KR102526710B1 - 센서 주행 거리 측정 방법 및 이를 수행하기 위한 컴퓨팅 장치 - Google Patents

센서 주행 거리 측정 방법 및 이를 수행하기 위한 컴퓨팅 장치 Download PDF

Info

Publication number
KR102526710B1
KR102526710B1 KR1020220176255A KR20220176255A KR102526710B1 KR 102526710 B1 KR102526710 B1 KR 102526710B1 KR 1020220176255 A KR1020220176255 A KR 1020220176255A KR 20220176255 A KR20220176255 A KR 20220176255A KR 102526710 B1 KR102526710 B1 KR 102526710B1
Authority
KR
South Korea
Prior art keywords
sensor
surface feature
coordinate system
surface features
normal vector
Prior art date
Application number
KR1020220176255A
Other languages
English (en)
Inventor
최승원
채희원
정윤석
조규성
박재완
Original Assignee
주식회사 맥스트
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 맥스트 filed Critical 주식회사 맥스트
Priority to KR1020220176255A priority Critical patent/KR102526710B1/ko
Application granted granted Critical
Publication of KR102526710B1 publication Critical patent/KR102526710B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/003—Navigation within 3D models or images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)

Abstract

센서 주행 거리 측정 방법 및 이를 수행하기 위한 컴퓨팅 장치가 개시된다. 개시되는 일 실시예에 따른 센서 주행 거리 측정 방법은, 하나 이상의 프로세서들, 및 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 3차원 공간에서 깊이 값을 측정할 수 있는 센서를 위한 스캔 장치로부터 스캔 데이터를 주기적으로 획득하는 단계, 획득된 스캔 데이터로부터 표면 특징(surface feature)을 추출하는 단계, 추출된 표면 특징과 대응되는 이전 주기의 표면 특징을 검출하여 대응 쌍을 형성하는 단계, 및 표면 특징의 대응 쌍들의 위치 및 표면 특징의 대응 쌍들의 법선 벡터에 기초하여 표면 특징의 대응 쌍들을 국소적인 2차 표면(local quadratic surface)에 정렬시키는 단계를 포함한다.

Description

센서 주행 거리 측정 방법 및 이를 수행하기 위한 컴퓨팅 장치{METHOD FOR MEASURING SENSORMILEAGE AND COMPUTING DEVICE FOR EXECUTING THE SAME}
본 발명의 실시예는 센서 주행 거리 측정 기술과 관련된다.
6 자유도(six degrees of freedom: 6-DoF) 센서 포즈 측정은 네비게이션과 3차원 재구성에 중요한 정보를 제공하기 때문에 로봇 분야에 있어 기본적인 연구 주제 중 하나이다. 특히, 강력한 측위 성능과 조밀한 3D 지도를 제공하는 LiDAR(Light Detection And Ranging) 또는 깊이 카메라(Depth Camera) 등과 같이 3차원 공간에서 깊이 값을 측정할 수 있는 센서의 주행거리 추정 기술은 다양한 방식으로 탐구되고 있다.
여기서, 센서 주행거리 추정의 성능은 ICP(Iterative Closet Point) 방법을 통한 스캔 간(scan-to-scan) 매칭 결과의 품질에 따라 달라진다. ICP 방법에서는 두 스캔 포인트 사이의 거리를 이용하여 서로 다른 스캔에서 가장 가까운 포인트를 짝짓고, 포인트 쌍들 사이의 거리의 합을 최소화하는 증분 변환(incremental transform)을 반복적으로 평가하게 된다.
LOAM(LiDAR Odometry and Mapping)에서 제안한 특징 기반 접근 방식은 주로 LiDAR 주행거리 추정에 적용되나, 기존의 방식에 의하면 평가된 국부 곡률(local curvature)만을 사용하여 구조적 특징을 추출하기 때문에 상당한 모호성을 수반하게 된다. 특히, 평평한 평면이 아닌 부드러운 곡면에서 관찰되는 많은 포인트들이 평면 특징으로 분류되어 스캔 간 매칭에 관여하게 된다.
한편, 대부분의 특징 기반 방법은 지도에 특징(feature)을 일치시키는 문제를 해결하기 위해, 점대선(point-to-line) 또는 점대평면(point-to-plane) 거리와 같은 1차 근사를 사용하여 구성된 목적 함수를 사용하였으나, 이러한 방법은 특징을 추출하거나 정렬할 영역의 국부 기하구조가 모호하여 수렴 및 안정성이 저하되는 문제점이 있다.
한국등록특허공보 제10-2350181호(2022.01.11)
본 발명의 실시예는 새로운 기법의 센서 주행 거리 측정 방법 및 이를 수행하기 위한 컴퓨팅 장치를 제공하기 위한 것이다.
개시되는 일 실시예에 따른 센서 주행 거리 측정 방법은, 하나 이상의 프로세서들, 및 상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 3차원 공간에서 깊이 값을 측정할 수 있는 센서를 위한 스캔 장치로부터 스캔 데이터를 주기적으로 획득하는 단계; 상기 획득된 스캔 데이터로부터 표면 특징(surface feature)을 추출하는 단계; 상기 추출된 표면 특징과 대응되는 이전 주기의 표면 특징을 검출하여 대응 쌍을 형성하는 단계; 및 상기 표면 특징의 대응 쌍들의 위치 및 상기 표면 특징의 대응 쌍들의 법선 벡터에 기초하여 상기 표면 특징의 대응 쌍들을 국소적인 2차 표면(local quadratic surface)에 정렬시키는 단계를 포함한다.
개시되는 일 실시예에 따른 컴퓨팅 장치는, 하나 이상의 프로세서들; 메모리; 및 하나 이상의 프로그램들을 포함하고, 상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 3차원 공간에서 깊이 값을 측정할 수 있는 센서를 위한 스캔 장치로부터 스캔 데이터를 주기적으로 획득하기 위한 명령; 상기 획득된 스캔 데이터로부터 표면 특징(surface feature)을 추출하기 위한 명령; 상기 추출된 표면 특징과 대응되는 이전 주기의 표면 특징을 검출하여 대응 쌍을 형성하기 위한 명령; 및 상기 표면 특징의 대응 쌍들의 위치 및 상기 표면 특징의 대응 쌍들의 법선 벡터에 기초하여 상기 표면 특징의 대응 쌍들을 국소적인 2차 표면(local quadratic surface)에 정렬시키기 위한 명령을 포함한다.
개시되는 실시예에 의하면, 표면 특징의 대응 쌍들(포인트 클라우드 쌍)을 국소적인 2차 표면에 정렬시켜 센서 주행 거리 측정을 수행함으로써, 평평한 평면 이외에 부드러운 곡면이 많은 환경에서도 대응 쌍들을 잘 매칭시켜 보다 정확한 센서 주행 거리 측정을 제공할 수 있게 된다.
도 1은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경을 예시하여 설명하기 위한 블록도
도 2는 본 발명의 일 실시예에 따른 센서 주행 거리 측정 방법을 나타낸 흐름도
도 3은 본 발명의 일 실시예에서 스캔 데이터에서 표면 특징을 추출하고 표면 특징의 대응 쌍을 2차 표면에 정렬하는 상태를 나타낸 도면
도 4는 본 발명의 일 실시예에 따른 표면 특징의 대응 쌍을 2차 표면에 정렬시키는 과정을 나타낸 흐름도
도 5는 본 발명의 일 실시예에 따른 센서 주행 거리 측정 방법에 의한 궤도와 기존의 방법에 의한 궤도를 비교한 도면
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 이하의 상세한 설명은 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
이하의 설명에 있어서, 신호 또는 정보의 "전송", "통신", "송신", "수신" 기타 이와 유사한 의미의 용어는 일 구성요소에서 다른 구성요소로 신호 또는 정보가 직접 전달되는 것뿐만이 아니라 다른 구성요소를 거쳐 전달되는 것도 포함한다. 특히 신호 또는 정보를 일 구성요소로 "전송" 또는 "송신"한다는 것은 그 신호 또는 정보의 최종 목적지를 지시하는 것이고 직접적인 목적지를 의미하는 것이 아니다. 이는 신호 또는 정보의 "수신"에 있어서도 동일하다. 또한 본 명세서에 있어서, 2 이상의 데이터 또는 정보가 "관련"된다는 것은 하나의 데이터(또는 정보)를 획득하면, 그에 기초하여 다른 데이터(또는 정보)의 적어도 일부를 획득할 수 있음을 의미한다.
또한, 제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로 사용될 수 있다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
도 1은 예시적인 실시예들에서 사용되기에 적합한 컴퓨팅 장치를 포함하는 컴퓨팅 환경(10)을 예시하여 설명하기 위한 블록도이다. 도시된 실시예에서, 각 컴포넌트들은 이하에 기술된 것 이외에 상이한 기능 및 능력을 가질 수 있고, 이하에 기술된 것 이외에도 추가적인 컴포넌트를 포함할 수 있다.
도시된 컴퓨팅 환경(10)은 컴퓨팅 장치(12)를 포함한다. 일 실시예에서, 컴퓨팅 장치(12)는 LiDAR(Light Detection and Ranging) 또는 깊이 카메라(Depth Camera)등 센서의 주행 거리 측정을 수행하는 장치일 수 있다. 이때, 컴퓨팅 장치(12)는 주행 가능한 이동 수단(예를 들어, 이동 로봇 또는 자율 주행 차량 등)에 장착되어 이동 수단의 주행 거리를 측정할 수 있다. 이동 수단은 상기 센서를 위한 스캔 장치를 포함할 수 있다.
컴퓨팅 장치(12)는 적어도 하나의 프로세서(14), 컴퓨터 판독 가능 저장 매체(16) 및 통신 버스(18)를 포함한다. 프로세서(14)는 컴퓨팅 장치(12)로 하여금 앞서 언급된 예시적인 실시예에 따라 동작하도록 할 수 있다. 예컨대, 프로세서(14)는 컴퓨터 판독 가능 저장 매체(16)에 저장된 하나 이상의 프로그램들을 실행할 수 있다. 상기 하나 이상의 프로그램들은 하나 이상의 컴퓨터 실행 가능 명령어를 포함할 수 있으며, 상기 컴퓨터 실행 가능 명령어는 프로세서(14)에 의해 실행되는 경우 컴퓨팅 장치(12)로 하여금 예시적인 실시예에 따른 동작들을 수행하도록 구성될 수 있다.
컴퓨터 판독 가능 저장 매체(16)는 컴퓨터 실행 가능 명령어 내지 프로그램 코드, 프로그램 데이터 및/또는 다른 적합한 형태의 정보를 저장하도록 구성된다. 컴퓨터 판독 가능 저장 매체(16)에 저장된 프로그램(20)은 프로세서(14)에 의해 실행 가능한 명령어의 집합을 포함한다. 일 실시예에서, 컴퓨터 판독 가능 저장 매체(16)는 메모리(랜덤 액세스 메모리와 같은 휘발성 메모리, 비휘발성 메모리, 또는 이들의 적절한 조합), 하나 이상의 자기 디스크 저장 디바이스들, 광학 디스크 저장 디바이스들, 플래시 메모리 디바이스들, 그 밖에 컴퓨팅 장치(12)에 의해 액세스되고 원하는 정보를 저장할 수 있는 다른 형태의 저장 매체, 또는 이들의 적합한 조합일 수 있다.
통신 버스(18)는 프로세서(14), 컴퓨터 판독 가능 저장 매체(16)를 포함하여 컴퓨팅 장치(12)의 다른 다양한 컴포넌트들을 상호 연결한다.
컴퓨팅 장치(12)는 또한 하나 이상의 입출력 장치(24)를 위한 인터페이스를 제공하는 하나 이상의 입출력 인터페이스(22) 및 하나 이상의 네트워크 통신 인터페이스(26)를 포함할 수 있다. 입출력 인터페이스(22) 및 네트워크 통신 인터페이스(26)는 통신 버스(18)에 연결된다. 입출력 장치(24)는 입출력 인터페이스(22)를 통해 컴퓨팅 장치(12)의 다른 컴포넌트들에 연결될 수 있다. 예시적인 입출력 장치(24)는 포인팅 장치(마우스 또는 트랙패드 등), 키보드, 터치 입력 장치(터치패드 또는 터치스크린 등), 음성 또는 소리 입력 장치, 다양한 종류의 센서 장치 및/또는 촬영 장치와 같은 입력 장치, 및/또는 디스플레이 장치, 프린터, 스피커 및/또는 네트워크 카드와 같은 출력 장치를 포함할 수 있다. 예시적인 입출력 장치(24)는 컴퓨팅 장치(12)를 구성하는 일 컴포넌트로서 컴퓨팅 장치(12)의 내부에 포함될 수도 있고, 컴퓨팅 장치(12)와는 구별되는 별개의 장치로 컴퓨팅 장치(12)와 연결될 수도 있다.
도 2는 본 발명의 일 실시예에 따른 센서 주행 거리 측정 방법을 나타낸 흐름도이다. 센서 주행 거리 측정 방법은 상기 컴퓨팅 장치(12)를 통해 수행될 수 있다. 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
도 2를 참조하면, 컴퓨팅 장치(12)는 이동 수단의 스캔 장치로부터 스캔 데이터를 획득할 수 있다(S 101).
여기서, 이동 수단은 이동 로봇(예를 들어, 청소 로봇, 서빙 로봇, 물류 이송 로봇 등)이거나 자율 주행 차량일 수 있으나 이에 한정되는 것은 아니다. 이동 수단은 LiDAR(Light Detection and Ranging) 또는 깊이 카메라 등과 같이 3차원 공간에서 깊이 값을 얻을 수 있는 센서를 통해 주행 거리를 확인하여 이동하는 다양한 이동 수단이 포함될 수 있다.
이동 수단에는 스캔 장치가 장착될 수 있다. 스캔 장치는 기 설정된 주기에 따라 이동 수단의 주위를 스캔 할 수 있다. 일 실시예에서, 스캔 장치는 LiDAR 스캔을 위한 장치일 수 있다. 일 실시예에서, 스캔 장치는 폴리곤 미러를 고속 회전시켜 레이저 다이오드에서 반사된 레이저를 수평 주사할 수 있으나, 스캔 장치의 스캔 방식이 이에 한정되는 것은 아니다. 컴퓨팅 장치(12)는 스캔 장치로부터 주기적으로 스캔 데이터를 획득할 수 있다.
다음으로, 컴퓨팅 장치(12)는 획득된 스캔 데이터로부터 표면 특징(surface feature)을 추출할 수 있다(S 103).
컴퓨팅 장치(12)는 기 설정된 주기에 따라 획득되는 각 스캔 데이터로부터 표면 특징을 추출할 수 있다. 여기서, 표면 특징은 스캔 데이터의 이미지 중 국부적인 매끄러운 표면(local smooth surface)(2차 표면: quadratic surface)에서 샘플링된 포인트일 수 있다. 이때, 2차 표면은 평평한 평면을 포함할 수 있다.
일 실시예에서, 컴퓨팅 장치(12)는 수평 스캔에서 소정 포인트 및 상기 포인트와 인접한 포인트들 간의 거리에 기초하여 로컬 평활도를 추정하고, 로컬 평활도(local smoothness)에 기초하여 스캔 데이터에서 표면 특징을 추출할 수 있다. 이때, 포인트의 로컬 평활도는 수학식 1에 의해 산출할 수 있다.
(수학식 1)
Figure 112022135363346-pat00001
cm,k : m번째 수평 스캔의 k번째 포인트의 로컬 평활도
pm,k L : 센서 프레임에서 m번째 수평 스캔의 k번째 포인트의 3D 좌표
Sm,k : pm,k L에 인접한 포인트들의 집합
pm,i L : pm,k L에 인접한 포인트들 중 i번째 포인트의 3D 좌표
이하, 각 기호에 표시된 윗 첨자 L은 스캔 장치를 기준으로 하는 로컬 좌표계를 의미하고, 각 기호에 표시된 윗 첨자 W은 절대 좌표계인 월드 좌표계를 의미할 수 있다.
컴퓨팅 장치(12)는 수학식 1에 의해 산출되는 포인트의 로컬 평활도가 기 설정된 임계값 미만인 경우, 해당 포인트가 매끄러운 표면인 것으로 간주하여 표면 특징으로 추출할 수 있다. 컴퓨팅 장치(12)는 스캔 데이터에서 표면 특징을 균등하게 분포시키기 위해, 각 수평 스캔을 여러 개의 하위 영역으로 나누고, 각 하위 영역에서 일정 수 미만의 표면 특징을 추출할 수 있다.
다음으로, 컴퓨팅 장치(12)는 스캔 데이터에서 추출된 표면 특징과 대응되는 이전 주기의 표면 특징을 검출하여 대응 쌍을 형성할 수 있다(S 105).
즉, 컴퓨팅 장치(12)는 이전 주기에서 추출된 표면 특징들(이전 주기의 포인트 클라우드)과 현재 주기에서 추출된 표면 특징들(현재 주기의 포인트 클라우드)을 상호 일대일 대응시켜 대응 쌍들을 형성할 수 있다. 이때, 컴퓨팅 장치(12)는 이전 주기에서 추출된 표면 특징들 및 현재 주기에서 추출된 표면 특징들 간 거리가 가장 가까운 표면 특징들의 쌍을 대응 쌍으로 설정할 수 있다.
다음으로, 컴퓨팅 장치(12)는 표면 특징의 대응 쌍들의 위치(좌표) 및 표면 특징의 대응 쌍들의 법선 벡터에 기초하여 표면 특징의 대응 쌍들(포인트 클라우드 쌍)을 국소적인 2차 표면(local quadratic surface)에 정렬시키는 변환을 산출할 수 있다(S 107).
일 실시예에서, 컴퓨팅 장치(12)는 대칭 목적 함수(Symmetric Objective Function)를 이용하여 표면 특징의 대응 쌍들을 국소적인 2차 표면에 정렬시킬 수 있다. 여기서, 대칭 목적 함수는 두 점(즉, 대응 쌍)이 국소적인 2차 표면 상에 위치하도록 하기 위한 목적 함수일 수 있다. 즉, 대칭 목적 함수는 수학식 1로 정의되는 목적 함수이다.
(수학식 1)
Figure 112022135363346-pat00002
xi, xj : 두 점으로 구성된 대응 쌍
ni : 포인트 xi에서 2차 표면 상의 접평면의 법선 벡터
nj : 포인트 xj에서 2차 표면 상의 접평면의 법선 벡터
수학식 1의 값이 0이 된다는 것은 두 점(xi, xj)이 동일한 2차 표면 상에 위치한다는 것을 의미할 수 있다.
컴퓨팅 장치(12)는 수학식 1에서 정의된 대칭 목적 함수를 ICP(Iterative Closet Point) 기법에 적용하여 표면 특징의 대응 쌍들(포인트 클라우드 쌍)을 국소적인 2차 표면에 정렬할 수 있다.
ICP(Iterative Closet Point) 기법은 대응 관계를 통해 2개의 포인트 클라우드를 정렬(align)하는 알고리즘으로서, 2개의 포인트 클라우드에 속하는 대응 쌍들 간의 거리의 합이 최소가 되도록 대응 관계의 설정을 반복 수행하는 알고리즘이다. 이때, 대응 관계는 어느 하나의 포인트 클라우드에 속하는 포인트에 대해 다른 포인트 클라우드에 속하는 포인트들 중 가장 가까운 거리에 있는 포인트를 매칭시켜 형성될 수 있다.
컴퓨팅 장치(12)는 하기의 수학식 2에 나타난 목적 함수를 통해 표면 특징의 대응 쌍들(포인트 클라우드 쌍)을 국소적인 2차 표면에 정렬할 수 있다. 수학식 2의 목적 함수는 표면 특징의 대응 쌍들을 국소적인 2차 표면에 정렬시키기 위한 최적의 변환(Transformation: T)을 찾기 위한 것일 수 있다.
(수학식 2)
Figure 112022135363346-pat00003
Figure 112022135363346-pat00004
: 값을 최소화하는 T(변환)를 찾는 함수
p : 현재 주기의 표면 특징
q : p에 대응하는 이전 주기의 표면 특징
np : p의 법선 벡터
nq : q의 법선 벡터
R : 회전 행렬(rotation matrix)
Figure 112022135363346-pat00005
: 병진 벡터(translation vector)
S : 표면 특징의 대응 쌍들의 집합
수학식 2에서 T*는 T를 최적화한다는 의미이고, 변환(Transformation)(T)은 회전 행렬(R) 및 병진 벡터(t)로 구성되는 것으로, 수학식 3과 같이 나타낼 수 있다.
(수학식 3)
Figure 112022135363346-pat00006
개시되는 실시예에 의하면, 표면 특징의 대응 쌍들(포인트 클라우드 쌍)을 국소적인 2차 표면에 정렬시켜 센서 주행 거리 측정을 수행함으로써, 평평한 평면 이외에 부드러운 곡면이 많은 환경에서도 대응 쌍들을 잘 매칭시켜 보다 정확한 주행 거리 측정을 제공할 수 있게 된다.
도 3은 본 발명의 일 실시예에서 스캔 데이터에서 표면 특징을 추출하고 표면 특징의 대응 쌍을 2차 표면에 정렬하는 상태를 나타낸 도면이다. 도 3의 (a)와 (d)는 동일 장소를 다른 방향과 위치에서 나타낸 사진이고, 도 3의 (b)와 (e)는 (a)와 (d)의 스캔 데이터에서 표면 특징(현재 주기의 표면 특징은 p(빨간색 점), 이전 주기의 표면 특징은 q(검은색 점))을 추출한 상태를 나타낸 도면이며, 도 3의 (c)와 (f)는 표면 특징의 대응 쌍(p, q)이 법선 벡터(np, nq)를 이용하여 2차 표면에 정렬되는 상태를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 표면 특징의 대응 쌍을 2차 표면에 정렬시키는 과정을 나타낸 흐름도이다. 도시된 흐름도에서는 상기 방법을 복수 개의 단계로 나누어 기재하였으나, 적어도 일부의 단계들은 순서를 바꾸어 수행되거나, 다른 단계와 결합되어 함께 수행되거나, 생략되거나, 세부 단계들로 나뉘어 수행되거나, 또는 도시되지 않은 하나 이상의 단계가 부가되어 수행될 수 있다.
도 4를 참조하면, 컴퓨팅 장치(12)는 스캔 장치의 센서 모션에 따른 보상을 수행할 수 있다(S 201).
즉, 컴퓨팅 장치(12)는 추출한 표면 특징에 대해 센서 모션에 따른 보상을 하여 보상된 표면 특징의 위치를 산출할 수 있다. 이때, 컴퓨팅 장치(12)는 이전 주기의 상대 변환을 이용하여 현재 주기의 표면 특징 위치를 보상할 수 있다. 여기서, 스위프(sweep) 중 센서 모션은 일정한 선형 및 각속도를 갖는다고 가정할 수 있다. 컴퓨팅 장치(12)는 하기의 수학식 4 및 수학식 5를 통해 센서 모션에 따른 보상을 수행할 수 있다. 아래의 수학식에서 윗 첨자 L은 로컬 좌표계를 의미할 수 있다.
(수학식 4)
Figure 112022135363346-pat00007
Figure 112022135363346-pat00008
: k번째 센서 프레임에서 i번째 표면 특징의 위치
Figure 112022135363346-pat00009
: 시간 [tk-2, tk-1] 사이의 상대 변환(
Figure 112022135363346-pat00010
)의 회전 행렬
Figure 112022135363346-pat00011
: 시간 [tk-2, tk-1] 사이의 상대 변환(
Figure 112022135363346-pat00012
)의 병진 벡터
Figure 112022135363346-pat00013
: 보상된
Figure 112022135363346-pat00014
의 위치
(수학식 5)
Figure 112022135363346-pat00015
Figure 112022135363346-pat00016
:
Figure 112022135363346-pat00017
의 법선 벡터
Figure 112022135363346-pat00018
: 보상된
Figure 112022135363346-pat00019
의 법선 벡터
여기서, k번째 센서 프레임은 시간 tk에서 센서 프레임과 동일한 의미일 수 있다.
다음으로, 컴퓨팅 장치(12)는 보상된 표면 특징을 지도에서 가장 가까운 2차 표면에 정렬하는 상대 변환(relative transform)을 추정하여 센서 포즈를 수정할 수 있다(S 203).
컴퓨팅 장치(12)는 하기 수학식 6을 통해 센서 포즈를 수정할 수 있다. 아래 수학식에서 윗 첨자 W은 월드 좌표계를 의미할 수 있다.
(수학식 6)
Figure 112022135363346-pat00020
Figure 112022135363346-pat00021
: 월드 좌표계의 시간 tk-1에서 최적화된 센서 포즈
Figure 112022135363346-pat00022
: 시간 [tk-2, tk-1] 사이의 상대 변환
Figure 112022135363346-pat00023
: 월드 좌표계의 시간 tk에서 예측된 센서 포즈
다음으로, 컴퓨팅 장치(12)는 현재 주기의 표면 특징과 대응하는 이전 주기의 표면 특징의 로컬 좌표계의 위치 및 그 법선 벡터를 산출할 수 있다(S 205).
즉, 컴퓨팅 장치(12)는 현재 주기의 표면 특징(
Figure 112022135363346-pat00024
)과 대응하는 이전 주기의 표면 특징과 그 법선 벡터를 월드 좌표계에서 각각 추출(
Figure 112022135363346-pat00025
,
Figure 112022135363346-pat00026
)하고, 예측된 센서 포즈(
Figure 112022135363346-pat00027
)를 이용하여 이전 주기의 표면 특징의 로컬 좌표계의 위치(
Figure 112022135363346-pat00028
) 및 그 법선 벡터(
Figure 112022135363346-pat00029
)를 산출할 수 있다. 이는 수학식 7과 수학식 8을 통해 이루어질 수 있다.
(수학식 7)
Figure 112022135363346-pat00030
Figure 112022135363346-pat00031
: 예측된 센서 포즈
Figure 112022135363346-pat00032
의 회전 행렬
Figure 112022135363346-pat00033
: 예측된 센서 포즈
Figure 112022135363346-pat00034
의 병진 벡터
(수학식 8)
Figure 112022135363346-pat00035
다음으로, 컴퓨팅 장치(12)는 k번째 센서 프레임에서 현재 주기의 i번째 표면 특징과 그에 대응하는 이전 주기의 i번째 표면 특징의 쌍을 수학식 9의 대칭 목적 함수를 통해 국소적인 2차 표면에 정렬할 수 있다(S 207).
(수학식 9)
Figure 112022135363346-pat00036
여기서, 현재 주기의 i번째 표면 특징의 위치로는 수학식 4에서 보상된
Figure 112022135363346-pat00037
의 위치가 사용될 수 있다. 그리고, 수학식 2에서 모든 대응 쌍들의 목적 함수의 합을 최소화하는 변환 T는 비선형 최적화 방법을 사용하여 추정할 수 있으며, 이에 대한 자세한 설명은 후술하기로 한다.
여기서, 컴퓨팅 장치(12)는 시간 [tk-1, tk] 동안 상대 변환(
Figure 112022135363346-pat00038
)을 하기 수학식 10을 사용하여 산출할 수 있다.
(수학식 10)
Figure 112022135363346-pat00039
다음으로, 컴퓨팅 장치(12)는 시간 tk에서 센서 포즈를 시간 [tk-1, tk] 동안 상대 변환(
Figure 112022135363346-pat00040
)을 이용하여 수학식 11과 같이 월드 좌표계로 변환할 수 있다(S 209).
(수학식 11)
Figure 112022135363346-pat00041
Figure 112022135363346-pat00042
: 월드 좌표계의 시간 tk에서 센서 포즈
Figure 112022135363346-pat00043
: 월드 좌표계의 시간 tk-1에서 센서 포즈
한편, 컴퓨팅 장치(12)는 모든 대응 쌍들의 목적 함수의 합을 최소화하는 변환 T를 비선형 최적화 방법으로 추정할 수 있다.
우선, 회전 행렬 R과 변환 T는 각각 수학식 12 및 수학식 13와 같이 정의되는 특수 직교 그룹(Special Orthogonal Group) SO(3) 및 특수 유클리드 그룹(Special Euclidean Group) SE(3)에 속한다.
(수학식 12)
Figure 112022135363346-pat00044
(수학식 13)
Figure 112022135363346-pat00045
여기서, 특수 직교 그룹(Special Orthogonal Group) SO(3) 및 특수 유클리드 그룹(Special Euclidean Group) SE(3)은 선형 벡터 공간이 아닌 매니폴드 공간(manifold space)인 리 그룹(Lie Group)에 속하기 때문에, LiDAR 오도메트리(Odometry)는 일반적으로 비선형 최적화 문제로 취급될 수 있다.
매니폴드 공간(manifold space)이란, N차원의 매니폴드 M은 M 내부에 있는 임의의 점 p에 대해 지역적으로 유클리디안(Euclidean) 구조를 갖는 기하학적 공간을 의미한다. 즉, p 근처에 존재하는 모든 점들은
Figure 112022135363346-pat00046
공간에서 위상동형(Homeomorphic)인 특징을 지니는 공간을 의미한다.
컴퓨팅 장치(12)는 특수 직교 그룹 SO(3) 및 특수 유클리드 그룹 SE(3)에 각각 속하는 회전 행렬 R과 변환 T를 각각 매니폴드 공간에서 선형 벡터 공간으로 매핑할 수 있다.
여기서, 모든 리 그룹(Lie Group)은 선형 벡터 공간인 리 대수(Lie algebra)와 연관될 수 있다. 따라서, 특수 직교 그룹 SO(3) 및 특수 유클리드 그룹 SE(3)와 관련된 리 대수(Lie algebra)는 각각 수학식 14와 수학식 15로 나타낼 수 있다.
(수학식 14)
Figure 112022135363346-pat00047
(수학식 15)
Figure 112022135363346-pat00048
여기서,
Figure 112022135363346-pat00049
는 비대칭 연산자(skew-symmetric operator)이고,
Figure 112022135363346-pat00050
는
Figure 112022135363346-pat00051
의 병진 벡터 부분이고,
Figure 112022135363346-pat00052
는
Figure 112022135363346-pat00053
의 회전 행렬 부분을 나타낸다.
컴퓨팅 장치(12)는 수학식 16와 같이 정의된 지수 맵(exponential map)을 통해 회전 행렬 R을 매니폴드 공간에서 선형 벡터 공간으로 매핑할 수 있다.
(수학식 16)
Figure 112022135363346-pat00054
여기서, θ는
Figure 112022135363346-pat00055
에 대한 법선 벡터를 나타내고,
Figure 112022135363346-pat00056
는
Figure 112022135363346-pat00057
에 대한 방향 벡터를 나타낸다. I는 단위 행렬을 나타낼 수 있다.
또한, 컴퓨팅 장치(12)는 수학식 17와 같이 정의된 지수 맵(exponential map)을 통해 변환 T를 매니폴드 공간에서 선형 벡터 공간으로 매핑할 수 있다.
(수학식 17)
Figure 112022135363346-pat00058
수학식 16 및 수학식 17에서 반대 연산은 로그 맵(logarithm map)을 통해 이루어질 수 있다.
수학식 17에서
Figure 112022135363346-pat00059
은 선형 자코비안 행렬(linear jacobian matrix)로 수학식 18과 같이 나타낼 수 있다.
(수학식 18)
Figure 112022135363346-pat00060
그리고, 컴퓨팅 장치(12)는 섭동 모델(perturbation model)을 사용하여 수학식 9에 나타낸 목적 함수를 1차 근사화를 통해 선형화 할 수 있다. 즉, 컴퓨팅 장치(12)는 수학식 19에 의해서 수학식 9를 1차 근사화를 통해 선형화 할 수 있다.
(수학식 19)
Figure 112022135363346-pat00061
Figure 112022135363346-pat00062
:
Figure 112022135363346-pat00063
에서 작은 섭동(small perturbation)
그리고, 수학식 19에서
Figure 112022135363346-pat00064
는 하기의 수학식 20을 통해 산출될 수 있다.
(수학식 20)
Figure 112022135363346-pat00065
컴퓨팅 장치(12)는 노멀 방정식(normal equation)을 풀어
Figure 112022135363346-pat00066
을 계산하고, 최적화된
Figure 112022135363346-pat00067
을 지수 맵으로 다시 매핑한 후 수학식 21과 같이 변환 T에 곱하여 변환 T를 업데이트할 수 있다.
(수학식 21)
Figure 112022135363346-pat00068
도 5는 본 발명의 일 실시예에 따른 센서 주행 거리 측정 방법에 의한 궤도와 기존의 방법에 의한 궤도를 비교한 도면이다. 도 5에서 (a), (b), (c)는 각각 박물관, 공원, 및 마을의 맵 이미지를 나타낸 것이고, (d), (e), (f)는 각 맵 이미지에서 제안된 발명에 의한 궤적(Proposed)과 기존의 방법에 의한 궤적(A-LOAM)을 나타낸 것이다.
도 5에 의하면 제안된 발명에 의한 궤적(Proposed)이 기존의 방법에 의한 궤적(A-LOAM) 보다 정답 값(Refined trajectory)에 일치하는 궤적을 보이는 것을 확인할 수 있다.
이상에서 본 발명의 대표적인 실시예들을 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
10 : 컴퓨팅 환경
12 : 컴퓨팅 장치
14 : 프로세서
16 : 컴퓨터 판독 가능 저장 매체
18 : 통신 버스
20 : 프로그램
22 : 입출력 인터페이스
24 : 입출력 장치
26 : 네트워크 통신 인터페이스

Claims (12)

  1. 하나 이상의 프로세서들, 및
    상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서,
    3차원 공간에서 깊이 값을 측정할 수 있는 센서를 위한 스캔 장치로부터 스캔 데이터를 주기적으로 획득하는 단계;
    상기 획득된 스캔 데이터로부터 표면 특징(surface feature)을 추출하는 단계;
    상기 추출된 표면 특징과 대응되는 이전 주기의 표면 특징을 검출하여 대응 쌍을 형성하는 단계; 및
    상기 표면 특징의 대응 쌍들의 위치 및 상기 표면 특징의 대응 쌍들의 법선 벡터에 기초하여 상기 표면 특징의 대응 쌍들을 국소적인 2차 표면(local quadratic surface)에 정렬시키는 단계를 포함하는, 센서 주행 거리 측정 방법.
  2. 청구항 1에 있어서,
    상기 표면 특징을 추출하는 단계는,
    상기 스캔 데이터의 수평 스캔에서 해당 포인트 및 해당 포인트와 인접한 포인트 간의 거리에 기초하여 로컬 평활도를 산출하는 단계; 및
    상기 산출된 로컬 평활도가 기 설정된 임계값 미만인 경우, 해당 포인트가 부드러운 표면(smooth surface)인 것으로 간주하여 표면 특징으로 추출하는 단계를 포함하는, 센서 주행 거리 측정 방법.
  3. 청구항 1에 있어서,
    상기 2차 표면에 정렬시키는 단계는,
    하기의 수학식을 만족하는 최적의 변환(T)을 산출하는, 센서 주행 거리 측정 방법.
    (수학식)
    Figure 112022135363346-pat00069

    Figure 112022135363346-pat00070

    Figure 112022135363346-pat00071
    : 값을 최소화하는 T(변환)를 찾는 함수
    p : 현재 주기의 표면 특징
    q : p에 대응하는 이전 주기의 표면 특징
    np : p의 법선 벡터
    nq : q의 법선 벡터
    R : 회전 행렬(rotation matrix)
    Figure 112022135363346-pat00072
    : 병진 벡터(translation vector)
    S : 표면 특징의 대응 쌍들의 집합
  4. 청구항 3에 있어서,
    상기 2차 표면에 정렬시키는 단계는,
    상기 추출한 표면 특징에 대해 상기 스캔 장치의 센서 모션에 따른 보상을 하여 보상된 표면 특징의 위치를 산출하는 단계; 및
    상기 보상된 표면 특징의 법선 벡터를 산출하는 단계를 포함하는, 센서 주행 거리 측정 방법.
  5. 청구항 4에 있어서,
    상기 보상된 표면 특징의 위치 및 보상된 표면 특징의 법선 벡터는 하기 수학식에 의해 산출하는, 센서 주행 거리 측정 방법.
    (수학식)
    Figure 112022135363346-pat00073

    Figure 112022135363346-pat00074
    : k번째 센서 프레임에서 i번째 표면 특징의 위치
    Figure 112022135363346-pat00075
    : 시간 [tk-2, tk-1] 사이의 상대 변환(
    Figure 112022135363346-pat00076
    )의 회전 행렬
    Figure 112022135363346-pat00077
    : 시간 [tk-2, tk-1] 사이의 상대 변환(
    Figure 112022135363346-pat00078
    )의 병진 벡터
    Figure 112022135363346-pat00079
    : 보상된
    Figure 112022135363346-pat00080
    의 위치
    (수학식)
    Figure 112022135363346-pat00081

    Figure 112022135363346-pat00082
    :
    Figure 112022135363346-pat00083
    의 법선 벡터
    Figure 112022135363346-pat00084
    : 보상된
    Figure 112022135363346-pat00085
    의 법선 벡터
    윗 첨자 L : 스캔 장치를 기준으로 하는 로컬 좌표계를 의미
  6. 청구항 5에 있어서,
    상기 2차 표면에 정렬시키는 단계는,
    상기 보상된 표면 특징을 상기 2차 표면에 정렬하는 상대 변환을 추정하여 하기 수학식을 통해 센서 포즈를 수정하는 단계를 더 포함하는, 센서 주행 거리 측정 방법.
    (수학식)
    Figure 112022135363346-pat00086

    Figure 112022135363346-pat00087
    : 월드 좌표계의 시간 tk-1에서 최적화된 센서 포즈
    Figure 112022135363346-pat00088
    : 시간 [tk-2, tk-1] 사이의 상대 변환
    Figure 112022135363346-pat00089
    : 월드 좌표계의 시간 tk에서 예측된 센서 포즈
    윗 첨자 W : 월드 좌표계를 의미
  7. 청구항 6에 있어서,
    상기 2차 표면에 정렬시키는 단계는,
    상기 보상된 표면 특징과 대응하는 이전 주기의 표면 특징의 로컬 좌표계의 위치를 산출하는 단계; 및
    상기 이전 주기의 표면 특징의 로컬 좌표계의 법선 벡터를 산출하는 단계를 더 포함하는, 센서 주행 거리 측정 방법.
  8. 청구항 7에 있어서,
    상기 이전 주기의 표면 특징의 로컬 좌표계의 위치(
    Figure 112022135363346-pat00090
    )는 아래의 수학식에 의해 산출하고,
    (수학식)
    Figure 112022135363346-pat00091

    Figure 112022135363346-pat00092
    : 예측된 센서 포즈
    Figure 112022135363346-pat00093
    의 회전 행렬
    Figure 112022135363346-pat00094
    : 예측된 센서 포즈
    Figure 112022135363346-pat00095
    의 병진 벡터
    Figure 112022135363346-pat00096
    : 이전 주기의 표면 특징의 월드 좌표계의 위치
    상기 로컬 좌표계의 법선 벡터(
    Figure 112022135363346-pat00097
    )는 아래의 수학식에 의해 산출하는, 센서 주행 거리 측정 방법.
    (수학식)
    Figure 112022135363346-pat00098

    Figure 112022135363346-pat00099
    : 이전 주기의 표면 특징의 월드 좌표계의 법선 벡터
  9. 청구항 8에 있어서,
    상기 2차 표면에 정렬시키는 단계는,
    k번째 센서 프레임에서 현재 주기의 i번째 표면 특징과 그에 대응하는 이전 주기의 i번째 표면 특징의 쌍을 하기 수학식을 통해 상기 2차 표면에 정렬시키는, 센서 주행 거리 측정 방법.
    (수학식)
    Figure 112022135363346-pat00100

  10. 청구항 9에 있어서,
    상기 센서 주행 거리 측정 방법은,
    시간 [tk-1, tk] 동안 상대 변환(
    Figure 112022135363346-pat00101
    )을 하기 수학식을 통해 산출하는 단계; 및
    (수학식)
    Figure 112022135363346-pat00102

    시간 tk에서 센서 포즈를 시간 [tk-1, tk] 동안 상대 변환(
    Figure 112022135363346-pat00103
    )을 이용하여 하기 수학식에 의해 월드 좌표계로 변환하는 단계를 더 포함하는, 센서 주행 거리 측정 방법.
    (수학식)
    Figure 112022135363346-pat00104

    Figure 112022135363346-pat00105
    : 월드 좌표계의 시간 tk에서 센서 포즈
    Figure 112022135363346-pat00106
    : 월드 좌표계의 시간 tk-1에서 센서 포즈
  11. 하나 이상의 프로세서들;
    메모리; 및
    하나 이상의 프로그램들을 포함하고,
    상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며,
    상기 하나 이상의 프로그램들은,
    3차원 공간에서 깊이 값을 측정할 수 있는 센서를 위한 스캔 장치로부터 스캔 데이터를 주기적으로 획득하기 위한 명령;
    상기 획득된 스캔 데이터로부터 표면 특징(surface feature)을 추출하기 위한 명령;
    상기 추출된 표면 특징과 대응되는 이전 주기의 표면 특징을 검출하여 대응 쌍을 형성하기 위한 명령; 및
    상기 표면 특징의 대응 쌍들의 위치 및 상기 표면 특징의 대응 쌍들의 법선 벡터에 기초하여 상기 표면 특징의 대응 쌍들을 국소적인 2차 표면(local quadratic surface)에 정렬시키기 위한 명령을 포함하는, 컴퓨팅 장치.
  12. 비일시적 컴퓨터 판독 가능한 저장 매체(non-transitory computer readable storage medium)에 저장된 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램은 하나 이상의 명령어들을 포함하고, 상기 명령어들은 하나 이상의 프로세서들을 갖는 컴퓨팅 장치에 의해 실행될 때, 상기 컴퓨팅 장치로 하여금,
    3차원 공간에서 깊이 값을 측정할 수 있는 센서를 위한 스캔 장치로부터 스캔 데이터를 주기적으로 획득하는 단계;
    상기 획득된 스캔 데이터로부터 표면 특징(surface feature)을 추출하는 단계;
    상기 추출된 표면 특징과 대응되는 이전 주기의 표면 특징을 검출하여 대응 쌍을 형성하는 단계; 및
    상기 표면 특징의 대응 쌍들의 위치 및 상기 표면 특징의 대응 쌍들의 법선 벡터에 기초하여 상기 표면 특징의 대응 쌍들을 국소적인 2차 표면(local quadratic surface)에 정렬시키는 단계를 수행하도록 하는, 컴퓨터 프로그램.
KR1020220176255A 2022-12-15 2022-12-15 센서 주행 거리 측정 방법 및 이를 수행하기 위한 컴퓨팅 장치 KR102526710B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220176255A KR102526710B1 (ko) 2022-12-15 2022-12-15 센서 주행 거리 측정 방법 및 이를 수행하기 위한 컴퓨팅 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220176255A KR102526710B1 (ko) 2022-12-15 2022-12-15 센서 주행 거리 측정 방법 및 이를 수행하기 위한 컴퓨팅 장치

Publications (1)

Publication Number Publication Date
KR102526710B1 true KR102526710B1 (ko) 2023-04-28

Family

ID=86143251

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220176255A KR102526710B1 (ko) 2022-12-15 2022-12-15 센서 주행 거리 측정 방법 및 이를 수행하기 위한 컴퓨팅 장치

Country Status (1)

Country Link
KR (1) KR102526710B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102225093B1 (ko) * 2020-09-01 2021-03-09 주식회사 맥스트 카메라 포즈 추정 장치 및 방법
KR102288194B1 (ko) * 2021-03-05 2021-08-10 주식회사 맥스트 카메라 포즈 필터링 방법 및 이를 수행하기 위한 컴퓨팅 장치
KR102350181B1 (ko) 2019-01-30 2022-01-11 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량에서 rnn 및 lstm을 사용하여 시간적 평활화를 수행하는 lidar 위치 추정

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102350181B1 (ko) 2019-01-30 2022-01-11 바이두닷컴 타임즈 테크놀로지(베이징) 컴퍼니 리미티드 자율 주행 차량에서 rnn 및 lstm을 사용하여 시간적 평활화를 수행하는 lidar 위치 추정
KR102225093B1 (ko) * 2020-09-01 2021-03-09 주식회사 맥스트 카메라 포즈 추정 장치 및 방법
KR102288194B1 (ko) * 2021-03-05 2021-08-10 주식회사 맥스트 카메라 포즈 필터링 방법 및 이를 수행하기 위한 컴퓨팅 장치

Similar Documents

Publication Publication Date Title
CN109709801B (zh) 一种基于激光雷达的室内无人机定位系统及方法
CN112347840B (zh) 视觉传感器激光雷达融合无人机定位与建图装置和方法
CN109345596B (zh) 多传感器标定方法、装置、计算机设备、介质和车辆
CN110178048B (zh) 交通工具环境地图生成和更新的方法和系统
CN109211251B (zh) 一种基于激光和二维码融合的即时定位与地图构建方法
Lenac et al. Fast planar surface 3D SLAM using LIDAR
Censi et al. Scan matching in the Hough domain
KR20210111182A (ko) 위치결정을 위한 방법, 컴퓨팅 기기, 컴퓨터 판독가능 저장 매체 및 컴퓨터 프로그램
Vysotska et al. Improving SLAM by exploiting building information from publicly available maps and localization priors
CN112444246B (zh) 高精度的数字孪生场景中的激光融合定位方法
CN111665512A (zh) 基于3d激光雷达和惯性测量单元的融合的测距和绘图
Skrzypczyński Mobile robot localization: Where we are and what are the challenges?
Pannen et al. Lane marking learning based on crowdsourced data
Li et al. A novel edge-enabled SLAM solution using projected depth image information
Sohn et al. An efficient localization algorithm based on vector matching for mobile robots using laser range finders
KR102526710B1 (ko) 센서 주행 거리 측정 방법 및 이를 수행하기 위한 컴퓨팅 장치
Setterfield et al. Feature-based scanning LiDAR-inertial odometry using factor graph optimization
Padial et al. Tumbling target reconstruction and pose estimation through fusion of monocular vision and sparse-pattern range data
CN116358525A (zh) 基于激光雷达的建图与定位方法、系统及工程车辆
CN116202487A (zh) 一种基于三维建模的实时目标姿态测量方法
CN113379915B (zh) 一种基于点云融合的行车场景构建方法
CN113554705B (zh) 一种变化场景下的激光雷达鲁棒定位方法
Takeuchi et al. Multi sensor map building based on sparse linear equations solver
Szaj et al. Vehicle localization using laser scanner
Ćwian et al. Planar features for accurate laser-based 3-D SLAM in urban environments

Legal Events

Date Code Title Description
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant