KR102548786B1 - 라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템 - Google Patents

라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템 Download PDF

Info

Publication number
KR102548786B1
KR102548786B1 KR1020230001129A KR20230001129A KR102548786B1 KR 102548786 B1 KR102548786 B1 KR 102548786B1 KR 1020230001129 A KR1020230001129 A KR 1020230001129A KR 20230001129 A KR20230001129 A KR 20230001129A KR 102548786 B1 KR102548786 B1 KR 102548786B1
Authority
KR
South Korea
Prior art keywords
voxel
point cloud
spatial model
cloud data
data
Prior art date
Application number
KR1020230001129A
Other languages
English (en)
Inventor
김건정
박용완
엄정숙
Original Assignee
영남대학교 산학협력단
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 영남대학교 산학협력단 filed Critical 영남대학교 산학협력단
Priority to KR1020230001129A priority Critical patent/KR102548786B1/ko
Application granted granted Critical
Publication of KR102548786B1 publication Critical patent/KR102548786B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/003—Transmission of data between radar, sonar or lidar systems and remote stations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

본 발명은 다수의 라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템에 관한 것이다. 상기 장치는 적어도 하나의 라이다 센서로부터 포인트 클라우드 데이터를 수신하는 통신부; 상기 수신된 포인트 클라우드 데이터를 임시 저장하는 버퍼; 및 상기 버퍼에 임시 저장된 포인트 클라우드 데이터를 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터로 변환하고, 상기 변환된 다수의 복셀 그리드 데이터를 중첩하여 상기 공간 모델을 생성하는 공간 모델 생성 모듈을 포함할 수 있다. 이러한 본 발명은 라이다 센서를 통해 수집된 포인트 클라우드 데이터를 이용하여 객체 인식 및 위치 파악을 위한 공간 모델을 정확하게 생성할 수 있다.

Description

라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템{SYSTEM, METHOD AND APPARATUS FOR CONSTRUCTING SPATIAL MODEL USING LIDAR SENSOR(S)}
본 발명은 라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템에 관한 것이다.
다양한 유형의 센서 및 장치에 의해 수집된 정보를 사용하여 인프라와 자원을 효율적으로 모니터링하고 관리하는 스마트 시티(smart city)에 대한 관심이 증가하고 있다. 스마트 시티는 다양한 분야(예: 산업, 의료, 농업, 및 녹화 등)에서 로봇을 이용한 서비스를 제공할 수 있다.
한편, 로봇 서비스를 제공하기 위해서는 객체 인식 및 객체의 위치 파악을 위한 비전 시스템이 매우 중요하다. 예를 들어, 로봇을 이용하여 과일을 수확하는 경우, 로봇은 비전 시스템을 이용하여 과일을 정확하게 인식하고, 과일의 위치를 정확하게 포착해야 한다. 또한, 로봇은 나뭇가지와 같은 장애물을 인식하고, 그 위치를 정확하게 포착할 수 있어야 한다. 이로 인해, 최근에는 비전 시스템에 대한 연구 및 관심이 증가하고 있다. 예를 들어, 레이저를 이용한 라이다(LIght Detection And Ranging: LIDAR) 센서를 통해 객체에 대한 포인트 클라우드 데이터를 수집하고, 수집된 포인트 클라우드 데이터를 기반으로 객체 인식 및 위치를 파악하는 비전 시스템이 제안되고 있다.
하지만, 라이다 센서를 통해 포인트 클라우드 데이터를 수집하는데 제약(또는 한계)이 있다. 예를 들어, 라이다 센서의 방향과 객체와의 거리에 따라 수집되는 포인트 클라우드 데이터가 희박할 수 있다. 상기 획득된 포인트 클라우드 데이터가 희박한 경우 객체 인식 및 위치 파악의 정확성이 떨어질 수 있다. 이로 인하여, 라이다 센서를 통해 수집되는 포인트 클라우드 데이터를 이용하여 객체 인식 및 위치 파악의 정확성을 향상 시킬 수 있는 방안이 요구되고 있다.
본 발명의 목적은, 상술한 문제점을 해결하기 위한 것으로, 라이다 센서를 통해 수집된 포인트 클라우드 데이터를 이용하여 객체 인식 및 위치 파악을 위한 공간 모델을 생성할 수 있는 라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템을 제공하는데 있다.
또한, 본 발명의 다른 목적은 희박하게 수집된 포인트 클라우드 데이터를 이용하여 공간 모델을 생성할 수 있는 라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템을 제공하는데 있다.
또한, 본 발명의 또 다른 목적은 포인트 클라우드 데이터를 서로 다른 크기(스케일)을 가지는 다수의 복셀 그리드 데이터로 변환하고, 복셀 그리드 데이터를 중첩하여 공간 모델을 생성할 수 있는 라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템을 제공하는데 있다.
이와 같은 목적을 달성하기 위한, 본 발명의 일 실시 예에 따른 라이다 센서를 이용하여 공간 모델을 생성하는 장치는 적어도 하나의 라이다 센서로부터 포인트 클라우드 데이터를 수신하는 통신부; 상기 수신된 포인트 클라우드 데이터를 임시 저장하는 버퍼; 및 상기 버퍼에 임시 저장된 포인트 클라우드 데이터를 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터로 변환하고, 상기 변환된 다수의 복셀 그리드 데이터를 중첩하여 상기 공간 모델을 생성하는 공간 모델 생성 모듈을 포함할 수 있다.
상기 공간 모델 생성 모듈은 상기 변환된 다수의 복셀 그리드 데이터 각각에 대해, 각 복셀의 가중치를 계산하고, 상기 변환된 다수의 복셀 그리드 데이터를 중첩하고, 서로 중첩되는 복셀들의 가중치를 합하여 해당 복셀의 우도로 결정하며, 상기 결정된 우도에 기초하여 상기 공간 모델을 생성할 수 있다.
상기 공간 모델 생성 모듈은 상기 각 복셀의 포인트 밀도 특성에 기초하여, 상기 각 복셀의 가중치를 계산할 수 있다.
상기 공간 모델 생성 모듈은 상기 통신부를 통해 상기 생성된 공간 모델을 외부 전자 장치로 전송할 수 있다.
상기 공간 모델을 생성하는 장치는 상기 라이다 센서를 통해 획득되는 포인트 클라우드 데이터를 수집하여 임시 저장하고, 불필요한 데이터를 필터링하는 신호 처리부를 더 포함할 수 있다.
상기 통신부는 다수의 라이다 센서로부터 포인트 클라우드 데이터를 수신하고, 상기 공간 모델 생성 모듈은 상기 다수의 라이다 센서로부터 수신된 포인트 클라우드 데이터를 기초로 3차원 공간 모델을 생성할 수 있다.
본 발명의 일 실시 예에 따른 라이다 센서를 이용하여 공간 모델을 생성하는 방법은 상기 라이다 센서를 통해 포인트 클라우드 데이터를 획득하는 단계; 상기 획득된 포인트 클라우드 데이터를 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터로 변환하는 단계; 및 상기 변환된 다수의 복셀 그리드 데이터를 중첩하여 상기 공간 모델을 생성하는 단계를 포함할 수 있다.
상기 공간 모델을 생성하는 단계는 상기 변환된 다수의 복셀 그리드 데이터 각각에 대해, 각 복셀의 가중치를 계산하는 단계; 상기 변환된 다수의 복셀 그리드 데이터를 중첩하고, 서로 중첩되는 복셀들의 가중치를 합하여 해당 복셀의 우도로 결정하는 단계; 및 상기 결정된 우도에 기초하여, 상기 공간 모델을 생성하는 단계를 포함할 수 있다.
상기 각 복셀의 가중치를 계산하는 단계는 상기 각 복셀의 포인트 밀도 특성을 이용하여 상기 각 복셀의 가중치를 계산하는 단계를 포함할 수 있다.
상기 방법은 상기 생성된 공간 모델을 외부 전자 장치로 전송하는 단계를 더 포함할 수 있다.
상기 방법은 상기 획득된 포인트 클라우드 데이터를 필터링하는 단계를 더 포함할 수 있다.
본 발명의 일 실시 예에 따른 라이다 센서를 이용하여 공간 모델을 생성하는 시스템은 적어도 하나의 센서 장치를 포함하고, 상기 적어도 하나의 센서 장치를 통해 클라우드 포인트 데이터를 획득하는 센서 모듈; 상기 센서 모듈로부터 수신되는 포인트 클라우드 데이터를 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터로 변환하고, 상기 변환된 다수의 복셀 그리드 데이터를 중첩하여 공간 모델을 생성하는 컴퓨팅 장치; 및 상기 컴퓨팅 장치로부터 상기 공간 모델을 수신하고, 상기 수신된 공간 모델에 기초하여 서비스를 제공하는 전자 장치를 포함할 수 있다.
본 발명의 다양한 실시 예는 라이다 센서를 통해 수집된 포인트 클라우드 데이터를 이용하여 객체 인식 및 위치 파악을 위한 공간 모델을 정확하게 생성할 수 있다. 예를 들어, 본 발명은 포인트 클라우드 데이터를 서로 다른 크기(스케일)을 가지는 다수의 복셀 그리드 데이터로 변환하고, 이들을 중첩하여 공간 모델을 생성할 수 있다. 특히, 본 발명은 희박한 포인트 클라우드 데이터를 이용하여 공간 모델을 생성할 수 있다. 이를 통해 본 발명은 객체 인식 및 위치 파악을 정확성을 향상 시킬 수 있다.
도 1은 본 발명의 일 실시 예에 따른 라이다 센서를 이용하여 공간 모델을 생성하는 시스템을 도시한 도면이다.
도 2는 본 발명의 일 실시 예에 따른 라이다 센서를 이용하여 공간 모델을 생성하는 시스템의 공간 모델 생성 방법을 설명하기 위한 흐름도이다.
도 3은 본 발명의 일 실시 예에 따른 시스템의 공간 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 4a 및 도 4b는 본 발명의 성능을 비교 평가하기 위한 실험 환경을 도시한 도면이다.
도 5는 도 4a 및 도 4b의 각 라이다 센서를 통해 획득되는 포인트 클라우드 데이터를 이미지화하여 도시한 도면이다.
도 6은 다양한 크기의 복셀 그리드를 이용하여 포인트 클라우드 데이터를 각각 변환한 결과를 도시한 도면이다.
도 7은 본 발명의 일 실시 예를 적용하여 포인트 클라우드 데이터를 변환한 결과를 도시한 도면이다.
도 8a 내지 도 8c는 본 발명 및 종래의 객체 인식 결과를 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 이하에서 동일한 참조 부호는 동일 구성 요소를 지칭한다.
비록 제1, 제2 등이 다양한구성요소 및/또는 섹션들을 서술하기 위해서 사용되나, 이들 구성요소 및/또는 섹션들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소 또는 섹션들을 다른 구성요소 또는 섹션들과 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소 또는 제1 섹션은 본 발명의 기술적 사상 내에서 제2 구성요소 또는 제2 섹션일 수도 있음은 물론이다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "이루어지다(made of)"는 언급된 구성요소, 단계 및/또는 동작은 하나 이상의 다른 구성요소, 단계 및/또는 동작의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
도 1은 본 발명의 일 실시 예에 따른 라이다 센서를 이용하여 공간 모델을 생성하는 시스템을 도시한 도면이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 라이다 센서를 이용하여 공간 모델을 생성하는 시스템(100)은 센서 모듈(10), 컴퓨팅 장치(20), 및 전자 장치(30)를 포함할 수 있다.
센서 모듈(10)은 적어도 하나의 센서 장치(11)를 포함하고, 적어도 하나의 센서 장치(11)를 통해 클라우드 포인트 데이터를 획득할 수 있다. 센서 장치(11)는 라이다 센서일 수 있다. 각 센서 장치(11)는 타켓 공간(예: 인식할 객체가 존재하는 공간)에 대한 클라우드 포인트 데이터를 획득하여 데이터 프레임(예: 3차원 데이터 프레임)을 생성한 후 스트림 형태로 컴퓨팅 장치(20)로 전송할 수 있다.
일 실시 예에 따르면, 각 센서 장치(11)는 라이다부(11a) 및 신호 처리부(11b)를 포함할 수 있다. 상기 신호 처리부(11b)는 수집 장치(예: 그래버(grabber))(11b-1), 버퍼(11b-2), 필터(11b-3), 및 통신부(11b-3)를 포함할 수 있다.
라이다부(11a)는 지정된 방향으로 레이저를 송출하고, 객체에 의해 반사된 레이저 신호를 수신할 수 있다. 상기 신호 처리부(11b)의 수집 장치(11b-1)는 라이다부(11a)로부터 수신되는 스트림 신호를 캡쳐(수신)하여 각 스캔 주기마다 버퍼(11b-2)에 저장(임시 저장)한다. 또한, 필터(11b-3)는 버퍼(11b-2)로부터 데이터를 수신하고, 타켓 공간 이외에 불필요한 데이터를 필터링할 수 있다. 통신부(11b-4)는 필터링된 데이터를 패킷(예: UDP(User Datagram Protocol) 패킷) 단위로 분할하여 컴퓨팅 장치(20)로 전송할 수 있다.
한편, 센서 모듈(10)은, 도 1에 도시된 바와 같이, 다수의 센서 장치(11)를 포함할 수 있다. 이는 사각 지대가 발생하는 것을 방지(또는 최소화)하기 위함이다. 또한, 센서 장치(11)는 라이다부(11a)만을 포함할 수 있다. 이때, 신호 처리부(11b)는 컴퓨팅 장치(20)에 포함될 수 있다.
컴퓨팅 장치(20)는 센서 모듈(10)로부터 수신되는 포인트 클라우드 데이터에 기초하여, 공간 모델을 생성할 수 있다. 컴퓨팅 장치(20)는 엣지 컴퓨터(edge computer)일 수 있다. 컴퓨팅 장치(20)는 통신부(21), 버퍼(22), 및 공간 모델 생성 모듈(23)을 포함할 수 있다.
통신부(21)는 센서 모듈(10)로부터 포인트 클라우드 데이터를 수신할 수 있다. 예를 들어, 통신부(21)는 패킷 단위로 분할된 포인트 클라우드 데이터를 수신하여 데이터 프레임(예: 3차원 데이터 프레임)으로 재조립할 수 있다.
버퍼(22)는 포인트 클라우드 데이터를 저장(임시 저장)할 수 있다. 예를 들어, 버퍼(22)는 통신부(21)로부터 데이터 프레임을 수신하여 저장(임시 저장)할 수 있다.
공간 모델 생성 모듈(23)은 포인트 클라우드 데이터에 기초하여 공간 모델(예: 3차원 공간 모델)을 생성할 수 있다. 예를 들어, 공간 모델 생성 모듈(23)은 버퍼(22)에 저장된 데이터 프레임을 이용하여 공간 모델을 생성할 수 있다. 여기서, 공간 모델 생성 방법에 대한 상세한 설명은 도 3을 참조하여 후술하기로 한다.
전자 장치(30)는 비전 시스템을 요구하는 이동 로봇일 수 있다. 일 실시 예에 따른 전자 장치(30)는 컴퓨팅 장치(20)로부터 공간 모델을 수신하고, 수신된 공간 모델에 기초하여 다양한 서비스(예: 객체 인식 및 위치 파악 기반의 서비스)를 제공할 수 있다.
도 2는 본 발명의 일 실시 예에 따른 라이다 센서를 이용하여 공간 모델을 생성하는 시스템의 공간 모델 생성 방법을 설명하기 위한 흐름도이며, 도 3은 본 발명의 일 실시 예에 따른 시스템의 공간 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 2 및 도 3을 참조하면, 본 발명의 일 실시 예에 따른 라이다 센서를 이용하여 공간 모델을 생성하는 시스템(100)의 센서 모듈(10)은 포인트 클라우드 데이터를 획득(S201)하고, 컴퓨팅 장치(20)로 획득된 포인트 클라우드 데이터를 전송(S203)할 수 있다. 포인트 클라우드 데이터(310)는, 도 3의 식별 부호 310에 도시된 바와 같이, 2차원 좌표계를 이용하여 표현될 수 있다.
컴퓨팅 장치(20)(예: 공간 모델 생성 모듈(23))는 포인트 클라우드 데이터를 서로 다른 크기(스케일)을 가지는 복셀 그리드 데이터로 변환(예: 복셀화(Voxeilzation))(S205)할 수 있다. 예를 들어, 이에 한정되지는 않지만, 컴퓨팅 장치(20)는, 도 3의 식별 부호 320의 도면에 도시된 바와 같이, 포인트 클라우드 데이터(310)를 3개의 복셀 그리드 데이터(321, 322, 323)로 변환할 수 있다. 제1 복셀 그리드 데이터(321)는 4개의 복셀로 분할되고, 제2 복셀 그리드 데이터(322)는 9개의 복셀로 분할되고, 제3 복셀 그리드 데이터(323)는 36개의 복셀로 분할된 예이다.
컴퓨팅 장치(20)는 각 복셀 그리드 데이터별로 각 복셀의 가중치(이하, 복셀 가중치)를 계산(S207)할 수 있다. 예를 들어, 컴퓨팅 장치(20)는 각 복셀의 점 밀도(예: 각 복셀에 포함된 포인트의 수)를 이용하여 각 복셀의 가중치를 계산할 수 있다. 컴퓨팅 장치(20)는 각 복셀의 점 밀도가 클 수록 가중치가 높게 결정할 수 있다.
컴퓨팅 장치(20)는 다수의 복셀 그리드 데이터들을 중첩(S209)하고, 중첩되는 복셀들의 가중치를 합하여, 해당 복셀의 우도(likelihood)로 결정(S211)할 수 있다. 예를 들어, 제1 복셀 그리드 데이터(321)의 제1 복셀(31) 및 제2 복셀 그리드 데이터(322)의 제2 복셀(32)와 중첩되는 제3 복셀 그리드 데이터(323)의 제3 복셀(33)의 우도는 제1 내지 제3 복셀(31, 32, 33)의 가중치를 합한 값으로 결정된다. 결과적으로, 최종 우도는 도 3의 식별 부호 330의 도면과 같이 결정될 수 있다.
컴퓨팅 장치(20)는 결정된 우도를 기초로 공간 모델을 생성(S213)하고, 전자 장치(30)로 상기 생성된 공간 모델을 전송(S215)할 수 있다.
전자 장치(30)는 공간 모델을 기초로 다양한 서비스(예: 객체 인식 및 위치 파악)를 제공(S217)할 수 있다. 예를 들어, 전자 장치(30)는 장애물 및 과일을 인식하고, 그들의 위치를 정확하게 파악하여 과일을 빠르고 정확하게 수확할 수 있다.
도 4a 및 도 4b는 본 발명의 성능을 비교 평가하기 위한 실험 환경을 도시한 도면이고, 도 5는 도 4a 및 도 4b의 각 라이다 센서를 통해 획득되는 포인트 클라우드 데이터를 이미지화하여 도시한 도면이고, 도 6은 다양한 크기의 복셀 그리드를 이용하여 포인트 클라우드 데이터를 각각 변환한 결과를 도시한 도면이며, 도 7은 본 발명의 일 실시 예를 적용하여 포인트 클라우드 데이터를 변환한 결과를 도시한 도면이다.
도 4a 내지 도 7을 참조하면, 본 발명의 성능을 검증하기위하여, 3개의 라이다 센서(LIDAR-A, LIDAR-B, LIDAR-C)를 이용하여 객체(축구 공)를 인식하는 실험을 수행하였다. 여기서, 각 라이다 센서와 객체는 100 cm의 거리를 가지고, 각 라이다 센서는 객체를 중심으로 120 간격으로 배치하였다. 객체는 약 200 mm의 직경을 가진다. 또한, 라이다 센서의 레이저를 흡수할 수 있도록 바닥에 카페트를 배치하였다. 각 라이다 센서는 약 150 cm의 높이를 가진다.
라이다 센서(LIDAR-A, LIDAR-B, LIDAR-C)를 통해 획득되는 포인트 클라우드 데이터는 도 5에 도시된 바와 같다. 한편, 종래에는 하나의 복셀 그리드를 이용하여 포인트 클라우드 데이터를 변환하였다. 예를 들어, 종래 방식에 따라 변환된 포인트 클라우드 데이터는 도 6에 도시되었다. 이때, 복셀의 크기(스케일)가 작은 경우(예: scale 1mm), 물체의 원해 형상을 인지하기 어려울 수 있다. 반면에, 복셀의 크기(스케일)가 큰 경우 형상을 인지할 수 있으나 크기(예: 직경)를 정확하게 인지할 수 없다.
한편, 본 발명을 적용하여 변환된 포인트 클라우드 데이터는 도 7에 도시되었다. 도 7의 변환된 포인트 클라우드 데이터는 서로 다른 우도 값이 혼합되어 있고, 어두운 색일수록 우도가 높음(객체의 존재 가능성이 높음)을 의미한다. 즉, 도 7에서 포인트 클라우드가 존재하는 부분들은 복셀 이미지에서도 우도(존재 가능성)가 커서 매우 어두운 색상으로 나타나고(즉, 도 7의 매우 어두운 색상 부분은 도 5의 포인트 클라우드 데이터와 유사하게 표현됨), 포인트 클라우드가 없던 부분들은 복셀 이미지에서 우도가 낮아 밝은 색상으로 표현된다.
도 8a 내지 도 8c는 본 발명 및 종래의 객체 인식 결과를 도시한 도면이다.
도 8a 내지 도 8c를 참조하면, 본 발명 및 종래의 객체 인식 결과에 따라 추정된 객체의 직경과 실제 직경과의 차이를 비교하였다. 여기서, 도 8a 내지 8c의 그래프에서 x축은 우도를 나타내며, y축은 추정된 직경과 실제 직경 사이의 차이를 나타낸다. 한편, 도 8a는 라이다 센서 A, 도 8b는 라이다 센서 B, 도 8c는 라이다 센서 C와 관련된다.
도 8a 및 도 8b의 그래프를 참조하면, 종래 방식은 복셀의 크기를 작게 설정할수록 추정 직경과 실제 직경 사이의 차이가 줄어듬을 알 수 있다. 하지만, 종래 방식은, 도 6에 도시된 바와 같이, 복셀의 크기가 줄어들수록, 객체의 모양(축구공)을 인식하기 어렵다는 문제가 있다. 한편, 도 8c의 그래프를 참조하면, 라이다 센서 C의 경우 복셀의 크기를 줄이더라도 추정 직경과 실제 직경 사이의 차가 항상 줄어들지 않음을 알 수 있다. 예를 들어, 도 8c의 그래프를 참조하면, 20 mm의 복셀 크기가 15 mm의 복셀 크기보다 오차가 적다. 즉, 종래 방식은 복셀의 크기를 줄이는 것만으로 정확도를 향상시킬 수 없는 경우가 있다.
한편, 본 발명의 경우 우도가 있는 영역이 1.0일 때 추정 직경은 실제 직경과 매우 유사해진다. 또한, 본 발명은, 도 7에 도시된 것과 같이, 객체의 원래 형상을 매우 비슷하게 생성한다. 즉, 본 발명은 다양한 복셀 크기에서 측정한 결과들을 중첩한 우도를 기초로 객체의 크기와 모양을 정확하게 나타낼 수 있다.
이상과 같이 본 발명의 도시된 실시 예를 참고하여 설명하고 있으나, 이는 예시적인 것들에 불과하며, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자라면 본 발명의 요지 및 범위에 벗어나지 않으면서도 다양한 변형, 변경 및 균등한 타 실시 예들이 가능하다는 것을 명백하게 알 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적인 사상에 의해 정해져야 할 것이다.
100: 시스템
10: 센서 모듈 20: 컴퓨팅 장치
30: 전자 장치 11: 센서 장치
11a: 라이다부 11b: 신호 처리부
11b-1: 수집 장치 11b-2/22: 버퍼
11b-3: 필터 11b-4/21: 통신부
23: 공간 모델 생성 모듈

Claims (12)

  1. 라이다 센서를 이용하여 공간 모델을 생성하는 장치에 있어서,
    적어도 하나의 라이다 센서로부터 포인트 클라우드 데이터를 수신하는 통신부;
    상기 수신된 포인트 클라우드 데이터를 임시 저장하는 버퍼; 및
    상기 버퍼에 임시 저장된 포인트 클라우드 데이터를 서로 다른 크기의 복셀로 분할하여 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터로 변환하고, 상기 변환된 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터를 중첩하여 상기 공간 모델을 생성하는 공간 모델 생성 모듈을 포함하는 것을 특징으로 하는 장치.
  2. 제 1 항에 있어서,
    상기 공간 모델 생성 모듈은
    상기 변환된 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터 각각에 대해, 각 복셀의 가중치를 계산하고, 상기 변환된 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터를 중첩하고, 서로 중첩되는 복셀들의 가중치를 합하여 해당 복셀의 우도로 결정하며, 상기 결정된 우도에 기초하여 상기 공간 모델을 생성하는 것을 특징으로 하는 장치.
  3. 제 2 항에 있어서,
    상기 공간 모델 생성 모듈은
    상기 각 복셀의 포인트 밀도 특성에 기초하여, 상기 각 복셀의 가중치를 계산하는 것을 특징으로 하는 장치.
  4. 제 1 항에 있어서,
    상기 공간 모델 생성 모듈은
    상기 통신부를 통해 상기 생성된 공간 모델을 외부 전자 장치로 전송하는 것을 특징으로 하는 장치.
  5. 제 1 항에 있어서,
    상기 라이다 센서를 통해 획득되는 포인트 클라우드 데이터를 수집하여 임시 저장하고, 불필요한 데이터를 필터링하는 신호 처리부를 더 포함하는 것을 특징으로 하는 장치.
  6. 제 1 항에 있어서,
    상기 통신부는
    다수의 라이다 센서로부터 포인트 클라우드 데이터를 수신하고,
    상기 공간 모델 생성 모듈은
    상기 다수의 라이다 센서로부터 수신된 포인트 클라우드 데이터를 기초로 3차원 공간 모델을 생성하는 것을 특징으로 하는 장치.
  7. 라이다 센서를 이용하여 공간 모델을 생성하는 방법에 있어서,
    상기 라이다 센서를 통해 포인트 클라우드 데이터를 획득하는 단계;
    상기 획득된 포인트 클라우드 데이터를 서로 다른 크기의 복셀로 분할하여 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터로 변환하는 단계; 및
    상기 변환된 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터를 중첩하여 상기 공간 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 방법.
  8. 제 7 항에 있어서,
    상기 공간 모델을 생성하는 단계는
    상기 변환된 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터 각각에 대해, 각 복셀의 가중치를 계산하는 단계;
    상기 변환된 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터를 중첩하고, 서로 중첩되는 복셀들의 가중치를 합하여 해당 복셀의 우도로 결정하는 단계; 및
    상기 결정된 우도에 기초하여, 상기 공간 모델을 생성하는 단계를 포함하는 것을 특징으로 하는 방법.
  9. 제 8 항에 있어서,
    상기 각 복셀의 가중치를 계산하는 단계는
    상기 각 복셀의 포인트 밀도 특성을 이용하여 상기 각 복셀의 가중치를 계산하는 단계를 포함하는 것을 특징으로 하는 방법.
  10. 제 7 항에 있어서,
    상기 생성된 공간 모델을 외부 전자 장치로 전송하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  11. 제 7 항에 있어서,
    상기 획득된 포인트 클라우드 데이터를 필터링하는 단계를 더 포함하는 것을 특징으로 하는 방법.
  12. 라이다 센서를 이용하여 공간 모델을 생성하는 시스템에 있어서,
    적어도 하나의 센서 장치를 포함하고, 상기 적어도 하나의 센서 장치를 통해 클라우드 포인트 데이터를 획득하는 센서 모듈;
    상기 센서 모듈로부터 수신되는 포인트 클라우드 데이터를 서로 다른 크기의 복셀로 분할하여 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터로 변환하고, 상기 변환된 서로 다른 크기를 가지는 다수의 복셀 그리드 데이터를 중첩하여 공간 모델을 생성하는 컴퓨팅 장치; 및
    상기 컴퓨팅 장치로부터 상기 공간 모델을 수신하고, 상기 수신된 공간 모델에 기초하여 서비스를 제공하는 전자 장치를 포함하는 것을 특징으로 하는 시스템.
KR1020230001129A 2023-01-04 2023-01-04 라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템 KR102548786B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230001129A KR102548786B1 (ko) 2023-01-04 2023-01-04 라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230001129A KR102548786B1 (ko) 2023-01-04 2023-01-04 라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102548786B1 true KR102548786B1 (ko) 2023-06-29

Family

ID=86945991

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230001129A KR102548786B1 (ko) 2023-01-04 2023-01-04 라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102548786B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017168472A1 (ja) * 2016-03-30 2017-10-05 パナソニックＩｐマネジメント株式会社 位置推定装置、位置推定方法及び制御プログラム
KR20170119496A (ko) * 2016-04-19 2017-10-27 광주과학기술원 3차원 객체 검출 및 자세추정 방법
KR20210020815A (ko) * 2019-08-14 2021-02-24 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
CN114763997A (zh) * 2022-04-14 2022-07-19 中国第一汽车股份有限公司 车辆采集到的雷达点云数据的处理方法、装置及电子设备
CN115546023A (zh) * 2022-09-26 2022-12-30 合众新能源汽车有限公司 一种点云拼接方法、装置、电子设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017168472A1 (ja) * 2016-03-30 2017-10-05 パナソニックＩｐマネジメント株式会社 位置推定装置、位置推定方法及び制御プログラム
KR20170119496A (ko) * 2016-04-19 2017-10-27 광주과학기술원 3차원 객체 검출 및 자세추정 방법
KR20210020815A (ko) * 2019-08-14 2021-02-24 엘지전자 주식회사 포인트 클라우드 데이터 송신 장치, 포인트 클라우드 데이터 송신 방법, 포인트 클라우드 데이터 수신 장치 및 포인트 클라우드 데이터 수신 방법
CN114763997A (zh) * 2022-04-14 2022-07-19 中国第一汽车股份有限公司 车辆采集到的雷达点云数据的处理方法、装置及电子设备
CN115546023A (zh) * 2022-09-26 2022-12-30 合众新能源汽车有限公司 一种点云拼接方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
KR102198724B1 (ko) 포인트 클라우드 데이터를 처리하기 위한 방법 및 장치
CN107392965B (zh) 一种基于深度学习和双目立体视觉相结合的测距方法
US9411037B2 (en) Calibration of Wi-Fi localization from video localization
JP5618569B2 (ja) 位置姿勢推定装置及びその方法
US20100042382A1 (en) Method and Apparatus for Localizing and Mapping the Position of a Set of Points on a Digital Model
JP6328327B2 (ja) 画像処理装置及び画像処理方法
US8682037B2 (en) Method and system for thinning a point cloud
KR101628155B1 (ko) Ccl을 이용한 실시간 미확인 다중 동적물체 탐지 및 추적 방법
US8428343B2 (en) VOXEL map generator and method thereof
CN111354022B (zh) 基于核相关滤波的目标跟踪方法及系统
CN112818925A (zh) 一种城市建筑和树冠识别方法
Kang et al. Accurate fruit localisation using high resolution LiDAR-camera fusion and instance segmentation
CN112446927A (zh) 激光雷达和相机的联合标定方法、装置、设备及存储介质
CN112631303B (zh) 一种机器人定位方法、装置及电子设备
CN113160292B (zh) 一种基于智能移动终端的激光雷达点云数据三维建模装置及方法
CN115063762A (zh) 车道线的检测方法、装置、设备及存储介质
CN113196283A (zh) 使用射频信号的姿态估计
KR102548786B1 (ko) 라이다 센서를 이용하여 공간 모델을 생성하는 장치, 방법 및 시스템
CN112630798B (zh) 用于估计地面的方法和装置
CN113792645A (zh) 一种融合图像和激光雷达的ai眼球
CN114119465A (zh) 一种点云数据处理方法及装置
CN113932712A (zh) 一种基于深度相机和关键点的瓜果类蔬菜尺寸测量方法
Kolb et al. Tree trunk detection system using LiDAR for a semi-autonomous tree felling robot
Suzuki et al. Spatial model for capturing size and shape of object from point cloud data for robot vision system with LIDAR sensors
Knoll et al. Investigation of different plant root exit point vector search algorithms in organic farming

Legal Events

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