KR20230148833A - 칼만 필터를 사용하여 적어도 하나의 시스템 상태를 결정하는 방법 - Google Patents

칼만 필터를 사용하여 적어도 하나의 시스템 상태를 결정하는 방법 Download PDF

Info

Publication number
KR20230148833A
KR20230148833A KR1020237032217A KR20237032217A KR20230148833A KR 20230148833 A KR20230148833 A KR 20230148833A KR 1020237032217 A KR1020237032217 A KR 1020237032217A KR 20237032217 A KR20237032217 A KR 20237032217A KR 20230148833 A KR20230148833 A KR 20230148833A
Authority
KR
South Korea
Prior art keywords
kalman filter
estimation result
reliability
information item
estimation
Prior art date
Application number
KR1020237032217A
Other languages
English (en)
Inventor
홀거 디겔
시몬 바이센마이어
Original Assignee
로베르트 보쉬 게엠베하
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 로베르트 보쉬 게엠베하 filed Critical 로베르트 보쉬 게엠베하
Publication of KR20230148833A publication Critical patent/KR20230148833A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/66—Radar-tracking systems; Analogous systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/862—Combination of radar systems with sonar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/66—Sonar tracking systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/66—Tracking systems using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/396—Determining accuracy or reliability of position or pseudorange measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9322—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using additional data, e.g. driver condition, road state or weather data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9323—Alternative operation using light waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9324—Alternative operation using ultrasonic waves

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Acoustics & Sound (AREA)
  • Navigation (AREA)
  • Feedback Control In General (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

본 발명은 칼만 필터 어셈블리에 의해 적어도 하나의 시스템 상태를 결정하는 방법에 관한 것이며, 상기 시스템의 적어도 하나의 센서에 의해 측정된 적어도 하나의 측정값이 상기 칼만 필터 어셈블리에 공급되고, 상기 방법은 적어도
a) 상기 칼만 필터 어셈블리의 제 1 칼만 필터에 의해 상기 시스템 상태의 제 1 추정을 수행하는 단계로서, 제 1 추정 결과 및 상기 제 1 추정 결과의 신뢰도에 관한 적어도 하나의 관련 제 1 정보 항목이 출력되는, 상기 수행하는 단계;
b) 상기 칼만 필터 어셈블리의 제 2 칼만 필터에 의해 상기 시스템 상태의 제 2 추정을 수행하는 단계로서, 제 2 추정 결과 및 상기 제 2 추정 결과의 신뢰도에 관한 적어도 하나의 관련 제 2 정보 항목이 출력되고, 상기 제 2 칼만 필터는 적어도 하나의 설정 파라미터에서 상기 제 1 칼만 필터와는 다른, 상기 수행하는 단계;
c) 상기 제 1 추정 결과와 상기 제 2 추정 결과를 융합하여 상기 시스템 상태에 대한 전체 추정 결과를 생성하고, 상기 제 1 추정 결과의 신뢰도에 관한 상기 제 1 정보 항목과 상기 제 2 추정 결과의 신뢰도에 관한 상기 제 2 정보 항목을 융합하여 상기 전체 추정 결과의 신뢰도에 관한 전체 정보 항목을 생성하는 단계를 포함한다.

Description

칼만 필터를 사용하여 적어도 하나의 시스템 상태를 결정하는 방법
본 발명은 칼만 필터를 사용하여 적어도 하나의 시스템 상태를 결정하는 방법, 상기 방법을 수행하기 위한 컴퓨터 프로그램, 상기 컴퓨터 프로그램이 저장되어 있는 기계 판독 가능한 저장 매체, 및 상기 방법을 수행하도록 설계된, 차량과 같은 이동 물체의 위치를 결정하기 위한 시스템에 관한 것이다. 본 발명은 특히 적어도 부분적으로 자동 또는 자율 주행과 관련하여 사용될 수 있다.
칼만 필터는 일반적으로 에러를 갖는 관측을 기반으로 시스템 상태를 반복적으로 추정하는데 사용된다. 이러한 맥락에서 칼만 필터는 특히 서로 다른 센서들의 센서 정보를 특히 모델 정보와 결합(또는 융합)해야 하는 응용 분야에 특히 바람직한 것으로 입증되었다. 또한 칼만 필터는 계산이 정확하고 견고하기 때문에 임베디드 시스템에 자주 사용된다. 또한 마이크로컨트롤러는 칼만 필터의 계산을 효율적으로 수행할 수 있다는 이점을 갖는다.
칼만 필터 방정식은 다음과 같이 행렬 표기법으로 나타내질 수 있다.
(GL1)
(GL2)
(GL3)
(GL4)
(GL5)
기호 K, , , , , , 를 가진 명시적인 방정식은 각 측정 변수에 대해 동일한 스케일링을 가진 해당 모델 변수가 존재하는 경우 및/또는 반대로 각 모델 변수에 대해 동일한 스케일링을 가진 해당 측정 변수가 존재하는 경우 특히 사용될 수 있다. 그렇지 않은 경우, 예를 들어 기호 H, K', P, R, , z를 가진 방정식 GL3 ~ GL5가 사용될 수 있다. 수치 계산을 위해 이러한 방정식들은 미리 명시적인 형식으로 될 수 있으며 이는 특히 방정식(들)의 양쪽에서 H 또는 HT를 나눔으로써 수행될 수 있다.
방정식 GL1 및 GL2는 칼만 필터의 반복 추정 프로세스를 나타내고 방정식 GL3 내지 GL5는 반복적으로 추정된 모델값을 센서에 의해 검출된 측정값으로 보정 또는 융합하는 것을 나타낸다. 더 상세한 설명은 도 1과 관련하여 칼만 필터의 일반적인 구조에 대한 설명을 참조한다.
칼만 필터는 비교적 복잡하고, 설명할 각 시스템 동작 대해 선택 및/또는 설정되어야 하는 수많은 설정 옵션(특히 시스템 행렬 , 측정 노이즈의 분산 행렬 및 시스템 노이즈의 분산 행렬 )이 있다. 이로 인해 새로운 애플리케이션에 칼만 필터를 사용하고 및/또는 기존 애플리케이션을 유지 관리하는 것이 어렵다.
경우에 따라, 비선형 동적 프로세스를 모델링할 수 있도록 소위 확장된 칼만 필터가 사용되고 및/또는 다양한 설정 옵션, 특히 측정 및 시스템 노이즈의 행렬 및 의 값을 추가 필터의 도움으로 런타임 중에 자동으로 조정하기 위해 소위 적응형 칼만 필터(또는 ROSE 필터)가 사용된다. 그러나 추가 필터를 설계하거나 구성하는데 비교적 높은 수준의 노력이 필요하며, 추가 필터를 갖는 ROSE 필터는 구성하기가 훨씬 더 어렵다.
또한, 앙상블 칼만 필터와 같은 칼만 필터 구현이 알려져 있다. 앙상블의 경우 일반적으로 상태 벡터 및 관련 공분산 행렬 대신, 가능한 상태 벡터의 행렬이 사용되고, 측정 벡터 및 관련 공분산 행렬 대신, 가능한 측정 벡터의 행렬이 사용된다. 표준 칼만 필터와 마찬가지로 앙상블 요소의 상태 에 대한 예측은 전이 행렬 를 사용하여 형성되지만, 이와 달리 에 따른 정규 분포에 해당하는 분포를 갖는 노이즈 벡터 가 추가되고, 모든 앙상블 요소에 대해 동일한 프로세스 노이즈 가 선택된다. 마찬가지로 앙상블 요소의 측정 벡터 를 형성하기 위해, 정규 분포 에 해당하는 분포를 갖는 노이즈 벡터 가 추가되고, 모든 앙상블 요소에 대해 측정 노이즈의 동일한 공분산 행렬 가 사용된다.
청구항 제 1 항에 따르면, 칼만 필터 어셈블리에 의해 적어도 하나의 시스템 상태를 결정하는 방법이 여기에서 제안되며, 상기 시스템의 적어도 하나의 센서에 의해 측정된 적어도 하나의 측정값이 상기 칼만 필터 어셈블리에 공급되며, 상기 방법은 적어도
a) 상기 칼만 필터 어셈블리의 제 1 칼만 필터에 의해 상기 시스템 상태의 제 1 추정을 수행하는 단계로서, 제 1 추정 결과 및 상기 제 1 추정 결과의 신뢰도에 관한 적어도 하나의 관련 제 1 정보 항목이 출력되는, 상기 수행하는 단계;
b) 상기 칼만 필터 어셈블리의 제 2 칼만 필터에 의해 상기 시스템 상태의 제 2 추정을 수행하는 단계로서, 제 2 추정 결과 및 상기 제 2 추정 결과의 신뢰도에 관한 적어도 하나의 관련 제 2 정보 항목이 출력되고, 상기 제 2 칼만 필터는 적어도 하나의 설정 파라미터에서 상기 제 1 칼만 필터와는 다른, 상기 수행하는 단계;
c) 상기 제 1 추정 결과와 상기 제 2 추정 결과를 융합하여 상기 시스템 상태에 대한 전체 추정 결과를 생성하고, 상기 제 1 추정 결과의 신뢰도에 관한 상기 제 1 정보 항목과 상기 제 2 추정 결과의 신뢰도에 관한 상기 제 2 정보 항목을 융합하여 상기 전체 추정 결과의 신뢰도에 관한 전체 정보 항목을 생성하는 단계를 포함한다.
단계 a), b) 및 c)의 지정된 순서는 예시적이며, 이러한 방식으로 지정된 순서로, 예를 들어 정규 작동 순서로 방법을 수행하기 위해 적어도 한 번 수행될 수 있다. 대안적으로 또는 추가적으로, 단계 a), b) 및 c), 특히 단계 a) 및 b)는 적어도 부분적으로 병행해서 또는 동시에 수행될 수 있다. 이 방법은 예를 들어 여기에 기술된 시스템의 구성요소일 수 있는 (마이크로)컨트롤러와 같은 제어 장치에 의해 수행될 수 있다.
이 방법은, 예상되는 에러가 모델 에러 및/또는 측정 에러에 할당된 것이 알려지지 않은 경우에도, 모델링 및/또는 구성에서의 에러 또는 심각한 부정확성 및/또는 간섭받은 측정값에 의한 고려되는 기준 상황과의 편차가 검출되거나 (자동으로) 보정될 수 있는 것을 바람직한 방식으로 허용한다. 특히 칼만 필터 어셈블리에서 다르게 설정되는 칼만 필터는 먼저 측정값들, 특히 동일한 측정값들로 서로 독립적으로 추정을 수행한 다음, 이 추정 결과를 융합하여 전체 추정 결과를 생성하기 때문이다. 이는 설정 특정 에러 소스, 즉 칼만 필터의 설정으로 인한 에러가 가능한 한, 특히 적어도 하나의 다른, 다르게 설정된 칼만 필터에 의해 보상될 수 있다는 사실에 바람직하게 기여한다.
시스템은 예를 들어 차량(자동차)과 같은 물체의 위치를 결정하기 위한 시스템일 수 있다. 시스템은 차량과 같은 물체 내에 또는 물체 상에 적어도 부분적으로 배치될 수 있다. 차량은 예를 들어 상응하게 구성된 제어 장치에 의해 적어도 부분적으로 자동 및/또는 자율 주행을 위해 바람직하게 설계될 수 있다. 제어 장치는 시스템으로부터 위치 데이터를 수신하기 위해 시스템에 연결될 수 있다. 시스템은 다수의 센서들, 특히 상이한 또는 상이한 유형의 센서들을 포함할 수 있거나 차량의 센서에 연결될 수 있다. 센서들은 예를 들어 카메라 센서, LIDAR 센서, RADAR 센서, 초음파 센서 등과 같은 (광학 또는 음향) 환경 센서 및 적어도 하나의 GNSS 센서를 포함할 수 있다. 센서들의 측정값들은 여기에 설명된 방법이나 칼만 필터 어셈블리에 의해 융합될 수 있다.
이 방법은 특히 칼만 필터의 어셈블리를 통해 센서 데이터에 따라 시스템 상태를 (연속적으로) 결정하는데 기여한다. 측정값을 고려하여 추정을 수행하기 위해, 시스템의 다수의, 상이한 또는 상이한 유형의 센서들로부터의 측정값들이 칼만 필터 어셈블리에 공급될 수 있다. 적어도 하나의 시스템 상태는 예를 들어, 이동 물체, 특히 지구 표면을 따라 이동할 수 있는 물체 또는 모바일 부품, 예를 들어 차량(자동차), 선박, 비행기, 스마트폰 또는 스마트워치의 (현재) (자신의) 위치일 수 있다. 또한, 적어도 하나의 시스템 상태는 물체의 (현재) 속도, (현재) 이동 방향 및/또는 (현재) 가속도를 포함할 수 있다. 설명된 방법의 사용은 차량의 위치 결정, 물체 검출 및/또는 주행 역학 제어와 같은 모든 센서 데이터 융합 과제를 위해 바람직하다. 또한, 설명된 방법은 예를 들어 센서 신호에 대한 측정 노이즈 및 기타 간섭 영향을 줄이기 위해 센서의 전송 특성을 모델링하는데 사용될 수도 있다.
칼만 필터 어셈블리는 서로 독립적으로 작동할 수 있는 다수의 칼만 필터(각각 독립형으로 작동)를 포함할 수 있다. 칼만 필터는 서로 독립적으로 작동할 수 있지만 동일한 측정값으로 작동하는 것이 바람직하다. 특히, 어셈블리의 칼만 필터들은 적어도 부분적으로 서로 병행해서 또는 동시에 작동할 수 있다. 즉, 이것은 특히 어셈블리에서 칼만 필터들이 서로 병렬로 배치되거나 연결되는 방식으로 설명될 수도 있다.
칼만 필터 어셈블리의 개별 칼만 필터의 방정식들은 방정식(1)~(5)와 유사하게 다음과 같이 나타내질 수 있다. 여기서, 인덱스 i는 각 칼만 필터의 번호를 나타낸다:
(6)
(7)
(8)
(9)
(10)
단계 a)에서, 시스템 상태의 제 1 추정은 칼만 필터 어셈블리의 제 1 칼만 필터(인덱스:i=1)를 사용하여 수행되며, 제 1 추정 결과(기호:), 및 상기 제 1 추정 결과의 신뢰도에 관한 적어도 하나의 관련 제 1 정보 항목(기호:)이 출력된다. 단계 b)에서 시스템 상태의 제 2 추정은 칼만 필터 어셈블리의 제 2 칼만 필터(인덱스:i=2)를 사용하여 수행되고, 제 2 추정 결과(기호:), 및 상기 제 2 추정 결과의 신뢰도에 관한 적어도 하나의 관련 제 2 정보 항목(기호:)이 출력된다. 원칙적으로 2개 이상의 칼만 필터가 제공되거나 칼만 필터 어셈블리에 속할 수 있다. 제 1 추정과 제 2 추정은 일반적으로 동일한 시간 단계(인덱스:k)에서 수행된다.
제 2 칼만 필터는 적어도 하나의 설정 파라미터에서 제 1 칼만 필터와 다르다. 2개 이상의 칼만 필터가 제공되는 경우, 각각의 추가 칼만 필터는 적어도 하나의 설정 파라미터에서 다른 칼만 필터와 다를 수 있다. 특히, 전술한 설정 옵션들(특히 시스템 행렬 , 측정 노이즈의 분산 행렬 및 시스템 노이즈의 분산 행렬 ) 중 하나 이상의 파라미터가 설정 파라미터로 고려된다. 설정 파라미터는 예를 들어 칼만 필터의 분산 행렬 또는 공분산 행렬의 항목과 관련될 수 있다. 설정 파라미터가 해당 행렬의 스케일링을 위한 팩터와 관련되고 이러한 방식으로 분산 행렬 또는 공분산 행렬에 작용하거나 관련 칼만 필터의 설정에 기여하는 것도 가능하다.
특히, 단계 a) 및 b)에서, 적어도 제 1 칼만 필터 및 제 2 칼만 필터를 포함하는 다수의 독립적인 칼만 필터는, 동일한 시간 단계에서 그러나 에러를 갖는 센서 변수 및/또는 모델 변수에 대한 다른 가정으로, 특히 프로세스 노이즈(기호:)에 대한 개별 가정 및/또는 측정 노이즈(기호:)의 공분산 행렬에 대한 개별 가정으로 병렬로, 특히 다수의 개별 공분산 행렬(기호:)을 사용해서 계산된다. 이들의 독립적인 상태 벡터(기호:)와 공분산 행렬(기호:)은 출력 전에 또는 단계 c)에서 서로 융합된다.
예를 들어, 다음 변수들 중 하나 이상은 칼만 필터 어셈블리의 다수의 또는 모든 칼만 필터들에 대해 동일하게 (선택)될 수 있다:
- i: 칼만 필터의 인덱스,
- j: 칼만 필터의 개수,
- : 예를 들어 운동 방정식을 사용해서 시간 t k-1 로부터 시간 t k 까지 시스템 상태를 전파하는 전이 행렬,
- : 시스템 상태의 n 값을 m 관측에 매핑하는 관측 행렬, 및/또는
- : 시간 t k 에 존재하는 새로운 관측들.
바람직하게는 (제 2 칼만 필터의) 다음 변수들 중 적어도 하나 이상은 다른 칼만 필터(특히, 제 1 칼만 필터)의 변수와 다르다:
- : 새로운 관측 들을 적용하기 전, 이전 시간 t k-1 의 상태로부터 도출된 시간 t k 에 대한 시스템 상태,
- : 새로운 관측 들을 적용한 후(사후) 시스템 상태,
- : 새로운 관측 들을 적용하기 전(사전) 의 에러의 공분산 행렬,
- : 새로운 관측 들을 적용한 후(사후) 의 에러의 공분산 행렬,
- : 측정 노이즈의 공분산 행렬, 및/또는
- : 프로세스 노이즈의 공분산 행렬 또는 장기간 공분산 행렬 을 시스템 상태 의 에러와 올바른 관계로 만드는 프로세스 노이즈.
단계 c)에서 제 1 추정 결과(기호:)와 제 2 추정 결과(기호:)를 융합하여 시스템 상태에 대한 전체 추정 결과(기호:)를 생성하고, 제 1 추정 결과의 신뢰도에 관한 제 1 정보 항목(기호:)과 제 2 추정 결과의 신뢰도에 관한 제 2 정보 항목(기호:)을 융합하여 전체 추정 결과의 신뢰도에 관한 전체 정보 항목(기호:)을 생성한다.
바람직한 실시예에 따르면, 제 1 칼만 필터와 제 2 칼만 필터에 동일한 측정값이 공급된다. 예를 들어, 제 1 칼만 필터와 제 2 칼만 필터는 동일한 센서 출력에 연결된 측정값 입력들을 가질 수 있다. 즉, 이것은 특히 제 1 칼만 필터와 제 2 칼만 필터에 대해 (새로운) 관측(측정값 벡터:)들이 동일하거나 (관련 시간 단계에서) 동일한 것을 나타낼 수 있다.
추가의 바람직한 실시예에 따르면, 단계 c)에서 제 1 추정 결과는 제 1 추정 결과의 신뢰도에 관한 제 1 정보 항목으로 가중되고, 제 2 추정 결과는 제 2 추정 결과의 신뢰도에 관한 제 2 정보 항목으로 가중된다. 특히, 각각의 추정 결과(기호:)는 관련 공분산 행렬(기호:)로 가중될 수 있다.
예를 들어, 공분산 행렬 로 가중된, 시스템 상태의 평균값 은 다음과 같이 모든 j 칼만 필터로부터 계산될 수 있다:
(11)
융합된 공분산 행렬 은 다음과 같이 모든 칼만 필터로부터 계산될 수 있다:
(12)
추가의 바람직한 실시예에 따르면, 전체 추정 결과의 신뢰도에 관한 전체 정보 항목(기호:)은 제 1 추정 결과(기호:)와 제 2 추정 결과(기호:) 사이의 불일치(기호:D)에 대한 척도로 보정된다. 불일치의 척도를 계산할 때, 전체 추정 결과(기호:) 및/또는 해당 추정 결과의 신뢰도에 관한 각 정보 항목(기호:)도 고려될 수 있다.
예를 들어, 상이한 추정 결과들 또는 칼만 필터 모델값들 간의 불일치 D는 다음과 같이 계산될 수 있다:
(13)
따라서 불일치 D는 예를 들어 공분산 행렬 로부터, 칼만 필터의 시스템 상태 와 칼만 필터의 공분산 행렬 과 관련해서 시스템 상태의 가중된 평균값 의 가중된 합인, 분산 의 이전 계산을 사용하여 계산될 수 있다.
불일치의 척도는 또한 (후속해서) 불일치에 대한 가중치 로 가중될 수 있고 및/또는 필요에 따라 공분산에 대한 가중치 가 가중 융합 공분산 행렬 에 예를 들어 다음과 같이 추가될 수 있다:
(14)
예를 들어 불일치에 대한 가중치 또는 공분산에 대한 가중치 는 요소별로 행렬로 곱해지거나 스칼라 변수가 될 수 있다. 이 경우, 는 칼만 필터 어셈블리의 전체 추정 결과의 신뢰도에 관한 전체 정보 항목에 대한 출력을 나타낸다.
특히, 불일치의 척도는 다음 요소들을 사용하여 결정 또는 계산될 수 있다(방정식 13 참조):
- 제 1 추정 결과,
- 제 2 추정 결과,
- 전체 추정 결과,
- 제 1 추정 결과의 신뢰도에 관한 정보 항목,
- 제 2 추정 결과의 신뢰도에 관한 정보 항목, 및
- 전체 추정 결과의 신뢰도에 관한 전체 정보 항목.
또한, 불일치 또는 불일치에 대한 척도는 시간에 따라 필터링되고 및/또는 요소별로 스케일링된다.
방정식(11) 내지 (14)에 따른 계산에 대한 대안으로서 또는 상기 계산에 추가하여, 시스템 상태의 가중된 평균값 은 예를 들어 다음과 같이 가중치 로 계산될 수 있다:
(15)
이와 관련해서, 출력된 공분산 행렬 또는 은 다음과 같이 계산될 수 있다:
(16)
방정식(11) ~ (14)와 비교할 때 에러 검출 및 보상은 그다지 두드러지지 않는다(에러로 인한 편차는 약간 더 작거나 너무 작은 분산으로 이어질 수 있음). 그러나 방정식(15) 및 (16)은 역행렬을 계산할 필요가 없어 계산 시간을 절약할 수 있다는 장점을 갖는다.
가중치 는 정적으로 선택되거나 동적으로 계산될 수 있으며, 가중치 의 동적 계산을 위해 공분산 행렬 , 융합된 시스템 상태 및 시스템 상태 가 사용될 수 있으며 모든 가중치 의 합은 항상 1이다.
특히, (방정식 15 및 16 참조):
- 전체 추정 결과는 제 1 및 제 2 칼만 필터의 추정 결과와 가중치로 계산되고, 그리고
- 전체 추정 결과의 신뢰도에 관한 전체 정보 항목은 제 1 및 제 2 칼만 필터의 가중된 추정 결과들, 제 1 및 제 2 칼만 필터의 추정 결과들의 신뢰도들에 관한 (가중된) 정보 항목들 및 제 1 및 제 2 칼만 필터의 (가중되지 않은) 추정 결과들 및 가중치들로 계산된다.
추가의 바람직한 실시예에 따르면, 제 2 칼만 필터는 측정 노이즈의 공분산 행렬(기호:)의 적어도 하나의 설정 파라미터에서 제 1 칼만 필터와 다르다. 설정 파라미터는 예를 들어 측정 노이즈의 공분산 행렬의 항목일 수 있거나 측정 노이즈의 공분산 행렬을 스케일링하기 위한 팩터일 수 있다. 설정 파라미터는 특히 제 1 칼만 필터의 측정 노이즈의 공분산 행렬이 (동일한 시간 단계에서) 제 2 칼만 필터의 측정 노이즈의 공분산 행렬과 다르도록 선택된다.
추가의 바람직한 실시예에 따르면, 제 2 칼만 필터는 프로세스 노이즈의 공분산 행렬(기호:)의 적어도 하나의 설정 파라미터에서 제 1 칼만 필터와 다르다. 설정 파라미터는 예를 들어 프로세스 노이즈의 공분산 행렬의 항목일 수 있거나 프로세스 노이즈의 공분산 행렬을 스케일링하기 위한 팩터일 수 있다. 설정 파라미터는 특히 제 1 칼만 필터의 프로세스 노이즈의 공분산 행렬이 (동일한 시간 단계에서) 제 2 칼만 필터의 프로세스 노이즈의 공분산 행렬과 다르도록 선택된다.
이러한 맥락에서 칼만 필터 어셈블리의 칼만 필터 구성은 주로 측정 노이즈 및/또는 프로세스 노이즈 의 공분산 행렬 의 선택에서 다를 수 있다. 특히 칼만 필터 계산에 대한 영향이 미미할 정도로 에러가 미리 확실하게 검출되어 보상될 수 없는 센서 값에 대해, 측정 노이즈의 개별 공분산 행렬 을 갖는 별도의 칼만 필터가 결정되거나 어셈블리에 추가될 수 있다. 이러한 맥락에서, 예를 들어 (이를 위해 제공된 칼만 필터에서) 측정 노이즈의 공분산 행렬 의 대각선 요소 항목은 2차 에러 값만큼 증가될 수 있다. 또한 (대안적으로) n개의 측정 단계에 걸친 측정 노이즈의 개별 공분산 행렬 은 알려진 기준값 및 에러를 갖는 신호를 갖는 상황에서의 측정값을 사용하여 다음과 같이 계산될 수 있다:
(17 )
예를 들어, 해당 모델링에 의해 에러가 미리 충분히 감소될 수 없는 각 모델 값에 대해 유사한 방식으로 프로세스 노이즈 의 해당 대각선 요소가 증가될 수 있다.
예를 들어, 잠재적 에러를 가진 단 하나의 센서 값 또는 잠재적 에러를 가진 단 하나의 모델 값이 보상되어야 한다면, 예를 들어 단 2개의 칼만 필터를 가진 칼만 필터 어셈블리를 형성하는 것이 바람직하거나 충분할 수 있고, 이 경우 제 1 칼만 필터는 간섭이 없다는 가정 하에 형성되고, 제 2 칼만 필터는 간섭이 있다는 가정 하에 형성된다. 예를 들어 하나 이상의 센서 값 및/또는 모델 값에서 에러를 가진 값들이 검출되어야 하는 경우, 잠재적 에러를 가진 각 센서 값에 대한 각 칼만 필터 외에도 에러를 가진 다수의 센서 값들의 가능한 모든 조합에 대해서 하나의 칼만 필터를 구현하는 것이 바람직할 수 있다.
추가의 바람직한 실시예에 따르면, 적어도 제 1 추정 결과의 신뢰도에 관한 제 1 정보 항목 또는 제 2 추정 결과의 신뢰도에 관한 제 2 정보 항목은 해당 추정과 관련된 적어도 하나의 모델값 및 해당 추정과 관련된 적어도 하나의 측정값 사이의 불일치를 사용하여 보정된다. 이것은 (예를 들어, 존재하는 또는 부재하는 간섭의 잘못된 가정을 가능한 한 보상하기 위해) 어셈블리의 계산을 위해 칼만 필터에 의해 계산된 공분산 행렬 을 개선하는데 바람직하게 기여할 수 있다.
예를 들어, 칼만 필터 개별 불일치 를 사용하여 전체 추정 결과의 신뢰도에 관한 전체 정보 항목 또는 어셈블리를 계산하기 전에 공분산 행렬 을 보정하는 것이 바람직하다. 이 불일치 는 예를 들어 다음과 같이 계산될 수 있다:
(18)
치환 및 은 다음과 같이 계산될 수 있다:
(19)
(20)
방정식(11) 내지 (13) 또는 전체 추정 결과의 신뢰도에 관한 전체 정보 항목으로 어셈블리의 계산을 위해, 공분산 행렬 대신, 칼만 필터 개별 불일치 를 사용하여 다음과 같이 계산될 수 있는 보정된 공분산 행렬 이 사용될 수 있다:
(21)
가중 행렬 은 예를 들어 요소별로 불일치와 곱해질 수 있다.
또한, 불일치를 요소별로 PT1 필터링하는 것이 바람직하며, 그 결과 출력된 공분산 행렬 이 측정 노이즈에 대해 더 안정적이고 견고할 수 있다.
추가 양태에 따르면, 여기에 제시된 방법을 수행하기 위한 컴퓨터 프로그램이 제안된다. 즉, 이것은 특히 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, 여기서 설명된 방법을 수행하도록 설계된, 차량과 같은 이동 물체의 위치를 결정하기 위한 시스템이 제안된다. 이동 물체의 위치를 결정하기 위한 시스템은 예를 들어 이동 물체의 자신의 위치를 결정하기 위해 및/또는 다른, 특히 이동하는 이동 물체, 예를 들어 도로 사용자에 대한 상대 위치를 측정하기 위해 제공 및 설계될 수 있다. 시스템은 예를 들어 여기에 설명된 방법을 수행하도록 설계된 이동 및 위치 센서를 포함할 수 있다. 또한, 이동 및 위치 센서는 예를 들어 GNSS 데이터 및/또는 (이동 물체 또는 차량의 환경 센서로부터) 환경 센서 데이터를 수신할 수 있다. 방법을 수행하기 위해, 시스템은 예를 들어 여기에 설명된 컴퓨터 프로그램에 액세스할 수 있는 (마이크로)컨트롤러와 같은 컴퓨팅 장치를 포함할 수 있다. 이러한 맥락에서 저장 매체는 예를 들어 시스템의 일부이거나 시스템에 연결될 수 있다.
따라서 방법과 관련하여 논의된 세부 사항들, 특징들 및 바람직한 구성들은 여기에 제시된 컴퓨터 프로그램 및/또는 저장 매체 및/또는 시스템에서도 나타나며 그 반대도 마찬가지이다. 이와 관련하여, 특징들의 더 자세한 특성화를 위해 거기에 있는 설명들이 완전히 참조된다.
여기에 제시된 솔루션과 해당 기술 환경은 도면들을 참조하여 아래에서 자세히 설명된다. 본 발명은 도시된 실시예에 의해 제한되어서는 안된다는 것이 지적되어야 한다. 특히, 달리 명시적으로 언급되지 않는 한, 도면에서 설명된 사실의 부분 양태들을 추출하여 다른 도면들 및/또는 본 설명으로부터의 다른 구성요소들 및/또는 인식들과 결합하는 것도 가능하다.
도 1은 종래 기술에 따른 칼만 필터의 전형적인 신호 흐름도를 도시한다.
도 2는 여기에 제시된 방법의 예시적인 순서를 도시한다.
도 3은 여기에 제시된 방법의 더 자세한 설명의 예를 도시한다.
도 4는 여기에 제시된 방법으로 실현될 수 있는 확률 밀도 분포의 예를 도시한다.
도 5는 차량의 위치를 결정하기 위한 예시적인 시스템을 도시한다.
도 1은 종래 기술에 따른 전형적인 칼만 필터 구조를 개략적으로 도시한다. 이 구조의 기반이 되는 칼만 필터 방정식은 다음과 같이 행렬 표기법으로 나타내질 수 있다:
(GL1)
(GL2)
(GL3)
(GL4)
(GL5)
방정식(GL1)은 이전 시간 단계(반복 추정)의 상태 벡터 , 시스템 행렬 , 제어 행렬 및 제어 벡터 를 기반으로 하는 추정된 상태 벡터 를 나타낸다. 상태 벡터는 일반적으로 가우시안 분포의 평균값을 나타낸다. 즉, 방정식(GL1)에 따르면, 새로운 최적 추정치 는 이전의 최적 추정치 에 알려진 외부 영향에 대한 보정을 더한 예측이다.
이러한 맥락에서 방정식(GL2)은 추정된 상태 벡터 의 가우시안 분포에 속하는 공분산 행렬 를 나타낸다. 이는 이전 시간 단계(반복 추정)의 공분산 행렬 , 시스템 행렬 및 시스템 노이즈 의 공분산 행렬을 기반으로 주어진다. 즉, 방정식(GL2)에 따르면, 새로운 (추정) 불확실성 는 환경으로부터의 추가 불확실성과 함께, 이전 불확실성 으로부터 예측된다.
방정식(GL3)은 소위 칼만 이득 K 또는 칼만 이득 행렬 K'을 나타낸다. 이는 공분산 행렬 , 관측 행렬 및 측정 노이즈 의 공분산 행렬을 기반으로 형성된다. 공분산 행렬 는 관측 행렬 와 함께 모델 값 벡터 의 공분산 행렬 을 형성할 수 있다.
방정식(GL4)은 측정값 벡터 또는 로 표현되는 측정값들로 추정된 상태 벡터 또는 모델값 벡터 의 보정을 나타낸다. 따라서, 방정식(GL4)으로부터 보정되거나 융합된 모델 값 벡터 또는 후속 추정 단계에 대한 입력으로 제공될 수 있는 새로운 상태 벡터 가 주어진다.
방정식(GL5)은 상태 벡터 또는 모델 값 벡터 의 공분산 행렬 또는 를 기반으로 보정된 또는 융합된 공분산 행렬 또는 의 결정을 나타낸다. 칼만 이득 K를 통한 측정값 벡터 또는 의 공분산 행렬 또는 이 포함된다.
방정식(GL1)과 (GL2)는 칼만 필터의 반복 추정 프로세스를 나타낸다. 이 추정 프로세스는 도 1에서 도면 부호 10으로 표시된다. 방정식(GL3)~(GL5)는 반복적으로 추정된 모델 값과 센서에 의해 검출된 측정값의 후속 보정 또는 융합을 나타낸다. 이러한 보정 또는 융합은 도 1에서 도면 번호 20으로 표시된다. 보정되거나 융합된 (새로운) 모델 값들은 추정 프로세스(10)의 후속 반복 단계에서 사용될 수 있다. 이것은 도 1에서 되돌아가는 화살표로 표시된다.
도 2는 여기에 제시된 방법의 예시적인 순서를 개략적으로 도시한다. 이 방법은 칼만 필터 어셈블리를 사용하여 적어도 하나의 시스템 상태를 결정하는데 사용된다. 시스템의 적어도 하나의 센서에 의해 측정된 적어도 하나의 측정값이 칼만 필터 어셈블리에 공급된다. 시스템은 예를 들어 차량의 위치를 결정하기 위한 시스템일 수 있다.
블록(110, 120 및 130)들로 표시된 단계 a), b) 및 c)의 순서는 예시적이며, 방법을 수행하기 위해 도시된 순서로 예를 들어 적어도 한 번 실행될 수 있다. 또한, 단계 a), b) 및 c), 특히 단계 a) 및 b)는 적어도 부분적으로 병행해서 또는 동시에 수행될 수 있다.
블록(110)에서 단계 a)에 따라, 시스템 상태의 제 1 추정이 칼만 필터 어셈블리의 제 1 칼만 필터를 사용하여 수행되며, 제 1 추정 결과 및 상기 제 1 추정 결과의 신뢰도에 관한 적어도 하나의 관련 제 1 정보 항목이 출력된다.
블록(120)에서 단계 b)에 따라, 시스템 상태의 제 2 추정이 칼만 필터 어셈블리의 제 2 칼만 필터를 사용하여 수행되며, 제 2 추정 결과 및 상기 제 2 추정 결과의 신뢰도에 관한 적어도 하나의 관련 제 2 정보 항목이 출력되고, 상기 제 2 칼만 필터는 적어도 하나의 설정 파라미터에서 제 1 칼만 필터와 다르다.
이 경우, 제 1 칼만 필터와 제 2 칼만 필터에는 동일한 측정값이 공급될 수 있다.
예를 들어, 제 2 칼만 필터는 측정 노이즈의 공분산 행렬의 적어도 하나의 설정 파라미터에서 제 1 칼만 필터와 다를 수 있다.
대안적으로 또는 누적적으로, 제 2 칼만 필터는 프로세스 노이즈의 공분산 행렬의 적어도 하나의 설정 파라미터에서 제 1 칼만 필터와 다를 수 있다.
이와 관련하여, 제 2 칼만 필터의 적어도 하나의 상이한 설정 파라미터가 제 2 칼만 필터의 측정 노이즈의 공분산 행렬 및/또는 제 2 칼만 필터의 프로세스 노이즈의 공분산 행렬에, 예를 들어 관련 매트릭스를 스케일링하기 위한 팩터의 방식으로, 작용하는 것도 제공될 수 있다.
블록(130)에서 단계 c)에 따라, 제 1 추정 결과와 제 2 추정 결과가 융합되어 시스템 상태에 대한 전체 추정 결과가 생성되고, 제 1 추정 결과의 신뢰도에 관한 제 1 정보 항목과 제 2 추정 결과의 신뢰도에 관한 제 2 정보 항목이 용합되어 전체 추정 결과의 신뢰도에 관한 전체 정보 항목이 생성된다.
제 1 추정 결과는 제 1 추정 결과의 신뢰도에 관한 제 1 정보 항목으로 가중될 수 있고, 제 2 추정 결과는 제 2 추정 결과의 신뢰도에 관한 제 2 정보 항목으로 가중될 수 있다.
또한, 전체 추정 결과의 신뢰도에 관한 전체 정보 항목은 제 1 추정 결과와 제 2 추정 결과 사이의 불일치의 척도를 사용해서 보정될 수 있다.
또한, 적어도 제 1 추정 결과의 신뢰도에 관한 제 1 정보 항목 또는 제 2 추정 결과의 신뢰도에 관한 제 2 정보 항목은, 해당 추정과 관련된 적어도 하나의 모델값과 해당 추정과 관련된 적어도 하나의 측정값 사이의 불일치를 사용해서 보정될 수 있다.
도 3은 여기에 제시된 방법의 더 상세한 예를 개략적으로 도시한다. 칼만 필터 어셈블리에서 칼만 필터 추정은 단계 a) 및 단계 b)에서 각각 수행되며, 해당 출력들: 제 1 추정 결과 및 상기 제 1 추정 결과의 신뢰도에 관한 관련 제 1 정보 항목 그리고 제 2 추정 결과 및 상기 제 2 추정 결과의 신뢰도에 관한 관련 제 2 정보 항목 을 갖는다. 이들은 단계 c)에서 융합되어 전체 추정 결과 및 상기 전체 추정 결과의 신뢰도에 관한 관련 전체 정보 항목 이 생성된다.
도 3에 예시적으로 도시된 칼만 필터들은 예를 들어 센서 정확도에 대해 서로 다른 가정으로 설정되거나 설계되는 방식으로 설정이 서로 다를 수 있다. 이러한 맥락에서, 제 2 칼만 필터는 예를 들어 측정 노이즈의 공분산 행렬 의 적어도 하나의 설정 파라미터에서 제 1 칼만 필터와 다를 수 있다. 간단히 말해서, 제 1 칼만 필터에서는 센서 에러가 없다고 가정할 수 있고 제 2 칼만 필터에서는 센서 에러가 있다고 가정할 수 있다.
도 4는 여기에 제시된 방법을 사용하여 구현될 수 있는 확률 밀도 분포의 예를 개략적으로 도시한다. 도시는 도 3의 예시적인 칼만 필터 어셈블리를 기반으로 한다.
도 5는 차량과 같은 이동 물체(2)의 위치를 결정하기 위한 예시적인 시스템(1)을 개략적으로 도시한다. 시스템(1)은 여기에 기술된 방법을 수행하도록 제공되고 설계된다.
여기에 설명된 방법 및 여기에 설명된 시스템은 특히 다음 이점들 중 하나 이상을 허용한다:
- 칼만 필터 어셈블리는 모델 및 측정 에러에 대해 더 견고하다.
- 칼만 필터의 개발 및 파라미터화, 특히 모델링과 센서 고장 검출 및 보상의 개발 및 파라미터화에서 비용이 절감될 수 있다.
- 불일치 계산은 칼만 필터 확장인 EKF(Extended Kalman Filter) 및 UKF(Unscented Kalman Filter)의 출력과 잘 알려진 EnKF(Ensemble Kalman Filter)에도 바람직하게 적용될 수 있다.
1: 시스템
2: 이동 물체

Claims (10)

  1. 칼만 필터 어셈블리에 의해 적어도 하나의 시스템 상태를 결정하는 방법으로서, 상기 시스템의 적어도 하나의 센서에 의해 측정된 적어도 하나의 측정값이 상기 칼만 필터 어셈블리에 공급되며, 상기 방법은 적어도
    a) 상기 칼만 필터 어셈블리의 제 1 칼만 필터에 의해 상기 시스템 상태의 제 1 추정을 수행하는 단계로서, 제 1 추정 결과 및 상기 제 1 추정 결과의 신뢰도에 관한 적어도 하나의 관련 제 1 정보 항목이 출력되는, 상기 수행하는 단계;
    b) 상기 칼만 필터 어셈블리의 제 2 칼만 필터에 의해 상기 시스템 상태의 제 2 추정을 수행하는 단계로서, 제 2 추정 결과 및 상기 제 2 추정 결과의 신뢰도에 관한 적어도 하나의 관련 제 2 정보 항목이 출력되고, 상기 제 2 칼만 필터는 적어도 하나의 설정 파라미터에서 상기 제 1 칼만 필터와는 다른, 상기 수행하는 단계;
    c) 상기 제 1 추정 결과와 상기 제 2 추정 결과를 융합하여 상기 시스템 상태에 대한 전체 추정 결과를 생성하고, 상기 제 1 추정 결과의 신뢰도에 관한 상기 제 1 정보 항목과 상기 제 2 추정 결과의 신뢰도에 관한 상기 제 2 정보 항목을 융합하여 상기 전체 추정 결과의 신뢰도에 관한 전체 정보 항목을 생성하는 단계를 포함하는, 방법.
  2. 제 1 항에 있어서, 상기 제 1 칼만 필터와 상기 제 2 칼만 필터에 동일한 측정값들이 제공되는, 방법.
  3. 제 1 항 또는 제 2 항에 있어서, 단계 c)에서 상기 제 1 추정 결과는 상기 제 1 추정 결과의 신뢰도에 관한 상기 제 1 정보 항목으로 가중되고, 상기 제 2 추정 결과는 상기 제 2 추정 결과의 신뢰도에 관한 상기 제 2 정보 항목으로 가중되는, 방법.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서, 상기 전체 추정 결과의 신뢰도에 관한 상기 전체 정보 항목은 상기 제 1 추정 결과와 상기 제 2 추정 결과 사이의 불일치의 척도를 사용하여 보정되는, 방법.
  5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서, 상기 제 2 칼만 필터는 상기 측정 노이즈의 공분산 행렬의 적어도 하나의 설정 파라미터에서 상기 제 1 칼만 필터와 다른, 방법.
  6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서, 상기 제 2 칼만 필터는 프로세스 노이즈의 공분산 행렬의 적어도 하나의 설정 파라미터에서 상기 제 1 칼만 필터와 다른, 방법.
  7. 제 1 항 내지 제 6 항 중 어느 한 항에 있어서, 적어도 상기 제 1 추정 결과의 신뢰도에 관한 상기 제 1 정보 항목 또는 상기 제 2 추정 결과의 신뢰도에 관한 상기 제 2 정보 항목은 해당 추정에 관련된 적어도 하나의 모델값과 해당 추정에 관련된 적어도 하나의 측정값 사이의 불일치를 사용해서 보정되는, 방법.
  8. 제 1 항 내지 제 7 항 중 어느 한 항에 따른 방법을 수행하기 위한 컴퓨터 프로그램.
  9. 제 8 항에 따른 컴퓨터 프로그램이 저장되어 있는 기계 판독 가능한 저장 매체.
  10. 제 1 항 내지 제 7 항 중 어느 한 항에 따른 방법을 수행하도록 설계된, 이동 물체(2)의 위치를 결정하기 위한 시스템(1).
KR1020237032217A 2021-02-24 2022-01-25 칼만 필터를 사용하여 적어도 하나의 시스템 상태를 결정하는 방법 KR20230148833A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102021104433.2 2021-02-24
DE102021104433.2A DE102021104433A1 (de) 2021-02-24 2021-02-24 Verfahren zum Ermitteln mindestens eines Systemzustands mittels eines Kalman-Filters
PCT/EP2022/051562 WO2022179784A1 (de) 2021-02-24 2022-01-25 Verfahren zum ermitteln mindestens eines systemzustands mittels eines kalman-filters

Publications (1)

Publication Number Publication Date
KR20230148833A true KR20230148833A (ko) 2023-10-25

Family

ID=80682509

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237032217A KR20230148833A (ko) 2021-02-24 2022-01-25 칼만 필터를 사용하여 적어도 하나의 시스템 상태를 결정하는 방법

Country Status (6)

Country Link
US (1) US20240134063A1 (ko)
JP (1) JP2024512265A (ko)
KR (1) KR20230148833A (ko)
CN (1) CN116868084A (ko)
DE (1) DE102021104433A1 (ko)
WO (1) WO2022179784A1 (ko)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104880707B (zh) * 2014-11-30 2017-09-26 中国科学院沈阳自动化研究所 一种基于自适应转移概率矩阵的交互多模型跟踪方法
KR102406523B1 (ko) * 2017-12-19 2022-06-10 현대자동차주식회사 주변차량 의도 판단 장치 및 방법

Also Published As

Publication number Publication date
CN116868084A (zh) 2023-10-10
US20240134063A1 (en) 2024-04-25
JP2024512265A (ja) 2024-03-19
WO2022179784A1 (de) 2022-09-01
DE102021104433A1 (de) 2022-08-25

Similar Documents

Publication Publication Date Title
RU2701194C2 (ru) Способ оценки навигационного состояния в условиях ограниченной возможности наблюдения
Van Eykeren et al. Sensor fault detection and isolation for aircraft control systems by kinematic relations
Hajiyev et al. Robust estimation of UAV dynamics in the presence of measurement faults
CN110579778B (zh) 使用多个天线为全球导航卫星系统进行信号故障检测
Sushchenko et al. Processing of redundant information in airborne electronic systems by means of neural networks
CN103217175A (zh) 一种自适应容积卡尔曼滤波方法
US20210365033A1 (en) Model predictive control device, computer readable medium, model predictive control system and model predictive control method
Hajiyev Fault tolerant integrated radar/inertial altimeter based on nonlinear robust adaptive Kalman filter
US8949027B2 (en) Multiple truth reference system and method
CN105912013A (zh) 一种组合体航天器姿态无模型自适应控制方法
Seren et al. Model–based techniques for virtual sensing of longitudinal flight parameters
Yan et al. An adaptive nonlinear filter for integrated navigation systems using deep neural networks
Soken et al. Adaptive unscented Kalman filter with multiple fading factors for pico satellite attitude estimation
Haidong Neural network aided Kalman filtering for integrated GPS/INS navigation system
Hajiyev et al. Fault tolerant estimation of UAV dynamics via robust adaptive Kalman filter
JP5977040B2 (ja) 軌道位置推定方法、軌道位置推定装置及び軌道位置推定プログラム
KR20230148833A (ko) 칼만 필터를 사용하여 적어도 하나의 시스템 상태를 결정하는 방법
Mok et al. Performance comparison of nonlinear estimation techniques in terrain referenced navigation
US20200363208A1 (en) Factory-specific inertial measurement unit error model
Valizadeh et al. Improvement of navigation accuracy using tightly coupled kalman filter
US20240183997A1 (en) Method for Determining at least One System State by Means of a Kalman Filter
Dubois et al. Performance evaluation of a moving horizon estimator for multi-rate sensor fusion with time-delayed measurements
CN114076964A (zh) 用于借助于卡尔曼滤波器确定至少一个系统状态的方法
CN117597565A (zh) 辅助车辆的导航的方法
US10401170B2 (en) Systems and methods for providing automatic detection of inertial sensor deployment environments