KR19990085551A - Object Detection Method Using Ultrasonic Sensor - Google Patents
Object Detection Method Using Ultrasonic Sensor Download PDFInfo
- Publication number
- KR19990085551A KR19990085551A KR1019980018025A KR19980018025A KR19990085551A KR 19990085551 A KR19990085551 A KR 19990085551A KR 1019980018025 A KR1019980018025 A KR 1019980018025A KR 19980018025 A KR19980018025 A KR 19980018025A KR 19990085551 A KR19990085551 A KR 19990085551A
- Authority
- KR
- South Korea
- Prior art keywords
- sensor
- cell
- measurement
- cells
- grid map
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 7
- 230000000593 degrading effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 241001237731 Microtia elva Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
Abstract
본 발명은 초음파 센서를 이용한 물체 탐지방법에 관한 것으로, 본 발명의 목적은 측정점 뿐만 아니라 측정 영역 내부의 셀들 중 측정 중심축에 있는 셀들에 대해서는 물체가 존재할 가능성인 확신도 값이 갱신되도록 하여 성능 저하 없이 빠른 속도로 장애물에 대한 탐지를 수행할 수 있는 초음파 센서를 이용한 물체 탐지방법을 제공하는데 있다.The present invention relates to a method for detecting an object using an ultrasonic sensor, and an object of the present invention is to reduce the performance by updating a confidence value that is likely to exist in an object for not only the measuring point but also the cells in the measurement center axis among the cells in the measuring area. The present invention provides an object detection method using an ultrasonic sensor that can detect an obstacle at high speed.
이를 위해 본 발명은 격자지도의 각 셀의 크기를 결정하고, 격자 지도의 각 셀을 초기화한 다음, 상기 각 센서로부터 측정데이타가 입력되면 상기 각 센서의 위치와 방향을 계산하고, 상기 센서의 위치와 방향, 측정 데이타를 이용하여 측정점을 계산한다. 그리고, 상기 센서의 현재 위치와 상기 계산된 측정점의 위치를 상기 격자 지도의 해당되는 셀에 각각 표시하고, 상기 격자지도상의 센서가 위치한 셀과 상기 측정점이 위치한 셀을 일 직선상으로 잇는 측정 중심축상에 위치한 셀들을 확인한 다음, 각각의 확신도 값을 계산하여 상기 계산된 각각의 확신도 값을 상기 측정점에 해당하는 셀과 상기 측정 중심축상에 해당하는 셀들에 저장된 이전의 확신도 값과 결합하여 상기 갱신된 확신도 값을 상기 각각의 해당 셀들에 저장한다.To this end, the present invention determines the size of each cell of the grid map, initializes each cell of the grid map, calculates the position and direction of each sensor when the measurement data is input from each sensor, the position of the sensor Calculate the measuring point using the, direction and measurement data. In addition, the current position of the sensor and the position of the calculated measurement point are respectively displayed in the corresponding cells of the grid map, and the measurement center axis connecting the cell where the sensor is located on the grid map and the cell where the measurement point is located in a straight line. Identify the cells located at, and calculate each confidence value, combining the calculated respective confidence values with previous confidence values stored in the cell corresponding to the measurement point and the cells corresponding to the measurement center axis. The updated confidence value is stored in each of the corresponding cells.
Description
본 발명은 초음파 센서를 이용한 물체 탐지방법에 관한 것으로, 더욱 자세하게는 하나 또는 그 이상의 초음파 센서들에 의해 측정된 측정값이 연속적으로 입력될 때, 이들 측정값들을 격자 형태의 지도에 기록함에 있어, 측정점 뿐만 아니라 측정 영역 내부의 셀들 중 측정 중심축에 있는 셀들에 대해서는 확신도 값이 갱신되도록 함으로써, 성능의 저하 없이 빠른 속도로 장애물에 대한 탐지를 수행할 수 있는 초음파 센서를 이용한 물체 탐지방법에 관한 것이다.The present invention relates to a method for detecting an object using an ultrasonic sensor, and more particularly, when the measured values measured by one or more ultrasonic sensors are continuously input, in recording these measured values on a map in a grid form, A method of detecting an object using an ultrasonic sensor that can detect obstacles at high speed without degrading performance by updating the confidence value for not only the measuring point but also the cells in the measuring axis among the cells in the measuring area. will be.
일반적으로 이동 로봇과 같은 로보틱스 분야에서는 주위의 상황을 인지하기 위해 초음파 센서를 이용하고 있다.In general, the robotics field such as a mobile robot uses an ultrasonic sensor to recognize the surrounding situation.
이동 로봇에 부착된 다수개의 초음파 센서들로부터 입력된 데이타들을 이용하여 물체를 탐지하기 위해 측정 데이타를 융합하는 방법으로는 모라백(Moravec)과 엘패스(Elfes)에 의해 제안된 "확신도 격자(Certainty grid)" 방식이 널리 사용되고 있다. 이 방법에서는 로봇이 동작하는 작업 공간을 2차원의 사각형 격자로 분할한다. 이때, 사각형 하나를 셀(cell)이라고 하는데, 여기에는 이 셀이 차지하는 영역내에 장애물이 있을 가능성에 대한 척도(certainty value) 즉 확신도가 기록된다. 초음파 센서로부터 새로운 데이타가 입력될 때마다 각 셀에 저장된 확신도는 갱신되는데, 모든 확신도 격자 방법에서는 장애물이 있을 가능성 척도인 확신도를 갱신하는 방법에 차이가 있다.A method of fusing measurement data to detect an object using data input from a plurality of ultrasonic sensors attached to a mobile robot is a "confidence grating" proposed by Morave and Elfes. Certainty grid) is widely used. In this method, the robot's working space is divided into a two-dimensional rectangular grid. At this time, one rectangle is called a cell, and a measure of the likelihood that there is an obstacle in the area occupied by the cell is recorded. Each time new data is input from the ultrasonic sensor, the confidence stored in each cell is updated. There is a difference in the method of updating the confidence, which is a measure of the likelihood of obstacles in all confidence grid methods.
확신도를 갱신하는 방법을 설명하기에 앞서 초음파 센서의 동작 특성을 도1을 참조하여 살펴본다.Before describing the method of updating the confidence level, the operating characteristics of the ultrasonic sensor will be described with reference to FIG. 1.
도1은 초음파 센서의 동작 특성을 설명하기 위한 도면으로, 도면에 도시된 바와 같이 초음파 센서는 부채꼴 형태의 영역내에 있는 물체까지의 거리를 측정하는데, 여기서 초음파 센서의 퍼지는 성질로 인하여 측정 중심축 이외에 측정현 상의 모든 위치에 장애물이 존재할 가능성이 존재하게 된다.1 is a view for explaining the operation characteristics of the ultrasonic sensor, as shown in the figure, the ultrasonic sensor measures the distance to the object in the sector of the fan-shaped region, where due to the spreading property of the ultrasonic sensor in addition to the measurement center axis There is a possibility that obstacles exist in all positions of the measurement phenomenon.
확신도 격자 방식을 처음 제안한 엘패스 등은 이러한 성질을 이용하여 측정 내부의 영역내에 해당되는 셀들에 대해서는 장애물이 존재할 가능성인 확신도를 낮추고, 측정현에 해당되는 셀들에 대해서는 장애물이 존재할 가능성인 확신도를 높이도록 하였는데, 이때 이전까지 측정된 확신도와 새로 측정된 확신도 값을 통합하기 위하여 베이어스(Bayes)의 정의(theorem)를 사용하였다.Elpass et al., Who first proposed the confidence grid method, use this property to reduce the confidence that an obstacle exists in the cells within the measurement area, and to ensure that an obstacle exists in the cells that correspond to the measurement string. To increase the degree, Bayes's theorem was used to integrate the previously measured and newly measured confidence values.
그 후에 패객(Pagac) 등은 통합의 성능을 향상시키기 위하여 베이어스의 정의 대신에 뎀프스터(Dempster)와 세이퍼(Shafer)가 제안한 증거형 추론(evidential reasoning) 방법을 이용하였다.Later, Pagac et al. Used the evidence-based reasoning method proposed by Dempster and Shaper instead of Bayes's to improve the performance of the integration.
그런데, 이러한 종래의 장애물 탐지방법들은 이론적인 면에서는 우수하지만, 실제로 적용하기에는 처리 시간이 많이 걸린다는 단점이 있다.However, these conventional obstacle detection methods are excellent in theory, but have a disadvantage in that it takes a lot of processing time to apply them in practice.
이러한 단점을 개선하기 위해 보렌스테인(Borenstein) 등이 제안한 방법에서는 측정점에 해당하는 셀에 저장된 확신도 값만 임의의 상수만큼 증가시킴으로써, 처리 속도의 향상을 꾀하였다. 이 방법의 기본적인 아이디어는 엘패스 등이 제안한 방법에서와 같이 모든 셀들에 대해 확신도 값을 갱신하지 않더라도, 로봇이 이동하면서 계속적으로 측정을 수행하므로, 결국은 모든 셀들의 확신도 값이 변화된다는 것이다.In order to alleviate this drawback, the method proposed by Borenstein et al. Improved the processing speed by increasing the confidence value stored in the cell corresponding to the measurement point by an arbitrary constant. The basic idea of this method is that even if the confidence value is not updated for all the cells as Elpass et al. Proposed, the robot continuously performs measurements as it moves, eventually changing the confidence value of all cells. .
그러나, 이 방법에서는 확신도 표현 및 갱신 방법을 너무 단순화시켜, 측정점에 해당되는 셀에 대해서만 확신도 값을 갱신함에 따라, 측정된 결과가 에러에 민감하게 되고, 확신도가 확률 값이 아니라 계속 증가하는 값이므로, 크기의 직접적인 비교가 어렵다는 등의 성능 저하를 야기시키는 문제점이 있었다.However, this method simplifies the method of expressing and updating confidence so much that as the confidence values are updated only for the cells corresponding to the measurement points, the measured results become error sensitive, and the confidence increases rather than the probability values. Since it is a value to be, there is a problem that causes performance deterioration, such as the direct comparison of the size is difficult.
따라서, 본 발명은 상기와 같은 종래 기술의 문제점을 해결하기 위해 안출된 것으로, 본 발명의 목적은 측정점에 해당되는 셀 뿐만 아니라 측정 영역 내부의 셀들 중 로봇과 측정점을 잇는 측정 중심축에 있는 셀들에 대해서도 확신도 값이 갱신되도록 함으로써, 측정 성능의 저하 없이 빠른 속도로 장애물 탐지 기능을 수행할 수 있는 초음파 센서를 이용한 물체 탐지방법을 제공하는데 있다.Accordingly, the present invention has been made to solve the above problems of the prior art, the object of the present invention is not only the cell corresponding to the measurement point but also the cells in the measurement center axis connecting the measurement point with the robot of the cells inside the measurement area. In addition, the confidence value is updated to provide an object detection method using an ultrasonic sensor that can perform an obstacle detection function at a high speed without degrading the measurement performance.
도1은 초음파 센서의 동작 특성을 설명하기 위한 도면.1 is a view for explaining the operating characteristics of the ultrasonic sensor.
도2는 본 발명이 적용되는 탐지장치의 개략적인 블럭 구성도.Figure 2 is a schematic block diagram of a detection apparatus to which the present invention is applied.
도3은 본 발명에 따른 탐지방법의 전체 흐름도.3 is an overall flowchart of a detection method according to the present invention;
*도면의 주요 부분에 대한 부호의 설명* Explanation of symbols for the main parts of the drawings
11 : 초음파 센서11: ultrasonic sensor
12 : 초음파 센서 측정 보드12: ultrasonic sensor measurement board
13 : 중앙처리장치13: central processing unit
14 : 메모리14: Memory
상기 목적을 달성하기 위한 본 발명은, 이동체에 결합된 다수개의 초음파 센서를 이용한 물체 탐지방법에 있어서, 격자지도의 각 셀의 크기를 결정하고, 격자 지도의 각 셀을 초기화하는 제1단계; 상기 각 센서로부터 측정데이타가 입력되면 상기 각 센서의 위치와 방향을 계산하는 제2단계; 상기 계산된 센서의 위치와 방향, 그리고 상기 센서에 의해 측정된 측정 데이타를 이용하여 측정점을 계산하는 제3단계; 상기 센서의 현재 위치와 상기 계산된 측정점의 위치를 상기 격자 지도의 해당되는 셀에 각각 표시하는 제4단계; 상기 격자지도상의 센서가 위치한 셀과 상기 측정점이 위치한 셀을 일 직선상으로 잇는 측정 중심축상에 위치한 셀들을 확인하는 제5단계; 상기 측정점에 대해서는 물체가 존재할 가능성의 척도인 확신도를 증가시키고, 상기 나머지 측정 중심축상에 대해서는 상기 확신도를 감소시키는 각각의 확신도 값을 계산하는 제6단계; 및 상기 계산된 각각의 확신도 값을 상기 측정점에 해당하는 셀과 상기 측정 중심축상에 해당하는 셀들에 저장된 이전의 확신도 값과 결합하여 상기 갱신된 확신도 값을 상기 각각의 해당 셀들에 저장하는 제7단계를 포함한 것을 특징으로 한다.According to an aspect of the present invention, there is provided a method of detecting an object using a plurality of ultrasonic sensors coupled to a moving object, the method comprising: determining a size of each cell of a grid map and initializing each cell of the grid map; A second step of calculating a position and a direction of each sensor when measurement data is input from each sensor; A third step of calculating a measurement point using the calculated position and direction of the sensor and measurement data measured by the sensor; Displaying a current position of the sensor and a position of the calculated measurement point in corresponding cells of the grid map, respectively; A fifth step of identifying cells located on a measurement center axis connecting a cell on which the sensor on the grid map is located and a cell on which the measurement point is located in a straight line; A sixth step of increasing each confidence value for the measurement point, which is a measure of the likelihood of an object being present, and for each of the remaining measurement central axes, calculating each confidence value that reduces the confidence; And storing the updated confidence value in each of the corresponding cells by combining the calculated respective confidence value with a previous confidence value stored in a cell corresponding to the measurement point and cells corresponding to the measurement center axis. Characterized in that it comprises a seventh step.
이하, 첨부된 도2 및 도3을 참조하여 본 발명의 일 실시예를 상세히 설명하기로 한다.Hereinafter, an embodiment of the present invention will be described in detail with reference to FIGS. 2 and 3.
도2는 본 발명이 적용되는 초음파 센서를 이용한 물체 탐지장치의 개략적인 블럭 구성도로서, 도면에서 11은 초음파 센서, 12는 초음파 센서 측정보드, 13은 중앙처리장치, 14는 메모리를 각각 나타낸다.FIG. 2 is a schematic block diagram of an object detecting apparatus using an ultrasonic sensor to which the present invention is applied, in which FIG. 11 is an ultrasonic sensor, 12 is an ultrasonic sensor measuring board, 13 is a central processing unit, and 14 is a memory.
다수개의 초음파 센서(11)로부터 측정된 센서와 물체와의 거리 정보는 초음파 센서 측정보드(12)에 의해 처리되어 전기신호로 버스를 통해 중앙처리장치(13)로 입력된다. 메모리(14)에는 2차원의 격자 지도가 형성되어 있으며, 중앙처리장치(13)는 초음파 센서 측정보드(12)로부터 입력된 데이타를 이용하여 각 측정 영역에서의 장애물이 존재할 가능성의 척도인 확신도를 계산하여 증거 추론 방법을 통해 메모리(14)의 각 셀에 저장된 이전 확신도 값을 갱신한다.The distance information between the sensor and the object measured by the plurality of ultrasonic sensors 11 is processed by the ultrasonic sensor measuring board 12 and input to the central processing unit 13 through the bus as an electrical signal. In the memory 14, a two-dimensional grid map is formed, and the central processing unit 13 uses the data input from the ultrasonic sensor measuring board 12 to determine the degree of confidence that an obstacle exists in each measurement area. Is calculated to update the previous confidence value stored in each cell of the memory 14 through the evidence inference method.
이와 같은 과정을 도3을 참조하여 보다 구체적으로 살펴본다.This process will be described in more detail with reference to FIG. 3.
도3은 본 발명에 따른 초음파 센서를 이용한 물체 탐지방법의 전체 흐름도이다.3 is an overall flowchart of an object detection method using an ultrasonic sensor according to the present invention.
일반적으로 컴퓨터 상에서 격자 지도는 2차원의 행렬로 구현된다. 각 셀이 차지하는 크기는 사용자가 임의로 정의할 수 있는데, 일반적으로 10cm에서 50cm 정도가 사용된다. 여기서, 격자 지도의 각 셀의 위치와 실제 공간상에서의 위치 간의 관계는 수학식 1과 같이 정의된다.In general, a grid map on a computer is implemented as a two-dimensional matrix. The size occupied by each cell can be arbitrarily defined by the user. Generally, about 10 cm to 50 cm is used. Here, the relationship between the position of each cell of the grid map and the position in the real space is defined as in Equation (1).
여기에서,
따라서, 본 발명에서는 초기에 초기화 및 셀의 크기를 설정하고, 격자 지도의 각 셀들을 클리어(Clear)시킨다(101). 이 상태에서 각 초음파 센서로부터 측정데이타가 입력되면(102), 센서의 위치(x,y)와 센서의 방향(θ)을 계산한다(103). 일반적으로 초음파 센서로부터 입력되는 측정 데이타는 초음파 센서의 중심으로부터 물체까지의 거리값(d)을 의미한다. 또한, 초음파 센서의 중심위치(
이와 같이 센서의 위치(x,y)와 방향(θ)을 구한 다음, 초음파 센서로부터 입력된 거리값(d)과 센서의 위치(x, y) 및 방향 정보를 이용하여 측정점을 계산한다(104). 즉, 측정점(dx,dy)는 수학식 2와 같이 계산될 수 있다.In this way, the position (x, y) and the direction (θ) of the sensor are obtained, and then the measurement point is calculated using the distance value (d) input from the ultrasonic sensor, the position (x, y) and the direction information of the sensor (104). ). That is, the measuring points dx and dy may be calculated as in Equation 2.
dy = y + d × sin(θ)dy = y + d × sin (θ)
수학식 2를 통해 현재의 측정점을 계산한 다음, 현재 로봇의 위치와 현재의 측정점(dx, dy)을 격자 지도 상에 표현한다(105, 106). 현재 로봇의 위치와 측정점의 위치를 격자 지도상에 표현하는 방법은 일반적인 방법으로 수학식 1을 이용하여 격자 지도상의 해당 셀의 위치를 확인할 수 있다.After calculating the current measurement point through Equation 2, the position of the current robot and the current measurement point (dx, dy) are represented on the grid map (105, 106). The method of expressing the position of the current robot and the position of the measurement point on the grid map is a general method to check the position of the corresponding cell on the grid map using Equation 1.
이와 같이 격자 지도상에서의 로봇의 위치와 측정점의 위치를 설정한 다음, 로봇과 측정점을 잇는 일 직선상에 위치한 셀의 위치를 확인한다(107). 즉, 측정 내부의 중심축 상의 점들은 측정점이 존재하는 셀과 초음파 센서가 위치한 셀을 직선으로 연결하는 셀이 되는데, 초음파 센서가 위치한 셀부터 측정점 셀까지 브레젠헴 알고리즘과 같이 직선을 잇는 방법을 이용하여 일 직선상에 위치한 셀들을 확인한다.As described above, after setting the position of the robot and the position of the measurement point on the grid map, the position of the cell located on a straight line connecting the robot and the measurement point is checked (107). In other words, the points on the central axis inside the measurement become a cell connecting the cell where the measuring point exists and the cell where the ultrasonic sensor is located in a straight line. Check the cells located on one straight line.
이렇게 확신도 값을 변경할 셀들을 결정한 다음, 측정점에 해당하는 셀에 대해서는 확신도 값을 증가시키고, 직선상에 위치한 나머지 셀들에 대해서는 확신도 값을 감소시킨 다음(108), 새롭게 계산된 확신도 값과 각 셀에 저장된 이전의 확신도 값을 결합하여 각 셀의 확신도 값을 갱신한다(109).After determining the cells to change the confidence value, increase the confidence value for the cell corresponding to the measurement point, decrease the confidence value for the remaining cells on the straight line (108), and then calculate the newly calculated confidence value. And the confidence value of each cell is updated by combining with the previous confidence value stored in each cell (109).
본 발명에서는 각 셀의 확신도 값을 결정하고, 갱신하기 위하여 증거형 추론 방법을 사용하는데, 이때 인식 프레임(FOD: Frame Of Discernment)은 Θ={E,O}로 정의한다. 여기에서 E는 셀에 아무런 물체도 없음을 나타내며, O는 무엇인가가 존재함을 나타낸다. 초음파 센서로부터 새로운 측정값이 입력될 때마다 위에서 설명한 방법으로 선택한 셀들의 확신도 값이 바뀌는데, 새로 입력된 측정값에 대한 확신도는 수학식 3과 같이 정의된다.In the present invention, an evidence-based reasoning method is used to determine and update the confidence value of each cell. In this case, a frame of discernment (FOD) is defined as Θ = {E, O}. Where E represents no object in the cell, and O represents something. Each time a new measurement value is input from the ultrasonic sensor, the confidence value of the selected cells is changed by the method described above. The confidence level of the newly input measurement value is defined as in Equation 3.
여기에서 P(O｜M)은 조건부 확률로서, 초음파 센서로 물체를 감지했을 때 실제로 물체가 있을 확률을 나타낸다. 이 값은 실험에 의해 통계적으로 구해진다. 이와 같이 새로 입력된 측정치에 대한 확신도가 결정되면 이전의 확신도 값과 결합되어야 하는데, 이때는 잘 알려진 뎀프스터(Dempster)의 결합 법칙이 사용된다.Here, P (O | M) is a conditional probability and represents the probability that the object is actually present when the object is detected by the ultrasonic sensor. This value is found statistically by experiment. Once the confidence level for the newly entered measurement is determined, it must be combined with the previous confidence value, in which the well-known Dempster's law of coupling is used.
상기와 같이 이루어지는 본 발명은 일부 셀들에 대한 가능성 값만을 변경하므로 처리 속도가 빠르다는 장점을 가지며, 증거적 추론 방법을 이용하므로 결과에 대한 신뢰성이 매우 우수하다. 또한 빈 공간과 아직 측정되지 않은 공간을 구분할 수 있으며, 기존의 방법들이 가지는 번짐 효과(물체만이 아니라 물체 주변의 셀들도 높은 가능성 값을 갖는 현상)도 거의 없다는 장점이 있다.The present invention made as described above has the advantage that the processing speed is fast because only the probability values for some cells are changed, and the reliability of the result is very excellent because the evidence reasoning method is used. In addition, it is possible to distinguish between empty space and unmeasured space, and there is almost no blurring effect (a phenomenon in which not only an object but also cells around an object have a high probability value) that existing methods have.
Claims (7)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019980018025A KR100264395B1 (en) | 1998-05-19 | 1998-05-19 | Method for detecting object using ultrasonic sensor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1019980018025A KR100264395B1 (en) | 1998-05-19 | 1998-05-19 | Method for detecting object using ultrasonic sensor |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR19990085551A true KR19990085551A (en) | 1999-12-06 |
| KR100264395B1 KR100264395B1 (en) | 2000-08-16 |
Family
ID=19537495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1019980018025A KR100264395B1 (en) | 1998-05-19 | 1998-05-19 | Method for detecting object using ultrasonic sensor |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100264395B1 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100772654B1 (en) * | 2006-06-20 | 2007-11-02 | 포항공과대학교 산학협력단 | Grid-based mapping method |
| KR100774515B1 (en) * | 2006-06-20 | 2007-11-08 | 포항공과대학교 산학협력단 | Localization method of autonomous mobile robot using grid-based map |
| KR100843085B1 (en) * | 2006-06-20 | 2008-07-02 | 삼성전자주식회사 | Method of building gridmap in mobile robot and method of cell decomposition using it |
| KR20180056391A (en) * | 2016-11-16 | 2018-05-28 | 고려대학교 산학협력단 | Device and method for detecting ultrasonic-sensor attack |
-
1998
- 1998-05-19 KR KR1019980018025A patent/KR100264395B1/en not_active IP Right Cessation
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100772654B1 (en) * | 2006-06-20 | 2007-11-02 | 포항공과대학교 산학협력단 | Grid-based mapping method |
| KR100774515B1 (en) * | 2006-06-20 | 2007-11-08 | 포항공과대학교 산학협력단 | Localization method of autonomous mobile robot using grid-based map |
| KR100843085B1 (en) * | 2006-06-20 | 2008-07-02 | 삼성전자주식회사 | Method of building gridmap in mobile robot and method of cell decomposition using it |
| KR20180056391A (en) * | 2016-11-16 | 2018-05-28 | 고려대학교 산학협력단 | Device and method for detecting ultrasonic-sensor attack |
Also Published As
| Publication number | Publication date |
|---|---|
| KR100264395B1 (en) | 2000-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7146713B2 (en) | Obstacle stationary state determination method, obstacle stationary state determination apparatus, computer equipment, computer storage medium, and vehicle | |
| CN112417967B (en) | Obstacle detection method, obstacle detection device, computer device, and storage medium | |
| CN108872991A (en) | Target analyte detection and recognition methods, device, electronic equipment, storage medium | |
| EP1978432B1 (en) | Routing apparatus for autonomous mobile unit | |
| CN112313477A (en) | Method for vehicle environment mapping and corresponding system, vehicle and computer program product | |
| US20100034422A1 (en) | Object tracking using linear features | |
| US7764284B2 (en) | Method and system for detecting and evaluating 3D changes from images and a 3D reference model | |
| EP2103957A1 (en) | Construction of evidence grid from multiple sensor measurements | |
| CN109738884B (en) | Object detection method and device and computer equipment | |
| US20220108544A1 (en) | Object detection apparatus, system and method | |
| JP3564897B2 (en) | Obstacle recognition device | |
| US20220254062A1 (en) | Method, device and storage medium for road slope predicating | |
| CN108263389A (en) | A kind of vehicle front false target device for eliminating and method | |
| WO2019073024A1 (en) | Lane sensing method | |
| CN111856499B (en) | Map construction method and device based on laser radar | |
| JP2006090957A (en) | Surrounding object detecting device for moving body, and surrounding object detection method for moving body | |
| US20090226094A1 (en) | Image correcting device and method, and computer program | |
| KR100264395B1 (en) | Method for detecting object using ultrasonic sensor | |
| Kohara et al. | Obstacle detection based on occupancy grid maps using stereovision system | |
| KR102498435B1 (en) | Apparatus and method for calibration of sensor system of autonomous vehicle | |
| JP2013097532A (en) | Evaluation value calculation device and evaluation value calculation method | |
| CN113158779A (en) | Walking method and device and computer storage medium | |
| CN111553342A (en) | Visual positioning method and device, computer equipment and storage medium | |
| CN114748099A (en) | Offset detection method, apparatus, device, and computer-readable storage medium | |
| EP0571121A2 (en) | Method and apparatus for image processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20080430 Year of fee payment: 9 |
|
| LAPS | Lapse due to unpaid annual fee |