KR102513036B1 - 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법 및 장치 - Google Patents

3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법 및 장치 Download PDF

Info

Publication number
KR102513036B1
KR102513036B1 KR1020210140056A KR20210140056A KR102513036B1 KR 102513036 B1 KR102513036 B1 KR 102513036B1 KR 1020210140056 A KR1020210140056 A KR 1020210140056A KR 20210140056 A KR20210140056 A KR 20210140056A KR 102513036 B1 KR102513036 B1 KR 102513036B1
Authority
KR
South Korea
Prior art keywords
data
inliers
line
determining
plane
Prior art date
Application number
KR1020210140056A
Other languages
English (en)
Inventor
윤재성
Original Assignee
네이버랩스 주식회사
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 네이버랩스 주식회사 filed Critical 네이버랩스 주식회사
Priority to KR1020210140056A priority Critical patent/KR102513036B1/ko
Priority to PCT/KR2022/013813 priority patent/WO2023068562A1/ko
Application granted granted Critical
Publication of KR102513036B1 publication Critical patent/KR102513036B1/ko

Links

Images

Classifications

    • G06T3/0037—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/514—Depth or shape recovery from specularities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Image Processing (AREA)

Abstract

본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법은, 오브젝트로부터 반사된 반사광에 기초하여 생성된 인텐시티에 대한 데이터를 획득하는 단계, 획득된 인텐시티에 대한 데이터로부터 복수의 포인트를 추출하는 단계, 추출된 복수의 포인트를 이용하여 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정하는 단계 및 2차원 공간에 대한 데이터 및 반사광이 수신된 위치에 대한 데이터를 기초로 오브젝트를 맵핑하기 위한 평면을 결정하는 단계를 포함한다.

Description

3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법 및 장치{METHOD AND APPARATUS FOR DETERMINING PLANE FOR MAPPING OBJECT ON THREE-DIMENSIONAL SPACE}
본 발명은 3차원 공간 상의 오브젝트(object)를 맵핑(mapping)하기 위한 평면을 결정하는 방법 및 시스템에 관한 것으로, 구체적으로 반사율이 높은 오브젝트로부터 반사된 반사광에 기초하여 생성된 인텐시티(intensity)에 대한 데이터를 획득하고, 획득된 인텐시티에 대한 데이터 및 반사광이 수신된 위치에 대한 데이터를 기초로 오브젝트를 맵핑하기 위한 평면을 결정하는 방법 및 장치에 관한 것이다.
자율 주행 기술의 상용화를 앞두고 맵을 자동으로 구축하는 맵핑 기술이 고도화되고 있다. 자율 주행의 완전한 무인화를 위해서는, 현실 공간에 대한 정보가 정확하게 포함된 맵(map)이 필수적으로 요구되기 때문이다. 이에 따라, 외부 조명상태에 영향을 덜 받는 라이다(LiDAR, Light Detection And Ranging)는 높은 검출 정확도 덕분에, 이러한 맵핑 기술에 필수적인 센서가 되어가고 있다.
그러나, 유리, 거울, 대리석 등과 같이 반사율이 높은 물체들은 정반사가 잘 일어나는 반사 특성으로 인해 맵핑 기술의 큰 장애물이 되고 있다. 종래, 신호를 방출한 시간과 반사 신호가 수신기에 도착하는 시간을 측정하여 거리를 추정하는 비행시간(TOF, Time of Flight) 측정 방식에 따르면, 이와 같은 반사 특성에 기인하는 노이즈로 인해 맵핑(mapping)에 큰 오차가 발생한다는 문제점이 있다.
본 개시는 상기와 같은 문제점을 해결하기 위해 반사율이 높은 오브젝트로부터 반사된 반사광에 기초하여 생성된 인텐시티(intensity)에 대한 데이터를 획득하고, 획득된 인텐시티에 대한 데이터 및 반사광이 수신된 위치에 대한 데이터를 평면을 기초로 오브젝트를 맵핑하기 위한 평면을 결정하는 방법 및 시스템(장치)을 제공한다.
본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.
본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법은, 오브젝트로부터 반사된 반사광에 기초하여 생성된 인텐시티(intensity)에 대한 데이터를 획득하는 단계, 획득된 인텐시티에 대한 데이터로부터 복수의 포인트를 추출하는 단계, 추출된 복수의 포인트를 이용하여 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정하는 단계 및 2차원 공간에 대한 데이터 및 반사광이 수신된 위치에 대한 데이터를 기초로 오브젝트를 맵핑하기 위한 평면을 결정하는 단계를 포함한다.
다른 실시예에 따르면, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공될 수 있다.
본 개시의 또 다른 실시예에 따르면, 3차원 공간 상의 오브젝트 맵핑 장치로서, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은, 오브젝트로부터 반사된 반사광에 기초하는 인텐시티에 대한 데이터를 획득하고, 획득된 인텐시티에 대한 데이터로부터 복수의 포인트를 추출하고, 추출된 복수의 포인트를 이용하여 오브젝트와 연관된 2차원 공간 데이터를 결정하고, 2차원 공간 데이터 및 반사광이 수신된 위치에 대한 데이터를 기초로 오브젝트를 맵핑하기 위한 평면을 결정하기 위한 명령어들을 포함한다.
본 개시의 일부 실시예에 따르면, 최대 인텐시티를 갖는 인텐시티에 대한 데이터에 기초하여 평면을 결정함으로써 반사율이 높은 오브젝트가 존재하는 현실 공간에서도 높은 퀄리티의 맵이 제공될 수 있다.
본 개시의 일부 실시예에 따르면, 인텐시티 피크가 라인의 형태로 분포하는 경우에도 평면이 정확하게 결정될 수 있다.
본 개시의 일부 실시예에 따르면, 하나의 맵핑 장치로부터 동시에 복수의 오브젝트가 맵핑될 수 있다.
본 개시의 일부 실시예에 따르면, 무빙 윈도우 방식에 따라 장치가 주행하는 동안에도 실시간으로 오브젝트를 맵핑함으로써, 오브젝트와의 충돌 가능성이 더욱 감소될 수 있다.
본 개시의 일부 실시예에 따르면, 복수의 오브젝트에 대한 정보가 포함된 사전 획득된 로컬 맵을 이용하여 평면을 보정함으로써 보정된 평면의 정확성이 더욱 개선될 수 있다.
본 개시의 일부 실시예에 따르면, 오브젝트에 대한 반사에 의하여 야기된 허상을 맵에서 제거함으로써 높은 퀄리티의 맵이 제공될 수 있다.
도 1은 본 개시의 일 실시예에 따라 오브젝트 맵핑 장치가 3차원 공간을 주행하는 예시를 나타낸다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템이 복수의 오브젝트 맵핑 장치와 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템이 복수의 오브젝트 맵핑 장치와 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 오브젝트 맵핑 장치 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 하나의 타임 스탬프(timestamp)에서 획득된 인텐시티에 대한 데이터의 예시를 나타낸다.
도 5는 본 개시의 일 실시예에 따라 2차원 공간에 대한 데이터를 결정하는 예시를 나타낸다.
도 6은 본 개시의 일 실시예에 따라 유사한 라인을 합쳐 최종 라인을 결정함으로써, 유리 평면의 정확도가 개선된 예시를 나타낸다.
도 7은 본 개시의 일 실시예에 따라 2차원 공간에 대한 데이터를 결정하는 다른 예시를 나타낸다.
도 8은 본 개시의 일 실시예에 따라 오브젝트를 맵핑하기 위하여 결정된 평면 및 보정된 평면의 예시를 나타낸다.
도 9는 본 개시의 일 실시예에 따라 하나의 오브젝트에 대하여 결정된 평면들 및 보정된 평면들의 예시를 나타낸다.
도 10은 본 개시의 일 실시예에 따라 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법의 예시를 나타낸다.
이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.
첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.
본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.
본 개시에서, '복수의 A 각각' 및/또는 '복수의 A의 각각' 은 복수의 A에 포함된 모든 구성 요소의 각각을 지칭하거나, 복수의 A에 포함된 일부 구성요소의 각각을 지칭할 수 있다. 예를 들어, 복수의 포인트 각각은, 복수의 포인트에 포함된 모든 포인트 각각을 지칭하거나 복수의 포인트에 포함된 일부 포인트의 각각을 지칭할 수 있다. 다른 예로서, 복수의 타임 스탬프(timestamp)의 각각은, 복수의 타임 스탬프에 포함된 모든 타임스탬프의 각각을 지칭하거나 복수의 타임 스탬프에 포함된 일부 타임 스탬프의 각각을 지칭할 수 있다.
본 개시에서, '오브젝트(object)'는 빛(예: 레이저(laser))에 대한 반사율이 높은 오브젝트를 지칭할 수 있다. 추가적으로 또는 대안적으로, '오브젝트'는 빛의 반사에 의하여 허상을 야기하는 오브젝트를 지칭할 수 있다. 예를 들어, 오브젝트는 유리, 거울, 대리석 등을 포함할 수 있다. 다른 예로서, 오브젝트는 유리, 거울, 대리석 등을 포함하는 건물의 외벽, 실내 공간의 파티션 등을 지칭할 수 있다.
본 개시에서, '인텐시티(intensity)'는 신호의 물리적인 측정값을 지칭할 수 있다. 예를 들어, 인텐시티는 오브젝트에 대한 입사광에 기초하여 생성된 레이저 펄스(laser pulse)의 진폭(값)을 지칭할 수 있다. 다른 예로서, 인텐시티는 오브젝트에 대한 반사광에 기초하여 생성된 에코 펄스(echo pulse)의 진폭(값)을 지칭할 수 있다.
본 개시에서, '피팅(fitting)'은 제1 데이터를 기초로 제1 데이터와 연관된 제2 데이터를 결정하는 것을 지칭할 수 있다. 여기서, 제2 데이터의 차원(dimension)은 제1 데이터의 차원과 동일하거나, 더 높게 구성될 수 있다. 예를 들어, 피팅은 복수의 포인트를 기초로 복수의 포인트 각각에 모두 근접하는 하나의 라인(line)을 결정하는 것을 지칭할 수 있다. 다른 예로서, 피팅은 복수의 포인트 각각 사이의 거리가 임계 거리 이하인 하나의 라인을 결정하는 것을 지칭할 수 있다.
본 개시에서, '인라이어(inlier)'는 하나의 라인 주변에 위치하는 포인트들의 집합을 지칭할 수 있다. 예를 들어, 제1 라인에 대응하는 제1 인라이어들은 제1 라인까지의 거리가 임계 거리 이하인 포인트들의 집합을 지칭할 수 있다. 또한, '인라이어'는 피팅에 이용된 포인트들의 집합을 지칭할 수 있다. 예를 들어, 제2 라인에 대응하는 제2 인라이어들은 제2 라인의 피팅에 이용된 포인트들의 집합을 지칭할 수 있다.
본 개시에서, '직교(orthogonal)'는 라인과 라인, 라인과 평면 또는 평면과 평면이 이 직각(90 도)을 이루며 교차하는 것을 지칭할 수 있다. 또한, '직교'는 라인과 라인, 라인과 평면 또는 평면과 평면이 미리 결정된 범위 내의 각도를 이루며 교차하는 것을 지칭할 수 있다. 예를 들어, 제1 라인과 제2 라인 사이의 각도가 90±a 도(a는 미리 결정된 자연수)를 이루며 교차하는 경우, 제1 라인과 제2 라인은 직교한다고 지칭할 수 있다. 추가적으로, 본 개시에서 '직교'는 '수직(perpendicular)'을 지칭할 수 있고, '수직'은 '직교'를 지칭할 수 있다.
도 1은 본 개시의 일 실시예에 따라 오브젝트 맵핑 장치(110)가 3차원 공간을 주행하는 예시를 나타낸다. 도시된 바와 같이, 오브젝트 맵핑 장치(110)는 오브젝트(120)가 위치하는 3차원 공간을 주행할 수 있다. 여기서, 오브젝트 맵핑 장치(110)는 주변 환경을 인식하고, 인식된 결과를 기초로 스스로 주행 상태를 제어하는 임의의 장치를 지칭할 수 있다. 예를 들어, 오브젝트 맵핑 장치(110)는 자율 주행 로봇, 자율 주행 차량 등을 지칭할 수 있다.
일 실시예에 따르면, 오브젝트 맵핑 장치(110)는 오브젝트(120)로부터 반사된 반사광을 수신하고, 수신된 반사광에 기초하여 생성된 인텐시티에 대한 데이터를 획득할 수 있다. 예를 들어, 오브젝트 맵핑 장치(110)는 오브젝트 맵핑 장치(110)에 포함되거나 장착된 라이다(LiDAR) 센서를 이용하여 반사광을 수신하고, 수신된 반사광에 기초하여 생성된 에코 펄스(echo pulse)로부터 인텐시티에 대한 데이터를 획득할 수 있다. 추가적으로 또는 대안적으로, 오브젝트 맵핑 장치(110)는 외부의 라이다(LiDAR) 장치로부터, 인텐시티에 대한 데이터를 수신할 수 있다.
일 실시예에 따르면, 오브젝트 맵핑 장치(110)는 인텐시티에 대한 데이터를 이용하여 오브젝트(120)를 맵핑하기 위한 평면을 결정할 수 있다. 이를 위해, 오브젝트 맵핑 장치(110)는 인텐시티에 대한 데이터를 이용하여 오브젝트(120) 상에 위치하는 복수의 포인트를 추출할 수 있다. 이렇게 추출된 복수의 포인트를 이용하여 오브젝트와 연관된 2차원 공간에 대한 데이터가 결정될 수 있다. 그리고 나서, 오브젝트 맵핑 장치(110)는 2차원 공간에 대한 데이터 및 반사광이 수신된 위치에 대한 데이터에 기초하여 복수의 포인트로부터 오브젝트(120)를 맵핑하기 위한 평면을 결정할 수 있다. 본 개시에서, 반사광이 수신된 위치는, 반사광을 수신할 당시의 오브젝트 맵핑 장치(110)의 위치를 지칭할 수 있다. 또한, 오브젝트(120)를 맵핑하기 위한 평면이란, 평면 형태의 오브젝트(120)에 대응하는 평면 벡터, 평면 방정식 등을 지칭할 수 있다. 복수의 포인트로부터 오브젝트(120)를 맵핑하기 위한 평면을 결정하는 알고리즘(또는, 방법)에 관하여는 도 2 내지 도 10에서 상세히 후술된다.
일 실시예에 따르면, 오브젝트 맵핑 장치(110)는 오브젝트(120)를 맵핑하기 위하여 결정된 평면을 보정할 수 있다. 구체적으로, 오브젝트 맵핑 장치(110)는 로컬 맵에 주변 오브젝트(130)와 연관된 사전 맵핑된 포인트들을 이용하여 평면을 보정할 수 있다. 예를 들어, 오브젝트 맵핑 장치(110)는 주변 오브젝트(130)와 연관된 사전 맵핑된 포인트들을 결정된 평면에 대하여 대칭이동할 수 있다. 이에 따라, 사전 맵핑된 포인트들 및 사전 맵핑된 포인트들 각각에 대응하는 대칭이동된 포인트를 포함하는 복수의 페어(pair)가 생성될 수 있다. 오브젝트 맵핑 장치(110)는 생성된 복수의 페어에 기초하여 매트릭스를 산출하고, 산출된 매트릭스를 이용하여 평면을 보정함으로써 보정된 평면을 생성 또는 획득할 수 있다.
일 실시예에 따르면, 오브젝트 맵핑 장치(110)는 3차원 공간의 로컬 맵으로부터, 오브젝트(120)에 대한 반사에 의하여 생성된 허상(140)을 제거할 수 있다. 상술한 바와 같이, 오브젝트(120)는 빛에 대한 반사율이 높은 오브젝트(예: 유리, 거울, 대리석 등)를 지칭할 수 있다. 이에 따라, 주변 오브젝트(130)에서 반사된 반사광이 오브젝트(120)에 대하여 재반사되어 허상(140)을 발생시킬 수 있다. 이 경우, 오브젝트 맵핑 장치(110)가 허상(140)을 실상으로 인식 또는 감지하는 것을 방지하기 위하여, 오브젝트 맵핑 장치(110)는 3차원 공간의 로컬 맵에서 허상(140)을 제거할 수 있다. 이 때, 오브젝트(130)를 맵핑하기 위하여 결정된 평면이 이용될 수 있다.
한편, 본 개시에서는 하나의 오브젝트를 맵핑하는 방법(또는, 하나의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법)을 중심으로 설명하고 있으나, 이에 한정되지 않는다. 일 실시예에 따르면, 오브젝트 맵핑 장치(110)는 본 개시의 오브젝트 맵핑 방법(또는, 오브젝트를 맵핑하기 위한 평면을 결정하는 방법)과 동일/유사한 방법에 따라, 3차원 공간상의 복수의 오브젝트를 맵핑하기 위한 복수의 평면을 결정할 수 있다. 또한, 본 개시에서, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법은 오브젝트 맵핑 장치(110)에 의해 수행되는 것으로 도시되어 있으나, 이에 한정되지 않다. 추가적으로 또는 대안적으로, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법은 오브젝트 맵핑 장치(110)와 통신 가능한 임의의 외부 장치(예를 들어, 정보 처리 시스템 등)에 의해 수행될 수 있다.
도 2는 본 개시의 일 실시예에 따른 정보 처리 시스템(230)이 복수의 오브젝트 맵핑 장치(210_1, 210_2, 210_3)과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 정보 처리 시스템(230)은 오브젝트 맵핑 및/또는 오브젝트 맵핑을 위한 평면을 결정하는 시스템(들)을 포함할 수 있다. 일 실시예에서, 정보 처리 시스템(230)은 오브젝트 맵핑 및/또는 오브젝트 맵핑을 위한 평면을 결정하는 것과 관련된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 어플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다. 정보 처리 시스템(230)은 어플리케이션(예: 로봇 어플리케이션 및/또는 인공지능 어플리케이션 등)을 통해 입력되는 신호에 대응하는 정보를 제공하거나 대응하는 처리를 수행할 수 있다. 예를 들어, 정보 처리 시스템(230)은 오브젝트 맵핑과 관련된 서비스를 제공하도록 구성된 임의의 어플리케이션을 통해 복수의 오브젝트 맵핑 장치(210_1, 210_2, 210_3)을 제어할 수 있다.
정보 처리 시스템(230)은 네트워크(220)를 통해 복수의 오브젝트 맵핑 장치(210_1, 210_2, 210_3)과 통신할 수 있다. 네트워크(220)는 복수의 오브젝트 맵핑 장치(210_1, 210_2, 210_3)과 정보 처리 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 오브젝트 맵핑 장치(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.
도 2에서 전문 서비스용 오브젝트 맵핑 장치(210_1), 산업용 오브젝트 맵핑 장치(210_2) 및 개인 서비스용 오브젝트 맵핑 장치(210_3)가 로봇의 예로서 도시되었으나, 이에 한정되지 않으며, 오브젝트 맵핑 장치(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 로봇 어플리케이션, 맵핑 어플리케이션, 인공지능 어플리케이션 등이 설치되어 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 오브젝트 맵핑 장치(210_1, 210_2, 210_3)는 자율 주행 차량, 자율 주행 로봇 등을 포함할 수 있다. 또한, 도 2에는 3개의 오브젝트 맵핑 장치(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 장치가 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다.
일 실시예에서, 오브젝트 맵핑 장치(210_1, 210_2, 210_3)은 네트워크(220)를 통해 오브젝트 맵핑과 관련된 데이터 요청을 정보 처리 시스템(230)으로 전송하고, 정보 처리 시스템(230)으로부터 오브젝트 및/또는 오브젝트 맵핑과 관련된 데이터를 수신할 수 있다.
도 3은 본 개시의 일 실시예에 따른 오브젝트 맵핑 장치(210) 및 정보 처리 시스템(230)의 내부 구성을 나타내는 블록도이다. 오브젝트 맵핑 장치(210)는 맵핑 어플리케이션, 사용자 서비스 어플리케이션, 로봇 어플리케이션 및/또는 인공지능 어플리케이션 등이 실행 가능하고 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 도 2의 전문 서비스용 오브젝트 맵핑 장치(210_1), 산업용 오브젝트 맵핑 장치(210_2) 및 개인 서비스용 오브젝트 맵핑 장치(210_3) 등을 포함할 수 있다. 도시된 바와 같이, 오브젝트 맵핑 장치(210)는 메모리(312), 프로세서(314), 통신 모듈(316) 및 입출력 인터페이스(318)를 포함할 수 있다. 이와 유사하게, 정보 처리 시스템(230)은 메모리(332), 프로세서(334), 통신 모듈(336) 및 입출력 인터페이스(338)를 포함할 수 있다. 도 3에 도시된 바와 같이, 오브젝트 맵핑 장치(210) 및 정보 처리 시스템(230)은 각각의 통신 모듈(316, 336)을 이용하여 네트워크(220)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(320)는 입출력 인터페이스(318)를 통해 오브젝트 맵핑 장치(210)에 정보 및/또는 데이터를 입력하거나 오브젝트 맵핑 장치(210)로부터 생성된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.
메모리(312, 332)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(312, 332)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 실시예에서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 오브젝트 맵핑 장치(210) 및/또는 정보 처리 시스템(230)에 포함될 수 있다. 또한, 메모리(312, 332)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 오브젝트 맵핑 장치(210)에 설치되어 구동되는 맵핑 어플리케이션, 사용자 서비스 어플리케이션, 로봇 어플리케이션 및/또는 인공지능 어플리케이션 등을 위한 코드)가 저장될 수 있다.
이러한 소프트웨어 구성요소들은 메모리(312, 332)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 오브젝트 맵핑 장치(210) 및 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈을 통해 메모리(312, 332)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(220)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(312, 332)에 로딩될 수 있다.
프로세서(314, 334)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(312, 332) 또는 통신 모듈(316, 336)에 의해 프로세서(314, 334)로 제공될 수 있다. 예를 들어, 프로세서(314, 334)는 메모리(312, 332)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 모듈(316, 336)은 네트워크(220)를 통해 오브젝트 맵핑 장치(210)와 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 오브젝트 맵핑 장치(210) 및/또는 정보 처리 시스템(230)이 다른 로봇 및/또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 오브젝트 맵핑 장치(210)의 프로세서(314)가 메모리(312) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터(예를 들어, 오브젝트 맵핑을 위한 데이터 요청, 오브젝트와 연관된 인텐시티에 대한 데이터 등)는 통신 모듈(316)의 제어에 따라 네트워크(220)를 통해 정보 처리 시스템(230)으로 전달될 수 있다. 역으로, 정보 처리 시스템(230)의 프로세서(334)의 제어에 따라 제공되는 제어 신호나 명령이 통신 모듈(336)과 네트워크(220)를 거쳐 오브젝트 맵핑 장치(210)의 통신 모듈(316)을 통해 오브젝트 맵핑 장치(210)에 수신될 수 있다. 예를 들어, 오브젝트 맵핑 장치(210)는 정보 처리 시스템(230)으로부터 통신 모듈(316)을 통해 오브젝트 및/또는 오브젝트 맵핑과 연관된 데이터 등을 수신할 수 있다.
입출력 인터페이스(318)는 입출력 장치(320)와의 인터페이스를 위한 수단일 수 있다. 일 예로서, 입력 장치는 가속도 센서, 자이로스코프(즉, 각속도 센서) 등의 관성 센서, 광학 카메라, IR 카메라 등의 광학 센서, ToF, LiDAR 센서, Depth 카메라 등의 거리 감지 센서를 포함할 수 있다. 추가적으로 입력 장치는 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 키보드, 마이크로폰, 마우스 등의 장치를 포함하고, 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로서, 입출력 인터페이스(318)는 터치스크린 등과 같이 입력과 출력을 수행하기 위한 구성 또는 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 오브젝트 맵핑 장치(210)의 프로세서(314)가 메모리(312)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 정보 처리 시스템(230)이 제공하는 정보 및/또는 데이터를 이용하여 구성되는 서비스 화면 등이 입출력 인터페이스(318)를 통해 디스플레이에 표시될 수 있다. 도 3에서는 입출력 장치(320)가 오브젝트 맵핑 장치(210)에 포함되지 않도록 도시되어 있으나, 이에 한정되지 않으며, 오브젝트 맵핑 장치(210)와 하나의 장치로 구성될 수 있다. 또한, 정보 처리 시스템(230)의 입출력 인터페이스(338)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(318, 338)가 프로세서(314, 334)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(318, 338)가 프로세서(314, 334)에 포함되도록 구성될 수 있다.
오브젝트 맵핑 장치(210) 및 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 오브젝트 맵핑 장치(210)는 상술된 입출력 장치(320) 중 적어도 일부를 포함하도록 구현될 수 있다. 또한, 오브젝트 맵핑 장치(210)는 트랜시버(transceiver), GPS(Global Positioning system) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수 있다. 예를 들어, 오브젝트 맵핑 장치(210)는 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기, 이동을 위한 바퀴 등의 다양한 구성요소들이 오브젝트 맵핑 장치(210)에 더 포함되도록 구현될 수 있다.
일 실시예에 따르면, 오브젝트 맵핑 장치(210)의 프로세서(314)는 오브젝트 맵핑 장치를 동작하거나 제어할 수 있는 임의의 어플리케이션을 동작하도록 구성될 수 있다. 예를 들어, 오브젝트 맵핑 어플리케이션, 사용자 서비스 어플리케이션, 로봇 어플리케이션 및/또는 인공지능 어플리케이션 등이 동작하도록 구성될 수 있다. 이 때, 해당 어플리케이션 및/또는 프로그램과 연관된 코드가 오브젝트 맵핑 장치(210)의 메모리(312)에 로딩될 수 있다. 어플리케이션 및/또는 프로그램이 동작되는 동안에, 오브젝트 맵핑 장치(210)의 프로세서(314)는 입출력 장치(320)로부터 제공된 정보 및/또는 데이터를 입출력 인터페이스(318)를 통해 수신하거나 통신 모듈(316)을 통해 정보 처리 시스템(230)으로부터 정보 및/또는 데이터를 수신할 수 있으며, 수신된 정보 및/또는 데이터를 처리하여 메모리(312)에 저장할 수 있다. 또한, 이러한 정보 및/또는 데이터는 통신 모듈(316)을 통해 정보 처리 시스템(230)에 제공할 수 있다.
맵핑 어플리케이션 등을 위한 프로그램이 동작되는 동안에, 프로세서(314)는 입출력 인터페이스(318)와 연결된 터치 스크린, 키보드, 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 마이크로폰 등의 입력 장치를 통해 입력되거나 선택된 텍스트, 이미지, 영상, 음성 등을 수신할 수 있으며, 수신된 텍스트, 이미지, 영상 및/또는 음성 등을 메모리(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다. 대안적으로 또는 추가적으로, 맵핑 어플리케이션 등을 위한 프로그램이 동작되는 동안에, 프로세서(314)는 가속도 센서, 자이로스코프(즉, 각속도 센서) 등의 관성 센서, 광학 카메라, IR 카메라 등의 광학 센서 및/또는 ToF, LiDAR 센서, Depth 카메라 등의 거리 감지 센서를 통해 입력되거나 선택된 광 신호, 텍스트, 이미지, 영상, 음성 등의 데이터/정보를 수신할 수 있으며, 수신된 데이터/정보는 메모리(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다.
일 실시예에서, 프로세서(314)는 입력 장치(예를 들어, 로봇에 포함된 센서)를 통해 제1 데이터를 측정할 수 있다. 일 실시예에서, 프로세서(314)는 네트워크(220) 및 통신 모듈(316)을 통해 오브젝트의 맵핑과 연관된 제2 데이터를 정보 처리 시스템(230)으로 요청할 수 있다. 이러한 제2 데이터의 요청에 응답하여, 프로세서(314)는 오브젝트 맵핑과 연관된 제2 데이터를 네트워크(220) 및 통신 모듈(316)을 통해 정보 처리 시스템(230)으로부터 수신할 수 있다. 일 실시예에서, 프로세서(314)는 제2 데이터로부터 오브젝트 및/또는 제2 데이터와 연관된 제3 데이터를 생성/추출/출력할 수 있다.
정보 처리 시스템(230)의 프로세서(334)는, 오브젝트 맵핑 장치(310)를 포함한 복수의 로봇 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(334)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(336) 및 네트워크(220)를 통해 오브젝트 맵핑 장치(310)에 제공할 수 있다. 일 실시예에서, 정보 처리 시스템(230)의 프로세서(334)는 통신 모듈(336) 및 네트워크(220)를 통해 오브젝트 맵핑 장치(310)으로부터 오브젝트 맵핑과 연관된 정보에 대한 요청을 수신할 수 있다. 정보 처리 시스템(330)의 프로세서(334)는 오브젝트 맵핑 장치(310)의 디스플레이 출력 가능 장치(예: 터치 스크린, 디스플레이 등), 음성 출력 가능 장치(예: 스피커) 등의 출력 장치를 통해 처리된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.
일 실시예에서, 정보 처리 시스템(230)의 프로세서(334)는 통신 모듈(336) 및 네트워크(220)를 통해 오브젝트 맵핑 장치(210)(또는 오브젝트 맵핑과 연관된 시스템)로부터 오브젝트 및/또는 오브젝트 맵핑과 연관된 데이터를 수신할 수 있다. 예를 들어, 프로세서(334)는, 오브젝트 맵핑 장치(210)으로부터, 오브젝트로부터 반사된 반사광에 기초하여 생성된 인텐시티에 대한 데이터 및 이러한 반사광이 수신된 위치에 대한 데이터를 수신할 수 있다. 프로세서는 획득된 인텐시티에 대한 데이터로부터 복수의 포인트를 추출할 수 있다. 추출된 복수의 포인트를 이용하여 오브젝트와 연관된 2차원 공간에 대한 데이터가 결정될 수 있다. 그리고 나서, 프로세서(334)는 2차원 공간에 대한 데이터 및 반사광이 수신된 위치에 대한 데이터를 기초로 오브젝트를 맵핑하기 위한 평면을 결정할 수 있다.
도 4는 본 개시의 일 실시예에 따른 하나의 타임 스탬프(timestamp)에서 획득된 인텐시티에 대한 데이터(410)의 예시를 나타낸다. 일 실시예에 따르면, 프로세서는 오브젝트(예: 도 1의 120)로부터 반사된 반사광에 기초하여 생성된 인텐시티에 대한 데이터(410)를 획득할 수 있다. 예를 들어, 프로세서는 하나의 타임 스탬프(timestamp)에서 획득된 인텐시티에 대한 데이터(410)를 획득할 수 있다. 다른 예로서, 프로세서는 복수의 타임 스탬프 각각에서 획득된 인텐시티에 대한 데이터(미도시)를 획득할 수 있다. 여기서 인텐시티에 대한 데이터(410)는 복수의 타임 스탬프 중 하나의 타임 스탬프 내에 측정된 인텐시티에 대한 데이터를 지칭할 수 있다.
일 실시예에 따르면, 인텐시티에 대한 데이터(410)는 AOV(Angle of View)(또는, 반사광의 반사각) 각각에 대한 인텐시티를 지칭할 수 있다. 예를 들어, 인텐시티에 대한 데이터(410)는 AOV를 X축에 대한 좌표값으로 하고, 인텐시티를 Y축에 대한 좌표값으로 하는 펄스(pulse)를 포함할 수 있다. 여기서, 펄스는 오브젝트로부터 반사된 레이저(laser)에 기초하여 생성된 에코 펄스(echo pulse)를 지칭할 수 있다.
일 실시예에 따르면, 프로세서는 인텐시티에 대한 데이터(410)로부터 포인트를 추출할 수 있다. 여기서, 포인트는 AOV가 0이 되도록 하는 포인트(p)를 지칭하거나 인텐시티가 최대가 되도록 하는 포인트(p)를 지칭할 수 있다. 또는, 포인트는 포인트(p)와 연관된 인텐시티 피크(intensity peak)(도 5에서 후술됨)를 지칭할 수 있다. 상술한 바와 같이, 오브젝트는 빛(또는, 레이저)에 대한 반사율이 높은 오브젝트를 의미할 수 있다. 따라서, 유리, 거울, 대리석 등과 같이 반사에 의한 허상을 야기하는 물체는 난반사보다 정반사가 우세하게 발생하는 특성이 있어, 반사각(또는, 입사각)이 0 도 또는 0 도에 가장 가까운 경우 인텐시티가 최대가 될 수 있다. 상술한 특성에 따라, 프로세서는 인텐시티에 대한 데이터(410)에서 포인트를 추출함으로써, 오브젝트의 위치 및/또는 방향을 검출할 수 있다.
도 5는 본 개시의 일 실시예에 따라 2차원 공간에 대한 데이터를 결정하는 예시를 나타낸다. 도 4에서 설명한 바와 같이, 프로세서는 하나의 타임 스탬프에서 획득된 인텐시티에 대한 데이터로부터 하나의 포인트(인텐시티 피크)를 추출할 수 있다. 이러한 과정 하에서, 프로세서는 복수의 타임 스탬프 각각에서 획득된 인텐시티에 대한 데이터로부터 복수의 포인트(인텐시티 피크)를 추출할 수 있다. 여기서, 추출된 복수의 포인트의 각각은 해당 포인트의 위치 및/또는 방향에 대한 정보를 포함할 수 있다. 예를 들어, 프로세서는 복수의 타임 스탬프 0 내지 t 각각에서 획득된 인텐시티에 대한 데이터 중, AOV가 0이 되도록 하는 포인트(예: 도 4의 포인트(p))와 연관된 복수의 포인트(인텐시티 피크) {p0, p1, …, pt}를 추출할 수 있다. 다른 예로서, 프로세서는 복수의 타임 스탬프 0 내지 t 각각에서 획득된 인텐시티에 대한 데이터 중, 인텐시티가 최대가 되도록 하는 포인트(예: 도 4의 포인트(p))와 연관된 복수의 포인트(인텐시티 피크) {p0, p1, …, pt}를 추출할 수 있다.
일 실시예에 따르면, 프로세서는 추출된 복수의 포인트(인텐시티 피크)를 이용하여 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정할 수 있다. 구체적으로, 프로세서는 복수의 포인트(인텐시티 피크)를 기초로 피팅(fitting)(또는, 근사화)함으로써, 2차원 공간에 대한 데이터로서 복수의 라인을 생성할 수 있다. 예를 들어, 프로세서는 추출된 복수의 포인트(인텐시티 피크) {p0, p1, …, pt}를 기초로 피팅함으로써, 2차원 공간에 대한 데이터로서 복수의 라인 {l0, l1, l2}을 생성할 수 있다. 보다 구체적인 예를 들어, 프로세서는 J-Linkage 등과 같은 멀티플 모델 피팅 알고리즘(multiple model fitting algorithm)을 이용하여 2차원 공간에 대한 데이터로서 복수의 라인을 생성할 수 있다.
일 실시예에 따르면, 프로세서는 무빙 윈도우를 이용하여 추출된 복수의 포인트(인텐시티 피크)를 피팅함으로써, 복수의 라인을 생성할 수 있다. 예를 들어, 프로세서는 무빙 윈도우와 연관된 복수의 시간 프레임 중 하나의 시간 프레임을 이용하여 추출된 복수의 포인트(인텐시티 피크)를 피팅함으로써, 하나의 라인을 생성할 수 있다. 즉, N(N은 자연수)개의 시간 프레임 각각에 대응되는 N개의 라인이 생성될 수 있다. 이 경우, 무빙 윈도우와 연관된 복수의 시간 프레임의 각각의 간격은
Figure 112021120066710-pat00001
로(여기서,
Figure 112021120066710-pat00002
는 미리 결정된 시간(예를 들어, 1초 등))표현될 수 있다. 이러한 과정에서, 복수의 시간 프레임 중에서 인접하는 시간 프레임들은 중첩되는 시간 프레임을 포함할 수 있다. Large-scale dataset의 경우, 멀티플 모델 피팅 알고리즘의 한계로 오브젝트 검출율이 떨어질 수 있다. 이에 반하여, 무빙 윈도우 방식으로 싱글 모델 피팅 알고리즘을 이용하는 경우, 무빙 윈도우의 시간 프레임 수 만큼의 모델이 생성되기 때문에 멀티플 모델 피팅 알고리즘을 이용한 것과 유사한 효과가 달성될 수 있고, 나아가 오브젝트의 검출율이 더욱 향상될 수 있다.
일 실시예에 따르면, 피팅된 복수의 라인 중 유사한 라인을 하나의 라인으로 결정함으로써, 최종 라인이 결정될 수 있다. 예를 들어, 프로세서는 피팅된 복수의 라인 각각 사이의 유사도를 산출하고, 산출된 유사도에 기초하여 유사한 라인들 중 하나의 라인을 최종 라인으로 결정할 수 있다. 이를 위해, 프로세서는 피팅된 복수의 라인 각각 사이의 유사도를 산출하고, 산출된 유사도를 기초로 복수의 라인 중 하나의 라인을 제외시켜 최종 라인을 결정할 수 있다. 예를 들어, 도 5에 도시된 바와 같이, 복수의 라인은 제1 라인(l1) 및 제2 라인 (l2)를 포함하고, 복수의 포인트(510)는 제1 라인에 대응하는 제1 인라이어들 및 제2 라인에 대응하는 제2 인라이어들을 포함할 수 있다. 이 경우, 프로세서는 제1 인라이어들의 각각과 제1 라인(l1) 사이의 거리 및 제1 인라이어들의 각각과 제2 라인(l2) 사이의 거리를 산출하고, 제1 인라이어들 중에서, 제1 라인(l1) 까지의 거리 및 제2 라인(l2)까지의 거리가 미리 결정된 임계 거리 이하인 하나 이상의 제1 인라이어를 추출할 수 있다. 이와 유사하게, 프로세서는 제2 인라이어들의 각각과 제1 라인(l1) 사이의 거리 및 제2 인라이어들의 각각과 제2 라인(l2) 사이의 거리를 산출하고, 제2 인라이어들 중에서, 제1 라인(l1)까지의 거리 및 제2 라인(l2)까지의 거리가 미리 결정된 임계 거리 이하인 하나 이상의 제2 인라이어를 추출할 수 있다. 그리고 나서, 프로세서는 추출된 제1 인라이어의 수 및 추출된 제2 인라이어의 수, 즉 제1 인라이어의 수와 제2 인라이어의 수 사이의 비율을 기초로 제1 라인(l1) 및 제2 라인(l2) 중 하나의 라인을 제외시킴으로써 2차원 공간에 대한 데이터로써 최종 라인을 결정할 수 있다.
도 6은 본 개시의 일 실시예에 따라 유사한 라인을 합쳐 최종 라인을 결정함으로써, 오브젝트 검출의 정확도가 개선된 예시를 나타낸다. 도 6의 (a)는 복수의 라인에서 유사한 라인을 합치기 이전에 복수의 라인에 기초하여 오브젝트를 맵핑하기 위한 평면을 결정한 예시를 나타낸다. 도시된 바와 같이, 도6의 (a)는 서로 각각 상이한 평면상에 위치하는 복수의 평면이 결정되었다. 이와 같이 결정된 평면들로부터는, 단일한 평면으로 구성된 오브젝트를 정확하게 검출할 수 없다.
이에 반하여, 도 6의 (b)는 피팅된 복수의 라인 중에서, 유사한 라인들의 각각이 도 5에서 상술한 방법에 따라 하나의 라인으로 결정되고, 이렇게 결정된 라인, 즉, 최종 라인에 기초하여 오브젝트를 맵핑하기 위한 평면이 결정된 예시를 나타낸다. 도시된 바와 같이, 도 6의 (b) 역시 서로 각각 상이한 평면상에 위치하는 복수의 평면이 결정되었으나, (a)와 비교했을 때 결정된 평면의 수가 감소하였다. 이와 같이 결정된 평면들로부터는, 단일한 평면으로 구성된 하나의 오브젝트가 (a)의 경우보다 비교적 더 정확하게 검출될 수 있다.
도 7은 본 개시의 일 실시예에 따라 2차원 공간에 대한 데이터를 결정하는 다른 예시를 나타낸다. 일 실시예에 따르면, 프로세서는 복수의 라인(예: 도 5의 피팅된 복수의 라인 또는 최종 라인) 중에서 하나의 라인을 선택하고, 선택된 라인의 유지 여부를 판정할 수 있다. 예를 들어, 프로세서는 복수의 라인 중 라인 l0을 선택할 수 있다. 그리고 나서, 라인 l0이 유지하는 것으로 판정하여, 라인 l0을 2차원 공간에 대한 데이터로써 결정할 수 있다.
일 실시예에 따르면, 복수의 포인트(710)는 선택된 라인의 인라이어들을 포함할 수 있다. 이 경우, 프로세서는 선택된 라인의 인라이어들의 각각으로부터, 선택된 라인의 인라이어들의 각각에 대응하는, 반사광이 수신된 위치까지의 벡터를 결정할 수 있다. 여기서, 인라이어에 대응하는 반사광이 수신된 위치는 해당 인라이어와 연관된 타임 스탬프에서의 위치에 대한 데이터를 지칭할 수 있다. 예를 들어, 인라이어들 p0 내지 p3 각각에 대응하는, 반사광이 수신된 위치는 해당 인라이어들 각각과 연관된 타임 스탬프 0 내지 3에서의 오브젝트 맵핑 장치(예: 도 1의 110)의 위치에 대한 데이터 o1 내지 o3를 지칭할 수 있다. 이 경우, 프로세서는 벡터
Figure 112021120066710-pat00003
내지
Figure 112021120066710-pat00004
를 결정할 수 있다.
일 실시예에 따르면, 프로세서는 결정된 벡터 중에서, 선택된 라인 사이의 각도가 미리 결정된 각도 범위 내인 하나 이상의 벡터를 추출할 수 있다. 그리고 나서, 선택된 라인의 인라이어들의 수 및 추출된 하나 이상의 벡터와 연관된 인라이어들의 수에 기초하여 선택된 라인의 유지 여부를 판정할 수 있다. 예를 들어, 선택된 라인 l0이
Figure 112021120066710-pat00005
내지
Figure 112021120066710-pat00006
각각과 이루는 각도가 각각 80도, 84도, 90도, 88도이고, 미리 결정된 각도 범위가 90±5도인 경우, 프로세서는
Figure 112021120066710-pat00007
및
Figure 112021120066710-pat00008
를 추출할 수 있다. 그리고 나서, 선택된 라인 l0의 인라이어들의 수('4') 및 추출된 벡터
Figure 112021120066710-pat00009
및
Figure 112021120066710-pat00010
와 연관된 인라이어들의 수('2')에 기초하여, 선택된 라인 l0의 유지 여부를 판정할 수 있다. 예를 들어, 추출된 벡터와 연관된 인라이어들의 비율('50%' 또는 0.5)이 미리 결정된 임계 비율 이하인 경우, 프로세서는 선택된 라인 l0을 2차원 공간에 대한 데이터에서 제외시킬 수 있다. 다른 예로서, 추출된 하나 이상의 벡터와 연관된 인라이어들의 개수('2개')가 미리 결정된 임계값 이상인 경우, 프로세서는 선택된 라인 l0을 2차원 공간에 대한 데이터로 포함시킬 수 있다.
다른 실시예에 따르면, 프로세서는 결정된 벡터 중에서, 선택된 라인 사이의 각도가 가장 직각에 가까운 하나의 벡터를 결정할 수 있다. 그리고 나서, 결정된 하나의 벡터에 직교하는 평면을 오브젝트를 맵핑하기 위한 평면으로 결정할 수 있다. 예를 들어, 선택된 라인 l0이
Figure 112021120066710-pat00011
내지
Figure 112021120066710-pat00012
각각과 이루는 각도가 각각 80도, 84도, 90도, 88도인 경우, 벡터
Figure 112021120066710-pat00013
를 가장 직각에 가까운 하나의 벡터로 결정하고, 결정된 벡터
Figure 112021120066710-pat00014
에 직교하는 평면을 오브젝트를 맵핑하기 위한 평면으로 결정할 수 있다.
도 8은 본 개시의 일 실시예에 따라 오브젝트를 맵핑하기 위하여 결정된 평면(820) 및 보정된 평면(830)의 예시를 나타낸다. 일 실시예에 따르면, 프로세서는 2차원 공간에 대한 데이터 및 반사광이 수신된 위치에 대한 데이터를 기초로 오브젝트를 맵핑하기 위한 평면(820)을 결정할 수 있다. 여기서, 2차원 공간에 대한 데이터는 결정된 벡터 중에서, 도 6에서 설명한 바와 같이 결정된 벡터 중에서, 선택된 라인 사이의 각도가 가장 직각에 가까운 하나의 벡터를 지칭할 수 있다.
일 실시예에 따르면, 프로세서는 하나의 벡터에 직교하는 평면을 오브젝트를 맵핑하기 위한 평면(820)으로 결정할 수 있다. 이 경우, 평면(820)은 선택된 라인(예: 도 7의 l0)의 인라이어들(예: p0 내지 p3) 중 결정된 하나의 벡터, 즉, 선택된 라인 l0 사이의 각도가 가장 직각에 가까운 하나의 벡터와 연관된 인라이어(예: p2)를 포함할 수 있다.
일 실시예에 따르면, 프로세서는 3차원 공간의 로컬 맵에 사전 맵핑된 포인트들 및 평면(820)을 기초로 평면(820)을 보정하여 보정된 평면(830)을 생성/획득할 수 있다. 구체적으로, 프로세서는 3차원 공간의 로컬 맵에 사전 맵핑된 포인트들(예: 도 1의 주변 오브젝트(130)와 연관된 포인트들)을 결정된 평면(820)(예: 평면의 방정식
Figure 112021120066710-pat00015
, a, b, c 및 d는 임의의 실수)을 기초로 대칭이동할 수 있다.
일 실시예에 따르면, 프로세서는 사전 맵핑된 포인트들 및 대칭이동된 포인트들을 이용하여 평면(820)을 ICP(Iterative Closest Point) 알고리즘을 이용하여 정합할 수 있고, 그 결과 4x4 트랜스포메이션 매트릭스(transformation matrix)가 산출될 수 있다. 그리고 나서, 프로세서는 산출된 매트릭스를 이용하여 평면(820)을 보정함으로써, 보정된 평면(830)을 획득할 수 있다. 여기서, 매트릭스가
Figure 112021120066710-pat00016
인 경우, 평면(820)
Figure 112021120066710-pat00017
(여기서, a, b, c 및 d는 임의의 실수)은 벡터
Figure 112021120066710-pat00018
로 표현될 수 있고, 보정된 평면(830)은
Figure 112021120066710-pat00019
로 표현될 수 있다.
도 9는 본 개시의 일 실시예에 따라 하나의 오브젝트에 대하여 결정된 평면들(912, 914, 916) 및 보정된 평면들(922, 924, 926)의 예시를 나타낸다. 프로세서는 상술한 방법에 따라 하나의 오브젝트를 검출하기 위한 복수의 평면들(912, 914, 916)을 결정할 수 있다. 도시된 바와 같이, 보정 전의 복수의 평면들(912, 914, 916)은 실제로 하나의 유리 평면에 대하여 결정된 평면임에도 불구하고, 동일 평면상에 위치하지 않음을 확인할 수 있다. 그러나, 도 8에서 상술한 방법에 따라 보정된 평면들(922, 924, 926)은 평면들(912, 914, 916)과 비교했을 때 상대적으로 동일 평면상에 위치하고 있음을 확인할 수 있다. 즉, 본 개시의 방법에 따라 결정된 평면을 보정하여 보정된 평면을 획득하는 경우, 보다 정확하게 오브젝트를 맵핑할 수 있다.
도 10은 본 개시의 일 실시예에 따라 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법(1000)의 예시를 나타낸다. 방법(1000)은 상술한 오브젝트 맵핑 장치의 적어도 하나의 프로세서 및/또는 상술한 정보 처리 시스템의 적어도 하나의 프로세서에 의해 수행될 수 있다. 도시된 바와 같이, 방법(1000)은 오브젝트로부터 반사된 반사광에 기초하여 생성된 인텐시티(intensity)에 대한 데이터를 획득하는 단계(S1010)로 개시될 수 있다. 이 경우, 반사광이 수신된 위치의 z축 좌표값이 서로 동일하도록 구성될 수 있다. 즉, 반사광을 수신한 장치(예를 들어, 라이다 센서)가 오브젝트 맵핑 장치에 일정 높이의 위치에 장착되거나 고정될 수 있다.
일 실시예에 따르면, 프로세서는 획득된 인텐시티 데이터에 대한 데이터로부터 복수의 포인트를 추출할 수 있다(S1020). 이 경우, 인텐시티에 대한 데이터는 복수의 타임 스탬프의 각각에서 획득된 인텐시티에 대한 서브 데이터를 포함할 수 있다. 예를 들어, 프로세서는 획득된 인텐시티에 대한 서브 데이터 중에서, 가장 높은 인텐시티에 대응하는 포인트를 추출할 수 있다.
일 실시예에 따르면, 프로세서는 추출된 복수의 포인트를 이용하여 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정할 수 있다(S1030). 예를 들어, 프로세서는 복수의 포인트를 기초로 피팅함으로써, 복수의 라인을 생성할 수 있다. 이 경우, 프로세서는 생성된 복수의 라인 중에서 하나의 라인을 선택할 수 있다. 그리고 나서, 프로세서는 선택된 라인의 인라이어들의 각각에 대응하는, 반사광이 수신된 위치까지의 벡터를 결정하고, 결정된 벡터 중에서, 선택된 라인 사이의 각도가 미리 결정된 각도 범위 내인 하나 이상의 벡터를 추출하고, 선택된 라인의 인라이어들의 수 및 추출된 하나 이상의 벡터와 연관된 인라이어들의 수에 기초하여 선택된 라인의 유지 여부를 판정할 수 있다. 또 다른 경우, 프로세서는 선택된 라인에 대응하는 인라이어들의 각각으로부터, 선택된 라인의 인라이어들의 각각에 대응하는, 반사광이 수신된 위치까지의 벡터를 결정하고, 결정된 벡터 중에서, 선택된 라인 사이의 각도가 가장 직각에 가까운 하나의 벡터를 결정하고, 결정된 하나의 벡터에 직교하는 평면을 오브젝트를 맵핑하기 위한 평면으로 결정할 수 있다. 이 경우, 결정된 평면은 선택된 라인의 인라이어들 중 결정된 하나의 벡터와 연관된 인라이어를 포함할 수 있다.
일 실시예에 따르면, 프로세서는 2차원 공간에 대한 데이터 및 반사광이 수신된 위치에 대한 데이터를 기초로 오브젝트를 맵핑하기 위한 평면을 결정할 수 있다(S1040). 예를 들어, 프로세서는 무빙 윈도우를 기초로 복수의 시간 프레임을 생성하고, 복수의 시간 프레임의 각각에서 추출된 복수의 포인트를 피팅함으로써 복수의 라인을 생성할 수 있다. 이 경우, 복수의 시간 프레임 중에서 인접하는 시간 프레임들은 중첩되는 시간 프레임을 포함할 수 있다.
일 실시예에 따르면, 복수의 라인은 제1 라인 및 제2 라인을 포함하고, 복수의 포인트는 제1 라인에 대응하는 제1 인라이어들 및 제2 라인에 대응하는 제2 인라이어들을 포함할 수 있다. 이 경우, 프로세서는 제1 인라이어들의 각각과 제1 라인 사이의 거리 및 제1 인라이어들의 각각과 제2 라인 사이의 거리를 산출한 후, 제1 인라이어들 중에서, 제1 라인까지의 거리 및 제2 라인까지의 거리가 미리 결정된 임계 거리 이하인 하나 이상의 제1 인라이어를 추출할 수 있다. 이와 유사하게, 프로세서는 제2 인라이어들의 각각과 제1 라인 사이의 거리 및 제2 인라이어들의 각각과 제2 라인 사이의 거리를 산출한 후, 제2 인라이어들 중에서, 제1 라인까지의 거리 및 제2 라인까지의 거리가 미리 결정된 임계 거리 이하인 하나 이상의 제2 인라이어를 추출하고, 추출된 제1 인라이어의 수 및 추출된 제2 인라이어의 수를 기초로 제1 라인 및 제2 라인 중 하나의 라인을 제외시킬 수 있다.
일 실시예에 따르면, 프로세서는 3차원 공간의 로컬 맵에 사전 맵핑된 포인트들을 결정된 평면을 기초로 대칭이동하고, 사전 맵핑된 포인트들 및 대칭이동된 포인트들을 이용하여 평면을 보정하여, 보정된 평면을 오브젝트를 맵핑하기 위한 평면으로 결정할 수 있다. 예를 들어, 프로세서는 사전 맵핑된 포인트들 및 대칭이동된 포인트들을 ICP(Iterative Closest Point) 알고리즘을 이용하여 정합하고, 정합된 결과를 기초로 매트릭스(matrix)를 산출하고, 산출된 매트릭스를 이용하여 평면을 보정할 수 있다. 추가적으로, 프로세서는 3차원 공간의 로컬 맵으로부터, 결정된 평면을 이용하여 오브젝트에 대한 반사에 의하여 생성된 허상을 제거할 수 있다.
본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.
하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.
따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로 구현될 수도 있다.
펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령어들로 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.
이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.
본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.
110: 오브젝트 맵핑 장치
120: 오브젝트

Claims (20)

  1. 적어도 하나의 프로세서에 의해 수행되는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법에 있어서,
    상기 오브젝트로부터 반사된 반사광에 기초하여 생성된 인텐시티(intensity)에 대한 데이터를 획득하는 단계;
    상기 획득된 인텐시티에 대한 데이터로부터 복수의 포인트를 추출하는 단계;
    상기 추출된 복수의 포인트를 이용하여 상기 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정하는 단계;
    상기 2차원 공간에 대한 데이터 및 상기 반사광이 수신된 위치에 대한 데이터를 기초로 상기 오브젝트를 맵핑하기 위한 평면을 결정하는 단계; 및
    무빙 윈도우(moving window)를 기초로 복수의 시간 프레임을 생성하는 단계 - 상기 복수의 시간 프레임 중에서 인접하는 시간 프레임들은 중첩되는 시간 프레임을 포함함 -
    를 포함하고,
    상기 추출된 복수의 포인트를 이용하여 상기 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정하는 단계는,
    상기 복수의 시간 프레임의 각각에서 추출된 복수의 포인트를 피팅함으로써, 복수의 라인을 생성하는 단계
    를 포함하는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법.
  2. 제1항에 있어서,
    상기 인텐시티에 대한 데이터는 복수의 타임 스탬프(timestamp)의 각각에서 획득된 인텐시티에 대한 서브 데이터를 포함하고,
    상기 인텐시티에 대한 데이터로부터 복수의 포인트를 추출하는 단계는,
    상기 획득된 인텐시티에 대한 서브 데이터 중에서, 가장 높은 인텐시티에 대응하는 포인트를 추출하는 단계
    를 포함하는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법.
  3. 제1항에 있어서,
    상기 추출된 복수의 포인트를 이용하여 상기 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정하는 단계는,
    상기 복수의 포인트를 기초로 피팅(fitting)함으로써, 복수의 라인을 생성하는 단계
    를 포함하는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 복수의 라인은 제1 라인 및 제2 라인을 포함하고, 상기 복수의 포인트는 상기 제1 라인에 대응하는 제1 인라이어들(inliers) 및 상기 제2 라인에 대응하는 제2 인라이어들을 포함하고,
    상기 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정하는 단계는,
    상기 제1 인라이어들의 각각과 상기 제1 라인 사이의 거리 및 상기 제1 인라이어들의 각각과 상기 제2 라인 사이의 거리를 산출하는 단계;
    상기 제1 인라이어들 중에서, 상기 제1 라인까지의 거리 및 상기 제2 라인까지의 거리가 미리 결정된 임계 거리 이하인 하나 이상의 제1 인라이어를 추출하는 단계;
    상기 제2 인라이어들의 각각과 상기 제1 라인 사이의 거리 및 상기 제2 인라이어들의 각각과 상기 제2 라인 사이의 거리를 산출하는 단계;
    상기 제2 인라이어들 중에서, 상기 제1 라인까지의 거리 및 상기 제2 라인까지의 거리가 상기 미리 결정된 임계 거리 이하인 하나 이상의 제2 인라이어를 추출하는 단계; 및
    상기 추출된 제1 인라이어의 수 및 상기 추출된 제2 인라이어의 수를 기초로 상기 제1 라인 및 상기 제2 라인 중 하나의 라인을 제외시키는 단계
    를 포함하는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법.
  6. 적어도 하나의 프로세서에 의해 수행되는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법에 있어서,
    상기 오브젝트로부터 반사된 반사광에 기초하여 생성된 인텐시티(intensity)에 대한 데이터를 획득하는 단계;
    상기 획득된 인텐시티에 대한 데이터로부터 복수의 포인트를 추출하는 단계;
    상기 추출된 복수의 포인트를 이용하여 상기 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정하는 단계; 및
    상기 2차원 공간에 대한 데이터 및 상기 반사광이 수신된 위치에 대한 데이터를 기초로 상기 오브젝트를 맵핑하기 위한 평면을 결정하는 단계
    를 포함하고,
    상기 추출된 복수의 포인트를 이용하여 상기 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정하는 단계는,
    상기 복수의 포인트를 기초로 피팅(fitting)함으로써, 복수의 라인을 생성하는 단계; 및
    상기 생성된 복수의 라인 중에서 하나의 라인을 선택하는 단계
    를 포함하고, 상기 복수의 포인트는 상기 선택된 라인의 인라이어들을 포함하고,
    상기 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정하는 단계는,
    상기 선택된 라인의 인라이어들의 각각으로부터, 상기 선택된 라인의 인라이어들의 각각에 대응하는, 반사광이 수신된 위치까지의 벡터를 결정하는 단계;
    상기 결정된 벡터 중에서, 상기 선택된 라인 사이의 각도가 미리 결정된 각도 범위 내인 하나 이상의 벡터를 추출하는 단계; 및
    상기 선택된 라인의 인라이어들의 수 및 상기 추출된 하나 이상의 벡터와 연관된 인라이어들의 수에 기초하여 상기 선택된 라인의 유지 여부를 판정하는 단계
    를 포함하는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법.
  7. 적어도 하나의 프로세서에 의해 수행되는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법에 있어서,
    상기 오브젝트로부터 반사된 반사광에 기초하여 생성된 인텐시티(intensity)에 대한 데이터를 획득하는 단계;
    상기 획득된 인텐시티에 대한 데이터로부터 복수의 포인트를 추출하는 단계;
    상기 추출된 복수의 포인트를 이용하여 상기 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정하는 단계; 및
    상기 2차원 공간에 대한 데이터 및 상기 반사광이 수신된 위치에 대한 데이터를 기초로 상기 오브젝트를 맵핑하기 위한 평면을 결정하는 단계
    를 포함하고,
    상기 추출된 복수의 포인트를 이용하여 상기 오브젝트와 연관된 2차원 공간에 대한 데이터를 결정하는 단계는,
    상기 복수의 포인트를 기초로 피팅(fitting)함으로써, 복수의 라인을 생성하는 단계; 및
    상기 생성된 복수의 라인 중에서 하나의 라인을 선택하는 단계를 포함하고, 상기 복수의 포인트는 상기 선택된 라인의 인라이어들을 포함하고,
    상기 오브젝트를 맵핑하기 위한 평면을 결정하는 단계는,
    상기 선택된 라인에 대응하는 인라이어들의 각각으로부터, 상기 선택된 라인의 인라이어들의 각각에 대응하는, 반사광이 수신된 위치까지의 벡터를 결정하는 단계;
    상기 결정된 벡터 중에서, 상기 선택된 라인 사이의 각도가 가장 직각에 가까운 하나의 벡터를 결정하는 단계; 및
    상기 결정된 하나의 벡터에 직교하는 평면을 상기 오브젝트를 맵핑하기 위한 평면으로 결정하는 단계
    를 포함하는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법.
  8. 제7항에 있어서,
    상기 결정된 평면은, 상기 선택된 라인의 인라이어들 중 상기 결정된 하나의 벡터와 연관된 인라이어를 포함하는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법.
  9. 제1항에 있어서,
    상기 오브젝트를 맵핑하기 위한 평면을 결정하는 단계는,
    상기 3차원 공간의 로컬 맵(map)에 사전 맵핑된 포인트들을 상기 결정된 평면을 기초로 대칭이동하는 단계;
    상기 사전 맵핑된 포인트들 및 상기 대칭이동된 포인트들을 이용하여 상기 평면을 보정하는 단계; 및
    상기 보정된 평면을 상기 오브젝트를 맵핑하기 위한 평면으로 결정하는 단계
    를 포함하는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법.
  10. 제9항에 있어서,
    상기 평면을 보정하는 단계는,
    상기 사전 맵핑된 포인트들 및 상기 대칭이동된 포인트들을 ICP(Iterative Closest Point) 알고리즘을 이용하여 정합하는 단계;
    상기 정합된 결과를 기초로 매트릭스(matrix)를 산출하는 단계; 및
    상기 산출된 매트릭스를 이용하여 상기 평면을 보정하는 단계
    를 포함하는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법.
  11. 제1항에 있어서,
    상기 반사광이 수신된 위치의 z축 좌표값이 서로 동일한, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법.
  12. 제1항에 있어서,
    상기 3차원 공간의 로컬 맵으로부터, 상기 결정된 평면을 이용하여 상기 오브젝트에 대한 반사에 의하여 생성된 허상을 제거하는 단계
    를 더 포함하는, 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법.
  13. 제1항 내지 제3항 및 제5항 내지 제12항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
  14. 3차원 공간 상의 오브젝트 맵핑 장치로서,
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로그램은,
    상기 오브젝트로부터 반사된 반사광에 기초하는 인텐시티에 대한 데이터를 획득하고,
    상기 획득된 인텐시티에 대한 데이터로부터 복수의 포인트를 추출하고,
    상기 추출된 복수의 포인트를 이용하여 상기 오브젝트와 연관된 2차원 공간 데이터를 결정하고,
    상기 2차원 공간 데이터 및 상기 반사광이 수신된 위치에 대한 데이터를 기초로 상기 오브젝트를 맵핑하기 위한 평면을 결정하고,
    무빙 윈도우(moving window)를 기초로 복수의 시간 프레임을 생성하고 - 상기 복수의 시간 프레임 중에서 인접하는 시간 프레임들은 중첩되는 시간 프레임을 포함함 -,
    상기 복수의 시간 프레임의 각각에서 추출된 복수의 포인트를 피팅함으로써, 복수의 라인을 생성하기 위한 명령어들을 포함하는, 3차원 공간 상의 오브젝트 맵핑 장치.
  15. 제14항에 있어서,
    상기 인텐시티에 대한 데이터는 복수의 타임 스탬프(timestamp)의 각각에서 획득된 인텐시티에 대한 서브 데이터를 포함하고,
    상기 적어도 하나의 프로그램은,
    상기 획득된 인텐시티에 대한 서브 데이터 중에서, 가장 높은 인텐시티에 대응하는 포인트를 추출하기 위한 명령어들을 포함하는, 3차원 공간 상의 오브젝트 맵핑 장치.
  16. 제14항에 있어서,
    상기 적어도 하나의 프로그램은,
    상기 복수의 포인트를 기초로 피팅함으로써, 복수의 라인을 생성하기 위한 명령어들을 포함하는, 3차원 공간 상의 오브젝트 맵핑 장치.
  17. 삭제
  18. 제14항에 있어서,
    상기 복수의 라인은 제1 라인 및 제2 라인을 포함하고, 상기 복수의 포인트는 상기 제1 라인에 대응하는 제1 인라이어들 및 상기 제2 라인에 대응하는 제2 인라이어들을 포함하고,
    상기 적어도 하나의 프로그램은
    상기 제1 인라이어들의 각각과 상기 제1 라인 사이의 거리 및 상기 제1 인라이어들의 각각과 상기 제2 라인 사이의 거리를 산출하고,
    상기 제1 인라이어들 중에서, 상기 제1 라인까지의 거리 및 상기 제2 라인까지의 거리가 미리 결정된 임계 거리 이하인 하나 이상의 제1 인라이어를 추출하고,
    상기 제2 인라이어들의 각각과 상기 제1 라인 사이의 거리 및 상기 제2 인라이어들의 각각과 상기 제2 라인 사이의 거리를 산출하고,
    상기 제2 인라이어들 중에서, 상기 제1 라인까지의 거리 및 상기 제2 라인까지의 거리가 상기 미리 결정된 임계 거리 이하인 하나 이상의 제2 인라이어를 추출하고,
    상기 추출된 제1 인라이어의 수 및 상기 추출된 제2 인라이어의 수를 기초로 상기 제1 라인 및 상기 제2 라인 중 하나의 라인을 제외시키기 위한 명령어들을 포함하는, 3차원 공간 상의 오브젝트 맵핑 장치.
  19. 3차원 공간 상의 오브젝트 맵핑 장치로서,
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로그램은,
    상기 오브젝트로부터 반사된 반사광에 기초하는 인텐시티에 대한 데이터를 획득하고,
    상기 획득된 인텐시티에 대한 데이터로부터 복수의 포인트를 추출하고,
    상기 추출된 복수의 포인트를 이용하여 상기 오브젝트와 연관된 2차원 공간 데이터를 결정하고,
    상기 2차원 공간 데이터 및 상기 반사광이 수신된 위치에 대한 데이터를 기초로 상기 오브젝트를 맵핑하기 위한 평면을 결정하고,
    상기 복수의 포인트를 기초로 피팅함으로써, 복수의 라인을 생성하고,
    상기 생성된 복수의 라인 중에서 하나의 라인을 선택하고, 상기 복수의 포인트는 상기 선택된 라인의 인라이어들을 포함하고,
    상기 선택된 라인의 인라이어들의 각각으로부터, 상기 선택된 라인의 인라이어들의 각각에 대응하는, 반사광이 수신된 위치까지의 벡터를 결정하고,
    상기 결정된 벡터 중에서, 상기 선택된 라인 사이의 각도가 미리 결정된 각도 범위 내인 하나 이상의 벡터를 추출하고,
    상기 선택된 라인의 인라이어들의 수 및 상기 추출된 하나 이상의 벡터와 연관된 인라이어들의 수에 기초하여 상기 선택된 라인의 유지 여부를 판정하기 위한 명령어들을 포함하는, 3차원 공간 상의 오브젝트 맵핑 장치.
  20. 3차원 공간 상의 오브젝트 맵핑 장치로서,
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로그램은,
    상기 오브젝트로부터 반사된 반사광에 기초하는 인텐시티에 대한 데이터를 획득하고,
    상기 획득된 인텐시티에 대한 데이터로부터 복수의 포인트를 추출하고,
    상기 추출된 복수의 포인트를 이용하여 상기 오브젝트와 연관된 2차원 공간 데이터를 결정하고,
    상기 2차원 공간 데이터 및 상기 반사광이 수신된 위치에 대한 데이터를 기초로 상기 오브젝트를 맵핑하기 위한 평면을 결정하고,
    상기 복수의 포인트를 기초로 피팅함으로써, 복수의 라인을 생성하고,
    상기 생성된 복수의 라인 중에서 하나의 라인을 선택하고, 상기 복수의 포인트는 상기 선택된 라인의 인라이어들을 포함하고,
    상기 선택된 라인에 대응하는 인라이어들의 각각으로부터, 상기 선택된 라인의 인라이어들의 각각에 대응하는, 반사광이 수신된 위치까지의 벡터를 결정하고,
    상기 결정된 벡터 중에서, 상기 선택된 라인 사이의 각도가 가장 직각에 가까운 하나의 벡터를 결정하고,
    상기 결정된 하나의 벡터에 직교하는 평면을 상기 오브젝트를 맵핑하기 위한 평면으로 결정하기 위한 명령어들을 포함하는, 3차원 공간 상의 오브젝트 맵핑 장치.
KR1020210140056A 2021-10-20 2021-10-20 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법 및 장치 KR102513036B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020210140056A KR102513036B1 (ko) 2021-10-20 2021-10-20 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법 및 장치
PCT/KR2022/013813 WO2023068562A1 (ko) 2021-10-20 2022-09-15 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210140056A KR102513036B1 (ko) 2021-10-20 2021-10-20 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102513036B1 true KR102513036B1 (ko) 2023-03-21

Family

ID=85801127

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210140056A KR102513036B1 (ko) 2021-10-20 2021-10-20 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법 및 장치

Country Status (2)

Country Link
KR (1) KR102513036B1 (ko)
WO (1) WO2023068562A1 (ko)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4160554B2 (ja) * 2004-12-13 2008-10-01 株式会社東芝 画像認識装置及び画像認識装置方法
EP3779882B1 (en) * 2019-08-16 2022-07-20 Sick IVP AB Providing intensity peak position in image data from light triangulation in a three-dimensional imaging system

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Jae-Seong Yun et al., ‘Virtual Point Removal for Large-Scale 3D Point Clouds with Multiple Glass Planes’, IEEE TRANS. ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, Date of publication 8 Aug. 2019.* *
P.-F. Kashammer et al., ‘MIRROR IDENTIFICATION AND CORRECTION OF 3D POINT CLOUDS’, 3D Virtual Reconstruction and Visualization of Complex Architectures, 25 February 2015.* *
THOMAS WHELAN et al., ‘Reconstructing Scenes with Mirror and Glass Surfaces’, ACM Transactions on Graphics, Vol. 37, No. 4, Article 102, August 2018.* *
Xiting Zhao et al., ‘Mapping with Reflection - Detection and Utilization of Reflection in 3D Lidar Scans’, 2020 IEEE International Symposium on Safety, Security, and Rescue Robotics, November 2020.* *

Also Published As

Publication number Publication date
WO2023068562A1 (ko) 2023-04-27

Similar Documents

Publication Publication Date Title
WO2018090250A1 (zh) 生成三维点云的方法、装置、计算机系统和移动设备
CN111108342B (zh) 用于高清地图创建的视觉测程法和成对对准
US11127203B2 (en) Leveraging crowdsourced data for localization and mapping within an environment
CN108290294B (zh) 移动机器人及其控制方法
US10024965B2 (en) Generating 3-dimensional maps of a scene using passive and active measurements
US10341633B2 (en) Systems and methods for correcting erroneous depth information
JP6255085B2 (ja) 位置特定システムおよび位置特定方法
US8660362B2 (en) Combined depth filtering and super resolution
KR102347239B1 (ko) 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템
CN102622762B (zh) 使用深度图的实时相机跟踪
US8396254B1 (en) Methods and systems for estimating a location of a robot
KR20180050823A (ko) 3차원의 도로 모델을 생성하는 방법 및 장치
CN109917788B (zh) 一种机器人沿墙行走的控制方法及装置
US10885353B2 (en) Information processing apparatus, moving object, information processing method, and computer program product
WO2022193508A1 (zh) 位姿优化方法、装置、电子设备、计算机可读存储介质、计算机程序及程序产品
CN111094895A (zh) 用于在预构建的视觉地图中进行鲁棒自重新定位的系统和方法
KR20210019221A (ko) ２ｄ 지도를 이용하여 거리뷰 이미지의 깊이 정보를 생성하는 방법 및 시스템
WO2022110797A1 (zh) 一种标定方法、装置、电子设备及存储介质
CN112686951A (zh) 用于确定机器人位置的方法、装置、终端及存储介质
KR20240028481A (ko) 실내 공간의 3차원 지도를 생성하기 위한 시스템 및 방법
JP7166446B2 (ja) ロボットの姿勢を推定するシステムおよび方法、ロボット、並びに記憶媒体
KR20220004604A (ko) 장애물의 검출 방법, 전자 기기, 노변 기기 및 클라우드 컨트롤 플랫폼
Bergeon et al. Low cost 3D mapping for indoor navigation
KR102513036B1 (ko) 3차원 공간 상의 오브젝트를 맵핑하기 위한 평면을 결정하는 방법 및 장치
KR20220039101A (ko) 로봇 및 그의 제어 방법

Legal Events

Date Code Title Description
GRNT Written decision to grant