| 1 |
1
라이다 센서로부터 입력받은 라이다 데이터 및 레이더 센서로부터 입력받은 레이더 데이터에 기반하여 주행 중인 차량의 전방에 위치한 객체의 위치를 측정하는 센서부; 및상기 센서부를 통해 측정된 객체의 위치 정보를 확장 칼만필터에 적용하여 객체 위치의 오차를 보정하고, 보정결과에 따라 상기 객체의 최종 위치정보를 추정하여 제공하는 위치 추적부를 포함하며,상기 확장 칼만필터는, 거리에 따른 상기 라이다 센서와 상기 레이더 센서의 측정 신뢰도 정보를 반영하여 설계된 것을 특징으로 하는 차량 위치 추적장치
|
| 2 |
2
제 1항에 있어서,상기 센서부는,3개의 라이다 센서 및 1개의 레이더 센서와 연동되며, 각각의 센서는 좌측 라이다 센서를 기준으로 캘리브레이션되는 것을 특징으로 하는 차량 위치 추적장치
|
| 3 |
3
제 1항에 있어서,상기 센서부는,상기 라이다 데이터의 경우,상기 라이다 데이터의 포인트 클라우드를 구좌표계로 변환 후 기 설정된 딥러닝 알고리즘을 통해 상기 객체의 위치를 산출하는 것을 특징으로 하는 차량 위치 추적장치
|
| 4 |
4
제 1항에 있어서,상기 확장 칼만필터는,상태벡터와 측정벡터 사이의 관계를 나타내는 측정전이행렬 상에 상기 측정 신뢰도 정보를 반영하여 설계된 것을 특징으로 하는 차량 위치 추적장치
|
| 5 |
5
제 4항에 있어서,상기 측정 신뢰도 정보는,상기 라이다 센서의 경우 거리가 멀어질수록 센서의 측정신뢰도 수치가 낮아지며,상기 레이더 센서의 경우 거리가 멀어질 수도록 상기 라이다 센서 대비 센서의 측정신뢰도 수치가 높아지는 특성이 반영되는 것을 특징으로 하는 차량 위치 추적장치
|
| 6 |
6
제 4항에 있어서,상기 측정 신뢰도 정보는,상기 각 센서별 기 분석된 최대 측정 가능 거리정보가 반영되는 것을 특징으로 하는 차량 위치 추적장치
|
| 7 |
7
제 4항에 있어서,상기 측정전이행렬은,상기 측정 신뢰도 정보를 시그모이드 함수로 근사화하고, 근사화된 측정 신뢰도 정보를 기반으로 표현되는 상기 상태벡터와 상기 측정벡터 사이의 관계식을 선형화하여 나타낸 선형화 모델인 것을 특징으로 하는 차량 위치 추적장치
|
| 8 |
8
제 1항에 있어서,상기 확장 칼만필터는,상기 라이다 데이터 및 상기 레이더 데이터를 기초로 생성된 이전 시점의 객체 위치정보로부터 현재 시점의 객체 위치정보 및 오차 공분산을 예측하는 상태 예측부; 및상기 상태 예측부를 통해 예측된 오차 공분산 및 측정 신뢰도 정보가 반영된 상태전이행렬을 활용하여 칼만이득을 산출하는 산출부;상기 산출부를 통해 산출된 칼만이득, 상기 상기 센서부를 통해 측정된 객체의 위치정보 및 상기 상태 예측부를 통해 예측된 현재 시점의 객체 위치정보를 이용하여 상기 객체 위치의 오차를 보정한 상기 객체의 최종 위치정보를 추정하는 추정부; 및상기 칼만이득을 이용하여 상기 오차 공분산을 갱신하고, 갱신된 오차 공분산 및 상기 추정부를 통해 산출된 상기 객체의 최종 위치정보를 상기 상태 예측부로 피드백시키는 동작부를 포함하는 것을 특징으로 하는 차량 위치 추적장치
|
| 9 |
9
확장 칼만필터를 이용한 차량 위치 추적방법에 있어서,라이다 센서로부터 입력받은 라이다 데이터 및 레이더 센서로부터 입력받은 레이더 데이터에 기반하여 주행 중인 차량의 전방에 위치한 객체의 위치를 측정하는 과정;상기 측정하는 과정에서 측정된 객체의 위치 정보를 거리에 따른 상기 라이다 센서와 상기 레이더 센서의 측정 신뢰도 정보를 반영하여 설계된 상기 확장 칼만필터에 적용하여 객체 위치의 오차를 보정하는 과정; 및상기 보정하는 과정의 보정결과에 따라 상기 객체의 최종 위치정보를 추정하는 과정을 포함하는 것을 특징으로 하는 차량 위치 추적방법
|
