KR20220027327A - 딥러닝 기반 노면판단 모델을 이용한 터레인모드 제어 방법 및 장치 - Google Patents

딥러닝 기반 노면판단 모델을 이용한 터레인모드 제어 방법 및 장치 Download PDF

Info

Publication number
KR20220027327A
KR20220027327A KR1020200107699A KR20200107699A KR20220027327A KR 20220027327 A KR20220027327 A KR 20220027327A KR 1020200107699 A KR1020200107699 A KR 1020200107699A KR 20200107699 A KR20200107699 A KR 20200107699A KR 20220027327 A KR20220027327 A KR 20220027327A
Authority
KR
South Korea
Prior art keywords
vehicle
road surface
friction coefficient
terrain mode
road
Prior art date
Application number
KR1020200107699A
Other languages
English (en)
Inventor
박신기
이권희
Original Assignee
현대모비스 주식회사
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 현대모비스 주식회사 filed Critical 현대모비스 주식회사
Priority to KR1020200107699A priority Critical patent/KR20220027327A/ko
Priority to JP2021134197A priority patent/JP2022040023A/ja
Priority to US17/409,333 priority patent/US11565706B2/en
Priority to DE102021121807.1A priority patent/DE102021121807A1/de
Priority to CN202110990294.7A priority patent/CN114194196B/zh
Publication of KR20220027327A publication Critical patent/KR20220027327A/ko

Links

Images

Classifications

    • 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
    • B60W40/02—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 ambient conditions
    • B60W40/06—Road conditions
    • B60W40/068—Road friction coefficient
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K35/00—Arrangement of adaptations of instruments
    • B60K35/22—
    • B60K35/26—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R11/02—Arrangements for holding or mounting articles, not otherwise provided for for radio sets, television sets, telephones, or the like; Arrangement of controls thereof
    • B60R11/0229—Arrangements for holding or mounting articles, not otherwise provided for for radio sets, television sets, telephones, or the like; Arrangement of controls thereof for displays, e.g. cathodic tubes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R11/04—Mounting of cameras operative during drive; Arrangement of controls thereof relative to the vehicle
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B60W10/06—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units including control of combustion engines
    • 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
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/10—Conjoint control of vehicle sub-units of different type or different function including control of change-speed gearings
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/02—Control of vehicle driving stability
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/14—Adaptive cruise control
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/182—Selecting between different operative modes, e.g. comfort and performance modes
    • 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
    • B60W40/02—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 ambient conditions
    • B60W40/06—Road conditions
    • 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
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R2021/0002—Type of accident
    • B60R2021/0004—Frontal collision
    • 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
    • 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
    • B60W2050/0019—Control system elements or transfer functions
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/143—Alarm means
    • 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
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/146—Display means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo or light sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B60W2420/408—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/30—Wheel torque
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/40—Coefficient of friction
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/06—Combustion engines, Gas turbines
    • 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
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/10—Change speed gearings
    • B60W2710/1005—Transmission ratio engaged
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/14—Cruise control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/18—Propelling the vehicle
    • B60Y2300/182—Selecting between different operative modes, e.g. comfort and performance modes

Abstract

본 개시의 일부 실시예는, 딥러닝 기반 학습모델을 이용하여 차량 스스로 노면상태를 추정하고, 차량이 주행 중인 노면에 최적화된 터레인모드를 판단하여, 차량 내 각 모듈을 제어함으로써 터레인모드를 자동으로 제어하는 방법 및 장치에 관한 것이다.

Description

딥러닝 기반 노면판단 모델을 이용한 터레인모드 제어 방법 및 장치 {Method And Apparatus for Controlling Terrain Mode Using Road Condition Judgment Model Based on Deep Learning}
본 개시의 실시예들은 딥러닝 기반 노면판단 모델을 이용한 터레인모드 제어 방법 및 장치에 관한 것이다. 더욱 상세하게는, 사전에 트레이닝된 딥러닝 기반 노면판단 모델 및 카메라로부터 입수한 노면데이터를 이용하여 터레인모드를 제어하는 방법 및 터레인모드를 제어하는 장치에 관한 것이다.
이 부분에 기술된 내용은 단순히 본 발명에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
차량의 주행성능은 젖은 노면(wet road), 비포장 노면(off-road), 모래(sand)와 진흙(mud)을 포함하는 노면, 눈(snow)이 쌓인 노면 등 다양한 노면상태(road surface condition)에 대응하여 달라진다. 차량 제조사(automobile manufacturer)들은 차량이 다양한 노면상태에 적극적으로 대응하여 주행성능을 향상시킬 수 있도록 차량 내에 장착되는 전자 제어유닛(electronic control unit)의 연구개발을 진행하였다.
그 결과, 운전자가 현재 주행 중인 노면상태에 대응하는 특정 터레인모드(terrain mode)를 선택함으로써, 차량의 구동계통(drive system), 변속시점(shift time), 제동계통(brake system)을 제어할 수 있는 터레인모드 제어 기술이 상용화되고 있다.
터레인모드 제어 기술은 운전자가 육안(naked eye)을 이용해 노면상태를 판단하는 과정, 조그셔틀 다이얼(jog-shuttle dial)을 이용하여 특정 터레인모드를 선택하는 과정, 선택된 터레인모드에 따라서 차량 내 각 모듈(module)의 동작상태(operation state)가 변경되는 과정으로 수행된다. 조그셔틀 다이얼이란 차량 내 부착 가능한 물리적 버튼(physical button)의 다양한 유형 중 하나를 의미하고, 자동차 제조 시 다른 유형의 버튼으로 변경될 수 있다.
하지만, 종래의 터레인모드 제어 기술은 운전자가 직접 육안을 이용해 노면상태를 판단해야 하고, 터레인모드 변경을 위해 운전자의 추가적인 조작(manipulation)을 필요로 하며, 차량 내에 물리적 버튼 또는 소프트 버튼(soft button)과 같은 장치를 별도로 구비해야 한다는 한계를 가진다.
현재 자동차 관련 기술은 차량 스스로 주행을 수행하는 자율주행 자동차(autonomous vehicle)를 구현하는 방향으로 발전하고 있는데, 종래의 터레인모드 제어 기술 수행 시 여러 단계에서 인간이 개입해 고도화된 자율주행(autonomous driving) 기술을 구현하기 어렵다는 문제점이 있다.
따라서 레벨4(level four) 이상의 고도화된 자율주행 기술을 구현하기 위한 기반 기술로서 차량이 보다 적극적으로 터레인모드 제어를 수행하고, 자율주행 보조 기능을 제어할 수 있는 기술의 도입이 필요한 실정이다.
본 개시의 일 실시예는, 사전에 트레이닝된 딥러닝 기반 학습모델(learning model based on deep learning)을 이용하여 운전자의 개입 없이 차량 스스로 노면상태를 판단하고, 다양한 노면상태에 대응하여 주행상태(driving state)를 변경하는 기술을 제공하는 데 주된 목적이 있다.
본 실시예의 다른 측면에 의하면, 차량이 ESC(Electronic Stability Control)가 개입할 만한 한계 주행상황이 아닌 일반 주행상황에서도 노면상태 및 노면에 최적화된 터레인모드를 판단한 이후, 터레인모드에 관한 정보를 운전자에게 제공하는 데 다른 주된 목적이 있다.
본 실시예의 또 다른 측면에 의하면, 차량 제조 시 차량 내에 별도의 물리적 버튼을 장착할 필요가 없어짐으로써 차량 생산단가(manufacturing cost)를 낮추고, 차량 내부에 여유공간을 확보해 운전자의 편의를 향상시키는 데 다른 주된 목적이 있다.
본 개시의 일 실시예에 의하면, 노면(road surface)에 최적화된 터레인모드(terrain mode)로 차량의 주행상태를 자동으로 제어하는 방법에 있어서, 상기 차량이 주행 중인 노면을 촬영한 노면데이터(road surface data)를 상기 차량에 장착된 카메라로부터 입수하는 과정; 상기 노면데이터를 사전에 트레이닝된 딥러닝(deep learning) 기반의 학습모델에 입력하여 상기 노면에 대응하는 노면 마찰계수(road friction coefficient)를 추정하는 과정; 상기 노면 마찰계수를 이용하여 상기 차량이 주행 중인 노면에 최적화된 터레인모드를 판단하고, 최적화된 터레인모드 정보를 생성하는 과정; 및 상기 최적화된 터레인모드 정보에 기반하여 차량 내 모듈(module)을 제어하는 과정을 포함하는 것을 특징으로 하는 차량의 주행상태를 자동으로 제어하는 방법을 제공한다.
본 개시의 다른 실시예에 의하면, 차량의 터레인모드(terrain mode) 제어를 보조하는 방법에 있어서, 상기 차량에 장착된 카메라로부터 상기 차량이 주행 중인 노면(road surface)을 촬영한 노면데이터(road surface data)를 입수하는 과정; 상기 노면데이터를 사전에 트레이닝된 딥러닝(deep learning) 기반의 학습모델에 입력하여 상기 노면에 대응하는 노면 마찰계수(road friction coefficient)를 추정하는 과정; 상기 노면 마찰계수를 이용하여 상기 차량이 주행 중인 노면에 최적화된 터레인모드를 판단하는 과정; 및 상기 최적화된 터레인모드 정보를 제공하는 과정을 포함하는 것을 특징으로 하는 차량의 터레인모드 제어를 보조하는 방법을 제공한다.
본 개시의 또 다른 실시예에 의하면, 차량의 자율주행(autonomous driving) 제어를 보조하는 방법에 있어서, 상기 차량에 장착된 카메라로부터 상기 차량이 주행 중인 노면(road surface)을 촬영한 노면데이터(road surface data)를 입수하는 과정; 상기 노면데이터를 사전에 트레이닝된 딥러닝(deep learning) 기반의 학습모델에 입력하여 상기 노면에 대응하는 노면 마찰계수(road friction coefficient)를 추정하는 과정; 및 상기 노면 마찰계수를 이용하여 상기 차량의 주행한계치를 판단하고 상기 주행한계치를 기반으로 차량 내 모듈(module)을 제어하는 과정을 포함하는 것을 특징으로 하는 차량의 자율주행 제어를 보조하는 방법을 제공한다.
본 개시의 또 다른 실시예에 의하면, 차량에 장착된 카메라(camera)로부터 상기 차량이 주행 중인 노면(road surface)을 촬영한 노면데이터(road surface data)를 입수하고, 사전에 트레이닝된 딥러닝(deep learning) 기반 학습모델(learning model)을 포함하며, 상기 노면데이터를 상기 딥러닝 기반 학습모델에 입력하여 상기 노면에 대응하는 노면 마찰계수(road friction coefficient)를 추정하는 노면상태 추정부(estimation unit for road surface condition); 상기 노면 마찰계수를 이용하여 상기 차량이 주행 중인 노면에 최적화된 터레인모드(terrain mode)를 판단하는 터레인모드 판단부(terrain mode determining unit); 및 상기 터레인모드 정보를 이용하여 차량 내 모듈(module)을 제어하는 터레인모드 제어부(terrain mode control unit)를 포함하는 것을 특징으로 하는 차량의 터레인모드 자동 제어 장치를 제공한다.
본 개시의 또 다른 실시예에 의하면, 이러한 노면(road surface)에 최적화된 터레인모드(terrain mode)로 차량의 주행상태를 자동으로 제어하는 방법이 포함하는 각 과정을 실행시키기 위하여 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
이상에서 설명한 바와 같이 본 개시에 의하면, 차량 내 장착된 카메라가 노면데이터를 입수하고, 노면상태 추정부(estimation unit for road surface condition)가 상기 노면데이터를 사전에 트레이닝된 딥러닝 기반의 학습모델에 입력하여 상기 노면에 대응하는 노면 마찰계수 정보를 추정한다. 이로써 운전자가 직접 육안으로 노면상태를 확인할 필요 없이, 차량 스스로 노면상태를 판단하고 상기 노면상태에 대응하는 터레인모드에 관한 정보를 운전자에게 제공하여 운전자의 편의를 향상시킬 수 있다는 이점이 있다.
또한, 터레인모드 판단부가 상기 노면상태 추정부로부터 상기 노면 마찰계수 정보를 제공받아 상기 차량이 주행 중인 노면에 최적화된 터레인모드를 스스로 판단하고, 상기 최적화된 터레인모드에 관한 정보를 ESC, ECU(Engine Control Unit), TCU(Transmission Control Unit) 등의 터레인모드 제어부를 이용하여 주행상태를 제어함으로써 운전자의 추가적인 조작 없이도 터레인모드 변경이 가능하다는 이점이 있다.
뿐만 아니라, 차량 내에 운전자의 조작을 돕기 위한 물리적 버튼을 장착할 필요가 없어 차량 생산단가를 낮추고, 차량 내부에 여유공간을 확보해 차량 내부 설계의 자유도를 향상시킬 수 있다.
도 1의 (a)는 본 개시의 일 실시예에 따른 터레인모드 자동 제어장치의 블록구성도, 도 1의 (b)는 본 개시의 일 실시예에 따른 차량의 자율주행 제어를 보조하는 방법을 위한 관련 구성을 설명하기 위한 예시도이다.
도 2는 본 개시의 일 실시예에 따른 딥러닝 기반 학습부의 블록구성도이다.
도 3은 본 개시의 일 실시예에 따른 딥러닝 기반 학습모델의 트레이닝 방법을 설명하기 위한 순서도이다.
도 4a는 본 개시의 일 실시예에 따른 터레인모드 자동 제어방법을 나타내는 순서도이다.
도 4b는 본 개시의 일 실시예에 따른 자율주행 제어 보조방법을 나타내는 순서도이다.
이하, 본 발명의 일부 실시예들을 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 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 발명의 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. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 '포함', '구비'한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한 명세서에 기재된 '…부', '모듈' 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
최근 딥러닝 기법을 기반으로 하여 영상데이터(image data)로부터 물리적 정보(physical information)를 추정(estimation)하는 기능이 향상되고 있다. 본 개시의 실시예의 경우, 이러한 정보를 추정하는 기능에 기반하여 차량 스스로 노면상태를 판단하고, 주행상태(driving state)를 제어할 수 있는 새로운 방법을 제안한다.
보다 자세하게는, 노면상태 추정부(estimation unit for road surface condition)가 딥러닝 기반 학습모델을 기반으로 노면 마찰계수 정보를 계산하고, 운전자의 개입이 없는 상태에서 엔진 출력, 차량 주행방향, 제동 속도 및 제동 시점 등을 제어하는 장치, 방법 및 이의 활용방법을 제안한다.
한편, 본 개시의 실시예는 자율주행(autonomous driving) 또는 반자율주행(semi-autonomous driving) 차량에서의 주행상태 제어 방법에 대해 기재하고 있으나, 이는 설명의 편의를 위한 것으로서, 카메라 및 전자 제어유닛을 장착한 다양한 이동수단에 적용될 수 있다.
첨부된 도면과 함께 이하에 개시될 발명의 설명은 본 발명의 예시적인 실시 형태를 설명하고자 하는 것이며, 본 발명이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다.
도 1의 (a)는 본 개시의 일 실시예에 따른 터레인모드 자동 제어장치의 블록구성도이다.
본 실시예에 따른 테레인모드 자동 제어장치(apparatus for automatically controlling terrain mode, 100)는 데이터 수집부(DCU: Data Collection Unit, 106), 노면 마찰계수 추정부(estimation unit for road friction coefficient, 110), 학습부(learning unit, 112), 터레인모드 판단부(terrain mode determining unit, 114), 터레인모드 제어부(terrain mode control unit, 116)를 전부 또는 일부 포함한다.
도 1의 (a)에 도시된 터레인모드 자동 제어장치(100)는 본 개시의 일 실시예에 따른 것으로서, 도 1의 (a)에 도시된 모든 블록이 필수 구성요소는 아니며, 다른 실시예에서 터레인모드 자동 제어장치(100)에 포함된 일부 블록이 추가, 변경 또는 삭제될 수 있다. 예컨대, 터레인모드 판단부(114)와 터레인모드 제어부(116) 사이에 운전자와 통신이 가능한 통신부(communication unit, 미도시)를 추가하면, 터레인모드 자동 제어장치(100)는 현재 주행 중인 노면상태에 최적화된 터레인모드 정보를 운전자에게 제공하고, 운전자가 응답한 터레인모드에 따라 차량 내 각 모듈(module)을 제어하는 차량의 터레인모드 제어 보조장치(apparatus for assisting control of terrain mode, 미도시)로 동작할 수 있다.
터레인모드 자동 제어장치(100)는 노면데이터를 입수하고, 노면 마찰계수를 추정하여, 노면에 적합한 터레인모드(terrain mode)를 판단하고, 다양한 지형(terrain)에 대응하여 주행상태(driving state)를 변경한다. 터레인모드란, 차량 제조사(automobile manufacturer)가 각 노면 별로 최적화된 기준값(reference value)을 계산하고, 이를 이용하여 차량 내 각 터레인모드 제어부에 기 설정한 주행상태(driving state)를 의미한다. 운전자 또는 시스템이 다양한 터레인모드 중 특정 터레인모드를 선택하는 경우, 차량 내 각 터레인모드 제어부가 기 설정된 기준값으로 주행상태를 변경할 수 있다. 이하, 터레인모드 자동 제어장치(100)에 포함된 각각의 구성요소에 대해 설명하도록 한다.
노면상태 추정부(102)는 카메라(104)로부터 입수한 노면데이터(road surface data) 및 딥러닝 기반 학습모델(learning model based on deep learning)을 기반으로 추정한 노면 마찰계수(road friction coefficient) 정보를 터레인모드 판단부에게 전송한다. 노면상태 추정부(102)는 딥러닝 기반 학습모델을 트레이닝시키는 전자 제어유닛(electronic control unit)일 수 있다.
카메라(104)는 차량의 일측에 장착되어 차량의 주변 영역을 촬영한 이미지 또는 영상 등의 노면데이터를 제공한다. 데이터 수집부(106)는 카메라(104)로부터 노면데이터를 입수하고, 이를 저장하는 데이터 저장부(data storage unit, 108)를 포함할 수 있다. 다른 실시예에서, 데이터 수집부(106)는 카메라(104)의 노면데이터를 수집하는 것에 더하여 차량의 일측에 장착되어 차량 주변 물체에 신호를 발사한 이후, 물체로부터 반사되어 되돌아온 신호를 해석하는 레이더(RADAR, 미도시) 또는 라이다(LiDAR, 미도시)로부터 노면데이터를 입수하여 저장할 수 있다.
노면 마찰계수 추정부(110)는 도로상태 관련 특징(feature)에 해당하는 노면데이터를 이용하여 노면 마찰계수 정보를 추정하고, 추정된 노면 마찰계수 정보를 랜덤 액세스 메모리(RAM, Random Access Memory) 등의 기억장치에 임시 저장한 후, CAN(Controller Area Network) 버스(bus)를 이용하여 터레인모드 판단부(114)에게 노면 마찰계수를 전송한다.
학습부(112)는 카메라, 레이더 또는 라이다로부터 노면데이터를 입수하고, 노면데이터 상에 노면 마찰계수를 라벨링하여 라벨링 데이터(labeling data)를 생성한다. 이후, 라벨링 데이터를 이용하여 딥러닝 기반의 학습모델을 트레이닝시킨다. 본 개시의 일 실시예에 있어서, 학습부(112)는 노면상태 추정부(102)와 연동되는 별개의 자립형 장치로 구현될 수 있다.
터레인모드 판단부(114)는 노면상태 추정부(102)로부터 수신한 노면 마찰계수를 기반으로 주행 중인 노면에 최적화된 터레인모드를 판단한다. 예컨대, 터레인모드 판단부(114)가 노면 마찰계수 추정부로부터 제공받은 노면 마찰계수와 노면 별로 기 설정된 노면 마찰계수를 비교한 결과, 주행 중인 노면이 젖은 노면(wet road)이라고 판단하는 경우, 기 설정된 낮은 엔진 출력(engine power)으로 주행상태를 변경하도록 터레인모드 정보를 터레인모드 제어부(116)에게 전송할 수 있다.
터레인모드 제어부(116)는 터레인모드를 이용하여 각 구동계통(drive system) 및 제동계통(brake system)을 제어한다. 예컨대, 엔진 제어유닛(ECU: Engine Control Unit, 미도시)은 터레인모드 판단부(114)가 선택한 터레인모드에 따라 기 설정된 엔진매핑 값으로 엔진출력을 변경할 수 있다. ESC(Electronic Stability Control, 미도시)는 터레인모드 판단부(114)가 선택한 터레인모드에 따라 기 설정된 TCS 제어기를 동작시킨다. 트랜스미션 제어유닛(TCU: Transmission Control Unit, 미도시)은 터레인모드 판단부(114)가 선택한 터레인모드에 따라 기 설정된 변속시점(shift time)으로 변속기(transmission)를 제어할 수 있다.
도 1의 (b)는 본 개시의 일 실시예에 따른 차량의 자율주행 제어를 보조하는 방법을 위한 관련 구성을 설명하기 위한 예시도이다.
자율주행 제어부가 장착된 차량(118)은 카메라(104)로부터 입수한 노면데이터를 이용하여 노면 마찰계수를 추정하고, 자율주행 제어부(autonomous driving control unit, 120)를 이용하여 차량 내 각 모듈(module)을 제어한다. 자율주행 제어부가 장착된 차량(118)의 동작은 도 4b에서 후술한다.
도 2는 본 개시의 일 실시예에 따른 딥러닝 기반 학습부의 블록구성도이다.
이하, 도 2를 함께 참조하여, 본 개시의 일 실시예에 따른 학습부(112)를 설명하도록 한다.
본 개시의 일 실시예에 따른 학습부(112)는 데이터 획득부(data acquisition unit, 202), 라벨링 데이터 생성부(labeling data generator, 204) 및 트레이닝부(training unit, 206)를 전부 또는 일부 포함한다.
데이터 획득부(202)는 딥러닝 기반 학습모델의 트레이닝을 위한 학습 데이터(learning data)를 수집한다.
데이터 획득부(202)는 주행 중인 노면에 대하여 수집된 노면 마찰계수를 노면 마찰계수 추정부(110)로부터 획득한다. 다른 실시예에서, 데이터 획득부(202)는 차량 내 장착된 휠(wheel)의 휠속(wheel speed) 및 휠토크(wheel torque) 수치를 기반으로 계산된 노면 마찰계수를 ESC로부터 획득할 수 있다.
데이터 획득부(202)는 딥러닝 기반 학습모델의 트레이닝을 위한 학습 데이터 수집 과정의 일부로서 노면 마찰계수 추정부(110)로부터 획득한 노면 마찰계수에 대응하는 카메라(104)의 노면데이터를 수집한다.
한편, 카메라(104)로부터의 노면데이터는 차량의 전면에 위치한 노면 영역(road surface region)을 촬영한 영상으로서, 영상 내 노면 영역과 차량과의 사이에는 실제로 일정 거리차가 존재한다. 이 점에 기인하여, 본 개시의 일 실시예에 따른 데이터 획득부(202)는 카메라(104)의 노면데이터를 수집할 때 영상 내 노면 영역과 차량, 예컨대 차량의 타이어 사이의 거리차를 고려하여 해당 노면 마찰계수에 대응하는 정확한 노면데이터가 수집될 수 있도록 한다.
한편, 본 개시의 일 실시예에 있어서, 데이터 획득부(202)는 노면 마찰계수와 함께 이벤트 정보(event information)가 노면 마찰계수 추정부(110)로부터 수집되는 경우에 한해 해당 노면 마찰계수에 대응하는 노면데이터를 선택적으로 수집할 수 있다. 즉, 노면 마찰계수 추정부(110)에 의해 전송된 데이터로부터 이벤트 정보가 검출되는 경우, 데이터 획득부(202)는 노면 마찰계수에 대한 신뢰성이 높은 것으로 판별하여 노면 마찰계수를 추출하고, 추출한 노면 마찰계수에 대응하는 노면데이터를 수집할 수 있다. 이때, 데이터 획득부(202)는 노면 마찰계수의 정확한 추출을 위해 데이터 내 20 ms ~ 1 s 사이의 값을 노면 마찰계수로서 특정하여 취득할 수 있다. 또한, 이벤트 정보가 포함될 수 있는 초기 1 s 및 마지막 1 s의 데이터는 생략할 수 있다.
한편, 본 개시의 일 실시예에 있어서, 이벤트 정보는 노면 마찰계수 학습과 관련하여 기 설정된 이벤트 상황이 발생한 경우에 한해 노면 마찰계수 추정부(110)에 의해 생성된다. 이때, 기 설정된 이벤트 상황은 해당 이벤트 상황 발생 시 노면 마찰계수 추정부(110)에 의해 계산되는 노면 마찰계수에 대한 예측 정확도에 따라 결정될 수 있다. 예컨대, 노면 마찰계수 추정부(110)는 산출된 노면 마찰계수에 대한 예측 정확도가 기 설정된 임계치 이상인 경우의 상황에 대해 이벤트 상황으로서 설정할 수 있다.
데이터 획득부(202)는 수집된 노면데이터에 대한 데이터 전처리(pre-processing)를 수행할 수 있다. 예컨대, 데이터 획득부(202)는 수집한 노면데이터 내 노면 영역을 검출하고, 검출한 노면 영역에 해당하는 영상 데이터(image data)만을 추출하여 제공할 수 있다. 이는 연산의 대상이 되는 픽셀 영역(pixel region)을 줄임으로써 이후 수행되는 트레이닝 과정에서 연산을 간소화할 수 있는 효과가 있다.
라벨링 데이터 생성부(204)는 데이터 획득부(202)로부터 노면데이터 및 노면 마찰계수를 획득하여, 이를 기반으로 학습모델의 트레이닝을 위한 학습 데이터를 생성하는 기능을 수행한다.
본 개시의 일 실시예에 있어서, 라벨링 데이터 생성부(204)는 데이터 획득부(202)로부터 획득한 노면데이터 및 노면 마찰계수를 기반으로 라벨링 데이터를 생성하고, 생성된 라벨링 데이터를 학습 데이터로서 제공한다.
예컨대, 라벨링 데이터 생성부(204)는 수집한 노면데이터 상에 노면 마찰계수를 라벨링하여 라벨링 데이터를 생성할 수 있다.
트레이닝부(206)는 라벨링 데이터 생성부(204)로부터 획득한 라벨링 데이터를 학습 데이터로서 활용하여 딥러닝 기반의 학습모델을 트레이닝시킨다. 한편, 트레이닝부(206)가 학습 데이터를 기반으로 학습모델을 트레이닝시키는 구체적인 방법은 해당 기술 분야에서 일반적인 바, 자세한 설명은 생략하도록 한다.
본 실시예에 따른 트레이닝부(206)의 동작에 따라 학습모델은 카메라(104)의 영상만으로도 노면 마찰계수 정보를 추정할 수 있도록 트레이닝된다. 즉, 학습모델은 서로 상이한 특성 정보(feature information)를 갖는 노면데이터 별로 노면 마찰계수 추정부(110)가 측정한 노면 마찰계수를 학습하여 저장한다.
노면 마찰계수 추정부(110)는 학습부(112)의 동작에 따라 사전에 트레이닝된 학습모델을 포함하고, 이를 이용한 학습 과정을 통해 현재 차량이 주행 중인 노면에 대응하는 노면 마찰계수를 추정한다.
노면 마찰계수 추정부(110)는 데이터 수집부(106)로부터 수신한 노면데이터를 학습모델에 적용시켜 노면에 대응하는 노면 마찰계수를 추정한다.
노면 마찰계수 추정부(110)는 노면데이터를 학습모델에 적용시켜 노면데이터와 서로 동일 또는 유사한 특성 정보(feature information)를 갖는 노면데이터에 대하여 매칭된 학습 데이터를 추출하고, 추출된 학습 데이터를 기반으로 노면 마찰계수를 추정한다. 즉, 노면 마찰계수 추정부(110)는 현재 시점에 수집된 노면데이터와 서로 동일 또는 유사한 특성 정보를 갖는 이전 노면데이터에 대하여 라벨링된 이전 노면 마찰계수 정보를 현재 노면 마찰계수 정보로서 추정할 수 있다.
도 3은 본 개시의 일 실시예에 따른 노면 마찰계수 추정을 위한 학습방법을 설명하기 위한 순서도이다.
데이터 획득부(202)는 차량이 주행 중인 노면에 대하여 수집된 노면 마찰계수를 노면 마찰계수 추정부(110)로부터 획득한다(S300).
데이터 획득부(202)는 노면 마찰계수와 함께 이벤트 정보가 수집되었는지 여부를 확인한다(S302). 단계 S302에서 데이터 획득부(202)는 노면 마찰계수 학습과 관련하여 기 설정된 이벤트 상황이 발생한 경우에 한해 노면 마찰계수 추정부(110)로부터 계산된 이벤트 정보를 제공받을 수 있다. 이러한 이벤트 정보는 수집된 노면 마찰계수가 학습을 위한 유의미한 데이터임을 나타낸다.
데이터 획득부(202)는 단계 S302에서 이벤트 정보의 수집이 확인되는 경우 단계 S300에서 획득한 노면 마찰계수에 대응하는 카메라(104)의 노면데이터를 수집한다(S304). 단계 S304에서 데이터 획득부(202)는 영상 내 노면 영역과 차량 사이의 실제 거리차를 고려하여 실제 해당 노면 마찰계수에 대응하는 정확한 노면데이터가 수집될 수 있도록 한다.
데이터 획득부(202)는 수집한 노면데이터로부터 노면 영역을 검출하고, 검출한 노면 영역에 해당하는 노면데이터만을 추출할 수 있다.
라벨링 데이터 생성부(204)는 단계 S304에서 수집된 노면데이터 상에 단계 S300의 노면 마찰계수를 라벨링하여 라벨링 데이터를 생성한다(S306).
트레이닝부(206)는 단계 S306에서 생성한 라벨링 데이터를 학습 데이터로서 활용하여 딥러닝 기반의 학습모델을 트레이닝시킨다(S308).
도 4a는 본 개시의 일 실시예에 따른 터레인모드 자동 제어방법을 설명하기 위한 순서도이다.
데이터 수집부(106)는 차량 내 장착된 카메라로부터 차량이 주행 중인 노면을 촬영한 노면데이터를 수집한다(S410).
노면 마찰계수 추정부(110)는 데이터 수집부(106)가 수집한 노면데이터를 사전에 트레이닝된 학습모델에 입력하여 노면 마찰계수를 추정한다(S412).
노면 마찰계수 추정부(110)는 단계 S412에서 추정한 노면 마찰계수를 CAN(controller area network) 버스(bus)를 이용하여 터레인모드 판단부(114)에게 전송한다.
터레인모드 판단부(114)는 노면 마찰계수를 노면 별로 기 설정된 노면 마찰계수와 비교하여, 차량이 주행 중인 노면상태 및 노면에 최적화된 터레인모드를 판단한다(S414).
터레인모드 판단부(114)는 차량이 주행 중인 노면에 최적화된 터레인모드 정보를 터레인모드 제어부(116)에 전송한다.
터레인모드 제어부(116)는 터레인모드 정보에 기반하여 터레인모드 별로 기 설정된 기준값으로 주행상태를 변경한다.(S416)
여기서 주행상태를 변경하는 과정은 ESC, ECU, TCU 등의 전자 제어유닛(electronic control unit)이 TCS제어기, 엔진(engine), 변속기 등의 차량 내 각 모듈(module)을 제어하는 과정일 수 있다.
도 4b는 본 개시의 일 실시예에 따른 자율주행 제어 보조방법을 설명하기 위한 순서도이다.
데이터 수집부(106)는 차량 내 장착된 카메라로부터 차량이 주행 중인 노면을 촬영한 노면데이터를 입수한다(S420).
노면 마찰계수 추정부(110)는 데이터 수집부(106)가 입수한 노면데이터를 사전에 트레이닝된 학습모델에 입력하여 노면 마찰계수를 추정한다(S422).
노면 마찰계수 추정부(110)는 단계 S422에서 추정한 노면 마찰계수를 CAN(controller area network) 버스(bus)를 이용하여 자율주행 제어부(autonomous driving control unit)에 전송한다.
자율주행 제어부(120)는 노면 마찰계수 정보를 노면 별로 기 설정된 노면 마찰계수 정보와 비교하여 차량이 주행 중인 노면상태를 판단하고, 차량의 주행한계치를 판단한다(S424). 여기서 주행한계치(driving threshold value)라 함은, 차량이 주행 중인 노면상태(road surface condition)를 기반으로 연료 사용의 효율성(fuel efficiency)을 높이거나 주행 안전성(driving safety)을 확보하기 위해 필요한 엔진 출력(engine power), 변속 시점(shift time), 제동시점(braking time) 등의 한계값(threshold value)을 의미한다. 예컨대, 눈(snow)이 20 mm 이상 쌓인 노면에 있어서, 엔진출력의 주행한계치는 차량이 낼 수 있는 최고 속도(maximum speed)의 100분의 50일 수 있다.
자율주행 제어부(120)는 차량이 주행 중인 노면에 대한 주행한계치를 기반으로 차량 내 각 모듈을 제어한다(S426).
한편, 자율주행 제어부(120)는 노면 마찰계수를 이용하여 운전자의 개입 없이 스스로 차량의 주행상태를 변경하여 자율주행 성능을 향상시킬 수 있다. 예컨대, 자율주행 제어부(120)는 스마트 크루즈 컨트롤 시스템(Smart Cruise Control System)을 포함하는 변속패턴 제어장치(shift pattern control apparatus) 또는 전방충돌 방지 시스템(Forward Collision-Avoidance System)을 포함하는 브레이크 제어장치(brake control apparatus)일 수 있다.
스마트 크루즈 컨트롤 시스템이란 운전자가 주행속도를 설정한 경우 차량의 주행상태를 운전자가 설정한 주행속도에 따라 일정한 주행속도를 유지하며, 노면을 주행 중인 차량들의 교통 상황에 맞추어 주행속도를 높이거나 낮추는 기능을 갖는 제어 시스템을 의미한다.
변속패턴 제어장치는 엔진 제어유닛 및 트랜스미션 제어유닛을 이용하여 엔진출력과 변속패턴을 변경함으로써 교통량(traffic volume) 및 노면상태에 대응하여 차량의 주행속도를 변경한다.
전방충돌 방지 시스템이란 차량이 전방 차량과 충돌할 위험이 있는 경우, 즉 차량과 전방 차량 사이의 거리가 기 설정된 임계치 이하인 것으로 측정되는 경우 운전자에게 이를 알리거나 차량 스스로 제동계통(brake system)을 제어함으로써 충돌을 방지하는 시스템을 의미한다.
브레이크 제어장치는 주행 중인 차량과 전방 차량의 충돌을 방지하기 위하여 제동초속도(braking initial speed) 및 제동시점(braking time)을 제어하여 차량의 주행속도(driving speed)를 감소시킨다.
도 3, 도 4a 및 도 4b에서는 각각의 과정들을 순차적으로 실행하는 것으로 기재하고 있으나, 이는 본 발명의 일부 실시예의 기술 사상을 예시적으로 설명한 것에 불과하다. 다시 말해, 본 발명의 일부 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 일부 실시예의 본질적인 특성에서 벗어나지 않는 범위에서 도 3, 도 4a 및 도 4b에 기재된 과정을 변경하여 실행하거나 각각의 과정 중 하나 이상의 과정을 병렬적으로 실행하는 것으로 다양하게 수정 및 변형하여 적용 가능할 것이므로, 도 3, 도 4a 및 도 4b는 시계열적인 순서로 한정되는 것은 아니다.
한편, 도 1에 기재된 본 발명의 실시예에 따른 터레인모드 자동 제어장치(100)의 동작은 프로그램으로 구현되고 컴퓨터로 읽을 수 있는　기록매체에 기록될 수 있다. 본 발명의 실시예에 따른 터레인모드 자동 제어장치(100)의 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는　기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 이러한 컴퓨터가 읽을 수 있는　기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등의 비 일시적인(non-transitory) 매체일 수 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송) 및 데이터 전송 매체(data transmission medium)와 같은 일시적인(transitory) 매체를 더 포함할 수도 있다. 또한, 컴퓨터가 읽을 수 있는　기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다.
본 명세서에 설명되는 시스템들 및 기법들의 다양한 구현예들은, 디지털 전자 회로, 집적 회로, FPGA(Field Programmable Gate Array), ASIC(Application Specific Integrated Circuit), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합으로 실현될 수 있다. 이러한 다양한 구현예들은 프로그래밍가능 시스템상에서 실행 가능한 하나 이상의 컴퓨터 프로그램들로 구현되는 것을 포함할 수 있다. 프로그래밍가능 시스템은, 저장 시스템, 적어도 하나의 입력 디바이스, 그리고 적어도 하나의 출력 디바이스로부터 데이터 및 명령들을 수신하고 이들에게 데이터 및 명령들을 전송하도록 결합되는 적어도 하나의 프로그래밍가능 프로세서(이것은 특수 목적 프로세서일 수 있거나 혹은 범용 프로세서일 수 있음)를 포함한다. 컴퓨터 프로그램들(이것은 또한 프로그램들, 소프트웨어, 소프트웨어 애플리케이션들 혹은 코드로서 알려져 있음)은 프로그래밍가능 프로세서에 대한 명령어들을 포함하며 "컴퓨터가 읽을 수 있는　기록매체"에 저장된다.
컴퓨터가 읽을 수 있는　기록매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 이러한 컴퓨터가 읽을 수 있는　기록매체는 ROM, CD-ROM, 자기 테이프, 플로피디스크, 메모리 카드, 하드 디스크, 광자기 디스크, 스토리지 디바이스 등의 비휘발성(non-volatile) 또는 비 일시적인(non-transitory) 매체일 수 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송) 및 데이터 전송 매체(data transmission medium)와 같은 일시적인(transitory) 매체를 더 포함할 수도 있다. 또한, 컴퓨터가 읽을 수 있는　기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다.
본 명세서에 설명되는 시스템들 및 기법들의 다양한 구현예들은, 프로그램가능 컴퓨터에 의하여 구현될 수 있다. 여기서, 컴퓨터는 프로그램가능 프로세서, 데이터 저장 시스템(휘발성 메모리, 비휘발성 메모리, 또는 다른 종류의 저장 시스템이거나 이들의 조합을 포함함) 및 적어도 한 개의 커뮤니케이션 인터페이스를 포함한다. 예컨대, 프로그램가능 컴퓨터는 서버, 네트워크 기기, 셋탑 박스, 내장형 장치, 컴퓨터 확장 모듈, 개인용 컴퓨터, 랩탑, PDA(Personal Data Assistant), 클라우드 컴퓨팅 시스템 또는 모바일 장치 중 하나일 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명의 실시예들은 본 실시예의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 실시예의 기술 사상의 범위가 한정되는 것은 아니다. 본 실시예의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 실시예의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 터레인모드 자동 제어장치 102: 노면상태 추정부
104: 카메라 106: 데이터 수집부
108: 데이터 저장부 110: 노면 마찰계수 추정부
112: 학습부 114: 터레인모드 판단부
116: 터레인모드 제어부 118: 자율주행 제어부가 장착된 차량
120: 자율주행 제어부 202: 데이터 획득부
204: 라벨링 데이터 생성부 206: 트레이닝부

Claims (17)

  1. 노면(road surface)에 최적화된 터레인모드(terrain mode)로 차량의 주행상태를 자동으로 제어하는 방법에 있어서,
    상기 차량이 주행 중인 노면을 촬영한 노면데이터(road surface data)를 상기 차량에 장착된 카메라로부터 입수하는 과정;
    상기 노면데이터를 사전에 트레이닝된 딥러닝(deep learning) 기반의 학습모델에 입력하여 상기 노면에 대응하는 노면 마찰계수(road friction coefficient)를 추정하는 과정;
    상기 노면 마찰계수를 이용하여 상기 차량이 주행 중인 노면에 최적화된 터레인모드를 판단하고, 최적 터레인모드 정보를 생성하는 과정; 및
    상기 최적 터레인모드 정보에 기반하여 차량 내 모듈(module)을 제어하는 과정
    을 포함하는 것을 특징으로 하는 차량의 주행상태를 자동으로 제어하는 방법.
  2. 제 1항에 있어서,
    상기 노면데이터를 입수하는 과정에서,
    상기 차량에 장착된 레이더(RADAR) 및 라이다(LiDAR)가 측정한 노면데이터를 추가로 입수하는 것을 특징으로 하는 차량의 주행상태를 자동으로 제어하는 방법.
  3. 제 1항에 있어서,
    상기 노면 마찰계수를 추정하는 과정 이후,
    상기 카메라로부터 입수한 노면데이터 및 추정된 노면 마찰계수 정보를 기반으로 라벨링 데이터(labeling data)를 생성하고, 상기 라벨링 데이터를 학습데이터로서 활용하여 상기 딥러닝 기반의 학습모델을 트레이닝시키는 과정을 더 포함하는 것을 특징으로 하는 차량의 주행상태를 자동으로 제어하는 방법.
  4. 제 1항에 있어서,
    상기 노면 마찰계수를 추정하는 과정에서,
    ESC(Electronic Stability Control)가 상기 차량 내 장착된 휠(wheel)의 휠속(wheel speed) 및 휠토크(wheel torque) 수치를 측정하고, 상기 휠속 및 휠토크 수치를 이용하여 상기 노면 마찰계수를 추정하는 것을 특징으로 하는 차량의 주행상태를 자동으로 제어하는 방법.
  5. 제 1항에 있어서,
    상기 모듈을 제어하는 과정에서,
    상기 차량 내 모듈은 ESC이고, 상기 ESC가 상기 터레인모드 별로 기 설정된 TCS(Traction Control System) 제어기를 작동시키는 것을 특징으로 하는 차량의 주행상태를 자동으로 제어하는 방법.
  6. 제 1항에 있어서,
    상기 모듈을 제어하는 과정에서,
    상기 차량 내 모듈은 ECU(Engine Control Unit)이고, 상기 ECU가 상기 터레인모드 별로 기 설정된 엔진매핑(engine mapping) 값을 변경하는 것을 특징으로 하는 차량의 주행상태를 자동으로 제어하는 방법.
  7. 제 1항에 있어서,
    상기 모듈을 제어하는 과정에서,
    상기 차량 내 모듈은 TCU(Transmission Control Unit)이고, 상기 TCU가 상기 터레인모드 별로 기 설정된 변속시점을 변경하는 것을 특징으로 하는 차량의 주행상태를 자동으로 제어하는 방법.
  8. 차량의 터레인모드(terrain mode) 제어를 보조하는 방법에 있어서,
    상기 차량에 장착된 카메라로부터 상기 차량이 주행 중인 노면(road surface)을 촬영한 노면데이터(road surface data)를 입수하는 과정;
    상기 노면데이터를 사전에 트레이닝된 딥러닝(deep learning) 기반의 학습모델에 입력하여 상기 노면에 대응하는 노면 마찰계수(road friction coefficient)를 추정하는 과정;
    상기 노면 마찰계수를 이용하여 상기 차량이 주행 중인 노면에 최적화된 터레인모드를 판단하는 과정; 및
    최적 터레인모드 정보를 제공하는 과정
    을 포함하는 것을 특징으로 하는 차량의 터레인모드 제어를 보조하는 방법.
  9. 제 8항에 있어서,
    상기 노면데이터를 입수하는 과정에서,
    차량에 장착된 레이더(RADAR) 및 라이다(LiDAR)가 측정한 노면데이터를 추가로 입수하는 것을 특징으로 하는 차량의 터레인모드 제어를 보조하는 방법.
  10. 제 8항에 있어서,
    상기 최적화된 터레인모드 정보를 제공하는 과정은,
    차량에 장착된 디스플레이(display)를 이용하여 시각적으로 제공하는 것 또는 차량에 스피커(speaker)를 이용하여 청각적으로 제공하는 것 중 어느 하나를 이용하여 이루어지는 것을 특징으로 하는 차량의 터레인모드 제어를 보조하는 방법.
  11. 제 8항에 있어서,
    상기 노면 마찰계수를 추정하는 과정 이후,
    상기 카메라로부터 입수한 노면데이터 및 추정된 노면 마찰계수 정보를 기반으로 라벨링 데이터(labeling data)를 생성하고, 상기 라벨링 데이터를 학습데이터로서 활용하여 상기 딥러닝 기반의 학습모델을 트레이닝시키는 과정을 더 포함하는 것을 특징으로 하는 차량의 터레인모드 제어를 보조하는 방법.
  12. 제 8항에 있어서,
    상기 노면 마찰계수를 추정하는 과정에서,
    ESC(Electronic Stability Control)가 상기 차량 내 장착된 휠(wheel)의 휠속(wheel speed) 및 휠토크(wheel torque) 수치를 측정하고, 상기 휠속 및 휠토크 수치를 이용하여 상기 노면 마찰계수를 추정하는 것을 특징으로 하는 차량의 터레인모드 제어를 보조하는 방법.
  13. 차량의 자율주행(autonomous driving) 제어를 보조하는 방법에 있어서,
    상기 차량에 장착된 카메라로부터 상기 차량이 주행 중인 노면(road surface)을 촬영한 노면데이터(road surface data)를 입수하는 과정;
    상기 노면데이터를 사전에 트레이닝된 딥러닝(deep learning) 기반의 학습모델에 입력하여 상기 노면에 대응하는 노면 마찰계수(road friction coefficient)를 추정하는 과정; 및
    상기 노면 마찰계수를 이용하여 상기 차량의 주행한계치를 판단하고 상기 주행한계치를 기반으로 차량 내 모듈(module)을 제어하는 과정
    을 포함하는 것을 특징으로 하는 차량의 자율주행 제어를 보조하는 방법.
  14. 제 13항에 있어서,
    모듈을 제어하는 과정에서,
    스마트 크루즈 컨트롤(SCC: Smart Cruise Control) 기능을 포함하는 변속패턴 제어장치(apparatus for controlling shift pattern)가 상기 노면 마찰계수를 이용하여 판단한 상기 주행한계치를 기반으로 변속패턴(shift pattern)을 변경하는 것을 특징으로 하는 차량의 자율주행 제어를 보조하는 방법.
  15. 제 13항에 있어서,
    모듈을 제어하는 과정에서,
    전방충돌 방지 시스템(Forward Collision-Avoidance System)을 포함하는 브레이크 제어장치(apparatus for controlling brake system)가 상기 노면 마찰계수를 이용하여 판단한 상기 주행한계치를 기반으로 제동초속도 및 제동시점을 변경하는 것을 특징으로 하는 차량의 자율주행 제어를 보조하는 방법.
  16. 사전에 트레이닝된 딥러닝(deep learning) 기반 학습모델(learning model)을 포함하며, 차량에 장착된 카메라(camera)로부터 상기 차량이 주행 중인 노면(road surface)을 촬영한 노면데이터(road surface data)를 입수하고, 상기 노면데이터를 상기 딥러닝 기반 학습모델에 입력하여 상기 노면에 대응하는 노면 마찰계수(road friction coefficient)를 추정하는 노면상태 추정부(estimation unit for road surface condition);
    상기 노면 마찰계수를 이용하여 상기 차량이 주행 중인 노면에 최적화된 터레인모드(terrain mode)를 판단하는 터레인모드 판단부(terrain mode determining unit); 및
    상기 터레인모드 정보를 이용하여 차량 내 모듈(module)을 제어하는 터레인모드 제어부(terrain mode control unit)
    를 포함하는 것을 특징으로 하는 차량의 터레인모드 자동 제어 장치.
  17. 제 1항 내지 제 7항 중 어느 한 항에 따른 주행상태를 자동으로 제어하는 방법이 포함하는 각 과정을 실행시키기 위하여 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터 프로그램.
KR1020200107699A 2020-08-26 2020-08-26 딥러닝 기반 노면판단 모델을 이용한 터레인모드 제어 방법 및 장치 KR20220027327A (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020200107699A KR20220027327A (ko) 2020-08-26 2020-08-26 딥러닝 기반 노면판단 모델을 이용한 터레인모드 제어 방법 및 장치
JP2021134197A JP2022040023A (ja) 2020-08-26 2021-08-19 ディープラーニング基盤路面判断モデルを用いたテレインモード制御方法及び装置
US17/409,333 US11565706B2 (en) 2020-08-26 2021-08-23 Method and apparatus for controlling terrain mode using road condition judgement model based on deep learning
DE102021121807.1A DE102021121807A1 (de) 2020-08-26 2021-08-23 Verfahren und vorrichtung zum steuern des terrainmodus unter verwendung eines strassenzustandsbeurteilungsmodells auf der basis von deep learning
CN202110990294.7A CN114194196B (zh) 2020-08-26 2021-08-26 使用基于深度学习的道路情况判断模型控制地形模式的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200107699A KR20220027327A (ko) 2020-08-26 2020-08-26 딥러닝 기반 노면판단 모델을 이용한 터레인모드 제어 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20220027327A true KR20220027327A (ko) 2022-03-08

