| 1 |
1
적어도 하나의 프로세서를 포함하는 컴퓨터 장치의 경로 예측 방법에 있어서,상기 적어도 하나의 프로세서에 의해, 자차량과 연계된 복수의 센서들로부터의 정보 및 외부 통신을 통해 수신되는 정보를 이용하여 융합 데이터를 생성하는 단계;상기 적어도 하나의 프로세서에 의해, 상기 생성된 융합 데이터를 이용하여 관심 차량을 선정하는 단계;상기 적어도 하나의 프로세서에 의해, 상기 선정된 관심 차량의 차선변경 의도를 결정하는 단계; 및상기 적어도 하나의 프로세서에 의해, 상기 결정된 차선변경 의도에 따라 상기 선정된 관심 차량의 예측 경로를 생성하는 단계를 포함하고,상기 융합 데이터를 생성하는 단계는,제1 차량에 대해 상기 외부 통신을 통해 현재의 제1 정보가 수신되는 경우, 상기 제1 정보를 이용하여 융합 데이터를 생성하는 단계;상기 제1 정보가 수신되지 않으면서 상기 제1 차량에 대해 이전에 수신된 제2 정보가 존재하는 경우, 상기 제2 정보를 이용하여 융합 데이터를 생성하는 단계; 및상기 제1 정보가 수신되지 않으면서 상기 제2 정보가 존재하지 않는 경우, 복수의 센서들로부터의 정보를 이용하여 융합 데이터를 생성하는 단계를 포함하고,상기 복수의 센서들로부터의 정보를 이용하여 융합 데이터를 생성하는 단계는,상기 복수의 센서들 각각의 출력값에 대한 가중평균을 이용하여 상기 융합 데이터를 생성하고,상기 가중평균에 이용되는 가중치는 상기 복수의 센서들 각각의 출력값에 대한 오차 공분산의 역수를 이용하여 결정되는 것을 특징으로 하는 경로 예측 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
제1항에 있어서,상기 복수의 센서들은 레이다(radar), 라이다(lidar) 및 카메라를 포함하고,상기 복수의 센서들로부터의 정보를 이용하여 융합 데이터를 생성하는 단계는,상기 레이다, 상기 라이다 및 상기 카메라의 출력값을 이용하여 주변차량 정보를 검출하고, 상기 카메라를 이용하여 차선 정보를 검출하여 상기 융합 데이터를 생성하는 것을 특징으로 하는 경로 예측 방법
|
| 5 |
5
제1항에 있어서,상기 융합 데이터는 차량의 횡속도(Lateral Velocity) 및 차량의 차선과의 거리(Lateral Offset) 중 적어도 하나를 포함하는 것을 특징으로 하는 경로 예측 방법
|
| 6 |
6
제1항에 있어서,상기 관심 차량을 선정하는 단계는,상기 자차량의 주변에 기설정된 복수의 영역들에 중심이 위치하는 차량을 상기 관심 차량으로서 선정하는 것을 특징으로 하는 경로 예측 방법
|
| 7 |
7
제6항에 있어서,상기 복수의 영역들은 자차량 전방 좌측 차로의 제1 영역, 자차량 전방 차로의 제2 영역, 자차량 전방 우측 차로의 제3 영역, 자차량 좌측 차로의 제4 영역, 자차량 우측 차로의 제5 영역, 자차량 후방 좌측 차로의 제6 영역, 자차량 후방 차로의 제7 영역 및 자차량 후방 우측 차로의 제8 영역을 포함하는 것을 특징으로 하는 경로 예측 방법
|
| 8 |
8
제7항에 있어서,상기 복수의 영역들 중 상기 제4 영역 및 상기 제5 영역 각각의 길이는 상기 자차량의 길이에 기초하여 결정되고, 나머지 영역들 각각의 길이는 상기 자차량의 속도, 상기 자차량의 가속도 및 기설정된 임계값에 의해 결정되는 것을 특징으로 하는 경로 예측 방법
|
| 9 |
9
제1항에 있어서,상기 차선변경 의도를 결정하는 단계는,실제 차량들에 대한 데이터를 통해 선학습된 기계학습모델을 이용하여 상기 선정된 관심 차량의 차선 유지, 좌측 차선 변경 및 우측 차선 변경 중 하나에 대한 의도를 결정하는 것을 특징으로 하는 경로 예측 방법
|
| 10 |
10
제9항에 있어서,상기 기계학습모델은 가우시안 커널 함수(Gaussian kernel function)를 이용하여 학습되는 것을 특징으로 하는 경로 예측 방법
|
| 11 |
11
제9항에 있어서,상기 예측 경로를 생성하는 단계는,상기 선정된 관심 차량 중 상기 자차량의 차선으로 차선을 변경하는 제1 차량에 대한 차선변경 예측 경로를 생성하는 단계; 및상기 선정된 관심 차량 중 상기 자차량의 차선에서 주행하는 제2 차량에 대한 차선유지 예측 경로를 생성하는 단계를 포함하는 것을 특징으로 하는 경로 예측 방법
|
| 12 |
12
제11항에 있어서,상기 차선변경 예측 경로를 생성하는 단계는,상기 제1 차량의 차선 변경에 필요한 횡방향 거리와 횡방향 속도에 기초하여 차선 변경 소요 시간을 예측하는 단계;상기 제1 차량의 종방향 속도와 상기 제1 차량의 종방향 가속도에 기초하여 상기 제1 차량과 상기 자차량 사이의 종방향 거리를 예측하는 단계; 및상기 제1 차량의 차선 변경에 필요한 횡방향 거리와 상기 차선 변경 소요 시간 및 사인곡선 함수를 이용하여 상기 제1 차량과 상기 자차량 사이의 횡방향 거리를 예측하는 단계를 포함하는 것을 특징으로 하는 경로 예측 방법
|
| 13 |
13
제11항에 있어서,상기 차선유지 예측 경로를 생성하는 단계는,상기 제2 차량의 차선과의 거리, 상기 제2 차량의 주향방향 기울기 오차(heading angle error), 도로 곡률(Curvature) 및 도로 곡률의 변화율(Curvature rate) 중 적어도 하나에 기초하여 상기 차선유지 예측 경로를 생성하는 것을 특징으로 하는 경로 예측 방법
|
| 14 |
14
컴퓨터 장치와 결합되어 경로 예측 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램에 있어서,상기 경로 예측 방법은,자차량과 연계된 복수의 센서들로부터의 정보 및 외부 통신을 통해 수신되는 정보를 이용하여 융합 데이터를 생성하는 단계;상기 생성된 융합 데이터를 이용하여 관심 차량을 선정하는 단계;상기 선정된 관심 차량의 차선변경 의도를 결정하는 단계; 및상기 결정된 차선변경 의도에 따라 상기 선정된 관심 차량의 예측 경로를 생성하는 단계를 포함하고,상기 융합 데이터를 생성하는 단계는,제1 차량에 대해 상기 외부 통신을 통해 현재의 제1 정보가 수신되는 경우, 상기 제1 정보를 이용하여 융합 데이터를 생성하는 단계;상기 제1 정보가 수신되지 않으면서 상기 제1 차량에 대해 이전에 수신된 제2 정보가 존재하는 경우, 상기 제2 정보를 이용하여 융합 데이터를 생성하는 단계; 및상기 제1 정보가 수신되지 않으면서 상기 제2 정보가 존재하지 않는 경우, 복수의 센서들로부터의 정보를 이용하여 융합 데이터를 생성하는 단계를 포함하고,상기 복수의 센서들로부터의 정보를 이용하여 융합 데이터를 생성하는 단계는,상기 복수의 센서들 각각의 출력값에 대한 가중평균을 이용하여 상기 융합 데이터를 생성하고,상기 가중평균에 이용되는 가중치는 상기 복수의 센서들 각각의 출력값에 대한 오차 공분산의 역수를 이용하여 결정되는 것을 특징으로 하는 컴퓨터 프로그램
|
| 15 |
15
컴퓨터 장치에 있어서,상기 컴퓨터 장치에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서에 의해,자차량과 연계된 복수의 센서들로부터의 정보 및 외부 통신을 통해 수신되는 정보를 이용하여 융합 데이터를 생성하고,상기 생성된 융합 데이터를 이용하여 관심 차량을 선정하고,상기 선정된 관심 차량의 차선변경 의도를 결정하고,상기 결정된 차선변경 의도에 따라 상기 선정된 관심 차량의 예측 경로를 생성하고,상기 융합 데이터를 생성하기 위해, 제1 차량에 대해 상기 외부 통신을 통해 현재의 제1 정보가 수신되는 경우, 상기 제1 정보를 이용하여 융합 데이터를 생성하고,상기 제1 정보가 수신되지 않으면서 상기 제1 차량에 대해 이전에 수신된 제2 정보가 존재하는 경우, 상기 제2 정보를 이용하여 융합 데이터를 생성하고,상기 제1 정보가 수신되지 않으면서 상기 제2 정보가 존재하지 않는 경우, 복수의 센서들로부터의 정보를 이용하여 융합 데이터를 생성하고,상기 복수의 센서들로부터의 정보를 이용하여 융합 데이터를 생성하기 위해,상기 복수의 센서들 각각의 출력값에 대한 가중평균을 이용하여 상기 융합 데이터를 생성하고,상기 가중평균에 이용되는 가중치는 상기 복수의 센서들 각각의 출력값에 대한 오차 공분산의 역수를 이용하여 결정되는 것을 특징으로 하는 컴퓨터 장치
|
