KR20210049724A - 차량 주행위치 추산 방법, 장치, 기기, 저장매체 및 프로그램 - Google Patents

차량 주행위치 추산 방법, 장치, 기기, 저장매체 및 프로그램 Download PDF

Info

Publication number
KR20210049724A
KR20210049724A KR1020210038045A KR20210038045A KR20210049724A KR 20210049724 A KR20210049724 A KR 20210049724A KR 1020210038045 A KR1020210038045 A KR 1020210038045A KR 20210038045 A KR20210038045 A KR 20210038045A KR 20210049724 A KR20210049724 A KR 20210049724A
Authority
KR
South Korea
Prior art keywords
vehicle
wheel
speed
pose
current time
Prior art date
Application number
KR1020210038045A
Other languages
English (en)
Other versions
KR102454882B1 (ko
Inventor
웬롱 첸
양 양
펭빈 양
지안쑤 장
Original Assignee
베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
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 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. filed Critical 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디.
Publication of KR20210049724A publication Critical patent/KR20210049724A/ko
Application granted granted Critical
Publication of KR102454882B1 publication Critical patent/KR102454882B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • 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
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B60W2050/0052—Filtering, filters
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/06—Direction of travel
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/28—Wheel speed
    • 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
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2400/00—Special features of vehicle units
    • B60Y2400/30—Sensors
    • B60Y2400/303—Speed sensors
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Navigation (AREA)
  • Motorcycle And Bicycle Frame (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 출원은 차량 주행위치 추산방법, 장치, 기기, 저장매체 및 컴퓨터 프로그램을 개시하며, 차량 제어, 지능 운전, 자율 주행분야에 관한 것이다. 구체적인 실현방안은, 차량의 휠 속도 정보에 근거하여, 해당 차량의 포즈 증가량을 획득하고; 해당 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 해당 차량이 현재 시각에서의 포즈에 대해 주행위치 추산을 진행하는 것이다. 본 출원의 실시예는, 휠 속도 정보를 이용하여 포즈 증가량을 얻고, 다시 포즈 증가량을 이용하여 주행위치 추산을 진행함으로써, 누적 오차를 감소시키고, 주행위치 추산 결과의 정밀도를 향상시킬 수 있다.

Description

차량 주행위치 추산 방법, 장치, 기기, 저장매체 및 프로그램{DEAD RECKONING METHOD AND APPARATUS FOR VEHICLE, DEVICE AND STORAGE MEDIUM}
본 출원은 차량 기술분야에 관한 것으로서, 특히 차량 제어, 지능 운전, 자동 운전분야에 관한 것이다.
차량 주행위치 추산 시스템은 대부분 IMU(Inertial Measurement Unit, 관성측정유닛)와 차량 속도 센서를 포함한다. 우선, IMU의 3 축 자이로스코프와 3 축 가속도 정보를 적분하여 차량자세, 속도와 위치의 사전 예측을 획득한다. 다음, 칼만 필터 모델을 이용하여, 차량의 속도 상태를 수정하여, 사후 포즈 추정을 획득한다.
그러나 이러한 관측은 단지 차량 속도정보만 구비하여, 속도상태에 대해서만 수정하므로, 비교적 긴 거리의 DR(Dead-Reckoning, 주행위치 추산)에서, 비교적 큰 누적 오차가 존재할 수 있으며, 긴 터널, 산골짜기 등 포지셔닝 신호가 약한 정경의 주행위치 추산의 정밀도 요구를 만족시키기 어렵다.
본 출원은 차량 주행위치 추산방법, 장치, 기기 및 저장매체를 제공한다.
본 출원의 한 측면에 따르면, 차량 주행위치 추산방법을 제공하며, 해당 방법은,
차량의 휠 속도 정보에 근거하여, 해당 차량의 포즈 증가량을 획득하는 단계; 및
해당 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 해당 차량이 현재 시각에서의 포즈에 대해 주행위치 추산을 진행하는 단계를 포함한다.
본 출원의 다른 측면에 따르면, 차량 주행위치 추산장치를 제공하며, 해당 장치는,
차량의 휠 속도 정보에 근거하여, 해당 차량의 포즈 증가량을 획득하기 위한 증가량 모듈; 및
해당 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 해당 차량이 현재 시각에서의 포즈에 대해 주행위치 추산을 진행하기 위한 추산 모듈을 포함한다.
본 출원의 기술방안에 따르면, 휠 속도 정보를 이용하여 포즈 증가량을 얻고, 다시 포즈 증가량을 이용하여 주행위치 추산을 진행함으로써, 누적 오차를 감소시키고, 주행위치 추산 결과의 정밀도를 향상시킬 수 있다.
본 명세서에서 설명한 내용은 본 발명의 실시예의 관건적이거나 중요한 특징을 표기하기 위한 것이 아니고, 본 발명의 범위를 한정하기 위한 것도 아님을 이해해야 한다. 본 발명의 기타 특징은 아래의 명세서를 통해 더 용이하게 이해할 수 있을 것이다.
도면은 본 방안을 더 잘 이해하기 위한 것으로서, 본 출원에 대한 한정이 되지 않는다. 여기서,
도 1은 본 출원의 일 실시예에 따른 차량 주행위치 추산방법의 흐름도;
도 2는 본 출원의 다른 실시예에 따른 차량 주행위치 추산방법의 흐름도;
도 3은 본 출원의 다른 실시예에 따른 차량 주행위치 추산방법의 흐름도;
도 4는 본 출원의 다른 실시예에 따른 차량 주행위치 추산방법의 흐름도;
도 5는 예시적인 포지셔닝 시스템 구조의 모식도;
도 6은 예시적인 포지셔닝 시스템 운행과정의 모식도;
도 7은 휠 속도 유도원리의 모식도;
도 8은 휠 속도 포즈 추산 원리의 모식도;
도 9는 주행위치 추산 종방향 위치 오차가 추산 거리에 따른 변화 곡선의 예시도;
도 10은 주행위치 추산 횡방향 위치 오차가 추산 거리에 따른 변화 곡선의 예시도;
도 11은 본 출원의 일 실시예에 따른 차량 주행위치 추산장치의 블록도;
도 12는 본 출원의 일 실시예에 따른 차량 주행위치 추산장치의 블록도;
도 13은 본 출원의 실시예의 차량 주행위치 추산방법을 실현하기 위한 전자기기의 블록도이다.
이하 도면과 결부하여 본 출원의 예시적인 실시예를 설명하며, 여기에는 이해를 돕기 위한 본 출원의 실시예의 여러 가지 세부절차를 포함하며, 이들은 응당 예시적인 것으로 간주해야 한다. 따라서 해당 분야 기술자들은 여기서 설명한 실시예에 대하여 여러 가지 변화와 수정을 진행할 수 있고, 이는 본 출원의 범위와 정신을 벗어나지 않는다는 것을 인식하여야 한다. 마찬가지로, 명확함과 간결함을 위하여, 아래의 설명에서는 공지 기능과 구조에 대한 설명을 생략한다.
도 1은 본 출원의 일 실시예에 따른 차량 주행위치 추산방법의 흐름도이고, 해당 방법은,
차량의 휠 속도 정보에 근거하여, 상기 차량의 포즈 증가량을 획득하는 단계(S101); 및
상기 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 해당 차량이 현재 시각에서의 포즈에 대해 주행위치 추산을 진행하는 단계(S102)을 포함한다.
주행위치 추산은 일반적으로 초기 위치에 변위 벡터를 누적하여 현재 위치를 계산하는 것으로서, 주행위치 추산은 하나의 정보 누적 과정이다. GPS (Global Positioning System, 글로벌 포지셔닝 시스템)/GNSS(Global Navigation Satellite System, 글로벌 네비게이션 위성 시스템)에서 신호 질량이 약하여 포지셔닝이 어렵거나 포지셔닝을 할 수 없을 경우, 여러 가지 센서(자이로스코프 센서, 가속도계, 속도 펄스 등)로부터 유래된 정보를 이용하여 주행위치 추산을 진행하여 현재 위치를 얻음으로써, 고정밀도 포지셔닝을 유지할 수 있다. 주행위치 추산은 차량 네비게이션 등 정경에 응용될 수 있는 바, 예를 들면 차량 제어기를 통해 본 출원의 실시예에서의 차량 주행위치 추산방법을 수행하여, 정확한 포즈와 속도 등 정보를 획득하도록 하고, 네비게이션을 보조할 수 있다. 본 출원의 실시예의 차량은 인위적으로 작동하는 차량, 자율 주행 차량 등을 포함할 수 있다.
차량의 휠 속도 정보는 휠의 회전 속도를 포함하고, 휠 속도 센서 등을 통해 휠의 회전 속도를 측량할 수 있다. 예를 들면, 차량에 4개의 휠이 존재하면, 차량이 주행하는 과정에서, 휠 속도 센서를 이용하여 각 휠의 회전 속도를 측량할 수 있다. 동일한 시각에 차량은 통상적으로 하나의 차량 속도를 구비하지만, 차량의 상이한 휠의 회전 속도는 상이할 수 있는 것으로서, 특히 선회하는 정경에서 왼쪽 휠과 오른쪽 휠의 회전 속도는 상이할 수 있다.
예시적으로, 차량의 포즈 정보는 차량의 위치 좌표와 차체 자세각을 포함한다. 포즈 증가량은 위치 증가량과 자세 증가량을 포함할 수 있다. 예를 들면, 자세 증가량은 방향증가량을 포함할 수 있다.
본 실시예에서, GPS/GNSS신호 질량이 약할 경우, 본 출원의 실시예에 따른 차량 주행위치 추산방법을 이용하여, 휠 속도 정보에 기반하여 해당 차량의 포즈 증가량을 획득한 다음, 해당 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 차량이 현재 시각에서의 포즈 관측을 얻을 수 있다. 현재 시각의 포즈 관측과 포즈 선험, 및 칼만 필터 모델에 기반하여, 사후 포즈 추정을 획득하여, 주행위치 추산 정밀도를 향상시킬 수 있다.
GPS/GNSS신호 질량이 비교적 양호할 경우, 관련 기술에서의 차량 주행위치 추산방법을 이용할 수 있는 바, IMU의 3축 자이로스코프와 3축 가속도 정보를 적분하여, 차량 자세, 속도와 위치의 선험 예측을 획득하고; 칼만 필터 모델을 이용하여, 차량 속도 관측을 네비게이션 좌표계로 변환시키며, 차량 속도 상태를 수정하여, 사후 포즈 추정을 획득한다.
본 출원의 실시예는, 휠 속도 정보를 이용하여 포즈 증가량을 얻고, 다시 포즈 증가량을 이용하여 주행위치 추산을 진행함으로써, 누적 오차를 감소시키고, 주행위치 추산 결과의 정밀도를 향상시킬 수 있다.
도 2는 본 출원의 다른 실시예에 따른 차량 주행위치 추산방법의 흐름도이다. 해당 실시예의 차량 주행위치 추산방법은 상기 실시예의 각 단계를 포함할 수 있다. 본 실시예에 있어서, 한가지 가능한 실시형태에서, 단계(S101)은,
해당 휠 속도 정보에 기반하여, 해당 차량의 위치 증가량을 획득하는 단계(S201)를 포함한다.
본 실시예에서, 휠 속도 정보를 이용하여 위치 증가량을 얻은 다음, 다시 위치 증가량을 이용하여 주행위치 추산을 진행하여, 차량위치의 누적 오차를 감소하고, 주행위치 추산에 따른 차량위치의 정밀도를 향상시킬 수 있다.
한가지 가능한 실시형태에서, 단계(S201)은,
왼쪽 휠의 휠 속도, 오른쪽 휠의 휠 속도, 휠 반경 및 인접한 시각의 시간 길이에 기반하여, 리어축 중심의 모션 아크 길이를 계산하는 단계; 및
해당 리어축 중심의 모션 아크 길이와 방향각에 기반하여, 해당 차량의 위치 증가량을 계산하는 단계를 포함한다.
일반적인 차량의 리어축은 비전향으로서, 리어축은 두 개의 리어 휠을 연결한다. 본 실시예에서, 왼쪽 휠의 휠 속도는 리어축이 연결한 외쪽 리어 휠의 휠 속도이고, 오른쪽 휠의 휠 속도는 리어축이 연결한 오른쪽 리어 휠의 휠 속도 일 수 있다.
예시적으로, 만약 왼쪽 휠의 휠 속도가
Figure pat00001
이고, 오른쪽 휠의 휠 속도가
Figure pat00002
이며, 휠 반경이 r이고, 인접한 시각의 시간 길이가
Figure pat00003
이면, 아래 공식을 이용하여 리어축 중심의 모션 아크 길이
Figure pat00004
를 계산할 수 있다.
Figure pat00005
예시적으로, 만약 리어축 중심의 모션 아크 길이가
Figure pat00006
이고, 방향각이
Figure pat00007
이면, 아래 공식을 이용하여 해당 차량의 위치 증가량
Figure pat00008
을 계산할 수 있다.
Figure pat00009
,
예를 들면, 네비게이션 좌표계는 동북상 좌표계이고, x축은 동쪽 방향을 나타내며, y축은 북쪽 방향을 나타내고, z축은 윗방향을 나타내며,
Figure pat00010
는 휠이 x축 방향에서의 위치 증가량을 나타내고,
Figure pat00011
는 휠이 y축 방향에서의 위치 증가량을 나타내며, 0은 차량이 z축 방향에서의 위치 증가량을 나타낸다.
본 실시예에서, 리어축의 왼쪽 휠의 휠 속도, 오른쪽 휠의 휠 속도, 휠 반경 및 인접한 시각의 시간 길이에 기반하여, 리어축 중심의 모션 아크 길이를 계산하고; 다시 리어축 중심의 모션 아크 길이와 방향각에 기반하여 차량의 위치 증가량을 계산하며, 위치 증가량을 이용하여 주행위치 추산을 진행함으로써, 차량위치의 누적 오차를 감소하고, 주행위치 추산에 따른 차량위치의 정밀도를 향상시킬 수 있다.
한가지 가능한 실시형태에서, 단계(S102)는,
상기 차량의 위치 증가량과 전번 시각의 위치에 기반하여, 상기 차량이 현재 시각에서의 위치 관측을 획득하는 단계(S202)를 포함한다.
예시적으로, 만약
Figure pat00012
가 차량이 전번 시각의 위치에 있는 것을 타나내고,
Figure pat00013
가 현재 시각에서 휠 속도가 유도한 위치 관측을 나타내면,
Figure pat00014
이다.
본 실시예에서, 위치 증가량과 전번 시각의 위치를 이용하여, 해당 차량이 현재 시각에서의 위치 관측을 얻을 수 있어, 더욱 정확한 챠랑위치를 얻을 수 있다.
한가지 가능한 실시형태에서, 단계(S102)는,
해당 차량이 현재 시각에서의 위치 관측과 해당 차량이 현재 시각에서의 위치 선험의 위치 차이 값을 계산하고, 해당 위치 차이 값을 칼만 필터 모델에 입력하여, 현재 시각의 최적의 위치 추정을 획득하는 단계(S203)를 더 포함한다.
예시적으로, 만약
Figure pat00015
이 현재 시각차량의 위치를 나타내고,
Figure pat00016
가 현재 시각의 위치 선험을 나타내면,
Figure pat00017
이다. 위치 관측
Figure pat00018
와 위치 선험의 차이 값
Figure pat00019
은,
Figure pat00020
로 나타낼 수 있고;
해당
Figure pat00021
를 칼만 필터 모델에 입력하여, 차량이 현재 시각에서의 최적의 위치 추정을 획득할 수 있다.
예시적으로, 현재 시각의 위치 선험
Figure pat00022
은 운동 방정식을 이용하여 얻을 수 있는데, 아래의 위치 예측 방정식을 참조할 수 있다.
Figure pat00023
여기서
Figure pat00024
은 현재 시각(k+1시각)의 위치 선험
Figure pat00025
이고,
Figure pat00026
는 전번 시각(k시각)의 차량위치이며,
Figure pat00027
는 전번 시각의 차량이 동쪽 방향, 북쪽 방향과 윗방향에서의 속도이며,
Figure pat00028
는 인접한 시각의 시간 길이이다. 여기서, k+1시각과 k시각의 시간 간격은
Figure pat00029
이다.
본 실시예에서, 현재 시각의 위치 관측과 해당 차량이 현재 시각에서의 위치 선험의 위치 차이 값을 칼만 필터 모델에 입력하여, 현재 시각의 최적의 위치 추정을 획득하는 것이 더욱 정확하도록 한다.
도 3은 본 출원의 다른 실시예에 따른 차량 주행위치 추산방법의 흐름도이다. 해당 실시예의 차량 주행위치 추산방법은 상기 임의의 한 실시예의 각 단계를 포함할 수 있다. 본 실시예에 있어서, 한가지 가능한 실시형태에서, 단계(S101)은,
해당 휠 속도 정보에 기반하여, 해당 차량의 방향 증가량을 획득하는 단계(S301)를 포함한다.
본 실시예에서, 휠 속도 정보를 이용하여 방향 증가량을 획득하고, 다시 방향 증가량을 이용하여 주행위치 추산을 진행함으로써, 차량방향의 누적 오차를 감소하고, 주행위치 추산에 따른 차량방향의 정밀도를 향상시킬 수 있다.
한가지 가능한 실시형태에서, 단계(S301)은,
왼쪽 휠의 휠 속도와 오른쪽 휠의 휠 속도의 차이 값, 휠베이스 및 휠 반경에 기반하여, 상기 차량의 방향 각속도를 계산하는 단계; 및
해당 차량의 방향 각속도와 인접한 시각의 시간 길이에 기반하여, 해당 차량의 방향 증가량을 계산하는 단계를 포함한다.
비록 휠 속도를 이용하여 위치 추정을 진행하는 과정에 누적 오차가 존재할 수 있으나, 인접한 시각의 추산이 비교적 안정적이고 신뢰도를 가진다. 따라서, 인접한 시각의 휠 속도를 선별하여 위치 증가량 추산을 진행할 수 있다.
예시적으로, 왼쪽 휠의 휠 속도
Figure pat00030
와 오른쪽 휠의 휠 속도
Figure pat00031
의 차이 값 및 차량 리어축의 휠베이스L에 기반하여, 휠 반경은r이면, 차량의 방향 각속도
Figure pat00032
는
Figure pat00033
로 나타낼 수 있다.
예시적으로,
Figure pat00034
에서,
Figure pat00035
는 방향 증가량을 나타내고,
Figure pat00036
는 인접한 시각의 시간 길이를 나타내며,
Figure pat00037
는 0에 근접할 수 있다. 방향 증가량
Figure pat00038
(즉
Figure pat00039
)은
Figure pat00040
로 나타낼 수 있다.
본 실시예에서, 왼쪽 휠의 휠 속도와 오른쪽 휠의 휠 속도의 차이 값, 휠베이스 및 휠 반경에 기반하여 상기 차량의 방향 각속도를 계산하고; 차량의 방향 각속도와 인접한 시각의 시간 길이에 기반하여, 차량의 방향 증가량을 계산한다. 다음, 방향 증가량을 이용하여 주행위치 추산을 진행하여, 차량방향의 누적 오차를 감소하고, 주행위치 추산에 따른 차량방향의 정밀도를 향상시킬 수 있다.
한가지 가능한 실시형태에서, 단계(S102)는,
해당 차량의 방향 증가량와 전번 시각의 방향각에 기반하여, 해당 차량이 현재 시각에서의 방향 관측을 획득하는 단계(S302)를 포함한다.
비록 휠 속도를 이용하여 방향추정을 진행하는 과정에 누적 오차가 존재할 수 있으나, 인접한 시각의 추산이 비교적 안정적이고 신뢰도를 가진다. 따라서, 인접한 시각의 휠 속도를 선별하여 방향 증가량 추산을 진행할 수 있다.
예시적으로, 만약
Figure pat00041
가 전번 시각 차량의 방향를 나타내고,
Figure pat00042
이 휠 속도가 전번 시각으로부터 현재 시각까지 유도한 방향 증가량을 나타내며,
Figure pat00043
이 현재 시각에 휠 속도가 유도한 방향 관측을 나타내면,
Figure pat00044
이다.
본 실시예에서, 방향 증가량과 전번 시각의 위치를 이용하여, 해당 차량이 현재 시각에서의 방향 관측을 얻을 수 있고, 더욱 정확한 차량 방향를 얻을 수 있다.
한가지 가능한 실시형태에서, 단계(S102)는,
해당 차량이 현재 시각에서의 방향 관측과 해당 차량이 현재 시각에서의 방향 선험의 방향 차이 값을 계산하고, 해당 방향 차이값을 칼만 필터 모델이 입력하여, 현재 시각의 최적의 방향 추정을 획득하는 단계(S303)를 포함한다.
예시적으로, 만약
Figure pat00045
이 현재 시각에서의 방향 선험을 나타내고,
Figure pat00046
이 현재 시각 차량의 방향를 나타내면,
Figure pat00047
이다. 방향 관측과 방향 선험의 차이 값
Figure pat00048
은,
Figure pat00049
으로 나타낼 수 있고;
해당
Figure pat00050
을 칼만 필터 모델에 입력하여, 차량이 현재 시각에서의 최적의 방향 추정을 획득할 수 있다.
예시적으로, 현재 시각에서의 방향 선험
Figure pat00051
은 운동 방정식을 이용하여 얻을 수 있는데, 아래의 자세 예측 방정식을 참조할 수 있다.
Figure pat00052
여기서,
Figure pat00053
은 현재 시각 차량자세 사원수를 나타내고,
Figure pat00054
는 전번 시각 차량자세 사원수를 나타내며,
Figure pat00055
은 현재 시각 IMU 3 축 자이로스코프의 측량값을 나타내고,
Figure pat00056
는 알고리즘으로 추정한 IMU 3 축 자이로 드리프트 노이즈를 나타내며,
Figure pat00057
는 사원수의 곱셈 연산을 나타낸다. 예를 들어, 차량자세가 방향각을 포함하는 것을 예로 하면,
Figure pat00058
을 현재 시각의 방향각에 대입하고,
Figure pat00059
를 전번 시각의 방향각에 대입한다.
예시적으로, 위치 차이 값과 방향 차이 값을 각각 칼만 필터 모델에 입력하여, 차량이 현재 시각에서의 최적의 위치 추정과 최적의 방향 추정을 획득할 수 있다. 아래 공식을 참조하면,
사후 포즈 추정
Figure pat00060
:
Figure pat00061
이다.
여기서,
Figure pat00062
는 포즈 상태의 선험 예측이고,
Figure pat00063
은 칼만 필터 게인이며,
Figure pat00064
은 현재 시각의 상태 관측이고,
Figure pat00065
는 관측 좌표계에서의 포즈 상태의 선험 예측이다. 예를 들면,
Figure pat00066
는 전번 시각의 위치 선험이고,
Figure pat00067
은 현재 시각의 위치 관측이며,
Figure pat00068
는 위치 차이 값이다. 또한,
Figure pat00069
는 전번 시각의 방향 선험이고,
Figure pat00070
은 현재 시각의 방향 관측이며,
Figure pat00071
는 방향 차이 값이다.
사후 포즈 공분산 행렬
Figure pat00072
를 업데이트하면:
Figure pat00073
,
여기서,
Figure pat00074
은 칼만 필터 게인이고,
Figure pat00075
는 관측 행렬이며,
Figure pat00076
는 전번 시각의 공분산 행렬이다.
본 실시예에서, 현재 시각의 방향 관측과 상기 차량이 현재 시각에서의 위치 선험의 방향 차이 값을 칼만 필터 모델에 입력하여 얻은 현재 시각의 최적의 방향 추정이 더욱 정확하게 된다.
도 4는 본 출원의 다른 실시예에 따른 차량 주행위치 추산방법의 흐름도이다. 해당 실시예의 차량 주행위치 추산방법은 상기 임의의 한 실시예의 각 단계를 포함할 수 있다. 본 실시예에서, 한가지 가능한 실시형태에서, 해당 방법은,
해당 휠 속도 정보에 기반하여, 해당 차량의 속도를 계산하는 단계(S401)를 포함한다.
본 실시예에서, 휠 속도 정보를 이용하여 차량의 속도를 획득한 다음, 다시 차량의 속도를 이용하여 주행위치 추산을 진행하여, 주행위치 추산의 관측량을 풍부하게 하고, IMU로 인한 누적 오차를 감소하며, 주행위치 추산에 따른 차량 속도의 정밀도를 향상시킬 수 있다.
한가지 가능한 실시형태에서, 단계(S401)은,
왼쪽 휠의 휠 속도, 오른쪽 휠의 휠 속도 및 휠 반경에 기반하여, 왼쪽 휠 선속도와 오른쪽 휠 선속도를 계산하는 단계; 및
해당 왼쪽 휠 선속도와 해당 오른쪽 휠 선속도에 기반하여, 리어축 중심 선속도를 계산하는 단계를 포함한다.
본 실시예에서, 왼쪽 휠의 휠 속도, 오른쪽 휠의 휠 속도 및 휠 반경에 기반하여 왼쪽 휠 선속도와 오른쪽 휠의 선속도를 계산한 다음, 다시 해당 왼쪽 휠 선속도와 해당 오른쪽 휠 선속도의 평균값을 계산하여 리어축 중심 선속도를 얻으며, 리어축 중심 선속도를 차량의 속도로 하여 얻은 차량의 속도가 더욱 정확하게 된다.
예시적으로, 만약 왼쪽 휠의 휠 속도가
Figure pat00077
이고, 오른쪽 휠의 휠 속도가
Figure pat00078
이면, 왼쪽 휠의 선속도
Figure pat00079
과 오른쪽 휠의 선속도
Figure pat00080
은 각각 아래와 같이 표시할 수 있다.
Figure pat00081
;
Figure pat00082
.
이렇게 되면, 리어축 중심의 선속도
Figure pat00083
은 왼쪽 휠의 선속도
Figure pat00084
와 오른쪽 휠의 선속도
Figure pat00085
의 평균값, 즉
Figure pat00086
과 같을 수 있다.
한가지 가능한 실시형태에서, 해당 방법은,
리어축 측량 종방향 속도와 실제 속도의 비례계수, 리어축 중심 선속도 및 차체 좌표계로부터 네비게이션 좌표계까지의 변환 행렬에 기반하여, 상기 차량의 차량 속도 관측을 획득하는 단계(S402)를 더 포함한다.
예시적으로, 만약 리어축에서 측량한 종방향 속도와 실제 속도의 비례계수가
Figure pat00087
이고, 차체 좌표계로부터 네비게이션 좌표계까지의 변환 행렬를
Figure pat00088
라고 가정하면, n은 navigation(네비게이션)을 가리키고, b는 body(차체)를 가리키며, 리어축 중심 선속도는
Figure pat00089
이다.
만약 차체 좌표계의 종방향을 x축이라 하고, 횡방향을 y축이라고 하며, 수직방향을 z축이라고 할 경우,
Figure pat00090
,
Figure pat00091
,
Figure pat00092
는 차량의 종방향, 횡방향 및 수직방향의 속도를 가리키고, 차량의 차량 속도 관측
Figure pat00093
은:
Figure pat00094
일 수 있다. 여기서,
Figure pat00095
,
Figure pat00096
와
Figure pat00097
는 0 일 수 있다.
본 실시예에서, 휠 속도 정보를 이용하여 차량의 속도를 획득한 다음, 다시 칼만 필터 모델의 변환 행렬를 이용하여 해당 속도를 차체 좌표계로부터 네비게이션 좌표계로 변환시켜, 주행위치 추산의 관측량을 풍부하게 하고, IMU로 인한 누적 오차를 감소하며, 주행위치 추산에 따른 차량 속도의 정밀도를 향상시킬 수 있다.
한가지 응용 예시에서, 도 5에 도시된 바와 같이, 낮은 원가의 IMU와 휠 속도에 기반한 포지셔닝 시스템은 소비수준의 IMU, 휠 속도 CAN (Controller Area Network, 계측제어기 통신망) 및 GNSS (Global Navigation Satellite System, 글로벌 네비게이션 위성 시스템) 센서 데이터를 포함할 수 있다. IMU에 근거하여 3 축 각속도와 가속도를 얻어, 포즈의 선험 추정에 사용할 수 있다. 여기서, 휠 속도 CAN은 리어 휠의 휠 속도를 해석하여, 주행위치 추산에 따른 포즈 관측에 사용할 수 있다. GNSS는 현재 차량의 속도, 위치 및 방향를 획득하여, 정상적인 차분에서의 데이터 융합과 정밀한 표지셔닝에 사용할 수 있다.
제1 부분: 포즈 선험과 칼만 필터 모델
1.1 자세 예측:
Figure pat00098
여기서,
Figure pat00099
은 현재 시각의 차량 자세 사원수를 나타내고,
Figure pat00100
는 전번 시각의 차량 자세 사원수를 나타내며,
Figure pat00101
은 현재 시각의 IMU 3 축 자이로스코프의 측량값을 나타내고,
Figure pat00102
는 알고리즘으로 추정한 IMU 3 축 자이로 드리프트 노이즈를 나타내며,
Figure pat00103
는 사원수의 곱셈 연산을 나타낸다.
1.2 속도 예측:
Figure pat00104
여기서,
Figure pat00105
은 현재 시각차량이 동쪽 방향, 북쪽 방향 및 윗방향에서의 속도를 나타내고,
Figure pat00106
는 전번 시각 차량 속도를 나타내며,
Figure pat00107
은 현재 시각 IMU 3 축 가속도의 측량값을 나타내고,
Figure pat00108
는 알고리즘으로 추정한 IMU 3 축 가속도 드리프트 노이즈이며, 차체 좌표계로부터 네비게이션 좌표계까지의 변환 행렬은
Figure pat00109
이다.
1.3 위치예측:
Figure pat00110
여기서,
Figure pat00111
은 현재 시각의 위치 선험
Figure pat00112
이고,
Figure pat00113
는 전번 시각의 차량위치이며,
Figure pat00114
는 전번 시각 차량이 동쪽 방향, 북쪽 방향 및 윗방향에서의 속도이며,
Figure pat00115
는 인접한 시각의 시간 길이이다.
1.4 예측 상태
Figure pat00116
와 공분산 행렬
Figure pat00117
:
상기 자세 예측을
Figure pat00118
로 표시하면, 여기서
Figure pat00119
는 최적화한 포즈 추정이고,
Figure pat00120
은 현재 시각의 시스템 입력을 나타낸다. 예를 들면, 시스템 입력은 자이로스코프가 측량한 각속도, 가속도 등을 포함할 수 있다.
Figure pat00121
, 전번 시각의 최적화한 포즈 추정을 해당 공식에 대입시켜, 현재 시각의 포즈의 선험 예측을 얻을 수 있다.
Figure pat00122
여기서
Figure pat00123
는 상태 공분산이고, F는 상태 전이 방정식으로부터 유도되는 바, 예를 들면,
Figure pat00124
, 해당 방정식은 자세 예측
Figure pat00125
이 포즈 상태
Figure pat00126
에 대한 편도함수를 나타내는데, 여기서
Figure pat00127
는 전번 시각의 포즈 상태를 나타내고,
Figure pat00128
은 현재 시각의 시스템 입력을 나타낸다.
여기서
Figure pat00129
는 노이즈 항의 공분산 업데이트이고, G는 노이즈 구동 방정식으로부터 유도되는 바, 예를 들면:
Figure pat00130
, 해당 방정식은 자세 예측
Figure pat00131
이 시스템 입력
Figure pat00132
에 대한 편도함수를 나타낸다.
1.5 칼만 게인
Figure pat00133
의 업데이트:
Figure pat00134
여기서,
Figure pat00135
는 관측 행렬이고,
Figure pat00136
은 관측 노이즈 행렬이며,
Figure pat00137
는 전번 시각의 공분산 행렬이다.
Figure pat00138
는
Figure pat00139
의 트랜스포즈이다.
1.6 사후 포즈 추정
Figure pat00140
:
Figure pat00141
여기서
Figure pat00142
는 포즈 상태의 선험 예측이고,
Figure pat00143
은 칼만 필터 게인이며,
Figure pat00144
은 현재 시각의 상태 관측이고,
Figure pat00145
는 관측 좌표계에서의 포즈 상태의 선험 예측이다.
1.7 사후 포즈 공분산 행렬
Figure pat00146
의 업데이트:
Figure pat00147
여기서
Figure pat00148
은 칼만 필터 게인이고,
Figure pat00149
는 관측 행렬이며,
Figure pat00150
는 전번 시각의 공분산 행렬이고,
Figure pat00151
는 단위 행렬이다.
사후 포즈 공분산 행렬
Figure pat00152
는 현재 포즈 추정의 불확실성 정도를 나타낼 수 있다. 공분산 행렬이 클수록 불확실성은 더욱 높다. 공분산 행렬이 작을수록 불확실성이 더욱 낮다. 이 외에,
Figure pat00153
을 이용하여 다음 시각의 칼만 필터 게인(1.5의 공식을 참조)을 업데이트하여, 나아가 다음 시각의 사후 포즈 추정을 계산할 수 있다.
제2 부분: 휠 속도 정보를 이용하여 주행위치 추산을 진행하는 원리
2.1 표지셔닝 알고리즘 과정.
도 6을 참조하면, 포지셔닝 알고리즘 과정의 한가지 예시인 바, 우선 IMU 3 축 자이로(각속도)와 가속도 데이터를 획득할 수 있다. 3축 자이로스코프와 가속도 데이터를 적분하여, 차량 속도와 포즈의 선험 추정을 획득할 수 있다. 다음, 시스템이 GNSS의 차분 상태를 판정하여, GNSS 데이터의 사용 가능 여부를 확정하도록 한다. 예를 들어, GNSS 질량이 양호하고, GNSS데이터가 사용 가능하면, GNSS가 획득한 속도, 위치, 방향 정보와 휠 속도로 계산한 종방향 속도를 이용하여, 칼만 필터 모델에 의해 데이터 융합을 진행함으로써, IMU의 3축 자이로, 가속도 드리프트 노이즈, 차량 속도 비례계수, 차량 속도와 포즈 오차를 추정할 수 있다. 만약 GNSS 질량이 나쁘고, GNSS 데이터를 사용할 수 없으면, 본 출원의 실시예에 따른 주행위치 추산방법에 의해, 리어 휠 휠 속도와 같은 휠 속도 정보를 이용하여, 차량 리어축의 종횡방향 속도, 방향 각속도, 위치 증가량 및 방향 증가량을 추정할 수 있다. 다음, 휠 속도가 추정한 속도, 위치 증가량 및 방향 증가량에 근거하여, 칼만 필터 모델에 의해 주행위치 추산을 진행한다. 나아가, 차량의 속도, 포즈의 최적화 추정을 얻는다.
2.2 휠 속도 관측 융합의 실현방식
리어 휠(왼쪽 리어 휠, 오른쪽 리어 휠)의 휠 속도 정보에 기반하고, 차량 운동학 모델과 결부하여, 차량의 종방향, 횡방향 속도, 방향 각속도 및 포즈를 추정한다. 추정된 포즈를 위치와 방향 관측으로 하고, 칼만 필터 모델에 입력하여, 알고리즘의 주행위치 추산 성능 및 낮은 속도, 정체 정경에서의 포지셔닝 능력을 향상시킨다.
예를 들면, 휠 속도 센서의 관측 융합은 주요하게 아래와 같은 몇 가지 부분을 포함한다.
휠 속도 정보에 기반한 차량의 종방향, 횡방향 속도 및 방향 각속도의 추정;
휠 속도 정보에 기반한 위치 증가량과 방향 증가량 포즈 추정;
차량의 종방향, 횡방향 속도와 위치 증가량, 방향 증가량에 기반한 관측 업데이트.
2.3 주행위치 추산의 장점
주행위치 추산능력이 향상되어, 아래 정경에서의 포지셔닝 능력을 효과적으로 향상시킬 수 있다.
GPS 데이터 질량이 약할 경우 포지셔닝 시스템의 주행위치 추산 능력을 향상시키며;
낮은 속도의 정체 정경에서의 포지셔닝 능력(예를 들어 차량 속도가 5m/s보다 작을 경우)을 향상시키며;
아우터 커브(두 갈래의 고가 도로가 합류할 때의 입체 교차로를, 시스템 입체 교차로 또는 중추 입체 교차로라고 칭하며, 영어로는 Junction, JCT라고 약칭할수 있음), 급커브 등 정경에서의 포지셔닝 능력을 향상시킨다.
2.4 휠 속도에 기반한 차량의 종방향, 횡방향 속도 및 방향 각속도의 추정원리
리어축의 두 휠의 휠 속도를 예로 하면, 차량의 종횡방향 속도와 방향 각속도는 아래와 같이 유도될 수 있다.
도 7을 참조하면, 차량의 물리적 파라미터의 휠베이스는 L이고, 휠 반경은 r이다.
휠 속도 센서(휠 속도계라고도 할 수 있음)를 통해 왼쪽 휠의 휠 속도
Figure pat00154
와 오른쪽 휠의 휠 속도
Figure pat00155
를 얻을 수 있으며, 만약 휠이 미끄러지는 것을 고려하지 않으면, 좌우 휠의 선속도는 아래와 같이 표시할 수 있다.
Figure pat00156
,
Figure pat00157
.
여기서,
Figure pat00158
은 왼쪽 휠의 선속도를 나타내고,
Figure pat00159
는 오른쪽 휠의 선속도를 나타낸다.
좌우 휠 선속도에 의해 리어축 중심의 선속도
Figure pat00160
를 유도할 수 있고, 방향은 리어축과 수직된다.
Figure pat00161
한가지 가능한 실시형태에서, 방향 증가량의 유도원리는 아래와 같은 내용을 포함할 수 있다.
왼쪽 휠의 휠 속도
Figure pat00162
, 오른쪽 휠의 휠 속도
Figure pat00163
, 휠 반경r 및 인접한 시각의 시간 길이
Figure pat00164
에 기반하여, 왼쪽 휠과 오른쪽 휠의 모션 아크 길이 증가량
Figure pat00165
과
Figure pat00166
를 얻을 수 있다. 상기 왼쪽 휠과 오른쪽 휠의 모션 아크 길이 증가량 및 휠베이스L에 기반하여, 차량의 방향 증가량
Figure pat00167
을 얻을 수 있다.
예시적으로, 리어축이 비전향 휠이므로, 리어축 중심의 횡방향 속도가 0에 근접하는 것으로 간주할 수 있다. 도 7을 참조하면, 왼쪽 휠의 모션 아크 길이 증가량
Figure pat00168
과 오른쪽 휠의 모션 아크 길이 증가량
Figure pat00169
은 각각 아래와 같이 표시할 수 있다.
Figure pat00170
Figure pat00171
여기서,
Figure pat00172
는 인접한 시각의 시간 길이를 나타내고, 이는 0에 근접하므로,
Figure pat00173
도
Figure pat00174
으로 나타낼 수 있다.
차량이 임의의 시각에 커브하는 방향 증가량
Figure pat00175
은,
Figure pat00176
이다.
이 외에, 차량의 방향 증가량과 인접한 시각의 시간 길이에 기반하여, 차량의 방향 각속도
Figure pat00177
를 얻을 수 있다. 리어축 중심 선속도
Figure pat00178
와 방향각 속도에 기반하여, 선회반경R를 얻을 수 있다.
예시적으로, 차량의 방향 각속도
Figure pat00179
는 아래와 같이 표시할 수 있다.
Figure pat00180
。
나아가, 선회반경R는 리어축 중심 선속도
Figure pat00181
와 방향 각속도
Figure pat00182
의 비인 바, 아래 공식을 참조한다.
Figure pat00183
2.5 휠 속도에 기반한 포즈 추산 원리
한가지 가능한 실시형태에서, 위치 증가량의 유도원리는 아래와 같은 내용을 포함할 수 있다.
전번 시각 리어축 중심의 위치
Figure pat00184
, 전번 시각의 리어축 중심의 방향각
Figure pat00185
및 선회반경R에 기반하여, 회전중심P의 위치(
Figure pat00186
)를 얻을 수 있다. 회전중심P의 위치(
Figure pat00187
), 전번 시각 리어축 중심의 위치
Figure pat00188
, 방향 증가량
Figure pat00189
및 리어축 중심모션 아크 길이에 기반하여, 현재 시각 리어축 중심의 위치
Figure pat00190
를 얻을 수 있다. 현재 시각 리어축 중심의 위치와 전번 시각 리어축 중심의 위치에 기반하여, 위치 증가량을 얻을 수 있다.
예시적으로, 도 8에 도시된 바와 같이, 차량이
Figure pat00191
시각에 회전중심P을 따라 각도
Figure pat00192
를 회전한다고 가정하면,
Figure pat00193
는 리어축 중심의 선회반경이고,
Figure pat00194
는 리어축 왼쪽 휠의 선회반경이며,
Figure pat00195
는 리어축 오른쪽 휠의 선회반경이다.
전번 시각 리어축 중심의 포즈
Figure pat00196
로부터 현재 시각 리어축 중심의 포즈
Figure pat00197
로 이동하면, 회전중심P의 좌표(
Figure pat00198
)는 아래와 같이 표시할 수 있다.
Figure pat00199
Figure pat00200
여기서,
Figure pat00201
는 선회반경R 또는 회전반경이라 할 수 있다. P로부터 리어축 중심
Figure pat00202
또는
Figure pat00203
까지의 거리는
Figure pat00204
이다.
Figure pat00205
는 전번 시각 리어축 중심의 위치이고,
Figure pat00206
는 현재 시각 리어축 중심의 위치이다.
Figure pat00207
는 전번 시각 리어축 중심의 방향각이고,
Figure pat00208
는 현재 시각 리어축 중심의 방향각이다.
회전중심P의 좌표에 근거하면,
Figure pat00209
의 좌표를 유도할 수 있다.
Figure pat00210
Figure pat00211
Figure pat00212
Figure pat00213
Figure pat00214
Figure pat00215
휠 속도 데이터의 샘플링 간격이 매우 작으므로(예를 들어, >=10HZ), 방향 증가량
Figure pat00216
(즉 전에 계산한
Figure pat00217
)은 0에 근접하는 적은 분량이고, 아래에 근사하다고 간주할 수 있다.
Figure pat00218
Figure pat00219
따라서, 상기
Figure pat00220
의 좌표는 아래와 같이 간략할 수 있다.
Figure pat00221
Figure pat00222
Figure pat00223
Figure pat00224
Figure pat00225
Figure pat00226
상기 공식에서:
Figure pat00227
Figure pat00228
는 리어축 중심이 운동하는 아크 길이이고,
Figure pat00229
(즉 상술한
Figure pat00230
),
Figure pat00231
(즉 상술한
Figure pat00232
)는 각각 리어축의 좌우 휠이 운동하는 아크 길이를 나타낸다.
이 외에, 전번 시각의 리어축 중심의 방향각
Figure pat00233
, 방향 증가량
Figure pat00234
(즉
Figure pat00235
)에 기반하여, 현재 시각 리어축 중심의 방향각
Figure pat00236
을 얻을 수 있는 바, 아래 공식을 참조한다.
Figure pat00237
여기서,
Figure pat00238
는 차량의 방향각 속도이고,
Figure pat00239
는 인접한 시각의 시간 길이이다.
2.6 차량의 종방향, 횡방향 속도와 리어축의 종방향 속도scale에 기반한 관측 업데이트 휠 속도 모델에 근거하여, 우리는 차량 리어축 중심의 종횡방향 속도를 추정하였으므로, 추정된 종횡방향 속도를 속도 관측으로 하여, 상태의 수정과 업데이트에 사용할 수 있다.
상술한 내용의 휠 속도 모델로부터 차량의 종방향 속도를 유도할 수 있는데, 리어축이 비전향 축이므로, 횡방향과 수직방향 속도가 0에 근접하다고 간주할 수 있다. 차체 좌표계의 종방향이 x축이고, 횡방향이 y축이며, 수직방향이 z축이라고 가정할 경우,
Figure pat00240
,
Figure pat00241
,
Figure pat00242
는 차량의 종방향, 횡방향과 수직방향의 속도이다. 여기서,
Figure pat00243
는 상기 리어축 중심 선속도
Figure pat00244
의 계산방식을 참고할 수 있다.
Figure pat00245
,
Figure pat00246
,
Figure pat00247
의 계산방정식은 아래 공식을 참고할 수 있다.
Figure pat00248
Figure pat00249
이 외에, 차량의 차량 속도와 진실한 종방향 속도는 하나의 비례 오차가 존재하는데, 즉, 리어축 측량 종방향 속도
Figure pat00250
와 실제 속도
Figure pat00251
에는 하나의 비례계수scale이 존재하고, 경험에 따라 이 비례계수를 추정하여, 차량으로 하여금 터널 등 정경에서 더 안정된 추산을 실현하도록 할 수 있다.
따라서,
Figure pat00252
이고, 차량 속도에 대한 관측방정식이 아래와 같다고 할 수 있다.
Figure pat00253
여기서,
Figure pat00254
좌표 회전공식은차체 좌표계로부터 네비게이션 좌표계까지의 변환 행렬를 나타낼 수 있다.
2.7 휠 속도에 기반하여 추정한 위치 증가량이 위치에 대하여 진행한 관측 업데이트
상기 유도과정을 참조하고, 휠 속도 모델에 근거하여 인접한 시각의 차량 위치의 변환 관계를 추정할 수 있다.
Figure pat00255
Figure pat00256
Figure pat00257
Figure pat00258
Figure pat00259
Figure pat00260
따라서, 인접한 시각에, 휠 속도로부터 유도한 위치 증가량(예를 들어, 네비게이션 좌표계는 동북상 좌표계이고, x축은 동쪽 방향을 나타내며, y축은 북쪽 방향을 나타내고, z축은 윗방향을 나타낸다)다음과 같이 표시할 수 있으며, 여기서
Figure pat00261
는 인접한 시각에 차량이 운동하는 아크 길이를 나타내고,
Figure pat00262
는 차량방향(동쪽 방향과의 협각)를 나타낸다.
Figure pat00263
여기서, 상술한 내용에 따라 유도하여
Figure pat00264
를 알 수 있다.
만약 네비게이션 좌표계가 변화되면, 상술한 차량 방향 등 계산공식도 상응하게 변화할 수 있다.
비록 휠 속도를 사용하여 위치 추정을 진행하면 누적의 오차가 존재할 수 있으나, 인접한 시각의 추산이 비교적 안정적이고 신뢰도를 가진다. 따라서 인접한 시각의 휠 속도를 선별하여 위치 증가량 추산을 진행할 수 있는데, 여기서
Figure pat00265
는 전번 시각 차량의 위치를 나타내고,
Figure pat00266
는 휠 속도가 전번 시각으로부터 현재 시각까지 유도한 위치 증가량을 나타내며,
Figure pat00267
은 현재 시각 차량의 위치를 나타낸다.
Figure pat00268
Figure pat00269
Figure pat00270
는 현재 시각에 휠 속도로부터 유도한 위치 관측을나타내고,
Figure pat00271
는 현재 시각의 위치 선험을 나타내며, 위치 관측과 위치 선험의 차이 값은 아래와 같이 표시할 수 있다.
Figure pat00272
2.8 휠 속도가 추정한 방향 증가량에 기반하여 방향에 대해 진행한 관측 업데이트
휠 속도 모델에 근거하여 인접한 시각의 차량 방향의 변환관계를 추정하므로, 휠 속도 모델이 추정한 방향 증가량을 이용하여 관측 업데이트를 진행함으로써, 방향의 예측 정밀도를 향상시킬 수 있다.
상기 내용으로부터, 차량의 방향 각속도
Figure pat00273
는 좌우 휠의 휠 속도
Figure pat00274
,
Figure pat00275
의 차이값에 의해 유도될 수 있으며, 여기서 L은 휠베이스이고 r은 휠 반경이라는 것을 유도한다.
Figure pat00276
인접한 시각의 방향 증가량
Figure pat00277
(즉
Figure pat00278
)은 아래와 같이 표시할 수 있다.
Figure pat00279
비록 휠 속도를 이용하여 방향추정을 진행하는 과정에 누적 오차가 존재할 수 있으나, 인접한 시각의 추산이 비교적 안정적이고 신뢰도를 가진다. 따라서 인접한 시각의 휠 속도를 선별하여 방향 증가량 추산을 진행할 수 있다.
Figure pat00280
가 전번 시각 차량의 방향를 나타낸다고 가정하면,
Figure pat00281
은 휠 속도가 전번 시각으로부터 현재 시각까지 유도한 방향 증가량을 나타내고,
Figure pat00282
은 현재 시각 차량의 방향를 나타내며,
Figure pat00283
는 인접한 시각의 시간 길이를 나타낸다.
Figure pat00284
Figure pat00285
Figure pat00286
은 현재 시각이 휠 속도로부터 유도한 방향 관측을 나타내고,
Figure pat00287
은 현재 시각의 방향 선험을 나타내며, 이렇게 되면 방향 관측과 방향 선험의 차이 값은 아래와 같이 표시할 수 있다.
Figure pat00288
이 외에, 상술한 위치 관측과 위치 선험의 차이 값 및 방향 관측과 방향 선험의 차이 값을, 칼만 필터 모델에 대입하여, 더 정확한 포즈 추정을 얻을 수 있다.
예를 들면,
사후 포즈 추정
Figure pat00289
:
Figure pat00290
여기서,
Figure pat00291
는 포즈 상태의 선험 예측이고,
Figure pat00292
은 칼만 필터 게인이며,
Figure pat00293
은 현재 시각의 상태 관측이고,
Figure pat00294
는 관측 좌표계에서의 포즈 상태의 선험 예측이다.
사후 포즈 공분산 행렬
Figure pat00295
의 업데이트:
Figure pat00296
여기서,
Figure pat00297
은 칼만 필터 게인이고,
Figure pat00298
는 관측 행렬이며,
Figure pat00299
는 전번 시각의 공분산 행렬이고,
Figure pat00300
는 단위 행렬이다. 공분산 행렬
Figure pat00301
는 현재 포즈 추정의 불확실성 정도를 나타낸다. 공분산 행렬이 클수록 불확실성이 더 높다. 공분산 행렬이 작을 수록 불확실성이 더 낮다. 이 외에,
Figure pat00302
을 이용하여 다음 시각의 칼만 필터 게인을 업데이트하여, 나아가 다음 시각의 사후 포즈 추정을 계산할 수 있다.
예시적으로, 아래에서는 구체적인 수치를 본 출원의 실시예의 주요 공식에 대입시켜 차량 주행위치 추산과정을 설명한다.
휠 속도 센서를 이용하여 어느 한 시각의 왼쪽 휠 선속도
Figure pat00303
, 오른쪽 휠 선속도
Figure pat00304
, 인접한 시각의 샘플링 간격 dt=101ms, 리어 휠 축간 거리L은 1.935m, 전번 샘플링 간격의 차량방향
Figure pat00305
는 160.337
Figure pat00306
임을 얻게 되면,
차량 종방향 속도
Figure pat00307
;
리어축 중심의 모션 아크 길이
Figure pat00308
;
위치 증가량
Figure pat00309
;
차량 방향 각속도
Figure pat00310
;
따라서, 방향 증가량
Figure pat00311
이다.
이 외에, 전번 시각 차량 네비게이션 좌표 위치가
Figure pat00312
이면, 휠 속도가 획득한 현재 시각 포즈관측은,
Figure pat00313
;
Figure pat00314
이다.
다음, 상술한 포즈관측을 칼만 필터 모델에 입력하여, 최적화한 포즈 추정을 얻을 수 있다.
도 9, 도 10에 도시된 바와 같이, 관련 방법과 본 출원의 주행위치 추산방법이 2.5km 터널 정경에서 초기화하고 DR추산의 종횡방향 추산 오차 비교를 진행하여, 주행위치가 추산한 종횡방향 오차가 추산 거리에 따른 변화 곡선(진리값은 고정밀도조합 관성 항법 SPAN-CPT 데이터)이며,단위는 m이며, 본 출원의 주행위치 추산방법이 2.5km 추산 거리 내에서 포지셔닝 시스템의 종횡방향 위치의 추산 오차를 현저히 감소시킨다는 것을 알 수 있다.
본 출원은 휠 속도 정보를 충분히 이용하며, 우선 리어 휠의 휠 속도 차이는 차량 방향 각속도와 종방향 속도를 추정한 다음, 휠 속도 모델에 근거하여, 이웃하는 두 차례의 휠 속도 데이터의 위치와 방향 변화량을 유도할 수 있다. 본 출원의 방법은 관련 기술에서의 주행위치 추산방법과 비교하여, 휠 속도가 추정한 속도, 위치 증가량과 방향 정보를 함께 칼만 필터 모델의 관측으로 이용할 수 있어, 포즈가 모델을 추정하는 속도, 위치와 방향 관측을 풍부하게 하는 동시에, IMU 3축 자이로, 가속도 드리프트 노이즈를 추정하여, 원거리 주행위치 추산과정에서 IMU 3축 자이로스코프와 3축 가속도 정보의 적분으로 인한 누적 오차를 현저히 감소시킬 수 있다.
도 11은 본 출원의 일 실시예에 따른 차량 주행위치 추산장치의 블록도이다. 해당 장치는,
차량의 휠 속도 정보에 근거하여, 해당 차량의 포즈 증가량을 획득하기 위한 증가량 모듈(41); 및
해당 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 해당 차량이 현재 시각에서의 포즈에 대해 주행위치 추산을 진행하기 위한 추산 모듈(42)을 포함할 수 있다.
한가지 가능한 실시형태에서, 도 12에 도시된 바와 같이, 해당 증가량 모듈(41)은,
해당 휠 속도 정보에 근거하여, 해당 차량의 위치 증가량를 획득하기 위한 위치 증가량 서브모듈(411)을 포함한다.
한가지 가능한 실시형태에서, 해당 위치 증가량 서브모듈(411)은 구체적으로, 왼쪽 휠의 휠 속도, 오른쪽 휠의 휠 속도, 휠 반경 및 인접한 시각의 시간 길이에 기반하여, 리어축 중심의 모션 아크 길이를 계산하고; 해당 리어축 중심의 모션 아크 길이와 방향각에 기반하여, 해당 차량의 위치 증가량을 계산하는데 사용된다.
한가지 가능한 실시형태에서, 해당 추산 모듈(42)은,
해당 차량의 위치 증가량과 전번 시각의 위치에 근거하여, 해당 차량이 현재 시각에서의 위치 관측을 획득하기 위한 위치 관측 서브모듈(421)을 포함한다.
한가지 가능한 실시형태에서, 해당 추산 모듈(42)은,
해당 차량이 현재 시각에서의 위치 관측과 해당 차량이 현재 시각에서의 위치 선험의 위치 차이 값을 계산하고, 해당 위치 차이 값을 칼만 필터 모델에 입력하여, 현재 시각의 최적의 위치 추정을 획득하기 위한 위치 추정 서브모듈(422)을 더 포함한다.
한가지 가능한 실시형태에서, 상기 증가량 모듈(41)은,
해당 휠 속도 정보에 기반하여, 해당 차량의 방향 증가량을 획득하기 위한 방향 증가량 서브모듈(412)을 더 포함한다.
한가지 가능한 실시형태에서, 해당 방향 증가량 서브모듈(412)은 구체적으로, 왼쪽 휠의 휠 속도와 오른쪽 휠의 휠 속도의 차이 값, 휠베이스 및 휠 반경에 기반하여, 상기 차량의 방향 각속도를 계산하고; 해당 차량의 방향 각속도와 인접한 시각의 시간 길이에 기반하여, 해당 차량의 방향 증가량을 계산하는데 사용된다.
한가지 가능한 실시형태에서, 해당 추산 모듈(42)은,
해당 차량의 방향 증가량과 전번 시각의 방향각에 기반하여, 해당 차량이 현재 시각에서의 방향 관측을 획득하기 위한 방향 관측 서브모듈(423)을 더 포함한다.
한가지 가능한 실시형태에서, 해당 추산 모듈(42)은,
해당 차량이 현재 시각에서의 방향 관측과 해당 차량이 현재 시각에서의 방향 선험의 방향 차이 값을 계산하고, 해당 방향 차이 값을 칼만 필터 모델에 입력하여, 현재 시각의 최적의 방향 추정을 획득하기 위한 방향 추정 서브모듈(424)을 더 포함한다.
한가지 가능한 실시형태에서, 해당 장치는,
해당 휠 속도 정보에 기반하여, 해당 차량의 속도를 계산하기 위한 속도 모듈(51)을 더 포함한다.
한가지 가능한 실시형태에서, 해당 속도 모듈(51)은 구체적으로, 해당 왼쪽 휠의 휠 속도, 오른쪽 휠의 휠 속도 및 휠 반경에 기반하여, 왼쪽 휠 선속도와 오른쪽 휠 선속도를 계산하고; 해당 왼쪽 휠 선속도와 해당 오른쪽 휠 선속도에 기반하여, 리어축 중심 선속도를 계산하는데 사용된다.
한가지 가능한 실시형태에서, 해당 장치는,
리어축 측량 종방향 속도와 실제 속도의 비례계수, 리어축 중심 선속도 및 차체 좌표계로부터 네비게이션 좌표계까지의 변환 행렬에 기반하여, 해당 차량의 차량 속도 관측를 획득하기 위한 속도 관측 모듈(52)을 더 포함한다.
본 출원의 실시예의 각 장치에서의 각 모듈의 기능은 상기 방법에서의 대응하는 설명을 참조할 수 있으므로, 여기서 더 이상 설명하지 않는다.
본 출원의 실시예에 따르면, 본 출원은 전자기기와 판독 가능 저장매체를 더 제공한다.
도 13에 도시된 바와 같이, 이는 본 출원의 실시예에 따른 차량 주행위치 추산방법의 전자기기의 블록도이다. 전자기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크스테이션, 개인 휴대 정보 단말기, 서버, 블레이드 서버, 메인프레임 컴퓨터 및 기타 적합한 컴퓨터와 같은 여러 가지 형식의 디지털 컴퓨터를 가리킨다. 전자기기는 개인 디지털 프로세싱, 셀룰러 폰, 스마트 폰, 웨어러블 기기 및 기타 유사한 컴퓨팅 장치와 같은 여러 가지 형식의 이동장치를 더 나타낼 수 있다. 본 명세서에 도시된 부품, 이들의 연결과 관계 및 이들의 기능은 단지 예시적인 것일 뿐이며, 본 문에서 설명 및/또는 요구한 본 출원의 실현을 한정하기 위한 것이 아니다.
도 13에 도시된 바와 같이, 해당 전자기기는 하나 또는 복수의 프로세서(901), 메모리(902) 및 각 부품을 연결하기 위한, 고속 인테페이스와 저속 인터페이스를 포함하는 인터페이스를 포함한다. 각 부품은 상이한 버스를 이용하여 서로 연결되고 공용 메인보드에 장착되거나 또는 수요에 따라 기타 방식으로 장착될 수 있다. 프로세서는 전자기기 내에서 수행되는 명령을 처리할 수 있는데, 이는 메모리에 저장되거나 또는 메모리에 저장되어 외부 입력/출력장치(예를 들어 인터페이스에 커플링된 디스플레이 기기)에 GUI를 표시하는 그래프 정보의 명령을 포함한다. 기타 실시형태에서, 만약 필요하면, 복수의 프로세서 및/또는 복수의 버스를 복수의 메모리와 함께 사용할 수 있다. 마찬가지로 복수의 전자기기를 연결할 수 있고, 각 기기는 일부 필요한 조작(예를 들면 서버 어레이, 블레이드 서버 세트 또는 멀티 프로세서 시스템으로 함)을 제공할 수 있다. 도 13에서는 하나의 프로세서(901)를 예로 한다.
메모리(902)는 본 출원에서 제공하는 비일시적 컴퓨터 판독 가능 저장매체이다. 여기서, 해당 메모리에는 적어도 하나의 프로세서에 의해 수행될 수 있는 명령이 저장되어, 해당 적어도 하나의 프로세서로 하여금 본 출원에서 제공하는 차량 주행위치 추산방법을 수행하도록 할 수 있다. 본 출원의 비일시적 컴퓨터 판독 가능 저장매체는 컴퓨터 명령을 저장하고, 해당 컴퓨터 명령은 컴퓨터로 하여금 본 출원에서 제공하는 차량 주행위치 추산방법을 수행하도록 한다.
메모리(902)는 비일시적 컴퓨터 판독 가능 저장매체로서, 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행 가능 프로그램 및 모듈, 예를 들어 본 출원의 실시예에서의 차량 주행위치 추산방법에 대응되는 프로그램 명령/모듈(예를 들면, 도 11에 도시된 증가량 모듈(41)과 추산 모듈(42))을 저장하는데 사용될 수 있다. 프로세서(901)는 메모리(902)에 저장된 비일시적 소프트웨어 프로그램, 명령 및 모듈을 작동시킴으로써, 서버의 여러 가지 기능 응용 및 데이터 처리를 수행, 즉 상기 방법 실시예에서의 차량 주행위치 추산방법을 실현한다.
메모리(902)는 프로그램 저장구역과 데이터 저장구역을 포함할 수 있는데, 여기서 프로그램 저장구역은 운영체제, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있고, 데이터 저장구역은 차량 주행위치 추산방법에 따른 전자기기의 사용에 의해 생성된 데이터 등을 저장할 수 있다. 이 외에, 메모리(902)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 비일시적 메모리, 예를 들면 적어도 하나의 디스크 메모리, 플래시 메모리 또는 기타 비일시적 솔리드 스테이트 메모리를 더 포함할 수 있다. 일부 실시예에서, 메모리(902)는 선택적으로 프로세서(901)에 대해 원격으로 설치되는 메모리를 포함하고, 이러한 원격 메모리는 네트워크를 통해 차량 주행위치 추산방법에 따른 전자기기에 연결될 수 있다. 상기 네트워크의 구현예는 인터넷, 인트라넷, 근거리 통신망, 이동 통신망 및 이들의 조합을 포함하나 이에 한정되지 않는다.
차량 주행위치 추산방법에 따른 전자기기는 입력장치(903)와 출력장치(904)를 더 포함할 수 있다. 프로세서(901), 메모리(902), 입력장치(903)와 출력장치(904)는 버스 또는 기타 방식을 통해 연결될 수 있고, 도 13에서는 버스를 통해 연결되는 것을 예로 한다.
입력장치(903)는 입력된 숫자 또는 문자 부호정보를 수신할 수 있고, 또한 차량 주행위치 추산방법에 따른 전자기기의 사용자 설정 및 기능 제어와 관련되는 키 신호 입력을 발생할 수 있으며, 예를 들면 터치 스크린, 키보드, 마우스, 트랙패드, 터치패드, 지시바, 하나 또는 복수의 마우스버튼, 트랙볼, 조이스틱 등 입력장치일 수 있다. 출력장치(904)는 디스플레이 기기, 보조 조명장치(예를 들면, LED)와 촉각 피드백 장치(예를 들면, 진동모터) 등을 포함할 수 있다. 해당 디스플레이 기기는 액정 모니터(LCD), 발광 다이오드(LED) 디스플레이와 플라즈마 디스플레이를 포함할 수 있으나 이에 한정되지 않는다. 일부 실시예에서, 디스플레이 기기는 터치 스크린일 수 있다.
여기서 설명하는 시스템과 기술의 여러 가지 실시형태는 디지털 전자회로 시스템, 집적회로 시스템, 전용 ASIC(전용 집적회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어 및/또는 이들의 조합에서 실현할 수 있다. 이러한 여러 가지 실시형태는 하나 또는 복수의 컴퓨터 프로그램에서 실시되는 것을 포함할 수 있고, 해당 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그래머블 프로세서를 포함하는 프로그래머블 시스템에서 실행 및/또는 해석되며, 해당 프로그래머블 프로세서는 전용 또는 범용 프로그래머블 프로세서로서, 저장 시스템, 적어도 하나의 입력장치 및 적어도 하나의 출력장치에서 데이터와 명령을 수신할 수 있고, 데이터와 명령을 해당 저장 시스템, 해당 적어도 하나의 입력장치 및 해당 적어도 하나의 출력장치에 전송할 수 있다.
이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션 또는 코드라고도 한다)은 프로그래머블 프로세서의 기계 명령을 포함하고, 고급 프로세스 및/또는 객체 지향 프로그래밍 언어 및/또는 어셈블리/기계 언어를 이용하여 이러한 컴퓨터 프로그램을 실시할 수 있다. 본 명세서에서 사용된 바와 같이, 용어 "기계 판독 가능 매체”와 "컴퓨터 판독 가능 매체”는 기계 명령 및/또는 데이터를 프로그래머블 프로세서에 제공하는 임의의 컴퓨터 프로그램 제품, 기기 및/또는 장치(예를 들면 자기 디스크, 시디롬, 메모리, 프로그래머블 로직 장치(PLD))를 가리키고, 기계 판독 가능 신호로서의 기계 명령을 수신하는 기계 판독 가능 매체를 포함한다. 용어 "기계 판독 가능 신호”는 기계 명령 및/또는 데이터를 프로그래머블 프로세서에 제공하는 임의의 신호를 가리킨다.
사용자와의 상호작용을 제공하기 위하여, 여기서 설명하는 시스템과 기술을 컴퓨터에서 실시할 수 있으며, 해당 컴퓨터는, 사용자에게 정보를 디스플레이하는 디스플레이 장치(예를 들면 CRT(음극선관) 또는 LCD(액정 디스플레이) 모니터); 및 키보드와 포인팅 장치(예를 들면, 마우스 또는 트랙볼)를 구비하고, 사용자는 해당 키보드와 해당 포인팅 장치를 통해 컴퓨터에 입력을 제공할 수 있다. 기타 유형의 장치는 사용자와의 상호작용에 사용될 수도 있는 바, 예를 들면 사용자에게 제공된 피드백은 모든 형식의 감각 피드백(예를 들면 시각 피드백, 청각 피드백 또는 촉각 피드백) 일 수 있고, 모든 형식(소리 입력, 음성 입력 또는 촉각 입력을 포함)에 의해 사용자로부터의 입력을 수신할 수 있다.
여기서 설명한 시스템과 기술을 백그라운드 부품을 포함하는 컴퓨팅 시스템(예를 들면, 데이터 서버), 또는 미들웨어 부품을 포함하는 컴퓨팅 시스템(예를 들면, 애플리케이션 서버), 또는 프런트엔드 부품을 포함하는 컴퓨팅 시스템(예를 들면, 그래픽 사용자 인터페이스 또는 네트워크 브라우저를 구비한 사용자 컴퓨터, 사용자는 해당 그래픽 사용자 인터페이스 또는 해당 네트워크 브라우저를 통해 여기서 설명한 시스템과 기술의 실시형태와 상호작용할 수 있다), 또는 이러한 백그라운드 부품, 미들웨어 푸붐 또는 프런트엔드 부품을 포함하는 임의의 조합의 컴퓨팅 시스템에서 실시될 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들면 통신 네트워크)을 통해 시스템의 부품을 서로 연결할 수 있다. 통신 네트워크의 예시는 근거리 통신망 (LAN), 광역 통신망 (WAN) 및 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트과 서버를 포함할 수 있다. 클라이언트와 서버는 일반적으로 서로 원격으로 설치되는 동시에 통신 네트워크를 통해 서로 상호작용을 진행한다. 상응하는 컴퓨터에서 운행되고 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램을 통하여 클라이언트과 서버의 관계를 발생한다. 서버는 클라우드 서버일 수 있고, 클라우드 컴퓨팅 서버 또는 클라우드 호스트라고도 하는 바, 이는 클라우드 컴퓨팅 서비스 시스템에서의 하나의 호스트 제품으로서, 전통적인 물리 호스트와 가상 전용 서버(VPS) 서비스에서 관리 난이도가 크고 서비스 확장성이 약한 단점을 해결하도록 한다.
본 출원의 실시예의 기술방안에 따르면, 휠 속도 정보를 이용하여 포즈 증가량을 얻고, 다시 포즈 증가량을 이용하여 주행위치 추산을 진행함으로써, 누적 오차를 감소시키고, 주행위치 추산 결과의 정밀도를 향상시킬 수 있다.
이해해야 할 것은, 이상에서 설명한 여러 가지 형태의 과정을 사용하여, 단계를 다시 정렬시키고 증가 또는 삭제할 수 있다. 예를 들면, 본 출원에서 기재한 각 단계는 동시에 수행할 수도 있고 순차적으로 수행할 수도 있으며 상이한 순서로 수행할 수도 있는 바, 본 출원에서 개시한 기술방안에서 기대하는 결과를 실현할 수만 있다면, 본 문은 이에 대해 한정하지 않는다.
상기 구체적인 실시형태는 본 출원의 보호범위에 대한 한정이 아니다. 해당 분야 기술자들은 설계 요구와 기타 요소에 근거하여 여러 가지 수정, 조합, 하위 조합과 대체를 진행할 수 있다는 것을 명백하여야 한다. 본 출원의 정신과 원칙 내에서 진행한 그 어떤 수정, 균등한 대체와 개량은 모두 본 출원의 보호범위 내에 포함된다.

Claims (27)

  1. 차량 주행위치 추산 방법에 있어서,
    차량의 휠 속도 정보에 근거하여, 상기 차량의 포즈 증가량을 획득하는 단계; 및
    상기 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 상기 차량이 현재 시각에서의 포즈에 대해 주행위치 추산을 진행하는 단계를 포함하는 것을 특징으로 하는, 방법.
  2. 제1항에 있어서,
    차량의 휠 속도 정보에 근거하여, 상기 차량의 포즈 증가량을 획득하는 단계는,
    상기 휠 속도 정보에 기반하여, 상기 차량의 위치 증가량을 획득하는 단계를 포함하는 것을 특징으로 하는, 방법.
  3. 제2항에 있어서,
    상기 휠 속도 정보에 기반하여, 상기 차량의 위치 증가량을 획득하는 단계는,
    왼쪽 휠의 휠 속도, 오른쪽 휠의 휠 속도, 휠 반경 및 인접한 시각의 시간 길이에 기반하여, 리어축 중심의 모션 아크 길이를 계산하는 단계; 및
    상기 리어축 중심의 모션 아크 길이와 방향각에 기반하여, 상기 차량의 위치 증가량을 계산하는 단계를 포함하는 것을 특징으로 하는, 방법.
  4. 제2항에 있어서,
    상기 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 상기 차량이 현재 시각에서의 포즈에 대해 주행위치 추산을 진행하는 단계는,
    상기 차량의 위치 증가량과 전번 시각의 위치에 기반하여, 상기 차량이 현재 시각에서의 위치 관측을 획득하는 단계를 포함하는 것을 특징으로 하는, 방법.
  5. 제4항에 있어서,
    상기 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 상기 차량이 현재 시각에서의 포즈에 대해 주행위치 추산을 진행하는 단계는,
    상기 차량이 현재 시각에서의 위치 관측과 상기 차량이 현재 시각에서의 위치 선험의 위치 차이 값을 계산하고, 상기 위치 차이 값을 칼만 필터 모델에 입력하여, 현재 시각의 최적의 위치 추정을 획득하는 단계를 더 포함하는 것을 특징으로 하는, 방법.
  6. 제1항에 있어서,
    차량의 휠 속도 정보에 근거하여, 상기 차량의 포즈 증가량을 획득하는 단계는,
    상기 휠 속도 정보에 기반하여, 상기 차량의 방향 증가량을 획득하는 단계를 포함하는 것을 특징으로 하는, 방법.
  7. 제6항에 있어서,
    상기 휠 속도 정보에 기반하여, 상기 차량의 방향 증가량을 획득하는 단계는,
    왼쪽 휠의 휠 속도와 오른쪽 휠의 휠 속도의 차이 값, 휠베이스 및 휠 반경에 기반하여, 상기 차량의 방향 각속도를 계산하는 단계; 및
    상기 차량의 방향 각속도와 인접한 시각의 시간 길이에 기반하여, 상기 차량의 방향 증가량을 계산하는 단계를 포함하는 것을 특징으로 하는, 방법.
  8. 제6항에 있어서,
    상기 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 상기 차량이 현재 시각에서의 포즈에 대해 주행위치 추산을 진행하는 단계는,
    상기 차량의 방향 증가량과 전번 시각의 방향각에 기반하여, 상기 차량이 현재 시각에서의 방향 관측을 획득하는 단계를 포함하는 것을 특징으로 하는, 방법.
  9. 제8항에 있어서,
    상기 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 상기 차량이 현재 시각에서의 포즈에 대해 주행위치 추산을 진행하는 단계는,
    상기 차량이 현재 시각에서의 방향 관측과 상기 차량이 현재 시각에서의 방향 선험의 방향 차이 값을 계산하고, 상기 방향 차이 값을 칼만 필터 모델에 입력하여, 현재 시각의 최적의 방향 추정을 획득하는 단계를 더 포함하는 것을 특징으로 하는, 방법.
  10. 제1항 내지 제9항 중 임의의 한 항에 있어서,
    상기 휠 속도 정보에 기반하여, 상기 차량의 속도를 계산하는 단계를 더 포함하는 것을 특징으로 하는, 방법.
  11. 제10항에 있어서,
    상기 휠 속도 정보에 기반하여, 상기 차량의 속도를 계산하는 단계는,
    왼쪽 휠의 휠 속도, 오른쪽 휠의 휠 속도 및 휠 반경에 기반하여, 왼쪽 휠 선속도와 오른쪽 휠 선속도를 계산하는 단계; 및
    상기 왼쪽 휠 선속도와 상기 오른쪽 휠 선속도에 기반하여, 리어축 중심 선속도를 계산하는 단계를 포함하는 것을 특징으로 하는, 방법.
  12. 제10항에 있어서,
    리어축 측량 종방향 속도와 실제 속도의 비례계수, 리어축 중심 선속도 및 차체 좌표계로부터 네비게이션 좌표계까지의 변환 행렬에 기반하여, 상기 차량의 차량 속도 관측을 획득하는 단계를 더 포함하는 것을 특징으로 하는, 방법.
  13. 차량 주행위치 추산 장치에 있어서,
    차량의 휠 속도 정보에 근거하여, 상기 차량의 포즈 증가량을 획득하기 위한 증가량 모듈; 및
    상기 차량의 포즈 증가량과 전번 시각의 포즈에 기반하여, 상기 차량이 현재 시각에서의 포즈에 대해 주행위치 추산을 진행하기 위한 추산 모듈을 포함하는 것을 특징으로 하는, 장치.
  14. 제13항에 있어서,
    상기 증가량 모듈은,
    상기 휠 속도 정보에 기반하여, 상기 차량의 위치 증가량을 획득하기 위한 위치 증가량 서브모듈을 포함하는 것을 특징으로 하는, 장치.
  15. 제14항에 있어서,
    상기 위치 증가량 서브모듈은 구체적으로, 왼쪽 휠의 휠 속도, 오른쪽 휠의 휠 속도, 휠 반경 및 인접한 시각의 시간 길이에 기반하여, 리어축 중심의 모션 아크 길이를 계산하고; 상기 리어축 중심의 모션 아크 길이와 방향각에 기반하여, 상기 차량의 위치 증가량을 계산하는데 사용되는 것을 특징으로 하는, 장치.
  16. 제14항에 있어서,
    상기 추산 모듈은,
    상기 차량의 위치 증가량과 전번 시각의 위치에 기반하여, 상기 차량이 현재 시각에서의 위치 관측을 획득하기 위한 위치 관측 서브모듈을 포함하는 것을 특징으로 하는, 장치.
  17. 제16항에 있어서,
    상기 추산 모듈은,
    상기 차량이 현재 시각에서의 위치 관측과 상기 차량이 현재 시각에서의 위치 선험의 위치 차이 값을 계산하고, 상기 위치 차이 값을 칼만 필터 모델에 입력하여, 현재 시각의 최적의 위치 추정을 획득하기 위한 위치 추정 서브모듈을 더 포함하는 것을 특징으로 하는, 장치.
  18. 제13항에 있어서,
    상기 증가량 모듈은,
    상기 휠 속도 정보에 기반하여, 상기 차량의 방향 증가량을 획득하기 위한 방향 증가량 서브모듈을 더 포함하는 것을 특징으로 하는, 장치.
  19. 제18항에 있어서,
    상기 방향 증가량 서브모듈은 구체적으로, 왼쪽 휠의 휠 속도와 오른쪽 휠의 휠 속도의 차이 값, 휠베이스 및 휠 반경에 기반하여, 상기 차량의 방향 각속도를 계산하고; 상기 차량의 방향 각속도와 인접한 시각의 시간 길이에 기반하여, 상기 차량의 방향 증가량을 계산하는데 사용되는 것을 특징으로 하는, 장치.
  20. 제18항에 있어서,
    상기 추산 모듈은,
    상기 차량의 방향 증가량과 전번 시각의 방향각에 기반하여, 상기 차량이 현재 시각에서의 방향 관측을 획득하기 위한 방향 관측 서브모듈을 더 포함하는 것을 특징으로 하는, 장치.
  21. 제20항에 있어서,
    상기 추산 모듈은,
    상기 차량이 현재 시각에서의 방향 관측과 상기 차량이 현재 시각에서의 방향 선험의 방향 차이 값을 계산하고, 상기 방향 차이 값을 칼만 필터 모델에 입력하여, 현재 시각의 최적의 방향 추정을 획득하기 위한 방향 추정 서브모듈을 더 포함하는 것을 특징으로 하는, 장치.
  22. 제13항 내지 제21항 중 임의의 한 항에 있어서,
    상기 휠 속도 정보에 기반하여, 상기 차량의 속도를 계산하기 위한 속도 모듈을 더 포함하는 것을 특징으로 하는, 장치.
  23. 제22항에 있어서,
    상기 속도 모듈은 구체적으로, 왼쪽 휠의 휠 속도, 오른쪽 휠의 휠 속도 및 휠 반경에 기반하여, 왼쪽 휠 선속도와 오른쪽 휠 선속도를 계산하고; 상기 왼쪽 휠 선속도와 상기 오른쪽 휠 선속도에 기반하여, 리어축 중심 선속도를 계산하는데 사용되는 것을 특징으로 하는, 장치.
  24. 제22항에 있어서,
    리어축 측량 종방향 속도와 실제 속도의 비례계수, 리어축 중심 선속도 및 차체 좌표계로부터 네비게이션 좌표계까지의 변환 행렬에 기반하여, 상기 차량의 차량 속도 관측을 획득하기 위한 속도 관측 모듈을 더 포함하는 것을 특징으로 하는, 장치.
  25. 적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 통신 연결된 메모리를 포함하는 전자기기에 있어서,
    상기 메모리에는 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되어 있고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서로 하여금 제1항 내지 제9항 중 임의의 한 항에 따른 방법을 수행할 수 있도록 하는 것을 특징으로 하는, 전자기기.
  26. 컴퓨터로 하여금 제1항 내지 제9항 중 임의의 한 항에 따른 방법을 수행하도록 하기 위한 컴퓨터 명령이 저장된, 비일시적 컴퓨터 판독 가능 저장매체.
  27. 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램 중의 명령이 프로세서에 의해 실행될 경우, 제1항 내지 제9항 중 임의의 한 항에 따른 방법을 구현하는 것을 특징으로 하는, 컴퓨터 판독가능 저장 매체에 저장된 컴퓨터 프로그램.
KR1020210038045A 2020-07-20 2021-03-24 차량 주행위치 추산 방법, 장치, 기기, 저장매체 및 프로그램 KR102454882B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010700376.9 2020-07-20
CN202010700376.9A CN111780756A (zh) 2020-07-20 2020-07-20 车辆航位推算方法、装置、设备以及存储介质

Publications (2)

Publication Number Publication Date
KR20210049724A true KR20210049724A (ko) 2021-05-06
KR102454882B1 KR102454882B1 (ko) 2022-10-17

Family

ID=72764365

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210038045A KR102454882B1 (ko) 2020-07-20 2021-03-24 차량 주행위치 추산 방법, 장치, 기기, 저장매체 및 프로그램

Country Status (5)

Country Link
US (1) US11435186B2 (ko)
EP (1) EP3842746A3 (ko)
JP (1) JP7299261B2 (ko)
KR (1) KR102454882B1 (ko)
CN (1) CN111780756A (ko)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112505718B (zh) * 2020-11-10 2022-03-01 奥特酷智能科技(南京)有限公司 用于自动驾驶车辆的定位方法、系统及计算机可读介质
CN112731320A (zh) * 2020-12-29 2021-04-30 福瑞泰克智能系统有限公司 车载雷达误差数据的估计方法、装置、设备及存储介质
CN112964260A (zh) * 2021-02-01 2021-06-15 东风商用车有限公司 自动驾驶定位方法、装置、设备及存储介质
CN113008244B (zh) * 2021-02-25 2023-07-14 广州导远电子科技有限公司 导航信息的处理方法、装置、电子设备及存储介质
CN112596089B (zh) * 2021-03-02 2021-05-18 腾讯科技（深圳）有限公司 融合定位方法、装置、电子设备及存储介质
CN114001730B (zh) * 2021-09-24 2024-03-08 深圳元戎启行科技有限公司 融合定位方法、装置、计算机设备和存储介质
CN113899363B (zh) * 2021-09-29 2022-10-21 北京百度网讯科技有限公司 车辆的定位方法、装置及自动驾驶车辆
CN113887060B (zh) * 2021-10-13 2024-05-10 英博超算(南京)科技有限公司 一种新型的自动泊车系统车辆定位方法
CN114152269B (zh) * 2021-11-09 2024-03-22 南京邮电大学 车轮安装惯性测量单元的安装参数现场标定方法
CN114394130B (zh) * 2021-12-27 2022-11-11 中国矿业大学 一种煤矿辅助运输车辆定位方法及定位系统
CN114485721A (zh) * 2021-12-31 2022-05-13 上海西井信息科技有限公司 车辆里程测量方法、系统、设备及存储介质
CN114407877B (zh) * 2022-02-25 2023-03-24 北京流马锐驰科技有限公司 一种基于轮速脉冲和imu的自动泊车定位方法
CN115752426A (zh) * 2022-07-04 2023-03-07 南京市德赛西威汽车电子有限公司 一种航位预测方法、装置、设备及介质
CN115293301B (zh) * 2022-10-09 2023-01-31 腾讯科技（深圳）有限公司 车辆的变道方向的预估方法、装置及存储介质
CN115406451B (zh) * 2022-11-01 2023-02-03 联友智连科技有限公司 一种车辆定位方法、系统、车辆终端和存储介质
CN117818754B (zh) * 2024-03-04 2024-05-28 辅易航智能科技(苏州)有限公司 航向角修正方法、装置、存储介质及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120116712A1 (en) * 2010-11-04 2012-05-10 U-Blox Ag Method for tracking the position and the heading of a vehicle using dead reckoning and a tracking device for carrying out the method
US20140236412A1 (en) * 2013-02-20 2014-08-21 Electronics And Telecommunications Research Institute Apparatus and method for automatically parking vehicle
CN110274589A (zh) * 2018-03-15 2019-09-24 高德信息技术有限公司 一种定位方法及装置
CN111912405A (zh) * 2019-05-10 2020-11-10 中国人民解放军火箭军工程大学 一种基于车载惯组与多普勒雷达的组合导航方法及系统

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0423106A (ja) * 1990-05-18 1992-01-27 Nissan Motor Co Ltd 自律走行車の位置推定装置
JP2004114977A (ja) * 2002-09-30 2004-04-15 Aisin Seiki Co Ltd 移動体周辺監視装置
FR2853121B1 (fr) * 2003-03-25 2006-12-15 Imra Europe Sa Dispositif de surveillance des alentours d'un vehicule
JP2004356846A (ja) * 2003-05-28 2004-12-16 Aisin Seiki Co Ltd 移動体周辺監視装置
JP4192680B2 (ja) * 2003-05-28 2008-12-10 アイシン精機株式会社 移動体周辺監視装置
US9736701B2 (en) * 2011-10-28 2017-08-15 Qualcomm Incorporated Dead reckoning using proximity sensors
WO2013165391A1 (en) * 2012-05-01 2013-11-07 Intel Corporation Simultaneous localization and mapping using spatial and temporal coherence for indoor location
US9441973B2 (en) * 2012-06-12 2016-09-13 Trx Systems, Inc. Irregular feature mapping
US9057615B2 (en) * 2012-10-26 2015-06-16 Texas Instruments Incorporated Systems and methods for navigating using corrected yaw bias values
GB201718507D0 (en) * 2017-07-31 2017-12-27 Univ Oxford Innovation Ltd A method of constructing a model of the motion of a mobile device and related systems
US11383727B2 (en) * 2018-03-19 2022-07-12 Qualcomm Incorporated Vehicle operation based on vehicular measurement data processing
CN108871336B (zh) * 2018-06-20 2019-05-07 湘潭大学 一种车辆位置估算系统及方法
CN110873888B (zh) * 2018-09-04 2022-05-06 腾讯大地通途（北京）科技有限公司 定位方法、定位装置、定位设备和计算机存储介质
CN109405837B (zh) * 2018-11-14 2021-06-08 蔚来(安徽)控股有限公司 物体定位方法、应用和车辆
CN109974736A (zh) * 2019-04-09 2019-07-05 百度在线网络技术（北京）有限公司 车辆的导航方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120116712A1 (en) * 2010-11-04 2012-05-10 U-Blox Ag Method for tracking the position and the heading of a vehicle using dead reckoning and a tracking device for carrying out the method
US20140236412A1 (en) * 2013-02-20 2014-08-21 Electronics And Telecommunications Research Institute Apparatus and method for automatically parking vehicle
KR20140104611A (ko) * 2013-02-20 2014-08-29 한국전자통신연구원 차량의 자동 주차 장치 및 이를 이용한 방법
CN110274589A (zh) * 2018-03-15 2019-09-24 高德信息技术有限公司 一种定位方法及装置
CN111912405A (zh) * 2019-05-10 2020-11-10 中国人民解放军火箭军工程大学 一种基于车载惯组与多普勒雷达的组合导航方法及系统

Also Published As

Publication number Publication date
EP3842746A2 (en) 2021-06-30
EP3842746A3 (en) 2021-12-08
US11435186B2 (en) 2022-09-06
JP2021177168A (ja) 2021-11-11
US20210310809A1 (en) 2021-10-07
KR102454882B1 (ko) 2022-10-17
JP7299261B2 (ja) 2023-06-27
CN111780756A (zh) 2020-10-16

Similar Documents

Publication Publication Date Title
KR102454882B1 (ko) 차량 주행위치 추산 방법, 장치, 기기, 저장매체 및 프로그램
CN111679302B (zh) 车辆定位方法、装置、电子设备和计算机存储介质
JP7287997B2 (ja) 位置決め方法、位置決め装置、電子機器、車端機器、自動運転車、コンピュータ可読記憶媒体及びコンピュータプログラム
JP6094026B2 (ja) 姿勢判定方法、位置算出方法及び姿勢判定装置
CN110595494A (zh) 地图误差确定方法和装置
WO2014060429A1 (en) Surveying system and method
US11274788B2 (en) Gimbal pose correction method and device
JP2021113818A (ja) 測位方法及び装置、自動運転車両、電子機器、並びに記憶媒体
CN106767767A (zh) 一种微纳多模星敏感器系统及其数据融合方法
EP3910289B1 (en) Method, apparatus, device and medium for calibrating temperature drift
JP2012173190A (ja) 測位システム、測位方法
KR20220052312A (ko) 차량 포지셔닝 방법, 장치 및 자율 운전 차량
EP3919864A2 (en) Method and apparatus for processing map data
Zheng et al. An optimization-based UWB-IMU fusion framework for UGV
CN111623767B (zh) 用于定位的imu伪数据的生成方法、装置、电子设备及介质
CN111521187B (zh) 自动驾驶定位组合导航方法、装置、设备及存储介质
RU2487318C1 (ru) Бесплатформенная инерциальная курсовертикаль на чувствительных элементах средней точности
CN114088104B (zh) 一种自动驾驶场景下的地图生成方法
CN111811500A (zh) 目标对象的位姿估计方法、装置、存储介质和电子设备
CN110579779B (zh) Gps质量确定方法、装置、设备和介质
CN115900701B (zh) 一种卫导拒止环境下的轨道车组合导航方法及装置
CN118089714A (zh) 一种装载机行驶定位方法及定位系统
CN113375667A (zh) 导航方法、装置、设备和存储介质
KR20210049044A (ko) 위치 정보 결정 방법, 장치 및 기기
JP2021099373A (ja) 速度予測方法、装置、電子機器、記憶媒体及びコンピュータプログラム製品

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