KR102132115B1 - Method and Apparatus for Relative Vehicle State Estimation with V2V and Radar - Google Patents

Method and Apparatus for Relative Vehicle State Estimation with V2V and Radar Download PDF

Info

Publication number
KR102132115B1
KR102132115B1 KR1020190017676A KR20190017676A KR102132115B1 KR 102132115 B1 KR102132115 B1 KR 102132115B1 KR 1020190017676 A KR1020190017676 A KR 1020190017676A KR 20190017676 A KR20190017676 A KR 20190017676A KR 102132115 B1 KR102132115 B1 KR 102132115B1
Authority
KR
South Korea
Prior art keywords
state
relative
radar
coordinate system
vehicle
Prior art date
Application number
KR1020190017676A
Other languages
Korean (ko)
Inventor
안창선
박예영
최완식
김민수
Original Assignee
부산대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 부산대학교 산학협력단 filed Critical 부산대학교 산학협력단
Priority to KR1020190017676A priority Critical patent/KR102132115B1/en
Application granted granted Critical
Publication of KR102132115B1 publication Critical patent/KR102132115B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
    • B60W2050/0052—Filtering, filters
    • B60W2050/0078—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B60W2420/52—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mathematical Physics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

Provided are a method and an apparatus for relative vehicle state estimation using V2V and radar. According to the present invention, a proposed method for relative vehicle state estimation using the V2V and radar comprises the following steps of: obtaining an absolute coordinate system state using GPS and V2V, and obtaining a relative coordinate system state using radar; converting the absolute coordinate system state obtained from the GPS and V2V to a relative coordinate system state of a host vehicle; and estimating a relative vehicle state by combining the converted relative coordinate system state and the relative coordinate system state obtained from the radar with a Kalman filter.

Description

V2V와 레이다를 이용한 상대차량 상태 추정 방법 및 장치{Method and Apparatus for Relative Vehicle State Estimation with V2V and Radar}Method and Apparatus for Relative Vehicle State Estimation with V2V and Radar}

본 발명은 V2V와 레이다를 이용한 상대차량 상태 추정 방법 및 장치에 관한 것이다.The present invention relates to a method and apparatus for estimating a relative vehicle state using V2V and radar.

현재 적용되고 있는 주행 보조 장치와 자율 주행 등은 주변 차량의 위치 및 속도 등 상태에 대한 정보를 필요로 한다. 이 상태정보를 제공하는 장치로는 레이다(Radar), V2V 등이 있다. 레이다는 범위 내에 존재하는 물체에 대해 거리 정보와 거리변화율, 각위치 정보를 제공한다. 하지만 센서 측정 고유의 오차가 존재하며 범위 밖으로 대상이 나갈 경우 정보를 받을 수 없다.The driving assist device and autonomous driving, which are currently applied, require information about the state of the surrounding vehicle, such as the position and speed. Devices providing this status information include radar, V2V, and the like. Radar provides distance information, distance change rate, and angular position information for objects within range. However, there is an inherent error in sensor measurement, and information cannot be received if the object goes out of range.

또한 V2V를 통해서 들어오는 신호는 각 차량의 GPS 위치와 속도가 들어온다. 하지만 마찬가지로 GPS 자체 잡음이 존재하며, V2V 통신에서는 신호 누락, 신호 지연 등과 같은 결함 또한 존재한다. 이와 같은 신호 결함에 강건하게 상대차량의 상태를 추정하기 위해서는 추가로 데이터 처리가 필요하다.Also, the signal coming through V2V comes in the GPS position and speed of each vehicle. However, similarly, GPS itself has noise, and V2V communication also has defects such as signal loss and signal delay. In order to robustly estimate the state of the relative vehicle against such signal defects, additional data processing is required.

V2V와 GPS신호를 사용해 차량의 상태를 추정을 할 경우 칼만 필터(Kalman filter)와 같은 추정기를 사용해서 오차를 줄이는 방법을 사용한다. 하지만 GPS는 업데이트 간격이 길고 신호가 사라질 경우 오차가 매우 커지는 특성을 가진다.When estimating the condition of a vehicle using V2V and GPS signals, a method of reducing the error using an estimator such as a Kalman filter is used. However, GPS has a characteristic that the error is very large when the update interval is long and the signal disappears.

레이다는 차량의 위치와 거리변화율을 비교적 정확하게 추출가능 하다. 하지만 범위 밖으로 나갔을 때에는 차량 검출이 불가하며, 둘 이상의 차량이 겹쳐질 경우 분리해내는 것 어려운 한계를 가진다. 현재 V2V 신호와 레이다 신호를 융합하여 상대차량의 상태를 추정하는 추정기는 존재하지 않는다.Radar can extract vehicle position and distance change rate relatively accurately. However, it is impossible to detect a vehicle when it goes out of range, and it is difficult to separate it when two or more vehicles overlap. Currently, there is no estimator that estimates the state of a relative vehicle by fusing a V2V signal with a radar signal.

본 발명이 이루고자 하는 기술적 과제는 V2V로 받은 상대차량의 정보와 자차에서 발생하는 레이다 신호, GPS 신호를 융합하여 상대차량의 상태를 추정하는 방법 및 장치를 제공하는데 있다. 자차에서 발생하는 위치, 속도, 가속도와 레이다 신호와 V2V 통신에서 얻을 수 있는 정보를 칼만 필터를 사용하여 융합함으로써 더욱 정확한 상태를 추정하고자 한다.The technical problem to be achieved by the present invention is to provide a method and apparatus for estimating the state of a relative vehicle by fusing information of the relative vehicle received by V2V, radar signals generated from the host vehicle, and GPS signals. We intend to estimate a more accurate state by fusing the position, velocity, acceleration generated by the host vehicle, and information obtained from the radar signal and V2V communication using a Kalman filter.

일 측면에 있어서, 본 발명에서 제안하는 V2V와 레이다를 이용한 상대차량 상태 추정 방법은 GPS와 V2V를 이용하여 절대좌표계 상태를 획득하고, 레이다를 이용하여 상대좌표계 상태를 획득하는 단계, GPS와 V2V로부터 획득된 절대좌표계 상태를 자차의 상대좌표계 상태로 변환하는 단계 및 변환된 상대좌표계 상태와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정하는 단계를 포함한다.In one aspect, the method for estimating a relative vehicle state using V2V and radar proposed in the present invention acquires an absolute coordinate system state using GPS and V2V, and acquires a relative coordinate system state using radar, from GPS and V2V And converting the obtained absolute coordinate state to the relative coordinate state of the host vehicle, and estimating the relative vehicle state by fusing the converted relative coordinate state and the relative coordinate state obtained from the radar with a Kalman filter.

변환된 상대좌표계와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정하는 단계는 GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 유무에 따라 케이스를 분류한다.The step of estimating the relative vehicle state by fusing the converted relative coordinate system and the relative coordinate system state obtained from the radar with a Kalman filter classifies the case according to the presence or absence of the signal obtained using the radar and the signals obtained from the GPS and V2V.

GPS와 V2V로부터 획득된 신호 또는 레이다를 이용하여 획득된 신호 중 존재하지 않는 신호에 대하여 원래의 측정 노이즈 공분산에 미리 정해진 값을 곱함으로써 노이즈 공분산을 조정한다.The noise covariance is adjusted by multiplying the original measurement noise covariance by a predetermined value for a signal that is not present among the signals obtained using a radar or a signal obtained from GPS and V2V.

GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 시스템 다이나믹스와 시스템 측정에 대하여 대각 행렬로서 신호의 잡음 특성을 나타내는 노이즈 공분산 행렬을 구한다. The noise covariance matrix representing the noise characteristics of a signal is obtained as a diagonal matrix for system dynamics and system measurements of a signal obtained using a radar and a signal obtained from GPS and V2V.

변환된 상대좌표계와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정하는 단계는 칼만 필터에 입력되는 비선형의 시스템 다이나믹스를 위해 확장 칼만필터(Extended Kalman) 또는 무향 칼만필터(Unscented Kalman) 중 어느 하나를 사용한다.The step of estimating the relative vehicle state by fusing the transformed relative coordinate system and the relative coordinate system state obtained from the radar with a Kalman filter is an extended Kalman filter or an undirected Kalman filter (Unscented Kalman filter) for nonlinear system dynamics input to the Kalman filter. Kalman).

또 다른 일 측면에 있어서, 본 발명에서 제안하는 V2V와 레이다를 이용한 상대차량 상태 추정 장치는 GPS와 V2V를 이용하여 절대좌표계 상태를 획득하고, 레이다를 이용하여 상대좌표계 상태를 획득하는 센서부, GPS와 V2V로부터 획득된 절대좌표계 상태를 자차의 상대좌표계 상태로 변환하는 좌표 변환부 및 변환된 상대좌표계와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정하는 상태 추정부를 포함한다.In another aspect, the apparatus for estimating a relative vehicle state using V2V and radar proposed in the present invention acquires an absolute coordinate system state using GPS and V2V, and a sensor unit that acquires a relative coordinate state using radar, GPS And a coordinate conversion unit for converting the absolute coordinate system state obtained from V2V to the relative coordinate system state of the host vehicle, and a state estimator for fusing the converted relative coordinate system state and the relative coordinate system state obtained from radar with a Kalman filter to estimate the relative vehicle state. .

상태 추정부는 GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 유무에 따라 케이스를 분류한다. The state estimator classifies the case according to the presence or absence of a signal obtained from GPS and V2V and a signal acquired using radar.

상태 추정부는 GPS와 V2V로부터 획득된 신호 또는 레이다를 이용하여 획득된 신호 중 존재하지 않는 신호에 대하여 원래의 측정 노이즈 공분산에 미리 정해진 값을 곱함으로써 노이즈 공분산을 조정하고, GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 시스템 다이나믹스와 시스템 측정에 대하여 대각 행렬로서 신호의 잡음 특성을 나타내는 노이즈 공분산 행렬을 구한다. The state estimator adjusts the noise covariance by multiplying the original measurement noise covariance by a predetermined value to a signal that is not present among signals obtained from GPS and V2V or a signal obtained using radar, and a signal obtained from GPS and V2V And a noise covariance matrix representing the noise characteristics of the signal as a diagonal matrix for the system dynamics and system measurements of the signal obtained using radar.

상태 추정부는 칼만 필터에 입력되는 비선형의 시스템 다이나믹스를 위해 확장 칼만필터(Extended Kalman) 또는 무향 칼만필터(Unscented Kalman) 중 어느 하나를 사용한다.The state estimator uses either an Extended Kalman filter or an Unscented Kalman filter for nonlinear system dynamics input to the Kalman filter.

본 발명의 실시예들에 따르면 V2V로 받은 상대차량의 정보와 자차에서 발생하는 레이다 신호, GPS 신호를 융합하여 상대차량의 상태를 추정할 수 있다. 자차에서 발생하는 위치, 속도, 가속도와 레이다 신호와 V2V 통신에서 얻을 수 있는 정보를 칼만 필터를 사용하여 융합함으로써 더욱 정확한 상태를 추정할 수 있다.According to embodiments of the present invention, it is possible to estimate the state of the relative vehicle by fusing information of the relative vehicle received by V2V, radar signals generated from the host vehicle, and GPS signals. A more accurate state can be estimated by fusing the position, velocity, acceleration generated by the host vehicle, and information obtained from the radar signal and V2V communication using a Kalman filter.

도 1은 본 발명의 일 실시예에 따른 V2V와 레이다를 이용한 상대차량 상태 추정 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 정보융합을 통한 상태 추정과정을 나타내는 개략도이다.
도 3은 본 발명의 일 실시예에 따른 상대 좌표계를 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 GPS와 V2V로부터 얻어지는 절대좌표계 상태와 레이다로부터 얻어지는 상대좌표계 상태를 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 시간에 따른 신호의 상태를 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 V2V와 레이다를 이용한 상대차량 상태 추정 장치의 구성을 나타내는 도면이다.
도 7은 본 발명의 일 실시예에 따른 상대위치 추정 결과를 비교하기 위한 그래프이다.
도 8은 본 발명의 일 실시예에 따른 상대속도 추정 결과를 비교하기 위한 그래프이다.
도 9는 본 발명의 일 실시예에 따른 실제 상태와 추정된 값 사이의 오차를 타나내는 도면이다.1 is a flowchart illustrating a method of estimating a relative vehicle state using V2V and radar according to an embodiment of the present invention.
2 is a schematic diagram showing a state estimation process through information fusion according to an embodiment of the present invention.
3 is a view showing a relative coordinate system according to an embodiment of the present invention.
4 is a view showing an absolute coordinate system state obtained from GPS and V2V according to an embodiment of the present invention and a relative coordinate system state obtained from radar.
5 is a view showing a state of a signal over time according to an embodiment of the present invention.
6 is a view showing the configuration of a relative vehicle state estimation apparatus using V2V and radar according to an embodiment of the present invention.
7 is a graph for comparing the relative position estimation result according to an embodiment of the present invention.
8 is a graph for comparing the relative speed estimation results according to an embodiment of the present invention.
9 is a view showing an error between an actual state and an estimated value according to an embodiment of the present invention.

이하, 본 발명의 실시 예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일 실시예에 따른 V2V와 레이다를 이용한 상대차량 상태 추정 방법을 설명하기 위한 흐름도이다.1 is a flowchart illustrating a method of estimating a relative vehicle state using V2V and radar according to an embodiment of the present invention.

제안하는 V2V와 레이다를 이용한 상대차량 상태 추정 방법은 GPS와 V2V를 이용하여 절대좌표계 상태를 획득하고, 레이다를 이용하여 상대좌표계 상태를 획득하는 단계(110), GPS와 V2V로부터 획득된 절대좌표계 상태를 자차의 상대좌표계 상태로 변환하는 단계(120) 및 변환된 상대좌표계 상태와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정하는 단계(130)를 포함한다.The proposed method of estimating a relative vehicle state using V2V and radar is obtained by obtaining an absolute coordinate system state using GPS and V2V, and obtaining a relative coordinate system state using radar (110), and an absolute coordinate system state obtained from GPS and V2V It includes the step of converting (120) to the relative coordinate system state of the host vehicle and (130) to estimate the relative vehicle state by fusing the converted relative coordinate state and the relative coordinate system state obtained from the radar with a Kalman filter.

단계(110)에서, GPS와 V2V를 이용하여 절대좌표계 상태를 획득하고, 레이다를 이용하여 상대좌표계 상태를 획득한다.In step 110, an absolute coordinate system state is acquired using GPS and V2V, and a relative coordinate system state is acquired using radar.

상대차량의 상태를 추정하기 위해 V2V를 통해 상대차량의 정보를 획득하고, 자차에서 발생하는 레이다 신호, GPS 신호를 획득한다.In order to estimate the state of the relative vehicle, information of the relative vehicle is acquired through V2V, and radar signals and GPS signals generated by the host vehicle are acquired.

단계(120)에서, GPS와 V2V로부터 획득된 절대좌표계 상태를 자차의 상대좌표계 상태로 변환한다.In step 120, the state of the absolute coordinate system obtained from GPS and V2V is converted to the state of the relative coordinate system of the host vehicle.

상대차량의 상태를 추정하기 위해 필요한 상태 정보 및 레이다 신호는 상대좌표 정보지만 극좌표이다. GPS와 V2V가 제공하는 정보는 절대좌표 정보이다. 따라서 자차 직교 좌표계로 좌표 변환하는 과정이 필요하다.The state information and radar signals necessary to estimate the state of the relative vehicle are relative coordinate information but polar coordinates. The information provided by GPS and V2V is absolute coordinate information. Therefore, a process of transforming the coordinates into the autonomous Cartesian coordinate system is necessary.

단계(130)에서, 변환된 상대좌표계 상태와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정한다.In step 130, the transformed relative coordinate state and the relative coordinate state obtained from the radar are fused with a Kalman filter to estimate the relative vehicle state.

자차에서 발생하는 위치, 속도, 가속도 등과 레이다 신호와 V2V 통신에서 얻을 수 있는 정보를 칼만 필터를 사용하여 융합함으로써 더욱 정확한 상태를 추정하고자 한다.We intend to estimate a more accurate state by fusing the information obtained from the radar signal and V2V communication with the position, speed, acceleration, etc. generated by the host vehicle using a Kalman filter.

먼저, GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 유무에 따라 케이스를 분류한다. GPS와 V2V로부터 획득된 신호 또는 레이다를 이용하여 획득된 신호 중 존재하지 않는 신호에 대하여 원래의 측정 노이즈 공분산에 미리 정해진 값을 곱함으로써 노이즈 공분산을 조정한다. 그리고, GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 시스템 다이나믹스와 시스템 측정에 대하여 대각 행렬로서 신호의 잡음 특성을 나타내는 노이즈 공분산 행렬을 구한다. 다시 말해, 본 발명의 실시예에 따르면, 레이다 신호가 없더라도 상대차량의 상태 추정이 계속 가능한 장점을 가진다.First, a case is classified according to the presence or absence of a signal obtained using a radar and a signal obtained from GPS and V2V. The noise covariance is adjusted by multiplying the original measurement noise covariance by a predetermined value for a signal that is not present among the signals obtained using a radar or a signal obtained from GPS and V2V. Then, a noise covariance matrix representing the noise characteristics of the signal is obtained as a diagonal matrix for system dynamics and system measurement of the signal obtained using the radar and the signals obtained from GPS and V2V. In other words, according to an embodiment of the present invention, even if there is no radar signal, it is possible to continuously estimate the state of the relative vehicle.

이후, 칼만 필터에 입력되는 비선형의 시스템 다이나믹스를 위해 확장 칼만필터(Extended Kalman) 또는 무향 칼만필터(Unscented Kalman) 등을 사용하여 융합하고 상대차량 상태를 추정할 수 있다. 도 2 내지 도 5를 참조하여 V2V와 레이다를 이용한 상대차량 상태 추정 방법에 대하여 더욱 상세히 설명한다.Thereafter, for the nonlinear system dynamics input to the Kalman filter, an extended Kalman filter or an Unscented Kalman filter can be used to fuse and estimate the relative vehicle state. A method of estimating a relative vehicle state using V2V and radar will be described in more detail with reference to FIGS. 2 to 5.

도 2는 본 발명의 일 실시예에 따른 정보융합을 통한 상태 추정과정을 나타내는 개략도이다.2 is a schematic diagram showing a state estimation process through information fusion according to an embodiment of the present invention.

본 발명의 일 실시예에 따르면, 상대차량의 상태를 추정하기 위해 V2V를 통해 상대차량의 정보를 획득하고, 자차에서 발생하는 레이다 신호, GPS 신호를 획득한다. GPS와 V2V로부터 획득된 절대좌표계 상태를 자차의 상대좌표계 상태로 변환한다.According to an embodiment of the present invention, in order to estimate the state of the relative vehicle, information of the relative vehicle is acquired through V2V, and radar signals and GPS signals generated by the host vehicle are acquired. The absolute coordinate system state obtained from GPS and V2V is converted to the relative coordinate state of the host vehicle.

상대차량의 상태를 추정하기 위해 필요한 상태 정보 및 레이다 신호는 상대좌표 정보지만 극좌표이다. GPS와 V2V가 제공하는 정보는 절대좌표 정보이다. 따라서 자차 직교 좌표계로 좌표 변환하는 과정이 필요하다.The state information and radar signals necessary to estimate the state of the relative vehicle are relative coordinate information but polar coordinates. The information provided by GPS and V2V is absolute coordinate information. Therefore, a process of transforming the coordinates into the autonomous Cartesian coordinate system is necessary.

그리고, 변환된 상대좌표계 상태와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정한다. 자차에서 발생하는 위치, 속도, 가속도 등과 레이다 신호와 V2V 통신에서 얻을 수 있는 정보를 칼만 필터를 사용하여 융합함으로써 더욱 정확한 상태를 추정하고자 한다.Then, the transformed relative coordinate state and the relative coordinate state obtained from the radar are fused with a Kalman filter to estimate the relative vehicle state. We intend to estimate a more accurate state by fusing the information obtained from the radar signal and V2V communication with the position, speed, acceleration, etc. generated by the host vehicle using a Kalman filter.

먼저, GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 유무에 따라 케이스를 분류한다. GPS와 V2V로부터 획득된 신호 또는 레이다를 이용하여 획득된 신호 중 존재하지 않는 신호에 대한 노이즈 공분산을 조정하고, 신호의 잡음 특성을 나타내는 노이즈 공분산 행렬을 구한다. 이후, 칼만 필터에 입력되는 비선형의 시스템 다이나믹스를 위해 확장 칼만필터를 이용하여 GPS와 V2V로부터 획득된 신호 또는 레이다를 이용하여 획득된 신호를 융합함으로써 더 정확한 상태를 추정한다.First, a case is classified according to the presence or absence of a signal obtained using a radar and a signal obtained from GPS and V2V. Noise covariance is adjusted for non-existing signals among signals obtained using a radar or a signal obtained from GPS and V2V, and a noise covariance matrix representing noise characteristics of the signal is obtained. Then, for the nonlinear system dynamics input to the Kalman filter, a more accurate state is estimated by fusing a signal obtained from GPS and V2V or a signal obtained using a radar using an extended Kalman filter.

도 3은 본 발명의 일 실시예에 따른 상대 좌표계를 나타내는 도면이다.3 is a view showing a relative coordinate system according to an embodiment of the present invention.

상대차량(320)의 상태를 추정하기 위해 필요한 상태 정보 및 레이다 신호는 상대좌표 정보지만 극좌표이다. 예를 들어, 자차(310)의 레이다를 통해 획득한 신호는 다음과 같이 나타낼 수 있다.The state information and radar signals necessary for estimating the state of the relative vehicle 320 are relative coordinate information but polar coordinates. For example, the signal obtained through the radar of the host vehicle 310 may be represented as follows.

Figure 112019016014961-pat00001
Figure 112019016014961-pat00001

반면에, GPS와 V2V가 제공하는 정보는 절대좌표 정보이다. 예를 들어, GPS와 V2V를 통해 획득한 신호는 다음과 같이 나타낼 수 있다.On the other hand, the information provided by GPS and V2V is absolute coordinate information. For example, a signal obtained through GPS and V2V can be represented as follows.

Figure 112019016014961-pat00002
Figure 112019016014961-pat00002

따라서 자차 직교 좌표계로 좌표 변환하는 과정이 필요하다.Therefore, a process of transforming the coordinates into the autonomous Cartesian coordinate system is necessary.

칼만 필터에 들어가는 시스템 다이나믹스(System Dynamics)는 다음과 같은 비선형 시스템이다.System Dynamics entering the Kalman filter is the following nonlinear system.

Figure 112019016014961-pat00003
Figure 112019016014961-pat00003

시스템 측정(System Measurement)은 다음과 같이 나타낼 수 있다.System measurement can be expressed as follows.

Figure 112019016014961-pat00004
Figure 112019016014961-pat00004

따라서, 칼만 필터에 입력되는 비선형의 시스템 다이나믹스를 위해 확장 칼만필터(Extended Kalman) 또는 무향 칼만필터(Unscented Kalman) 등을 사용하여 융합하고 상대차량 상태를 추정할 수 있다.Therefore, for the nonlinear system dynamics input to the Kalman filter, it is possible to fuse and estimate a relative vehicle state by using an extended Kalman filter or an Unscented Kalman filter.

시스템 다이나믹스와 시스템 측정에 대한 노이즈 공분산(Noise Covariance) Q행렬과 R행렬은 아래와 같이 각각 4x4, 7x7 대각행렬로 각 신호의 잡음 특성을 나타낸다.Noise Covariance for System Dynamics and System Measurement Q and R matrices are 4x4 and 7x7 diagonal matrices, respectively.

Figure 112019016014961-pat00005
Figure 112019016014961-pat00005

본 발명의 실시예에 따르면, 레이다 신호와 GPS신호의 유무에 따라 다음과 같은 네 가지 케이스로 분류할 수 있다. 해당 신호가 없을 경우 다음 표 1과 같이 원래의 측정 노이즈 공분산(Measurement Noise Covariance) p1~p7를 1000배 곱하여 측정값 업데이트를 무시하도록 하였다.According to an embodiment of the present invention, it can be classified into the following four cases according to the presence or absence of a radar signal and a GPS signal. If there is no signal, the original measurement noise covariance (p1~p7) is multiplied by 1000 times as shown in Table 1 to ignore the measurement value update.

<표 1><Table 1>

Figure 112019016014961-pat00006
Figure 112019016014961-pat00006

도 4는 본 발명의 일 실시예에 따른 GPS와 V2V로부터 얻어지는 절대좌표계 상태와 레이다로부터 얻어지는 상대좌표계 상태를 나타내는 도면이다.4 is a view showing an absolute coordinate system state obtained from GPS and V2V according to an embodiment of the present invention and a relative coordinate system state obtained from radar.

GPS와 V2V를 이용하여 절대좌표계 상태를 획득하고, 레이다를 이용하여 상대좌표계 상태를 획득한다. GPS와 V2V로부터 획득된 절대좌표계 상태를 자차(410)의 상대좌표계 상태로 변환한다. 변환된 상대좌표계 상태와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량(420) 상태를 추정한다. 해당 추정기는 레이다 신호가 없더라도 계속 추정이 가능한 장점을 가진다.The absolute coordinate system state is obtained using GPS and V2V, and the relative coordinate state is acquired using radar. The absolute coordinate system state obtained from GPS and V2V is converted to the relative coordinate system state of the host vehicle 410. The converted relative coordinate state and the relative coordinate state obtained from the radar are fused with a Kalman filter to estimate the relative vehicle 420 state. This estimator has the advantage of being able to continue estimation even if there is no radar signal.

도 5는 본 발명의 일 실시예에 따른 시간에 따른 신호의 상태를 나타내는 도면이다.5 is a view showing a state of a signal over time according to an embodiment of the present invention.

시간에 따른 신호의 유무를 나타내는 예시이다. 케이스1(Case1)(510)은 20s~22s에서 상대차량이 레이다 범위에 들어와 있으며 GPS신호도 존재할 때를 나타낸다. 케이스2(Case2)(520)는 22s~23s에서 터널(521)과 같은 GPS가 차단되는 장소에서 레이다 신호만 존재하는 상황이다. 케이스3(Case3)(530)은 23s~24.5s에서 다시 GPS신호도 받을 수 있게 되는 상황을 나타낸다. 케이스4(Case4)(540)는 24.5s 이후부터 상대차량이 레이다 범위 밖으로 나가버린 경우이다. 이러한 경우들에 대한 추정결과는 도 7 및 도 8과 같다.This is an example of the presence or absence of a signal over time. Case 1 (Case 1) 510 indicates when the relative vehicle is in the radar range from 20 s to 22 s, and a GPS signal is also present. Case 2 (Case2) 520 is a situation where only a radar signal exists in a place where GPS is blocked, such as tunnel 521 in 22s to 23s. Case 3 (Case3) 530 represents a situation in which GPS signals can be received again from 23s to 24.5s. Case 4 (Case4) 540 is a case where the relative vehicle has left the radar range since 24.5 s. The estimation results for these cases are shown in FIGS. 7 and 8.

도 6은 본 발명의 일 실시예에 따른 V2V와 레이다를 이용한 상대차량 상태 추정 장치의 구성을 나타내는 도면이다.6 is a view showing the configuration of a relative vehicle state estimation apparatus using V2V and radar according to an embodiment of the present invention.

제안하는 V2V와 레이다를 이용한 상대차량 상태 추정 장치(600)는 센서부(610), 좌표 변환부(620) 및 상태 추정부(630)를 포함한다. 센서부(610), 좌표 변환부(620) 및 상태 추정부(630)는 도 1의 단계들(110~130)을 수행하기 위해 구성될 수 있다.The proposed vehicle state estimation apparatus 600 using V2V and radar includes a sensor unit 610, a coordinate conversion unit 620, and a state estimation unit 630. The sensor unit 610, the coordinate conversion unit 620, and the state estimation unit 630 may be configured to perform the steps 110 to 130 of FIG. 1.

센서부(610)는 GPS와 V2V를 이용하여 절대좌표계 상태를 획득하고, 레이다를 이용하여 상대좌표계 상태를 획득한다.The sensor unit 610 acquires an absolute coordinate system state using GPS and V2V, and acquires a relative coordinate system state using a radar.

상대차량의 상태를 추정하기 위해 V2V를 통해 상대차량의 정보를 획득하고, 자차에서 발생하는 레이다 신호, GPS 신호를 획득한다.In order to estimate the state of the relative vehicle, information of the relative vehicle is acquired through V2V, and radar signals and GPS signals generated by the host vehicle are acquired.

좌표 변환부(620)는 GPS와 V2V로부터 획득된 절대좌표계 상태를 자차의 상대좌표계 상태로 변환한다.The coordinate converter 620 converts the absolute coordinate system state obtained from GPS and V2V to the relative coordinate system state of the host vehicle.

상대차량의 상태를 추정하기 위해 필요한 상태 정보 및 레이다 신호는 상대좌표 정보지만 극좌표이다. GPS와 V2V가 제공하는 정보는 절대좌표 정보이다. 따라서 자차 직교 좌표계로 좌표 변환하는 과정이 필요하다.The state information and radar signals necessary to estimate the state of the relative vehicle are relative coordinate information but polar coordinates. The information provided by GPS and V2V is absolute coordinate information. Therefore, a process of transforming the coordinates into the autonomous Cartesian coordinate system is necessary.

상태 추정부(630)는, 변환된 상대좌표계 상태와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정한다.The state estimating unit 630 estimates the relative vehicle state by fusing the converted relative coordinate state and the relative coordinate state obtained from the radar with a Kalman filter.

자차에서 발생하는 위치, 속도, 가속도 등과 레이다 신호와 V2V 통신에서 얻을 수 있는 정보를 칼만 필터를 사용하여 융합함으로써 더욱 정확한 상태를 추정하고자 한다.We intend to estimate a more accurate state by fusing the information obtained from the radar signal and V2V communication with the position, speed, acceleration, etc. generated by the host vehicle using a Kalman filter.

먼저, GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 유무에 따라 케이스를 분류한다. GPS와 V2V로부터 획득된 신호 또는 레이다를 이용하여 획득된 신호 중 존재하지 않는 신호에 대하여 원래의 측정 노이즈 공분산에 미리 정해진 값을 곱함으로써 노이즈 공분산을 조정한다. 그리고, GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 시스템 다이나믹스와 시스템 측정에 대하여 대각 행렬로서 신호의 잡음 특성을 나타내는 노이즈 공분산 행렬을 구한다. 다시 말해, 본 발명의 실시예에 따르면, 레이다 신호가 없더라도 상대차량의 상태 추정이 계속 가능한 장점을 가진다.First, a case is classified according to the presence or absence of a signal obtained using a radar and a signal obtained from GPS and V2V. The noise covariance is adjusted by multiplying the original measurement noise covariance by a predetermined value for a signal that is not present among the signals obtained using a radar or a signal obtained from GPS and V2V. Then, a noise covariance matrix representing the noise characteristics of the signal is obtained as a diagonal matrix for system dynamics and system measurement of the signal obtained using the radar and the signals obtained from GPS and V2V. In other words, according to an embodiment of the present invention, even if there is no radar signal, it is possible to continuously estimate the state of the relative vehicle.

이후, 칼만 필터에 입력되는 비선형의 시스템 다이나믹스를 위해 확장 칼만필터(Extended Kalman) 또는 무향 칼만필터(Unscented Kalman) 등을 사용하여 융합하고 상대차량 상태를 추정할 수 있다.Thereafter, for the nonlinear system dynamics input to the Kalman filter, an extended Kalman filter or an Unscented Kalman filter can be used to fuse and estimate the relative vehicle state.

도 7은 본 발명의 일 실시예에 따른 상대위치 추정 결과를 비교하기 위한 그래프이다.7 is a graph for comparing the relative position estimation results according to an embodiment of the present invention.

도 7은 GPS만을 이용한 상대위치 계산(710), 레이다만을 이용한 상대위치 계산(720), EKF를 이용한 상대위치 추정(730) 및 UKF를 이용한 상대위치 추정(740)의 결과를 나타낸다.7 shows the results of the relative position calculation 710 using only the GPS, the relative position calculation 720 using only the radar, the relative position estimation using the EKF 730, and the relative position estimation using the UKF 740.

도 8은 본 발명의 일 실시예에 따른 상대속도 추정 결과를 비교하기 위한 그래프이다.8 is a graph for comparing the relative speed estimation results according to an embodiment of the present invention.

도 8은 GPS만을 이용한 상대속도 계산(810), 레이다만을 이용한 상대속도 계산(820), EKF를 이용한 상대속도 추정(830) 및 UKF를 이용한 상대속도 추정(840)의 결과를 나타낸다.8 shows the results of the relative speed calculation 810 using only GPS, the relative speed calculation 820 using only radar, the relative speed estimation 830 using EKF, and the relative speed estimation 840 using UKF.

도 9는 본 발명의 일 실시예에 따른 실제 상태와 추정된 값 사이의 오차를 타나내는 도면이다.9 is a view showing an error between an actual state and an estimated value according to an embodiment of the present invention.

도 9는 제안하는 V2V와 레이다를 이용한 상대차량 상태 추정 방법으로 결과가 실제 값과 가지는 오차값을 표시하고 있다. 해당 발명은 GPS 신호가 끊기는 22s~23s의 경우나 레이다 신호가 들어오지 않는 24.5s~26s에서도 오차 0.5 이내로 추정하는 정확한 추정 성능을 가진다.9 is a method for estimating a relative vehicle state using the proposed V2V and radar, and displays an error value of a result having an actual value. The present invention has an accurate estimation performance for estimating within an error of 0.5 even in the case of 22s to 23s where the GPS signal is disconnected or 24.5s to 26s where no radar signal is input.

표 2는 상대 좌표의 RMS 값을 나타내는 표이다.Table 2 is a table showing RMS values of relative coordinates.

<표 2><Table 2>

Figure 112019016014961-pat00007
Figure 112019016014961-pat00007

표 2에 나타낸 바와 같이, GPS신호만 사용하였을 경우와 레이다 신호만을 사용하였을 때 보다 제안하는 V2V와 레이다를 이용한 상대차량 상태 추정 방법을 이용한 추정기를 사용하였을 때, 10-40배의 위치 정확도 갖고, 약 1.5-5배의 속도 정확도를 갖는 것을 확인 할 수 있다.As shown in Table 2, when using only the GPS signal and when using only the radar signal, the proposed V2V and the estimator using the relative vehicle state estimation method using the radar have a position accuracy of 10-40 times, It can be seen that it has a speed accuracy of about 1.5-5 times.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다.　 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다.　 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다.　 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다.　 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.The device described above may be implemented with hardware components, software components, and/or combinations of hardware components and software components. For example, the devices and components described in the embodiments include, for example, processors, controllers, arithmetic logic units (ALUs), digital signal processors (micro signal processors), microcomputers, field programmable arrays (FPAs), It may be implemented using one or more general purpose computers or special purpose computers, such as a programmable logic unit (PLU), microprocessor, or any other device capable of executing and responding to instructions. The processing device may run an operating system (OS) and one or more software applications running on the operating system. In addition, the processing device may access, store, manipulate, process, and generate data in response to the execution of the software. For convenience of understanding, a processing device may be described as one being used, but a person having ordinary skill in the art, the processing device may include a plurality of processing elements and/or a plurality of types of processing elements. It can be seen that may include. For example, the processing device may include a plurality of processors or a processor and a controller. In addition, other processing configurations, such as parallel processors, are possible.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다.　 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다.　 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instruction, or a combination of one or more of these, and configure the processing device to operate as desired, or process independently or collectively You can command the device. Software and/or data may be interpreted by a processing device, or to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. Can be embodied in The software may be distributed on networked computer systems and stored or executed in a distributed manner. Software and data may be stored in one or more computer-readable recording media.

실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다.　 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.　 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.　 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.　 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded on a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, or the like alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment or may be known and usable by those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs, DVDs, and magnetic media such as floptical disks. -Hardware devices specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include high-level language code that can be executed by a computer using an interpreter, etc., as well as machine language codes produced by a compiler.

이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다.　 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described by a limited embodiment and drawings, those skilled in the art can make various modifications and variations from the above description. For example, the described techniques are performed in a different order than the described method, and/or the components of the described system, structure, device, circuit, etc. are combined or combined in a different form from the described method, or other components Alternatively, even if replaced or substituted by equivalents, appropriate results can be achieved.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents to the claims are also within the scope of the following claims.

Claims (10)

자차의 GPS와 V2V를 이용하여 절대좌표계 상태를 획득하고, 레이다를 이용하여 상대좌표계 상태를 획득하는 단계;
자차의 GPS와 V2V로부터 획득된 절대좌표계 상태를 자차의 상대좌표계 상태로 변환하는 단계; 및
변환된 상대좌표계 상태와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정하는 단계
를 포함하는 상대차량 상태 추정 방법.Obtaining an absolute coordinate system state using the own vehicle's GPS and V2V, and using a radar to obtain a relative coordinate system state;
Converting the absolute coordinate system state obtained from the own vehicle's GPS and V2V to the own vehicle's relative coordinate system state; And
A step of estimating a relative vehicle state by fusing the converted relative coordinate state and the relative coordinate state obtained from the radar with a Kalman filter.
Relative vehicle state estimation method comprising a. 제1항에 있어서,
변환된 상대좌표계와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정하는 단계는,
자차의 GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 유무에 따라 케이스를 분류하는
상대차량 상태 추정 방법.According to claim 1,
The step of estimating the relative vehicle state by fusing the converted relative coordinate system and the relative coordinate system state obtained from the radar with a Kalman filter,
Classify the case according to the presence or absence of the signal obtained using the radar and the signal obtained from the GPS and V2V of the host vehicle
Method for estimating relative vehicle condition. 제2항에 있어서,
자차의 GPS와 V2V로부터 획득된 신호 또는 레이다를 이용하여 획득된 신호 중 존재하지 않는 신호에 대하여 원래의 측정 노이즈 공분산에 미리 정해진 값을 곱함으로써 노이즈 공분산을 조정하는
상대차량 상태 추정 방법.According to claim 2,
Adjusting the noise covariance by multiplying the original measurement noise covariance by a predetermined value for a signal that is not present among signals obtained from the GPS and V2V of the host vehicle or a signal obtained using radar
Method for estimating relative vehicle condition. 제2항에 있어서,
자차의 GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 시스템 다이나믹스와 시스템 측정에 대하여 대각 행렬로서 신호의 잡음 특성을 나타내는 노이즈 공분산 행렬을 구하는
상대차량 상태 추정 방법.According to claim 2,
Obtaining the noise covariance matrix representing the noise characteristics of the signal as a diagonal matrix for the system dynamics and system measurements of the signals obtained using the radar and the signals obtained from the GPS and V2V of the host vehicle
Method for estimating relative vehicle condition. 제1항에 있어서,
변환된 상대좌표계와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정하는 단계는,
칼만 필터에 입력되는 비선형의 시스템 다이나믹스를 위해 확장 칼만필터(Extended Kalman) 또는 무향 칼만필터(Unscented Kalman) 중 어느 하나를 사용하는
상대차량 상태 추정 방법.According to claim 1,
The step of estimating the relative vehicle state by fusing the converted relative coordinate system and the relative coordinate system state obtained from the radar with a Kalman filter,
For nonlinear system dynamics input to the Kalman filter, either the Extended Kalman filter or the Unscented Kalman filter is used.
Method for estimating relative vehicle condition. 자차의 GPS와 V2V를 이용하여 절대좌표계 상태를 획득하고, 레이다를 이용하여 상대좌표계 상태를 획득하는 센서부;
자차의 GPS와 V2V로부터 획득된 절대좌표계 상태를 자차의 상대좌표계 상태로 변환하는 좌표 변환부; 및
변환된 상대좌표계와 레이다로부터 획득된 상대좌표계 상태를 칼만 필터로 융합하여 상대차량 상태를 추정하는 상태 추정부
를 포함하는 상대차량 상태 추정 장치.A sensor unit for acquiring an absolute coordinate system state using the own vehicle's GPS and V2V and obtaining a relative coordinate system state using a radar;
A coordinate converting unit for converting the absolute coordinate system state obtained from the GPS and V2V of the host vehicle into a relative coordinate system state of the host vehicle; And
A state estimator that fuses the transformed relative coordinate system and the relative coordinate system state obtained from the radar with a Kalman filter to estimate the relative vehicle state
Relative vehicle state estimation apparatus comprising a. 제6항에 있어서,
상태 추정부는,
자차의 GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 유무에 따라 케이스를 분류하는
상대차량 상태 추정 장치.The method of claim 6,
The state estimator,
Classify the case according to the presence or absence of the signal obtained using the radar and the signal obtained from the GPS and V2V of the host vehicle
Relative vehicle condition estimation device. 제7항에 있어서,
상태 추정부는,
자차의 GPS와 V2V로부터 획득된 신호 또는 레이다를 이용하여 획득된 신호 중 존재하지 않는 신호에 대하여 원래의 측정 노이즈 공분산에 미리 정해진 값을 곱함으로써 노이즈 공분산을 조정하는
상대차량 상태 추정 장치.The method of claim 7,
The state estimator,
Adjusting the noise covariance by multiplying the original measurement noise covariance by a predetermined value for a signal that is not present among signals obtained from the GPS and V2V of the host vehicle or a signal obtained using radar
Relative vehicle condition estimation device. 제7항에 있어서,
상태 추정부는,
자차의 GPS와 V2V로부터 획득된 신호 및 레이다를 이용하여 획득된 신호의 시스템 다이나믹스와 시스템 측정에 대하여 대각 행렬로서 신호의 잡음 특성을 나타내는 노이즈 공분산 행렬을 구하는
상대차량 상태 추정 장치. The method of claim 7,
The state estimator,
Obtaining the noise covariance matrix representing the noise characteristics of the signal as a diagonal matrix for the system dynamics and system measurements of the signals obtained using the radar and the signals obtained from the GPS and V2V of the host vehicle
Relative vehicle condition estimation device. 제6항에 있어서,
상태 추정부는,
칼만 필터에 입력되는 비선형의 시스템 다이나믹스를 위해 확장 칼만필터(Extended Kalman) 또는 무향 칼만필터(Unscented Kalman) 중 어느 하나를 사용하는
상대차량 상태 추정 장치.The method of claim 6,
The state estimator,
For non-linear system dynamics input to the Kalman filter, either the Extended Kalman filter or the Unscented Kalman filter is used.
Relative vehicle condition estimation device.
KR1020190017676A 2019-02-15 2019-02-15 Method and Apparatus for Relative Vehicle State Estimation with V2V and Radar KR102132115B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190017676A KR102132115B1 (en) 2019-02-15 2019-02-15 Method and Apparatus for Relative Vehicle State Estimation with V2V and Radar

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190017676A KR102132115B1 (en) 2019-02-15 2019-02-15 Method and Apparatus for Relative Vehicle State Estimation with V2V and Radar

Publications (1)

Publication Number Publication Date
KR102132115B1 true KR102132115B1 (en) 2020-07-08

Family

ID=71601127

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190017676A KR102132115B1 (en) 2019-02-15 2019-02-15 Method and Apparatus for Relative Vehicle State Estimation with V2V and Radar

Country Status (1)

Country Link
KR (1) KR102132115B1 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220045846A (en) 2020-10-06 2022-04-13 현대자동차주식회사 A simultaneous estimating method for movement and shape of target vehicle using preliminary distribution model of tracklet
EP4345483A1 (en) * 2022-09-30 2024-04-03 Volvo Autonomous Solutions AB Moving object localisation across different areas of sensor coverage

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006138834A (en) * 2004-11-12 2006-06-01 Mitsubishi Electric Corp Navigation device, navigation system, navigation positioning method, and vehicle
JP2012048642A (en) * 2010-08-30 2012-03-08 Denso Corp Travel environment recognition device
KR20130134916A (en) * 2012-05-31 2013-12-10 현대자동차주식회사 Apparatus and method for detecting moving-object of surrounding of vehicle
KR20140016781A (en) * 2012-07-31 2014-02-10 울산대학교 산학협력단 Apparatus and method for position information acquisition using data fusion of gps and imu
KR20150062561A (en) * 2013-11-29 2015-06-08 현대모비스 주식회사 Car navition system and method merged gnss with dr

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006138834A (en) * 2004-11-12 2006-06-01 Mitsubishi Electric Corp Navigation device, navigation system, navigation positioning method, and vehicle
JP2012048642A (en) * 2010-08-30 2012-03-08 Denso Corp Travel environment recognition device
KR20130134916A (en) * 2012-05-31 2013-12-10 현대자동차주식회사 Apparatus and method for detecting moving-object of surrounding of vehicle
KR20140016781A (en) * 2012-07-31 2014-02-10 울산대학교 산학협력단 Apparatus and method for position information acquisition using data fusion of gps and imu
KR20150062561A (en) * 2013-11-29 2015-06-08 현대모비스 주식회사 Car navition system and method merged gnss with dr

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220045846A (en) 2020-10-06 2022-04-13 현대자동차주식회사 A simultaneous estimating method for movement and shape of target vehicle using preliminary distribution model of tracklet
EP4345483A1 (en) * 2022-09-30 2024-04-03 Volvo Autonomous Solutions AB Moving object localisation across different areas of sensor coverage
WO2024068978A1 (en) * 2022-09-30 2024-04-04 Volvo Autonomous Solutions AB Moving object localisation across different areas of sensor coverage

Similar Documents

Publication Publication Date Title
KR102138979B1 (en) Lane-based Probabilistic Surrounding Vehicle Motion Prediction and its Application for Longitudinal Control
US10369993B2 (en) Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free
KR20190026116A (en) Method and apparatus of recognizing object
KR102041664B1 (en) Method and apparatus for estimating localization of robot in wide range of indoor space using qr marker and laser scanner
KR102132115B1 (en) Method and Apparatus for Relative Vehicle State Estimation with V2V and Radar
CN111505690B (en) Method and device for detecting emergency vehicle and planning driving path in real time
US11567501B2 (en) Method and system for fusing occupancy maps
WO2022267283A1 (en) Robot, navigation method and apparatus therefor, and computer-readable storage medium
WO2020235466A1 (en) Vehicle control system and vehicle control method
KR20210073281A (en) Method and apparatus for estimating motion information
US11636691B2 (en) Sensor recognition integration device
CN109715465B (en) Method and device for operating a first vehicle
CN109691063B (en) Method and apparatus for receiving, processing and transmitting data
WO2018135397A1 (en) Abnormality detection device, program, and recording medium
Jagannathan et al. Multi-sensor fusion for Automated Driving: Selecting model and optimizing on Embedded platform
KR102307076B1 (en) Vehicle Sideslip Angle Estimation Method and Apparatus Using an Integrated Deep Ensemble-Kalman Filter
KR20220068710A (en) Method and apparatus for vehicle localization
CN112558036A (en) Method and apparatus for outputting information
US20230221432A1 (en) Sensor recognition integration device
US20220227395A1 (en) Vehicle Control System and Vehicle Control Method
KR102075831B1 (en) Method and Apparatus for Object Matching between V2V and Radar Sensor
WO2018127962A1 (en) Reporting control device and reporting control method
EP2159595B1 (en) A target tracking system and a method for tracking a target
KR102589970B1 (en) Method and apparatus for determining object position
JP7088881B6 (en) Obstacle presentation method, device and equipment for intelligent roadside unit

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant