KR20230098829A

KR20230098829A - 모호성을 해결하는 적어도 하나의 gnss 위성 신호 평가 방법

Info

Publication number: KR20230098829A
Application number: KR1020237018222A
Authority: KR
Inventors: 페터 초벨; 알렉산더 메츠거; 페도르 박클란노프; 옌스 슈트로벨; 모하마드 토우리안
Original assignee: 로베르트 보쉬 게엠베하
Priority date: 2020-11-02
Filing date: 2021-11-02
Publication date: 2023-07-04
Also published as: DE102020213769A1; JP2023548513A; CN116438474A; WO2022090557A1

Abstract

본 발명은 GNSS 센서(1)에 의해 GNSS 센서 데이터(14)를 결정하기 위해 적어도 하나의 GNSS 위성(2)으로부터 수신된 적어도 하나의 GNSS 위성 신호(3)를 평가하는 방법에 관한 것이며, 상기 방법은 적어도 a) 적어도 하나의 추정 결과(12)에 더하여 추정 정확도에 대한 지표(13)를 결정하는 추정 알고리즘(7)을 사용하여 수신된 GNSS 위성 신호(3)의 적어도 하나의 캐리어 주파수의 모호성을 해결하는 단계, b) 상기 추정 알고리즘(7)으로부터의 추정 정확도에 대한 적어도 하나의 지표(13)에 더하여 추정 정확도에 대한 결론을 도출하게 하는 적어도 하나의 정보 항목(4, 5, 8, 9)을 수신하는 단계, c) 단계 b)에서 결정된 상기 적어도 하나의 정보 항목(4, 5, 8, 9)을 사용하여 상기 추정 알고리즘(7)으로부터의 상기 추정 정확도에 대한 지표(13)를 조정하는 단계를 포함한다.

Description

모호성을 해결하는 적어도 하나의 GNSS 위성 신호 평가 방법

본 발명은 적어도 하나의 GNSS 위성 신호 평가 방법, 상기 방법을 수행하기 위한 컴퓨터 프로그램, 컴퓨터 프로그램이 있는 기계 판독 가능한 저장 매체 및 상기 방법을 수행하기 위한 로컬리제이션 장치에 관한 것이다. 이 방법은 예를 들어 자율 주행과 관련하여 사용될 수 있다.

GNSS(Global Navigation Satellite System)의 도움으로, 지구상의 실질적으로 모든 지점에서 지리 공간적 위치 결정을 수행할 수 있다. GNSS 위성은 지구 궤도를 돌며 GNSS 수신기가 신호 수신 시간과 전송 시간 사이의 시간차를 추정하여 수신기로부터 위성까지의 거리를 계산하는데 사용하는 인코딩된 신호를 전송한다. 위성까지의 추정된 거리는 충분한 위성이 추적되는 경우(일반적으로 5개 이상) 수신기의 위치에 대한 추정으로 변환될 수 있다. 현재 지구 궤도를 도는 130개 이상의 GNSS 위성이 있으며, 이는 일반적으로 최대 65개를 로컬 지평선에서 볼 수 있음을 의미한다. 특히, GNSS의 4중 배열의 도래, 예를 들어 소위 PPP(Precise Point Positioning) 사용자에게 제공될 수 있는 3중 주파수 및/또는 외부 대기 제약 조건과 함께 및/또는 모호성 해결에 의해, GNSS 또는 GNSS/INS(Inertial Navigation System) 기반 위치 센서로 가능한 경우 cm 범위의 정확도를 달성하는데 바람직하게 도움이 된다. 이러한 맥락에서 여기서는 모호성이 해결되는 로컬리제이션 솔루션을 더욱 개선하는데 초점을 둔다.

청구항 제 1 항에 따르면, GNSS 센서를 이용하여 GNSS 센서 데이터를 결정하기 위해 적어도 하나의 GNSS 위성으로부터 수신된 적어도 하나의 GNSS 위성 신호를 평가하는 방법이 제안되며, 상기 방법은 적어도

a) 적어도 하나의 추정 결과에 더하여 추정 정확도에 대한 적어도 하나의 지표시를 결정하는 추정 알고리즘을 사용하여 수신된 GNSS 위성 신호의 적어도 하나의 캐리어 주파수의 모호성을 해결하는 단계,

b) 상기 추정 알고리즘으로부터의 추정 정확도에 대한 상기 적어도 하나의 지표에 더하여 추정 정확도에 대한 결론을 도출하게 하는 적어도 하나의 정보 항목을 수신하는 단계,

c) 단계 b)에서 결정된 적어도 하나의 정보 항목를 사용하여 상기 추정 알고리즘으로부터의 추정 정확도에 대한 지표를 조정하는 단계를 포함한다.

방법을 수행하기 위해, 단계 a), b) 및 c)는 제시된 순서로 예를 들어 적어도 한 번 및/또는 반복적으로 수행될 수 있다. 또한, 단계 a), b) 및 c), 특히 단계 a) 및 b)는 적어도 부분적으로 동시에 수행될 수 있다.

이 방법은 특히 GNSS 기반 로컬리제이션 센서에 의한 측정 또는 추정의 불확실성에 대한 가장 신뢰할 수 있는 지표를 제공하는데 기여할 수 있다. 이러한 맥락에서, 방법은 단계 c)에 따른 정확도에 대한 지표의 조정을 처음으로 제안하며, 특히 바람직하게는 단계 c)에서 추정 정확도에 대한 지표가 인위적으로 저하될 수 있다. 예를 들어, 특히 모호성 분산이 부동 소수점 수(float)로 결정되는 경우 적어도 하나의 모호성 분산이 인위적으로 저하되거나 상승될 수 있다. "정확도"라는 용어는 여기서 특히 추정치의 "신뢰도"라는 의미로 이해된다.

GNSS 센서는 예를 들어 적어도 GNSS 측정에 기초하여 GNSS 센서 및/또는 GNSS 센서를 구비한 차량의 로컬리제이션을 수행하도록 설계된 로컬리제이션 센서일 수 있다. 바람직하게는, GNSS 센서 또는 로컬리제이션 센서는 GNSS 측정 및 관성 측정에 기초하여 및/또는 환경 센서 데이터와 같은 차량 센서 데이터와 결합되거나 병합되어 GNSS 센서 및/또는 GNSS 센서를 구비한 차량의 로컬리제이션을 수행하도록 설계될 수 있다. 예를 들어 조향각 센서 및/또는 휠 속도 센서가 차량 센서로 사용될 수 있다. 예를 들어 카메라, RADAR 센서, LIDAR 센서 및/또는 초음파 센서가 환경 센서로 사용될 수 있다. 또한, 디지털 지도의 지도 데이터 및/또는 다른 차량의 메시지가 로컬리제이션에 사용될 수 있다.

적어도 하나 또는 각각의 GNSS 위성 신호는 일반적으로 적어도 하나의 캐리어 주파수에서 수신된다. 적어도 2개의 캐리어 주파수(L1, L2)에서 제공되는 적어도 GNSS 위성 신호들이 특히 바람직하게 수신될 수 있다.

GNSS 센서 데이터는 예를 들어 GNSS 센서 및/또는 GNSS 센서를 구비한 차량의 (자신의) 위치, (자신의) 속도, (자신의) 방향 및/또는 (자신의) 가속도일 수 있다. GNSS 센서 데이터는 바람직하게는 GNSS 센서 및/또는 GNSS 센서를 구비한 차량의 적어도 하나의 (자신의) 위치를 포함한다. 차량은 예를 들어 자동차일 수 있다. 차량은 바람직하게는 적어도 부분적으로 자동화된 또는 자율 주행을 위해 설계된다.

단계 a)에서, 수신된 GNSS 위성 신호의 적어도 하나의 캐리어 주파수의 (적어도) 하나의 모호성은 적어도 하나의 추정 결과에 더하여 추정 정확도에 대한 적어도 하나의 지표를 결정하는 추정 알고리즘을 사용하여 해결된다. 관련 추정 알고리즘은 예를 들어 모호성 필터에 의해 수행될 수 있다. 추정 정확도에 대한 지표는 예를 들어 적어도 하나의 모호성 분산 및/또는 모호성 (공)분산 행렬일 수 있다. 모호성 해결을 위한 추정 알고리즘들은 일반적으로 알려져 있다. 예를 들어, 추정 알고리즘으로 최소 제곱 조정이 사용될 수 있다.

모호성은 선택적으로 상이한 모드에서 해결될 수 있고, 즉 예를 들어 선택적으로 정수 모드 또는 부동 소수점 수 (float) 모드에서 해결될 수 있다. 정수 모드에서, 해결은 정수 모호성 해결을 포함할 수 있다. 부동 소수점 수 (float) 모드에서, 해결은 부동 소수점 수로서 모호성의 해결을 포함할 수 있다. 이 방법은 특히 부동 소수점 수 (float) 모드에서 해결되는 경우 사용된다.

정수 모드에서 작동할 때 특히 다음 사항이 고려될 수 있다: 정수 모호성을 올바르게 해결할 확률을 최대한 높이려면 잔여 측정 에러가 1/4 파장 미만이어야 한다. 그렇지 않은 경우가 많으며 정수 모호성 결정 방법을 매우 복잡하게 만든다. 이것은 특히 자동차 산업과 같은 온라인 애플리케이션에서 모호성을 수정할 때 도전 과제이다. 정수 모호성 추정의 신뢰도는 여러 요인에 따라 달라진다. 첫째, 이것은 측정 노이즈, 대류권 및 전리층에 적용된 보정의 불확실성, 위성 기하학 및 주파수의 수에 의해 결정되는 기본 GNSS 모델의 강도에 따라 달라진다. 둘째, 이것은 적용된 정수 추정 방법에 따라 달라진다.

부동 소수점 수 (float) 모드에서 작동할 때 특히 다음 사항이 고려될 수 있다: 모호성을 해결하기 위해 표준 최소 제곱 조정을 수행하고 모호성의 정수 특성을 폐기할 수 있다. 결과적으로, 분산과 같은 추정 정확도에 대한 지표와 함께 모호성 또는 가능한 기타 파라미터(예: 위치/기준선 구성 요소 및/또는 대기 지연과 같은 추가 파라미터)의 소위 플로트 솔루션이 얻어진다.

예를 들어, 이러한 맥락에서 정수 제약 조건을 고려하여 모호성의 (실제 값) 플로트 솔루션을 조정하여 정수 모호성 솔루션을 얻을 수 있다. 정수 솔루션을 허용할지 여부를 결정하는 몇 가지 테스트가 있다. 여러 테스트가 문헌에 제안되었으며 현재 실제로 사용된다. 비율 테스트, 거리 테스트 및 프로젝터 테스트가 그 예이다. 테스트가 실패하면 플로트 모호성 솔루션이 최종 솔루션으로 결정될 수 있다.

또한 부동 소수점 솔루션을 갖는 것은 일반적으로 모호성의 정수 특성을 무시할 뿐만 아니라 예를 들어 모호성 해결을 위한 기존의 최소 제곱법에서 발생하는 일반적으로 (현실에 비해) 작은 (따라서 비현실적인) (출력) 모호성 분산 때문에 문제가 될 수 있다는 것이 고려될 수 있다. 비현실적으로 작은 모호성 분산은 일반적으로 초낙관적인 캐리어 범위 분산을 초래하며, 이는 다시 캐리어 범위에 대한 과도한 의존으로 이어지고 예를 들어 코드 측정을 하향 계산할 수 있다. 그 결과, 추정된 출력, 특히 모호성 추정 결과 및/또는 (결과적으로) GNSS 센서 데이터에 대한 지나치게 낙관적인 출력 분산이 결정될 수 있으며, 이는 신호의 실제 에러를 과소 평가한다.

특히 부동 소수점 솔루션의 경우 언급된 문제를 해결하기 위해, 모호성 추정 알고리즘(출력 분산)으로부터 추정 정확도에 대한 지표를 인위적으로 또는 후속적으로 조정하여 더 현실적인 지표(출력 분산)를 얻는 것은 여기서 처음으로 제안된다.

