阅读说明：本技术 在自动代客泊车系统中用于估计位置的设备及方法 (Apparatus and method for estimating position in automated valet parking system ) 是由 金桐旭 于 2020-03-16 设计创作，主要内容包括：一种在自动代客泊车系统中用于估计位置的设备及方法,该设备包括前置相机处理器,处理车辆的前方图像；环绕视图监视器(SVM)处理器,通过处理车辆的环绕视图图像来识别短距离车道和停止线；地图数据单元,存储高清晰度地图；以及控制器,当识别出的车辆进入停车场时,从地图数据单元下载包括被设置为停车区的区域的地图,并且当基于所识别的短距离车道和停止线来识别自动代客停车开始位置时,基于前置相机处理器和SVM处理器的识别和处理结果以及地图数据单元的停车场地图,通过执行地图匹配来校正车辆的位置测量值。(An apparatus and method for estimating a position in an automated valet parking system, the apparatus including a front camera processor processing a front image of a vehicle; a Surround View Monitor (SVM) processor recognizing a short-distance lane and a stop line by processing a surround view image of a vehicle; a map data unit storing a high definition map; and a controller that downloads a map including an area set as a parking area from the map data unit when the recognized vehicle enters the parking lot, and corrects a position measurement value of the vehicle by performing map matching based on recognition and processing results of the front camera processor and the SVM processor and a parking lot map of the map data unit when the automatic valet parking start position is recognized based on the recognized short-distance lane and the stop line.)

在自动代客泊车系统中用于估计位置的设备及方法

相关引用的交叉引证

本申请要求于2019年3月19日向韩国知识产权局提交的韩国专利申请No.10-2019-0031092的优先权，本专利申请的全部内容通过引用结合于此。

技术领域

本公开的实施方式涉及在自动代客泊车系统中用于估计位置的设备及方法，更具体地，涉及可以使用环绕视图监视器(SVM)估计自动代客泊车(AVP)系统中的初始位置的在自动代客泊车系统中用于估计位置的设备及方法。

背景技术

通常，自主车辆是指使用用于在驾驶时检测和处理外部信息的功能通过识别周围环境来自主地确定驾驶路径并且使用自身动力独立行驶的车辆。

应用于自动车辆的定位方法包括基于全球导航卫星系统(GNSS)的卫星定位方法，诸如全球定位系统(GPS)、差分GPS(DGPS)或载波相位差分技术(network-real timekinematic，RTK)；用于使用车辆传感器和惯性测量单元(IMU)(例如，车辆速度、转向角和车轮里程表/横摆率/加速度)来校正卫星定位的基于车辆的行为的航位推算；以及通过与用于具有来自各种传感器(例如，相机、立体相机、SVM相机和雷达)的数据的自主驾驶的精确地图相比较来相对估计车辆的位置的地图匹配方法。

最近，开发出了为了更方便地停车的自动代客泊车(AVP)。其上搭载了AVP系统的自主车辆能够在没有驾驶员的情况下自主地行驶、搜寻停车位以及执行停车或从停车场离开。此外，甚至还开发了用于通过将目标停车位延伸到交通拥挤区域中的周围停车场来执行停车的功能。

因此，用于估计位置的定位方法变得重要。然而，传统的卫星定位方法的问题在于，该方法非常昂贵，因为它需要高清晰度GPS、高清晰度雷达和高分辨率相机；该方法具有低的处理速度和精确度，因为它被配置有复杂的算法；并且该方法不能持续地保持它的性能，因为它受到车道的特性和周围地理特征的特性的影响。

本公开的相关技术公开于标题为“用于对齐众包稀疏地图数据的系统及方法”的美国专利申请公开No.2018-0023961(2018年1月25日)中。

发明内容

各种实施方式旨在提供一种在自动代客泊车系统中用于估计位置的设备及方法，其不需要昂贵设备，可以使用环绕视图监视器(SVM)估计自动代客泊车(AVP)系统的初始位置。

在一个实施方式中，一种在自动代客泊车系统中用于估计位置的设备包括前置相机处理器，被配置为处理车辆的前方图像；环绕视图监视器(SVM)处理器，被配置为通过处理车辆的环绕视图图像来识别短距离车道和停止线；地图数据单元，被配置为存储高清晰度地图；以及控制器，被配置为当识别出车辆进入停车场时，从地图数据单元下载包括被设置为停车区的区域的地图，并且当基于由SVM处理器识别的短距离车道和停止线识别出自动代客泊车(AVP)开始位置时，控制器基于前置相机处理器和SVM处理器的识别和处理结果以及地图数据单元的停车场地图，通过执行地图匹配来校正车辆的位置测量值。

在一个实施方式中，控制器被配置为当识别出AVP开始位置时通过法预测车辆的行为，并且通过融合通过地图匹配校正的车辆的位置测量值与车辆的预测行为来估计车辆的AVP初始位置。

在一个实施方式中，该控制器包括车辆行为预测单元，该车辆行为预测单元被配置为基于从GPS接收器接收的GPS信息和从车辆传感器单元接收的车辆方向盘角度、横摆率以及车轮速度，通过航位推算来预测车辆的行为。

在一个实施方式中，该控制器包括地图匹配单元，该地图匹配单元被配置为基于车道融合数据、来自该地图数据单元的停车场地图数据、以及通过航位推算预测的每一次的车辆行为数据中的至少一者来执行地图匹配，在该车道融合数据中，由前置相机处理器识别的长距离车道和由SVM处理器识别的短距离车道和停止线已被融合。

在一个实施方式中，地图匹配单元被配置为：在其中使用迭代最近点(ICP)逻辑使传感器数据和地图数据之间的距离误差最小化来计算位置和旋转校正量。

在实施方式中，该控制器包括位置融合单元，该位置融合单元被配置为融合作为地图匹配的结果而输出的车辆姿态与通过航位推算预测的车辆位置的GPS信息。

在实施方式中，该控制器包括故障安全诊断单元，该故障安全诊断单元被配置为接收由位置融合单元输出的车辆位置和标记，并且执行故障安全诊断。该故障安全诊断单元被配置为使用配置有估计定位结果的分布图来执行该故障安全诊断，在该估计定位结果中，在过去时刻的定位结果已经被投影到当前时刻并且在当前时刻输入定位结果。

在一个实施方式中，车辆姿态包括以下项中的一个或多个：经度、纬度、航向、协方差、警告/故障/安全、标记以及车道偏移。

在一个实施方式中，一种在自动代客泊车系统中估计位置的方法，当识别出车辆进入停车场时，由控制器从用于存储高清晰度地图的地图数据单元下载包括被设置为停车区的区域的地图；由控制器基于由环绕视图监视器(SVM)处理器识别的短距离车道和停止线来识别自动代客泊车(AVP)开始位置；并且，由控制器基于前置相机处理器和SVM处理器的识别和处理的结果以及地图数据单元的停车场地图，通过执行地图匹配来校正车辆的位置测量值。

在一个实施方式中，该方法还包括当识别AVP开始位置时，由控制器通过航位推算来预测车辆的行为，并且由控制器通过融合通过地图匹配校正的车辆的位置测量值和车辆的预测行为来估计车辆的AVP初始位置。

在一个实施方式中，在预测车辆的行为时，控制器基于从GPS接收器接收的GPS信息和从车辆传感器单元接收的车辆方向盘角度、横摆率和车轮速度，通过航位推算来预测车辆的行为。

在一个实施方式中，在校正位置测量值中，控制器基于车道融合数据、来自地图数据单元的停车场地图数据、以及通过航位推算预测的每一次的车辆行为数据中的至少一者来执行地图匹配，在该车道融合数据中，前置相机处理器识别的长距离车道和SVM处理器识别的短距离车道和停止线已被融合。

在一个实施方式中，在校正位置测量值中，控制器在其中使用迭代最近点(ICP)逻辑使传感器数据和地图数据之间的距离误差最小化来计算位置和旋转校正量。

在一个实施方式中，在估计AVP初始位置中，控制器融合作为地图匹配的结果而输出的车辆姿态与通过航位推算预测的车辆位置的GPS信息。

在一个实施方式中，该方法还包括由控制器接收作为位置融合的结果而输出的车辆位置和标记，并且执行故障安全诊断。在执行故障安全诊断中，控制器使用配置有估计定位结果的分布图来执行故障安全诊断，在该估计定位结果中，在过去时刻的定位结果已经被投影到当前时刻并且在当前时刻输入定位结果。

附图说明

图1是示出根据本公开的实施方式的在自动代客泊车系统中用于估计位置的设备的框图。

图2是更具体地描述根据本公开的实施方式的在自动代客泊车系统中用于估计位置的设备的示图。

图3是用于描述根据本公开的实施方式的在自动代客泊车系统中估计位置的方法的流程图。

图4是根据本公开的实施方式的在自动代客泊车系统中用于估计位置的设备及方法的示例性示图。

图5是用于描述根据本公开的实施方式的在自动代客泊车系统中用于估计位置的设备及方法的地图匹配逻辑的示图。

具体实施方式

下文中，参考附图描述了根据本公开的实施方式的在自动代客泊车系统中用于估计位置的设备及方法。为了在描述中清楚和方便，在附图中以夸张的方式示出了线条的厚度、组成元件的尺寸等。

此外，将在下面描述的术语是通过考虑了本公开中的功能来定义的，并且该定义可以根据用户、运营商的意图或实践而不同。因此，每个术语应该基于整个说明书的内容来定义。

此外，本说明书中所描述的实现可以例如被实现为一种方法或处理、设备、软件程序、数据流或信号。虽然仅在实现的单一形式的上下文中讨论了本公开(例如，仅作为方法来讨论)，但是具有所讨论的特性的实现也可以以另一形式(例如，设备或程序)来实现。该设备可以被实现为适当的硬件、软件或固件。该方法可以在诸如处理器的设备中实现，该处理器通常是指例如包括计算机、微处理器、集成电路或可编程逻辑装置的处理装置。处理器包括通信装置，诸如计算机、蜂窝电话、移动电话/掌上电脑(“PDA”)和促进终端用户之间的信息通信的另一装置。

图1是示出根据本公开的实施方式的在自动代客泊车系统中用于估计位置的设备的框图。图2是更具体地描述根据本公开的实施方式的在自动代客泊车系统中用于估计位置的设备的示图。图5是用于描述根据本公开的实施方式的在自动代客泊车系统中用于估计位置的设备及方法的地图匹配逻辑的图。下面参考图1、图2以及图5描述了在自动代客泊车系统中用于估计位置的设备。

如图1所示，根据本公开的实施方式的在自动代客泊车系统中用于估计位置的设备包括前置相机处理器10、环绕视图监视器(SVM)处理器20、地图数据单元30、GPS接收器40、车辆传感器单元50、控制器60以及输出单元70。

如本领域公知的，可以从功能块、单元、部分和/或模块的角度在附图中示出一些示例性实施方式。本领域技术人员将理解，这样的块、单元和/或模块由诸如逻辑电路、分立组件、处理器，硬有线电路、存储器装置以及布线连接的电子(或光学)电路物理实现。当块、单元和/或模块由处理器或其它类似硬件实现时，可以通过软件(例如，代码)对块、单元和模块进行编程和控制，以便执行本说明书中所讨论的各种功能。此外，块、单元和/或模块中的每一个可由专用硬件或用于执行一些功能的专用硬件与用于执行另一功能的处理器的组合(例如，一个或多个编程处理器和相关电路)来实现。在一些示例性实施方式中，在不脱离本公开的范围的情况下，块、单元和/或模块中的每一个可以被物理地划分为交互和离散的两个或更多个的块、单元和/或模块。此外，在不脱离本公开的范围的情况下，在一些示例性实施方式中的块、单元和/或模块可以物理地被耦接为更复杂的块、单元和/或模块。

首先，本实施方式用于使用SVM来估计自动代客泊车(AVP)系统中的初始位置，该SVM通过附接到车辆的前面、后面和侧面的相机通过允许在车辆内可看见车辆的周围车位来帮助泊车。即，本实施方式涉及车辆定位装置，并且不需要昂贵的设备、停止线等，可以使用由相机捕获的图像来测量车辆的位置，并提高地图匹配的精确度。

前置相机处理器10可以从车辆的前置相机接收车辆的前方图像，并且可以通过处理车辆的前方图像来识别长距离车道和交通标志。

此外，前置相机处理器10可以包括用于识别前方图像中的内侧车道的内侧车道识别装置、用于跟踪具有与所识别的车道相同特性的车道的车道跟踪装置、以及可靠性计算装置。

内侧车道识别装置可以识别前方图像中具有特定颜色(例如，白色或黄色)的实线或虚线形式的车道。

尽管所识别的车道的分量(例如，颜色、厚度以及形状)没有部分地保持相同的特征(例如，相同的线颜色、相同的线厚度和相同的线间隔)，但车道跟踪装置也可以通过考虑所识别的车道的车流(或方向)来跟踪在预先指定的范围内具有相同特征的车道。

此外，可靠性计算装置可以对所跟踪的车道的分量(例如颜色、厚度和形状)与每个分量的预先指定的参考值相同的比率(即车道分量匹配比率)进行计算。当计算出的车道分量匹配比率越接近100％时，这意味着高可靠性。相反，当计算出的车道分量匹配比率越接近于0％时，这意味着低可靠性。此外，可靠性计算装置可以使用先前车道的识别结果和车辆的运动信息来预测当前车道(即，预测车道)，并且能够以将预测车道与在前方图像中所识别的当前车道进行比较并且当预测车道与当前车道之间的差为预设阈值或更小时增加可靠性计数(或可靠性得分)的方式，来计算可靠性。当可靠性计数大于预设阈值时，可靠性计算装置可以确定相对应的车道识别是有效的(即，相对应的车道是有效车道)。

SVM处理器20可以通过处理车辆的环绕视图图像来识别短距离车道和停止线。

此外，SVM处理器20用于识别环绕视图图像(或环绕视图构图图像)中的车道。环绕视图图像是指通过合成由一个或多个相机捕获的车辆的以俯视图或环绕视图的形式的周围图像(例如，前面、侧面和后面的图像)而获得的图像。因此，SVM处理器20可以识别靠近车辆的区域中的车道(即，短距离车道)。

在这种情况下，相机被布置在车辆的前、后、左、右侧。为了增加俯视图或环绕视图图像的完成度并防止拍摄盲点的发生，还可以在车辆的前面和后面的上侧，即比在前、后、左和右侧设置的相机的位置相对更高的位置设置额外的相机。

此外，如前置相机处理器10，SVM处理器20可以包括内侧车道识别装置、车道跟踪装置以及可靠性计算装置。

即，内侧车道识别装置可以识别环绕视图图像中的内侧车道，并且可以识别环绕视图图像中具有特定颜色(例如，白色或黄色)的实线或虚线形式的车道。在本实施方式中，具体地，内侧车道识别装置可以识别停止线。

尽管所识别的车道的分量(例如，颜色、厚度以及形状)没有部分地保持相同的特征(例如，相同的线颜色、相同的线厚度和相同的线间隔)，但车道跟踪装置也可以通过考虑所识别的车道的车流(或方向)来跟踪在预先指定的范围内具有相同特征的车道。

此外，可靠性计算装置可以对所跟踪的车道的分量(例如颜色，厚度和形状)与每个分量的预先指定的参考值相同的比率(即车道分量匹配比率)进行计算。当计算出的车道分量匹配比率越接近100％时，这意味着高可靠性。相反，当计算出的车道分量匹配比率越接近于0％时，这意味着低可靠性。此外，可靠性计算装置可以使用先前车道的识别结果和车辆的运动信息来预测当前车道(即，预测车道)，并且能够以将预测车道与在环绕视图图像中所识别的当前车道相比较并且当预测车道与当前车道之间的差为预设阈值或更小时增加可靠性计数(或可靠性分数)的方式，来计算可靠性。当可靠性计数大于预设阈值时，可靠性计算装置可以确定相对应的车道识别是有效的(即，相对应车道是有效车道)。

短距离车道可意味着能够在环绕视图图像中被识别的区域中的车道。长距离车道可意味着能够在前方图像中被识别的长距离区域中的车道。

地图数据单元30对其中以高精度构建了关于道路和周围地形的信息的高清晰度地图进行存储，并且响应于来自控制器60的请求提供高清晰度地图。在本实施方式中，具体地，地图数据单元30可以存储用于停车场(即，设置为停车区的区域)的高清晰度(HD)地图。

GPS接收器40从卫星接收GPS信号，并将GPS信号提供至控制器60，从而可以基于当前位置来设置车辆的位置。

车辆传感器单元50是指车辆内的各种传感器。在本实施方式中，具体地，车辆传感器单元50可以包括用于车辆行为预测的车辆方向盘角度传感器、横摆率传感器以及车轮速度传感器。

控制器60识别车辆进入被设置为停车场或停车区的区域，并下载相对应的区域的地图。即，当识别出车辆进入停车场时，控制器60可以从地图数据单元30下载包括被设置为停车区的区域的地图。

此外，控制器60可以基于由SVM处理器20识别的短距离车道和停止线来识别AVP开始位置。

此时，控制器60可以通过融合由SVM处理器20识别的车道与由前置相机处理器10识别的车道来生成单个融合车道(即，未划分为短距离车道和长距离车道的单个车道)。

即，控制器60可以通过车道误差的比较来融合车道，可以确定有效车道，以及可以生成融合车道。

控制器60通过比较由SVM处理器20识别的车道(即，短距离车道)和由前置相机处理器10识别的车道(即，长距离车道)来计算(或确定)位置误差(例如，车辆参考坐标系中车道末端和每一个车道的角之间的间隔)。在这种情况下，车辆参考坐标系是指，表示与相对于车辆中心的车辆的移动距离和方向相对应的横向坐标X、纵向坐标Y以及车辆运动方向θ的坐标系。

当作为两个车道(即，长距离车道和短距离车道)之间的比较结果的位置误差在预设允许范围内时，控制器60通过融合两个车道(即，长距离车道和短距离车道)来生成单个融合车道(即，未划分为短距离车道和长距离车道的单个车道)。此外，当作为两个车道(即，长距离车道和短距离车道)之间的比较结果的位置误差超出预设允许范围时，控制器60不融合两个车道(即，长距离车道和短距离车道)，并且将具有相对高可靠性的车道确定为有效车道。

因此，控制器60可以确定当每一个车道的可靠性小于预设阈值时，这两个车道(即，长距离车道和短距离车道)不是有效车道。当两个车道中的每一个的可靠性为预设阈值或更大并且两个车道之间的位置误差在预设允许范围内时，控制器60可以通过融合两个车道来生成单个融合车道(即，未划分为短距离车道和长距离车道的单个车道)。当两个车道之间的位置误差超出预设允许范围时，控制器60可以将两个车道中具有相对较高可靠性的车道确定为有效车道。

此外，控制器60包括车辆行为预测单元62、地图匹配单元64、位置融合单元66以及故障安全诊断单元68。控制器60可以通过航位推算来预测车辆的行为，可以基于前置相机处理器10和SVM处理器20的识别和处理结果以及地图数据单元30的停车场地图，通过地图匹配来校正车辆的位置测量值，并且可以通过融合预测的车辆的行为与校正的车辆位置测量值来最终估计车辆的AVP初始位置。

车辆行为预测单元62可以基于从GPS接收器40接收的GPS信息和从车辆传感器单元50接收的车辆方向盘角度、横摆率以及车轮速度，通过航位推算来预测车辆的行为。

此外，地图匹配单元64可以基于车道融合数据、来自地图数据单元30的停车场地图数据、以及通过航位推算预测的每一次的车辆行为数据中的至少一者来执行地图匹配，在该车道融合数据中，由前置相机处理器10识别的长距离车道和由SVM处理器20识别的短距离车道和停止线已被融合。

此时，地图匹配单元64可以在其中使用迭代最近点(ICP)逻辑使传感器数据和地图数据之间的距离误差最小化来计算位置和旋转校正量。ICP逻辑是将当前数据与现有数据集登记的方法，是基于数据的最近点寻找关联、基于关联移动和旋转当前数据、以及将当前数据添加到现有数据集的方法。

例如，可以参考以下的公式和图5来计算位置T和旋转(R)校正量。

最小

此外，位置融合单元66可以融合作为地图匹配的结果而输出的车辆姿态以及通过航位推算预测的车辆位置的GPS信息。

在这种情况下，位置融合单元66可以如融合由SVM处理器20和前置相机处理器10识别的车道的方法来实现，但是也可以使用另一方法来融合位置测量值。

控制器60包括故障安全诊断单元68，以用于接收由位置融合单元66输出的车辆位置和标记并且执行故障安全诊断。故障安全诊断单元68可以使用配置有估计定位结果的分布图来执行故障安全诊断，在该估计定位结果中，已将在过去时刻的定位结果投影到当前时刻并且在当前时刻输入定位结果。

在本实施方式中，车辆姿态可以包括以下项中的一个或多个：经度、纬度、航向、协方差、警告/故障/安全、标记以及车道偏移。

即，在本实施方式中，输出单元70可以输出故障安全诊断单元68的诊断结果。在这种情况下，输出单元70可以输出车辆姿态信息的故障安全诊断结果。

在本实施方式中，自主驾驶系统可以基于地图匹配执行传感器融合定位，并且能够执行故障安全诊断，以提高系统的可靠性并使在执行传感器融合定位的处理中稳健的计算(或计算或估计)且稳定的定位信息。此外，在本实施方式中，故障安全诊断不需要额外的硬件，因为它是基于冗余分析的故障诊断，但本公开不限于此。

参照图2，本实施方式基本上可以包括用于对通过地图匹配而校正的位置测量值与车辆的行为的预测结果的执行融合处理的性能核心，以及用于对在性能核心中融合的车辆位置执行故障安全诊断的安全核心。

在性能核心中，前置相机处理器10和SVM处理器20可以执行传感器值处理，并且地图数据单元30可以下载和管理地图。此外，在安全核心中，GPS接收器40可以执行GPS信号处理。

此外，在控制器60中，地图匹配单元64和位置融合单元66可以包括在性能核心中，并且车辆行为预测单元62和故障安全诊断单元68可以包括在安全核心中，但本公开不限于此。

换言之，性能核心从SVM接收车道和停止线，并且从前置相机接收车道和交通标志。此外，性能核心可以处理识别数据，即，从SVM和前置相机接收的传感器值。换言之，控制器60可以融合来自SVM和前置相机的识别数据，可以下载停车区的HD地图，并且可以执行地图匹配。在这种情况下，控制器60可以使用GPS信号、通过航位推算预测的车辆轨迹信息以及GPS信息来执行地图匹配。此外，控制器60可以融合通过地图匹配校正的车辆姿态(或位置)与基于GPS信息的位置值，并且可以通过对融合的结果来执行故障安全诊断来最终估计自动代客泊车系统中的初始位置。

图3是用于描述根据本公开的实施方式的在自动代客泊车系统中估计位置的方法的流程图。图4是根据本公开的实施方式的在自动代客泊车系统中用于估计位置的设备及方法的示例性示图。下面参考图3和图4描述了在自动代客泊车系统中估计位置的方法。

如图3所示，在根据本公开的实施方式的在自动代客泊车系统中估计位置的方法中，首先，控制器60识别车辆进入停车场(S10)。

在这种情况下，控制器60可以通过从GPS接收器40接收车辆位置来识别车辆进入停车场，但是本发明不限于这样的方法。

此外，当识别出车辆进入停车场时，控制器60从其中存储高清晰度(HD)地图的地图数据单元30下载包括被设置为停车区的区域的地图(S20)。

此外，如果识别出车辆已经在AVP开始位置停车(S30)，则控制器60确定是否已通过SVM处理器20识别出AVP开始区域(S40)。

即，如图4的(a)所示，当车辆停在AVP开始位置时，如图4的(b)所示，控制器60可以基于由SVM处理器20识别的短距离车道和停止线来识别AVP开始位置。

如果通过SVM处理器20未识别出AVP开始区域，则控制器60可返回到步骤S30并执行AVP开始位置停车。AVP开始位置停车可以由用户执行。控制器60可以通过从安装在停车场中的AVP基础设施接收GPS信息或指示车辆已经停放的信号来识别车辆已经在AVP开始位置停车。

此外，控制器60将位置设置为AVP开始位置的初始值(S50)。

即，如图4的(c)所示，控制器60可以基于通过SVM处理器20识别的AVP开始区域来将位置设置为AVP开始位置的初始值。

此外，如图4的(d)所示，控制器60校正AVP开始位置(S60)。

此时，控制器60可以通过航位推算来预测车辆的行为，并且可以基于用于识别长距离车道和交通标志的前置相机处理器10和SVM处理器20的识别和处理结果以及地图数据单元30的停车场地图，通过地图匹配来校正车辆的位置测量值。

此外，控制器60可通过融合车辆的校正位置测量值与车辆的预测行为来最终估计车辆的AVP初始位置。

在这种情况下，控制器60可以基于从GPS接收器40接收的GPS信息和从车辆传感器单元50接收的车辆方向盘角度、横摆率和车轮速度，通过航位推算来预测车辆的行为。此外，控制器60可以基于车道融合数据、来自地图数据单元30的停车场地图数据、以及通过航位推算预测的每一次的车辆行为数据中的至少一者来执行地图匹配，在车道融合数据中，由前置相机处理器10识别的长距离车道与由SVM处理器20识别的短距离车道和停止线已经融合。

在本实施方式中，控制器60可以在其中使用迭代最近点(ICP)逻辑使传感器数据和地图数据之间的距离误差最小化来计算位置和旋转校正量。

此外，控制器60可以融合作为地图匹配的结果而输出的车辆姿态与通过航位推算预测的车辆位置的GPS信息。

最后，控制器60可以接收作为位置融合的结果而输出的车辆位置和标记，并且可以执行故障安全诊断(S70)。

在这种情况下，控制器60可以使用配置有估计定位结果的分布图来执行安全故障诊断，在该估计定位结果中，已将在过去时刻的定位结果投影到当前时刻并且在当前时刻输入定位结果。在这种情况下，车辆姿态可以包括以下项中的一个或多个：经度、纬度、航向、协方差、警告/故障/安全、标记以及车道偏移。

如上所述，根据本公开的实施方式的在自动代客泊车系统中用于估计位置的设备及方法可以不需要昂贵设备而执行地图匹配，并且通过在使用环绕视图监视器(SVM)的自动代客泊车(AVP)系统中估计初始位置来估计不管内部和外部的初始位置，并且可以通过在地理特征的附近执行测量而增加认知距离精确度(即，校正精确度)来提高地图匹配精确度。

尽管出于说明的目的已经公开了本公开的优选实施方式，但是本领域技术人员将理解，在不脱离如所附权利要求书中限定的本公开的范围的情况下，各种修改、添加和替换是可能的。

因此，本公开的真实技术范围应由所附权利要求限定。