KR102656603B1 - 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법 - Google Patents

이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법 Download PDF

Info

Publication number
KR102656603B1
KR102656603B1 KR1020230130751A KR20230130751A KR102656603B1 KR 102656603 B1 KR102656603 B1 KR 102656603B1 KR 1020230130751 A KR1020230130751 A KR 1020230130751A KR 20230130751 A KR20230130751 A KR 20230130751A KR 102656603 B1 KR102656603 B1 KR 102656603B1
Authority
KR
South Korea
Prior art keywords
road surface
speed
moving object
signal
sound wave
Prior art date
Application number
KR1020230130751A
Other languages
English (en)
Inventor
김민현
Original Assignee
주식회사 모바휠
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 주식회사 모바휠 filed Critical 주식회사 모바휠
Priority to KR1020230130751A priority Critical patent/KR102656603B1/ko
Application granted granted Critical
Publication of KR102656603B1 publication Critical patent/KR102656603B1/ko

Links

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
    • B60W40/06—Road conditions
    • 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
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/02—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems using reflection of acoustic waves
    • G01S15/50—Systems of measurement, based on relative movement of the target
    • G01S15/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • B60W2050/0047—Digital-analogue (D/A) or analogue-digital (A/D) conversion
    • 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
    • B60W2050/0057—Frequency analysis, spectral techniques or transforms
    • 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
    • B60W2420/54—Audio sensitive means, e.g. ultrasound

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Transportation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)

Abstract

본 발명은 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법에 관한 것으로서, 더욱 상세하게는 음파 신호를 송신하여 반사된 신호를 수신하고, 수신한 신호로부터 도플러 효과를 고려한 이동체의 속도를 추정하고, 상기 추정한 이동체의 속도 및 상기 수신한 신호에 대하여 인공신경망을 이용하여 학습시켜 해당 노면의 종류를 추정하도록 하는 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법을 제공한다.

Description

이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법{APPARATUS FOR ESTIMATING OF ROAD SURFACE TYPE USING VELOCITY ESTIMATION OF MOVING OBJECT AND METHOD THEREOF}
본 발명은 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법에 관한 것으로서, 더욱 상세하게는 음파 신호를 송신하여 반사된 신호를 수신하고, 수신한 신호로부터 도플러 효과를 고려한 이동체의 속도를 추정하고, 상기 추정한 이동체의 속도 및 상기 수신한 신호에 대하여 인공신경망을 이용하여 학습시켜 해당 노면의 종류를 추정하도록 하는 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법에 관한 것이다.
미국에서는 매년 600 만건 내외의 교통사고가 발생한다. 특히, 노면의 미끄러움만으로 미국에서만 한해 평균 120 만건 이상의 사고가 발생하고, 이러한 사고로 매년 5000명 이상이 사망하고 있다. 이에, 노면의 미끄러움은 국가와 보험사에 큰 부담으로 작용하는 하나의 사회적 문제로 대두되고 있다.
한국도 예외는 아니다. 매년 겨울철마다 블랙아이스 사고가 발생하며, 최근 5년간 6,500 건이 발생했으며, 사망자수는 200 여명에 달한다.
우리나라에서 융설 과정은 4단계로 이뤄지고 있는데, 이 모든 과정의 전달이 사람에 의해 수동적으로 전달되고 있으며, 최종 단계까지 전달될 때까지 수 시간이 소요된다. 지난번 상주영천고속도로의 블랙아이스 사고의 경우도, 담당공무원이 예보를 확인했지만 사전 융설을 요청하지 않아 발생한 인재였다.
이러한 사고는 노면의 상태를 실시간으로 감지할 수 있는 센서 및 이를 이용한 알림 시스템의 부재로 인한 것이다.
한편, 지금까지 노면의 종류나 노면의 마찰계수를 추정하는 방법으로 제안 된 방법으로는 크게 두 가지가 있다.
하나는 직접적 방법으로 물리적인 마찰을 일으켜서 알아내는 방법이고, 다른 하나는 간접적 방법으로 전파나 음파를 이용하는 방법이다.
먼저, 직접적 방법에는 휠기반의 방법과 차량 동역학 기반의 방법이 있다.
이 두 방법의 공통점은 운전자의 의도와 무관하게 브레이크를 작동시켜서 차량의 감속 정도로 노면의 마찰계수를 추정하는 것이다.
이 방법은 마찰계수를 알고 싶은 해당 노면을 밟아야지만 알 수 있고 차량 동역학 모델이 필수적으로 필요하다. 또한 브레이크를 동작시켜야 하므로 승차감이나 연비에 영향을 주는 한계가 있다.
한편, 간접적 방법에는 전자기파와 음파를 이용한 방식이 있는데, 이 두 방식 모두 물리적인 마찰이 필요하지 않으므로, 차량 동역학 모델에 대해 독립적으로 사용할 수 있으며 해당 노면의 접촉 없이 미리 노면의 상태를 알 수 있는 장점이 있다.
상기 전자기파 기반의 방식은 카메라, 라이다, 레이더 등을 사용하는데, 상당히 멀리 볼 수 있지만, 정확도가 상대적으로 떨어지며, 시스템의 가격이 수백에서 수천 달러에 형성되어 매우 고가에 속한다. 또한, 데이터의 양이 많아서 데이터 셋(Data Set)을 만드는데 어려움도 있다.
또한 전자기파 방식 중 하나인 이미지 센서를 사용한 방식이 있으며, 영상 센서인 카메라를 이용해서 노면의 종류를 구분한다. 하지만 이미지 센서의 경우 조도에 영향을 크게 받으며, 블랙아이스는 사람에 눈에 잘 보이지 안 듯, 비전 센서는 이를 감지하지 못한다. 이러한 한계로 이미지 센서를 사용 방법의 평균 성능은 70% 미만이다, 또한, 이미지 센서뿐 아니라 고성능의 영상 처리장치가 필요하여 그 비용이 상대적으로 크다.
블랙아이스의 경우 사람의 눈에 보이지 않듯이 이미지 센서로도 감지가 불가능하다. 즉, 이미지 센서 방식으로는 다양한 종류의 노면을 구분할 수 없는 한계가 있다.
한편, 상기 음파를 이용한 방식으로는, 패시브(Passive) 센싱 방식과 액티브(Active) 센싱 방식이 있는데, 패시브 센싱 방식으로 일정 시간동안 타이어에서 나는 소음을 마이크로 녹음한 후 인공신경망을 이용하여 분류하는 방식이 있다. 이러한 방식에서 타이어가 지나간 노면에 대해서만 노면의 종류를 알 수가 있고 분류에 긴 시간이 소요되는 한계가 있다. 한편, 액티브 센싱 방식 중에는, 거리와 반사 세기 정보만 이용하여 반사된 노면을 구분하는 연구가 있는데, 이는 주변 외란에 약하다는 단점이 있다.
한편, 요즘 도로에 번호판이 하늘색인 전기차와 수소차가 많이 보이고 있다. 블룸버그에 의하면 2040년에는 판매되는 차량의 반 이상이 전기차가 될 것이라고 예측하고 있으며, 도로에 다니는 차량의 3분의 1이 전기차가 될것이라고 예상하고 있다.
전기차의 주행가능 거리인 마일리지를 늘리기 위해 차량 제조사들은 회생 제동을 적극적으로 활용하고 있다. 그런데 회생제동으로 인해 차가 미끄러져서 사고가 났다는 소식을 어렵지 않게 들을 수 있다. 회생 제동으로 뒷바퀴에 견인력을 잃었다던지 바퀴가 잠기는 증상이 발생한다
현재 테슬라의 회생제동 설정을 보면 표준과 낮음으로 변경시킬 수는 있지만 끄는 옵션은 없다. 이러한 사고가 나는 이유는 회생제동 모듈의 제어주기가 100ms로 다른 시스템보다 긴 편이며 제조사가 회생제동 기능을 끌 수 있게 만들지 않는 이유는 차량의 이동가능 거리가 급격히 하락하기 때문이다.
주행하는 노면의 상태에 따라 회생제동을 하면 가장 좋을 것 같지만 노면의 종류를 차량이 지나가기 전에 미리 알 수 없어 이러한 문제가 생긴다고 할 수 있다.
한편, 차량(이동체)에 노면 분류 장치가 장착되어 주행 중 노면 분류를 수행하게 될 때, 차량(이동체)의 속도가 커질수록 도플러 효과에 의해 원래 송신 주파수와 수신되는 신호의 주파수 차이가 커지게 된다. 그에 따라 수신 신호의 왜곡이 심해져 노면 분류하는데 있어 이동체의 속도를 고려해줄 필요가 있다.
한국등록특허 [10-1716270]에서는 전방 지면 상태 추정 장치 및 방법이 개시되어 있다.
한국등록특허 [10-2136576]에서는 노면 상태 측정 장치 및 노면 상태 진단 시스템가 개시되어 있다.
한국등록특허 [10-2156295]에서는 초음파 신호를 이용한 노면 종류 추정 방법 및 장치가 개시되어 있다.
한국등록특허 [10-2207816]에서는 센서 데이터를 이용한 노면 상태 측정 방법 및 그 장치가 개시되어 있다.
한국등록특허 [10-1716270](등록일자: 2017. 03. 08) 한국등록특허 [10-2136576](등록일자: 2020. 07. 16) 한국등록특허 [10-2156295](등록일자: 2020. 09. 09) 한국등록특허 [10-2207816](등록일자: 2021. 01. 20)
따라서, 본 발명은 상기한 바와 같은 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 음파 신호를 송신하여 반사된 신호를 수신하고, 수신한 신호로부터 도플러 효과를 고려한 이동체의 속도를 추정하고, 상기 추정한 이동체의 속도 및 상기 수신한 신호에 대하여 인공신경망을 이용하여 학습시켜 해당 노면의 종류를 추정하도록 하는 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법을 제공하는 것이다.
본 발명의 실 시예들의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기한 바와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치는, 종류를 알고자하는 해당 노면으로 음파 신호를 송신한 후, 반사된 신호를 수신하기 위한 음파 송수신부(센서)(100); 상기 수신한 신호의 아날로그 신호를 디지털 신호로 변환하기 위한 아날로그디지털변환기(200); 상기 변환된 디지털 신호를 처리하여 상기 이동체의 속도를 추정하기 위한 속도추정부(300); 상기 변환된 디지털 신호 및 상기 추정한 이동체의 속도를 입력 신호로 하고, 학습된 노면분류모델에 기반하여 상기 입력 신호들을 분류하여 상기 노면의 종류를 추정하는 인공신경망(400); 및 상기 음파 송수신부(센서), 상기 아날로그디지털변환기, 상기 속도추정부 및 상기 인공신경망의 동작을 제어하는 제어부(MCU)(500)를 포함하는 것을 특징으로 한다.
또한, 상기한 바와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 방법은, 제어부의 제어에 따라, 종류를 알고자하는 해당 노면으로 음파 신호를 송신한 후, 반사된 신호를 수신하는 반사신호수신단계(S20); 상기 제어부의 제어에 따라, 상기 수신한 신호의 기설정 영역에 대하여 아날로그 신호를 디지털 신호로 변환하는 신호변환단계(S30); 상기 제어부의 제어에 따라, 상기 디지털 신호를 처리하여 이동체의 속도를 추정하는 이동체속도추정단계(S40); 상기 제어부의 제어에 따라, 상기 디지털 신호의 기설정 영역에 대하여 주파수 변환을 수행하여 주파수 도메인 신호를 획득하는 주파수도메인신호획득단계(S50); 및 상기 제어부의 제어에 따라, 상기 주파수 도메인 신호 및 상기 추정한 이동체의 속도를 신경망의 입력 신호로 하고, 학습된 노면분류모델에 기반하여, 상기 입력 신호의 특성을 추출하고, 분류하여 상기 노면의 종류를 결정하는 제1노면종류결정단계(S60)를 포함하는 것을 특징으로 한다.
또한, 상기한 바와 같은 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 방법은, 제어부의 제어에 따라, 종류를 알고자하는 해당 노면으로 음파 신호를 송신한 후, 반사된 신호를 수신하는 반사신호수신단계(S20); 상기 제어부의 제어에 따라, 상기 수신한 신호의 기설정 영역에 대하여 아날로그 신호를 디지털 신호로 변환하는 신호변환단계(S30); 상기 제어부의 제어에 따라, 상기 디지털 신호를 처리하여 이동체의 속도를 추정하는 이동체속도추정단계(S40); 상기 제어부의 제어에 따라, 인공신경망에서 상기 디지털 신호를 전달받아 다회의 컨벌루션 연산을 수행하는 컨벌루션연산단계(S70); 및 상기 제어부의 제어에 따라, 상기 인공신경망에서 학습된 노면분류모델에 기반하여, 상기 컨벌루션 연산된 신호 및 상기 추정한 이동체의 속도의 특성을 추출하고, 분류하여 상기 노면의 종류를 결정하는 제2노면종류결정단계(S80)를 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 상기 이동체의 속도 추정을 이용한 노면 종류 추정 방법을 구현하기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체가 제공되는 것을 특징으로 한다.
아울러, 본 발명의 일 실시예에 따르면, 상기 이동체의 속도 추정을 이용한 노면 종류 추정 방법을 구현하기 위해, 컴퓨터 판독 가능한 기록매체에 저장된 프로그램이 제공되는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법에 의하면, 음파 신호를 송신하여 반사된 신호를 수신하고, 수신한 신호로부터 도플러 효과를 고려한 이동체의 속도를 추정하고, 상기 추정한 이동체의 속도 및 상기 수신한 신호에 대하여 인공신경망을 이용하여 학습시켜 해당 노면의 종류를 추정하는 것이 가능하므로, 복잡하지 않은 구성을 통해 높은 정확도로 노면의 종류를 결정할 수 있는 효과가 있다.
또한, 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법에 의하면, 높은 정확도로 노면 종류 또는 노면의 상태를 결정할 수 있으므로, 얇은 얼음이 형성되는 블랙아이스의 생성 여부를 빠르게 확인할 수 있어, 해당 구간을 운행하는 운전자에게 미리 예보가 가능한 효과가 있다.
또, 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법에 의하면, 가격이 저렴한 40kHz의 초음파 센서와 가벼운 알고리즘을 사용하여 노면 종류 추정 장치를 구현할 수 있으므로, 처리속도가 빠르고 경제적인 효과가 있다.
또, 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법에 의하면, 차량의 속도에 따라 학습된 노면 분류 모델을 사용하기 때문에 주행 중인 차량에서도 노면의 종류를 정확하고 빠르게 추정할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치의 구성도.
도 2는 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치에서 도플러 효과를 설명하기 위한 도면.
도 3은 이동체의 속도에 따른 음파 송수신 신호의 주파수 변화를 설명하기 위한 그래프.
도 4a 내지 4b는 차량의 속도에 대한 학습 데이터를 설명하기 위한 도면들.
도 5는 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치에서의 인공신경망의 일실시예 구성도.
도 6은 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치에서 신호 변환기를 설명하기 위한 도면.
도 7은 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치에서 인공신경망의 다른 실시예 구성도.
도 8은 도 7의 컨벌루션 수행부의 동작을 설명하기 위한 도면.
도 9는 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 방법의 일실시예 흐름도.
도 10은 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 방법의 다른 실시예 흐름도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 공정, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 공정, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미가 있는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명을 더욱 상세하게 설명한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정하여 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여, 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 또한, 사용되는 기술 용어 및 과학 용어에 있어서 다른 정의가 없다면, 이 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 설명은 생략한다. 다음에 소개되는 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 또한, 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다. 도면들 중 동일한 구성요소들은 가능한 한 어느 곳에서든지 동일한 부호들로 나타내고 있음에 유의해야 한다.
도 1은 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치의 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치는, 음파 송수신부(센서)(100), 아날로그디지털변환기(ADC: analog-digital converter), 속도추정부(300), 인공신경망(400), 및 제어부(MCU)(500)를 포함한다.
상기 음파 송수신부(센서)(100)는 종류를 알고자하는 해당 노면으로 음파 신호를 송신한 후, 반사된 신호를 수신한다.
상기 음파 송수신부(센서)(100)는 상기 제어부(500)의 제어에 따라 송신 신호를 출력하는 음파 송신기(101), 및 상기 송신 신호가 임의의 면에 반사되어 되돌아오는 반사 신호를 수신하는 음파 수신기(102)를 포함한다.
상기 아날로그디지털변환기(200)는 상기 수신한 신호의 아날로그 신호를 디지털 신호로 변환한다.
상기 속도추정부(300)는 상기 변환된 디지털 신호를 처리하여 상기 이동체의 속도를 추정
상기 인공신경망(400)은 상기 보정된 디지털 신호 및 상기 추정한 이동체의 속도를 입력 신호로 하고, 학습된 노면분류모델에 기반하여 상기 입력 신호를 분류하여 상기 노면의 종류를 추정한다.
한편, 상기 인공신경망(400)에서는 의사결정트리(decision trees), 선형판별분석(discriminant analysis), 로지스틱 회귀 분류기(logistic regression classifiers), 나이브 베이즈 분류기(Naive Bayes classifier), 서포트 벡터 머신(support vector machine), 최근접 이웃 분류기(nearest neighbor classifiers), 앙상블 분류기(ensemble classifiers)중 적어도 하나 이상을 이용하여 분류 및 학습한다.
의사결정트리(decision trees)는 Fine tree, Medium tree, Coarse tree, All tree, Optimizable tree를 포함하고, 선형판별분석(discriminant analysis)은 Linear discriminant, Quadratic discriminant, All discriminants, Optimizable discriminant를 포함하고, 나이브 베이즈 분류기(Naive Bayes classifier)는 Gaussian Naive Bayes, Kernel Naive Bayes, All Naive Bayes, Optimizable Naive Bayes를 포함하고, 서포트 벡터 머신(support vector machine, SVM)은 Linear SVM, Quadratic SVM, Cubic SVM, Fine Gaussian SVM, Medium Gaussian SVM, Coarse Gaussian SVM, All SVM, Optimizable SVM을 포함하고, 최근접 이웃 분류기(nearest neighbor classifiers)는 Fine KNN, Medium KNN, Coarse KNN, Cosine KNN, Cubic KNN, Weighted KNN, All KNN, Optimizable KNN을 포함하고, 앙상블 분류기(ensemble classifiers)는 Boosted trees, Bagged trees, Subspace Discriminant, Subspace KNN, RUSBoosted trees, All Ensembles, Optimizable Ensemble을 포함한다.
상기 제어부(MCU)(500)는 상기 음파 송수신부(100), 상기 아날로그디지털변환기(200), 속도추정부(300) 및 상기 인공신경망(400)의 동작을 제어한다.
상기 아날로그디지털변환기(200), 속도추정부(300) 및 상기 인공신경망(400)은 프로그램으로 구현된 소프트웨어를 구성요소로서 표현한 것이다.
한편, 도면에 도시되지는 않았지만, 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치는 상기 학습된 노면분류모델 및 상기 프로그램으로 구현된 소프트웨어가 저장되는 저장소(메모리)를 포함한다. 상기 저장소(메모리)는 상기 제어부(MCU)(500)에 포함되어 구성될 수도 있다.
한편, 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치는 대기중의 온도, 습도 및 기압을 측정할 수 있는 대기정보측정부(미도시)를 더 포함한다.
상기 제어부(500)의 제어에 따라, 상기 대기정보측정부(미도시)에서 측정한 상기 온도, 습도 및 기압을 포함하는 대기 정보가 상기 속도추정부(300)에서 사용될 수 있으며, 상기 인공신경망(400)의 입력으로 전달될 수도 있다.
도 2는 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치에서 도플러 효과를 설명하기 위한 도면이고, 도 3은 이동체의 속도에 따른 음파 송수신 신호의 주파수 변화를 설명하기 위한 그래프이다.
도 2에 도시된 바와 같이, 이동체(차량)에 노면 분류 장치가 장착되어 있으며, 센서(도면에서 T/R로 표시됨)가 차량의 앞쪽에 구비된 것으로 도시되어 잇다.
센서가 장착되어 이동체의 주행 중 노면 분류를 수행하게 될 때, 이동체의 속도(vc)가 커질수록 도플러 효과에 의해 원래 송신 주파수(ft)와 수신되는 신호의 주파수들(fr1 및 fr2) 간의 주파수 차이가 커지게 된다.
도 3에 도시된 그래프를 참고하면, 중간에 ft가 송신 음파의 주파수이고, fr1 는 상기 이동체의 주행 방향을 기준으로 상기 센서의 중심보다 뒤쪽 노면을 맞고 돌아오는 반사파의 주파수이고, fr2 는 상기 이동체의 주행 방향을 기준으로 상기 센서의 중심보다 뒤쪽 노면을 맞고 돌아오는 반사파의 주파수이다. 여기서는, ft를 40kHz 로 했을 때의 그래프이며, fr1 은 약 38 kHz, fr2는 약 42 KHz 라고 볼 수 잇다.
여기서, fr1 및 fr2를 포함하는 두 가지의 주파수를 가지게 되는 이유는 음파가 지향각이 있기 때문이다.
즉, 이동체의 속도가 커지면, 수신 신호의 왜곡이 심해져 노면 분류하는데 있어 이동체의 속도를 고려해줄 필요가 있다. 그런데, 이동체의 속도를 바로 알 수 없는 경우, 도플러 효과를 이용하여 이동체의 속도를 추정할 수 있다.
이하, 하기 <수학식 1> 내지 <수학식 4> 를 참조하여, 상기 속도추정부(300)에서 수신된 음파 신호를 이용하여 이동체의 속도를 계산(추정)하는 과정을 설명하기로 한다.
먼저, 다음과 같이 변수를 설정할 수 있다.
c: 음속 (speed of sound)
vc : 이동체의 속도
ft : 센서(음파송수신기)에서 송신되는 음파 신호의 주파수
fr1 : 음파 신호의 지향각이 있으므로, 이동체를 기준으로, 센서의 중심보다 뒤쪽 노면을 맞고 돌아오는 반사파의 주파수
fr2 : 음파 신호의 지향각이 있으므로, 이동체를 기준으로, 센서의 중심보다 앞쪽 노면을 맞고 돌아오는 반사파의 주파수
ToF : 센서(음파송수신기)에서 송신되는 음파 신호의 비행시간(Time of Flight)
DoF : 센서(음파송수신기)에서 송신되는 음파 신호의 비행거리 (Distance of Flight)
θ : 수신되는 음파 신호(반사파)의 수신 각도 (signal receiving angle)
상기 센서의 중심보다 뒤쪽 노면을 맞고 돌아오는 반사파의 주파수(fr1)는 하기 <수학식 1>을 이용하여 계산된다.
[수학식 1]
여기서, 'c - vc' 는 이동체 쪽에서 체감되는 센서의 중심보다 뒤쪽 노면에 반사되어 돌아오는 음파의 속도이고, 'c + vc' 는 센서의 중심보다 뒤쪽 노면에서 체감되는, 센서에서 송신되는 음파의 속도이다.
한편, 상기 센서의 중심보다 앞쪽 노면을 맞고 돌아오는 반사파의 주파수(fr2)는 하기 <수학식 2>를 이용하여 계산된다.
[수학식 2]
여기서, 'c + vc' 는 이동체 쪽에서 체감되는 센서의 중심보다 앞쪽 노면에 반사되어 돌아오는 음파의 속도이고, 'c - vc' 는 센서의 중심보다 앞쪽 노면에서 체감되는, 센서에서 송신되는 음파의 속도이다.
그러면, 음파의 속도 (vc)는 하기 <수학식 3>을 이용하여 계산할 수 있다.
[수학식 3]
여기서, ft 는 이미 알고 있는 센서(음파송수신기)에서 송신되는 음파 신호의 주파수이며, fr1 및 fr2 는 수신된 음파 신호를 푸리에 변환(FFT: Fast Fourier Transform)하여 획득한다.
따라서, 반사파의 수신 각도 θ는 하기 <수학식 4>를 이용하여 계산할 수 있다.
[수학식 4]
여기서, ToF는 센서(음파송수신기)에서 송신되는 음파 신호의 비행시간(Time of Flight)이고, DoF는 센서(음파송수신기)에서 송신되는 음파 신호의 비행거리 (Distance of Flight)이다.
도 4a 내지 4b는 차량의 속도에 대한 학습 데이터를 설명하기 위한 도면들이다.
본 발명에서는 이동체의 속도를 인공신경망의 입력으로 사용하므로, 동일한 송신 신호를 전송하더라도 이동체(차량)의 속도에 따라 수신 신호가 달라져서 다른 형태의 신호를 수신하게 된다. 따라서, 이를 위해, 이동체(차량)의 속도에 따라 수신한 신호를 데이터화하여 해당 신호로 신경망을 학습시켜야 한다.
예를 들어, 도 4a는 이동체(차량)의 속도가 10km/h 이하인 경우의 학습 데이터이고, 도 4b는 이동체(차량)의 속도가 10km/h 초과이고 30km/h 이하인 경우의 학습 데이터이고, 도 4c는 이동체(차량)의 속도가 30km/h 초과이고 50km/h 이하인 경우의 학습 데이터이고, 도 4b는 이동체(차량)의 속도가 50km/h 초과인 경우의 학습 데이터이다.
본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 방법의 학습 단계에서는, 재질마다 속도별로 다수의 수신 신호를 학습시킬 수 있다.
도 5는 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치에서의 인공신경망의 일실시예 구성도이다.
도 5에 도시된 바와 같이, 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치에서의 인공신경망(400)은 신호 변환기(410) 및 신경망(420)을 포함한다.
상기 신호 변환기(410)는 상기 수신한 신호의 시간 도메인 상의 기설정 영역에 대하여 주파수 변환을 수행하여 주파수 도메인 신호를 획득한다.
상기 신호 변환기(410)는 STFT(Short-Time Fourier Transform) 변환기, FFT(Fast Fourier Transform), 캡스트럼(cepstrum), 또는 웨이브렛 변환기(wavelet transform)가 될 수도 있다. 상기 주파수 도메인 신호는 2D 또는 3D 일 수 있다.
상기 신경망(420)은 상기 주파수 도메인 신호를 입력 신호로 하고, 학습된 노면분류모델에 기반하여 상기 입력 신호의 특성을 추출하고, 분류하여 상기 노면의 종류를 추정한다.
상기 신경망(420)은, 입력 레이어(401), 다수의 은닉 레이어(402) 및 출력 레이어(403)를 포함하는 다층 퍼셉트론(Multi-Layer Perceptron) 알고리즘의 심층 신경망(DNN : Deep Neural Network)이다.
한편, 상기 신경망(420)의 구조는 상기 언급한 DNN에 한정되지 않는다.
상기 입력 레이어(401)는 상기 주파수 도메인 신호의 데이터를 플랫튼시켜 1D로 입력받는다.
상기 입력 레이어(401)로 입력되는 데이터는 다수의 은닉 레이어(402)를 통해 특성 추출 및 분류된다.
상기 출력 레이어(403)는 학습한 노면의 각 종류 대한 확률값을 출력한다.
상기 신경망(420)은 소프트맥스(404)를 이용하여, 상기 출력 레이어(403)로부터 출력되는 확률값들 중에서 가장 높은 확률을 가지는 노면의 종류를 결정하여 출력한다.
또한, 상기 신경망(420)은, 상기 속도추정부(300)에서 추정한 이동체의 속도(vc)를 상기 입력 레이어(401)의 입력으로 사용할 수 있다.
한편, 상기 신경망(420)은, 대기 정보(온도, 습도, 기압 정보)를 전달받아 상기 입력 레이어(401)의 입력으로도 사용할 수 있다.
또한, 상기 신경망(420)은, 상기 노면으로 송신한 음파 신호(201)를 주파수 변환하여 상기 입력 레이어(401)의 입력으로도 사용할 수 있다.
도 6은 본 발명의 일 실시예에 따른 음파를 이용한 노면 종류 추정 장치에서 신호 변환기를 설명하기 위한 도면이다.
도 6에서는 신호 변환기(410)로 STFT 변환기를 사용한 것을 예로 들어 설명하기로 한다.
도 6에 도시된 바와 같이, STFT 변환기는 음파 수신기(102)에서 수신한 반사 신호 중 음파 송신기(101)가 송신한 음파 신호의 크로스톡 신호는 제외하고, 전송지연 이후에 수신한 기설정 시간 동안의 신호(411)에 대하여 쇼트타임푸리에변환(Short-Time Fourier Transform)하여 스펙트로그램(412)을 획득한다.
1주기 동안의 신호에 대하여 푸리에 변환을 수행할 수도 있고, 다주기 동안의 수신 신호에 대하여 푸리에 변환을 수행할 수도 있다.
본 발명에서는 음향 임피던스와 표면 거칠기 정보 등을 이용하여 재질을 구분한다. 그런데, 음향 임피던스는 상수가 아니라 음파가 진동하는 주파수마다 그 값이 달라진다. 따라서 주파수 도메인에서의 분석이 필요하다. 타임 도메인의 수신 신호를 주파수 도메인 신호로 변환하기 위한 여러 가지 방법 중 한 가지 방법인 푸리에변환(Time Fourier Transform)을 사용할 수 있는데, 매 시간(샘플링 시간)마다의 FFT를 확인하기 위해 쇼트타임푸리에변환(Short-Time Fourier Transform)를 사용한다.
또한, 쇼트타임푸리에변환(Short-Time Fourier Transform) 뿐만 아니라 웨이브렛(Wavelet) 등을 사용하여 주파수 분석이 가능하며, 본 발명에서는 계산량을 줄이는 동시에 충분한 데이터를 확보하기 위해 STFT를 이용하는 것으로 설명하였다.
쇼트타임푸리에변환(STFT)은 기존 푸리에 변환에서 해결하지 못했던 시간에 대한 변화를 고려하기 위해 고안된 방법이다. STFT는 시간에 따라 변화하는 긴 신호를 짧은 시간 단위로 분할한 다음에 푸리에 변환을 적용하는 것이다.
그러나 STFT도 단점은 존재한다. 신호를 윈도우 길이(Window length)에 따라서 분리시키기 때문에 푸리에 변환에 사용되는 신호의 길이를 감소시키고 이에 따라 주파수의 해상도(Resolution)가 악화된다. 그렇다고 윈도우 길이(Window length)를 증가시켜 주파수의 해상도를 향상시켜도 시간 해상도(Resolution)는 반대로 악화된다. 이러한 주파수와 시간의 트레이드 오프(Trade off) 관계로 인한 해상도의 한계를 극복하기 위해 웨이브렛 변환(Wavelet Transform)이 등장했다.
STFT에서 Window length가 정해져 있었다면, WT은 Window length를 바꿔가면서 여러번 STFT를 하는 것이다. 또한, STFT에서 기본함수로서 시간적으로 무한대로 확장되는 사인곡선을 사용한다면, 웨이브렛은 유한기간동안 존재하는 여러 종류의 함수가 있다. 웨이블릿 함수로는 Morlet, Daubechies, Coiflets, Biorthogonal, Mexican Hat, 및 Symlets 등이 있다.
도 7은 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 장치에서 인공신경망의 다른 실시예 구성도이다.
도 7에 도시된 바와 같이, 인공신경망(400)은, 컨벌루션 수행부(501), 전달 레이어(502), 다수의 은닉 레이어(503) 및 출력 레이어(504)를 포함하는 다층 퍼셉트론(Multi-Layer Perceptron) 알고리즘의 심층 컨벌루션 신경망(DCNN : Deep Convolution Neural Network)이다.
상기 컨벌루션 수행부(501)는 전달받은 디지털 입력 신호에 대해 1D 컨벌루션 연산을 다회 진행하며, 각 컨벌루션 연산마다 배치정규화(Batch Normalization), 렐루(Relu) 함수, 및 맥스풀링(MaxPooling)함수를 수행하고, 마지막 컨벌루션 연산의 출력은 플랫튼된 데이터를 상기 전달 레이어(502)로 출력한다.
상기 전달 레이어(502)는 상기 컨벌루션 수행부(501)의 플랫튼된 출력 데이터를 1D로 입력받는다.
상기 전달 레이어(502)로 입력되는 데이터는 다수의 은닉 레이어(503)를 통해 특성 추출 및 분류된다.
상기 출력 레이어(504)는 학습한 노면의 각 종류 대한 확률값을 출력한다.
상기 인공신경망(400)은 소프트맥스(505)를 이용하여, 상기 출력 레이어(504)로부터 출력되는 확률값들 중에서 가장 높은 확률을 가지는 노면의 종류를 결정하여 출력한다.
또한, 상기 인공신경망(420)은, 상기 속도추정부(300)에서 추정한 이동체의 속도(vc)를 상기 컨벌루션 수행부(501) 또는 상기 전달 레이어(502)의 입력으로 사용할 수 있다.
한편, 상기 인공신경망(400)은, 대기 정보(온도, 습도, 기압 정보)를 전달받아 상기 컨벌루션 수행부(501)의 입력으로도 사용할 수 있다.
또한, 상기 인공신경망(400)은, 상기 노면으로 송신한 음파 신호(201)를 상기 컨벌루션 수행부(501)의 입력으로도 사용할 수도 있다.
도 8은 도 7의 컨벌루션 수행부의 동작을 설명하기 위한 도면이다.
도 8에 도시된 바와 같이, 도 6의 컨벌루션 수행부(501)는, 입력 신호에 대해 1D 컨벌루션 연산을 5회 진행하며, 각 컨벌루션 연산마다 배치정규화(Batch Normalization), 렐루(Relu) 함수, 및 맥스풀링(MaxPooling)함수를 수행하고, 마지막 컨벌루션 연산의 출력은 플랫튼된 데이터이다.
입력 신호(601)에 대한 제1컨벌루션 수행 결과(602)는 상기 입력 신호(601)에 1D conv (64,16), BN, ReLU, 및 MP(8) 을 수행한 결과이고, 제2컨벌루션 수행 결과(603)는 상기 제1컨벌루션 수행 결과(602)에 1D conv (32,32), BN, ReLU, 및 MP(8) 을 수행한 결과이고, 제3컨벌루션 수행 결과(604)는 상기 제2컨벌루션 수행 결과(603)에 1D conv (16,64), BN, ReLU, 및 MP(8) 을 수행한 결과이고, 제4컨벌루션 수행 결과(605)는 상기 제3컨벌루션 수행 결과(604)에 1D conv (8,128), BN, 및 ReLU 를 수행한 결과이고, 제5컨벌루션 수행 결과(606)는 상기 제4컨벌루션 수행 결과(605)에 1D conv (4,2568), BN, 및 ReLU 를 수행한 결과이다.
한편, 본 발명에서는 1차원(1D) 컨볼루션 연산을 수행하는 방법을 일예로 들어 설명하였으나, 컨벌루션 연산은 1D 뿐만 아니라, 2D 및 3D도 가능하다.
도 9는 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 방법의 일실시예 흐름도이다.
먼저, 본 발명에 따른 음파를 이용한 노면 종류 추정 방법을 수행하기 위해서는 먼저 제1학습단계(S10)가 선행되어 노면분류모델이 생성되어 있어야 한다.
상기 제1학습단계(S10)에서는, 다수 종류의 노면 및 다수의 차량 속도에 대하여, 음파 신호를 송신한 후, 반사된 신호를 수신하고 해당 신호를 디지털 신호로 변환하고, 상기 변환된 디지털 신호를 주파수 도메인 신호로 변환하고, 상기 주파수 도메인 신호를 신경망(420)에 입력하여 노면분류모델을 학습시킨다.
여기서, 상기 제1학습단계(S10)에서, 상기 주파수 도메인 신호로 변환하기 위하여 STFT(Short-Time Fourier Transform) 변환기, FFT(Fast Fourier Transform), 캡스트럼(cepstrum), 또는 웨이브렛 변환기(wavelet transform)를 사용할 수 있다. 상기주파수 도메인 신호는 2D 또는 3D 일 수 있다.
이후, 제어부(500)의 제어에 따라, 종류를 알고자하는 해당 노면으로 음파 신호를 송신한 후, 반사된 신호를 수신한다(S20).
이후, 상기 제어부(500)의 제어에 따라, 상기 수신한 신호의 기설정 영역에 대하여 아날로그 신호를 디지털 신호로 변환한다(S30).
상기 신호변환단계(S30)에서는, 상기 수신한 신호에서, 상기 송신한 음파 신호의 크로스톡 신호는 제외하고, 상기 음파 신호의 주기마다, 전송지연 이후에 수신한 신호의 진폭이 가장 큰 지점을 기준으로 기설정 시간 동안의 신호에 대하여 디지털 신호로 변환한다.
예를 들어, 전송 지연 이후에 수신한 신호의 진폭이 가장 큰 시점을 t_0라 할 때, t_0 - a [ms] 부터 t_0 + b [ms] 까지 총 (a+b) ms를 관찰 할 수 있으며, 환경이나 조건에 따라 a 와 b는 조절이 가능하다.
이후, 상기 제어부의 제어에 따라, 상기 디지털 신호룰 이용하여 이동체의 속도를 추정한다(S40).
상기 이동체속도추정단계(S40)에서는, 하기 <수학식 1> 내지 <수학식 4>를 이용하여 이동체의 속도를 추정한다.
먼저, 다음과 같이 변수를 설정할 수 있다.
c: 음속 (speed of sound)
vc : 이동체의 속도
ft : 센서(음파송수신기)에서 송신되는 음파 신호의 주파수
fr1 : 음파 신호의 지향각이 있으므로, 이동체를 기준으로, 센서의 중심보다 뒤쪽 노면을 맞고 돌아오는 반사파의 주파수
fr2 : 음파 신호의 지향각이 있으므로, 이동체를 기준으로, 센서의 중심보다 앞쪽 노면을 맞고 돌아오는 반사파의 주파수
ToF : 센서(음파송수신기)에서 송신되는 음파 신호의 비행시간(Time of Flight)
DoF : 센서(음파송수신기)에서 송신되는 음파 신호의 비행거리 (Distance of Flight)
θ : 수신되는 음파 신호(반사파)의 수신 각도 (signal receiving angle)
상기 센서의 중심보다 뒤쪽 노면을 맞고 돌아오는 반사파의 주파수(fr1)는 하기 <수학식 1>을 이용하여 계산된다.
[수학식 1]
여기서, 'c - vc' 는 이동체 쪽에서 체감되는 센서의 중심보다 뒤쪽 노면에 반사되어 돌아오는 음파의 속도이고, 'c + vc' 는 센서의 중심보다 뒤쪽 노면에서 체감되는, 센서에서 송신되는 음파의 속도이다.
한편, 상기 센서의 중심보다 앞쪽 노면을 맞고 돌아오는 반사파의 주파수(fr2)는 하기 <수학식 2>를 이용하여 계산된다.
[수학식 2]
여기서, 'c + vc' 는 이동체 쪽에서 체감되는 센서의 중심보다 앞쪽 노면에 반사되어 돌아오는 음파의 속도이고, 'c - vc' 는 센서의 중심보다 앞쪽 노면에서 체감되는, 센서에서 송신되는 음파의 속도이다.
그러면, 음파의 속도 (vc)는 하기 <수학식 3>을 이용하여 계산할 수 있다.
[수학식 3]
여기서, ft 는 이미 알고 있는 센서(음파송수신기)에서 송신되는 음파 신호의 주파수이며, fr1 및 fr2 는 수신된 음파 신호를 푸리에 변환(FFT: Fast Fourier Transform)하여 획득할 수 있다.
따라서, 반사파의 수신 각도 θ는 하기 <수학식 4>를 이용하여 계산할 수 있다.
[수학식 4]
여기서, ToF는 센서(음파송수신기)에서 송신되는 음파 신호의 비행시간(Time of Flight)이고, DoF는 센서(음파송수신기)에서 송신되는 음파 신호의 비행거리 (Distance of Flight)이다.
이후, 상기 제어부(500)의 제어에 따라, 상기 디지털 신호에 대한 신호 변환을 수행하여 주파수 도메인 신호를 획득한다(S50).
상기 주파수도메인신호획득단계(S50)에서는, 신호 변환기(410)에서 상기 디지털 신호를 주파수 변환하여 상기 주파수 도메인 신호를 획득한다.
이후, 상기 제어부(500)의 제어에 따라, 상기 주파수 도메인 신호 및 상기 추정한 이동체의 속도(vc)를 신경망(420)의 입력 신호로 하고, 학습된 노면분류모델에 기반하여, 상기 입력 신호의 특성을 추출하고, 분류하여 상기 노면의 종류를 결정한다(S60).
상기 신경망(420)은, 입력 레이어(401), 다수의 히든 레이어(402) 및 출력 레이어(403)를 포함하는 다층 퍼셉트론(Multi-Layer Perceptron) 알고리즘의 심층 신경망(DNN : Deep Neural Network)이며, 상기 출력 레이어(403)는, 학습한 노면의 각 종류에 대한 확률값을 출력하고, 상기 신경망은, 소프트맥스(softmax)(404)를 이용하여, 가장 높은 확률을 가지는 노면의 종류를 결정하여 출력한다.
한편, 상기 신경망(420)의 구조는 상기 언급한 DNN에 한정되지 않는다.
상기 신경망(420)은, 대기 정보(온도, 습도, 기압 정보)를 전달받아 상기 입력 레이어(401)의 입력으로도 사용할 수 있다.
또한, 상기 신경망(420)은, 상기 노면으로 송신한 음파 신호를 주파수 변환하여 상기 입력 레이어(401)의 입력으로도 사용할 수 있다.
도 10은 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 방법의 다른 실시예 흐름도이다.
먼저, 본 발명에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 방법을 수행하기 위해서는 먼저 제2학습단계(S90)가 선행되어 노면분류모델이 생성되어 있어야 한다.
상기 제2학습단계(S90)에서는, 다수 종류의 노면 및 다수의 차량 속도에 대하여, 음파 신호를 송신한 후, 반사된 신호를 수신하고 해당 신호를 디지털 신호로 변환하고, 상기 변환된 디지털 신호에 대하를 인공신경망(400)에 입력시켜 다회의 컨벌루션 연산을 수행하여 상기 노면분류모델을 학습시킨다.
이후, 제어부(500)의 제어에 따라, 종류를 알고자하는 해당 노면으로 음파 신호를 송신한 후, 반사된 신호를 수신한다(S20).
이후, 상기 제어부(500)의 제어에 따라, 상기 수신한 신호의 기설정 영역에 대하여 아날로그 신호를 디지털 신호로 변환한다(S30).
상기 신호변환단계(S30)에서는, 상기 수신한 신호에서, 상기 송신한 음파 신호의 크로스톡 신호는 제외하고, 상기 음파 신호의 주기마다, 전송지연 이후에 수신한 신호의 진폭이 가장 큰 지점을 기준으로 기설정 시간 동안의 신호에 대하여 디지털 신호로 변환한다.
이후, 상기 제어부의 제어에 따라, 상기 디지털 신호룰 이용하여 이동체의 속도를 추정한다(S40).
상기 이동체속도추정단계(S40)에서는, 도 9에서 설명한 바와 동일하게 <수학식 1> 내지 <수학식 4>를 이용하여 이동체의 속도를 추청한다.
이후, 상기 제어부(500)의 제어에 따라, 상기 인공신경망(400)에서 상기 디지털 신호를 전달받아 다회의 컨벌루션 연산을 수행한다(S70).
상기 컨벌루션연산단계(S70)에서는, 상기 디지털 신호에 대해 1D 컨벌루션 연산을 다회 진행하며, 각 컨벌루션 연산마다 배치정규화(Batch Normalization), 렐루(Relu) 함수, 및 맥스풀링(MaxPooling)함수를 수행하고, 마지막 컨벌루션 연산의 출력은 플랫튼된 데이터이다.
이후, 상기 제어부(500)의 제어에 따라, 상기 인공신경망에서 학습된 노면분류모델에 기반하여, 상기 컨벌루션 연산된 신호(플랫튼된 데이터) 및 상기 추정한 이동체의 속도의 특성을 추출하고, 분류하여 상기 노면의 종류를 결정한다(S80).
상기 인공신경망(400)은, 상기 디지털 신호를 입력받아 다회의 컨벌루션 연산을 수행하는 컨벌루션 수행부(501), 전달 레이어(502), 다수의 은닉 레이어(503) 및 출력 레이어(504)를 포함하는 다층 퍼셉트론(Multi-Layer Perceptron) 알고리즘의 심층 컨벌루션 신경망(DCNN : Deep Convolution Neural Network)이며, 상기 출력 레이어(504)는, 학습한 노면의 각 종류에 대한 확률값을 출력하고, 상기 인공신경망(400)은, 소프트맥스(softmax)(505)를 이용하여, 가장 높은 확률을 가지는 노면의 종류를 결정하여 출력한다.
한편, 상기 인공신경망(400)의 구조는 상기 언급한 DCNN에 한정되지 않는다.
상기 인공신경망(400)은, 대기 정보(온도, 습도, 기압 정보)를 전달받아 상기 컨벌루션 수행부(501)의 입력으로도 사용할 수 있다.
또한, 상기 인공신경망(400)은, 상기 노면으로 송신한 음파 신호를 상기 컨벌루션 수행부(501)의 입력으로도 사용할 수 있다.
이상에서 본 발명의 일 실시예에 따른 이동체의 속도 추정을 이용한 노면 종류 추정 방법에 대하여 설명하였지만, 이동체의 속도 추정을 이용한 노면 종류 추정 방법을 구현하기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체 및 이동체의 속도 추정을 이용한 노면 종류 추정 방법을 구현하기 위한 컴퓨터 판독 가능한 기록매체에 저장된 프로그램 역시 구현 가능함은 물론이다.
즉, 상술한 이동체의 속도 추정을 이용한 노면 종류 추정 방법은 이를 구현하기 위한 명령어들의 프로그램이 유형적으로 구현됨으로써, 컴퓨터를 통해 판독될 수 있는 기록매체에 포함되어 제공될 수도 있음을 당업자들이 쉽게 이해할 수 있을 것이다. 다시 말해, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어, 컴퓨터 판독 가능한 기록매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 상기 컴퓨터 판독 가능한 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리, USB 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. 상기 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
본 발명은 상기한 실시예에 한정되지 아니하며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 다양한 변형 실시가 가능한 것은 물론이다.
100: 음파 송수신부
101: 음파 송신기 102: 음파 수신기
200: 아날로그디지털변환기 300: 속도추정부
400: 인공신경망
410: 신호 변환기 420: 신경망
501: 컨벌루션 수행부 502: 전달 레이어
503: 은닉 레이어 504: 출력 레이어
500: 제어부(MCU)
S10: 제1학습단계
S20: 반사파수신단계
S30: 신호변환단계
S40: 이동체속도추정단계
S50: 주파수도메인신호획득단계
S60: 제1노면종류결정단계
S70: 컨벌루션연산단계
S80: 제2노면종류결정단계
S90: 제2학습단계

Claims (10)

  1. 이동체의 속도 추정을 이용한 노면 종류 추정 장치에 있어서,
    종류를 알고자하는 해당 노면으로 음파 신호를 송신한 후, 반사된 신호를 수신하기 위한 음파 송수신부(센서)(100);
    상기 수신한 신호의 아날로그 신호를 디지털 신호로 변환하기 위한 아날로그디지털변환기(200);
    상기 변환된 디지털 신호를 처리하여 상기 이동체의 속도를 추정하기 위한 속도추정부(300);
    상기 변환된 디지털 신호 및 상기 추정한 이동체의 속도를 입력 신호로 하고, 학습된 노면분류모델에 기반하여 상기 입력 신호들을 분류하여 상기 노면의 종류를 추정하는 인공신경망(400); 및
    상기 음파 송수신부(센서), 상기 아날로그디지털변환기, 상기 속도추정부 및 상기 인공신경망의 동작을 제어하는 제어부(MCU)(500)
    를 포함하는 이동체의 속도 추정을 이용한 노면 종류 추정 장치.
  2. 제1항에 있어서,
    상기 노면분류모델은,
    다수 종류의 노면 및 다수의 차량 속도에 대하여 학습된 것을 특징으로 하는 이동체의 속도 추정을 이용한 노면 종류 추정 장치.
  3. 제1항에 있어서,
    상기 속도추정부(300)에서는,
    상기 이동체의 주행 방향을 기준으로 상기 센서의 중심보다 뒤쪽 노면을 맞고 돌아오는 반사파의 주파수(fr1)는 하기 <수학식 1>을 이용하여 계산되고,
    [수학식 1]

    (여기서, c 는 음파의 속도, vc는 이동체의 속도, 'c - vc' 는 이동체 쪽에서 체감되는 센서의 중심보다 뒤쪽 노면에 반사되어 돌아오는 음파의 속도이고, 'c + vc' 는 센서의 중심보다 뒤쪽 노면에서 체감되는, 센서에서 송신되는 음파의 속도이다.)
    상기 센서의 중심보다 앞쪽 노면을 맞고 돌아오는 반사파의 주파수(fr2)는 하기 <수학식 2>를 이용하여 계산되고,
    [수학식 2]

    (여기서, 'c + vc' 는 이동체 쪽에서 체감되는 센서의 중심보다 앞쪽 노면에 반사되어 돌아오는 음파의 속도이고, 'c - vc' 는 센서의 중심보다 앞쪽 노면에서 체감되는, 센서에서 송신되는 음파의 속도이다.)
    상기 음파의 속도 (vc)는 하기 <수학식 3>을 이용하여 계산되고,
    [수학식 3]

    (여기서, ft 는 상기 센서에서 송신되는 음파 신호의 주파수이다.)
    상기 반사파의 수신 각도 θ는 하기 <수학식 4>를 이용하여 계산되고,
    [수학식 4]

    (여기서, ToF는 센서에서 송신되는 음파 신호의 비행시간(Time of Flight)이고, DoF는 센서(음파송수신기)에서 송신되는 음파 신호의 비행거리 (Distance of Flight)이다.)
    상기 [수학식 1] 내지 [수학식 4]를 이용하여 상기 이동체의 속도를 추정하는 것을 특징으로 하는 이동체의 속도 추정을 이용한 노면 종류 추정 장치.
  4. 제3항에 있어서,
    상기 센서의 중심보다 뒤쪽 노면을 맞고 돌아오는 반사파의 주파수(fr1) 및 상기 센서의 중심보다 앞쪽 노면을 맞고 돌아오는 반사파의 주파수(fr2)는 수신된 음파 신호를 푸리에 변환(FFT: Fast Fourier Transform)하여 획득하는 것을 특징으로 하는 이동체의 속도 추정을 이용한 노면 종류 추정 장치.
  5. 이동체의 속도 추정을 이용한 노면 종류 추정 방법에 있어서,
    제어부의 제어에 따라, 음파 송수신부(센서)에서 종류를 알고자하는 해당 노면으로 음파 신호를 송신한 후, 반사된 신호를 수신하는 반사신호수신단계(S20);
    상기 제어부의 제어에 따라, 상기 수신한 신호의 기설정 영역에 대하여 아날로그 신호를 디지털 신호로 변환하는 신호변환단계(S30);
    상기 제어부의 제어에 따라, 상기 디지털 신호를 처리하여 이동체의 속도를 추정하는 이동체속도추정단계(S40);
    상기 제어부의 제어에 따라, 상기 디지털 신호의 기설정 영역에 대하여 주파수 변환을 수행하여 주파수 도메인 신호를 획득하는 주파수도메인신호획득단계(S50); 및
    상기 제어부의 제어에 따라, 상기 주파수 도메인 신호 및 상기 추정한 이동체의 속도를 신경망의 입력 신호로 하고, 학습된 노면분류모델에 기반하여, 상기 입력 신호의 특성을 추출하고, 분류하여 상기 노면의 종류를 결정하는 제1노면종류결정단계(S60)
    를 포함하는 이동체의 속도 추정을 이용한 노면 종류 추정 방법.
  6. 제5항에 있어서,
    다수 종류의 노면 및 다수의 차량 속도에 대하여, 음파 신호를 송신한 후, 반사된 신호를 수신하고 해당 신호를 디지털 신호로 변환하고, 상기 변환된 디지털 신호를 주파수 도메인 신호로 변환하고, 상기 주파수 도메인 신호를 상기 신경망에 입력하여 상기 노면분류모델을 학습시키는 제1학습단계(S10)
    를 더 포함하는 것을 특징으로 하는 이동체의 속도 추정을 이용한 노면 종류 추정 방법.
  7. 이동체의 속도 추정을 이용한 노면 종류 추정 방법에 있어서,
    제어부의 제어에 따라, 음파 송수신부(센서)에서 종류를 알고자하는 해당 노면으로 음파 신호를 송신한 후, 반사된 신호를 수신하는 반사신호수신단계(S20);
    상기 제어부의 제어에 따라, 상기 수신한 신호의 기설정 영역에 대하여 아날로그 신호를 디지털 신호로 변환하는 신호변환단계(S30);
    상기 제어부의 제어에 따라, 상기 디지털 신호를 처리하여 이동체의 속도를 추정하는 이동체속도추정단계(S40);
    상기 제어부의 제어에 따라, 인공신경망에서 상기 디지털 신호를 전달받아 다회의 컨벌루션 연산을 수행하는 컨벌루션연산단계(S70); 및
    상기 제어부의 제어에 따라, 상기 인공신경망에서 학습된 노면분류모델에 기반하여, 상기 컨벌루션 연산된 신호 및 상기 추정한 이동체의 속도의 특성을 추출하고, 분류하여 상기 노면의 종류를 결정하는 제2노면종류결정단계(S80)
    를 포함하는 이동체의 속도 추정을 이용한 노면 종류 추정 방법.
  8. 제7항에 있어서,
    다수 종류의 노면 및 다수의 차량 속도에 대하여, 음파 신호를 송신한 후, 반사된 신호를 수신하고 해당 신호를 디지털 신호로 변환하고, 상기 변환된 디지털 신호를 상기 인공신경망에 입력시켜 다회의 컨벌루션 연산을 수행하여 상기 노면분류모델을 학습시키는 제2학습단계(S90)
    를 더 포함하는 것을 특징으로 하는 이동체의 속도 추정을 이용한 노면 종류 추정 방법.
  9. 제5항 또는 제7항에 있어서,
    상기 이동체속도추정단계(S40)에서는,
    상기 이동체의 주행 방향을 기준으로 상기 센서의 중심보다 뒤쪽 노면을 맞고 돌아오는 반사파의 주파수(fr1)는 하기 <수학식 1>을 이용하여 계산되고,
    [수학식 1]

    (여기서, c 는 음파의 속도, vc는 이동체의 속도, 'c - vc' 는 이동체 쪽에서 체감되는 센서의 중심보다 뒤쪽 노면에 반사되어 돌아오는 음파의 속도이고, 'c + vc' 는 센서의 중심보다 뒤쪽 노면에서 체감되는, 센서에서 송신되는 음파의 속도이다.)
    상기 센서의 중심보다 앞쪽 노면을 맞고 돌아오는 반사파의 주파수(fr2)는 하기 <수학식 2>를 이용하여 계산되고,
    [수학식 2]

    (여기서, 'c + vc' 는 이동체 쪽에서 체감되는 센서의 중심보다 앞쪽 노면에 반사되어 돌아오는 음파의 속도이고, 'c - vc' 는 센서의 중심보다 앞쪽 노면에서 체감되는, 센서에서 송신되는 음파의 속도이다.)
    상기 음파의 속도 (vc)는 하기 <수학식 3>을 이용하여 계산되고,
    [수학식 3]

    (여기서, ft 는 상기 센서에서 송신되는 음파 신호의 주파수이다.)
    상기 반사파의 수신 각도 θ는 하기 <수학식 4>를 이용하여 계산되고,
    [수학식 4]

    (여기서, ToF는 센서에서 송신되는 음파 신호의 비행시간(Time of Flight)이고, DoF는 센서(음파송수신기)에서 송신되는 음파 신호의 비행거리 (Distance of Flight)이다.)
    상기 [수학식 1] 내지 [수학식 4]를 이용하여 상기 이동체의 속도를 추정하는 것을 특징으로 하는 이동체의 속도 추정을 이용한 노면 종류 추정 방법.
  10. 제9항에 있어서,
    상기 이동체속도추정단계(S40)에서는,
    상기 센서의 중심보다 뒤쪽 노면을 맞고 돌아오는 반사파의 주파수(fr1) 및 상기 센서의 중심보다 앞쪽 노면을 맞고 돌아오는 반사파의 주파수(fr2)는 수신된 음파 신호를 푸리에 변환(FFT: Fast Fourier Transform)하여 획득하는 것을 특징으로 하는 이동체의 속도 추정을 이용한 노면 종류 추정 방법.
KR1020230130751A 2023-09-27 2023-09-27 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법 KR102656603B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230130751A KR102656603B1 (ko) 2023-09-27 2023-09-27 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230130751A KR102656603B1 (ko) 2023-09-27 2023-09-27 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR102656603B1 true KR102656603B1 (ko) 2024-04-11

Family

ID=90666783

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230130751A KR102656603B1 (ko) 2023-09-27 2023-09-27 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102656603B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160057533A (ko) * 2014-11-13 2016-05-24 현대모비스 주식회사 차량 초음파센서의 노이즈 감지장치 및 이의 노이즈 감지방법
KR101716270B1 (ko) 2015-12-03 2017-03-14 한국과학기술원 전방 지면 상태 추정 장치 및 방법
KR102136576B1 (ko) 2019-01-17 2020-07-22 부산대학교 산학협력단 노면 상태 측정 장치 및 노면 상태 진단 시스템
KR102156295B1 (ko) 2018-08-29 2020-09-15 한국과학기술원 초음파 신호를 이용한 노면 종류 추정 방법 및 장치
KR102207816B1 (ko) 2020-08-11 2021-01-26 주식회사 알고씽 센서 데이터를 이용한 노면 상태 측정 방법 및 그 장치
KR20210098027A (ko) * 2020-01-31 2021-08-10 현대모비스 주식회사 노면 마찰계수 판독장치 및 그 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160057533A (ko) * 2014-11-13 2016-05-24 현대모비스 주식회사 차량 초음파센서의 노이즈 감지장치 및 이의 노이즈 감지방법
KR101716270B1 (ko) 2015-12-03 2017-03-14 한국과학기술원 전방 지면 상태 추정 장치 및 방법
KR102156295B1 (ko) 2018-08-29 2020-09-15 한국과학기술원 초음파 신호를 이용한 노면 종류 추정 방법 및 장치
KR102136576B1 (ko) 2019-01-17 2020-07-22 부산대학교 산학협력단 노면 상태 측정 장치 및 노면 상태 진단 시스템
KR20210098027A (ko) * 2020-01-31 2021-08-10 현대모비스 주식회사 노면 마찰계수 판독장치 및 그 방법
KR102207816B1 (ko) 2020-08-11 2021-01-26 주식회사 알고씽 센서 데이터를 이용한 노면 상태 측정 방법 및 그 장치

Similar Documents

Publication Publication Date Title
KR102415195B1 (ko) 대기 감쇄량이 보정된 음파를 이용한 노면 종류 추정 장치 및 그 방법
Won Intelligent traffic monitoring systems for vehicle classification: A survey
US11999354B2 (en) Method and apparatus for estimation road surface type using ultrasonic signal
KR102397312B1 (ko) 음파의 도메인 변환을 이용한 노면 종류 추정 장치 및 그 방법
CN111507233B (zh) 一种多模态信息融合的智能车路面类型识别方法
US9664779B2 (en) Object classification for vehicle radar systems
George et al. Vehicle detection and classification from acoustic signal using ANN and KNN
Kalliris et al. Machine learning algorithms for wet road surface detection using acoustic measurements
US20040138831A1 (en) Road surface state estimating apparatus, road surface friction state estimating apparatus, road surface state physical quantity calculating apparatus, and road surface state announcing apparatus
US9733346B1 (en) Method for providing sound detection information, apparatus detecting sound around vehicle, and vehicle including the same
CN112240999A (zh) 处理雷达反射的方法和***
WO2021121247A1 (zh) 一种确定目标对象跟踪门限的方法、装置
CN107176123A (zh) 声音检测信息提供方法、车辆周围声音检测装置及车辆
CN112074756A (zh) 用于运行车辆的超声波传感器的方法和设备
JP2024508909A (ja) 自動車グレードのレーダ信号においてオブジェクトを分類するための方法
JP2013541696A (ja) 人物の識別装置および識別方法
KR102656603B1 (ko) 이동체의 속도 추정을 이용한 노면 종류 추정 장치 및 그 방법
CN110103954A (zh) 基于电控的汽车防追尾预警装置及方法
US9616814B1 (en) Vehicle security alarming system determining relative velocity between a front car and a rear car by sounds retrieved therefrom
KR102677833B1 (ko) 연속된 신호를 이용한 노면 종류 추정 장치 및 그 방법
KR102638589B1 (ko) 차량의 기장착 센서를 이용한 노면 종류 추정 장치 및 그 방법
KR102671468B1 (ko) 차량의 속도 및 3축 가속도를 고려한 노면 종류 추정 장치 및 그 방법
Kubo et al. Design of ultra low power vehicle detector utilizing discrete wavelet transform
KR102505159B1 (ko) 음파를 이용한 노면 종류 추정 장치 및 그 방법
CN111337926B (zh) 经由高阶相位项的多普勒模糊分辨率

Legal Events

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