| 1 |
1
자동차의 위치인식 시스템에 있어서,자동차에 설치된 라이더 센서(10)에 의하여 측정되며, 자동차의 현재 위치에서의 라이더 스캔 데이터(LiDAR scan data)를 시간순으로 라이더 데이터 누적부(50)로 입력하는 라이더 데이터 입력부(30);자동차에 설치된 GPS 센서(20)에 의하여 측정되는 자동차의 현재의 위치 데이터를 시간순으로 라이더 데이터 누적부(50)로 입력하는 GPS 데이터 입력부(40);상기 라이더 데이터 입력부(30)로부터 입력된 라이더 스캔 데이터와 상기 GPS 데이터 입력부(40)로부터 입력된 위치 데이터를 포함하는 라이더 데이터(LiDAR data)를 시간순으로 누적시켜 라이더 누적 데이터(LiDAR accummulated data)를 생성하는 라이더 데이터 누적부(50);상기 라이더 데이터 누적부(50)에 의하여 생성된 라이더 누적 데이터를 데이터베이스(70)에 기저장된 라이더 반사도 지도 정보와 매칭시켜 자동차의 현재 위치를 추정하는 지도 매칭부(60);를 포함하여 구성되는 것을 특징으로 하는 자동차의 위치인식 시스템
|
| 2 |
2
제 1 항에 있어서, 라이더 데이터 입력부(30)에 의하여 입력되는 상기 라이더 스캔 데이터는, 도로상의 물체의 반사도, 거리 및 각도 데이터를 포함하는 것을 특징으로 하는 자동차의 위치인식 시스템
|
| 3 |
3
제 1 항에 있어서, 상기 지도 매칭부(60)는 라이더 누적 데이터를 반사도 지도 정보와 매칭시킬 경우, 최대우도추정(Maximum Likelihood Estimation)을 이용하여 매칭을 수행하는 것을 특징으로 하는 자동차의 위치인식 시스템
|
| 4 |
4
제 3 항에 있어서, 상기 지도 매칭부(60)의 최대우도측정에 의한 매칭의 수행은, 시리얼 서치(Serial Search) 방식을 적용하여 데이터베이스(70)에 저장된 반사도 지도정보로부터 자동차가 위치한 장소의 반사도의 전역지도를 독출하여 상기 라이더 누적 데이터와 순차적으로 매칭시키고, 이중 최대우도추정에 의한 베이시안(Bayesian) 확률 법칙에 의한 최대의 확률값을 가지는 위치를 최종적인 자동차의 현재 위치로 추정하는 것을 특징으로 하는 자동차의 위치인식 시스템
|
| 5 |
5
제 1 항에 있어서, 상기 라이더 센서(10)는, 2D 라이더 센서인 것을 특징으로 하는 자동차의 위치인식 시스템
|
| 6 |
6
라이더 센서와 GPS 센서 및 라이더 데이터 누적부를 포함하는 자동차의 위치인식 시스템에 의하여 구현되는 자동차의 위치인식 방법에 있어서, 상기 라이더 센서에 의하여 측정되며, 자동차의 현재 위치에서의 라이더 스캔 데이터(LiDAR scan data)를 시간순으로 라이더 데이터 누적부로 입력하는 단계(S1); 상기 GPS 센서에 의하여 측정되는 자동차의 현재의 위치 데이터를 시간순으로 라이더 데이터 누적부로 입력하는 단계(S2); 상기 라이더 데이터 누적부가 상기 입력된 라이더 스캔 데이터와 상기 위치 데이터를 포함하는 라이더 데이터(LiDAR data)를 시간순으로 누적시켜 라이더 누적 데이터(LiDAR accummulated data)를 생성하는 단계(S3); 상기 생성된 라이더 누적 데이터를 데이터베이스에 기저장된 라이더 반사도 지도 정보와 매칭시켜 자동차의 현재 위치를 추정하는 단계(S4); 를 포함하여 구성되는 것을 특징으로 하는 자동차의 위치 인식 방법
|
| 7 |
7
제 6 항에 있어서, 상기 라이더 센서에 의하여 측정되는 상기 라이더 스캔 데이터는, 도로상의 물체의 반사도, 거리 및 각도 데이터를 포함하는 것을 특징으로 하는 자동차의 위치인식 방법
|
| 8 |
8
제 1 항에 있어서, 상기 라이더누적데이터를 반사도 지도 정보와 매칭시킬 경우, 최대우도추정(Maximum Likelihood Estimation)을 이용하여 매칭을 수행하는 것을 특징으로 하는 자동차의 위치인식 방법
|
