1 |
1
정밀지도와 LSN(Lane Selection Network) 및 TPN(Trajectory Prediction Network)을 저장하는 저장부; 및상기 정밀지도에 기초하여 타겟차량의 주변 차선정보를 추출하고, 상기 타겟차량의 주변 차선정보와 상기 타겟차량의 과거 경로정보를 LSN에 입력하여 기준 차선정보를 검출하며, 상기 기준 차선정보와 상기 타겟차량의 과거 경로정보를 TPN에 입력하여 상기 타겟차량의 미래 경로정보를 예측하는 제어부를 포함하는 주변차량의 경로 예측 장치
|
2 |
2
제 1 항에 있어서,상기 제어부는,상기 예측한 타겟차량의 미래 경로정보를 지도상에 표시하는 것을 특징으로 하는 주변차량의 경로 예측 장치
|
3 |
3
제 1 항에 있어서,상기 차선정보는,각 차선의 센터 라인을 나타내는 LCV(Lane Coordinate Vector)인 것을 특징으로 하는 주변차량의 경로 예측 장치
|
4 |
4
제 3 항에 있어서,상기 제어부는,상기 타겟차량의 과거 주행경로와 가장 가까이 위치한 기준 센터 라인에 기초하여 각 차선들에 대한 센터 라인을 결정하고, 상기 타겟차량의 현재 위치를 각 센터 라인 상에 투영하며, 각 센터 라인 상에서 상기 타겟차량의 위치를 기준으로 세그먼트를 설정하고, 각 세그먼트 상의 등간격의 좌표를 차선정보로서 추출하는 것을 특징으로 하는 주변차량의 경로 예측 장치
|
5 |
5
제 1 항에 있어서,상기 타겟차량의 과거 경로정보 및 미래 경로정보는,TCV(Trajectory Coordinate Vector)인 것을 특징으로 하는 주변차량의 경로 예측 장치
|
6 |
6
제 1 항에 있어서,상기 제어부는,상기 타겟차량의 과거 경로정보를 제1 CNN에 입력하여 제1 특징값을 추출하고, 상기 타겟차량의 주변 차선정보를 제2 CNN에 입력하여 제2 특징값을 추출하며, 상기 제1 특징값과 제2 특징값을 결합하여 FCN(Fully Connected Network)에 입력하고, 상기 FCN의 출력에 'softmax 함수'를 적용하여 각 차선에 대한 확률값을 산출하며, 가장 확률값이 높은 차선정보를 기준 차선정보로서 출력하는 것을 특징으로 하는 주변차량의 경로 예측 장치
|
7 |
7
제 1 항에 있어서,상기 제어부는,상기 타겟차량의 과거 경로정보를 제3 CNN에 입력하고, 상기 제3 CNN의 출력을 제1 LSTM 네트워크에 입력하여 상기 타겟 차량의 과거 경로정보에 대한 특징값을 추출하며, 상기 타겟차량의 기준 차선정보를 제4 CNN에 입력하고, 상기 제4 CNN의 출력을 제2 LSTM 네트워크에 입력하여 상기 타겟 차량의 기준 차선정보에 대한 특징값을 추출하며, 상기 타겟 차량의 과거 경로정보에 대한 특징값과 기준 차선정보에 대한 특징값을 결합하여 FCN에 입력하고, 상기 FCN의 출력을 상기 타겟 차량의 미래 경로정보로서 출력하는 것을 특징으로 하는 주변차량의 경로 예측 장치
|
8 |
8
제 1 항에 있어서,상기 제어부는,서버로부터 상기 타겟차량 주변의 정밀지도를 획득하여 상기 저장부에 저장하는 것을 특징으로 하는 주변차량의 경로 예측 장치
|
9 |
9
저장부가 정밀지도와 LSN(Lane Selection Network) 및 TPN(Trajectory Prediction Network)을 저장하는 단계;제어부가 상기 정밀지도에 기초하여 타겟차량의 주변 차선정보를 추출하는 단계;상기 제어부가 상기 타겟차량의 주변 차선정보와 상기 타겟차량의 과거 경로정보를 LSN에 입력하여 기준 차선정보를 검출하는 단계; 및상기 제어부가 상기 기준 차선정보와 상기 타겟차량의 과거 경로정보를 TPN에 입력하여 상기 타겟차량의 미래 경로정보를 예측하는 단계를 포함하는 주변차량의 경로 예측 방법
|
10 |
10
제 9 항에 있어서,상기 제어부가 상기 예측한 타겟차량의 미래 경로정보를 지도상에 표시하는 단계를 더 포함하는 주변차량의 경로 예측 방법
|
11 |
11
제 9 항에 있어서,상기 차선정보는,각 차선의 센터 라인을 나타내는 LCV(Lane Coordinate Vector)인 것을 특징으로 하는 주변차량의 경로 예측 방법
|
12 |
12
제 11 항에 있어서,상기 타겟차량의 주변 차선정보를 추출하는 단계는,상기 타겟차량의 과거 주행경로와 가장 가까이 위치한 기준 센터 라인에 기초하여 각 차선들에 대한 센터 라인을 결정하는 단계;상기 상기 타겟차량의 현재 위치를 각 센터 라인 상에 투영하는 단계;각 센터 라인 상에서 상기 타겟차량의 위치를 기준으로 세그먼트를 설정하는 단계; 및각 세그먼트 상의 등간격의 좌표를 차선정보로서 추출하는 단계를 포함하는 주변차량의 경로 예측 방법
|
13 |
13
제 9 항에 있어서,상기 타겟차량의 과거 경로정보 및 미래 경로정보는,TCV(Trajectory Coordinate Vector)인 것을 특징으로 하는 주변차량의 경로 예측 방법
|
14 |
14
제 9 항에 있어서,상기 기준 차선정보를 검출하는 단계는,상기 타겟차량의 과거 경로정보를 제1 CNN에 입력하여 제1 특징값을 추출하는 단계;상기 타겟차량의 주변 차선정보를 제2 CNN에 입력하여 제2 특징값을 추출하는 단계;상기 제1 특징값과 제2 특징값을 결합하여 FCN에 입력하는 단계;상기 FCN의 출력에 'softmax 함수'를 적용하여 각 차선에 대한 확률값을 산출하는 단계; 및가장 확률값이 높은 차선정보를 기준 차선정보로서 출력하는 단계를 포함하는 주변차량의 경로 예측 방법
|
15 |
15
제 9 항에 있어서,상기 타겟차량의 미래 경로정보를 예측하는 단계는,상기 타겟차량의 과거 경로정보를 제3 CNN에 입력하는 단계;상기 제3 CNN의 출력을 제1 LSTM 네트워크에 입력하여 상기 타겟 차량의 과거 경로정보에 대한 특징값을 추출하는 단계;상기 타겟차량의 기준 차선정보를 제4 CNN에 입력하는 단계;상기 제4 CNN의 출력을 제2 LSTM 네트워크에 입력하여 상기 타겟 차량의 기준 차선정보에 대한 특징값을 추출하는 단계;상기 타겟 차량의 과거 경로정보에 대한 특징값과 기준 차선정보에 대한 특징값을 결합하여 FCN에 입력하는 단계; 및상기 FCN의 출력을 상기 타겟 차량의 미래 경로정보로서 출력하는 단계를 포함하는 주변차량의 경로 예측 방법
|
16 |
16
제 9 항에 있어서,상기 저장하는 단계는,상기 제어부가 서버로부터 상기 타겟차량 주변의 정밀지도를 획득하는 단계를 포함하는 주변차량의 경로 예측 방법
|