KR102060286B1 - 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법 및 이를 이용한 레이더 오브젝트 정보 생성 장치 - Google Patents

이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법 및 이를 이용한 레이더 오브젝트 정보 생성 장치 Download PDF

Info

Publication number
KR102060286B1
KR102060286B1 KR1020190135178A KR20190135178A KR102060286B1 KR 102060286 B1 KR102060286 B1 KR 102060286B1 KR 1020190135178 A KR1020190135178 A KR 1020190135178A KR 20190135178 A KR20190135178 A KR 20190135178A KR 102060286 B1 KR102060286 B1 KR 102060286B1
Authority
KR
South Korea
Prior art keywords
threshold value
image
radar
signal
information
Prior art date
Application number
KR1020190135178A
Other languages
English (en)
Inventor
서지원
조훈경
Original Assignee
주식회사 코드42
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 주식회사 코드42 filed Critical 주식회사 코드42
Priority to KR1020190135178A priority Critical patent/KR102060286B1/ko
Application granted granted Critical
Publication of KR102060286B1 publication Critical patent/KR102060286B1/ko

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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/536—Discriminating between fixed and moving objects or between objects moving at different speeds using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves
    • 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
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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

Abstract

이미지 정보를 활용하여 차량용 레이더의 오브젝트 검출 임계값을 결정하는 방법 및 이러한 방법을 이용하여 오브젝트 정보를 생성하는 장치가 제공된다. 차량 주변의 오브젝트를 인식하는 레이더 시스템의 오브젝트 정보를 생성하는 장치는 레이더 장치에서 제공된 비트 신호를 아날로그 신호에서 디지털 신호로 변환하는 ADC 부; 상기 변환된 디지털 신호에 대한 주파수 분석을 수행하는 주파수 분석부; 상기 주파수 분석된 신호와 임계값을 비교하여 오브젝트 피크를 결정하는 피크 검출부; 상기 검출된 오브젝트에 기초하여 오브젝트 정보를 생성하는 오브젝트 정보 생성부; 및 상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성하는 이미지 분석부를 포함하되, 상기 피크 검출부는 상기 오브젝트 이미지 정보를 이용하여 상기 임계값의 크기를 결정한다.

Description

이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법 및 이를 이용한 레이더 오브젝트 정보 생성 장치{Radar object detection threshold value determination method using image information and radar object information generation device using the same}
본 발명은 레이더의 오브젝트 검출 임계값(Object Detection Threshold)을 결정하는 방법 및 이를 이용하여 오브젝트 정보를 생성하는 장치에 관한 것으로, 보다 구체적으로 이미지 정보를 활용하여 차량용 레이더의 오브젝트 검출 임계값을 결정하는 방법 및 이러한 방법을 이용하여 오브젝트 정보를 생성하는 장치에 관한 것이다.
레이더는 송신 안테나에서 전자파를 전파시켜 물체에 반사된 전파를 수신 안테나가 수신하여 수신된 신호를 해석하는 센서이다. 이러한 레이더는 4차 산업 혁명의 중요한 기술인 자율 주행에서, 주행중인 자동차의 주변 환경 및 주변 사물(object)에 대한 정보를 획득하기 위해 사용된다.
레이더는 오브젝트에서 반사되어 수신된 신호를 신호처리 과정을 통해 거리, 속도, 각도 등의 정보를 갖는 오브젝트 정보를 최종적으로 생성할 수 있다. 오브젝트 정보를 생성하는 과정에서 가장 중요한 부분은 오브젝트를 결정하는 과정인 피크 검출(Peak Detection)에 해당한다. 일반적으로, 피크 검출은 주파수 상에서의 주변 잡음(노이즈)대비 신호 세기가 큰 신호를 오브젝트로 선택하게 된다. 즉, 신호의 세기가 특정 임계값(Threshold)보다 큰 경우, 오브젝트로 판단된다. 피크 검출에서 문제되는 것은 실제 의미 있는 신호를 오브젝트로 검출하지 못하는 미탐지와 의미 없는 신호를 오브젝트로 검출하는 오탐지에 해당하며, 이러한 미탐지와 오탐지를 줄이는 것이 곧 레이더의 성능에 직결된다.
따라서, 피크 검출에서 기준이 되는 임계값이 적절히 설정되어야만 레이더의 검출 정밀도를 향상시킬 수 있다.
본 발명이 해결하고자 하는 과제는 레이더의 검출 정밀도를 향상시키기 위해 피크 검출에 적용되는 임계값을 적절히 결정하는 방법 및 이를 포함하는 오브젝트 정보 생성 장치를 제공하는 것이다.
본 발명의 일 실시예에 따른 차량 주변의 오브젝트를 인식하는 레이더 시스템의 오브젝트 정보를 생성하는 장치는 레이더 장치에서 제공된 비트 신호를 아날로그 신호에서 디지털 신호로 변환하는 ADC 부; 상기 변환된 디지털 신호에 대한 주파수 분석을 수행하는 주파수 분석부; 상기 주파수 분석된 신호와 임계값을 비교하여 오브젝트 피크를 결정하는 피크 검출부; 상기 검출된 오브젝트에 기초하여 오브젝트 정보를 생성하는 오브젝트 정보 생성부; 및 상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성하는 이미지 분석부를 포함하되, 상기 피크 검출부는 상기 오브젝트 이미지 정보를 이용하여 상기 임계값의 크기를 결정한다.
본 발명의 다른 실시예에 따른 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법은 레이더 오브젝트 정보 생성 장치가, 레이더 장치에서 제공된 비트 신호를 아날로그 신호에서 디지털 신호로 변환하는 단계; 상기 레이더 오브젝트 정보 생성 장치가, 상기 변환된 디지털 신호에 대한 주파수 분석을 수행하는 단계; 상기 레이더 오브젝트 정보 생성 장치가, 상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성하는 단계; 및 상기 레이더 오브젝트 정보 생성 장치가, 상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 오브젝트를 검출하기 위한 임계값을 결정하는 단계를 포함한다.
본 발명의 실시예에 따른 레이더 오브젝트 검출 임계값 결정 방법 및 레이더 오브젝트 정보 생성 장치는 피크 검출에 적용되는 임계값이 이미지 정보를 활용하여 결정될 수 있다.
구체적으로, 전체적인 임계값이 높게 상승시켜 큰 크기의 신호 성분을 가진 노이즈의 오탐지를 방지할 수 있으며, 이미지 분석을 통해 생성된 오브젝트 이미지 정보에 따라 해당 거리에 대응하는 임계값이 초기 임계값보다 낮게 설정되어 원거리에 위치한 오브젝트의 미탐지가 방지될 수 있다. 이에 따라, 레이더의 검출 정밀도가 보다 향상될 수 있다.
다시말하면, 전체 임계값의 크기를 초기 임계값보다 상승시킴으로써, 큰 크기의 신호성분을 갖는 노이즈를 오브젝트로 잘못 판단하는 것을 방지할 수 있으며, 전체 임계값의 크기를 상승시킨 상태에서 작은 크기의 신호성분을 갖는 오브젝트에 대해 기계학습을 통해 생성된 이미지 정보에 기초하여 오브젝트에 해당하는 거리에 대응하는 임계값을 낮춤으로써, 작은 크기의 신호 성분을 갖는 오브젝트를 탐지 하지 못하는 것을 방지할 수 있다.
도 1은 본 발명의 일 실시예에 레이더 시스템의 구성을 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 레이더 장치의 블록도이다.
도 3은 본 발명의 일 실시예에 따른 레이더 오브젝트 정보 생성 장치의 블록도이다.
도 4는 본 발명의 일 실시예에 따른 이미지 분석부에서 분석된 오브젝트 이미지 정보의 예시적인 화면을 도시한다.
도 5는 초기 임계값으로 오브젝트를 검출하는 과정을 도시한 예시적인 그래프이다.
도 6은 본 발명의 일 실시예에 따라 임계값을 결정하여 오브젝트를 검출하는 과정을 도시한 예시적인 그래프이다.
도 7은 오브젝트에 대응하여 감소되는 임계값의 정도를 결정하는 알고리즘을 설명하기 위한 예시적인 그래프이다.
도 8은 본 발명의 다른 실시예에 따른 레이더 오브젝트 검출 임계값 결정 방법의 순서도이다.
이하, 본 발명에 따른 바람직한 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 본 발명의 예시적인 실시형태를 설명하고자 하는 것이며, 본 발명이 실시될 수 있는 유일한 실시형태를 나타내고자 하는 것이 아니다. 이하의 상세한 설명은 본 발명의 완전한 이해를 제공하기 위해서 구체적 세부사항을 포함한다. 그러나, 당업자는 본 발명이 이러한 구체적 세부사항 없이도 실시될 수 있음을 인지할 수 있다. 이하의 설명에서 사용되는 특정 용어들은 본 발명의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 본 발명의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 본 발명의 일 실시예에 따른 레이더 오브젝트 정보 생성 장치가 적용되는 레이더 시스템의 구성을 도시한 블록도이며, 도 2는 본 발명의 일 실시예에 따른 레이더 장치의 블록도이고, 도 3은 본 발명의 일 실시예에 따른 레이더 오브젝트 정보 생성 장치의 블록도이다. 도 4는 본 발명의 일 실시예에 따른 이미지 분석부에서 분석된 오브젝트 이미지 정보의 예시적인 화면을 도시한다.
도 1 내지 도 4를 참조하면, 레이더 시스템(10)은 레이더 오브젝트 정보 생성 장치(100), 레이더 장치(110) 및 카메라(120)를 포함한다. 레이더 시스템(10)은 차량에 적용되는 차량용 레이더 시스템일 수 있으며, 차량 주변의 환경 및 물체(오브젝트)를 검출하는 데 사용된다.
본 실시예에 따른 레이더 시스템(10)는, 전적으로 하드웨어이거나, 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어인 측면을 가질 수 있다. 예컨대, 레이더 시스템(10) 및 이에 포함된 각 장치는, 특정 형식 및 내용의 데이터를 처리하고, 전자통신 방식으로 주고 받기 위한 장치 및 이에 관련된 소프트웨어를 통칭할 수 있다. 본 명세서에서 "부(unit)", "모듈(module)", "서버(server)", "시스템", "장치" 또는 "단말" 등의 용어는 하드웨어 및 해당 하드웨어에 의해 구동되는 소프트웨어의 조합을 지칭하는 것으로 의도된다. 예를 들어, 여기서 하드웨어는 CPU 또는 다른 프로세서(processor)를 포함하는 데이터 처리 기기일 수 있다. 또한, 하드웨어에 의해 구동되는 소프트웨어는 실행중인 프로세스, 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 지칭할 수 있다.
또한, 레이더 시스템(10)을 구성하는 각각의 장치는 반드시 물리적으로 구분되는 별개의 구성요소를 지칭하는 것으로 의도되지 않는다. 레이더 오브젝트 정보 생성 장치(100), 레이더 장치(110) 및 카메라(120)는 서로 구분되는 블록으로 도시되나, 이는 레이더 시스템(10)를 구성하는 장치를 해당 장치에 의해 실행되는 동작에 의해 단지 기능적으로 구분한 것이다. 따라서, 실시예에 따라서는 레이더 오브젝트 정보 생성 장치(100), 레이더 장치(110) 및 카메라(120)는 일부 또는 전부가 동일한 하나의 장치 내에 집적화될 수 있고, 하나 이상이 다른 부와 물리적으로 구분되는 별개의 장치로 구현될 수도 있으며, 분산 컴퓨팅 환경 하에서 서로 통신 가능하게 연결된 컴포넌트들일 수도 있다.
상술한 설명은 레이더 시스템(10)을 구성하는 각 장치의 세부 구성, 예를 들어 레이더 오브젝트 정보 생성 장치(100)를 구성하는 복수의 구성에도 동일하게 적용될 수 있다.
레이더 장치(110)는 차량 주변의 환경 및 물체를 감지하기 위한 신호(전파, 파형)를 방출하고, 차량 주변의 환경 및 물체에 의해 반사된 신호를 수신하도록 구성될 수 있다. 예를 들어, 레이더 장치(110)는 적어도 감지 신호를 생성하는 발진기(111), 상기 신호를 방사하는 송신 안테나(112), 반사된 신호를 수신하는 수신 안테나(113) 및 믹서(114)를 포함할 수 있다. 예시적으로, 레이더 장치(110)에서 출력되는 신호는 FMCW(Frequency modulated CW) 레이더 신호일 수 있다. 즉, 레이더 장치(110)는 차량 주변의 이동 물체를 용이하게 감지하기 위해 주파수가 변조된 송신파를 연속으로 발사하여 물체에 의해 반사되는 반사파를 수신하는 FMCW(Frequency modulated CW) 방식의 레이더 장치일 수 있다. 다만, 본 발명의 일 실시예에 따른 레이더 장치가 이에 한정되는 것은 아니다.
도 2에 도시된 바와 같이, 송신 안테나(112)에서 방출된 신호는 오브젝트에 의해 반사되고, 수신 안테나(113)에 의해 수신될 수 있다. 믹서(114)는 송신 신호와 수신 신호를 혼합하여 양자의 주파수 차이에 대응하는 비트 신호를 생성할 수 있다. 여기서, 비트 신호는 송신 신호와 반사된 수신 신호의 시간 지연을 측정한 신호일 수 있다. 생성된 비트 신호는 레이더 오브젝트 정보 생성 장치(100)로 제공될 수 있다. 몇몇 실시예에서, 비트 신호는 필터를 통과할 수 있으며, 비트 신호에서 불필요한 신호 성분을 제거된 상태에서 레이더 오브젝트 정보 생성 장치(100)로 출력될 수도 있다.
불필요한 성분이 제거된 카메라(120)는 차량 주변의 환경 및 물체를 촬영하여 이미지를 생성할 수 있다. 여기서, 카메라는 차량의 특정 위치에 고정되어 정해진 범위 및 영역에 이미지를 생성할 수 있다. 카메라(120)는 차량 정면에 위치할 수 있으나, 이에 한정되는 것은 아니며 복수 개로 구비되어 차량의 주요 부위에 위치될 수도 있다. 카메라(120)에서 생성되는 차량 주변 환경 및 물체에 관한 이미지는 이의 분석을 위해 레이더 오브젝트 정보 생성 장치(100)로 제공된다.
레이더 오브젝트 정보 생성 장치(100)는 레이더 장치(110)에서 제공된 비트 신호를 분석하여 오브젝트의 거리, 속도, 각도 등의 정보를 생성할 수 있다. 여기서, 레이더 오브젝트 정보 생성 장치(100)는 카메라(120)로부터 제공된 이미지를 분석한 이미지 정보를 활용하여 비트 신호에서 오브젝트를 검출하는 기준이 되는 임계값을 결정할 수 있다.
구체적으로, 레이더 오브젝트 정보 생성 장치(100)는 ADC 부(101), 주파수 분석부(102), 피크 검출부(103), 오브젝트 정보 생성부(104), 이미지 분석부(105)를 포함한다.
ADC 부(101)는 레이더 장치(110)로부터 불필요한 신호 성분이 제거된 비트 신호를 제공받을 수 있다. 여기서, 비트 신호는 아날로그 신호일 수 있다. ADC 부(101)는 디지털 신호처리를 위해 비트 신호를 샘플링하여 아날로그 신호에서 디지털 신호로 변환할 수 있다.
주파수 분석부(102)는 디지털 신호에 대한 주파수 분석을 수행한다. 주파수 분석부(102)는 디지털 신호의 피크 검출을 수행하기 위한 신호 처리 과정으로 주파수 분석을 수행할 수 있다. 구체적으로, 주파수 분석부(102)는 비트 신호를 통해 오브젝트와의 거리를 추정할 수 있는 거리 FFT(Range-FFT) 및 오브젝트의 속도를 추정할 수 있는 도플러 FFT(Doppler FFT)를 수행할 수 있다.
피크 검출부(103)는 주파수 분석부(102)에서 처리된 신호에서 주변 잡음(노이즈)대비 신호 세기가 큰 신호를 오브젝트로 결정할 수 있다. 즉, 피크 검출부(103)는 신호 세기가 큰 신호를 판별하기 위해 임계값을 설정할 수 있으며, 임계값과 신호를 비교하여 오브젝트를 결정할 수 있다. 이에 대해서는 보다 상세히 후술하도록 한다.
오브젝트 정보 생성부(104)는 피크 검출부(103)에서 검출된 오브젝트에 대한 정보를 생성할 수 있다. 여기서, 오브젝트 정보는 검출된 각 오브젝트에 대한 거리, 신호, 각도에 대한 정보를 포함할 수 있다. 생성된 오브젝트 정보는 예를 들어, 본 실시예에 따른 레이더 시스템(10)이 적용된 차량의 자율 주행 시스템 또는 ADAS 시스템에 제공되어 자율 주행 시스템 또는 ADAS 시스템의 정확한 판단을 할 수 있게 한다.
이미지 분석부(105)는 카메라(120)에서 제공된 이미지를 분석할 수 있다. 이미지 분석부(105)는 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성할 수 있다. 구체적으로, 이미지 분석부(105)는 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstraction, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계학습 알고리즘의 집합인 심층학습(deep learning)을 이용하여 구축된 이미지 분석 모델을 포함할 수 있다.
이미지 분석 모델은 시각 피질의 구조와 유사하게 뉴런 사이의 연결 패턴을 형성하는 컨볼루셔널(convolutional) 신경망, 시간에 따라 매순간 신경망을 쌓아올리는 재귀(recurrent) 신경망, 입력 집합에 대한 확률 분포를 학습할 수 있는 제한 볼츠만 머신(restricted Boltzmann machine) 등을 기반으로 할 수 있으나 이에 한정되는 것은 아니다. 이미지 분석부(105)는 이미지 분석 모델을 통해 카메라(120)로부터 제공된 이미지에서 오브젝트 이미지 정보를 추출할 수 있다. 이미지 분석부(105)는 이미지에서 오브젝트를 먼저 결정하고, 결정된 오브젝트의 위치와 카메라(120)의 위치의 거리 차이를 결정함에 따라 오브젝트 이미지 정보를 생성될 수 있다. 여기서, 카메라(120)의 위치는 레이더 시스템(10)이 적용된 차량의 위치와 실질적으로 동일할 수 있다. 다만, 이에 제한되는 것은 아니고, 다른 실시예에서 카메라(120) 위치와 레이더 시스템(10)이 적용된 차량위치가 다른 경우, 오브젝트 거리 정보가 동일하지 않을 수 있기 이를 맞추기 위해 레이더 센서 기준의 좌표계를 기준으로 변환된 값을 사용할 수 있다.
카메라(120)는 차량의 정면에 위치하여 차량의 정면을 촬영할 수 있으며, 도 4에 도시된 화면과 같은 이미지를 생성할 수 있다. 이미지 분석부(105)는 자동차(Passenger Car)와 트럭(Truck)을 오브젝트로 인식할 수 있으며, 각 오브젝트와의 거리 정보를 추출할 수 있다. 즉, 자동차(Passenger Car)와의 거리 정보는 20m, 트럭(Truck)과의 거리 정보는 150m로 오브젝트에 대한 거리 정보가 추출될 수 있다. 생성된 오브젝트 이미지 정보는 자동차, 트럭이라는 오브젝트의 존재 여부 및 각 오브젝트와의 거리 정보를 포함할 수 있다.
이미지 분석부(105)에서 생성된 오브젝트 이미지 정보는 피크 검출부(103)에 제공될 수 있으며, 피크 검출부(103)는 오브젝트 이미지 정보를 활용하여 피크 검출을 위한 임계값을 결정할 수 있다.
이하, 피크 검출부(103)의 임계값 결정 및 오브젝트 검출 과정에 대해 보다 상세히 설명하도록 한다.
도 5는 초기 임계값으로 오브젝트를 검출하는 과정을 도시한 예시적인 그래프이다. 도 6은 본 발명의 일 실시예에 따라 임계값을 결정하여 오브젝트를 검출하는 과정을 도시한 예시적인 그래프이다. 도 7은 오브젝트에 대응하여 감소되는 임계값의 정도를 결정하는 알고리즘을 설명하기 위한 예시적인 그래프이다.
레이더 장치(110)를 통해서 제공된 비트 신호는 ADC 부(101), 주파수 분석부(102)를 거쳐서, 도 5 및 도 6에 도시된 FFT 신호와 같이 표시될 수 있다. 여기서, FFT 신호는 속도 성분을 더 포함하는 2D-Map으로 도시될 수 있으나, 용이한 설명을 위해, 속도가 표시되지 않은, 거리(Range, m) - 세기(Power, dB)로 구성된 그래프로 설명을 수행하도록 한다.
먼저, 피크 검출부(103)는 초기 임계값을 설정할 수 있다. 피크 검출부(103)는 임계값을 고정시키지 않고 유동적으로 초기 임계값을 설정할 수 있다. 예를 들어, 피크 주변 신호의 평균값을 사용하는 CA-CFAR을 사용하여 초기 임계값을 설정할 수 있으나, 이에 한정되는 것은 아니다. 이러한 CA-CFAR을 사용하여 설정된 임계값으로는 근거리에 위치한 노이즈가 오탐지되고, 원거리에 위치한 오브젝트가 미탐지되는 것을 방지할 수 없다. 즉, 도 5에 도시된 바와 같이 자동차에 의한 신호는 임계값을 초과하여 오브젝트로 검출될 수 있으며, 원거리에 위치한 트럭은 임계값을 초과하지 못하여 오브젝트로 미탐지될 수 있다. 또한, 실제 오브젝트가 아닌 큰 신호 성분을 가진 노이즈 성분이 임계값을 초과하여 오브젝트로 오탐지될 수 있다. 이러한 미탐지, 오탐지를 방지하기 위해 피크 검출부(103)는 상기 오브젝트 이미지 정보를 이용하여 상기 임계값의 크기를 결정할 수 있다.
피크 검출부(103)는 초기 임계값의 설정 이후, 임계값의 크기를 초기 임계값보다 높게 상승시키되, 이미지 분석부(105)에서 제공되는 오브젝트 이미지 정보에 기초하여 오브젝트에 해당하는 거리에 해당하는 임계값의 크기는 초기 임계값보다 낮게 감소시킬 수 있다.
구체적으로, 피크 검출부(103)는 전체적인 임계값을 초기 임계값보다 높게 상승시켜 큰 크기의 신호 성분을 가진 노이즈의 오탐지를 방지할 수 있다. 예시적으로, 피크 검출부(103)는 전체적인 임계값을 초기 임계값보다 10배 내지 100배 높게 결정할 수 있으나, 이에 한정되는 것은 아니다. 레이더 장치(110)의 종류에 따라 변경되는 임계값의 크기는 달라질 수 있다. 또한, 피크 검출부(103)는 오브젝트 이미지 정보를 활용하여 초기 임계값에서 전체적인 임계값을 상승시키는 정도를 결정할 수 있다. 즉, 전체적인 임계값의 상승 또한 오브젝트 이미지 정보에 기초하여 결정될 수 있다. 이미지 분석부(105)는 이미지의 촬영 환경에 대한 정보를 더 분석할 수 있다. 이미지 분석부(105)는 이미지의 촬영 환경, 즉, 카메라(120)가 장착된 차량이 현재 위치한 주변 환경이 일반 콘크리트 터널, 철제구조물로 구성된 터널, 고속도로(고속화 도로), 일반도로(국도) 또는 시내(복잡한 도심)인 지 결정할 수 있다. 이미지 분석부(105)에서 결정된 이미지의 촬영 환경에 대한 정보를 오브젝트 이미지 정보에 포함하여 피크 검출부(103)에 제공할 수 있다. 피크 검출부(103)는 제공된 이미지의 촬영 환경 정보에 기초하여 전체적인 임계값을 상승시키는 정도를 결정할 수 있다. 각 환경에 따라 발생하는 노이즈의 크기가 상이할 수 있기 때문에 조절되어야 하는 임계값의 크기도 상이할 수 있다. 피크 검출부(103)는 결정된 이미지의 촬영 환경 정보에 따라 상승시키는 전체적인 임계값의 크기를 결정할 수 있다.
또한, 피크 검출부(103)는 이미지 분석을 통해 생성된 오브젝트 이미지 정보에 따라 해당 거리를 기준으로 일정 거리 범위에 대응하는 임계값을 초기 임계값보다 낮게 설정할 수 있다. 도 7은 도 6에 도시된 A 영역에 대응하는 영역을 용이한 설명을 위해 확대 도시한 것이다. 임계값이 감소되는 거리의 범위는 이미지 내의 오브젝트의 길이(L)를 기준으로 결정될 수 있다. 오브젝트의 길이는 이미지 분석부(105)에서 추정되거나, 오브젝트의 종류가 결정된 경우, 해당 오브젝트의 예상 길이로 결정될 수 있다. 즉, 도 7에 도시된 바와 같이, 오브젝트가 위치하는 거리(R)을 기준으로 오브젝트의 길이(L)에 대응하는 영역(R± L/2 영역)이 임계값이 감소되는 거리에 해당한다. 피크 검출부(103)는 결정된 오브젝트의 길이에 대응하는 범위에 대응하는 임계값의 크기를 초기 임계값보다 더 낮게 설정할 수 있다. 또한, 이러한 임계값의 설정은 오브젝트에 대응하는 특정 범위에만 적용되는 것으로 임계값의 급격한 변화에 따른 추가적인 문제를 방지하기 위한 오차 범위(N)이 상기 감소 영역의 양측에 더 설정할 수 있다. 이러한 오차 범위의 거리는 오브젝트의 결정된 거리에 따라 경험적으로 결정된 수치일 수 있다. 즉, 최종적으로 임계값이 감소되는 영역의 범위는 R ±(L/2+N)으로 정의될 수 있다. 또한, 이러한 오차 범위(N)는 초기 임계값에서 감소시킬 임계값으로 최종적으로 수렴하도록 점차 감소되는 형태로 임계값이 결정될 수 있다. 오차 범위(N)에서 감소하는 임계값의 기울기는 도 7에 도시된 바와 같이, 일정할 수 있으나, 이에 한정되는 것은 아니며, 점차 기울기가 감소하는 형태로 그래프가 형성될 수 도 있다.
예시적으로, 피크 검출부(103)는 이미지 분석을 통해 결정된 오브젝트의 위치에 대응하는 임계값을 초기 임계값보다 10배 내지 100배 낮게 결정할 수 있으나, 이에 한정되는 것은 아니다. 레이더 장치(110)의 종류에 따라 변경되는 임계값의 크기는 달라질 수 있다. 이에 따라, 원거리에 위치하여 신호 성분이 약한 오브젝트가 미탐지되는 것이 방지될 수 있다. 도 6을 참조하면, 전체적인 임계값의 크기가 도 5의 초기 임계값보다 상승한 것을 알 수 있으며, 이미지 분석에서 확인된 오브젝트 위치에 대응하는 20m, 150m에서는 초기 임계값보다 임계값의 크기가 현저하게 낮도록 임계값이 결정된 것을 알 수 있다. 기존보다 높은 임계값으로 인해 초기 임계값에서 탐지되던 노이즈의 오탐지가 방지되고, 이미지에서 획득된 오브젝트 정보를 통해 임계값이 감소됨에 따라 초기 임계값에서 미탐지되었던 트럭(오브젝트)가 검출되는 것을 확인할 수 있다.
여기서, 피크 검출부(103)에서 감소시키는 임계값의 크기는 이미지 분석에 따라 달리 결정될 수 있다. 이미지 분석부(105)는 이미지에 포함된 오브젝트의 종류를 결정할 수 있다. 예시적으로, 이미지 분석부(105)는 오브젝트를 트럭, 자동차, 오토바이, 자전거, 보행자 등과 같이 차량 통행에서 주로 접하게 되는 오브젝트로 분류할 수 있다. 피크 검출부(103)는 이러한 오브젝트의 종류에 따라 감소시킬 임계값 크기를 다르게 결정할 수 있다.
또한, 몇몇 실시예에서, 피크 검출부(103)는 오브젝트의 위치에 대응하는 임계값의 크기를 낮게 결정하는 정도를 상기 오브젝트 이미지 정보에서 제공되는 오브젝트의 거리에 따라 결정할 수 있다. 레이더 장치(110)를 기준으로 이에 멀리 위치하는 오브젝트의 신호는 이에 가까이 위치하는 오브젝트의 신호보다 크기가 더 낮게 측정될 수 있다. 따라서, 피크 검출부(103)는 멀리 위치하는 오브젝트에 대응하는 임계값을 가까이 위치하는 오브젝트에 대응하는 임계값보다 더 낮게 감소시킬 수 있다.
또한, 몇몇 실시예에서, 이미지 분석부(105)는 이미지에 포함된 오브젝트의 반사 특성을 검출할 수 있다. 예시적으로, 이미지 분석부(105)는 이미지에 포함된 오브젝트의 레이더 반사 면적(RCS)을 검출하여, 이의 등급을 결정할 수 있다. 즉, 레이더 반사 면적이 낮은 등급인 경우, 반사 신호의 세기가 약한 것을 의미할 수 있다. 이러한, 오브젝트의 반사 특성에 대한 정보 또한 피크 검출부(103)에 제공될 수 있으며, 피크 검출부(103)는 오브젝트의 반사 특성을 더 고려하여 임계값을 결정할 수 있다. 즉, 오브젝트의 레이더 반사 면적의 등급이 낮은 경우, 임계값을 초기 임계값보다 더 낮게 감소시킬 수 있다.
이하, 본 발명의 다른 실시예에 따른 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법에 대해 설명하도록 한다.
도 8은 본 발명의 다른 실시예에 따른 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법의 순서도이다. 상술한 방법은 레이더 시스템(10)의 레이더 오브젝트 정보 생성 장치(100)에서 수행될 수 있으며, 본 실시예의 설명을 위해 도 1 내지 도 7이 참조될 수 있다.
도 8을 참조하면, 본 실시예에 따른 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법은 레이더 장치에서 제공된 비트 신호를 아날로그 신호에서 디지털 신호로 변환하는 단계(S100); 상기 변환된 디지털 신호에 대한 주파수 분석을 수행하는 단계(S110); 상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성하는 단계(S120); 및 상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 오브젝트를 검출하기 위한 임계값을 결정하는 단계(S130)를 포함한다.
먼저, 레이더 장치에서 제공된 비트 신호를 아날로그 신호에서 디지털 신호로 변환한다.
레이더 장치는 레이더 시스템(10)에 포함되는 구성으로, 레이더 장치(110)는 차량 주변의 환경 및 물체를 감지하기 위한 신호(전파, 파형)를 방출하고, 차량 주변의 환경 및 물체에 의해 반사된 신호를 수신할 수 있다. 또한, 레이더 장치는 차량 주변의 이동 물체를 용이하게 감지하기 위해 주파수가 변조된 송신파를 연속으로 발사하여 물체에 의해 반사되는 반사파를 수신하는 FMCW(Frequency modulated CW) 방식의 레이더 장치일 수 있으며, 송신 신호와 수신 신호를 혼합하여 양자의 주파수 차이에 대응하는 비트 신호를 생성할 수 있다. 여기서, 비트 신호는 송신 신호와 반사된 수신 신호의 시간 지연을 측정한 신호일 수 있다. 본 실시예에 따른 방법이 수행되는 레이더 오브젝트 정보 생성 장치(100)는 이러한 레이더 장치로부터 비트 신호를 제공받을 수 있다. 비트 신호는 아날로그 신호일 수 있으며, 레이더 오브젝트 정보 생성 장치(100)는 아날로그 신호를 샘플링하여 디지털 신호로 변환할 수 있다.
다음으로, 상기 변환된 디지털 신호에 대한 주파수 분석을 수행한다(S110).
레이더 오브젝트 정보 생성 장치(100)는 디지털 신호의 피크 검출을 수행하기 위한 신호 처리 과정으로 주파수 분석을 수행할 수 있다. 예를 들어, 비트 신호를 통해 오브젝트와의 거리를 추정할 수 있는 거리 FFT(Range-FFT) 및 오브젝트의 속도를 추정할 수 있는 도플러 FFT(Doppler FFT)가 수행될 수 있다.
다음으로, 상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성한다(S120).
상기 차량 주변을 촬영한 이미지는 레이더 시스템(10)에 포함되는 카메라에서 촬영될 수 있으며, 레이더 오브젝트 정보 생성 장치(100)는 이러한 이미지에 대한 기계학습을 수행하여 오브젝트 이미지 정보를 생성할 수 있다. 구체적으로, 레이더 오브젝트 정보 생성 장치(100)는 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstraction, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계학습 알고리즘의 집합인 심층학습(deep learning)을 이용하여 구축된 이미지 분석 모델을 포함할 수 있다. 레이더 오브젝트 정보 생성 장치(100)는 이미지 분석 모델을 통해 카메라로부터 제공된 이미지에서 오브젝트 이미지 정보를 추출할 수 있다. 레이더 오브젝트 정보 생성 장치(100)는 이미지에서 오브젝트를 먼저 결정하고, 결정된 오브젝트의 위치와 카메라의 위치의 거리 차이를 결정함에 따라 오브젝트 이미지 정보를 생성될 수 있다. 여기서, 카메라의 위치는 레이더 시스템(10)이 적용된 차량의 위치와 실질적으로 동일할 수 있다.
상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 오브젝트를 검출하기 위한 임계값을 결정한다(S130).
레이더 오브젝트 정보 생성 장치(100)는 오브젝트 이미지 정보를 활용하여 피크 검출을 위한 임계값을 결정할 수 있다.
구체적으로, 상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 오브젝트를 검출하기 위한 임계값을 결정하는 단계(S130)는, 피크 주변 신호의 평균값을 사용하는 CA-CFAR을 사용하여 초기 임계값을 설정하고, 상기 임계값의 전체 크기를 상기 초기 임계값보다 높게 상승시키되, 상기 오브젝트 이미지 정보에 기초하여 오브젝트에 해당하는 거리에 해당하는 임계값의 크기는 상기 초기 임계값보다 낮게 감소시켜 상기 임계값의 크기를 결정하는 것을 포함할 수 있다. 즉, 레이더 오브젝트 정보 생성 장치(100)는 임계값을 고정시키지 않고 유동적으로 초기 임계값을 설정할 수 하고, 초기 임계값의 설정 이후, 임계값의 크기를 초기 임계값보다 높게 상승시키되 오브젝트 이미지 정보에 기초하여 오브젝트에 해당 거리를 기준으로 일정 거리 범위에 해당하는 임계값의 크기는 초기 임계값보다 낮게 감소시킬 수 있다.
여기서, 상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 오브젝트를 검출하기 위한 임계값을 결정하는 단계(S130)는 상기 오브젝트에 해당하는 거리를 기준으로 일정 거리 범위에 대응하는 임계값의 크기를 상기 초기 임계값보다 낮게 감소시키며, 상기 일정 거리 범위는 상기 오브젝트 이미지 정보에 포함된 오브젝트의 길이 정보에 기초하여 결정될 수 있다.
여기서, 상기 임계값의 전체 크기는 상기 초기 임계값보다 10배 내지 100배 높게 결정되고, 상기 오브젝트에 해당하는 거리에 해당하는 임계값의 크기는 상기 초기 임계값보다 10배 내지 100배 낮게 결정될 수 있다. 다만, 이에 한정되는 것은 아니며 레이더 장치(110)의 종류에 따라 변경되는 임계값의 크기는 달라질 수 있다.
또한, 상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성하는 단계(S120)는 상기 이미지에 포함된 오브젝트의 종류를 더 분석하는 것을 포함하며, 상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 오브젝트를 검출하기 위한 임계값을 결정하는 단계(S130)는 상기 오브젝트의 종류를 더 고려하여 상기 임계값을 결정하는 것을 포함할 수 있다.
또한, 상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성하는 단계(S120)는 상기 이미지의 촬영 환경을 더 분석하는 것을 포함하며, 상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 오브젝트를 검출하기 위한 임계값을 결정하는 단계(S130)는 상기 임계값의 크기를 높게 상승시키는 정도를 상기 이미지의 촬영 환경에 따라 결정하는 것을 포함할 수 있다.
몇몇 실시예에서, 상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 오브젝트를 검출하기 위한 임계값을 결정하는 단계(S130)는 상기 임계값의 크기를 낮게 결정하는 정도를 상기 오브젝트 이미지 정보에서 제공되는 오브젝트의 거리에 따라 결정하는 것을 포함할 수 있다.
또한, 몇몇 실시예에서, 상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성하는 단계(S120)는 상기 이미지에 포함된 오브젝트의 레이더 반사 특성을 더 검출하는 것을 포함하고, 상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 오브젝트를 검출하기 위한 임계값을 결정하는 단계(S130)는 상기 레이더 반사 특성을 더 고려하여 상기 임계값을 결정하는 것을 포함할 수 있다.
이상에서 설명한 실시예들에 따른 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법에 의한 동작은, 적어도 부분적으로 컴퓨터 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 실시예들에 따른 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법에 의한 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.
이상에서는 실시예들을 참조하여 설명하였지만 본 발명은 이러한 실시예들 또는 도면에 의해 한정되는 것으로 해석되어서는 안 되며, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
10: 레이더 시스템
100: 레이더 오브젝트 정보 생성 장치
101: ADC 부
102: 주파수 분석부
103: 피크 검출부
104: 오브젝트 정보 생성부
105: 이미지 분석부
110: 레이더 장치
120: 카메라

Claims (11)

  1. 차량 주변의 오브젝트를 인식하는 레이더 시스템의 오브젝트 정보를 생성하는 장치로서,
    레이더 장치에서 제공된 비트 신호를 아날로그 신호에서 디지털 신호로 변환하는 ADC 부;
    상기 변환된 디지털 신호에 대한 주파수 분석을 수행하는 주파수 분석부;
    상기 주파수 분석된 신호와 임계값을 비교하여 오브젝트 피크를 결정하는 피크 검출부;
    상기 피크 검출부에서 검출된 오브젝트에 기초하여 오브젝트 정보를 생성하는 오브젝트 정보 생성부; 및
    상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성하는 이미지 분석부를 포함하되,
    상기 피크 검출부는 상기 오브젝트 이미지 정보를 이용하여 상기 임계값의 크기를 결정하되,
    상기 피크 검출부는 피크 주변 신호의 평균값을 사용하는 CA-CFAR을 사용하여 초기 임계값을 설정하고, 상기 임계값의 전체 크기를 상기 초기 임계값보다 높게 상승시킨 상태에서, 상기 기계 학습을 통해 생성된 상기 오브젝트 이미지 정보에 기초하여 상기 오브젝트에 해당하는 거리에 대응하는 임계값의 크기를 상기 초기 임계값보다 낮게 감소시키는 것을 특징으로 하는 레이더 오브젝트 정보 생성 장치.
  2. 삭제
  3. 제1 항에 있어서,
    상기 피크 검출부는 상기 오브젝트에 해당하는 거리를 기준으로 일정 거리 범위에 대응하는 임계값의 크기를 상기 초기 임계값보다 낮게 감소시키며,
    상기 일정 거리 범위는 상기 기계 학습을 통해 생성된 상기 오브젝트 이미지 정보에 포함된 오브젝트의 길이 정보에 기초하여 결정되는 레이더 오브젝트 정보 생성 장치.
  4. 제1 항에 있어서,
    상기 이미지 분석부는 상기 이미지에 포함된 오브젝트의 종류를 더 분석하며,
    상기 피크 검출부는 상기 임계값의 크기를 낮게 결정하는 정도를 상기 오브젝트의 종류에 따라 결정하는 레이더 오브젝트 정보 생성 장치.
  5. 제1 항에 있어서,
    상기 이미지 분석부는 상기 이미지의 촬영 환경을 더 분석하며,
    상기 피크 검출부는 상기 임계값의 크기를 높게 상승시키는 정도를 상기 이미지의 촬영 환경에 따라 결정하는 레이더 오브젝트 정보 생성 장치.
  6. 차량 주변의 오브젝트를 인식하여 레이더 오브젝트 검출 임계값을 설정하는 방법으로서,
    레이더 오브젝트 정보 생성 장치가, 레이더 장치에서 제공된 비트 신호를 아날로그 신호에서 디지털 신호로 변환하는 단계;
    상기 레이더 오브젝트 정보 생성 장치가, 상기 변환된 디지털 신호에 대한 주파수 분석을 수행하는 단계;
    상기 레이더 오브젝트 정보 생성 장치가, 상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성하는 단계; 및
    상기 레이더 오브젝트 정보 생성 장치가, 상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 상기 오브젝트를 검출하기 위한 임계값을 결정하는 단계를 포함하되,
    상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 상기 오브젝트를 검출하기 위한 임계값을 결정하는 단계는:
    피크 주변 신호의 평균값을 사용하는 CA-CFAR을 사용하여 초기 임계값을 설정하고, 상기 임계값의 전체 크기를 상기 초기 임계값보다 높게 상승시킨 상태에서, 상기 기계 학습을 통해 생성된 상기 오브젝트 이미지 정보에 기초하여 오브젝트에 해당하는 거리에 대응하는 임계값의 크기는 상기 초기 임계값보다 낮게 감소시키는 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법.
  7. 삭제
  8. 제6항에 있어서,
    상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 상기 오브젝트를 검출하기 위한 임계값을 결정하는 단계는:
    상기 오브젝트에 해당하는 거리를 기준으로 일정 거리 범위에 대응하는 임계값의 크기를 상기 초기 임계값보다 낮게 감소시키며,
    상기 일정 거리 범위는 상기 기계 학습을 통해 생성된 상기 오브젝트 이미지 정보에 포함된 오브젝트의 길이 정보에 기초하여 결정되는 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법.
  9. 제6 항에 있어서,
    상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성하는 단계는 상기 이미지에 포함된 오브젝트의 종류를 더 분석하는 것을 포함하며,
    상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 오브젝트를 검출하기 위한 임계값을 결정하는 단계는 상기 오브젝트의 종류를 더 고려하여 상기 임계값을 결정하는 것을 포함하는 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법.
  10. 제6 항에 있어서,
    상기 차량 주변을 촬영한 이미지를 기계 학습하여 오브젝트 이미지 정보를 생성하는 단계는 상기 이미지의 촬영 환경을 더 분석하는 것을 포함하며,
    상기 오브젝트 이미지 정보를 이용하여 상기 주파수 분석이 수행된 신호에서 오브젝트를 검출하기 위한 임계값을 결정하는 단계는 상기 임계값의 크기를 높게 상승시키는 정도를 상기 이미지의 촬영 환경에 따라 결정하는 것을 포함하는 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법.
  11. 하드웨어와 결합되어 제6항, 제8항, 제9항 및 제10항 중 어느 하나의 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법을 실행하도록 매체에 저장된 컴퓨터 프로그램.
KR1020190135178A 2019-10-29 2019-10-29 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법 및 이를 이용한 레이더 오브젝트 정보 생성 장치 KR102060286B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190135178A KR102060286B1 (ko) 2019-10-29 2019-10-29 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법 및 이를 이용한 레이더 오브젝트 정보 생성 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190135178A KR102060286B1 (ko) 2019-10-29 2019-10-29 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법 및 이를 이용한 레이더 오브젝트 정보 생성 장치

Publications (1)

Publication Number Publication Date
KR102060286B1 true KR102060286B1 (ko) 2019-12-27

Family

ID=69062475

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190135178A KR102060286B1 (ko) 2019-10-29 2019-10-29 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법 및 이를 이용한 레이더 오브젝트 정보 생성 장치

Country Status (1)

Country Link
KR (1) KR102060286B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102244380B1 (ko) 2020-07-29 2021-04-26 고려대학교 산학협력단 자율 주행 환경에서 큐잉 기반 모델 선택과 광학 흐름을 이용한 사물 인식 방법, 이를 수행하기 위한 기록 매체 및 장치
CN113534120A (zh) * 2021-07-14 2021-10-22 浙江大学 一种基于深度神经网络的多目标恒虚警率检测方法
WO2023004011A1 (en) * 2021-07-23 2023-01-26 Zoox, Inc. Radar data analysis and concealed object detection

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005345251A (ja) * 2004-06-02 2005-12-15 Toyota Motor Corp 障害物認識装置
JP2015014579A (ja) * 2013-07-08 2015-01-22 本田技研工業株式会社 物体検知装置
KR20170018930A (ko) * 2014-06-14 2017-02-20 매직 립, 인코포레이티드 가상 및 증강 현실을 생성하기 위한 방법들 및 시스템들

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005345251A (ja) * 2004-06-02 2005-12-15 Toyota Motor Corp 障害物認識装置
JP2015014579A (ja) * 2013-07-08 2015-01-22 本田技研工業株式会社 物体検知装置
KR20170018930A (ko) * 2014-06-14 2017-02-20 매직 립, 인코포레이티드 가상 및 증강 현실을 생성하기 위한 방법들 및 시스템들

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102244380B1 (ko) 2020-07-29 2021-04-26 고려대학교 산학협력단 자율 주행 환경에서 큐잉 기반 모델 선택과 광학 흐름을 이용한 사물 인식 방법, 이를 수행하기 위한 기록 매체 및 장치
CN113534120A (zh) * 2021-07-14 2021-10-22 浙江大学 一种基于深度神经网络的多目标恒虚警率检测方法
CN113534120B (zh) * 2021-07-14 2023-06-30 浙江大学 一种基于深度神经网络的多目标恒虚警率检测方法
WO2023004011A1 (en) * 2021-07-23 2023-01-26 Zoox, Inc. Radar data analysis and concealed object detection

Similar Documents

Publication Publication Date Title
KR102060286B1 (ko) 이미지 정보를 활용한 레이더 오브젝트 검출 임계값 결정 방법 및 이를 이용한 레이더 오브젝트 정보 생성 장치
KR102099851B1 (ko) 자동차 레이더 시스템에서 탐지된 타겟들의 클러스터링 방법 및 이를 위한 장치
US6812882B2 (en) Stationary on-road object detection method for use with radar
JP2020091281A (ja) レーダーデータを処理する装置及び方法
CN112014845B (zh) 一种车辆障碍物定位方法、装置、设备及存储介质
CN110782465B (zh) 一种基于激光雷达的地面分割方法、装置及存储介质
JPH07318652A (ja) 車両用障害物認識装置
WO2021077287A1 (zh) 一种检测方法、检测装置以及存储介质
KR102013224B1 (ko) 긴급 제동 시스템 및 그 제어방법
US20220215197A1 (en) Data processing method and apparatus, chip system, and medium
WO2022198637A1 (zh) 点云滤噪方法、系统和可移动平台
JP2017215272A (ja) 情報処理装置、情報処理方法、及びプログラム
US20160299216A1 (en) Axial misalignment determination apparatus
US6844843B2 (en) Signal processing apparatus of radio radar
WO2013038561A1 (ja) 車線判定装置、車線判定方法及び車線判定用コンピュータプログラム
JP2001324566A (ja) Ｆｍ−ｃｗレーダ装置およびターゲット検出方法
CN117372979A (zh) 道路巡检方法、装置、电子设备及存储介质
CN112034464A (zh) 一种目标分类方法
JP2014126970A (ja) 車両の周辺監視装置及び車両の周辺監視方法
CN113050081A (zh) 遮挡物的检测方法和装置、雷达、车辆、存储介质
KR102036033B1 (ko) 도플러 레이더를 이용한 움직임 감지 장치 및 그 방법
CN112014822B (zh) 车载雷达测量数据识别方法、装置、介质和电子装置
CN116027288A (zh) 生成数据的方法、装置、电子设备及存储介质
KR101944348B1 (ko) 마이크로웨이브 주파수 분석과 cctv 영상 분석에 의한 객체 인식 방법
CN113625266A (zh) 应用雷达检测低速目标的方法、装置、存储介质和设备

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant