KR20180066711A - 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법 - Google Patents

3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법 Download PDF

Info

Publication number
KR20180066711A
KR20180066711A KR1020160167855A KR20160167855A KR20180066711A KR 20180066711 A KR20180066711 A KR 20180066711A KR 1020160167855 A KR1020160167855 A KR 1020160167855A KR 20160167855 A KR20160167855 A KR 20160167855A KR 20180066711 A KR20180066711 A KR 20180066711A
Authority
KR
South Korea
Prior art keywords
intersection
vehicle
lidar
line segment
obstacle
Prior art date
Application number
KR1020160167855A
Other languages
English (en)
Other versions
KR101934297B1 (ko
Inventor
박진배
임도영
김한솔
이창길
이지선
Original Assignee
국방과학연구소
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 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020160167855A priority Critical patent/KR101934297B1/ko
Publication of KR20180066711A publication Critical patent/KR20180066711A/ko
Application granted granted Critical
Publication of KR101934297B1 publication Critical patent/KR101934297B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar

Abstract

3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법이 개시된다. 본 발명의 실시예들은, 라이다 센서(LiDAR)를 이용하여 차량 주변의 환경정보를 인식하는 단계; 환경 정보를 기초로, 기준 반경 범위 내의 장애물을 제거하는 단계; 그리고 선분 추출 기술을 이용하여, 추출된 선분을 이웃한 선분과 비교하여 교차로를 인식하는 단계를 포함하여 이루어지는 것을 특징으로 한다.

Description

3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법{METHOD FOR DEVELOPMENT OF INTERSECTION RECOGNITION USING LINE EXTRACTION BY 3D LiDAR}
본 발명은 3차원 레이저 스캐너를 이용한 선분추출 기반의 교차로 인식 방법에 관한 것이다.
차세대자동차 기술로 각광 받고 있는 자율주행자동차에 대한 연구개발이 활발히 이루어지고 있다. 차량의 자율 주행이 가능하기 위해서는 크게 주행환경인식, 경로계획, 경로추적 및 차량제어 기술로 필요하다. 특히, 주행환경인식은 자율 주행의 모든 시스템을 동작시키기 위한 기반이 된다. 왜냐하면, 경로계획, 경로추적 및 차량제어는 차량의 현재위치가 정확하게 인식된 상태에서 가능하기 때문이다.
이러한 차량의 현재위치를 판단하는 정보들로, 건물, 횡단보도, 교차로, 차선의 갯수 등이 있을 수 있다. 이 중 교차로는 주행경로의 구간을 연결해주는 노드로써 차량의 현재위치와 주행경로를 매칭하는데 중요한 기준이 된다.
차량의 위치정보를 인식하는 센서로는, 카메라, RADAR, 라이다(LiDAR), GPS 등이 사용된다. 이 중에서도 조도의 영향을 덜 받는 LiDAR는 어두운 밤에도 사용할 수 있는 장점이 있고, 거리 및 높이 정보까지도 측정할 수 있어서 자율주행자동차에 많이 장착된다. 이에, 경로 생성 및 차량의 현재위치를 제공하는 중요한 위치정보인 교차로인식을 3차원 LiDAR를 통해 인식하는 방법들이 활발히 연구개발 되고 있다.
하지만, 기존의 방법들은 자동차, 사람 같은 특정 크기를 갖는 물체들만 인식함에 따라 교차로가 아닌 지점도 교차로로 인식하는 경우가 빈번하였다.
이에, 본 발명의 일 목적은, LiDAR를 이용하여 차량의 현재위치를 판단하는데 있어서, 교차로의 인식률을 보다 향상시킬 수 있는 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법을 제공하는 데 있다.
이를 위해, 본 발명의 실시예에 따른 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법은, 라이다 센서(LiDAR)를 이용하여 차량 주변의 환경정보를 인식하는 단계; 환경 정보를 기초로, 기준 반경 범위 내의 장애물을 제거하는 단계; 및선분 추출 기술을 이용하여, 추출된 선분을 이웃한 선분과 비교하여 교차로를 인식하는 단계를 포함하여 이루어지는 것을 특징으로 한다.
일 실시 예에서, 상기 장애물을 제거하는 단계는, 주행로의 폭과 차량의 크기를 고려하여 기준 반경 범위를 결정하는 단계; 및 결정된 기준 반경 범위 내에 존재하는 모든 장애물을 제거하는 단계를 포함하는 것을 특징으로 한다.
일 실시 예에서, 상기 장애물을 제거하는 단계는, 차량의 현재 위치를 중심으로 반경 4m 내에 존재하는 모든 장애물을 제거하는 단계인 것을 특징으로 한다.
일 실시 예에서, 상기 차량 주변의 환경정보를 인식하는 단계는, 라이다 센서(LiDAR)를 통해 입력된 3차원 스캔 데이터를 기초로 2차원 격자지도를 생성하고, 생성된 격자지도상에 차량의 현재 위치를 표시하는 단계를 포함하는 것을 특징으로 한다.
일 실시 예에서, 상기 추출된 선분을 이웃한 선분과 비교하여 교차로를 인식하는 단계는, 상기 생성된 격자지도에 정해진 개수의 방사선을 표시하는 단계; 각 방사선이 최초 장애물과 만나는 지점까지의 거리를 산출하는 단계; 산출된 거리의 최대값 및 평균값 정보를 이용하여 다수의 선분들을 추출하고, 추출된 다수의 선분들에 대해 병합과 분리(Split & merge)를 적용하는 단계; 및 최종 추출된 선분들을 이웃한 선분과의 길이차를 비교하여 교차로를 인식하는 단계를 포함하는 것을 특징으로 한다.
일 실시 예에서, 상기 추출된 선분을 이웃한 선분과 비교하여 교차로를 인식하는 단계는, 이웃한 선분과의 길이차가 최대값의 2/3 배보다 작은 선분은 추출하고 이를 만족하지 않는 선분은 제거하여 교차로를 인식하는 단계를 포함하는 것을 특징으로 한다.
일 실시 예에서, 차량이 주행하는 동안, 차량의 주행방향, 주행속도, 및 접근하는 장애물에 관한 정보를 기초로, 장애물 제어 과정 및 선분 추출 과정을 반복하여 교차로 인식을 업데이트하는 단계를 더 포함하는 것을 특징으로 한다.
이상, 본 발명의 실시 예에 따른 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법에 의하면, 무인차량에 근접하는 장애물로 인해 발생할 수 있는 교차로 인식의 어려움을 해결할 수 있다. 또한, 격자지도에서 추출된 선분들을 각각 이웃한 선분들과 길이 비교하여 교차선 여부를 확인함으로써, 교차로 인식의 인식률을 높일 수 있다. 나아가, 무인차량의 주행경로에 중요한 위치정보가 되는 교차로 인식률을 향상시킴으로써, 자율주행차량이 경로계획, 차량추적, 및 차량제어에 명확한 근거를 제시할 수 있게 되었다.
도 1은 본 발명의 실시 예에 따른 교차로 인식 방법을 설명하기 위한 흐름도이다.
도 2는, 본 발명의 실시 예에 따라, 차량으로부터 반경 4m 내에 존재하는 장애물들을 제어한 모습을 보여주는 도면이다.
도 3a 및 도 3b는 본 발명의 실시 예에 따라, 차량에 근접한 장애물이 있는 경우 선분추출을 한 경우와 하지 않은 것을 비교한 도면이다.
도 4a 및 도 4b는, 본 발명의 실시 예에 따라, 장애물 틈 사이로 추출된 선분이 교차로인지를 판단하는 알로리즘을 정확성을 보여주는 도면이다.
먼저, 본 발명의 실시예에 따른 교차로 인식 방법은 무인 차량 이외에도 무인 감시정찰이 필요한 모든 시스템에 적용될 수 있다.
또한, 본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
여기서 설명되는 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 즉, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구서요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항복들 중의 어느 항목을 포함한다.
또한, 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
또한, 본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부한 도면들을 참조하여 본 발명에 바람직한 실시 예들을 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어 도면 부호에 상관없이 동일하거나 대응하는 구성요소는 동일한 참조번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
본 발명에서는, 무인차량의 현재위치를 판단하는 중요 정보인 교차로인식을 위해, 3차원 LiDAR를 이용한 교차로 인식 방법을 제안하고자 한다. 이를 위해, 본 발명에서는 무인 차량에 근접하는 장애물 제거 기법과 선분추출을 이용한 교차로인식 기법을 적용하였다. 라이다(LiDAR)는 자기 위치 인식을 위해 사용되는 센서로 3차원 레이저 스캐너를 의미한다. 라이다(LiDAR)는 레이저 빔의 진행방향에 대한 거리 정보를 포함하여 공간에 대한 영상 모델링이 가능한 기술이다. 구체적으로, 대상물을 맞고 반사되는 레이저를 다중배열수신소자를 통해 수집하여 3차원 영상으로 구현하는 것인데, 주로 무인차량의 외부 루프(loff)에 많이 장착된다. 또한, 본 발명에 적용되는 제품 사양으로, 예를 들어 벨로다인 HDL-32L, LMS511-PRO, LMS291-S05 등이 적용될 수 있다.
도 1은 본 발명의 실시 예에 따른 교차로 인식 방법을 설명하기 위한 흐름도이다.
먼저, 라이다 센서(LiDAR)를 이용하여 무인차량 주변의 환경정보를 인식하는 단계를 수행한다(S10). 구체적으로, LiDAR를 통해 들어온 3차원 포인트를 입력받아 2차원 형태의 격자지도(grid-map)를 생성할 수 있다. 이때에, 생성된 격자지도의 각각의 셀에는 3차원 포인트의 높이 정보가 포함된다.
한편, 일 실시 예에서는 라이다 센서(LiDAR) 이외에, 주변 환경정보 수집을 위해 GPS, 인코더, 카메라(전후방, 측위 등), CAN 수신기, 자이로스코프(gyroscope) 등이 더 사용될 수 있다. 이러한 센서들을 통해 수집된 환경정보는 생성된 격자지도에 예를 들어 좌표값 형태로 표시될 수 있다. 예를 들어, 카메라 및 라이다 센서를 통해 교차로의 정지선, 좌우차선 등을 인식하고, 자이로스코프를 통해 교차로에서의 무인차량의 헤딩 방향을 인식할 수 있다.
다음, 수집된 환경 정보를 기초로, 무인 차량을 중심으로 기준 반경 범위 내의 장애물을 모두 제거하는 단계를 수행한다(S20). 구체적으로, 무인차량의 주행경로에서, 주행 중에 근접하는 장애물을 모두 제거하는 방법을 사용한다. 특히, 정해진 크기를 만족하는 장애물뿐만 아니라 그보다 크기가 작거나 불특정 크기를 갖거나, 위치가 고정되지 않고 이동하는 모든 장애물을 제거하는 것을 특징으로 한다.
기존에는, 자동차, 사람 등과 같은 특정 크기를 갖는 사물만을 인식하였다. 하지만, 도로 위에는 신호등, 도로안내표지판, 도로 위로 뻗은 나뭇가지와 같은 불특정한 크기를 갖는 장애물들이 많이 존재한다. 따라서, 기존방법으로는 제거하지 못하였던 장애물들을 주행로의 폭과 무인차량의 크기를 고려하여 제거하는 단계를 수행한다. 이와 관련하여, 도 2는, 차량으로부터 반경 4m 내에 존재하는 모든 장애물들을 제어한 모습을 보여주고 있다.
예를 들어, 도로의 폭은 대략 3.3m에서 3.6m의 크기를 갖기 때문에, 도 1과 같이 차량으로부터 반경 4m에 들어있는 모든 장애물들을 제거하여 교차로인식의 인식률을 높일 수 있다.
그런 다음, 선분 추출 기술을 이용하여 추출된 복수의 선분들을 각각 이웃한 선분들과 길이 비교하여 교차로를 인식하는 단계를 수행한다(S30).
구체적으로, 라이더 센서(LiDAR)으로부터 획득된 스캔 데이터 예를 들어, 1번부터 36번 순서대로 36개의 방사선을 격자지도에 그어, 첫 번째 장애물과 만나는 지점까지의 거리를 측정한다. 다음, 측정된 거리의 최대값과 평균값 정보를 이용하여 다수의 선분을 추출한다. 이때에, 추출된 선분과 선분의 번호차이를 이용하여 병합과 분리(Split & merge)를 수행한다. 선분의 병합과 분리는, 컴퓨터 비전 분야에서 Pavlidis와 Horowitz(Segmentation of plane curves, IEEE Transaction on Computers, Vol. C23, no. 8, pp. 860-870, 1974)에 의하여 개발되었으며, 최근에도 Borges, Aldon(Line extraction in 2D range images for mobile robots, Journal of Intelligent and Robotic System, vol. 40, pp. 267-297, 2004) 등 여러 연구실에서 널리 사용되고 있다. 따라서, 여기서는 구체적인 설명은 생략하겠다.
일 실시 예에서는, 선분의 병합과 분리의 계산 복잡도를 감소하기 위해 스캔 데이터의 입력 순서와 동일 방향(순방향)으로 선분들을 추출한 다음, 스캔 데이터의 입력 순서와 반대방향(역방향)으로 선분들의 끝단에 스캔 데이터가 포함될 선분을 결정하고, 열외 데이터를 갱신하는 방법을 채택함으로써, 스캔 데이터의 개수 N에 비례하는 계산 복잡도 이하로 감소시킬 수 있다.
다음, 이와 같이 병합 및 분리를 통해 최종적으로 추출된 선분을 이웃한 선분과의 길이차를 이용하여 교차로가 아닌 곳에서 교차로로 인식한 선분을 필터링한다. 구체적으로, 추출된 선분이 교차로에서 추출된 것인지 또는 근접하는 장애물로 인해 추출된 것인지 정확하게 분별하기 위해, 이웃한 선분과의 길이차이가 최대값의 2/3 배보다 작으면 추출하고, 그렇지 않으면 필터링하여 제거한다. 그러면, 근접하는 장애물로 인해 교차로 아닌 선분이 교차로로 오인식되는 문제가 해소될 수 있다.
이와 관련하여, 도 3a 및 도 3b는 차량에 근접한 장애물이 있는 경우 선분추출을 한 경우와 하지 않은 것을 비교한 도면이다.
도 3a는 본 발명에서 제안한 방법이고, 도 3b에 도시된 도면이 기존방법을 이용한 교차로인식이다. 도 3a 및 도 3b에서 확인할 수 있듯이 무인차량에 근접하는 장애물이 있을 때, 도 3a에서는 선분추출(예, 7시 방향의 노란색 선분)이 제대로 이루어지고, 도 3b에서는 선분추출이 이루어지지 않았다(예, 7시방향에 아무런 선분이 검출되지 않음).
또한, 일 실시 예에서는 무인차량의 주행동안, 차량의 주행방향 및 주행속도를 기초로 접근하는 이동 장애물의 상대속도와 방향을 고려하여 전술한 장애물 제거과정 및 선분추출 과정을 실시간으로 업데이트할 수 있다. 이를 위해 전술한 과정들의 피드백을 수행할 수 있다. 또한, 그에 따라 새로운 경로를 탐색하여 격자지도상에 표시하거나 격자지도를 업데이트할 수 있다.
또한, 일 실시 예에서는 교차로로 인식된 후, 무인차량이 교차로를 탈출할 때까지 무인차량에 근접하는 차량의 상대속도와 무인차량의 진행방향(예, 4지 교차로인 경우 동쪽, 서쪽, 남쪽, 북쪽 등의 진출방향을 의미함), 및 설정된 차량속도와 사용자 설정시간을 기초로, 교차로 내에서의 충돌 여부를 예상할 수 있다. 이러한 경우, 근접하는 다른 차량들의 진행방향, 차량 속도, 및 교차로 중심 지역까지 소요되는 시간을 기초로 충돌추정시간(TTC)를 계산하여 경고해줄 수 있다.
또한, 일 실시 예에서는, 교차로의 가변신호를 예상 및 인식하여, 이동 장애물이나 다른 차량과의 충돌 여부 및 충돌추정시간(TTC)을 업데이트할 수도 있다.
이상에서 설명한 바와 같이 본 발명에서는 무인차량에 근접하는 장애물이 있을 때 이를 정확하게 선분으로 추출할 수 있다. 그에 따라, 교차로인식의 인식률을 향상시킬 수 있다.
도 4a 및 도 4b는 본 발명의 실시 예에 따라, 장애물 틈 사이로 추출된 선분이 교차로인지를 판단하는 알로리즘을 정확성을 보여주는 도면이다.
도 4a 및 도 4b를 비교하면, 본 발명에서 제안한 방법을 이용하여 장애물 틈 사이로 추출 된 선분을 교차로인지 아닌지를 판단하는 알고리즘이 적용되었을 때의 유리한 효과를 확인할 수 있다. 도 4a에 도시된 도면은 본 발명의 알로리즘이 적용된 것이고, 도 4b에 도시된 도면은 기존방법을 적용하여 교차로를 잘못 인식(예, 4시방향의 빨간색 선분이 다른 선분들(12시, 9시, 6시방향의 빨간색 선분들)과 함께 교차로로 인식됨)된 것을 보여주고 있다. 즉, 도 4a에 도시된 도면에서는 제안된 알고리즘의 적용을 통해 근접하는 장애물로 인해 추출된 선분이 필터링(예, 4시방향의 노란색 선분은 교차로로 인식되지 않음)된 것을 볼 수 있다.
이상에서 살펴본 바와 같이, 본 발명의 실시 예에 따른 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법에 의하면, 무인차량에 근접하는 장애물로 인해 발생할 수 있는 교차로 인식의 어려움을 해결할 수 있다. 또한, 격자지도에서 추출된 선분들을 각각 이웃한 선분들과 길이 비교하여 교차선 여부를 확인함으로써, 교차로 인식의 인식률을 높일 수 있다. 나아가, 무인차량의 주행경로에 중요한 위치정보가 되는 교차로 인식률을 향상시킴으로써, 자율주행차량이 경로계획, 차량추적, 및 차량제어에 명확한 근거를 제시할 수 있게 되었다.
또한, 이상에서는 본 발명의 바람직한 실시 예를 예시적으로 설명하였으나, 본 발명의 범위는 이와 같은 특정 실시 예에만 한정되는 것은 아니므로, 본 발명은 본 발명의 사상 및 특허청구범위에 기재된 범주 내에서 다양한 형태로 수정, 변경, 또는 개선될 수 있다. 또한, 여기에서 기술된 본 발명에 따른 방법은 소프트웨어, 하드웨어, 또는 이들의 조합으로 구현될 수 있다. 예를 들어, 본 발명에 따른 방법은 저장매체(예, 단말내부 메모리, 플래쉬 메모리, 하드디스크, 등)에 저장될 수 있고, 프로세서(예, 단말 내부 마이크로 프로세서)에 의해 실행될 수 있는 소프트웨어 프로그램 내에 포함되는 코드들 또는 명령어들로 구현될 수 있다.

Claims (7)

  1. 라이다 센서(LiDAR)를 이용하여 차량 주변의 환경정보를 인식하는 단계;
    환경 정보를 기초로, 기준 반경 범위 내의 장애물을 제거하는 단계; 및
    선분 추출 기술을 이용하여, 추출된 선분을 이웃한 선분과 비교하여 교차로를 인식하는 단계를 포함하여 이루어지는 것을 특징으로 하는 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법.
  2. 제1항에 있어서,
    상기 장애물을 제거하는 단계는,
    주행로의 폭과 차량의 크기를 고려하여 기준 반경 범위를 결정하는 단계; 및
    결정된 기준 반경 범위 내에 존재하는 모든 장애물을 제거하는 단계를 포함하는 것을 특징으로 하는 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법.
  3. 제2항에 있어서,
    상기 장애물을 제거하는 단계는, 차량의 현재 위치를 중심으로 반경 4m 내에 존재하는 모든 장애물을 제거하는 단계인 것을 특징으로 하는 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법.
  4. 제1항에 있어서,
    상기 차량 주변의 환경정보를 인식하는 단계는,
    라이다 센서(LiDAR)를 통해 입력된 3차원 스캔 데이터를 기초로 2차원 격자지도를 생성하고, 생성된 격자지도상에 차량의 현재 위치를 표시하는 단계를 포함하는 것을 특징으로 하는 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법.
  5. 제4항에 있어서,
    상기 추출된 선분을 이웃한 선분과 비교하여 교차로를 인식하는 단계는,
    상기 생성된 격자지도에 정해진 개수의 방사선을 표시하는 단계;
    각 방사선이 최초 장애물과 만나는 지점까지의 거리를 산출하는 단계;
    산출된 거리의 최대값 및 평균값 정보를 이용하여 다수의 선분들을 추출하고, 추출된 다수의 선분들에 대해 병합과 분리(Split & merge)를 적용하는 단계; 및
    최종 추출된 선분들을 이웃한 선분과의 길이차를 비교하여 교차로를 인식하는 단계를 포함하는 것을 특징으로 하는 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법.
  6. 제5항에 있어서,
    상기 추출된 선분을 이웃한 선분과 비교하여 교차로를 인식하는 단계는,
    이웃한 선분과의 길이차가 최대값의 2/3 배보다 작은 선분은 추출하고 이를 만족하지 않는 선분은 제거하여 교차로를 인식하는 단계를 포함하는 것을 특징으로 하는 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법.
  7. 제1항에 있어서,
    차량이 주행하는 동안, 차량의 주행방향, 주행속도, 및 접근하는 장애물에 관한 정보를 기초로, 장애물 제어 과정 및 선분 추출 과정을 반복하여 교차로 인식을 업데이트하는 단계를 더 포함하는 것을 특징으로 하는 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법.
KR1020160167855A 2016-12-09 2016-12-09 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법 KR101934297B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160167855A KR101934297B1 (ko) 2016-12-09 2016-12-09 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160167855A KR101934297B1 (ko) 2016-12-09 2016-12-09 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법

Publications (2)

Publication Number Publication Date
KR20180066711A true KR20180066711A (ko) 2018-06-19
KR101934297B1 KR101934297B1 (ko) 2019-01-02

Family

ID=62790524

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160167855A KR101934297B1 (ko) 2016-12-09 2016-12-09 3차원 LiDAR를 이용한 선분추출 기반의 교차로 인식 방법

Country Status (1)

Country Link
KR (1) KR101934297B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114475642A (zh) * 2020-11-12 2022-05-13 上海海拉电子有限公司 一种面向自动驾驶的路口检测预警方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150038776A (ko) * 2013-09-30 2015-04-09 국민대학교산학협력단 인프라 센서를 이용한 자동주차 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150038776A (ko) * 2013-09-30 2015-04-09 국민대학교산학협력단 인프라 센서를 이용한 자동주차 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Chen Tongtong et. al. "LIDAR-based Long Range Road Intersection Detection", 2011 Sixth International Conference on Image and Graphics(2011.08). *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114475642A (zh) * 2020-11-12 2022-05-13 上海海拉电子有限公司 一种面向自动驾驶的路口检测预警方法
CN114475642B (zh) * 2020-11-12 2023-12-05 上海海拉电子有限公司 一种面向自动驾驶的路口检测预警方法

Also Published As

Publication number Publication date
KR101934297B1 (ko) 2019-01-02

Similar Documents

Publication Publication Date Title
Badue et al. Self-driving cars: A survey
CN111670468B (zh) 移动体行为预测装置以及移动体行为预测方法
JP6559535B2 (ja) 障害物マップ生成装置、その方法、及び、そのプログラム
Bahraini et al. SLAM in dynamic environments via ML-RANSAC
Zhu et al. Overview of environment perception for intelligent vehicles
Chen et al. Gaussian-process-based real-time ground segmentation for autonomous land vehicles
US20190147320A1 (en) "Matching Adversarial Networks"
US11188091B2 (en) Mesh decimation based on semantic information
US11295161B2 (en) Localization using semantically segmented images
US11670087B2 (en) Training data generating method for image processing, image processing method, and devices thereof
Pomerleau et al. Long-term 3D map maintenance in dynamic environments
Moras et al. Credibilist occupancy grids for vehicle perception in dynamic environments
Nguyen et al. Stereo-camera-based urban environment perception using occupancy grid and object tracking
Barth et al. Estimating the driving state of oncoming vehicles from a moving platform using stereo vision
Khatab et al. Vulnerable objects detection for autonomous driving: A review
WO2020236720A1 (en) Localization using semantically segmented images
Lee et al. Moving object detection and tracking based on interaction of static obstacle map and geometric model-free approachfor urban autonomous driving
US10369993B2 (en) Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free
JP2019527832A (ja) 正確な位置特定およびマッピングのためのシステムおよび方法
US10884428B2 (en) Mesh decimation techniques and validation
Hervieu et al. Road side detection and reconstruction using LIDAR sensor
Dieterle et al. Sensor data fusion of LIDAR with stereo RGB-D camera for object tracking
Adachi et al. Visual navigation using a webcam based on semantic segmentation for indoor robots
CN114998276B (zh) 一种基于三维点云的机器人动态障碍物实时检测方法
Lee et al. A geometric model based 2D LiDAR/radar sensor fusion for tracking surrounding vehicles

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant