KR20160071162A - 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법 - Google Patents

라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법 Download PDF

Info

Publication number
KR20160071162A
KR20160071162A KR1020140178540A KR20140178540A KR20160071162A KR 20160071162 A KR20160071162 A KR 20160071162A KR 1020140178540 A KR1020140178540 A KR 1020140178540A KR 20140178540 A KR20140178540 A KR 20140178540A KR 20160071162 A KR20160071162 A KR 20160071162A
Authority
KR
South Korea
Prior art keywords
vehicle
tracking
unit
recognizing
cluster
Prior art date
Application number
KR1020140178540A
Other languages
English (en)
Other versions
KR101655606B1 (ko
Inventor
오영철
신기철
유병용
허명선
Original Assignee
현대자동차주식회사
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 현대자동차주식회사 filed Critical 현대자동차주식회사
Priority to KR1020140178540A priority Critical patent/KR101655606B1/ko
Publication of KR20160071162A publication Critical patent/KR20160071162A/ko
Application granted granted Critical
Publication of KR101655606B1 publication Critical patent/KR101655606B1/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
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0134—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to imminent contact with an obstacle, e.g. using radar systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • B60W30/143—Speed control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • B60W40/072—Curvature of the road
    • 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
    • G01S17/10—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves
    • G01S17/26—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves wherein the transmitted pulses use a frequency-modulated or phase-modulated carrier wave, e.g. for pulse compression of received signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Electromagnetism (AREA)
  • Remote Sensing (AREA)
  • Mechanical Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법에 관한 것으로, 시간에 따른 각 오브젝트의 위치를 예측하고, 추적 이력이 오래된 오브젝트를 우선순위로, 해당 예측영역과 중첩되는 복수의 군집을 하나의 오브젝트로 인식함으로써, 정확도 높게 오브젝트를 추적할 수 있는 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법을 제공하고자 한다.
이를 위하여, 본 발명은 라이다를 이용한 멀티 오브젝트 추적 장치에 있어서, 추적중인 각 차량의 위치정보 및 속도정보를 시간대별로 저장하는 저장부; 상기 저장부에 저장되어 있는 시간대별 각 차량의 위치정보 및 속도정보를 기반으로 이후 시간에 각 차량이 위치할 것으로 예상되는 영역(이하, 예측영역)을 산출하는 예측영역 산출부; 도로상에서 차량의 전방을 향해 레이저펄스를 발사한 후 반사되는 레이저펄스로부터 포인트 클라우드 데이터를 생성하는 라이다; 상기 라이다에 의해 생성된 포인트 클라우드 데이터를 군집화하는 군집화부; 및 추적 이력이 오래된 차량을 우선순위로, 상기 예측영역 산출부에 의해 산출된 각 차량의 예측영역과 중첩되는 복수의 군집을 해당 차량으로 인식하는 추적부를 포함한다.

Description

라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법{APPARATUS FOR TRACKING MULTI OBJECT USING LIDAR AND METHOD THEREOF}
본 발명은 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법에 관한 것으로, 더욱 상세하게는 도로상에서 라이다를 이용하여 복수의 차량을 정확도 높게 인식 및 추적하는 기술에 관한 것이다.
차량의 SCC(Smart Cruise Control) 시스템은 운전자가 차량의 속도와 자기 차선에 위치한 선행차량과의 거리를 설정하면, 엑셀이나 브레이크 페달을 밟지 않아도 운전자가 설정한 조건에 맞추어 차량의 속도를 유지하는 기능을 제공한다.
이를 위해 라이다로부터 타겟 정보를 제공받고 차량 내 센서를 이용해 도로 곡률을 산출한 후, 타겟 차량의 위치(자기 차선, 좌측 차선, 우측 차선)를 파악함으로써, 차량의 가속/감속/정속을 제어한다.
그러나, 라이더에 의해 측정된 선행차량의 위치 및 이격거리의 부정확성으로 인해, SCC 시스템에 잘못된 가속/감속/정속의 빈도수를 증가시켜 SCC 시스템의 성능에 대한 신뢰도를 떨어뜨리는 경우가 발생하고 있다.
종래의 라이더를 이용한 멀티 오브젝트 추적 기술은, 라이더를 이용하여 수집한 포인트 클라우드 데이터를 군집화 알고리즘을 통해 군집화한 후 각 오브젝트와 1:1 매칭시켜 각각의 오브젝트를 추적하였다.
그러나, 실제 도로 상황에서는 군집화가 정확하게 이루어지기 어렵기 때문에 하나의 오브젝트에 대한 복수의 군집이 발생하는 경우가 많다.
이 경우, 종래에는 특정 조건을 만족시키는 하나의 군집을 하나의 오브젝트로 인식했기 때문에, 오브젝트의 위치에 오차가 발생하고 이로 인해 오브젝트의 속도에도 오차가 발생하는 문제점이 있었다.
이해를 돕기 위해, 도 2를 참고로 설명하면 종래에는 T=1 시점에서의 제 1 차량(210)은 T=2 시점에서 ②번 군집과 매칭되고, T=1 시점에서의 제 2 차량(220)은 T=2 시점에서 ③번 군집과 매칭된다. 그외 ①④⑤⑥ 군집은 신규 오브젝트로 인식하였다.
상기와 같은 종래 기술의 문제점을 해결하기 위하여, 본 발명은 시간에 따른 각 오브젝트의 위치를 예측하고, 추적 이력이 오래된 오브젝트를 우선순위로, 해당 예측영역과 중첩되는 복수의 군집을 하나의 오브젝트로 인식함으로써, 정확도 높게 오브젝트를 추적할 수 있는 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 장치는, 라이다를 이용한 멀티 오브젝트 추적 장치에 있어서, 추적중인 각 차량의 위치정보 및 속도정보를 시간대별로 저장하는 저장부; 상기 저장부에 저장되어 있는 시간대별 각 차량의 위치정보 및 속도정보를 기반으로 이후 시간에 각 차량이 위치할 것으로 예상되는 영역(이하, 예측영역)을 산출하는 예측영역 산출부; 도로상에서 차량의 전방을 향해 레이저펄스를 발사한 후 반사되는 레이저펄스로부터 포인트 클라우드 데이터를 생성하는 라이다; 상기 라이다에 의해 생성된 포인트 클라우드 데이터를 군집화하는 군집화부; 및 추적 이력이 오래된 차량을 우선순위로, 상기 예측영역 산출부에 의해 산출된 각 차량의 예측영역과 중첩되는 복수의 군집을 해당 차량으로 인식하는 추적부를 포함한다.
또한 상기 목적을 달성하기 위한 본 발명의 방법은, 라이다를 이용한 멀티 오브젝트 추적 방법에 있어서, 저장부가 추적중인 각 차량의 위치정보 및 속도정보를 시간대별로 저장하는 단계; 예측영역 산출부가 상기 시간대별 각 차량의 위치정보 및 속도정보를 기반으로 이후 시간에 각 차량이 위치할 것으로 예상되는 영역(이하, 예측영역)을 산출하는 단계; 라이다가 도로상에서 차량의 전방을 향해 레이저펄스를 발사한 후 반사되는 레이저펄스로부터 포인트 클라우드 데이터를 생성하는 단계; 군집화부가 상기 포인트 클라우드 데이터를 군집화하는 단계; 및 추적부가 추적 이력이 오래된 차량을 우선순위로, 상기 산출된 각 차량의 예측영역과 중첩되는 복수의 군집을 해당 차량으로 인식하는 단계를 포함한다.
상기와 같은 본 발명은, 시간에 따른 각 오브젝트의 위치를 예측하고, 추적 이력이 오래된 오브젝트를 우선순위로, 해당 예측영역과 중첩되는 복수의 군집을 하나의 오브젝트로 인식함으로써, 정확도 높게 오브젝트를 추적할 수 있는 효과가 있다.
도 1 은 본 발명에 따른 라이다를 이용한 멀티 오브젝트 추적 장치의 일실시예 구성도,
도 2 는 본 발명에 따른 추적부의 기능에 대한 일실시예 설명도,
도 3 은 본 발명에 따른 추적부가 차량 군집과 예측영역을 중첩한 일예시도,
도 4 는 본 발명에 따른 추적부가 차량 군집과 예측영역을 중첩한 다른 예시도,
도 5 는 본 발명에 따른 추적부가 가드레일 군집과 예측영역을 중첩한 일예시도,
도 6 은 본 발명에 따른 추적부가 가드레일 군집과 예측영역을 중첩한 다른 예시도,
도 7 은 본 발명에 따른 라이다를 이용한 멀티 오브젝트 추적 방법에 대한 일실시예 흐름도이다.
상술한 목적, 특징 및 장점은 첨부된 도면을 참조하여 상세하게 후술되어 있는 상세한 설명을 통하여 보다 명확해 질 것이며, 그에 따라 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 기술적 사상을 용이하게 실시할 수 있을 것이다. 또한, 본 발명을 설명함에 있어서 본 발명과 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다. 이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다.
도 1 은 본 발명에 따른 라이다를 이용한 멀티 오브젝트 추적 장치의 일실시예 구성도로서, 이하에서는 오브젝트의 일례로 차량을 예로 들어 설명하기로 한다.
도 1에 도시된 바와 같이, 본 발명에 따른 라이다를 이용한 멀티 오브젝트 추적 장치는, 저장부(10), 예측영역 산출부(20), 라이다(LiDAR)(30), 군집화부(40), 및 추적부(50)를 포함한다.
상기 각 구성요소들에 대해 살펴보면, 먼저 저장부(10)는 추적부(50)에 의해 추적중인 각 차량의 위치정보 및 속도정보를 시간대별로 저장한다.
예측영역 산출부(20)는 저장부(10)에 저장되어 있는 시간대별 각 차량의 위치정보 및 속도정보를 기반으로 이후 시간(T=2)에 각 차량이 위치할 것으로 예상되는 영역(이하, 예측영역)을 산출한다.
이러한 예측영역 산출부(20)는 추적부(50)의 제어하에 군집화부(40)와 동기를 맞춘다. 즉, 군집화부(40)에서 군집화한 시점(T=2)에 맞춰 예측영역을 산출한다.
라이다(30)는 도로상에서 차량의 전방을 향해 레이저펄스(70KHz)를 발사한 후 반사되는 레이저펄스로부터 포인트 클라우드 데이터를 생성한다.
군집화부(40)는 라이다(30)에 의해 생성된 포인트 클라우드 데이터를 군집화한다. 이때, 군집화부(40)는 차량 모델링 또는 가드레일 모델링을 적용하여 포인트 클라우드 데이터를 군집화(외곽 형태를 유추)하며, 구체적인 군집화 알고리즘은 주지 관용의 기술로서 그 상세 설명을 생략한다.
추적부(50)는 추적 이력이 오래된 차량을 우선순위로, 예측영역 산출부(20)에 의해 산출된 각 차량의 예측영역과 중첩되는 복수의 군집을 해당 차량으로 인식한다. 여기서, 우선순위는 추적 시간이 오래된 순서, 또는 추적 횟수가 많은 순서를 의미한다.
또한, 추적부(50)는 특정 차량의 예측영역과 중첩되는 군집이 존재하지 않는 경우에는 임계거리 이내의 군집을 상기 특정 차량으로 인식한다. 이때, 임계거리를 초과하는 군집에 대해서는 새로운 차량으로 인식하여 새로운 ID를 부여한다.
또한, 추적부(50)는 추적중인 차량이 사라진 경우에 해당 차량에 부여한 ID를 회수한다.
본 발명에서 라이다(30)에 의해 성성된 포인트 클라우드 데이터를 기반으로 중첩 영역을 추적하는 이유는 라이다(30)의 특성상 차량의 외곽 형태를 정확히 추출할 수 있기 때문이다.
부가적으로, 본 발명은 추적부(50)에 의해 새로운 차량이 인식된 경우에 ID를 부여하는 ID 관리부(미도시)를 더 포함할 수도 있다. 이러한 ID 관리부는 추적부(50)에 의해 추적중인 차량이 사라진 경우에 부여한 ID를 회수(回收)하는 기능을 더 수행한다.
이하, 도 2를 참조하여 추적부(50)에 대해 좀 더 상세히 살펴보기로 한다.
도 2 는 본 발명에 따른 추적부의 기능에 대한 일실시예 설명도이다.
도 2에서, '210'은 T=1 시점에서의 제 1 차량을 나타내고, '220'은 T=1 시점에서의 제 2 차량을 나타내며, '211'은 T=2 시점에서 제 1 차량(210)이 위치할 것으로 예상되는 영역(제 1 예측영역)을 나타내며, '221'은 T=2 시점에서 제 2 차량(220)이 위치할 것으로 예상되는 영역(제 2 예측영역)을 나타낸다. 이때, 제 1 차량(210) 및 제 2 차량(220)은 모두 추적중인 오브젝트이다.
추적부(50)는 제 1 예측영역(211)과 중첩되는 ① 군집과 ② 군집을 병합한 후 병합된 결과를 T=2 시점에서의 제 1 차량(210)으로 인식하고, 제 2 예측영역(221)과 중첩되는 ③ 군집과 ⑤번 군집을 병합한 후 병합된 결과를 T=2 시점에서의 제 2 차량(220)으로 인식한다.
이때, 제 1 예측영역(211)과 제 2 예측영역(221)에 공통으로 중첩되는 ④번 군집은 우선순위가 높은 차량에 할당한다. 즉, 제 1 차량(210)의 우선순위가 제 2 차량(220)보다 높으면 ④번 군집은 제 1 차량에 포함된다.
실제 복수의 군집과 예측영역을 중첩한 결과는 도 3 및 도 4에 도시된 바와 같다. 도 3 및 도 4에서, 보라색으로 표현된 부분은 차량 모델링을 적용하여 추출한 군집을 나타내고, 회색으로 표현된 부분은 예측영역을 나타내며, 빨간색으로 표현된 부분은 중첩 결과를 나타낸다. 이는 도 5 및 도 6에도 동일하게 적용되며, 도 5 및 도 6은 가드레일 모델링을 적용한 경우의 중첩 결과를 나타내는 일예시도이다.
도 7 은 본 발명에 따른 라이다를 이용한 멀티 오브젝트 추적 방법에 대한 일실시예 흐름도이다.
먼저, 저장부(10)가 추적중인 각 차량의 위치정보 및 속도정보를 시간대별로 저장한다(701).
이후, 예측영역 산출부(20)가 상기 저장부(10)에 저장되어 있는 시간대별 각 차량의 위치정보 및 속도정보를 기반으로 이후 시간에 각 차량이 위치할 것으로 예상되는 영역(이하, 예측영역)을 산출한다(702).
이후, 라이다(30)가 도로상에서 차량의 전방을 향해 레이저펄스를 발사한 후 반사되는 레이저펄스로부터 포인트 클라우드 데이터를 생성한다(703).
이후, 군집화부(40)가 상기 라이다(30)에 의해 생성된 포인트 클라우드 데이터를 군집화한다(704).
이후, 추적부(50)가 추적 이력이 오래된 차량을 우선순위로, 상기 예측영역 산출부(20)에 의해 산출된 각 차량의 예측영역과 중첩되는 복수의 군집을 해당 차량으로 인식한다(705).
한편, 전술한 바와 같은 본 발명의 방법은 컴퓨터 프로그램으로 작성이 가능하다. 그리고 상기 프로그램을 구성하는 코드 및 코드 세그먼트는 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다.　또한, 상기 작성된 프로그램은 컴퓨터가 읽을 수 있는 기록매체(정보저장매체)에 저장되고, 컴퓨터에 의하여 판독되고 실행됨으로써 본 발명의 방법을 구현한다. 그리고 상기 기록매체는 컴퓨터가 판독할 수 있는 모든 형태의 기록매체를 포함한다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.
10 : 저장부
20 : 예측영역 산출부
30 : 라이다
40 : 군집화부
50 : 추적부

Claims (7)

  1. 추적중인 각 차량의 위치정보 및 속도정보를 시간대별로 저장하는 저장부;
    상기 저장부에 저장되어 있는 시간대별 각 차량의 위치정보 및 속도정보를 기반으로 이후 시간에 각 차량이 위치할 것으로 예상되는 영역(이하, 예측영역)을 산출하는 예측영역 산출부;
    도로상에서 차량의 전방을 향해 레이저펄스를 발사한 후 반사되는 레이저펄스로부터 포인트 클라우드 데이터를 생성하는 라이다;
    상기 라이다에 의해 생성된 포인트 클라우드 데이터를 군집화하는 군집화부; 및
    추적 이력이 오래된 차량을 우선순위로, 상기 예측영역 산출부에 의해 산출된 각 차량의 예측영역과 중첩되는 복수의 군집을 해당 차량으로 인식하는 추적부
    를 포함하는 라이다를 이용한 멀티 오브젝트 추적 장치.
  2. 제 1 항에 있어서,
    상기 추적부는,
    특정 차량의 예측영역과 중첩되는 군집이 존재하지 않는 경우에는 임계거리 이내의 군집을 상기 특정 차량으로 인식하는 라이다를 이용한 멀티 오브젝트 추적 장치.
  3. 제 2 항에 있어서,
    상기 추적부는,
    상기 임계거리를 초과하는 군집에 대해서는 새로운 차량으로 인식하는 라이다를 이용한 멀티 오브젝트 추적 장치.
  4. 제 3 항에 있어서,
    상기 추적부는,
    상기 새로운 차량에 ID를 부여하는 것을 특징으로 하는 라이다를 이용한 멀티 오브젝트 추적 장치.
  5. 저장부가 추적중인 각 차량의 위치정보 및 속도정보를 시간대별로 저장하는 단계;
    예측영역 산출부가 상기 시간대별 각 차량의 위치정보 및 속도정보를 기반으로 이후 시간에 각 차량이 위치할 것으로 예상되는 영역(이하, 예측영역)을 산출하는 단계;
    라이다가 도로상에서 차량의 전방을 향해 레이저펄스를 발사한 후 반사되는 레이저펄스로부터 포인트 클라우드 데이터를 생성하는 단계;
    군집화부가 상기 포인트 클라우드 데이터를 군집화하는 단계; 및
    추적부가 추적 이력이 오래된 차량을 우선순위로, 상기 산출된 각 차량의 예측영역과 중첩되는 복수의 군집을 해당 차량으로 인식하는 단계
    를 포함하는 라이다를 이용한 멀티 오브젝트 추적 방법.
  6. 제 5 항에 있어서,
    상기 차량 인식단계는,
    특정 차량의 예측영역과 중첩되는 군집이 존재하지 않는 경우에는 임계거리 이내의 군집을 상기 특정 차량으로 인식하는 라이다를 이용한 멀티 오브젝트 추적 방법.
  7. 제 6 항에 있어서,
    상기 차량 인식단계는,
    상기 임계거리를 초과하는 군집에 대해서는 새로운 차량으로 인식하는 라이다를 이용한 멀티 오브젝트 추적 방법.
KR1020140178540A 2014-12-11 2014-12-11 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법 KR101655606B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140178540A KR101655606B1 (ko) 2014-12-11 2014-12-11 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140178540A KR101655606B1 (ko) 2014-12-11 2014-12-11 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20160071162A true KR20160071162A (ko) 2016-06-21
KR101655606B1 KR101655606B1 (ko) 2016-09-07

Family

ID=56353768

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140178540A KR101655606B1 (ko) 2014-12-11 2014-12-11 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR101655606B1 (ko)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180079880A (ko) 2017-01-03 2018-07-11 자동차부품연구원 오브젝트 추적 장치 및 방법
KR101947581B1 (ko) * 2018-02-07 2019-05-02 주식회사 에스더블유엠 포인트 클라우드 정보 공유 장치
KR20190104305A (ko) * 2019-09-03 2019-09-09 주식회사 모빌테크 라이다를 이용한 지도 생성 장치
CN110458055A (zh) * 2019-07-29 2019-11-15 江苏必得科技股份有限公司 一种障碍物检测方法及系统
CN110877609A (zh) * 2018-09-06 2020-03-13 现代自动车株式会社 车辆行驶控制设备和车辆行驶控制方法
CN111045025A (zh) * 2018-10-15 2020-04-21 图森有限公司 一种基于光检测和测距的车辆追踪方法和系统
CN113706586A (zh) * 2021-10-29 2021-11-26 深圳市城市交通规划设计研究中心股份有限公司 基于多点位感知的目标跟踪方法及装置、存储介质
US11449067B1 (en) * 2018-08-03 2022-09-20 GM Global Technology Operations LLC Conflict resolver for a lidar data segmentation system of an autonomous vehicle
WO2022206977A1 (zh) * 2021-01-01 2022-10-06 许军 一种面向车路协同的感知信息融合表征及目标检测方法
KR20230137552A (ko) 2022-03-22 2023-10-05 엘지이노텍 주식회사 라이다 모듈

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101804681B1 (ko) 2016-06-09 2017-12-05 재단법인대구경북과학기술원 저해상도 2d 라이다 센서를 이용한 사람 탐지 장치 및 방법
KR102168288B1 (ko) 2019-05-20 2020-10-21 충북대학교 산학협력단 다중 라이다를 이용한 다중 물체 추적 시스템 및 방법
KR20230026130A (ko) 2021-08-17 2023-02-24 충북대학교 산학협력단 자율 주행을 위한 단일 계층 3차원 다중 객체 검출 장치 및 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004198323A (ja) * 2002-12-19 2004-07-15 Denso Corp 車両用物体認識装置
KR100720595B1 (ko) * 2006-08-02 2007-05-21 주식회사 아이센텍이엔씨 자동 추적 레이다 시스템과 연동하는 지능형 화상 감시시스템 및 그 방법
JP5222946B2 (ja) * 2007-10-09 2013-06-26 ピルツ ゲーエムベーハー アンド コー．カーゲー オブジェクトモデルを三次元ポイントクラウドに対応させる方法
KR20130098208A (ko) * 2012-02-27 2013-09-04 후지쯔 가부시끼가이샤 이동체 추적 장치, 이동체 추적 방법, 및 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004198323A (ja) * 2002-12-19 2004-07-15 Denso Corp 車両用物体認識装置
KR100720595B1 (ko) * 2006-08-02 2007-05-21 주식회사 아이센텍이엔씨 자동 추적 레이다 시스템과 연동하는 지능형 화상 감시시스템 및 그 방법
JP5222946B2 (ja) * 2007-10-09 2013-06-26 ピルツ ゲーエムベーハー アンド コー．カーゲー オブジェクトモデルを三次元ポイントクラウドに対応させる方法
KR20130098208A (ko) * 2012-02-27 2013-09-04 후지쯔 가부시끼가이샤 이동체 추적 장치, 이동체 추적 방법, 및 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180079880A (ko) 2017-01-03 2018-07-11 자동차부품연구원 오브젝트 추적 장치 및 방법
KR101947581B1 (ko) * 2018-02-07 2019-05-02 주식회사 에스더블유엠 포인트 클라우드 정보 공유 장치
US11449067B1 (en) * 2018-08-03 2022-09-20 GM Global Technology Operations LLC Conflict resolver for a lidar data segmentation system of an autonomous vehicle
CN110877609A (zh) * 2018-09-06 2020-03-13 现代自动车株式会社 车辆行驶控制设备和车辆行驶控制方法
CN111045025A (zh) * 2018-10-15 2020-04-21 图森有限公司 一种基于光检测和测距的车辆追踪方法和系统
CN110458055A (zh) * 2019-07-29 2019-11-15 江苏必得科技股份有限公司 一种障碍物检测方法及系统
CN110458055B (zh) * 2019-07-29 2021-10-15 江苏必得科技股份有限公司 一种障碍物检测方法及系统
KR20190104305A (ko) * 2019-09-03 2019-09-09 주식회사 모빌테크 라이다를 이용한 지도 생성 장치
WO2022206977A1 (zh) * 2021-01-01 2022-10-06 许军 一种面向车路协同的感知信息融合表征及目标检测方法
CN113706586A (zh) * 2021-10-29 2021-11-26 深圳市城市交通规划设计研究中心股份有限公司 基于多点位感知的目标跟踪方法及装置、存储介质
KR20230137552A (ko) 2022-03-22 2023-10-05 엘지이노텍 주식회사 라이다 모듈

Also Published As

Publication number Publication date
KR101655606B1 (ko) 2016-09-07

Similar Documents

Publication Publication Date Title
KR101655606B1 (ko) 라이다를 이용한 멀티 오브젝트 추적 장치 및 그 방법
CN106255899B (zh) 用于将对象用信号通知给配备有此装置的车辆的导航模块的装置
JP2018152056A (ja) 視界に制限のある交差点への接近のためのリスクベースの運転者支援
US10571916B2 (en) Control method for autonomous vehicles
US10369993B2 (en) Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free
US20160203374A1 (en) Target grouping techniques for object fusion
US11430227B2 (en) Method, computer program product, and driver assistance system for determining one or more lanes of a road in an environment of a vehicle
US11440566B2 (en) Vehicle control system
KR101503473B1 (ko) 차량의 주행 상황 판단 시스템 및 방법
Jeong et al. Bidirectional long shot-term memory-based interactive motion prediction of cut-in vehicles in urban environments
JP6558214B2 (ja) 自動運転装置
KR20200081525A (ko) 표적 차량 추적 장치 및 그의 표적 차량 추적 방법과 그를 포함하는 차량
CN114750759B (zh) 一种跟车目标确定方法、装置、设备及介质
KR20200040559A (ko) 동시 차로 변경 차량 예측 장치 및 그의 예측 방법과 그를 이용하는 차량
Wang et al. Overcoming challenges of validation automated driving and identification of critical scenarios
CN101233036A (zh) 用于为驾驶员辅助功能产生环境假设的方法
CN114008551A (zh) 自动驾驶车辆中故障的自动根本原因分析
KR20200067506A (ko) 전방위 센서퓨전 장치 및 그의 센서퓨전 방법과 그를 포함하는 차량
CN110136469A (zh) 公交车的行驶数据的补偿方法及装置
CN116872921A (zh) 一种车辆规避风险方法、系统、车辆及存储介质
US11919544B2 (en) Method and device for operating an automated vehicle
KR102352983B1 (ko) 곡선 도로에서의 차량 충돌 회피 방법 및 곡선 도로에서의 차량 충돌 회피 시스템
CN110497906B (zh) 车辆控制方法、装置、设备和介质
CN114872735B (zh) 基于神经网络算法的自动驾驶物流车辆决策方法和装置
CN117642323A (zh) 用于运行驾驶员辅助系统的系统、方法和软件

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20190827

Year of fee payment: 4