KR20190109645A

KR20190109645A - 차량의 측위 장치 및 그 방법

Info

Publication number: KR20190109645A
Application number: KR1020180026360A
Authority: KR
Inventors: 이원오
Original assignee: 현대모비스 주식회사
Priority date: 2018-03-06
Filing date: 2018-03-06
Publication date: 2019-09-26
Also published as: KR102565482B1

Abstract

본 발명은 차량의 측위 장치 및 그 방법이 개시된다. 본 발명의 차량의 측위 장치는, 차량의 주행 상태 정보를 검출하는 제1 센싱부; 상기 차량의 위치 데이터를 획득하는 GPS 모듈; 상기 제1 센싱부에 의해 검출된 주행 상태 정보에 근거하여 상기 차량이 주행한 제1 주행 궤적을 생성하고, 상기 생성된 제1 주행 궤적에 기초하여 상기 차량의 현재 위치를 추정하는 세이프티 코어부; 상기 차량의 주행 환경 정보를 검출하는 제2 센싱부; 및 상기 차량이 주행한 제2 주행 궤적을 생성하고, 상기 제2 센싱부에 의해 검출된 주행 환경 정보에 대하여 맵매칭을 수행하여 맵매칭 데이터를 생성하며, 상기 GPS 모듈로부터 전달받은 위치 데이터, 상기 제2 주행 궤적 및 상기 맵매칭 데이터를 융합하여 융합 측위 정보를 생성하는 퍼포먼스 코어부;를 포함하되, 상기 퍼포먼스 코어부는, 맵매칭 데이터에 의한 위치 데이터, GPS 모듈로부터 전달받은 위치 데이터 및 제2 주행 궤적에 의한 위치데이터를 융합할 때 맵매칭 공분산값, GPS 공분산값 및 DR 공분산값을 각각 생성하여 제공하는 것을 특징으로 한다.

Description

차량의 측위 장치 및 그 방법{APPARATUS FOR DETERMINING POSITION OF VEHICLE AND METHOD THEREOF}

본 발명은 차량의 측위 장치 및 그 방법에 관한 것으로서, 보다 상세하게는 자율주행 환경에서 맵매칭에 의한 위치, GPS에 의한 위치 및 DR을 통해 계산된 위치를 융합할 때 공분산값에 영향을 미치는 파라미터를 가중치들로 반영하여 정확하게 공분산값을 계산함으로써, 정밀 측위의 신뢰도를 판단할 수 있도록 하는 차량의 측위 장치 및 그 방법에 관한 것이다.

일반적으로, 자율 주행 차량이란 주행 시 외부정보 감지 및 처리기능을 통해 주변의 환경을 인식하여 주행 경로를 자체적으로 결정하고, 자체 동력을 이용하여 독립적으로 주행하는 차량을 말한다. 자율 주행 차량은 운전자가 조향휠, 가속페달 또는 브레이크 등을 조작하지 않아도, 주행 경로 상에 존재하는 장애물과의 충돌을 방지하고 도로의 형상에 따라 차속과 주행 방향을 조절하면서 스스로 목적지까지 주행할 수 있다. 예를 들어, 직선 도로에서는 가속을 수행하고, 곡선 도로에서는 도로의 곡률에 대응하여 주행 방향을 변경하면서 감속을 수행할 수 있다.

자율 주행 차량에 적용되는 측위 시스템은 GPS(Global Positioning System) 및 각종센서(Radar, LiDAR, Camera 등)를 이용하여 구축한 도로맵 정보를 바탕으로, 주행 중 획득되는 GPS 위치데이터 및 차량에 탑재된 센서를 통해 획득되는 센서 데이터 등을 통해 차량의 현재 위치를 결정한다. 자율 주행의 안정성을 확보하기 위해서는 차량의 현재 위치를 정확하게 파악하는 것이 중요하며, 이를 위해 GPS의 위치 정확도를 향상시킬 수 있는 DGPS(Differential GPS), RTK-DGPS(Real Time Kinematic-DGPS) 등을 사용하기도 한다. 또한, 필연적으로 발생하는 GPS 위치 데이터의 오차를 보정하기 위해 미리 구축하여 놓은 도로맵과 센서 데이터를 비교하는 맵매칭 기술이 적용되기도 한다.

이러한 자율 주행 차량에 적용되는 측위 시스템에 있어, 차량의 위치 정보는 현재시간에서의 차량의 제어 출력에 직접적인 영향을 주기 때문에 그 실시간성 및 안전성이 보장되어야 한다.

그러나 종래에는 각종 센서로부터의 데이터, 고정밀 지도, GPS 위치 데이터 등의 방대한 양의 데이터를 처리해야 하므로 측위 시스템의 실시간성 및 위치 정보 출력 주기의 안정성을 확보할 수 없는 문제점이 존재하였다.

본 발명의 배경기술은 대한민국 공개특허공보 제2017-0098071호(2017.08.29. 공개, 자율주행차량에 대한 위치추정장치 및 그 제어방법)에 개시되어 있다.

본 발명은 상기와 같은 문제점들을 개선하기 위하여 안출된 것으로, 일 측면에 따른 본 발명의 목적은 자율주행 환경에서 맵매칭에 의한 위치, GPS에 의한 위치 및 DR을 통해 계산된 위치를 융합할 때 공분산값에 영향을 미치는 파라미터를 가중치들로 반영하여 정확하게 공분산값을 계산함으로써, 정밀 측위의 신뢰도를 판단할 수 있도록 하는 차량의 측위 장치 및 그 방법을 제공하는 것이다.

본 발명의 일 측면에 따른 차량의 측위 장치는, 차량의 주행 상태 정보를 검출하는 제1 센싱부; 차량의 위치 데이터를 획득하는 GPS 모듈; 제1 센싱부에 의해 검출된 주행 상태 정보에 근거하여 차량이 주행한 제1 주행 궤적을 생성하고, 생성된 제1 주행 궤적에 기초하여 차량의 현재 위치를 추정하는 세이프티 코어부; 차량의 주행 환경 정보를 검출하는 제2 센싱부; 및 차량이 주행한 제2 주행 궤적을 생성하고, 제2 센싱부에 의해 검출된 주행 환경 정보에 대하여 맵매칭을 수행하여 맵매칭 데이터를 생성하며, GPS 모듈로부터 전달받은 위치 데이터, 제2 주행 궤적 및 맵매칭 데이터를 융합하여 융합 측위 정보를 생성하는 퍼포먼스 코어부;를 포함하되, 퍼포먼스 코어부는, 맵매칭 데이터에 의한 위치 데이터, GPS 모듈로부터 전달받은 위치 데이터 및 제2 주행 궤적에 의한 위치데이터를 융합할 때 맵매칭 공분산값, GPS 공분산값 및 DR 공분산값을 각각 생성하여 제공하는 것을 특징으로 한다.

본 발명에서 세이프티 코어부는, 제1 센싱부에 의해 검출된 주행 상태 정보에 대하여 DR(Dead Reckoning)을 수행하여 생성되는 DR 데이터를 누적하여 제1 주행 궤적을 생성하고, 퍼포먼스 코어부는, 세이프티 코어부로부터 전달받은 DR 데이터를 누적하여 제2 주행 궤적을 생성하는 것을 특징으로 한다.

본 발명에서 제2 센싱부는, 차량의 주행 환경 정보를 각각 검출하는 복수 개의 센서를 포함하고, 퍼포먼스 코어부는, 복수 개의 센서에 의해 각각 검출된 각 주행 환경 정보에 대하여 각각 맵매칭을 수행하여 맵매칭 데이터를 각각 생성하는 것을 특징으로 한다.

본 발명에서, 퍼포먼스 코어부는, 맵매칭 데이터에 의한 위치 데이터, GPS 모듈로부터 전달받은 위치 데이터 및 제2 주행 궤적에 의한 위치데이터를 융합할 때 각 결과의 시간지연을 보상하여 확장 칼만필터를 사용하여 융합하는 것을 특징으로 한다.

본 발명에서 퍼포먼스 코어부는, 제2 주행 궤적에 의한 위치데이터의 융합을 위한 예측단계에서 상태변수에 대한 공분산을 통해 DR 공분산값을 산출하는 것을 특징으로 한다.

본 발명에서 퍼포먼스 코어부는, GPS 모듈로부터 전달받은 위치 데이터에 따른 GPS 공분산값을 현재 사용하는 위성의 수, HDOP, 차량속도 및 이전 공분산값을 기반으로 예측하는 것을 특징으로 한다.

본 발명에서 퍼포먼스 코어부는, 맵매칭 데이터에 의한 위치 데이터에 따른 맵매칭 공분산값을 센서 불확실성에 따른 오차, 정밀맵 구축에 따른 오차, 지도정보 대비 매칭율, 인식정보 대비 매칭율 및 주행상태에서의 기하학적 분포에 따른 오차를 기반으로 예측하는 것을 특징으로 한다.

본 발명의 다른 측면에 따른 차량의 측위 방법은, 세이프티 코어부가 차량의 주행 상태 정보에 근거하여 차량이 주행한 제1 주행 궤적을 생성하는 단계; 퍼포먼스 코어부가 차량이 주행한 제2 주행 궤적을 생성하고, 차량의 주행 환경 정보에 대하여 맵매칭을 수행하여 맵매칭 데이터를 생성하는 단계; 퍼포먼스 코어부가 차량의 위치 데이터를 획득하는 GPS 모듈로부터 전달받은 위치 데이터, 제2 주행 궤적 및 맵매칭 데이터를 융합하여 융합 측위 정보를 생성하는 단계; 및 퍼포먼스 코어부가 맵매칭 데이터에 의한 위치 데이터, GPS 모듈로부터 전달받은 위치 데이터 및 제2 주행 궤적에 의한 위치데이터를 융합할 때 맵매칭 공분산값, GPS 공분산값 및 DR 공분산값을 각각 생성하여 제공하는 단계를 포함하는 것을 특징으로 한다.

본 발명에서 제1 주행 궤적을 생성하는 단계는, 세이프티 코어부가 주행 상태 정보에 대하여 DR(Dead Reckoning)을 수행하여 생성되는 DR 데이터를 누적하여 제1 주행 궤적을 생성하고, 제2 주행 궤적과 맵매칭 데이터를 생성하는 단계는, 퍼포먼스 코어부가 세이프티 코어부로부터 전달받은 DR 데이터를 누적하여 제2 주행 궤적을 생성하는 것을 특징으로 한다.

본 발명에서 제2 주행 궤적과 맵매칭 데이터를 생성하는 단계는, 퍼포먼스 코어부가 차량에 탑재된 복수 개의 센서에 의해 각각 검출된 각 주행 환경 정보에 대하여 각각 맵매칭을 수행하여 맵매칭 데이터를 각각 생성하는 것을 특징으로 한다.

본 발명에서 융합 측위 정보를 생성하는 단계는, 퍼포먼스 코어부가 맵매칭 데이터에 의한 위치 데이터, GPS 모듈로부터 전달받은 위치 데이터 및 제2 주행 궤적에 의한 위치데이터를 융합할 때 각 결과의 시간지연을 보상하여 확장 칼만필터를 사용하여 융합하는 것을 특징으로 한다.

본 발명은 DR 공분산값을 생성하여 제공할 때, 퍼포먼스 코어부가 제2 주행 궤적에 의한 위치데이터의 융합을 위한 예측단계에서 상태변수에 대한 공분산을 통해 DR 공분산값을 산출하는 것을 특징으로 한다.

본 발명은 GPS 공분산값을 생성하여 제공할 때, 퍼포먼스 코어부가 GPS 모듈로부터 전달받은 위치 데이터에 대해, 현재 사용하는 위성의 수, HDOP, 차량속도 및 이전 공분산값을 기반으로 GPS 공분산값을 예측하는 것을 특징으로 한다.

본 발명에서 맵매칭 공분산값을 생성하여 제공할 때, 퍼포먼스 코어부가 맵매칭 데이터에 의한 위치 데이터에 대해, 센서 불확실성에 따른 오차, 정밀맵 구축에 따른 오차, 지도정보 대비 매칭율, 인식정보 대비 매칭율 및 주행상태에서의 기하학적 분포를 기반으로 맵매칭 공분산값을 예측하는 것을 특징으로 한다.

본 발명의 일 측면에 따른 차량의 측위 장치 및 그 방법은 자율주행 환경에서 맵매칭에 의한 위치, GPS에 의한 위치 및 DR을 통해 계산된 위치를 융합할 때 공분산값에 영향을 미치는 파라미터를 가중치들로 반영하여 정확하게 공분산값을 계산하여 제공하여 정밀 측위의 신뢰도를 판단할 수 있도록 함으로써, 자율주행을 위한 제어전략을 수립하고, 현 상태를 판단하며, 페일세이프(Fail Safe) 등을 수행할 수 있도록 한다.

도 1은 본 발명의 일 실시예에 따른 차량의 측위 장치를 설명하기 위한 블록구성도이다.
도 2는 본 발명의 일 실시예에 따른 차량의 측위 장치에서 전체 시스템 아키텍처의 예시를 도시한 블록구성도이다.
도 3은 본 발명의 일 실시예에 따른 차량의 측위 장치에서 퍼포먼스 코어부의 구성을 구체적으로 설명하기 위한 블록구성도이다.
도 4는 본 발명의 일 실시예에 따른 차량의 측위 장치에서 퍼포먼스 코어부가 융합 측위를 수행하는 과정을 설명하기 위한 예시도이다.
도 5는 본 발명의 일 실시예에 따른 차량의 측위 장치에서 퍼포먼스 코어부가 융합 측위를 수행할 때 고려하기 위한 주행 환경의 기하학적 분포에 따른 공분산 변화를 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 차량의 측위 방법을 설명하기 위한 흐름도이다.

이하, 첨부된 도면들을 참조하여 본 발명에 따른 차량의 측위 장치 및 그 방법을 설명한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. 또한, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

도 1은 본 발명의 일 실시예에 따른 차량의 측위 장치를 설명하기 위한 블록구성도이고, 도 2는 본 발명의 일 실시예에 따른 차량의 측위 장치에서 전체 시스템 아키텍처의 예시를 도시한 블록구성도이며, 도 3은 본 발명의 일 실시예에 따른 차량의 측위 장치에서 퍼포먼스 코어부의 구성을 구체적으로 설명하기 위한 블록구성도이고, 도 4는 본 발명의 일 실시예에 따른 차량의 측위 장치에서 퍼포먼스 코어부가 융합 측위를 수행하는 과정을 설명하기 위한 예시도이며, 도 5는 본 발명의 일 실시예에 따른 차량의 측위 장치에서 퍼포먼스 코어부가 융합 측위를 수행할 때 고려하기 위한 주행 환경의 기하학적 분포에 따른 공분산 변화를 나타낸 도면이다.

도 1과 도 2에 도시된 바와 같이 본 발명의 일 실시예에 따른 차량의 측위 장치는, 제1 센싱부(10), GPS 모듈(20), 세이프티 코어부(30), 제2 센싱부(40) 및 퍼포먼스 코어부(50)를 포함할 수 있다.

제1 센싱부(10)는 차량의 주행 상태 정보를 검출할 수 있다. 차량의 주행 상태 정보는 차량의 주행 방향을 추정하기 위한 요레이트 및 조향각과, 차량의 주행 속도를 추정하기 위한 휠 속 및 변속 정보를 포함할 수 있다.

상기한 주행 상태 정보를 검출하기 위해 제1 센싱부(10)는 요레이트 센서, 조향각 센서, 휠 속 센서 및 변속 감지 센서(이상 미도시)를 포함할 수 있다. 제1 센싱부(10)에 의해 검출된 차량의 주행 상태 정보는 후술할 것과 같이 추측 항법(DR: Dead Reckoning) 적용에 의한 제1 주행 궤적을 생성하는데 사용될 수 있다.

제2 센싱부(40)는 복수의 센서를 포함할 수 있으며, 복수의 센서를 통해 각각 차량의 주행 환경 정보를 검출할 수 있다. 복수의 센서는 AVM 카메라, 전방 카메라, 스테레오 카메라 등의 카메라 센서 및 라이다 센서(이상 미도시) 등을 포함할 수 있다. 제2 센싱부(40)에 의해 검출된 차량의 주행 환경 정보는 후술할 것과 같이 맵매칭 적용에 의한 맵매칭 데이터를 생성하는데 사용될 수 있다.

GPS(Global Positioning System) 모듈(20)은 차량의 절대 좌표를 위성을 통해 전달받을 수 있으며, 이를 기반으로 위치 데이터(위경도 좌표, 방향, 속도, quality 등)를 생성하여 후술하는 세이프티 코어부(30) 및 퍼포먼스 코어부(50)의 융합 측위 정보 생성부(59)로 각각 전달할 수 있다. 한편, GPS 모듈(20)로부터의 위치 데이터는 세이프티 코어부(30)에서 전송 규격화되어 퍼포먼스 코어부(50)의 융합 측위 정보 생성부(59)로 전달될 수 있다.

세이프티 코어부(30)는 제1 센싱부(10)에 의해 검출된 주행 상태 정보에 근거하여 차량이 주행한 제1 주행 궤적을 생성하고, 생성된 제1 주행 궤적에 기초하여 차량의 현재 위치를 추정할 수 있다. 이때, 세이프티 코어부(30)는 제1 주행 궤적을 이용하여 후술할 퍼포먼스 코어부(50)에 의해 생성된 융합 측위 정보를 보정함으로써 차량의 현재 위치를 추정할 수 있다.

퍼포먼스 코어부(50)는 차량이 주행한 제2 주행 궤적을 생성하고, 제2 센싱부(40)에 의해 검출된 주행 환경 정보에 대하여 맵매칭을 수행하여 맵매칭 데이터를 생성하며, GPS 모듈(20)로부터 전달받은 위치 데이터, 제2 주행 궤적에 의한 위치 데이터 및 맵매칭 데이터에 의한 위치데이터를 융합하여 융합 측위 정보를 생성할 수 있다.

본 실시예에서는 데이터 처리 로직이 상대적으로 단순하고 데이터 처리의 실시간성 및 안전성이 보장되어야 하는 로직을 세이프티 코어부(30)로 구현하고, 데이터 처리 로직이 복잡하고 데이터 처리의 실시간성이 보장되지 않아도 되는 로직을 퍼포먼스 코어부(50)로 구분하여 구현하는 구성을 채용한다.

퍼포먼스 코어부(50)는 CPU/GPU 기반의 하드웨어 플랫폼 등 PC를 포함한 다양한 고성능 자율주행용 플랫폼으로 구현될 수 있으며, 퍼포먼스 코어부(50)에는 차량에 탑재된 센서로부터의 센서 데이터를 처리하는 기술, 맵매칭 기술, 및 후술할 GPS 모듈(20)로부터 전달받은 위치 데이터, 제2 주행 궤적에 의한 위치 데이터 및 맵매칭 데이터에 의한 위치데이터를 융합하는 융합 측위 정보 생성 기술이 구현될 수 있다. 후술할 것과 같이 퍼포먼스 코어부(50)는 미리 설정된 로컬 타이머(Local Timer)를 기반으로, FIFO(First In First Out), Triggered, Sampling 방식에 따라 비동기적으로 동작할 수 있다.

퍼포먼스 코어부(50)는 상기한 로컬 타이머를 이용하여 제2 센싱부(40)에 의해 검출되는 각 주행 환경 정보에 타임 태그(Time Tag)(이하 Local 타임 태그)를 추가할 수 있으며, Local 타임 태그가 추가된 각 주행 환경 정보는 서로 다른 시간 정보를 갖게 되므로, 이러한 시간 비동기성은 퍼포먼스 코어부(50)에 의한 시간 동기화를 통해 제거된다.

이와 같이 세이프티 코어부(30)와 퍼포먼스 코어부(50)는 유기적으로 타임 스탬프와 시간 동기화를 수행하며, 필요한 데이터를 CAN / Ethernet 통신 등을 이용하여 상호 전달할 수 있다.

여기서 퍼포먼스 코어부(50)는 도 3에 도시된 바와 같이 제2 궤적 관리부(51), 데이터 전처리부(53), 지도 데이터 저장부(55), 맵매칭부(57) 및 융합 측위 정보 생성부(59)를 포함할 수 있다.

제2 궤적 관리부(51)는 세이프티 코어부(30)로부터 전달받은 DR 데이터를 누적하여 제2 주행 궤적을 생성하고 맵매칭부(57) 및 융합 측위 정보 생성부(59)로 전달할 수 있다. 세이프티 코어부(30)에서 생성되는 제1 주행 궤적은 DR 데이터 누적 시간이 짧은 경우에는 그 정확도가 높지만, 시간 경과에 따른 오차 누적을 피할 수 없기 때문에 현재 차량의 이동 궤적과 상이할 수 있다. 즉, 제1 주행 궤적은 세이프티 코어부(30)의 동작 측면에서 그 신뢰도가 높지만, 시간 경과에 따른 오차 누적으로 인해 퍼포먼스 코어부(50)의 동작 측면에서는 그 신뢰도를 보장할 수 없으므로, 제2 궤적 관리부(51)는 세이프티 코어부(30)로부터 DR 데이터를 전달받아 누적하여 제1 주행 궤적과는 구분되는 제2 주행 궤적을 별도로 생성할 수 있다.

맵매칭부(57)는 제2 센싱부(40)에 의해 검출된 주행 환경 정보에 대하여 맵매칭을 수행하여 맵매칭 데이터를 생성할 수 있다. 이때, 맵매칭부(57)는 제2 센싱부(40)에 포함된 복수의 센서에 의해 각각 검출된 각 주행 환경 정보에 대하여 맵매칭을 수행할 수 있다. 각 주행 환경 정보는 데이터 전처리부(53)에 의한 전처리 과정이 수행될 수 있으며, 맵매칭에 필요한 지도 데이터는 지도 데이터 저장부(55)로부터 제공받을 수 있다. 본 실시예에서 맵매칭에 사용되는 지도 데이터는 자율 주행 차량에 적용되는 3차원 정밀 지도 데이터(HD Map)일 수 있으나 이에 한정되지 않는다.

맵매칭부(57)는 제2 궤적 관리부(51)로부터 전달받은 제2 주행 궤적과 지도 데이터 저장부(55)로부터 전달받은 지도 데이터를 이용하여 각 주행 환경 정보에 대하여 각각 맵매칭을 수행할 수 있다. 맵매칭부(57)는 ICP(Iterative Closest Point), Hungarian Auction, Linear Fitting Algorithm 등과 같은 Data Assignment 알고리즘을 이용하여 맵매칭을 수행할 수 있으며, 맵매칭 수행 결과 생성되는 각 맵매칭 데이터는 융합 측위 정보 생성부(59)로 전달된다.

맵매칭부(57)에 의해 생성되는 각 맵매칭 데이터에는 전술한 것과 같이 퍼포먼스 코어부(50)에 의해 추가되는, 서로 다른 시간 정보를 갖는 Local 타임 태그가 포함되게 된다. 이에, 퍼포먼스 코어부(50)는 각 맵매칭 데이터 간의 시간 비동기를 제거하기 위해 융합 측위 정보 생성부(59)를 통해 각 맵매칭 데이터에 대한 시간 동기화를 수행할 수 있다.

구체적으로, 융합 측위 정보 생성부(59)는 제2 궤적 관리부(51)로부터 전달받은 제2 주행 궤적을 토대로 각 맵매칭 데이터에 대한 시간 동기화를 수행할 수 있다. 라이다 센서, AVM 카메라 센서 및 전방 카메라 센서의 각 센서 데이터에 대한 각 맵매칭 데이터에 제2 주행 궤적을 적용하여 각 맵매칭 데이터에 대한 시간을 동기 시킬 수 있다. 이에 따라, 융합 측위 정보 생성부(59)는 GPS 모듈(20)로부터 전달받은 위치 데이터, 제2 궤적 관리부(51)로부터 전달받은 제2 주행 궤적, 및 시간 동기화된 각 맵매칭 데이터를 융합하여 융합 측위 정보(하나의 위치 좌표)를 생성할 수 있다.

융합 측위 정보 생성부(59)는 확장 칼만필터 또는 가중합계(weighted sum) 등의 융합 알고리즘을 사용하여 위치 데이터, 제2 주행 궤적 및 시간 동기화된 각 맵매칭 데이터를 융합할 수 있다. 융합 측위 정보 생성부(59)는 생성된 융합 측위 정보에, 세이프티 코어부(30)로부터 전달받은 RT 시간을 통해 RT 타임 태그를 추가하여 세이프티 코어부(30)로 전달할 수 있다.

여기서 확장 칼만필터를 사용하여 융합할 경우, 융합 측위 정보 생성부(59)는 예측단계(Estimation)에서 세이프티 코어부(30)로부터 DR 데이터를 전달받아 누적하여 제1 주행 궤적과는 구분되는 제2 주행 궤적을 별도로 생성하여 차량의 절대 위치 정보를 갱신하고 그 상태에 대한 공분산값을 계산할 수 있다.

이때 상태변수와 입력변수는 수학식 1과 수학식 2로 정의되고, 위치 정보에 따른 상태방정식은 수학식 3과 같이 정의될 수 있다.

따라서 상태변수 공분산은 수학식 4를 통해 산출할 수 있다.

또한, 융합 측위 정보 생성부(59)는 갱신단계(Measurement Update)에서 복수의 센서를 통해 검출되는 데이터를 기반으로 측정한 위치정보를 이용하여 차량의 절대 위치정보를 갱신할 수 있다.

즉, 갱신단계에서의 측정변수는 수학식 5와 같이 정의될 수 있다. 따라서 수학식 6을 기반으로 위치 정보에 따른 상태를 갱신할 수 있다.

또한, 위치 정보를 갱신함에 따라 상태변수 공분산값은 수학식 7과 같이 갱신되고, 밸리데이션 게이트(Validation Gate)는 수학식 8과 같이 정의될 수 있다.

융합 측위 정보 생성부(59)에 의해 융합 측위 정보가 생성되는 과정을 도 4를 참조하여 설명하면, 제2 센싱부(40)에 포함된 라이다 센서, AVM 카메라 센서 및 전방 카메라 센서 등의 복수의 센서를 통해 각각 검출되는 각 주행 환경 정보에는 퍼포먼스 코어부(50)에 의해 Local 타임 태그가 추가되며, 이에 따라 맵매칭부(57)에 의해 생성되는 각 맵매칭 데이터(P_k-t1, P_k-t2, P_k-t3)와 GPS 모듈로부터 전달받은 위치 데이터(P_k-t4)는 서로 다른 시간 정보를 갖는 Local 타임 태그가 포함되게 된다. 융합 측위 정보 생성부(59)는 제2 주행 궤적을 통해 각 맵매칭 데이터에 대한 시간 동기화를 수행하여 이전시점의 매칭결과, 위치 데이터, 제2 주행 궤적 및 시간 동기화된 각 맵매칭 데이터를 융합하여 융합 측위 정보(P_k)를 생성할 수 있다.

또한, 퍼포먼스 코어부(50)는 맵매칭 데이터에 의한 위치 데이터, GPS 모듈로부터 전달받은 위치 데이터 및 제2 주행 궤적에 의한 위치데이터를 융합할 때 맵매칭 공분산값, GPS 공분산값 및 DR 공분산값을 각각 생성하여 제공할 수 있다.

먼저, 퍼포먼스 코어부(50)의 융합 측위 정보 생성부(59)에서 제2 주행 궤적에 의한 위치데이터에 따른 DR 공분산값은, 확장 칼만필터를 이용하여 융합할 때 예측단계에서 상태변수에 대한 공분산을 산출하는 수학식 4를 통해 산출할 수 있다.

추측항법에 따른 제2 주행 궤적에 의한 위치데이터는 차량센서 및 관성 측정 장치(IMU)로부터 측정되는 차속, 조향각, 휠오도미터, yaw rate 및 가속도 등을 활용하여 차량의 움직임을 누적함으로써 계산되며, 시간이 지남에 따라 오차가 누적된다. 따라서, DR 공분산값도 시간이 지남에 따라 증가하게 된다.

여기서, Vv, Vψ 값은 각각 속도와 헤딩에 따른 Error rate로 튜닝파라미터이다.

퍼포먼스 코어부(50)의 융합 측위 정보 생성부(59)에서 GPS 모듈(20)로부터 전달받은 위치 데이터에 따른 GPS 공분산값은, 현재 사용하는 위성의 수, HDOP(Horizontal dilution of precision ; 수평위치 정밀도 저하율), 차량속도 및 이전 공분산값을 기반으로 예측할 수 있다.

여기서, 현재 사용하는 위성수는 자차의 위치를 계산할 때 이용되는 위성의 숫자로써, 위성 수가 많을수록 공분산값을 줄여줄 수 있어 신뢰도를 향상시킬 수 있다.

HDOP는 GPS의 품질을 반영할 수 있는 팩터 중 하나로써, 이 값이 작을수록 신뢰할만한 값을 의미하는 것으로 공분산값에 영향을 미치는 파라미터로 반영된다.

차량속도는 자차의 주행속도로써, GPS 공분산값은 종횡방향의 경우 속도에 따라 증가하고, 헤딩의 경우 속도에 따라 감소하기 때문에 GPS 공분산값을 예측할 때 반영하게 된다.

이전 공분산값은 GPS 공분산값의 급격한 변화를 방지하기 위해 반영하여 그 변화량을 조절해 준다.

따라서 융합 측위 정보 생성부는 이와 같은 팩터들을 반영하여 수학식 9를 기반으로 GPS 공분산값을 예측할 수 있다.

여기서, w_v, w_numSat, w_d는 각각 속도에 따른 공분산의 변화, 위성수에 따른 공분산 변화, GPS 공분산의 변화속도에 영향을 주는 파라미터이다.

또한, 퍼포먼스 코어부(50)의 융합 측위 정보 생성부(59)에서 맵매칭 데이터에 의한 위치 데이터에 따른 맵매칭 공분산값은, 센서 불확실성에 따른 오차, 정밀맵 구축에 따른 오차, 지도정보 대비 매칭율, 인식정보 대비 매칭율 및 주행상태에서의 기하학적 분포를 기반으로 예측할 수 있다.

여기서, 맵매칭은 자율주행용 고정밀지도와 각각의 센서(라이다, 레이더, 카메라, SVM 등) 데이터를 비교하여 차량의 위치를 추측하는 방법이다. 이때 각 센서 당 하나의 위치좌표가 생성되며, GPS의 위치오차를 절대적으로 보상하는 방법이기 때문에 자율주행 측위의 경우 여러 맵매칭 결과와 GPS 결과를 융합하기 위하여 맵매칭의 공분산값을 정확하게 예측하는 것은 매우 중요하게 된다.

따라서, 맵매칭 공분산값에 영향을 미치는 파라미터들에 대해 가중치를 부여하여 정확하게 예측함으로써 정밀측위의 정확도가 어느 정도인지 정확하게 표현할 수 있게 된다.

여기서 맵매칭 공분산값을 예측하는데 영향을 미치는 파라미터로 센서 불확실성에 따른 오차는, 각 센서에서 입력되는 데이터를 기반으로 맵매칭을 위한 특징(차선, 정지선, 구조물 등)을 검출할 때 존재하는 센서의 오차로써 센서의 정확도, 정밀도, 시간지연 및 센서의 기하학적 정보에 따른 오차 등을 반영하여 예측할 수 있다.

또한, 정밀 맵 구축에 따른 오차는, 고정밀맵 구축 시 맵데이터의 품질을 미리 단계별로 지정해 놓고 이를 공분산값 계산에 반영하는 오차이다.

고정밀 지도의 경우, 초기 구축 시에 고정밀 GPS 및 고성능 라이다, 실측 장비 등을 통해 수십 cm 이하의 정밀도로 실세계를 그대로 도식화 하지만, 이러한 고정밀지도도 센서를 통해 데이터를 획득하기 때문에 GPS 음영지역, 차선 데이터 회손 구간 등 많은 악조건에서는 그 정확도가 하락할 수밖에 없어 이러한 정보를 기반으로 맵데이터의 품질을 미리 단계별로 지정해 놓게 된다. 따라서 이러한 맵데이터의 품질을 공분산값 계산에 반영하여 정확도를 높일 수 있도록 한다.

지도정보 대비 매칭율은 고정밀 지도 지표 중 센서와 매칭되는 비율을 고려한 값으로, 만약 지도에 존재하는 데이터가 매칭되지 않았다면 이는 센서의 데이터 미인식을 의미한다.

인식정보 대비 매칭율은 센서 인식 결과 중 고정밀 지도와 매칭이 되지 않은 비율을 고려한 값으로, 이를 통해 센서의 오인식 정도를 반영할 수 있다.

또한, 현재 주행상태에서의 기하학적 분포를 고려할 수 있다. 예를 들어 도 5의 (가)에 도시된 바와 같이 종방향 매칭에 사용되는 팩터(정지선, 노면표기 등)가 전혀 존재하지 않고 차선만 존재하는 상황이라면 차선으로 횡방향 보정은 연속적으로 수행되지만 종방향 보정은 전혀 할 수 없기 때문에 추측항법의 종방향 오차가 그대로 누적되어 공분산의 모양은 횡방향 매칭만 가능할 경우 종방향 쪽으로 장축이 존재하는 타원형이 된다.

반면, (나)와 같이 정지선 등이 있는 환경이라면 정지선 매칭을 통해 종방향 보정이 될 수 있어 종방향 매칭만 가능할 경우(혹은, 좌회전 우회전 등으로 종방향 오차가 횡방향 오차로 변환되는 경우)에는 횡방향 쪽으로 장축이 존재하는 타원형이나 종횡방향이 모두 가능할 경우 원형이 될 수 있다.

따라서 이러한 기하학적 분포에 따른 공분산 변화를 반영함으로써 보다 정확한 맵매칭 공분산값을 예측할 수 있도록 한다.

이와 같은 맵매칭 공분산값에 영향을 미치는 파라미터를 반영한 맵매칭 공분산값은 수학식 10으로 정의하여 예측할 수 있다.

이때, w_us는 센서의 불확실성 오차, w_um은 정밀맵 구축 오차, α는 지도정보 대비 매칭율, β는 인식정보 대비 매칭율이고, J는 맵매칭 시 사용되는 ICP 수식으로 지도와 센서의 매칭 에러를 최소화하는 방향으로 계산된다.

상술한 바와 같이, 본 발명의 실시예에 의한 차량의 측위 장치에 따르면, 자율주행 환경에서 맵매칭에 의한 위치, GPS에 의한 위치 및 DR을 통해 계산된 위치를 융합할 때 공분산값에 영향을 미치는 파라미터를 가중치들로 반영하여 정확하게 공분산값을 계산하여 제공하여 정밀 측위의 신뢰도를 판단할 수 있도록 함으로써, 자율주행을 위한 제어전략을 수립하고, 현 상태를 판단하며 페일세이프(Fail Safe) 등을 수행할 수 있도록 한다.

도 6은 본 발명의 일 실시예에 따른 차량의 측위 방법을 설명하기 위한 흐름도이다.

도 6에 도시된 바와 같이 본 발명의 일 실시예에 따른 차량의 측위 방법에서는 먼저, 세이프티 코어부(30)가 차량의 주행 상태 정보에 근거하여 차량이 주행한 제1 주행 궤적을 생성한다(S10).

S10 단계에서, 세이프티 코어부(30)는 차량의 주행 상태 정보에 대하여 DR(Dead Reckoning)을 수행하여 생성되는 DR 데이터를 누적하여 제1 주행 궤적을 생성할 수 있다.

이후, 퍼포먼스 코어부(50)는 차량이 주행한 제2 주행 궤적을 생성하고, 차량의 주행 환경 정보에 대하여 맵매칭을 수행하여 맵매칭 데이터를 생성할 수 있다(S20).

S20 단계에서, 퍼포먼스 코어부(50)는 세이프티 코어부(30)로부터 전달받은 DR 데이터를 누적하여 제2 주행 궤적을 생성할 수 있고, 차량에 탑재된(즉, 제2 센싱부(40)에 포함된) 복수 개의 센서에 의해 각각 검출된 각 주행 환경 정보에 대하여 각각 맵매칭을 수행하여 맵매칭 데이터를 각각 생성할 수 있다.

이후, 퍼포먼스 코어부(50)는 확장 칼만필터 또는 가중합계(weighted sum) 등의 융합 알고리즘을 사용하여 차량의 위치 데이터를 획득하는 GPS 모듈(20)로부터 전달받은 위치 데이터, 제2 주행 궤적 및 맵매칭 데이터를 융합하여 융합 측위 정보를 생성한다(S30).

여기서, 확장 칼만필터를 사용하여 융합할 경우, 퍼포먼스 코어부(50)는 예측단계(Estimation)에서 세이프티 코어부(30)로부터 DR 데이터를 전달받아 누적하여 제1 주행 궤적과는 구분되는 제2 주행 궤적을 별도로 생성하여 차량의 절대 위치 정보를 갱신하고 그 상태에 대한 공분산값을 계산할 수 있다.

S30 단계에서, 퍼포먼스 코어부(50)는 로컬 타이머를 통해 판단되는 각 맵매칭 데이터 간의 시간 비동기를 제거하기 위해 각 맵매칭 데이터에 대한 시간 동기화를 수행할 수 있다. 또한, 퍼포먼스 코어부(50)는 제2 주행 궤적을 토대로 각 맵매칭 데이터에 대한 시간 동기화를 수행하고, 위치데이터, 제2 주행 궤적 및 시간 동기화된 각 맵매칭 데이터를 융합하여 융합 측위 정보를 생성할 수 있다.

이후, 퍼포먼스 코어부(50)는 맵매칭 데이터에 의한 위치 데이터, GPS 모듈로부터 전달받은 위치 데이터 및 제2 주행 궤적에 의한 위치데이터를 융합할 때 맵매칭 공분산값, GPS 공분산값 및 DR 공분산값을 각각 생성하여 제공할 수 있다(S40).

여기서, 퍼포먼스 코어부(50)는 제2 주행 궤적에 의한 위치데이터에 따른 DR 공분산값에 대해 확장 칼만필터를 이용하여 융합할 때 예측단계에서 상태변수에 대한 공분산을 산출하는 수학식 4를 통해 산출할 수 있다.

또한, GPS 모듈(20)로부터 전달받은 위치 데이터에 따른 GPS 공분산값은 퍼포먼스 코어부(50)에서 현재 사용하는 위성의 수, HDOP(Horizontal dilution of precision ; 수평위치 정밀도 저하율), 차량속도 및 이전 공분산값을 기반으로 예측할 수 있다.

따라서 융합 측위 정보 생성부는 이와 같은 팩터들을 반영하여 수학식 11을 기반으로 GPS 공분산값을 예측할 수 있다.

그리고, 맵매칭 데이터에 의한 위치 데이터에 따른 맵매칭 공분산값은, 퍼포먼스 코어부(50)에서 센서 불확실성에 따른 오차, 정밀맵 구축에 따른 오차, 지도정보 대비 매칭율, 인식정보 대비 매칭율 및 주행상태에서의 기하학적 분포를 기반으로 예측할 수 있다.

따라서 맵매칭 공분산값에 영향을 미치는 파라미터들에 대해 가중치를 부여하여 정확하게 예측함으로써 정밀측위의 정확도가 어느 정도인지 정확하게 표현할 수 있게 된다.

여기서, 맵매칭 공분산값을 예측하는데 영향을 미치는 파라미터로 센서 불확실성에 따른 오차는, 각 센서에서 입력되는 데이터를 기반으로 맵매칭을 위한 특징(차선, 정지선, 구조물 등)을 검출할 때 존재하는 센서의 오차로써 센서의 정확도, 정밀도, 시간지연 및 센서의 기하학적 정보에 따른 오차 등을 반영하여 예측할 수 있다.

따라서, 이러한 기하학적 분포에 따른 공분산 변화를 반영함으로써 보다 정확한 맵매칭 공분산값을 예측할 수 있도록 한다.

이와 같은 맵매칭 공분산값에 영향을 미치는 파라미터를 반영한 맵매칭 공분산값은 수학식 12로 정의하여 예측할 수 있다.

상술한 바와 같이, 본 발명의 실시예에 의한 차량의 측위 방법에 따르면, 자율주행 환경에서 맵매칭에 의한 위치, GPS에 의한 위치 및 DR을 통해 계산된 위치를 융합할 때 공분산값에 영향을 미치는 파라미터를 가중치들로 반영하여 정확하게 공분산값을 계산하여 제공하여 정밀 측위의 신뢰도를 판단할 수 있도록 함으로써, 자율주행을 위한 제어전략을 수립하고, 현 상태를 판단하며, 페일세이프(Fail Safe) 등을 수행할 수 있도록 한다.

본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.

따라서 본 발명의 진정한 기술적 보호범위는 아래의 청구범위에 의해서 정하여져야 할 것이다.

10 : 제1 센싱부 20 : GPS 모듈
30 : 세이프티 코어부 40 : 제2 센싱부
50 : 퍼포먼스 코어부 51 : 제2 궤적 관리부
53 : 데이터 전처리부 55 : 지도 데이터 저장부
57 : 맵매칭부 59 : 융합 측위 정보 생성부
60: 자율 주행 제어 모듈

Claims

차량의 주행 상태 정보를 검출하는 제1 센싱부;
상기 차량의 위치 데이터를 획득하는 GPS 모듈;
상기 제1 센싱부에 의해 검출된 주행 상태 정보에 근거하여 상기 차량이 주행한 제1 주행 궤적을 생성하고, 상기 생성된 제1 주행 궤적에 기초하여 상기 차량의 현재 위치를 추정하는 세이프티 코어부;
상기 차량의 주행 환경 정보를 검출하는 제2 센싱부; 및
상기 차량이 주행한 제2 주행 궤적을 생성하고, 상기 제2 센싱부에 의해 검출된 주행 환경 정보에 대하여 맵매칭을 수행하여 맵매칭 데이터를 생성하며, 상기 GPS 모듈로부터 전달받은 위치 데이터, 상기 제2 주행 궤적 및 상기 맵매칭 데이터를 융합하여 융합 측위 정보를 생성하는 퍼포먼스 코어부;를 포함하되,
상기 퍼포먼스 코어부는, 상기 맵매칭 데이터에 의한 위치 데이터, 상기 GPS 모듈로부터 전달받은 위치 데이터 및 상기 제2 주행 궤적에 의한 위치데이터를 융합할 때 맵매칭 공분산값, GPS 공분산값 및 DR 공분산값을 각각 생성하여 제공하는 것을 특징으로 하는 차량의 측위 장치.
제 1항에 있어서, 상기 세이프티 코어부는, 상기 제1 센싱부에 의해 검출된 주행 상태 정보에 대하여 DR(Dead Reckoning)을 수행하여 생성되는 DR 데이터를 누적하여 상기 제1 주행 궤적을 생성하고,
상기 퍼포먼스 코어부는, 상기 세이프티 코어부로부터 전달받은 DR 데이터를 누적하여 상기 제2 주행 궤적을 생성하는 것을 특징으로 하는 차량의 측위 장치.
제 1항에 있어서, 상기 제2 센싱부는, 상기 차량의 주행 환경 정보를 각각 검출하는 복수 개의 센서를 포함하고, 상기 퍼포먼스 코어부는, 상기 복수 개의 센서에 의해 각각 검출된 각 주행 환경 정보에 대하여 각각 맵매칭을 수행하여 맵매칭 데이터를 각각 생성하는 것을 특징으로 하는 차량의 측위 장치.
제 1항에 있어서, 상기 퍼포먼스 코어부는, 상기 맵매칭 데이터에 의한 위치 데이터, 상기 GPS 모듈로부터 전달받은 위치 데이터 및 상기 제2 주행 궤적에 의한 위치데이터를 융합할 때 각 결과의 시간지연을 보상하여 확장 칼만필터를 사용하여 융합하는 것을 특징으로 하는 차량의 측위 장치.
제 1항에 있어서, 상기 퍼포먼스 코어부는, 상기 제2 주행 궤적에 의한 위치데이터의 융합을 위한 예측단계에서 상태변수에 대한 공분산을 통해 DR 공분산값을 산출하는 것을 특징으로 하는 차량의 측위 장치.
제 1항에 있어서, 상기 퍼포먼스 코어부는, 상기 GPS 모듈로부터 전달받은 위치 데이터에 따른 GPS 공분산값을 현재 사용하는 위성의 수, HDOP, 차량속도 및 이전 공분산값을 기반으로 예측하는 것을 특징으로 하는 차량의 측위 장치.
제 1항에 있어서, 상기 퍼포먼스 코어부는, 상기 맵매칭 데이터에 의한 위치 데이터에 따른 맵매칭 공분산값을 센서 불확실성에 따른 오차, 정밀맵 구축에 따른 오차, 지도정보 대비 매칭율, 인식정보 대비 매칭율 및 주행상태에서의 기하학적 분포에 따른 오차를 기반으로 예측하는 것을 특징으로 하는 차량의 측위 장치.
세이프티 코어부가 차량의 주행 상태 정보에 근거하여 상기 차량이 주행한 제1 주행 궤적을 생성하는 단계;
퍼포먼스 코어부가 상기 차량이 주행한 제2 주행 궤적을 생성하고, 상기 차량의 주행 환경 정보에 대하여 맵매칭을 수행하여 맵매칭 데이터를 생성하는 단계;
상기 퍼포먼스 코어부가 상기 차량의 위치 데이터를 획득하는 GPS 모듈로부터 전달받은 위치 데이터, 상기 제2 주행 궤적 및 상기 맵매칭 데이터를 융합하여 융합 측위 정보를 생성하는 단계; 및
상기 퍼포먼스 코어부가 맵매칭 데이터에 의한 위치 데이터, GPS 모듈로부터 전달받은 위치 데이터 및 제2 주행 궤적에 의한 위치데이터를 융합할 때 맵매칭 공분산값, GPS 공분산값 및 DR 공분산값을 각각 생성하여 제공하는 단계를 포함하는 것을 특징으로 하는 차량의 측위 방법.
제 8항에 있어서, 상기 제1 주행 궤적을 생성하는 단계는,
상기 세이프티 코어부가 상기 주행 상태 정보에 대하여 DR(Dead Reckoning)을 수행하여 생성되는 DR 데이터를 누적하여 상기 제1 주행 궤적을 생성하고,
상기 제2 주행 궤적과 맵매칭 데이터를 생성하는 단계는, 상기 퍼포먼스 코어부가 상기 세이프티 코어부로부터 전달받은 DR 데이터를 누적하여 상기 제2 주행 궤적을 생성하는 것을 특징으로 하는 차량의 측위 방법.
제 8항에 있어서, 상기 제2 주행 궤적과 맵매칭 데이터를 생성하는 단계는, 상기 퍼포먼스 코어부가 상기 차량에 탑재된 복수 개의 센서에 의해 각각 검출된 각 주행 환경 정보에 대하여 각각 맵매칭을 수행하여 맵매칭 데이터를 각각 생성하는 것을 특징으로 하는 차량의 측위 방법.
제 8항에 있어서, 상기 융합 측위 정보를 생성하는 단계는,
상기 퍼포먼스 코어부가 상기 맵매칭 데이터에 의한 위치 데이터, 상기 GPS 모듈로부터 전달받은 위치 데이터 및 상기 제2 주행 궤적에 의한 위치데이터를 융합할 때 각 결과의 시간지연을 보상하여 확장 칼만필터를 사용하여 융합하는 것을 특징으로 하는 차량의 측위 방법.
제 8항에 있어서, 상기 DR 공분산값을 생성하여 제공할 때, 상기 퍼포먼스 코어부가 상기 제2 주행 궤적에 의한 위치데이터의 융합을 위한 예측단계에서 상태변수에 대한 공분산을 통해 DR 공분산값을 산출하는 것을 특징으로 하는 차량의 측위 방법.
제 8항에 있어서, 상기 GPS 공분산값을 생성하여 제공할 때, 상기 퍼포먼스 코어부가 상기 GPS 모듈로부터 전달받은 위치 데이터에 대해, 현재 사용하는 위성의 수, HDOP, 차량속도 및 이전 공분산값을 기반으로 GPS 공분산값을 예측하는 것을 특징으로 하는 차량의 측위 방법.
제 8항에 있어서, 상기 맵매칭 공분산값을 생성하여 제공할 때, 상기 퍼포먼스 코어부가 상기 맵매칭 데이터에 의한 위치 데이터에 대해, 센서 불확실성에 따른 오차, 정밀맵 구축에 따른 오차, 지도정보 대비 매칭율, 인식정보 대비 매칭율 및 주행상태에서의 기하학적 분포를 기반으로 맵매칭 공분산값을 예측하는 것을 특징으로 하는 차량의 측위 방법.