1 |
1
곡선 좌표계 기반 도로 모델을 지도 데이터베이스(DB)에 저장하는 도로 모델 저장부;차량에 탑재된 센서들을 이용하여 상기 차량의 주변 물체들의 상태를 인식하는 센서 데이터 융합부;상기 곡선 좌표계 기반 도로 모델을 이용하여 상기 인식된 물체들 각각의 좌표를 직교 좌표계에서 곡선 좌표계로 변환하는 좌표계 변환부; 및상기 인식된 물체들 각각의 곡선 좌표계상의 좌표를 이용하여 상기 차량의 주행 상황을 판단하는 주행 상황 판단부를 포함하는 것을 특징으로 하는 차량의 주행 상황 판단 시스템
|
2 |
2
제1항에 있어서,상기 곡선 좌표계 기반 도로 모델은도로의 종 방향(s축) 및 횡 방향(n축)을 각각 기준으로 하는 sn 곡선 좌표계(Curvilinear coordinate)를 기준으로 설계되는 것을 특징으로 하는 차량의 주행 상황 판단 시스템
|
3 |
3
제1항에 있어서,상기 센서 데이터 융합부는상기 센서들에 의해 측정된 센서 데이터들을 융합하여 상기 차량의 주변 물체들의 상태 인식을 위한 상태 정보들을 획득하고, 상기 차량의 위치 정보를 토대로 상기 획득된 상태 정보들을 직교 좌표계를 이용하여 표현하는 것을 특징으로 하는 차량의 주행 상황 판단 시스템
|
4 |
4
제3항에 있어서,상기 좌표계 변환부는상기 차량의 위치 정보를 이용하여 상기 지도 데이터베이스에서 현재 위치한 도로의 형상에 대응하는 곡선 좌표계 기반 도로 모델을 추출하고, 상기 추출된 곡선 좌표계 기반 도로 모델을 이용하여 상기 직교 좌표계에 표현된 상태 정보들을 좌표 변환하여 곡선 좌표계에 표현하는 것을 특징으로 하는 차량의 주행 상황 판단 시스템
|
5 |
5
제4항에 있어서,상기 주행 상황 판단부는상기 곡선 좌표계의 횡 방향(n축) 정보를 이용하여 상기 도로상에서 상기 각 물체의 차선 위치를 판단하는 것을 특징으로 하는 차량의 주행 상황 판단 시스템
|
6 |
6
제5항에 있어서,상기 주행 상황 판단부는상기 각 물체의 차선 위치를 판단 시, 라이크후드 함수(Likehood function)를 이용하여 상기 각 물체가 각 차선별로 위치할 확률을 정량적으로 표현하는 것을 특징으로 하는 차량의 주행 상황 판단 시스템
|
7 |
7
제4항에 있어서,상기 주행 상황 판단부는상기 곡선 좌표계의 종 방향(s축) 정보 및 횡 방향(n축) 정보를 이용하거나 라이크후드 함수를 이용하여 상기 차량의 충돌 위험도를 판단하는 것을 특징으로 하는 차량의 주행 상황 판단 시스템
|
8 |
8
제1항에 있어서,상기 주행 상황 판단부는상기 물체들 각각의 차선별 위치 확률 및 상기 차량의 충돌 위험도에 대한 확률에 기초하여 각 차선별 안전도를 평가하는 것을 특징으로 하는 차량의 주행 상황 판단 시스템
|
9 |
9
제1항에 있어서,상기 센서 데이터 융합부는측정치 레벨 융합(Measurement Level Fusion) 및 추적치 레벨 융합(Track Level Fusion) 중 적어도 하나의 방법을 이용하여 상기 차량의 주변 물체들의 상태를 인식하는 것을 특징으로 하는 차량의 주행 상황 판단 시스템
|
10 |
10
제9항에 있어서,상기 센서 데이터 융합부는상기 추적치 레벨 융합 방법에 있어서, 칼만 필터 기반 NNF(Nearest Neighborhood Filter) 알고리즘을 활용한 재추적(Re-tracking) 방법을 적용하여 상기 센서들을 통해 획득하지 못한 센서 데이터를 획득하는 것을 특징으로 하는 차량의 주행 상황 판단 시스템
|
11 |
11
도로 모델 저장부에서, 곡선 좌표계 기반 도로 모델을 지도 데이터베이스(DB)에 저장하는 단계;센서 데이터 융합부에서, 차량에 탑재된 센서들을 이용하여 상기 차량의 주변 물체들의 상태를 인식하는 단계;좌표계 변환부에서, 상기 곡선 좌표계 기반 도로 모델을 이용하여 상기 인식된 물체들 각각의 좌표를 직교 좌표계에서 곡선 좌표계로 변환하는 단계; 및주행 상황 판단부에서, 상기 인식된 물체들 각각의 곡선 좌표계상의 좌표를 이용하여 상기 차량의 주행 상황을 판단하는 단계를 포함하는 것을 특징으로 하는 차량의 주행 상황 판단 방법
|