KR20180103462A - System for localization by accummulation of LiDAR scanned data use for a automatic driving car and method therefor - Google Patents
System for localization by accummulation of LiDAR scanned data use for a automatic driving car and method therefor Download PDFInfo
- Publication number
- KR20180103462A KR20180103462A KR1020170030436A KR20170030436A KR20180103462A KR 20180103462 A KR20180103462 A KR 20180103462A KR 1020170030436 A KR1020170030436 A KR 1020170030436A KR 20170030436 A KR20170030436 A KR 20170030436A KR 20180103462 A KR20180103462 A KR 20180103462A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- rider
- vehicle
- lidar
- unit
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000004807 localization Effects 0.000 title description 2
- 238000009825 accumulation Methods 0.000 claims abstract description 31
- 238000002310 reflectometry Methods 0.000 claims abstract description 23
- 230000001186 cumulative effect Effects 0.000 claims description 13
- 238000007476 Maximum Likelihood Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G01S17/023—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- B60W2420/408—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/52—Radar, Lidar
Abstract
Description
본 발명은 자율주행 자동차의 위치인식 시스템 및 그 방법에 관한 것으로서,보다 상세하게는, 자동차에 설치된 라이더 센서에 의하여 측정되며, 자동차의 현재 위치에서의 라이더 스캔 데이터를 시간순으로 라이더 데이터 누적부로 입력하는 라이더 데이터 입력부; 자동차에 설치된 GPS 센서에 의하여 측정되는 자동차의 현재의 위치 데이터를 시간순으로 라이더 데이터 누적부로 입력하는 GPS 데이터 입력부; 상기 라이더 데이터 입력부로부터 입력된 라이더 스캔 데이터와 상기 GPS 데이터 입력부로부터 입력된 위치 데이터를 포함하는 라이더 데이터(LiDAR data)를 시간순으로 누적시켜 라이더 누적 데이터(LiDAR accummulated data)를 생성하는 라이더 데이터 누적부; 상기 라이더 데이터 누적부에 의하여 생성된 라이더 누적 데이터를 데이터베이스에 기저장된 라이더 반사도 지도 정보와 매칭시켜 자동차의 현재 위치를 추정하는 지도 매칭부; 를 포함하여 구성되는 것을 특징으로 하는 자동차의 위치인식 시스템에 관한 것이다.The present invention relates to a system and method for recognizing a position of an autonomous vehicle, and more particularly, to a system and method for recognizing an autonomous vehicle by inputting rider scan data at a current position of the automobile in chronological order to a rider data accumulation unit A rider data input unit; A GPS data input unit for inputting the current position data of the vehicle measured by the GPS sensor installed in the vehicle to the rider data accumulation unit in chronological order; A rider data accumulation unit accumulating rider data (LiDAR data) including the rider scan data input from the rider data input unit and the position data input from the GPS data input unit in chronological order to generate LiDAR accummulated data; A map matching unit for matching the rider cumulative data generated by the rider data accumulating unit with the rider reflectivity map information previously stored in the database to estimate the current position of the automobile; The present invention relates to a position recognition system for an automobile.
최근 자율주행 자동차의 개발이 활발하게 연구되면서 도로상에서의 자동차의 위치를 정밀하게 추정하는 위치인식(localization) 기술이 중요시되고 있다.Recently, development of autonomous vehicles has been actively studied, and localization technology for precisely estimating the position of the automobile on the road has been emphasized.
왜냐하면, 자율주행 자동차는 정밀 지도를 기반으로 하여 주행하는데, 자신의 자동차가 정밀 지도상의 어느 지점에 위치하는지를 정확하게 파악하여야 자율 주행이 가능하기 때문이다.This is because autonomous vehicles run on precise maps, and autonomous travel is possible if they know exactly where their cars are located on the precision map.
이러한 자율주행 자동차의 자차 위치 인식을 위하여 라이더(Light Detection And Ranging, LiDAR) 기술을 채용하고 있다.In order to recognize the position of the car in the autonomous vehicle, Light Detection And Ranging (LiDAR) technology is adopted.
상기 라이더(LiDAR) 기술은 레이저의 광을 원거리에 있는 물체에 비추어 물체에서 반사된 빛을 검출함으로써 거리나 속도를 측정하거나 물체의 종류 또는 모양을 알아내는 기술로서 다른 용어로 '레이저 레이더'(Laser Rader)라고도 불리운다.LiDAR (LiDAR) technology is a technology to measure the distance or speed by detecting the light reflected from an object by irradiating the light of the laser to a distant object, or to find out the type or shape of the object. Rader) is also called.
그러므로, 자율주행 자동차는 자차가 위치하고 있는 도로 등의 주변 환경을 스캔하여 데이터를 생성하고, 생성된 데이터와 정밀지도상의 정보를 비교함으로써 자동차가 정밀 지도상에서 어느 위치에 있는지를 인식하게 된다.Therefore, the autonomous driving vehicle scans the surrounding environment such as the road where the vehicle is located, generates data, and compares the generated data with the information on the accurate map, thereby recognizing the position of the automobile on the accurate map.
이러한 라이더 기술은 2D(Dimension) 라이더와 3D(Dimension) 라이더의 기술이 이용되고 있다.Such a rider technique uses a technique of a 2D (Dimension) rider and a 3D (Dimension) rider.
상기 2D 라이더 기술은 2D 라이더 센서를 이용하여 자동차가 현재 주행중인 차도의 반사율을 측정하여 차선 데이터를 추출하고, 정밀 지도와 누적된 차선 데이터를 매칭하여 정밀 지도상에서 자차의 위치를 인식한다.The 2D rider technique uses the 2D rider sensor to measure the reflectance of the roadway under the current driving of the automobile, extracts lane data, and recognizes the position of the vehicle on the accurate map by matching the precision map with the accumulated lane data.
그러나, 상기의 2D 라이더 센서로 측정한 자차의 위치가 횡방향으로는 보정 가능하나 종방향으로는 보정 성능이 저하되는 문제점이 있는데, 이는 기본적으로 차선 인식을 이용한 매칭 수행시 2D 라이더 센서에 의한 횡방향 정보가 충분하게 수집될 수 있으나 이에 비하여 종방향 정보는 부족하기 때문에 발생되는 문제점이다.However, there is a problem that the position of the vehicle measured by the 2D rider sensor can be corrected in the lateral direction, but the correction performance is degraded in the longitudinal direction. This is because, in the matching using the lane recognition, Directional information can be sufficiently collected, but the problem is caused by lack of longitudinal information.
따라서, 이러한 문제점을 해소하기 위하여 3D 라이더 방식을 채용하여 종향의 정보를 충분하게 수집하여 정밀 지도와 매칭시킬 수는 있으나, 3D 라이더 방식을 수행하기 위한 3D 라이더 센서가 매우 고가이기 때문에 시스템의 제조원가가 상승하게 되는 단점이 있다.In order to solve this problem, the 3D rider method can be used to sufficiently collect the information of the extreme direction and to match with the accurate map. However, since the 3D rider sensor for performing the 3D rider method is very expensive, There is a disadvantage that it increases.
본 발명은 상술한 바와 같은 종래의 제반 문제점을 해소하기 위하여 창안된 것으로서, 2D 라이더 센서를 이용하는 자차 위치 인식시 종방향 정보가 부족하여 정밀지도와의 매칭시 종방향으로의 보정 성능 저하로 인한 자차 위치의 부정확한 측정을 개선함으로써 저가의 제조비용으로서 우수한 자차 위치 인식 기능을 가지는 자율주행 자동차의 위치인식 시스템 및 그 방법을 제공하는데 본 발명의 기술적 과제가 있다. SUMMARY OF THE INVENTION Accordingly, the present invention has been made to solve the above-mentioned problems occurring in the prior art, and it is an object of the present invention to provide a vehicle- SUMMARY OF THE INVENTION The present invention has been made in view of the above problems, and it is an object of the present invention to provide a position recognition system and method for an autonomous vehicle having an excellent position recognition function as an inexpensive manufacturing cost.
상기와 같은 기술적 과제를 달성하기 위한 본 발명의 자율주행 자동차의 위치인식 시스템 및 그 방법은, 자동차에 설치된 라이더 센서에 의하여 측정되며, 자동차의 현재 위치에서의 라이더 스캔 데이터를 시간순으로 라이더 데이터 누적부로 입력하는 라이더 데이터 입력부; 자동차에 설치된 GPS 센서에 의하여 측정되는 자동차의 현재의 위치 데이터를 시간순으로 라이더 데이터 누적부로 입력하는 GPS 데이터 입력부; 상기 라이더 데이터 입력부로부터 입력된 라이더 스캔 데이터와 상기 GPS 데이터 입력부로부터 입력된 위치 데이터를 포함하는 라이더 데이터(LiDAR data)를 시간순으로 누적시켜 라이더 누적 데이터(LiDAR accummulated data)를 생성하는 라이더 데이터 누적부; 상기 라이더 데이터 누적부에 의하여 생성된 라이더 누적 데이터를 데이터베이스에 기저장된 라이더 반사도 지도 정보와 매칭시켜 자동차의 현재 위치를 추정하는 지도 매칭부; 를 포함하여 구성되는 것을 특징으로 한다. According to an aspect of the present invention, there is provided a system and method for locating an autonomous vehicle, the method comprising: measuring a rider scan data at a current position of a vehicle in chronological order; A rider data input unit for inputting data; A GPS data input unit for inputting the current position data of the vehicle measured by the GPS sensor installed in the vehicle to the rider data accumulation unit in chronological order; A rider data accumulation unit accumulating rider data (LiDAR data) including the rider scan data input from the rider data input unit and the position data input from the GPS data input unit in chronological order to generate LiDAR accummulated data; A map matching unit for matching the rider cumulative data generated by the rider data accumulating unit with the rider reflectivity map information previously stored in the database to estimate the current position of the automobile; And a control unit.
상기와 같은 구성을 가지는 본 발명의 자율주행 자동차의 위치인식 시스템 및 그 방법은, GPS 데이터에 의한 자차의 위치 및 자세 정보와 2D 라이더 센서에 의한 차선의 반사도, 거리 및 각도 정보를 저장하고, 저장된 정보를 시간 순서대로 일정한 공간에 차례대로 데이터를 누적하고 누적한 데이터를 기저장된 반사도 지도와 매칭시켜 차량의 현재 위치를 추정함으로써, 종래 종방향의 보정 성능 저하로 자차의 위치가 부정확하였던 문제점을 해소하였으며, 나아가, 3D 라이더 방식이 아닌 2D 라이더 방식을 이용하므로 저가의 제조비용으로서 양호한 자자 위치 인식 성능을 구현하게 된 매우 진보한 발명인 것이다.The position recognition system and method of an autonomous vehicle according to the present invention having the above-described structure stores position and attitude information of a vehicle by GPS data and reflectance, distance and angle information of a lane by a 2D rider sensor, By accumulating data sequentially in a predetermined space in time sequence and matching accumulated data with previously stored reflectivity maps, the present position of the vehicle is estimated, thereby eliminating the problem that the position of the vehicle was incorrect due to the degradation of the correction performance in the longitudinal direction Furthermore, since it uses a 2D rider method rather than a 3D rider method, it is a very advanced invention that realizes good local position recognition performance as a low cost manufacturing cost.
도 1 은 본 발명의 자동차의 위치인식 시스템의 블럭다이어그램,
도 2 는 본 발명의 자동차의 위치인식 시스템의 라이더 데이터의 누적을 나타낸 도면,
도 3 은 본 발명의 자동차의 위치인식 시스템의 데이터 누적 결과를 나타내는 도면,
도 4 는 본 발명의 자동차의 위치인식 시스템의 정밀지도상의 매칭을 나타내는 도면,
도 5 는 본 발명의 자동차의 위치인식 방법의 플로우챠트이다.BRIEF DESCRIPTION OF THE DRAWINGS Figure 1 is a block diagram of an automotive position recognition system of the present invention,
FIG. 2 is a diagram showing accumulation of rider data of a position recognition system for an automobile according to the present invention,
3 is a diagram showing data accumulation results of a position recognition system for a vehicle of the present invention,
4 is a diagram showing matching on a precise map of the position recognition system of a vehicle of the present invention,
5 is a flowchart of a method of recognizing a position of a vehicle according to the present invention.
이하, 도면을 참조하여 본 발명의 라이더 스캔 데이터의 누적에 의한 자율주행 자동차의 위치인식 시스템 및 그 방법을 상세하게 설명한다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, a system and method for locating an autonomous vehicle by accumulating rider scan data according to the present invention will be described in detail with reference to the drawings.
단, 개시된 도면들은 당업자에게 본 발명의 사상이 충분하게 전달될 수 있도록 하기 위한 예로서 제공되는 것이다. 따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 태양으로 구체화될 수도 있다.It is to be noted, however, that the disclosed drawings are provided as examples for allowing a person skilled in the art to sufficiently convey the spirit of the present invention. Accordingly, the present invention is not limited to the following drawings, but may be embodied in other forms.
또한, 본 발명 명세서에서 사용되는 용어에 있어서 다른 정의가 없다면, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.In addition, unless otherwise defined, the terms used in the description of the present invention have the same meaning as commonly understood by one of ordinary skill in the art to which the present invention belongs. In the following description and the accompanying drawings, A detailed description of known functions and configurations that may be unnecessarily blurred is omitted.
도 1 은 본 발명의 자동차의 위치인식 시스템의 블럭다이어그램, 도 2 는 본 발명의 자동차의 위치인식 시스템의 라이더 데이터의 누적을 나타낸 도면, 도 3 은 본 발명의 자동차의 위치인식 시스템의 데이터 누적 결과를 나타내는 도면이다. FIG. 1 is a block diagram of a vehicle position recognition system according to the present invention; FIG. 2 is a diagram showing accumulation of rider data of a vehicle position recognition system of the present invention; Fig.
먼저, 도 1 을 참조하면, 본 발명의 자동차의 위치인식 시스템은, 자동차에 설치된 라이더 센서(10)에 의하여 측정되며, 자동차의 현재 위치에서의 도로상의 물체의 반사도, 거리 및 각도 데이터를 포함하는 라이더 스캔 데이터(LiDAR scan data)를 시간순으로 라이더 데이터 누적부(50)로 입력하는 라이더 데이터 입력부(30)를 포함한다.Referring to FIG. 1, the vehicle position recognition system of the present invention includes a plurality of sensors (not shown), which are measured by a
또한, 자동차에 설치된 GPS 센서(20)에 의하여 측정되는 자동차의 현재의 위치 데이터를 시간순으로 라이더 데이터 누적부(50)로 입력하는 GPS 데이터 입력부(40)를 포함한다.And a GPS data input unit 40 for inputting the current position data of the vehicle measured by the GPS sensor 20 installed in the vehicle to the rider data accumulation unit 50 in chronological order.
그리고, 상기 라이더 데이터 입력부(30)로부터 입력된 라이더 스캔 데이터와 상기 GPS 데이터 입력부(40)로부터 입력된 위치 데이터를 포함하는 라이더 데이터(LiDAR data)를 시간순으로 누적시켜 라이더 누적 데이터(LiDAR accummulated data)를 생성하는 라이더 데이터 누적부(50)를 포함한다.The ladder data input unit 30 and the GPS data input unit 40 accumulate the LiDAR data in chronological order to generate LiDAR accummulated data, And a rider data accumulation unit 50 for generating the rider data.
또한, 상기 라이더 데이터 누적부(50)에 의하여 생성된 라이더 누적 데이터를 데이터베이스(70)에 기저장된 라이더 반사도 지도 정보와 매칭시켜 자동차의 현재 위치를 추정하는 지도 매칭부(60)를 포함하여 구성된다.And a
상기 라이더 데이터 누적부(50)는 도 2 에 도시된 바와 같이, 과거의 시점(t-n)으로부터 현재 시점(t)까지의 각 시점에서 라이더 센서(10)에 의하여 측정된 자동차의 현재 위치에서의 도로상의 물체의 반사도, 거리 및 각도 데이터의 라이더 스캔 데이터(LiDAR scan data)와 GPS 데이터 입력부(40)에 의하여 측정된 자동차의 현재 위치 데이터(GPS data)를 포함하는 라이더 데이터(LiDAR Data)를 시간순으로 누적시켜 상기 라이더 누적 데이터(LiDAR accummulated data)를 생성한다.2, the rider data accumulation unit 50 accumulates the roads at the current position of the vehicle measured by the
도 3 의 상부의 (a)의 도면은 라이더 데이터 누적부(50)로 입력된 라이더 스캔 데이터와 현재 위치 데이터로 이루어진 해당 시점(t)에서의 라이더 데이터를 나타낸 것으로서, 현재 시점에서의 라이더 센서(10)에 의하여 측정된 자동차의 현재 위치에서의 도로상의 물체의 반사도, 거리 및 각도 데이터와 현재 위치 데이터(GPS data)에 따른 도로상의 차선을 나타내고 있으며, 하부의 (b)의 도면은 상기의 라이더 데이터들이 시간순으로 누적된 라이더 누적 데이터로서, (a)의 도면과 같은 차선들이 시간순으로 누적됨으로써 도로상의 차선이 보다 잘 인식된 상태를 보여주고 있다.3 (a) shows the rider data at the current time (t), which is composed of the rider scan data input to the rider data accumulation unit 50 and the current position data, Distance and angle data of the object on the road at the current position of the vehicle measured by the
상기와 같은 라이더 누적 데이터를 이용하여 검출되는 지형은 전방 차선 곡률, 좌우 차선 타입(실선, 점선 등), 좌우 차선 색상, 횡단보도, 방지턱, 속도표지판 등의 지도상의 랜드마크(landmark)이다.The terrain detected using the above-described rider cumulative data is a landmark on a map such as a front lane curvature, left and right lane type (solid line, dotted line), left and right lane color, pedestrian crossing,
이때, 상기 라이더 데이터의 누적시 데이터를 누적함에 따라서 자동차의 위치의 오차도 함께 누적되므로 오히려 너무 많이 누적시키면 지도 매칭부(60)에 의한 매칭시 위치상의 오차도 커질 우려가 있다. 그러므로, 본 발명의 실시예에서는 자동차의 이동거리의 10m 단위로 라이더 데이터의 누적을 실시하여 라이더 누적 데이터를 생성하였다.In this case, since the error of the position of the vehicle is accumulated together with accumulation of the data when accumulating the rider data, accumulation of too much is likely to increase the positional error in matching by the
도 4 는 본 발명의 자동차의 위치인식 시스템의 정밀지도상의 매칭을 나타내는 도면이다.FIG. 4 is a diagram showing matching on a precision map of a vehicle position recognition system of the present invention. FIG.
상기 지도 매칭부(60)는 라이더 누적 데이터를 반사도 지도 정보와 매칭시킬 경우, 본 발명의 실시예는 최대우도추정(Maximum Likelihood Estimation)의 공지된 방법을 이용하여 매칭을 수행한다.When the
구체적으로, 지도 매칭부(60)는 최대우도추정시 베이시안(Bayesian) 확률 법칙에 근거하여 최대의 확률값을 가지는 자동차의 현재 위치를 찾는 과정을 통하여 매칭을 수행한다.Specifically, the
도 4 에 도시된 바와 같이, 지도 매칭부(60)는 시리얼 서치(Serial Search) 방식을 적용하여 데이터베이스(70)에 저장된 반사도 지도정보로부터 자동차가 위치한 장소의 반사도의 전역지도를 독출하여 상기 라이더 누적 데이터와 순차적으로 매칭시키고, 이중 최대우도추정에 따른 베이시안(Bayesian) 확률 법칙에 의하여 최대의 확률값을 가지는 위치를 최종적인 자동차의 현재 위치로 추정하게 된다. 즉, 확률 분포에 따라서 자동차가 위치할 가능성이 가장 높은 위치를 자기 위치로 추정하는 것이다.4, the
이때, 상기 지도 매칭부(60)는 자동차의 현재 위치 기준으로 일정한 범위 내에서 매칭을 수행하며, 매칭 간격은 소망하는 정확도에 따라서 변경시킬 수 있으나 정밀한 측위를 위해서는 대략 10cm ~ 20cm 간격으로 수행하는 것이 바람직하다.At this time, the
본 발명의 실시예의 최대우도추정에 의한 베이시안 확률법칙을 적용하여 현대 위치를 추정하는데 하기의 수학식 1 이 이용된다.The following equation (1) is used to estimate the modern position by applying the Bayesian probability rule based on the maximum likelihood estimation of the embodiment of the present invention.
(수학식 1)(1)
P: 최대우도추정에 의한 확률P: probability by maximum likelihood estimation
x, y : 전역 지도상에서의 x축 및 y축상의 지점x, y: points on the x and y axes on the global map
m : 지도 정보에 포함된 반사도의 평균m: average of the reflectivity included in the map information
z : 라이더 센서에 의하여 측정된 반사도 평균값z: reflectance average value measured by the rider sensor
상기 수학식 1 의 계산을 위하여 하기의 수학식 2 및 수학식 3 의 공식이 사용된다.For the calculation of Equation (1), the following formulas (2) and (3) are used.
(수학식 2)(2)
(수학식 3)(3)
따라서, 수학식 1 에 수학식 2 및 수학식 3 을 대입한 다음의 수학식 4 에 의하여 최대확률값을 산출하게 된다.Therefore, the maximum probability value is calculated by Equation (4) by substituting Equation (2) and Equation (3) into Equation (1).
(수학식 4)(4)
(범례) 상기 수학식 2 내지 4 에서,(Legend) In the above Equations 2 to 4,
mr: 반사도 지도 정보상의 반사도 평균값m r : reflectivity map information reflectivity average value
mσ: 반사도 지도 정보상의 반사도 분산값m σ : reflectivity variance on map information
zr: 라이더 센서에 의하여 측정된 반사도 평균값z r : average value of reflectance measured by the rider sensor
zσ: 라이더 센서에 의하여 측정된 반사도 분산값z σ : reflectance variance value measured by the rider sensor
σGPS: GPS 센서에 의하여 측정된 위치의 분산값σ GPS : Variance value of position measured by GPS sensor
따라서, 상기와 같은 구성을 가지는 본 발명 자율주행 자동차의 위치인식 시스템 및 그 방법은, GPS 데이터에 의한 자차의 위치 정보와 2D 라이더 센서에 의한 차선의 반사도, 거리 및 각도 정보를 저장하고, 저장된 정보를 시간 순서대로 일정한 공간에 차례대로 데이터를 누적하고 누적한 데이터를 기저장된 반사도 지도와 매칭시켜 차량의 현재 위치를 추정함으로써, 종래 종방향의 보정 성능 저하로 자차의 위치가 부정확하였던 문제점을 해소하였다.Therefore, the position recognition system and the method of the autonomous vehicle of the present invention having the above-mentioned configuration can store the position information of the vehicle by GPS data, the reflection, distance and angle information of the lane by the 2D rider sensor, Accumulates data in a predetermined space in time sequence and accumulates the accumulated data in order to estimate the current position of the vehicle by matching with the previously stored reflectivity map to solve the problem that the position of the vehicle was incorrect due to the degradation of the correction performance in the longitudinal direction .
또한, 본 발명은 3D 라이더 방식이 아닌 2D 라이더 방식을 이용하는 것이 가능하므로 저가의 제조비용으로서 양호한 자자 위치 인식 성능을 구현하게 된 효과를 수득하게 되었다. In addition, since the present invention can use the 2D rider method rather than the 3D rider method, it is possible to obtain a good local position recognition performance with low manufacturing cost.
도 5 는 본 발명의 자동차의 위치인식 방법의 플로우챠트이다. 5 is a flowchart of a method of recognizing a position of a vehicle according to the present invention.
도면을 참조하면, 본 발명의 자동차의 위치인식 방법은, 라이더 센서와 GPS 센서 및 라이더 데이터 누적부를 포함하는 자동차의 위치인식 시스템에 의하여 구현된다. Referring to the drawings, a vehicle position recognition method of the present invention is implemented by a vehicle position recognition system including a rider sensor, a GPS sensor, and a rider data accumulation unit.
구체적으로, 상기 라이더 센서에 의하여 측정되며, 자동차의 현재 위치에서의 도로상의 물체의 반사도, 거리 및 각도 데이터를 포함하는 라이더 스캔 데이터(LiDAR scan data)를 시간순으로 라이더 데이터 누적부로 입력하는 단계(S1); 상기 GPS 센서에 의하여 측정되는 자동차의 현재의 위치 데이터를 시간순으로 라이더 데이터 누적부로 입력하는 단계(S2); 상기 라이더 데이터 누적부가 상기 입력된 라이더 스캔 데이터와 상기 위치 데이터를 포함하는 라이더 데이터(LiDAR data)를 시간순으로 누적시켜 라이더 누적 데이터(LiDAR accummulated data)를 생성하는 단계(S3); 상기 생성된 라이더 누적 데이터를 데이터베이스에 기저장된 라이더 반사도 지도 정보와 매칭시켜 자동차의 현재 위치를 추정하는 단계(S4); 를 포함하여 구성된다.Specifically, the step of inputting LiDAR scan data, which is measured by the rider sensor and includes the reflection, distance and angle data of an object on the road at the current position of the vehicle, to the rider data accumulation unit in chronological order (S1 ); (S2) inputting current position data of the vehicle measured by the GPS sensor to the rider data accumulation unit in chronological order; (S3) of accumulating rider data (LiDAR data) including the input rider scan data and the position data in chronological order to generate LiDAR accummulated data; Estimating the current position of the vehicle by matching the generated rider cumulative data with the rider reflectivity map information previously stored in the database (S4); .
이때, 상기 라이더 누적 데이터를 반사도 지도 정보와 매칭시킬 경우, 본 발명실시예의 방법은 상술한 바와 같은 최대우도추정(Maximum Likelihood Estimation)의 공지된 방법을 이용하여 매칭을 수행하며, 구체적으로, 시리얼 서치(Serial Search) 방식을 적용하여 데이터베이스에 저장된 반사도 지도정보로부터 자동차가 위치한 장소의 반사도의 전역지도를 독출하여 상기 라이더 누적 데이터와 순차적으로 매칭시키고, 이중 최대우도추정에 의한 베이시안(Bayesian) 확률 법칙에 의한 최대의 확률값을 가지는 위치를 최종적인 자동차의 현재 위치로 추정하게 된다. 즉, 확률 분포에 따라서 자동차가 위치할 가능성이 가장 높은 위치를 자동차의 자기 위치로 추정하게 되는 것이다.In this case, when the rider cumulative data is matched with the reflectivity map information, the method of the present invention performs matching using a known method of Maximum Likelihood Estimation as described above. Specifically, (Serial Search) method, a global map of the reflectivity at the place where the car is located is read out from the reflectivity map information stored in the database, and sequentially matched with the rider cumulative data, and Bayesian probability rule And estimates the position having the maximum probability value by the current position of the automobile. That is, the position where the vehicle is most likely to be located according to the probability distribution is estimated as the position of the vehicle.
* 도면의 주요 부분에 대한 부호의 설명 *
10; 라이더 센서
20; GPS 센서
30; 라이더 데이터 입력부
40; GPS 데이터 입력부
50; 라이더 데이터 누적부
60; 지도 매칭부
70; 데이터베이스Description of the Related Art [0002]
10; Rider sensor
20; GPS sensor
30; Rider data input section
40; GPS data input
50; The rider data accumulation unit
60; Map matching section
70; Database
Claims (8)
자동차에 설치된 라이더 센서(10)에 의하여 측정되며, 자동차의 현재 위치에서의 라이더 스캔 데이터(LiDAR scan data)를 시간순으로 라이더 데이터 누적부(50)로 입력하는 라이더 데이터 입력부(30);
자동차에 설치된 GPS 센서(20)에 의하여 측정되는 자동차의 현재의 위치 데이터를 시간순으로 라이더 데이터 누적부(50)로 입력하는 GPS 데이터 입력부(40);
상기 라이더 데이터 입력부(30)로부터 입력된 라이더 스캔 데이터와 상기 GPS 데이터 입력부(40)로부터 입력된 위치 데이터를 포함하는 라이더 데이터(LiDAR data)를 시간순으로 누적시켜 라이더 누적 데이터(LiDAR accummulated data)를 생성하는 라이더 데이터 누적부(50);
상기 라이더 데이터 누적부(50)에 의하여 생성된 라이더 누적 데이터를 데이터베이스(70)에 기저장된 라이더 반사도 지도 정보와 매칭시켜 자동차의 현재 위치를 추정하는 지도 매칭부(60);
를 포함하여 구성되는 것을 특징으로 하는 자동차의 위치인식 시스템.
A position recognition system for a vehicle,
A rider data input unit 30 which is measured by a rider sensor 10 installed in an automobile and inputs rider scan data (LiDAR scan data) at a current position of the vehicle to the rider data accumulating unit 50 in chronological order;
A GPS data input unit 40 for inputting the current position data of the vehicle measured by the GPS sensor 20 installed in the vehicle to the rider data accumulation unit 50 in chronological order;
(LiDAR data) including the rider scan data input from the rider data input unit 30 and the position data input from the GPS data input unit 40 are accumulated in chronological order to generate LiDAR accummulated data A rider data accumulation unit 50 for accumulating the rider data;
A map matching unit 60 for matching the rider cumulative data generated by the rider data accumulating unit 50 with the rider reflectivity map information stored in the database 70 to estimate the current position of the automobile;
And a control unit for controlling the position of the vehicle.
도로상의 물체의 반사도, 거리 및 각도 데이터를 포함하는 것을 특징으로 하는 자동차의 위치인식 시스템.
The apparatus according to claim 1, wherein the rider scan data input by the rider data input unit (30)
A distance, and an angle data of the object on the road.
상기 지도 매칭부(60)는 라이더 누적 데이터를 반사도 지도 정보와 매칭시킬 경우, 최대우도추정(Maximum Likelihood Estimation)을 이용하여 매칭을 수행하는 것을 특징으로 하는 자동차의 위치인식 시스템.
The method according to claim 1,
The map matching unit (60) performs matching using maximum likelihood estimation when matching the rider cumulative data with the reflectivity map information.
상기 지도 매칭부(60)의 최대우도측정에 의한 매칭의 수행은,
시리얼 서치(Serial Search) 방식을 적용하여 데이터베이스(70)에 저장된 반사도 지도정보로부터 자동차가 위치한 장소의 반사도의 전역지도를 독출하여 상기 라이더 누적 데이터와 순차적으로 매칭시키고,
이중 최대우도추정에 의한 베이시안(Bayesian) 확률 법칙에 의한 최대의 확률값을 가지는 위치를 최종적인 자동차의 현재 위치로 추정하는 것을 특징으로 하는 자동차의 위치인식 시스템.
The method of claim 3,
The matching by performing the maximum likelihood measurement of the map matching unit 60 may be performed by,
A global map of the reflectivity of the place where the car is located is read out from the reflectivity map information stored in the database 70 by applying the serial search method and sequentially matched with the rider cumulative data,
Wherein a position having a maximum probability value by a Bayesian probability rule based on a double maximum likelihood estimation is estimated as a current position of a final car.
2D 라이더 센서인 것을 특징으로 하는 자동차의 위치인식 시스템.
2. The apparatus according to claim 1, wherein the rider sensor (10)
Wherein the vehicle is a 2D lidar sensor.
상기 라이더 센서에 의하여 측정되며, 자동차의 현재 위치에서의 라이더 스캔 데이터(LiDAR scan data)를 시간순으로 라이더 데이터 누적부로 입력하는 단계(S1);
상기 GPS 센서에 의하여 측정되는 자동차의 현재의 위치 데이터를 시간순으로 라이더 데이터 누적부로 입력하는 단계(S2);
상기 라이더 데이터 누적부가 상기 입력된 라이더 스캔 데이터와 상기 위치 데이터를 포함하는 라이더 데이터(LiDAR data)를 시간순으로 누적시켜 라이더 누적 데이터(LiDAR accummulated data)를 생성하는 단계(S3);
상기 생성된 라이더 누적 데이터를 데이터베이스에 기저장된 라이더 반사도 지도 정보와 매칭시켜 자동차의 현재 위치를 추정하는 단계(S4); 를 포함하여 구성되는 것을 특징으로 하는 자동차의 위치 인식 방법.
A method of recognizing a position of a vehicle, which is implemented by a position recognition system of a vehicle including a rider sensor, a GPS sensor, and a rider data accumulation unit,
Inputting (S1) LiDAR scan data, which is measured by the rider sensor, to the rider data accumulator in chronological order at the current position of the vehicle;
(S2) inputting current position data of the vehicle measured by the GPS sensor to the rider data accumulation unit in chronological order;
(S3) of accumulating rider data (LiDAR data) including the input rider scan data and the position data in chronological order to generate LiDAR accummulated data;
Estimating the current position of the vehicle by matching the generated rider cumulative data with the rider reflectivity map information previously stored in the database (S4); And determining the position of the vehicle.
도로상의 물체의 반사도, 거리 및 각도 데이터를 포함하는 것을 특징으로 하는 자동차의 위치인식 방법.
The method according to claim 6, wherein the rider scan data measured by the rider sensor comprises:
A distance, and an angle data of the object on the road.
최대우도추정(Maximum Likelihood Estimation)을 이용하여 매칭을 수행하는 것을 특징으로 하는 자동차의 위치인식 방법.The method of claim 1, wherein, when matching the rider cumulative data with the reflectivity map information,
Wherein the matching is performed using Maximum Likelihood Estimation.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170030436A KR102283773B1 (en) | 2017-03-10 | 2017-03-10 | System for localization by accummulation of LiDAR scanned data use for a automatic driving car and method therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170030436A KR102283773B1 (en) | 2017-03-10 | 2017-03-10 | System for localization by accummulation of LiDAR scanned data use for a automatic driving car and method therefor |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180103462A true KR20180103462A (en) | 2018-09-19 |
| KR102283773B1 KR102283773B1 (en) | 2021-07-29 |
Family
ID=63718749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170030436A KR102283773B1 (en) | 2017-03-10 | 2017-03-10 | System for localization by accummulation of LiDAR scanned data use for a automatic driving car and method therefor |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102283773B1 (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110108287A (en) * | 2019-06-03 | 2019-08-09 | 福建工程学院 | A kind of unmanned vehicle high-precision map-matching method and system based on street lamp auxiliary |
| CN111367269A (en) * | 2018-12-26 | 2020-07-03 | 武汉万集信息技术有限公司 | Navigation positioning method, device and system of laser radar |
| KR20210066957A (en) * | 2019-11-28 | 2021-06-08 | 한국전자기술연구원 | Device and method to control vehicle for optimizing LIDAR data range by using vector map |
| KR102400512B1 (en) * | 2020-11-17 | 2022-05-23 | 한국과학기술연구원 | Semantic mapping system and method |
| KR20220078519A (en) * | 2020-12-03 | 2022-06-10 | 재단법인대구경북과학기술원 | Apparatus and method of estimating vehicle location for autonomous driving |
| KR20220081521A (en) | 2020-12-09 | 2022-06-16 | 현대자동차주식회사 | Method for High Precision Position Estimation Through Map Matching Based on Road Shape Classification and Autonomous Vehicles Thereof |
| KR20220114748A (en) | 2021-02-09 | 2022-08-17 | 주식회사 인포웍스 | Fmcw lidar scanner control method based on horizontal vertical stacked multichannel fiber array |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011141663A (en) * | 2010-01-06 | 2011-07-21 | Hitachi Plant Technologies Ltd | Automated guided vehicle and travel control method for the same |
| KR101397933B1 (en) * | 2011-10-17 | 2014-06-27 | 국방과학연구소 | Device for creating traveling information of unmanned ground vehicle, unmanned ground vehicle having the same and control method thereof |
| KR101620911B1 (en) * | 2014-09-25 | 2016-05-13 | 국방과학연구소 | Auto Pilot Vehicle based on Drive Information Map and Local Route Management Method thereof |
| KR20170001148A (en) * | 2015-06-25 | 2017-01-04 | 현대자동차주식회사 | System and Method for writing Occupancy Grid Map of sensor centered coordinate system using laser scanner |
-
2017
- 2017-03-10 KR KR1020170030436A patent/KR102283773B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011141663A (en) * | 2010-01-06 | 2011-07-21 | Hitachi Plant Technologies Ltd | Automated guided vehicle and travel control method for the same |
| KR101397933B1 (en) * | 2011-10-17 | 2014-06-27 | 국방과학연구소 | Device for creating traveling information of unmanned ground vehicle, unmanned ground vehicle having the same and control method thereof |
| KR101620911B1 (en) * | 2014-09-25 | 2016-05-13 | 국방과학연구소 | Auto Pilot Vehicle based on Drive Information Map and Local Route Management Method thereof |
| KR20170001148A (en) * | 2015-06-25 | 2017-01-04 | 현대자동차주식회사 | System and Method for writing Occupancy Grid Map of sensor centered coordinate system using laser scanner |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111367269A (en) * | 2018-12-26 | 2020-07-03 | 武汉万集信息技术有限公司 | Navigation positioning method, device and system of laser radar |
| CN111367269B (en) * | 2018-12-26 | 2023-08-15 | 武汉万集信息技术有限公司 | Navigation positioning method, device and system of laser radar |
| CN110108287A (en) * | 2019-06-03 | 2019-08-09 | 福建工程学院 | A kind of unmanned vehicle high-precision map-matching method and system based on street lamp auxiliary |
| KR20210066957A (en) * | 2019-11-28 | 2021-06-08 | 한국전자기술연구원 | Device and method to control vehicle for optimizing LIDAR data range by using vector map |
| KR102400512B1 (en) * | 2020-11-17 | 2022-05-23 | 한국과학기술연구원 | Semantic mapping system and method |
| KR20220078519A (en) * | 2020-12-03 | 2022-06-10 | 재단법인대구경북과학기술원 | Apparatus and method of estimating vehicle location for autonomous driving |
| KR20220081521A (en) | 2020-12-09 | 2022-06-16 | 현대자동차주식회사 | Method for High Precision Position Estimation Through Map Matching Based on Road Shape Classification and Autonomous Vehicles Thereof |
| US11731649B2 (en) | 2020-12-09 | 2023-08-22 | Hyundai Motor Company | High precision position estimation method through road shape classification-based map matching and autonomous vehicle thereof |
| KR20220114748A (en) | 2021-02-09 | 2022-08-17 | 주식회사 인포웍스 | Fmcw lidar scanner control method based on horizontal vertical stacked multichannel fiber array |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102283773B1 (en) | 2021-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20180103462A (en) | System for localization by accummulation of LiDAR scanned data use for a automatic driving car and method therefor | |
| CN109313031B (en) | Vehicle-mounted processing device | |
| CN105937912B (en) | The map data processing device of vehicle | |
| CN109752741B (en) | Vehicle positioning apparatus | |
| CN108351218B (en) | Method and system for generating digital map | |
| WO2018181974A1 (en) | Determination device, determination method, and program | |
| EP3343173B1 (en) | Vehicle position estimation device, vehicle position estimation method | |
| CN110234957B (en) | Method for storing travel record, method for generating travel track model, method for estimating self-position, and device for storing travel record | |
| CN110470309B (en) | Vehicle position estimation device | |
| CN111429716A (en) | Method for determining position of own vehicle | |
| JP6870475B2 (en) | Lane information output method and lane information output device | |
| US10955857B2 (en) | Stationary camera localization | |
| US20200240806A1 (en) | Vehicle position estimation apparatus | |
| US20180373265A1 (en) | Self-Position Estimation Device and Self-Position Estimation Method | |
| US11092442B2 (en) | Host vehicle position estimation device | |
| CN113330279A (en) | Method and system for determining the position of a vehicle | |
| GB2442776A (en) | Object detection arrangement and positioning system for analysing the surroundings of a vehicle | |
| JP7155284B2 (en) | Measurement accuracy calculation device, self-position estimation device, control method, program and storage medium | |
| CN113330454A (en) | Method and apparatus for multi-sensor data fusion for automated and autonomous vehicles | |
| KR20190028528A (en) | Magnetic position estimation method and magnetic position estimation apparatus | |
| KR20220024791A (en) | Method and apparatus for determining the trajectory of a vehicle | |
| JP4760274B2 (en) | Map update device | |
| JP2013036856A (en) | Driving support apparatus | |
| CN116134338A (en) | Vehicle positioning system and method | |
| US20230243657A1 (en) | Vehicle control device and host vehicle position estimation method |
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 |