단계 b)에서, 추정 알고리즘으로부터의 추정 정확도에 대한 적어도 하나의 지표에 더하여 추정 정확도에 대한 결론을 도출하게 하는 적어도 하나의 정보 항목이 수신된다. 상기 정보 항목은 예를 들어 특히 GNSS 센서 외에 존재하는 차량의 센서들로부터 수신될 수 있다. 바람직하게는, 상기 정보 항목은 (GNSS) 보정 데이터 서비스로부터 수신될 수 있다. 특히, 상기 정보 항목은 OSR 보정 데이터 및/또는 SSR 보정 데이터로부터 수신 또는 결정될 수 있거나, 상기 정보 항목은 OSR 보정 데이터 및/또는 SSR 보정 데이터를 포함할 수 있다. 상기 정보 항목은 바람직하게는 예를 들어 외부 SSR 또는 OSR 서버에 의해 제공되는 (보정 데이터와 함께) 수신된 보정 데이터 분산을 포함한다. 언급된 보정 데이터 또는 보정 데이터 서비스는 일반적으로 알려져 있다. OSR은 Obervation Space Representation의 약자이고 SSR은 State Space Representation의 약자이다.

단계 c)에서는 단계 b)에서 결정된 적어도 하나의 정보 항목을 사용하여 추정 알고리즘으로부터의 추정 정확도에 대한 지표가 조정된다. 상기 조정은 특히 출력 분산과 같은 (출력) 지표를 얻기 위해 출력 분산과 같은 단계 a)로부터의 (출력) 지표에 대해 (페널티) 추가가 발생하는 방식으로 수행된다. 예를 들어, 단계 b)에서 결정된 적어도 하나의 정보 항목에 따라, 단계 c)에서 조정을 위해 추가되는 페널티 분산과 같은 (페널티) 추가가 결정될 수 있다.

따라서, 특히 OSR 또는 SSR 보정 데이터 및/또는 PPP 기반 포지셔닝을 사용하는 경우 페널티 분산이 추정된 모호성 분산에 추가되는 실시예가 바람직하게 제공될 수 있다. 이는 특히 출력 신호(모호성 추정 및/또는 GNSS 센서 데이터)에 대한 더 현실적이거나 더 신뢰할 수 있는 불확실성 추정을 달성하기 위해 수행된다.

다시 말해서, 특히 바람직한 실시예에서는, 출력 신호(모호성 추정 및/또는 GNSS 센서 데이터)에 대한, 특히 GNSS/INS 기반 로컬리제이션 센서(PPP 개념에서)의 출력 위치에 대한 지나치게 낙관적인 분산을 피하기 위해, 외부 서버에 의해 수신된 SSR 또는 OSR 보정 데이터의 분산을 사용하여 정확도에 대한 (출력) 지표를 조정한다.

예를 들어, 조정은 배율 인수(scaling factor)를 곱하는 것 및/또는 (페널티) 추가를 더하는 것을 포함할 수 있다. (패널티) 추가는 특히 (GNSS) 보정 데이터의 정확도에 대한 정보 항목들에 따라 결정될 수 있다. 특히 플로트 모호성 해결의 경우 조정이 수행된다. 조정의 결과는 특히 출력 모호성 분산이다.

예를 들어 (페널티 분산)의 (페널티) 추가를 더함으로써 GNSS 센서에 의한 로컬리제이션에서 적어도 하나의 가중치가 조정될 수 있도록 상기 배율 인수가 조정될 수 있다. 특히 코드 및 위상 측정을 포함하여 상이한 측정 유형 간에 가중치가 조정될 수 있도록 스케일링이 조정될 수 있다.

바람직한 실시예에 따르면, 단계 a)에서 캐리어 주파수의 모호성이 추정 정확도에 대한 지표로서 공분산 행렬을 결정하는 모호성 필터에 의해 해결되는 것이 제안된다. 모호성 필터는 예를 들어 최소 제곱 필터(Least-Squares-Filter)를 포함할 수 있다. 모호성 필터는 GNSS 센서 또는 로컬리제이션 장치의 일부일 수 있고 및/또는 이것에 연결될 수 있다. 모호성 필터는 Kalman 필터와 같은 로컬리제이션 필터에 추가로 제공되거나 로컬리제이션 필터에 통합될 수 있다.

추가의 바람직한 실시예에 따르면, 단계 b)에서 수신된 적어도 하나의 정보 항목은 다음 정보 항목들 중 하나 이상을 포함하는 것이 제안된다: GNSS 안테나로부터의 정보 항목, 관성 센서로부터의 정보 항목, 속도 센서로부터의 정보 항목, GNSS 보정 데이터 소스로부터의 정보 항목. 예를 들어 보정 데이터 서비스는 GNSS 보정 데이터 소스 역할을 할 수 있다. 차량 측에서 보정 데이터는 예를 들어 안테나(예: GNSS 안테나) 및/또는 무선 연결 및/또는 인터넷 연결로부터 수신될 수 있다.

또 다른 바람직한 실시예에 따르면, 단계 b)에서 수신된 적어도 하나의 정보 항목은 GNSS 보정 데이터 소스로부터의 정보 항목을 포함하는 것이 제안된다. 특히, 정보 항목은 (OSR 및/또는 SSR) 보정 데이터로부터 수신되거나 결정될 수 있거나 정보 항목은 (OSR 및/또는 SSR) 보정 데이터를 포함할 수 있다. 이 보정 데이터는 실제 보정 정보 외에도 보정 정보의 정확성 및/또는 신뢰성에 대한 지표도 포함할 수 있다.

또 다른 바람직한 실시예에 따르면, 단계 b)에서 수신된 적어도 하나의 정보 항목은 GNSS 보정 데이터의 정확성 및/또는 신뢰성을 나타내는 GNSS 보정 데이터 소스로부터의 정보 항목을 포함하는 것이 제안된다. 정보 항목은 바람직하게는 보정 데이터 또는 그 보정 정보, 특히 예를 들어 외부 SSR 또는 OSR 서버에 의해 제공된 적어도 하나의 보정 데이터 분산의 정확성 및/또는 신뢰성에 대해 (보정 데이터와 함께) 수신된 지표를 포함한다,

또 다른 바람직한 실시예에 따르면, 단계 b)에서 수신된 적어도 하나의 정보 항목은 GNSS 센서가 장착된 차량의 (적어도) 하나의 센서에 의해 제공되는 것이 제안된다. 센서는 예를 들어 차량의 관성 센서 및/또는 환경 센서 및/또는 (휠) 속도 센서일 수 있다.

또 다른 바람직한 실시예에 따르면, 단계 c)에서 추정 알고리즘으로부터의 추정 정확도에 대한 지표가 단계 b)에서 결정된 적어도 하나의 정보 항목을 사용하여 인위적으로 저하되는 것이 제안된다. 예를 들어, (페널티) 추가는 단계 b)에서 결정된 적어도 하나의 정보 항목을 사용하여 결정되고 인위적 저하를 위해 추가될 수 있다.

추가 양태에 따르면, 여기에 제시된 방법을 수행하기 위한 컴퓨터 프로그램이 제안된다. 즉, 이것은 프로그램이 컴퓨터에 의해 실행될 때 컴퓨터가 여기에 설명된 방법을 실행하게 하는 명령들을 포함하는 컴퓨터 프로그램(제품)에 관한 것이다.

추가 양태에 따르면, 여기에 제안된 컴퓨터 프로그램이 저장되어 있는 기계 판독 가능한 저장 매체가 제안된다. 기계 판독 가능한 저장 매체는 일반적으로 컴퓨터 판독 가능한 데이터 캐리어이다.

추가 양태에 따르면, 여기에 설명된 방법을 수행하도록 설계된 로컬리제이션 장치가 제안된다. 로컬리제이션 장치는 특히 차량용 로컬리제이션 장치이다. 로컬리제이션 장치는 예를 들어 GNSS 센서로 형성되거나 GNSS 센서를 포함할 수 있다. 또한, 로컬리제이션 장치는 모호성 필터를 포함할 수 있다.

로컬리제이션 장치는 예를 들어 방법을 수행하기 위해 명령들을 실행할 수 있는 컴퓨터 및/또는 제어 장치(컨트롤러)를 포함할 수 있다. 이를 위해 컴퓨터 또는 제어 장치는 예를 들어 제시된 컴퓨터 프로그램을 실행할 수 있다. 예를 들어, 컴퓨터 또는 제어 장치는 컴퓨터 프로그램을 실행할 수 있도록 제시된 저장 매체를 액세스할 수 있다. 로컬리제이션 장치는 예를 들어 특히 차량 내에 또는 차량 상에 배치되는 이동 및 위치 센서일 수 있다.

따라서, 방법과 관련하여 설명된 세부 사항들, 특징들 및 바람직한 구성들은 여기에 제시된 컴퓨터 프로그램 및/또는 저장 매체 및/또는 장치에서도 나타날 수 있으며 그 반대의 경우도 마찬가지이다. 이러한 점에서, 특징들의 더 상세한 특성화를 위해 거기에 있는 설명들이 완전히 참조된다.

여기에 제시된 솔루션과 그 기술 환경은 도면을 참조하여 아래에서 자세히 설명된다. 본 발명은 도시된 실시예에 의해 제한되어서는 안된다는 점이 지적되어야 한다. 특히, 달리 명시적으로 언급되지 않는 한, 도면들에서 설명된 사실의 부분 양태를 추출하여 다른 도면 및/또는 본 설명으로부터의 다른 구성요소들 및/또는 인식들과 조합하는 것도 가능하다.

도 1은 여기에 제시된 방법의 예시적인 흐름을 도시한다.
도 2는 여기에 설명된 예시적인 로컬리제이션 장치를 도시한다.

도 1은 여기에 제시된 방법의 예시적인 흐름을 개략적으로 도시한다. 이 방법은 GNSS 센서(1)를 사용하여 GNSS 센서 데이터(14)를 결정하기 위해 적어도 하나의 GNSS 위성(2)으로부터 수신된 적어도 하나의 GNSS 위성 신호(3)를 평가하는데 사용된다(도 2 참조). 블록(110, 120 및 130)으로 표시된 단계 a), b) 및 c)의 순서는 예시적이며, 방법을 수행하기 위해 예를 들어 도시된 순서로 적어도 한 번 실행될 수 있다.

블록(110)에서, 단계 a)에 따라, 수신된 GNSS 위성 신호(3)의 적어도 하나의 캐리어 주파수의 모호성은 적어도 하나의 추정 결과(12)에 더하여 추정 정확도에 대한 적어도 하나의 지표(13)를 결정하는 추정 알고리즘(7)을 사용하여 해결된다. 블록(120)에서, 단계 b)에 따라, 적어도 하나의 정보 항목(9, 4, 5, 8)이 수신되는데, 이 정보 항목은 추정 알고리즘(7)으로부터의 추정 정확도에 대한 적어도 하나의 지표(13)에 더하여 추정 정확도에 대한 결론을 도출할 수 있게 한다. 블록(130)에서, 단계 c)에 따라, 추정 알고리즘(7)으로부터의 추정 정확도에 대한 지표(13)가 단계 b)에서 결정된 적어도 하나의 정보 항목(9, 4, 5, 8)을 사용하여 조정된다.

도 2는 여기에 기술된 예시적인 로컬리제이션 장치(16)의 개략도를 도시한다. 로컬리제이션 장치(16)는 예를 들어 GNSS 위성(2)으로부터의 GNSS 위성 신호(3)를 사용하여 차량(10)의 위치를 결정하기 위해 차량(10)에 배치된다. 로컬리제이션 장치(16)는 여기에 설명된 방법을 수행하도록 설계된다. 이를 위해, 로컬리제이션 장치(16)는 예를 들어 GNSS 센서(1) 및 모호성 필터(6)를 포함한다. 위치는 GNSS 센서 데이터(14)의 예이다.

모호성 필터(6)는 캐리어 주파수의 모호성으로 인해 (여전히) 모호성을 갖는 데이터(15)를 GNSS 센서(16)로부터 수신할 수 있다. 캐리어 주파수의 모호성은 모호성 필터(6)를 사용하여 해결될 수 있다. 이를 위해, 모호성 필터(6)는 추정 알고리즘(7)을 포함할 수 있다. 추정 알고리즘(7)은 선택적으로 정수 솔루션(아래 왼쪽을 향한 화살표) 또는 부동 소수점 솔루션(수직으로 아래를 향한 화살표)을 출력할 수 있다. 각각의 경우에, 솔루션은 추정 결과(12) 및 추정 정확도에 대한 지표(13)를 포함하며, 이들은 (함께) GNSS 센서(16)로 전송될 수 있다. 추정 정확도에 대한 지표(13)로서 예를 들어 적어도 하나의 분산 및/또는 공분산 행렬이 결정될 수 있다.

지표(13)는 예를 들어 측정 분산(기호: σ_Cmeas)과 추정 분산(기호: σ_Cest)의 합인 캐리어 범위 분산(기호: σ_C)을 포함할 수 있다:

캐리어 범위의 측정 분산은 일반적으로 캐리어 위상 측정 분산(기호: σ_phase)과 모호성 분산(기호: σ_amb)에 따라 달라진다:

특히, 부동 소수점 솔루션(수직으로 아래로 향한 화살표)이 출력되면, 예를 들어 가산기(11)에서 지표(13)가 조정된다. 이를 위해 페널티 분산(기호: σ_pen)이 더해질 수 있다:

이것은 아마도 단계 c)에서와 같이 추정 알고리즘(7)으로부터의 추정 정확도에 대한 지표(13)가 인위적으로 저하될 수 있다는 사실의 예를 나타낸다. 이는 바람직하게는 단계 b)에서 결정된 적어도 하나의 정보 항목(9, 4, 5, 8)를 사용하여 수행된다.

단계 b)에서 수신된 적어도 하나의 정보 항목(9, 4, 5, 8)은 다음 정보 항목들 중 하나 이상을 포함할 수 있다: GNSS 안테나(9)로부터의 정보 항목, 관성 센서(4)로부터의 정보 항목, 속도 센서(5)로부터의 정보 항목, GNSS 보정 데이터 소스(8)로부터의 정보 항목.

적어도 하나의 정보 항목(9, 4, 5, 8)은 바람직하게는 GNSS 보정 데이터 소스(8)로부터의 정보 항목을 포함한다. 적어도 하나의 정보 항목(9, 4, 5, 8)은 특히 바람직하게는 GNSS 보정 데이터의 정확성 및/또는 신뢰성을 나타내는 GNSS 보정 데이터 소스(8)로부터의 정보 항목를 포함한다.

또한, GNSS 보정 데이터 소스(8)로부터의 정보 항목은 바람직하게는 보정 데이터 또는 그 보정 정보, 특히 예를 들어 외부 SSR 또는 OSR 서버에서 제공된 적어도 하나의 보정 데이터 분산의 정확성 및/또는 신뢰성에 대한 (보정 데이터와 함께) 수신된 지표를 포함한다.

페널티 분산은 GNSS 보정 데이터 소스(8)로부터의 정보 항목에 기초하여 결정될 수 있고 가산기(11)에서 지표(13)에 추가될 수 있다. 페널티 분산은 여기서 예를 들어 SSR 또는 OSR 시선 보정 분산에 배율 인수를 곱한 것에 기초하여 생성될 수 있다.

대안적으로 또는 추가적으로, 상기 적어도 하나의 정보 항목(9, 4, 5, 8)은 GNSS 센서(1)가 장착된 차량(10)의 센서에 의해 제공될 수 있다. 특히, GNSS 안테나(9), 관성 센서(4) 및/또는 속도 센서(5)가 여기서 차량(10)의 센서로 고려된다.

따라서, 캐리어 위상의 모호성의 솔루션의 경우 (GNSS/INS 기반) 로컬리제이션 센서를 기반으로 추정된 위치에 대해 더 현실적인 불확실성을 얻기 위한 특히 바람직한 접근 방식이 제공될 수 있다.

특히 추정된 모호성 분산에 페널티 분산을 추가하면 이에 기여할 수 있다. 페널티 분산은 수신된 보정 데이터(SSR 또는 OSR)를 사용하여 결정되거나 계산될 수 있다.

페널티 분산을 계산하기 위해, 예를 들어 전리층, 대류권, 궤도, 시계 및 위상 왜곡 보정의 분산 합계에 배율 인수를 곱할 수 있다.

예를 들어, 페널티 분산을 추가함으로써 GNSS 센서(1)에 의한 로컬리제이션에서의 적어도 하나의 가중치가 조정될 수 있도록 배율 인수가 조정될 수 있다. 특히 코드 및 위상 측정을 포함하여 서로 다른 측정 유형 간에 가중치가 조정될 수 있도록 스케일링이 조정될 수 있다.

1: GNSS 센서
2: GNSS 위성
3: GNSS 위성 신호
4: 관성 센서
5: 속도 센서
7: 추정 알고리즘
8: GNSS 보정 데이터 소스
12: 추정 결과
13: 지표
16: 로컬리제이션 장치

Claims

GNSS 센서(1)를 사용하여 GNSS 센서 데이터(14)를 결정하기 위해 적어도 하나의 GNSS 위성(2)으로부터 수신된 적어도 하나의 GNSS 위성 신호(3)를 평가하는 방법으로서, 적어도
a) 적어도 하나의 추정 결과(12)에 더하여 추정 정확도에 대한 적어도 하나의 지표(13)를 결정하는 추정 알고리즘(7)을 사용하여 수신된 GNSS 위성 신호(3)의 적어도 하나의 캐리어 주파수의 모호성을 해결하는 단계,
b) 상기 추정 알고리즘(7)으로부터의 추정 정확도에 대한 상기 적어도 하나의 지표(13)에 더하여 추정 정확도에 대한 결론을 도출하게 하는 적어도 하나의 정보 항목(9, 4, 5, 8)를 수신하는 단계,
c) 단계 b)에서 결정된 상기 적어도 하나의 정보 항목(9, 4, 5, 8)을 사용하여 상기 추정 알고리즘(7)으로부터의 추정 정확도에 대한 상기 지표(13)를 조정하는 단계를 포함하는, 방법.
제 1 항에 있어서, 단계 a)에서 상기 캐리어 주파수의 모호성은 추정 정확도에 대한 지표(13)로서 공분산 행렬을 결정하는 모호성 필터(6)에 의해 해결되는, 방법.
제 1 항 또는 제 2 항에 있어서, 단계 b)에서 수신된 상기 적어도 하나의 정보 항목(9, 4, 5, 8)은 GNSS 안테나(9)로부터의 정보 항목(9), 관성 센서(4)로부터의 정보 항목, 속도 센서(5)로부터의 정보 항목 및 GNSS 보정 데이터 소스(8)로부터의 정보 항목 중 하나 이상을 포함하는, 방법.
제 1 항 내지 제 3 항 중 어느 한 항에 있어서, 단계 b)에서 수신된 상기 적어도 하나의 정보 항목(9, 4, 5, 8)은 GNSS 보정 데이터 소스(8)로부터의 정보 항목을 포함하는, 방법.
제 1 항 내지 제 4 항 중 어느 한 항에 있어서, 단계 b)에서 수신된 상기 적어도 하나의 정보 항목(9, 4, 5, 8)은 GNSS 보정 데이터의 정확도 및/또는 신뢰도를 나타내는 GNSS 보정 데이터 소스(8)로부터의 정보 항목인, 방법.
제 1 항 내지 제 5 항 중 어느 한 항에 있어서, 단계 b)에서 수신된 상기 적어도 하나의 정보 항목(9, 4, 5, 8)은 상기 GNSS 센서(1)가 장착된 차량(10)의 센서에 의해 제공되는, 방법.
제 1 항 내지 제 6 항 중 어느 한 항에 있어서, 단계 c)에서 상기 추정 알고리즘(7)으로부터의 추정 정확도에 대한 상기 지표(13)가 단계 b)에서 결정된 상기 적어도 하나의 정보 항목(9, 4, 5)을 사용하여 인위적으로 저하되는, 방법.
제 1 항 내지 제 7 항 중 어느 한 항에 따른 방법을 수행하기 위한 컴퓨터 프로그램.
제 8 항에 따른 컴퓨터 프로그램이 저장되어 있는, 기계 판독 가능한 저장 매체.
제 1 항 내지 제 7 항 중 어느 한 항에 따른 방법을 수행하도록 설계된 로컬리제이션 장치(16).