KR20230095951A - 지도 타당성 검사 방법 - Google Patents

Abstract

지도 타당성 검사 방법으로서, 검출된 요소 (S3, S4, S5) 의 이미지를 형성하는 적어도 부분적 자율 로봇 (F) 으로부터 센서 데이터를 수신하는 단계로서, 적어도 하나의 검출된 요소 (S3, S4, S5) 는 적어도 부분적 자율 로봇 (F) 의 환경 센서에 의해 검출된 바와 같은 적어도 부분적 자율 로봇 (F) 의 환경 요소인, 상기 센서 데이터를 수신하는 단계; 적어도 하나의 지도 요소 (A3, A4, A5) 를 갖는 지도의 이미지를 형성하는 지도 데이터 (Dk) 를 수신하는 단계로서, 적어도 하나의 지도 요소 (A3, A4, A5) 는 이전에 확립된 지도에 그려진 바와 같은 적어도 부분적 자율 로봇 (F) 의 환경 요소인, 상기 지도 데이터 (Dk) 를 수신하는 단계; 측위 데이터 (Dl) 를 수신하는 단계로서, 측위 데이터 (Dl) 는 지도상의 적어도 부분적 자율 로봇 (F) 의 위치를 나타내는, 측위 데이터 (Dl) 를 수신하는 단계; 데이터 불확실성을 결정하는 단계로서, 데이터 불확실성은 센서 데이터 불확실성, 지도 데이터 불확실성, 및/또는 측위 데이터 불확실성을 포함하는, 데이터 불확실성을 결정하는 단계; 초기 값으로 적어도 하나의 지도 요소 (A3, A4, A5) 에 대한 존재 확률 (P) 을 초기화하는 단계; 지도 데이터 (Dk), 센서 데이터 (Ds), 측위 데이터 (Dl), 및 데이터 불확실성들을 사용하여 적어도 하나의 지도 요소 (A3, A4, A5) 의 존재 확률 (P) 을 업데이트하는 단계를 포함한다.

Description

지도 타당성 검사 방법

본 발명은 지도 검증 방법에 관한 것이다.

현재 적어도 반자율 로봇, 특히 부분적으로 자동화된 주행 차량들은 특히 그들의 미래 거동을 계획하기 위해 고해상도 지도, 소위 HD 지도에 크게 의존한다. 적어도 반자율 로봇으로부터의 센서 데이터에만 의존하면 교통 상황 평가에서 바람직하지 않은 오류가 발생할 수 있다.

그러나 지도 데이터가 오래된 경우 적어도 반자율 로봇의 향후 거동도 오류 없이 계획될 수 없다.

따라서 지도 데이터를 검증하는 방법이 필요하다.

본 발명의 실시형태는 독립항에 따른 지도 검증 방법을 제공한다. 본 발명의 유용한 실시형태는 종속항, 명세서 및 첨부된 도면으로부터 명백해질 것이다.

본 발명의 일 양태에 따르면, 지도 검증 방법 및 카드 타당성 검사 방법은 각각 다음 단계들을 포함한다. 적어도 하나의 검출된 요소를 묘사하는 적어도 반자율 로봇의 센서 데이터를 수신하는 단계, 여기서 적어도 하나의 검출된 요소는 적어도 반자율 로봇의 환경 센서에 의해 검출된 바와 같은 적어도 반자율 로봇의 환경 요소를 나타낸다. 적어도 하나의 지도 요소를 갖는 지도를 나타내는 지도 데이터를 수신하는 단계, 여기서 적어도 하나의 지도 요소는 미리 결정된 지도에 그려진 것과 같은 적어도 반자율 로봇의 환경 요소를 나타낸다. 수신된 센서 데이터로부터 측위 데이터를 결정하는 단계, 여기서 측위 데이터는 지도상의 적어도 반자율 로봇의 위치를 나타낸다. 데이터 불확실성을 결정하는 단계, 여기서 데이터 불확실성은 센서 데이터 불확실성, 지도 데이터 불확실성 및/또는 측위 데이터 불확실성을 포함한다. 초기 값으로 적어도 하나의 지도 요소에 대한 존재 확률을 초기화하는 단계. 지도 데이터, 센서 데이터, 측위 데이터 및 데이터 불확실성을 사용하여 적어도 하나의 지도 요소의 존재 확률을 업데이트하는 단계.

바람직하게는, 적어도 반자율 로봇의 센서 데이터는 적어도 반자율 로봇의 센서에 의해 검출된 온라인 센서 데이터를 포함한다. 바람직하게는, 센서 데이터는 카메라 데이터, 라이다 데이터, 레이더 데이터 및/또는 GPS 데이터를 포함한다.

본 명세서에서 사용되는 "지도 요소"라는 용어는 특히 도로 표시뿐만 아니라 교통 표지 또는 신호등과 같은 교통 표지를 포함한다.

일반적으로, 적어도 반자율 로봇은 적어도 부분적으로 자동화된 주행 차량일 수 있다. 대안적으로, 적어도 반자율 로봇은 비행, 수영, 다이빙 또는 성큼성큼 걷는 것에 의해 이동하는 로봇과 같은 또 다른 모바일 로봇일 수 있다. 예를 들어, 모바일 로봇은 또한 적어도 반자율 잔디 깎는 기계 또는 적어도 반자율 청소 로봇 등일 수 있다.

바람직하게는, 존재 확률을 초기화하는 것은 지도 요소 존재 확률에 대한 초기값을 결정하는 것을 포함하고, 초기값은 센서 데이터가 없을 때 지도 요소에 할당된 임시 존재 확률을 나타낸다.

바람직하게는, 측위 데이터는 GPS 데이터를 포함한다.

바람직하게는, 수신된 센서 데이터 및 수신된 지도 데이터를 사용하여 측위 데이터를 결정한다. 예를 들어, 측위 데이터는 특히 GPS 데이터의 도움으로 지도 데이터를 센서 데이터와 일치시킴으로써 결정된다. 따라서, 측위 데이터는 지도에서 적어도 반자율 로봇의 적어도 추정된 위치를 나타낸다.

따라서 지도 검증 방법은 소위 마르코프 (Markov) 가정을 사용하며, 그것에 따르면 실제 상태는 이전 상태와 현재 센서 데이터에만 의존하고 상태의 전체 이력에는 의존하지 않는다. 이러한 방식으로 지도 검증 방법의 가장 간단한 가능한 계산 부하를 구현할 수 있다.

바람직하게는, 데이터 불확실성을 결정하는 것은 센서 데이터, 지도 데이터 및 측위 데이터를 확률적 표현으로 나타내는 것을 포함한다.

바람직하게는, 확률적 표현은 베이지안 표현을 포함한다.

센서 데이터의 확률적 표현은 사용된 포뮬레이션에 따라 센서 측정의 공간적 불확실성, 센서 측정의 간섭 비율, 센서에 의한 지도 요소의 검출 확률, 및/또는 적중 및 누락 적중 집중을 고려한다.

클러터 (clutter) 라고도 하는 섭동은 실제 물체, 즉 지도 요소에 의해 결정되지 않는 센서 측정, 즉 센서 데이터, 예를 들어 고스트 측정을 포함한다.

클러터 비율은 클러터 측정이 독립적으로 발생할 때 일반적으로 푸아송 분포를 사용하여 모델링되는 시간 단계당 클러터 측정들의 수를 기술한다.

바람직하게는, 지도 검증 방법은 적어도 반자율 로봇, 즉 온라인에서 수행된다. 지도 검증 방법은 지도 데이터와 센서 데이터뿐만 아니라 적어도 반자율 로봇의 측위, 즉 지도에 대한 그것의 추정된 위치도 사용한다. 그 작업은 지도 요소를 확인하거나 제거하여 지도 데이터와 센서 데이터, 즉 적어도 반자율 로봇의 환경 사이의 가능한 불일치를 검출하는 것이다.

지도 검증 방법의 적절한 기능을 위한 전제 조건은 정확한 측위뿐만 아니라 정확한 센서 교정이다. 그 이유는 지도 데이터와 센서 데이터 간에 검출된 불일치가 부정확하거나 오래된 지도뿐만 아니라 열악한 측위 및 부정확하게 교정되거나 결함이 있는 센서로 인해 발생될 수 있기 때문이다.

바람직하게는, 지도 요소의 공통 존재 확률이 서로 다른 센서로부터 계산된다. 대안적으로, 각 센서 또는 서로 다른 센서 조합에 대해 지도 요소의 별도 존재 확률이 계산된다.

바람직하게는, 센서 데이터는 추적되지 않은 센서 측정들로부터의 데이터를 포함한다: 센서 측정들로부터의 오류들은 시간이 지남에 따라 필터링되는 추적된 요소와 달리 시간이 지남에 따라 상관 관계가 거의 또는 전혀 없다. 시간적으로 상관관계가 없는 측정 오류가 있는 측정은 확률적으로 모델링하기가 훨씬 쉽고, 이러한 모델은 또한 검사하기가 더 쉬우며, 이것은 내부 검증의 일부로서 수행된다. 측정들은 손실되지 않으며, 지도 검증 방법은 특히 추적 알고리즘에 의해 필터링된 섭동 측정들을 포함하여 이용 가능한 모든 정보에 액세스한다.

존재 확률을 업데이트하는 것은 요소 융합 또는 객체 융합의 개념에 속한다. 즉, 지도 데이터와 센서 데이터를 융합하여 직접 관찰 가능한 지도 요소에 대한 존재 확률을 계산한다. 이는 각 센서에 대해 개별적으로 수행될 수 있지만, 한 번에 이용 가능한 모든 센서 데이터 또는 센서들의 임의의 조합을 기반으로 하는 공동 존재 확률도 가능하다.

또한, 지도 요소의 업데이트된 위치는 존재 확률에 부가하여 계산되는 것이 바람직하다. 이는 무작위 유한 집합 (random finite set) 접근 방식 (줄여서 RFS 접근 방식) 의 (다중) 베르누이 필터에 의해 고유하게 수행되거나, 필요한 경우 로그 이진 베이즈 필터 접근 방식 (줄여서 로짓 (logit) 접근 방식) 을 통해 추가의 칼만 필터로서 추가될 수 있다.

수평선에 있는 지도 요소의 업데이트된 존재 확률 계산은 입력 데이터의 확률적 표현을 사용하여 각 시간 단계에서 가시적인 지도 요소에 대해 수행된다.

이러한 방식으로, 안전과 관련하여 개선된 거동 및 궤적 계획이 제공된다.

이러한 방식으로, 융합된 센서 데이터와 지도 데이터를 기반으로 적어도 반자율 로봇의 환경에 대한 전체적이고 정확하며 실제적인 표현이 제공된다.

바람직한 실시형태에 따르면, 지도 검증 방법은 다음의 단계를 포함한다. 환경 센서의 센서 공간에 적어도 하나의 지도 요소를 투사하는 단계.

지도 수평선의 일부인 지도 요소들은 모든 관련된, 예를 들어 전방 방향, 센서들, 즉 그들의 센서 공간에 투사된다. 이러한 투사는 일반적으로 달성하기가 쉬운 반면, 센서 좌표에서 지도 좌표로의 역 투사는 일반적으로 더 복잡하거나, 예를 들어 모노 카메라의 경우 심지어 정의되지 않는다. 지도 수평선은 전체 지도의 하위 집합이며, 적어도 반자율 로봇 근처의 지도 요소로 구성된다. 이러한 지도 수평선은 적어도 모든 관련 센서의 시야를 포함하지만 일반적으로 더 크다.

바람직한 실시형태에 따르면, 지도 검증 방법은 다음 단계를 포함한다: 적어도 하나의 지도 요소를 적어도 하나의 검출된 요소에 할당하는 단계.

그 할당 단계에서, 센서 공간에서 요소들을 묘사하기 위한 센서 데이터, 즉 센서 측정의 미리 결정된 수의 최상의 전역 할당은 기본 기준으로서 무르티 (Murty) 의 랭킹된 할당 알고리즘 및, 예를 들어 헝가리안 방법을 사용하여 계산된다. 랭킹된 할당 (ranked-assignment) 은 예를 들어 센서 측정의 공간적 불확실성뿐만 아니라 섭동 속도, 섭동 강도 및 검출 확률을 캡처하는 RFS 이론으로부터의 다중 객체 측정 모델을 기반으로 할 수 있다. 특히, (다중) 베르누이 필터는 연관 단계에서 이미 계산되는 각각의 확률에 기초하여 가중되는 다수의 연관들을 핸들링할 수 있다. 특히 이러한 연관들은 또한 감지 누락 (지도 요소가 임의의 감지에 할당되지 않음) 및 간섭 감지 (임의의 지도 요소에 감지가 할당되지 않음) 의 가능성도 고려한다.

바람직하게는, 검출된 요소와 지도 요소의 연관은 시스템 내에서 그리고 이러한 정보에 의존하는 모든 모듈 간에 한 번만 동기화된다. 그렇지 않으면 지도 검증 방법은 완전히 상이한 연관을 만들고 이러한 잠재적으로 부정확한 연관들의 정확성을 확인하지 않고 그것을 사용할 수 있는 다른 기능 모듈로부터 분리된다. 지도 객체들을 묘사하기 위한 측정들의 연관들은 입력으로서 측위를 요구한다. 연관은 이전 시간 단계에서 예측된 측위 추정에 의존하며 제공된 연관은 측위 모듈의 다음 단계를 업데이트하는 데 사용된다.

바람직한 실시형태에 따르면, 지도 검증 방법은 다음의 단계를 포함한다. 적어도 하나의 지도 요소의 존재 확률을 평가하는 단계, 여기서 평가하는 것은 지도 요소를 확인하는 것, 지도 요소를 반증하는 것, 잠재적으로 새로운 지도 요소 및 가능한 진술 없음 중 하나를 포함한다.

센서 데이터를 기존 지도 요소에 할당할 수 없는 경우 잠재적으로 새로운 지도 요소가 식별된다. 이러한 방식으로, 잠재적으로 새로운 지도 요소를 식별할 수 있다. 즉, 측정, 즉 대응하는 센서 데이터를 기존 지도 요소에 할당할 수 없을 확률이 결정된다. 결과적으로, 잠재적으로 새로운 지도 요소가 보고되거나 새로운 지도 요소가 직접 초기화된다.

바람직한 실시형태에 따르면, 존재 확률을 업데이트하는 것은 무작위 유한 집합 (RFS) 접근법 또는 로짓 접근법을 포함한다.

RFS 접근법은 무작위 유한 집합 이론을 사용하여 공간 불확실성, 섭동 속도, 섭동 강도 및 검출 확률을 기반으로 하는 센서 모델을 말한다.

로짓 접근 방식은 이진 베이지안 필터의 로그 오즈 (log-odds) 구현을 사용하여 적중률과 실패율을 기반으로 하는 센서 모델을 말한다.

RFS 접근 방식은 (다중) 베르누이 필터를 적용하여 존재 확률 외에도 지도 요소의 업데이트된 위치를 추가로 제공할 수 있으며, 여기서 로짓 접근 방식은 칼만 필터와 결합되어 위치 업데이트도 제공해야 한다.

이러한 모든 정보를 사용하여, RFS 또는 로짓 접근 방식을 사용하여 이전 지도 요소 존재 확률을 업데이트할 수 있다. 존재 확률은 수집된, 그러나 불확실한 센서 데이터를 기반으로 지도 요소가 여전히 존재하는지 여부를 특정한다. 전혀 보이지 않는 지도 요소는 업데이트되지 않으므로 이전 시간 단계로부터의 존재 확률을 유지한다. 지도 요소의 존재 확률, 및 바람직하게는 위치를 업데이트하는 것은 센서 측정들의 세트가 이용 가능한 각 시간 단계에서 발생한다. RFS와 Logit의 두 접근 방식은 업데이트된 지도 요소의 실제 상태가 지도 요소의 상태의 전체 이력이 아니라 현재의 측정 및 그것의 이전 상태에만 의존하는 마르코프 (Markov) 가정을 따른다.

존재 확률을 업데이트하는 것은 (다중) 베르누이 필터 및 부가적으로 부산물로서의 센서 데이터를 사용하여 지도 객체 위치를 또한 업데이트하는 RFS 기반 측정 모델로 또는 로그 가능성 (로짓) 및 대응하는 적중률/실패율을 갖는 이진 베이즈 필터로 수행된다.

다중 베르누이 필터는 RFS 이론을 기반으로 하며 센서 측정의 공간적 불확실성, 센서의 섭동 속도/강도, 및 지도 요소의 검출 확률을 고려한다.

간단히 로짓 또는 로그 오즈 접근법이라고도 하는 이진 베이즈 필터는 특정 확률을 가진 요소의 적중 및 실패를 모델링하며, 여기서 지도 요소 근처의 측정들은 적중들 (hits) 로 간주되고, 근처의 측정값들은 해당 특정 지도 요소가 가시적인 경우 해당 특정 지도 요소의 누락으로 간주되지 않는다.

점 형상 (point-like) 객체 또는 센서 공간에 비해 성기게 확장되는 객체, 예를 들어, 신호등, 교통 표지판, 파선 차선 표시, 기둥, 나무 줄기, 봇들 (botts) 의 지점 등의 경우, 설명된 접근 방식을 직접 적용할 수 있다. 실선 차선 표시, 예를 들어 경계는 너무 길어서 센서의 시야를 상당히 초과하는 경우 더 작은 세그먼트로 분할해야 할 수 있다. 그런 다음 이러한 작은 세그먼트들은 제안된 접근 방식들을 사용하여 그것들의 존재 여부에 대해 검사될 수 있다. 따라서, (연속적인) 고정 차선 경계의 각 세그먼트에 존재 확률이 할당된다.

(다중) 베르누이 필터에 의존하는 RFS 접근 방식을 사용하는 것의 부산물로서, 측정이 이미 존재하는 객체의 일부가 아닐 확률을 계산할 수 있다. 이 정보는 잠재적으로 새로운 지도 요소에 대한 완벽한 지표이다. 따라서, 임의의 알려진 지도 요소에 속하지 않을 확률이 높은 추가의 측정들이 새로운 지도 요소에 대한 추론을 허용하도록 전달된다. 이러한 측정들은 또한 지도 검증 방법의 다음 단계들에서도 새로운 지도 요소들을 생성하고 그것들을 업데이트하는 데 사용될 수 있다.

바람직한 실시형태에 따르면, 존재 확률은 50%의 초기값으로 초기화된다.

바람직하게는, 초기값은 미리 결정된다. 더욱 바람직하게는, 초기값은 각 지도 요소에 대해 동적으로 결정된다. 예를 들어, 초기값을 결정하기 위해, 지도 요소 및/또는 지도 데이터의 특성에 따라 미리 정해진 존재 확률의 추세를 결정한다. 예를 들어, 일반적으로 도로 표지판이 신호등보다 더 자주 대체된다고 가정하면, 도로 표지판 유형의 지도 요소는 신호등 유형의 지도 요소보다 낮은 초기 확률로 초기화된다.

바람직한 실시형태에 따르면, 적어도 하나의 지도 요소의 존재 확률을 업데이트하는 것은 시간 간격을 두고 반복된다.

바람직하게는, 시간 간격은 미리 결정된다. 또한, 바람직하게는 시간 간격은 적어도 반자율 로봇의 적어도 하나의 환경 센서의 검출율에 의존한다. 즉, 적어도 하나의 지도 요소의 이전 존재 확률은 새로운 센서 데이터를 사용할 수 있는 즉시 업데이트된다. 예를 들어, 적어도 반자율 로봇의 환경 센서는 초당 25프레임을 제공하는 카메라를 포함한다. 결과적으로, 적어도 하나의 지도 요소의 이전 존재 확률은 초당 25회 업데이트된다.

바람직한 실시형태에 따르면, 지도 검증 방법은 다음의 단계들을 포함한다. 지도 요소의 가시성을 결정하는 단계, 여기서 지도 요소의 가시성은 환경 센서의 시야 및 지도 요소의 폐색을 사용하여 결정된다. 지도 요소의 가시성을 사용하여 검출 확률을 결정하는 단계.

지도 요소의 가시성은 센서의 시야뿐만 아니라 각 지도 요소의 폐색도 확인한다.

바람직하게는, 검출 확률은 센서의 진양성률을 이용하여 결정된다.

또한 가시성은 센서 측정 및 지도 요소의 불확실성뿐아니라 오류 전파를 통한 측위 및 교정 정보의 불확실성을 고려한다. 그런 다음 가시성 정보를 검출 확률에 통합할 수 있다. 검출 확률은 지도 객체의 가시성뿐만 아니라 일반적으로 센서 또는 검출 알고리즘이 대응하는 측정을 생성할 확률을 캡처한다. 따라서 비가시적 물체의 검출 확률은 0 인 반면, 완전히 가시적인 물체의 검출 확률은 일반적으로 1 이 아니다. 그 이유는 센서가 일반적으로 눈에 보이는 모든 물체를 검출할 수 없고 그 중 특정 비율만 검출하기 때문이다 (진양성 결과들의 비율 참조).

지도 요소의 가시성은 특히 센서의 인지 가능한 시야와 지도 요소 앞의 다른 물체에 의한 임의의 폐색을 확인함으로써, 예를 들어 센서 원점으로부터 각각의 지도 요소까지의 가시선을 확인함으로써 각 센서에 대해 개별적으로 추정된다. 예를 들어 환경의 3D 표현을 제공하는 스테레오 카메라 시스템용 스틱셀 표현을 사용하여 이를 수행할 수 있다. 그런 다음 이 표현을 사용하여 이러한 스틱셀 (stixel) 이 지도 요소 앞에 위치되어 있어 그것을 폐색하는지 여부를 확인할 수 있다. 대안은 특히 지상의 모든 지도 요소에 사용할 수 있는 모노 카메라의 레이블이 지정된 픽셀 이미지를 사용하는 것이다. 기본 아이디어는 예상 지도 요소 앞의 픽셀이 객체, 예를 들어 자동차, 보행자 등으로서 분류되는지 여부를 확인하여 그것이 그것, 예를 들어 차선 표시 뒤에 있는 지상의 지도 요소를 가리고 있다는 것을 아는 것이다.

그런 다음 지도 요소의 검출 확률은 그것의 추정된 가시성뿐만 아니라 해당 특정 지도 요소 유형에 대한 센서의 진양성 비율로부터 도출된다. 검출 확률은 지도 요소가 대응하는 센서 판독값을 생성할 가능성을 지정한다. 이것은 로짓 표현의 적중률과 밀접한 관련이 있으며 RFS 접근 방식의 측정 모델에 직접 통합된다. 검출 확률은 완전히 보이지 않는 지도 요소의 경우 0이고 완전히 보이는 객체의 경우 1 이하이다. 검출 확률은 완전히 보이는 지도 요소와 진양성 비율이 1인 센서에 대해 단지 1 이며, 즉, 센서는 이 경우 임의의 위음성 측정들을 제공하지 않는다.

진양성률은 환경에 존재하는 총 지도 요소 수와 관련하여 검출된 지도 요소의 백분율을 지정하며, 즉, 그것은 진양성과 위음성 측정들의 합에 대한 진양성 측정의 비율을 기술한다.

검출 확률은 기존 지도 요소가 대응하는 측정, 즉 센서 데이터를 생성할 확률을 포함한다. 이것은 지도 요소의 가시성과 환경 센서의 진양성 비율을 포함한다.

바람직한 실시형태에 따르면, 데이터 불확실성은 지도 요소의 가시성을 결정하는 데 사용된다.

바람직한 실시형태에 따르면, 미리 결정된 임계값 미만의 검출 확률을 갖는 적어도 하나의 지도 요소의 존재 확률은 업데이트되지 않는다.

바람직한 실시형태에 따르면, 지도 검증 방법은 다음의 단계를 포함한다. 존재 확률의 유효성을 확인하는 단계.

지도 검증 방법 자체의 유효성을 확인하기 위해, 존재 확률을 계산하는 데 사용되는 확률적 가정은 적어도 반자율 로봇에서 내부 타당성 또는 검증의 맥락에서 검사된다. 이 검증은 미리 정의된 유의 수준에서 온라인 추정된 매개변수로부터, 가정된 매개변수, 예를 들어 RFS 기반 접근 방식의 공간 불확실성, 섭동 비율 및 검출 확률 또는 로짓 접근 방식의 적중률 및 실패율의 통계적으로 유의한 편차를 보고한다. 또한, 지도에서 센서 공간으로의 오류 전파는 잠재적 비선형 함수의 선형화를 요구하며, 이것은 또한 유효성 검사로서 관련 도메인에서 강한 비선형성에 대해 검사된다.

존재 확률을 업데이트하는 데 사용되는 확률적 및 알고리즘적 가정은 내부 유효성 또는 일관성 검사로서 온라인에서 확인된다. 바람직하게는, 환경 센서의 측정 모델은 일관성에 대해 검사된다. 측정 모델의 관련 매개변수, 예를 들어 센서 측정의 공간적 불확실성, 센서 섭동 속도 및 RFS 기반 포뮬레이션을 사용할 때의 검출 확률이 온라인으로 추정된다. 후속적으로, 유효성 검사는 처음에 존재 확률을 계산하기 위해 만든 가정이 이러한 온라인 추정 매개변수의 신뢰 구간 내에 있는지 확인한다. 이를 위해 통계적 가설 검정을 수행하는 것이 바람직하다. 바람직하게는 매개변수들은 온라인으로 추정된다. 그러나, 그것들은 자기 충족 예언을 피하기 위해 다시 그에 따라 조정되지 않는다. 따라서, 추정된 매개변수는 가정된 매개변수에 대해서만 확인되어 둘 사이의 확률적 편차를 검출하고 타당성 검사 자체가 더 이상 타당하지 않음을 추가의 모듈들에 보고한다. 이것은 타당성 검사 자체에 대한 자체 평가의 한 형태이다.

바람직한 실시형태에 따르면, 적어도 반자율 로봇의 상이한 센서들로부터의 센서 데이터는 존재 확률의 유효성을 확인하기 위해 비교된다.

본 발명의 또 다른 양태에 따르면, 지도 검증 시스템은 여기에 명시된 지도 검증 방법을 수행하도록 구성된다.

본 발명의 또 다른 양태에 따르면, 적어도 반자율 로봇을 제어하는 방법은 다음 단계들을 포함한다. 적어도 하나의 지도 요소의 존재 확률을 결정하기 위해 여기에 명시된 지도 검증 방법을 수행하는 단계. 센서 데이터, 지도 데이터, 측위 데이터 및 적어도 하나의 지도 요소의 존재 확률을 이용하여 로봇 궤적을 결정하는 단계. 결정된 로봇 궤적을 기반으로 적어도 반자율 로봇을 제어하는 단계.

이러한 방식으로, 지도 검증 방법은 적어도 반자율 로봇의 환경 내의 그들의 존재에 의존하기 전에, 지도의 관련 부분들을 센서 데이터, 특히 적어도 반자율 로봇의 온라인 센서 데이터로 확인함으로써 거동 및 궤적 계획에서 지도 데이터를 안전하게 사용할 수 있도록 한다. 지도 검증 방법의 출력에 기초하여, 거동 계획 모듈은 어떤 지도 요소가 센서 데이터로 확인되었는지, 어떤 지도 요소가 예를 들어 폐색으로 인해 알려지지 않았는지, 및 어떤 지도 요소가 더 이상 존재하지 않는지를 알 것이다. 따라서 지도 검증 방법은 융합된 센서 데이터와 지도 데이터를 기반으로 적어도 반자율 로봇의 환경에 대한 전체적인 뷰, 정확하고, 가장 중요하게는, 실제적인 표현을 제공한다.

하기 예들은 거동 계획을 예시한다:

예 1.

차량이 교통 신호등이 없는 교차로에 접근하며, 그 신호등은 그것이 여전히 존재한다면 가려지지 않을 것이다. 차량이 사라진 신호등에 접근함에 따라 존재 확률은 50%에서 0%로 서서히 감소한다. 거동 생성은 감소하는 존재 확률에 응답하기 위해 상당히 일찍 차량 속도를 낮추고 결국 오래된 지도 데이터에 의존하면서 교차로 진입을 피하기 위해 지도에서 신호등이 안전에 중요할 때 안전하게 정지한다.

예 2

차량이 신호등이 가려진 교차로에 접근하고 있다. 거동 생성은 차량 속도를 낮추거나 가능한 경우 신호등을 가리는 물체를 돌아 주행한다. 이와 관련한 아이디어는 신호등의 존재에 대한 더 많은 정보를 수집하는 것이다. 신호등을 볼 수 없고 안전이 중요한 경우 차량은 교차로 앞에서 정지한다.

예 3

차량이 명확하게 보이는 신호등을 가진 교차로에 접근하고 있다. 차량이 교차로에 접근함에 따라 신호등의 존재 확률은 50%에서 100%로 서서히 증가한다. 이제 차량이 신호등과 또한 그것의 상태를 인식할 수 있으므로 차량은 교차로를 안전하게 건너기 위해 속도를 낮출 필요가 없다.

바람직한 실시형태에 따르면, 적어도 반자율 로봇을 제어하는 방법은 다음 단계를 포함한다. 센서 데이터, 지도 데이터, 측위 데이터, 및 적어도 하나의 지도 요소의 존재 확률을 이용하여 제어 모드를 결정하는 단계, 및 결정된 제어 모드에 기초하여 적어도 반자율 로봇을 제어하는 단계.

바람직하게는, 제어 모드는 적어도 반자율 로봇의 미리 정의된 거동 특성을 포함한다. 예를 들어, 제어 모드는 "정상 주행" 모드, "예방적 안전" 모드 및/또는 "안전 정지" 모드를 포함한다. 제어 모드에 따라, 적어도 반자율 로봇은 동일한 입력 데이터, 즉 센서 데이터, 지도 데이터 및/또는 측위 데이터가 주어지면 다르게 제어된다.

바람직하게는, 컴퓨터 프로그램은 컴퓨터 프로그램이 컴퓨터에 의해 실행될 때, 컴퓨터 프로그램으로 하여금 여기에 특정된 바와 같은 지도 검증 방법을 실행하게 하는 명령들을 포함한다.

바람직하게는, 기계 판독 가능 저장 매체는 본 명세서에 기술된 바와 같은 컴퓨터 프로그램을 저장한다.

유리하게는, 적어도 하나의 지도 요소를 포함하는 지도 데이터는 원격 서버로부터 수신되고 지도 검증 방법의 결과는 유리하게 원격 서버로 전송되어 적어도 하나의 지도 요소의 업데이트 또는 적어도 하나의 지도 요소의 위치에서의 지도 재조사가 트리거되어야 하는지 여부의 결정을 위한 기초로서 거기서 사용된다. 지도 검증 방법의 결과는 특히 적어도 하나의 지도 요소의 업데이트된 존재 확률 또는 적어도 하나의 지도 요소의 존재가 확인되었는지, 반증되었는지 또는 그 존재에 대해 진술할 수 없는지 여부를 나타내는 그로부터 파생된 정보이다.

본 발명을 개선하는 추가 조치는 도면을 참조하여 본 발명의 바람직한 실시형태의 명세서와 함께 아래에서 더 상세히 설명된다.

도 1a는 제1 시간 단계에서 제1 실시형태에 따른 지도 검증 방법이다.
도 1b는 제2 시간 단계에서 제1 실시형태에 따른 지도 검증 방법이다.
도 1c는 제3 시간 단계에서 제1 실시형태에 따른 지도 검증 방법이다.
도 2는 지도 검증 방법의 개략적 표현이다.
도 3a는 제1 시간 단계에서 제2 실시형태에 따른 지도 검증 방법이다.
도 3b는 제2 시간 단계에서 제2 실시형태에 따른 지도 검증 방법이다.
도 3c는 제3 시간 단계에서 제2 실시형태에 따른 지도 검증 방법이다.
도 4는 지도 검증 시스템이다.

도 1a는 제1 시간 단계에서 제1 교통 상황 V1을 보여준다. 적어도 반자율 로봇, 이 경우에는 적어도 부분적으로 자동화된 주행 차량이 교차로를 향하고 있다. 고정밀 (HD) 지도의 지도 데이터로부터, 제1 신호등(A1)과 제2 신호등(A2)의 두 개의 지도 요소를 얻을 수 있다. 다만 이 경우 공사로 인해 제1 신호등 (A1) 이 철거됐다. 이런 점에서, 제1 신호등(A1)에 대한 지도 데이터는 구식이다. 지도 검증 방법에 따르면, 제1 신호등(A1)과 제2 신호등(A2)에 대해 제1 존재 확률(P1)과 제2 존재 확률(P2)을 50% 값으로 초기화한다. 이 제1 시간 단계에서 차량(F)는 여전히 교차로에서 비교적 멀리 떨어져 있다. 차량(F)의 환경 센서에 의해 제공되는 센서 데이터는 제1 신호등(A1) 및 제2 신호등(A2)에 대해 검출된 요소를 갖지 않는다. 제1 시간 단계에서, 제1 존재 확률(P1)과 제2 존재 확률(P2)가 업데이트되는 타당성 검사가 수행된다. 타당성 검사에서, 차량(F)의 내부 통계 및 측위 데이터를 기반으로, 차량(F) 의 환경 센서가 제1 신호등(A1) 또는 제2 신호등 (A2) 을 검출할 수 없을 정도로 차량(F) 가 교차로로부터 충분히 멀리 떨어져 있음이 결정된다. 즉, 제1 신호등(A1)과 제2 신호등(A2)은 차량(F)의 환경 센서의 시야에 존재하지 않는다. 따라서 센서 데이터에 기반하여 제1 존재 확률(P1)과 제2 존재 확률(P2) 에 대한 추가의 진술이 행해질 수 없음이 결정된다. 이 점에서 제1 존재 확률(P1)은 50%로 유지되고 제2 존재 확률(P2)은 50%로 유지된다. 적어도 부분적으로 자동화된 주행 차량의 제어를 위해, 교차로까지의 차량(F)의 충분한 거리에 기초하여, 정상 속도로 계속 주행하기로 결정된다. 이 경우 차량의 제어 모드는 "정상 주행"이다.

도 1b는 제2 시간 단계에서 제1 교통 상황 V1을 보여준다. 적어도 부분적으로 자동화된 차량(F)는 제1 시간 단계에서보다 교차로에 더 가깝다. 제2 시간 단계에서, 제1 존재 확률(P1)과 제2 존재 확률(P2)가 업데이트되는 타당성 검사가 수행된다. 타당성 검사에서, 차량(F)의 내부 통계 및 측위 데이터를 기반으로, 차량(F) 의 환경 센서가 제1 신호등(A1) 및 제2 신호등 (A2) 양자 모두를 검출할 수 있어야 할 정도로 차량(F) 가 교차로에 이미 충분히 가깝다는 것이 결정된다. 즉, 제1 신호등(A1)과 제2 신호등(A2)은 차량(F)의 환경 센서의 시각적 범위 내에 있다. 따라서, 센서 데이터에 기초하여, 제1 존재 확률(P1)과 제2 존재 확률(P2) 에 대한 진술이 행해질 수 있음이 결정된다. 지정된 대로, 제1 신호등(A1)이 더 이상 존재하지 않기 때문에 차량(F)의 환경 센서도 지도 데이터로부터 예상된 위치에서 임의의 요소를 검출하지 않는다. 반면, 제2 신호등(A2)은 여전히 지도 데이터로부터 예상 위치에 있다. 이와 관련하여, 제1 존재 확률(P1)은 50%에서 35%로 감소되고 제2 존재 확률(P2)은 50%에서 70%로 증가된다. 적어도 부분적으로 자동화된 주행 차량의 제어를 위해, 제1 존재 확률(P1)과 제2 존재 확률(P2) 에 기초하여, 특히 제1 신호등(A1)에 대해 추가 진술을 할 수 있기 위해 환경을 측정할 더 많은 시간이 있도록, 차량(F)를 약간 감속시키는 것이 결정된다. 차량(F)의 제어 모드는 "정상 주행"에서 "예방적 안전"으로 변경된다.

이 경우, 타당성 검사에서 센서 데이터와 지도 데이터 사이의 제1 신호등(A1)의 차이가 검출되었다. 차량(F) 의 환경 센서에 의해 제1 신호등(A1)도 감지되었다면, 제1 존재 확률(P1)은 50%에서 70%로 증가하고 차량(F)의 제어 모드는 "정상 주행"에서 변경되지 않은 채로 유지되었을 것이다.

도 1c는 제3 시간 단계에서 제1 교통 상황 V1을 보여준다. 적어도 부분적으로 자동화된 차량(F)는 제2 시간 단계에서보다 교차로에 더 가깝다. 제3 시간 단계에서, 제1 존재 확률(P1)과 제2 존재 확률(P2) 이 업데이트되는 타당성 검사가 수행된다. 타당성 검사에서, 차량(F)의 내부 통계 및 측위 데이터를 기반으로, 차량(F) 의 환경 센서가 제1 신호등(A1) 및 제2 신호등 (A2) 양자 모두를 검출할 수 있어야 할 정도로 차량(F) 가 교차로에 여전히 충분히 가깝다는 것이 결정된다. 즉, 제1 신호등(A1)과 제2 신호등(A2)은 차량(F)의 환경 센서의 시각적 범위 내에 있다. 따라서, 센서 데이터에 기초하여, 제1 존재 확률(P1)과 제2 존재 확률(P2) 에 대한 진술이 행해질 수 있음이 결정된다. 지정된 대로, 제1 신호등(A1)이 더 이상 존재하지 않기 때문에 차량(F)의 환경 센서는 지도 데이터로부터 예상된 위치에서 어떠한 요소도 계속 검출하지 않는다. 반면, 제2 신호등(A2)은 여전히 지도 데이터로부터 예상 위치에 있다. 이와 관련하여, 제1 존재 확률(P1)은 35%에서 5%로 감소되고 제2 존재 확률(P2)은 70%에서 99%로 증가된다. 제1 존재 확률(P1) 및 제2 존재 확률(P2)에 기초하여, 교차로 전에 차량(F)를 안전하게 정지시키도록 적어도 부분적으로 자동화된 차량의 제어에 대한 결정이 내려지며, 이는 제1 신호등(A1)의 부재로 인해 가능한 심각한 상황이 발생했을 확률이 높기 때문이다. 차량(F)의 제어 모드는 여기서 "예방적 안전"에서 "안전 정지"로 변경된다. 이러한 상황에서, 차량(F)의 원격 조작이 모니터링 센터로부터 요청되고, 이것에 의해 차량(F)의 교통 상황이 수동으로 해결된다. 또한, 지도 데이터의 업데이트 또는 교차로의 업데이트된 측정이 시작된다.

도 2는 다음 단계들을 포함하는 지도 검증 방법을 보여준다. 제1 단계(S10)에서, 적어도 하나의 검출된 요소를 나타내는 차량의 센서 데이터가 수신되고, 적어도 하나의 검출된 요소는 차량의 환경 센서에 의해 검출된 바와 같은 차량의 환경 요소를 나타낸다. 제2 단계 (S20) 에서, 적어도 하나의 지도 요소를 갖는 지도를 나타내는 지도 데이터가 수신되고, 적어도 하나의 지도 요소는 미리 결정된 지도에 그려진 것과 같은 차량의 환경 요소를 나타낸다. 제3 단계(S30)에서, 수신된 센서 데이터로부터 측위 데이터가 결정되고, 측위 데이터는 지도 상의 차량의 위치를 나타낸다. 제4 단계(S40)에서, 데이터 불확실성이 결정되고, 데이터 불확실성은 센서 데이터 불확실성, 지도 데이터 불확실성, 및/또는 측위 데이터 불확실성을 포함한다. 제5 단계(S50)에서, 적어도 하나의 지도 요소에 대한 존재 확률이 초기화된다. 제6 단계(S60)에서, 지도 데이터, 센서 데이터, 측위 데이터 및 데이터 불확실성을 사용하여 적어도 하나의 지도 요소의 존재 확률이 업데이트된다.

도 3a는 제1 시간 단계에서 제2 교통 상황 V2 를 보여준다.

적어도 부분적으로 자동화된 주행 차량(F) 는 교차로 근처에 위치된다. 고정밀 (HD) 지도의 지도 데이터로부터, 세 개의 지도 요소들, 즉 제3 신호등(A3), 제4 신호등(A4) 및 제5 신호등(A5)을 볼 수 있다. 이 경우, 제3 신호등(A3), 제4 신호등(A4) 및 제5 신호등(A5)은 실제로 여전히 존재한다. 이 점에서 지도 데이터는 실제적이다.

그러나, 제3 신호등(A3)에 할당될 수 있는 제3 검출된 요소(S3)와 제4 신호등(A4)에 할당될 수 있는 제4 검출된 요소(S4) 만이 센서 데이터로부터 초래된다.

지도 검증 방법에 따르면, 제3 신호등(A3), 제4 신호등(A4) 및 제5 신호등(A5)에 대해 제3 존재 확률(P3), 제4 존재 확률(P4) 및 제5 존재 확률(P5)을 50% 값으로 초기화한다. 제1 시간 단계에서, 제3 존재 확률(P3), 제4 존재 확률(P4) 및 제5 존재 확률(P5)이 업데이트되는 타당성 검사가 수행된다. 타당성 검사에서, 차량(F)의 내부 통계 및 측위 데이터를 기반으로, 차량(F) 의 환경 센서가 제3 신호등(A3), 제4 신호등(A4), 및 제5 신호등(A5) 을 검출할 수 있어야 할 정도로 차량(F) 가 교차로에 충분히 가깝다는 것이 결정된다. 그러나, 차량(F) 로부터의 센서 데이터는 또한 차량(F)의 환경 센서와 제5 신호등(A5) 사이의 가시선에 있는 차량(F) 부근에 트럭 L (LKW) 가 있음을 나타낸다. 즉, 제3 신호등(A3)과 제4 신호등(A4)은 차량(F)의 환경 센서의 시야에 있고, 제5 신호등(A5)은 차량(F)의 환경 센서의 시야에 있지 않다. 따라서 제5 존재 확률(P5)에 대해서는 더 이상 언급할 수 없으나, 제3 존재 확률(P3) 및 제4 존재 확률(P4)에 대해서는 그것이 가능하다고 결정된다. 이와 관련하여, 제1 시간 단계에서, 제5 존재 확률 (P5) 은 50%로 유지되고 제3 존재 확률(P3) 및 제4 존재 확률(P4)는 50%에서 77.1%로 증가된다.

도 3b는 제2 시간 단계에서 제2 교통 상황 V2을 보여준다.

센서 데이터로부터, 더욱이 제3 신호등(A3)에 할당될 수 있는 제3 검출된 요소(S3)와 제4 신호등(A4)에 할당될 수 있는 제4 검출된 요소(S4) 만이 존재한다.

제2 시간 단계에서, 제3 존재 확률(P3), 제4 존재 확률(P4) 및 제5 존재 확률(P5)이 업데이트되는 타당성 검사가 수행된다. 타당성 검사에서, 차량(F)의 내부 통계 및 측위 데이터를 기반으로, 차량(F) 의 환경 센서가 제3 신호등(A3), 제4 신호등(A4), 및 제5 신호등(A5) 을 검출할 수 있어야 할 정도로 차량(F) 가 교차로에 여전히 충분히 가깝다는 것이 결정된다. 그러나, 차량(F) 의 센서 데이터는 차량(F)의 환경 센서와 제5 신호등(A5) 사이의 시야에 있는 차량(F) 부근에 트럭 L (LKW) 이 있음을 계속 나타낸다. 즉, 더욱이, 제3 신호등(A3)과 제4 신호등(A4)은 차량(F)의 환경 센서의 시야에 있고, 제5 신호등(A5)은 차량(F)의 환경 센서의 시야에 있지 않다. 따라서 제5 존재 확률(P5)에 대해서는 더 이상 언급할 수 없으나, 제3 존재 확률(P3) 및 제4 존재 확률(P4)에 대해서는 그것이 가능하다고 결정된다. 이와 관련하여, 제2 시간 단계에서, 제5 존재 확률 (P5) 은 50%로 유지되고 제3 존재 확률(P3) 및 제4 존재 확률(P4)는 각각 77.1%에서 99.5%로 증가된다.

도 3c는 제3 시간 단계에서 제2 교통 상황 V2을 보여준다.

센서 데이터는 이제 제3 신호등(A3)에 할당될 수 있는 제3 검출된 요소(S3), 제4 신호등(A4)에 할당될 수 있는 제4 검출된 요소(S4) 및 제5 신호등(A5)에 할당될 수 있는 제5 검출된 요소(S5)를 초래한다.

제3 시간 단계에서, 제3 존재 확률(P3), 제4 존재 확률(P4) 및 제5 존재 확률(P5)이 업데이트되는 타당성 검사가 수행된다. 타당성 검사에서, 차량(F)의 내부 통계 및 측위 데이터를 기반으로, 차량(F) 의 환경 센서가 제3 신호등(A3), 제4 신호등(A4), 및 제5 신호등(A5) 을 검출할 수 있어야 할 정도로 차량(F) 가 교차로에 여전히 충분히 가깝다는 것이 결정된다. 또, 차량(F) 의 센서 데이터는 또한 차량(F) 부근에 있는 트럭 L 이 차량(F)의 환경 센서와 제5 신호등(A5) 사이의 시야에 더 이상 없음을 나타낸다. 즉, 제3 신호등(A3), 제4 신호등(A4) 및 제5 신호등(A5)은 차량(F)의 환경 센서의 시각적 범위 내에 있다. 따라서 제5 존재 확률(P5), 제3 존재 확률(P3) 및 제4 존재 확률(P4)에 대한 진술이 행해질 수 있다고 결정된다. 이와 관련하여, 제3 시간 단계에서, 제5 존재 확률 (P5) 은 50% 로부터 69.5%로 증가하고 제3 존재 확률(P3) 및 제4 존재 확률(P4)는 99.5%에서 100%로 증가된다.

도 4는 객체 매핑 유닛(11) 및 객체 융합 유닛(12)을 포함하는 지도 검증 시스템(10)을 도시한다. 지도 검증 시스템(10)은 입력으로서 센서 시스템(20), 측위 시스템(30) 및 지도 시스템(40)에 결합된다. 또한, 지도 검증 시스템(10)은 출력으로서 거동 계획 시스템(50)에 결합된다.

센서 시스템(20)은 센서 데이터(Ds)를 제공한다. 지도 시스템(40)은 지도 데이터(Dk)를 제공한다. 측위 시스템(30)은 센서 데이터(Ds) 및 지도 데이터(Dk)로부터 측위 데이터(Dl)를 결정한다. 센서 데이터(Ds), 지도 데이터(Dk) 및 측위 데이터(Dl)는 지도 검증 시스템(10), 특히 객체 할당 유닛(11)에 제공된다.

객체 매핑 유닛(11)은 센서 유형에 특정하며 각 센서에 대해 한 번 인스턴스화된다. 객체 매핑 유닛(11)은 각각의 센서 공간, 예를 들어 카메라 좌표계에 지도 요소를 투사하도록 구성되고, 예를 들어 이러한 지도 요소에 대한 가시선을 잠재적으로 차단하는 스틱셀에 기초하여 센서 공간에서 지도 요소의 가시성을 추정하도록 구성된다. 객체 할당 유닛(11)은 센서 데이터의 확률적 포뮬레이션 및 랭킹된 할당 알고리즘을 사용하여, 예를 들어 무르티의 알고리즘을 사용하여 k개의 최상의 연관들을 계산하도록 추가로 구성된다. 객체 할당은 실제 지도 타당성 검사로부터 아웃소싱되며, 이는 그것이 지도에 특정적이지 않고 그것의 결과는 다른 모듈, 예를 들어 측위에 의해 사용될 수 있기 때문이다. 따라서 객체 매핑 유닛(11)은 지도 요소를 센서 공간으로, 즉 센서 좌표계로 투사하여, 지도 요소의 가시성을 결정, 특히 추정하고, 센서 공간에서 지도 요소를 묘사하기 위해 센서 데이터, 즉 센서 측정을 할당하도록 구성된다.

객체 융합 유닛(12)은 지도 요소의 존재 확률을 업데이트하고 선택적으로 또한 지도 요소의 위치를 업데이트하도록 구성된다. 또한, 객체 융합 유닛(12)은 임의의 기존 지도 요소에 할당되지 않고 따라서 잠재적으로 새로운 지도 요소를 식별하는 센서 데이터, 즉 센서 측정들을 식별하도록 구성된다. 객체 융합 유닛(12)은 알고리즘적/확률적 가정의 정확성을 확인하도록, 즉 존재 확률의 유효성을 확인하도록 구성된다.

결과적으로, 지도 검증 시스템(10)은 존재 확률 P, 할당되지 않은 측정 Mu 및 검증 결과 V 를 갖는 지도 요소를 거동 계획 시스템(50)에 제공한다. 결과적으로, 거동 계획 시스템(50)은 제공된 데이터에 기초하여 적어도 부분적으로 자동화된 주행 차량의 거동을 제어한다.

Claims (15)

1. 지도 검증 방법으로서,
   적어도 하나의 검출된 요소 (S3, S4, S5) 를 묘사하는 적어도 반자율 로봇 (F) 의 센서 데이터를 수신하는 단계 (S10) 로서, 상기 적어도 하나의 검출된 요소 (S3, S4, S5) 는 상기 적어도 반자율 로봇 (F) 의 환경 센서에 의해 검출된 바와 같은 상기 적어도 반자율 로봇 (F) 의 환경 요소를 나타내는, 상기 센서 데이터를 수신하는 단계 (S10);
   적어도 하나의 지도 요소 (A3, A4, A5) 를 갖는 지도를 묘사하는 지도 데이터 (Dk) 를 수신하는 단계 (S20) 로서, 상기 적어도 하나의 지도 요소 (A3, A4, A5) 는 미리 결정된 지도에 그려진 바와 같은 상기 적어도 반자율 로봇 (F) 의 환경 요소를 나타내는, 상기 지도 데이터 (Dk) 를 수신하는 단계 (S20);
   측위 데이터 (Dl) 를 수신하는 단계 (S30) 로서, 상기 측위 데이터 (Dl) 는 상기 지도 상의 상기 적어도 반자율 로봇 (F) 의 위치를 나타내는, 상기 측위 데이터 (Dl) 를 수신하는 단계 (S30);
   데이터 불확실성을 결정하는 단계 (S40) 로서, 상기 데이터 불확실성은 센서 데이터 불확실성, 지도 데이터 불확실성, 및/또는 측위 데이터 불확실성을 포함하는, 상기 데이터 불확실성을 결정하는 단계 (S40);
   초기 값으로 상기 적어도 하나의 지도 요소 (A3, A4, A5) 에 대한 존재 확률 (P) 을 초기화하는 단계 (S50);
   상기 지도 데이터 (Dk), 상기 센서 데이터 (Ds), 상기 측위 데이터 (Dl), 및 상기 데이터 불확실성들을 사용하여 상기 적어도 하나의 지도 요소 (A3, A4, A5) 의 상기 존재 확률 (P) 을 업데이트하는 단계 (S60) 를 포함하는, 지도 검증 방법.
2. 제 1 항에 있어서,
   상기 환경 센서의 센서 공간으로 상기 적어도 하나의 지도 요소 (A3, A4, A5) 를 투사하는 단계를 포함하는, 지도 검증 방법.
3. 제 1 항 또는 제 2 항에 있어서,
   상기 적어도 하나의 지도 요소 (A3, A4, A5) 를 상기 적어도 하나의 검출된 요소 (S3, S4, S5) 에 할당하는 단계를 포함하는, 지도 검증 방법.
4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
   상기 적어도 하나의 지도 요소 (A3, A4, A5) 의 상기 존재 확률 (P3, P4, P5) 를 평가하는 단계를 포함하고;
   상기 평가하는 단계는 상기 지도 요소를 확인하는 것, 상기 지도 요소를 반증하는 것, 잠재적으로 새로운 지도 요소, 및 가능한 진술 없음 중 하나를 포함하는, 지도 검증 방법.
5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
   상기 존재 확률 (P3, P4, P5) 을 업데이트하는 단계는 무작위 유한 집합 (RFS) 접근법 또는 로짓 접근법을 포함하는, 지도 검증 방법.
6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
   상기 존재 확률 (P3, P4, P5) 은 초기값 50% 로 초기화되는, 지도 검증 방법.
7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
   상기 적어도 하나의 지도 요소 (A3, A4, A5) 의 상기 존재 확률 (P3, P4, P5) 을 업데이트하는 단계는 시간 간격에서 반복되는, 지도 검증 방법.
8. 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
   지도 요소 (A3, A4, A5) 의 가시성을 결정하는 단계로서, 상기 지도 요소 (A3, A4, A5) 의 가시성은 상기 환경 센서의 시야 및 상기 지도 요소 (A3, A4, A5) 의 폐색을 사용하여 결정되는, 상기 가시성을 결정하는 단계;
   상기 지도 요소 (A3, A4, A5) 의 가시성을 사용하여 검출 확률을 결정하는 단계를 포함하는, 지도 검증 방법.
9. 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
   상기 데이터 불확실성은 상기 지도 요소 (A3, A4, A5) 의 가시성을 결정하는 데 사용되는, 지도 검증 방법.
10. 제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
    미리 결정된 임계값 미만의 검출 확률을 갖는 상기 적어도 하나의 지도 요소 (A3, A4, A5) 의 존재 확률 (P3, P4, P5) 은 업데이트되지 않는, 지도 검증 방법.
11. 제 1 항 내지 제 10 항 중 어느 한 항에 있어서,
    상기 존재 확률 (P3, P4, P5) 의 유효성을 확인하는 단계를 포함하는, 지도 검증 방법.
12. 제 11 항에 있어서,
    상기 적어도 반자율 로봇 (F) 의 상이한 센서들로부터의 센서 데이터 (Ds) 는 상기 존재 확률 (P3, P4, P5) 의 유효성을 확인하기 위해 서로 비교되는, 지도 검증 방법.
13. 제 1 항 내지 제 12 항 중 어느 한 항에 기재된 방법을 수행하도록 구성된 지도 검증 시스템 (10).
14. 적어도 반자율 로봇을 제어하기 위한 방법으로서,
    적어도 하나의 지도 요소의 존재 확률을 결정하기 위해 제 1 항 내지 제 12 항 중 어느 한 항에 기재된 지도 검증 방법을 수행하는 단계;
    센서 데이터 (Ds), 지도 데이터 (Dk), 측위 데이터 (Dl), 및 상기 적어도 하나의 지도 요소 (A3, A4, A5) 의 존재 확률 (P3, P4, P5) 을 사용하여 로봇 궤적을 결정하는 단계;
    결정된 상기 로봇 궤적에 기초하여 상기 적어도 반자율 로봇을 제어하는 단계를 포함하는, 적어도 반자율 로봇을 제어하기 위한 방법.
15. 제 14 항에 있어서,
    상기 센서 데이터 (Ds), 상기 지도 데이터 (Dk), 상기 측위 데이터 (Dl), 및 상기 적어도 하나의 지도 요소 (A3, A4, A5) 의 상기 존재 확률 (P3, P4, P5) 을 사용하여 제어 모드를 결정하는 단계;
    결정된 상기 제어 모드에 기초하여 상기 적어도 반자율 로봇을 제어하는 단계를 포함하는, 적어도 반자율 로봇을 제어하기 위한 방법.
    
    
    
    
    
    
    

Images