1 |
1
객체 정보를 센싱하는 하나 이상의 센서를 포함하는 센서부; 및상기 센서부에서 센싱한 데이터로부터 객체를 추정하는 트랙 데이터를 산출하고, 이전 시점의 트랙 데이터로부터 현재 시점의 트랙 데이터를 예측하고, 상기 예측된 현재 시점의 트랙 데이터와 상기 센서부가 센싱하는 현재 객체 정보를 비교하여 상기 센서부의 고장여부를 판단하는 처리부를 포함하는 환경인지센서 고장 검출 및 진단 장치
|
2 |
2
제1항에 있어서,상기 객체정보는 객체와의 상대거리, 상대속도, 및 상대가속도 중 적어도 하나를 포함하는 환경인지센서 고장 검출 및 진단 장치
|
3 |
3
제1항에 있어서, 상기 센서부는 비전 센서 및 레이더 센서를 포함하고,상기 처리부는 상기 비전 센서 및 상기 레이터 센서 각각의 고장여부를 판단하는 환경인지센서 고장 검출 및 진단 장치
|
4 |
4
제1항에 있어서,상기 처리부는,Global Nearest Neighbor(GNN)을 이용하여 상기 센서부에서 센싱한 데이터로부터 상기 트랙 데이터를 산출하는 환경인지센서 고장 검출 및 진단 장치
|
5 |
5
제1항에 있어서,상기 처리부는,상태 공간 모델을 이용하여 상기 이전 시점의 트랙 데이터로부터 복수의 현재 시점의 트랙 데이터를 예측하는 환경인지센서 고장 검출 및 진단 장치
|
6 |
6
제1항에 있어서,상기 처리부는,상기 이전 시점의 트랙 데이터, 상기 이전 시점의 오차공분산, 및 복수의 현재 시점의 트랙 데이터를 이용하여 현재 시점의 트랙 데이터 각각의 마할라노비스 거리를 산출하고, 상기 복수의 현재 시점의 트랙 데이터 중 마할라노비스 거리가 소정의 범위 이내인 현재 시점의 트랙 데이터 중 마할라노비스 거리가 최대인 제1 트랙 데이터 및 마할라노비스 거리가 최소인 제2 트랙 데이터를 도출하는 환경인지센서 고장 검출 및 진단 장치
|
7 |
7
제6항에 있어서,상기 처리부는,상기 제1 트랙 데이터의 오차공분산을 이용하여 상기 센서부가 센싱하는 현재 객체 정보에 따른 데이터와 상기 제1 트랙 데이터의 제1 마할라노비스 거리를 산출하고, 상기 제2 트랙 데이터의 오차공분산을 이용하여 상기 센서부가 센싱하는 현재 객체 정보에 따른 데이터와 상기 제2 트랙 데이터의 제2 마할라노비스 거리를 산출하고,상기 제1 마할라노비스 거리가 제1 범위를 벗어나고, 상기 제2 마할라노비스 거리가 제2 범위를 벗어나는 경우, 상기 센서부에 고장이 있다고 판단하는 환경인지센서 고장 검출 및 진단 장치
|
8 |
8
제1항에 있어서,상기 처리부는,상기 예측된 현재 시점의 트랙 데이터와 상기 센서부가 센싱하는 현재 객체 정보가 소정의 범위를 벗어나는 경우, 고장 플래그를 생성하되,상기 고장 플래그가 소정의 시간 이상 계속되거나, 소정의 시간 이내에 기 설정된 수 이상 생성되는 경우, 상기 센서부에 고장이 있다고 판단하는 환경인지센서 고장 검출 및 진단 장치
|
9 |
9
센서부가 객체 정보를 센싱하는 단계;상기 센싱한 데이터로부터 객체를 추정하는 트랙 데이터를 산출하는 단계;이전 시점의 트랙 데이터로부터 현재 시점의 트랙 데이터를 예측하는 단계; 및상기 예측된 현재 시점의 트랙 데이터와 상기 센서부가 센싱하는 현재 객체 정보를 비교하여 상기 센서부의 고장여부를 판단하는 단계를 포함하는 환경인지센서 고장 검출 및 진단 방법
|
10 |
10
제9항에 있어서,상기 객체정보는 객체와의 상대거리, 상대속도, 및 상대가속도 중 적어도 하나를 포함하는 환경인지센서 고장 검출 및 진단 방법
|
11 |
11
제9항에 있어서,상기 트랙 데이터를 산출하는 단계는,Global Nearest Neighbor(GNN)을 이용하여 상기 센싱한 데이터로부터 상기 트랙 데이터를 산출하는 환경인지센서 고장 검출 및 진단 방법
|
12 |
12
제9항에 있어서,상기 현재 시점의 트랙 데이터를 예측하는 단계는,상태 공간 모델을 이용하여 상기 이전 시점의 트랙 데이터로부터 복수의 현재 시점의 트랙 데이터를 예측하는 환경인지센서 고장 검출 및 진단 방법
|
13 |
13
제9항에 있어서,상기 센서부의 고장여부를 판단하는 단계는,상기 이전 시점의 트랙 데이터, 상기 이전 시점의 오차공분산, 및 복수의 현재 시점의 트랙 데이터를 이용하여 현재 시점의 트랙 데이터 각각의 마할라노비스 거리를 산출하는 단계;상기 복수의 현재 시점의 트랙 데이터 중 마할라노비스 거리가 소정의 범위 이내인 현재 시점의 트랙 데이터 중 마할라노비스 거리가 최대인 제1 트랙 데이터 및 마할라노비스 거리가 최소인 제2 트랙 데이터를 도출하는 단계;상기 제1 트랙 데이터의 오차공분산을 이용하여 상기 센서부가 센싱하는 현재 객체 정보에 따른 데이터와 상기 제1 트랙 데이터의 제1 마할라노비스 거리를 산출하는 단계;상기 제2 트랙 데이터의 오차공분산을 이용하여 상기 센서부가 센싱하는 현재 객체 정보에 따른 데이터와 상기 제2 트랙 데이터의 제2 마할라노비스 거리를 산출하는 단계; 및상기 제1 마할라노비스 거리가 제1 범위를 벗어나고, 상기 제2 마할라노비스 거리가 제2 범위를 벗어나는 경우, 상기 센서부에 고장이 있다고 판단하는 단계를 포함하는 환경인지센서 고장 검출 및 진단 방법
|
14 |
14
제9항에 있어서,상기 센서부의 고장여부를 판단하는 단계는,상기 예측된 현재 시점의 트랙 데이터와 상기 센서부가 센싱하는 현재 객체 정보가 소정의 범위를 벗어나는 경우, 고장 플래그를 생성하는 단계; 및상기 고장 플래그가 소정의 시간 이상 계속되거나, 소정의 시간 이내에 기 설정된 수 이상 생성되는 경우, 상기 센서부에 고장이 있다고 판단하는 단계를 포함하는 환경인지센서 고장 검출 및 진단 방법
|
15 |
15
객체 정보를 센싱하는 복수의 센서를 포함하는 센서부; 및상기 복수의 센서 각각의 고장여부를 판단하고, 고장이 있다고 판단된 센서를 제외한 센서로부터 객체정보를 추정하는 처리부를 포함하되,상기 처리부는,상기 센서부에서 센싱한 데이터로부터 객체를 추정하는 트랙 데이터를 산출하고, 이전 시점의 트랙 데이터로부터 현재 시점의 트랙 데이터를 예측하고, 상기 예측된 현재 시점의 트랙 데이터와 상기 센서부가 센싱하는 현재 객체 정보를 비교하여 상기 센서부의 고장여부를 판단하는 자율주행 비행장치
|