KR20150112325A - Obstacle detection apparatus using signal intensity and the method thereof - Google Patents
Obstacle detection apparatus using signal intensity and the method thereof Download PDFInfo
- Publication number
- KR20150112325A KR20150112325A KR1020140036247A KR20140036247A KR20150112325A KR 20150112325 A KR20150112325 A KR 20150112325A KR 1020140036247 A KR1020140036247 A KR 1020140036247A KR 20140036247 A KR20140036247 A KR 20140036247A KR 20150112325 A KR20150112325 A KR 20150112325A
- Authority
- KR
- South Korea
- Prior art keywords
- obstacle
- data
- signal intensity
- distance
- laser scanner
- Prior art date
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
Abstract
Description
본 발명은 장애물 인식 장치 및 그 방법에 관한 것으로 특히, 레이저 스캐너를 통해 인식되는 신호세기 정보를 기 저장된 DB의 데이터와 비교하여 장애물의 종류를 인식하는 장치 및 방법에 관한 것이다.The present invention relates to an apparatus and method for recognizing an obstacle, and more particularly, to an apparatus and method for recognizing a type of an obstacle by comparing signal strength information recognized by a laser scanner with pre-stored DB data.
주변의 장애물을 자동 인식하는 장애물 인식 기술은 무인자율주행자동차 등 다양한 분야에서 사용될 수 있다. 장애물 인식을 위해 최근에는 레이저 스캐너(Laser Scanner)를 이용한 장애물 인식 기술이 사용되고 있다. Obstacle recognition technology that automatically recognizes obstacles around can be used in various fields such as unmanned autonomous vehicles. In order to recognize obstacles, an obstacle recognition technique using a laser scanner is recently used.
레이저 스캐너는 전방으로 적외선이나 레이저를 방사하여 물체에 반사되어 돌아오는 시간을 계산하여 물체와의 거리를 파악하는 LiDAR의 한 종류이다. LiDAR는 레이저를 목표물에 비춤으로써 사물까지의 거리, 방향, 속도, 온도, 물질 분포 및 농도 특성 등을 감지할 수 있는 장비이다. 높은 에너지 밀도와 짧은 주기를 가지는 펄스 신호를 생성할 수 있는 레이저의 장점을 활용한 장비로, 정밀한 대기 중의 물성 관측 및 거리 측정 등에 활용되고 있다. 그 중, LRF는 대기 중의 물성에 대한 측정 및 정보 제공보다는 단순히 거리에 대한 정보만 획득할 수 있는 장비이며, 물체로부터 반사되는 레이저빔의 수신 시간을 측정하여 거리를 측정하는 TOF 방식을 사용하여 거리를 측정할 수 있다. A laser scanner is a type of LiDAR that emits infrared rays or a laser beam forward to calculate the return time from an object to calculate the distance to the object. LiDAR is a device that detects the distance, direction, speed, temperature, material distribution and concentration characteristics to objects by illuminating the laser with the target. It utilizes the advantage of a laser capable of generating a pulse signal with high energy density and short cycle, and is used for precise measurement of physical properties in the atmosphere and distance measurement. Among them, LRF is a device that can acquire only distance information rather than providing measurement and information about the physical properties in the atmosphere. It measures the reception time of the laser beam reflected from the object, Can be measured.
레이저 스캐너를 통한 장애물 인식에는 다음과 같은 여러 가지 장점이 있다. 낮은 가격과 단순한 시스템에 비하여 굉장히 높은 인식률을 가진다는 점, 실내외 어느 환경에서도 사용할 수 있다는 점이 바로 그것이다. 실외 환경에서 사용할 수 있다는 점은 환경에 대한 강인함을 가지고 있다는 점으로 생각해 볼 수 있으며, 이 점이 레이저 스캐너를 사용하는 가장 큰 장점이다. 장애물 인식에 많이 사용되는 대표적 장비인 Vision과 비교하였을 때, Vision은 빛이 없는 어두운 환경에서는 장애물의 유무와 종류 등 어떠한 장애물 데이터도 획득할 수 없는데 반해, 레이저 스캐너는 어두운 환경에서도 장애물 데이터를 아무런 문제없이 획득할 수 있다.Obstacle recognition through laser scanner has several advantages as follows. It has a very high recognition rate compared with low price and simple system, and it can be used in any indoor or outdoor environment. The fact that it can be used in an outdoor environment can be considered as having a stronger environment, which is the biggest advantage of using laser scanners. When compared with Vision, which is a typical device used for obstacle recognition, Vision can not obtain any obstacle data such as existence and kind of obstacles in a dark environment without light, whereas laser scanner does not have obstacle data in dark environment Can be obtained without.
하지만 이러한 장점에 비해 레이저 스캐너를 통한 장애물 인식 기법에도 단점이 존재한다. 바로 장애물의 유무 및 장애물과의 거리에 대한 정보만을 획득할 수 있다는 점이다. 이러한 단점은 전방에 존재하는 장애물의 유무와 그 장애물과의 거리에 대한 정보만을 획득하므로, 획득된 장애물 데이터가 어떠한 종류의 장애물에 대한 데이터인지 대략적인 인식조차 불가능하고, 나아가서는 장애물의 종류에 맞는 정확한 명령 및 제어를 하지 못하는 상황이 발생된다. 즉, 레이저 스캐너를 통한 장애물 인식 기법은 장애물의 유무에 대한 인식은 가능하지만, 인식된 장애물의 종류에 대한 인식은 불가능하다.However, there are disadvantages to the obstacle recognition technique using the laser scanner. It is possible to acquire only the information about the presence of the obstacle and the distance to the obstacle. This disadvantage is that only information on the presence of obstacles existing in front and the distance between the obstacles is obtained, so that it is impossible to roughly recognize what type of obstacle data is obtained, and furthermore, There is a situation where accurate command and control can not be performed. That is, although the obstacle recognition method using the laser scanner can recognize the presence of the obstacle, it is impossible to recognize the kind of the recognized obstacle.
레이저 스캐너를 통한 장애물 인식에서의 이러한 문제점에 의해, 장애물 처리 분야에서는 주로 Vision을 통한 장애물 인식 기법 또는 Vision과 레이저 스캐너의 센서 융합을 통한 장애물 인식 기법을 사용한다. 하지만 Vision, Vision과 레이저 스캐너의 센서 융합을 통한 장애물 인식 기법에도 단점이 존재한다. Vision을 통한 장애물 인식 기법은 장애물 종류에 대한 인식이 가능하며, 그 결과를 통한 장애물의 종류에 맞는 정확한 명령 및 제어가 가능하지만, 비교적 많은 처리 절차에 의한 느린 연산시간과 어두운 환경에서 장애물을 인식할 수 없다는 결정적인 문제점 때문에 그 사용의 제한이 되고 있다. 이러한 문제점을 해결하기 위해 Vision과 레이저 스캐너의 센서 융합을 통한 장애물 인식 기법이 사용되고 있지만, 센서 융합을 통한 다수의 장비에 따른 비용 상승과 다수의 장비로부터 획득되는 많은 데이터의 처리에 따른 복잡도 증가, 결정적으로 증가한 복잡도에 따른 긴 연산시간으로부터 발생되는 낮은 실시간성의 이유로 문제점이 제기되고 있다. Due to these problems in the recognition of obstacles through a laser scanner, the obstacle processing field mainly uses an obstacle recognition technique through vision, or an obstacle recognition technique using vision and laser scanner sensor fusion. However, there are disadvantages to the obstacle recognition method through sensor fusion of Vision, Vision and laser scanner. The obstacle recognition method through Vision can recognize the obstacle type and can accurately command and control according to the kind of the obstacle through the result. However, it is difficult to recognize the obstacle in the dark environment due to the slow computation time It can not be used because of a decisive problem. In order to solve these problems, obstacle recognition method using sensor fusion of Vision and laser scanner is used. However, it is difficult to increase the cost due to many equipment through sensor fusion, increase complexity due to processing of a large amount of data acquired from a large number of devices, Which is caused by a long computation time in accordance with the increased complexity.
즉, 종래에도 자동운전차량 및 평면 장애물인식방법(한국등록특허 10-1240469) 등은 다수 개시되어 있으나, 상기의 문제점을 해결하지는 못하였다.That is, although a large number of conventional automatic driving vehicles and planar obstacle recognition methods (Korean Patent Registration No. 10-1240469) have been disclosed in the past, they have not solved the above problems.
따라서, 단일 레이저 스캐너 및 반사 신호의 세기를 이용하여 장애물의 종류를 쉽게 식별할 수 있는 장애물 인식장치에 관한 연구가 요구된다.Therefore, there is a need for research on an obstacle recognition device that can easily identify the type of obstacle by using the strength of a single laser scanner and a reflected signal.
본 발명은 레이저 스캐너에서 방사된 신호가 물체에 반사되어 돌아오는 반사신호의 세기를 감지하고, 기 저장된 DB의 자료와 비교하여 장애물을 인식함으로써, 빠른 연산 시간 및 낮은 복잡도를 제공하는 장애물 인식 장치 및 방법을 제공한다.The present invention relates to an obstacle recognizing apparatus which detects a strength of a reflected signal reflected by an object reflected from an object and recognizes an obstacle by comparing the intensity of a reflected DB with data stored in a DB to provide fast computation time and low complexity, ≪ / RTI >
본 발명은 물체에 반사된 신호세기 데이터를 기 저장된 DB의 장애물 데이터와 비교하여 가장 오차가 작은 장애물 데이터를 전방의 장애물로 인식함으로써, 장애물의 종류에 대해 손쉬운 인식이 가능한 장애물 인식 장치 및 방법을 제공한다.The present invention provides an apparatus and method for recognizing an obstacle capable of easily recognizing the types of obstacles by recognizing obstacle data having smallest errors as front obstacles by comparing signal intensity data reflected on an object with obstacle data of pre-stored DB do.
본 발명의 일실시예에 따른 장애물 인식 장치는, 다수의 장애물의 정보를 저장하는 장애물 데이터베이스, 레이저 스캐너로부터 방사(放射)된 레이저 신호가 전방의 물체에 반사되어 돌아오는 신호세기 정보인 장애물 신호세기 데이터를 입력 받는 장애물 신호세기 데이터 입력부, 상기 레이저 스캐너와 상기 전방의 물체와의 거리 값에 대한 데이터인 거리 데이터를 입력 받는 거리 데이터 입력부, 상기 장애물 신호세기 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출하는 데이터 가공부 및 상기 장애물 데이터베이스의 각 장애물에 대하여 기 저장된 신호세기 데이터와 상기 후보영역 추출 데이터를 비교하여 장애물의 종류를 인식하고, 상기 거리 데이터를 이용하여 상기 장애물과의 거리를 인식하는 장애물 인식부를 포함할 수 있다.An obstacle recognition apparatus according to an embodiment of the present invention includes an obstacle database for storing information on a plurality of obstacles, an obstacle database for storing obstacle signal intensity, which is signal intensity information reflected from an object ahead of the laser signal radiated from the laser scanner, A distance data input unit for receiving distance data, which is data on a distance value between the laser scanner and the object in front of the obstacle, from the obstacle signal intensity data, And an obstacle database for recognizing the type of the obstacle by comparing the preliminarily stored signal intensity data and the candidate area extraction data with respect to each obstacle in the obstacle database, And a recognition unit.
본 발명의 일실시예에 따른 장애물 인식 장치는, 상기 레이저 스캐너를 이용하여 크기와 형태가 상이한 동 종류의 장애물에 대해 반사된 신호세기 데이터를 다수 입력 받고, 상기 입력 받은 다수의 신호세기 데이터의 평균값을 상기 장애물에 대한 신호세기인 것으로 상기 장애물 데이터베이스에 저장하는 데이터 학습부를 더 포함할 수 있다.An obstacle recognizing apparatus according to an embodiment of the present invention receives a plurality of signal intensity data reflected from an obstacle of the same type having different sizes and shapes using the laser scanner, To the obstacle database as a signal strength for the obstacle.
본 발명의 일측면에 따르면, 상기 장애물 인식부는, 상기 후보영역 추출 데이터와 기 저장된 다수의 장애물에 대한 신호세기 데이터를 각각 비교한 후, 상기 후보영역 추출 데이터와의 오차가 가장 작은 신호세기 데이터에 대응하는 장애물이 전방에 위치하는 것으로 인식할 수 있다.According to an aspect of the present invention, the obstacle recognizing unit compares the candidate region extracting data with the signal intensity data for a plurality of pre-stored obstacles, respectively, and then outputs the signal strength data having the smallest error with the candidate region extracting data It can be recognized that the corresponding obstacle is located in front.
본 발명의 일실시예에 따른 장애물 인식 방법은, 레이저 스캐너로부터 방사(放射)된 레이저 신호가 전방의 물체에 반사되어 돌아오는 신호세기 정보인 장애물 신호세기 데이터를 입력 받는 단계, 상기 장애물 신호세기 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출하는 단계 및 상기 장애물 데이터베이스의 각 장애물에 대하여 기 저장된 신호세기 데이터와 상기 후보영역 추출 데이터를 비교하여 장애물의 종류를 인식하는 단계를 포함할 수 있다.A method for recognizing an obstacle according to an embodiment of the present invention includes the steps of receiving obstacle signal intensity data, which is signal intensity information that is reflected by a forward object in response to a laser signal radiated from a laser scanner, Extracting candidate region extracting data for identifying an obstacle from the obstacle database, and recognizing the type of the obstacle by comparing the stored signal intensity data and the candidate region extracting data with respect to each obstacle in the obstacle database.
본 발명의 일측면에 따른 장애물 인식 방법은, 상기 레이저 스캐너와 상기 전방의 물체와의 거리 값에 대한 데이터인 거리 데이터를 입력 받는 단계 및 상기 거리 데이터를 이용하여 상기 장애물과의 거리를 인식하는 단계를 더 포함할 수 있다.A method for recognizing an obstacle according to an aspect of the present invention includes receiving distance data that is data on a distance value between the laser scanner and an object ahead of the obstacle and recognizing a distance between the object and the laser scanner using the distance data As shown in FIG.
본 발명의 일실시예에 따르면, 레이저 스캐너에서 방사된 신호가 물체에 반사되어 돌아오는 반사신호의 세기를 감지하고, 기 저장된 DB의 자료와 비교하여 장애물을 인식함으로써, 빠른 연산 시간 및 낮은 복잡도를 제공하는 장애물 인식 장치 및 방법이 제공된다.According to an embodiment of the present invention, the intensity of a reflected signal reflected from an object reflected by a signal emitted from a laser scanner is sensed and compared with data stored in a DB to recognize obstacles, thereby achieving fast computation time and low complexity An obstacle recognizing apparatus and method are provided.
본 발명의 일실시예에 따르면, 물체에 반사된 신호세기 데이터를 기 저장된 DB의 장애물 데이터와 비교하여 가장 오차가 작은 장애물 데이터를 전방의 장애물로 인식함으로써, 장애물의 종류에 대해 손쉬운 인식이 가능한 장애물 인식 장치 및 방법이 제공된다.According to an embodiment of the present invention, the signal intensity data reflected on the object is compared with the obstacle data of the pre-stored DB, and the obstacle data with the smallest error is recognized as the obstacle ahead, A recognition apparatus and method are provided.
도 1은 본 발명의 실시예에 따른 장애물 인식 장치의 구성을 나타낸 블록도.
도 2는 본 발명의 실시예에 따라 차량에서 장애물 인식 장치가 동작하는 과정을 설명하기 위한 도면.
도 3은 본 발명의 실시예에 따라 장애물 신호세기 데이터를 장애물 데이터베이스의 데이터와 비교하여 장애물을 인식하는 과정을 설명하기 위한 도면.
도 4는 본 발명의 실시예에 따른 장애물 인식 방법을 나타낸 동작흐름도.1 is a block diagram showing a configuration of an obstacle recognition apparatus according to an embodiment of the present invention;
2 is a diagram for explaining a process of operating an obstacle recognizing apparatus in a vehicle according to an embodiment of the present invention;
3 is a diagram for explaining a process of recognizing an obstacle by comparing obstacle signal intensity data with data of an obstacle database according to an embodiment of the present invention;
4 is a flowchart illustrating an obstacle recognizing method according to an embodiment of the present invention.
이하, 첨부된 도면들에 기재된 내용들을 참조하여 본 발명의 실시예들을 상세하게 설명한다. 다만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. However, the present invention is not limited to or limited by the embodiments. Like reference symbols in the drawings denote like elements.
도 1은 본 발명의 실시예에 따른 장애물 인식 장치의 구성을 나타낸 블록도이다.1 is a block diagram showing the configuration of an obstacle recognizing apparatus according to an embodiment of the present invention.
도 1을 참고하면, 장애물 인식 장치(100)는 장애물 데이터베이스(140), 장애물 신호세기 데이터 입력부(111), 거리 데이터 입력부(112), 데이터 가공부(120), 및 장애물 인식부(130)를 포함할 수 있다.1, the
여기서, 장애물 데이터베이스(140)는 다수의 장애물의 정보를 저장할 수 있다. 즉, 다양한 장애물들 각각에 대하여 장애물에 반사되어 돌아오는 신호의 세기(일반적으로 장애물의 매질에 따라 상이함), 장애물의 폭, 장애물과의 거리, 장애물과의 각도 등을 각 장애물 별로 저장할 수 있다. 예를 들어, 자동차의 운행 시 전방에 나타날 수 있는 장애물들에 대한 장애물 데이터베이스를 구축하기 위해 외부차량, 보행자, 차단봉, 도로 연석 등을 장애물로 규정하고 각 장애물들에 대한 반사신호의 세기, 폭, 거리 정보 등을 DB화 할 수 있다. Here, the obstacle database 140 may store information of a plurality of obstacles. That is, for each of the various obstacles, it is possible to store the intensity of the signal reflected on the obstacle (generally depending on the medium of the obstacle), the width of the obstacle, the distance from the obstacle, . For example, in order to construct an obstacle database for the obstacles that may appear in the front of the vehicle, the external vehicle, the pedestrian, the barb, and the road curb are defined as obstacles and the intensity, width, Distance information and the like can be converted into a DB.
한편, 차량에 적용될 수 있는 장애물 인식 장치(100)의 구현예는 도 2를 참고하여 이하에서 설명한다.On the other hand, an embodiment of an
도 2는 본 발명의 실시예에 따라 차량에서 장애물 인식 장치가 동작하는 과정을 설명하기 위한 도면이다.2 is a diagram for explaining a process of operating an obstacle recognizing apparatus in a vehicle according to an embodiment of the present invention.
도 2를 참고하면, 장애물 인식 장치는 차량에서 사용될 수 있으며, 무인자율주행 등에 사용될 수 있다.Referring to FIG. 2, the obstacle recognizing apparatus can be used in a vehicle, and can be used for autonomous navigation.
이를 위한 동작 과정을 살펴보면, 단일 레이저 스캐너(210)를 통해 전방의 장애물을 스캔하고, 장애물에 대한 반사 신호의 데이터(ex. 장애물 신호세기 데이터)는 레이저 스캐너와 차량용 PC와의 TCP/IP 통신을 통해 차량으로 전송될 수 있다.In operation, the obstacle is scanned through the
차량으로 전송된 장애물 신호세기 데이터는 장애물 데이터베이스의 데이터와 비교되어, 그 결과 최종적으로 장애물을 인식할 수 있다.The obstacle signal strength data transmitted to the vehicle is compared with the data of the obstacle database, and as a result, the obstacle can finally be recognized.
다시 도 1을 참고하면, 장애물 신호세기 데이터 입력부(111)는 레이저 스캐너로부터 방사(放射)된 레이저 신호가 전방의 물체에 반사되어 돌아오는 신호세기 정보인 장애물 신호세기 데이터를 입력 받을 수 있다. 즉, 레이저 스캐너가 전방의 물체에 대해 신호를 방사하면, 장애물 신호세기 데이터 입력부(111)는 상기 물체에 반사된 신호를 상기 레이저 스캐너를 통해 입력 받을 수 있고, 이를 통해 반사된 신호의 세기 값을 추출할 수 있다. Referring to FIG. 1 again, the obstacle signal intensity data input unit 111 can receive obstacle signal intensity data, which is signal intensity information reflected from a forward object by a laser signal radiated from the laser scanner. That is, when the laser scanner emits a signal to an object ahead, the obstacle signal intensity data input unit 111 can receive a signal reflected by the object through the laser scanner, Can be extracted.
앞서 언급한 바와 같이, 상기 반사된 신호의 세기는 물체를 구성하는 매질의 종류에 따라 상이하므로, 기 저장된 장애물 데이터베이스(140)의 장애물 별 신호세기 값들과 비교되어 장애물의 종류를 판별하는데 사용될 수 있다.As described above, since the intensity of the reflected signal differs depending on the type of medium constituting the object, it can be used to discriminate the type of the obstacle by comparing it with the signal intensity values of the obstacles in the pre-stored obstacle database 140 .
거리 데이터 입력부(112)는 상기 레이저 스캐너와 상기 전방의 물체와의 거리 값에 대한 데이터인 거리 데이터를 입력 받을 수 있다. 따라서, 상기 거리 데이터는 물체와의 거리를 판별하는데 사용될 수 있다.The distance
데이터 가공부(120)는 상기 장애물 신호세기 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출할 수 있다. 즉, 획득된 장애물 신호세기 데이터는 대상이 되는 장애물에 대한 신호세기 정보 이외에도 불필요한 데이터(넓은 인식각도에 따른 전방의 모든 장애물 및 주위 환경에 대한 데이터 등)가 포함되어 있으므로, 장애물 신호세기 데이터에 포함된 데이터 중 전방에 있는 대상 장애물에 대한 정보를 포함할 것으로 생각되는 데이터인 후보영역 추출 데이터를 추출할 수 있다. 이때, 후보영역 추출은 공지된 ROI(Region Of Interest) 검출을 통해 이루어질 수 있고, 후보영역 추출 데이터를 제외한 나머지 데이터는 삭제한 후 장애물 인식부(130)로 전달될 수 있다. The
즉, 후보영역 추출 데이터를 추출하는 과정은 레이저 스캐너를 통해 전방에 존재하는 장애물의 신호세기 데이터를 획득 할 때, 획득된 장애물 신호세기 데이터 중 불필요한 데이터를 삭제하여 필요한 데이터만으로 축소화하는 과정으로서, 데이터 축소화를 통해 데이터 처리량을 감소시켜 빠른 연산시간을 통한 높은 실시간성을 야기하는 과정이다.That is, in the process of extracting the candidate region extraction data, when obtaining the signal intensity data of the obstacle present in the front through the laser scanner, unnecessary data among the obtained obstacle signal intensity data is deleted and only the necessary data is reduced, The reduction in data throughput is a process that leads to high real-time through fast computation time.
보다 상세하게는, 레이저 스캐너를 통해 전방에 위치하는 장애물 신호세기 데이터를 획득하면 스캐너의 인식 각도(Scan Angle)와 각 분해능(Angular Resolution)에 따라 장애물 데이터의 크기 및 양이 결정되고, 결정된 크기 및 양 만큼의 데이터가 획득된다. 인식 각도는 레이저 스캐너가 전방으로 레이저를 방사하는 각도를 의미하며, 넓은 인식 각도일수록 넓은 범위를 인식할 수 있다. 또한, 각 분해능은 인식 각도 범위 안에서 2개의 목표물을 인식하는 경우, 2개의 장애물을 구별할 수 있는 최소한의 각도를 의미하며, 작은 각 분해능일수록 인식 각도 안에서 자세하고 촘촘하게 데이터를 획득할 수 있음을 의미한다. 즉, 인식 각도가 넓을수록, 각 분해능이 작을수록 많은 데이터가 획득될 수 있다. More specifically, when the obstacle signal intensity data located ahead through the laser scanner is acquired, the size and amount of the obstacle data are determined according to the scan angle and the angular resolution of the scanner, An amount of data is obtained. The recognition angle means the angle at which the laser scanner radiates the laser in the forward direction, and the wider the recognition angle, the wider the range can be recognized. In addition, each resolution means a minimum angle that can distinguish two obstacles when recognizing two targets within the recognition angle range, and it means that the smaller angle resolution can acquire the detailed and detailed data within the recognition angle do. That is, the larger the recognition angle, the smaller the resolution, the more data can be obtained.
이처럼 많은 양의 장애물 데이터가 레이저 스캐너를 통해 획득되고, 획득된 데이터에는 넓은 인식각도에 따른 전방의 모든 장애물 및 주위 환경에 대한 데이터가 포함될 수 있으나 본 발명의 일실시예에서는 레이저 스캐너의 인식 각도에 포함되는 모든 장애물의 신호세기 데이터가 아닌 전방에 있는 특정 장애물의 신호세기 데이터만이 필요하다. Although a large amount of obstacle data is obtained through the laser scanner, the obtained data may include data on the front obstacle and the surrounding environment according to a wide recognition angle. However, in an embodiment of the present invention, Only the signal strength data of the specific obstacle ahead of the signal strength data of all obstacles included are required.
레이저 스캐너로부터 획득된 장애물 신호세기 데이터에는 본 발명에서 인식하고자 하는 특정 장애물에 대한 데이터 이외의 불필요한 데이터가 다수 포함되어 있다. 이와 같이 불필요한 데이터는 단순히 데이터의 크기를 키우고, 처리량을 늘려 연산 속도를 감소시키는 등 최종적으로 빠른 실시간성을 기대하기 어렵게 만드는 원인이 될 수 있다. 이에, 본 발명의 일실시예에서는 레이저 스캐너로부터 획득되는 장애물 신호세기 데이터 중 필요하지 않은 데이터를 제외한 필요한 데이터만을 확보하는 과정을 필요로 하며, 이 과정이 후보영역 추출 데이터를 추출하는 과정에 해당한다.The obstacle signal intensity data acquired from the laser scanner includes a plurality of unnecessary data other than the data for the specific obstacle to be recognized by the present invention. Such unnecessary data simply causes the size of the data to increase, and the throughput is increased to reduce the operation speed, which may cause the final real-time property to be difficult to expect. Accordingly, in one embodiment of the present invention, it is necessary to acquire only necessary data from the obstacle signal intensity data obtained from the laser scanner except for unnecessary data, and this process corresponds to a process of extracting candidate region extraction data .
장애물 인식부(130)는 상기 장애물 데이터베이스의 각 장애물에 대하여 기 저장된 신호세기 데이터와 상기 후보영역 추출 데이터를 비교하여 장애물의 종류를 인식하고, 상기 거리 데이터를 이용하여 상기 장애물과의 거리를 인식할 수 있다. 예를 들어, 상기 후보영역 추출 데이터에 포함된 장애물의 정보(반사 신호의 세기, 장애물의 폭, 장애물과의 거리 등)를 장애물 데이터베이스(140)의 기 저장된 장애물의 데이터들(자동차, 보행자, 차단봉, 도로연석 등에 대한 데이터)과 비교하여 가장 오차가 작은 장애물을 전방의 장애물로 인식할 수 있다.The
또한, 장애물을 인식하는 과정은, 실시간으로 반복해서 실행되는 과정으로써, 장애물 데이터베이스 제작 과정을 통하여 제작된 장애물 데이터베이스(140)와 레이저 스캐너가 획득하는 전방의 장애물 신호세기 데이터로부터 추출된 후보영역 추출 데이터를 비교하여, 레이저 스캐너가 획득한 전방의 장애물 종류를 정확히 인식하는 과정이다. In addition, the process of recognizing the obstacle is repeatedly executed in real time. In the process of recognizing the obstacle, the obstacle database 140 and the candidate area extraction data extracted from the front obstacle signal intensity data acquired by the laser scanner To accurately recognize the type of the obstacle ahead of the laser scanner.
종래의 장애물 인식 방법은 높은 실시간성과 빠른 데이터 처리 속도를 요구하게 되며, 만약 요구되는 높은 실시간성과 빠른 데이터 처리 속도를 만족하지 못한다면 정확한 장애물 인식에 문제가 발생하였기에, 본 발명에서는 레이저 스캐너를 통해 전방의 장애물 신호세기 데이터 및 이로부터 후보영역 추출 데이터를 획득하고, 획득한 장애물의 종류를 인식하기 위해 장애물 데이터베이스에 저장된 데이터와 비교기를 통해 비교할 수 있다. 비교기를 통해 장애물 데이터베이스에 저장된 데이터들과의 오차를 계산하고, 계산한 오차의 크기를 비교하여 최종적인 오차를 구할 수 있다.Conventional obstacle recognition methods require high real-time and fast data processing speed. If the high real-time and fast data processing speed are not satisfied, a problem occurs in correct obstacle recognition. Therefore, in the present invention, Obstacle signal strength data and candidate region extraction data therefrom may be obtained and compared with data stored in the obstacle database through a comparator to recognize the type of obstacle obtained. The comparator can calculate the error between the data stored in the obstacle database and the final error by comparing the calculated error.
상기 비교기를 통해 비교하는 과정은 도 3을 참조하여 이하에서 보다 상세하게 설명한다.The comparison process through the comparator will be described in more detail below with reference to FIG.
도 3은 본 발명의 실시예에 따라 장애물 신호세기 데이터를 장애물 데이터베이스의 데이터와 비교하여 장애물을 인식하는 과정을 설명하기 위한 도면이다.3 is a diagram for explaining a process of recognizing an obstacle by comparing obstacle signal intensity data with data of an obstacle database according to an embodiment of the present invention.
도 3을 참고하면, 레이저 스캐너로부터 입력되는 후보영역 추출 데이터(310)는 장애물 데이터베이스(140)에 저장된 장애물 A의 신호세기 데이터(321) 및 장애물 B의 신호세기 데이터 (322)와 각각 비교될 수 있다. 3, the candidate
그 결과 장애물 A의 신호세기 데이터와 후보영역 추출 데이터와의 오차 및 장애물 B의 신호세기 데이터와 후보영역 추출 데이터와의 오차 중 오차의 크기가 작은 것을 선택하여 최종 장애물로 분류하고 인식할 수 있다.As a result, an error between the signal intensity data of the obstacle A and the candidate region extraction data and the error between the signal strength data of the obstacle B and the candidate region extraction data is selected, and the error can be classified and recognized as the final obstacle.
한편, 장애물 데이터베이스(140) 구축을 위해 장애물 인식 장치(100)는 데이터 학습부(미도시)를 더 포함할 수 있다.Meanwhile, the
데이터 학습부(미도시)는 레이저 스캐너를 이용하여 크기와 형태가 상이한 동 종류의 장애물 신호세기 데이터를 다수 입력 받고, 상기 입력 받은 다수의 장애물 신호세기 데이터의 평균값을 텍스트 형태로 저장하여 장애물 데이터베이스(140)를 구축할 수 있다.The data learning unit (not shown) receives a plurality of obstacle signal intensity data of the same size and shape using a laser scanner, stores an average value of the input obstacle signal intensity data in a text form, 140 can be constructed.
즉, 데이터 학습부(미도시)는, 레이저 스캐너를 통해 전방의 장애물 신호세기 데이터를 획득하고 후보영역 추출 과정을 거쳐 필요한 만큼의 데이터만을 축소화 시킨 후, 획득 된 데이터의 평균화 작업을 수행하여 장애물의 DB를 제작할 수 있다.That is, the data learning unit (not shown) obtains the obstacle signal intensity data at the front side through the laser scanner, scans only the necessary data through the candidate region extraction process, and then performs the averaging operation of the obtained data, DB can be produced.
보다 상세한 설명은 다음과 같다. 먼저 레이저 스캐너의 각 분해능(Angular Resolution)으로 구분이 가능한 장애물의 종류(ex. 차량, 보행자, 차단봉 등)를 정의하고, 정의된 장애물에 대한 정보(ex. 장애물에 대한 반사신호의 세기, 장애물과의 거리, 장애물의 폭 등)를 레이저 스캐너를 통하여 측정하여 텍스트 파일(text file) 형식으로 저장한다. 이러한 과정을 반복하여 같은 종류의 장애물에 대한 여러 개의 장애물 데이터를 확보하고, 확보된 여러 개의 데이터를 평균화 작업을 통하여 하나의 DB 파일로 생성할 수 있다. A more detailed description follows. First, we define the types of obstacles that can be distinguished by the angular resolution of the laser scanner (ex: vehicle, pedestrian, and bar), and information about the defined obstacle (eg, intensity of the reflected signal to the obstacle, Distance of the obstacle, etc.) is measured through a laser scanner and stored in a text file format. This process is repeated to obtain multiple obstacle data for the same kind of obstacle, and a plurality of secured data can be averaged to generate one DB file.
예를 들어, 레이저 스캐너의 각 분해능(Angular Resolution)을 통해 차단봉이 본 발명을 통해 충분히 구분이 가능한 장애물이라고 판단이 되었다면, 우선 차단봉에 대한 여러 개의 장애물 데이터를 획득하여 텍스트 파일 형식으로 저장할 수 있다. 이때, 차단봉의 종류에 따라 그 재질이 다소 상이할 수 있으므로 여러 종류의 차단봉에 대한 신호세기 데이터를 획득하고 평균화 작업(각 수치의 평균을 구함)을 통하여 일반적인 차단봉의 신호세기에 대한 장애물 데이터베이스를 제작할 수 있다. 제작된 장애물 데이터베이스는 앞서 설명한 바와 같이 전방의 물체로부터 획득된 신호세기와 비교하여 장애물을 인식하는데 사용될 수 있다. For example, if it is determined through the angular resolution of the laser scanner that the obstacle can be sufficiently discriminated by the present invention, the obstacle data for the obstacle can be obtained and stored in a text file format. At this time, since the materials may be slightly different depending on the type of the bar, the signal intensity data for the various types of bar is obtained and an obstacle database for the signal strength of the normal bar is produced through the averaging operation . The prepared obstacle database can be used to recognize an obstacle as compared with the signal strength obtained from an object in front as described above.
본 발명의 일실시예에 따르면, 후보영역 추출을 통한 축소화된 데이터 및 텍스트 파일 형식으로 저장된 장애물 데이터와 같이 저용량의 데이터를 비교하게 되므로, 낮은 복잡도를 기대할 수 있다.According to an embodiment of the present invention, low-complexity data such as reduced data obtained through candidate region extraction and obstacle data stored in a text file format are compared with each other, so that low complexity can be expected.
즉, 종래에는 레이저 스캐너를 통하여 장애물을 인식 할 때, 전방의 데이터를 획득하고 획득된 장애물 데이터가 어떠한 종류의 장애물 인지를 실시간으로 계속하여 판단하는 과정을 수행하였으며, 장애물의 종류를 인식하는 종래의 과정은 높은 실시간성과 빠른 데이터 처리 속도를 요구하였다. That is, conventionally, when recognizing an obstacle through a laser scanner, a process of acquiring data in front of the obstacle and continuously determining in real time what type of obstacle is obtained is performed. The process required high real-time and fast data processing speed.
그러나 본 발명의 일실시예에서는 레이저 스캐너로부터 인식할 수 있는 장애물의 종류에 대하여 미리 정의하고, 정의된 장애물의 종류별 장애물 DB를 제작하여, 획득된 전방의 장애물 신호세기 데이터와의 비교 과정을 통하여 장애물을 인식할 수 있어 빠른 연산과 낮은 복잡도를 기대할 수 있다. However, in an embodiment of the present invention, the types of obstacles that can be recognized by the laser scanner are defined in advance, an obstacle DB for each type of obstacle is prepared, and a comparison process is performed with the obtained obstacle signal intensity data, It is possible to expect fast operation and low complexity.
도 4는 본 발명의 실시예에 따른 장애물 인식 방법을 나타낸 동작흐름도이다. 본 발명의 실시예에 따른 장애물 인식을 위해서는 상기 도 1 내지 도 3에서 언급된 장애물 인식 장치의 구성이 적용될 수 있으며, 설명이 중복되는 부분은 이하에서는 생략하여 서술하도록 한다.4 is a flowchart illustrating an obstacle recognizing method according to an embodiment of the present invention. In order to recognize the obstacle according to the embodiment of the present invention, the configuration of the obstacle recognizing apparatus described with reference to FIGS. 1 to 3 may be applied, and the description will be omitted.
도 4를 참고하면, 단계(410)에서는 레이저 스캐너로부터 방사(放射)된 레이저 신호가 전방의 물체에 반사되어 돌아오는 신호세기 정보인 장애물 신호세기 데이터를 입력 받을 수 있다. 이때, 레이저 스캐너는 보다 정확하고 입체적인 데이터를 회득할 수 있도록 단일 레이저 스캐너 또는 Multi-layer 레이저 스캐너를 사용하는 것이 바람직하지만 이것으로 제한되는 것은 아니다.Referring to FIG. 4, in
단계(420)에서는 상기 장애물 신호세기 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출할 수 있고, 단계(430)에서는 상기 후보영역 추출 데이터로부터 전방의 물체가 장애물이 아니라고 판단될 경우, 또 다른 후보영역 추출 데이터를 추출할 수 있으며, 전방의 물체가 장애물이라고 판단될 경우 단계(440)에서 장애물 DB의 신호세기 데이터와 비교할 수 있고, 단계(450)에서는 그 결과에 따라 최종적인 장애물을 인식할 수 있다.In
한편, 본 발명의 실시예에 따른 장애물 인식 방법은 상기 레이저 스캐너와 상기 전방의 물체와의 거리 값에 대한 데이터인 거리 데이터를 입력 받는 단계(미도시) 및 상기 거리 데이터를 이용하여 상기 장애물과의 거리를 인식하는 단계(미도시)를 더 포함할 수 있고, 상기 거리 데이터를 이용하여 장애물과의 거리를 판별할 수 있다.In the meantime, the method for recognizing an obstacle according to an embodiment of the present invention includes the steps of receiving distance data, which is data on a distance value between the laser scanner and the object ahead, (not shown) (Not shown) for recognizing the distance, and the distance between the obstacle and the obstacle can be determined using the distance data.
상기와 같이, 본 발명의 일실시예에서는 기 저장된 DB의 신호세기 데이터와 레이저 스캐너에 입력된 전방 물체의 신호세기를 비교하여 장애물을 인식함으로써, 빠른 연산, 낮은 복잡도, 저비용의 장애물 인식장치를 구현할 수 있다.As described above, according to the embodiment of the present invention, the obstacle is recognized by comparing the signal strength data of the pre-stored DB and the signal intensity of the forward object inputted to the laser scanner, thereby realizing a fast operation, low complexity and low cost obstacle recognition device .
또한 본 발명의 일실시예에 따른, 장애물 인식 방법은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.Also, the obstacle recognition method according to an embodiment of the present invention may be recorded in a computer-readable medium including program instructions for performing various computer-implemented operations. The computer-readable medium may include program instructions, data files, data structures, and the like, alone or in combination. The media may be program instructions that are specially designed and constructed for the present invention or may be available to those skilled in the art of computer software. Examples of computer-readable media include magnetic media such as hard disks, floppy disks and magnetic tape; optical media such as CD-ROMs and DVDs; magnetic media such as floppy disks; Magneto-optical media, and hardware devices specifically configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. Examples of program instructions include machine language code such as those produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter or the like.
이상과 같이 본 발명의 일실시예는 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명의 일실시예는 상기 설명된 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 일실시예는 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is clearly understood that the same is by way of illustration and example only and is not to be construed as limiting the scope of the invention as defined by the appended claims. Various modifications and variations are possible in light of the above teachings. Accordingly, it is to be understood that one embodiment of the present invention should be understood only by the appended claims, and all equivalent or equivalent variations thereof are included in the scope of the present invention.
111 : 장애물 신호세기 데이터 입력부
112 : 거리 데이터 입력부
120 : 데이터 가공부
130 : 장애물 인식부
140 : 장애물 데이터베이스111: Obstacle signal intensity data input unit
112: Distance data input section
120: Data processing unit
130:
140: Obstacle database
Claims (5)
레이저 스캐너로부터 방사(放射)된 레이저 신호가 전방의 물체에 반사되어 돌아오는 신호세기 정보인 장애물 신호세기 데이터를 입력 받는 장애물 신호세기 데이터 입력부;
상기 레이저 스캐너와 상기 전방의 물체와의 거리 값에 대한 데이터인 거리 데이터를 입력 받는 거리 데이터 입력부;
상기 장애물 신호세기 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출하는 데이터 가공부; 및
상기 장애물 데이터베이스의 각 장애물에 대하여 기 저장된 신호세기 데이터와 상기 후보영역 추출 데이터를 비교하여 장애물의 종류를 인식하고, 상기 거리 데이터를 이용하여 상기 장애물과의 거리를 인식하는 장애물 인식부
를 포함하는 장애물 인식 장치.An obstacle database storing information of a plurality of obstacles;
An obstacle signal intensity data input unit which receives obstacle signal intensity data, which is signal intensity information that is reflected by a laser beam radiated from a laser scanner and reflected from a forward object;
A distance data input unit receiving distance data, which is data on a distance value between the laser scanner and the object in front;
A data processing unit for extracting candidate region extracting data for identifying an obstacle from the obstacle signal intensity data; And
An obstacle recognition unit for recognizing the type of the obstacle by comparing the preliminarily stored signal intensity data and the candidate region extraction data for each obstacle in the obstacle database and recognizing the distance from the obstacle by using the distance data,
And an obstacle recognizing device.
상기 레이저 스캐너를 이용하여 크기와 형태가 상이한 동 종류의 장애물에 대해 반사된 신호세기 데이터를 다수 입력 받고, 상기 입력 받은 다수의 신호세기 데이터의 평균값을 상기 장애물에 대한 신호세기인 것으로 상기 장애물 데이터베이스에 저장하는 데이터 학습부
를 더 포함하는 장애물 인식 장치.The method according to claim 1,
A plurality of signal intensity data of the same type of obstacle having different sizes and shapes are received using the laser scanner and an average value of the input signal strength data is set to be a signal strength for the obstacle, The data learning unit
Further comprising:
상기 장애물 인식부는,
상기 후보영역 추출 데이터와 기 저장된 다수의 장애물에 대한 신호세기 데이터를 각각 비교한 후, 상기 후보영역 추출 데이터와의 오차가 가장 작은 신호세기 데이터에 대응하는 장애물이 전방에 위치하는 것으로 인식하는 것을 특징으로 하는 장애물 인식 장치.The method according to claim 1,
The obstacle recognizing unit includes:
It is recognized that the obstacle corresponding to the signal intensity data having the smallest error from the candidate region extracted data is located in front of the candidate region extracted data after comparing the candidate region extracted data with the signal strength data for the plurality of stored obstacles respectively The obstacle recognizing apparatus comprising:
상기 장애물 신호세기 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출하는 단계; 및
상기 장애물 데이터베이스의 각 장애물에 대하여 기 저장된 신호세기 데이터와 상기 후보영역 추출 데이터를 비교하여 장애물의 종류를 인식하는 단계
를 포함하는 장애물 인식 방법.Receiving obstacle signal intensity data, which is signal intensity information of a laser beam radiated from a laser scanner, reflected from an object ahead;
Extracting candidate region extraction data for obstacle identification from the obstacle signal intensity data; And
Comparing the preliminarily stored signal intensity data with the candidate region extraction data for each obstacle in the obstacle database and recognizing the type of the obstacle
≪ / RTI >
상기 레이저 스캐너와 상기 전방의 물체와의 거리 값에 대한 데이터인 거리 데이터를 입력 받는 단계; 및
상기 거리 데이터를 이용하여 상기 장애물과의 거리를 인식하는 단계
를 더 포함하는 것을 특징으로 하는 장애물 인식 방법.5. The method of claim 4,
Receiving distance data as distance data between the laser scanner and the object in front; And
Recognizing a distance from the obstacle using the distance data
Further comprising the steps of:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140036247A KR20150112325A (en) | 2014-03-27 | 2014-03-27 | Obstacle detection apparatus using signal intensity and the method thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140036247A KR20150112325A (en) | 2014-03-27 | 2014-03-27 | Obstacle detection apparatus using signal intensity and the method thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20150112325A true KR20150112325A (en) | 2015-10-07 |
Family
ID=54343596
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140036247A KR20150112325A (en) | 2014-03-27 | 2014-03-27 | Obstacle detection apparatus using signal intensity and the method thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20150112325A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017126848A1 (en) * | 2016-01-19 | 2017-07-27 | (주)유진로봇 | Foreground obstacle sensing apparatus, autonomous mobile robot utilizing same, and obstacle sensing method for autonomous mobile robot |
| CN112136061A (en) * | 2018-05-23 | 2020-12-25 | 酒井重工业株式会社 | Obstacle detection device for construction vehicle |
| KR20210050081A (en) * | 2019-10-28 | 2021-05-07 | 주식회사 에스오에스랩 | Object recognition method and object recognition device performing the same |
| KR20240033446A (en) | 2022-09-05 | 2024-03-12 | 김용우 | Convenience store goods automatic feeding machine using obstacle detection sensor |
-
2014
- 2014-03-27 KR KR1020140036247A patent/KR20150112325A/en not_active Application Discontinuation
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017126848A1 (en) * | 2016-01-19 | 2017-07-27 | (주)유진로봇 | Foreground obstacle sensing apparatus, autonomous mobile robot utilizing same, and obstacle sensing method for autonomous mobile robot |
| CN112136061A (en) * | 2018-05-23 | 2020-12-25 | 酒井重工业株式会社 | Obstacle detection device for construction vehicle |
| KR20210050081A (en) * | 2019-10-28 | 2021-05-07 | 주식회사 에스오에스랩 | Object recognition method and object recognition device performing the same |
| KR20220035894A (en) * | 2019-10-28 | 2022-03-22 | 주식회사 에스오에스랩 | Object recognition method and object recognition device performing the same |
| US11568654B2 (en) | 2019-10-28 | 2023-01-31 | Sos Lab Co., Ltd. | Object recognition method and object recognition device performing the same |
| KR20240033446A (en) | 2022-09-05 | 2024-03-12 | 김용우 | Convenience store goods automatic feeding machine using obstacle detection sensor |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11003921B2 (en) | Apparatus and method for distinguishing false target in vehicle and vehicle including the same | |
| US11815905B2 (en) | Systems and methods for optical target based indoor vehicle navigation | |
| US10366310B2 (en) | Enhanced camera object detection for automated vehicles | |
| CN108780154B (en) | 3D point cloud processing method | |
| KR101784611B1 (en) | A human detecting apparatus and method using a lidar sensor and a radar sensor | |
| KR102614323B1 (en) | Create a 3D map of a scene using passive and active measurements | |
| JP5822255B2 (en) | Object identification device and program | |
| US20140105464A1 (en) | Parking assist apparatus and parking assist method and parking assist system using the same | |
| KR102565778B1 (en) | Object recognition method and object recognition device performing the same | |
| WO2019198076A1 (en) | Real-time raw data- and sensor fusion | |
| US20210018611A1 (en) | Object detection system and method | |
| US20210072397A1 (en) | Generation of synthetic lidar signals | |
| KR20150112325A (en) | Obstacle detection apparatus using signal intensity and the method thereof | |
| Olmeda et al. | Far infrared pedestrian detection and tracking for night driving | |
| JP2011048485A (en) | Device and method for detecting target | |
| KR20160129487A (en) | Apparatus for detecting lane using 2d laser scanners in vehicle and method thereof | |
| JP2011145204A (en) | Laser sensor and method of determining detection target using the same | |
| US11846726B2 (en) | Method and device for identifying objects detected by a LiDAR device | |
| CN113988197A (en) | Multi-camera and multi-laser radar based combined calibration and target fusion detection method | |
| US20220113420A1 (en) | Plane detection method and device based on laser sensor | |
| JP2005156199A (en) | Vehicle detection method and vehicle detector | |
| KR20150093948A (en) | Obstacle detection apparatus using database and the method thereof | |
| KR101449288B1 (en) | Detection System Using Radar | |
| KR102085910B1 (en) | Apparatus and method for discrimination of stationary target and moving target | |
| US20220334264A1 (en) | Computer implemented method for identifying transparent and/or mirroring plane candidates and uav using the same |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |