KR20230018352A - 차량의 주행 경로를 결정하기 위한 방법 및 장치 - Google Patents

Abstract

본 발명은 차량의 주행 경로를 결정하기 위한 방법 및 장치에 관한 것이다. 본 발명의 일 실시예에 따른 방법은, GPS 신호에 기초하여 복수의 주행 경로들이 표시된 벡터맵에서 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 획득하고, 차량의 전방을 촬영한 전방 영상에 기초하여 차량이 주행 중인 것으로 추정되는 제 2 주행 경로를 획득하고, 제 2 주행 경로에 기초하여 제 1 주행 경로를 보정하고, 벡터맵 상에서 제 1 주행 경로를 보정한 결과 차량이 주행 중인 최종 주행 경로를 결정할 수 있다.

Description

차량의 주행 경로를 결정하기 위한 방법 및 장치{METHOD AND APPARATUS FOR DETERMINING A DRIVING ROUTE OF A VEHICLE}

본 발명은 차량의 주행 경로를 결정하기 위한 방법 및 장치에 관한 것이다.

도로에서 주행 중인 차량은 도로에 포함된 복수개의 차선 중 어느 두 개의 차선들 사이를 주행하게 되며, 차량은 주행 중에 빈번하게 주행 경로를 변경할 수 있다.

차량이 현재 어느 주행 경로 상에서 주행 중인지를 결정하기 위해 GPS 장치가 사용될 수 있다. 차량의 주행 경로를 결정하는 장치는 인공위성으로부터 GPS 신호를 수신하고, GPS 신호로부터 차량의 위도, 경도 상의 절대적인 위치 값을 도출할 수 있다. 이를 통해, 차량의 주행 경로를 결정하는 장치는 GPS 신호에 기초하여 차량이 현재 어느 주행 경로 상에 있는 지를 추정할 수 있다.

다만, GPS 신호로부터 추정된 차량의 위치 정보에는 오차가 존재할 수 있다. 이에 따라, 차량의 주행 경로를 보다 정확하게 결정하는 방법에 대한 연구가 필요하다.

전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.

본 발명은 차량의 주행 경로를 결정하기 위한 방법 및 장치를 제공하는데 있다. 본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 과제 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시 예에 의해보다 분명하게 이해될 것이다. 또한, 본 발명이 해결하고자 하는 과제 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 개시의 제1 측면은, 차량의 주행 경로를 결정하기 위한 방법으로서, GPS 신호에 기초하여 복수의 주행 경로들이 표시된 벡터맵에서 상기 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 획득하는 단계; 상기 차량의 전방을 촬영한 전방 영상에 기초하여 상기 차량이 주행 중인 것으로 추정되는 제 2 주행 경로를 획득하는 단계; 상기 제 2 주행 경로에 기초하여 상기 제 1 주행 경로를 보정하는 단계; 및 상기 벡터맵 상에서 상기 제 1 주행 경로를 보정한 결과 상기 차량이 주행 중인 최종 주행 경로를 결정하는 단계;를 포함할 수 있다.

또한, 상기 보정하는 단계는, 상기 제 1 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수와 상기 제 2 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수가 서로 다른 경우, 상기 제 1 주행 경로가 상기 제 2 주행 경로에 대응되도록 상기 벡터맵에서 상기 제 1 주행 경로를 제 3 주행 경로로 보정하는 단계;를 포함하고, 상기 제 3 주행 경로는 상기 제 2 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수에 기초하여 상기 제 2 주행 경로와 위치적으로 대응되는 상기 벡터맵 상에서의 주행 경로에 해당할 수 있다.

또한, 상기 보정하는 단계는, 상기 전방 영상에 기초하여 획득한 차선 정보에 정지선이 포함되지 않은 경우, 상기 제 3 주행 경로가 상기 제 2 주행 경로에 정합하도록 상기 제 3 주행 경로의 횡방향 보정 값 및 헤딩 각도 보정 값을 도출하는 단계; 및 상기 제 3 주행 경로에 상기 횡방향 보정 값 및 상기 헤딩 각도 보정 값을 적용하여 상기 제 3 주행 경로를 제 4 주행 경로로 보정하는 단계; 를 포함하고, 상기 최종 주행 경로를 결정하는 단계는, 상기 제 4 주행 경로를 상기 최종 주행 경로로 결정할 수 있다.

또한, 상기 보정하는 단계는, 상기 전방 영상에 기초하여 획득한 차선 정보에 정지선이 포함된 경우, 상기 제 3 주행 경로가 상기 제 2 주행 경로에 정합하도록 상기 제 3 주행 경로의 횡방향 보정 값, 종방향 보정 값 및 헤딩 각도 보정 값을 도출하는 단계; 및 상기 제 3 주행 경로에 상기 횡방향 보정 값, 상기 종방향 보정 값 및 상기 헤딩 각도 보정 값을 적용하여 상기 제 3 주행 경로를 제 4 주행 경로로 보정하는 단계; 를 포함하고, 상기 최종 주행 경로를 결정하는 단계는, 상기 제 4 주행 경로를 상기 최종 주행 경로로 결정할 수 있다.

또한, 상기 제 1 주행 경로를 획득하는 단계는, 상기 GPS 신호에 기초하여 상기 차량의 현재 위치를 획득하는 단계; 상기 벡터맵을 상기 차량의 현재 위치를 원점으로 하는 직교 좌표계에 기초한 로컬 벡터맵으로 변환하는 단계; 및 상기 로컬 벡터맵에 포함된 적어도 하나의 주행 경로들 중에서 제 1 주행 경로를 획득하는 단계; 를 포함할 수 있다.

또한, 상기 제 2 주행 경로를 획득하는 단계는, 상기 전방 영상을 DNN(Deep Neural Network)에 입력하여 상기 전방 영상 내의 차선들을 예측하는 단계; 및 상기 전방 영상 내 차선들을 상기 차량의 현재 위치를 원점으로 하는 직교 좌표계 상에 표시하는 단계; 및 상기 직교 좌표계 상에 표시된 차선들에 기초하여 상기 제 2 주행 경로를 획득하는 단계;를 포함할 수 있다.

본 개시의 제 2 측면은, 차량의 주행 경로를 결정하기 위한 장치에 있어서, 적어도 하나의 프로그램이 저장된 메모리; 및 상기 적어도 하나의 프로그램을 실행함으로써 연산을 수행하는 프로세서를 포함하고, 상기 프로세서는, GPS 신호에 기초하여 복수의 주행 경로들을 포함하는 벡터맵에서 상기 차량이 주행 중인 것으로 판단되는 제 1 주행 경로를 획득하고, 상기 차량의 전방을 촬영한 전방 영상에 기초하여 상기 차량이 주행 중인 것으로 판단되는 제 2 주행 경로를 획득하고, 상기 제 2 주행 경로에 기초하여 상기 제 1 주행 경로를 보정하고, 상기 벡터맵 상에서 상기 제 1 주행 경로를 보정한 결과 상기 차량이 주행 중인 최종 주행 경로를 결정하는 것인, 장치를 제공할 수 있다.

본 개시의 제 3 측면은, 제 1 측면에 따른 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공할 수 있다.

이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 저장된 컴퓨터로 판독 가능한 기록매체가 더 제공될 수 있다.

전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 특허청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.

전술한 본 개시의 과제 해결 수단에 의하면, 차량이 현재 주행 경로를 보다 정확하게 제공할 수 있다.

또한, 본 개시의 과제 해결 수단에 의하면, 차량의 전방 영상에 기초한 차선 인식 결과만을 활용하여 간단하고 신뢰성 있는 차량의 주행 경로 보정 방법을 제공할 수 있다.

또한, 본 개시의 과제 해결 수단에 의하면, 차량의 전방 영상에 기초한 차선 인식 결과 및 GPS 신호에 기초하여 도출한 보정값을 메모리에 저장하여, 차선 인식이 불가한 구간에서도 상기 보정값을 이용하여 차량의 주행 경로를 보정할 수 있다.

도 1은 일 실시예에 따른 차량의 주행 경로를 나타내는 도면이다.
도 2는 일 실시예에 따른 차량의 주행 경로를 결정하는 장치의 블록도이다.
도 3은 일 실시예에 따른 벡터맵에서 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 획득하는 방법을 나타내는 도면이다.
도 4는 일 실시예에 따른 차량의 전방 영상에 기초하여 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 획득하는 방법을 나타내는 도면이다.
도 5는 일 실시예에 따른 차선 인식부에서 예측한 차선들을 예시적으로 나타내는 도면이다.
도 6은 일 실시예에 따른 제 2 주행 경로에 기초하여 제 1 주행 경로를 보정하는 방법을 예시적으로 나타내는 도면이다.
도 7은 일 실시예에 따른 주행 경로의 위치 및 헤딩 각도를 보정하는 방법을 예시적으로 나타내는 도면이다.
도 8은 일 실시예에 따른 주행 경로의 위치 및 헤딩 각도를 보정하는 방법을 예시적으로 나타내는 도면이다.
도 9는 일 실시예에 따른 차선 유지 지원 시스템을 이용하여 차량의 주행 경로를 보정하는 방법을 예시적으로 나타내는 도면이다.
도 10은 일 실시예에 따른 차량의 주행 경로를 결정하기 위한 방법의 흐름도이다.
도 11은 일 실시예에 따른 차량의 주행 경로를 결정하는 서버의 블록도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 설명되는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 아래에서 제시되는 실시 예들로 한정되는 것이 아니라, 서로 다른 다양한 형태로 구현될 수 있고, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 아래에 제시되는 실시 예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

본 개시의 일부 실시예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들의 일부 또는 전부는, 특정 기능들을 실행하는 다양한 개수의 하드웨어 및/또는 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 개시의 기능 블록들은 하나 이상의 마이크로프로세서들에 의해 구현되거나, 소정의 기능을 위한 회로 구성들에 의해 구현될 수 있다. 또한, 예를 들어, 본 개시의 기능 블록들은 다양한 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능 블록들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 개시는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다."매커니즘", "요소", "수단" 및 "구성"등과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다.

또한, 도면에 도시된 구성 요소들 간의 연결 선 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것일 뿐이다. 실제 장치에서는 대체 가능하거나 추가된 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들에 의해 구성 요소들 간의 연결이 나타내어질 수 있다.

이하에서, '차량'은 자동차, 버스, 오토바이, 킥보드 또는 트럭과 같이 기관을 가지고 사람이나 물건을 이동시키기 위해 이용되는 모든 종류의 운송 수단을 의미할 수 있다.

또한, 도로(road)는 차량들이 다니는 길을 의미하며, 예를 들어, 고속도로, 국도, 지방도, 고속국도, 자동차 전용 도로 등과 같은 다양한 유형의 도로를 포함할 수 있다. 차선(lane)은 도로 노면 상에 표시된 구분선들을 통해 서로 구분되는 도로 공간을 의미한다. 구분선은 차로의 구별을 위해 도로 노면 상에 표시된 실선 또는 점선을 의미한다.

이하 첨부된 도면을 참고하여 본 개시를 상세히 설명하기로 한다.

도 1은 일 실시예에 따른 차량의 주행 경로를 나타내는 도면이다.

도로에서 주행 중인 차량은 도로에 포함된 복수개의 차선 중 어느 두 개의 차선들 사이를 주행하게 되며, 차량이 현재 주행중인 경로를 주행 경로라고 지칭할 수 있다. 한편, 차량은 주행 중에 빈번하게 주행 경로를 변경할 수 있다.

차량이 현재 어느 주행 경로 상에서 주행 중인지를 결정하기 위해 GPS 장치가 사용될 수 있다. 차량의 주행 경로를 결정하는 장치는 인공위성으로부터 GPS 신호를 수신하고, GPS 신호로부터 차량의 위도, 경도 상의 절대적인 위치 값을 도출할 수 있다. 이를 통해, 차량의 주행 경로를 결정하는 장치는 GPS 신호에 기초하여 차량이 현재 어느 주행 경로 상에 있는 지를 추정할 수 있다.

다만, GPS 신호로부터 추정된 차량의 위치 정보에는 오차가 존재할 수 있다. 따라서, GPS 신호에 기초하여 추정한 차량의 주행 경로는 실제 차량이 주행 중인 주행 경로와 다를 수 있다. 예를 들어, 도 1을 참고하면 GPS 신호로부터 추정된 차량(100)의 주행 경로(120)와 실제로 차량(100)이 도로에서 주행 중인 주행 경로(110)는 다를 수 있다. 이에 따라, GPS 신호에 기초하여 추정한 차량의 주행 경로를 보정할 필요성이 있다.

도 2는 일 실시예에 따른 차량의 주행 경로를 결정하는 장치의 블록도이다.

도 2를 참조하면, 차량의 주행 경로를 결정하는 장치(200)는 메모리(210), 센서부(220), 통신부(230) 및 프로세서(240)를 포함할 수 있다. 도 2의 차량의 주행 경로를 결정하는 장치(200)에는 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 2에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 당해 기술분야의 통상의 기술자라면 이해할 수 있다.

메모리(210)는 차량의 주행 경로를 결정하는 장치(200) 내에서 처리되는 각종 데이터들을 저장하는 하드웨어로서, 프로세서(240)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. 예를 들어, 메모리(210)는 차량이 주행할 수 있는 복수의 주행 경로들이 표시된 벡터맵을 저장할 수 있다.