Family

ID=80221758

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200107699A KR20220027327A (ko) 2020-08-26 2020-08-26 딥러닝 기반 노면판단 모델을 이용한 터레인모드 제어 방법 및 장치

Country Status (5)

Country Link
US (1) US11565706B2 (ko)
JP (1) JP2022040023A (ko)
KR (1) KR20220027327A (ko)
CN (1) CN114194196B (ko)
DE (1) DE102021121807A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115097827A (zh) * 2022-06-21 2022-09-23 智能网联汽车(山东)协同创新研究院有限公司 一种无人驾驶汽车的道路学习方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022127825A (ja) * 2021-02-22 2022-09-01 トヨタ自動車株式会社 走行路判定制御装置
US11772641B2 (en) * 2021-05-26 2023-10-03 GM Global Technology Operations LLC Vehicle lateral motion management with preview road surface information
US20220412756A1 (en) * 2021-06-25 2022-12-29 Toyota Jidosha Kabushiki Kaisha Information processing apparatus, information processing method, and storage medium
CN114822036A (zh) * 2022-05-16 2022-07-29 山东衡昊信息技术有限公司 一种多路况防追尾的车辆智能化调控方法
JP2023180521A (ja) * 2022-06-09 2023-12-21 株式会社アイシン 車両制御装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005051898A1 (de) * 2005-10-29 2007-05-03 Daimlerchrysler Ag Verfahren und Vorrichtung zur reibwertabhängigen Antriebsmomentbegrenzung
CN101920704B (zh) * 2010-07-27 2012-11-21 中国科学院深圳先进技术研究院 一种电动汽车路面自适应转矩控制系统
DE102012112725A1 (de) * 2012-12-20 2014-06-26 Continental Teves Ag & Co. Ohg Reibwertschätzung aus Kamera- und Raddrehzahldaten
US10275662B1 (en) * 2016-09-30 2019-04-30 Zoox, Inc. Estimating friction based on image data
KR102373870B1 (ko) * 2017-09-27 2022-03-15 현대모비스 주식회사 전동식 조향장치의 노면상태 감지장치 및 그 제어방법
US10597023B2 (en) * 2018-06-18 2020-03-24 GM Global Technology Operations LLC Automatic prioritization of powertrain operations on surfaces having a low coefficient of friction
KR20200107699A (ko) 2019-03-08 2020-09-16 김철호 에어 환기 필터 창문
KR20210080032A (ko) * 2019-12-20 2021-06-30 주식회사 만도 운전자 보조 장치 및 운전자 보조 방법
KR102503388B1 (ko) * 2020-02-21 2023-03-02 블루스페이스 에이아이, 아이엔씨. 자율 주행 내비게이션 동안의 객체 회피 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115097827A (zh) * 2022-06-21 2022-09-23 智能网联汽车(山东)协同创新研究院有限公司 一种无人驾驶汽车的道路学习方法
CN115097827B (zh) * 2022-06-21 2023-02-10 智能网联汽车(山东)协同创新研究院有限公司 一种无人驾驶汽车的道路学习方法

Also Published As

Publication number Publication date
US11565706B2 (en) 2023-01-31
JP2022040023A (ja) 2022-03-10
DE102021121807A1 (de) 2022-03-03
CN114194196A (zh) 2022-03-18
US20220063630A1 (en) 2022-03-03
CN114194196B (zh) 2023-11-28

Similar Documents

Publication Publication Date Title
KR20220027327A (ko) 딥러닝 기반 노면판단 모델을 이용한 터레인모드 제어 방법 및 장치
US10019017B2 (en) Autonomous driving system
US9845093B2 (en) Vehicle speed limiting apparatus and vehicle speed control apparatus
CN108263383B (zh) 在协同自适应巡航控制系统中控制速度的装置和方法
US9643617B2 (en) Friction coefficient estimation from camera and wheel speed data
WO2018198574A1 (ja) 障害物検知装置
US10545506B2 (en) Methods and apparatus to perform visual odometry using a vehicle camera system
CN104843007A (zh) 用于选择位于其主车辆的行驶路径中的前车的车载设备
US11332131B2 (en) Driver assistance system and control method thereof
EP3690393B1 (en) Information processing device, information processing method, control device, and image processing device
EP3657461A1 (en) Information processing system and server
US20190293776A1 (en) Object detection device, object detection method and non-transitory computer readable storage medium for storing programs thereof
US10953885B2 (en) Road surface detecting apparatus
US10839678B2 (en) Vehicle identifying device
JP2019148889A (ja) 道路境界検出装置
KR20210098027A (ko) 노면 마찰계수 판독장치 및 그 방법
US20200369266A1 (en) Signal processing apparatus, signal processing method, and program
US11718293B2 (en) Driver assistance apparatus
JP5768646B2 (ja) 走行車線認識装置
CN113071488A (zh) 车速控制方法及设备
KR102582742B1 (ko) 차량 및 그 제어 방법
CN116588078B (zh) 车辆控制方法、装置、电子设备及计算机可读存储介质
US20230034419A1 (en) Vehicle control apparatus
US20240132052A1 (en) Vehicle travel control device
US20230060112A1 (en) Drive assist apparatus

Legal Events

Date Code Title Description
A201 Request for examination