KR20220079360A

KR20220079360A - 주변 차량에 기초한 로컬화

Info

Publication number: KR20220079360A
Application number: KR1020210002520A
Authority: KR
Inventors: 이-지 수; 이무 왕; 닝 수; 에제이 차란
Original assignee: 모셔널 에이디 엘엘씨
Priority date: 2020-12-03
Filing date: 2021-01-08
Publication date: 2022-06-13
Also published as: DE102021129597A1; GB202020678D0; GB2601571A; US20220178700A1; KR102532179B1; CN114596545A

Abstract

무엇보다도, 도로 상의 적어도 2대의 다른 차량의 자세에 관련된 정보를 포함하는 제1 차량의 센서로부터의 센서 데이터를 식별하기 위한 기술이 설명된다. 이 기술은 적어도 2대의 다른 차량의 자세에 관한 정보에 적어도 부분적으로 기초하여 도로의 일 부분의 지오메트리를 결정하는 단계를 추가로 포함한다. 이 기술은 도로의 부분의 지오메트리를 맵 데이터와 비교하여 도로의 부분과 맵 데이터의 일 부분 간의 매치를 식별하는 단계를 추가로 포함한다. 이 기술은 매치에 적어도 부분적으로 기초하여 맵 데이터를 기준으로 한 제1 차량의 자세를 결정하는 단계를 추가로 포함한다.

Description

주변 차량에 기초한 로컬화{LOCALIZATION BASED ON SURROUNDING VEHICLES}

본 개시는 주변 차량에 기초한 로컬화(localization)에 관한 것이다.

자율 주행 차량(autonomous vehicle; AV)은 본원에서 로컬화라고 지칭되는 프로세스에서 AV가 어디에 있는지를 식별하기 위해 적어도 하나의 센서를 사용할 것이다. 그렇지만, 밀집된 도시 지역에서는, 적어도 하나의 센서가 차단될 수 있다. 센서(들)가 차단될 때, AV는 로컬화를 수행하기 위해 주변에 관한 충분한 정보를 추출할 수 없을 것이다.

도 1은 자율 주행 능력(autonomous capability)을 갖는 AV의 예를 도시한다.
도 2는 컴퓨터 시스템을 도시한다.
도 3은 AV에 대한 예시적인 아키텍처를 도시한다.
도 4는 인지 회로에 의해 사용될 수 있는 입력 및 출력의 예를 도시한다.
도 5는 계획 회로의 입력과 출력 사이의 관계의 블록 다이어그램을 도시한다.
도 6은 다양한 실시예에 따른, 다른 차량에 기초한 차선 검출의 예를 도시한다.
도 7은 다양한 실시예에 따른, 맵 데이터의 예를 도시한다.
도 8은 다양한 실시예에 따른, 차선 검출 및 맵 데이터에 기초한 로컬화의 예를 도시한다.
도 9는 다양한 실시예에 따른, 로컬화 기술의 예를 도시한다.
도 10은 다양한 실시예에 따른, 로컬화 기술의 대안적인 예를 도시한다.

설명을 위한 이하의 기술에서는, 본 발명에 대한 완전한 이해를 제공하기 위해 다수의 특정한 세부 사항이 제시된다. 그렇지만, 본 발명이 이러한 특정 세부 사항 없이 실시될 수 있음이 명백할 것이다. 다른 경우에, 공지된 구조 및 디바이스는 본 발명을 불필요하게 모호하게 하는 것을 피하기 위하여 블록 다이어그램 형태로 도시된다.

도면에서, 설명을 용이하게 하기 위해, 디바이스, 모듈, 명령 블록 및 데이터 요소를 나타내는 것과 같은 개략적 요소의 특정 배열 또는 순서가 도시된다. 그렇지만, 본 기술 분야의 통상의 기술자라면, 도면에서의 개략적 요소의 특정 순서 또는 배열이 프로세싱의 특정한 순서 또는 시퀀스, 또는 프로세스의 분리가 요구됨을 암시한다는 것을 의미하지는 않는다는 점을 이해할 것이다. 게다가, 도면에 개략적 요소를 포함시키는 것은, 그러한 요소가 모든 실시예에서 요구됨을 암시한다는 것을 의미하지 않거나, 또는 그러한 요소에 의해 표현된 특징이 일부 실시예에서 포함되지 않을 수 있거나 다른 요소와 조합되지 않을 수 있음을 암시한다는 것을 의미하지 않는다.

또한, 도면에서, 2개 이상의 다른 개략적 요소 사이의 연결, 관계 또는 연관을 보여주기 위해 실선 또는 파선 또는 화살표와 같은 연결 요소가 사용되는 경우에, 임의의 그러한 연결 요소의 부재가 연결, 관계 또는 연관이 존재할 수 없다는 것을 암시하는 것을 의미하지 않는다. 환언하면, 요소들 사이의 일부 연결, 관계 또는 연관은 본 개시를 모호하게 하지 않기 위해 도면에 도시되어 있지 않다. 추가적으로, 예시를 용이하게 하기 위해, 요소들 사이의 다수의 연결, 관계 또는 연관을 나타내기 위해 단일의 연결 요소가 사용된다. 예를 들어, 연결 요소가 신호, 데이터 또는 명령의 통신을 나타내는 경우에, 본 기술 분야의 통상의 기술자라면, 그러한 요소가, 통신을 수행하기 위해 필요할 수 있는, 하나 또는 다수의 신호 경로(예를 들면, 버스)를 나타낸다는 것을 이해할 것이다.

그 예가 첨부된 도면에 예시된 실시예가 이제 상세하게 언급될 것이다. 이하의 상세한 설명에서, 다양한 기술된 실시예에 대한 완전한 이해를 제공하기 위해 많은 특정 세부 사항이 기재된다. 그렇지만, 다양한 기술된 실시예가 이러한 특정 세부 사항 없이 실시될 수 있다는 것이 본 기술 분야의 통상의 기술자에게 명백할 것이다. 다른 경우에, 실시예의 양태를 불필요하게 모호하게 하지 않기 위해 공지된 방법, 절차, 컴포넌트, 회로, 및 네트워크는 상세히 기술되지 않았다.

서로 독립적으로 또는 다른 특징들의 임의의 조합과 함께 각각 사용될 수 있는 여러 특징이 이하에 기술된다. 그렇지만, 임의의 개별 특징은 위에서 논의된 문제들 중 임의의 것을 해결할 수 없거나 또는 위에서 논의된 문제들 중 단지 하나만을 해결할 수 있다. 위에서 논의된 문제들 중 일부가 본원에 기술된 특징들 중 임의의 것에 의해 완전히 해결되지는 않을 수 있다. 비록 여러 표제가 제공되어 있더라도, 특정 표제에 관련되지만 해당 표제를 갖는 섹션에서 발견되지는 않는 정보가 본 설명의 다른 곳에서 발견될 수도 있다. 실시예는 이하의 개요에 따라 본원에 기술된다:

1. 일반적 개관

2. 시스템 개관

3. AV 아키텍처

4. AV 입력

5. 경로 계획

6. 차선 검출 및 로컬화

일반적 개관

차량(예컨대, AV)은 그 자신의 위치를 결정할 목적으로 온보드 센서를 사용하여 도로 상의 다른 차량에 관한 정보를 수집한다. 예를 들어, 차량은 온보드 카메라, LiDAR(Light Detection and Ranging), RADAR, 또는 다른 센서를 사용하여 도로 상의 다른 차량의 자세(pose)를 결정한다. 다른 차량에 관한 감지된 정보를 사용하여, 차량은, 도로의 차선과 같은, 도로의 일 부분의 지오메트리(geometry)를 추정한다. 차량은 도로의 해당 부분을 맵 데이터와 매칭시키기 위해 도로의 해당 부분의 결정된 지오메트리를 맵 데이터와 비교한다. 매치에 기초하여, 차량은 도로 상의 차량을 로컬화하는 데 사용되는 자신의 위치, 배향 또는 다른 특성을 결정한다.

이러한 기술의 장점 중 일부는 개선된 차량 로컬화 및 내비게이션을 포함한다. 예를 들어, 설명된 기술은 차량이 랜드마크에 의존하지 않고 로컬화를 수행할 수 있게 하여, 이에 의해 랜드마크를 거의 갖지 않는 지역(예를 들면, 간선도로)에서 및 랜드마크(또는 랜드마크를 검출하는 데 사용되는 센서)가 차단된 상황에서 로컬화를 개선시킨다. 본원에서 사용되는 바와 같이, "로컬화"가 식별된 맵 데이터와 관련하여 차량의 자세(예를 들면, 위치 및 배향)를 식별하는 것을 지칭한다는 것이 이해될 것이다.

이러한 방식으로, 여기에 설명된 로컬화 기술은 다른 로컬화 기술을 보완하며, 차량은 차량의 환경의 특징부 또는 그의 센서의 상태에 기초하여 최적의 로컬화 기술을 선택하도록 구성될 수 있다. 로컬화를 개선시키는 것에 의해, 여기에 설명된 기술은 더 안전하고 더 강건한 내비게이션을 가능하게 한다.

시스템 개관

도 1은 자율 주행 능력을 갖는 AV(100)의 예를 도시한다.

본원에서 사용되는 바와 같이, "자율 주행 능력"이라는 용어는, 완전한 AV, 고도의 AV, 및 조건부 AV를 제한 없이 포함하는, 실시간 인간 개입 없이 차량이 부분적으로 또는 완전하게 동작될 수 있게 하는 기능, 특징, 또는 설비를 지칭한다.

본원에서 사용되는 바와 같이, AV는 자율 주행 능력을 갖는 차량이다.

본원에서 사용되는 바와 같이, "차량"은 상품 또는 사람의 운송 수단을 포함한다. 예를 들어, 자동차, 버스, 기차, 비행기, 드론, 트럭, 보트, 선박, 잠수함, 비행선 등. 무인 자동차는 차량의 예이다.

본원에서 사용되는 바와 같이, "궤적"은 AV를 제1 시공간적 위치로부터 제2 시공간적 위치로 운행시키는 경로 또는 루트를 지칭한다. 일 실시예에서, 제1 시공간적 위치는 초기 또는 시작 위치라고 지칭되고 제2 시공간적 위치는 목적지, 최종 위치, 목표, 목표 위치, 또는 목표 장소라고 지칭된다. 일부 예에서, 궤적은 하나 이상의 세그먼트(예를 들면, 도로의 섹션)로 구성되고, 각각의 세그먼트는 하나 이상의 블록(예를 들면, 차선 또는 교차로의 부분)으로 구성된다. 일 실시예에서, 시공간적 위치는 현실 세계 위치에 대응한다. 예를 들어, 시공간적 위치는 사람을 태우거나 내려주고 또는 상품을 싣거나 내리는 픽업(pick up) 위치 또는 드롭 오프(drop-off) 위치이다.

본원에서 사용되는 바와 같이, "센서(들)"는 센서를 둘러싸는 환경에 관한 정보를 검출하는 하나 이상의 하드웨어 컴포넌트를 포함한다. 하드웨어 컴포넌트들 중 일부는 감지 컴포넌트(예를 들면, 이미지 센서, 생체 측정 센서), 송신 및/또는 수신 컴포넌트(예를 들면, 레이저 또는 라디오 주파수 파 송신기 및 수신기), 아날로그 대 디지털 변환기와 같은 전자 컴포넌트, 데이터 저장 디바이스(예컨대, RAM(random-access memory) 및/또는 비휘발성 스토리지), 소프트웨어 또는 펌웨어 컴포넌트, 및 ASIC(application-specific integrated circuit), 마이크로프로세서 및/또는 마이크로컨트롤러와 같은 데이터 프로세싱 컴포넌트를 포함할 수 있다.

본원에서 사용되는 바와 같이, "장면 묘사(scene description)"는 AV 차량 상의 하나 이상의 센서에 의해 검출되거나 AV 외부의 소스에 의해 제공되는 하나 이상의 분류된 또는 레이블링된 대상체를 포함하는 데이터 구조(예를 들면, 리스트) 또는 데이터 스트림이다.

본원에서 사용되는 바와 같이, "도로"는 차량에 의해 횡단될 수 있는 물리적 영역이고, 명명된 주요 도로(예를 들면, 도시 거리, 주간 프리웨이(interstate freeway) 등)에 대응할 수 있거나, 또는 명명되지 않은 주요 도로(예를 들면, 주택 또는 사무실 건물 내의 사유 도로, 주차장 섹션, 공터 섹션, 시골 지역의 비포장 경로 등)에 대응할 수 있다. 일부 차량(예를 들면, 4륜 구동 픽업 트럭, 스포츠 유틸리티 차량 등)은 차량 주행에 특히 적합하지 않은 다양한 물리적 영역을 횡단할 수 있기 때문에, "도로"는 임의의 지자체 또는 다른 정부 또는 행정처에 의해 주요 도로로서 공식적으로 규정되지 않은 물리적 영역일 수 있다.

본원에서 사용되는 바와 같이, "차선"은 차량에 의해 횡단될 수 있는 도로의 일 부분이다. 차선은 때때로 차선 마킹(lane marking)에 기초하여 식별된다. 예를 들어, 차선은 차선 마킹 사이의 공간의 대부분 또는 전부에 대응할 수 있거나, 또는 차선 마킹 사이의 공간의 단지 일부(예를 들면, 50% 미만)에 대응할 수 있다. 예를 들어, 멀리 이격된 차선 마킹을 갖는 도로는 차선 마킹들 사이에 둘 이상의 차량을 수용할 수 있어서, 하나의 차량이 차선 마킹을 횡단하지 않으면서 다른 차량을 추월할 수 있고, 따라서 차선 마킹들 사이의 공간보다 더 좁은 차선을 갖거나 차선 마킹들 사이에 2개의 차선을 갖는 것으로 해석될 수 있다. 차선은 차선 마킹의 부재 시에도 해석될 수 있다. 예를 들어, 차선은 환경의 물리적 특징부, 예를 들면, 시골 지역에서의 주요 도로를 따라 있는 바위 및 나무 또는, 예를 들면, 미개발 지역에서의 피할 자연 장애물에 기초하여 규정될 수 있다. 차선은 또한 차선 마킹 또는 물리적 특징부와 무관하게 해석될 수 있다. 예를 들어, 차선은 차선 경계로서 해석될 특징부가 달리 없는 영역에서 장애물이 없는 임의의 경로에 기초하여 해석될 수 있다. 예시적인 시나리오에서, AV는 들판 또는 공터의 장애물 없는 부분을 통해 차선을 해석할 수 있다. 다른 예시적인 시나리오에서, AV는 차선 마킹을 갖지 않는 넓은(예를 들면, 2개 이상의 차선을 위해 충분히 넓은) 도로를 통해 차선을 해석할 수 있다. 이 시나리오에서, AV는 차선에 관한 정보를 다른 AV에 통신할 수 있어서, 다른 AV가 동일한 차선 정보를 사용하여 그 자신들 간에 경로 계획을 조정할 수 있다.

"OTA(over-the-air) 클라이언트"라는 용어는 임의의 AV, 또는 AV에 내장되거나, AV에 결합되거나, 또는 AV와 통신하는 임의의 전자 디바이스(예를 들면, 컴퓨터, 컨트롤러, IoT 디바이스, 전자 제어 유닛(ECU))를 포함한다.

"OTA 업데이트"라는 용어는, 셀룰러 모바일 통신(예를 들면, 2G, 3G, 4G, 5G), 라디오 무선 영역 네트워크(예를 들면, WiFi) 및/또는 위성 인터넷을 포함하지만 이에 제한되지 않는, 독점적인 및/또는 표준화된 무선 통신 기술을 사용하여 OTA 클라이언트에 전달되는 소프트웨어, 펌웨어, 데이터 또는 구성 설정, 또는 이들의 임의의 조합에 대한 임의의 업데이트, 변경, 삭제, 또는 추가를 의미한다.

"에지 노드"라는 용어는 AV와 통신하기 위한 포털을 제공하고 OTA 업데이트를 스케줄링하여 OTA 클라이언트에 전달하기 위해 다른 에지 노드 및 클라우드 기반 컴퓨팅 플랫폼과 통신할 수 있는 네트워크에 결합된 하나 이상의 에지 디바이스를 의미한다.

"에지 디바이스"라는 용어는 에지 노드를 구현하고 기업 또는 서비스 제공자(예를 들면, VERIZON, AT&T) 코어 네트워크에 물리적 무선 액세스 포인트(AP)를 제공하는 디바이스를 의미한다. 에지 디바이스의 예는 컴퓨터, 제어기, 송신기, 라우터, 라우팅 스위치, IAD(integrated access device), 멀티플렉서, MAN(metropolitan area network) 및 WAN(wide area network) 액세스 디바이스를 포함하지만, 이에 제한되지 않는다.

"하나 이상"은 하나의 요소에 의해 수행되는 기능, 하나 초과의 요소에 의해, 예를 들어, 분산 방식으로, 수행되는 기능, 하나의 요소에 의해 수행되는 여러 기능, 여러 요소에 의해 수행되는 여러 기능, 또는 이들의 임의의 조합을 포함한다.

또한, 제1, 제2 등의 용어가, 일부 예에서, 다양한 요소를 기술하기 위해 본원에서 사용되고 있지만, 이러한 요소가 이러한 용어에 의해 제한되지 않아야 한다는 것이 이해될 것이다. 이러한 용어는 하나의 요소를 다른 요소와 구별하는 데만 사용된다. 예를 들어, 기술된 다양한 실시예의 범위를 벗어나지 않으면서, 제1 접촉은 제2 접촉이라고 지칭될 수 있고, 유사하게 제2 접촉은 제1 접촉이라고 지칭될 수 있다. 제1 접촉과 제2 접촉 둘 모두가 접촉이지만, 동일한 접촉은 아니다.

본원에 기술된 다양한 실시예의 설명에서 사용된 용어는 단지 특정한 실시예를 기술하기 위한 것이며, 제한하는 것으로 의도되지 않는다. 기술된 다양한 실시예 및 첨부된 청구항의 설명에서 사용되는 바와 같이, 단수형은, 문맥이 달리 명확히 표시하지 않는 한, 복수형을 포함하는 것으로 의도되어 있다. "및/또는"이라는 용어가, 본원에서 사용되는 바와 같이, 열거된 연관 항목들 중 하나 이상의 항목의 임의의 및 모든 가능한 조합을 지칭하고 포함한다는 것이 또한 이해될 것이다. 게다가, "포함한다" 및/또는 "포함하는"이라는 용어가, 본 설명에서 사용될 때, 언급된 특징, 정수, 단계, 동작, 요소, 및/또는 컴포넌트의 존재를 명기하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 그의 그룹의 존재 또는 추가를 배제하지 않는다는 것이 이해될 것이다.

본원에서 사용되는 바와 같이, "~ 경우"라는 용어는 선택적으로 문맥에 따라 "~할 때", 또는 "~시에" 또는 "결정에 응답하여" 또는 "검출에 응답하여"를 의미하는 것으로 해석된다. 마찬가지로, 문구 "~라고 결정된다면" 또는 "[언급된 조건 또는 이벤트]가 검출되는 경우"는 선택적으로 문맥에 따라, "결정할 시에" 또는 "결정에 응답하여" 또는 "[언급된 조건 또는 이벤트]의 검출 시에" 또는 "[언급된 조건 또는 이벤트]의 검출에 응답하여"를 의미하는 것으로 해석된다.

본원에서 사용되는 바와 같이, AV 시스템은 AV의 동작을 지원하는 하드웨어, 소프트웨어, 저장 데이터 및 실시간으로 생성된 데이터의 어레이와 함께 AV를 지칭한다. 일 실시예에서, AV 시스템은 AV 내에 포함된다. 일 실시예에서, AV 시스템은 여러 위치에 걸쳐 확산되어 있다. 예를 들어, AV 시스템의 소프트웨어 중 일부는 클라우드 컴퓨팅 환경 상에 구현된다.

일반적으로, 본원은 완전한 AV, 고도의 AV, 및 조건부 AV, 예컨대, 제각기 소위 레벨 5, 레벨 4 및 레벨 3 차량을 포함하는 하나 이상의 자율 주행 능력을 갖는 임의의 차량에 적용 가능한 기술을 개시한다(차량의 자율성의 레벨 분류에 대한 세부 사항은 본원에 그 전체가 참조로 포함된, SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의(Taxonomy and Definitions for Terms Related to On-128-172020-02-28 Road Motor Vehicle Automated Driving Systems) 참조). 또한, 본원에서 개시된 기술은 부분적 AV 및 운전자 보조 차량, 예컨대, 소위 레벨 2 및 레벨 1 차량에도 적용 가능하다(SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의 참조). 일 실시예에서, 레벨 1, 레벨 2, 레벨 3, 레벨 4 및 레벨 5 차량 시스템 중 하나 이상은 센서 입력의 프로세싱에 기초하여 특정의 동작 조건 하에서 특정의 차량 동작(예를 들면, 조향, 제동, 및 맵 사용)을 자동화할 수 있다. 본 문서에서 설명된 기술은, 완전한 AV로부터 인간 운전 차량에 이르는, 임의의 레벨에 있는 차량에 혜택을 줄 수 있다.

AV는 사람 운전자를 필요로 하는 차량보다 장점이 있다. 한 가지 장점은 안전성이다. 예를 들어, 2016년에, 미국은 9100억 달러의 사회적 비용으로 추정되는 600만 건의 자동차 사고, 240만 건의 부상, 4만 명의 사망자, 및 1300만 건의 차량 충돌을 경험했다. 1억 마일 주행당 미국 교통 사망자수는, 부분적으로 차량에 설치된 추가적인 안전 대책으로 인해, 1965년과 2015년 사이에 약 6명으로부터 1명으로 줄었다. 예를 들어, 충돌이 발생할 것이라는 추가적인 0.5초의 경고는 전후 충돌의 60%를 완화시키는 것으로 여겨진다. 그렇지만, 수동적 안전 특징부(예를 들면, 안전 벨트, 에어백)는 이 수치를 개선시키는 데 한계에 도달했을 것이다. 따라서 차량의 자동 제어와 같은, 능동적 안전 대책이 이러한 통계치를 개선시키는 데 유망한 다음 단계이다. 인간 운전자가 충돌의 95%에서 중요한 충돌전 사건에 책임있는 것으로 여겨지기 때문에, 자동 운전 시스템은, 예를 들어, 중요한 상황을 인간보다 잘 신뢰성 있게 인식하고 피하는 것에 의해; 더 나은 의사 결정을 하고, 교통 법규를 준수하며, 미래의 사건을 인간보다 더 잘 예측하는 것에 의해; 그리고 차량을 인간보다 더 잘 신뢰성 있게 제어하는 것에 의해 더 나은 안전성 결과를 달성할 수 있다.

도 1을 참조하면, AV 시스템(120)은, 대상체(예를 들면, 자연 장애물(191), 차량(193), 보행자(192), 자전거 타는 사람, 및 다른 장애물)을 피하고 도로 법규(예를 들면, 동작 규칙 또는 운전 선호사항)를 준수하면서, AV(100)를 궤적(198)을 따라 환경(190)을 통과하여 목적지(199)(때때로 최종 위치라고 지칭됨)로 동작시킨다.

일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)로부터 동작 커맨드를 수신하고 이에 따라 동작하도록 설비된 디바이스(101)를 포함한다. 차량이 액션(예를 들면, 운전 기동)을 수행하게 하는 실행가능 명령(또는 명령 세트)을 의미하기 위해 용어 "동작 커맨드"를 사용한다. 동작 커맨드는, 제한 없이, 차량이 전진을 시작하고, 전진을 중지하며, 후진을 시작하고, 후진을 중지하며, 가속하고, 감속하며, 좌회전을 수행하고, 우회전을 수행하기 위한 명령을 포함할 수 있다. 일 실시예에서, 컴퓨팅 프로세서(146)는 도 2을 참조하여 아래에서 기술되는 프로세서(204)와 유사하다. 디바이스(101)의 예는 조향 컨트롤(102), 브레이크(103), 기어, 가속기 페달 또는 다른 가속 제어 메커니즘, 윈드실드 와이퍼, 사이드 도어 락, 윈도 컨트롤, 및 방향 지시등을 포함한다.

일 실시예에서, AV 시스템(120)은 AV의 위치, 선속도와 각속도 및 선가속도와 각가속도, 및 헤딩(heading)(예를 들면, AV(100)의 선단의 배향)와 같은 AV(100)의 상태 또는 조건의 속성을 측정 또는 추론하기 위한 센서(121)를 포함한다. 센서(121)의 예는 GPS, 차량 선가속도 및 각도 변화율(angular rate) 둘 모두를 측정하는 IMU(inertial measurement unit), 휠 슬립률(wheel slip ratio)을 측정 또는 추정하기 위한 휠 속력 센서, 휠 브레이크 압력 또는 제동 토크 센서, 엔진 토크 또는 휠 토크 센서, 그리고 조향각 및 각도 변화율 센서이다.

일 실시예에서, 센서(121)는 AV의 환경의 속성을 감지 또는 측정하기 위한 센서를 또한 포함한다. 예를 들어, 가시광, 적외선 또는 열(또는 둘 모두) 스펙트럼의 단안 또는 스테레오 비디오 카메라(122), LiDAR(123), RADAR, 초음파 센서, TOF(time-of-flight) 깊이 센서, 속력 센서, 온도 센서, 습도 센서, 및 강우 센서.

일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)와 연관된 머신 명령 또는 센서(121)에 의해 수집된 데이터를 저장하기 위한 데이터 저장 유닛(142) 및 메모리(144)를 포함한다. 일 실시예에서, 데이터 저장 유닛(142)은 도 2과 관련하여 아래에서 기술되는 ROM(208) 또는 저장 디바이스(210)와 유사하다. 일 실시예에서, 메모리(144)는 아래에서 기술되는 메인 메모리(206)와 유사하다. 일 실시예에서, 데이터 저장 유닛(142) 및 메모리(144)는 환경(190)에 관한 과거 정보, 실시간 정보, 및/또는 예측 정보를 저장한다. 일 실시예에서, 저장된 정보는 맵, 운전 성능, 교통 혼잡 업데이트 또는 기상 조건을 포함한다. 일 실시예에서, 환경(190)에 관한 데이터는 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.

일 실시예에서, AV 시스템(120)은 다른 차량의 상태 및 조건, 예컨대, 위치, 선속도와 각속도, 선가속도와 각가속도, 및 AV(100)를 향한 선형 헤딩(linear heading)과 각도 헤딩(angular heading)의 측정된 또는 추론된 속성을 통신하기 위한 통신 디바이스(140)를 포함한다. 이러한 디바이스는 V2V(Vehicle-to-Vehicle) 및 V2I(Vehicle-to-Infrastructure) 통신 디바이스 및 포인트-투-포인트(point-to-point) 또는 애드혹(ad hoc) 네트워크 또는 둘 모두를 통한 무선 통신을 위한 디바이스를 포함한다. 일 실시예에서, 통신 디바이스(140)는 (라디오 및 광학 통신을 포함하는) 전자기 스펙트럼 또는 다른 매체(예를 들면, 공기 및 음향 매체)를 통해 통신한다. V2V(Vehicle-to-Vehicle), V2I(Vehicle-to-Infrastructure) 통신(및 일부 실시예에서, 하나 이상의 다른 유형의 통신)의 조합이 때때로 V2X(Vehicle-to-Everything) 통신이라고 지칭된다. V2X 통신은 전형적으로, AV와의 통신 및 AV들 간의 통신을 위한 하나 이상의 통신 표준에 따른다.

일 실시예에서, 통신 디바이스(140)는 통신 인터페이스를 포함한다. 예를 들어, 유선, 무선, WiMAX, Wi-Fi, 블루투스, 위성, 셀룰러, 광학, 근거리, 적외선, 또는 라디오 인터페이스. 통신 인터페이스는 원격에 위치된 데이터베이스(134)로부터 AV 시스템(120)으로 데이터를 송신한다. 일 실시예에서, 원격에 위치된 데이터베이스(134)는 클라우드 컴퓨팅 환경에 내장된다. 통신 디바이스(140)는 센서(121)로부터 수집된 데이터 또는 AV(100)의 동작에 관련된 다른 데이터를 원격에 위치된 데이터베이스(134)에 송신한다. 일 실시예에서, 통신 디바이스(140)는 원격 운영(teleoperation)에 관련되는 정보를 AV(100)에 송신한다. 일부 실시예에서, AV(100)는 다른 원격(예를 들면, "클라우드") 서버(136)와 통신한다.

일 실시예에서, 원격에 위치된 데이터베이스(134)는 또한 디지털 데이터를 저장 및 송신한다(예를 들면, 도로 및 거리 위치와 같은 데이터를 저장함). 그러한 데이터는 AV(100) 상의 메모리(144)에 저장되거나, 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.

일 실시예에서, 원격에 위치된 데이터베이스(134)는 유사한 시각(time of day)에 궤적(198)을 따라 이전에 주행한 적이 있는 차량의 운전 속성(예를 들면, 속력 프로파일 및 가속도 프로파일)에 관한 과거 정보를 저장 및 송신한다. 일 구현예에서, 그러한 데이터는 AV(100) 상의 메모리(144)에 저장될 수 있거나, 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신될 수 있다.

AV(100) 상에 위치된 컴퓨팅 프로세서(146)는 실시간 센서 데이터 및 이전 정보 둘 모두에 기초한 제어 액션을 알고리즘적으로 생성하여, AV 시스템(120)이 자율 주행 능력을 실행할 수 있게 한다.

일 실시예에서, AV 시스템(120)은 AV(100)의 사용자(예를 들면, 탑승자 또는 원격 사용자)에게 정보 및 경고를 제공하고 사용자로부터 입력을 수신하기 위해 컴퓨터 프로세서(146)에 결합된 컴퓨터 주변기기(132)를 포함한다. 일 실시예에서, 주변기기(132)는 도 2을 참조하여 아래에서 논의되는 디스플레이(212), 입력 디바이스(214), 및 커서 컨트롤러(216)와 유사하다. 결합은 무선 또는 유선이다. 인터페이스 디바이스들 중 임의의 둘 이상이 단일 디바이스에 통합될 수 있다.

일 실시예에서, AV 시스템(120)은, 예를 들어, 승객에 의해 명시되거나 승객과 연관된 프로파일에 저장된, 승객의 프라이버시 레벨을 수신하고 시행한다. 승객의 프라이버시 레벨은 승객과 연관된 특정 정보(예를 들면, 승객 편의 데이터, 생체 측정 데이터 등)가 사용되도록, 승객 프로파일에 저장되도록, 그리고/또는 클라우드 서버(136)에 저장되어 승객 프로파일과 연관되도록 할 수 있는 방법을 결정한다. 일 실시예에서, 프라이버시 레벨은 일단 라이드(ride)가 완료되면 삭제되는 승객과 연관된 특정 정보를 명시한다. 일 실시예에서, 프라이버시 레벨은 승객과 연관된 특정 정보를 명시하고 정보에 액세스하도록 인가된 하나 이상의 엔티티를 식별해준다. 정보에 액세스하도록 인가되어 있는 명시된 엔티티의 예는 다른 AV, 서드파티 AV 시스템, 또는 정보에 잠재적으로 액세스할 수 있는 임의의 엔티티를 포함할 수 있다.

승객의 프라이버시 레벨은 하나 이상의 입도 레벨로 명시될 수 있다. 일 실시예에서, 프라이버시 레벨은 저장 또는 공유될 특정 정보를 식별해준다. 일 실시예에서, 승객이 자신의 개인 정보가 저장 또는 공유되지 않게 명시할 수 있도록 승객과 연관된 모든 정보에 프라이버시 레벨이 적용된다. 특정 정보에 액세스하도록 허용된 엔티티의 명시는 다양한 입도 레벨로 명시될 수 있다. 특정 정보에 액세스하도록 허용되는 다양한 엔티티 세트는, 예를 들어, 다른 AV, 클라우드 서버(136), 특정 서드파티 AV 시스템 등을 포함할 수 있다.

일 실시예에서, AV 시스템(120) 또는 클라우드 서버(136)는 승객과 연관된 특정 정보가 AV(100) 또는 다른 엔티티에 의해 액세스될 수 있는지를 결정한다. 예를 들어, 특정 시공간적 위치에 관련된 승객 입력에 액세스하려고 시도하는 서드파티 AV 시스템은 승객과 연관된 정보에 액세스하기 위해, 예를 들어, AV 시스템(120) 또는 클라우드 서버(136)로부터 인가를 획득해야 한다. 예를 들어, AV 시스템(120)은 시공간적 위치에 관련된 승객 입력이 서드파티 AV 시스템, AV(100), 또는 다른 AV에 제공될 수 있는지 여부를 결정하기 위해 승객의 명시된 프라이버시 레벨을 사용한다. 이것은 승객의 프라이버시 레벨이 어느 다른 엔티티가 승객의 액션에 관한 데이터 또는 승객과 연관된 다른 데이터를 수신하도록 허용되는지를 명시할 수 있게 한다.

도 2는 컴퓨터 시스템(200)을 도시한다. 일 구현예에서, 컴퓨터 시스템(200)은 특수 목적 컴퓨팅 디바이스이다. 특수 목적 컴퓨팅 디바이스는 기술을 수행하도록 고정-배선(hard-wired)되거나, 또는 기술을 수행하도록 영구적으로 프로그래밍되어 있는 하나 이상의 ASIC 또는 FPGA(field programmable gate array)와 같은 디지털 전자 디바이스를 포함하거나, 또는 펌웨어, 메모리, 다른 스토리지 또는 그 조합 내의 프로그램 명령에 따라 기술을 수행하도록 프로그래밍되어 있는 하나 이상의 범용 하드웨어 프로세서를 포함할 수 있다. 그러한 특수 목적 컴퓨팅 디바이스는 또한 커스텀 고정 배선 로직, ASIC, 또는 FPGA를 커스텀 프로그래밍과 조합하여 기술을 실현할 수 있다. 다양한 실시예에서, 특수 목적 컴퓨팅 디바이스는 기술을 구현하기 위한 고정 배선 및/또는 프로그램 로직을 포함하는 데스크톱 컴퓨터 시스템, 휴대용 컴퓨터 시스템, 핸드헬드 디바이스, 네트워크 디바이스, 또는 임의의 다른 디바이스이다.

일 실시예에서, 컴퓨터 시스템(200)은 정보를 통신하기 위한 버스(202) 또는 다른 통신 메커니즘, 및 정보를 프로세싱하기 위해 버스(202)와 결합된 프로세서(204)를 포함한다. 프로세서(204)는, 예를 들어, 범용 마이크로프로세서이다. 컴퓨터 시스템(200)은 프로세서(204)에 의해 실행될 명령 및 정보를 저장하기 위해 버스(202)에 결합된, RAM 또는 다른 동적 저장 디바이스와 같은, 메인 메모리(206)를 또한 포함한다. 일 구현예에서, 메인 메모리(206)는 프로세서(204)에 의해 실행될 명령의 실행 동안 임시 변수 또는 다른 중간 정보를 저장하는 데 사용된다. 그러한 명령은, 프로세서(204)에 의해 액세스 가능한 비-일시적 저장 매체에 저장되어 있을 때, 컴퓨터 시스템(200)을 명령에 지정된 동작을 수행하도록 커스터마이징된 특수 목적 머신으로 만든다.

일 실시예에서, 컴퓨터 시스템(200)은, 프로세서(204)를 위한 정적 정보 및 명령을 저장하기 위해 버스(202)에 결합된 ROM(read only memory)(208) 또는 다른 정적 저장 디바이스를 추가로 포함한다. 자기 디스크, 광학 디스크, 솔리드 스테이트 드라이브, 또는 3차원 크로스 포인트 메모리와 같은, 저장 디바이스(210)가 제공되고 정보 및 명령을 저장하기 위해 버스(202)에 결합된다.

일 실시예에서, 컴퓨터 시스템(200)은 버스(202)를 통해, 정보를 컴퓨터 사용자에게 디스플레이하기 위한 CRT(cathode ray tube), LCD(liquid crystal display), 플라스마 디스플레이, LED(light emitting diode) 디스플레이, 또는 OLED(organic light emitting diode) 디스플레이와 같은 디스플레이(212)에 결합된다. 문자 숫자식 키 및 다른 키를 포함하는 입력 디바이스(214)는 정보 및 커맨드 선택을 프로세서(204)에 통신하기 위해 버스(202)에 결합된다. 다른 유형의 사용자 입력 디바이스는 방향 정보 및 커맨드 선택을 프로세서(204)에 통신하고 디스플레이(212) 상에서의 커서 움직임을 제어하기 위한, 마우스, 트랙볼, 터치식 디스플레이, 또는 커서 방향 키와 같은, 커서 컨트롤러(216)이다. 이러한 입력 디바이스는 전형적으로, 디바이스가 평면에서의 위치를 지정할 수 있게 하는 2개의 축, 즉 제1 축(예를 들면, x-축) 및 제2 축(예를 들면, y-축)에서의 2 자유도를 갖는다.

일 실시예에 따르면, 본원에서의 기술은 프로세서(204)가 메인 메모리(206)에 포함된 하나 이상의 명령의 하나 이상의 시퀀스를 실행하는 것에 응답하여 컴퓨터 시스템(200)에 의해 수행된다. 그러한 명령은, 저장 디바이스(210)와 같은, 다른 저장 매체로부터 메인 메모리(206) 내로 판독된다. 메인 메모리(206)에 포함된 명령의 시퀀스의 실행은 프로세서(204)로 하여금 본원에서 기술된 프로세스 단계를 수행하게 한다. 대안적인 실시예에서는, 소프트웨어 명령 대신에 또는 소프트웨어 명령과 조합하여 고정 배선 회로가 사용된다.

"저장 매체"라는 용어는, 본 명세서에서 사용되는 바와 같이, 머신이 특정 방식으로 동작하게 하는 데이터 및/또는 명령을 저장하는 임의의 비-일시적 매체를 지칭한다. 그러한 저장 매체는 비휘발성 매체 및/또는 휘발성 매체를 포함한다. 비휘발성 매체는, 예를 들어, 광학 디스크, 자기 디스크, 솔리드 스테이트 드라이브, 또는 3차원 크로스 포인트 메모리, 예컨대, 저장 디바이스(210)를 포함한다. 휘발성 매체는 동적 메모리, 예컨대, 메인 메모리(206)를 포함한다. 저장 매체의 일반적인 형태는, 예를 들어, 플로피 디스크, 플렉서블 디스크, 하드 디스크, 솔리드 스테이트 드라이브, 자기 테이프, 또는 임의의 다른 자기 데이터 저장 매체, CD-ROM, 임의의 다른 광학 데이터 저장 매체, 홀 패턴을 갖는 임의의 물리적 매체, RAM, PROM, 및 EPROM, FLASH-EPROM, NV-RAM, 또는 임의의 다른 메모리 칩, 또는 카트리지를 포함한다.

저장 매체는 송신 매체와 별개이지만 송신 매체와 함께 사용될 수 있다. 송신 매체는 저장 매체들 사이에서 정보를 전달하는 데 참여한다. 예를 들어, 송신 매체는 버스(202)를 포함하는 와이어를 포함하여, 동축 케이블, 구리 와이어 및 광섬유를 포함한다. 송신 매체는 또한, 라디오 파 및 적외선 데이터 통신 동안 생성되는 것과 같은, 광파 또는 음향파의 형태를 취할 수 있다.

일 실시예에서, 실행을 위해 하나 이상의 명령의 하나 이상의 시퀀스를 프로세서(204)에 반송하는 데 다양한 형태의 매체가 관여된다. 예를 들어, 명령은 초기에 원격 컴퓨터의 자기 디스크 또는 솔리드 스테이트 드라이브에 보유된다. 원격 컴퓨터는 동적 메모리에 명령을 로딩하고 모뎀을 사용하여 전화선을 통해 명령을 전송한다. 컴퓨터 시스템(200)에 로컬인 모뎀은 전화선 상으로 데이터를 수신하고 적외선 송신기를 사용하여 데이터를 적외선 신호로 변환한다. 적외선 검출기는 적외선 신호로 반송되는 데이터를 수신하고 적절한 회로는 데이터를 버스(202)에 배치한다. 버스(202)는 데이터를 메인 메모리(206)로 반송하고, 프로세서(204)는 메인 메모리로부터 명령을 검색 및 실행한다. 메인 메모리(206)에 의해 수신된 명령은 프로세서(204)에 의해 실행되기 전이나 실행된 후에 선택적으로 저장 디바이스(210)에 저장될 수 있다.

컴퓨터 시스템(200)은 버스(202)에 결합된 통신 인터페이스(218)를 또한 포함한다. 통신 인터페이스(218)는 로컬 네트워크(222)에 연결된 네트워크 링크(220)에 대한 2-웨이 데이터 통신(two-way data communication) 결합을 제공한다. 예를 들어, 통신 인터페이스(218)는 ISDN(integrated service digital network) 카드, 케이블 모뎀, 위성 모뎀, 또는 대응하는 유형의 전화선에 데이터 통신 연결을 제공하기 위한 모뎀이다. 다른 예로서, 통신 인터페이스(218)는 호환 가능한 LAN(local area network)에 데이터 통신 연결을 제공하기 위한 LAN 카드이다. 일부 구현예에서는, 무선 링크도 구현된다. 임의의 그러한 구현예에서, 통신 인터페이스(218)는 다양한 유형의 정보를 나타내는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 전송 및 수신한다.

네트워크 링크(220)는 전형적으로 하나 이상의 네트워크를 통한 다른 데이터 디바이스로의 데이터 통신을 제공한다. 예를 들어, 네트워크 링크(220)는 로컬 네트워크(222)를 통해 호스트 컴퓨터(224)로의 연결 또는 ISP(Internet Service Provider)(226)에 의해 운영되는 클라우드 데이터 센터 또는 장비로의 연결을 제공한다. ISP(226)는 차례로 지금은 "인터넷(228)"이라고 통상적으로 지칭되는 월드-와이드 패킷 데이터 통신 네트워크(world-wide packet data communication network)를 통해 데이터 통신 서비스를 제공한다. 로컬 네트워크(222) 및 인터넷(228) 둘 모두는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 사용한다. 컴퓨터 시스템(200)으로 및 컴퓨터 시스템(200)으로부터 디지털 데이터를 반송하는, 다양한 네트워크를 통한 신호 및 통신 인터페이스(218)를 통한 네트워크 링크(220) 상의 신호는 송신 매체의 예시적인 형태이다. 일 실시예에서, 네트워크(220)는 클라우드 또는 클라우드의 일부를 포함한다.

컴퓨터 시스템(200)은 네트워크(들), 네트워크 링크(220), 및 통신 인터페이스(218)를 통해, 프로그램 코드를 포함하여, 메시지를 전송하고 데이터를 수신한다. 일 실시예에서, 컴퓨터 시스템(200)은 프로세싱하기 위한 코드를 수신한다. 수신된 코드는 수신될 때 프로세서(204)에 의해 실행되고 그리고/또는 추후의 실행을 위해 저장 디바이스(210) 또는 다른 비휘발성 스토리지에 저장된다.

AV 아키텍처

도 3은 AV(예를 들면, 도 1에 도시된 AV(100))에 대한 예시적인 아키텍처(300)를 도시한다. 아키텍처(300)는 인지 회로(302)(때때로 인지 모듈이라고 지칭됨), 계획 회로(304)(때때로 계획 모듈이라고 지칭됨), 제어 회로(306)(때때로 제어 모듈이라고 지칭됨), 로컬화 회로(308)(때때로 로컬화 모듈이라고 지칭됨), 및 데이터베이스 회로(310)(때때로 데이터베이스 모듈이라고 지칭됨)를 포함한다. 각각의 회로는 AV(100)의 동작에서 소정의 역할을 한다. 다함께, 회로(302, 304, 306, 308, 및 310)는 도 1에 도시된 AV 시스템(120)의 일부일 수 있다. 일부 실시예에서, 비록 버전 요소가 "회로"라고 기술되어 있지만, 회로(302, 304, 306, 308, 및 310) 중 임의의 회로는 컴퓨터 소프트웨어(예를 들면, 컴퓨터 판독 가능 매체 상에 저장된 실행 가능 코드) 및 컴퓨터 하드웨어(예를 들면, 하나 이상의 마이크로프로세서, 마이크로컨트롤러, ASIC(application-specific integrated circuit), 하드웨어 메모리 디바이스, 다른 유형의 집적 회로, 다른 유형의 컴퓨터 하드웨어, 또는 이러한 것 중 임의의 것 또는 모든 것의 조합)의 조합이다. 회로(302, 304, 306, 308, 및 310)의 각각의 회로는 때때로 프로세싱 회로 또는 프로세싱 모듈(예를 들면, 컴퓨터 하드웨어, 컴퓨터 소프트웨어, 또는 이 둘의 조합)이라고 지칭된다. 회로(302, 304, 306, 308, 및 310) 중 임의의 것 또는 모든 것의 조합은 또한 프로세싱 회로 또는 프로세싱 모듈의 예이다.

사용 중에, 계획 회로(304)는 목적지(312)를 나타내는 데이터를 수신하고 목적지(312)에 도달하기 위해(예를 들면, 도착하기 위해) AV(100)에 의해 주행될 수 있는 궤적(314)(때때로 루트라고 지칭됨)을 나타내는 데이터를 결정한다. 계획 회로(304)가 궤적(314)을 나타내는 데이터를 결정하기 위해, 계획 회로(304)는 인지 회로(302), 로컬화 회로(308), 및 데이터베이스 회로(310)로부터 데이터를 수신한다.

인지 회로(302)는, 예를 들면, 도 1에도 도시된 바와 같이, 하나 이상의 센서(121)를 사용하여 인근의 물리적 대상체를 식별한다. 대상체는 분류되고(예를 들면, 보행자, 자전거, 자동차, 교통 표지판 등과 같은 유형으로 그룹화되고), 분류된 대상체(316)를 포함하는 장면 묘사는 계획 회로(304)에 제공된다.

계획 회로(304)는 또한 로컬화 회로(308)로부터 AV 위치(318)를 나타내는 데이터를 수신한다. 로컬화 회로(308)는 위치를 계산하기 위해 센서(121)로부터의 데이터 및 데이터베이스 회로(310)로부터의 데이터(예를 들면, 지리적 데이터)를 사용하여 AV 위치 및 배향(예를 들면, AV의 자세)을 결정한다. 예를 들어, 로컬화 회로(308)는 GNSS(Global Navigation Satellite System) 센서로부터의 데이터 및 지리적 데이터를 사용하여 AV의 경도 및 위도를 계산한다. 일 실시예에서, 로컬화 회로(308)에 의해 사용되는 데이터는 도로 기하학적 속성의 고-정밀 맵, 도로망 연결 속성을 기술하는 맵, 도로 물리적 속성(예컨대, 교통 속력, 교통량, 차량 교통 차선과 자전거 타는 사람 교통 차선의 개수, 차선 폭, 차선 교통 방향, 또는 차선 마커 유형 및 위치, 또는 그 조합)을 기술하는 맵, 및 횡단보도, 교통 표지판 또는 다양한 유형의 다른 주행 신호(travel signal)와 같은 도로 특징부의 공간적 위치를 기술하는 맵을 포함한다. 일 실시예에서, 고-정밀 맵은 자동 또는 수동 주석 달기(annotation)를 통해 저-정밀 맵에 데이터를 추가함으로써 구성된다.

제어 회로(306)는 궤적(314)을 나타내는 데이터 및 AV 위치(318)를 나타내는 데이터를 수신하고, AV(100)로 하여금 목적지(312)를 향해 궤적(314)을 주행하게 할 방식으로 AV의 제어 기능(320a 내지 320c)(예를 들면, 조향, 스로틀링, 제동, 점화)을 동작시킨다. 예를 들어, 궤적(314)이 좌회전을 포함하는 경우, 제어 회로(306)는, 조향 기능의 조향각이 AV(100)로 하여금 왼쪽으로 회전하게 하고 스로틀링 및 제동이 AV(100)로 하여금 이러한 회전이 이루어지기 전에 지나가는 보행자 또는 차량을 위해 일시정지 및 대기하게 하는 방식으로, 제어 기능(320a 내지 320c)을 동작시킬 것이다.

AV 입력

도 4는 인지 회로(302)(도 3)에 의해 사용되는 입력(402a 내지 402d)(예를 들면, 도 1에 도시된 센서(121)) 및 출력(404a 내지 404d)(예를 들면, 센서 데이터)의 예를 도시한다. 하나의 입력(402a)은 LiDAR 시스템(예를 들면, 도 1에 도시된 LiDAR(123))이다. LiDAR는 그의 시선에 있는 물리적 대상체에 관한 데이터를 획득하기 위해 광(예를 들면, 적외선 광과 같은 광의 버스트)을 사용하는 기술이다. LiDAR 시스템은 출력(404a)으로서 LiDAR 데이터를 생성한다. 예를 들어, LiDAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 3D 또는 2D 포인트(포인트 클라우드라고도 알려져 있음)의 집합체이다.

다른 입력(402b)은 RADAR 시스템이다. RADAR는 인근의 물리적 대상체에 관한 데이터를 획득하기 위해 라디오 파를 사용하는 기술이다. RADAR는 LiDAR 시스템의 시선 내에 있지 않은 대상체에 관한 데이터를 획득할 수 있다. RADAR 시스템은 출력(404b)으로서 RADAR 데이터를 생성한다. 예를 들어, RADAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 하나 이상의 라디오 주파수 전자기 신호이다.

다른 입력(402c)은 카메라 시스템이다. 카메라 시스템은 인근의 물리적 대상체에 관한 정보를 획득하기 위해 하나 이상의 카메라(예를 들면, CCD(charge-coupled device)와 같은 광 센서를 사용하는 디지털 카메라)를 사용한다. 카메라 시스템은 출력(404c)으로서 카메라 데이터를 생성한다. 카메라 데이터는 종종 이미지 데이터(예를 들면, RAW, JPEG, PNG 등과 같은 이미지 데이터 포맷의 데이터)의 형태를 취한다. 일부 예에서, 카메라 시스템은, 카메라 시스템이 깊이를 인지할 수 있게 하는, 예를 들어, 입체시(stereopsis)(스테레오 비전)를 위한, 다수의 독립적인 카메라를 갖는다. 비록 카메라 시스템에 의해 인지되는 대상체가 여기서 "인근"으로 기술되지만, 이것은 AV에 상대적인 것이다. 일부 실시예에서, 카메라 시스템은 멀리 있는, 예를 들면, AV 전방으로 최대 1 킬로미터 이상에 있는 대상체를 "보도록" 구성된다. 따라서, 일부 실시예에서, 카메라 시스템은 멀리 떨어져 있는 대상체를 인지하도록 최적화되어 있는 센서 및 렌즈와 같은 특징부를 갖는다.

다른 입력(402d)은 TLD(traffic light detection) 시스템이다. TLD 시스템은 하나 이상의 카메라를 사용하여, 시각적 운행 정보를 제공하는 교통 신호등, 거리 표지판, 및 다른 물리적 대상체에 관한 정보를 획득한다. TLD 시스템은 출력(404d)으로서 TLD 데이터를 생성한다. TLD 데이터는 종종 이미지 데이터(예를 들면, RAW, JPEG, PNG 등과 같은 이미지 데이터 포맷의 데이터)의 형태를 취한다. TLD 시스템은, 시각적 운행 정보를 제공하는 가능한 한 많은 물리적 대상체에 관한 정보를 획득하기 위해 TLD 시스템이 넓은 시야를 갖는 카메라(예를 들면, 광각 렌즈 또는 어안 렌즈를 사용함)를 사용하여, AV(100)가 이러한 대상체에 의해 제공되는 모든 관련 운행 정보에 액세스한다는 점에서, 카메라를 포함하는 시스템과 상이하다. 예를 들어, TLD 시스템의 시야각은 약 120도 이상이다.

일부 실시예에서, 출력(404a 내지 404d)은 센서 융합 기술을 사용하여 결합된다. 따라서, 개별 출력(404a 내지 404d) 중 어느 하나가 AV(100)의 다른 시스템에 제공되거나(예를 들면, 도 3에 도시된 바와 같은 계획 회로(304)에 제공되거나), 또는 결합된 출력이 동일한 유형(동일한 결합 기술을 사용하는 것 또는 동일한 출력을 결합하는 것 또는 둘 모두)의 단일 결합 출력 또는 다중 결합 출력의 형태 또는 상이한 유형(예를 들면, 상이한 각각의 결합 기술을 사용하는 것 또는 상이한 각각의 출력을 결합하는 것 또는 둘 모두)의 단일 결합 출력 또는 다중 결합 출력의 형태 중 어느 하나로 다른 시스템에 제공될 수 있다. 일부 실시예에서, 조기 융합(early fusion) 기술이 사용된다. 조기 융합 기술은 하나 이상의 데이터 프로세싱 단계가 결합된 출력에 적용되기 전에 출력을 결합하는 것을 특징으로 한다. 일부 실시예에서, 늦은 융합(late fusion) 기술이 사용된다. 늦은 융합 기술은 하나 이상의 데이터 프로세싱 단계가 개별 출력에 적용된 후에 출력을 결합하는 것을 특징으로 한다.

경로 계획

도 5는 (예를 들면, 도 3에 도시된 바와 같은) 계획 회로(304)의 입력과 출력 사이의 관계의 블록 다이어그램(500)을 도시한다. 일반적으로, 계획 회로(304)의 출력은 시작 포인트(504)(예를 들면, 소스 위치 또는 초기 위치)로부터 종료 포인트(506)(예를 들면, 목적지 또는 최종 위치)까지의 루트(502)이다. 루트(502)는 전형적으로 하나 이상의 세그먼트에 의해 정의된다. 예를 들어, 세그먼트는 거리, 도로, 간선도로, 사유 도로, 또는 자동차 주행에 적절한 다른 물리적 영역의 적어도 일 부분에 걸쳐 주행되는 거리이다. 일부 예에서, 예를 들어, AV(100)가 4륜 구동(4WD) 또는 상시 4륜구동(AWD) 자동차, SUV, 픽업 트럭 등과 같은 오프-로드 주행 가능 차량인 경우, 루트(502)는 비포장 경로 또는 탁트인 들판과 같은 "오프-로드" 세그먼트를 포함한다.

루트(502)에 추가하여, 계획 회로는 차선 레벨 루트 계획 데이터(508)도 출력한다. 차선 레벨 루트 계획 데이터(508)는 특정한 시간에서의 세그먼트의 조건에 기초하여 루트(502)의 세그먼트를 횡단하는 데 사용된다. 예를 들어, 루트(502)가 다중 차선 간선도로를 포함하는 경우, 차선 레벨 루트 계획 데이터(508)는, 예를 들어, 출구가 다가오고 있는지, 차선 중 하나 이상이 다른 차량을 갖는지, 또는 수 분 이하 동안에 걸쳐 변화되는 다른 인자에 기초하여, AV(100)가 다중 차선 중 한 차선을 선택하는 데 사용할 수 있는 궤적 계획 데이터(510)를 포함한다. 유사하게, 일부 구현예에서, 차선 레벨 루트 계획 데이터(508)는 루트(502)의 세그먼트에 특정적인 속력 제약(512)을 포함한다. 예를 들어, 세그먼트가 보행자 또는 예상치 못한 교통상황(traffic)을 포함하는 경우, 속력 제약(512)은 AV(100)를 예상된 속력보다 더 느린 주행 속력, 예를 들면, 세그먼트에 대한 속력 제한 데이터에 기초한 속력으로 제한한다.

일 실시예에서, 계획 회로(304)에의 입력은 (예를 들면, 도 3에 도시된 데이터베이스 회로(310)로부터의) 데이터베이스 데이터(514), 현재 위치 데이터(516)(예를 들면, 도 3에 도시된 AV 위치(318)), (예를 들면, 도 3에 도시된 목적지(312)에 대한) 목적지 데이터(518), 및 대상체 데이터(520)(예를 들면, 도 3에 도시된 인지 회로(302)에 의해 인지되는 분류된 대상체(316))를 포함한다. 일 실시예에서, 데이터베이스 데이터(514)는 계획에 사용되는 규칙을 포함한다. 규칙은 형식 언어를 사용하여, 예를 들어, 불리언 로직을 사용하여 규정된다. AV(100)가 조우하는 임의의 주어진 상황에서, 규칙들 중 적어도 일부는 해당 상황에 적용될 것이다. 규칙이 AV(100)에 이용 가능한 정보, 예를 들면, 주위 환경에 관한 정보에 기초하여 충족되는 조건을 갖는 경우, 규칙이 주어진 상황에 적용된다. 규칙은 우선순위를 가질 수 있다. 예를 들어, "도로가 프리웨이인 경우, 최좌측 차선으로 이동하라"로 되어 있는 규칙은, 출구가 1마일 내로 다가오고 있는 경우, 최우측 차선으로 이동하라"는 것보다 더 낮은 우선순위를 가질 수 있다.

차선 검출 및 로컬화

도 3 및 도 1과 관련하여 언급된 바와 같이, 로컬화 회로(308)는 차량의 위치를 계산하기 위해 센서(121)로부터의 데이터 및 데이터베이스 회로(310)로부터의 데이터(예를 들면, 지리적 데이터)를 사용하여 AV와 같은 차량(예를 들면, 도 1의 AV(100))의 위치를 결정한다. 그렇지만, 일부 상황에서, 센서(121)의 시야 중 하나 이상은 다른 차량과 같은 대상체, 분리대와 같은 도로 특징부, 또는 초목과 같은 다른 환경 특징부에 의해 완전히 또는 부분적으로 엄폐된다. 이러한 상황에서, 센서(121)는 AV 시스템(120)이 AV(100)를 로컬화하기에 정량적으로 또는 정성적으로 충분한 데이터를 수신할 수 없다. 예를 들어, AV(100)가 간선도로에 있는 경우, 센서(121)는 간선도로에 인접한 장벽 또는 도로만을 검출할 것이다. 그러한 구조물은, 많은 경우에, 일반적으로 균일하고 따라서 센서는 AV(100)을 로컬화하기 위한 독특한 구조물을 획득하지 못할 것이다. 다른 예로서, AV(100)가 다른 차량으로 둘러싸여 있고, 이는 차량의 위치 근방에 있는 구조물을 검출할 수 있는 센서의 능력을 손상시킬 것이다.

본원에서의 실시예는 AV(100) 근방에 있는 차량에 기초하여 로컬화가 수행되는 기술을 제공한다. 도 6 내지 도 8은 AV(100) 근방에 있는 다른 차량의 자세에 기초하여 차선이 식별되는 예시적인 기술을 그래픽으로 묘사한다. 이어서 차선과 맵 데이터 간의 매치를 식별하기 위해 차선이 맵 데이터와 비교된다. 매치에 기초하여, 로컬화가 수행된다. 이전에 언급된 바와 같이, 본원에서 사용되는 바와 같이, "자세"라는 용어는 AV(100)와 같은 차량, 또는 AV(100) 근방에 있는 차량의 위치 및 배향 둘 모두에 관련된다.

도 6은 다양한 실시예에 따른, 다른 차량에 기초한 차선 검출의 예를 도시한다. 구체적으로, 다수의 차량이 묘사(605)에 도시되어 있다. 차량은 AV(100)와 유사하거나 또는 AV(100)와 하나 이상의 특성을 공유하는 차량(615)을 포함한다. 묘사(605)에서의 차량은 차량(615) 근방에 있는 다수의 다른 차량(610)을 또한 포함한다. 묘사(605)에서 알게 될 것인 바와 같이, 차량(610) 및 차량(615)은 도 6의 Y 축을 따라 측정되는 바와 같은 길이를 갖는다. 차량(610) 및 차량(615)은 또한 도 6의 X 축을 따라 측정되는 바와 같은 폭을 갖는다.

본 기술분야의 통상의 기술자라면 묘사(605)가 명확한 격자 패턴으로 배열된 균일한 치수를 갖는 총 12대의 차량을 보여주는 단순화된 묘사라는 것을 잘 이해할 것이다. 본 개시의 설명을 용이하게 하기 위해 이러한 단순화가 도시되어 있다. 현실 세계의 실시예가 더 많거나 더 적은 차량, 서로 오프셋되어 있는 차량, 상이한 폭 또는 길이를 갖는 차량, 또는 다른 변동과 같은 차이점을 포함할 것임이 인식될 것이다. 도 6, 도 7, 및 도 8의 다른 양태 또는 묘사에 대해 유사한 변동이 추가로 고려된다.

차량(610)은 도 1의 센서들(121) 중 하나와 같은 차량의 적어도 하나의 센서에 의해 검출된다. 예를 들어, 도 6의 차량들(610) 중 적어도 하나의 차량의 자세 관련 양상을 식별하기 위해 LiDAR 시스템(402a), RADAR 시스템(402b), 카메라 시스템(402c) 등과 같은 센서가 차량(615)에 의해 사용된다.

일반적으로, 도로 상의 대부분의 차량이 그의 폭보다 더 큰 길이를 갖고 차량이 그의 길이와 평행한 방향으로 주행한다는 것이 인식될 것이다. 따라서, 묘사(625)에서 알 수 있는 바와 같이, 차선(620)이 차량(610)에 기초하여 추정된다. 구체적으로, 차량(615), 또는 더 구체적으로 차량(615)의 인지 회로(302)와 같은 인지 회로는 차량(610)의 자세를 식별한다. 위에서 언급된 바와 같이, 차량(610)의 "자세"는 차량(610)의 위치 및 배향 둘 모두에 관련된다.

차량(610)의 위치 및 배향에 기초하여, 차량(615)은 차선(620)의 위치를 해석할 수 있다. 예를 들어, 차량들(610) 중 하나의 차량의 배향에 기초하여, 차량(615)은 차량(610)의 주행 방향을 식별할 수 있을 것이다. 구체적으로, 차량(615)(또는 계획 회로(304)과 같은 차량의 계획 회로)은 차량(610)이 배향되는 방향으로 차량(610)이 주행하고 있다는 것을 식별할 것이다. 차량(615)은 이러한 분석을 위한 사전 조건으로서 차량(610)이 적용 가능한 교통 법규를 준수하고 있으며 차량(610)과 차량(615)이 주행하고 있는 도로의 기존의 차선 내에 위치한다는 것을 추가로 사용할 것이다. 그와 같이, 차량(610)의 자세에 기초하여, 차량(615)은 차선(620)의 존재를 추정할 수 있다. 일 실시예에서, 차선(620)의 추정은 구분 선형 회귀(piecewise linear regression), 분할 선형 회귀(segmented linear regression) 등과 같은 기술에 기초할 것이다.

일 실시예에서, 차선(620)의 추정은, 예를 들어, 원시 이미지를 차선 마스크에 매핑하는 것에 의해, 차선(620)을 초기에 검출하기 위해 딥 러닝에 기초한다. 이어서, 차선의 곡선이 픽셀 레벨 검출에 적합할 수 있는 차선 파라미터 추정이 수행된다. 마지막으로, 다양한 추적 기술에 의해 차선 곡선이 "스무딩(smooth)"된다. 그렇지만, 이것이 상위 레벨 예이고 다른 실시예에서 다른 기술이 추가적으로 또는 대안적으로 존재한다는 것이 인식될 것이다.

다른 실시예에서, 차량(615)은 차량(610)의 주행 방향의 분석 없이 차량(615)의 주행 방향에 기초하여 차선(620)의 존재를 결정할 것이다. 이 실시예의 예로서, 인지 회로(302) 또는 계획 회로(304)가 그러한 배향을 결정하도록 구성되어 있지 않기 때문에 차량(610)의 배향이 결정되지 않을 것이다. 대안적인 예로서, 인지 회로(302)(더 상세하게는 인지 회로(302)와 통신 가능하게 결합된 센서)는 차량(610)의 존재를 식별하기에 충분한 데이터를 수신할 것이지만, 식별되는 차량(610)의 부분이 차량(610)의 전방 단부, 차량(610)의 후방 단부, 차량(610)의 측면 뷰(side-view) 등인지를 구별할 수 없을 것이다. 이 실시예에서, 차량(615)은 차량(615)의 배향 및 주행 방향을 식별할 것이고, 이어서 차량(610)의 추정된 주행 방향을 결정할 것이다. 예를 들어, 차량(615)은 차량(610)이 일반적으로 차량(615)과 동일한 방향으로 주행하고 있다고 가정할 것이다. 이러한 외삽(extrapolation)에 기초하여, 차량(615)은 차량(610)이 주행 방향에 관한 적용 가능한 교통 법규를 준수하고 있다는 것을 사전 조건으로서 사용하고 그러한 사전 조건에 기초하여 차선(620)을 식별할 것이다.

이러한 실시예가 차량(615)이 차선(620)의 존재를 식별하도록 구성되는 방법의 예시적인 실시예로서 기술된다는 것이 이해될 것이다. 다른 실시예는 추가적인 또는 대안적인 기술, 또는 위에서 설명된 기술의 조합을 포함할 것이다. 추가적인 기술의 예는 상이한 형상 또는 크기의 차량의 자세의 결정이다. 예를 들어, 일 실시예에서 인지 모듈(302)은 자동차, 소형 자동차, 트럭, 밴, 상용 화물 트럭(commercial freight hauler) 등과 같은 차량의 상이한 형상 또는 크기의 자세를 식별하도록 구성된다.

비록 도 6이 11대의 차량(610)의 존재에 기초한 차선(620)의 추정을 묘사하고 있지만, 다른 실시예에서 차선(620)이 단지 2대의 차량에 기초하여 추정될 것임이 이해될 것이다. 구체적으로, 차량(615)은 (도 6에서 배향된 바와 같이) 최좌측 차선(620) 및 최우측 차선(620)에 있는 차량(610)의 자세에 기초하여 차선(620)을 추정할 것이다. 구체적으로, 차량(615)은 묘사(625)에서 나열된 차량들의 자세에 기초하여 차선(620)을 추정할 것이다. 그 차량들의 자세를 식별함으로써, 최좌측 차선(620) 및 최우측 차선(620)이 식별되고, 중앙 차선(620)의 존재가 이어서 추론된다.

다른 실시예에서, 묘사(625)에서의 차선(620)의 추정은 하나 이상의 추가 인자에 기초한다. 예를 들어, 일 실시예에서, 묘사(625)에서의 차선(620)의 추정은 차선 라인, 다른 도로 마킹, 도로의 측면에 있는 장벽 또는 바리케이드, 럼블 스트립(rumble strip) 등과 같은 인자에 기초한다.

차선(620)이 일반적으로 직선으로 묘사되어 있지만, 이러한 묘사가 본 개시의 주제의 논의를 위한 단순화된 논의임이 또한 이해될 것이다. 다른 실시예에서, 차선(620)은 곡률, 언덕, 합류 차선 또는 진출 차선 등과 같은 차이점을 가질 것이다.

다른 실시예에서, 묘사(625)에서의 차선(620)의 추정은 차량들(610) 중 하나 이상의 차량(610)의 자세의 추정 품질에 관련된 메트릭에 기초할 것이다. 예를 들어, 추정 품질의 지표의 일 예는 차량(610) 각각의 자세의 추정에 적용되는 확실성 인자(certainty factor)이다. 본원에서 사용되는 바와 같이, "확실성 인자"는, 차량들(610) 중 하나 이상의 차량(610)에 관련된 정보에 적용되고 임계치와 비교되는 출력을 제공하는, 하나 이상의 숫자 인자, 값, 또는 함수를 지칭한다. 예를 들어, 확실성 인자는 차량(615)이 각각의 차량(610)에 관해 식별할 수 있는 정보의 유형, 차량들(610) 중 하나와 차량(615) 간의 거리, 차량(610)과 차량들(610) 중 다른 것 간의 위치 또는 배향의 변동, 차량(610)과 차량(615) 간의 위치 또는 배향의 변동 등에 기초한다.

일 실시예에서, 확실성 인자는, 그 자체로 분석되거나 차량들(610) 중 다른 것과 관련하여 분석되는 바와 같이, 자세, 형상, 또는 크기가 차량(615)에 의해 쉽게 식별 가능하지 않은 차량(610)에 의해 감소되거나 다른 방식으로 영향을 받는다. 예를 들어, 차량(610)이 차선을 변경하는 경우, 그의 자세 또는 위치가 차선 내에서 운전하고 있는 다른 차량(610)의 자세 또는 위치로부터 벗어날 것이다. 다른 예로서, 세미 차량(semi vehicle) 또는 다른 대형 차량과 같은 더 큰 차량은 상이한 프로파일을 센서에 제공할 것이며, 따라서 차량들(610) 중 다른 차량과 상이하게 보일 것이다. 이러한 상황에서, 차선을 변경하는 차량 또는 차량들 중 다른 것과 상이하게 보이는 차량과 연관된 확실성 인자는, 해당 차량에 관련된 데이터가 상이하게 처리되거나 폐기되도록, 감소될 것이다.

차량들(610) 중 하나에 관련된 확실성 인자가 임계 값 미만(또는 그 이하)인 경우, 해당 차량(610)은 차선(620)의 추정으로부터 제외되거나, 차선(620)의 추정에 덜 영향을 미치도록 가중되거나 한다. 일부 실시예에서, 임계치는 미리 식별된 임계치(예를 들면, 1 표준 편차)인 반면, 다른 실시예에서 임계치는 동적이다(예를 들면, 가장 낮은 확실성 인자를 갖는 3대의 차량(610)).

식별된 차선(620)에 기초하여, 그리고 묘사(630)에 도시된 바와 같이, 차량(615) 또는 더 구체적으로 차량(615)의 인지 회로(302)는 이어서 식별된 차선(620) 내에서의 차량(615)의 위치 및 배향(예를 들면, 차량(615)의 자세)을 식별할 것이다. 다른 실시예에서, 차량(615)이 중앙 차선(620)에 위치되지 않고, 오히려 최좌측 또는 최우측 차선(620) 중 하나에 있다. 차량(615)의 자세의 식별은, 예를 들어, 차량(615) 근방에 있는 다른 차량(610)의 자세에 기초할 것이다.

예를 들어, 묘사(630)에서 식별되는 바와 같은, 차량(615)의 자세에 관련된 정보는 이어서 도 3의 로컬화 회로(308)와 같은 차량(615)의 로컬화 회로에 제공될 것이다. 로컬화 회로는 이어서, 차량(615)의 위치를 식별하기 위해, 차량(615)의 식별된 자세는 물론 차선(620)에 관련된 정보를 맵 데이터와 비교할 것이다.

도 7은 다양한 실시예에 따른, 맵 데이터(700)의 단순화된 톱다운 예를 도시한다. 구체적으로, 맵 데이터(700)는 다수의 차선(705)의 형상 또는 레이아웃과 같은 정보를 묘사한다. 일 실시예에서, 맵 데이터(700)는, 예를 들어, 도 3의 데이터베이스(310)와 같은 데이터베이스로부터 로컬화 회로에 의해 검색된다. 다른 실시예에서, 맵 데이터(700)는 차량(615) 외부에 있는 데이터베이스 또는 리포지토리로부터, 즉 클라우드로부터 검색된다.

일 실시예에서, 차량(615)에 의한 맵 데이터의 식별은 차량(615)의 마지막으로 알려진 위치에 기초한다. 예를 들어, 차량(615)이 한 위치에 있는 것으로 이전에 알려진 경우, 맵 데이터(700)는 그 마지막으로 알려진 위치 근방에 있는 영역을 포함할 것이다. 일 실시예에서, 맵 데이터의 식별은 차량(615)의 마지막으로 알려진 자세에 기초한다. 예를 들어, 차량이 한 자세를 가진 경우, 해당 자세는 차량의 궤적을 표시할 것이고 따라서 맵 데이터(700)는 그 표시된 궤적에 기초한다. 다른 실시예에서, 맵 데이터(700)는 추가적으로 또는 대안적으로 차량(615)의 속력, 차량(615)의 이전에 식별된 궤적, 차량(615)의 운전자의 운전 습관의 예측 분석, 차량(615)의 알려진 목적지, 또는 어떤 다른 인자와 같은 하나 이상의 인자에 기초한다. 이러한 인자가 예로서 의도된 것이고, 다른 실시예가 추가적으로 또는 대안적으로 맵 데이터(700)를 여기에 명시적으로 언급되지 않은 다른 인자에 기초할 것임이 이해될 것이다.

도 8은 다양한 실시예에 따른, 도 6의 차선 검출 및 도 7의 맵 데이터에 기초한 로컬화(800)의 예를 도시한다. 구체적으로, 차량(615)의 로컬화 회로는 도 6의 묘사(630)에서 식별된 차선(620)을 도 7에서 식별된 맵 데이터(700)와 매칭시키려고 시도한다. 일 실시예에서, 차량(615)의 로컬화 회로는, 컨볼루션 알고리즘을 통해, 식별된 차선(620)을 맵 데이터(700)와 매칭시킨다. 다른 실시예에서, 매치는 회귀 분석에 기초하여 수행된다. 다른 실시예에서 다른 기술 또는 알고리즘이 추가적으로 또는 대안적으로 사용된다.

도 8에 도시된 바와 같이, 도 6에서 식별된 차선(620)은 차선(705)의 부분(810)에 대응한다. 차선(620)과 부분(810)에서의 차선(705) 간의 대응 관계에 기초하여, 차량(615), 특히 차량(615)의 로컬화 회로는 맵 데이터(700)와 관련하여 차량의 위치를 식별할 수 있다. 또한, 묘사(630)에서 식별된 차량(615)의 자세에 기초하여, 차량(615)은 맵 데이터(700)와 관련하여 차량(615)의 자세를 식별할 수 있다. 이러한 방식으로, 차량은, 로컬화를 수행하기 위해 차량(615)에 의해 통상적으로 사용될, 랜드마크가 거의 또는 전혀 없거나, 또는 그러한 랜드마크가 차단되어 있는 상황에서 로컬화(예를 들면, 알려진 맵 데이터와 관련하여 차량의 자세를 식별하는 것)를 수행할 수 있다.

도 9는 다양한 실시예에 따른, 로컬화 기술의 예를 도시한다. 이 기술은 도 6, 도 7, 및 도 8과 관련하여 위에서 설명된 것과 유사한 요소를 포함하고, 인지 회로(302), 로컬화 회로(308) 등과 같은 차량의 요소에 의해 수행된다. 더 일반적으로, 일 실시예에서, 이 기술은 프로세서(204)에 의해 수행된다.

이 기술은, 905에서, 차량(610)과 같은 주변 차량을 식별하는 단계를 포함한다. 기술된 바와 같이, 주변 차량은 LiDAR 시스템(402a), RADAR 시스템(402b), 카메라(402c) 등과 같은 센서에 의해 식별된다.

예를 들어, 도 6의 묘사(625)와 관련하여 위에서 설명된 바와 같이, 이 기술은, 910에서, 차선(620)과 같은 차선을 추정하는 단계를 추가로 포함한다. 구체적으로, 차선은 주변 차량(610)의 자세, 차량(615)의 자세, 또는 둘 모두에 기초하여 추정된다. 차선은 회귀 또는 어떤 다른 기술과 같은 추정 기술에 기초하여 추정된다.

이 기술은, 915에서, 맵 데이터(700)와 같은 추정된 맵 데이터를 식별하는 단계를 추가로 포함한다. 도 7과 관련하여 언급된 바와 같이, 일 실시예에서, 맵 데이터의 식별은 차량의 이전에 알려진 위치에 기초한다. 다른 실시예에서, 맵 데이터의 식별은 차량의 알려진 헤딩 또는 궤적, 차량의 운전자의 알려진 운전 습관, 차량의 알려진 목적지 등과 같은 하나 이상의 인자에 기초한다. 일 실시예에서, 맵 데이터는 차량 상의 회로 또는 로직에 의해 식별되는 반면, 다른 실시예에서 맵 데이터는 적어도 부분적으로 차량 상의 신경 네트워크에 의해 또는 적어도 부분적으로 차량 외부에서(예를 들면, 클라우드에서) 또는 어떤 다른 로직에서 식별된다.

이 기술은, 920에서, 요소(910)로부터의 식별된 차선을 915에서 식별된 맵 데이터와 매칭시키는 단계를 추가로 포함한다. 도 8과 관련하여 위에서 기술된 바와 같이, 일 실시예에서, 이러한 매치는 회귀 분석, 컨볼루션 분석, 또는 어떤 다른 기술과 같은 분석에 기초하여 수행된다.

이 기술은, 925에서, 맵 데이터와 관련하여 호스트 차량의 자세를 식별하는 단계를 추가로 포함한다. 도 8과 관련하여 위에서 기술된 바와 같이, 925에서, 요소(915)로부터의 맵 데이터를 910에서 추정된 차선에 매칭시키는 것에 기초하여 호스트 차량의 자세가 식별된다. 925에서 식별된 호스트 차량의 자세는 요소(910)로부터 추정된 차선과 관련하여 식별된 호스트 차량의 자세와 같은 정보에 추가로 기초한다.

일 실시예에서, 이 기술은 이어서 요소(925)로부터, 940에서 자세에 기초하여 호스트 차량을 동작시키는 단계로 진행한다. 예를 들어, 차량의 자세 또는 일반적으로 로컬화 절차는 차량이 주행하기 위해 사용할 궤적 또는 특정 제어를 식별하기 위해 계획 회로(304) 또는 제어 회로(306)(또는 둘 모두)와 같은 회로에 의해 사용된다.

다른 실시예에서, 요소(905/910/915/920/925)와 관련하여 설명된 로컬화 절차는 차량이 수행할 수 있는 다수의 로컬화 절차 중 하나이다. 일 실시예에서, 925에서 식별된 차량 자세의 정확도를 검증하는 것이 바람직하다. 예를 들어, 일 실시예에서, 차량은 920에서의 차선 추정치, 915에서 식별된 맵 데이터, 920에서 식별된 매치 등의 확실성에 관련된 하나 이상의 메트릭을 식별할 수 있다. 따라서, 선택적으로, 이 기술은 요소(930, 935, 및 945)를 포함한다.

구체적으로, 이 실시예에서, 이 기술은, 945에서, 자세 정확도가 용인 가능한지 여부를 식별하는 단계를 포함한다. 945에서의 식별은 요소(915, 920, 또는 925)와 연관된 확실성 메트릭과 같은 하나 이상의 인자에 기초한다. 다른 실시예에서, 945에서의 식별은 추가적으로 또는 대안적으로 하나 이상의 다른 확실성 관련 메트릭에 기초한다. 945에서의 식별은 확실성 메트릭들 중 하나 이상을 미리 식별된 임계치와 비교하는 것(예를 들면, 확실성이 1 표준 편차 내에 있는지 여부 등)에 관련된다. 다른 실시예에서, 945에서의 식별은 905에서 식별된 자동차의 개수, 905에서 차량을 식별하는 데 사용된 센서의 유형, 차선의 개수 또는 910에서 차선을 식별하는 데 사용된 기술 등과 같은 인자에 기초하는 동적 임계치에 기초한다. 이러한 기술에서, 예를 들어, 확실성 메트릭들 중 하나 이상이 임계치들 중 하나 이상의 임계치 초과(또는 이상)인 경우 945에서 자세 정확도가 용인 가능한 것으로 식별된다. 다른 실시예에서, 다른 기준이 사용된다.

945에서 자세 정확도가 용인 가능한 것으로 식별되는 경우, 이 기술은 위에서 설명된 바와 같이 940에서 호스트 차량을 동작시키는 단계로 진행한다. 그렇지만, 945에서 자세 정확도가 용인 가능한 것으로 식별되지 않는 경우, 930에서 2차 로컬화 절차가 수행된다. 일 실시예에서, 2차 로컬화 절차는 요소(905, 910, 915, 920 및 925)를 재수행하는 것을 포함한다. 다른 실시예에서, 2차 로컬화 절차는 LiDAR 스캔 매칭, 시각적 특징 매칭, 딥 러닝 기반 로컬화 등과 같은 로컬화 절차이다.

이어서 935에서, 930에서의 2차 로컬화 절차에 기초하여 차량의 자세가 식별된다. 일 실시예에서, 935에서 차량의 자세가 930에서의 로컬화 절차에만 기초하여 식별된다. 다른 실시예에서, 935에서 차량의 자세가 925에서 식별된 자세와 930에서의 로컬화 절차의 조합에 기초하여 식별된다. 예를 들어, 일 실시예에서, 차량의 평균 자세를 생성하기 위해, 935에서 차량의 자세가 925에서 식별된 자세 및 930에서 수행된 로컬화 절차에 관련된 정보의 평균화에 기초하여 식별된다. 다른 실시예에서, 935에서 차량의 자세가 요소(925 및 935)에 관련된 정보의 중앙값(median), 요소(925 및 930)에 관련된 정보의 평균(mean) 등과 같은 함수에 기초하여 식별된다. 이어서, 940에서, 차량이 925에서 식별된 자세 또는 935에서 식별된 자세 중 하나 또는 둘 모두에 기초하여 동작된다.

945에서의 용인 가능하지 않은 자세 정확도의 결과로서 930에서 2차 로컬화 절차가 수행되는 도 9의 상기 기술이 하나의 예시적인 기술로서 의도되고 다른 실시예가 달라질 것임이 이해될 것이다. 예를 들어, 다른 실시예에서, 차량의 자세가 925에서 식별된 자세와 930에서의 2차 로컬화 절차의 조합에 기초하도록 930에서의 2차 로컬화 절차를 항상 수행하는 것이 바람직하다.

도 10은 다양한 실시예에 따른, 로컬화 기술의 대안적인 예를 도시한다. 일반적으로, 도 10은 도 9의 기술과 상호보완적인 것으로 의도되고 도 9의 요소와 유사한 하나 이상의 요소를 포함한다. 도 9와 유사하게, 도 10의 기술은 인지 회로(302), 로컬화 회로(308) 등과 같은 차량의 요소에 의해 수행된다. 더 일반적으로, 일 실시예에서, 이 기술은 프로세서(204)에 의해 수행된다.

이 기술은, 1005에서, 제1 차량의 센서로부터의 센서 데이터를 식별하는 단계를 포함하고, 여기서 센서 데이터는 제1 차량을 기준으로 한 도로 상의 적어도 2대의 다른 차량의 자세에 관련된 정보를 포함한다. 1005에서의 식별은, 예를 들어, 905에서의 식별 또는 도 6의 묘사(605)에서 차량(610)과 관련하여 설명된 바와 같은 식별과 유사하다. 제1 차량은, 예를 들어, 도 6의 차량(615)이다.

이 기술은, 1010에서, 적어도 2대의 다른 차량의 자세에 관한 정보에 적어도 부분적으로 기초하여 도로의 일 부분의 지오메트리를 결정하는 단계를 추가로 포함한다. 예를 들어, 이 결정은 도 6의 차선(620)과 같은 차선을 식별하는 것 및 910에서의 차선의 추정이다.

이 기술은, 1015에서, 도로의 부분의 지오메트리를 맵 데이터(예를 들면, 도 7에서 또는 요소(915)에서 식별된 맵 데이터(700))와 비교하여 도로의 부분과 맵 데이터의 일 부분(예를 들면, 도 8의 부분(810)) 사이의 매치를 식별하는 단계를 추가로 포함한다. 이 비교는, 예를 들어, 도 8 또는 요소(920)와 관련하여 설명된 바와 같다.

이 기술은, 1020에서, 매치에 적어도 부분적으로 기초하여 맵 데이터를 기준으로 한 제1 차량의 자세를 결정하는 단계를 추가로 포함한다. 자세의 결정은 도 9의 요소(925)와 관련하여 위에서 설명된 것과 유사하거나 위에서 도 8에 묘사된 것과 유사하다.

도 9 및 도 10의 기술이 일 실시예의 예로서 의도되고 다른 실시예가 묘사된 기술로부터의 하나 이상의 변형을 포함한다는 것이 이해될 것이다. 예를 들어, 다른 실시예에서, 특정 요소들이 동시에 또는 묘사된 것과 상이한 순서로 수행된다. 다른 실시예는 묘사된 것보다 더 많거나 더 적은 요소를 포함한다. 다른 실시예에서 다른 변형이 존재한다.

추가로, 도 6, 도 7, 및 도 8에 대한 설명은 물론 도 9 및 도 10의 기술에 대한 설명이 본원에서 차선과 관련하여 이루어져 있지만, 본원에서의 "차선"의 사용이 하나의 예시적인 실시예로서 의도된다는 점에 유의해야 할 것이다. 본원에서의 개념이 다른 실시예에서 다른 도로 지오메트리로 확장될 수 있다. 일 예로서, 차량(예를 들면, 차량(615))과 다른 차량(예를 들면, 차량(610))에 관련된 정보의 비교는 제방과 같은 고유한 도로 지오메트리의 식별에도 적용 가능하다. 이 예에서, (차량들(610) 중 다른 차량, 차량(615)과 비교한, 수평선 등과 비교한) 차량(610)의 각도는 그러한 제방의 존재를 식별하는 데 사용된다. 일단 제방이 식별되면, 제방에 기초하여 차량(615)의 위치, 배향, 또는 자세를 식별하기 위해 차량(615)의 마지막으로 알려진 위치에 관련된 맵 데이터가 비교된다.

다른 예로서, 로컬화가 회전 교차로 또는 곡선 차선의 존재에 기초하여 수행된다. 구체적으로, 차량(610)의 위치, 배향, 또는 자세가 곡선 차선 또는 회전 교차로의 존재를 나타내는 경우, 맵 데이터 내에서 차량의 위치, 배향, 또는 자세를 식별하기 위해 해당 곡선 차선 또는 회전 교차로가 차량(615)에 관련된 맵 데이터와 비교된다. 다른 실시예는 추가적인 또는 대안적인 특징부 또는 도로 데이터(예를 들면, 언덕, 합류 차선 또는 진출 차선 등)를 사용한다.

전술한 설명에서, 본 발명의 실시예는 구현마다 달라지는 다수의 특정 세부 사항을 참조하여 기술되었다. 따라서, 상세한 설명 및 도면은 제한적인 관점보다는 예시적인 관점에서 보아야 한다. 본 발명의 범위의 유일한 독점적인 지표, 및 출원인이 본 발명의 범위이도록 의도한 것은, 본 출원에서 특정 형태로 나오는 일련의 청구항의 문언적 등가 범위이며, 그러한 청구항이 나오는 특정 형태는 임의의 후속 보정을 포함한다. 그러한 청구항에 포함된 용어에 대한 본원에서 명시적으로 기재된 임의의 정의는 청구항에서 사용되는 그러한 용어의 의미를 결정한다. 추가적으로, 전술한 설명 및 이하의 청구항에서 "추가로 포함하는"이라는 용어가 사용될 때, 이 문구에 뒤따르는 것은 추가적인 단계 또는 엔티티, 또는 이전에 언급된 단계 또는 엔티티의 서브-단계/서브-엔티티일 수 있다.

Claims

컴퓨터 구현 방법으로서,
적어도 하나의 프로세서를 사용하여, 제1 차량의 센서로부터의 센서 데이터를 식별하는 단계 - 상기 센서 데이터는 도로 상의 적어도 2대의 다른 차량의 자세에 관련된 정보를 포함함 -;
상기 적어도 하나의 프로세서를 사용하여, 상기 적어도 2대의 다른 차량의 상기 자세에 관한 상기 정보에 적어도 부분적으로 기초하여 상기 도로의 일 부분의 지오메트리(geometry)를 결정하는 단계;
상기 적어도 하나의 프로세서를 사용하여, 상기 도로의 상기 부분의 상기 지오메트리를 맵 데이터와 비교하여 상기 도로의 상기 부분과 상기 맵 데이터의 일 부분 간의 매치를 식별하는 단계; 및
상기 매치에 적어도 부분적으로 기초하여 상기 맵 데이터를 기준으로 한 상기 제1 차량의 자세를 결정하는 단계
를 포함하는, 컴퓨터 구현 방법.
제1항에 있어서, 상기 센서는 시각 센서 또는 거리 센서인, 컴퓨터 구현 방법.
제1항에 있어서, 상기 센서 데이터는 상기 제1 차량을 기준으로 한 상기 적어도 2대의 다른 차량의 차량 각각의 위치에 관한 정보를 포함하는 것인, 컴퓨터 구현 방법.
제1항에 있어서, 상기 센서 데이터는 상기 제1 차량을 기준으로 한 상기 적어도 2대의 다른 차량의 차량 각각의 배향에 관한 정보를 포함하는 것인, 컴퓨터 구현 방법.
제1항에 있어서, 상기 도로의 상기 부분은 상기 도로의 차선인, 컴퓨터 구현 방법.
제1항에 있어서, 상기 제1 차량의 상기 자세를 결정하는 단계는 상기 매치에 적어도 부분적으로 기초하여 상기 맵 데이터를 기준으로 한 상기 제1 차량의 위치 및 배향을 결정하는 단계를 포함하는 것인, 컴퓨터 구현 방법.
명령어를 포함하는 하나 이상의 컴퓨터 판독 가능 비일시적 저장 매체로서, 상기 명령어는, 하나 이상의 프로세서에 의한 상기 명령어의 실행 시에, 차량으로 하여금:
제1 차량의 센서로부터의 센서 데이터를 식별하게 하고 - 상기 센서 데이터는 도로 상의 적어도 2대의 다른 차량의 자세에 관련된 정보를 포함함 -;
상기 적어도 2대의 다른 차량의 상기 자세에 관한 상기 정보에 적어도 부분적으로 기초하여 상기 도로의 일 부분의 지오메트리를 결정하게 하고;
상기 도로의 상기 부분의 상기 지오메트리를 맵 데이터와 비교하여 상기 도로의 상기 부분과 상기 맵 데이터의 일 부분 간의 매치를 식별하게 하며;
상기 매치에 적어도 부분적으로 기초하여 상기 맵 데이터를 기준으로 한 상기 제1 차량의 자세를 결정하게 하는 것인, 하나 이상의 컴퓨터 판독 가능 비일시적 저장 매체.
제7항에 있어서, 상기 명령어는 추가로 상기 도로의 상기 부분과 상기 맵 데이터의 상기 부분 사이의 상기 매치의 품질에 적어도 부분적으로 기초하여 상기 맵 데이터를 기준으로 한 상기 제1 차량의 상기 자세의 정확도를 결정하는 것인, 하나 이상의 컴퓨터 판독 가능 비일시적 저장 매체.
제7항에 있어서, 상기 명령어는 추가로 다수의 상기 적어도 2대의 다른 차량에 적어도 부분적으로 기초하여 상기 맵 데이터를 기준으로 한 상기 제1 차량의 상기 자세의 정확도를 결정하는 것인, 하나 이상의 컴퓨터 판독 가능 비일시적 저장 매체.
제7항에 있어서, 상기 제1 차량의 상기 자세는 제1 자세이고, 상기 명령어는 추가로:
상기 맵 데이터를 기준으로 한 상기 제1 차량의 상기 제1 자세의 정확도를 결정하고;
상기 제1 자세의 상기 정확도가 미리 정의된 임계치를 충족시키지 않는다는 결정에 응답하여, 상기 맵 데이터를 기준으로 한 상기 제1 차량의 제2 자세를 결정하기 위해 로컬화 프로세스를 실행하는 것인, 하나 이상의 컴퓨터 판독 가능 비일시적 저장 매체.
제10항에 있어서, 상기 명령어는 추가로:
상기 맵 데이터를 기준으로 한 상기 제1 차량에 대한 평균 자세를 결정하기 위해 상기 제1 자세와 상기 제2 자세를 평균화하는 것인, 하나 이상의 컴퓨터 판독 가능 비일시적 저장 매체.
차량으로서,
센서;
하나 이상의 프로세서; 및
명령어를 포함하는 하나 이상의 컴퓨터 판독 가능 비일시적 저장 매체
를 포함하고, 상기 명령어는, 상기 하나 이상의 프로세서에 의한 상기 명령어의 실행 시에, 상기 차량으로 하여금:
상기 차량의 상기 센서로부터의 센서 데이터를 식별하게 하고 - 상기 센서 데이터는 도로 상의 적어도 2대의 다른 차량의 자세에 관련된 정보를 포함함 -;
상기 적어도 2대의 다른 차량의 상기 자세에 관한 상기 정보에 적어도 부분적으로 기초하여 상기 도로의 일 부분의 지오메트리를 결정하게 하고;
상기 도로의 상기 부분의 상기 지오메트리를 맵 데이터와 비교하여 상기 도로의 상기 부분과 상기 맵 데이터의 일 부분 간의 매치를 식별하게 하며;
상기 매치에 적어도 부분적으로 기초하여 상기 맵 데이터를 기준으로 한 상기 차량의 자세를 결정하게 하는 것인, 차량.
제12항에 있어서, 상기 명령어는 추가로 상기 차량이 간선도로(highway)에서 주행하고 있다는 결정에 응답하여 상기 센서로부터의 상기 센서 데이터를 식별하는 것인, 차량.
제12항에 있어서, 상기 명령어는 추가로 상기 센서가 차단(obstruct)되어 있다는 결정에 응답하여 상기 센서로부터의 상기 센서 데이터를 식별하는 것인, 차량.
제12항에 있어서, 상기 명령어는 추가로 로컬화 프로세스에 의해 생성된 상기 맵 데이터를 기준으로 한 상기 차량의 자세의 정확도가 미리 정의된 임계치를 충족시키지 않는다는 결정에 응답하여 상기 센서로부터의 상기 센서 데이터를 식별하는 것인, 차량.
제12항에 있어서, 상기 명령어는 추가로:
상기 차량의 이전 위치를 결정하고;
상기 도로의 상기 부분의 상기 지오메트리를 상기 차량의 상기 이전 위치에 대한 맵 데이터와 비교하여 상기 도로의 상기 부분과 상기 맵 데이터의 상기 부분 간의 매치를 식별하는 것인, 차량.
제12항에 있어서, 상기 도로의 상기 부분의 상기 지오메트리와 상기 맵 데이터의 비교는 상기 도로의 상기 부분의 상기 결정된 지오메트리와 상기 맵 데이터의 컨볼루션의 수행을 포함하는 것인, 차량.
제12항에 있어서, 상기 명령어는 추가로 상기 결정된 자세에 적어도 부분적으로 기초하여 상기 차량을 운행시키는 것인, 차량.
제12항에 있어서, 상기 명령어는 추가로:
상기 도로의 상기 부분의 상기 지오메트리를 기준으로 한 상기 차량의 자세를 결정하고;
상기 매치에 적어도 부분적으로 기초하여 상기 맵 데이터를 기준으로 한 상기 차량의 상기 자세를 결정하는 것은 상기 도로의 상기 부분의 상기 지오메트리를 기준으로 한 상기 차량의 상기 자세를 상기 맵 데이터에 매핑하는 것을 포함하는 것인, 차량.
제12항에 있어서, 상기 센서는 시각 센서 또는 거리 센서인, 차량.