아래의 예시적인 실시형태들의 설명과 결부되어 보다 명확하게 그리고 보다 명백하게 이해가능하게 된다.
도 1은 차량에 대한 위치 데이터를 결정하기 위한 장치의 기본 예시를 도시한다.

추가로 도시되어 있지 않은 차량에 대한 위치 데이터 (4) 를 결정하기 위한 장치 (2) 를 도시한, 도 1을 참조한다.

위치 데이터 (4) 는 위치 결정 디바이스 (6) 에서 결정되며, 본 실시형태에서 위치 결정 디바이스 (6) 는 그 중에서도 당업자에게 알려져 있는 스트랩다운 알고리즘을 실행하는 연산부로서 구현된다.

위치 결정 디바이스 (6) 는, 추가로 도시되어 있지 않은 차량의 초기 포지션 (8) 에 기초하여 차량의 위치 데이터 (4) 를 결정하고, 주행 동역학 데이터 (7) 에 기초하여 상기 위치 데이터를 업데이트한다. 이하, 초기 포지션 (8) 은 알려져 있는 바와 같이 외부 앵커 (8) 로 칭해질 것이며, 외부 앵커 (8) 는 위치 데이터 (4) 가 결정되기 이전에 결정될 필요가 있다.

본 실시형태에서, 외부 앵커 (8) 는 GPS 어플라이언스 (12) 로부터 출력된 GPS 신호 (10) 로부터 비롯된다. 부가하여, 부가 외부 앵커 (9) 는 또한 선택적으로 로컬 측정 디바이스 (14) 로부터 출력되는 로컬 측정 신호 (16) 로부터 유도될 수 있다. 간략화를 위해, 본 실시형태에서는, 선택적 외부 앵커 (9) 가 전환 스위치 (18) 에 의해 연결되는데, 이것은 이후 보다 상세히 논의될 것이다.

GPS 신호들은 당업자에게 주지되어 있기 때문에, 간결성을 위해, GPS 신호 (10) 는 보다 상세히 설명되지 않을 것이다.

로컬 측정 디바이스 (14) 는 카메라 (20) 로부터 이미지 (22) 를 수신하고, 거리 센서 (24) 로부터 거리 신호 (26) 를 수신한다.

본 실시형태에서, 이미지 (22) 는, 보다 상세히 도시되어 있지 않은 차량의 주변에서 위치 결정 디바이스 (6) 에 대한 초기 위치로서 외부 앵커 (8) 를 결정하기에 적합한 오브젝트들 (30) 을 결정하는 오브젝트 인식 디바이스 (28) 로 공급된다. 이들 오브젝트들 (30) 은 예를 들어 도로 상의 차량에 근접한 벽들, 기둥들, 연석들 또는 주차된 차량들일 수도 있다. 오브젝트들 (30) 로서는, 대안으로 상기 언급된 오브젝트들을 형상의 변화, 색상의 변화, 에지들 또는 외부 앵커 (8) 를 결정하기에 적합한 다른 적합한 피쳐들에 대해 검색하는 것이 가능하다.

또한, 이미지 (22) 는, 발견되는 오브젝트들 (30) 및 거리 센서 (24) 에 의해 측정된 거리들 (26) 과 함께, 외부 앵커 (8) 로서 적합한 로컬 측정 신호 (16) 를 산출하는 연산 디바이스 (32) 로 공급된다. 이를 위해, 연산 디바이스는 예를 들어 도시되어 있지 않은 차량의 식별된 오브젝트 (30) 까지의 거리 (26) 를 시간에 걸쳐 측정할 수 있고, 그리고 거리 (26) 를 차량의 속도 (34) 로부터 산출된 경로와 함께 당업계에 알려져 있는 방법으로 삼각측량할 수 있다. 부가 외부 앵커 (9) 로 사용될 것으로 의도되는, 산출된 로컬 측정 신호 (16) 가 최종적으로 전환 스위치 (18) 로 출력된다.

전환 스위치 (18) 는 로컬 측정 신호 (16) 에서의 공차에 기초하여 세팅된다. 이 공차는 측정된 거리 (26) 의 공차에 의존적이다. 이 거리 (26) 가 더 커질수록, 각 측정 원리에 기인한 그 공차도 더 커진다. 거리 (26) 의 공차 및 이로 인한 로컬 측정 신호 (16) 의 공차는 공차 평가 디바이스 (36) 에서 결정된다. 로컬 측정 신호 (16) 의 공차가 특정 임계값을 초과하는 경우, 로컬 측정 신호 (16) 는 전환 스위치 (18) 를 사용하여 부가 외부 앵커 (9) 로서 선택되지 않는다. 그렇지 않은 경우에는, 로컬 측정 신호 (16) 는 부가 외부 앵커 (9) 로서 위치 결정 디바이스 (6) 로 공급된다.

이 시점에서, 부가 외부 앵커 (9) 에 기초한 위치 결정은, 상기 앵커가 사용될 수 있는 목적의 예로서만 작용하는 것으로 의도된다는 것이 언급되어야 한다. 궁극적으로, 그것은 생각할 수 있는 임의의 필터링을 위해 이용될 수 있다. 즉, 차량에서의 기존의 센서 데이터는 부가 외부 앵커를 사용하여 타당화되거나, 보다 정밀하게 정의되거나, 보정되거나 또는 노이즈가 없어질 수 있다. 또한, 새로운 데이터를 생성하기 위해서 부가 외부 앵커가 사용되는 것도 가능하다. WO 2011/098333　A1 에는, 이미 존재하는 센서 변수들을 개선하거나 또는 새로운 센서 변수들을 생성하기 위해서, 얼마나 다양한 센서 변수들이 차량에서 사용될 수 있는지가 기재되어 있다. 부가 외부 앵커 (9) 는 인용된 문헌에 제안된 가능성들을 확대하기 위해서 사용될 수 있는 새로운 부가 센서 변수에 지나지 않는다.

Claims (10)

1. 차량에 대한 위치 데이터 (4) 를 결정하는 방법으로서,
   - 상기 차량에 대한 주행 동역학 데이터 (7) 의 측정,
   - 정지 오브젝트로부터 상기 차량의 적어도 하나의 거리 (26) 의 측정,
   - 기록된 상기 거리 (26) 에 기초한 상기 주행 동역학 데이터 (7) 의 필터링을 포함하는, 차량에 대한 위치 데이터의 결정 방법.
2. 제 1 항에 있어서,
   상기 거리 (26) 의 측정 목적을 위해 상기 정지 오브젝트의 크기 (20) 의 기록을 포함하는, 차량에 대한 위치 데이터의 결정 방법.
3. 제 2 항에 있어서,
   상기 정지 오브젝트의 크기 (26) 가 미리결정된 값을 초과한다면, 적어도 하나의 상기 거리 (26) 는 상기 차량의 운행 방향으로부터 90°방향 또는 상기 차량의 운행 방향의 방향에서 측정되는, 차량에 대한 위치 데이터의 결정 방법.
4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
   - 적어도 하나의 추가 거리의 기록,
   - 적어도 하나의 상기 거리 (26) 및 적어도 하나의 상기 추가 거리의 삼각측량 (triangulation), 및
   - 삼각측량된 적어도 하나의 상기 거리 (26) 및 적어도 하나의 상기 추가 거리에 기초한 상기 주행 동역학 데이터 (7) 의 필터링을 포함하는, 차량에 대한 위치 데이터의 결정 방법.
5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
   기록된 적어도 하나의 상기 거리 (26) 에서의 오차가 미리결정된 값을 초과하는 경우, 기록된 적어도 하나의 상기 거리 (26) 의 제거 (rejection) 를 포함하는, 차량에 대한 위치 데이터의 결정 방법.
6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
   기록된 상기 거리 (26) 에 기초한 상기 주행 동역학 데이터 (7) 의 필터링은 기록된 상기 거리 (26) 에 기초한 상기 주행 동역학 데이터 (7) 의 타당화 (plausibilization) 및/또는 기록된 상기 거리 (26) 에 기초한 상기 주행 동역학 데이터 (7) 의 보다 정밀한 정의 (definition) 를 포함하는, 차량에 대한 위치 데이터의 결정 방법.
7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
   카메라 (20) 및/또는 거리 센서 (24) 를 이용한 적어도 하나의 상기 거리의 기록을 포함하는, 차량에 대한 위치 데이터의 결정 방법.
8. 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
   상기 정지 오브젝트는 기둥, 벽, 연석, 주차된 차 또는 다른 정지 오브젝트에서의 인식가능한 피쳐인, 차량에 대한 위치 데이터의 결정 방법.
9. 제 1 항 내지 제 8 항 중 어느 한 항에 기재된 차량에 대한 위치 데이터의 결정 방법을 수행하도록 셋업된, 제어 장치 (2).
10. 제 9 항에 기재된 제어 장치 (2) 를 포함하는, 차량.

Images