KR20230035460A - 조향각 캘리브레이션 - Google Patents

Abstract

무엇보다도, 조향각 캘리브레이션을 위한 기술이 설명되어 있다. 자율주행 차량은 조향각 측정치 및 요 레이트 측정치를 수신하고, 조향각 측정치, 요 레이트 측정치, 및 자율주행 차량의 휠베이스를 사용하여 조향각 오프셋을 추정한다. 추정된 요 레이트는 요 레이트 모델, 조향각 측정치 및 추정된 조향각 오프셋에 기초하여 결정된다. 요 레이트 측정치와 추정된 요 레이트가 비교되고, 비교에 응답하여 자율주행 차량에 대한 액션이 개시된다.

Description

조향각 캘리브레이션{STEERING ANGLE CALIBRATION}

관련 출원의 상호 참조

본 개시는, 그 전체 내용이 참조에 의해 본원에 포함되는, 2018년 12월 31일자로 출원된 미국 출원 제62/786,968호에 대한 우선권을 주장한다.

기술 분야

이 설명은, 자율주행 차량(autonomous vehicle)과 같은, 차량에 대한 조향각 캘리브레이션에 관한 것이다.

자율주행 차량의 안전한 동작을 위해, 자율주행 차량의 조향각이 주기적으로 정렬되어야 한다. 자율주행 차량의 제어 시스템이 정확한 조향각에 의존하여 제어 커맨드를 생성하기 때문에 자율주행 차량을 제어하는 데 조향각 정렬이 중요하다. 기계식 조향각 정렬은 전형적으로 자동차 정비소에서 기술자 또는 정비사에 의해 수행된다.

일반적으로, 일 양태에서, 자율주행 차량은 조향각 측정치 및 요 레이트(yaw rate) 측정치를 수신하고, 조향각 측정치, 요 레이트 측정치, 및 자율주행 차량의 휠베이스(wheel base)를 사용하여 조향각 오프셋을 추정(estimate)한다. 추정된 요 레이트는 요 레이트 모델, 조향각 측정치 및 추정된 조향각 오프셋에 기초하여 결정된다. 요 레이트 측정치와 추정된 요 레이트가 비교되고, 비교에 기초하여 자율주행 차량에 대한 액션이 개시된다.

일 실시예에서, 방법은: 자율주행 차량의 프로세싱 회로로부터, 조향각 측정치를 수신하는 단계; 프로세싱 회로로부터, 요 레이트 측정치를 수신하는 단계; 프로세싱 회로를 사용하여, 조향각 측정치, 요 레이트 측정치, 및 자율주행 차량의 휠베이스에 기초하여 조향각 오프셋을 추정하는 단계; 프로세싱 회로를 사용하여, 요 레이트 모델, 조향각 측정치, 및 추정된 조향각 오프셋에 기초하여 추정된 요 레이트를 결정하는 단계; 및 제어 회로를 사용하여, 조향각 오프셋에 기초하여 자율주행 차량을 동작시키는 단계를 포함한다.

이 방법은, 프로세싱 회로를 사용하여, 요 레이트 측정치와 추정된 요 레이트를 비교하는 단계; 및 프로세싱 회로를 사용하여, 비교의 결과에 기초하여 자율주행 차량에 대한 액션을 개시하는 단계를 더 포함한다.

일 실시예에서, 액션은, 프로세싱 회로에 의해, 추정된 요 레이트를 사용하여 요 레이트 측정치를 캘리브레이팅하는 것을 포함한다.

일 실시예에서, 조향각 측정치를 수신하는 단계는: 프로세싱 회로를 사용하여, 자율주행 차량이 좌회전할 때 조향각의 측정된 좌회전 오프셋 성분을 수신하는 단계; 프로세싱 회로를 사용하여, 자율주행 차량이 우회전할 때 조향각의 측정된 우회전 성분을 수신하는 단계; 및 프로세싱 회로를 사용하여, 결정하는 단계를 포함한다. 일 실시예에서, 측정된 조향각은 좌회전 성분과 우회전 성분의 평균이다. 일 실시예에서, 측정된 조향각은 좌회전 성분과 우회전 성분의 가중 합이다.

일 실시예에서, 추정된 조향각 오프셋은 조향각 측정치, 요 레이트 측정치, 및 자율주행 차량의 휠베이스를 포함하는 재귀형 최소 제곱 적응 필터 수식을 사용하여 결정된다.

일 실시예에서, 추정된 조향각 오프셋은 조향각 측정치, 요 레이트 측정치, 및 자율주행 차량의 휠베이스를 포함하는 칼만 필터 수식(Kalman filter formulation)을 사용하여 결정된다.

일 실시예에서, 이 방법은: 프로세싱 회로를 사용하여, 자율주행 차량의 전진 속력(forward speed)을 전진 속력 문턱치와 비교하는 단계; 프로세싱 회로를 사용하여, 요 레이트 측정치를 요 레이트 문턱치와 비교하는 단계; 프로세싱 회로를 사용하여, 자율주행 차량의 측방향 가속도 측정치 또는 슬립각 측정치를, 제각기, 측방향 가속도 문턱치 또는 슬립각 문턱치와 비교하는 단계; 및 프로세싱 회로를 사용하여, 비교의 하나 이상의 결과에 기초하여 조향각 측정치를 제외시키거나 보강(augment)하는 단계를 더 포함한다.

일 실시예에서, 이 방법은: 자율주행 차량의 하나 이상의 센서로부터의 데이터를 사용하여, 자율주행 차량의 휠이 노면과 정적 접촉(static contact)하는지 여부를 결정하는 단계; 및 자율주행 차량의 휠이 노면과 정적 접촉하지 않는다는 결정에 따라, 프로세싱 회로를 사용하여, 조향각 측정치를 제외시키거나 보강하는 단계를 더 포함한다.

일 실시예에서, 이 방법은 기간 또는 운전 거리 동안 복수의 조향각 오프셋을 추정하는 단계, 및 이상치인 추정된 조향각 오프셋을 제거하기 위해 복수의 조향각 오프셋을 필터링하는 단계를 더 포함한다.

일 실시예에서, 자율주행 차량에 대한 액션을 개시하는 단계는, 자율주행 차량의 출력 디바이스 또는 승객의 개인 디바이스를 사용하여, 메인터넌스 경고(maintenance alert)를 제시하는 단계를 더 포함한다.

일 실시예에서, 자율주행 차량에 대한 액션을 개시하는 단계는, 자율주행 차량의 무선 송신기를 사용하여, 조향각 측정치 또는 요 레이트 측정치 중 적어도 하나를 네트워크 기반 컴퓨팅 플랫폼에 전송하는 단계; 자율주행 차량의 무선 송신기를 사용하여, 네트워크 기반 컴퓨팅 플랫폼으로부터 메인터넌스 경고를 수신하는 단계; 및 자율주행 차량의 출력 디바이스를 사용하여, 메인터넌스 경고를 제시하는 단계를 더 포함한다.

일 실시예에서, 자율주행 차량에 대한 액션을 개시하는 단계는: 자율주행 차량의 무선 송신기를 사용하여, 노면 상태 정보를 네트워크 기반 컴퓨팅 플랫폼에 전송하는 단계, 및 자율주행 차량의 무선 수신기를 사용하여, 네트워크 기반 컴퓨팅 플랫폼으로부터 조향각 캘리브레이션 파라미터를 수신하는 단계 - 조향각 캘리브레이션 파라미터는 노면 상태에 기초하여 네트워크 기반 컴퓨팅 플랫폼에 의해 결정됨 - ; 및 프로세싱 회로에 의해, 조향각 캘리브레이션 파라미터를 사용하여 조향각 측정치를 보강하는 단계를 더 포함한다.

일 실시예에서, 이 방법은, 제어 회로를 사용하여, 최대 속력 제한에 따라 자율주행 차량을 동작시키는 단계 - 최대 속력 제한은 조향각 오프셋에 기초하여 결정됨 - 를 더 포함한다. 일 실시예에서, 최대 속력 제한은 조향각 오프셋 및 환경의 일련의 기상 상태에 기초하여 결정된다.

일 실시예에서, 자율주행 차량의 조향각 캘리브레이션 시스템은: 조향각 센서, 요 레이트 센서, 하나 이상의 프로세싱 회로, 하나 이상의 프로세싱 회로에 의해 실행될 때, 동작들의 수행을 유발하는 명령어를 저장하는 하나 이상의 비-일시적 저장 매체를 포함하며, 동작들은: 조향각 센서로부터 조향각 측정치를 수신하는 동작; 요 레이트 센서로부터 요 레이트 측정치를 수신하는 동작; 조향각 측정치, 요 레이트 측정치, 및 자율주행 차량의 휠베이스에 기초하여 조향각 오프셋을 추정하는 동작; 추정된 요 레이트를 결정하는 동작 - 추정된 요 레이트는 요 레이트 모델, 조향각 측정치 및 추정된 조향각 오프셋에 기초하여 결정됨 - ; 요 레이트 측정치와 추정된 요 레이트를 비교하는 동작; 및 비교의 결과에 기초하여 자율주행 차량에 대한 액션을 개시하는 동작을 포함한다.

일 실시예에서, 조향각 센서는 조향 컬럼 센서(steering column sensor) 또는 조향 휠 센서이다.

이들 및 다른 양태, 특징, 및 구현예는 기능을 수행하기 위한 방법, 장치, 시스템, 컴포넌트, 프로그램 제품, 수단 또는 단계로서, 및 다른 방식으로 표현될 수 있다.

이들 및 다른 양태, 특징, 및 구현은 청구항을 포함하여, 이하의 설명으로부터 명백해질 것이다.

도 1은 일 실시예에 따른, 자율주행 능력(autonomous capability)을 갖는 자율주행 차량의 일 예를 도시한다.
도 2는 일 실시예에 따른, 예시적인 "클라우드" 컴퓨팅 환경을 예시한다.
도 3은 일 실시예에 따른, 컴퓨터 시스템을 예시한다.
도 4는 일 실시예에 따른, 자율주행 차량에 대한 예시적인 아키텍처를 도시한다.
도 5는 일 실시예에 따른, 인지 모듈에 의해 사용될 수 있는 입력 및 출력의 일 예를 도시한다.
도 6은 일 실시예에 따른, LiDAR 시스템의 일 예를 도시한다.
도 7은 일 실시예에 따른, 동작 중인 LiDAR 시스템을 도시한다.
도 8은 일 실시예에 따른, LiDAR 시스템의 동작을 추가적으로 상세하게 도시한다.
도 9는 일 실시예에 따른, 계획 모듈의 입력과 출력 사이의 관계의 블록 다이어그램을 도시한다.
도 10은 일 실시예에 따른, 경로 계획에서 사용되는 방향 그래프(directed graph)를 도시한다.
도 11은 일 실시예에 따른, 제어 모듈의 입력 및 출력의 블록 다이어그램을 도시한다.
도 12는 일 실시예에 따른, 제어기의 입력, 출력, 및 컴포넌트의 블록 다이어그램을 도시한다.
도 13은 일 실시예에 따른, 조향각, 요 레이트, 및 자율주행 차량의 휠베이스를 예시하는 톱다운 개략 다이어그램이다.
도 14는 일 실시예에 따른, 조향각 오프셋을 추정하기 위한 시스템의 블록 다이어그램이다.
도 15는 일 실시예에 따른, 조향각 오프셋을 추정하는 흐름 다이어그램을 도시한다.

이하의 기술에서는, 설명 목적으로, 다양한 구현예에 대한 완전한 이해를 제공하기 위해 다수의 특정한 세부 사항이 기재되어 있다. 그렇지만, 본원에 기술된 구현예가 이러한 특정 세부 사항이 없더라도 실시될 수 있음이 명백할 것이다. 다른 경우에, 공지된 구조 및 디바이스는 본원에 기술된 구현예를 불필요하게 모호하게 하는 것을 피하기 위해 블록 다이어그램 형태로 도시된다.

도면에서, 기술을 용이하게 하기 위해, 디바이스, 모듈, 명령어 블록 및 데이터 요소를 나타내는 것과 같은 개략적 요소의 특정한 배열 또는 순서가 도시된다. 그렇지만, 본 기술 분야의 통상의 기술자라면, 도면에서의 개략적 요소의 특정 순서 또는 배열이 프로세싱의 특정한 순서 또는 시퀀스, 또는 프로세스의 분리가 요구됨을 암시한다는 것을 의미하지는 않는다는 점을 이해할 것이다. 게다가, 도면에 개략적 요소를 포함시키는 것은, 그러한 요소가 모든 실시예에서 요구됨을 암시한다는 것을 의미하지는 않거나, 또는 그러한 요소에 의해 표현된 특징이 일부 실시예에서 포함되지 않을 수 있거나 다른 요소와 조합되지 않을 수 있음을 암시한다는 것을 의미하지는 않는다.

또한, 도면에서, 2개 이상의 다른 개략적 요소 사이의 연결, 관계 또는 연관을 보여주기 위해 실선 또는 파선 또는 화살표와 같은 연결 요소가 사용되는 경우에, 임의의 그러한 연결 요소의 부재가 연결, 관계 또는 연관이 존재할 수 없다는 것을 암시하는 것을 의미하지 않는다. 환언하면, 요소들 사이의 일부 연결, 관계 또는 연관은 본 개시를 모호하게 하지 않기 위해 도면에 도시되지 않는다. 추가적으로, 예시를 용이하게 하기 위해, 요소들 사이의 다수의 연결, 관계 또는 연관을 나타내기 위해 단일의 연결 요소가 사용된다. 예를 들어, 연결 요소가 신호, 데이터 또는 명령어의 통신을 나타내는 경우에, 본 기술 분야의 통상의 기술자라면, 그러한 요소가, 통신을 수행하기 위해 필요할 수 있는, 하나 또는 다수의 신호 경로(예를 들면, 버스)를 나타낸다는 것을 이해할 것이다.

그 예가 첨부된 도면에 예시된 실시예가 이제 상세하게 언급될 것이다. 이하의 상세한 설명에서, 다양한 기술된 실시예에 대한 완전한 이해를 제공하기 위해 많은 특정 세부 사항이 기재된다. 그렇지만, 다양한 기술된 실시예가 이러한 특정 세부 사항 없이 실시될 수 있다는 것이 본 기술 분야의 통상의 기술자에게 명백할 것이다. 다른 경우에, 실시예의 양태를 불필요하게 모호하게 하지 않기 위해 공지된 방법, 절차, 컴포넌트, 회로, 및 네트워크는 상세히 기술되지 않았다.

서로 독립적으로 또는 다른 특징의 임의의 조합과 함께 각각 사용될 수 있는 여러 특징이 이하에 기술된다. 그렇지만, 임의의 개별 특징은 위에서 논의된 문제들 중 임의의 것을 해결할 수 없거나 또는 위에서 논의된 문제들 중 단지 하나만을 해결할 수 있다. 위에서 논의된 문제들 중 일부는 본원에 기술된 특징들 중 임의의 것에 의해 완전히 해결되지는 않을 수 있다. 비록 여러 표제가 제공되어 있더라도, 특정 표제에 관련되지만 해당 표제를 갖는 섹션에서 발견되지는 않는 정보가 본 설명의 다른 곳에서 발견될 수도 있다. 실시예는 이하의 개요에 따라 본원에 기술된다:

1. 일반적 개관

2. 하드웨어 개관

3. 자율주행 차량 아키텍처

4. 자율주행 차량 입력

5. 자율주행 차량 계획

6. 자율주행 차량 제어

7. 조향각 캘리브레이션

일반적 개관

차량은 안전하고 신뢰할 수 있는 성능을 위해 조향 정렬(steering alignment)에 의존한다. 특히, 조향각 센서에 의해 자율주행 차량의 제어 모듈에 보고되는 조향각 측정치가 조향각 오프셋으로 인해 올바른 조향각을 반영하지 못할 수 있기 때문에, 자율주행 차량은 자율주행 차량의 제어기 성능을 위해 캘리브레이팅된 조향각 정렬에 의존한다. 조향각 오프셋은 자율주행 차량이 직진으로 주행할 때 제로 기준 위치(zero reference position)로부터의, 도 또는 라디안 단위의, 편차로서 정의된다. 조향각 오프셋은 고정적(stationary)이거나 일시적일 수 있다. 고정적 오프셋은 종종 축 변형에 의해 야기되거나 또는 차량 섀시, 타이어 마모 또는 서비스에 원인이 있다. 고정적 조향각 오프셋은 서비스가 완료될 때까지 지속된다. 일시적 조향각 오프셋은, 자율주행 차량이 균등하게 분포되지 않은 하중을 운반하고, 이것이 조향에 영향을 미칠 수 있는 경우, 종종 발생한다. 또한, 횡풍(cross-wind), 성토 및 횡단 사면(banking and cross slope), 순환 도로(ring-road), 긴 커브 등과 같은, 특정 운전 조건은 일시적 조향각 오프셋을 유발할 수 있다.

잘못 보고된 조향각 측정치로 인해 발생할 수 있는 문제는 차량 방향 및 제어에서의 위험한 편차를 포함한다. 조향각 오프셋을 보정하기 위해, 자율주행 차량은, 예를 들어, 적응 필터 또는 추정기(예를 들면, 선형 이차 추정기)를 사용하여, 추정된 조향각 오프셋을 결정하기 위해 조향각 센서로부터의 측정된 조향각, 요 레이트 센서로부터의 요 레이트 측정치, 및 자율주행 차량의 알려진 휠베이스를 획득한다. 추정된 조향각 오프셋은 이어서 요 레이트 모델(예를 들어, 1차 모델)을 사용하여 추정된 요 레이트를 결정하는 데 사용된다. 추정된 요 레이트와 측정된 요 레이트 사이의 차이가 지정된 문턱치를 초과할 때 및/또는 추정된 조향각 오프셋이 지정된 문턱치를 초과할 때, 자율주행 차량(또는 다른 엔티티)의 승객에게 경고하는 것과 같은, 액션을 트리거하기 위해 추정된 요 레이트가 측정된 요 레이트와 비교될 수 있다. 일 실시예에서, 프로세싱 회로는 조향각 캘리브레이션 파라미터를 사용하여 측정된 조향각 및/또는 요 레이트 측정치를 캘리브레이팅하는 것에 의해 조향각 정렬을 정정하기 위해 소프트웨어 캘리브레이션을 수행한다.

측정치에서의 오차(예를 들면, 측정 잡음) 및 요 레이트 모델에서의 오차(예를 들면, 프로세스 잡음)가 자율주행 차량의 프로세싱 회로에 의해 수행되는 계산으로 전파될 것이기 때문에, 그러한 오차가 작을 가능성이 있을 때는 이러한 측정치가 취해지거나 사용된다. 제1 지정된 동작 조건 세트가 충족될 때, 예컨대, 자율주행 차량의 전진 속력이 문턱 값 미만(예를 들면, 5 m/s 미만)이고, 요 레이트가 문턱 값 미만(예를 들면, abs (0.5 rad/s) 미만)이며, 슬립각이 문턱 값 미만(예를 들면, 2도 미만)일 때, 측정치가 취해지거나 사용될 수 있다. 제2 지정된 동작 조건 세트가 충족될 때, 예컨대, 자율주행 차량의 속력이 문턱 값 미만(예를 들면, 5 m/s 미만)이고, 요 레이트가 문턱 값 미만(예를 들면, abs (0.5 rad/s) 미만)이며, 측방향 가속도가 문턱 값(예를 들면, abs (1.0 m/s^2)) 미만일 때, 측정치가 또한 취해지거나 사용될 수 있다. 낮은 속력에서는, 조향각 측정치 및 요 레이트 측정치를 왜곡시키는 휠 슬리피지(slippage) 또는 스키딩(skidding)이 더 적다. 다른 예에서, 휠베이스 각도가 문턱 값(예를 들어, 2도) 미만일 때 측정치가 취해지거나 사용될 수 있다. 추가적으로, 지정된 조건이 충족될 때만 측정치를 취하거나 사용하는 것에 의해, 단순화된 요 레이트 모델(예를 들면, 1차 모델) 및 추정기/필터 수식이 사용될 수 있다.

위에서 개시된 지정된 조건 세트가 충족되도록 보장하기 위해, 프로세싱 회로는, 측방향 가속도 조건이 속력 제한으로 충족되도록 보장하여 전진 속력 조건이 충족되도록 보장하는 쭉 뻗은 직선 도로를 (예를 들면, 계획 모듈을 사용하여) 식별하는 것과 같이, 지정된 조건 세트를 충족시킬 수 있는 측정치를 취할 기회를 식별하기 위해 디지털 맵 데이터 또는 다른 리소스를 사용할 수 있다. 추가적으로, 휠 슬리피지 또는 스키딩으로 인해 잘못된 측정치를 유발할 수 있는 특정 노면 상태(예를 들면, 젖은, 결빙된, 기름으로 덮인 노면)이 존재할 때 측정치가 회피될 수 있다.

일 실시예에서, 노면 상태가 조향각 측정치 및/또는 요 레이트 측정치에 영향을 미칠 수 있을 때(예를 들어, 젖은, 결빙된, 기름으로 덮인 노면), 프로세싱 회로는 어떤 측정치도 프로세싱하지 않고 그리고/또는 잡음이 많은 측정치를 추정된 조향각 오프셋의 계산으로부터 제외(필터링)시킨다. 노면 상태는, 예를 들어, 무선 기상 예보 서비스, 다른 차량(V2V)으로부터 및/또는 다양한 도로 상태 센서를 사용하여 획득될 수 있다. 예를 들어, 차량에 탑재된 또는 도로변(V2I)을 따라 있는 도로 상태 센서는, 노면 온도, 수막 높이, 결빙점, 결빙률(ice percentage), 및 마찰 계수를 포함하지만 이에 제한되지 않는, 노면 상태를 측정할 수 있다. 센서는 또한 결빙점 또는 마찰 계수에 영향을 미치는 노면 상의 화학 물질 또는 물질(예를 들면, 소금, 기름)을 검출할 수 있다.

일 실시예에서, 자율주행 차량이 도로에서 긴 커브를 돌고 있을 때 조향각이 측정될 수 있다. 예를 들어, 차량이 좌회전하고 있을 때는 좌회전 조향각 성분이 측정될 수 있고, 차량이 우회전하고 있을 때는 우회전 조향각 성분이 측정될 수 있다. 프로세싱 회로는 측정된 좌회전 조향각 성분과 우회전 조향각 성분의 평균을 계산하여 측정된 조향각을 얻을 수 있다. 일 실시예에서, 가중치가 좌회전 조향각 성분 및 우회전 조향각 성분에 적용되고, 측정된 조향각을 얻기 위해 가중된 성분들이 합산된다.

시스템 개관

도 1은 자율주행 능력을 갖는 자율주행 차량(100)의 일 예를 도시한다.

본원에서 사용되는 바와 같이, "자율주행 능력"이라는 용어는, 완전한 자율주행 차량, 고도의 자율주행 차량, 및 조건부 자율주행 차량을 제한 없이 포함하는, 실시간 인간 개입 없이 차량이 부분적으로 또는 완전하게 동작할 수 있게 하는 기능, 특징, 또는 설비를 지칭한다.

본원에서 사용되는 바와 같이, 자율주행 차량(autonomous vehicle; AV)은 자율주행 능력을 갖는 차량이다.

본원에서 사용되는 바와 같이, "차량"은 상품 또는 사람의 운송 수단을 포함한다. 예를 들어, 자동차, 버스, 기차, 비행기, 드론, 트럭, 보트, 선박, 잠수함, 비행선 등. 무인 자동차는 차량의 일 예이다.

본원에서 사용되는 바와 같이, "궤적"은 AV를 제1 시공간적 위치로부터 제2 시공간적 위치로 운행시키는 경로 또는 루트를 지칭한다. 일 실시예에서, 제1 시공간적 위치는 초기 또는 시작 위치라고 지칭되고 제2 시공간적 위치는 목적지, 최종 위치, 목표, 목표 위치, 또는 목표 장소라고 지칭된다. 일부 예에서, 궤적은 하나 이상의 세그먼트(예를 들면, 도로의 섹션)로 구성되고, 각각의 세그먼트는 하나 이상의 블록(예를 들면, 차선 또는 교차로의 부분)으로 구성된다. 일 실시예에서, 시공간적 위치는 현실 세계 위치에 대응한다. 예를 들어, 시공간적 위치는 사람을 태우거나 내려주고 또는 상품을 싣거나 내리는 픽업(pick up) 위치 또는 드롭 오프(drop-off) 위치이다.

본원에서 사용되는 바와 같이, "센서(들)"는 센서를 둘러싸는 환경에 관한 정보를 검출하는 하나 이상의 하드웨어 컴포넌트를 포함한다. 하드웨어 컴포넌트들 중 일부는 감지 컴포넌트(예를 들면, 이미지 센서, 생체 측정 센서), 송신 및/또는 수신 컴포넌트(예를 들면, 레이저 또는 라디오 주파수 파 송신기 및 수신기), 아날로그 대 디지털 변환기와 같은 전자 컴포넌트, 데이터 저장 디바이스(예컨대, RAM 및/또는 비휘발성 스토리지), 소프트웨어 또는 펌웨어 컴포넌트, 및 ASIC(application-specific integrated circuit), 마이크로프로세서 및/또는 마이크로컨트롤러와 같은 데이터 프로세싱 컴포넌트를 포함할 수 있다.

본원에서 사용되는 바와 같이, "장면 묘사(scene description)"는 AV 차량 상의 하나 이상의 센서에 의해 검출되거나 AV 외부의 소스에 의해 제공되는 하나 이상의 분류된 또는 레이블링된 대상체를 포함하는 데이터 구조(예를 들어, 리스트) 또는 데이터 스트림이다.

본원에서 사용되는 바와 같이, "도로"는 차량에 의해 횡단될 수 있는 물리적 영역이고, 명명된 주요 도로(예를 들어, 도시 거리, 주간 고속도로 등)에 대응할 수 있거나, 또는 명명되지 않은 주요 도로(예를 들어, 주택 또는 사무실 건물 내의 사유 도로, 주차장 섹션, 공터 섹션, 시골 지역의 비포장 경로 등)에 대응할 수 있다. 일부 차량(예를 들면, 4륜 구동 픽업 트럭, 스포츠 유틸리티 차량 등)은 차량 주행에 특히 적합하지 않은 다양한 물리적 영역을 횡단할 수 있기 때문에, "도로"는 임의의 지자체 또는 다른 정부 또는 행정처에 의해 주요 도로로서 공식적으로 규정되지 않은 물리적 영역일 수 있다.

본원에서 사용되는 바와 같이, "차선"은 차량에 의해 횡단될 수 있는 도로의 일부이다. 차선은 때때로 차선 마킹(lane marking)에 기초하여 식별된다. 예를 들어, 차선은 차선 마킹 사이의 공간의 대부분 또는 전부에 대응할 수 있거나, 또는 차선 마킹 사이의 공간의 단지 일부(예를 들면, 50% 미만)에 대응할 수 있다. 예를 들어, 멀리 이격된 차선 마킹을 갖는 도로는 차선 마킹들 사이에 둘 이상의 차량을 수용할 수 있어서, 하나의 차량이 차선 마킹을 횡단하지 않으면서 다른 차량을 추월할 수 있고, 따라서 차선 마킹들 사이의 공간보다 좁은 차선을 갖거나 차선 마킹들 사이에 2개의 차선을 갖는 것으로 해석될 수 있다. 차선은 차선 마킹의 부재 시에도 해석될 수 있다. 예를 들어, 차선은 환경의 물리적 특징, 예를 들어, 시골 지역에서의 주요 도로를 따라 있는 바위 및 나무 또는, 예를 들어, 미개발 지역에서의 피할 자연 장애물에 기초하여 규정될 수 있다. 차선은 또한 차선 마킹 또는 물리적 특징과 무관하게 해석될 수 있다. 예를 들어, 차선은 차선 경계로서 해석될 특징이 달리 없는 영역에서 장애물이 없는 임의의 경로에 기초하여 해석될 수 있다. 예시적인 시나리오에서, AV는 들판 또는 공터의 장애물 없는 부분을 통해 차선을 해석할 수 있다. 다른 예시적인 시나리오에서, AV는 차선 마킹을 갖지 않는 넓은(예를 들면, 2개 이상의 차선을 위해 충분히 넓은) 도로를 통해 차선을 해석할 수 있다. 이 시나리오에서, AV는 차선에 관한 정보를 다른 AV에 전달할 수 있어서, 다른 AV가 동일한 차선 정보를 사용하여 그 자신들 간에 경로 계획을 조정할 수 있다.

"OTA(over-the-air) 클라이언트"라는 용어는 임의의 AV, 또는 AV에 내장되거나, AV에 결합되거나, 또는 AV와 통신하는 임의의 전자 디바이스(예를 들어, 컴퓨터, 컨트롤러, IoT 디바이스, 전자 제어 유닛(electronic control unit; ECU))를 포함한다.

"OTA(over-the-air) 업데이트"라는 용어는, 셀룰러 모바일 통신(예를 들어, 2G, 3G, 4G, 5G), 라디오 무선 영역 네트워크(예를 들어, WiFi) 및/또는 위성 인터넷을 포함하지만 이에 제한되지 않는, 독점적인 및/또는 표준화된 무선 통신 기술을 사용하여 OTA 클라이언트에 전달되는 소프트웨어, 펌웨어, 데이터 또는 구성 설정, 또는 이들의 임의의 조합에 대한 임의의 업데이트, 변경, 삭제, 또는 추가를 의미한다.

"에지 노드"라는 용어는 AV와 통신하기 위한 포털을 제공하고 OTA 업데이트를 스케줄링하여 OTA 클라이언트에 전달하기 위해 다른 에지 노드 및 클라우드 기반 컴퓨팅 플랫폼과 통신할 수 있는 네트워크에 결합된 하나 이상의 에지 디바이스를 의미한다.

"에지 디바이스"라는 용어는 에지 노드를 구현하고 기업 또는 서비스 제공자(예를 들어, VERIZON, AT&T) 코어 네트워크에 물리적 무선 액세스 포인트(access point; AP)를 제공하는 디바이스를 의미한다. 에지 디바이스의 예는 컴퓨터, 제어기, 송신기, 라우터, 라우팅 스위치, IAD(integrated access device), 멀티플렉서, MAN(metropolitan area network) 및 WAN(wide area network) 액세스 디바이스를 포함하지만, 이에 제한되지 않는다.

"하나 이상"은 하나의 요소에 의해 수행되는 기능, 하나 초과의 요소에 의해, 예를 들어, 분산 방식으로, 수행되는 기능, 하나의 요소에 의해 수행되는 여러 기능, 여러 요소에 의해 수행되는 여러 기능, 또는 이들의 임의의 조합을 포함한다.

또한, 제1, 제2 등과 같은 용어가, 일부 예에서, 다양한 요소를 기술하기 위해 본원에서 사용되고 있지만, 이러한 요소는 이러한 용어에 의해 제한되지 않아야 한다는 것이 이해될 것이다. 이러한 용어는 하나의 요소를 다른 요소와 구별하는 데만 사용된다. 예를 들어, 기술된 다양한 실시예의 범위를 벗어나지 않으면서, 제1 접촉은 제2 접촉이라고 지칭될 수 있고, 유사하게 제2 접촉은 제1 접촉이라고 지칭될 수 있다. 제1 접촉과 제2 접촉 둘 모두가 접촉이지만, 동일한 접촉은 아니다.

본원에 기술된 다양한 실시예의 설명에 사용된 용어는 단지 특정한 실시예를 기술하기 위한 것이며, 제한하려는 것은 아니다. 기술된 다양한 실시예 및 첨부된 청구항의 설명에서 사용되는 바와 같이, 단수형은, 문맥이 달리 명확히 표시하지 않는 한, 복수형을 포함하는 것으로 의도되어 있다. "및/또는"이라는 용어가, 본원에서 사용되는 바와 같이, 열거된 연관 항목들 중 하나 이상의 항목의 임의의 및 모든 가능한 조합을 지칭하고 포함한다는 것이 또한 이해될 것이다. 게다가, "포함한다" 및/또는 "포함하는"이라는 용어가, 본 설명에서 사용될 때, 언급된 특징, 정수, 단계, 동작, 요소, 및/또는 컴포넌트의 존재를 명기하지만, 하나 이상의 다른 특징, 정수, 단계, 동작, 요소, 컴포넌트, 및/또는 그의 그룹의 존재 또는 추가를 배제하지 않는다는 것이 이해될 것이다.

본원에서 사용되는 바와 같이, "~ 경우"라는 용어는 선택적으로 문맥에 따라 "~할 때", 또는 "~시에" 또는 "결정에 응답하여" 또는 "검출에 응답하여"를 의미하는 것으로 해석된다. 마찬가지로, 문구 "~라고 결정된다면" 또는 "[언급된 조건 또는 이벤트]가 검출되는 경우"는 선택적으로 문맥에 따라, "결정할 시에" 또는 "결정에 응답하여" 또는 "[언급된 조건 또는 이벤트]의 검출 시에" 또는 "[언급된 조건 또는 이벤트]의 검출에 응답하여"를 의미하는 것으로 해석된다.

본원에서 사용되는 바와 같이, AV 시스템은 AV의 동작을 지원하는 하드웨어, 소프트웨어, 저장 데이터 및 실시간으로 생성된 데이터의 어레이와 함께 AV를 지칭한다. 일 실시예에서, AV 시스템은 AV 내에 포함된다. 일 실시예에서, AV 시스템은 여러 위치에 걸쳐 확산되어 있다. 예를 들어, AV 시스템의 소프트웨어 중 일부는 도 3과 관련하여 아래에서 기술되는 클라우드 컴퓨팅 환경(300)과 유사한 클라우드 컴퓨팅 환경 상에 구현된다.

일반적으로, 본원은 완전한 자율주행 차량, 고도의 자율주행 차량, 및 조건부 자율주행 차량, 예를 들어, 각각 소위 레벨 5 차량, 레벨 4 차량 및 레벨 3 차량을 포함하는 하나 이상의 자율주행 능력을 갖는 임의의 차량에 적용 가능한 기술을 개시한다(차량의 자율성의 레벨 분류에 대한 세부 사항은 본원에 그 전체가 참조로 포함된, SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의(Taxonomy and Definitions for Terms Related to On-128-172020-02-28 Road Motor Vehicle Automated Driving Systems) 참조). 또한, 본원에서 개시된 기술은 부분적 자율주행 차량 및 운전자 보조 차량, 예컨대, 소위 레벨 2 및 레벨 1 차량에도 적용 가능하다(SAE 국제 표준 J3016: 온로드 자동차 자동 운전 시스템에 관한 용어의 분류 및 정의 참조). 일 실시예에서, 레벨 1, 레벨 2, 레벨 3, 레벨 4 및 레벨 5 차량 시스템 중 하나 이상은 센서 입력의 프로세싱에 기초하여 특정의 동작 조건 하에서 특정의 차량 동작(예를 들면, 조향, 제동, 및 맵 사용)을 자동화할 수 있다. 본 문서에서 설명된 기술은, 완전한 자율주행 차량으로부터 인간 운전 차량에 이르는, 임의의 레벨에 있는 차량에 혜택을 줄 수 있다.

자율주행 차량은 사람 운전자를 필요로 하는 차량보다 장점이 있다. 한 가지 장점은 안전성이다. 예를 들어, 2016년에, 미국은 9100억 달러의 사회적 비용으로 추정되는 600만 건의 자동차 사고, 240만 건의 부상, 4만 명의 사망자, 및 1300만 건의 차량 충돌을 경험했다. 1억 마일 주행당 미국 교통 사망자수는, 부분적으로 차량에 설치된 추가적인 안전 대책으로 인해, 1965년과 2015년 사이에 약 6명으로부터 1명으로 줄었다. 예를 들어, 충돌이 발생할 것이라는 추가적인 0.5초의 경고는 전후 충돌의 60%를 완화시키는 것으로 여겨진다. 그렇지만, 수동적 안전 특징(예를 들면, 안전 벨트, 에어백)은 이 수치를 개선시키는 데 한계에 도달했을 것이다. 따라서 차량의 자동 제어와 같은, 능동적 안전 대책이 이러한 통계치를 개선시키는 데 유망한 다음 단계이다. 인간 운전자가 95%의 충돌에서 중요한 충돌전 사건에 책임있는 것으로 여겨지기 때문에, 자동 운전 시스템은, 예를 들어, 중요한 상황을 인간보다 잘 신뢰성있게 인식하고 피하는 것에 의해; 더 나은 의사 결정을 하고, 교통 법규를 준수하며, 미래의 사건을 인간보다 더 잘 예측하는 것에 의해; 그리고 차량을 인간보다 더 잘 신뢰성 있게 제어하는 것에 의해 더 나은 안전성 결과를 달성할 수 있다.

도 1을 참조하면, AV 시스템(120)은, 대상체(예를 들면, 자연 장애물(191), 차량(193), 보행자(192), 자전거 타는 사람, 및 다른 장애물)을 피하고 도로 법규(예를 들면, 동작 규칙 또는 운전 선호사항)를 준수하면서, AV(100)를 궤적(198)을 따라 환경(190)을 통과하여 목적지(199)(때때로 최종 위치라고 지칭됨)로 동작시킨다.

일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)로부터 동작 커맨드를 수신하고 이에 따라 동작하도록 설비된 디바이스(101)를 포함한다. 일 실시예에서, 컴퓨팅 프로세서(146)는 도 3을 참조하여 아래에서 기술되는 프로세서(304)와 유사하다. 디바이스(101)의 예는 조향 컨트롤(102), 브레이크(103), 기어, 가속기 페달 또는 다른 가속 제어 메커니즘, 윈드실드 와이퍼, 사이드 도어 락, 윈도 컨트롤, 및 방향 지시등을 포함한다.

일 실시예에서, AV 시스템(120)은 AV의 위치, 선속도와 각속도 및 선가속도와 각가속도, 및 헤딩(heading)(예를 들면, AV(100)의 선단의 배향)와 같은 AV(100)의 상태 또는 조건의 속성을 측정 또는 추론하기 위한 센서(121)를 포함한다. 센서(121)의 예는 GPS, 차량 선가속도 및 각도 변화율(angular rate) 둘 모두를 측정하는 IMU(inertial measurement unit), 휠 슬립률(wheel slip ratio)을 측정 또는 추정하기 위한 휠 속력 센서, 휠 브레이크 압력 또는 제동 토크 센서, 엔진 토크 또는 휠 토크 센서, 그리고 조향각 및 각도 변화율 센서이다.

일 실시예에서, 센서(121)는 AV의 환경의 속성을 감지 또는 측정하기 위한 센서를 또한 포함한다. 예를 들어, 가시광, 적외선 또는 열(또는 둘 모두) 스펙트럼의 단안 또는 스테레오 비디오 카메라(122), LiDAR(123), RADAR, 초음파 센서, TOF(time-of-flight) 깊이 센서, 속력 센서, 온도 센서, 습도 센서, 및 강우 센서.

일 실시예에서, AV 시스템(120)은 컴퓨터 프로세서(146)와 연관된 머신 명령어 또는 센서(121)에 의해 수집된 데이터를 저장하기 위한 데이터 저장 유닛(142) 및 메모리(144)를 포함한다. 일 실시예에서, 데이터 저장 유닛(142)은 도 3과 관련하여 아래에서 기술되는 ROM(308) 또는 저장 디바이스(310)와 유사하다. 일 실시예에서, 메모리(144)는 아래에서 기술되는 메인 메모리(306)와 유사하다. 일 실시예에서, 데이터 저장 유닛(142) 및 메모리(144)는 환경(190)에 관한 과거 정보, 실시간 정보, 및/또는 예측 정보를 저장한다. 일 실시예에서, 저장된 정보는 맵, 운전 성능, 교통 혼잡 업데이트 또는 기상 상태를 포함한다. 일 실시예에서, 환경(190)에 관한 데이터는 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.

일 실시예에서, AV 시스템(120)은 다른 차량의 상태 및 조건, 예컨대, 위치, 선속도와 각속도, 선가속도와 각가속도, 및 AV(100)를 향한 선형 헤딩(linear heading)과 각도 헤딩(angular heading)의 측정된 또는 추론된 속성을 통신하기 위한 통신 디바이스(140)를 포함한다. 이러한 디바이스는 V2V(Vehicle-to-Vehicle) 및 V2I(Vehicle-to-Infrastructure) 통신 디바이스 및 포인트-투-포인트(point-to-point) 또는 애드혹(ad hoc) 네트워크 또는 둘 모두를 통한 무선 통신을 위한 디바이스를 포함한다. 일 실시예에서, 통신 디바이스(140)는 (라디오 및 광학 통신을 포함하는) 전자기 스펙트럼 또는 다른 매체(예를 들면, 공기 및 음향 매체)를 통해 통신한다. V2V(Vehicle-to-Vehicle), V2I(Vehicle-to-Infrastructure) 통신(및 일부 실시예에서, 하나 이상의 다른 유형의 통신)의 조합이 때때로 V2X(Vehicle-to-Everything) 통신이라고 지칭된다. V2X 통신은 전형적으로, 자율주행 차량과의 통신 및 자율주행 차량들 사이의 통신을 위한 하나 이상의 통신 표준을 준수한다.

일 실시예에서, 통신 디바이스(140)는 통신 인터페이스를 포함한다. 예를 들어, 유선, 무선, WiMAX, WiFi, 블루투스, 위성, 셀룰러, 광학, 근거리, 적외선, 또는 라디오 인터페이스. 통신 인터페이스는 원격에 위치된 데이터베이스(134)로부터 AV 시스템(120)으로 데이터를 송신한다. 일 실시예에서, 원격에 위치된 데이터베이스(134)는 도 2에 기술된 바와 같은 클라우드 컴퓨팅 환경(200)에 내장된다. 통신 인터페이스(140)는 센서(121)로부터 수집된 데이터 또는 AV(100)의 동작에 관련된 다른 데이터를 원격에 위치된 데이터베이스(134)에 송신한다. 일 실시예에서, 통신 인터페이스(140)는 원격 조작(teleoperation)에 관련되는 정보를 AV(100)에 송신한다. 일부 실시예에서, AV(100)는 다른 원격(예를 들면, "클라우드") 서버(136)와 통신한다.

일 실시예에서, 원격에 위치된 데이터베이스(134)는 또한 디지털 데이터를 저장 및 송신한다(예를 들면, 도로 및 거리 위치와 같은 데이터를 저장함). 그러한 데이터는 AV(100) 상의 메모리(144)에 저장되거나, 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신된다.

일 실시예에서, 원격에 위치된 데이터베이스(134)는 유사한 시각(time of day)에 궤적(198)을 따라 이전에 주행한 적이 있는 차량의 운전 속성(예를 들면, 속력 및 가속도 프로파일)에 관한 과거 정보를 저장 및 송신한다. 일 구현예에서, 그러한 데이터는 AV(100) 상의 메모리(144)에 저장될 수 있거나, 원격에 위치된 데이터베이스(134)로부터 통신 채널을 통해 AV(100)에 송신될 수 있다.

AV(100) 상에 위치된 컴퓨팅 디바이스(146)는 실시간 센서 데이터 및 사전 정보(prior information) 둘 모두에 기초한 제어 액션을 알고리즘적으로 생성하여, AV 시스템(120)이 자율주행 운전 능력을 실행할 수 있게 한다.

일 실시예에서, AV 시스템(120)은 AV(100)의 사용자(예를 들면, 탑승자 또는 원격 사용자)에게 정보 및 경고를 제공하고 그로부터 입력을 수신하기 위해 컴퓨팅 디바이스(146)에 결합된 컴퓨터 주변기기(132)를 포함한다. 일 실시예에서, 주변기기(132)는 도 3을 참조하여 아래에서 논의되는 디스플레이(312), 입력 디바이스(314), 및 커서 컨트롤러(316)와 유사하다. 결합은 무선 또는 유선이다. 인터페이스 디바이스들 중 임의의 둘 이상이 단일 디바이스에 통합될 수 있다.

도 2는 예시적인 "클라우드" 컴퓨팅 환경을 예시한다. 클라우드 컴퓨팅은 구성 가능한 컴퓨팅 리소스(예를 들면, 네트워크, 네트워크 대역폭, 서버, 프로세싱, 메모리, 스토리지, 애플리케이션, 가상 머신, 및 서비스)의 공유 풀에 대한 편리한 온-디맨드 네트워크 액세스를 가능하게 하기 위한 서비스 전달(service delivery)의 일 모델이다. 전형적인 클라우드 컴퓨팅 시스템에서는, 하나 이상의 대규모 클라우드 데이터 센터가 클라우드에 의해 제공되는 서비스를 전달하는 데 사용되는 머신을 수용한다. 이제 도 2를 참조하면, 클라우드 컴퓨팅 환경(200)은 클라우드(202)를 통해 상호연결되는 클라우드 데이터 센터(204a, 204b, 및 204c)를 포함한다. 데이터 센터(204a, 204b, 및 204c)는 클라우드 컴퓨팅 서비스를 클라우드(202)에 연결된 컴퓨터 시스템(206a, 206b, 206c, 206d, 206e, 및 206f)에 제공한다.

클라우드 컴퓨팅 환경(200)은 하나 이상의 클라우드 데이터 센터를 포함한다. 일반적으로, 클라우드 데이터 센터, 예를 들어, 도 2에 도시된 클라우드 데이터 센터(204a)는 클라우드, 예를 들어, 도 2에 도시된 클라우드(202) 또는 클라우드의 특정 부분을 구성하는 서버의 물리적 배열체를 지칭한다. 예를 들어, 서버는 클라우드 데이터 센터 내에 룸, 그룹, 로우(row), 및 랙(rack)으로 물리적으로 배열된다. 클라우드 데이터 센터는 하나 이상의 서버 룸을 포함하는 하나 이상의 구역(zone)을 갖는다. 각각의 룸은 하나 이상의 서버 로우를 가지며, 각각의 로우는 하나 이상의 랙을 포함한다. 각각의 랙은 하나 이상의 개별 서버 노드를 포함한다. 일부 구현예에서, 구역, 룸, 랙, 및/또는 로우 내의 서버는, 전력 요건, 에너지 요건, 열적 요건, 가열 요건, 및/또는 다른 요건을 포함하는, 데이터 센터 설비의 물리적 인프라스트럭처 요건에 기초하여 그룹으로 배열된다. 일 실시예에서, 서버 노드는 도 3에서 기술된 컴퓨터 시스템과 유사하다. 데이터 센터(204a)는 다수의 랙을 통해 분산된 다수의 컴퓨팅 시스템을 갖는다.

클라우드(202)는 클라우드 데이터 센터(204a, 204b, 및 204c)를 상호연결시키고 클라우드 컴퓨팅 서비스에 대한 컴퓨팅 시스템(206a 내지 206f)의 액세스를 용이하게 하는 것을 돕는 네트워크 및 네트워킹 리소스(예를 들어, 네트워킹 장비, 노드, 라우터, 스위치, 및 네트워킹 케이블)와 함께 클라우드 데이터 센터(204a, 204b, 및 204c)를 포함한다. 일 실시예에서, 네트워크는 지상 또는 위성 연결을 사용하여 배포된 유선 또는 무선 링크를 사용하여 결합된 하나 이상의 로컬 네트워크, 광역 네트워크, 또는 인터네트워크의 임의의 조합을 나타낸다. 네트워크를 거쳐 교환되는 데이터는, IP(Internet Protocol), MPLS(Multiprotocol Label Switching), ATM(Asynchronous Transfer Mode), 및 프레임 릴레이 등과 같은, 임의의 개수의 네트워크 계층 프로토콜을 사용하여 송신된다. 게다가, 네트워크가 다수의 서브 네트워크의 조합을 나타내는 실시예에서는, 기저 서브 네트워크(underlying sub-network) 각각에서 상이한 네트워크 계층 프로토콜이 사용된다. 일부 실시예에서, 네트워크는, 공중 인터넷과 같은, 하나 이상의 상호연결된 인터네트워크를 나타낸다.

컴퓨팅 시스템(206a 내지 206f) 또는 클라우드 컴퓨팅 서비스 소비자는 네트워크 링크 및 네트워크 어댑터를 통해 클라우드(202)에 연결된다. 일 실시예에서, 컴퓨팅 시스템(206a 내지 206f)은 다양한 컴퓨팅 디바이스, 예를 들어, 서버, 데스크톱, 랩톱, 태블릿, 스마트폰, IoT(Internet of Things) 디바이스, 자율주행 차량(자동차, 드론, 셔틀, 기차, 버스 등을 포함함) 및 소비자 전자기기로서 구현된다. 일 실시예에서, 컴퓨팅 시스템(206a 내지 206f)은 다른 시스템 내에 또는 그 일부로서 구현된다.

도 3은 컴퓨터 시스템(300)을 예시한다. 일 구현예에서, 컴퓨터 시스템(300)은 특수 목적 컴퓨팅 디바이스이다. 특수 목적 컴퓨팅 디바이스는 기술을 수행하도록 고정-배선(hard-wired)되거나, 기술을 수행하도록 지속적으로 프로그래밍되는 하나 이상의 ASIC(application-specific integrated circuit) 또는 FPGA(field programmable gate array)와 같은 디지털 전자 디바이스를 포함하거나, 펌웨어, 메모리, 다른 스토리지 또는 조합 내의 프로그램 명령어에 따라 기술을 수행하도록 프로그래밍되는 하나 이상의 범용 하드웨어 프로세서를 포함할 수 있다. 그러한 특수 목적 컴퓨팅 디바이스는 또한 커스텀 고정 배선 로직, ASIC, 또는 FPGA를 커스텀 프로그래밍과 조합하여 기술을 실현할 수 있다. 다양한 실시예에서, 특수 목적 컴퓨팅 디바이스는 기술을 구현하기 위한 고정 배선 및/또는 프로그램 로직을 포함하는 데스크톱 컴퓨터 시스템, 휴대용 컴퓨터 시스템, 핸드헬드 디바이스, 네트워크 디바이스, 또는 임의의 다른 디바이스이다.

일 실시예에서, 컴퓨터 시스템(300)은 정보를 통신하기 위한 버스(302) 또는 다른 통신 메커니즘, 및 정보를 프로세싱하기 위해 버스(302)와 결합된 하드웨어 프로세서(304)를 포함한다. 하드웨어 프로세서(304)는, 예를 들어, 범용 마이크로프로세서이다. 컴퓨터 시스템(300)은 프로세서(304)에 의해 실행될 명령어 및 정보를 저장하기 위해 버스(302)에 결합된, RAM(random access memory) 또는 다른 동적 저장 디바이스와 같은, 메인 메모리(306)를 또한 포함한다. 일 구현예에서, 메인 메모리(306)는 프로세서(304)에 의해 실행될 명령어의 실행 동안 임시 변수 또는 다른 중간 정보를 저장하는 데 사용된다. 그러한 명령어는, 프로세서(304)에 의해 액세스 가능한 비-일시적 저장 매체에 저장되어 있을 때, 컴퓨터 시스템(300)을 명령어에 지정된 동작을 수행하도록 커스터마이징된 특수 목적 머신으로 만든다.

일 실시예에서, 컴퓨터 시스템(300)은, 프로세서(304)를 위한 정적 정보 및 명령어를 저장하기 위해 버스(302)에 결합된 ROM(read only memory)(308) 또는 다른 정적 저장 디바이스를 더 포함한다. 자기 디스크, 광학 디스크, 솔리드 스테이트 드라이브, 또는 3차원 크로스 포인트 메모리와 같은, 저장 디바이스(310)가 제공되고 정보 및 명령어를 저장하기 위해 버스(302)에 결합된다.

일 실시예에서, 컴퓨터 시스템(300)은 버스(302)를 통해, 정보를 컴퓨터 사용자에게 디스플레이하기 위한 CRT(cathode ray tube), LCD(liquid crystal display), 플라즈마 디스플레이, LED(light emitting diode) 디스플레이, 또는 OLED(organic light emitting diode) 디스플레이와 같은 디스플레이(312)에 결합된다. 문자 숫자식 키 및 다른 키를 포함하는 입력 디바이스(314)는 정보 및 커맨드 선택을 프로세서(304)에 통신하기 위해 버스(302)에 결합된다. 다른 유형의 사용자 입력 디바이스는 방향 정보 및 커맨드 선택을 프로세서(304)에 통신하고 디스플레이(312) 상에서의 커서 움직임을 제어하기 위한, 마우스, 트랙볼, 터치식 디스플레이, 또는 커서 방향 키와 같은, 커서 컨트롤러(316)이다. 이러한 입력 디바이스는 전형적으로, 디바이스가 평면에서의 위치를 지정할 수 있게 하는 2개의 축, 즉 제1 축(예를 들면, x-축) 및 제2 축(예를 들면, y-축)에서의 2 자유도를 갖는다.

일 실시예에 따르면, 본원에서의 기술은 프로세서(304)가 메인 메모리(306)에 포함된 하나 이상의 명령어의 하나 이상의 시퀀스를 실행하는 것에 응답하여 컴퓨터 시스템(300)에 의해 수행된다. 그러한 명령어는, 저장 디바이스(310)와 같은, 다른 저장 매체로부터 메인 메모리(306) 내로 판독된다. 메인 메모리(306)에 포함된 명령어의 시퀀스의 실행은 프로세서(304)로 하여금 본원에서 기술된 프로세스 단계를 수행하게 한다. 대안적인 실시예에서는, 소프트웨어 명령어 대신에 또는 소프트웨어 명령어와 조합하여 고정 배선 회로가 사용된다.

"저장 매체"라는 용어는, 본 명세서에서 사용되는 바와 같이, 머신이 특정 방식으로 동작하게 하는 데이터 및/또는 명령어를 저장하는 임의의 비-일시적 매체를 지칭한다. 그러한 저장 매체는 비휘발성 매체 및/또는 휘발성 매체를 포함한다. 비휘발성 매체는, 예를 들어, 광학 디스크, 자기 디스크, 솔리드 스테이트 드라이브, 또는 3차원 크로스 포인트 메모리, 예컨대, 저장 디바이스(310)를 포함한다. 휘발성 매체는 동적 메모리, 예컨대, 메인 메모리(306)를 포함한다. 저장 매체의 일반적인 형태는, 예를 들어, 플로피 디스크, 플렉서블 디스크, 하드 디스크, 솔리드 스테이트 드라이브, 자기 테이프, 또는 임의의 다른 자기 데이터 저장 매체, CD-ROM, 임의의 다른 광학 데이터 저장 매체, 홀 패턴을 갖는 임의의 물리적 매체, RAM, PROM, 및 EPROM, FLASH-EPROM, NV-RAM, 또는 임의의 다른 메모리 칩, 또는 카트리지를 포함한다.

저장 매체는 송신 매체와 별개이지만 송신 매체와 함께 사용될 수 있다. 송신 매체는 저장 매체들 사이에서 정보를 전달하는 데 참여한다. 예를 들어, 송신 매체는 버스(302)를 포함하는 와이어를 포함하여, 동축 케이블, 구리 와이어 및 광섬유를 포함한다. 송신 매체는 또한, 라디오 파 및 적외선 데이터 통신 동안 생성되는 것과 같은, 광파 또는 음향파의 형태를 취할 수 있다.

일 실시예에서, 실행을 위해 하나 이상의 명령어의 하나 이상의 시퀀스를 프로세서(304)에 반송하는 데 다양한 형태의 매체가 관여된다. 예를 들어, 명령어는 초기에 원격 컴퓨터의 자기 디스크 또는 솔리드 스테이트 드라이브에 보유된다. 원격 컴퓨터는 동적 메모리에 명령어를 로딩하고 모뎀을 사용하여 전화선을 통해 명령어를 전송한다. 컴퓨터 시스템(300)에 로컬인 모뎀은 전화선 상으로 데이터를 수신하고 적외선 송신기를 사용하여 데이터를 적외선 신호로 변환한다. 적외선 검출기는 적외선 신호로 반송되는 데이터를 수신하고 적절한 회로는 데이터를 버스(302)에 배치한다. 버스(302)는 데이터를 메인 메모리(306)로 반송하고, 프로세서(304)는 메인 메모리로부터 명령어를 검색 및 실행한다. 메인 메모리(306)에 의해 수신된 명령어는 프로세서(304)에 의해 실행되기 전이나 실행된 후에 선택적으로 저장 디바이스(310)에 저장될 수 있다.

컴퓨터 시스템(300)은 버스(302)에 결합된 통신 인터페이스(318)를 또한 포함한다. 통신 인터페이스(318)는 로컬 네트워크(322)에 연결된 네트워크 링크(320)에 대한 2-웨이 데이터 통신(two-way data communication) 결합을 제공한다. 예를 들어, 통신 인터페이스(318)는 ISDN(integrated service digital network) 카드, 케이블 모뎀, 위성 모뎀, 또는 대응하는 유형의 전화선에 데이터 통신 연결을 제공하기 위한 모뎀이다. 다른 예로서, 통신 인터페이스(318)는 호환 가능한 LAN(local area network)에 데이터 통신 연결을 제공하기 위한 LAN 카드이다. 일부 구현예에서는, 무선 링크도 구현된다. 임의의 그러한 구현예에서, 통신 인터페이스(318)는 다양한 유형의 정보를 나타내는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 전송 및 수신한다.

네트워크 링크(320)는 전형적으로 하나 이상의 네트워크를 통한 다른 데이터 디바이스로의 데이터 통신을 제공한다. 예를 들어, 네트워크 링크(320)는 로컬 네트워크(322)를 통해 호스트 컴퓨터(324)로의 연결 또는 ISP(Internet Service Provider)(326)에 의해 운영되는 클라우드 데이터 센터 또는 장비로의 연결을 제공한다. ISP(326)는 차례로 지금은 "인터넷(328)"이라고 통상적으로 지칭되는 월드-와이드 패킷 데이터 통신 네트워크(world-wide packet data communication network)를 통해 데이터 통신 서비스를 제공한다. 로컬 네트워크(322) 및 인터넷(328) 둘 모두는 디지털 데이터 스트림을 반송하는 전기 신호, 전자기 신호, 또는 광학 신호를 사용한다. 컴퓨터 시스템(300)으로 및 컴퓨터 시스템(300)으로부터 디지털 데이터를 반송하는, 다양한 네트워크를 통한 신호 및 통신 인터페이스(318)를 통한 네트워크 링크(320) 상의 신호는 송신 매체의 예시적인 형태이다. 일 실시예에서, 네트워크(320)는 위에서 기술된 클라우드(202) 또는 클라우드(202)의 일부를 포함한다.

컴퓨터 시스템(300)은 네트워크(들), 네트워크 링크(320), 및 통신 인터페이스(318)를 통해, 프로그램 코드를 포함하여, 메시지를 전송하고 데이터를 수신한다. 일 실시예에서, 컴퓨터 시스템(300)은 프로세싱하기 위한 코드를 수신한다. 수신된 코드는 수신될 때 프로세서(304)에 의해 실행되고 그리고/또는 추후의 실행을 위해 저장 디바이스(310) 또는 다른 비휘발성 스토리지에 저장된다.

자율주행 차량 아키텍처

도 4는 자율주행 차량(예를 들면, 도 1에 도시된 AV(100))에 대한 예시적인 아키텍처(400)를 도시한다. 아키텍처(400)는 인지 모듈(402)(때때로 인지 회로라고 지칭됨), 계획 모듈(planning module)(404)(때때로 계획 회로라고 지칭됨), 제어 모듈(406)(때때로 제어 회로라고 지칭됨), 로컬화 모듈(localization module)(408)(때때로 로컬화 회로라고 지칭됨), 및 데이터베이스 모듈(410)(때때로 데이터베이스 회로라고 지칭됨)을 포함한다. 각각의 모듈은 AV(100)의 동작에서 소정의 역할을 한다. 다함께, 모듈(402, 404, 406, 408, 및 410)은 도 1에 도시된 AV 시스템(120)의 일부일 수 있다. 일부 실시예에서, 모듈(402, 404, 406, 408, 및 410) 중 임의의 모듈은 컴퓨터 소프트웨어(예를 들면, 컴퓨터 판독 가능 매체 상에 저장된 실행 가능한 코드) 및 컴퓨터 하드웨어(예를 들면, 하나 이상의 마이크로프로세서, 마이크로컨트롤러, ASIC(application-specific integrated circuit), 하드웨어 메모리 디바이스, 다른 유형의 집적 회로, 다른 유형의 컴퓨터 하드웨어, 또는 이러한 것 중 임의의 것 또는 모든 것의 조합)의 조합이다. 모듈(402, 404, 406, 408, 및 410)의 각각의 모듈은 때때로 프로세싱 회로(예를 들면, 컴퓨터 하드웨어, 컴퓨터 소프트웨어, 또는 이 둘의 조합)라고 지칭된다. 모듈(402, 404, 406, 408, 및 410) 중 임의의 것 또는 모든 것의 조합은 또한 프로세싱 회로의 일 예이다.

사용 중에, 계획 모듈(404)은 목적지(412)를 나타내는 데이터를 수신하고 목적지(412)에 도달하기 위해(예를 들면, 도착하기 위해) AV(100)에 의해 주행될 수 있는 궤적(414)(때때로 루트라고 지칭됨)을 나타내는 데이터를 결정한다. 계획 모듈(404)이 궤적(414)을 나타내는 데이터를 결정하기 위해, 계획 모듈(404)은 인지 모듈(402), 로컬화 모듈(408), 및 데이터베이스 모듈(410)로부터 데이터를 수신한다.

인지 모듈(402)은, 예를 들면, 도 1에도 도시된 바와 같이, 하나 이상의 센서(121)를 사용하여 인근의 물리적 대상체를 식별한다. 대상체는 분류되고(예를 들면, 보행자, 자전거, 자동차, 교통 표지판 등과 같은 유형으로 그룹화되고), 분류된 대상체(416)를 포함하는 장면 묘사는 계획 모듈(404)에 제공된다.

계획 모듈(404)은 또한 로컬화 모듈(408)로부터 AV 위치(418)를 나타내는 데이터를 수신한다. 로컬화 모듈(408)은 위치를 계산하기 위해 센서(121)로부터의 데이터 및 데이터베이스 모듈(410)로부터의 데이터(예를 들면, 지리적 데이터)를 사용하여 AV 위치를 결정한다. 예를 들어, 로컬화 모듈(408)은 GNSS(Global Navigation Satellite System) 센서로부터의 데이터 및 지리적 데이터를 사용하여 AV의 경도 및 위도를 계산한다. 일 실시예에서, 로컬화 모듈(408)에 의해 사용되는 데이터는 도로 기하학적 속성의 고-정밀 맵, 도로망 연결 속성을 기술하는 맵, 도로 물리적 속성(예컨대, 교통 속력, 교통량, 차량 교통 차선과 자전거 타는 사람 교통 차선의 개수, 차선 폭, 차선 교통 방향, 또는 차선 마커 유형 및 위치, 또는 그 조합)을 기술하는 맵, 및 도로 특징부, 예컨대, 횡단보도, 교통 표지판 또는 다양한 유형의 다른 주행 신호(travel signal)의 공간적 위치를 기술하는 맵을 포함한다. 일 실시예에서, 고-정밀 맵은 자동 또는 수동 주석 달기(annotation)를 통해 저-정밀 맵에 데이터를 추가함으로써 구성된다.

제어 모듈(406)은 궤적(414)을 나타내는 데이터 및 AV 위치(418)를 나타내는 데이터를 수신하고, AV(100)로 하여금 목적지(412)를 향해 궤적(414)을 주행하게 할 방식으로 AV의 제어 기능(420a 내지 420c)(예를 들면, 조향, 스로틀링, 제동, 점화)을 동작시킨다. 예를 들어, 궤적(414)이 좌회전을 포함하는 경우, 제어 모듈(406)은, 조향 기능의 조향각이 AV(100)로 하여금 왼쪽으로 회전하게 하고 스로틀링 및 제동이 AV(100)로 하여금 이러한 회전이 이루어지기 전에 지나가는 보행자 또는 차량을 위해 일시정지 및 대기하게 하는 방식으로 제어 기능(420a 내지 420c)을 동작시킬 것이다.

자율주행 차량 입력

도 5는 인지 모듈(402)(도 4)에 의해 사용되는 입력(502a 내지 502d)(예를 들면, 도 1에 도시된 센서(121)) 및 출력(504a 내지 504d)(예를 들면, 센서 데이터)의 일 예를 도시한다. 하나의 입력(502a)은 LiDAR(Light Detection and Ranging) 시스템(예를 들면, 도 1에 도시된 LiDAR(123))이다. LiDAR는 그의 시선에 있는 물리적 대상체에 관한 데이터를 획득하기 위해 광(예를 들면, 적외선 광과 같은 광의 버스트)을 사용하는 기술이다. LiDAR 시스템은 출력(504a)으로서 LiDAR 데이터를 생성한다. 예를 들어, LiDAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 3D 또는 2D 포인트(포인트 클라우드라고도 알려져 있음)의 집합체이다.

다른 입력(502b)은 RADAR 시스템이다. RADAR는 인근의 물리적 대상체에 관한 데이터를 획득하기 위해 라디오 파를 사용하는 기술이다. RADAR는 LiDAR 시스템의 시선 내에 있지 않은 대상체에 관한 데이터를 획득할 수 있다. RADAR 시스템(502b)은 출력(504b)으로서 RADAR 데이터를 생성한다. 예를 들어, RADAR 데이터는 환경(190)의 표현을 구성하는 데 사용되는 하나 이상의 라디오 주파수 전자기 신호이다.

다른 입력(502c)은 카메라 시스템이다. 카메라 시스템은 인근의 물리적 대상체에 관한 정보를 획득하기 위해 하나 이상의 카메라(예를 들면, CCD(charge-coupled device)와 같은 광 센서를 사용하는 디지털 카메라)를 사용한다. 카메라 시스템은 출력(504c)으로서 카메라 데이터를 생성한다. 카메라 데이터는 종종 이미지 데이터(예를 들면, RAW, JPEG, PNG 등과 같은 이미지 데이터 포맷의 데이터)의 형태를 취한다. 일부 예에서, 카메라 시스템은, 카메라 시스템이 깊이를 인지할 수 있게 하는, 예를 들어, 입체시(stereopsis)(스테레오 비전)를 위한, 다수의 독립적인 카메라를 갖는다. 비록 카메라 시스템에 의해 인지되는 대상체가 여기서 "인근"으로 기술되지만, 이것은 AV에 상대적인 것이다. 사용 중에, 카메라 시스템은 멀리 있는, 예를 들어, AV 전방으로 최대 1 킬로미터 이상에 있는 대상체를 "보도록" 구성될 수 있다. 따라서, 카메라 시스템은 멀리 떨어져 있는 대상체를 인지하도록 최적화되어 있는 센서 및 렌즈와 같은 특징부를 가질 수 있다.

다른 입력(502d)은 TLD(traffic light detection) 시스템이다. TLD 시스템은 하나 이상의 카메라를 사용하여, 시각적 운행 정보를 제공하는 교통 신호등, 거리 표지판, 및 다른 물리적 대상체에 관한 정보를 획득한다. TLD 시스템은 출력(504d)으로서 TLD 데이터를 생성한다. TLD 데이터는 종종 이미지 데이터(예를 들면, RAW, JPEG, PNG 등과 같은 이미지 데이터 포맷의 데이터)의 형태를 취한다. TLD 시스템은, 시각적 운행 정보를 제공하는 가능한 한 많은 물리적 대상체에 관한 정보를 획득하기 위해 TLD 시스템이 넓은 시야를 갖는 카메라(예를 들면, 광각 렌즈 또는 어안 렌즈를 사용함)를 사용하여, AV(100)가 이러한 대상체에 의해 제공되는 모든 관련 운행 정보에 액세스한다는 점에서, 카메라를 포함하는 시스템과 상이하다. 예를 들어, TLD 시스템의 시야각은 약 120도 이상일 수 있다.

일부 실시예에서, 출력(504a 내지 504d)은 센서 융합 기술을 사용하여 조합된다. 따라서, 개별 출력(504a 내지 504d) 중 어느 하나가 AV(100)의 다른 시스템에 제공되거나(예를 들면, 도 4에 도시된 바와 같은 계획 모듈(404)에 제공되거나), 또는 조합된 출력이 동일한 유형(동일한 조합 기술을 사용하는 것 또는 동일한 출력을 조합하는 것 또는 둘 모두)의 단일 조합 출력 또는 다중 조합 출력의 형태 또는 상이한 유형(예를 들면, 상이한 각자의 조합 기술을 사용하는 것 또는 상이한 각자의 출력을 조합하는 것 또는 둘 모두)의 단일 조합 출력 또는 다중 조합 출력의 형태 중 어느 하나로 다른 시스템에 제공될 수 있다. 일부 실시예에서, 조기 융합(early fusion) 기술이 사용된다. 조기 융합 기술은 하나 이상의 데이터 프로세싱 단계가 조합 출력에 적용되기 전에 출력을 조합하는 것을 특징으로 한다. 일부 실시예에서, 늦은 융합(late fusion) 기술이 사용된다. 늦은 융합 기술은 하나 이상의 데이터 프로세싱 단계가 개별 출력에 적용된 후에 출력을 조합하는 것을 특징으로 한다.

도 6은 LiDAR 시스템(602)(예를 들면, 도 5에 도시된 입력(502a))의 일 예를 도시한다. LiDAR 시스템(602)은 광 방출기(606)(예를 들면, 레이저 송신기)로부터 광(604a 내지 604c)을 방출한다. LiDAR 시스템에 의해 방출되는 광은 전형적으로 가시 스펙트럼에 있지 않으며; 예를 들어, 적외선 광이 종종 사용된다. 방출되는 광(604b)의 일부는 물리적 대상체(608)(예를 들면, 차량)와 조우하고, LiDAR 시스템(602)으로 다시 반사된다. (LiDAR 시스템으로부터 방출되는 광은 전형적으로 물리적 대상체, 예를 들면, 고체 형태의 물리적 대상체를 관통하지 않는다). LiDAR 시스템(602)은 또한 반사된 광을 검출하는 하나 이상의 광 검출기(610)를 갖는다. 일 실시예에서, LiDAR 시스템과 연관된 하나 이상의 데이터 프로세싱 시스템은 LiDAR 시스템의 시야(614)를 나타내는 이미지(612)를 생성한다. 이미지(612)는 물리적 대상체(608)의 경계(616)를 나타내는 정보를 포함한다. 이러한 방식으로, 이미지(612)는 AV 인근의 하나 이상의 물리적 대상체의 경계(616)를 결정하는 데 사용된다.

도 7은 동작 중인 LiDAR 시스템(602)을 도시한다. 이 도면에 도시된 시나리오에서, AV(100)는 이미지(702) 형태의 카메라 시스템 출력(504c) 및 LiDAR 데이터 포인트(704) 형태의 LiDAR 시스템 출력(504a) 둘 모두를 수신한다. 사용 중에, AV(100)의 데이터 프로세싱 시스템은 이미지(702)를 데이터 포인트(704)와 비교한다. 특히, 이미지(702)에서 식별된 물리적 대상체(706)가 데이터 포인트(704) 중에서도 식별된다. 이러한 방식으로, AV(100)는 데이터 포인트(704)의 윤곽 및 밀도에 기초하여 물리적 대상체의 경계를 인지한다.

도 8은 LiDAR 시스템(602)의 동작을 추가적으로 상세하게 도시한다. 위에서 기술된 바와 같이, AV(100)는 LiDAR 시스템(602)에 의해 검출되는 데이터 포인트의 특성에 기초하여 물리적 대상체의 경계를 검출한다. 도 8에 도시된 바와 같이, 지면(802)과 같은 평평한 대상체는 LiDAR 시스템(602)으로부터 방출되는 광(804a 내지 804d)을 일관된 방식으로 반사할 것이다. 달리 말하면, LiDAR 시스템(602)이 일관된 간격을 사용하여 광을 방출하기 때문에, 지면(802)은 광을 동일한 일관된 간격으로 다시 LiDAR 시스템(602)으로 반사할 것이다. AV(100)가 지면(802) 위를 주행함에 따라, LiDAR 시스템(602)은 도로를 방해하는 것이 아무 것도 없는 경우 다음 유효 지면 포인트(806)에 의해 반사되는 광을 계속 검출할 것이다. 그렇지만, 대상체(808)가 도로를 방해하는 경우, LiDAR 시스템(602)에 의해 방출되는 광(804e 내지 804f)은 예상되는 일관된 방식과 부합하지 않는 방식으로 포인트(810a 내지 810b)로부터 반사될 것이다. 이 정보로부터, AV(100)는 대상체(808)가 존재한다고 결정할 수 있다.

경로 계획

도 9는 (예를 들면, 도 4에 도시된 바와 같은) 계획 모듈(404)의 입력과 출력 사이의 관계의 블록 다이어그램(900)을 도시한다. 일반적으로, 계획 모듈(404)의 출력은 시작 포인트(904)(예를 들면, 소스 위치 또는 초기 위치)로부터 종료 포인트(906)(예를 들면, 목적지 또는 최종 위치)까지의 루트(902)이다. 루트(902)는 전형적으로 하나 이상의 세그먼트에 의해 정의된다. 예를 들어, 세그먼트는 거리, 도로, 공도, 사유 도로, 또는 자동차 주행에 적절한 다른 물리적 영역의 적어도 일 부분에 걸쳐 주행되는 거리이다. 일부 예에서, 예를 들어, AV(100)가 4륜 구동(4WD) 또는 상시 4륜구동(AWD) 자동차, SUV, 픽업 트럭 등과 같은 오프-로드 주행 가능 차량인 경우, 루트(902)는 비포장 경로 또는 탁트인 들판과 같은 "오프-로드" 세그먼트를 포함한다.

루트(902)에 추가하여, 계획 모듈은 차선-레벨 루트 계획 데이터(908)도 출력한다. 차선-레벨 루트 계획 데이터(908)는 특정한 시간에서의 세그먼트의 조건에 기초하여 루트(902)의 세그먼트를 횡단하는 데 사용된다. 예를 들어, 루트(902)가 다중 차선 공도를 포함하는 경우, 차선-레벨 루트 계획 데이터(908)는, 예를 들어, 출구가 다가오고 있는지, 차선 중 하나 이상이 다른 차량을 갖는지, 또는 수 분 이하 동안에 걸쳐 변화되는 다른 인자에 기초하여, AV(100)가 다중 차선 중 한 차선을 선택하는 데 사용할 수 있는 궤적 계획 데이터(910)를 포함한다. 유사하게, 일부 구현예에서, 차선-레벨 루트 계획 데이터(908)는 루트(902)의 세그먼트에 특정적인 속력 제약(912)을 포함한다. 예를 들어, 세그먼트가 보행자 또는 예상치 않은 교통상황(traffic)을 포함하는 경우, 속력 제약(912)은 AV(100)를 예상된 속력보다 더 느린 주행 속력, 예를 들면, 세그먼트에 대한 속력 제한 데이터에 기초한 속력으로 제한할 수 있다.

일 실시예에서, 계획 모듈(404)에의 입력은 (예를 들면, 도 4에 도시된 데이터베이스 모듈(410)로부터의) 데이터베이스 데이터(914), 현재 위치 데이터(916)(예를 들면, 도 4에 도시된 AV 위치(418)), (예를 들면, 도 4에 도시된 목적지(412)에 대한) 목적지 데이터(918), 및 대상체 데이터(920)(예를 들면, 도 4에 도시된 인지 모듈(402)에 의해 인지되는 분류된 대상체(416))를 포함한다. 일 실시예에서, 데이터베이스 데이터(914)는 계획에 사용되는 규칙을 포함한다. 규칙은 형식 언어를 사용하여, 예를 들어, 불리언 로직을 사용하여 규정된다. AV(100)가 조우하는 임의의 주어진 상황에서, 규칙들 중 적어도 일부는 해당 상황에 적용될 것이다. 규칙이 AV(100)에 이용 가능한 정보, 예를 들면, 주위 환경에 관한 정보에 기초하여 충족되는 조건을 갖는 경우, 규칙이 주어진 상황에 적용된다. 규칙은 우선순위를 가질 수 있다. 예를 들어, "도로가 공도인 경우, 최좌측 차선으로 이동하라"로 되어 있는 규칙은, 출구가 1마일 내로 다가오고 있는 경우, 최우측 차선으로 이동하라"는 것보다 낮은 우선순위를 가질 수 있다.

도 10은, 예를 들어, 계획 모듈(404)(도 4)에 의해 경로 계획에 사용되는 방향 그래프(1000)를 도시한다. 일반적으로, 도 10에 도시된 것과 같은 방향 그래프(1000)는 임의의 시작 포인트(1002)와 종료 포인트(1004) 사이의 경로를 결정하는 데 사용된다. 현실 세계에서는, 시작 포인트(1002)와 종료 포인트(1004)를 분리하는 거리는 상대적으로 클 수 있거나(예를 들면, 2개의 상이한 대도시 지역에 있음) 또는 상대적으로 작을 수 있다(예를 들면, 도시 블록과 맞닿아 있는 2개의 교차로 또는 다중 차선 도로의 2개의 차선).

일 실시예에서, 방향 그래프(1000)는 AV(100)에 의해 점유될 수 있는 시작 포인트(1002)와 종료 포인트(1004) 사이의 상이한 위치를 나타내는 노드(1006a 내지 1006d)를 갖는다. 일부 예에서, 예를 들면, 시작 포인트(1002)와 종료 포인트(1004)가 상이한 대도시 지역을 나타낼 때, 노드(1006a 내지 1006d)는 도로의 세그먼트를 나타낸다. 일부 예에서, 예를 들면, 시작 포인트(1002)와 종료 포인트(1004)가 동일한 도로 상의 상이한 위치를 나타낼 때, 노드(1006a 내지 1006d)는 해당 도로 상의 상이한 위치를 나타낸다. 이러한 방식으로, 방향 그래프(1000)는 다양한 레벨의 입도(granularity)로 정보를 포함한다. 일 실시예에서, 높은 입도를 갖는 방향 그래프는 또한 더 큰 스케일을 갖는 다른 방향 그래프의 하위그래프이다. 예를 들어, 시작 포인트(1002)와 종료 포인트(1004)가 멀리 떨어져 있는(예를 들면, 수 마일(many miles) 떨어져 있는) 방향 그래프는 그의 정보 대부분이 낮은 입도이고 저장된 데이터에 기초하지만, AV(100)의 시야 내의 물리적 위치를 나타내는 그래프의 부분에 대한 일부 높은 입도 정보도 포함한다.

노드(1006a 내지 1006d)는 노드와 오버랩될 수 없는 대상체(1008a 및 1008b)와 별개이다. 일 실시예에서, 입도가 낮을 때, 대상체(1008a 및 1008b)는 자동차에 의해 횡단될 수 없는 영역, 예를 들면, 거리 또는 도로가 없는 구역을 나타낸다. 입도가 높을 때, 대상체(1008a 및 1008b)는 AV(100)의 시야 내의 물리적 대상체, 예를 들면, 다른 자동차, 보행자, 또는 AV(100)와 물리적 공간을 공유할 수 없는 다른 엔티티를 나타낸다. 일 실시예에서, 대상체(1008a 내지 1008b)의 일부 또는 전부는 정적 대상체(예를 들면, 가로등 또는 전신주와 같은 위치를 변경하지 않는 대상체) 또는 동적 대상체(예를 들면, 보행자 또는 다른 자동차와 같은 위치를 변경할 수 있는 대상체)이다.

노드(1006a 내지 1006d)는 에지(1010a 내지 1010c)에 의해 연결된다. 2개의 노드(1006a 및 1006b)가 에지(1010a)에 의해 연결되는 경우, AV(100)가, 예를 들면, 다른 노드(1006b)에 도착하기 전에 중간 노드로 주행할 필요 없이, 하나의 노드(1006a)와 다른 노드(1006b) 사이에서 주행하는 것이 가능하다. (노드들 사이에서 주행하는 AV(100)를 언급할 때, AV(100)가 각자의 노드에 의해 표현되는 2개의 물리적 위치 사이에서 주행한다는 것을 의미한다.) 에지(1010a 내지 1010c)는, AV(100)가 제1 노드로부터 제2 노드로, 또는 제2 노드로부터 제1 노드로 주행한다는 의미에서 종종 양방향성이다. 일 실시예에서, 에지(1010a 내지 1010c)는, AV(100)가 제1 노드로부터 제2 노드로 주행할 수 있지만, AV(100)가 제2 노드로부터 제1 노드로 주행할 수 없다는 의미에서 단방향성이다. 에지(1010a 내지 1010c)는, 예를 들어, 일방통행로, 거리, 도로, 또는 간선도로의 개별 차선, 또는 법적 또는 물리적 제약으로 인해 일 방향으로만 횡단될 수 있는 다른 특징부를 나타낼 때, 단방향성이다.

일 실시예에서, 계획 모듈(404)은 방향 그래프(1000)를 사용하여 시작 포인트(1002)와 종료 포인트(1004) 사이의 노드 및 에지로 이루어진 경로(1012)를 식별한다.

에지(1010a 내지 1010c)는 연관된 비용(1014a 및 1014b)을 갖는다. 비용(1014a 및 1014b)은 AV(100)가 해당 에지를 선택하는 경우 소비될 리소스를 나타내는 값이다. 전형적인 리소스는 시간이다. 예를 들어, 하나의 에지(1010a)가 다른 에지(1010b)의 물리적 거리의 2배인 물리적 거리를 나타내는 경우, 제1 에지(1010a)의 연관된 비용(1014a)은 제2 에지(1010b)의 연관된 비용(1014b)의 2배일 수 있다. 시간에 영향을 미치는 다른 인자는 예상된 교통상황, 교차로의 개수, 속력 제한 등을 포함한다. 다른 전형적인 리소스는 연비이다. 2개의 에지(1010a 및 1010b)는 동일한 물리적 거리를 나타낼 수 있지만, 예를 들면, 도로 상태, 예상된 날씨 등으로 인해, 하나의 에지(1010a)는 다른 에지(1010b)보다 많은 연료를 필요로 할 수 있다.

계획 모듈(404)이 시작 포인트(1002)와 종료 포인트(1004) 사이의 경로(1012)를 식별할 때, 계획 모듈(404)은 전형적으로, 비용에 최적화된 경로, 예를 들면, 에지의 개별 비용이 함께 가산될 때 가장 적은 전체 비용을 갖는 경로를 선택한다.

자율주행 차량 제어

도 11은 (예를 들면, 도 4에 도시된 바와 같은) 제어 모듈(406)의 입력 및 출력의 블록 다이어그램(1100)을 도시한다. 제어 모듈은, 예를 들어, 프로세서(304)와 유사한 하나 이상의 프로세서(예를 들면, 마이크로프로세서 또는 마이크로컨트롤러 또는 둘 모두와 같은 하나 이상의 컴퓨터 프로세서), 메인 메모리(306)와 유사한 단기 및/또는 장기 데이터 스토리지(예를 들면, 메모리 랜덤-액세스 메모리 또는 플래시 메모리 또는 둘 모두), ROM(1308), 및 저장 디바이스(210)를 포함하는 제어기(1102), 및 메모리 내에 저장된 명령어에 따라 동작하는데, 상기 명령어는 명령어가 (예를 들면, 하나 이상의 프로세서에 의해) 실행될 때 제어기(1102)의 동작을 수행한다.

일 실시예에서, 제어기(1102)는 원하는 출력(1104)을 나타내는 데이터를 수신한다. 원하는 출력(1104)은 전형적으로 속도, 예를 들어, 속력 및 헤딩을 포함한다. 원하는 출력(1104)은, 예를 들어, (예를 들면, 도 4에 도시된 바와 같은) 계획 모듈(404)로부터 수신되는 데이터에 기초할 수 있다. 원하는 출력(1104)에 따라, 제어기(1102)는 스로틀 입력(1106) 및 조향 입력(1108)으로서 사용 가능한 데이터를 생성한다. 스로틀 입력(1106)은 원하는 출력(1104)을 달성하기 위해, 예를 들면, 조향 페달에 관여하거나 또는 다른 스로틀 제어에 관여함으로써, AV(100)의 스로틀(예를 들면, 가속 제어)에 관여하는 정도를 나타낸다. 일부 예에서, 스로틀 입력(1106)은 AV(100)의 브레이크(예를 들면, 감속 제어)에 관여하는 데 사용 가능한 데이터를 또한 포함한다. 조향 입력(1108)은 조향각, 예를 들면, AV의 조향 컨트롤(예를 들면, 조향 휠, 조향각 액추에이터, 또는 조향각을 제어하기 위한 다른 기능성)이 원하는 출력(1104)을 달성하도록 위치설정되어야 하는 각도를 나타낸다.

일 실시예에서, 제어기(1102)는 스로틀 및 조향에 제공되는 입력을 조정하는 데 사용되는 피드백을 수신한다. 예를 들어, AV(100)가 언덕과 같은 방해물(1110)과 조우하면, AV(100)의 측정된 속력(1112)은 원하는 출력 속력 아래로 낮아진다. 일 실시예에서, 임의의 측정된 출력(1114)은, 예를 들어, 측정된 속력과 원하는 출력 사이의 차분(1113)에 기초하여, 필요한 조정이 수행되도록 제어기(1102)에 제공된다. 측정된 출력(1114)은 측정된 위치(1116), 측정된 속도(1118)(속력 및 헤딩을 포함), 측정된 가속도(1120), 및 AV(100)의 센서에 의해 측정 가능한 다른 출력을 포함한다.

일 실시예에서, 방해물(1110)에 관한 정보는, 예를 들면, 카메라 또는 LiDAR 센서와 같은 센서에 의해 미리 검출되고, 예측 피드백 모듈(1122)에 제공된다. 이후, 예측 피드백 모듈(1122)은 정보를 제어기(1102)에 제공하며, 제어기(1102)는 이 정보를 사용하여 그에 따라 조정할 수 있다. 예를 들어, AV(100)의 센서가 언덕을 검출한("본") 경우, 이 정보는 상당한 감속을 방지하도록 적절한 시간에 스로틀에 관여할 준비를 하기 위해 제어기(1102)에 의해 사용될 수 있다.

도 12는 제어기(1102)의 입력, 출력, 및 컴포넌트의 블록 다이어그램(1200)을 도시한다. 제어기(1102)는 스로틀/브레이크 제어기(1204)의 동작에 영향을 미치는 속력 프로파일러(1202)를 갖는다. 예를 들어, 속력 프로파일러(1202)는, 예를 들면, 제어기(1102)에 의해 수신되고 속력 프로파일러(1202)에 의해 프로세싱되는 피드백에 따라 스로틀/브레이크(1206)를 사용하여 가속에 관여하거나 감속에 관여하도록 스로틀/브레이크 제어기(1204)에 명령한다.

제어기(1102)는 또한 조향 제어기(1210)의 동작에 영향을 미치는 측방향 추적 제어기(1208)를 갖는다. 예를 들어, 측방향 추적 제어기(1208)는, 예를 들면, 제어기(1102)에 의해 수신되고 측방향 추적 제어기(1208)에 의해 프로세싱되는 피드백에 따라 조향각 액추에이터(1212)의 위치를 조정하도록 조향 제어기(1210)에 명령한다.

제어기(1102)는 스로틀/브레이크(1206) 및 조향각 액추에이터(1212)를 제어하는 방법을 결정하는 데 사용되는 여러 입력을 수신한다. 계획 모듈(404)은, 예를 들어, AV(100)가 동작을 시작할 때 헤딩을 선택하기 위해 그리고 AV(100)가 교차로에 도달할 때 어느 도로 세그먼트를 횡단할지를 결정하기 위해, 제어기(1102)에 의해 사용되는 정보를 제공한다. 로컬화 모듈(408)은, 예를 들어, 스로틀/브레이크(1206) 및 조향각 액추에이터(1212)가 제어되고 있는 방식에 기초하여 예상되는 위치에 AV(100)가 있는지를 제어기(1102)가 결정할 수 있도록, AV(100)의 현재 위치를 기술하는 정보를 제어기(1102)에 제공한다. 일 실시예에서, 제어기(1102)는 다른 입력(1214)으로부터의 정보, 예를 들어, 데이터베이스, 컴퓨터 네트워크 등으로부터 수신된 정보를 수신한다.

조향각 캘리브레이션

도 13은 일 실시예에 따른, 조향각, 요 레이트, 및 자율주행 차량의 휠베이스를 예시하는 톱다운 개략 다이어그램이다. AV(100)의 X-Y 축이 정의되고, 여기서 속도

(전진 속력)는 X-축을 따른 속도이고, 속도

는 Y-축을 따른 속도이며,

는 Y-축을 따른 측방향 가속도이다.

조향각

는 AV(100)의 휠이 향해 있는 방향과 X-축 사이의 각도이다. 일 실시예에서, 조향각 오프셋을 측정하는 것은 조향각

와 슬립각

를 측정하는 것을 필요로 한다. 슬립각

는 AV(100)의 휠이 향해 있는 방향과 휠이 실제로 주행하고 있는 방향 사이의 각도이다. 슬립각

는 수학식 1에 의해 주어진다:

일부 실시예에서, 도 14를 참조하여 더욱 상세히 기술되는 바와 같이, AV(100)가 직선으로 운전하고 있을 때(

는 제로임) 조향각

를 측정하는 것과 같이, 특정 조건이 존재할 때에만 측정치를 취하는 것에 의해 슬립각

는 무시될 수 있다.

요 레이트 측정치

은 도로에 수직인 Z-축을 중심으로 한 AV(100)의 회전 속도(rate of rotation)(예를 들면, AV(100)의 각속도)이다. 일 실시예에서, AV(100)에서의 Z-축은 AV(100)의 무게 중심(center of gravity)(1302)에 위치된다.

휠베이스

은 프론트 휠의 중심으로부터 리어 휠의 중심까지의 거리이며, 조향에 사용되는 전자 제어 유닛(ECU)의 메모리 또는 AV(100) 상의 다른 저장 디바이스에 저장될 수 있다.

도 14는 일 실시예에 따른, 조향각 오프셋을 추정하기 위한 시스템(1400)의 블록 다이어그램이다. 시스템(1400)은 조향각 센서(SAS)(1401), 관성 센서(1402), 조건 테스터(condition tester)(1403), 추정기(1404), 및 요 레이트 모델(1405)을 포함한다.

일 실시예에서, SAS(1401)는 조향각 측정치

을 출력한다. SAS(1401)는 조향 휠, 조향 컬럼, 조향 샤프트, 및 휠을 포함하지만 이에 제한되지 않는, AV(100)의 전동 조향 컨트롤의 일부인 자이로스코프 디바이스, 가속도계, 광학 센서, GPS 센서 또는 다른 센서(121)(예를 들면, 광학식 또는 기계식 로터리 인코더)일 수 있다.

일 실시예에서, 조향각 측정치

은 긴 좌회전 동안 좌회전 조향각 성분

를 측정하고, 긴 우회전 동안 우회전 조향각 성분

를 측정하며, 이들 성분의 평균을 구하여 조향각 측정치

을 얻는 것에 의해 획득된다:

일 실시예에서, 수학식 3에 나타낸 바와 같이, 좌회전 조향각 성분

및 우회전 조향각 성분

가, 제각기, 가중치

및

와 곱해지고 합산되어 조향각 측정치

을 산출한다:

조향각 측정치

이 측정 잡음을 포함할 가능성이 있을 때 수학식 2 및 수학식 3이 사용될 수 있다. 측정 잡음은, 예를 들어, 아래에서 더욱 상세히 논의되는 바와 같이 조향 휠이 올바르게 장착되지 않은 것 또는 열악한 노면 상태로 인해 유발될 수 있다. 수학식 2 및 수학식 3에 나타낸 바와 같이 조향각 측정치

을 획득하는 것의 장점은 조향각 측정치

을 수반하는 추후 계산이 슬립각

의 영향을 무시할 수 있다는 것이다. 조향각을 측정할 때, 좌회전 동안의 슬립각

의 기여도가 우회전 동안의 슬립각

의 기여도에 의해 효과적으로 상쇄된다.

일 실시예에서, 관성 센서(1402)는 요 레이트 측정치

, 측방향 가속도 측정치

, 및 전진 속력 측정치

를 출력한다. 관성 센서(1402)의 일부 예는 자이로스코프 디바이스(gyroscopic device) 및 가속도계를 포함하지만 이에 제한되지 않는다. 일 실시예에서, 관성 센서(1402)는 관성 측정 유닛(IMU)에 포함될 수 있다. 다른 실시예에서, 글로벌 내비게이션 위성 시스템(Global Navigation Satellite System; GNSS)(예를 들면, GPS)은 관성 측정치 대신에 또는 이와 조합하여 사용될 수 있는 AV(100)의 속력 및 방향을 제공한다.

조건 테스터(1403)는 조향각 센서(1401)로부터 측정된 조향각

을 수신하고, 관성 센서(1402)로부터 요 각(yaw angle) 측정치

, 측방향 가속도 측정치

, 및 전진 속력 측정치

를 수신한다. 일 실시예에서, 조건 테스터(1403)는, 추정기(1404)에 의해 측정치가 취해지고 그리고/또는 사용되기 전에, 특정 동작 조건(1408)의 존재에 대해 테스트한다.

예를 들어, 제1 동작 조건 세트(1408)가 충족될 때, 예컨대, 자율주행 차량의 전진 속력

가 문턱 값 미만(예를 들면, 5 m/s 미만)이고, 요 레이트 측정치

이 문턱 값 미만(예를 들면, abs (0.5 rad/s) 미만)이며, 슬립각 측정치가 문턱 값 미만(예를 들면, 2도 미만)일 때, 측정치가 취해지거나 사용될 수 있다. 제2 동작 조건 세트(1408)가 충족될 때, 예컨대, 자율주행 차량의 전진 속력

가 문턱 값 미만(예를 들면, 5 m/s 미만)이고, 요 레이트 측정치

이 문턱 값 미만(예를 들면, abs (0.5 rad/s) 미만)이며, 측방향 가속도 측정치

가 문턱 값(예를 들면, abs (1.0 m/s^2)) 미만일 때, 측정치가 또한 취해지거나 사용될 수 있다. 낮은 속력에서는, 조향각 측정치 및 요 레이트 측정치를 왜곡시키는 휠 슬리피지 또는 스키딩이 더 적다. 추가적으로, 동작 조건(1408)이 충족될 때만 측정치를 취하거나 사용하는 것에 의해, 아래의 수학식 5 내지 수학식 13에 나타낸 바와 같이, 단순화된 요 레이트 모델(예를 들면, 1차 모델) 및 추정기/필터 수식이 사용될 수 있다.

다른 실시예에서, AV의 휠의 휠베이스 각도(예를 들면, 캠버 각도)가 문턱 값(예를 들면, 2도) 미만일 때 측정치가 취해지거나 사용된다. 휠베이스 각도는 AV의 휠의 전면 또는 후면에서 볼 때 위에서 아래로의 휠의 "기울기(lean)"의 척도이며, 다른 관측 가능한 파라미터로부터 직접적으로 측정되거나 추정될 수 있다. AV의 휠은 휠의 상단이 AV로부터 멀어지게 기울어져 있을 때 포지티브 휠베이스 각도를 가지며, AV의 휠은 휠의 상단이 AV를 향해 기울어져 있을 때 네거티브 휠베이스 각도를 갖는다. 휠베이스 각도가 정렬되지 않은 경우, 즉 휠베이스 각도가 0도가 아니거나 또는 문턱 값(예를 들면, 2도) 미만 아닌 경우, AV의 직진 안정성(straight line stability)이 손상된다. 예를 들어, 휠베이스 각도가 AV의 양측에서 동일하게 설정되지 않은 경우, 차량이 왼쪽 또는 오른쪽으로 풀링(pull)되거나 드리프트(drift)될 것이다. 다른 예에서, 휠베이스 각도가 0도 또는 문턱치(예를 들면, 2도) 미만으로 설정되지 않은 경우, 휠의 타이어가 타이어의 나머지 부분에 비해 증가된 속도로 타이어의 안쪽에 있는 트레드(tread)를 마모시키거나(네거티브 휠베이스), 또는 타이어의 바깥쪽에 있는 트레드를 마모시킬 것이다(포지티브 휠베이스). 휠베이스 각도가 문턱 값 미만인 것의 장점은 타이어 트레드의 마모를 감소시키는 것은 물론 (예를 들면, 도로와 접하는 타이어 트레드의 양을 최대화하여 휠 슬리피지 또는 스키딩을 방지하는 것에 의해) 트랙션(traction)을 최적화하는 것이다. 타이어 트레드의 마모 감소와 최적화된 트랙션의 결과로서, 조향각 측정치 및 요 레이트 측정치를 왜곡시키는 휠 슬리피지 또는 스키딩이 더 적을 때 측정치가 취해지거나 사용될 수 있다.

위에서 기술된 조건 세트(1408)가 충족되도록 보장하기 위해, 프로세싱 회로는, 측방향 가속도 조건 및 전진 속력 조건이 충족되도록 보장하는, 직선이고 속력 제한을 갖는 쭉 뻗은 도로를 (예를 들면, 계획 모듈을 사용하여) 식별하는 것과 같이, 동작 조건(1408)을 충족시킬 수 있는 측정치를 취할 기회를 식별하기 위해 디지털 맵 데이터 또는 다른 리소스를 사용할 수 있다. 예를 들어, 루트를 따른 측정 기회를 위해, AV(100)의 계획 모듈로부터 출력된 궤적이 분석될 수 있다. 궤적이 AV(100) 전방에 직선 도로 세그먼트 또는 긴 곡선 도로 세그먼트를 나타내는 경우, 시스템은 AV(100)가 해당 도로 세그먼트에 도달할 때 측정을 스케줄링할 수 있다.

일 실시예에서, 동작 조건(1408)은 AV(100)의 하나 이상의 휠이 노면과 정적 접촉을 하는지 또는 운동학적 접촉(kinetic contact)을 하는지를 결정하는 데 사용된다. 예를 들어, 얼음, 비, 눈, 기름, 포트 홀, 자갈 또는 다른 노면 상태 또는 이상(anomaly)은 AV(100)의 하나 이상의 타이어와 노면 사이의 정적 접촉의 상실(예를 들면, 휠 슬리피지, 스키딩)을 유발할 수 있다. 타이어와 노면 사이의 정적 접촉의 상실은 휠 슬리피지 또는 스키딩을 유발할 수 있어, 조향각 및 요 레이트의 잘못된 측정을 결과할 수 있다. 일 실시예에서, 프로세싱 회로는 잘못된 측정을 결과할 수 있는 특정 노면 상태가 존재할 때 측정치를 취하거나 사용하는 것을 피할 수 있거나, 또는 노면 상태를 참작하기 위해 조향각 측정치 및/또는 요 레이트 측정치를 보강할 수 있다.

예를 들어, 무선 일기 예보 또는 온보드 또는 도로변 센서로부터의 센서 데이터가 AV(100)가 주행하고 있는 도로가 젖어 있거나 결빙되어 있음을 나타내는 경우, 프로세싱 회로는, 수학식 3에 나타낸 바와 같이, 젖어 있거나 결빙된 노면 상태를 참작하기 위해 조향각 측정치

에 가중치를 할당한다. 예를 들어, 가중치는 온보드 센서에 의해 결정되거나 다른 리소스(예를 들면, 데이터베이스)에서 제공되는 노면의 마찰 계수

에 기초하여 결정될 수 있다. 기상 상태가 최적일 때, 예를 들어, 날씨가 화창할 때(예를 들면, 따뜻하고 건조할 때) 취해진 측정치는 AV(100)의 휠과 노면 사이에 가장 많은 정적 접촉을 가져오는 기상 상태이다(예를 들면, 휠의 타이어의 고무가 가장 많은 접지력(grip)을 제공할 수 있기 때문임). 대안적으로, 기상 상태가 최적이 아닌 것으로 간주될 때(예를 들면, 비, 눈, 또는 극한 상태 동안), 노면이 더 미끄럽기 때문에 AV(100)의 타이어의 고무가 가장 많은 접지력을 제공할 수 없다.

다른 실시예에서, 동작 조건(1408)은 승객 특성이 측정에 영향을 미치는지 여부를 결정한다. 예를 들어, AV(100)의 승객이 AV(100)를 수동으로 동작시키기로 선택하는 경우 그리고 승객이 조향 휠을 여러 번 급격하게 및/또는 급속하게 돌리면서 변칙적으로 운전하는 경우, 동작 조건(1408)은 승객이 AV(100)를 동작시키는 기간 동안 획득된 측정치를 추정기(1404)(아래에서 상세히 논의됨)에 송신하지 않을 것이다. 승객의 특성에 따른 급속하고 변칙적인 운전은 최적이 아닌 측정치를 결과하고, 따라서 폐기된다.

다른 실시예에서, 동작 조건(1408)은 AV(100)의 하중 또는 수하물 특성(예를 들면, AV(100)에 많이 적재된 경우)이 측정에 영향을 미치는지 여부를 결정한다. 예를 들어, AV(100)에 많이 적재된 경우, 휠과 도로 사이의 수직 항력(normal force)이 증가한다. 마찰력은, 수학식 4에 나타낸 바와 같이, 수직 항력에 비례하여 증가하며:

여기서

는 마찰력이고,

는 마찰 계수이며,

는 수직 항력이다. 마찰이 증가함에 따라, AV(100)의 휠과 노면 사이의 정적 접촉이 증가한다.

일 실시예에서, 동작 조건(1408)은 교통 상태가 측정에 영향을 미치는지 여부를 결정한다. 예를 들어, AV(100)는 교통량이 없을 때는, AV(100)가 더 높은 속력으로 주행하기 때문에, 획득된 측정치를 폐기할 수 있는 반면, 높은 교통량이 측정을 최적화하기 때문에(예를 들면, AV(100)가 더 낮은 속력으로 주행하고 있기 때문임) 높은 교통량의 기간 동안 획득된 측정치는 획득된다.

일 실시예에서, 동작 조건(1408)은 AV(100)의 시공간적 위치가 측정에 영향을 미치는지 여부를 결정한다. AV(100)의 시공간적 위치를 참작할 때 고려할 인자는 AV(100)의 위치, 시각(time of day), 및 교통 상태를 포함하지만, 이에 제한되지 않는다. 예를 들어, 아침에 출근하는 AV(100)의 승객은 간선도로를 사용하여 출근하고, 저녁에 승객이 퇴근할 때 동일한 간선도로를 사용한다. 아침에는, 간선도로의 교통량이 최소이고 AV(100)는 더 높은 간선도로 속력으로 운전할 수 있는 반면, 저녁에는 간선도로의 교통량이 많고 AV(100)는 더 낮은 속력으로만 운전할 수 있다. 일 실시예에서, AV(100)가 높은 속력으로 주행하고 있을 때 획득된 측정치는 폐기되는 반면, AV(100)가 낮은 속력으로 주행하고 있을 때 획득된 측정치는, 낮은 속력에서는 측정치가 최적화되기 때문에, 조향각 오프셋을 추정하는 데 사용된다. 다른 예에서, 해변 도로를 주행하고 있는 AV(100)는 만조 동안 해변 도로를 주행할 때는 측정치를 폐기하는데, 그 이유는 증가하는 해안 물보라가 AV(100)의 휠과 도로 사이의 정적 접촉을 감소시키기 때문이다.

일 실시예에서, 동작 조건(1408)은 승객의 선호사항이 측정에 영향을 미치는지 여부를 결정하는 데 사용된다. 예를 들어, A 지점으로부터 B 지점으로 가는 승객은 포장 도로(paved road) 루트 옵션과 비포장 도로 지름길(dirt road shortcut) 루트 옵션을 제시받을 수 있다. 승객의 선호사항이 지름길 루트(비포장 도로는 더 낮은 마찰 계수

로 인해 감소된 정적 접촉을 가져옴)를 사용하는 것인 경우, 획득된 측정치가 폐기된다. 대안적으로, 승객의 선호사항이 포장 도로 루트(더 높은 마찰 계수

로 인해 휠과 포장 도로 사이의 정적 접촉이 최적화됨)를 주행하는 것인 경우, 획득된 측정치가 조향각 오프셋을 추정하는 데 사용될 것이다.

시스템(1400)은, 조향각 오프셋을 추정할 때, 상기 조건들 중 임의의 하나 이상을, 단독으로 또는 조합하여, 참작할 수 있다.

타이어 마모가 조향각 오프셋에 영향을 미칠 수 있기 때문에, 일 실시예에서, AV(100) 상의 하나 이상의 센서는 타이어 마모를 나타내는(또는 추정하는 데 사용될 수 있는) 센서 데이터를 제공할 수 있다. 추정된 타이어 마모는 이어서 조향각 측정치

및/또는 요 레이트 측정치

을 보강하기 위한 가중치를 생성하는 데 사용된다.

동작 조건(1408)이 충족되는 경우, 추정기(1404)는 측정된 조향각

, 요 레이트 측정치

및 알려진 휠베이스

을 (예를 들면, AV(100) 상의 저장 디바이스(134)로부터) 수신하고. 관측 가능하지 않은 조향각 오프셋

의 추정치를 제공한다.

일 실시예에서, 추정된 조향각 오프셋

은 칼만 필터 수식, 최소 제곱(LS) 적응 필터 수식, 재귀형 최소 제곱(recursive least squares; RLS) 적응 필터 수식, 선형 회귀 수식, 비선형 회귀 수식, 베이즈(Bayes) 필터 수식 또는 임의의 다른 적합한 필터 또는 추정기 중 하나를 사용하여 결정된다. 예를 들어, 추정기(1404)는, 수학식 5 내지 수학식 17에 나타낸 바와 같이, 관측 가능하지 않은 조향각 오프셋

을 추정하기 위해 RLS 적응 필터를 사용할 수 있다.

RLS 적응 필터를 수식화하기 위해, 이론적인 요 레이트

는, 수학식 5에 나타낸 바와 같이, 전진 속력

, 측정된 조향각

및 관측 가능하지 않은 조향각 오프셋

의 함수로서 모델링된다:

수식을 단순화하기 위해, 요 레이트 모델은 수학식 6에 나타낸 테일러(Taylor) 급수 전개를 사용하여 선형화된다:

수학식 6에서의 전개의 1차 항 이후의 괄호 안의 항은 수학식 7에 나타낸 바와 같이 생략된다:

RLS 적응 필터를 수식화하기 위해, 수학식 7에서의 항은 수학식 8 내지 수학식 11에 따라 재배열되며:

여기서 수학식 11에서의 X와 Y는 RLS 적응 필터 수식에 사용되는 자리표시자 변수(placeholder variable)이고, 여기서 예측 단계는 수학식 12에 의해 주어지며,

예측 오차

은 다음과 같이 주어진다:

이득

는 측정된 조향각

및 요 레이트 측정치

을 관측치로서 사용하여 다음과 같이 계산된다:

공분산

은 다음과 같이 주어지고:

여기서

는 단위 행렬(identity matrix)이고

는 과거의 측정된 조향각

및 요 레이트 측정치

의 영향을 감소시키는 데 사용되는 망각 인자(forgetting factor)이다. 망각 인자

가 감소함에 따라, 이전 샘플의 기여도가 감소한다.

일 실시예에서, 망각 인자

는 지정된 기간 또는 운전 거리 이후에, 예를 들어, 매 일주일 이후에 또는 매 100 마일 이후에, 과거의 조향각 측정치

및 요 레이트 측정치

을 필터링하거나 폐기하도록 설정된다. 다른 실시예에서, 추정기(1404)에 의해 출력되는 추정된 조향각 오프셋

은 스퓨리어스 추정치(spurious estimate)를 제거하기 위해 (예를 들어, 이동 평균을 사용하여) 평균화된다.

대안적인 실시예에서, 칼만 필터 수식은 조향각 오프셋

을 추정하는 데 사용될 수 있다. 칼만 필터 수식의 방정식은 잘 알려져 있으며 더 이상 논의되지 않을 것이다. 칼만 필터에 대한 예시적인 프로세스 모델은 다음과 같이 주어진다:

예시적인 측정 모델은 다음과 같이 주어진다:

칼만 필터 이득은 본 기술 분야에서 잘 알려진 기술을 사용하여 적절한 프로세스 잡음 및 측정 잡음을 선택하는 것에 의해 경험적으로 튜닝될 수 있다. 칼만 필터는 또한 그의 적절한 동작을 보장하기 위해 필요에 따라 재설정될 수 있다.

일 실시예에서, 추정된 조향각 오프셋

은 조향 정렬의 소프트웨어 캘리브레이션이 수행되는지 또는 조향 정렬의 기계식 캘리브레이션이 필요한지를 결정하는 데 위해 사용된다. 요 레이트 모델(1405)은 추정된 조향각 오프셋

, 측정된 조향각

, 전진 속력

, 및 휠베이스

을 사용하여 추정된 요 레이트

를 추정한다:

델타 요 레이트(delta yaw rate)

가 이어서 요 레이트 측정치

과 추정된 요 레이트

사이의 차이로서 계산될 수 있다:

일 실시예에서, 델타 요 레이트

가 지정된 문턱치 미만이어서 소프트웨어 캘리브레이션이 요 레이트 측정치

을 정정할 수 있는 경우, 프로세싱 회로는, AV(100)를 제어하기 위해 AV(100)의 제어 회로에 의해 사용될 수 있는 캘리브레이팅된 요 레이트 측정치

을 획득하기 위해, 델타 요 레이트

(캘리브레이션 파라미터)를 사용하여 요 레이트 측정치

을 캘리브레이팅할 것이다:

일 실시예에서, 문턱치

는 경험적으로 결정될 수 있고 AV마다 상이할 수 있다. 델타 요 레이트

가 지정된 문턱치

초과여서, 소프트웨어 캘리브레이션이 요 레이트 측정치

을 정정할 수 없는 경우, 프로세싱 회로는 경고 조건을 트리거할 것이다.

경고 조건이 트리거될 때, AV(100)의 프로세싱 회로는, 스피커, 디스플레이(312), 센터 콘솔, 터치 스크린, 내비게이션 스크린, 및 헤드 업 디스플레이(heads-up display)를 포함하지만 이에 제한되지 않는, AV(100)의 하나 이상 출력 디바이스를 통해 오디오 경고, 시각적 경고, 또는 인포그래픽 경고 중 하나 이상을 사용하여 AV(100) 또는 다른 엔티티(예를 들면, 자동차 정비소) 내의 승객에게 경고한다. 일 실시예에서, AV(100)는, 스마트 폰, 웨어러블 컴퓨터 또는 태블릿 컴퓨터와 같은, 승객의 개인 디바이스에 경고를 전송한다. 경고는 메인터넌스 경고, 안전 운전 경고 및 기동 경고(예를 들면, AV(100)가 안전 정지 기동을 수행할 것임을 승객에게 경고함)를 포함하지만 이에 제한되지 않는다. 일 실시예에서, 내비게이션 시스템은 기계식 조향 정렬을 수행할 수 있는 가장 가까운 자동차 정비소까지의 루트를 디스플레이하도록 구성될 수 있다.

일 실시예에서, AV(100)의 최대 속력은

또는

의 크기에 기초하여 AV(100)의 제어기 회로에 의해 시행될 수 있다. 예를 들어,

또는

가 지정된 문턱치를 초과하여 AV(100)를 동작시키는 것을 안전하지 않게 만드는 경우, 제어 회로는 AV(100)의 안전한 동작을 보장하기 위해 AV(100)가 지정된 최대 속력을 넘어 동작되는 것을 허용하지 않을 것이다. 일 실시예에서, AV(100)는 최대 속력 제약이 시행되는 안전 기동(safe maneuver) 또는 "림프(limp)" 동작 모드를 수행하도록 동작될 수 있다.

일 실시예에서, 조향각 오프셋

은 머신 러닝 기술을 사용하여 예측된다. 예를 들어, 이전에 기록된 조향각 측정치

및 이전에 기록된 요 레이트 측정치

은 추정된 조향각 오프셋

을 예측하는 데 사용되는 뉴럴 네트워크(예를 들면, 컨볼루션 또는 피드 포워드 뉴럴 네트워크)를 트레이닝하는 데 사용된다.

일 실시예에서, 도로 및 기상 상태(예를 들면, 비 또는 기름으로 인해 도로가 미끄러운지 여부) 및/또는 AV(100)의 하중 특성(예를 들면, 무거운 화물을 운반 중임)이 조향각 측정치 및 요 레이트 측정치와 함께 조향각 오프셋을 예측하는 데 사용된다. 예를 들어, 많이 적재된 AV(100)는 회전 동안 더 기울어질 수 있기 때문에, 뉴럴 네트워크는 조향각 오프셋에 영향을 미치는 하중 특성을 모델링한다.

일 실시예에서, 머신 러닝 기술이 측정치에서의 이상을 검출하는 데 사용된다. 예를 들어, 조향각 센서(1401) 및/또는 관성 센서(1402)로부터 획득되는 조향각 측정치는 동일한 조건 하에서 획득된(예를 들면, 동시에 또는 거의 동시에 획득된) 측정치와 비교하여 이상치인 경우 폐기될 수 있다. 예를 들어, 직선 도로를 주행하는 AV(100)는 상당히 일관된 조향각 측정치

및 요 레이트 측정치

을 획득하지만, 이어서 조향각 측정치

및 요 레이트 측정치

의 값이 점프하는 측정치 "스파이크(spike)"가 획득된다. 이것은 도로에 있는 포트홀로 인한 것일 수 있다. 조향각 오프셋의 추정을 스큐잉(skew)하는 것을 방지하기 위해 이상치 측정치가 폐기된다. 폐기되지 않는 측정치는 기간 또는 운전 거리에 걸쳐 추정되는 복수의 조향각 오프셋

을사용하여 지속적으로 업데이트되고 조정되는 가변 조향각 오프셋

을 결정하는 데 사용된다.

조향각 오프셋을 예측하는 것 외에도, 머신 러닝(예를 들면, 뉴럴 네트워크, 의사 결정 트리)은 운전 시나리오를 예측하고 이어서 AV의 운전 모드(예를 들면, 스포츠, 컴포트(comfort))를 변경하는 데 사용될 수 있다. 기상 상태, 승객 선호사항, 승객 특성, 하중 또는 수하물 특성, 시공간적 위치, 교통량, 시각 및 도로 상태와 같은 보충 데이터(supplemental data)가 AV에 대한 운전 시나리오를 예측하는 데 사용될 수 있다. 예를 들어, 보충 데이터는 의사 결정 트리에 모델링될 수 있다. 운전 시나리오를 예측하는 의사 결정 트리 출력에 응답하여, 다양한 차량 시스템은 AV에 적절한 운전 모드로 전환된다. 예를 들어, 의사 결정 트리(또는 뉴럴 네트워크) 출력은 AV로 하여금 "일반(normal)" 운전 모드에서보다 더 높은 속력에서 "더 빡빡한(tight)" 느낌을 위한 더 많은 조향 저항, 더 빠른 가속을 위한 더 반응성이 좋은 가속기 및 개선된 성능을 위한 더 경직된 서스펜션을 가진 "스포츠" 운전 모드로 자동으로 전환하게 할 수 있다.

도 15는 조향각 오프셋을 추정하기 위한 프로세스(1500)의 흐름 다이어그램을 도시한다. 프로세스(1500)는, 도 3을 참조하여 기술된 컴퓨터 시스템과 같은, 프로세싱 회로에 의해 구현될 수 있다.

프로세스(1500)는 하나 이상의 조향각 측정치를 수신하는 것(1501)으로 시작될 수 있다. 예를 들어, 조향각 측정치는 AV의 조향 시스템에 포함된 광학식 로터리 센서와 같은 센서로부터 수신될 수 있다. 일 실시예에서, 비-정적 접촉 노면 상태를 참작하고 슬립각 또는 다른 좌회전 또는 우회전 편향을 상쇄시키기 위해 조향각 측정치가 보강된다. 일 실시예에서, 복수의 조향각 측정치가 지정된 기간 또는 거리에 걸쳐 결정되고 이상치 측정치를 제거하기 위해 필터링된다(예를 들어, 평균화됨).

프로세스(1500)는 하나 이상의 요 레이트 측정치를 수신하는 것(1502)으로 계속된다. 예를 들어, 하나 이상의 요 레이트 측정치는 IMU에 포함될 수 있거나 그렇지 않을 수 있는 요 레이트 센서(예를 들면, 자이로스코프 디바이스)로부터 수신될 수 있다. 일 실시예에서, 복수의 요 레이트 측정치가 지정된 기간 또는 거리에 걸쳐 캡처되고 이상치 측정치를 제거하기 위해 필터링된다(예를 들어, 평균화됨).

프로세스(1500)는 측정된 조향각, 요 레이트 측정치 및 AV의 휠베이스에 기초하여 조향각 오프셋을 추정하는 것(1503)으로 계속된다. 예를 들어, 도 14를 참조하여 기술된 바와 같이, 적응 필터 또는 추정기가 조향각 오프셋을 추정하는 데 사용될 수 있다.

프로세스(1500)는 요 레이트 모델(1405), 조향각 측정치, 및 추정된 조향각 오프셋에 기초하여 추정된 요 레이트를 결정하는 것(1504)으로 계속된다. 예를 들어, 수학식 6에 나타내어진 1차 요 레이트 모델과 같은, 측정된 조향각 및 추정된 조향각 오프셋의 함수인 요 레이트 모델이 추정된 요 레이트를 결정하는 데 사용될 수 있다.

프로세스(1500)는 요 레이트 측정치와 추정된 요 레이트를 비교하는 것(1505)에 의해 요 레이트 차이(델타 요 레이트)를 계산하는 것으로 계속된다. 예를 들어, 델타 요 레이트는 측정된 요 레이트와 추정된 요 레이트의 차이로서 계산되고, 소프트웨어 캘리브레이션이 수행될 수 있는지 또는 기계식 조향 정렬이 필요한지를 결정하기 위해, 문턱치와 비교될 수 있다. 소프트웨어 캘리브레이션이 가능한 경우, 델타 요 레이트는 측정된 요 레이트를 캘리브레이팅하고, 따라서 AV의 조향을 제어하기 위해 정확한 측정된 요 레이트에 의존하는 제어 커맨드의 정확도를 개선시키기 위해 사용된다.

프로세스(1500)는 비교의 결과에 기초하여 AV에 대한 액션을 개시하는 것(1506)으로 계속된다. 예를 들어, AV는 AV의 출력 디바이스 상에서 및/또는 승객의 개인 디바이스(예를 들면, 스마트 폰, 웨어러블 컴퓨터) 상에서 승객에게 디스플레이될 수 있는 메인터넌스 또는 다른 경고를 생성할 수 있다. 액션을 개시하는 것은 AV에 대한 조향 정렬 서비스를 셋업하기 위해 자동으로 자동차 정비소에 연락하는 것을 포함할 수 있다. 일 실시예에서, AV의 계획 모듈은 가장 가까운 자동차 정비소까지의 궤적을 계산하고, 이어서 자동차 정비소까지 운전하도록 AV를 동작시킬 수 있다. 일 실시예에서, 프로세스(1500)는 조향각 측정치의 소프트웨어 캘리브레이션이 수행될 수 있는지를 결정하기 위해 델타 요 레이트 및 추정된 조향각 오프셋이 문턱 값을 초과하는지를 결정한다. 소프트웨어 캘리브레이션이 가능한 경우, AV는 그렇게 하기에 안전할 때, 예컨대, AV가 유휴 상태이거나 지정된 기간 동안 주차되어 있을 때(예를 들면, 밤새도록 차고에 주차되어 있음) 캘리브레이션을 적용할 수 있다. 일 실시예에서, 델타 요 레이트가 문턱치 초과인 경우, AV는, AV의 계획 모듈에 의해 결정되는 바와 같이 그렇게 하기에 안전한 경우, 안전 정지 기동을 수행하거나 자동차 정비소까지 즉시 운전하도록 동작된다.

일 실시예에서, AV에 대한 액션을 개시하는 것은, AV의 무선 송신기를 사용하여, 조향각 측정치 또는 요 레이트 측정치 중 적어도 하나를 네트워크 기반 컴퓨팅 플랫폼에 전송하는 것, AV의 무선 송신기를 사용하여, 네트워크 기반 컴퓨팅 플랫폼으로부터 메인터넌스 경고를 수신하는 것, 및 자율주행 차량의 출력 디바이스를 사용하여, 메인터넌스 경고를 제시하는 것을 포함한다. 이 실시예에서, 네트워크 기반 컴퓨팅 플랫폼에서 이용 가능한 증가된 컴퓨팅 능력으로 인해 더 정확한 알고리즘(예를 들면, 순방향/역방향 칼만 필터링) 및 고차 모델(고차 요 레이트 모델)이 조향각 오프셋을 추정하는 데 사용될 수 있다.

전술한 설명에서, 다양한 구현의 실시예는 구현마다 달라질 수 있는 다수의 특정 세부 사항을 참조하여 기술되었다. 따라서, 상세한 설명 및 도면은 제한적인 관점보다는 예시적인 관점에서 보아야 한다. 본 발명의 범위의 유일한 독점적인 지표, 및 출원인이 본 발명의 범위가 되도록 의도한 것은, 본 출원에서 특정 형태로 나오는 일련의 청구항의 문언적 등가 범위이며, 그러한 청구항이 나오는 특정 형태는 임의의 후속 보정을 포함한다. 그러한 청구항에 포함된 용어에 대한 본원에서 명시적으로 기재된 임의의 정의는 청구항에서 사용되는 그러한 용어의 의미를 결정한다. 추가적으로, 전술한 설명 및 이하의 청구항에서 "더 포함하는"이라는 용어가 사용될 때, 이 문구에 뒤따르는 것은 추가적인 단계 또는 엔티티, 또는 이전에 언급된 단계 또는 엔티티의 서브-단계/서브-엔티티일 수 있다.

Claims (27)

1. 방법으로서,
   자율주행 차량(autonomous vehicle; AV)의 프로세싱 회로를 사용하여, 조향각 측정치(steering angle measurement)를 수신하는 단계;
   상기 프로세싱 회로를 사용하여, 요 레이트 측정치(yaw rate measurement)를 수신하는 단계 - 상기 조향각 측정치 및 상기 요 레이트 측정치는 동작 조건 세트가 충족될 때 취해지고, 상기 동작 조건 세트는,
   (ⅰ) 상기 AV의 전진 속력(forward speed)이 전진 속력 문턱치 미만이고, 상기 요 레이트 측정치가 요 레이트 문턱치 미만이고, 슬립각 측정치(slip angle measurement)가 슬립각 문턱치 미만인 것; 또는
   (ⅱ) 상기 AV의 전진 속력이 전진 속력 문턱치 미만이고, 상기 요 레이트 측정치가 요 레이트 문턱치 미만이고, 측방향 가속도 측정치(lateral acceleration measurement)가 측방향 가속도 문턱치 미만인 것
   중 하나를 포함함 - ;
   상기 프로세싱 회로를 사용하여, 상기 조향각 측정치, 상기 요 레이트 측정치, 및 상기 AV의 휠베이스에 기초하여 조향각 오프셋을 추정(estimate)하는 단계;
   상기 프로세싱 회로를 사용하여, 추정된 요 레이트를 결정하는 단계 - 상기 추정된 요 레이트는

   

   와 동일하고, 여기서

   

   는 상기 AV의 전진 속력이고, L은 상기 AV의 휠베이스이고,

   

   은 상기 측정된 조향각이고,

   

   는 상기 추정된 조향각 오프셋임 - ; 및
   제어 회로를 사용하여, 상기 추정된 요 레이트에 기초하여 상기 AV를 동작시키는 단계
   를 포함하는, 방법.
2. 제1항에 있어서,
   상기 프로세싱 회로를 사용하여, 상기 요 레이트 측정치와 상기 추정된 요 레이트를 비교하는 단계를 더 포함하고,
   상기 추정된 요 레이트에 기초하여 상기 AV를 동작시키는 단계는, 상기 프로세싱 회로를 사용하여, 상기 비교의 결과에 기초하여 상기 AV에 대한 액션을 개시하는 단계를 포함하는 것인, 방법.
3. 제2항에 있어서, 상기 액션은,
   상기 프로세싱 회로에 의해, 상기 추정된 요 레이트를 사용하여 상기 요 레이트 측정치를 캘리브레이팅(calibrating)하는 것을 포함하는 것인, 방법.
4. 제1항에 있어서, 상기 조향각 측정치를 수신하는 단계는,
   상기 프로세싱 회로를 사용하여, 상기 AV가 좌회전할 때 상기 조향각 측정치의 좌회전 성분을 수신하는 단계;
   상기 프로세싱 회로를 사용하여, 상기 AV가 우회전할 때 상기 조향각 측정치의 우회전 성분를 수신하는 단계; 및
   상기 프로세싱 회로를 사용하여, 상기 좌회전 성분 및 상기 우회전 성분에 기초하여 상기 조향각 측정치를 결정하는 단계
   를 포함하는 것인, 방법.
5. 제4항에 있어서, 상기 결정된 조향각 측정치는 상기 좌회전 성분과 상기 우회전 성분의 평균인 것인, 방법.
6. 제1항에 있어서, 상기 추정된 조향각 오프셋은 상기 조향각 측정치, 상기 요 레이트 측정치, 및 상기 AV의 상기 휠베이스를 포함하는 재귀형 최소 제곱 추정기 수식(recursive least squares estimator formulation)을 사용하여 결정되는 것인, 방법.
7. 제1항에 있어서, 상기 추정된 조향각 오프셋은 상기 조향각 측정치, 상기 요 레이트 측정치, 및 상기 AV의 상기 휠베이스를 포함하는 칼만 필터 수식(Kalman filter formulation)을 사용하여 결정되는 것인, 방법.
8. 제1항에 있어서,
   상기 프로세싱 회로를 사용하여, 상기 AV의 전진 속력을 전진 속력 문턱치와 비교하는 단계;
   상기 프로세싱 회로를 사용하여, 상기 요 레이트 측정치를 요 레이트 문턱치와 비교하는 단계;
   상기 프로세싱 회로를 사용하여, 상기 측방향 가속도 측정치 또는 상기 슬립각 측정치를 각각 상기 측방향 가속도 문턱치 또는 상기 슬립각 문턱치와 비교하는 단계; 및
   상기 프로세싱 회로를 사용하여, 상기 비교의 하나 이상의 결과에 기초하여 상기 조향각 오프셋의 추정으로부터 상기 조향각 측정치를 제외시키는 단계
   를 더 포함하는, 방법.
9. 제1항에 있어서,
   상기 AV의 하나 이상의 센서로부터의 데이터를 사용하여, 상기 AV의 휠이 노면과 정적 접촉(static contact)하는지 여부를 결정하는 단계; 및
   상기 AV의 상기 휠이 상기 노면과 정적 접촉하지 않는다는 결정에 따라,
   상기 프로세싱 회로를 사용하여, 상기 조향각 오프셋의 추정으로부터 상기 조향각 측정치를 제외시키거나 상기 조향각 측정치를 보강(augment)하는 단계
   를 더 포함하는, 방법.
10. 제1항에 있어서,
    기간 또는 운전 거리 동안 복수의 조향각 오프셋들을 추정하는 단계; 및
    이상치인 추정된 조향각 오프셋들을 제거하기 위해 상기 복수의 조향각 오프셋들을 필터링하는 단계
    를 더 포함하는, 방법.
11. 제1항에 있어서,
    기간 또는 운전 거리 동안 복수의 조향각 오프셋들을 추정하는 단계; 및
    상기 복수의 조향각 오프셋들에 기초하여 지속적으로 조정되는 가변 조향각 오프셋을 결정하는 단계
    를 더 포함하는, 방법.
12. 제1항에 있어서, 상기 추정된 요 레이트에 기초하여 상기 AV를 동작시키는 단계는,
    상기 AV의 출력 디바이스 또는 상기 AV의 승객의 개인 디바이스에 경고를 제시하는 단계를 더 포함하는 것인, 방법.
13. 제1항에 있어서, 상기 추정된 요 레이트에 기초하여 상기 AV를 동작시키는 단계는,
    상기 AV의 무선 송신기를 사용하여, 상기 조향각 측정치 또는 상기 요 레이트 측정치 중 적어도 하나를 네트워크 기반 컴퓨팅 플랫폼에 전송하는 단계;
    상기 AV의 무선 송신기를 사용하여, 상기 네트워크 기반 컴퓨팅 플랫폼으로부터 메인터넌스 경고(maintenance alert)를 수신하는 단계; 및
    상기 AV의 출력 디바이스를 사용하여, 상기 메인터넌스 경고를 제시하는 단계
    를 더 포함하는 것인, 방법.
14. 제1항에 있어서, 상기 추정된 요 레이트에 기초하여 상기 AV를 동작시키는 단계는,
    상기 AV의 무선 송신기를 사용하여, 노면 상태 정보를 네트워크 기반 컴퓨팅 플랫폼에 전송하는 단계;
    상기 AV의 무선 수신기를 사용하여, 상기 네트워크 기반 컴퓨팅 플랫폼으로부터 조향각 캘리브레이션 파라미터를 수신하는 단계 - 상기 조향각 캘리브레이션 파라미터는 상기 노면 상태 정보에 기초하여 상기 네트워크 기반 컴퓨팅 플랫폼에 의해 결정됨 - ; 및
    상기 프로세싱 회로에 의해, 상기 조향각 캘리브레이션 파라미터로 상기 조향각 측정치를 보강하는 단계
    를 더 포함하는 것인, 방법.
15. 제1항에 있어서,
    상기 제어 회로를 사용하여, 최대 속력 제한에 따라 상기 AV를 동작시키는 단계 - 상기 최대 속력 제한은 상기 조향각 오프셋에 적어도 부분적으로 기초하여 결정됨 - 를 더 포함하는, 방법.
16. 제15항에 있어서, 상기 최대 속력 제한은 상기 조향각 오프셋 및 환경의 기상 상태에 기초하여 결정되는 것인, 방법.
17. 제1항에 있어서,
    보충 데이터(supplemental data)를 기록하는 단계 - 상기 보충 데이터는 기상 상태, 승객 특성, 승객 선호사항, 하중 또는 수하물 특성, 시공간적 위치, 교통량, 시각, 및 도로 상태를 포함함 - ; 및
    상기 보충 데이터에 기초하여 상기 동작 조건 세트를 결정하는 단계
    를 더 포함하는, 방법.
18. 제1항에 있어서,
    이전에 기록된 오프셋 데이터로 뉴럴 네트워크를 트레이닝하는 단계; 및
    상기 뉴럴 네트워크를 사용하여, 상기 추정된 조향각 오프셋을 예측하는 단계
    를 더 포함하는, 방법.
19. 제18항에 있어서,
    이전에 기록된 보충 데이터로 상기 뉴럴 네트워크를 트레이닝하는 단계를 더 포함하는, 방법.
20. 자율주행 차량(AV)을 위한 조향각 캘리브레이션 시스템으로서,
    조향각 센서;
    요 레이트 센서;
    하나 이상의 프로세싱 회로;
    상기 하나 이상의 프로세싱 회로에 의해 실행될 때, 동작들의 수행을 야기하는 명령어들을 저장하는 하나 이상의 비-일시적 저장 매체
    를 포함하고, 상기 동작들은,
    상기 조향각 센서로부터 조향각 측정치를 수신하는 동작;
    상기 요 레이트 센서로부터 요 레이트 측정치를 수신하는 동작 - 상기 조향각 측정치 및 상기 요 레이트 측정치는, 상기 AV의 휠의 휠베이스 각도가 휠베이스 각도 문턱치 미만일 때 취해짐 - ;
    상기 조향각 측정치, 상기 요 레이트 측정치 및 상기 AV의 휠베이스에 기초하여 조향각 오프셋을 추정하는 동작;
    추정된 요 레이트를 결정하는 동작 - 상기 추정된 요 레이트는

    

    와 동일하고, 여기서

    

    는 상기 AV의 전진 속력이고, L은 상기 AV의 휠베이스이고,

    

    은 상기 조향각 측정치에 기초한 측정된 조향각이고,

    

    는 상기 추정된 조향각 오프셋임 - ;
    상기 요 레이트 측정치와 상기 추정된 요 레이트를 비교하는 동작; 및
    상기 비교의 결과에 기초하여 상기 AV에 대한 액션을 개시하는 동작
    을 포함하는 것인, 조향각 캘리브레이션 시스템.
21. 제20항에 있어서, 상기 조향각 센서는 조향 컬럼 센서(steering column sensor)인 것인, 조향각 캘리브레이션 시스템.
22. 제20항에 있어서, 상기 조향각 센서는 조향 휠 센서인 것인, 조향각 캘리브레이션 시스템.
23. 하나 이상의 프로세서에 의해 실행될 때, 상기 하나 이상의 프로세서가 제1항 내지 제19항 중 어느 한 항의 방법을 수행하게 하는 명령어들이 저장되어 있는 비-일시적 컴퓨터 판독 가능 저장 매체.
24. 제1항에 있어서,
    상기 조향각 측정치는, 상기 프로세싱 회로에 의해, 도로 상태에 기초한 상기 조향각 측정치를 프로세싱하는 것에 기초한 것인, 방법.
25. 제1항에 있어서,
    상기 요 레이트 측정치는, 상기 프로세싱 회로에 의해, 도로 상태에 기초한 상기 요 레이트 측정치를 프로세싱하는 것에 기초한 것인, 방법.
26. 제1항에 있어서,
    상기 조향각 측정치는, 상기 프로세싱 회로에 의한, 휠베이스 각도의 식별에 기초한 것인, 방법.
27. 제1항에 있어서,
    상기 요 레이트 측정치는, 상기 프로세싱 회로에 의한, 휠베이스 각도의 식별에 기초한 것인, 방법.

Images