KR20210102262A

KR20210102262A - 무결성 범위 결정 방법

Info

Publication number: KR20210102262A
Application number: KR1020217018308A
Authority: KR
Inventors: 레나 쉰들러; 마르코 림베르거
Original assignee: 로베르트 보쉬 게엠베하
Priority date: 2018-12-18
Filing date: 2019-12-09
Publication date: 2021-08-19
Also published as: CN113196109A; EP3899588A1; US20220063642A1; JP7284268B2; WO2020126596A1; JP2022513511A; DE102018222166A1

Abstract

본 발명은 매개변수 추정의 무결성 범위(1)를 결정하기 위한 방법에 관한 것이며, 무결성 범위(1)는, 추정되는 매개변수가 최소 확률로 존재하고 있는 범위를 나타내며, 상기 방법은 적어도 하기 단계들을 포함한다: a) 적어도 하나 이상의 제 1 센서(13)의 데이터(2)를 기반으로, 또는 무결성 정보의 결정을 위한 제 1 방법(4)을 기반으로 제 1 무결성 정보(5)를 결정하는 단계; b) 적어도 상기 제 1 센서와는 다른 하나 이상의 제 2 센서(14)의 데이터(3)를 기반으로, 또는 제 1 방법(4)과 다르면서 무결성 정보의 결정을 위한 제 2 방법(6)을 기반으로 제 2 무결성 정보(7)를 결정하는 단계; 및 c) 적어도 제 1 무결성 정보(5)와 제 2 무결성 정보(7)를 병합하는 것을 통해 무결성 범위(1)를 결정하는 단계.

Description

무결성 범위 결정 방법

본 발명은 무결성 범위(integrity range)를 결정하기 위한 방법, 상응하는 방법을 수행하기 위한 컴퓨터 프로그램, 상기 컴퓨터 프로그램이 저장되어 있는 기계 판독 가능 저장 매체, 및 차량을 위한 제어 장치에 관한 것이며, 상기 제어 장치는 상응하는 방법을 실행하도록 구성된다. 본 발명은 특히 자율 주행과 관련하여 적용하기 위해 적합하다.

자율 주행을 위해 가장 중요한 과제들 중 하나는 자율 주행 차량의 자기 위치(ego position)의 최대한 정확하고 신뢰성 있는 결정이다. 자율 주행 차량은 일반적으로 차량이 자기 위치를 추정할 수 있는데 이용되는, 예컨대 관성 센서들, 휠 센서들, 환경 센서들, GNSS 센서들, 광학 센서들 및/또는 음향 센서들과 같은 센서들을 포함한다. 이와 관련하여, 결정된 자기 위치에 추가로, 상기 자기 위치의 (예상되는) 추정 정밀도에 대한 정보도 출력될 때 도움이 될 수 있다. 이와 관련하여, 예컨대 결정된 자기 위치의 신뢰성은 이른바 "보호 레벨(PL: Protection Level)"을 통해 표현될 수 있다. 이 경우, PL은, 자체의 계산이 일반적으로 통계적 고려, 및 경우에 따라 추가로 추정 알고리즘들의 적합한 조정을 기반으로 하는 것인 통계적 오류 한계(statistical error limit)를 나타낼 수 있다.

특히 항공 비행에서 보호 레벨을 제공하는 개념은 보급되어 있다. 그러나 여기서 개발된 해결책들은 자율 주행의 적용 분야에 간단히 준용될 수는 없다. 특히 예컨대 도심지 협곡들 및 위성 신호들에 대한 그들의 영향은 항공 비행 적용 분야에서 발생하지 않는 문제들을 나타낸다. 그러므로 특히 예컨대 도시 지역들처럼 까다로운 환경들에서도 신뢰성 있는 결과들을 공급할 수 있는, 최대한 신뢰성 있는 보호 레벨의 계산을 위한 개선된 방법들이 바람직하다.

본원에서는, 청구항 제 1 항에 따라, 매개변수 추정의 무결성 범위를 결정하기 위한 방법이 제안되며, 상기 무결성 범위는, 추정되는 매개변수가 최소 확률로 (실제로) 존재하는 범위를 나타내며, 상기 방법은 적어도 하기 단계들을 포함한다:

a) 적어도 하나 이상의 제 1 센서의 데이터를 기반으로, 또는 무결성 정보의 결정을 위한 제 1 방법을 기반으로 제 1 무결성 정보를 결정하는 단계;

b) 적어도 제 1 센서와는 다른 하나 이상의 제 2 센서의 데이터를 기반으로, 또는 제 1 방법과 다르면서 무결성 정보의 결정을 위한 제 2 방법을 기반으로 제 2 무결성 정보를 결정하는 단계; 및

c) 적어도 제 1 무결성 정보와 제 2 무결성 정보를 병합하는 것을 통해 무결성 범위를 결정하는 단계.

단계 a) 및 b)는 바람직하게는 적어도 부분적으로 병행하여, 또는 심지어 동시에 수행될 수 있다. 또한, 바람직하게는 단계 a) 및 b)는 적어도 부분적으로 단계 c) 이전에 수행된다.

무결성 범위는, 추정되는 매개변수(매개변수 값)가 최소 확률로 (실제로) 존재하는 범위를 나타낸다. 이 경우, 추정되는 매개변수(매개변수 값)는 원칙상 매개변수 추정의 (개별, 특히 순간) 추정 결과를 나타낸다. 이는, 달리 말하면, 특히 무결성 범위가, 추정되는 매개변수의 실수 값(real value) 또는 실제 값(actual value)이 최소 확률로 존재하는 범위를 나타낸다는 것을 의미한다. 또한, 상기 무결성 범위는 이른바 "보호 레벨"이라고도 할 수 있다.

최소 확률은 일반적으로 사전 정의된 최소 확률이다. 바람직하게는 최소 확률은 90%이며, 특히 바람직하게는 95%이며, 또는 심지어 99%이다.

추정되는 매개변수의 실수 값 또는 실제 값이 실제로 보호 레벨에 존재하는 최소 확률은 "통상적인" 무결성 범위들의 경우보다 매우 훨씬 더 높다. 여기서 최소 확률은 통상 99.99%를 초과하며, 특히 바람직하게는 99.999%를 초과하며, 또는 심지어 99.9999%를 초과한다. 최소 확률은 보호 레벨에서 백분율로 표현되는 것이 아니라, 가능한 오류들에서 정해진 시간 간격으로 표현될 수 있다. 보호 레벨은, 예컨대 문제의 매개변수가 10년에 최대 한 번 보호 레벨을 벗어나도록 정의될 수 있다. 보호 레벨은 예컨대 단위가 없는 확률로서, 또는 비율로서, 다시 말하면 시간 간격에 걸친 오류 발생 확률로서 표현될 수 있다.

바람직하게는, 본원 방법은, 자기 위치 또는 다른 주행 작동 매개변수의 추정의 무결성을 나타내는 무결성 범위를 결정하기 위해 이용된다. 이는, 달리 말하면, 특히 매개변수가 바람직하게는 예컨대 차량의 자기 위치와 같은 주행 작동 매개변수라는 것을 의미한다. (따라서) 본원 방법은 예컨대 차량 위치의 위치 추정의 무결성 범위를 결정하기 위해 이용될 수 있다. 이 경우, 무결성 범위는, 차량의 추정되는 자기 위치가 최소 확률로 (실제로) 존재하는 범위를 나타낼 수 있다. 이 경우, 데이터는 차량의 센서들에 의해 검출될 수 있다. 차량의 자기 위치의 추정에 대한 대안으로, 또는 그에 추가해서, 본원 방법은 차량의 자기 속도(ego speed), 배향, 자기 이동 등의 추정을 위해서도 사용될 수 있다.

무결성 범위가 항상 메인 내비게이션 솔루션에 따라서만 결정되는 해결책들에 비해, 본원에서 제안되는 해결책은, 결정이 동적으로(보다 더 동적으로) 수행될 수 있다는 특별한 장점을 허용한다. 이 경우, 메인 내비게이션 솔루션으로서, 예컨대 칼만 필터(Kalman filter)가 이용될 수 있다. 그에 의해 결정된 무결성 정보들은, 위치 정보들처럼, 마찬가지로 필터(칼만 필터)에 특징적인 소정의 평활화의 대상이 된다. 그러나 무결성 정보들의 경우, 예컨대 도심지 협곡들에서 GNSS 신호의 차폐(shadowing)가 발생할 수 있는 곳인 가령 도시 지역들에서처럼, 예컨대 무결성이 빠르게 변경될 수 있는 환경에서 평활화는 바람직하지 않을 수 있다.

본원에서는, 이제, 결과적으로 (상이한 유형, 예컨대 평활화되고 평활화되지 않은) 무결성 정보들을 토대로, 무결성 범위가 항상 메인 내비게이션 솔루션에 따라서만 결정되는 해결책보다 추정(전체 추정)의 무결성을 동적으로(더 동적으로) 나타낼 수 있는 병합된 무결성 범위를 수득하기 위해, (동일한 추정되는 매개변수와 관련하여) 상이한 센서들을 기반으로, 및/또는 상이한 방법들에 의해 결정된 무결성 정보들을 병합하는 것이 최초로 제안된다.

매개변수 추정은 원칙상 (동일한) 매개변수의 추정을 위한 하나 또는 복수의 방법을 포함할 수 있다. 예컨대 매개변수 추정은 서로 상이한 적어도 2가지 방법, 가령 매개변수의 추정을 위한 제 1 방법 및 이 제 1 방법과 다른 제 2 방법을 포함할 수 있다. 바람직하게는, 더 나아가 추정의 무결성을 통해 무결성 정보도 제공할 수 있고 및/또는 결정할 수 있는 매개변수의 추정을 위한 방법들이 이용된다.

단계 a)에서, 제 1 센서의 데이터를 기반으로, 및/또는 무결성 정보의 결정을 위한 제 1 방법을 기반으로 특히 매개변수 추정에 대한, 또는 하나의 추정되는 매개변수로 제 1 무결성 정보의 결정이 수행된다. 이는, 달리 말하면, 특히 단계 a)에서, 매개변수 추정의 추정 결과에 대한, 또는 매개변수 추정의 무결성에 대한 제 1 무결성 정보가 제 1 센서의 데이터를 기반으로, 및/또는 무결성 정보의 결정을 위한 제 1 방법을 기반으로 결정된다는 것을 의미한다.

제 1 센서는 바람직하게는 자동차의 센서이다. 예컨대 제 1 센서는 GNSS 센서, (가령 레이더 센서, 라이다 센서, 초음파 센서 및/또는 카메라 센서와 같은) (광학 및/또는 음향) 환경 센서, 관성 센서, 및/또는 (가령 휠 속도 센서 및/또는 휠 원주속도 센서와 같은) 휠 센서일 수 있다.

제 1 방법은, 원칙상, 매개변수 추정의 근거가 되는 동일한 방법(방법 유형)이거나, 또는 그 방법들(방법 유형들) 중 하나일 수 있다. 그러나 이는 반드시 필요하지는 않다. 오히려, 제 1 방법이 매개변수 추정의 근거가 되는 방법과 무관한 것도 가능하다.

단계 b)에서, 적어도 제 1 센서와는 다른 하나 이상의 제 2 센서의 데이터를 기반으로, 또는 제 1 방법과 다르면서 무결성 정보의 결정을 위한 제 2 방법을 기반으로, 특히 매개변수 추정에 대한, 또는 하나(상기)의 추정되는 매개변수로 제 2 무결성 정보의 결정이 수행된다. 이는, 달리 말하면, 특히 단계 b)에서, 매개변수 추정의 추정 결과에 대한, 또는 매개변수 추정의 무결성에 대한 제 2 무결성 정보가 제 2 센서의 데이터를 기반으로, 및/또는 무결성 정보의 결정을 위한 제 2 방법을 기반으로 결정된다는 것을 의미한다.

제 2 센서는 바람직하게는 자동차의 센서이다. 예컨대 제 2 센서는 GNSS 센서, (가령 레이더 센서, 라이다 센서, 초음파 센서 및/또는 카메라 센서와 같은) (광학 및/또는 음향) 환경 센서, 관성 센서, 및/또는 (가령 휠 속도 센서 및/또는 휠 원주속도 센서와 같은) 휠 센서일 수 있다.

제 2 방법은, 원칙상, 매개변수 추정의 근거가 되는 동일한 방법(방법 유형)이거나, 또는 그 방법들(방법 유형들) 중 하나일 수 있다. 그러나 이는 반드시 필요하지는 않다. 오히려, 제 2 방법이 매개변수 추정의 근거가 되는 방법과 무관한 것도 가능하다. 단계 a) 및 b)에 이용되는 데이터는 일반적으로 동일한 시간 표시(time stamp), 또는 시간상 조밀하게 나란히 위치하는 시간 표시들을 포함한다.

추정되는 매개변수를 위한 제 2 무결성 정보가 제 1 센서와는 다른 하나 이상의 제 2 센서의 데이터를 기반으로 결정된다면, 무결성 정보의 결정을 위한 제 1 방법 및 제 2 방법은 동일할 수 있거나, 또는 동일한 유형일 수 있다. 이렇게, 예컨대 제 1 무결성 정보 및 제 2 무결성 정보를 결정하기 위해, 서로 상이한 센서들 또는 센서 유형들(예: 휠 속도 센서 및 GNSS 센서)의 데이터가 동일한 유형의 방법들에 의해 처리될 수 있으며, 예컨대 각각 필터링될 수 있다.

단계 c)에서, 무결성 범위의 결정은, 적어도 제 1 무결성 정보 및 제 2 무결성 정보를 (상호 간에) 병합하는 것을 통해 수행된다. 이런 경우, 예컨대 적어도 제 2 무결성 정보(및/또는 경우에 따른 추가(예: 제 3, 제4 등) 무결성 정보)와 제 1 무결성 정보의 경우에 따른 가중 중첩이 수행될 수 있다.

바람직하게는, 무결성 범위는 신뢰성 간격(confidence interval)이다. (신뢰 범위 또는 신뢰 간격 및 예상 범위라고도 하는) 신뢰성 간격은, 매개변수(예: 평균값)의 자세 추정(pose estimation)의 정밀도를 명시해야 하는, 통계학을 토대로 한 간격이다. 신뢰성 간격은, 소정의 확률(신뢰성 레벨)로 랜덤 실험(randeom experiment)의 무한 반복 동안 매개변수의 참 자세(true pose)를 포함하는 범위를 명시한다.

여기서, 무결성 정보들은 예컨대 각각의 매개변수 추정의 분산(variance) 및/또는 잔차(residual)일 수 있다. 더 나아가, (제 1 및/또는 제 2) 무결성 정보는 (대안으로서) 추정의 분산, 및/또는 잔차, 및/또는 신뢰성에 대한 (다른) 지표에 따라서 결정되는 정보일 수도 있다. 예컨대 제 1 무결성 정보는 제 1 신뢰성 범위일 수 있고, 제 2 무결성 정보는 제 2 신뢰성 범위일 수 있다.

바람직한 구현예에 따라서, 본원 방법이 자동차의 주행 작동 매개변수의 매개변수 추정의 무결성 범위를 결정하기 위해 이용되는 것이 제안된다. 주행 작동 매개변수는 일반적으로 자동차의 주행 작동의 안전 임계 또는 안전 관련 매개변수이다. 바람직하게는, 주행 작동 매개변수는 적어도 부분적으로 자동화 방식으로, 또는 심지어 자율적으로 작동하는(또는 작동되는) 자동차의 주행 작동의 (안전 임계 또는 안전 관련) 매개변수이다.

여기서, 주행 작동 매개변수는, 자동차의 공간상 주행 작동 또는 공간에서 자동차의 작동을 나타내는 것에 기여하는 매개변수를 의미한다. 특히, 주행 작동 매개변수는, 적어도 주행 작동 매개변수는 자동차의 자기 이동 및/또는 자기 위치를 나타내는 것에 기여한다. 주행 작동 매개변수는 예컨대 자동차의 위치(자기 위치), 속도(자기 속도), 가속도(자기 가속도) 또는 자세(또는 배향)일 수 있다. 바람직하게는 주행 작동 매개변수는 자동차의 자기 위치이다.

또 다른 바람직한 구현예에 따라서, 적어도 제 1 센서 또는 제 2 센서가 자동차 내에 또는 상에 배치되는 것이 제안된다. 예컨대 제 1 센서는 내비게이션 위성 데이터를 수신하는 GNSS 센서일 수 있다. 제 2 센서는 (GNSS 센서들이 아닌) (또 다른) 차량 센서일 수 있다. 방금 언급한 차량 센서들은 예컨대 관성 센서(IMU: 관성 측정 유닛), 휠 속도 센서, 조향 각도 센서, 속도 센서 및/또는 가속도 센서일 수 있다. 또한, 제 1 센서 또는 제 2 센서는 가령 (스테레오) 카메라 센서, 레이더 센서 또는 라이다 센서와 같은 광학 센서일 수도 있거나, 또는 가령 초음파 센서와 같은 음향 센서일 수도 있다.

또 다른 바람직한 구현예에 따라서, 제 1 무결성 정보로서 제 1 무결성 범위가 결정되는 것이 제안된다. 이와 관련하여, 단계 a)에서, 추정되는 매개변수를 위한 제 1 무결성 범위의 결정은 적어도 하나 이상의 제 1 센서의 데이터를 기반으로, 또는 무결성 범위의 결정을 위한 제 1 방법을 기반으로 수행될 수 있다. 바람직하게는, 제 1 무결성 정보로서 제 1 보호 레벨이 결정된다.

또 다른 바람직한 구현예에 따라서, 제 2 무결성 정보로서 제 2 무결성 범위가 결정되는 것이 제안된다. 이와 관련하여, 단계 b)에서, 추정되는 매개변수를 위한 제 2 무결성 범위의 결정은, 적어도 제 1 센서와는 다른 하나 이상의 제 2 센서의 데이터를 기반으로, 또는 제 1 방법과 다르면서 무결성 범위의 결정을 위한 제 2 방법을 기반으로 수행될 수 있다. 바람직하게는, 제 2 무결성 정보로서 제 2 보호 레벨이 결정된다. 더 나아가, 추가(제 3, 제 4 등) 무결성 정보로서, 추가 보호 레벨(제 3 보호 레벨, 제 4 보호 레벨 등)도 결정될 수 있다.

이 경우, 보호 레벨은 추정되는 매개변수(매개변수 값)가 최소 확률로 (실제로) 존재하는 (공간상, 특히 2차원 또는 3차원) 범위를 나타낸다. 이 경우, 추정되는 매개변수(매개변수 값)는 원칙상 매개변수 추정의 (개별, 특히 순간) 추정 결과를 나타낸다. 이는, 달리 말하면, 특히 보호 레벨이 추정되는 매개변수의 실수 값 또는 실제 값이 최소 확률로 존재하는 범위를 나타낸다는 것을 의미한다.

또 다른 말로 표현하면, 보호 레벨은 특히 추정되는 매개변수의 참값(true value)이 최소 확률로 위치해 있는 신뢰성 간격 또는 (공간상의) 신뢰성 범위를 나타낸다. 이 경우, 매개변수의 추정 값(estimated value)은 통상 신뢰성 간격 또는 신뢰성 범위의 중앙 또는 중심에 위치한다.

또한, 이와 관련하여 바람직하게는, 무결성 범위로서, 적어도 제 1 무결성 범위와 제 2 무결성 범위를 병합하는 것을 통해 결정되는 전체 무결성 범위가 결정된다. 특히, 무결성 범위로서, 적어도 제 1 보호 레벨과 제 2 보호 레벨을 병합하는 것을 통해 결정되는 전체 보호 레벨이 결정된다. 비록, 앞서 제 1 또는 제 2 보호 레벨이 결정되지 않았다고 하더라도, 바람직하게는 무결성 범위는 보호 레벨이거나, 또는 상기 무결성 범위가 보호 레벨로서 출력된다.

더 나아가, 단계 c)에서, 제 2 보호 레벨과 제 1 보호 레벨의 타당성 검사(교차 타당성 검사)도 수행되고, 및/또는 그 반대로도 수행된다. 또한, 추가(제 3) 보호 레벨과 제 1 보호 레벨 및/또는 제 2 보호 레벨의 타당성 검사(교차 타당성 검사)가 수행될 수 있고, 및/또는 그 반대로도 수행될 수 있다.

무결성 정보의 결정을 위한 방법들은 특히 최소 제곱 방법들, 특히, "순차 최소 제곱법", 필터 방법들, 특히 예컨대 "확장 칼만 필터", "무향 칼만 필터" 및/또는 입자 필터, 해치 필터처럼, 칼만 필터에 의해 실현될 수 있는 필터 방법들 중 2개 이상일 수 있다. 더 나아가, 원칙상 상태를 나타내는 함수들도 가능하다.

예컨대 무결성 정보의 결정을 위한 제 1 방법으로서는 최소 제곱 방법이 이용될 수 있다. 최소 제곱 방법은, 특히 (오직) GNSS 데이터 또는 내비게이션 위성 데이터를 기반으로, 비교적(특히 칼만 필터에 비해) 동적인 결정을 수행하기 위해 특히 바람직하게 이용될 수 있다.

최소 제곱 방법(약어: LS(least squares), 기존 표현: 최소 편차 제곱 합의 방법)은 조정 계산(adjustment computation)을 위한 수학적 표준 방법이다. 이 경우, 일반적으로 데이터 포인트 클라우드(data point cloud)에 대해, 데이터 포인트들에 최대한 가깝게 연장되는 곡선이 검색된다.

예컨대 무결성 정보의 결정을 위한 제 2 방법으로서는 칼만 필터가 이용될 수 있다. 칼만 필터를 이용한 결정은, 비교적(특히 최소 제곱 방법에 비해) 신뢰성 있는 결정을 수행하기 위해 특히 바람직하게 이용될 수 있다.

보통은, 가령 입력 측정치들을 실시간으로 처리하는 국소화 센서들에서의 위치, 속도, 자세 및/또는 시간(PVAT)과 같은 목표 매개변수들을 추정하기 위해 칼만 필터 기술들이 이용된다. 자동차 적용 분야들에서의 측정들은 예컨대 GNSS(전역 내비게이션 위성 시스템), IMU(관성 측정 유닛), 휠 속도 센서들, 및/또는 조향 각도 센서들의 관찰일 수도 있다. 레이더, 라이다 또는 카메라와 같은 광학 센서들도 국소화 시스템의 부분일 수 있다. 일반적으로, 칼만 필터는, 내비게이션 위성 데이터(GNSS 데이터)와, 가령 관성 데이터와 같은 하나 이상의 추가 차량 센서의 데이터의 센서 데이터 병합을 수행하도록 구성된다. 칼만 필터링의 이용에 대한 기준들은 다양하다. 특히 데이터 이력은 PVAT 업데이트의 매칭 동안 솔루션의 안정성을 바람직한 방식으로 개선하기 위해 고려될 수 있다.

예컨대 최소 제곱 방법이 제 1 방법으로서 이용되고 칼만 필터는 제 2 방법을 제공한다면, 특히 바람직하게는 병합은, 최소 제곱 방법의 기울기들(gradient) 또는 빠른 변화량들(fast changes)이 칼만 필터의 솔루션(배경 솔루션)에 가산되는 방식으로 수행된다.

또 다른 바람직한 구현예에 따라서, 단계 c)에서, 제 1 무결성 정보와 제 2 무결성 정보의 가중화(weighting)가 수행되는 것이 제안된다. 이는, 병합이 상황에 따라서 개선될 수 있다는 특별한 장점을 허용한다.

바람직하게는, 가중화는 추정에 대한 정밀도 요건에 따라서 수행될 수 있다. 예컨대 주차 기동 동안, 고속도로 상에서의 주행 기동의 경우보다 더 높은 위치 정밀도가 필요할 수 있다. 더 나아가, 정밀도 요건은 차량의 주행 속도에 따라 증가할 수도 있다.

그 대안으로, 또는 그에 추가해서, 가중화는 센서들 및/또는 차량이 순간적으로 위치하는 환경에 따라서 수행될 수 있다. 예컨대, 센서들 또는 차량이 고속도로 또는 지방도로에 위치해 있거나 내비게이션 위성들에 대한 시야를 방해하지 않는다면, 결정적으로, 또는 심지어는 내비게이션 위성 데이터(GNSS 데이터)만을 근거로 하는 무결성 정보에 할당된 가중치는 증가될 수 있다.

그에 비해, 센서들 또는 차량이 도시에, 특히 도심지 협곡에 위치된다면, 적어도 부분적으로 (GNSS 센서들이 아닌) 차량 센서들을 근거로 하는 무결성 정보들에 할당된 가중치들은 증가될 수도 있다. 이는 예컨대 도심지 협곡들 및/또는 터널들 내에서 위성 신호들의 감소된 수신을 고려하는 것에 기여할 수 있다.

또한, 더 나아가, 일시적으로 단지 결정된 무결성 정보들만이 고려될 수도 있다. 예컨대 일시적으로 적어도 부분적으로 (GNSS 데이터가 아닌) 차량 센서 데이터를 근거로 하는 무결성 정보들만이 고려될 수 있다. 이는 예컨대 위성 수신이 불가능하거나, 또는 제한된 위성 수신만이 가능한 기간 동안만 수행될 수 있다.

그 대안으로서, 또는 그에 추가해서, 일시적으로 적어도 부분적으로 위성 데이터 또는 GNSS 데이터를 근거로 하는 무결성 정보들만이 고려될 수 있다. 이는 예컨대 다른 차량 센서들이 간섭을 받거나 결함이 있는 기간 동안 수행될 수 있다.

이는, 달리 말하면, 특히 (일시적으로) 제 1 또는 제 2(또는 경우에 따라 (단지) 추가) 무결성 정보가 (순간) 무결성 범위로서 출력될 수 있다는 것을 의미한다. 이는, 특히 상응하는 센서 정보들의 가용성에 따라서 수행된다.

가중화는, 예컨대 추정 오류를 확실하게 검출하는 신뢰성과 추정 오류를 검출하기 위한 반응 시간 간의 절충이 실현되는 방식으로 수행될 수 있다. 이 경우, 차량이 이동되는 환경에 따라서, 예컨대 보다 더 동적인 제 1 무결성 정보 또는 평활화된 제 2 무결성 정보에 따라서, 예컨대 상응하는 가중치들의 매칭을 통해 더욱 높은 신뢰가 제공될 수 있다.

바람직하게는, 가중화는 (또한) 무결성 정보들의 결정을 위한 이용되는 방법들의 특성들에 따라서 수행된다. 이렇게, 무결성 범위가 상대적으로 더 동적으로 결정되어야 한다면, 예컨대 상대적으로 더 동적인 방법에 할당된 가중치는 증가될 수 있다. 특히 이와 관련하여, 가중화는 이용되는 방법들의 동적 특성들 및/또는 필터 특성들에 따라서 수행된다.

또 다른 바람직한 구현예에 따라서, 추정되는 매개변수를 위한 제 3 무결성 정보가 적어도 하나 이상의 제 3 센서의 데이터를 기반으로, 또는 무결성 정보의 결정을 위한 제 3 방법을 기반으로 결정되며, 상기 제 3 무결성 정보도 단계 c)에서 병합할 때 고려되는 것이 제안된다.

또 다른 양태에 따라서, 여기서 제안되는 방법의 수행을 위한 컴퓨터 프로그램도 제안된다. 이는, 달리 말하면, 특히 컴퓨터를 통해 프로그램을 실행할 때 컴퓨터로 하여금 본원에 기재된 방법을 실행하도록 하는 명령어들을 포함하는 컴퓨터 프로그램(컴퓨터 프로그램 제품)에 관한 것이다.

또 다른 양태에 따라서, 본원에서 제안되는 컴퓨터 프로그램이 저장되어 있는 기계 판독 가능 저장 매체도 제안된다. 기계 판독 가능 저장 매체는 컴퓨터 판독 가능 데이터 매체이다.

또 다른 양태에 따라서, 자동차를 위한 제어 장치도 제안되며, 상기 제어 장치는 본원에서 제안되는 방법을 수행하도록 구성된다. 제어 장치는 바람직하게는 자기 국소화(ego localization)를 위한 장치(또는 컴퓨터)이다.

또한, 더 나아가, 본원에서 제안되는 제어 장치를 포함하는 자동차도 제안될 수 있다. 자동차는 바람직하게는 자동화 방식으로, 및/또는 자율적으로 작동하는 차량, 특히 자율 주행 자동차이다.

본원 방법과 관련하여 논의된 세부사항들, 특징들 및 바람직한 구현예들은 그에 상응하게 본원에서 제안되는 컴퓨터 프로그램, 저장 매체, 제어 장치 및/또는 차량에서도 제시되며, 그리고 그 반대의 경우도 마찬가지다. 이런 점에 한해, 특징들의 더 상세한 특징화를 위해 설명들은 전체 범위에서 참조된다.

본원에서 제안되는 해결책 및 그 기술 환경은 하기에서 도면들을 참고로 더 상세하게 설명된다. 주지할 사항은, 본 발명이 도시된 실시예들에 의해 제한되어서는 안 된다는 것이다. 특히 명확하게 달리 설명되어 있지 않은 것에 한해, 도면들에서 설명되는 내용들에서 부분 양태들을 추출하여 다른 도면들 및/또는 본원 명세서에서의 다른 구성요소들 및/또는 지식들과 조합할 수도 있다.

도 1은 본원에서 제안되는 방법의 예시적인 흐름도이다.
도 2는 본원에서 제안되는 제어 장치의 예시적인 실시형태를 포함한 차량을 도시한 개략도이다.
도 3은 편차 정보들의 예시적인 시간 곡선들을 나타낸 그래프이다.

도 1에는, 본원에서 제안되는 방법의 예시적인 흐름도가 개략적으로 도시되어 있다. 상기 방법은 매개변수 추정의 무결성 범위(1)를 결정하기 위해 이용되며, 상기 무결성 범위는, 추정되는 매개변수가 최소 확률로 존재하는 범위를 나타낸다. 블록들 110, 120 및 130로 도시되어 있는 방법 단계들 a), b) 및 c)의 순서는 일반적으로 정규 작동 흐름에서 설정된다. 특히 단계 a) 및 b)는 적어도 부분적으로 병행하여, 또는 심지어 동시에 수행될 수 있다.

블록 110에서, 제 1 무결성 정보(5)의 결정은 적어도 하나 이상의 센서(13)의 데이터(2)를 기반으로, 또는 무결성 정보의 결정을 위한 제 1 방법(4)을 기반으로 수행된다. 블록 120에서, 제 2 무결성 정보(7)의 결정은 적어도 제 1 센서와는 다른 하나 이상의 제 2 센서(14)의 데이터(3)를 기반으로, 또는 제 1 방법(4)과 다르면서 무결성 정보의 결정을 위한 제 2 방법(6)을 기반으로 수행된다. 블록 130에서, 무결성 범위(1)의 결정은 적어도 제 1 무결성 정보(5)와 제 2 무결성 정보(7)를 병합하는 것을 통해 수행된다.

도 2에는, 본원에서 제안되는 제어 장치(11)의 예시적인 실시형태를 포함하는 자동차(10)가 개략적으로 도시되어 있다. 제어 장치(11)는 본원에서 제안되는 방법을 수행하도록 구성된다. 제어 장치(11)는 여기서 예시적으로 자동차(10)의 순간 자기 위치를 결정하기 위해 이용된다.

제어 장치(11)는 차량(10)의 자기 위치에 대한 추론을 가능하게 하는 데이터(2, 3)를 수신할 수 있다. 예컨대 차량(10)의 안테나(13)를 통해 내비게이션 위성들(12)로부터의 GNSS 데이터(2)가 수신될 수 있다. GNSS는 전역 내비게이션 위성 시스템을 나타낸다. GNSS 데이터(2)는, 예컨대 각각의 위성들(12)의 위치에 대한 추론을 허용하면서 자신의 전파 시간은 삼각측량의 방법으로 차량(10)의 자기 위치를 결정하기 위해 평가될 수 있는 신호들을 포함한다. 더 나아가, 차량 내부의 데이터(3)는, 예컨대 관성 센서(14)(IMU), 속도 센서(15) 및 조향 각도 센서(16)와 같은 차량의 센서들로부터 수신될 수 있다.

제어 장치(11) 내에서는 상기 데이터(2, 3)를 기반으로 여기서 예시적으로 병행 진행되는 2가지 방법(4, 6)에 의해 각각 자동차(10)의 자기 위치가 추정될 뿐만 아니라 추정되는 자기 위치를 위한 각각 하나의 무결성 정보(5, 7)도 결정된다. 이는, 달리 말하면, 특히 방법들(4, 6)이 자동차(10)의 자기 위치의 추정을 위한, 그리고 추정되는 자기 위치로 무결성 정보(5, 7)의 결정을 위한 방법들이라는 것을 의미한다. 따라서, 자기 위치는 여기서 추정되는 매개변수에 대한 일례를 나타낸다.

제 1 방법(4)으로서는 여기서는 예시로서 최소 제곱 방법이 이용된다. 예컨대 최소 제곱 방법은, (단지) 검출되는 GNSS 데이터(2)(만)를 기반으로 차량(10)의 (순간) 자기 위치를 추정하기 위해 그리고 이렇게 추정되는 자기 위치의 무결성에 대한 제 1 무결성 정보(5)를 제공하기 위해 이용된다. 일반적으로 단지 하나의 유형의 데이터, 여기서는 예시로서 GNSS 데이터(2)를 고려하고 규칙적으로 처리 이력 및/또는 데이터 이력의 고려 없이 기능하는 최소 제곱 방법은 통상 측정값 변화량들에 대해 매우 동적으로 반응한다. 그러나 상기 방법의 단점은 (칼만 필터에 비해) 감소된 정밀도에 있다.

제 1 추정 결과는 일반적으로 최소 제곱 방법에 의해 결정된, 차량(10)의 (추정되는) 자기 위치를 포함한다. 제 1 무결성 정보(5)는, 일반적으로 최소 제곱 방법에 의해 결정되는 (추정되는) 무결성 정보를 포함한다. 제 1 무결성 정보(5)는, 예컨대 최소 제곱 방법의 적용 동안 예상되는, 실제 자기 위치로부터의 편차일 수 있다. 상기 편차는 예컨대 분산 및/또는 잔차를 포함할 수 있다. 그 대안으로ㅅ서또는 그에 추가해서, 제 1 무결성 정보(5)는 이미 제 1 보호 레벨도 포함할 수 있다.

제 2 추정은 여기서는 예시로서 칼만 필터에 의해 수행된다. 제 2 방법(5)은, 그에 상응하게 차량 내부의 데이터(3)의 GNSS 데이터(2)의 병합(센서 병합)을 기반으로 하고 일반적으로는 처리 이력 및/또는 데이터 이력도 고려한다. 일반적으로 자기 위치의 제 2 추정 결과 및 제 2 추정 결과의 무결성에 대한 제 2 무결성 정보(7)를 포함하고 칼만 필터에서 기인하는 정보는, 오히려 평활화 상태이거나 평활화될 수 있고 입력 측정치들의 모델 구동형 저역 통과 필터로서 해석될 수 있다.

이런 경우, 제 2 추정 결과는 일반적으로 칼만 필터에 의해 결정되는 차량(10)의 (추정되는) 자기 위치와, 제 2 무결성 정보(7)로서 칼만 필터에 의해 결정되는, 차량(10)의 (추정되는) 자기 위치의 무결성에 대한 칼만 필터에 의해 결정되는 (추정되는) 무결성 정보를 포함한다. 제 2 무결성 정보(7)는 예컨대 칼만 필터의 적용 동안 예상되는, 실제 자기 위치로부터의 편차일 수 있다. 상기 편차는 예컨대 분산 및/또는 잔차를 포함할 수 있다. 그 대안으로서, 또는 그에 추가해서, 제 2 무결성 정보(7)는 이미 제 2 보호 레벨도 포함할 수 있다.

무결성 범위(1)는 여기서는 적어도 제 1 무결성 정보(5)와 제 2 무결성 정보(7)를 병합하는 것을 통해, 또는 제 1 무결성 정보(5)와 제 2 무결성 정보(7)의 병합(17)의 결과로서 결정된다. 이 경우, 제 1 무결성 정보(5) 및 제 2 무결성 정보(7)의 가중화도 수행될 수 있다.

예컨대 병합은, 여기서 제 1 방법(4)을 나타내고 (제 2 방법(6)에 비해) 낮은 정밀도를 갖는 최소 제곱 방법의 기울기들 또는 빠른 변화량들이 여기서 제 2 방법(6)을 제공하는 칼만 필터의 정확하고 평활화된 배경 솔루션에 가산되는 방식으로 수행될 수 있다. 이는 도 3에 그래프로, 그리고 예시로 도시되어 있다.

가중화는, 예컨대 추정 오류를 확실하게 검출하는 신뢰성과 추정 오류를 검출하기 위한 반응 시간 간의 절충이 실현되는 방식으로 수행될 수 있다. 이 경우, 자동차(10)가 이동되는 환경에 따라서, 예컨대 보다 더 동적인 제 1 무결성 정보(5) 또는 평활화된 제 2 무결성 정보(7)에 따라서, 예컨대 상응하는 가중치들의 매칭을 통해 더욱 높은 신뢰가 제공될 수 있다.

예컨대 병합된 칼만 필터 솔루션을 근거로 하는 제 2 무결성 정보(7)의 정밀도를 유지하기 위해서도, 최소 제곱 방법을 근거로 하는 제 1 무결성 정보(5)는, 두 솔루션 간의 차이에 적용되는 이른바 "해치" 필터를 통해 보상될 수 있다.

그렇게 하여, 병합(17)의 결과로서 출력되는 (순간) 무결성 범위(1)는, 바람직한 방식으로, 최소 제곱 방법의 동적 거동과 칼만 필터의 신뢰성을 통합하거나 조합할 수 있다. 상기 무결성 범위(1)는 예컨대 차량의 (순간) 결정된 자기 위치의 보호 레벨(전체 보호 레벨)일 수 있다.

도 2에는, 그 밖에도, 예시로서, 추정되는 매개변수를 위한 하나 이상의 제 3 무결성 정보(9)도 적어도 하나 이상의 제 3 센서(15)의 데이터(3)를 기반으로, 또는 무결성 정보의 결정을 위한 제 3 방법(8)을 기반으로 결정될 수 있고 추가 무결성 정보(9)는 단계 d)에서의 병합 동안 고려될 수 있는 것이 도시되어 있다.

도 3에는, 편차 정보들(18)의 예시적인 시간 곡선들이 개략적으로 도시되어 있다. 도 3에 따라서, 편차 정보(18)는 시간(19)에 걸쳐 도시되어 있다.

실선으로 도시된 상부 곡선은 제 1 무결성 정보(5)의 시간 곡선을 도시한다. 상기 제 1 무결성 정보는 여기서는 예시로서 최소 제곱 방법을 기반으로 결정된다. 제 1 무결성 정보(5)는 여기서는 예컨대 (단지) 최소 제곱 방법의 적용 동안 예상되는, 차량의 실제 위치로부터의 편차를 나타낸다.

실선으로 도시된 하부 곡선은 제 2 무결성 정보(7)의 시간 곡선을 도시한다. 상기 제 2 무결성 정보는 여기서는 예시로서 칼만 필터 솔루션을 기반으로 결정되거나, 또는 칼만 필터에 의해 출력된다. 제 2 무결성 정보(7)는 여기서는 예컨대 (단지) 칼만 필터의 적용 동안 예상되는, 차량의 실제 위치로부터의 편차를 나타낸다.

파선으로 도시된 곡선은 예시로서 병합(17)의 결과로서 결정되는 무결성 범위(1)의 곡선을 도시한다. 상기 무결성 범위는 제 2 무결성 정보(7)의 신뢰성과 제 1 무결성 정보(5)의 동적 특성을 통합한다.

1: 무결성 범위
2: 제 1 센서의 데이터
3: 제 2 센서의 데이터, 제 3 센서의 데이터
4: 무결성 정보의 결정을 위한 제 1 방법
5: 제 1 무결성 정보
6: 무결성 정보의 결정을 위한 제 2 방법
7: 제 2 무결성 정보
8: 무결성 정보의 결정을 위한 제 3 방법
9: 제 3 무결성 정보
10: 자동차, 차량
11: 제어 장치
12: 내비게이션 위성
13: 제 1 센서, 차량의 안테나
14: 제 2 센서, 관성 센서
15: 속도 센서, 제 3 센서
16: 조향 각도 센서
17: 병합
18: 편차 정보
19: 시간
110: 블록
120: 블록
130: 블록

Claims

매개변수 추정의 무결성 범위(1)를 결정하기 위한 방법으로서, 상기 무결성 범위(1)는 추정되는 매개변수가 최소 확률로 존재하고 있는 범위를 나타내는, 상기 무결성 범위 결정 방법에 있어서, 적어도,
a) 적어도 하나 이상의 제 1 센서(13)의 데이터(2)를 기반으로, 또는 무결성 정보의 결정을 위한 제 1 방법(4)을 기반으로 제 1 무결성 정보(5)를 결정하는 단계;
b) 적어도 상기 제 1 센서와는 다른 하나 이상의 제 2 센서(14)의 데이터(3)를 기반으로, 또는 상기 제 1 방법(4)과 다르면서 무결성 정보의 결정을 위한 제 2 방법(6)을 기반으로 제 2 무결성 정보(7)를 결정하는 단계; 및
c) 적어도 상기 제 1 무결성 정보(5)와 상기 제 2 무결성 정보(7)를 병합하는 것을 통해 상기 무결성 범위(1)를 결정하는 단계를 포함하는, 무결성 범위 결정 방법.
제 1 항에 있어서, 상기 방법은 자동차(10)의 주행 작동 매개변수의 매개변수 추정의 무결성 범위(1)를 결정하기 위해 이용되는, 무결성 범위 결정 방법.
제 1 항 또는 제 2 항에 있어서, 적어도 상기 제 1 센서(13) 또는 상기 제 2 센서(14)는 자동차(10) 내에 또는 상에 배치되는, 무결성 범위 결정 방법.
제 1 항 내지 제 3 항 중 어느 한 항에 있어서, 제 1 무결성 정보(5)로서 제 1 무결성 범위가 결정되는, 무결성 범위 결정 방법.
제 1 항 내지 제 4 항 중 어느 한 항에 있어서, 제 2 무결성 정보(7)로서 제 2 무결성 범위가 결정되는, 무결성 범위 결정 방법.
제 1 항 내지 제 5 항 중 어느 한 항에 있어서, 단계 c)에서, 상기 제 1 무결성 정보(5)와 상기 제 2 무결성 정보(7)의 가중화가 수행되는, 무결성 범위 결정 방법.
제 1 항 내지 제 6 항 중 어느 한 항에 있어서, 상기 추정되는 매개변수를 위한 제 3 무결성 정보(9)는 적어도 하나 이상의 제 3 센서(15)의 데이터(3)를 기반으로, 또는 무결성 정보의 결정을 위한 제 3 방법(8)을 기반으로 결정되되, 상기 제 3 무결성 정보(9)도 단계 c)에서 병합할 때 고려되는, 무결성 범위 결정 방법.
제 1 항 내지 제 7 항 중 어느 한 항에 따른 방법의 수행을 위한 컴퓨터 프로그램.
제 8 항에 따른 컴퓨터 프로그램이 저장되어 있는 기계 판독 가능 저장 매체.
자동차(10)용 제어 장치(11)로서, 상기 제어 장치(11)는 제 1 항 내지 제 7 항 중 어느 한 항에 따른 방법을 수행하도록 구성되는, 자동차용 제어 장치(11).