| 1 |
1
제1 및 제2 스캔데이터로부터 추출된 상대 특징 정보를 비교하여 차량의 상대 포즈(pose) 정보를 추정하는 상대 포즈 추정부;상기 제2 스캔데이터로부터 추출된 제1 절대 특징 정보와 정밀도로지도 데이터에 포함된 제2 절대 특징 정보를 비교하여 상기 추정된 상대 포즈 정보를 기반으로 상기 절대 포즈 정보를 추정하는 절대 포즈 추정부; 및상기 추정된 상대 포즈 정보 또는 상기 추정된 절대 포즈 정보와, 상기 차량의 IMU(Inertial Measurement Unit) 정보 및 차량의 TWIST 정보 중 적어도 하나의 추가 정보를 융합하여 상기 차량의 위치를 추정하되, 상기 상대 포즈 정보만 추정된 상태에서는 상기 상대 포즈 정보로써 상기 차량의 위치를 추정하다가, 상기 절대 포즈 정보가 추정되면 상기 상대 포즈 정보를 기반으로 상기 절대 포즈 정보로 업데이트 하여 상기 차량의 위치를 추정하는 융합 추정부를 포함하는 것을 특징으로 하는자율주행을 위한 차량의 위치추정 장치
|
| 2 |
2
제1항에 있어서,상기 상대 포즈 추정부는 이전 스캔데이터에 해당하는 상기 제1 스캔데이터로부터 추출된 제1 상대 특징 정보에 포함된 제1 에지(edge) 특징, 제1 기둥(pole) 특징 및 제1 평면(planar) 특징 중 적어도 하나의 제1 상대 특징 정보를 현재 스캔데이터에 해당하는 상기 제2 스캔데이터로부터 추출된 제2 상대 특징 정보에 포함된 제2 에지 특징, 제2 기둥 특징 및 제2 평면 특징 중 적어도 하나의 제2 상대 특징 정보를 상호 비교하여 상대적인 포즈의 변화량을 계산하고, 상기 계산된 변화량을 상기 상대 포즈 정보로 추정하는 것을 특징으로 하는자율주행을 위한 차량의 위치추정 장치
|
| 3 |
3
제2항에 있어서,상기 계산된 변화량은 에지 특징, 기둥 특징 및 평면 특징 중 적어도 하나에 대한 변형(translation) 값 및 회전(rotation) 값 중 적어도 하나의 변화 값을 포함하는 것을 특징으로 하는 자율주행을 위한 차량의 위치추정 장치
|
| 4 |
4
제1항에 있어서,상기 절대 포즈 추정부는 상기 제1 절대 특징 정보에 포함된 제1 선 정보, 제1 도로마킹(road marking) 정보, 제1 횡단보도(cross walk) 정보 및 제1 정지선(stop line) 정보 중 적어도 하나의 제1 절대 특징 정보와 상기 제2 절대 특징 정보에 포함된 제2 선 정보, 제2 도로마킹 정보, 제2 횡단보도 정보 및 제2 정지선 정보 중 적어도 하나의 제2 절대 특징 정보를 상호 비교하여 상기 절대 포즈 정보로 추정하는 것을 특징으로 하는 자율주행을 위한 차량의 위치추정 장치
|
| 5 |
5
제1항에 있어서,상기 융합 추정부는 확장 칼만 필터(Extended Kalman Filter)에 기반하여 상기 추정된 절대 포즈 정보와 상기 적어도 하나의 추가 정보를 융합하여 상기 추정된 절대 포즈 정보를 수정하고, 상기 수정된 절대 포즈 정보에 따라 추정된 상기 차량의 포즈에 따라 상기 차량의 위치를 추정하는 것을 특징으로 하는자율주행을 위한 차량의 위치추정 장치
|
| 6 |
6
제1항에 있어서,상기 융합 추정부는 상기 차량에 대한 GNSS(Global Navigation Satellite System) 정보에 기반한 제1 포즈 정보를 상기 정밀도로지도 데이터에 반영하고, 상기 추정된 상대 포즈 정보에 기반하여 상기 정밀도로지도 데이터에서 상기 제1 포즈 정보를 제2 포즈 정보로 수정하며, 상기 추정된 절대 포즈 정보에 기반하여 상기 정밀지도 데이터에서 상기 수정된 제2 포즈 정보를 제3 포즈 정보로 수정하여 상기 제1 포즈 정보, 상기 제2 포즈 정보 및 상기 제3 포즈 정보를 상기 정밀도로지도 데이터에 적용하는 것을 특징으로 하는자율주행을 위한 차량의 위치추정 장치
|
| 7 |
7
제1항에 있어서,상기 제1 스캔데이터는 특정 시점 이전에 라이다(Lidar)로부터 스캔된 포인트 클라우드 데이터(Point-Cloud-Data)를 포함하고,상기 제2 스캔데이터는 상기 특정 시점에서 라이다로부터 스캔된 포인트 클라우드 데이터를 포함하는 것을 특징으로 하는 자율주행을 위한 차량의 위치추정 장치
|
| 8 |
8
제1항에 있어서,상기 상대 포즈 정보는 상기 차량의 x축, y축 및 z축의 변화 값과 관련되고, 상기 차량의 회전과 관련된 요(yaw)축의 변화 값, 상기 차량의 전진 및 후진과 관련된 피치(pitch)축의 변화 값 및 상기 차량의 좌우 이동과 관련된 롤(roll)축의 변화 값과 관련하여 추정되는 상기 차량의 포즈 정보를 포함하는 것을 특징으로 하는자율주행을 위한 차량의 위치추정 장치
|
| 9 |
9
제1항에 있어서,상기 절대 포즈 정보는 상기 제1 절대 특징 정보와 상기 제2 절대 특징 정보가 상호 매칭되는 차량의 x축, y축 및 z축의 값과 관련되고, 상기 차량의 회전과 관련된 요(yaw)축의 값, 상기 차량의 전진 및 후진과 관련된 피치(pitch)축의 값 및 상기 차량의 좌우 이동과 관련된 롤(roll)축의 값과 관련하여 추정되는 상기 차량의 포즈 정보를 포함하는 것을 특징으로 하는자율주행을 위한 차량의 위치추정 장치
|
| 10 |
10
제1 및 제2 스캔데이터로부터 추출된 상대 특징 정보를 비교하여 차량의 상대 포즈(pose) 정보를 추정하는 단계;상기 제2 스캔데이터로부터 추출된 제1 절대 특징 정보와 정밀도로지도 데이터에 포함된 제2 절대 특징 정보를 비교하여 상기 추정된 상대 포즈 정보를 기반으로, 상대 절대 포즈 정보를 추정하는 단계; 및상기 추정된 상대 포즈 정보 또는 상기 추정된 절대 포즈 정보와 상기 차량의 IMU(Inertial Measurement Unit) 정보 및 차량의 TWIST 정보 중 적어도 하나의 추가 정보를 융합하여 상기 차량의 위치를 추정하되, 상기 상대 포즈 정보만 추정된 상태에서는 상기 상대 포즈 정보로써 상기 차량의 위치를 추정하다가, 상기 절대 포즈 정보가 추정되면 상기 상대 포즈 정보를 기반으로 상기 절대 포즈 정보로 업데이트 하여 상기 차량의 위치를 추정하는 단계를 포함하는 것을 특징으로 하는자율주행을 위한 차량의 위치추정 방법
|
| 11 |
11
제10항에 있어서,상기 제1 및 제2 스캔데이터로부터 추출된 상대 특징 정보를 비교하여 차량의 상대 포즈(pose) 정보를 추정하는 단계는,이전 스캔데이터에 해당하는 상기 제1 스캔데이터로부터 추출된 제1 상대 특징 정보에 포함된 제1 에지(edge) 특징, 제1 기둥(pole) 특징 및 제1 평면(planar) 특징 중 적어도 하나의 제1 상대 특징 정보를 현재 스캔데이터에 해당하는 상기 제2 스캔데이터로부터 추출된 제2 상대 특징 정보에 포함된 제2 에지 특징, 제2 기둥 특징 및 제2 평면 특징 중 적어도 하나의 제2 상대 특징 정보를 상호 비교하여 상대적인 포즈의 변화량을 계산하는 단계; 및상기 계산된 변화량을 상기 상대 포즈 정보로 추정하는 단계를 포함하고,상기 계산된 변화량은 에지 특징, 기둥 특징 및 평면 특징 중 적어도 하나에 대한 변형(translation) 값 및 회전(rotation) 값 중 적어도 하나의 변화 값을 포함하는 것을 특징으로 하는 자율주행을 위한 차량의 위치추정 방법
|
| 12 |
12
제10항에 있어서,상기 제2 스캔데이터로부터 추출된 제1 절대 특징 정보와 정밀도로지도 데이터에 포함된 제2 절대 특징 정보를 비교하여 상기 추정된 상대 포즈 정보를 기반으로, 상대 절대 포즈 정보를 추정하는 단계는,상기 제1 절대 특징 정보에 포함된 제1 선 정보, 제1 도로마킹(road marking) 정보, 제1 횡단보도(cross walk) 정보 및 제1 정지선(stop line) 정보 중 적어도 하나의 제1 절대 특징 정보와 상기 제2 절대 특징 정보에 포함된 제2 선 정보, 제2 도로마킹 정보, 제2 횡단보도 정보 및 제2 정지선 정보 중 적어도 하나의 제2 절대 특징 정보를 상호 비교하여 상기 절대 포즈 정보로 추정하는 단계를 포함하는 것을 특징으로 하는 자율주행을 위한 차량의 위치추정 방법
|
| 13 |
13
제10항에 있어서,상기 추정된 절대 포즈 정보와 상기 차량의 IMU(Inertial Measurement Unit) 정보 및 차량의 TWIST 정보 중 적어도 하나의 추가 정보를 융합하여 상기 차량의 위치를 추정하는 단계는,확장 칼만 필터(Extended Kalman Filter)에 기반하여 상기 추정된 절대 포즈 정보와 상기 적어도 하나의 추가 정보를 융합하여 상기 추정된 절대 포즈 정보를 수정하는 단계; 및상기 수정된 절대 포즈 정보에 따라 추정된 상기 차량의 포즈에 따라 상기 차량의 위치를 추정하는 단계를 포함하는 것을 특징으로 하는자율주행을 위한 차량의 위치추정 방법
|
