KR102083482B1 - 라이다 기반의 차량주행 가능영역 검출장치 및 방법 - Google Patents

라이다 기반의 차량주행 가능영역 검출장치 및 방법 Download PDF

Info

Publication number
KR102083482B1
KR102083482B1 KR1020180160624A KR20180160624A KR102083482B1 KR 102083482 B1 KR102083482 B1 KR 102083482B1 KR 1020180160624 A KR1020180160624 A KR 1020180160624A KR 20180160624 A KR20180160624 A KR 20180160624A KR 102083482 B1 KR102083482 B1 KR 102083482B1
Authority
KR
South Korea
Prior art keywords
map
driving
vehicle
point cloud
cloud data
Prior art date
Application number
KR1020180160624A
Other languages
English (en)
Inventor
장형준
박기홍
손원일
이효진
Original Assignee
국민대학교산학협력단
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 국민대학교산학협력단 filed Critical 국민대학교산학협력단
Priority to KR1020180160624A priority Critical patent/KR102083482B1/ko
Application granted granted Critical
Publication of KR102083482B1 publication Critical patent/KR102083482B1/ko

Links

Images

Classifications

    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0134—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to imminent contact with an obstacle, e.g. using radar systems
    • 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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • 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
    • G06K9/00798—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B60W2420/52—
    • 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
    • B60W2552/00—Input parameters relating to infrastructure
    • 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
    • B60W2554/00—Input parameters relating to objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Transportation (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 라이다 기반의 차량주행 가능영역 검출장치에 관한 것으로, 차량의 주행 여부를 검출하는 차량 주행 검출부, 상기 차량의 주행이 시작되면 라이다 센서를 활성화시켜 포인트 클라우드 데이터를 적층하고 상기 포인트 클라우드 데이터를 기초로 로컬 주행 맵을 생성하는 로컬 주행 맵 생성부, 상기 로컬 주행 맵에 평면 모델을 적용함으로써 도로면을 제거하여 도로경계 객체를 검출하는 도로경계 객체 검출부 및 상기 도로경계 객체의 위치에 따라 현재의 도로에 해당하는 그리드 맵을 결정하고 상기 그리드 맵을 기초로 주행 가능 영역을 검출하는 주행 가능 영역 검출부를 포함한다. 따라서, 본 발명은 로컬 맵 기반의 포인트 클라우드 데이터의 적층을 통해 실시간으로 신뢰도가 높은 차량주행 가능영역을 검출할 수 있다.

Description

라이다 기반의 차량주행 가능영역 검출장치 및 방법 {LIDAR-BASED VEHICLE TRAVELABLE AREA DETECTION APPARATUS AND METHOD}
본 발명은 라이다 기반의 차량주행 가능영역 검출 기술에 관한 것으로, 보다 상세하게는 로컬 맵 기반의 포인트 클라우드 데이터의 적층을 통해 실시간으로 신뢰도가 높은 차량주행 가능영역을 검출할 수 있는 라이다 기반의 차량주행 가능영역 검출장치 및 방법에 관한 것이다.
라이다는 레이저를 목표물에 비춰 사물과의 거리 및 다양한 물성을 감지할 수 있는 기술이다. 주변 사물, 지형지물 등을 감지하고 이를 3D 영상으로 모델링할 수 있다. 스스로 운행하는 자율주행차가 현실화되면서 자율주행차의 눈 역할을 해줄 기술로 라이다(LIDAR) 센서가 주목받고 있다. 현재 사용하고 있는 라이다 센서의 경우 3D 라이다 센서로서 1초당 포인트 개수가 60만 포인트로 많은 수의 데이터를 송출하고 있지만, 카메라 센서와 비교하였을 때 비교적 많은 데이터 량의 차이를 나타낸다. 따라서, 데이터의 량이 부족함에 따라 데이터의 신뢰도가 떨어지게 되며 이는 결국 검출하려는 객체의 검출 신뢰도의 하락을 나타낸다. 따라서, 본 발명은 상기의 문제점을 해결하기 위해 제안된다.
한국등록특허 제10-0857529 (2008.09.02)호
본 발명의 일 실시예는 로컬 맵 기반의 포인트 클라우드 데이터의 적층을 통해 실시간으로 신뢰도가 높게 차량주행 가능영역을 검출할 수 있는 라이다 기반의 차량주행 가능영역 검출장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 라이더 센서의 포인트 클라우드 데이터를 차량의 주행 경로를 기초로 적층하여 데이터의 개수를 늘리고 그에 따라 차량주행 가능영역의 검출 신뢰도를 높이는 라이다 기반의 차량주행 가능영역 검출장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 포인트 클라우드 데이터를 통해 생성된 로컬 주행 맵을 기반으로 하여 실시간으로 차량주행 가능영역을 검출할 수 있는 라이다 기반의 차량주행 가능영역 검출장치 및 방법을 제공하고자 한다.
실시예들 중에서, 라이다 기반의 차량주행 가능영역 검출장치는 차량의 주행 여부를 검출하는 차량 주행 검출부, 상기 차량의 주행이 시작되면 라이다 센서를 활성화시켜 포인트 클라우드 데이터를 적층하고 상기 포인트 클라우드 데이터를 기초로 로컬 주행 맵을 생성하는 로컬 주행 맵 생성부, 상기 로컬 주행 맵에 평면 모델을 적용함으로써 도로면을 제거하여 도로경계 객체를 검출하는 도로경계 객체 검출부 및 상기 도로경계 객체의 위치에 따라 현재의 도로에 해당하는 그리드 맵을 결정하고 상기 그리드 맵을 기초로 주행 가능 영역을 결정하는 주행 가능 영역 결정부를 포함한다.
상기 로컬 주행 맵 생성부는 상기 차량의 주행 경로를 기초로 상기 포인트 클라우드 데이터를 맵 매칭하여 적층할 수 있다.
상기 로컬 주행 맵 생성부는 NDT(Normal Distributions Transfrom) 매칭 알고리즘을 기초로 상기 포인트 클라우드 데이터를 변환하여 상기 맵 매칭을 수행할 수 있다.
상기 로컬 주행 맵 생성부는 NDT 매칭 알고리즘을 초기화하는 NDT 초기화 모듈, 상기 NDT 매칭 알고리즘을 통해 상기 포인트 클라우드 데이터를 변환하는 변환 모듈 및 변환된 포인트 클라우드 데이터를 상기 차량의 주행 경로와 맵 매칭하여 적층함으로써 상기 로컬 주행 맵을 생성하는 맵 매칭 모듈을 포함할 수 있다.
상기 도로경계 객체 검출부는 상기 평면 모델의 적용 전에 상기 포인트 클라우드 데이터를 평탄화시킬 수 있다.
상기 도로경계 객체 검출부는 상기 로컬 주행 맵을 생성하는 상기 포인트 클라우드 데이터를 수신하여 평탄화하는 데이터 평탄화 모듈, 상기 평탄화된 포인트 클라우드 데이터에 상기 평면 모델을 적용하는 평면 모델링 모듈, 도로면을 제거하는 도로면 제거 모듈 및 상기 도로면이 제거된 도로경계 객체를 검출하는 검출 모듈을 포함할 수 있다.
상기 주행 가능 영역 결정부는 상기 검출된 도로경계 객체를 기초로 평면 코스트 맵을 생성하고 생성된 평면 코스트 맵을 기초로 상기 그리드 맵을 결정할 수 있다.
상기 주행 가능 영역 결정부는 평면 코스트 맵을 초기화하는 초기화 모듈, 상기 평면 코스트 맵을 생성하는 코스트 맵 생성 모듈, 생성된 상기 평면 코스트 맵을 기초로 상기 그리드 맵을 결정하는 그리드 맵 결정 모듈 및 상기 그리드 맵에 상기 차량의 주행 가능한 영역을 표식적으로 나타내는 주행 가능 영역 결정 모듈을 포함할 수 있다.
실시예들 중에서, 라이다 기반의 차량주행 가능영역 검출방법은 차량의 주행 여부를 검출하는 단계, 상기 차량의 주행이 시작되면 라이다 센서를 활성화시켜 포인트 클라우드 데이터를 적층하고 상기 포인트 클라우드 데이터를 기초로 로컬 주행 맵을 생성하는 단계, 상기 로컬 주행 맵에 평면 모델을 적용함으로써 도로면을 제거하여 도로경계 객체를 검출하는 단계 및 상기 도로경계 객체의 위치에 따라 현재의 도로에 해당하는 그리드 맵을 결정하고 상기 그리드 맵을 기초로 주행 가능 영역을 결정하는 단계를 포함할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 라이다 기반의 차량주행 가능영역 검출장치 및 방법은 로컬 맵 기반의 포인트 클라우드 데이터의 적층을 통해 실시간으로 신뢰도가 높게 차량주행 가능영역을 검출할 수 있다.
본 발명의 일 실시예에 따른 라이다 기반의 차량주행 가능영역 검출장치 및 방법은 라이더 센서의 포인트 클라우드 데이터를 차량의 주행 경로를 기초로 적층하여 데이터의 개수를 늘리고 그에 따라 차량주행 가능영역의 검출 신뢰도를 높일 수 있다.
본 발명의 일 실시예에 따른 라이다 기반의 차량주행 가능영역 검출장치 및 방법은 포인트 클라우드 데이터를 통해 생성된 로컬 주행 맵을 기반으로 하여 실시간으로 차량주행 가능영역을 검출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 라이다 기반의 차량주행 가능영역 검출장치를 설명하는 도면이다.
도 2는 도 1에 있는 라이다 기반의 차량주행 가능영역 검출장치의 기능적 구성을 설명하는 블록도이다.
도 3은 도 1에 있는 라이다 기반의 차량주행 가능영역 검출장치에서 수행되는 차량주행 가능영역 검출과정을 설명하는 순서도이다.
도 4는 본 발명의 일 실시예에 따른 라이다 기반의 차량주행 가능영역 검출장치의 차량주행 가능영역 검출과정을 보여주는 예시도이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명의 일 실시예에 따른 라이다 기반의 차량주행 가능영역 검출장치를 설명하는 도면이다.
도 1을 참조하면, 라이다 기반의 차량주행 가능영역 검출장치(100)는 프로세서(110), 메모리(120), 사용자 입출력부(130), 네트워크 입출력부(140) 및 라이다 센서(150)를 포함한다.
라이다(LiDar) 기반의 차량주행 가능영역 검출장치(100)는 라이다 기반의 로컬 주행 맵을 생성하고 도로경계 객체를 검출하여 차량의 주행 가능 영역을 검출할 수 있는 컴퓨팅 장치에 해당할 수 있다. 여기에서, 로컬 주행 맵은 글로벌 맵과 다르게 차량의 주변 로컬 영역만을 표시한 지도에 해당할 수 있고, 도로경계 객체는 도로에 존재하는 차량이 주행할 수 없는 부분으로서, 도로 구조물(방지턱 등), 연석, 중앙 분리대 등에 해당할 수 있다. 라이다 기반의 차량주행 가능영역 검출장치(100)는 차량 내부에 포함되어 차량 시스템으로서 구현될 수 있고, 사용자 단말 등의 외부 시스템과 블루투스, WiFi 등을 통해 무선으로 연결될 수 있고, 네트워크를 통해 외부 시스템과 데이터를 주고받을 수 있다.
일 실시예에서, 라이다 기반의 차량주행 가능영역 검출장치(100)는 라이다 센서의 포인트 클라우드 데이터를 실시간으로 받아 포인트 클라우드 데이터를 주행 경로와 매칭하여 적층함으로써, 데이터 량을 증가시키고 데이터의 불확실성을 낮추는 방법을 통해 차량주행 가능영역을 검출할 수 있다. 보다 구체적으로, 라이다 기반의 차량주행 가능영역 검출장치(100)는 이전 샘플의 라이다 센서 데이터와 현재 샘플의 라이다 센서 데이터를 NDT(Normal Distributions Transform) 기반의 맵 매칭 알고리즘을 적용하여 변환 행렬을 유도하고, 유도된 변환 행렬에 맞춰 현재 샘플의 라이다 센서 데이터를 이동, 회전시켜 로컬 맵 데이터를 확보할 수 있다.
라이다 기반의 차량주행 가능영역 검출장치(100)는 데이터베이스(도 1에 미도시함)를 포함하여 구현될 수 있고, 데이터베이스와 별도로 구현될 수 있다. 데이터베이스와 별도로 구현된 경우 라이다 기반의 차량주행 가능영역 검출장치(100)는 데이터베이스와 연결되어 데이터를 송수신할 수 있다. 데이터베이스는 라이다 기반의 차량주행 가능영역 검출장치(100)가 로컬 주행 맵을 생성하고, 도로경계 객체를 검출하여 주행 가능 영역을 검출하는데 필요한 다양한 정보들을 저장할 수 있다. 예를 들어, 데이터베이스는 라이다 센서의 포인트 클라우드 데이터, 도로경계 객체 데이터 또는 로컬 맵 데이터를 저장할 수 있다.
프로세서(110)는 로컬 주행 맵을 생성하고 도로경계 객체를 검출하여 주행가능 영역을 검출하기 위한 각 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(130)를 관리할 수 있으며, 메모리(130)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄할 수 있다. 프로세서(110)는 라이다 기반의 차량주행 가능영역 검출장치(100)의 동작 전반을 제어할 수 있고, 메모리(130), 사용자 입출력부(150) 및 네트워크 입출력부(170)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(110)는 라이다 기반의 차량주행 가능영역 검출장치(100)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(130)는 SSD(Solid State Disk) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 라이다 기반의 차량주행 가능영역 검출장치(100)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.
사용자 입출력부(150)는 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함할 수 있다. 예를 들어, 사용자 입출력부(150)는 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(150)는 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 라이다 기반의 차량주행 가능영역 검출장치(100)는 서버로서 수행될 수 있다.
네트워크 입출력부(170)은 네트워크를 통해 외부 장치 또는 시스템과 연결하기 위한 환경을 포함하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다.
라이다(Light Detection And Ranging, LIDAR) 센서(150)는 라이다를 통해 측정된 위치 좌표를 센싱할 수 있다. 일 실시예에서, 라이다 센서(150)는 차량의 주행 중 주변 환경을 센싱하여 거리 등을 검출할 수 있다. 보다 구체적으로, 라이다 센서(150)는 차량의 상부에 일반적으로 부착되어 주행 중 주변 환경을 포함하는 주변 데이터를 수집하여 지도를 생성하는데 사용될 수 있다.
도 2는 도 1에 있는 라이다 기반의 차량주행 가능영역 검출장치의 기능적 구성을 설명하는 블록도이다.
도 2를 참조하면, 라이다 기반의 차량주행 가능영역 검출장치(100)는 차량 주행 검출부(210), 로컬 주행 맵 생성부(220), 도로경계 객체 검출부(230), 주행 가능 영역 결정부(240) 및 제어부(250)를 포함할 수 있다.
차량 주행 검출부(210)는 차량의 주행 여부를 검출할 수 있다. 일 실시예에서, 차량 주행 검출부(210)는 속도 센서 등을 통해 차량이 정지상태에서 주행을 시작하면 차량의 주행 상태를 검출할 수 있다.
로컬 주행 맵 생성부(220)는 차량의 주행이 시작되면 라이다 센서를 활성화시켜 포인트 클라우드 데이터를 적층하고 포인트 클라우드 데이터를 기초로 로컬 주행 맵을 생성할 수 있다. 일 실시예에서, 로컬 주행 맵 생성부(220)는 라이다 센서를 통해 차량의 주변 지형물들을 센싱하고 3D 모델링을 수행할 수 있다. 보다 구체적으로, 로컬 주행 맵 생성부(220)는 라이다 센서를 통해 포인트 클라우드(point cloud) 데이터를 수집하고 수집한 포인트 클라우드 데이터를 통해 주변 환경을 포함하는 지도를 생성할 수 있다. 여기에서, 포인트 클라우드는 점 구름으로 어떤 좌표계에 속한 점들의 집합을 의미할 수 있다. 3차원 좌표계에서 점은 보통 X, Y, Z 좌표로 정의되며 종종 사물의 표면을 나타내기 위해 사용되기도 한다. 점구름은 3D 라이다 센서를 통해 획득할 수 있다. 로컬 주행 맵 생성부(220)는 라이다 센서를 통해 수집한 포인트 클라우드 데이터를 적층하여 로컬 주행 맵을 생성할 수 있다. 여기에서, 로컬 주행 맵은 현재 차량이 위치하고 있는 주변의 지역(local)을 포함하는 3차원 지도에 해당할 수 있다. 일 실시예에서, 로컬 주행 맵 생성부(220)는 차량의 주행 경로를 기초로 포인트 클라우드 데이터를 맵 매칭하여 적층할 수 있다. 보다 구체적으로, 로컬 주행 맵 생성부(220)는 차량의 주행 경로를 포함하는 차량 주변 지역의 지도와 포인트 클라우드 데이터를 매칭시킴으로써 맵 매칭을 수행하고, 맵 매칭하는 과정에서 포인트 클라우드 데이터를 적층하는 방식을 사용할 수 있다. 일 실시예에서, 로컬 주행 맵 생성부(220)는 NDT(Normal Distributions Transform) 매칭 알고리즘을 기초로 포인트 클라우드 데이터를 변환하여 맵 매칭을 수행할 수 있다. 여기에서 NDT 매칭 알고리즘은 라이다로 스캔된 포인트 클라우드들의 통계적 특성을 이용하여 지도와 매칭하는 알고리즘을 의미할 수 있다. NDT 매칭 알고리즘은 우선 지도의 각 격자 안의 점 군들의 평균과 분산을 구하고 스캔된 라이다의 포인트 클라우드들을 이용하여 정규분포화하여 맵 매칭을 수행할 수 있다. 보다 구체적으로, 로컬 주행 맵 생성부(220)는 주변 지역의 로컬 맵을 기초로 라이다 센서 기반의 NDT 매칭 알고리즘을 사용하여 획득한 포인트 클라우드 데이터의 적층 데이터들을 통해 차량의 위치를 추정하고 로컬 주행 맵을 생성할 수 있다. 일 실시예에서, 로컬 주행 맵 생성부(220)는 NDT 초기화 모듈, 변환 모듈 및 맵 매칭 모듈을 포함할 수 있다. NDT 초기화 모듈은 NDT 매칭 알고리즘을 적용하기 위해 NDT 매칭 알고리즘의 정규 분포변환 데이터들을 초기화 할 수 있다. NDT 초기화 모듈이 NDT 매칭 알고리즘을 초기화하면 변환 모듈은 NDT 알고리즘을 통해 포인트 클라우드 데이터를 로컬 맵을 기초로 변환할 수 있다. 로컬 주행 맵 생성부(220)는 맵 매칭 모듈을 통해 NDT 알고리즘을 통해 변환된 포인트 클라우드 데이터를 적층하고 로컬 주행 맵을 생성할 수 있다.
도로경계 객체 검출부(230)는 로컬 주행 맵에 평면 모델을 적용함으로써 도로면을 제거하여 도로경계 객체를 검출할 수 있다. 여기에서, 도로경계 객체는 차량이 주행하는 도로면을 제외하고 차량이 주행하지 못하는 지도 상의 위치를 의미할 수 있고, 예를 들어, 연석, 중앙 분리대 및 도로 표지판 등에 해당할 수 있다. 즉, 도로경계 객체 검출부(230)는 차량의 주행에 장애가되는 장애물들을 도로경계 객체로 검출할 수 있다. 일 실시예에서, 도로경계 객체 검출부(230)는 평면 모델의 적용 전에 포인트 클라우드 데이터를 평탄화시킬 수 있다. 예를 들어, 도로경계 객체 검출부(230)는 3차원의 클라우드 데이터를 수신하여 2차원으로 평탄화를 시키고 평면 모델을 적용하여 도로면을 제고하고 도로경계 객체를 검출할 수 있다. 여기에서, 평면 모델은 RANSAC(Random sample consensus)에 해당할 수 있다. RANSAC은 추정치에 아무런 영향을 미치지 않을 때 특이점을 포함하는 측정된 데이터 세트로부터 수학적 모델의 매개변수를 추정하는 반복적인 방법으로, 무작위로 샘플 데이터들을 뽑고 컨센서스가 최대인 모델을 선택하기 위한 절차적 방법에 해당할 수 있다. 보다 구체적으로, 도로경계 객체 검출부(230)는 데이터 평탄화 모듈, 평면 모델링 모듈, 도로면 제거 모듈 및 검출 모듈을 포함할 수 있다. 데이터 평탄화 모듈은 3차원의 포인트 클라우드 데이터를 평탄화하고 평탕화된 데이터를 평면 모델링 모듈은 평면 모델을 적용하고, 도로면 제거 모듈은 도로면을 제거하며, 검출 모듈을 통해 도로경계 객체 검출부는 도로면이 제거된 도로경계 객체를 검출할 수 있다.
주행 가능 영역 결정부(240)는 도로경계 객체의 위치에 따라 현재의 도로에 해당하는 그리드 맵을 결정하고 그리드 맵을 기초로 주행 가능 영역을 결정할 수 있다. 여기에서, 그리드 맵(grid map)은 차량의 주변 환경 지도를, 특정 위치에 있는 장애물의 존재를 나타내는 이진 무작위 변수들을 포함하는 균등한 간격의 필드로 표현할 수 있다. 일 실시예에서, 주행 가능 영역 결정부(240)는 검출된 도로경계 객체를 포함하는 로컬 주행 맵에 해당하는 그리드 맵을 결정하고 도로경계 객체와 주행 가능한 영역을 분리하여 주행 가능 영역을 결정할 수 있다. 예를 들어, 주행 가능 영역 결정부(240)는 도로경계 객체를 기초로 평면 코스트 맵을 생성하고 생성된 평면 코스트 맵을 기초로 그리드 맵을 결정할 수 있다. 여기에서, 평면 코스트 맵은 차량 등이 그리드 맵에서 안전한 장소를 나타내는 데이터 구조에 해당할 수 있다. 일 실시예에서, 주행 가능 영역 결정부(240)는 평면 코스트 맵을 생성하여 차량의 도로경계 객체 이외의 주행 가능한 영역을 나타낼 수 있고, 이를 기초로 도로경계 객체를 포함하여 차량의 주행 가능한 영역을 3차원적으로 표시할 수 있는 그리드 맵을 결정할 수 있다. 보다 구체적으로, 주행 가능 영역 결정부(240)는 초기화 모듈, 코스트 맵 생성 모듈, 그리드 맵 결정 모듈 및 주행 가능 영역 결정 모듈을 포함할 수 있다. 초기화 모듈은 도로경계 객체를 기초로 평면 코스트 맵을 생성하기에 앞서 평면 코스트 맵을 초기화 할 수 있다. 코스트 맵 생성 모듈은 초기화된 평면 코스트 맵에 도로경계 객체를 기초로 평면 코스트 맵을 생성할 수 있다. 그리드 맵 결정 모듈은 평면 코스트 맵을 기초로 도로경계 객체를 포함하여 3차원의 그리드 맵을 결정할 수 있다. 주행 가능 영역 결정 모듈은 도로경계 객체를 포함하는 지도 상에서 차량이 주행 가능한 영역을 결정하여 표시할 수 있다.
제어부(250)는 라이다 기반의 차량주행 가능영역 검출장치(100)의 전체적인 동작을 제어하고, 차량 주행 검출부(210), 로컬 주행 맵 생성부(220), 도로경계 객체 검출부(230) 및 주행 가능 영역 결정부(240) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 3은 도 1에 있는 라이다 기반의 차량주행 가능영역 검출장치에서 수행되는 차량주행 가능영역 검출과정을 설명하는 순서도이다.
도 3에서, 라이다 기반의 차량주행 가능영역 검출장치(100)는 차량 주행 검출부(210)를 통해 차량의 주행 여부를 검출할 수 있다(단계 S310).
라이다 기반의 차량주행 가능영역 검출장치(100)는 로컬 주행 맵 생성부(220)를 통해 차량의 주행이 시작되면 라이다 센서를 활성화시켜 포인트 클라우드 데이터를 적층하고 적층된 포인트 클라우드 데이터를 기초로 로컬 주행 맵을 생성할 수 있다(단계 S320).
라이다 기반의 차량주행 가능영역 검출장치(100)는 도로경계 객체 검출부(230)를 통해 로컬 주행 맵에 평면 모델을 적용함으로써 도로면을 제거하여 도로경계 객체를 검출할 수 있다(단계 S330).
라이다 기반의 차량주행 가능영역 검출장치(100)는 주행 가능 영역 결정부(240)를 통해 도로경계 객체의 위치에 따라 현재의 도로에 해당하는 그리드 맵을 결정하고 그리드 맵을 기초로 주행 가능 영역을 결정할 수 있다(단계 S340).
도 4는 본 발명의 일 실시예에 따른 라이다 기반의 차량주행 가능영역 검출장치의 차량주행 가능영역 검출과정을 보여주는 예시도이다.
라이다 기반의 차량주행 가능영역 검출장치(100)는 NDT 맵 매칭 기반의 3D 포인트 클라우드 적층을 통해 로컬 주행 맵을 생성할 수 있다. 보다 구체적으로, 라이다 기반의 차량주행 가능영역 검출장치(100)는 로컬 주행 맵 생성부(220)를 통해 라이다 센서에서 수집한 포인트 클라우드 데이터를 NDT 맵 매칭 알고리즘을 통해 변환하고 반복하여 데이터를 적층하며 적층한 데이터를 기초로 로컬 주행 맵을 생성할 수 있다. 예를 들어, 라이다 기반의 차량주행 가능영역 검출장치(100)는 이전 샘플의 라이다 센서의 포인트 클라우드 데이터와 현재 샘플의 포인트 클라우드 데이터를 가지고 NDT 기반의 맵 매칭 알고리즘을 통해 변환 행렬을 유도하고, 변환 행렬에 맞춰 현재 샘플의 포인트 클라우드 데이터를 이동, 회전시켜 로컬 주행 맵을 생성할 수 있다.
라이다 기반의 차량주행 가능영역 검출장치(100)는 평면 모델을 기반으로 도로경계 객체를 검출할 수 있다. 일 실시예에서, 라이다 기반의 차량주행 가능영역 검출장치(100)는 도로경계 객체 검출부(230)를 통해 데이터 평탄화, 평면모델 계산 및 지면 제거를 통해 도로면을 제거한 도로경계 객체를 검출할 수 있다. 보다 구체적으로, 라이다 기반의 차량주행 가능영역 검출장치(100)는 로컬 주행 맵을 기초로 평면 모델을 적용하여 도로면을 제거하고 차량이 주행 불가능한 영역에 해당하는 연석, 중앙 분리대 등 도로경계 객체를 검출할 수 있다.
라이다 기반의 차량주행 가능영역 검출장치(100)는 그리드 맵을 기반으로 주행 가능한 영역을 산출할 수 있다. 일 실시예에서, 라이다 기반의 차량주행 가능영역 검출장치(100)는 주행 가능 영역 결정부(240)를 통해 도로경계 객체를 포함하는 그리드 맵을 결정하고 그리드 맵을 기초로 차량이 주행 가능한 영역을 결정할 수 있다. 보다 구체적으로, 라이다 기반의 차량주행 가능영역 검출장치(100)는 도로면이 제거된 도로경계 객체를 기반으로 그리드 맵 기반의 주행 가능 영역을 산출하고, 전방에 존재하는 장애물인 도로경계 객체를 고려하여 차량이 주행 가능한 경로를 지도에 표식적으로 나타낼 수 잇다.
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.
100: 라이다 기반의 차량주행 가능영역 검출장치
110: 프로세서
120: 메모리
130: 사용자 입출력부 140: 네트워크 입출력부
150: 라이다 센서
210: 차량 주행 검출부 220: 로컬 주행 맵 생성부
230: 도로경계 객체 검출부
240: 주행 가능 영역 결정부
250: 제어부

Claims (9)

  1. 차량의 주행 여부를 검출하는 차량 주행 검출부;
    상기 차량의 주행이 시작되면 라이다 센서를 활성화시켜 포인트 클라우드 데이터를 적층하고 상기 포인트 클라우드 데이터를 기초로 로컬 주행 맵을 생성하는 로컬 주행 맵 생성부;
    상기 로컬 주행 맵에 평면 모델을 적용함으로써 도로면을 제거하여 도로경계 객체를 검출하는 도로경계 객체 검출부; 및
    상기 도로경계 객체의 위치에 따라 현재의 도로에 해당하는 그리드 맵을 결정하고 상기 그리드 맵을 기초로 주행 가능 영역을 결정하는 주행 가능 영역 결정부를 포함하는 라이다 기반의 차량주행 가능영역 검출장치.
  2. 제1항에 있어서, 상기 로컬 주행 맵 생성부는
    상기 차량의 주행 경로를 기초로 상기 포인트 클라우드 데이터를 맵 매칭하여 적층하는 것을 특징으로 하는 라이다 기반의 차량주행 가능영역 검출장치.
  3. 제2항에 있어서, 상기 로컬 주행 맵 생성부는
    NDT(Normal Distributions Transfrom) 매칭 알고리즘을 기초로 상기 포인트 클라우드 데이터를 변환하여 상기 맵 매칭을 수행하는 것을 특징으로 하는 라이다 기반의 차량주행 가능영역 검출장치.
  4. 제3항에 있어서, 상기 로컬 주행 맵 생성부는
    NDT 매칭 알고리즘을 초기화하는 NDT 초기화 모듈;
    상기 NDT 매칭 알고리즘을 통해 상기 포인트 클라우드 데이터를 변환하는 변환 모듈; 및
    변환된 포인트 클라우드 데이터를 상기 차량의 주행 경로와 맵 매칭하여 적층함으로써 상기 로컬 주행 맵을 생성하는 맵 매칭 모듈을 포함하는 것을 특징으로 하는 라이다 기반의 차량주행 가능영역 검출장치.
  5. 제1항에 있어서, 상기 도로경계 객체 검출부는
    상기 평면 모델의 적용 전에 상기 포인트 클라우드 데이터를 평탄화시키는 것을 특징으로 하는 라이다 기반의 차량주행 가능영역 검출장치.
  6. 제5항에 있어서, 상기 도로경계 객체 검출부는
    상기 로컬 주행 맵을 생성하는 상기 포인트 클라우드 데이터를 수신하여 평탄화하는 데이터 평탄화 모듈;
    상기 평탄화된 포인트 클라우드 데이터에 상기 평면 모델을 적용하는 평면 모델링 모듈;
    도로면을 제거하는 도로면 제거 모듈; 및
    상기 도로면이 제거된 도로경계 객체를 검출하는 검출 모듈을 포함하는 것을 특징으로 하는 라이다 기반의 차량주행 가능영역 검출장치.
  7. 제1항에 있어서, 상기 주행 가능 영역 결정부는
    상기 검출된 도로경계 객체를 기초로 평면 코스트 맵을 생성하고 생성된 평면 코스트 맵을 기초로 상기 그리드 맵을 결정하는 것을 특징으로 하는 라이다 기반의 차량주행 가능영역 검출장치.
  8. 제7항에 있어서, 상기 주행 가능 영역 결정부는
    평면 코스트 맵을 초기화하는 초기화 모듈;
    상기 평면 코스트 맵을 생성하는 코스트 맵 생성 모듈;
    생성된 상기 평면 코스트 맵을 기초로 상기 그리드 맵을 결정하는 그리드 맵 결정 모듈; 및
    상기 그리드 맵에 상기 차량의 주행 가능한 영역을 표식적으로 나타내는 주행 가능 영역 결정 모듈을 포함하는 것을 특징으로 하는 라이다 기반의 차량주행 가능영역 검출장치.
  9. 차량의 주행 여부를 검출하는 단계;
    상기 차량의 주행이 시작되면 라이다 센서를 활성화시켜 포인트 클라우드 데이터를 적층하고 상기 포인트 클라우드 데이터를 기초로 로컬 주행 맵을 생성하는 단계;
    상기 로컬 주행 맵에 평면 모델을 적용함으로써 도로면을 제거하여 도로경계 객체를 검출하는 단계; 및
    상기 도로경계 객체의 위치에 따라 현재의 도로에 해당하는 그리드 맵을 결정하고 상기 그리드 맵을 기초로 주행 가능 영역을 결정하는 단계를 포함하는 라이다 기반의 차량주행 가능영역 검출방법.
KR1020180160624A 2018-12-13 2018-12-13 라이다 기반의 차량주행 가능영역 검출장치 및 방법 KR102083482B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180160624A KR102083482B1 (ko) 2018-12-13 2018-12-13 라이다 기반의 차량주행 가능영역 검출장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180160624A KR102083482B1 (ko) 2018-12-13 2018-12-13 라이다 기반의 차량주행 가능영역 검출장치 및 방법

Publications (1)

Publication Number Publication Date
KR102083482B1 true KR102083482B1 (ko) 2020-03-02

Family

ID=69805508

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180160624A KR102083482B1 (ko) 2018-12-13 2018-12-13 라이다 기반의 차량주행 가능영역 검출장치 및 방법

Country Status (1)

Country Link
KR (1) KR102083482B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113030997A (zh) * 2021-05-27 2021-06-25 北京踏歌智行科技有限公司 一种基于激光雷达的露天矿区可行驶区域检测方法
KR102294074B1 (ko) * 2020-10-15 2021-08-30 주식회사 포도 정밀 도로 지도 기반 경로 제공 장치 및 방법
CN113744518A (zh) * 2020-05-30 2021-12-03 华为技术有限公司 一种车辆可行驶区域的检测方法及装置
CN113945219A (zh) * 2021-09-28 2022-01-18 武汉万集光电技术有限公司 动态地图生成方法、系统、可读存储介质及终端设备
KR102371852B1 (ko) * 2020-10-16 2022-03-08 (주)컨트롤웍스 포인트 클라우드 정보에 기반한 맵 업데이트 방법 및 장치
KR20220050507A (ko) * 2020-10-16 2022-04-25 (주)컨트롤웍스 Nd 맵 생성방법 및 그를 활용한 맵 업데이트 방법
KR20220078029A (ko) 2020-12-03 2022-06-10 충북대학교 산학협력단 3d 라이다를 이용한 비정형 객체 검출 시스템 및 그 방법
CN114842450A (zh) * 2022-05-11 2022-08-02 合众新能源汽车有限公司 一种可行驶区域检测方法、装置及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100857529B1 (ko) 2007-06-29 2008-09-08 세종대학교산학협력단 라이다 자료로부터 건물 경계의 추출방법
JP2016206026A (ja) * 2015-04-23 2016-12-08 株式会社デンソー 物体認識装置
KR20170000569A (ko) * 2015-06-24 2017-01-03 현대자동차주식회사 차량의 충돌 감지 방법
KR20170063002A (ko) * 2015-11-30 2017-06-08 현대엠엔소프트 주식회사 Las 데이터를 이용한 도로 지문 데이터 구축 시스템 및 그 방법
KR20180029627A (ko) * 2016-09-13 2018-03-21 현대자동차주식회사 차량 및 그 제어 방법
KR20190064311A (ko) * 2017-11-30 2019-06-10 주식회사 모빌테크 라이다를 이용한 지도 생성 방법 및 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100857529B1 (ko) 2007-06-29 2008-09-08 세종대학교산학협력단 라이다 자료로부터 건물 경계의 추출방법
JP2016206026A (ja) * 2015-04-23 2016-12-08 株式会社デンソー 物体認識装置
KR20170000569A (ko) * 2015-06-24 2017-01-03 현대자동차주식회사 차량의 충돌 감지 방법
KR20170063002A (ko) * 2015-11-30 2017-06-08 현대엠엔소프트 주식회사 Las 데이터를 이용한 도로 지문 데이터 구축 시스템 및 그 방법
KR20180029627A (ko) * 2016-09-13 2018-03-21 현대자동차주식회사 차량 및 그 제어 방법
KR20190064311A (ko) * 2017-11-30 2019-06-10 주식회사 모빌테크 라이다를 이용한 지도 생성 방법 및 장치

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113744518A (zh) * 2020-05-30 2021-12-03 华为技术有限公司 一种车辆可行驶区域的检测方法及装置
CN113744518B (zh) * 2020-05-30 2023-04-18 华为技术有限公司 一种车辆可行驶区域的检测方法及装置
KR102294074B1 (ko) * 2020-10-15 2021-08-30 주식회사 포도 정밀 도로 지도 기반 경로 제공 장치 및 방법
KR102371852B1 (ko) * 2020-10-16 2022-03-08 (주)컨트롤웍스 포인트 클라우드 정보에 기반한 맵 업데이트 방법 및 장치
KR20220050507A (ko) * 2020-10-16 2022-04-25 (주)컨트롤웍스 Nd 맵 생성방법 및 그를 활용한 맵 업데이트 방법
KR102408981B1 (ko) * 2020-10-16 2022-06-14 (주)컨트롤웍스 Nd 맵 생성방법 및 그를 활용한 맵 업데이트 방법
KR20220078029A (ko) 2020-12-03 2022-06-10 충북대학교 산학협력단 3d 라이다를 이용한 비정형 객체 검출 시스템 및 그 방법
CN113030997A (zh) * 2021-05-27 2021-06-25 北京踏歌智行科技有限公司 一种基于激光雷达的露天矿区可行驶区域检测方法
CN113030997B (zh) * 2021-05-27 2021-08-20 北京踏歌智行科技有限公司 一种基于激光雷达的露天矿区可行驶区域检测方法
CN113945219A (zh) * 2021-09-28 2022-01-18 武汉万集光电技术有限公司 动态地图生成方法、系统、可读存储介质及终端设备
CN114842450A (zh) * 2022-05-11 2022-08-02 合众新能源汽车有限公司 一种可行驶区域检测方法、装置及设备
WO2023216470A1 (zh) * 2022-05-11 2023-11-16 合众新能源汽车股份有限公司 一种可行驶区域检测方法、装置及设备

Similar Documents

Publication Publication Date Title
KR102083482B1 (ko) 라이다 기반의 차량주행 가능영역 검출장치 및 방법
US10598489B2 (en) Visual odometry and pairwise alignment for high definition map creation
US11632536B2 (en) Method and apparatus for generating three-dimensional (3D) road model
JP7395301B2 (ja) 障害物検出方法、障害物検出装置、電子機器、車両及び記憶媒体
JP6595182B2 (ja) マッピング、位置特定、及び姿勢補正のためのシステム及び方法
CN110675307B (zh) 基于vslam的3d稀疏点云到2d栅格图的实现方法
JP5023186B2 (ja) ３ｄワーピング手法と固有対象物運動（ｐｏｍ）の検出の組み合わせに基づく対象物の動き検出システム
EP3624055B1 (en) Ground detection method, apparatus, electronic device, vehicle and storage medium
KR101711964B1 (ko) 자유 공간 지도 생성 방법, 자유 공간 지도 생성 시스템, 자유 공간 지도를 이용한 전경/배경 추출 방법 및 전경/배경 추출 시스템
JP2017223511A (ja) 道路構造化装置、道路構造化方法、及び道路構造化プログラム
JP2016157197A (ja) 自己位置推定装置、自己位置推定方法およびプログラム
KR20100003856A (ko) 장애물 검출 장치 및 방법
US20150302611A1 (en) Vehicle dimension estimation from vehicle images
KR101864127B1 (ko) 무인 차량을 위한 주변 환경 매핑 방법 및 장치
US11748998B1 (en) Three-dimensional object estimation using two-dimensional annotations
EP3660449A1 (en) Information processing device, information processing method, and program
Bergeon et al. Low cost 3D mapping for indoor navigation
Irie et al. A dependence maximization approach towards street map-based localization
Dekkiche et al. Vehicles detection in stereo vision based on disparity map segmentation and objects classification
KR101655204B1 (ko) 3차원 그래픽 모델을 이용한 영상처리 장치 및 그 방법
US12008778B2 (en) Information processing apparatus, control method for same, non-transitory computer-readable storage medium, and vehicle driving support system
US20200334843A1 (en) Information processing apparatus, control method for same, non-transitory computer-readable storage medium, and vehicle driving support system
US11294384B2 (en) Vehicle navigation using point cloud decimation
KR102046243B1 (ko) 반사 영상 제거 장치 및 상기 장치의 동작 방법
US20240094399A1 (en) System and method for object reconstruction and automatic motion-based object classification

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant