최근 자율주행 차량의 성능 향상 및 안전성 확보를 위해 각종 기술의 연구가 지속되고 있다. 차량의 동특성을 파악하고 제어하는 알고리즘들이 개발되고 있는데, 이런 알고리즘의 종 류와 관계없이 차량의 위치나 속도는 알고리즘의 입력값으로 이용되기 때문에, 차량의 동특성을 반영한 위치와 속도를 추정하는 것은 매우 중요하다. 현재 이용되는 차량의 대부분은 차량의 바퀴에 장착된 Wheel Speed Sensor (WSS)에서 측정된 값을 통해 속도를 추정하며 이는 차량 내부의 On-Board Diagnostics (OBD)를 이용하여 확인이 가능하다. 그러나 WSS의 경우 타이어의 반경 및 회전수를 기준으로 바퀴의 속도를 계산하므로 차량에 가해지는 무게, 슬립 등의 주행 중 특성이 반영되지 않아 실제 차량이 이동하는 속도와 차이가 존재한다. 이는 차량의 동특성이 중요시되는 자율주행의 성능 저하를 일으킨다. 따라서 본 논문에서는 OBD를 통해 확인되는 차량의 속도와 실제 차량의 주행 속도 사이의 Scale Factor를 추정 하는 기법을 제안한다. 차량의 주행 상태를 추정하는 Kalman Filter (KF) 구성 시, Scale Factor를 추정 대상으로 삼고 측정치 업데이트를 할 때 차량의 OBD에서 측정된 속도값과 Global Navigation Satellite System (GNSS)에서 측정된 속도값을 이용하여 업데이트를 진행했다. 추정된 Scale Factor를 이용하여 구한 차량의 주행 정보는, 실험 시 차량에 설치되었던 INS의 측정치를, 검증된 Kinematic Vehicle Model을 통해 차량의 바퀴가 있는 지점에서의 값들과 비교 분석하였다.

Estimation of Scale Factor between Vehicle OBD Velocity and Actual Velocity using Kalman Filter

Minhyoung Cho, Jeonghyeon Yun, Gyeongmin Kim, Jinsung Kim, Byungwoon Park*

Recently, research on various technologies is being continued to improve the performance and safety of autonomous driving systems. Algorithms are being developed to identify and control the dynamic characteristics of a vehicle, but these algorithms use vehicle position or speed as an input regardless of types of algorithms, so it is very important to estimate the position and speed reflecting vehicle dynamic characteristics. Most of the vehicles currently in use estimate their speed from the values measured by the Wheel Speed Sensor (WSS) mounted on the wheels of the vehicle, which can be identified using On-Board Diagnostics (OBD) inside the vehicle. However, in case of WSS, the speed of the wheel is calculated based on the radius and number of rotations of tire, which does not reflect the driving conditions such as weight and slip, so there is a difference from the actual speed of the vehicle while driving. This causes a decrease in the performance of autonomous driving, where the estimation accuracy of dynamic characteristics acts crucially. Therefore, in this paper, we propose a technique for estimating the scale factor between the speed of the vehicle identified through OBD and the actual speed of the vehicle. When Kalman Filter (KF) was configured to estimate the driving state of the vehicle, update was made using speed value measured by the vehicle’s OBD and the speed value measured by the Global Navigation Satellite System (GNSS). The vehicle driving states obtained using the estimated scale factor were compared and analyzed against the Inertial Navigation System (INS) measurements installed in the vehicle during the experiment, with the values at the point where vehicle’s wheels are located through the verified Kinematic Vehicle Model.

Keywords: Kalman filter, kinematic vehicle model, on-board diagnostics, fusion

Speaker 조민형 세종대학교