KR20210076289A - 전자제어현가장치 제어 방법 및 장치 - Google Patents

Abstract

본 발명은 딥러닝 기반 노면 분류 모델을 이용한 전자제어현가장치 제어 방법 및 장치에 관한 것으로서, 본 발명의 일 실시예에 따른 카메라 및 GPS 수신기가 구비된 차량에서의 전자제어현가장치 제어 방법은 주행 중 상기 GPS 수신기를 이용하여 상기 차량의 위치 정보를 수집하는 단계와 장애물을 감지하면, 상기 감지된 장애물에 상응하여 기 생성된 노면 분류 모델의 존재 여부를 확인하는 단계와 상기 확인 결과, 존재하면, 상기 존재 확인된 노면 분류 모델에 상응하는 제1 특성 값에 기초하여 제1 제어 값을 결정하는 단계와 상기 장애물 진입 시 상기 결정된 제1 제어 값으로 전자제어현가장치를 제어하고, 피지컬 센서를 통해 신규 센싱 데이터를 수집하는 단계와 상기 신규 센싱 데이터에 기반하여 상기 제1 특성 값을 보정하는 단계를 포함할 수 있다.

Description

전자제어현가장치 제어 방법 및 장치{ELECTRONIC CONTROL SUSPENSION CONTROL METHOD AND APPARATUS}

본 발명은 전자제어현가장치 제어에 관한 것으로, 보다 상세하게는 실측 데이터에 기반한 딥 러닝(Deep Learning) 통해 노면 분류 모델을 관리하고 장애물 감지 시 해당 노면 분류 모델에 상응하는 특성 값에 기초하여 전자제어현가장치를 제어하여 승차감을 개선하는 기술에 관한 것이다.

최근 차량의 승차감 및 조종 안정성을 개선하기 위해 많은 자동차 회사들이 능동 현가장치 제어 시스템에 대한 연구가 활발히 이루어지고 있다.

종래의 능동 서스펜션 시스템은 차량에 구비된 각각의 바퀴에 들어오는 노면 입력을 판단하고 그에 대응하도록 댐핑(Damping)을 조절하여 승차감을 개선하였다.

또한, 종래의 프리뷰 서스펜션 시스템은 카메라를 이용해 전방 노면의 장애물의 종류만 파악하여 댐핑을 조절하는 방식 또는 GPS(Global Positioning System)를 기반으로 해당 위치에서의 노면 정보를 획득하고, 획득된 노면 정보에 따라 댐핑을 조절하는 방식 또는 카메라 및 GPS를 이용해 장애물의 종류 및 위치를 파악하여 댐핑 특성을 조절하는 방식을 적용하였다.

하지만, 상기한 종래의 서스펜션 시스템은 실제 노면의 형태와는 오차가 존재하고, 특히, GPS에 기반한 방법의 경우, 수시로 변하는 노면 상태를 반영하기 위해 사람이 노면 현황을 지속적으로 조사하여 갱신하여야 하는 문제점이 있었다.

따라서, 실제 노면의 상태를 실시간 반영하여 보다 정확한 댐핑 제어가 가능한 서스펜션 시스템이 요구되고 있다.

본 발명의 목적은 딥러닝 기반의 노면 분류 모델을 이용한 전자제어현가장치 제어 방법 및 장치를 제공하는 것이다.

본 발명의 다른 목적은 감지된 장애물의 실측 데이터에 기반한 딥러닝을 통해 특성 값 및 제어 값을 실시간 보정함으로써 전자제어현가장치를 위한 최적의 제어 값을 제공하는 것이 가능한 전자제어현가장치 제어 방법 및 장치를 제공하는 것이다.

본 발명의 또 다른 목적은 딥러닝 기반 노면 분류 모델을 통해 장애물의 종류 및 위치 뿐만 아니라 세부 스펙 식별이 가능하고, 장애물에 대한 실측 데이터를 기반으로 노면 분류 모델을 실시간 보정함으로써 전자제어현가장치를 위한 최적의 제어를 제공하는 것이 가능한 전자제어현가장치 제어 방법 및 장치를 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.

본 발명의 일 실시예에 따른 카메라 및 GPS 수신기가 구비된 차량에서의 전자제어현가장치 제어 방법은 주행 중 상기 GPS 수신기를 이용하여 상기 차량의 위치 정보를 수집하는 단계와 장애물을 감지하면, 상기 감지된 장애물에 상응하여 기 생성된 노면 분류 모델의 존재 여부를 확인하는 단계와 상기 확인 결과, 존재하면, 상기 존재 확인된 노면 분류 모델에 상응하는 제1 특성 값에 기초하여 제1 제어 값을 결정하는 단계와 상기 장애물 진입 시 상기 결정된 제1 제어 값으로 전자제어현가장치를 제어하고, 피지컬 센서를 통해 신규 센싱 데이터를 수집하는 단계와 상기 신규 센싱 데이터에 기반하여 상기 제1 특성 값을 보정하는 단계를 포함할 수 있다.

실시 예로, 상기 전자제어현가장치 제어 방법은 상기 확인 결과, 상기 감지된 장애물에 상응하여 기 생성된 노면 분류 모델이 존재하지 않으면, 상기 카메라를 이용해 영상 처리를 수행하는 단계를 더 포함할 수 있다.

실시 예로, 상기 카메라를 이용해 영상 처리를 수행하는 단계는 상기 카메라로부터 이미지 데이터를 수집하는 단계와 상기 이미지 데이터에 대해 합성곱 신경망 알고리즘을 적용하여 상기 장애물의 종류를 식별하는 단계를 포함할 수 있다.

실시 예로, 상기 카메라를 이용해 영상 처리를 수행하는 단계는 상기 카메라로부터 레이더 데이터를 수집하는 단계와 상기 레이더 데이터를 이용하여 상기 차량으로부터 상기 감지된 장애물까지의 거리를 산출하는 단계를 더 포함할 수 있다.

실시 예로, 상기 전자제어현가장치 제어 방법은 상기 식별된 장애물의 종류에 관한 정보를 상기 차량의 클러스터에 출력하는 단계를 더 포함할 수 있다.

실시 예로, 상기 피지컬 센서는 차량 속도 센서, 휠 속도 센서, 가속도/변위 센서, 스로틀포지션 센서 중 적어도 하나를 포함할 수 있다.

실시 예로, 상기 제1 특성 값은 장애물 특성 값, 댐핑 특성 값 및 관성 질량 특성 값을 포함할 수 있다.

실시 예로, 상기 장애물 특성 값은 장애물의 높이 또는 깊이 정보, 장애물의 폭 정보, 장애물로의 진입 각도인 입사각 정보 및 장애물 스펙 정보를 포함하고, 상기 댐핑 특성 값은 피스톤 속도 정보 및 댐핑 비율 정보를 포함하고, 상기 관성 질량 특성 값은 수직 가속도 정보, 관성 질량 정보 및 승차감 정보를 포함할 수 있다.

실시 예로, 상기 특성 값을 보정하는 단계는 상기 신규 센싱 데이터가 유효 데이터 범위 내의 데이터인지 판단하는 단계와 상기 유효 데이터 범위 내의 상기 신규 센싱 데이터의 평균을 산출하여 제2 특성 값을 생성하는 단계와 상기 제2 특성 값과 상기 제1 특성 값을 비교하여 오차를 보정하는 단계를 포함할 수 있다.

실시 예로, 상기 오차 보정에 따라 상기 유효 데이터 범위도 조정될 수 있다.

본 발명의 다른 실시 예에 따른 차량에 구비된 카메라부, GPS 수신부 및 피지컬 센싱부와 연동하여 전자제어현가장치를 제어하는 장치는 주행 중 상기 GPS 수신부로부터 차량의 위치 정보를 수집하는 위치 정보 수집 모듈과 전방 장애물을 감지하면, 상기 감지된 장애물에 상응하여 기 생성된 노면 분류 모델의 존재 여부를 확인하고, 상기 전자제어현가장치의 댐핑력을 제어하는 제어 모듈과 상기 존재 확인된 노면 분류 모델에 상응하는 제1 특성 값에 기초하여 상기 댐핑력에 상응하는 제1 제어 값을 결정하는 제어 값 결정 모듈과 상기 댐핑력이 상기 결정된 제1 제어 값으로 설정된 상태에서 상기 감지된 장애물을 통과하는 동안, 상기 피지컬 센싱부로부터 신규 센싱 데이터를 수집하는 피지컬 센싱 모듈과 상기 신규 센싱 데이터에 기반하여 상기 제1 특성 값을 보정하는 특성 값 생성 모듈을 포함할 수 있다.

실시 예로, 상기 전자제어현가장치 제어 장치는 상기 확인 결과, 상기 감지된 장애물에 상응하여 기 생성된 노면 분류 모델이 존재하지 않으면, 상기 제어 모듈의 제어 신호에 따라 상기 카메라부와 연동하여 영상 처리를 수행하는 영상 처리 모듈을 더 포함할 수 있다.

실시 예로, 상기 영상 처리 모듈은 상기 카메라부로부터 이미지 데이터를 수집하는 수단과 상기 이미지 데이터에 대해 합성곱 신경망 알고리즘을 적용하여 상기 장애물의 종류를 식별하는 수단을 포함할 수 있다.

실시 예로, 상기 영상 처리 모듈은 상기 카메라부로부터 레이더 데이터를 수집하는 수단과 상기 레이더 데이터를 이용하여 상기 차량으로부터 상기 감지된 장애물까지의 거리를 산출하는 수단을 더 포함할 수 있다.

실시 예로, 상기 영상 처리 모듈은 상기 식별된 장애물의 종류에 관한 정보를 상기 차량의 클러스터에 출력하는 수단을 더 포함할 수 있다.

실시 예로, 상기 피지컬 센싱부는 차량 속도 센서, 휠 속도 센서, 가속도/변위 센서, 스로틀포지션 센서 중 적어도 하나를 포함할 수 있다.

실시 예로, 상기 제1 특성 값은 장애물 특성 값, 댐핑 특성 값 및 관성 질량 특성 값을 포함할 수 있다.

실시 예로, 상기 장애물 특성 값은 장애물의 높이 또는 깊이 정보, 장애물의 폭 정보, 장애물로의 진입 각도인 입사각 정보 및 장애물 스펙 정보를 포함하고, 상기 댐핑 특성 값은 피스톤 속도 정보 및 댐핑 비율 정보를 포함하고, 상기 관성 질량 특성 값은 수직 가속도 정보, 관성 질량 정보 및 승차감 정보를 포함할 수 있다.

실시 예로, 상기 특성 값 생성 모듈은 상기 신규 센싱 데이터가 유효 데이터 범위 내의 데이터인지 판단하는 수단과 상기 유효 데이터 범위 내의 상기 신규 센싱 데이터의 평균을 산출하여 제2 특성 값을 생성하는 수단과 상기 제2 특성 값과 상기 제1 특성 값을 비교하여 오차를 보정하는 수단을 포함할 수 있다.

실시 예로, 상기 오차 보정에 따라 상기 유효 데이터 범위도 조정될 수 있다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명은 딥러닝 기반 노면 분류 모델을 이용한 전자제어현가장치 제어 방법 및 장치를 제공하는 장점이 있다.

또한, 본 발명은 감지된 장애물의 실측 데이터에 기반한 딥러닝을 통해 제어 값을 실시간 보정함으로써 전자제어현가장치를 위한 최적의 제어 값을 제공하는 것이 가능한 전자제어현가장치 제어 방법 및 장치를 제공하는 장점이 있다.

또한, 본 발명은 딥러닝 기반 노면 분류 모델을 통해 장애물의 종류 및 위치 뿐만 아니라 세부 스펙 식별이 가능하고, 장애물에 대한 실측 데이터를 기반으로 노면 분류 모델의 실시간 보정이 가능하므로 전자제어현가장치를 위한 최적의 제어를 제공하여 승차감을 개선할 수 있는 장점이 있다.

이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.

도 1은 본 발명의 일 실시 예에 따른 ECS 제어 시스템의 구성을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 ECS 제어 장치에서 장애물 종류 및 거리를 식별하는 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시 예에 따른 과속 방지턱 통과 시 해당 과속 방지턱에 상응하는 특성 값을 측정하는 방법을 설명하기 위한 도면이다.
도 4는 차체의 진동과 인체의 진동의 상관 관계를 설명하기 위한 도면이다.
도 5는 본 발명의 실시 예에 따른 노면 분류 모델에 포함되는 데이터를 설명하기 위한 도면이다.
도면 6은 본 발명의 실시 예에 따른 실시간 수집된 센싱 데이터에 기반하여 노면 분류 모델 특성 값을 보정하는 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시 예에 따른 전자제어현가장치 제어 방법을 설명하기 위한 순서도이다.
도 8은 본 발명의 실시 예에 따른 차량이 장애물을 통과할 때 딥러닝을 통한 노면 분류 모델을 갱신 및 ECS 제어 절차를 설명하기 위한 도면이다.

이하, 본 발명의 일부 실시 예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시 예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시 예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.

본 발명의 실시 예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 도 1 내지 도 8를 참조하여, 본 발명의 실시 예들을 구체적으로 설명하기로 한다.

도 1은 본 발명의 일 실시 예에 따른 ECS 제어 시스템의 구성을 설명하기 위한 도면이다.

도 1을 참조하면, ECS 제어 시스템(100)은 GPS 수신부(10), 카메라부(20), IR(Infrared) 레이저부(30), 피지컬 센싱부(40), ECS 제어 장치(50), 전자제어현가장치(ECS: Electronic Control Suspension, 60) 및 클러스터(70)를 포함하여 구성될 수 있다.

피지컬 센싱부(40)는 장애물의 폭 계산에 필요한 센싱 데이터(차량 속도)를 생성하는 차량 속도 센서,(41), 장애물의 높이/깊이, 차량의 장애물 입사 각도 계산에 필요한 센싱 데이터(휠 속도)를 생성하는 휠 속도 센서(42), 차고 변화 측정에 필요한 현가장치의 피스톤 움직임 속도-즉, 수직 진동 데이터-와 관련한 센싱 데이터를 생성하는 가속도/변위 센서(43), 댐퍼의 스로틀 포지션과 관련된 센싱 데이터를 생성하는 스로틀포지션 센서(TPS: Throttle position sensor, 미도시) 등을 포함할 수 있다.

TPS는 스로틀바디에 장착되어 있으며, 스로틀밸브의 개도를 감지하는 기능을 수행할 수 있다. 이를 위해 TPS는 스로틀밸브 축에 고정된 슬라이더암이 저항레일에 접촉된 상태로 미끄럼 운동을 하는 구조를 포함할 수 있다.

ECS 제어 장치(50)는 위치 정보 수집 모듈(51), 영상 처리 모듈(52), 피지컬 센싱 모듈(53), 특성 값 생성 모듈(54), 제어 값 결정 모듈(55), 제어 모듈(56), 노면 분류 모델 관리 모듈(57) 및 저장 모듈(58) 중 적어도 하나를 포함하여 구성될 수 있다.

GPS 수신부(10)는 GPS 신호를 복호하여 위치 정보를 생성하고, 생성된 위치 정보를 위치 정보 수집 모듈(51)에 제공할 수 있다. 여기서, 위치 정보는 위도 정보 및 경도 정보를 포함할 수 있다.

카메라부(20)는 적외선 카메라, 스테레오 카메라 또는 모노 카메라 중 어느 하나를 이용하여 형성될 수 있는데, 주행 중 전방 노면을 촬영하여 이미지 데이터 및 레이저 데이터를 생성하고, 소정 파장의 레이저 광 위치를 인식할 수 있는 카메라이면 족하다.

일반적으로 태양광은 모든 범위 파장의 빛을 방출하기 때문에 외부에서 태양광을 제외한 특정 범위의 파장만을 인식하기 위한 기술이 필요한데, 예컨대, TOF(Time of Flight) 카메라 기술이 특정 범위의 파장만을 인식하기 위한 용도로 이용될 수 있다.

TOF 카메라는 소정 주파수로 변조(modulation)된 빛이 피사체에서 반사되어 되돌아오는 과정에서 발생되는 위상(phase)의 지연 등을 이용하여 피사체를 탐지하는 카메라이다.

TOF 카메라의 동작원리를 살펴보면, TOF 카메라는 소정의 중심파장을 갖는 빛을 출사하는 광원을 포함하고 있으며, 그러한 광원에서 출사되는 빛을 소정 주파수로 변조시켜 탐지 대상 피사체에 조사를 하게 된다. 이후 피사체에 조사된 빛은 반사되어 TOF 카메라로 되돌아 오게 되며, TOF 카메라는 내장된 센서를 이용하여 되돌아오는 빛을 검출하게 된다. 이 경우 TOF 카메라에서 출사되는 빛과 피사체에 반사되어 되돌아오는 빛의 위상을 대비하게 되면 차량으로부터 피사체까지의 거리가 계산될 수 있다.

TOF 카메라의 정확도는 TOF 카메라에서 출사되는 빛의 변조 주파수(modulation frequency), 다이나믹 레인지(dynamic range) 또는 민감도(sensitivity) 등에 영향을 받게 되며, 그 결과 원하는 수준 이상의 정확도를 확보하기 위해서는 해당 거리에 적합한 주파수로 빛을 변조시켜 피사체에 조사하여야 한다.

IR 레이저부(30)는 라인 빔(Line Beam) 타입의 단일 광원을 출사하는 다수의 레이저 포인트로 형성될 수 있다. 일 예로, IR 레이저부(30)가 방사하는 레이저 광의 파장은 900nm 내지 1600nm 의 범위를 가질 수 있다.

본 발명의 일 실시 예는 차량에 구비된 고주파 적외선 레이저 포인트를 이용하여 레이저 광을 방사하게 되므로, 레이저 광을 운전자의 눈으로는 확인할 수 없고 카메라부(20)를 통해서만 인식 가능하도록 형성되므로 운전자의 시인성이 방해되거나 약화될 염려는 없다.

전자제어현가장치(ECS: Electronic Control Suspension, 60)는 주행속도와 도로조건에 따라 쇼크업소버(Shock Absorber)의 감쇠력(Damping Force)을 가변시켜 차체의 자세를 제어하고, 이를 통하여 승차감과 주행 안정성을 동시에 향상시키는 것을 목적으로 하는 전자 제어 시스템이다.

ECS(60)는 모터 및 유압장치 등을 사용하여 쇼크업소버의 감쇠력을 단계적으로 조절하는 방식이 사용될 수 있으며, 현재 에너지 소비, 구조의 복잡성 및 경제성 등을 이유로 고가의 차량에만 적용되고 있다.

일 예로, ECS(60)는 비포장도로에서는 차고를 높여 현가 특성을 부드럽게 하여 차제 보호 및 승차감을 향상시키고, 고속도로에서는 차고를 낮추어 공기저항을 감소시키고 현가 특성을 견고하게 하여 주행 안정상을 향상시킬 수 있다.

ECS(60)는 차체의 수직 가속도를 검출하는 차체 수직 가속도 센서(Body Vertical Acceleration Sensor)와 차륜의 수직 가속도를 검출하는 차륜 수직 가속도 센서(Wheel Vertical Acceleration Sensor)를 이용하여 차량의 승차감을 제어하며, 차량의 선회 시 ECS(60)의 댐핑력-즉, 감쇠력-을 최대한 이용하여 차량의 핸들링을 제어할 수 있다.

이하 ECS 제어 장치(50)의 동작을 상세히 설명하기로 한다.

위치 정보 수집 모듈(51)은 주행 중 차량의 현재 위치 정보를 수집할 수 있다.

영상 처리 모듈(52)은 카메라부(20)로부터 수신되는 전방 촬영 이미지 데이터를 처리하여 노면 상태 및 장애물의 종류를 식별할 수 있다.

영상 처리 모듈(52)에 의해 식별된 노면 상태 및 장애물 종류는 클러스터(70)를 통해 출력될 수 있다.

실시 예에 따른 카메라부(20)는 IR 레이저부(30)가 방사하는 레이저 광 또는 적외선 슬릿광이 장애물 또는 노면에 반사되면, 이를 흡수하여 좌표 형식으로 산출되는 레이저 데이터로 변환하는 기능을 수행할 수 있다.

이를 위해 카메라부(20)는 IR 레이저부(30)가 방사하는 레이저 광의 파장과 동일한 파장의 빛만 흡수하는 대역통과필터(Band Pass Filter) 렌즈(미도시)가 구비될 수 있다.

영상 처리 모듈(52)은 카메라부(20)로부터 수집된 이미지 데이터 및 레이저 데이터에 기반하여 노면 상태, 장애물 종류 및 현재 차량 위치로부터 감지된 장애물까지의 거리를 식별할 수 있다.

피지컬 센싱 모듈(53)은 피지컬 센싱부(40)로부터 각종 센싱 데이터를 수집하고, 수집된 센싱 데이터가 유효 범위 내에 있는지 판단할 수 있다.

특성 값 생성 모듈(54)는 유효 범위 내에 있는 센싱 데이터를 이용하여 감지된 장애물의 특성 값을 생성할 수 있다.

여기서, 특성 값은 장애물 특성 값, 댐핑 특성 값 및 관성 질량 특성 값을 포함할 수 있다.

장애물 특성 값은 해당 장애물의 높이 및 깊이, 장애물 폭, 장애물 진입 시 차량 바퀴의 입사각(θ) 및 장애물 스펙(d) 등을 포함할 수 있다.

댐핑 특성값은 피스톤 속도, 댐핑 비율(b)을 포함할 수 있다.

관성 질량 특성 값은 수직 가속도, 관성 질량(m) 및 승차감을 포함할 수 있다.

실시 예에 다른 노면 분류 모델은 위치 좌표 정보, 노면 종류 정보, 장애물 종류 정보, 장애물 특성 값, 댐핑 특성 값 및 관성 질량 특성 값을 포함하여 구성될 수 있다.

제어 값 결정 모듈(55)은 해당 특성 값에 상응하는 ECS(60) 제어 값을 결정할 수 있다.

제어 모듈(56)은 결정된 제어 값에 따라 ECS(60)를 제어할 수 있다.

노면 분류 모델 관리 모듈(57)은 새로운 노면 분류 모델을 생성하거나 기 생성된 노면 분류 모델을 장애물 통과시 측정된 각종 센싱 데이터에 기반하여 보정할 수 있다.

저장 모듈(58)은 노면 분류 모델 관리 모듈(57)에 의해 생성된 노면 분류 모델이 저장될 수 있다.

실시 예에 따른 제어 모듈(56)은 주행 중 전방 장애물을 감지하면 저장 모듈(56)을 참조하여 감지된 장애물에 상응하는 노면 분류 모델이 존재하는지 확인할 수 있다.

확인 결과, 감지된 장애물에 상응하는 노면 분류 모델이 존재하면, 제어 모듈(56)은 해당 노면 분류 모델에 상응하는 특성 값을 추출하고, 추출된 특성 값에 상응하는 ECS 제어 값을 제어 값을 결정 모듈(55)에 요청하여 획득할 수 있다.

제어 모듈(56)은 장애물 진입 시 획득된 제어 값으로 ECS(60)를 제어하고, 장애물 통과하는 동안 피지컬 센싱 모듈(53)이 새로운 센싱 데이터를 수집하도록 제어할 수 있다.

특성 값 생성 모듈(54)은 새롭게 수집된 센싱 데이터에 기반하여 특성 값을 보정하고, 보정된 특성 값으로 저장 모듈(58)의 해당 노면 분류 모델을 갱신할 수 있다.

제어 모듈(56)은 감지된 장애물에 상응하는 노면 분류 모델이 저장 모듈(58)에 존재하지 않는 경우, 영상 처리 모듈(52)이 카메라부(20)로부터 이미지 데이터 및 레이저 데이터를 수집하여 감지된 장애물의 종류를 식별하고 장애물까지의 거리를 산출하도록 제어할 수 있다.

도 2는 본 발명의 일 실시 예에 따른 ECS 제어 장치에서 장애물 종류 및 거리를 식별하는 방법을 설명하기 위한 도면이다.

도 2를 참조하면, ECS 제어 장치(50)의 영상 처리 모듈(52)은 카메라부(20)로부터 이미지 데이터 및 레이저 데이터를 수신할 있다(S210).

영상 처리 모듈(52)은 수신된 이미지 데이터를 전처리하고(S220), 전처리된 이미지 데이터에 기초하여 장애물의 종류를 식별할 수 있다(S230). 일 예로, 영상 처리 모듈(52)은 합성곱 신경망 알고리즘(CNN(Convolutional Neural Network) Algorithm)을 통해 이미지 데이터를 처리하여 장애물의 종류를 식별할 수 있다.

여기서, CNN 알고리즘은 필터링 기법을 인공신경망에 적용함으로써 이미지를 더욱 효과적으로 처리하기 위한 영상 처리 방법으로서, 이미지 분류 정확도를 최대화하는 필터를 자동으로 학습하여 이미지에 포함된 객체를 식별하는 장점이 있다.

영상 처리 모듈(52)에 의해 식별된 장애물의 종류는 클러스터(70)를 통해 출력될 수 있으며, 이를 통해 운전자는 전방에 위치한 장애물 종류를 인지할 수 있다.

영상 처리 모듈(52)은 카메라부(20)로부터 수신된 레이저 데이터에 기반하여 장애물까지의 거리를 산출할 수 있다(S240).

영상 처리 모듈(52)는 식별된 장애물 종류 및 장애물까지의 산출된 거리가 표시된 최종 이미지를 생성할 수 있다(S250).

여기서, 생성된 최종 이미지는 차량에 구비된 디스플레이 화면-예를 들면, 헤드업 디스플레이, 클러스터, 네비게이션 화면 등-을 통해 출력될 수 있다.

도 3은 본 발명의 일 실시 예에 따른 과속 방지턱 통과 시 해당 과속 방지턱에 상응하는 특성 값을 측정하는 방법을 설명하기 위한 도면이다.

도면 번호 310에 도시된 바와 같이, 장애물의 특성을 파악하기 위해서 센싱 데이터에 의해 측정 또는 계산되어야 하는 값은 장애물의 높이(c), 장애물의 폭(2*b) 및 입사각도(θ)를 포함할 수 있다.

도면 번호 310의 도면 부호 A, B, C 포인트는 가속도 센서의 센싱 데이터-즉, 수직 진동 데이터-에 기반하여 획득될 수 있다.

도면 번호 310의 도면 부호 a는 휠 속도 센서를 통해 A-B 구간의 휠 속도를 적분하여 산출될 수 있다.

도면 번호 310의 도면 부호 b는 A-C 구간의 차량 속도를 적분한 값을 2로 나누어 산출될 수 있다.

도면 번호 310의 도면 부호 θ(입사각)는 cos-1(b/a)로 계산될 수 있다.

도면 번호 310의 도면 부호 c는 a*sinθ로 계산될 수 있다.

이하에서는 장애물 통과에 필요한 시간 및 거리를 산출하는 절차를 설명하기로 한다.

(과정 1)

도면 번호 310 및 320을 참조하면, 장애물의 시작 포인트 A에서 장애물의 가장 높은 포인트 B까지 도달하는데 걸리는 시간과 거리는 다음과 같이 계산될 수 있다.

여기서, 시간은 가속도 센서로 측정했을 때, 수직 양의 방향(Z+)으로 급격한 변화가 시작된 지점과 수직 음의 방향(Z-)의 방향으로의 변화가 시작되는 지점 사이의 이동 시간으로 계산되고, 거리 a는 A-B 구간에서 휠 속도 센서를 통해 측정된 속도를 적분하여 산출될 수 있다.

(과정 2)

도면 번호 310 및 330을 참조하면, 장애물의 가장 높은 포인트 B에서 장애물의 종료점 C까지 도달하는데 걸리는 시간과 거리는 다음과 같이 계산될 수 있다.

여기서, 시간은 수직 음의 방향(Z-)의 방향으로의 변화가 시작되는 지점과 수직 방향으로의 변화가 급격히 줄어드는 지점 사이의 이동 시간으로 계산되고, 거리 b는 A-C 구간에서 차량의 속도를 적분하여 장애물의 폭을 산출하고, 산출된 장애물 폭을 2로 나누어 계산될 수 있다.

상기 과정 1 내지 2를 통해 거리 a, b가 계산되면, 입사각 θ는 cos-1(b/a)로 계산되고, 장애물의 높이 c는 a*sinθ로 계산될 수 있다.

도 4는 차체의 진동과 인체의 진동의 상관 관계를 설명하기 위한 도면이다.

도 4의 도면 번호 410을 참조하면, 도면 부호 a는 차체에 부착된 가속도 센서이고, 도면 부호 b는 인체의 머리 부분에 부착된 가속도 센서이다. 여기서, 사용된 모델은 ISO5982의 표준 인체 수직 진동 모델로서 수직 진동에 대한 인체의 진동 특성을 인체의 수직 진동 실험 결과와 검증을 통해 얻어진 인체의 수학적 모델이다.

따라서 가속도 센서 a에서 측정한 진동 특성은 승차감과 직결된다고 할 수 있다.

도면 번호 420에 도시된 그래프는 기계 시스템에서 부족제동 진동 특성을 보여준다.

상기 기계 시스템의 부족제동 진동 특성에 대한 미분 방정식 및 전달함수는 다음과 같다.

또는

<미분방적식>

<전달함수>

여기서, 관성력(I)

, 감쇠력(D)

, 탄성복원력(K)

, 여기력(F)=d,

,

이다.

c(스프링의 탄성계수)와 d(장애물 스펙)는 고정된 상태에서, m(차량의 관성질량)을 최소화하는 b(댐핑 비율)를 찾아 제어함으로써 최대오버슈트의 크기를 줄이면 차체의 진동과 인체에 전달되는 진동을 최소화하여 승차감이 개선될 수 있다.

도 5는 본 발명의 실시 예에 따른 노면 분류 모델에 포함되는 데이터를 설명하기 위한 도면이다.

도 5를 참조하면, 노면 분류 모델은 GPS 신호를 이용하여 획득된 위치 정보 별 카메라 촬영된 이미지 분석을 통해 획득된 노면 종류 및 장애물 종류, 피지컬 센서를 이용하여 획득 및 계산된 장애물 특성 값, 댐핑 특성 값 및 관성 질량 특성 값을 포함하여 구성될 수 있다.

장애물 특성 값은 해당 장애물의 높이 및 깊이(cm), 장애물의 폭(cm), 장애물 진입 시 차량 바퀴의 입사각(°) 및 장애물 스펙(d) 등을 포함할 수 있다.

댐핑 특성 값은 피스톤 속도(m/s), 댐핑 비율(Damping Ratio, b)을 포함할 수 있다.

관성 질량 특성 값은 수직 가속도(m/s2), 관성 질량(m) 및 승차감(1-10)을 포함할 수 있다. 여기서, 승차감은 값이 클수록 우수한 것을 의미한다.

상기 노면 분류 모델은 ECS 제어 장치(50)에 구비된 저장 매체에 기록되어 유지될 수 있으나, 이는 하나의 실시 예에 불과하며, 다른 실시 예는 노면 분류 모델에 관한 정보가 차량 외부 통신망에 연결된 서버(미도시)에 저장되고, 주행 중 차량의 요청에 따라 서버가 해당 노면 분류 모델에 관한 정보를 실시간 제공할 수도 있다.

도면 6은 본 발명의 실시 예에 따른 실시간 수집된 센싱 데이터에 기반하여 노면 분류 모델 특성 값을 보정하는 방법을 설명하기 위한 도면이다.

도면 번호 610을 참조하면, 그래프의 그래프의 x축은 댐핑 비율(b), y축은 장애물 스펙(d), z축은 차량의 관성질량(c)이다. c의 크기가 작을수록 승차감이 좋다고 할 수 있다.

도면 번호 620은 도면 본호 611의 확대한 그림이다.

도면 번호 621(포인트①)은 대상 장애물 영역(도면 부호 (1)에 해당됨) 내 유효 데이터들의 평균 값으로, 해당 장애물 특성 값(d)에서의 댐핑 비율( b )과 차량의 관성질량( c )에 대한 산술 평균으로 결정될 수 있다.

도면 번호 623(포인트②)는 포인트①(621)의 계산에 사용되는 유효 데이터이다.

도면 번호 624(포인트③)은 실측 데이터지만 포인트①(621)을 산출하는데 사용하지 않는 무효 데이터이다.

도면 부호 (1) 영역은 특정 상수 값을 가지는 장애물 특성 값 d (Obstacle)에 상응하는 평면을 의미한다.

도면 부호 (2) 영역은 (1) 영역 내 유효 데이터의 범위에 상응하는 평면이다.

도면 부호 (3) 영역은 새로운 센싱 데이터로 인해 옮겨진 유효 데이터 범위에 상응하는 평면이다.

특정 상수의 장애물 스펙(d=constant)에 대한 댐핑 비율(b)과 관성질량ⓒ 데이터를 라고 하면 이들의 평균은

이다.

이때, 측정된 모든 의 평균을 구하게 되면 신뢰도가 낮은 데이터가 포함될 수 있으므로 유효한 데이터를 입력값으로 선정해야 한다. 이를 위해 현재 평균값을 중심으로 일정 범위((1)영역)를 정하여 평균을 계산할 수 있다.

이후 같은 장애물 스펙의 장애물을 통과하며 (2)영역 내 새로운 센싱 데이터가 수집되면, 수집된 센싱 데이터를 평균 산출을 위한 입력 데이터에 포함시켜 계산하고, 이로 인해

이 변경되면, 유효 데이터 영역도 원래 유효 데이터 범위였던 (2)영역에서 새로운

-즉, 도면 번호 622-를 중심으로 하는 (3)영역으로 변경될 수 있다.

도 7은 본 발명의 일 실시 예에 따른 전자제어현가장치 제어 방법을 설명하기 위한 순서도이다.

도 7을 참조하면, 차량 주행이 시작되면, ECS 제어 장치(50)는 GSP 수신부(10)로부터 차량의 현재 위치 정보-예를 들면, 위도 및 경도-를 획득할 수 있다(S701).

ECS 제어 장치(50)는 주행 중 전방 장애물을 감지할 수 있다(S702). 일 예로, ECS 제어 장치(50)는 레이더, 라이다. 카메라 등의 수단을 이용하여 장애물의 존재 여부를 감지할 수 있다.

ECS 제어 장치(50)는 감지된 장애물에 상응하여 저장된 노면 분류 모델이 존재하는지 확인할 수 있다(S703).

확인 결과, 감지된 장애물에 상응하여 저장된 노면 분류 모델이 존재하면, ECS 제어 장치(50)는 클러스터(70)에 감지된 장애물에 관한 정보를 출력할 수 있다(S704). 여기서, 출력되는 정보는 장애물의 종류에 관한 정보, 장애물 주변 노면 상태에 대한 정보 등을 포함할 수 있으나 이에 한정되지는 않는다.

ECS 제어 장치(50)는 해당 노면 분류 모델에 상응하는 특성 값에 기초하여 ECS 제어 값을 결정 및 설정한 후 장애물에 진입할 수 있다(S705).

ECS 제어 장치(50)는 장애물 통과 중 피지컬 센싱부(40)로부터 신규 센싱 데이터를 획득할 수 있다(S706).

ECS 제어 장치(50)는 신규 센싱 데이터가 유효 데이터 범위 내인지 판단할 수 있다(S707).

판단 결과, 유효 데이터 범위 내인 경우, ECS 제어 장치(50)는 유효한 신규 데이터를 이용하여 해당 노면 분류 모델의 기존 특성 값을 오차 보정하고, 오차 보정된 특성 값에 기초하여 ECS 제어 값을 결정할 수 있다(S708).

상기 707 단계의 판단 결과, 신규 센싱 데이터가 유효 데이터 범위 밖인 경우, ECS 제어 장치(50)는 해당 신규 센싱 데이터를 폐기한 후(S709) 상기 701 단계를 수행할 수 있다.

상기한 703 단계에서 감지된 장애물에 상응하여 미리 저장된 노면 분류 모델이 존재하지 않는 경우, ECS 제어 장치(50)는 카메라부(20)로부터 센싱 데이터를 수집할 수 있다(S710). 여기서 센싱 데이터는 이미지 데이터 및 레이저 데이터 중 적어도 하나를 포함할 수 있다.

ECS 제어 장치(50)는 카메라부(20)로부터 수집된 센싱 데이터에 기초하여 장애물 종류 식별이 가능한지 판단할 수 있다(S711).

판단 결과, 장애물 종류 식별이 가능한 경우, ECS 제어 장치(50)는 식별된 장애물 종류에 가장 근접한 노면 분류 모델의 특성 값을 카메라부(20)로부터 수집된 센싱 데이터를 이용하여 옵셋 조정한 후 옵셋 조정된 특성 값에 따라 ECS 제어 값 설정하여 장애물에 진입할 수 있다(S712 내지 S713). 이때, ECS 제어 장치(50)는 장애물 통과 시 상기한 706 단계를 수행할 수 있다.

실시 예에 따른 ECS 제어 장치(50)는 상기한 710 단계 내지 712 단계를 통해 장애물에 진입한 후 피지컬 센싱부로부터 신규 센싱 데이터 획득하면, 획득된 신규 센싱 데이터에 기초하여 식별된 장애물에 대응하는 노면 분류 모델을 생성하여 내부 저장 매체에 저장할 수 있다.

실시 예로, 피지컬 센싱부(40)는 차량 속도 센서, 휠 속도 센서, 가속도 센서, 댐퍼의 스로틀포지션 센서 등을 포함할 수 있다.

피지컬 센싱부(40)로부터 수집되는 신규 센싱 데이터는 차속 데이터, 휠 속도 데이터, 댐퍼의 피스톤 가속도 데이터, 댐퍼의 스로틀 포지션 데이터 등이 포함될 수 있으며, ECS 제어 장치(50)는 피지컬 센싱부(40)로부터 수집된 신규 센싱 데이터에 기초하여 장애물의 높이/깊이, 폭, 입사각을 계산하고, 차체의 관성 질량을 최소화하는 댐핑 특성 값을 찾아 댐퍼를 제어할 수 있다.

도 8은 본 발명의 실시 예에 따른 차량이 장애물을 통과할 때 딥러닝을 통한 노면 분류 모델을 갱신 및 ECS 제어 절차를 설명하기 위한 도면이다.

도 8을 참조하면, 상황 A(810)는 차량이 일반 노면을 주행하며 작은 댐핑 특성을 가지고 주행하는 상황을 나타내고 있다. 여기서 차량은 GPS 수신기를 이용하여 차량의 현재 위치 정보를 획득하고, 카메라 및 IR 레이저를 통해 노면 정보-장애물 종류 및 노면 상태 정보 등-을 획득할 수 있으며, 해당 노면 정보에 적합한 ECS 제어 값으로 주행할 수 있다. 차량은 주행 중 내부 또는 외부 서버에 유지되는 데이터베이스를 참조하여 주행 경로상의 노면 분류 모델을 식별하고, 주행 예정인 도로의 전방에 장애물 발생을 인지하면 장애물 진입 직전 최적 댐핑 특성 정보를 획득하여 제어 값을 결정하고, 결정된 제어 값으로 ECS 댐핑력을 제어함으로써 승차감을 개선할 수 있다.

상황 B(820) 및 상황 C(830)는 차량이 상황 A(810)에서 도출한 댐핑 특성으로 장애물을 통과하는 상황을 나타내고 있다. 여기서는 차량은 장애물 통과 중 구비된 피지컬 센서들을 통해 신규 센싱 데이터를 수집하고, 수집된 신규 센싱 데이터에 기초하여 장애물의 높이, 폭, 입사각, 댐핑 특성, 관성 질량 등을 연산할 수 있다. 차량은 연산된 특성 값과 기존 특성 값을 비교하며 학습 보정할 수 있다.

상황 D(840)는 차량이 장애물을 완전히 통과한 후 매끈한 노면에서 균일한 속도로 주행하는 상황을 나타내고 있다.

본 명세서에 개시된 실시 예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 착탈형 디스크, CD-ROM과 같은 저장 매체(즉, 메모리 및/또는 스토리지)에 상주할 수도 있다.

예시적인 저장 매체는 프로세서에 커플링되며, 그 프로세서는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.

따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (20)

1. 카메라 및 GPS 수신기가 구비된 차량에서의 전자제어현가장치 제어 방법에 있어서,
   주행 중 상기 GPS 수신기를 이용하여 상기 차량의 위치 정보를 수집하는 단계;
   전방 장애물을 감지하면, 상기 감지된 장애물에 상응하여 기 생성된 노면 분류 모델의 존재 여부를 확인하는 단계;
   상기 확인 결과, 존재하면, 상기 존재 확인된 노면 분류 모델에 상응하는 제1 특성 값에 기초하여 제1 제어 값을 결정하는 단계;
   상기 장애물 진입 시 상기 결정된 제1 제어 값으로 전자제어현가장치를 제어하고, 피지컬 센서를 통해 신규 센싱 데이터를 수집하는 단계; 및
   상기 신규 센싱 데이터에 기반하여 상기 제1 특성 값을 보정하는 단계
   를 포함하는 전자제어현가장치 제어 방법.
   
2. 제1항에 있어서,
   상기 확인 결과, 상기 감지된 장애물에 상응하여 기 생성된 노면 분류 모델이 존재하지 않으면, 상기 카메라를 이용해 영상 처리를 수행하는 단계를 더 포함하는 전자제어현가장치 제어 방법.
   
3. 제2항에 있어서,
   상기 카메라를 이용해 영상 처리를 수행하는 단계는,
   상기 카메라로부터 이미지 데이터를 수집하는 단계; 및
   상기 이미지 데이터에 대해 합성곱 신경망 알고리즘을 적용하여 상기 장애물의 종류를 식별하는 단계
   를 포함하는 전자제어현가장치 제어 방법.
   
4. 제3항에 있어서,
   상기 카메라를 이용해 영상 처리를 수행하는 단계는,
   상기 카메라로부터 레이더 데이터를 수집하는 단계; 및
   상기 레이더 데이터를 이용하여 상기 차량으로부터 상기 감지된 장애물까지의 거리를 산출하는 단계
   를 더 포함하는 전자제어현가장치 제어 방법.
   
5. 제4항에 있어서,
   상기 식별된 장애물의 종류에 관한 정보를 상기 차량의 클러스터에 출력하는 단계를 더 포함하는 것을 특징으로 하는 전자제어현가장치 제어 방법.
   
6. 제1항에 있어서,
   상기 피지컬 센서는 차량 속도 센서, 휠 속도 센서, 가속도/변위 센서, 스로틀포지션 센서 중 적어도 하나를 포함하는 것을 특징으로 하는 전자제어현가장치 제어 방법.
   
7. 제1항에 있어서,
   상기 제1 특성 값은 장애물 특성 값, 댐핑 특성 값 및 관성 질량 특성 값을 포함하는 전자제어현가장치 제어 방법.
   
8. 제7항에 있어서,
   상기 장애물 특성 값은 장애물의 높이 또는 깊이 정보, 장애물의 폭 정보, 장애물로의 진입 각도인 입사각 정보 및 장애물 스펙 정보를 포함하고,
   상기 댐핑 특성 값은 피스톤 속도 정보 및 댐핑 비율 정보를 포함하고,
   상기 관성 질량 특성 값은 수직 가속도 정보, 관성 질량 정보 및 승차감 정보를 포함하는 것을 특징으로 하는 전자제어현가장치 제어 방법.
   
9. 제1항에 있어서,
   상기 특성 값을 보정하는 단계는,
   상기 신규 센싱 데이터가 유효 데이터 범위 내의 데이터인지 판단하는 단계;
   상기 유효 데이터 범위 내의 상기 신규 센싱 데이터의 평균을 산출하여 제2 특성 값을 생성하는 단계; 및
   상기 제2 특성 값과 상기 제1 특성 값을 비교하여 오차를 보정하는 단계
   를 포함하는 전자제어현가장치 제어 방법.
   
10. 제9항에 있어서,
    상기 오차 보정에 따라 상기 유효 데이터 범위도 조정되는 것을 특징으로 하는 전자제어현가장치 제어 방법.
    
11. 차량에 구비된 카메라부, GPS 수신부 및 피지컬 센싱부와 연동하여 전자제어현가장치를 제어하는 장치에 있어서,
    주행 중 상기 GPS 수신부로부터 차량의 위치 정보를 수집하는 위치 정보 수집 모듈;
    전방 장애물을 감지하면, 상기 감지된 장애물에 상응하여 기 생성된 노면 분류 모델의 존재 여부를 확인하고, 상기 전자제어현가장치의 댐핑력을 제어하는 제어 모듈;
    상기 존재 확인된 노면 분류 모델에 상응하는 제1 특성 값에 기초하여 상기 댐핑력에 상응하는 제1 제어 값을 결정하는 제어 값 결정 모듈;
    상기 댐핑력이 상기 결정된 제1 제어 값으로 설정된 상태에서 상기 감지된 장애물을 통과하는 동안, 상기 피지컬 센싱부로부터 신규 센싱 데이터를 수집하는 피지컬 센싱 모듈; 및
    상기 신규 센싱 데이터에 기반하여 상기 제1 특성 값을 보정하는 특성 값 생성 모듈
    을 포함하는 전자제어현가장치 제어 장치.
    
12. 제11항에 있어서,
    상기 확인 결과, 상기 감지된 장애물에 상응하여 기 생성된 노면 분류 모델이 존재하지 않으면, 상기 제어 모듈의 제어 신호에 따라 상기 카메라부와 연동하여 영상 처리를 수행하는 영상 처리 모듈을 더 포함하는 전자제어현가장치 제어 장치.
    
13. 제12항에 있어서,
    상기 영상 처리 모듈은,
    상기 카메라부로부터 이미지 데이터를 수집하는 수단; 및
    상기 이미지 데이터에 대해 합성곱 신경망 알고리즘을 적용하여 상기 장애물의 종류를 식별하는 수단
    을 포함하는 전자제어현가장치 제어 장치.
    
14. 제13항에 있어서,
    상기 영상 처리 모듈은,
    상기 카메라부로부터 레이더 데이터를 수집하는 수단; 및
    상기 레이더 데이터를 이용하여 상기 차량으로부터 상기 감지된 장애물까지의 거리를 산출하는 수단
    을 더 포함하는 전자제어현가장치 제어 장치.
    
15. 제14항에 있어서,
    상기 영상 처리 모듈은,
    상기 식별된 장애물의 종류에 관한 정보를 상기 차량의 클러스터에 출력하는 수단을 더 포함하는 것을 특징으로 하는 전자제어현가장치 제어 장치.
    
16. 제11항에 있어서,
    상기 피지컬 센싱부는 차량 속도 센서, 휠 속도 센서, 가속도/변위 센서, 스로틀포지션 센서 중 적어도 하나를 포함하는 것을 특징으로 하는 전자제어현가장치 제어 장치.
    
17. 제11항에 있어서,
    상기 제1 특성 값은 장애물 특성 값, 댐핑 특성 값 및 관성 질량 특성 값을 포함하는 전자제어현가장치 제어 장치.
    
18. 제17항에 있어서,
    상기 장애물 특성 값은 장애물의 높이 또는 깊이 정보, 장애물의 폭 정보, 장애물로의 진입 각도인 입사각 정보 및 장애물 스펙 정보를 포함하고,
    상기 댐핑 특성 값은 피스톤 속도 정보 및 댐핑 비율 정보를 포함하고,
    상기 관성 질량 특성 값은 수직 가속도 정보, 관성 질량 정보 및 승차감 정보를 포함하는 것을 특징으로 하는 전자제어현가장치 제어 장치.
    
19. 제11항에 있어서,
    상기 특성 값 생성 모듈은,
    상기 신규 센싱 데이터가 유효 데이터 범위 내의 데이터인지 판단하는 수단;
    상기 유효 데이터 범위 내의 상기 신규 센싱 데이터의 평균을 산출하여 제2 특성 값을 생성하는 수단; 및
    상기 제2 특성 값과 상기 제1 특성 값을 비교하여 오차를 보정하는 수단
    을 포함하는 전자제어현가장치 제어 장치.
    
20. 제19항에 있어서,
    상기 오차 보정에 따라 상기 유효 데이터 범위도 조정되는 것을 특징으로 하는 전자제어현가장치 제어 장치.

Images