KR101209573B1 - Curb detection method using distance sensor and unmaned vehicle using the same - Google Patents
Curb detection method using distance sensor and unmaned vehicle using the same Download PDFInfo
- Publication number
- KR101209573B1 KR101209573B1 KR1020100113965A KR20100113965A KR101209573B1 KR 101209573 B1 KR101209573 B1 KR 101209573B1 KR 1020100113965 A KR1020100113965 A KR 1020100113965A KR 20100113965 A KR20100113965 A KR 20100113965A KR 101209573 B1 KR101209573 B1 KR 101209573B1
- Authority
- KR
- South Korea
- Prior art keywords
- curb
- zone
- height
- similarity
- distance sensor
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 239000004575 stone Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B26/00—Optical devices or arrangements for the control of light using movable or deformable optical elements
- G02B26/08—Optical devices or arrangements for the control of light using movable or deformable optical elements for controlling the direction of light
- G02B26/10—Scanning systems
- G02B26/101—Scanning systems with both horizontal and vertical deflecting means, e.g. raster or XY scanners
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optics & Photonics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Traffic Control Systems (AREA)
Abstract
본 발명은 거리 센서를 이용한 연석 탐지 방법 및 이를 이용한 무인 자율 주행 차량에 관한 것으로서, 상기 거리 센서를 이용하여 지면의 정보를 수집하는 단계와; 상기 지면의 정보를 일 평면에 투영하는 단계와; 상기 투영된 지면의 정보를 일정한 구역으로 나누어 각 구역의 대표 높이를 구하는 단계; 및 상기 각 구역의 대표 높이와 미리 설정된 연석 모델을 비교하여 유사도를 계산하는 단계를 포함하는 연석 탐지 방법을 제공한다.The present invention relates to a curb detection method using a distance sensor and an unmanned autonomous vehicle using the same, comprising: collecting ground information using the distance sensor; Projecting information of the ground onto a plane; Dividing the projected ground information into predetermined zones to obtain a representative height of each zone; And comparing the representative height of each zone with a preset curb model to calculate a similarity.
Description
본 발명은 거리 센서를 이용한 연석 탐지 방법 및 이를 이용한 무인 자율 주행 차량에 관한 것으로서, 더욱 상세하게는 차량에 장착된 거리 센서에서 얻은 정보와 미리 설계한 연석 모델을 비교하여 차도와 인도의 경계석인 연석을 정확하게 탐지하는 방법에 관한 것이다.
The present invention relates to a curb detection method using a distance sensor and an unmanned autonomous vehicle using the same. More particularly, the curbstone which is a boundary stone between a roadway and a sidewalk by comparing information obtained from a distance sensor mounted on the vehicle and a previously designed curb model is compared. It is about how to detect correctly.
일반적으로, 무인 자율 주행 차량은 안전한 주행을 하기 위해 주행 방향에 위치하는 장애물을 검출하고, 이 검출된 정보를 이용하여 주행 방향을 결정한다. 그런데, 실내가 아닌 실외에서 주행하면서 특정의 목적을 수행해야 하는 무인 자율 주행 차량의 경우, 지면에 형성된 장애물과 충돌하지 않는 것이 무엇보다 중요하다. 이러한 무인 자율 주행 차량은 차도를 주행하는 경우에 차도보다 높게 돌출된 인도와 충돌하지 않으면서 주행해야 하므로, 차도와 인도의 경계석인 연석을 탐지하는 것이 필요하다. 연석은 도로에 존재하는 중요한 표식이기 때문에 연석을 정확하게 찾을 수 있다면, 무인 자율 주행 차량 등에 활용 가능하다.In general, the unmanned autonomous vehicle detects obstacles located in the driving direction for safe driving, and uses the detected information to determine the driving direction. However, in the case of an unmanned autonomous vehicle that needs to perform a specific purpose while driving outdoors rather than indoors, it is most important not to collide with an obstacle formed on the ground. Since the unmanned autonomous vehicle must travel without colliding with the sidewalk protruding higher than the roadway when driving the roadway, it is necessary to detect the curbstone which is the boundary stone of the roadway and the sidewalk. Curbstones are important markers on the road, so if the curb can be found accurately, it can be used for unmanned autonomous vehicles.
종래의 연석 탐지 방법은 주로 연석의 옆면에서 얻은 센서 정보를 활용하여 연석을 탐지하였다. 즉, 종래에는 연석의 옆면과 지면이 수직하기 때문에 연석 부분에서 거리 센서 정보가 급격히 변하는 특성을 이용하여 연석을 탐지하였다.Conventional curb detection method mainly detects the curb by using sensor information obtained from the side of the curb. That is, conventionally, the curb is detected by using the characteristic that the distance sensor information is rapidly changed in the curb because the side surface of the curb is perpendicular to the ground.
그러나, 연석의 옆면에서 얻는 센서 정보는 상대적으로 정보량이 적기 때문에 연석의 옆면 정보만 이용할 경우, 외부 요인이나 센서의 노이즈 등에 의하여 연석 탐지 성능이 영향을 받기 쉽고, 차량에서 먼 거리에 존재하는 연석은 인식하기 어려운 문제점이 있다. 예를 들면, 연석 옆면은 공공시설의 경우 6 내지 15 cm로 길이가 짧기 때문에 연석 옆면에서는 상대적으로 적은 정보만 얻을 수 있다. 따라서, 연석까지의 거리가 먼 경우 지면과 연석을 구분 지을 만큼의 정보를 얻기 어려우므로 종래의 방법으로는 먼 거리의 연석은 탐지하기 어려운 문제점이 있다.However, since the sensor information obtained from the side of the curb has a relatively small amount of information, when only the side information of the curb is used, the curb detection performance is easily affected by external factors or sensor noise, There is a problem that is difficult to recognize. For example, curbsides are 6 to 15 cm in length for public facilities, so relatively little information is available from curbsides. Therefore, when the distance to the curb is far, it is difficult to obtain enough information to distinguish the ground from the curb. Therefore, the curb of the far distance is difficult to detect by the conventional method.
또한, 종래의 연석 탐지 방법은 연석이 일부 파손된 부분, 낙엽이 일부 쌓인 부분 등에서는 연석 옆면을 정확히 감지하지 못하고 센서 정보에도 오차가 많이 포함되기 때문에 연석을 정확하게 탐지하지 못하는 문제점이 있다.
In addition, the conventional curb detection method has a problem in that the curb side is not accurately detected at the part where the curb is partially broken, the part where the fallen leaves are partially accumulated, and because the error is also included in the sensor information.
본 발명은 상기와 같은 문제점을 해결하기 위해 도출된 것으로서, 연석과의 거리 및 연석의 부분 파손 및 장애물에 상관없이 안정적으로 연석을 탐지할 수 있는 거리 센서를 이용한 연석 탐지 방법 및 이를 이용한 무인 자율 주행 차량을 제공함에 그 목적이 있다.
The present invention was derived to solve the above problems, the curb detection method using a distance sensor that can detect the curb stably regardless of the distance to the curb and partial breakage and obstacles of the curb and unmanned autonomous driving using the same The purpose is to provide a vehicle.
상기한 목적을 달성하기 위하여 본 발명은 거리 센서를 이용한 연석 탐지 방법으로서, 상기 거리 센서를 이용하여 지면의 정보를 수집하는 단계와; 상기 지면의 정보를 일 평면에 투영하는 단계와; 상기 투영된 지면의 정보를 일정한 구역으로 나누어 각 구역의 대표 높이를 구하는 단계; 및 상기 각 구역의 대표 높이와 미리 설정된 연석 모델을 비교하여 유사도를 계산하는 단계를 포함하는 연석 탐지 방법을 제공한다.In order to achieve the above object, the present invention provides a curb detection method using a distance sensor, comprising: collecting information on the ground using the distance sensor; Projecting information of the ground onto a plane; Dividing the projected ground information into predetermined zones to obtain a representative height of each zone; And comparing the representative height of each zone with a preset curb model to calculate a similarity.
또한, 상기 지면의 정보를 일 평면에 투영하는 단계는 차량의 진행 방향과 수직한 평면에 상기 지면의 정보를 투영하여 이루어질 수 있다.The projecting of the information of the ground on one plane may be performed by projecting the information of the ground on a plane perpendicular to the traveling direction of the vehicle.
또한, 상기 지면의 정보를 일 평면에 투영하는 단계는 상기 지면 정보의 3차원 좌표 중 차량의 진행 방향에 대한 거리값을 제거하여 이루어질 수 있다.The projecting of the ground information on one plane may be performed by removing a distance value of a traveling direction of the vehicle among the three-dimensional coordinates of the ground information.
또한, 상기 각 구역의 대표 높이를 구하는 단계는 각 구역에 포함된 센싱점의 높이값을 평균하여 구함으로써 이루어질 수 있다.In addition, the step of obtaining the representative height of each zone may be made by averaging the height value of the sensing point included in each zone.
또한, 상기 연석 모델은 연석의 높이와 연석의 상하 수평면의 길이를 갖는 형상으로 이루어질 수 있다.In addition, the curb model may be formed in a shape having a height of the curb and the length of the horizontal plane of the top and bottom of the curb.
또한, 상기 유사도를 계산하는 단계는, 상기 각 구역의 대표 높이를 상기 연석 모델의 중앙에 정렬하고, 상기 연석 모델의 상하 수평면 길이에 포함되는 구역마다 각 구역의 대표 높이와 상기 연석 모델과의 높이 차이를 계산한 후 상기 높이 차이의 대소에 따라 유사도를 판정하여 연석이 있는 구역을 판단할 수 있다.The calculating of the similarity may include aligning a representative height of each zone with a center of the curb model, and a height of the representative height of each zone and the curb model for each zone included in a vertical horizontal plane length of the curb model. After calculating the difference, the degree of similarity may be determined according to the magnitude of the height difference to determine the area where the curb is located.
또한, 상기 연석 탐지 방법은 상기 각 구역의 유사도의 합을 계산한 후 유사도의 합을 각 구역의 유사도로 나누어 모든 구역의 유사도의 합이 일정한 값이 되도록 정규화하는 단계를 더 포함할 수 있다. 여기서, 정규화된 유사도 중 가장 높은 유사도를 가지며, 유사도가 일정한 값 이상인 구역을 연석으로 판단할 수 있다.In addition, the curb detection method may further include the step of calculating the sum of the similarity of each of the zones and dividing the sum of the similarity by the similarity of each zone to normalize the sum of the similarity of all zones to a constant value. Here, an area having the highest similarity among normalized similarities and having a similarity or more than a predetermined value may be determined as a curb.
본 발명은 상기 연석 탐지 방법에 의해 연석을 탐지하면서 주행하는 무인 자율 주행 차량을 제공한다.The present invention provides an unmanned autonomous vehicle that travels while detecting curb by the curb detection method.
또한, 상기 거리 센서는 레이저 스캐너, 적외선 스캐너 및 3D 라이다(LIDAR) 중 어느 하나일 수 있다.
The distance sensor may be any one of a laser scanner, an infrared scanner, and a 3D lidar.
본 발명의 실시예에 따른 연석 탐지 방법은 연석의 옆면뿐만 아니라 상하 수평면도 사용하고, 연석 모델과 거리 센서 정보를 수학적으로 비교하여 연석을 탐지함으로써, 다양한 환경 조건에서 안정적으로 연석을 탐지할 수 있다.Curbstone detection method according to an embodiment of the present invention by using not only the side surface of the curb, but also the horizontal plane, and by comparing the curb model and distance sensor information mathematically to detect the curb, it is possible to stably detect the curb in various environmental conditions .
특히, 본 발명의 실시예에 따른 연석 탐지 방법은 먼 거리에 존재하는 연석을 정확하게 탐지할 수 있고, 연석의 일부 파손, 낙엽 등의 장애물 존재 등 외부 요인이나 센서의 노이즈 등에 의해 연석 탐지 성능이 저하되는 것을 최소화할 수 있다. 따라서, 본 발명의 실시예에 따른 연석 탐지 방법은 무인 차량의 자율 주행 등에 활용될 경우 주행 성능 및 안정성을 크게 향상시킬 수 있다.
In particular, the curb detection method according to an embodiment of the present invention can accurately detect the curb existing in a long distance, and the curb detection performance is deteriorated due to external factors such as some breakage of curb, obstacles such as fallen leaves or noise of the sensor. Can be minimized. Therefore, the curb detection method according to an embodiment of the present invention can greatly improve driving performance and stability when used in autonomous driving of an unmanned vehicle.
도 1은 본 발명의 실시예에 따른 거리 센서가 장착된 무인 자율 주행 차량의 사시도이다.
도 2는 무인 자율 주행 차량에서 가까운 거리의 연석을 센싱할 경우의 센싱점 분포를 나타내는 도면이다.
도 3은 무인 자율 주행 차량에서 먼 거리의 연석을 센싱할 경우의 센싱점 분포를 나타내는 도면이다.
도 4는 좌표 변환한 거리 센서의 정보를 무인 자율 주행 차량의 후방에서 전방을 바라보는 방향으로 도시한 도면이다.
도 5는 도 4의 거리 센서의 정보를 일정한 간격의 구역으로 나눈 후 각 구역의 평균 높이를 변환하는 예를 설명하는 도면이다.
도 6는 도 5의 방법에 따라 도 4의 거리 센서 정보를 변환한 도면이다.
도 7은 본 발명의 일 실시예에 따른 연석 모델을 나타낸 도면이다.
도 8은 변환된 거리 센서 정보와 연석 모델을 비교하는 과정을 설명하는 도면이다.
도 9는 도 8의 과정을 수행하여 변환된 거리 센서 정보와 연석 모델과의 유사도를 계산한 결과를 나타낸 도면이다.1 is a perspective view of an unmanned autonomous vehicle equipped with a distance sensor according to an embodiment of the present invention.
FIG. 2 is a diagram illustrating a distribution of sensing points when sensing curb at a close distance in an autonomous autonomous vehicle.
3 is a diagram illustrating a sensing point distribution when sensing a curb at a long distance in an unmanned autonomous vehicle.
FIG. 4 is a diagram illustrating information of a coordinate sensor converted by a distance from the rear of the unmanned autonomous vehicle toward the front.
FIG. 5 is a diagram illustrating an example of converting the information of the distance sensor of FIG. 4 into zones having a predetermined interval and then converting an average height of each zone.
6 is a diagram illustrating conversion of distance sensor information of FIG. 4 according to the method of FIG. 5.
7 is a view showing a curb model according to an embodiment of the present invention.
8 is a view illustrating a process of comparing the converted distance sensor information and a curb model.
FIG. 9 is a diagram illustrating a result of calculating similarity between the converted distance sensor information and the curb model by performing the process of FIG. 8.
이하, 본 발명의 실시예에 따른 거리 센서를 이용한 연석 탐지 방법 및 이를 이용한 무인 자율 주행 차량에 대하여 도면을 참조하여 상세하게 설명한다.Hereinafter, a curb detection method using a distance sensor and an unmanned autonomous vehicle using the same according to an embodiment of the present invention will be described in detail with reference to the accompanying drawings.
도 1을 참고하면, 본 발명의 실시예에 따른 무인 자율 주행 차량(100)은 동력 수단을 구비하여 이동할 수 있는 본체(10)와 이 본체(10)의 상부 전방에 설치되어 지면의 정보를 감지하는 거리 센서(20) 및 이 거리 센서(20)를 지지하는 고정 브라켓(30)을 포함한다.Referring to FIG. 1, the unmanned
거리 센서(20)는 고정 브라켓(30)에 대하여 하향으로 경사지게 설치되어 있다. 즉, 차량의 전방을 향하는 방향을 x축 방향으로 하는 고정 좌표계 (x, y, z)를 설정하고, x축을 기준으로 하부 방향으로 일정한 각도(θ)만큼 기울여서 거리 센서(20)를 설치하면, 거리 센서(20)는 x' 방향을 측정하게 되고 일정 거리 앞의 지면을 측정하게 된다. 거리 센서(20)의 경사각(θ)은 다양하게 변형될 수 있다.The
거리 센서(20)로는 레이저 스캐너, 적외선 스캐너, 3D 라이다(LIDAR) 등과 같이 일정한 간격으로 환경에 대한 거리를 측정하는 센서가 사용될 수 있다.As the
상기와 같은 구성을 갖는 무인 자율 주행 차량(100)은 차도와 인도의 경계석인 연석을 탐지하면서 주행하는데, 도 2에 도시된 바와 같이 연석(P1)까지의 거리 (D1)가 상대적으로 짧은 위치나, 도 3에 도시된 바와 같이 연석(P2)까지의 거리(D2)가 상대적으로 먼 위치에서 주행할 수 있다. 거리 센서(20)가 일정한 각도 간격으로 측정하는 것으로 가정하면, 연석과의 거리에 따라 거리 센서(20)의 센싱점의 분포가 달라진다.The unmanned
즉, 연석까지의 거리가 상대적으로 짧은 도 2의 경우에는 연석(P1)의 수직인 옆면(S1)에 센싱점이 다수 존재할 수 있으나, 연석까지의 거리가 상대적으로 먼 도 3의 경우에는 연석(P2)의 옆면(S2)에 센싱점이 소수 존재하게 된다. 따라서, 연석까지의 거리가 먼 경우에는 연석의 옆면 정보만 이용해서는 실제 도로 환경에서 연석을 정확하게 탐지하기 어렵다.That is, in FIG. 2, where the distance to the curb is relatively short, a plurality of sensing points may exist on the vertical side surface S1 of the curb P1, but in the case of FIG. 3, the distance to the curb is relatively far from the curb P2. A small number of sensing points exist on the side surface S2. Therefore, when the distance to the curb is far, it is difficult to accurately detect the curb in an actual road environment using only the side information of the curb.
거리 센서(20)는 (x', y, z) 좌표계 기준으로 환경에 대한 거리 정보를 측정하는데, 이를 (x, y, z) 좌표계 기준으로 좌표 변환할 수 있다. 연석을 포함하여 환경을 센싱한 거리 정보를 (x, y, z) 좌표계로 좌표 변환한 후 차량의 후면에서 전면을 보는 방향으로 도시한 예가 도 4이다.The
도 4를 참고하면, 거리 센서(20)에서 가까운 부분은 센싱점이 더 조밀하게 분포하고, 거리 센서(20)에서 먼 부분은 센싱점이 덜 조밀하게 분포하고 있는 것을 확인할 수 있는데, 이는 연석까지의 거리에 따른 연석 탐지 성능에 영향을 줄 수 있다. 본 발명의 실시예에 따른 연석 탐지 방법은 연석과의 거리에 따른 연석 탐지 성능의 영향을 최소화하기 위해, (x, y, z) 좌표계에서 y축 방향으로 환경을 일정한 간격의 구역으로 나눈 후 각 구역에 포함된 센싱점의 높이값을 평균하여 그 구역의 대표 높이로 사용하는 방법을 사용하였다.Referring to FIG. 4, it is confirmed that the sensing point is more densely distributed in the portion closer to the
도 4에서 (y, z) 평면에 도시된 센싱 정보 중 연석이 위치한 부분을 확대하여 도시한 것이 도 5이다. 도 5에 도시된 바와 같이, y축 방향을 따라 폭이 b인 구역으로 환경을 나누면 P3와 같은 센싱점이 특정 구역에 포함되는데, 거리 센서(20)에서 가까운 구역에는 많은 수의 센싱점이 포함될 것이고, 거리 센서(20)에서 먼 구역에는 적은 수의 센싱점이 포함될 것이다. 한편, 연석의 옆면을 포함하는 구역에도 다수의 센싱점이 포함될 것이다. 각 구역에 포함된 센싱점의 높이를 평균하여 그 구역의 대표 높이로 한다면, 구역 C1에 포함된 센싱점 P3를 이용하여 구역 C1의 대표 높이 H1을 계산할 수 있다.FIG. 5 is an enlarged view of a portion where curbs are located among sensing information shown in the (y, z) plane in FIG. 4. As shown in FIG. 5, when the environment is divided into zones having a width b along the y-axis direction, a sensing point such as P3 is included in a specific zone, and a zone close to the
도 4에 도시된 센싱 정보를 도 5의 방법을 통하여 각 구역의 대표 높이를 계산한 결과가 도 6에 도시되어 있다. y축 방향으로 센싱점이 일정한 간격으로 표현되어 있기 때문에 연석의 위치에 관계없이 연석 주변이 고른 형태로 표현된다.The result of calculating the representative height of each zone using the sensing information shown in FIG. 4 through the method of FIG. 5 is shown in FIG. 6. Since the sensing points are expressed at regular intervals in the y-axis direction, the periphery of the curb is evenly expressed regardless of the location of the curb.
그리고, 본 발명의 실시예에 따른 연석 탐지 방법은 미리 설정된 연석 모델(M)을 이용하여 연석을 탐지한다. 도 7은 연석 모델(M)의 일 실시예를 나타낸 것이다. 도 7에 도시된 바와 같이, 연석의 높이를 h라 하고, 상하 수평면 중 연석 탐지를 위한 비교에 사용될 범위를 각각 d라고 정하여 연석 모델(M)을 설계한다.And, the curb detection method according to an embodiment of the present invention detects the curb using the preset curb model (M). Figure 7 shows an embodiment of the curb model (M). As shown in FIG. 7, the curb model M is designed by setting the height of the curb as h and setting the ranges to be used as comparisons for the curb detection in the upper and lower horizontal planes, respectively.
도 6의 변환된 대표 높이 정보와 도 7의 연석 모델(M)을 비교하여 연석을 탐지하는 예가 도 8에 도시되어 있다. 도 8의 (a)를 참고하면, 구역 C2의 위치에 연석이 있다고 가정하고 연석 모델(M)과 연석의 좌우로 도 7의 d범위에 포함되는 구역의 높이를 비교하여 각 오차 e1~e8을 계산한다. 구역의 높이와 연석 모델(M)이 유사하지 않기 때문에 오차 e1~e8가 크다는 것을 확인할 수 있다. 비교하는 구역의 개수는 구역의 크기 b와 연석 모델(M)의 d에 의해 결정된다. 도 8의 (b)를 참고하면, 실제 연석의 위치인 구역 C3의 위치에 연석이 있다고 가정하고 오차 e1~e8를 계산하면 오차가 작은 것을 확인할 수 있다. 전체적인 오차가 작으면 연석 모델(M)과의 유사도가 높은 것이므로 연석일 가능성이 높고, 오차가 크면 연석 모델(M)과의 유사도가 낮은 것이므로 연석일 가능성이 낮은 것이다.An example of detecting a curb by comparing the converted representative height information of FIG. 6 with the curb model M of FIG. 7 is illustrated in FIG. 8. Referring to (a) of FIG. 8, assuming that there is a curb at the location of the zone C2, each error e 1 to e by comparing the height of the zone included in the range d of FIG. 7 to the left and right of the curb model M and the curb. Calculate 8 It can be seen that the errors e 1 to e 8 are large because the height of the zone and the curb model (M) are not similar. The number of zones to compare is determined by the size b of the zone and the d in the curb model (M). Referring to Fig. 8 (b), assuming that the curb on the location of the zone C3 of the actual position curb and calculating an error e 1 e ~. 8 it can be seen that a small error. If the overall error is small, the similarity with the curb model (M) is high, so it is likely to be curb, and if the error is large, the similarity with the curb model (M) is low, and thus it is less likely to be curb.
이러한 특성을 반영하여 다양한 방법으로 오차에 따른 연석 모델(M)과의 유사도를 계산할 수 있다. 일 실시예로서 다음의 식(1)을 사용하면 오차를 이용하여 연석 모델(M)과의 유사도를 계산할 수 있다.Reflecting these characteristics, it is possible to calculate the similarity with the curb model (M) according to the error in various ways. As an example, the following equation (1) may be used to calculate the similarity with the curb model M using the error.
식(1)은 정규 분포 또는 가우시안 분포식을 사용한 것으로서, 각 구역과 연석 모델의 오차 ei를 이용하여 연석 모델(M)과의 유사도를 계산한다. n은 비교하는 구역의 개수이고, σ는 불확실성을 나타내는 값으로 미리 정하는 값이다. 식(1)을 이용하여 도 6에 도시한 결과에서 각 구역의 연석과의 유사도를 계산한 후 모든 구역에서 계산한 유사도의 합이 1.0이 되도록 정규화한 결과가 도 9에 도시되어 있다. 도 9에 도시된 바와 같이, 실제 연석 위치의 구역만 유사도가 높은 것(약 0.6)을 확인할 수 있고, 이러한 정보를 이용하여 연석을 탐지할 수 있다.Equation (1) uses a normal distribution or Gaussian distribution, and calculates the similarity with the curb model (M) using the error e i of each zone and the curb model. n is the number of zones to compare, and σ is a value that indicates uncertainty. In FIG. 6 using the equation (1), the similarity with the curb in each zone is calculated and normalized so that the sum of the similarity calculated in all zones is 1.0. As shown in FIG. 9, only the area of the actual curb location can confirm that the similarity is high (about 0.6), and the curb can be detected using this information.
본 발명의 실시예에 따른 연석 탐지 방법은 연석의 상하 수평면에 위치한 여러 구역을 종합적으로 비교하므로 연석 모델과 비교하는 구역 한 두 개가 잘못 센싱되었을 경우에도 올바로 센싱된 다른 구역의 영향으로 유사도가 높게 계산된다. 따라서, 센서 정보에 잡음이 포함된 경우, 연석이 일부 파손되거나 가려진 경우, 연석까지의 거리가 먼 경우에도 연석을 정확하게 탐지할 수 있다.The curb detection method according to an embodiment of the present invention comprehensively compares various zones located in the upper and lower horizontal planes of the curb, so that even if one or two zones compared with the curb model are sensed incorrectly, the similarity is calculated due to the influence of other zones correctly sensed. do. Therefore, when the sensor information includes noise, when the curbstone is partially damaged or covered, even when the distance to the curb is far, the curb can be accurately detected.
상기에서는 본 발명의 바람직한 실시예에 대하여 설명하였지만, 본 발명은 이에 한정되는 것이 아니고 특허청구범위와 발명의 상세한 설명 및 첨부한 도면의 범위 안에서 여러 가지로 변형하여 실시하는 것이 가능하고 이 또한 본 발명의 범위에 속하는 것은 당연하다.
While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, Of course.
10: 본체 20: 거리 센서
30: 고정 브라켓 100: 무인 자율 주행 차량
P1, P2: 연석 S1, S2: 연석의 옆면
D1, D2: 거리 C1, C2: 구역
H1: 대표 높이10: main body 20: distance sensor
30: fixed bracket 100: unmanned autonomous vehicle
P1, P2: Curb S1, S2: Side of curb
D1, D2: Distance C1, C2: Zone
H1: representative height
Claims (9)
상기 거리 센서를 이용하여 지면의 정보를 수집하는 단계;
상기 지면의 정보를 일 평면에 투영하는 단계;
상기 투영된 지면의 정보를 일정한 구역으로 나누어 각 구역의 대표 높이를 구하는 단계; 및
상하 수평면 중 연석 탐지를 위한 비교에 사용될 범위와 연석의 높이를 정하여 연석 모델을 설계하고, 상기 각 구역의 대표 높이와 상기 연석 모델을 비교하여 유사도를 계산하는 단계를 포함하며,
상기 유사도를 계산하는 단계는,
상기 각 구역의 대표 높이를 상기 연석 모델의 중앙에 정렬하고, 상기 연석 모델의 상하 수평면 길이에 포함되는 구역마다 각 구역의 대표 높이와 상기 연석 모델과의 높이 차이를 계산한 후 상기 높이 차이의 대소에 따라 유사도를 판정하여 연석이 있는 구역을 판단하는 것을 특징으로 하는 연석 탐지 방법.
As a curb detection method using a distance sensor,
Collecting ground information using the distance sensor;
Projecting information of the ground onto a plane;
Dividing the projected ground information into predetermined zones to obtain a representative height of each zone; And
Designing a curb model by determining the range and the curb height to be used for the comparison of the curb detection in the upper and lower horizontal plane, and comparing the representative height of each zone and the curb model to calculate the similarity,
Calculating the similarity,
Align the representative height of each zone with the center of the curb model, calculate the height difference between the representative height of each zone and the curb model for each of the zones included in the top and bottom horizontal plane length of the curb model, the magnitude of the height difference Curb detection method, characterized in that for determining the area of curb by determining the similarity according to.
상기 지면의 정보를 일 평면에 투영하는 단계는 차량의 진행 방향과 수직한 평면에 상기 지면의 정보를 투영하여 이루어지는 것을 특징으로 하는 연석 탐지 방법.
The method of claim 1,
And projecting the ground information onto a plane comprises projecting the ground information onto a plane perpendicular to a traveling direction of the vehicle.
상기 지면의 정보를 일 평면에 투영하는 단계는 상기 지면 정보의 3차원 좌표 중 차량의 진행 방향에 대한 거리값을 제거하여 이루어지는 것을 특징으로 하는 연석 탐지 방법.
The method of claim 2,
And projecting the ground information onto one plane by removing a distance value of a traveling direction of the vehicle from among three-dimensional coordinates of the ground information.
상기 각 구역의 대표 높이를 구하는 단계는 각 구역에 포함된 센싱점의 높이값을 평균하여 구함으로써 이루어지는 것을 특징으로 하는 연석 탐지 방법.
The method of claim 1,
The step of obtaining the representative height of each zone is a curb detection method, characterized in that obtained by averaging the height value of the sensing point included in each zone.
상기 연석 모델은 연석의 높이와 연석의 상하 수평면의 길이를 갖는 형상으로 이루어지는 것을 특징으로 하는 연석 탐지 방법.
The method of claim 1,
The curb model is characterized in that the curb has a shape having a height of the curb and the length of the horizontal plane of the curb.
상기 각 구역의 유사도의 합을 계산한 후 유사도의 합을 각 구역의 유사도로 나누어 모든 구역의 유사도의 합이 일정한 값이 되도록 정규화하는 단계를 더 포함하고,
정규화된 유사도 중 가장 높은 유사도를 가지며, 유사도가 일정한 값 이상인 구역을 연석으로 판단하는 것을 특징으로 하는 연석 탐지 방법.
The method of claim 1,
Calculating the sum of the similarities of the respective zones, and then dividing the sum of the similarities by the similarities of the respective zones and normalizing the sum of the similarities of all the zones to a constant value,
Curb detection method characterized in that it is determined by the curb area having the highest similarity among the normalized similarity and the similarity is above a certain value.
An unmanned autonomous vehicle that travels while detecting curb by the curb detection method according to any one of claims 1 to 5 and 7.
상기 거리 센서는 레이저 스캐너, 적외선 스캐너 및 3D 라이다(LIDAR) 중 어느 하나인 것을 특징으로 하는 무인 자율 주행 차량.9. The method of claim 8,
The distance sensor may be any one of a laser scanner, an infrared scanner, and a 3D lidar (LIDAR).
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100113965A KR101209573B1 (en) | 2010-11-16 | 2010-11-16 | Curb detection method using distance sensor and unmaned vehicle using the same |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020100113965A KR101209573B1 (en) | 2010-11-16 | 2010-11-16 | Curb detection method using distance sensor and unmaned vehicle using the same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20120052691A KR20120052691A (en) | 2012-05-24 |
| KR101209573B1 true KR101209573B1 (en) | 2012-12-07 |
Family
ID=46269215
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020100113965A KR101209573B1 (en) | 2010-11-16 | 2010-11-16 | Curb detection method using distance sensor and unmaned vehicle using the same |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101209573B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11927457B2 (en) | 2019-07-10 | 2024-03-12 | Deka Products Limited Partnership | System and method for real time control of an autonomous device |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20140006462A (en) * | 2012-07-05 | 2014-01-16 | 현대모비스 주식회사 | Apparatus and method for assisting safe driving |
| KR101985188B1 (en) * | 2012-09-20 | 2019-06-04 | 엘지전자 주식회사 | Moving robot and driving method for the moving robot |
| DE102019202040B4 (en) * | 2019-02-15 | 2022-01-27 | Zf Friedrichshafen Ag | Safe autonomous agricultural machine |
| CN112219206A (en) * | 2019-07-25 | 2021-01-12 | 北京航迹科技有限公司 | System and method for determining pose |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004326264A (en) * | 2003-04-22 | 2004-11-18 | Matsushita Electric Works Ltd | Obstacle detecting device and autonomous mobile robot using the same and obstacle detecting method and obstacle detecting program |
| KR100901311B1 (en) | 2009-03-13 | 2009-06-05 | 국방과학연구소 | Autonomous mobile platform |
-
2010
- 2010-11-16 KR KR1020100113965A patent/KR101209573B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004326264A (en) * | 2003-04-22 | 2004-11-18 | Matsushita Electric Works Ltd | Obstacle detecting device and autonomous mobile robot using the same and obstacle detecting method and obstacle detecting program |
| KR100901311B1 (en) | 2009-03-13 | 2009-06-05 | 국방과학연구소 | Autonomous mobile platform |
Non-Patent Citations (1)
| Title |
|---|
| 전창묵 외 5인. KUVE(KIST 무인 주행 전기 자동차)의 자율 주행. Journal of Institute of Control, Robotics and Systems, Vol. 16, No 7. July. 2010.* |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11927457B2 (en) | 2019-07-10 | 2024-03-12 | Deka Products Limited Partnership | System and method for real time control of an autonomous device |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20120052691A (en) | 2012-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9349058B2 (en) | Vehicular path sensing system and method | |
| KR101209573B1 (en) | Curb detection method using distance sensor and unmaned vehicle using the same | |
| Hata et al. | Road marking detection using LIDAR reflective intensity data and its application to vehicle localization | |
| TWI690439B (en) | Lane stripe detecting method based on three-dimensional lidar and system thereof | |
| JP3711405B2 (en) | Method and system for extracting vehicle road information using a camera | |
| CN109017780A (en) | A kind of Vehicular intelligent driving control method | |
| CN104064030B (en) | A kind of model recognizing method and system | |
| JP5531474B2 (en) | Map generation device, runway estimation device, movable region estimation device, and program | |
| WO2018016394A1 (en) | Traveling road boundary estimation apparatus and traveling assistance system using same | |
| JP4715579B2 (en) | Potential risk estimation device | |
| CN105922991A (en) | Lane departure early warning method and system based on generation of virtual lane lines | |
| WO2012115009A1 (en) | Periodic stationary object detection device and periodic stationary object detection method | |
| CN105206107A (en) | Lane boundary estimation device and lane boundary estimation method | |
| KR20160054825A (en) | Apparatus and method for judging drivable space | |
| US9239960B2 (en) | Three-dimensional object detection device | |
| CN111537994A (en) | Unmanned mine card obstacle detection method | |
| CN105761306A (en) | Road surface model based on field depth image or point cloud and establishment method thereof | |
| JP6991119B2 (en) | Path control method in automatic driving | |
| KR101348941B1 (en) | Road Information Detecting Method for Auto-Driving Robot and Auto-Driving Robot Using The Same | |
| JP5430232B2 (en) | Road direction recognition method and apparatus | |
| CN103950482B (en) | Dropproof and collision processing method when stair clean robot moves on marking time | |
| Andersen et al. | Traversable terrain classification for outdoor autonomous robots using single 2D laser scans | |
| JP6441558B2 (en) | Object position determination device | |
| JP6900214B2 (en) | Obstacle detection device and obstacle detection method | |
| KR100922168B1 (en) | Method for obtaining road surface information using laser and GPS-INS integration system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20151126 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20161201 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20171201 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20181203 Year of fee payment: 7 |