KR20150093725A - 관성 네비게이션 시스템을 위한 시작 위치로서 참조 위치를 결정하는 방법 - Google Patents

Abstract

본 발명은 관성 네비게이션 시스템(36)을 위한 시작 위치(40)와 차량(2)의 상대적 위치의 변화(16)에 기초하여 차량(2)의 위치를 결정하도록 설계된 상기 관성 네비게이션 시스템(36)을 위한 시작 위치(40)에 대한 기초로서 참조 위치(46)를 결정하는 방법으로서, 상기 방법은, - 상기 차량(2) 주위의 주위 조건(52)을 검출하는 단계, - 상기 검출된 주위 조건(52)의 위치에서 상기 차량(2)의 위치(34, 18)를 결정하는 단계, 및 - 상기 결정된 위치(34, 18)를 참조 위치(46)로서 상기 검출된 주위 조건(52)에 할당하는 단계를 포함하는, 방법에 관한 것이다.

Description

관성 네비게이션 시스템을 위한 시작 위치로서 참조 위치를 결정하는 방법{METHOD FOR DETERMINING A REFERENCE POSITION AS THE STARTING POSITION FOR AN INERTIAL NAVIGATION SYSTEM}

본 발명은 관성 네비게이션 시스템을 위한 시작 위치로서 참조 위치를 결정하는 방법, 결정된 참조 위치에 기초하여 관성 네비게이션 시스템을 동작시키는 방법, 결정된 참조 위치에 기초하여 네비게이션 시스템에서 맵을 작성하는 방법, 상기 방법을 구현하는 제어 디바이스 및 상기 제어 디바이스를 포함하는 차량에 관한 것이다.

WO 2011/098 333A1은 차량에서 여러 센서 값을 사용하여 기존의 센서 값을 개선시키거나 또는 새로운 센서 값을 생성하여 획득될 수 있는 정보를 증가시키는 것을 개시한다.

본 목적은 복수의 센서 값의 사용을 개선하여 정보를 증가시키는 것이다.

본 목적은 독립 청구항의 특징에 의해 달성된다. 종속 청구항의 주제는 바람직한 개선을 포함한다.

본 발명의 일 측면에 따르면, 관성 네비게이션 시스템을 위한 시작 위치와 차량의 상대적 위치 변화로부터 차량의 위치를 결정하도록 설계된 관성 네비게이션 시스템을 위한 시작 위치에 대한 기초로서 참조 위치를 결정하는 방법은,

- 상기 차량 주위의 주위 조건을 검출하는 단계,

- 상기 검출된 주위 조건의 위치에서 상기 차량의 위치를 결정하는 단계, 및

- 상기 결정된 위치를 참조 위치로서 상기 검출된 주위 조건과 연관시키는 단계를 포함한다.

상기 한정된 방법은 관성 네비게이션 시스템이 차량과 같은 공간적으로 이동하는 객체의 위치 변화를 결정하는 센서 시스템인 것을 고려하는 것에 기초한다. 그리하여 상기 객체의 절대 위치를 결정하기 위하여, 상기 객체의 시작 위치는 상기 참조 위치로서 고려되고, 이 참조 위치에 대하여 상기 객체의 위치 변화를 고려하여 상기 객체의 절대 위치를 결정한다.

이 시작 위치를 결정하기 위하여, 상기 한정된 방법은 차량이 알려진 주위 조건으로부터 자기 자신의 위치를 결정할 수 있는 알려진 절대 위치에서 참조 위치를 사용할 것을 제안한다. 이것은 참조 위치로서 절대 위치를 이 절대 위치에 존재하는 주위 조건과 연관시키는 방법을 구현하는 것과 차이가 없다. 상기 차량이 상기 주위 조건을 검출하고, 이 주위 조건을 상기 관성 네비게이션 시스템이 상기 차량의 계속된 위치 지정을 위한 참조 위치로서 사용할 수 있는 고유한 참조 위치와 연관시킬 수 있다는 것만이 여기서 중요하다. 이런 방식으로 결정된 참조 위치는, 예를 들어, 시작 위치로 직접 사용될 수 있다. 그러나, 대안적으로, 예를 들어 상기 참조 위치가 이미 알려진 시작 위치를 정정하기 위한 기초로 사용되도록 의도된 경우 상기 참조 위치는 상기 시작 위치를 계산하는데에도 사용될 수 있다.

상기 차량은 이에 의해, 예를 들어, 위성 네비게이션 시스템과 같은 절대 위치를 결정하는 네비게이션 시스템과는 독립적일 수 있어서, 예를 들어, 오기능으로부터 위성 신호가 중단된 경우 또는 터널에서 위성 신호가 중단된 경우에도 계속 동작될 수 있다.

특히 유리하게는, 상기 시작 위치는 위성 네비게이션 시스템에 의해 결정된 상기 차량의 위치에 기초하여 상기 참조 위치를 직접 또는 간접 정정하는 것에 의해 결정될 수 있다. 직접 정정은 여기서 상기 위성 네비게이션 시스템으로부터의 위치를 사용하여 상기 참조 위치를 다른 중간 단계 없이 직접 재계산하는 것을 의미하는 것으로 의도된다. 간접 정정은 여기서 상기 참조 위치를, 예를 들어, 다른 위치를 사용하여 먼저 재계산하고 나서, 그 결과를 상기 위성 네비게이션 시스템으로부터의 위치를 사용하여 재계산하는 것을 의미하는 것으로 의도된다.

위성 네비게이션 시스템과 관성 네비게이션 시스템을 결합하여 상기 차량 위치를 결정하는 이러한 위치 지정 또는 위치-검색 시스템은 느슨하게 결합된 GNSS 시스템, 타이트하게 결합된 GNSS 시스템 또는 깊이 결합된 GNSS 시스템으로 알려져 있다. 그러나, 이들은 모두 관성 네비게이션 상황에서 차량 동역학 센서만을 사용하여 상대적 위치-검색을 개선시킬 수 있다는 문제점을 가지고 있다. 그러나, 부정확한 시작 위치를 정정하기 위해, 추가적으로 개선된 그리하여 보다 값비싼 위성 네비게이션 수신기가 필요할 수 있다. 그리하여 전술한 위치-검색 시스템에서 위성 네비게이션 수신기는 절대 정밀도를 결정하는데 결정적인 인자이다.

그러나, 예를 들어, 표준 위성 네비게이션 수신기가 보상할 수 없는 대기 간섭과 같은 간섭이 있는 경우, 상기 관성 네비게이션 시스템이 또한 이에 대응하여 부정확한 시작 위치에 기초하여 차량 위치를 결정한다.

본 방법의 기초를 이루는 기본 개념은, 절대 공간 위치가 알려져 있는 도로의 주위 조건을 사용하여 참조 위치를 검색하는 것에 의해, 전술한 위치-검색 시스템에서 위성 네비게이션 시스템으로부터의 잠재적으로 부정확한 시작 위치를 정정하기 위한 중복 정보로 이 절대 위치를 사용할 수 있다는 것에 있다.

상기 한정된 방법의 특정 개선에서, 상기 결정된 위치는 차량이 참조 위치를 지나갈 확률에 기초하여 참조 위치로서 이 검출된 주위 조건과 연관된다.

이 개선은 차량이 반복적으로 지나가는 위치에, 이 위치 주위의 주위 조건을 저장하는 것에 의해, 이 점에서 위치를 찾고 나서, 즉 결정하고 나서, 저장된 주위 조건과 위치된 즉 결정된 위치를 참조 위치로서 연관시키는 것에 의해 차량 자체가 자기 자신의 참조 위치를 생성할 수 있다는 것을 고려하는 것에 기초한다. 이 위치로 리턴할 때, 상기 차량은 저장된 주위 조건과 비교하여 이 위치를 검출하고 나서, 위치-검색 시스템의 계속된 동작을 위해 저장된 주위 조건과 연관된 참조 위치를 사용할 수 있다.

여기서 확률은 차량이 보다 빈번히 이 위치로 리턴하는 것으로 확인되어야 하기 때문에 참조 위치로서 이 결정된 위치와 연관된 주위 조건의 검출 빈도에 좌우되어야 한다. 불필요하게 많은 메모리 공간에 차량이 다시 리턴하지 않는 위치가 차지하는 것을 회피하기 위해, 이 빈도는 사무실과 집 사이의 통근 경로(commuting route)와 같은 정기적으로 이동하는 경로만이 상기 한정된 방법에서 참조 위치를 결정하는데 포함되는 값으로 설정되어야 한다.

상기 한정된 방법의 특정 개선에서, 상기 참조 위치는 차량 주위에 검출된 주위 조건의 점에서 다수의 결정된 위치로부터의 필터값이다. 다시 말해, 모든 경우에 또는 특정 간격으로, 차량이 참조 위치와 연관된 주위 조건이 검출되는 위치를 지나갈 때, 상기 위치-검색 시스템은 위치 그 자체를 더 검출할 수 있다. 이렇게 검출된 전체 위치는 임의의 규칙을 사용하여, 예를 들어 평균화 규칙을 사용하여 필터링될 수 있고, 참조 위치에 에러를 초래하는, 예를 들어, 전술한 대기 간섭을 시간에 따라 제거할 수 있다.

또 다른 개선에서, 상기 한정된 방법은 특성 이벤트에 기초하여 주위 조건의 검출을 개시하는 단계를 포함한다. 이 특성 이벤트는, 주위 조건을 연속적으로 검출하는 것과 이에 따라 검출된 주위 조건을 저장하는데 과도하게 많은 메모리 양을 사용하는 것을 회피하기 위하여 트리거를 구성한다. 특성 이벤트는 예를 들어 신호등(traffic light) 등과 같은 도로 상의 특정 객체에 기초하여 이벤트 지향이거나 또는 시간-지향이도록 설계될 수 있다.

바람직한 개선에서, 특성 이벤트는 미리 결정된 시점 또는 시간 기간이다. 주위 조건의 시간 지향적인 검출은 어느 위치 영역이 보다 빈번히 운행되고 운행되지 않는지를 규칙적인 간격으로 체크하는 것이 가능하기 때문에 특히 유리하다.

본 발명의 다른 측면에 따르면, 차량의 절대 위치를 결정하도록 설계된 관성 네비게이션 시스템을 동작시키는 방법은,

- 한정된 방법을 사용하여 참조 위치를 결정하는 단계,

- 상기 참조 위치에 기초하여 관성 네비게이션 시스템을 위한 시작 위치를 결정하는 단계, 및

- 상기 시작 위치에 기초하여 상기 차량의 절대 위치를 결정하는 단계를 포함한다.

상기 참조 위치에 기초하여 시작 위치를 결정하는 것은 여기서 전술한 방식으로 수행될 수 있다.

본 발명의 다른 측면에 따르면, 네비게이션 시스템에서 맵을 작성하는 방법은,

- 한정된 방법을 사용하여 참조 위치를 결정하는 단계, 및

- 상기 결정된 참조 위치를 메타데이터 및/또는 도로 구획의 항목으로서 상기 맵에 입력하는 단계를 포함한다.

상기 한정된 방법은 상기 차량이 보다 자주 위치하는 식별된 참조 지점을 사용하여 맵 데이터의 가능성(plausibility)을 체크할 수 있다는 것을 고려하는 것에 기초한다. 상기 맵 데이터가 오래되었다면, 이 맵 데이터는 상기 결정된 참조 위치에 기초하여 업데이트될 수 있다.

상기 방법의 의미에서 시작 위치는 전방 투사법(forward projection)이 증분 기술(incremental technique)에 의해 수행될 수 있는 모든 위치를 의미하는 것으로 이해되어야 하며, 여기서 증분 기술은, 예를 들어, 차량-동역학 데이터에 기초하여 필터링 기술을 더 포함하는 것으로 이해되어야 한다.

본 발명의 추가적인 측면에 따르면, 제어 디바이스는 상기 한정된 방법들 중 하나의 방법을 구현하도록 설계된다.

상기 한정된 제어 디바이스의 개선에서, 상기 한정된 디바이스는 메모리와 프로세서를 포함한다. 이 개선에서, 상기 한정된 방법들 중 하나의 방법은 메모리에 컴퓨터 프로그램의 형태로 저장되고, 상기 프로세서는 상기 컴퓨터 프로그램이 상기 메모리로부터 상기 프로세서로 로딩될 때 상기 방법을 실행하도록 의도된다.

본 발명의 추가적인 측면에 따르면, 컴퓨터 프로그램은 이 컴퓨터 프로그램이 컴퓨터 또는 한정된 디바이스들 중 하나의 디바이스에서 실행될 때 상기 한정된 방법들 중 하나의 방법의 모든 단계를 구현하기 위한 프로그램 코드 수단을 포함한다.

본 발명의 추가적인 측면에 따르면, 컴퓨터 프로그램 제품은, 기계-판독가능한 데이터 저장 매체에서 저장되고, 데이터 처리 디바이스에서 실행될 때 상기 한정된 방법들 중 하나의 방법을 구현하는 프로그램 코드를 포함한다.

본 발명의 추가적인 측면에 따르면, 차량은 한정된 제어 디바이스를 포함한다.

본 발명의 전술한 특성, 특징과 장점, 및 본 발명이 달성되는 방식은, 도면과 함께 보다 상세히 설명되는 예시적인 실시예의 이하 상세한 설명에 의해 보다 명확히 설명된다:
도 1은 도로 상의 차량의 블록도;
도 2는 도 1에서 차량의 융합 센서(fusion sensor)의 블록도;
도 3은 도로 상에 있는 도 1의 차량의 블록도;
도면에서, 동일한 기술적 요소는 동일한 참조 부호로 표시되고 한번만 설명된다.

융합 센서(4)를 구비하는 차량(2)의 블록도를 도시하는 도 1을 참조한다.

본 실시예에서, 이 융합 센서(4)는 그 자체로 알려진 GNSS 수신기(6)를 통해 차량(2)의 위치 데이터(8)를 수신하고, 이 데이터는 도로(10) 상에 있는 차량(2)의 절대 위치를 포함한다. 절대 위치에 더하여, GNSS 수신기(6)로부터 위치 데이터(8)는 차량(2)의 속도를 더 포함한다. 본 실시예에서, GNSS 수신기(6)로부터 위치 데이터(8)는 이 기술 분야에 통상의 지식을 가진 자에 알려진 방식으로 GNSS 신호(12)로부터 GNSS 수신기(6)에서 유도되고, 이 신호는 GNSS 안테나(13)를 통해 수신되어 GNSS 위치 데이터(8)라고 지칭된다. 이의 상세는 관련 기술 문헌에서 찾아볼 수 있다.

융합 센서(4)는, 아래에 설명된 방식으로, GNSS 신호(12)로부터 유도된 GNSS 위치 데이터(8)의 정보 컨텐츠를 증가시키도록 설계된다. 이것은, 부분적으로는 GNSS 신호(12)가 매우 낮은 신호-대-잡음 비를 가져서 매우 부정확할 수 있기 때문에 및 부분적으로는 GNSS 신호(12)가 항상 이용가능한 것은 아니기 때문에, 필요하다.

본 실시예에서, 차량(2)은 이 목적을 위해 차량(2)의 차량-동역학 데이터(16)를 획득하는 관성 센서(14)를 포함한다. 알려진 바와 같이, 이 데이터는 차량(2)의 길이방향 가속도, 측방향 가속도 및 수직 가속도와, 롤 속도(roll rate), 피치 속도(pitch rate) 및 요우 속도(yaw rate)를 포함한다. 이 차량-동역학 데이터(16)는 본 실시예에서 GNSS 위치 데이터(8)의 정보 컨텐츠를 증가시키는데 사용되고, 예를 들어, 도로(10) 상의 차량(2)의 위치와 속도를 보다 정확히 지정하는데 사용된다. 보다 정확히 지정된 위치 데이터(18)는, GNSS 신호(12)가 예를 들어 터널에서 완전히 이용가능하지 않은 경우에도, 네비게이션 디바이스(20)에 의해 사용될 수 있다.

나아가 GNSS 위치 데이터(8)의 정보 컨텐츠를 더 증가시키기 위해, 휠-속도 센서(22)가 본 실시예에서 선택적으로 사용될 수 있고, 이 휠-속도 센서는 차량(2)의 개별 휠(25)의 휠 속도(24)를 검출한다.

본 실시예에서, 차량(2)은 전방 카메라(26)의 형태로 서라운드 센서(26)를 더 포함하고, 이 서라운드 센서는 차량(2)의 주행 방향(참조 부호 미도시)에 보이는 차량(2)의 전방에 있는 이미지(27)를 기록하고, 상기 이미지를 융합 센서(4)에 출력한다. 이에 관한 추가적인 상세는 차후에 제공된다.

도 1에 있는 융합 센서(4)의 블록도를 도시하는 도 2를 참조한다.

도 1에 이미 언급된 측정 데이터가 융합 센서(4)에 입력된다. 융합 센서(4)는 보다 정확히 지정된 위치 데이터(18)를 출력하도록 의도된다. 여기서 기본 개념은 GNSS 위치 데이터(8)로부터 정보를 관성 센서(14)로부터의 차량-동역학 데이터(16)와 필터(30)에서 비교하여 GNSS 수신기(6)로부터의 위치 데이터(8) 또는 관성 센서(14)로부터의 차량-동역학 데이터(16)의 신호-대-잡음 비를 증가시키는 것이다. 필터가 이 목적을 위해 임의의 설계를 가질 수 있으나, 칼만(Kalman) 필터가 상대적으로 낮은 처리 자원을 요구하여 이 문제에 가장 효과적인 솔루션이다. 그리하여 필터(30)는 아래에서 바람직하게는 칼만 필터(30)이다.

차량(2)으로부터의 보다 정확히 지정된 위치 데이터(18)와, 차량(2)으로부터의 비교 위치 데이터(34)는 차후에 설명되는 정정 요소(35)를 통해 칼만 필터(30)에 입력된다. 본 실시예에서, 보다 정확히 지정된 위치 데이터(18)는, 예를 들어, DE 10 2006 029 148 A1에 알려진 스트랩다운(strapdown) 알고리즘(36)에서 차량-동역학 데이터(16)로부터 생성된다. 이 데이터는 차량에 관해 보다 정확히 지정된 위치 정보를 포함하지만, 예를 들어, 그 속도, 그 가속도 및 그 주행 방향(heading)과 같은 차량(2)에 관한 다른 위치 데이터도 포함한다. 이와 대조적으로, 비교 위치 데이터(34)는 차량(2)의 모델(38)로부터 획득되고, 이 모델에는 GNSS 수신기(6)로부터의 GNSS 위치 데이터(8)가 초기에 공급된다. 이후, 보다 정확히 지정된 위치 데이터(18)와 동일한 정보를 포함하는 비교 위치 데이터(34)가 이 GNSS 위치 데이터(8)로부터 모델(38)에서 결정된다. 보다 정확히 지정된 위치 데이터(18)와 비교 위치 데이터(34)는 그 값에 있어서만 상이하다.

칼만 필터(30)는 보다 정확히 지정된 위치 데이터(18)와 비교 위치 데이터(34)에 기초하여 보다 정확히 지정된 위치 데이터(18)에 대한 에러 예산(error budget)(40)을 계산하고, 비교 위치 데이터(34)에 대한 에러 예산(42)을 계산한다. 아래에서 에러 예산은, 신호를 획득하고 송신하는데 있어서 여러 개별 에러로 구성된, 신호 내 총 에러를 의미하는 것으로 이해되어야 한다. GNSS 신호(12)에 대한 및 그리하여 GNSS 위치 데이터(8)에 대한, 대응하는 에러 예산은 위성 궤도의 에러, 위성 클록의 에러 및 잔류 굴절 효과의 에러와, GNSS 수신기(6)의 에러로 구성될 수 있다.

보다 정확히 지정된 위치 데이터(18)에 대한 에러 예산(40)과, 비교 위치 데이터(34)에 대한 에러 예산(42)은 보다 정확히 지정된 위치 데이터(18)와 비교 위치 데이터(34)를 각각 정정하기 위한 스트랩다운 알고리즘(36)과 모델(38)에 각각 입력된다. 다시 말해, 보다 정확히 지정된 위치 데이터(18)와 비교 위치 데이터(34)는 반복적으로 그 에러가 클리닝된다.

전술한 방식에서, 융합 필터(4)는 관성 센서(14)에 의해 획득된 차량(2)의 차량-동역학 데이터(16)를 우수하게 정정하기 위한 기초로서 GNSS 위치 데이터(8)와 휠 속도(24)를 사용할 수 있다.

그러나, 이 상황은, GNSS 위치 데이터(8)를 사용하여 차량(2)의 절대 위치를 출력하는, GNSS 수신기(6)만이 실제 이용할 수 있는, 차량(2)의 절대 위치에 대해서는 상이하다. 차량(2)의 절대 위치에 대해 차량(2)에서 이용가능한 비교 값이 없으므로, 예를 들어, 절대 위치를 획득할 때 대기 간섭과 같은 에러는 정정될 수 없어서, 보다 정확히 지정된 위치 데이터(18)의 데이터 무결성을 감소시킬 수 있다.

보다 정확히 지정된 위치 데이터(18)의 데이터 무결성을 증가시키기 위하여, 본 실시예는 차량의 절대 위치에 대해 이 비교 값을 생성하는 것을 제안한다. 본 실시예에서, 추가적인 필터(44)가 이 목적을 위해 제공되고, 이 추가적인 필터는 필터(30)와 유사하게 선택될 수 있고, 예를 들어 칼만 필터(44)인 것으로 의도된다. 본 실시예에서, 두 필터(30, 44)는 단지 명료함을 위하여 별개의 요소인 것으로 구현되어 있으나, 예를 들어, 이들 필터는 공통 필터일 수 있으나, 이에 대한 추가적인 상세는 간략함을 위하여 여기서 제공되지 않았다.

본 실시예의 의도는 절대 위치를 정정하는데 사용되는 참조 위치(46)를 추가적인 칼만 필터(44)에 의하여 반복적으로 결정하는 것이다. 이미지 인식 디바이스(48)는 본 실시예에서 이 목적을 위해 배열되고, 이 디바이스는 도 1에 도시된 카메라(26)로부터 이미지(27)를 수신하고, 이미지(27)에서 인식된 미리 결정된 객체(52)에 기초하여 추가적인 칼만 필터(44)와 메모리(50)를 활성화 신호(54)에 의하여 활성화시킨다(아래에서 설명됨).

본 실시예에서, 미리 결정된 객체(52)는 검색 디바이스(56)에 의해 생성되고, 이 검색 디바이스는 참조 위치(46)를 확인하기 위한 적절한 객체(60)에 정기적인 간격으로 이미지(27)를 검색하기 위한 기초로서 시간 신호(58)를 사용한다. 검색 디바이스(56)에 의해 발견된 적절한 객체(60)는 카운트 메모리(62)에 저장되고, 이 카운트 메모리는 적절한 객체(60)에 카운트(64)를 할당하고, 이 카운트는 검색 디바이스(56)가 적절한 객체(56)를 얼마나 자주 발견하였는지를 나타낸다. 차량(2)의 운전자가, 예를 들어, 매일 업무를 위해 동일한 루트를 따라 운전하고, 시간 신호(58)에 의해 미리 결정된 5분 내지 8분의 시간 프레임 내에 참조 위치(46)를 확인하기 위한 적절한 객체(60)로서, 예를 들어, 신호등 세트에 온다면, 이 신호등 세트가 카운트 메모리(62)에 저장된다. 카운트 메모리(62)에 저장된 객체(60)는, 카운트(64)가 미리 결정된 임계값(68), 예를 들어 3, 5 10을 초과하는 것을 인에이블 디바이스(66)가 식별하는 경우, 및 그리하여 적절한 객체(60)가 정기적으로 주행하는 루트 상에 있는 객체로 식별되는 경우, 이미지 인식을 위한 미리 결정된 객체(52)로서 여기서 인에이블된다.

미리 결정된 객체(52)가 이미지 인식을 위해 인에이블되는 경우, 및 검색 디바이스(56)와 조합될 수도 있는 이미지 인식 디바이스(48)가 이미지(27)에서 미리 결정된 객체(52)를 인식하는 경우, 추가적인 칼만 필터(44)와 전술한 메모리(50)는 활성화 신호(54)에 의해 활성화된다. 추가적인 칼만 필터(44)는 메모리(50)로부터 참조 위치(46)를 판독하고, 이 기술 분야에 통상의 지식을 가진 자에 알려진 방식으로 보다 정확히 지정된 위치(18)와 이 위치를 비교한다. 보다 정확히 지정된 위치(18)의 위치 에러(70)와, 참조 위치(46)의 참조 위치 에러(72)는 이에 의해 추가적인 칼만 필터(44)에서 발견될 수 있다.

위치 에러(70)는 제1 칼만 필터(30)에 입력되기 전에 보다 정확히 지정된 위치(18)를 전술한 정정 유닛(35)에 의하여 정정하는데 사용될 수 있다. 마찬가지로, 이 참조 위치 에러(72)는 보다 상세히 도시되지는 않았으나 그 자체로 알려진 방식으로 메모리(50)에 참조 위치(46)를 정정하는데 사용될 수 있다. 메모리에 저장된 참조 위치(46)는 이에 의해 차량(2)이 미리 결정된 객체(52)를 지나갈 때마다 정정되어, 그 결과 참조 위치(46)는 시간에 따라 미리 결정된 객체(52)의 정확한 위치로 수렴된다.

위치 에러(70)가 보다 정확히 지정된 위치(18)로 정정되는 것에 의하여, 에러 예산(40)과 그리하여 스트랩다운 알고리즘(36)의 시작 값이 더 정정되어, 그 결과 스트랩다운 알고리즘(36)은 보다 정확한 보다 정확히 지정된 위치(18)를 출력한다.

본 실시예에서, 메모리(50)는 단일 참조 위치(46)만을 저장하는 메모리인 것으로 고려되었다. 그러나, 메모리(50)는 여러 미리 결정된 객체(52)가 위치된 복수의 참조 위치(46)를 더 저장할 수 있다. 이 목적을 위해, 미리 결정된 객체(52)와 그 참조 위치(46)는 그 자체로 알려진 방식으로 메모리(50)에서 서로 링크되어야 한다. 명료함을 위해 본 예시적인 실시예에서는 추가적인 상세가 제공되지 않는다.

도로(74) 상에 있는 도 1의 차량(2)의 블록도를 도시하는 도 3을 참조한다.

차량(2)은 차량(2)의 운전자의 집(76)과 운전자의 작업장(78) 사이를 도로(74)로 매일 통근하는 것으로 의도된다.

여기서 하나의 영역에 있는 도로(74)가 파선으로 표시된 새로운 도로 구획(80)에 재배치된 것으로 가정된다. 차량(2)의 네비게이션 시스템(20)의 맵은 이 새로운 도로 구획(80)을 포함하지 않을 수 있다.

그러나, 특히 유리하게는, 이 새로운 도로 구획(80)은 예로서 이미 설명된 방식으로, 예를 들어, 융합 센서(4)에서 실행되는 상기 한정된 방법에 의해 추가될 수 있다.

도 3을 참조하면, 시간 신호(58)는 차량(2)의 가정된 평균 속도에 기초하여, 집(76)과 사무실(78) 사이에 이동하는 루트 구획을 한정하고, 여기서 개별 루트 구획들은 이해를 향상시키기 위해 시간 신호(58)의 참조 부호로 표시된다. 차량(2)임계값(68)으로 설정된 충분히 높은 빈도로 도 3에서 예를 들어 신호등 세트, 하우스 및 나무인 적절한 객체(60)에 접근하고, 이 적절한 객체(60)는 미리 결정된 객체(52)로 선택되어 있고, 또 참조 위치(46)는 전술한 방식으로 상기 객체에 할당되어 있는 경우, 도로(74)의 코스는 이 참조 위치(46)를 포함하는 것으로 가정될 수 있다. 그리하여 이 참조 위치(46)는 새로운 도로 코스(80)를 네비게이션 디바이스(20)의 맵에 추가하기 위하여 사용될 수 있다.

Claims (10)

1. 관성 네비게이션 시스템(36)을 위한 시작 위치(40)와 차량(2)의 상대적 위치 변화(16)로부터 차량(2)의 위치를 결정하도록 설계된 상기 관성 네비게이션 시스템(36)을 위한 시작 위치(40)에 대한 기초로서 참조 위치(46)를 결정하는 방법으로서,
   - 상기 차량(2) 주위의 주위 조건(52)을 검출하는 단계,
   - 검출된 주위 조건(52)의 위치에서 상기 차량(2)의 위치(34, 18)를 결정하는 단계, 및
   - 결정된 위치(34, 18)를 참조 위치(46)로서 상기 검출된 주위 조건(52)과 연관시키는 단계를 포함하는, 관성 네비게이션 시스템용의 참조 위치의 결정 방법.
2. 제1항에 있어서, 상기 결정된 위치(34, 18)는 상기 차량(2)이 상기 참조 위치(46)를 지나갈 확률(58)에 기초하여 참조 위치(46)로서 상기 검출된 주위 조건(52)과 연관된, 관성 네비게이션 시스템용의 참조 위치의 결정 방법.
3. 제2항에 있어서, 상기 확률(58)은 참조 위치(46)로서 상기 결정된 위치(34, 18)와 연관된 상기 주위 조건(52)의 검출 빈도(58)에 의존하는, 관성 네비게이션 시스템용의 참조 위치의 결정 방법.
4. 제3항에 있어서, 상기 참조 위치(46)는 상기 차량(2) 주위 상기 검출된 주위 조건(52)의 점에서 다수의 결정된 위치(34, 18)로부터의 필터 값(44)인, 관성 네비게이션 시스템용의 참조 위치의 결정 방법.
5. 제1항 내지 제4항 중 어느 한 항에 있어서, 특성 이벤트(68)에 기초하여 상기 주위 조건(52)의 검출을 개시(66)하는 단계를 포함하는, 관성 네비게이션 시스템용의 참조 위치의 결정 방법.
6. 제5항에 있어서, 상기 특성 이벤트(68)는 미리 결정된 시점 또는 시간 기간인, 관성 네비게이션 시스템용의 참조 위치의 결정 방법.
7. 차량(2)의 절대 위치(18)를 결정하도록 설계된 관성 네비게이션 시스템(36)을 동작시키는 방법으로서,
   - 제1항 내지 제6항 중 어느 한 항에 있는 방법을 사용하여 참조 위치(46)를 결정하는 단계,
   - 상기 참조 위치(46)에 기초하여 상기 관성 네비게이션 시스템(36)을 위한 시작 위치(40)를 결정하는 단계, 및
   - 상기 참조 위치(46)에 기초하여 상기 차량(2)의 절대 위치(18)를 결정하는 단계를 포함하는, 관성 네비게이션 시스템의 동작 방법.
8. 제7항에 있어서, 위성 네비게이션 시스템(6)에 의해 결정된 상기 차량(2)의 위치(8)에 기초하여 상기 참조 위치(46)를 정정하는 것에 의해 상기 시작 위치(40)를 결정하는 단계를 포함하는, 관성 네비게이션 시스템의 동작 방법.
9. 네비게이션 시스템(20)의 맵을 작성하는 방법으로서,
   - 제1항 내지 제6항 중 어느 한 항의 방법을 사용하여 참조 위치(46)를 결정하는 단계, 및
   - 결정된 참조 위치(46)를 도로 구획(80)으로서 상기 맵에 입력하는 단계를 포함하는, 네비게이션 시스템의 맵 작성 방법.
10. 제1항 내지 제9항 중 어느 한 항의 방법을 구현하도록 설계된 제어 디바이스(4).

Images