메모리(210)는 DRAM(dynamic random access memory), SRAM(static random access memory) 등과 같은 RAM(random access memory), ROM(read-only memory), EEPROM(electrically erasable programmable read-only memory), CD-ROM, 블루레이 또는 다른 광학 디스크 스토리지, HDD(hard disk drive), SSD(solid state drive), 또는 플래시 메모리를 포함할 수 있다.

센서부(220)는 차량의 주변을 촬영하는 촬영 장치, 차량의 주행거리를 측정하기 위한 센서(예컨대, 차속계, 주행거리계, 가속도계 등) 또는 차량의 회전각을 측정하기 위한 센서(예컨대, 지 자기센서, 자이로 센서 등)를 포함할 수 있다. 차량의 주변을 촬영하는 장치는 차량 외부의 환경을 기록하도록 구성되는 스틸 카메라 또는 비디오 카메라일 수 있다. 촬영 장치는 다수의 카메라들을 포함할 수 있고, 다수의 카메라들은 차량의 내부 및 외부 상의 다수의 위치들에 배치될 수 있다. 센서부(220)는 차량의 주변을 촬영하는 장치로부터 획득한 차량의 전방 영상를 프로세서(240)로 전송할 수 있다.

통신부(230)는 외부 서버 또는 외부 장치와 유선/무선 통신을 하게 하는 하나 이상의 구성 요소를 포함할 수 있다. 예를 들어, 통신부(230)는, 근거리 통신부(미도시), 이동 통신부(미도시) 및 방송 수신부(미도시) 중 적어도 하나를 포함할 수 있다. 예를 들어, 통신부(230)는 GPS(GPS, Global Positioning System) 위성으로부터 GPS 신호를 수신할 수 있다.

프로세서(240)는 차량의 주행 경로를 결정하는 장치(200)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(240)는 메모리(210)에 저장된 프로그램들을 실행함으로써, 입력부(미도시), 디스플레이(미도시), 통신부(230), 메모리(210) 등을 전반적으로 제어할 수 있다. 프로세서(240)는, 메모리(210)에 저장된 프로그램들을 실행함으로써, 차량의 주행 경로를 결정하는 장치(200)의 동작을 제어할 수 있다. 예를 들어, 프로세서(240)는 차선 인식부(250), GPS 신호 처리부(260) 및 주행 경로 보정부(270)를 포함할 수 있다.

차선 인식부(250)는 센서부(220)로부터 차량의 전방 영상을 수신하고, 차량의 전방 영상에 기초하여 차량이 주행 중인 것으로 추정되는 주행 경로를 획득할 수 있다.

또한, GPS 신호 처리부(260)는 통신부(230)로부터 GPS 신호를 획득하고, 메모리(210)로부터 차량이 주행할 수 있는 복수의 주행 경로들이 표시된 벡터맵을 획득할 수 있다. GPS 신호 처리부(260)는 GPS 신호에 기초하여 복수의 주행 경로들이 표시된 벡터맵에서 차량이 주행 중인 것으로 추정되는 주행 경로를 획득할 수 있다.

한편, GPS 신호로부터 추정된 차량의 위치 정보에는 오차가 존재할 수 있으므로, GPS 신호 처리부(260)가 벡터맵 상에서 차량이 주행 중인 것으로 추정한 주행 경로는 실제 차량이 주행 중인 주행 경로와 다를 수 있다.

이에 따라, 주행 경로 보정부(270)는 차선 인식부(250)로부터 획득한 주행 경로에 기초하여, GPS 신호 처리부(260)로부터 획득한 주행 경로를 보정할 수 있다. 최종적으로, 주행 경로 보정부(270)는 벡터맵 상에서 GPS 신호 처리부(260)로부터 획득한 주행 경로를 보정한 결과 차량이 주행 중인 최종 주행 경로를 결정할 수 있다.

프로세서(240)는 ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

일 실시 예로, 차량의 주행 경로를 결정하는 장치(200)는 이동성을 가지는 전자 장치일 수 있다. 예를 들어, 차량의 주행 경로를 결정하는 장치(200)는 스마트폰, 태블릿 PC, PC, 스마트 TV, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 네비게이션, 카메라가 탑재된 디바이스 및 기타 모바일 전자 장치로 구현될 수 있다. 또한, 차량의 주행 경로를 결정하는 장치(200)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 장치로 구현될 수 있다.

다른 실시 예로, 차량의 주행 경로를 결정하는 장치(200)는 차량 내에 임베디드 되는 전자 장치일 수 있다. 예를 들어, 차량의 주행 경로를 결정하는 장치(200)는 생산 과정 이후 튜닝(tuning)을 통해 차량 내에 삽입되는 전자 장치일 수 있다.

또 다른 실시 예로, 차량의 주행 경로를 결정하는 장치(200)는 차량 외부에 위치하는 서버일 수 있다. 서버는 네트워크를 통해 통신하여 명령, 코드, 파일, 컨텐츠, 서비스 등을 제공하는 컴퓨터 장치 또는 복수의 컴퓨터 장치들로 구현될 수 있다. 서버는 차량에 탑재된 장치들로부터 차량이 주행 중인 현재 주행 경로를 결정하기 위해 필요한 데이터를 수신하고, 수신한 데이터에 기초하여 차량의 주행 경로를 결정할 수 있다.

도 3은 일 실시예에 따른 벡터맵에서 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 획득하는 방법을 나타내는 도면이다.

일 실시예에 따르면, 차량의 주행 경로를 결정하는 장치는 GPS 신호에 기초하여 차량의 현재 위치를 획득할 수 있다. 또한, 차량의 주행 경로를 결정하는 장치는 벡터맵을 차량의 현재 위치를 원점으로 하는 직교 좌표계에 기초한 로컬 벡터맵으로 변환하고, 로컬 벡터맵에 포함된 적어도 하나의 주행 경로들 중에서 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 획득할 수 있다.

도 3을 참고하면, GPS 신호 처리부(260)는 메모리(210)에 저장된 벡터맵(300)을 수신할 수 있다. 예를 들어, 벡터맵(300)은 차량이 주행할 수 있는 복수의 주행 경로들이 표시된 주행 경로 지도에 해당할 수 있다. 벡터맵(300) 상의 임의의 벡터는 임의의 벡터의 양 옆에 위치한 차선들의 중간을 지나게 되고, 양 옆에 위치한 차선들과 평행할 수 있다. 벡터맵(300)은 경도(longitude), 위도(latitude) 및 고도(height) 형식의 구면 좌표계에 기초한 맵에 해당할 수 있다. 예를 들어, 벡터맵(300)은 WGS 84(World　Geodetic　System　1984) 좌표계에 기초한 맵일 수 있으나 이에 제한되는 것은 아니다.

또한, GPS 신호 처리부(260)는 벡터맵(300)에서 차량이 주행 중인 것으로 추정되는 주행 경로를 획득하기 위해, 구면 좌표계에 기초한 벡터맵을 직교 좌표계에 해당하는 로컬 ENU(동북상) 좌표계에 기초한 벡터맵으로 변환할 수 있다.

한편, GPS 신호 처리부(260)는 통신부(230)로부터 GPS 신호를 수신할 수 있으며, GPS 신호에 기초하여 차량의 현재 위치를 획득할 수 있다. GPS 신호에 기초한 차량의 현재 위치는 구면 좌표계 형식으로 표현될 수 있다. GPS 신호 처리부(260)는 구면 좌표계 형식으로 표현된 차량의 현재 위치를 로컬 ENU 좌표계 형식으로 변환할 수 있다.

최종적으로, GPS 신호 처리부(260)는 로컬 ENU 좌표계에 기초한 벡터맵을 로컬 ENU 좌표계 형식으로 변환된 차량의 현재 위치를 원점으로 하고 일정 크기를 갖는 로컬 벡터맵(310)으로 변환할 수 있다.

GPS 신호 처리부(260)는 로컬 벡터맵(310)에 포함된 적어도 하나의 주행 경로들 중에서 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 획득할 수 있다. 예를 들어 도 3에 도시된 바와 같이, 로컬 벡터맵(310)에는 주행 경로들 a1, a2 및 a3가 포함될 수 있으며, 최종적으로 GPS 신호 처리부(260)는 차량의 현재 위치를 고려하여 차량이 주행 경로 a2에 위치한다고 추정할 수 있다.

한편, 상술한 바와 같이 벡터맵은 복수의 주행 경로들이 표시된 주행 경로 지도가 아닌 정밀 차선 지도에 해당할 수도 있다. 정밀 차선 지도는 정밀 도로 지도의 정보들 중 차선 정보만을 포함하는 지도에 해당할 수 있다. 정밀 도로 지도는 차선 정보, 규제 및 안전 정보, 각종 도로 시설물 등이 포함된 3차원 디지털 지도에 해당할 수 있다.

도 4는 일 실시예에 따른 차량의 전방 영상에 기초하여 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 획득하는 방법을 나타내는 도면이다.

일 실시예에 따르면, 차량의 주행 경로를 결정하는 장치는 차량의 전방을 촬영하는 전방 영상을 DNN(Deep Neural Network)에 입력하여 상기 전방 영상 내의 차선들을 예측하고, 전방 영상 내 차선들을 차량의 현재 위치를 원점으로 하는 직교 좌표계 상에 표시할 수 있다. 차량의 주행 경로를 결정하는 장치는 직교 좌표계 상에 표시된 차선들에 기초하여 차량이 주행 중인 것으로 추정되는 제 2 주행 경로를 획득할 수 있다.

도 4를 참고하면, 차선 인식부(250)는 센서부(220)로부터 차량의 전방을 촬영한 전방 영상(400)을 수신할 수 있다. 차선 인식부(250)는 DNN(Deep Neural Network) 모듈을 포함할 수 있다.

DNN 모듈은 전방 영상(400)을 입력 받아 전방 영상(400)에 포함된 차선들의 위치 또는 속성을 예측하도록 학습될 수 있다. 예를 들어, DNN 모듈의 학습에 이용되는 학습 데이터의 종류에 따라서 후술할 주행 경로 보정부(270)에서 수행할 수 있는 보정의 범위가 달라질 수 있다.

예를 들어, DNN 모듈의 학습에 이용되는 학습 데이터는 차량이 현재 주행 중인 경로의 양쪽 차선들 각각의 영상 내 위치가 레이블링(labeling)된 데이터에 해당할 수 있다. 즉, DNN 모듈의 학습에 이용되는 학습 데이터는 영상 내에서 2개의 차선의 위치가 레이블링된 데이터에 해당할 수 있다.

또는, 학습 데이터는 차량이 현재 주행 중인 경로의 양쪽 차선들 뿐만 아니라 다른 차선들도 포함하는 복수의 차선들 각각의 영상 내 위치가 레이블링된 데이터에 해당할 수 있다.

또는, 학습 데이터는 차량이 현재 주행 중인 경로의 양쪽 차선들 뿐만 아니라 다른 차선들도 포함하는 복수의 차선들 각각의 영상 내 위치 및 속성이 레이블링된 데이터에 해당할 수 있다. 예를 들어, 차선의 속성은'중앙선','정지선'또는'일반 차선'에 해당할 수 있으나, 이에 제한되는 것은 아니다.

도 4에 도시된 바와 같이, DNN 모듈은 인코더(410), 차선 인스턴스 디코더(420), 차선 속성 디코더(430)를 포함할 수 있다. DNN 모듈의 인코더(410)는 입력된 저수준(low-level)의 전방 영상(400)을 고수준(high-level)의 특징들로 변환할 수 있다. 차선 인스턴스 디코더(420)는 고수준의 특징들로 변환된 전방 영상에서 차선 인스턴스들을 픽셀 단위로 예측할 수 있다. 차선 속성 디코더(430)는 전방 영상 내의 각 차선 인스턴스가 어떤 속성을 가지는 지 예측할 수 있다.

도 5는 일 실시예에 따른 차선 인식부에서 예측한 차선들을 예시적으로 나타내는 도면이다.

도 5를 참고하면, 차선 인식부(250)는 DNN 모듈로부터 차량의 전방 영상 내 포함된 차선 인스턴스들을 획득할 수 있다. 한편, 획득된 차선 인스턴스들 전방 영상을 촬영하는 장치를 원점으로 하는 영상 좌표계 상에 표시된 차선 인스턴스들(500)에 해당할 수 있다.

차선 인식부(250)는 영상 좌표계 상에 표시된 차선 인스턴스들(500)을 차량 좌표계 상에 표시되도록 변환할 수 있다. 차량 좌표계는 차량의 현재 위치를 원점으로 하는 직교 좌표계에 해당할 수 있다. 즉, 차선 인식부(250)는 영상 좌표계 상에 표시된 차선 인스턴스들(500)을 차량 좌표계 상에 표시된 차선 인스턴스들(510)로 변환할 수 있다. 또한, 차량 좌표계 상에 표시된 차선 인스턴스들(510) 각각은 다항식 형태로 표현될 수 있다.

차선 인식부(250)는 차량 좌표계 상에 표시된 차선 인스턴스들(510)에 기초하여 차량 좌표계 상에 표시된 적어도 하나의 주행 경로들(520)을 획득할 수 있다. 차선 인식부(250)는 차량 좌표계 상에 표시된 적어도 하나의 주행 경로들(520) 중에서 차량이 주행 중인 것으로 추정되는 제 2 주행 경로를 획득할 수 있다. 예를 들어 도 3에 도시된 바와 같이, 차량의 전방 영상에 기초하여 획득한 차량 좌표계 상의 주행 경로들(520)에는 b1, b2 및 b3가 포함될 수 있으며, 최종적으로 차선 인식부(250)는 차량의 현재 위치를 고려하여 차량이 주행 경로 b3에 위치한다고 추정할 수 있다.

도 6은 일 실시예에 따른 제 2 주행 경로에 기초하여 제 1 주행 경로를 보정하는 방법을 예시적으로 나타내는 도면이다.

일 실시예에 따르면, 차량의 주행 경로를 결정하는 장치(200)는 GPS 신호에 기초하여 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 차량의 전방 영상에 기초하여 차량이 주행 중인 것으로 추정되는 제 2 주행 경로에 기초하여 보정할 수 있다. 먼저, 차량의 주행 경로를 결정하는 장치(200)는 1 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수와 제 2 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수가 서로 다른 경우, 제 1 주행 경로가 제 2 주행 경로에 대응되도록 벡터맵에서 제 1 주행 경로를 제 3 주행 경로로 보정할 수 있다.

예를 들어, 차선 인식부(250)가 현재 주행 중인 경로의 양쪽 차선들 뿐만 아니라 다른 차선들도 포함하는 복수의 차선들 각각의 영상 내 위치를 인식할 수 있는 경우를 가정할 수 있다. 이러한 경우, 주행 경로 보정부(270)는 로컬 벡터맵에서 차량이 주행 중인 것으로 추정되는 제 1 주행 경로의 오른쪽에 위치한 차선의 개수와 차량의 전방 영상에서 차량이 주행 중인 것으로 추정되는 제 2 주행 경로의 오른쪽에 위치한 차선의 개수를 비교할 수 있다. 제 1 주행 경로의 오른쪽에 위치한 차선의 개수가 K(K는 자연수)개이고, 제 2 주행 경로의 오른쪽에 위치한 차선의 개수가 L(L은 자연수)개이고, 차선 인식부(250)가 인식할 수 있는 최대 차선의 개수가 M개일 수 있다. 이 때, 차선 인식부(250)가 인식할 수 있는 최대 오른쪽 차선의 개수는 0.5M일 수 있다.

예를 들어, K가 L보다 크고 L이 0.5M보다 작은 경우에는, 제 1 주행 경로를 제 1 주행 경로에서 (K-L)개의 주행 경로만큼 왼쪽으로 이동한 위치의 제 3 주행 경로로 보정할 수 있다. 또는, K가 L보다 작은 경우에는, 제 1 주행 경로를 제 1 주행 경로에서 (L-K)개의 주행 경로만큼 오른쪽으로 이동한 위치의 제 3 주행 경로로 보정할 수 있다.

예를 들어, K가 L보다 크고 L이 0.5M에 해당하는 경우에는, 제 1 주행 경로의 오른쪽에 위치한 차선의 개수가 차선 인식부(250)가 인식할 수 있는 최대 오른쪽 차선의 개수보다 크므로, 제 1 주행 경로를 제 2 주행 경로에 대응하는 벡터맵 상의 주행 경로로 보정할 수 없다. 또한, 제 1 주행 경로의 왼쪽에 위치한 차선은 중앙선 너머에 있는 역주행 차선인지 구분이 되지 않으므로, 주행 경로를 보정할 때 고려하지 않을 수 있다.

한편, 차선 인식부(250)가 현재 주행 중인 경로의 양쪽 차선들 뿐만 아니라 다른 차선들도 포함하는 복수의 차선들 각각의 영상 내 위치 및 속성을 인식할 수 있는 경우를 가정할 수 있다. 이러한 경우, 중앙선 속성을 활용할 수 있으므로 왼쪽에 위치한 차선들을 고려하여 주행 경로를 보정할 수도 있다. 즉, 차선 인식부(250)가 현재 주행 중인 경로의 양쪽 차선들 뿐만 아니라 다른 차선들도 포함하는 복수의 차선들 각각의 영상 내 위치 및 속성을 인식할 수 있는 경우에는 오른쪽 또는 왼쪽에 위치한 차선의 개수를 고려하여 상술한 바와 같이 주행 경로를 보정할 수 있다.

한편, 차선 인식부(250)가 현재 주행 중인 경로의 양쪽 차선들만의 영상 내 위치를 인식할 수 있는 경우를 가정할 수 있으며, 이러한 경우에는 제 1 주행 경로를 제 2 주행 경로에 대응하는 벡터맵 상의 주행 경로로 보정하지 않을 수 있다.

도 6을 참고하면, 로컬 벡터맵(600)에는 주행 경로들 a1, a2 및 a3가 포함될 수 있으며, GPS 신호 처리부(260)는 차량의 현재 위치를 고려하여 차량이 제 1 주행 경로 a2에 위치한다고 추정할 수 있다. 한편, 차량의 전방 영상에 기초하여 획득한 차량 좌표계 상의 주행 경로들(610)에는 b1, b2 및 b3가 포함될 수 있으며, 차선 인식부(250)는 차량의 현재 위치를 고려하여 차량이 제 2 주행 경로 b3에 위치한다고 추정할 수 있다. 이러한 경우, 주행 경로 보정부(270)는 차선 인식부(250)의 추정 결과를 신뢰하여, 제 1 주행 경로 a2가 제 2 주행 경로 b3에 대응되도록 벡터맵에서 차량의 주행 경로를 제 1 주행 경로 a2에서 제 3 주행 경로 a3로 보정할 수 있다. 즉, 제 3 주행 경로는 차선 인식부(250)가 차량의 전방 영상에 기초하여 차량 좌표계 상에서 차량이 주행 중인 것으로 추정한 제 2 주행 경로와 위치적으로 대응되는 로컬 벡터맵 상에서의 주행 경로에 해당할 수 있다. 예를 들어, 제 3 주행 경로는 제 2 주행 경로의 왼쪽 또는 오른쪽에 위치한 차선의 개수에 기초하여, 제 2 주행 경로와 위치적으로 대응되는 로컬 벡터맵 상에서의 주행 경로에 해당할 수 있다.

도 7은 일 실시예에 따른 주행 경로의 위치 및 헤딩 각도를 보정하는 방법을 예시적으로 나타내는 도면이다.

일 실시예에 따르면, 차량의 주행 경로를 결정하는 장치(200)는 도 6에서 상술한 바와 같이 제 1 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수와 제 2 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수가 서로 다른 경우, 제 1 주행 경로가 제 2 주행 경로에 대응되도록 벡터맵에서 제 1 주행 경로를 제 3 주행 경로로 보정할 수 있다. 차량의 주행 경로를 결정하는 장치(200)는 제 1 주행 경로를 제 3 주행 경로로 보정한 이후에, 제 3 주행 경로가 제 2 주행 경로에 정합하도록 위치 및 헤딩 각도를 보정할 수 있다.

일 실시예에 따르면, 차선 인식부(250)가 전방 영상에 기초하여 획득한 차선 정보에 정지선이 포함되지 않은 경우, 주행 경로 보정부(270)는 제 3 주행 경로가 제 2 주행 경로에 정합하도록 제 3 주행 경로의 횡방향 보정 값 및 헤딩 각도 보정 값을 도출할 수 있다. 주행 경로 보정부(270)는 제 3 주행 경로에 횡방향 보정 값 및 헤딩 각도 보정 값을 적용하여 제 3 주행 경로를 제 4 주행 경로로 보정할 수 있다. 최종적으로, 제 4 주행 경로는 차량이 주행 중인 최종 주행 경로로 결정될 수 있다.

도 6에서 상술한 바와 같이, 주행 경로 보정부(270)는 로컬 벡터맵(600)상의 제 1 주행 경로 a2를 제 2 주행 경로 b3에 대응되도록, 로컬 벡터맵(600) 상에서 차량의 주행 경로를 제 1 주행 경로 a2에서 제 3 주행 경로 a3로 보정할 수 있다.

또한, 주행 경로 보정부(270)는 제 3 주행 경로 a3가 제 2 주행 경로 b3에 정합하도록 제 3 주행 경로 a3의 횡방향 보정 값 Tx 및 헤딩 각도 보정 값 θ를 도출할 수 있다. 횡방향 보정 값 Tx는 차량의 전방 영상에 기초하여 획득한 차량 좌표계 상의 주행 경로들(610) 중 제 2 주행 경로 b3와 로컬 벡터맵(600)상의 제 3 주행 경로 a3 간의 횡방향으로의 위치 차이를 나타내는 값이다. 또한, 헤딩 각도 보정 값 θ는 차량의 전방 영상에 기초하여 획득한 차량 좌표계 상의 주행 경로들(610) 중 제 2 주행 경로 b3와 로컬 벡터맵(600)상의 제 3 주행 경로 a3 간의 기울어진 각도 차이를 나타내는 값이다.

주행 경로 보정부(270)는 제 3 주행 경로 a3에 횡방향 보정 값 Tx 및 헤딩 각도 보정 값 θ를 적용할 수 있다. 최종적으로, 주행 경로 보정부(270)는 제 3 주행 경로 a3를 제 4 주행 경로 a4로 보정할 수 있으며, 제 4 주행 경로 a4를 차량이 주행 중인 최종 주행 경로로 결정할 수 있다.

상술한 바와 같이, 차선 인식부(250)가 전방 영상에 기초하여 획득한 차선 정보에 정지선이 포함되지 않은 경우에는 종방향 보정을 수행하지 않을 수 있다.

도 8은 일 실시예에 따른 주행 경로의 위치 및 헤딩 각도를 보정하는 방법을 예시적으로 나타내는 도면이다.

일 실시예에 따르면, 차선 인식부(250)가 전방 영상에 기초하여 획득한 차선 정보에 정지선이 포함된 경우, 주행 경로 보정부(270)는 제 3 주행 경로가 제 2 주행 경로에 정합하도록 제 3 주행 경로의 횡방향 보정 값, 종방향 보정 값 및 헤딩 각도 보정 값을 도출할 수 있다. 주행 경로 보정부(270)는 제 3 주행 경로에 횡방향 보정 값, 종방향 보정 값 및 헤딩 각도 보정 값을 적용하여 제 3 주행 경로를 제 4 주행 경로로 보정할 수 있다. 최종적으로, 제 4 주행 경로는 차량이 주행 중인 최종 주행 경로로 결정될 수 있다.

도 6에서 상술한 바와 같이, 주행 경로 보정부(270)는 로컬 벡터맵(600)상의 제 1 주행 경로 a2를 제 2 주행 경로 b3에 대응되도록, 로컬 벡터맵(600) 상에서 차량의 주행 경로를 제 1 주행 경로 a2에서 제 3 주행 경로 a3로 보정할 수 있다.

주행 경로 보정부(270)는 제 3 주행 경로 a3가 제 2 주행 경로 b3에 정합하도록 제 3 주행 경로 a3의 횡방향 보정 값 Tx, 종방향 보정 값 Ty 및 헤딩 각도 보정 값 θ를 도출할 수 있다. 횡방향 보정 값 Tx는 차량의 전방 영상에 기초하여 획득한 차량 좌표계 상의 주행 경로들(610) 중 제 2 주행 경로 b3와 로컬 벡터맵(600)상의 제 3 주행 경로 a3 간의 횡방향으로의 위치 차이를 나타내는 값이다. 종방향 보정 값 Ty는 차량의 전방 영상에 기초하여 획득한 차량 좌표계 상의 주행 경로들(610) 중 제 2 주행 경로 b3와 로컬 벡터맵(600)상의 제 3 주행 경로 a3 간의 종방향으로의 위치 차이를 나타내는 값이다. 또한, 헤딩 각도 보정 값 θ는 차량의 전방 영상에 기초하여 획득한 차량 좌표계 상의 주행 경로들(610) 중 제 2 주행 경로 b3와 로컬 벡터맵(600)상의 제 3 주행 경로 a3 간의 기울어진 각도 차이를 나타내는 값이다.

즉, 주행 경로 보정부(270)는 제 3 주행 경로 a3 및 제 2 주행 경로 b3 간에 ICP(Iterative Closest Point) 정합을 수행하여, 횡방향 보정 값 Tx, 종방향 보정 값 Ty 및 헤딩 각도 보정 값 θ를 도출할 수 있다.

주행 경로 보정부(270)는 제 3 주행 경로 a3에 횡방향 보정 값 Tx, 종방향 보정 값 Ty 및 헤딩 각도 보정 값 θ를 적용할 수 있다. 최종적으로, 주행 경로 보정부(270)는 제 3 주행 경로 a3를 제 4 주행 경로 a4로 보정할 수 있으며, 제 4 주행 경로 a4를 차량이 주행 중인 최종 주행 경로로 결정할 수 있다.

도 9는 일 실시예에 따른 차선 유지 지원 시스템을 이용하여 차량의 주행 경로를 보정하는 방법을 예시적으로 나타내는 도면이다.

일 실시예에 따르면, 도 1 내지 도 8에서 상술한 바와 달리 차량의 주행 경로를 결정하는 장치(200)에 차선을 인식하는 기능이 존재하지 않는 경우에 주행 경로를 보정할 수도 있다. 예를 들면, 차선 유지 지원 시스템(Lane Keeping Assist System, LKAS)이 활성화된 경우에는 현재 주행 경로의 양쪽에 위치하는 차선의 중심을 따라 주행 중이라고 가정할 수 있다.

도 9를 참고하면, 로컬 벡터맵(600)에는 주행 경로들 a1, a2 및 a3가 포함될 수 있으며, GPS 신호 처리부(260)는 차량의 현재 위치를 고려하여 차량이 제 1 주행 경로 a2를 주행 중인 것으로 추정할 수 있다. 한편, 차선 유지 지원 시스템이 활성화된 경우에는 차량이 제 2 주행 경로 b를 주행 중인 것으로 추정할 수 있다.

주행 경로 보정부(270)는 제 1 주행 경로 a2가 제 2 주행 경로 b에 정합하도록 제 1 주행 경로 a2의 횡방향 보정 값 Tx 및 헤딩 각도 보정 값 θ를 도출할 수 있다. 횡방향 보정 값 Tx는 차선 유지 지원 시스템에서 차량이 주행 중인 것으로 추정하는 제 2 주행 경로 b와 로컬 벡터맵(600)상의 제 1 주행 경로 a2 간의 횡방향으로의 위치 차이를 나타내는 값이다. 또한, 헤딩 각도 보정 값 θ는 차선 유지 지원 시스템에서 차량이 주행 중인 것으로 추정하는 제 2 주행 경로 b와 로컬 벡터맵(600)상의 제 1 주행 경로 a2 간의 기울어진 각도 차이를 나타내는 값이다.

주행 경로 보정부(270)는 제 1 주행 경로 a2에 횡방향 보정 값 Tx 및 헤딩 각도 보정 값 θ를 적용할 수 있다. 최종적으로, 주행 경로 보정부(270)는 제 1 주행 경로 a2를 제 3 주행 경로 a4로 보정할 수 있으며, 제 3 주행 경로 a4를 차량이 주행 중인 최종 주행 경로로 결정할 수 있다.

도 10은 일 실시예에 따른 차량의 주행 경로를 결정하기 위한 방법의 흐름도이다.

도 10에 도시된, 차량의 현재 차선을 결정하는 방법은, 앞서 설명된 도면들에서 설명된 실시예들에 관련되므로, 이하 생략된 내용이라 할지라도, 앞서 도면들에서 설명된 내용들은 도 10의 방법에도 적용될 수 있다.

도 10을 참조하면, 단계 1010에서 프로세서는 GPS 신호에 기초하여 복수의 주행 경로들이 표시된 벡터맵에서 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 획득할 수 있다.

일 실시예에 따르면, 프로세서는 GPS 신호에 기초하여 차량의 현재 위치를 획득하고, 벡터맵을 차량의 현재 위치를 원점으로 하는 직교 좌표계에 기초한 로컬 벡터맵으로 변환할 수 있다. 프로세서는 로컬 벡터맵에 포함된 적어도 하나의 주행 경로들 중에서 제 1 주행 경로를 획득할 수 있다.

단계 1020에서 프로세서는 차량의 전방을 촬영한 전방 영상에 기초하여 차량이 주행 중인 것으로 추정되는 제 2 주행 경로를 획득할 수 있다.

일 실시예에 따르면, 프로세서는 전방 영상을 DNN(Deep Neural Network)에 입력하여 전방 영상 내의 차선들을 예측하고, 전방 영상 내 차선들을 차량의 현재 위치를 원점으로 하는 직교 좌표계 상에 표시할 수 있다. 프로세서는 직교 좌표계 상에 표시된 차선들에 기초하여 제 2 주행 경로를 획득할 수 있다.

단계 1030에서 프로세서는 제 2 주행 경로에 기초하여 제 1 주행 경로를 보정할 수 있다.

일 실시예에 따르면, 프로세서는 제 1 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수와 제 2 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수가 서로 다른 경우, 제 1 주행 경로가 제 2 주행 경로에 대응되도록 벡터맵에서 제 1 주행 경로를 제 3 주행 경로로 보정할 수 있다.

일 실시예에 따르면, 프로세서는 전방 영상에 기초하여 획득한 차선 정보에 정지선이 포함되지 않은 경우, 제 3 주행 경로가 제 2 주행 경로에 정합하도록 제 3 주행 경로의 횡방향 보정 값 및 헤딩 각도 보정 값을 도출할 수 있다. 프로세서는, 제 3 주행 경로에 횡방향 보정 값 및 헤딩 각도 보정 값을 적용하여 제 3 주행 경로를 제 4 주행 경로로 보정할 수 있고, 제 4 주행 경로를 최종 주행 경로로 결정할 수 있다.

일 실시예에 따르면, 프로세서는 전방 영상에 기초하여 획득한 차선 정보에 정지선이 포함된 경우, 제 3 주행 경로가 제 2 주행 경로에 정합하도록 제 3 주행 경로의 횡방향 보정 값, 종방향 보정 값 및 헤딩 각도 보정 값을 도출할 수 있다. 프로세서는, 제 3 주행 경로에 횡방향 보정 값, 종방향 보정 값 및 헤딩 각도 보정 값을 적용하여 제 3 주행 경로를 제 4 주행 경로로 보정할 수 있고, 제 4 주행 경로를 최종 주행 경로로 결정할 수 있다.

단계 1040에서 프로세서는 벡터맵 상에서 제 1 주행 경로를 보정한 결과 차량이 주행 중인 최종 주행 경로를 결정할 수 있다.

도 11은 일 실시예에 따른 차량의 주행 경로를 결정하는 서버의 블록도이다.

도 11을 참조하면, 차량의 주행 경로를 결정하는 서버(1100)는 통신부(1110), 프로세서(1120) 및 DB(1130)를 포함할 수 있다. 도 11의 차량의 주행 경로를 결정하는 서버(1100)에는 실시예와 관련된 구성요소들만이 도시되어 있다. 따라서, 도 11에 도시된 구성요소들 외에 다른 범용적인 구성요소들이 더 포함될 수 있음을 당해 기술분야의 통상의 기술자라면 이해할 수 있다.

통신부(1110)는 외부 서버 또는 외부 장치와 유선/무선 통신을 하게 하는 하나 이상의 구성 요소를 포함할 수 있다. 예를 들어, 통신부(1110)는, 근거리 통신부(미도시), 이동 통신부(미도시) 및 방송 수신부(미도시) 중 적어도 하나를 포함할 수 있다.

DB(1130)는 차량의 주행 경로를 결정하는 서버(1100) 내에서 처리되는 각종 데이터들을 저장하는 하드웨어로서, 프로세서(1120)의 처리 및 제어를 위한 프로그램을 저장할 수 있다.

DB(1130)는 DRAM(dynamic random access memory), SRAM(static random access memory) 등과 같은 RAM(random access memory), ROM(read-only memory), EEPROM(electrically erasable programmable read-only memory), CD-ROM, 블루레이 또는 다른 광학 디스크 스토리지, HDD(hard disk drive), SSD(solid state drive), 또는 플래시 메모리를 포함할 수 있다.

프로세서(1120)는 차량의 주행 경로를 결정하는 서버(1100)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1120)는 DB(1130)에 저장된 프로그램들을 실행함으로써, 입력부(미도시), 디스플레이(미도시), 통신부(1110), DB(1130) 등을 전반적으로 제어할 수 있다. 프로세서(1120)는, DB(1130)에 저장된 프로그램들을 실행함으로써, 차량의 주행 경로를 결정하는 서버(1100)의 동작을 제어할 수 있다.

프로세서(1120)는 도 1 내지 도 10에서 상술한 차량의 주행 경로를 결정하는 서버(1100)의 동작 중 적어도 일부를 제어할 수 있다.

프로세서(1120)는 ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

본 발명에 따른 실시 예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.

한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.

일 실시예에 따르면, 본 개시의 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.

본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시 예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (8)

1. 차량의 주행 경로를 결정하기 위한 방법으로서,
   GPS 신호에 기초하여 복수의 주행 경로들이 표시된 벡터맵에서 상기 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 획득하는 단계;
   상기 차량의 전방을 촬영한 전방 영상 및 차선 유지 지원 시스템(Lane Keeping Assist System, LKAS) 중 하나 이상에 기초하여 상기 차량이 주행 중인 것으로 추정되는 제 2 주행 경로를 획득하는 단계;
   상기 제 2 주행 경로에 기초하여 상기 제 1 주행 경로를 보정할지 여부를 결정하는 단계; 및
   상기 차량이 주행 중인 최종 주행 경로를 결정하는 단계;
   를 포함하는, 방법.
2. 제 1 항에 있어서,
   상기 제 2 주행 경로를 획득하는 단계는,
   상기 전방 영상에 기초하여 차선을 인식할 수 있는 경우, 상기 전방 영상에 기초하여 상기 제 2 주행 경로를 획득하고,
   상기 전방 영상에 기초하여 차선을 인식할 수 없는 경우, 상기 차선 유지 지원 시스템에 기초하여 제 2 주행 경로를 획득하는 단계;를 포함하는, 방법.
3. 제 1 항에 있어서,
   상기 보정 여부를 결정하는 단계는,
   상기 제 2 주행 경로가 상기 차선 유지 지원 시스템에 기초하여 획득되는 경우, 상기 보정을 수행하는 것으로 결정하는 단계;를 포함하고,
   상기 최종 주행 경로를 결정하는 단계는,
   상기 제 1 주행 경로가 상기 제 2 주행 경로에 정합하도록 상기 제 1 주행 경로의 횡방향 보정 값 및 헤딩 각도 보정 값을 도출하는 단계;
   상기 제 1 주행 경로에 상기 횡방향 보정 값 및 헤딩 각도 보정 값을 적용하여 상기 제 1 주행 경로를 제 3 주행 경로로 보정하는 것으로 결정하는 단계; 및
   상기 제 3 주행 경로를 상기 최종 주행 경로로 결정하는 단계;를 포함하는, 방법.
4. 제 1 항에 있어서,
   상기 보정 여부를 결정하는 단계는,
   상기 제 2 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수가 상기 전방 영상에 기초하여 인식 가능한 최대 차선의 개수의 절반 미만인 경우, 상기 보정을 수행하는 것으로 결정하고,
   상기 제 2 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수가 상기 인식 가능한 최대 차선의 개수의 절반 이상인 경우, 상기 보정을 수행하지 않는 것으로 결정하는 단계;를 포함하는, 방법.
5. 제 1 항에 있어서,
   상기 보정 여부를 결정하는 단계는,
   상기 전방 영상에 기초하여 상기 차량이 주행 중인 경로의 양쪽 차선들만의 위치를 인식할 수 있는 경우, 상기 보정을 수행하지 않는 것으로 결정하고,
   상기 전방 영상에 기초하여 상기 차량이 주행 중인 경로의 상기 양쪽 차선들 뿐만 아니라 다른 차선들도 포함하는 복수의 차선들의 위치를 인식할 수 있는 경우, 상기 보정을 수행하는 것으로 결정하는 단계;를 포함하는, 방법.
6. 제 4 항 및 제 5 항 중 어느 한 항에 있어서,
   상기 최종 주행 경로를 결정하는 단계는,
   상기 보정을 수행하는 것으로 결정한 경우,
   상기 제 1 주행 경로가 상기 제 2 주행 경로에 대응되도록 상기 벡터맵에서 상기 제 1 주행 경로를 제 3 주행 경로로 보정하는 단계; 및
   상기 제 3 주행 경로에 기초하여 상기 최종 주행 경로를 결정하는 단계;를 포함하고,
   상기 보정을 수행하지 않는 것으로 결정한 경우,
   상기 제 1 주행 경로에 기초하여 상기 최종 주행 경로를 결정하는 단계;를 포함하고,
   상기 제 3 주행 경로는 상기 제 2 주행 경로의 오른쪽 또는 왼쪽에 위치한 차선의 개수에 기초하여 상기 제 2 주행 경로와 위치적으로 대응되는 상기 벡터맵 상에서의 주행 경로에 해당하는, 방법.
7. 차량의 주행 경로를 결정하기 위한 장치에 있어서,
   적어도 하나의 프로그램이 저장된 메모리; 및
   상기 적어도 하나의 프로그램을 실행함으로써 연산을 수행하는 프로세서를 포함하고,
   상기 프로세서는,
   GPS 신호에 기초하여 복수의 주행 경로들이 표시된 벡터맵에서 상기 차량이 주행 중인 것으로 추정되는 제 1 주행 경로를 획득하고,
   상기 차량의 전방을 촬영한 전방 영상 및 차선 유지 지원 시스템(Lane Keeping Assist System, LKAS) 중 하나 이상에 기초하여 상기 차량이 주행 중인 것으로 추정되는 제 2 주행 경로를 획득하고,
   상기 제 2 주행 경로에 기초하여 상기 제 1 주행 경로를 보정할지 여부를 결정하고,
   상기 차량이 주행 중인 최종 주행 경로를 결정하는, 장치.
8. 제 1 항의 방법을 컴퓨터에서 실행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.

Images