KR101925862B1 - 3차원 라이다를 이용한 실시간 3차원 지도 생성 방법 및 장치 - Google Patents
3차원 라이다를 이용한 실시간 3차원 지도 생성 방법 및 장치 Download PDFInfo
- Publication number
- KR101925862B1 KR101925862B1 KR1020180109348A KR20180109348A KR101925862B1 KR 101925862 B1 KR101925862 B1 KR 101925862B1 KR 1020180109348 A KR1020180109348 A KR 1020180109348A KR 20180109348 A KR20180109348 A KR 20180109348A KR 101925862 B1 KR101925862 B1 KR 101925862B1
- Authority
- KR
- South Korea
- Prior art keywords
- dimensional
- transformation
- voxel
- data
- eigenvector
- Prior art date
Links
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
- G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
-
- 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
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G01S2205/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S2205/001—Transmission of position information to remote stations
- G01S2205/002—Transmission of position information to remote stations for traffic control, mobile tracking, guidance, surveillance or anti-collision
-
- 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
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4804—Auxiliary means for detecting or identifying lidar signals or the like, e.g. laser illuminators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/56—Particle system, point based geometry or rendering
Abstract
본 발명의 일 실시예에 따른 3차원 지도 작성 방법 및 장치가 제공된다. 본 발명의 일 실시예에 따른 3차원 지도 작성 방법은 이동체에 부착된 3차원 라이다를 이용하여 획득한 주변환경에 대한 3차원 지도 데이터를 복셀로 표현하는 단계, 상기 각 복셀로 표현된 3차원 지도 내의 모든 3차원 점에 기초하여 상기 각 복셀에 대한 고유값과 고유벡터를 획득하는 단계, 상기 이동체가 이동하면서 상기 3차원 라이다를 이용하여 새로이 획득하는 3차원 데이터의 모든 3차원 점에 대하여 상호 대응하는 상기 복셀 내의 3차원 대응점을 검출하는 단계, 상기 3차원 대응점이 속한 복셀의 고유값과 고유벡터를 이용하여 에러가 최소가 되는 회전변환과 병진이동변환을 구하는 단계 및 상기 회전변환과 병진이동변환에 기초하여 상기 3차원 지도 데이터를 갱신하는 단계를 포함하여 구성된다.
Description
본 발명은 3차원 라이다를 이용한 3차원 지도 생성 방법 및 장치에 관한 것으로, 더욱 상세하게는 3차원 라이다를 이용하여 이동하면서 실시간으로 3차원 지도를 생성하는 방법 및 장치에 관한 것이다.
3차원 지도 작성은 자율자동차를 비롯한 로봇에 있어서 환경을 인지하고 경로를 생성하며 장애물을 감지하고 회피 동작을 계획하는 것과 같은 일련의 동작을 가능하게 한다. 로봇 분야에서 3차원 지도 작성은 동시적 위치 인식 및 지도작성(Simultaneous Localization And Mapping, SLAM)의 한 기술 분야이다.
종래에는 2차원 레이저 스캐너와 같은 센서에 모터를 장착하여 환경에 대한 3차원 지도를 작성하기 위하여, ICP(Iterative Closest Points)알고리즘을 사용하여 어느 한 장소에 멈추어서 3차원 데이터를 획득하는 방법이 사용되었다(P.J.Besl and N.D.Mckay,”A Method for Registration of 3D Shapes”, IEEE Trans. On Pattern Analysis and Machine Intelligence, vol. 14, Issue2, 1992). 그러나 이러한 방법은 움직임에 대한 데이터 왜곡이 심하여 이동형 로봇에 3차원 라이다를 장착하여 지도를 작성하는 것이 불가능하고 또한 3차원 지도 작성에 너무 많은 시간이 소요되는 문제가 있다.
M. Bosse and R. Zlot, “Continuous 3D Scan-Matching with a Spinning 2D Laser,” IEEE, Int. Conf. on Robotics and Automation, 2009. 에는 이러한 문제점을 해결하기 위한 알고리즘을 보여주고 있지만, 문제는 두 3차원 점들을 규정하는 특징벡터를 다수 사용하기 때문에 대응되는 두 점들의 집합을 찾는 부분에서 알고리즘 수행 시간의 대부분을 소모하고 있으며, 따라서 실시간성이 보장 안 되는 단점이 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 이동 중에도 실시간으로 3차원 지도의 작성이 가능한 3차원 라이다를 이용한 실시간 3차원 지도 생성 방법을 제공하는 데 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 다른 목적은, 이동 중에도 실시간으로 3차원 지도의 작성이 가능한 3차원 라이다를 이용한 실시간 3차원 지도 생성 장치를 제공하는 데 있다.
상기 목적을 달성하기 위한 본 발명은 이동체에 부착된 3차원 라이다를 이용하여 획득한 주변환경에 대한 3차원 지도 데이터를 복셀로 표현하는 단계, 상기 각 복셀로 표현된 3차원 지도 내의 모든 3차원 점에 기초하여 상기 각 복셀에 대한 고유값과 고유벡터를 획득하는 단계, 상기 이동체가 이동하면서 상기 3차원 라이다를 이용하여 새로이 획득하는 3차원 데이터의 모든 3차원 점에 대하여 상호 대응하는 상기 복셀 내의 3차원 대응점을 검출하는 단계, 상기 3차원 대응점이 속한 복셀의 고유값과 고유벡터를 이용하여 에러가 최소가 되는 회전변환과 병진이동변환을 구하는 단계 및 상기 회전변환과 병진이동변환에 기초하여 상기 3차원 지도 데이터를 갱신하는 단계를 포함하여 구성되는 3차원 지도 작성 방법을 제공한다.
상기 다른 목적을 달성하기 위한 본 발명은 이동체에 부착된 3차원 라이다를 이용하여 획득한 주변환경에 대한 3차원 지도 데이터를 복셀로 표현하는 복셀 표현부, 상기 각 복셀로 표현된 3차원 지도 내의 모든 3차원 점에 기초하여 상기 각 복셀에 대한 고유값과 고유벡터를 획득하는 고유값 및 고유벡터 획득부, 상기 이동체가 이동하면서 상기 3차원 라이다를 이용하여 새로이 획득하는 3차원 데이터의 모든 3차원 점에 대하여 상호 대응하는 상기 복셀 내의 3차원 대응점을 검출하는 3차원 대응점 검출부, 상기 3차원 대응점이 속한 복셀의 고유값과 고유벡터를 이용하여 에러가 최소가 되는 회전변환과 병진이동변환을 구하는 변환 연산부 및 상기 회전변환과 병진이동변환에 기초하여 상기 3차원 지도 데이터를 갱신하는 지도 갱신부를 포함하여 구성되는 3차원 지도 작성 장치를 제공한다.
본 발명의 3차원 라이다를 이용한 3차원 지도 작성방법 및 장치는 본 발명 고유의 연속 스캔 방법(continuous motion)을 사용함으로써 3차원 라이다가 움직여도 실시간으로 병진이동과 회전변환을 추정하여 정확한 3차원 지도를 생성할 수 있어서, 동적 로봇, 드론, 자율주행 자동차 등에 적용 가능하고 또한 실내외 모두에 적용 가능한 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 3차원 지도를 작성하는 방법을 수행하는 과정을 보여주는 순서도이다.
도 2는 3차원 지도 데이터를 복셀로 표현하여 고유벡터를 표시한 도면이다.
도 3은 발명의 일 실시예에 따른 목적함수가 적용된 복셀이 평면일 경우 예상되는 값의 변화를 보여주는 도면이다.
도 4는 본 발명의 일 실시예에 따른 목적함수가 적용된 복셀이 직선일 경우 예상되는 값의 변화를 보여주는 도면이다.
도 5는 본 발명의 일 실시예에 따른 목적함수가 적용된 복셀이 원통일 경우 예상되는 값의 변화를 보여주는 도면이다.
도 6은 본 발명의 일 실시예에 따른 목적함수와 종래의 ICP 목적함수를 적용한 값의 변화를 비교한 도면이다.
도 7은 종래의 ICP 목적함수가 갖는 단점을 설명하는 도면이다.
도 8은 3차원 라이다를 사용하여 실내 공간에서 3차원 지도를 생성한 결과를 ICP 알고리즘과 본 발명의 목적함수를 비교하여 보여주는 도면이다.
도 9는 본 발명의 목적함수를 사용하여 실외 환경에서의 3차원 지도를 작성한 결과를 보여주는 영상이다.
도 10은 본 발명의 일 실시예에 따른 3차원 지도 작성을 위한 알고리즘을 표현하는 의사코드이다.
도 11은 본 발명의 일 실시예에 따른 3차원 지도 작성 장치의 각 구성을 보여주는 블록도이다.
도 2는 3차원 지도 데이터를 복셀로 표현하여 고유벡터를 표시한 도면이다.
도 3은 발명의 일 실시예에 따른 목적함수가 적용된 복셀이 평면일 경우 예상되는 값의 변화를 보여주는 도면이다.
도 4는 본 발명의 일 실시예에 따른 목적함수가 적용된 복셀이 직선일 경우 예상되는 값의 변화를 보여주는 도면이다.
도 5는 본 발명의 일 실시예에 따른 목적함수가 적용된 복셀이 원통일 경우 예상되는 값의 변화를 보여주는 도면이다.
도 6은 본 발명의 일 실시예에 따른 목적함수와 종래의 ICP 목적함수를 적용한 값의 변화를 비교한 도면이다.
도 7은 종래의 ICP 목적함수가 갖는 단점을 설명하는 도면이다.
도 8은 3차원 라이다를 사용하여 실내 공간에서 3차원 지도를 생성한 결과를 ICP 알고리즘과 본 발명의 목적함수를 비교하여 보여주는 도면이다.
도 9는 본 발명의 목적함수를 사용하여 실외 환경에서의 3차원 지도를 작성한 결과를 보여주는 영상이다.
도 10은 본 발명의 일 실시예에 따른 3차원 지도 작성을 위한 알고리즘을 표현하는 의사코드이다.
도 11은 본 발명의 일 실시예에 따른 3차원 지도 작성 장치의 각 구성을 보여주는 블록도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "갖는다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
3차원 지도 작성은 자율 주행 자동차를 위한 3차원 정밀지도 작성과 자율 비행 드론을 위한 3차원 지도 작성 및 실내외 공간에 대한 VR(Virtual Reality) 서비스와 함께 4차 산업혁명에서 한가지 중요한 축으로 자리매김하고 있다. 현재 이러한 기술은 크게 두 가지로 나뉘는데 하나는 RTK(real-time kinematic), IMU(Inertial measurement unit), DMI(Distance Measurement Indicator) 등 여러 센서의 융합을 통해서 획득한 위치와 자세정보를 바탕으로 3차원 라이다(3D LiDAR)를 정합하는 모바일 매핑 시스템(Mobile Mapping System, MMS)이다.
다른 하나는 3차원 라이다로부터 획득한 데이터를 이용하여 스캔 매칭(scan matching) 같은 알고리즘으로 위치와 자세를 추정하며, RTK, IMU 의 센서 데이터를 보조용으로 사용하는 방법이다. 두 번째 방식의 장점 중 하나는 GPS 신호가 없는 실내 공간에 대해서도 3차원 지도 작성이 가능하다는 점이다. 본 발명은 두 번째 방식인 3차원 라이다의 스캔 매칭방식에 의한 정합방법에 대한 것이다.
한편, 3차원 라이다를 이용하여 지도를 작성하는 전통적인 방식은 go-stop 모션 방식을 사용하는데, 이 방식은3차원 스캔을 하는 동안 라이다가 움직이게 되면, 움직임으로 인하여 측정 데이터에 왜곡이 발생하고 오차가 커지게 되어 정확성이 떨어지는 문제가 있기 때문 정지한 상태에서 거리 영상을 획득한 후에 센서를 다음 위치로 이동하는 과정을 반복하면서 데이터를 스캔하기 때문에 지도 작성에 상당히 많은 시간이 소요된다.
본 발명에서는 이와 같은 문제를 해결하기 위하여 본 발명 고유의 연속 스캔 방법(continuous motion)을 사용함으로써 3차원 라이다가 움직여도 실시간으로 병진이동과 회전변환을 추정하여 정확한 3차원 지도를 생성할 수 있다. 따라서 동적 로봇, 드론, 자율주행 자동차 등에 적용 가능하다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 3차원 지도를 작성하는 방법을 수행하는 과정을 보여주는 순서도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 3차원 지도를 작성하는 방법은 3차원 지도 데이터를 복셀로 표현하는 단계(S100), 복셀 내의 모든 3차원 점에 기초한 고유값 및 고유벡터 획득 단계(S200), 새로이 획득한 3차원 점에 대응하는 3차원 대응점 검출 단계(S300), 회전변환 및 병진이동변환 산출 단계(S400) 및 지도 갱신 단계(S500)를 포함하여 구성될 수 있다.
또한, 도 1을 참조하면 본 발명의 일 실시예에 따른 3차원 지도를 작성하는 방법의 각 단계는 다음과 같이 설명될 수 있다.
먼저, 3차원 라이다(예를 들면, 벨로다인 라이다)를 이용하여 획득한 주변환경에 대한 3차원 지도 데이터를 복셀로 표현하고(S100), 각 복셀 내의 모든 3차원 점에 기초하여 각 복셀에 대한 고유값 λ와 고유벡터 υ를 산출한다(S200).
도 2는 3차원 지도 데이터로부터 표현된 각각의 복셀에 대하여 고유벡터를 표시하고 있다. 하나의 복셀에 포함된 원소는 같은 색으로 표현되어 있으며, 복셀의 중심값에서 고유벡터를 표현하고 있다.
다음으로, 이동체(예를 들면, 자율주행 자동차, 또는 드론 등)가 주행하면서 3차원 라이다를 이용하여 새로이 스캔하여 획득하는 3차원 데이터의 모든 3차원 점에 대하여 상호 대응하는 복셀 내의 3차원 대응점을 검출할 수 있다(S300). 대응점 검출은 ICP(Iterative Closest Points) 알고리즘과 같이 유클리디안 거리를 이용할 수 있으며 본 실시예에 한정되지 않는다. 3차원 대응점 검출은 알려진 방법이므로 이에 대한 설명을 생략한다.
한편, 다음 식(2)를 설명하기 위해서 평면, 직선 및 원통의 도형이 존재한다고 가정한다.
3차원 라이다를 이용하여 새로이 획득한 점 와 3차원 지도 데이터에서 유클리디안 거리가 가장 가까운 대응점를 찾는다. 이때 두 3차원 점와 가 만드는 벡터를 고유벡터의 성분값을 이용하여 계산한다. 즉 각각의 고유벡터 방향의 에러가 얼마인지를 계산한다. 구해진 고유값을 각각 λ1, λ2, λ3이라 할 때 고유값의 관계는 다음과 같다.
그리고 각각의 고유값에 해당하는 고유벡터는 υ1, υ2, υ3이다.
이때, 예를 들면, Levenberg-Marquardt 알고리즘을 적용하여 갱신된 회전변환과 병진이동변환이 직전 계산된 회전변환과 병진이동변환과의 차이가 미리 정해진 임계값보다 작다면 에러가 최소라고 판단하여 알고리즘을 종료하고 다음 단계(S500)를 진행한다.
다음으로, 앞에서 산출한 회전변환과 병진이동변환에 기초하여 3차원 지도 데이터를 갱신한다(S500). 이때, 회전변환과 병진이동변환에 기초하여 변환된 3차원 점이 새로운 영역이면 새로운 고유값과 고유벡터를 구하고, 3차원 대응점과 같은 공간의 복셀에 속하는 경우에는 상기 복셀의 고유값과 고유벡터를 갱신할 수 있다.
도 3은 발명의 일 실시예에 따른 목적함수가 적용된 복셀이 평면일 경우 예상되는 값의 변화를 보여주는 도면이다.
도 3을 참조하면 평면의 경우에 벡터의 벡터 υ1 성분의 크기를 가장 크게 만들고, 나머지 두 방향 벡터 성분의 기여도를 작게 가져간다. 도 3의 그래프는 고유벡터에 따른 에러가 어떻게 변화하는지 보여주고 있다. 그래프에서 x 축은 벡터 의 크기를 나타낸다. 거리가 멀어질수록 υ1 벡터 성분의 에러는 크게 증가하지만 υ2 , υ3 방향의 벡터 성분의 크기는 거리값에 크게 영향을 받지 않는다. 이렇게 함으로써 새롭게 스캔한 한 점 은 평면 위에서 유클리디안 거리가 가장 가까운 한 대응점과 같은 평면상에 존재하도록 배치하게 된다. 즉, 이 한 점은 평면 위에서는 어느 곳에서나 에러 총합의 변화는 작은 값을 가지게 된다.
도 4는 발명의 일 실시예에 따른 목적함수가 적용된 복셀이 직선일 경우 예상되는 값의 변화를 보여주는 도면이다.
만일 어느 하나의 복셀에 직선에 대한 포인트 클라우드만 존재하고 이에 대한 고유값을 구한다면, 두 개의 고유값은 그 값이 작을 것이고 나머지 하나의 고유값은 비교적 큰 값을 가질 것이다. 따라서 두 벡터의 각각의 고유벡터 방향 성분 에러의 값은 도 4의 그래프와 같은 형태를 갖게 될 것이고 새롭게 스캔한 데이터는 공간상에서 이 복셀 내에서는 직선 위 근처에 존재해야만 에러값을 가장 작게 유지할 수 있게 된다.
도 5는 본 발명의 일 실시예에 따른 목적함수가 적용된 복셀이 원통일 경우 예상되는 값의 변화를 보여주는 도면이다.
만일 어느 한 복셀에 대한 고유값이 서로 비슷하게 나온다면, 원통으로 가정할 수 있을 것이다. 이럴 경우에 각각의 고유벡터 방향 성분의 에러는 도 3의 평면 및 도 4의 직선의 경우와 같이 모든 방향 성분이 어느 정도 에러에 영향을 줄 수 있다. 그러나 기본적으로 유클리디안 거리값이 가장 작은 성분으로 정합이 이루어지기 때문에 새롭게 스캔한 한 데이터는 원통 표면 위의 어느 지점으로 수렴하게 될 것이다. 이 지점은 고유값이 가장 큰 값을 가지는 원통의 높이 방향보다는 두 개의 고유값이 평면을 이루는 어느 평면 위의 점과 원통이 교차하는 지점 근처에서 그 에러의 총합이 가장 작게 나오게 된다
도 6은 본 발명의 일 실시예에 따른 목적함수와 종래의 ICP 목적함수를 적용한 값의 변화를 비교한 도면이다.
도 6을 참조하면, 연속해서 얻어진 2개의 3차원 라이다 데이터를 이용하여 정합을 위하여 본 발명의 목적함수와 ICP 목적함수를 적용하여 시험한 결과를 보여준다.
본 시험에서 정확한 회전변환과 병진이동변환은 그 값을 조금씩 변화시키면서 사람의 눈으로 확인한 값을 참값으로 하였으며, 도 6의 (a)의 그래프는 본 발명의 목적함수의 변화 값을 보여주고 있으며 도 6의 (b)의 그래프는 ICP(Iterative Closest Points) 알고리즘의 목적함수 변화 값을 보여주고 있다. 도 6의 그래프에서 가로방향 x축은 반복(iteration)의 수를 표현하고 있다. 도 6의 그래프를 참조하면 눈으로 확인한 참값에 가까워질수록 ICP의 목적함수 값은 그 크기가 커지는 반면에 본 발명의 목적함수의 값은 그 크기가 빠르게 줄어들어 일정하게 수렴하고 있는 것을 확인할 수 있다.
ICP의 결과가 이와 같은 경향을 나타내는 가장 큰 이유는 밀도가 낮은 3차원 지도 데이터에서 빈 공간에 대해서 서로 다른 두 데이터와의 유클리디안 거리값을 줄이기 때문이다.
도 7은 종래의 ICP 목적함수가 갖는 단점을 설명하는 도면이며, 위에서 언급한 경우를 설명하고 있다.
도 7에서 붉은색으로 표현된 데이터는 첫 번째 획득한 데이터이고 검정색으로 표현된 데이터는 두 번째 획득한 데이터이다. 한편, 도 7의 (b)는 도 7의 (a)의 실선 사각형 부분(700)을 확대한 그림이다. 첫 번째 획득한 데이터와 두 번째 획득한 데이터와의 유클리디안 거리값을 줄이기 위해 화살표 방향으로의 변환이 발생하고 ICP의 반복의 회수가 늘어날수록 노란색으로 표현된 화살표 방향으로의 에러가 커지는 걸 알 수 있다.
도 8은 3차원 라이다를 사용하여 실내 공간에서 3차원 지도를 생성한 결과를 ICP 알고리즘(a)과 본 발명의 목적함수(b)를 비교하여 보여주는 도면이다.
도 8을 참조하면, 본 발명의 목적함수에 의한 3차원 지도 작성 결과(b)가 ICP에 의한 결과(a)보다 정확함을 알 수 있다.
도 9는 본 발명의 목적함수를 사용하여 실외 환경에서의 3차원 지도를 작성한 결과를 보여주는 시험 영상으로서 도 9의 (a)는 위에서 내려다본 결과 영상이고 (b)는 측면에서 바라본 결과 영상이다. VLP-16 라이다를 손에 들고 다니며 위아래로 회전하여 보다 넓은 공간에 대한 3차원 데이터를 획득한 결과이다.
이하, 본 발명의 일 실시예에 따른 3차원 지도를 작성하기 위한 알고리즘에 대하여 좀 더 자세하게 설명한다.
본 발명의 일 실시예에 따른 3차원 지도를 작성하기 위한 알고리즘을 구현하기 위하여 앞서 설명한 것처럼 다수의 복셀 , , 을 사용한다. 복셀 에서 아래 첨자는 복셀의 크기를 표현하며, 의 관계를 갖는다. 복셀의 중심 , , 는 이 복셀에 포함되는 모든 3차원 포인트의 평균값을 나타낸다.
또한, 상위 복셀 , 는 복셀 의 중심을 이용하여 만들어진다. 최상위 복셀 는 실시간성을 위하여 만들어진다. 3차원 지도가 작성되면, 이동하는 거리에 따라서 컴퓨터 메모리에 저장되는 데이터의 수가 상당히 증가하게 되어 실시간성을 보장하지 못할 수도 있기 때문이다. 따라서 현재 알고리즘 수행에 필요한 데이터는 상위 복셀 에서 추출한 복셀 를 통하여 선택된다. 3차원 지도 데이터 은 이전 시간 까지 작성된 모든 3차원 데이터를 포함하며, 부분집합인 에서 를 작성한다. 복셀 에 포함된 원소는 복셀의 중심과 고유값 그리고 고유벡터이며 다음과 같다.
복셀 맵 의 한 원소 는 에서 복셀의 중심을 원소로 가지는 벡터 이며, 시간 에서 센서로부터 획득한 원시 데이터를 복셀로 만든 의 집합 에서 로부터 는 중심을 원소로 가지는 벡터이다. 맵 는 시간 에서 복셀의 모든 원소인 중심값, 고유값과 고유벡터를 가지는 집합이며, 는 이 중에서 중심값만 가지는 벡터의 집합이다.
다음으로, 두 집합 과 사이의 대응관계를 구하기 위해서 ICP에서 대응관계를 찾는 방식을 사용할 수 있다. 좀 더 정확한 대응관계를 찾기 위해서 두 집합의 원소 중심, 고유값, 고유벡터 모두를 비교할 수 있으나 실시간성을 확보하기 위해서 중심만을 비교하여 유클리디안 거리가 가장 작은 두 3차원 포인트와 를 서로 대응되는 관계에 있다고 가정할 수 있다. 이때 두 3차원 포인트와 를 원소로 가지는 복셀에서 고유값과 고유벡터를 이용하여 위의 식(1)을 계산한다. 가장 빠른 대응관계를 찾기 위해서 KD-Tree를 이용할 수 있다.
이제, 3차원 지도를 작성하기 위해서 계산해야 하는 회전 변환과 병진이동 변환은 집합 에 적용되어 최종적으로 3차원 지도 에서 갱신된 지도 와 를 획득할 수 있다. 이를 위하여 대응관계가 찾아진 모든 데이터에 대해서 식 (2)를 계산할 수 있다. 식 (2)를 직접적으로 계산할 수는 없으므로 최적화 방법 중에서 Levenberg-Marquardt 알고리즘을 적용할 수 있다.
도 10은 본 발명의 일 실시예에 따른 3차원 지도 작성을 위한 알고리즘을 표현하는 의사코드이다.
도 10을 참조하면 현재까지 작성된 3차원 지도 의 부분집합과 강체변환 그리고 현재 새로이 3차원 라이더 센서로부터 획득한 데이터로부터 복셀 의 중심을 저장하고 있는 3차원 포인트들의 집합 가 입력 데이터로 주어진다. 이때, 3차원 지도 가 주어졌기 때문에 각각의 복셀에 대한 중심, 고유값, 고유벡터는 이미 계산되어 있다. 알고리즘의 결과는 현재시간 에서의 강체 변환 와 복셀의 모든 원소가 새롭게 갱신된 3차원 지도 이다. 알고리즘을 종료하는 조건은 두 가지가 있다. 하나는 수렴 조건을 만족하는 경우이며, 다른 하나는 주어진 반복횟수를 모두 다 수행했을 경우이다. 알고리즘의 수렴은 Levenberg-Marqudart로부터 갱신된 강체 변환가 이전에 계산된 것과의 차이가 설정된 임계값보다 작다면 수렴 조건은 만족하는 것으로 가정하였다.
이하, 본 발명의 일 실시예에 따른 3차원 지도 작성 장치에 대하여 설명한다.
도 11은 본 발명의 일 실시예에 따른 3차원 지도 작성 장치의 각 구성을 보여주는 블록도이다.
도 11을 참조하면 본 발명의 일 실시예에 따른 3차원 지도 작성 장치(100)는 3차원 라이다(10)에서 스캔한 3차원 데이터를 기초로 3차원 지도 데이터(20)를 작성하도록 동작하며, 복셀 표현부(110), 고유값 및 고유벡터 획득부(120), 대응점 검출부(130), 변환 연산부(140), 지도 갱신부(150)를 포함하여 구성된다.
또한, 도 10을 참조하여 본 발명의 일 실시예에 따른 3차원 지도 작성 장치(100)의 각 구성은 다음과 같이 설명될 수 있다.
복셀 표현부(110)는 3차원 라이다(10)를 이용하여 획득한 주변환경에 대한 3차원 지도 데이터(20)를 복셀로 표현할 수 있다.
고유값 및 고유벡터 획득부(120)는 각 복셀 내의 모든 3차원 점에 기초하여 각 복셀에 대한 고유값 λ와 고유벡터 υ를 산출할 수 있다.
대응점 검출부(130)는 이동체가 주행하면서 3차원 라이다(10)를 이용하여 새로이 스캔하여 획득하는 3차원 데이터의 모든 3차원 점에 대하여 상호 대응하는 복셀 내의 3차원 대응점을 검출할 수 있다. 이때, 대응점 검출은 ICP(Iterative Closest Points) 알고리즘과 같이 유클리디안 거리를 이용할 수 있다.
변환 연산부(140)는 새롭게 획득한 데이터의 모든 3차원 점에 대해 다음과 같이 위의 에러식 (1)을 최소로 만드는 회전변환과 병진이동변환을 구할 수 있다.
이때, 예를 들면, Levenberg-Marquardt 알고리즘을 적용하여 갱신된 회전변환과 병진 이동변환이 직전 계산된 회전변환과 병진이동변환과의 차이가 미리 정해진 임계값보다 작다면 에러가 최소라고 판단하여 알고리즘을 종료할 수 있다.
지도 갱신부(150)는 변환 연산부(140)에서 산출한 회전변환과 병진이동변환에 기초하여 3차원 지도 데이터를 갱신한다. 이때, 회전변환과 병진이동변환에 기초하여 변환된 3차원 점이 새로운 영역이면 새로운 고유값과 고유벡터를 구하고, 3차원 대응점과 같은 공간의 복셀에 속하는 경우에는 복셀의 고유값과 고유벡터를 갱신할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
Claims (8)
- 3차원 지도 작성 장치에서 동작하는 3차원 지도 작성 방법에 있어서,
이동체에 부착된 3차원 라이다를 이용하여 획득한 주변환경에 대한 3차원 지도 데이터를 복셀로 표현하는 단계;
상기 복셀로 표현된 3차원 지도 내의 모든 3차원 점에 기초하여 각 복셀에 대한 고유값과 고유벡터를 획득하는 단계;
상기 이동체가 이동하면서 상기 3차원 라이다를 이용하여 새로이 획득하는 3차원 데이터의 모든 3차원 점에 대하여 상호 대응하는 상기 복셀 내의 3차원 대응점을 검출하는 단계;
상기 3차원 대응점이 속한 복셀의 고유값과 고유벡터를 이용하여 다음 식1에 따른 에러가 최소가 되는 회전변환과 병진이동변환을 구하는 단계; 및
상기 회전변환과 병진이동변환에 기초하여 상기 3차원 지도 데이터를 갱신하는 단계를 포함하고,
[식1]
상기 식1에서, λ는 상기 고유값이며 υ는 상기 고유벡터, 은 상기 회전변환, 는 상기 병진이동변환,는 각 고유벡터 방향의 에러,는 상기 새로이 획득한 3차원 데이터 내의 3차원 점, 는 상기 복셀 내의 3차원 대응점을 나타내고, 상기 3차원 지도 데이터를 갱신하는 단계에서,
상기 회전변환과 병진이동변환에 기초하여 변환된 3차원 점이 새로운 영역이면 새로운 고유값과 고유벡터를 구하고, 상기 3차원 대응점과 같은 공간의 복셀에 속하는 경우에는 상기 복셀의 고유값과 고유벡터를 갱신하는 것을 특징으로 하는 3차원 지도 작성 방법. - 삭제
- 제1항에 있어서, 상기 회전변환과 병진이동변환을 구하는 단계에서 Levenberg-Marquardt 알고리즘을 적용하여 갱신된 상기 회전변환과 병진이동변환이 직전 계산된 회전변환과 병진이동변환과의 차이가 미리 정해진 임계값보다 작다면 상기 에러가 최소라고 판단하는 것을 특징으로 하는 3차원 지도 작성 방법.
- 이동체에 부착된 3차원 라이다를 이용하여 획득한 주변환경에 대한 3차원 지도 데이터를 복셀로 표현하는 복셀 표현부;
상기 복셀로 표현된 3차원 지도 내의 모든 3차원 점에 기초하여 상기 각 복셀에 대한 고유값과 고유벡터를 획득하는 고유값 및 고유벡터 획득부;
상기 이동체가 이동하면서 상기 3차원 라이다를 이용하여 새로이 획득하는 3차원 데이터의 모든 3차원 점에 대하여 상호 대응하는 상기 복셀 내의 3차원 대응점을 검출하는 3차원 대응점 검출부;
상기 3차원 대응점이 속한 복셀의 고유값과 고유벡터를 이용하여 다음 식1에 따른 에러가 최소가 되는 회전변환과 병진이동변환을 구하는 변환 연산부; 및
상기 회전변환과 병진이동변환에 기초하여 상기 3차원 지도 데이터를 갱신하는 지도 갱신부를 포함하고,
[식1]
상기 식1에서, λ는 상기 고유값이며 υ는 상기 고유벡터, 은 상기 회전변환, 는 상기 병진이동변환,는 각 고유벡터 방향의 에러,는 상기 새로이 획득한 3차원 데이터 내의 3차원 점, 는 상기 복셀 내의 3차원 대응점을 나타내고, 상기 지도 갱신부는,
상기 회전변환과 병진이동변환에 기초하여 변환된 3차원점이 새로운 영역이면 새로운 고유값과 고유벡터를 구하고, 상기 3차원 대응점과 같은 공간의 복셀에 속하는 경우에는 상기 복셀의 고유값과 고유벡터를 갱신하는 것을 특징으로 하는 3차원 지도 작성 장치. - 삭제
- 제4항에 있어서, 상기 변환 연산부는
Levenberg-Marquardt알고리즘을 적용하여 갱신된 상기 회전변환과 병진이동변환이 직전 계산된 회전변환과 병진이동변환과의 차이가 미리 정해진 임계값보다 작다면 상기 에러가 최소라고 판단하는 것을 특징으로 하는 3차원 지도 작성 장치. - 삭제
- 삭제
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180109348A KR101925862B1 (ko) | 2018-09-13 | 2018-09-13 | 3차원 라이다를 이용한 실시간 3차원 지도 생성 방법 및 장치 |
US16/565,943 US11525923B2 (en) | 2018-09-13 | 2019-09-10 | Real-time three-dimensional map building method and device using three-dimensional lidar |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180109348A KR101925862B1 (ko) | 2018-09-13 | 2018-09-13 | 3차원 라이다를 이용한 실시간 3차원 지도 생성 방법 및 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101925862B1 true KR101925862B1 (ko) | 2018-12-06 |
Family
ID=64671403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180109348A KR101925862B1 (ko) | 2018-09-13 | 2018-09-13 | 3차원 라이다를 이용한 실시간 3차원 지도 생성 방법 및 장치 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11525923B2 (ko) |
KR (1) | KR101925862B1 (ko) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102195527B1 (ko) * | 2020-08-06 | 2020-12-28 | 이성열 | 지능형 스마트 횡단보도 제어 방법 및 시스템 |
WO2021132811A1 (ko) * | 2019-12-27 | 2021-07-01 | 주식회사 모빌테크 | 중복영역에서의 3차원 정밀지도 비교를 통한 gps오차 보정 방법 |
KR102371852B1 (ko) * | 2020-10-16 | 2022-03-08 | (주)컨트롤웍스 | 포인트 클라우드 정보에 기반한 맵 업데이트 방법 및 장치 |
KR102524995B1 (ko) * | 2023-02-02 | 2023-04-25 | 국방과학연구소 | 전자 장치의 지도 생성 방법 |
KR20230102363A (ko) | 2021-12-30 | 2023-07-07 | 서울대학교산학협력단 | 회전식 라이다를 이용한 고속 움직임에 강인한 오도메트리 방법 및 장치 |
US11835342B2 (en) * | 2019-06-27 | 2023-12-05 | Nvidia Corporation | Calibration of inertial measurement units of vehicles using localization |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11208117B2 (en) * | 2019-07-09 | 2021-12-28 | Refraction Ai, Inc. | Method and system for autonomous vehicle control |
CN112668653A (zh) * | 2020-12-30 | 2021-04-16 | 北京百度网讯科技有限公司 | 基于激光雷达地图的回环检测方法、装置、设备及介质 |
CN113393579B (zh) * | 2021-08-17 | 2021-11-12 | 天津云圣智能科技有限责任公司 | 多机协同扫描方法、装置及电子设备 |
CN116538996B (zh) * | 2023-07-04 | 2023-09-29 | 云南超图地理信息有限公司 | 基于激光雷达的地形测绘系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101551413B1 (ko) | 2014-05-13 | 2015-09-08 | 금오공과대학교 산학협력단 | 웹 기반 eoc의 급경사지 모니터링 방법 |
KR101715780B1 (ko) * | 2010-10-11 | 2017-03-13 | 삼성전자주식회사 | 복셀 맵 생성기 및 그 방법 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6922234B2 (en) * | 2002-01-23 | 2005-07-26 | Quantapoint, Inc. | Method and apparatus for generating structural data from laser reflectance images |
US20070024611A1 (en) * | 2005-07-27 | 2007-02-01 | General Electric Company | System and method for aligning three-dimensional models |
EP3078935A1 (en) * | 2015-04-10 | 2016-10-12 | The European Atomic Energy Community (EURATOM), represented by the European Commission | Method and device for real-time mapping and localization |
US20190346271A1 (en) * | 2016-03-11 | 2019-11-14 | Kaarta, Inc. | Laser scanner with real-time, online ego-motion estimation |
US10989542B2 (en) * | 2016-03-11 | 2021-04-27 | Kaarta, Inc. | Aligning measured signal data with slam localization data and uses thereof |
US10983199B2 (en) * | 2017-08-11 | 2021-04-20 | Zoox, Inc. | Vehicle sensor calibration and localization |
US11274929B1 (en) * | 2017-10-17 | 2022-03-15 | AI Incorporated | Method for constructing a map while performing work |
-
2018
- 2018-09-13 KR KR1020180109348A patent/KR101925862B1/ko active IP Right Grant
-
2019
- 2019-09-10 US US16/565,943 patent/US11525923B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101715780B1 (ko) * | 2010-10-11 | 2017-03-13 | 삼성전자주식회사 | 복셀 맵 생성기 및 그 방법 |
KR101551413B1 (ko) | 2014-05-13 | 2015-09-08 | 금오공과대학교 산학협력단 | 웹 기반 eoc의 급경사지 모니터링 방법 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11835342B2 (en) * | 2019-06-27 | 2023-12-05 | Nvidia Corporation | Calibration of inertial measurement units of vehicles using localization |
WO2021132811A1 (ko) * | 2019-12-27 | 2021-07-01 | 주식회사 모빌테크 | 중복영역에서의 3차원 정밀지도 비교를 통한 gps오차 보정 방법 |
KR102195527B1 (ko) * | 2020-08-06 | 2020-12-28 | 이성열 | 지능형 스마트 횡단보도 제어 방법 및 시스템 |
KR102371852B1 (ko) * | 2020-10-16 | 2022-03-08 | (주)컨트롤웍스 | 포인트 클라우드 정보에 기반한 맵 업데이트 방법 및 장치 |
KR20230102363A (ko) | 2021-12-30 | 2023-07-07 | 서울대학교산학협력단 | 회전식 라이다를 이용한 고속 움직임에 강인한 오도메트리 방법 및 장치 |
KR102524995B1 (ko) * | 2023-02-02 | 2023-04-25 | 국방과학연구소 | 전자 장치의 지도 생성 방법 |
Also Published As
Publication number | Publication date |
---|---|
US20200088882A1 (en) | 2020-03-19 |
US11525923B2 (en) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101925862B1 (ko) | 3차원 라이다를 이용한 실시간 3차원 지도 생성 방법 및 장치 | |
JP5430456B2 (ja) | 幾何特徴抽出装置、幾何特徴抽出方法、及びプログラム、三次元計測装置、物体認識装置 | |
JP6323993B2 (ja) | 情報処理装置、情報処理方法、及びコンピュータプログラム | |
Kriegel et al. | Efficient next-best-scan planning for autonomous 3D surface reconstruction of unknown objects | |
Kaess | Simultaneous localization and mapping with infinite planes | |
Daudelin et al. | An adaptable, probabilistic, next-best view algorithm for reconstruction of unknown 3-d objects | |
JP5627325B2 (ja) | 位置姿勢計測装置、位置姿勢計測方法、およびプログラム | |
Jessup et al. | Robust and efficient multirobot 3-d mapping merging with octree-based occupancy grids | |
CN112258590B (zh) | 一种基于激光的深度相机外参标定方法、设备及其存储介质 | |
Schneider et al. | On the accuracy of dense fisheye stereo | |
CN117769691A (zh) | 基于路点的导航地图的拓扑处理 | |
CN113778096B (zh) | 室内机器人的定位与模型构建方法及系统 | |
Yoon et al. | Targetless multiple camera-LiDAR extrinsic calibration using object pose estimation | |
Pannen et al. | Lane marking learning based on crowdsourced data | |
Hu et al. | 1d-lrf aided visual-inertial odometry for high-altitude mav flight | |
Ye et al. | Model-based offline vehicle tracking in automotive applications using a precise 3D model | |
Lindner et al. | Optimization based multi-view coverage path planning for autonomous structure from motion recordings | |
Contreras et al. | Efficient decentralized collaborative mapping for outdoor environments | |
Buck et al. | Capturing uncertainty in monocular depth estimation: Towards fuzzy voxel maps | |
CN115661252A (zh) | 一种实时位姿估计方法、装置、电子设备以及存储介质 | |
Suppa | Autonomous robot work cell exploration using multisensory eye-in-hand systems | |
Gregor et al. | Indoor scene reconstruction from sets of noisy range images | |
JP6719925B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
Klimentjew et al. | Adaptive sensor-fusion of depth and color information for cognitive robotics | |
Marcus | Direct monocular SLAM augmented with LIDAR range measurements |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |