JP7407473B2 - 自律走行システムのためのndt地図データの圧縮方法、装置およびコンピュータプログラム - Google Patents
自律走行システムのためのndt地図データの圧縮方法、装置およびコンピュータプログラム Download PDFInfo
- Publication number
- JP7407473B2 JP7407473B2 JP2022187490A JP2022187490A JP7407473B2 JP 7407473 B2 JP7407473 B2 JP 7407473B2 JP 2022187490 A JP2022187490 A JP 2022187490A JP 2022187490 A JP2022187490 A JP 2022187490A JP 7407473 B2 JP7407473 B2 JP 7407473B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- ndt
- covariance matrix
- generated
- map data
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 125
- 238000004590 computer program Methods 0.000 title claims description 24
- 238000013144 data compression Methods 0.000 title claims description 4
- 239000013598 vector Substances 0.000 claims description 173
- 239000011159 matrix material Substances 0.000 claims description 122
- 238000009826 distribution Methods 0.000 claims description 63
- 238000012545 processing Methods 0.000 claims description 59
- 238000007906 compression Methods 0.000 claims description 26
- 230000006835 compression Effects 0.000 claims description 24
- 230000009466 transformation Effects 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 6
- 239000006185 dispersion Substances 0.000 claims 1
- 238000004891 communication Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000004323 axial length Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/50—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding
- H04N19/597—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using predictive coding specially adapted for multi-view video sequence encoding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/174—Redundancy elimination performed by the file system
- G06F16/1744—Redundancy elimination performed by the file system using compression, e.g. sparse files
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
- G06N3/0455—Auto-encoder networks; Encoder-decoder networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
-
- 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
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
- Instructional Devices (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
- Computer Graphics (AREA)
- Automation & Control Theory (AREA)
Description
ここで、自律走行車両は運転者の介入なしに周辺環境を認識し、認識された周辺環境に応じて自ら与えられた目的地まで自動で走行する自律走行システム機能を搭載した車両をいう。
運転者に介入なしに自律走行車両の走行動作を制御するためには、自律走行車両が自主的に理解できる地図が必要である。このように、「コンピュータが理解できる道路環境情報をデータベースの形態で予め保存しておいたもの」をデジタル地図と称し、特に自律走行用デジタル地図は単純ナビゲーション地図よりさらに詳しい情報を含んでいるという意味で「精密地図」「HD(High Definition)地図」「HAD(Highly Automated Driving)地図」と称する。
本発明が解決しようとする課題は以上で言及された課題に制限されず、言及されていないさらに他の課題は下記の記載から通常の技術者に明確に理解され得るであろう。
多様な実施例において、前記中心ベクトルの表現方式を変換する段階は、前記中心ベクトルをツリー資料構造の形態に変換するものの、前記ツリー資料構造は一つ以上のノードを含み、前記一つ以上のノードが非線形的な階層構造を有するものである、段階を含むことができる。
多様な実施例において、前記生成された共分散行列データは、前記生成された複数の3次元格子空間それぞれに含まれたポイントの標準偏差および回転変換角度を含み、前記共分散行列データを加工する段階は、前記標準偏差の表現方式を変換する段階、前記回転変換角度の表現方式を変換する段階および前記変換された標準偏差および前記変換された回転変換角度を利用して圧縮された共分散行列データを生成する段階を含むことができる。
多様な実施例において、前記標準偏差の表現方式を変換する段階は、前記生成された複数の3次元格子空間内の最も長い対角線の長さを基準として第2基準範囲を設定する段階および前記生成された複数の3次元格子空間それぞれに対する標準偏差を前記設定された第2基準範囲内の値に変換する段階を含むことができる。
多様な実施例において、予め設定された整合性能に基づいて前記平均ベクトルデータおよび前記共分散行列データそれぞれに対する圧縮の程度を設定し、前記設定された圧縮の程度に応じて前記平均ベクトルデータおよび前記共分散行列データを加工するものの、同一の整合性能が設定される場合、前記共分散行列データの圧縮の程度が前記平均ベクトルデータの圧縮の程度より大きいか同一であるように設定されるものである、段階をさらに含むことができる。
本発明のその他の具体的な事項は詳細な説明および図面に含まれている。
本発明の効果は以上で言及された効果に制限されず、言及されていないさらに他の効果は下記の記載から通常の技術者に明確に理解され得るであろう。
本明細書で、コンピュータは少なくとも一つのプロセッサを含むすべての種類のハードウェア装置を意味するものであり、実施例により該当ハードウェア装置で動作するソフトウェア的な構成も包括する意味として理解され得る。例えば、コンピュータはスマートフォン、タブレットPC、デスクトップ、ノートパソコンおよび各装置で駆動されるユーザクライアントおよびアプリケーションをすべて含む意味として理解され得、また、これに制限されるものではない。
本明細書で説明される各段階はコンピュータによって遂行されるものとして説明されるが、各段階の主体はこれに制限されるものではなく、実施例により各段階の少なくとも一部が互いに異なる装置で遂行されてもよい。
従来のデジタル地図が有する問題を克服するために、NDT(Normal Distribution Transform)に基づいて3次元ポイントクラウドを正規分布集合でモデリングすることによって生成されるNDT地図データを使うことができる。しかし、自律走行システムの走行領域が非常に広い場合、それを表現した3次元ポイントクラウドのデータの大きさも非常に大きいため、これを利用して作ったNDT地図データの大きさも大きくならざるを得ないという限界が存在し得る。
図1を参照すると、本発明の一実施例に係る自律走行システムはコンピューティング装置100、ユーザ端末200、外部サーバー300およびネットワーク400を含むことができる。
このために、まず、コンピューティング装置100は自律走行車両10の位置および姿勢を測定する動作または自律走行車両10の周辺環境を認識する動作を遂行できる。例えば、コンピューティング装置100は自律走行車両10の内部に備えられるセンサ(例:ライダセンサ、レーダーセンサ、カメラセンサなど)からセンサデータを収集することができ、収集されたセンサデータを活用して自律走行車両10の位置および姿勢を測定したり、自律走行車両10の周辺環境を認識することができる。
また、ここで、無線データ通信網は3G、4G、5G、3GPP(3rd Generation Partnership Project)、5GPP(5th Generation Partnership Project)、LTE(Long Term Evolution)、WIMAX(World Interoperability for Microwave Access)、ワイファイ(Wi-Fi)、インターネット(Internet)、LAN(Local Area Network)、Wireless LAN(Wireless Local Area Network)、WAN(Wide Area Network)、PAN(Personal Area Network)、RF(Radio Frequency)、ブルートゥース(Bluetooth)ネットワーク、NFC(Near-Field Communication)ネットワーク、衛星放送ネットワーク、アナログ放送ネットワーク、DMB(Digital Multimedia Broadcasting)ネットワークなどを含むことができるが、これに限定されはしない。
図2を参照すると、本発明の他の実施例に係る自律走行システムのためのNDT地図データの圧縮方法を遂行するコンピューティング装置100は、一つ以上のプロセッサ110、プロセッサ110によって遂行されるコンピュータプログラム151をロード(Load)するメモリ120、バス130、通信インターフェース140およびコンピュータプログラム151を保存するストレージ150を含むことができる。ここで、図2には本発明の実施例に関連する構成要素のみが図示されている。したがって、本発明が属した技術分野の通常の技術者であれば、図2に図示された構成要素の他に他の汎用的な構成要素がさらに含まれ得ることが分かる。
また、プロセッサ110は本発明の実施例に係る方法を実行するための少なくとも一つのアプリケーションまたはプログラムに対する演算を遂行でき、コンピューティング装置100は一つ以上のプロセッサを具備することができる。
通信インターフェース140はコンピューティング装置100の有線と無線インターネット通信を支援する。また、通信インターフェース140はインターネット通信以外の多様な通信方式を支援してもよい。このために、通信インターフェース140は本発明の技術分野に広く知られている通信モジュールを含んで構成され得る。いくつかの実施例において、通信インターフェース140は省略されてもよい。
ストレージ150はROM(Read Only Memory)、EPROM(Erasable Programmable ROM)、EEPROM(Electrically Erasable Programmable ROM)、フラッシュメモリなどのような不揮発性メモリ、ハードディスク、着脱型ディスク、または本発明が属する技術分野で広く知られている任意の形態のコンピュータで読み取り可能な記録媒体を含んで構成され得る。
一実施例において、コンピュータプログラム151は所定の地域に対する3次元ポイントクラウドを正規分布集合でモデリングすることによって生成されたNDT(Normal Distribution Transform)地図データに含まれた平均ベクトルデータを加工する段階、NDT地図データに含まれた平均ベクトルデータを加工する段階、NDT地図データに含まれた共分散行列データを加工する段階および加工された平均ベクトルおよび加工された共分散行列を利用して圧縮されたNDT地図データを生成する段階を含むNDT地図データの圧縮方法を遂行するようにする一つ以上のインストラクションを含むことができる。
図3を参照すると、S110段階で、コンピューティング装置100は所定の地域に対するNDT地図データを生成することができる。
多様な実施例において、コンピューティング装置100は所定の地域に対する3次元ポイントクラウドをNDT技術に基づいて正規分布集合でモデリングすることによってNDT地図データを生成することができる。
この時、複数の3次元格子空間は一実施例であって、同一大きさの正六面体の形状(例:10cm×10cm×10cmまたは2cm×2cm×2cmなど)を有することができるが、これに限定されない。多様な実施例として複数の3次元格子空間は直六面体の形状などを有することができる。
例えば、まず、コンピューティング装置100は複数の3次元格子空間それぞれを正規分布でモデリングすることによって、複数の3次元格子空間それぞれに対応する複数の正規分布を生成することができる。
以後、コンピューティング装置100は複数の正規分布それぞれの位置情報として、複数の正規分布それぞれに含まれたポイントの平均ベクトルを算出することができ、算出された平均ベクトルを利用して平均ベクトルデータを生成することができる。ここで、平均ベクトルは複数の3次元格子空間それぞれの中心位置に対する中心ベクトルと中心位置から離隔した程度を示すオフセットベクトルを含むことができるが、これに限定されない。
以後、コンピューティング装置100は複数の正規分布それぞれの形態および方向に関する情報として、複数の正規分布それぞれに含まれたポイントの共分散行列を算出し、算出された共分散行列を利用して共分散行列データを生成することができる。しかし、これに限定されない。
ここで、コンピューティング装置100は所定の地域に対するセンサデータを直接収集して所定の地域に対するNDT地図データを直接生成するものとして説明しているが、これに限定されず、外部の他のシステムを通じて予め生成されたNDT地図データの提供を受けてこれを利用する形態で具現されてもよい。
ここで、平均ベクトルの場合、3次元ベクトルであって3個の値(μx、μy、μz)と表現されるが、複数の3次元格子空間それぞれの中心位置の座標値をcx、cyおよびczとすると、平均ベクトルは下記の数学式1のように表現が可能である。
S130段階で、コンピューティング装置100はS110段階を経て生成されたNDT地図データに含まれた共分散行列データを加工することによって、圧縮された共分散行列データを生成することができる。
図4を参照すると、S210段階で、コンピューティング装置100は平均ベクトルデータに含まれた中心ベクトルの表現方式を変換することができる。
一例として、コンピューティング装置100は中心ベクトルを八分木(octree)の形態に変換することができる。例えば、コンピューティング装置100は深さ(depth)がLである八分木を利用して中心ベクトル(x、y、z座標値)を表現することができる。
通常的に、自律走行システムの走行領域の環境は地下から空中まで物体が均一に分布しているのではなく、地下や空中などの大部分の空間は空いており、地上の部分に建物、道路および木などの地形地物が密集している形状を有する。したがって、3次元格子空間それぞれの中心位置を示す中心ベクトルを表現するにおいて、中心ベクトルの各成分(cx、cyおよびcz)をそれぞれ独立的に一定の大きさ(バイト)を有するデータ(例えば、実数)で表現せずにツリー資料構造(例:八分木)で表現することによって、より効率的な表現が可能であるという利点がある。
S220段階で、コンピューティング装置100はオフセットベクトルの表現方式を変換することができる。
ここで、平均ベクトルは複数の3次元格子空間それぞれに含まれたポイントを利用して算出されたものであるところ、平均ベクトルも3次元格子空間を外れることはできない。これを考慮して、コンピューティング装置100は3次元格子空間の長さを考慮して第1基準範囲を設定することができ、3次元格子空間の長さにより設定された第1基準範囲内の値にオフセットベクトルを変換することができる。例えば複数の3次元格子空間それぞれの一辺の長さがlである正六面体であれば、下記の数学式2が成立する。
したがって、コンピューティング装置100は長さlに対するdiの比率が限定された範囲内にあることを利用して、複数の3次元格子空間それぞれに対するオフセットベクトルの各成分を数学式2による範囲を対応させて、
範囲内の値に変換することができる。
一方、複数の3次元格子空間それぞれが直六面体であれば、下記の数学式3が成立する。
範囲内の値に変換することができる。
通常的に3次元平均ベクトルは3個の実数(Real number)で表現され、各実数を単精度(single-precision)浮動小数点で表現すると実数当たり4バイトで表現されるところ、3次元平均ベクトルを表現するためには総12バイトが必要である。
図5を参照すると、S310段階で、コンピューティング装置100は標準偏差の表現方式を変換することができる。
多様な実施例において、コンピューティング装置100は複数の3次元格子空間内の最も長い対角線の長さを基準として第2基準範囲を設定することができ、複数の3次元格子空間それぞれに対する標準偏差を第2基準範囲内の値に変換することができる。
ここで、共分散行列は複数の3次元格子空間それぞれに含まれたポイントを利用して算出されたものであるところ、最も長い軸の標準偏差値であるσ1は3次元格子空間内の最も長い対角線の半分の長さと同じであるか小さいということを必ず満足することになる。したがって、一実施例として、複数の3次元格子空間それぞれの一辺の長さがlである正六面体であれば、下記の数学式5が成立する。
NDT基盤の整合技術はSLAM分野で広く知られている技術の一つで、事前に制作されたNDT地図とリアルタイムセンサデータ(例えば、ライダーポイントクラウドデータ)を整合してNDT地図とセンサデータ間の類似度が最大である変換を探す技術を意味する。
ここで、整合(registration)は互いに異なる3次元ポイントクラウド(例えば、事前に取得されたポイントクラウドデータ)をマッチングさせて類似度を高める過程を意味し、整合性能は互いに異なる二つのデータ(例えば、互いに異なる3次元ポイントクラウド)間の類似度および/またはマッチング速度を意味し得る。
S320段階で、コンピューティング装置100は回転変換角度の表現方式を変換することができる。
複数の正規分布それぞれの回転変換角度は3個の値(θx、θy、θz)で表現されるが、x、y、z各軸に対する回転変換をRx、Ry、Rzとする時、一般的な回転変換は下記の数学式8のように表現され得、それぞれの回転範囲は下記の数学式9を満足することができる。
S330段階で、コンピューティング装置100はS310段階を経て加工された共分散行列データの標準偏差とS320段階を経て加工された共分散行列データの回転変換角度を利用して圧縮された共分散行列データを生成することができる。
すなわち、共分散行列データは下記の数学式10のように標準偏差情報を含む行列(D)と回転変換角度情報を含む行列(Q)の掛け算で表現されるところ、行列(D)に含まれた標準偏差と行列(Q)に含まれた回転変換角度それぞれを圧縮することによって、結果的に共分散行列データを圧縮するのである。
通常的に各3次元共分散行列データは3×3対称行列(symmetric matrix)であるので6個の実数で表現され、各実数を単精度(single-precision)浮動小数点で表現すると実数当たり4バイトで表現されるところ、3次元共分散行列データを表現するためには総24バイトが必要である。
また、方向に対する任意の実数値を表現することの代わりに、有限な範囲内の値で必要な正確度により表現例えば、8ビットは256個の値を表現できるので180度を十分に表現できるところ、3個の値(θx、θy、θz)それぞれを例えば8ビット、7ビット、9ビットで表現することによって総3バイトだけで表現することによって、回転変換角度を効果的に圧縮させることができるという利点がある。ここで具体的数値は例示的なものであるので、本発明がこれに制限される必要はない。
通常的に、自律走行システムで活用されるNDT地図データに含まれた正規分布は、任意の正規分布ではなく特定の傾向性を有する正規分布で構成され得る。例えば、NDT地図データに含まれた正規分布は、道路面を表現するものと建物、木などのように道路周辺の地形地物を表現するものが大多数を占める。
すなわち、共分散行列データが特定値であるときに平均ベクトルデータが特定値を有することができないか、共分散行列データが特定値であるときに平均ベクトルデータが特定値を有するなどの不可能な組み合わせが存在することになる。
多様な実施例において、コンピューティング装置100はNDT地図データを予め学習された人工知能モデルの入力にして圧縮されたNDT地図データを抽出することができる。
ここで、予め学習されたモデルはエンコーダおよびデコーダを含み、複数の圧縮されたNDT地図データを学習データにして学習されたモデル、例えば、オートエンコーダ(autoencoder)であり得るが、これに限定されない。
200:ユーザ端末
300:外部サーバー
400:ネットワーク
Claims (12)
- コンピューティング装置によって遂行される、所定の地域に対する3次元ポイントクラウドを正規分布集合でモデリングすることによって生成されたNDT(Normal Distribution Transform)地図データの圧縮方法であって、
前記NDT地図データの生成は、
前記所定の地域に対する3次元ポイントクラウドを格子化して複数の3次元格子空間を生成する段階;
前記生成された複数の3次元格子空間それぞれに含まれた3次元ポイントクラウドそれぞれを複数の正規分布にモデリングする段階;
前記生成された複数の3次元格子空間それぞれに対応する前記複数の正規分布それぞれに対する平均ベクトルを算出し、前記算出された平均ベクトルを利用して平均ベクトルデータを生成する段階;
前記生成された複数の3次元格子空間それぞれに対応する前記複数の正規分布それぞれに対する共分散行列を算出し、前記算出された共分散行列を利用して共分散行列データを生成する段階;および
前記生成された平均ベクトルデータおよび前記生成された共分散行列データを利用して前記所定の地域に対する前記NDT地図データを生成する段階、を含み、
前記生成された平均ベクトルデータは、
前記生成された複数の3次元格子空間それぞれの中心位置に対する中心ベクトルおよび前記中心位置からのオフセットベクトルを含み、
前記生成された共分散行列データは、
前記生成された複数の3次元格子空間それぞれに含まれたポイントの標準偏差および回転変換角度を含み、
前記NDT地図データの圧縮方法は、更に、
前記NDT地図データに含まれた前記平均ベクトルデータを加工する段階;
前記NDT地図データに含まれた前記共分散行列データを加工する段階;および
前記加工された平均ベクトルデータおよび前記加工された共分散行列データを利用して圧縮されたNDT地図データを生成する段階を含み、
前記平均ベクトルデータを加工する段階は、
前記中心ベクトルの表現方式を変換する段階;
前記オフセットベクトルの表現方式を変換する段階;および
前記変換された中心ベクトルと前記変換されたオフセットベクトルを利用して圧縮された平均ベクトルデータを生成する段階を含み、
前記共分散行列データを加工する段階は、
前記標準偏差の表現方式を変換する段階;
前記回転変換角度の表現方式を変換する段階;および
前記変換された標準偏差および前記変換された回転変換角度を利用して圧縮された共分散行列データを生成する段階を含む、
自律走行システムのためのNDT地図データの圧縮方法。 - 前記中心ベクトルの表現方式を変換する段階は、
前記中心ベクトルをツリー資料構造の形態に変換するものの、前記ツリー資料構造は一つ以上のノードを含み、前記一つ以上のノードが非線形的な階層構造を有するものである、段階を含む、請求項1に記載の自律走行システムのためのNDT地図データの圧縮方法。 - 前記オフセットベクトルの表現方式を変換する段階は、
前記生成された複数の3次元格子空間それぞれのいずれか一辺の長さを基準として第1基準範囲を設定する段階;および
前記生成された複数の3次元格子空間それぞれに対するオフセットベクトルの成分を前記設定された第1基準範囲内の値に変換する段階を含む、請求項1記載の自律走行システムのためのNDT地図データの圧縮方法。 - 前記標準偏差の表現方式を変換する段階は、
前記生成された複数の3次元格子空間内の対角線の長さを基準として第2基準範囲を設定する段階;および
前記生成された複数の3次元格子空間それぞれに対する標準偏差を前記設定された第2基準範囲内の値に変換する段階を含む、請求項1に記載の自律走行システムのためのNDT地図データの圧縮方法。 - 前記回転変換角度の表現方式を変換する段階は、
X軸、Y軸およびZ軸それぞれに対する基準回転範囲を設定する段階;および
前記回転変換角度を前記設定された基準回転範囲内の値に変換する段階を含む、請求項1に記載の自律走行システムのためのNDT地図データの圧縮方法。 - 予め設定された整合性能に基づいて前記平均ベクトルデータおよび前記共分散行列データそれぞれに対する圧縮の程度を設定し、前記設定された圧縮の程度に応じて前記平均ベクトルデータおよび前記共分散行列データを加工するものの、同一の整合性能が設定される場合、前記共分散行列データの圧縮の程度が前記平均ベクトルデータの圧縮の程度より大きいか同一であるように設定されるものである、段階をさらに含む、請求項1に記載の自律走行システムのためのNDT地図データの圧縮方法。
- 前記NDT地図データに含まれた複数の客体それぞれに対する頻度数を算出し、前記算出された頻度数に基づいて、前記NDT地図データ上に前記複数の客体それぞれに対応する領域に対する平均ベクトルデータおよび共分散行列データの圧縮の程度を設定する段階をさらに含む、請求項1に記載の自律走行システムのためのNDT地図データの圧縮方法。
- 前記NDT地図データに含まれた複数の客体のうち互いに隣接した位置に配置される第1客体と第2客体が同一の属性を有する場合、前記第1客体と前記第2客体を一つのグループにグループ化する段階をさらに含み、
前記平均ベクトルデータを加工する段階は、
前記一つのグループに含まれた客体の平均ベクトルデータを結合して一つの平均ベクトルデータを生成し、生成された一つの平均ベクトルデータを加工する段階を含み、
前記共分散行列データを加工する段階は、
前記一つのグループに含まれた客体の共分散行列データを結合して一つの共分散行列データを生成し、生成された一つの共分散行列データを加工する段階を含む、請求項1に記載の自律走行システムのためのNDT地図データの圧縮方法。 - 前記NDT地図データに含まれた複数の客体のうち事前に設定された位置関係を有する二つ以上の客体をグループ化する段階をさらに含み、
前記平均ベクトルデータを加工する段階は、
前記一つのグループに含まれた客体の平均ベクトルデータを結合して一つの平均ベクトルデータを生成し、生成された一つの平均ベクトルデータを加工する段階を含み、
前記共分散行列データを加工する段階は、
前記一つのグループに含まれた客体の共分散行列データを結合して一つの共分散行列データを生成し、生成された一つの共分散行列データを加工する段階を含む、請求項1に記載の自律走行システムのためのNDT地図データの圧縮方法。 - 前記NDT地図データを予め学習された人工知能モデルの入力にして前記圧縮されたNDT地図データを抽出するものの、前記予め学習された人工知能モデルはエンコーダおよびデコーダを含み、複数の圧縮されたNDT地図データを学習データにして学習されたモデルである、段階を含む、請求項1に記載の自律走行システムのためのNDT地図データの圧縮方法。
- プロセッサ;
ネットワークインターフェース;
メモリ;および
前記メモリにロード(load)され、前記プロセッサに、所定の地域に対する3次元ポイントクラウドを正規分布集合でモデリングすることによって生成されたNDT(Normal Distribution Transform)地図データの圧縮方法を実行させるためのコンピュータプログラムを含み、
前記コンピュータプログラムは、
前記NDT地図データを生成するインストラクションを含み、該インストラクションは、
前記所定の地域に対する3次元ポイントクラウドを格子化して複数の3次元格子空間を生成するインストラクション;
前記生成された複数の3次元格子空間それぞれに含まれた3次元ポイントクラウドそれぞれを複数の正規分布にモデリングするインストラクション;
前記生成された複数の3次元格子空間それぞれに対応する前記複数の正規分布それぞれに対する平均ベクトルを算出し、前記算出された平均ベクトルを利用して平均ベクトルデータを生成するインストラクション;
前記生成された複数の3次元格子空間それぞれに対応する前記複数の正規分布それぞれに対する共分散行列を算出し、前記算出された共分散行列を利用して共分散行列データを生成するインストラクション;および
前記生成された平均ベクトルデータおよび前記生成された共分散行列データを利用して前記所定の地域に対する前記NDT地図データを生成するインストラクション、を含み、
前記生成された平均ベクトルデータは、
前記生成された複数の3次元格子空間それぞれの中心位置に対する中心ベクトルおよび前記中心位置からのオフセットベクトルを含み、
前記生成された共分散行列データは、
前記生成された複数の3次元格子空間それぞれに含まれたポイントの標準偏差および回転変換角度を含み、
前記コンピュータプログラムは更に、
前記NDT地図データに含まれた前記平均ベクトルデータを加工するインストラクション;
前記NDT地図データに含まれた前記共分散行列データを加工するインストラクション;および
前記加工された平均ベクトルデータおよび前記加工された共分散行列データを利用して圧縮されたNDT地図データを生成するインストラクションを含み、
前記平均ベクトルデータを加工するインストラクションは、
前記中心ベクトルの表現方式を変換するインストラクション;
前記オフセットベクトルの表現方式を変換するインストラクション;および
前記変換された中心ベクトルと前記変換されたオフセットベクトルを利用して圧縮された平均ベクトルデータを生成するインストラクションを含み、
前記共分散行列データを加工するインストラクションは、
前記標準偏差の表現方式を変換するインストラクション;
前記回転変換角度の表現方式を変換するインストラクション;および
前記変換された標準偏差および前記変換された回転変換角度を利用して圧縮された共分散行列データを生成するインストラクションを含む、
自律走行システムのためのNDT地図データの圧縮方法を遂行するコンピューティング装置。 - コンピューティング装置に、所定の地域に対する3次元ポイントクラウドを正規分布集合でモデリングすることによって生成されたNDT(Normal Distribution Transform)地図データの圧縮手順を実行させるコンピュータプログラムであって、
該コンピュータプログラムは、前記コンピューティング装置に、
前記所定の地域に対する3次元ポイントクラウドを格子化して複数の3次元格子空間を生成する段階;
前記生成された複数の3次元格子空間それぞれに含まれた3次元ポイントクラウドそれぞれを複数の正規分布にモデリングする段階;
前記生成された複数の3次元格子空間それぞれに対応する前記複数の正規分布それぞれに対する平均ベクトルを算出し、前記算出された平均ベクトルを利用して平均ベクトルデータを生成する段階;
前記生成された複数の3次元格子空間それぞれに対応する前記複数の正規分布それぞれに対する共分散行列を算出し、前記算出された共分散行列を利用して共分散行列データを生成する段階;および
前記生成された平均ベクトルデータおよび前記生成された共分散行列データを利用して前記所定の地域に対する前記NDT地図データを生成する段階、を含むNDT地図データの生成段階を実行させ、
前記生成された平均ベクトルデータは、
前記生成された複数の3次元格子空間それぞれの中心位置に対する中心ベクトルおよび前記中心位置からのオフセットベクトルを含み、
前記生成された共分散行列データは、
前記生成された複数の3次元格子空間それぞれに含まれたポイントの標準偏差および回転変換角度を含み、
更に、前記コンピュータプログラムは、前記コンピューティング装置に、
前記NDT地図データに含まれた前記平均ベクトルデータを加工する段階;
前記NDT地図データに含まれた前記共分散行列データを加工する段階;および
前記加工された平均ベクトルデータおよび前記加工された共分散行列データを利用して圧縮されたNDT地図データを生成する段階を含む、地図データの圧縮段階を実行させるコンピュータプログラムであり、
前記平均ベクトルデータを加工する段階は、
前記中心ベクトルの表現方式を変換する段階;
前記オフセットベクトルの表現方式を変換する段階;および
前記変換された中心ベクトルと前記変換されたオフセットベクトルを利用して圧縮された平均ベクトルデータを生成する段階を含み、
前記共分散行列データを加工する段階は、
前記標準偏差の表現方式を変換する段階;
前記回転変換角度の表現方式を変換する段階;および
前記変換された標準偏差および前記変換された回転変換角度を利用して圧縮された共分散行列データを生成する段階を含む、
自律走行システムのためのNDT地図データの圧縮方法を実行させるためのコンピュータプログラム
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020220025712A KR102503678B1 (ko) | 2022-02-28 | 2022-02-28 | 자율주행 시스템을 위한 ndt 지도 데이터의 압축 방법, 장치 및 컴퓨터프로그램 |
KR10-2022-0025712 | 2022-02-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023126113A JP2023126113A (ja) | 2023-09-07 |
JP7407473B2 true JP7407473B2 (ja) | 2024-01-04 |
Family
ID=84361748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022187490A Active JP7407473B2 (ja) | 2022-02-28 | 2022-11-24 | 自律走行システムのためのndt地図データの圧縮方法、装置およびコンピュータプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230273311A1 (ja) |
EP (1) | EP4236323A1 (ja) |
JP (1) | JP7407473B2 (ja) |
KR (1) | KR102503678B1 (ja) |
CN (1) | CN116662463A (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003023357A (ja) | 2001-05-01 | 2003-01-24 | Matsushita Electric Ind Co Ltd | デジタル地図の形状ベクトルの符号化方法と位置情報伝達方法とそれを実施する装置 |
JP2009055308A (ja) | 2007-08-27 | 2009-03-12 | Xanavi Informatics Corp | ベクトルデータ伸張装置、及びベクトルデータ圧縮装置 |
CN103187978A (zh) | 2011-12-30 | 2013-07-03 | 北京图盟科技有限公司 | 一种矢量地图数据压缩及解压缩的方法和装置 |
JP2017191539A (ja) | 2016-04-15 | 2017-10-19 | 株式会社日立産機システム | 位置同定システム |
US20190242714A1 (en) | 2016-06-23 | 2019-08-08 | Elbit Systems Ltd. | Combined Raster And Vector Data Representation |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100540899B1 (ko) * | 2004-04-29 | 2006-01-11 | 주식회사 엔지스테크널러지 | 지리 정보 데이터를 압축하는 방법 |
KR20210096285A (ko) * | 2018-12-13 | 2021-08-04 | 삼성전자주식회사 | 3차원 메쉬 컨텐트를 압축하기 위한 방법, 장치 및 컴퓨터 판독 가능한 기록 매체 |
US11334969B2 (en) * | 2019-03-19 | 2022-05-17 | Sony Group Corporation | Point cloud geometry padding |
US11506502B2 (en) * | 2019-07-12 | 2022-11-22 | Honda Motor Co., Ltd. | Robust localization |
KR102540770B1 (ko) * | 2020-06-30 | 2023-06-12 | 한국전자통신연구원 | 3차원 포인트 클라우드의 점유 지도 압축 방법 |
-
2022
- 2022-02-28 KR KR1020220025712A patent/KR102503678B1/ko active IP Right Grant
- 2022-11-23 EP EP22209232.2A patent/EP4236323A1/en active Pending
- 2022-11-23 US US18/058,647 patent/US20230273311A1/en active Pending
- 2022-11-24 CN CN202211486076.0A patent/CN116662463A/zh active Pending
- 2022-11-24 JP JP2022187490A patent/JP7407473B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003023357A (ja) | 2001-05-01 | 2003-01-24 | Matsushita Electric Ind Co Ltd | デジタル地図の形状ベクトルの符号化方法と位置情報伝達方法とそれを実施する装置 |
JP2009055308A (ja) | 2007-08-27 | 2009-03-12 | Xanavi Informatics Corp | ベクトルデータ伸張装置、及びベクトルデータ圧縮装置 |
CN103187978A (zh) | 2011-12-30 | 2013-07-03 | 北京图盟科技有限公司 | 一种矢量地图数据压缩及解压缩的方法和装置 |
JP2017191539A (ja) | 2016-04-15 | 2017-10-19 | 株式会社日立産機システム | 位置同定システム |
US20190242714A1 (en) | 2016-06-23 | 2019-08-08 | Elbit Systems Ltd. | Combined Raster And Vector Data Representation |
Also Published As
Publication number | Publication date |
---|---|
CN116662463A (zh) | 2023-08-29 |
KR102503678B1 (ko) | 2023-02-24 |
JP2023126113A (ja) | 2023-09-07 |
EP4236323A1 (en) | 2023-08-30 |
US20230273311A1 (en) | 2023-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7372010B2 (ja) | 深層学習システム | |
CN110383340B (zh) | 使用稀疏体积数据进行路径规划 | |
US20210027532A1 (en) | Primitive-based 3d building modeling, sensor simulation, and estimation | |
CN113228114A (zh) | 计算机视觉系统 | |
US11532117B2 (en) | Density coordinate hashing for volumetric data | |
CN112417965B (zh) | 激光点云处理方法、电子装置和存储介质 | |
CN110493710B (zh) | 轨迹重建方法、装置、计算机设备和存储介质 | |
US8442805B2 (en) | Efficient computation of Voronoi diagrams of general generators in general spaces and uses thereof | |
US11380061B2 (en) | Method and apparatus for three-dimensional (3D) object and surface reconstruction | |
JP7426744B2 (ja) | ライダー基盤客体探知のための人工知能モデルの入力特徴マップ生成方法、装置およびコンピュータプログラム | |
WO2022111609A1 (zh) | 一种网格编码方法及计算机系统 | |
CN114556147A (zh) | 点云几何上采样 | |
JP7407473B2 (ja) | 自律走行システムのためのndt地図データの圧縮方法、装置およびコンピュータプログラム | |
CN111433822B (zh) | 增强现实内容的行星规模定位 | |
US20230351696A1 (en) | Data processing method and apparatus, device, computer-readable storage medium, and computer program product | |
KR102481367B1 (ko) | 포인트 클라우드 데이터로부터 지표면 데이터를 생성하기 위한 인공지능 모델의 학습 방법, 장치 및 컴퓨터프로그램 | |
CN115862012A (zh) | 点云数据语义分割方法、装置、电子设备及存储介质 | |
Khot et al. | Road network compression techniques in spatiotemporal embedded systems: A survey | |
CN108665548B (zh) | 一种基于星形假设的点云快速渐进式重建方法 | |
CN111275799B (zh) | 动画的生成方法、装置和电子设备 | |
CN113124816B (zh) | 天线工参生成方法、装置、存储介质和计算机设备 | |
Meneghetti et al. | A Proper Orthogonal Decomposition approach for parameters reduction of Single Shot Detector networks | |
KR102621781B1 (ko) | 포인트 클라우드 데이터에서의 지표면 데이터 추출 방법, 장치 및 컴퓨터프로그램 | |
Jang et al. | Progressive vector compression for high-accuracy vector map data | |
KR102562031B1 (ko) | 차선 정보를 이용한 자율주행 차량의 측위 방법, 장치 및 컴퓨터프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230807 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231106 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231204 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231212 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7407473 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |