KR20190087338A - 수치지도 및 도로정밀지도 구축 자동화를 위한 방법 - Google Patents

수치지도 및 도로정밀지도 구축 자동화를 위한 방법 Download PDF

Info

Publication number
KR20190087338A
KR20190087338A KR1020190023393A KR20190023393A KR20190087338A KR 20190087338 A KR20190087338 A KR 20190087338A KR 1020190023393 A KR1020190023393 A KR 1020190023393A KR 20190023393 A KR20190023393 A KR 20190023393A KR 20190087338 A KR20190087338 A KR 20190087338A
Authority
KR
South Korea
Prior art keywords
data
machine learning
sensor
candidate group
image
Prior art date
Application number
KR1020190023393A
Other languages
English (en)
Other versions
KR102113068B1 (ko
Inventor
박일석
홍승환
손홍규
임광용
백인식
이지상
Original Assignee
주식회사 스트리스
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 주식회사 스트리스 filed Critical 주식회사 스트리스
Priority to KR1020190023393A priority Critical patent/KR102113068B1/ko
Publication of KR20190087338A publication Critical patent/KR20190087338A/ko
Application granted granted Critical
Publication of KR102113068B1 publication Critical patent/KR102113068B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B29/00—Maps; Plans; Charts; Diagrams, e.g. route diagram
    • G09B29/003—Maps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Educational Technology (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)
  • Navigation (AREA)
  • Processing Or Creating Images (AREA)

Abstract

본 발명은 객체들을 기계학습을 통해 자동으로 검출 및 인식하고 영상,레이저,항법센서 간 융합기술을 통해 자동으로 지도화를 하여 신뢰성을 높인 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법에 관한 것으로, 영상 센서,레이저 센서,항법 센서를 갖는 센서 모듈;각 센서의 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 하는 데이터 융합부;데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하는 객체 검출 및 인식부;를 포함하고, 수치지도 또는 도로정밀지도 데이터를 출력하는 것이다.

Description

수치지도 및 도로정밀지도 구축 자동화를 위한 방법{Method for Automatic Construction of Numerical Digital Map and High Definition Map}
본 발명은 수치지도 및 도로정밀지도 구축에 관한 것으로, 구체적으로 객체들을 기계학습을 통해 자동으로 검출 및 인식하고 영상,레이저,항법센서 간 융합기술을 통해 자동으로 지도화를 하여 신뢰성을 높인 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법에 관한 것이다.
종래 기술의 공간 모델링 방법은 현장조사를 통해 수작업으로 구축된 데이터를 활용함으로써 과도한 인건비가 발생하게 되고, 이러한 수작업으로 인해 지리정보의 오류가 빈번하게 발생될 뿐만 아니라 수정 및 갱신이 어렵다.
이러한 문제를 해결하기 위해 모바일 매핑 시스템(MMS; Mobile Mapping System) 등 최신 측량장비를 이용하여 건물 및 도로 시설물에 대한 지리정보 데이터를 구축하고 있다.
그러나 보정점 측량 등으로 인해 비용이 많이 소요될 뿐만 아니라, 측정된 영상의 왜곡 등으로 인해 정확한 좌표 정보를 획득하기 어렵고, 더욱이 도심지에서는 그 정보의 정확도가 결여되어 지리 정보 데이터 베이스 구축에 많은 문제점을 초래하고 있다.
이와 같이 종래 기술에서는 수치지도, 도로정밀지도 작성 시에 영상 센서으로부터 3차원 위치 좌표를 역계산하거나, 레이저 센서로부터 직접 3차원 점군데이터를 취득하여 작업자가 직접 컴퓨터나 종이 도면에 도화하는 방식으로 이루어지기 때문에, 수동작업은 시간이 많이 소모되며 작업자의 실수, 데이터 오류 등이 지도 오차 원인으로 작용한다.
따라서, 자동으로 지도화하고 신뢰성을 높일 수 있는 새로운 수치지도 및 도로정밀지도 구축을 위한 기술의 개발이 요구되고 있다.
대한민국 공개특허 제10-2017-0068021호 대한민국 공개특허 제10-2014-0072763호 대한민국 공개특허 제10-2014-0055898호
본 발명은 이와 같은 종래 기술의 수치지도 및 도로정밀지도 구축의 문제를 해결하기 위한 것으로, 객체들을 기계학습을 통해 자동으로 검출 및 인식하고 영상,레이저,항법센서 간 융합기술을 통해 자동으로 지도화를 하여 신뢰성을 높인 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명은 자율주행 차량 및 네비게이션 서비스에 활용되는 도로정밀지도 구축에 있어 기계학습 기술을 활용하여 객체들을 자동으로 검출 및 인식할 수 있도록 한 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명은 각 센서의 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 하고, 장치 설계 시 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 각 센서의 시야각을 반영하여 설계하여 정확도를 높인 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명은 대상물 객체의 모양, 색상, 질감 등을 기반으로 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류하여 정확도를 높인 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명은 수치지도 및 도로정밀지도 구축을 자동화할 수 있고, 자동 지도 구축 기술을 통해 지도 갱신 주기의 단축을 가능하게 하여 자율주행차 기술 및 사회기반시설물 관리에 유용하게 사용될 수 있도록 한 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
이와 같은 목적을 달성하기 위한 본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치는 영상 센서,레이저 센서,항법 센서를 갖는 센서 모듈;각 센서의 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 하는 데이터 융합부;데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하는 객체 검출 및 인식부;를 포함하고, 수치지도 또는 도로정밀지도 데이터를 출력하는 것을 특징으로 한다.
다른 목적을 달성하기 위한 본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치는 영상 센서,레이저 센서,항법 센서를 갖는 센서 모듈;영상 센서의 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하는 제 1 객체 검출 및 인식부;레이저 센서의 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하는 제 2 객체 검출 및 인식부;상기 제 1,2 객체 검출 및 인식부의 객체 데이터가 입력되면 항법 센서 정보를 입력하여 절대 좌표화를 수행하는 절대 좌표화부;를 포함하고, 수치지도 또는 도로정밀지도 데이터를 출력하는 것을 특징으로 한다.
또 목적을 달성하기 위한 본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치는 영상 센서,레이저 센서,항법 센서를 갖는 센서 모듈;레이저 센서의 데이터에 항법 센서의 정보를 입력하여 레이저 센서 데이터를 절대 좌표화하는 제 1 절대 좌표화부;절대 좌표화된 레이저 센서 데이터와 영상 센서 데이터 각각에 기계학습 적용하여 객체 검출 및 인식하는 제 1 객체 검출 및 인식부;절대좌표화된 레이저 센서 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류하는 제 2 객체 검출 및 인식부;제 1 객체 검출 및 인식부의 객체 데이터에 항법 센서 정보를 입력하여 절대 좌표화를 수행하는 제 2 절대 좌표화부;를 포함하고, 영상 센서로부터 인식된 객체에 절대좌표화된 레이저 센서 데이터를 추가로 적용하여 지도화를 위한 데이터를 출력하는 것을 특징으로 한다.
여기서, 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 센서 모듈의 각 센서의 시야각을 반영하여 설계하는 것을 특징으로 한다.
그리고 영상 센서 기하 파라미터는, 초점거리, 주점 위치, 렌즈왜곡 파라미터, 센서 포맷 크기, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합인 것을 특징으로 한다.
그리고 레이저 센서 기하 파라미터는, 각 레이저의 입사각, 거리 스케일, 거리 방향 오프셋, 축방향 오프셋, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합인 것을 특징으로 한다.
그리고 항법 센서의 기하 파라미터는, 축방향의 스케일, 축방향의 오프셋, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합인 것을 특징으로 한다.
다른 목적을 달성하기 위한 본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 방법은 영상 센서,레이저 센서,항법 센서를 갖는 센서 모듈로부터 데이터가 입력되면, 각 센서의 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 하는 단계;융합 데이터 내에서 후보군을 기계학습을 통해 검출하는 단계;검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하는 단계;를 포함하고, 수치지도 또는 도로정밀지도 데이터를 출력하는 것을 특징으로 한다.
또 다른 목적을 달성하기 위한 본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 방법은 영상 센서,레이저 센서,항법 센서를 갖는 센서 모듈로부터 데이터가 입력되면, 영상 센서의 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하는 단계; 레이저 센서의 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하는 단계;객체 검출 및 인식에 의한 객체 데이터가 입력되면 항법 센서 정보를 입력하여 절대 좌표화를 수행하는 단계;를 포함하고, 수치지도 또는 도로정밀지도 데이터를 출력하는 것을 특징으로 한다.
또 다른 목적을 달성하기 위한 본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 방법은 영상 센서,레이저 센서,항법 센서를 갖는 센서 모듈로부터 데이터가 입력되면, 레이저 센서 데이터에 항법센서 정보를 입력하여 레이저 센서 데이터를 절대 좌표화를 수행하는 단계;절대 좌표화된 레이저 센서 데이터와 영상 센서 데이터 각각에 기계학습을 적용하여 데이터 내에서 후보군을 기계학습을 통해 검출하는 단계;검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류하는 단계;영상 센서로부터 인식된 객체에 절대좌표화된 레이저 센서 데이터를 추가로 적용하여 지도화를 하는 단계;를 포함하는 것을 특징으로 한다.
여기서, 센서 모듈의 각 센서의 시야각을 반영하여 설계하여 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 하는 것을 특징으로 한다.
그리고 영상 센서 기하 파라미터는, 초점거리, 주점 위치, 렌즈왜곡 파라미터, 센서 포맷 크기, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합인 것을 특징으로 한다.
그리고 레이저 센서 기하 파라미터는, 각 레이저의 입사각, 거리 스케일, 거리 방향 오프셋, 축방향 오프셋, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합인 것을 특징으로 한다.
그리고 항법 센서의 기하 파라미터는, 축방향의 스케일, 축방향의 오프셋, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합인 것을 특징으로 한다.
그리고 레이저 센서 데이터 및 영상 센서 데이터 중 적어도 어느 하나에 대해 객체 검출 및 인식의 정확도를 향상시키는 전처리하는 단계와, 밝기 또는 색상 정보, 형상 정보를 벡터화 하여 후보군을 검출하는 후보군 검출 단계와, 후보군 검출이 이루어지면 기계학습 알고리즘을 적용하여 대상물 인식 과정을 수행하는 대상물 인식 단계를 수행하는 것을 특징으로 한다. 레이저 센서 데이터에 대한 전처리 단계는 레이저 센서 데이터 내에서의 불필요한 데이터의 제거, 레이저 밝기값 조정, 레이저 센서 데이터의 벡터 차원 감소, 및 레이저 센서 데이터의 이동, 회전 또는 스케일(scale) 변환 중 적어도 어느 하나로 수행될 수 있다. 영상 센서 데이터에 대한 전처리 단계는 영상 밝기값 조정, 영상 색상 조정, 영상 흐림도 조정, 영상 선명도 조정, 영상 질감도 분석에 따른 조정, 및 영상 센서 데이터의 이동, 회전 또는 스케일 변환 중 적어도 어느 하나로 수행될 수 있다.
이와 같은 본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법은 다음과 같은 효과를 갖는다.
첫째, 객체들을 기계학습을 통해 자동으로 검출 및 인식하고 영상,레이저,항법센서 간 융합기술을 통해 자동으로 사회기반 시설물 및 대상 구조물을 지도화를 하여 작업의 효율성 및 신뢰성을 높일 수 있다.
둘째, 자율주행 차량 및 네비게이션 서비스에 활용되는 도로정밀지도 구축에 있어 기계학습 기술을 활용하여 신뢰성 높은 자동화된 객체 검출 및 인식이 가능하다.
셋째, 각 센서의 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 수행하고, 장치 설계 시 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 각 센서의 시야각을 반영하여 설계하여 정확도를 높인다.
넷째, 대상물 객체의 모양, 색상, 질감 등을 기반으로 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류하여 정확도를 높일 수 있다.
다섯째, 수치지도 및 도로정밀지도 구축을 자동화할 수 있고, 자동 지도 구축 기술을 통해 지도 갱신 주기의 단축을 가능하게 하여 자율주행차 기술 및 사회기반시설물 관리에 유용하게 사용될 수 있도록 한다.
도 1은 본 발명의 제 1 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치의 구성도
도 2는 본 발명의 제 2 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치의 구성도
도 3은 본 발명의 제 3 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치의 구성도
도 4는 본 발명에 따른 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 하는 과정을 나타낸 구성도
도 5는 MMS 기하 모델의 개념을 나타낸 구성도
도 6은 본 발명에 따른 기계학습 모델 적용 과정을 나타낸 구성도
도 7a와 도 7b는 본 발명에 따른 학습 데이터 및 융합 데이터의 일 예를 나타낸 구성도
도 8a와 도 8b는 데이터 전처리 과정의 일 예를 나타낸 구성도
도 9는 후보군 검출 과정의 일 예를 나타낸 구성도
도 10은 대상물 인식 과정의 일 예를 나타낸 구성도
도 11은 융합 기술을 통한 지도화 과정의 일 예를 나타낸 구성도
도 12 내지 도 14는 본 발명의 제1,2,3 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 방법을 나타낸 플로우 차트
이하, 본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법의 바람직한 실시 예에 관하여 상세히 설명하면 다음과 같다.
본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법의 특징 및 이점들은 이하에서의 각 실시 예에 대한 상세한 설명을 통해 명백해질 것이다.
도 1은 본 발명의 제 1 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치의 구성도이고, 도 2는 본 발명의 제 2 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치의 구성도이고, 도 3은 본 발명의 제 3 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치의 구성도이다.
본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법은 객체들을 자동으로 검출 및 인식하고 영상,레이저,항법센서 간 융합기술을 통해 자동으로 지도화를 하기 위한 것이다.
이를 위하여, 각 센서의 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 하고, 장치 설계 시 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 각 센서의 시야각을 반영하여 설계하여 정확도를 높이는 구성을 포함한다.
본 발명은 대상물 객체의 모양, 색상, 질감 등을 기반으로 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류하는 구성을 포함한다.
본 발명의 일 실시 예에서는 기계학습 이전에 데이터 융합을 수행한 후 기계학습을 순차적으로 수행하는 구성을 포함한다.
본 발명의 다른 실시 예에서는 각각 데이터에 기계학습을 적용하여 대상물 객체를 검출/인식 한후 항법센서 정보를 입력하여 지도화하는 구성을 포함한다.
본 발명의 또 다른 실시 예에서는 레이저 센서 데이터에 항법센서 정보를 입력하여 레이저 센서 데이터를 절대좌표화하고, 절대좌표화된 레이저 센서 데이터와 영상 센서 데이터 각각에 기계학습 적용하여 객체 검출 및 인식, 영상 센서로부터 인식된 객체에는 절대좌표화된 레이저 센서 데이터를 추가로 적용하여 지도화하는 구성을 포함한다.
먼저, 본 발명의 제 1 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치의 구성을 구체적으로 설명하면 다음과 같다.
도 1에서와 같이, 기계학습 이전에 데이터 융합을 수행한 후 기계학습을 순차적으로 수행하는 것으로, 이미지 정보를 촬영하는 영상 센서(10), 거리 정보를 감지하는 레이저 센서(20) 및 측위 정보 및 이동체의 속도,위치 및 자세 등의 항법 정보를 제공하는 항법 센서(30)와, 각 센서의 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 하는 데이터 융합부(40)와, 대상물 객체의 모양, 색상, 질감 등을 기반으로 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류하여 수치지도 또는 도로정밀지도 데이터 출력하는 객체 검출 및 인식부(50)를 포함한다.
여기서, 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 각 센서의 시야각을 반영하여 설계한다.
그리고 영상 센서 기하 파라미터는 초점거리, 주점 위치, 렌즈왜곡 파라미터, 센서 포맷 크기, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합일 수 있다.
그리고 레이저 센서 기하 파라미터는 각 레이저의 입사각, 거리 스케일, 거리 방향 오프셋, 축방향 오프셋, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합일 수 있다.
그리고 항법 센서의 기하 파라미터는 축방향의 스케일, 축방향의 오프셋, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합일 수 있다.
본 발명의 제 2 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치의 구성을 구체적으로 설명하면 다음과 같다.
도 2에서와 같이, 각각 데이터에 기계학습을 적용하여 대상물 객체를 검출/인식 한후 항법센서 정보를 입력하여 지도화하는 것으로, 이미지 정보를 촬영하는 영상 센서(10), 거리 정보를 감지하는 레이저 센서(20) 및 측위 정보 및 이동체의 속도,위치 및 자세 등의 항법 정보를 제공하는 항법 센서(30)와, 영상 센서(10)의 데이터를 받아 대상물 객체의 모양, 색상, 질감 등을 기반으로 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류하는 제 1 객체 검출 및 인식부(50a)와, 레이저 센서(20)의 데이터를 받아 대상물 객체의 모양, 색상, 질감 등을 기반으로 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류하는 제 2 객체 검출 및 인식부(50b)와, 제 1 객체 검출 및 인식부(50a) 및 제 2 객체 검출 및 인식부(50b)의 객체 데이터가 입력되면 항법 센서 정보를 입력하여 절대 좌표화를 수행하여 수치지도 또는 도로정밀지도 데이터 출력하는 절대 좌표화부(60)를 포함한다.
여기서, 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 각 센서의 시야각을 반영하여 설계한다.
그리고 영상 센서 기하 파라미터는 초점거리, 주점 위치, 렌즈왜곡 파라미터, 센서 포맷 크기, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합일 수 있다.
그리고 레이저 센서 기하 파라미터는 각 레이저의 입사각, 거리 스케일, 거리 방향 오프셋, 축방향 오프셋, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합일 수 있다.
그리고 항법 센서의 기하 파라미터는 축방향의 스케일, 축방향의 오프셋, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합일 수 있다.
본 발명의 제 3 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치의 구성을 구체적으로 설명하면 다음과 같다.
도 3에서와 같이, 이미지 정보를 촬영하는 영상 센서(10), 거리 정보를 감지하는 레이저 센서(20) 및 측위 정보 및 이동체의 속도,위치 및 자세 등의 항법 정보를 제공하는 항법 센서(30)와, 레이저 센서(20)의 데이터에 항법 센서(30)의 정보를 입력하여 레이저 센서(20) 데이터를 절대 좌표화하는 제 1 절대 좌표화부(80a)와, 절대 좌표화된 레이저 센서(20) 데이터와 영상 센서(10) 데이터 각각에 기계학습 적용하여 객체 검출 및 인식하는 제 1 객체 검출 및 인식부(70a)와, 절대좌표화된 레이저 센서(20) 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류하는 제 2 객체 검출 및 인식부(70b)와, 제 1 객체 검출 및 인식부(70a)의 객체 데이터에 항법 센서 정보를 입력하여 절대 좌표화를 수행하는 제 2 절대 좌표화부(80b)를 포함하고, 영상 센서(10)로부터 인식된 객체에 절대좌표화된 레이저 센서(20) 데이터를 추가로 적용하여 지도화를 위한 데이터를 출력한다.
여기서, 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 각 센서의 시야각을 반영하여 설계한다.
그리고 영상 센서 기하 파라미터는 초점거리, 주점 위치, 렌즈왜곡 파라미터, 센서 포맷 크기, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합일 수 있다.
그리고 레이저 센서 기하 파라미터는 각 레이저의 입사각, 거리 스케일, 거리 방향 오프셋, 축방향 오프셋, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합일 수 있다.
그리고 항법 센서의 기하 파라미터는 축방향의 스케일, 축방향의 오프셋, 센서의 위치 및 자세값의 어느 하나 또는 이들의 조합일 수 있다.
이와 같이 본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치는 영상-레이저 센서 데이터 융합 및 기계학습을 이용한 영상, 레이저 센서로부터 대상물 객체 검출 및 인지 자동화 구성을 포함하는 것이다.
데이터 융합은 각 센서의 내부 기하모델 및 외부 기하모델을 바탕으로 이루어지고, 장치 설계 시 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 각 센서의 시야각을 반영하여 설계하는 것이다.
도 4는 본 발명에 따른 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 하는 과정을 나타낸 구성도이고, 도 5는 MMS 기하 모델의 개념을 나타낸 구성도이다.
기계학습은 대상물 객체 검출, 대상물 객체 인식 두 단계로 나누어져 수행되고, 대상물 객체 검출 단계에서는 대상물 객체의 모양, 색상, 질감 등을 기반으로 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류한다.
도 4는 본 발명에 따른 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 하는 과정을 나타낸 것으로, 영상 센서의 센서 내부 기하 모델링을 하고, 레이저 센서의 센서 내부 기하 모델링을 하고, 정의된 영상 센서 기하 모델 및 정의된 레이저 센서 기하 모델을 적용하여 데이터 융합을 한다.
레이저 센서 내부 기하 모델은 다음과 같이 정의될 수 있다.
Figure pat00001
그리고 영상 센서 내부 기하 모델은 다음과 같이 정의될 수 있다.
Figure pat00002
그리고 정의된 영상 센서 기하 모델 및 정의된 레이저 센서 기하 모델을 적용하여 데이터 융합을 하기 위한, 레이저 센서 외부 기하모델은 수학식 3에서와 같이 정의되고, 영상 센서 외부 기하 모델은 수학식 4에서와 같이 정의될 수 있다.
Figure pat00003
Figure pat00004
본 발명은 MMS 기하 모델의 개념을 나타낸 도 5에서와 같은 수학적으로 정의된 MMS의 기하모델로 센서로부터 관측된 대상점을 표준화된 절대좌표계로 변환하여 지도화시키는 구성을 포함한다.
여기서, 절대 좌표계(absolute coordinate system)는 다음과 같이 정의될 수 있다.
공간 상에서 임의 한 지점의 위치를 정의하기 위해서는 기준이 되는 좌표계가 있어야 한다. 그리고 3차원 공간 상에서 위치를 정의하기 위한 좌표계는 좌표축의 원점과 세 개의 직교하는 좌표축으로 구성된다.
좌표계는 목적에 따라 자유로이 설정할 수 있는데, 크게 설정되면 원점의 위치나 좌표축의 방향이 절대 변하지 않는 고정 좌표계인 절대 좌표계와, 이동 그리고 회전이 가능한 좌표계인 변동 좌표계로 구분할 수 있다.
본 발명은 형상 모델링이나 수치해석의 기준이 되는 절대 좌표계를 이용하는 것으로, 관측된 대상점을 표준화된 절대좌표계로 변환하여 지도화시키는 것이다.
본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법에서 기계학습 모델 적용 과정을 구체적으로 설명하면 다음과 같다.
도 6은 본 발명에 따른 기계학습 모델 적용 과정을 나타낸 구성도이고, 도 7a와 도 7b는 본 발명에 따른 학습 데이터 및 융합 데이터의 일 예를 나타낸 구성도이다.
데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류하기 위하여, 도 6에서와 같이, 학습 데이터인 레이저 센서 데이터 및 영상 센서 데이터 중 적어도 하나에 대해 객체 검출 및 인식의 정확도를 향상시키는 전처리하는 단계와, 후보군 검출 단계와, 대상물 인식 단계를 수행한다. 전처리 단계는 레이저 센서 데이터 및/또는 영상 센서 데이터 내에서 기계학습에 의한 검출 대상인 후보군, 즉 객체를 더욱 명확하게 검출 내지 인식하기 위해, 도 8a 및 도 8b에 도시된 영상 센서 데이터 및/또는 레이저 센서 데이터를 구성하는 지오코딩(geocoding) 영상 데이터 및/또는 점군 데이터의 적어도 일부에 대해 전처리할 수 있다. 여기서, 전처리 단계는 도 12의 S603 단계, 도 13의 S702 단계 및 도 14의 S803 단계 전에 수행될 수도 있다.
도 7a는 학습 데이터의 일 예를 나타낸 것이고, 도 7b는 융합 데이터의 일 예를 나타낸 것이다.
학습 데이터인 영상 센서 데이터 및 레이저 센서 데이터를 전처리하는 단계는 도 8a에서와 같이 영상 센서 데이터의 영상 밝기값 조정 과정 및/또는 도 8b에서와 같은 레이저 센서 데이터내에서 불필요한 데이터를 제거하는 과정을 포함할 수 있다. 구체적으로, 영상 센서 데이터에 대한 전처리 단계는 전술한 영상 밝기값 조정, 영상 색상 조정, 영상 흐림도 조정(blurring), 영상 선명도 조정(sharpness), 영상 질감도 분석에 따른 조정, 및 관측 기하 특성 차이로 인한 영상 센서 데이터의 이동, 회전 및/또는 스케일(scale) 변환(2차원 변환 데이터로서 Rigid-body, Affine, Similartiy 중 하나 이상을 변환) 중 적어도 어느 하나로 수행될 수도 있다. 또한, 레이저 센서 데이터에 대한 전처리 단계는 전술한 레이저 센서 데이터 내에서의 불필요한 데이터의 제거, 레이저 밝기값 조정, 레이저 센서 데이터의 벡터 차원 감소, 및 관측 기하 특성 차이로 인한 레이저 센서 데이터의 이동, 회전 및/또는 스케일 변환(3차원 변환 데이터로서 Rigid-body, Affine, Similartiy 중 하나 이상을 변환) 중 적어도 어느 하나로 수행될 수도 있다.
도 8a와 도 8b는 데이터 전처리 과정의 일 예를 나타낸 구성도이다.
그리고 후보군 검출 단계는 밝기 또는 색상 정보, 형상 정보를 벡터화 하여 후보군을 검출하는 과정을 포함할 수 있다.
도 9는 후보군 검출 과정의 일 예를 나타낸 구성도이다.
이와 같이 후보군 검출이 이루어지면 기계학습 알고리즘을 적용하여 대상물 인식 과정을 수행한다.
도 10은 대상물 인식 과정의 일 예를 나타낸 구성도이다.
이와 같이 학습 데이터를 전처리하는 단계와, 후보군 검출 단계와, 대상물 인식 단계를 수행하여 대상물 인식 및 분류가 이루어지면 데이터 융합 기술을 통하여 지도화를 수행한다.
도 11은 융합 기술을 통한 지도화 과정의 일 예를 나타낸 구성도이다.
그리고 본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 방법을 구체적으로 설명하면 다음과 같다.
도 12 내지 도 14는 본 발명의 제1,2,3 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 방법을 나타낸 플로우 차트이다.
본 발명의 제 1 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 방법은 도 12에서와 같이, 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 각 센서의 시야각을 반영하여 설계하고(S601), 각 센서의 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 한다.(S602)
이어, 대상물 객체의 모양, 색상, 질감 등을 기반으로 데이터 내에서 후보군을 기계학습을 통해 검출한다.(S603)
그리고 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류한다.(S604)
그리고 수치지도 또는 도로정밀지도 데이터 출력하여 지도화를 한다.(S605)
본 발명의 제 2 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 방법은 도 13에서와 같이, 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 각 센서의 시야각을 반영하여 설계하고(S701), 카메라 센서 및 레이저 센서의 대상물 객체의 모양, 색상, 질감 등을 기반으로 데이터 내에서 후보군을 기계학습을 통해 검출한다.(S702)
이어, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류한다.(S703)
그리고 항법 센서 정보를 입력하여 절대 좌표화를 수행한다.(S704)
이어, 수치지도 또는 도로정밀지도 데이터 출력하여 지도화한다.(S705)
본 발명의 제 3 실시 예에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 방법은 도 14에서와 같이, 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 각 센서의 시야각을 반영하여 설계하고(S801), 레이저 센서 데이터에 항법센서 정보를 입력하여 레이저 센서 데이터를 절대 좌표화를 수행한다.(S802)
이어, 절대 좌표화된 레이저 센서 데이터와 영상 센서 데이터 각각에 기계학습 적용하여 대상물 객체의 모양, 색상, 질감 등을 기반으로 데이터 내에서 후보군 검출한다.(S803)
그리고 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류한다.(S804)
이어, 영상 센서로부터 인식된 객체에는 절대좌표화된 레이저 센서 데이터를 추가로 적용하여 지도화를 한다.(S805)
이상에서 설명한 본 발명에 따른 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법은 객체들을 자동으로 검출 및 인식하고 영상,레이저,항법센서 간 융합기술을 통해 자동으로 지도화를 하여 신뢰성을 높일 수 있도록 한 것이다.
이를 위하여, 본 발명은 각 센서의 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 하고, 장치 설계 시 영상 센서 데이터와 레이저 센서 데이터가 중첩되도록 각 센서의 시야각을 반영하여 설계하는 구성을 포함한다.
특히, 본 발명은 수치지도 및 도로정밀지도 구축을 자동화할 수 있고, 자동 지도 구축 기술을 통해 지도 갱신 주기의 단축을 가능하게 하여 자율주행차 기술 및 사회기반시설물 관리에 유용하게 사용될 수 있도록 한 것이다.
이상에서의 설명에서와 같이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명이 구현되어 있음을 이해할 수 있을 것이다.
그러므로 명시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 전술한 설명이 아니라 특허청구 범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
10. 영상 센서 20. 레이저 센서
30. 항법 센서 40. 데이터 융합부
50. 객체 검출 및 인식부

Claims (5)

  1. 영상 센서, 레이저 센서, 항법 센서를 갖는 센서 모듈로부터 데이터가 입력되면, 각 센서의 내부 기하모델 및 외부 기하모델을 바탕으로 데이터 융합을 하는 단계;
    융합 데이터 내에서 후보군을 기계학습을 통해 검출하는 단계;
    검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하는 단계;를 포함하고,
    상기 후보군을 기계학습을 통해 검출하는 단계 전에,
    레이저 센서 데이터 및 영상 센서 데이터 중 적어도 어느 하나에 대해 객체 검출 및 인식의 정확도를 향상시키는 전처리 단계를 더 포함하고,
    상기 센서 모듈로부터 제공되는 정보를 벡터화 하여 후보군을 검출하고 기계학습 알고리즘을 적용하여 대상물 인식 과정을 수행하여 수치지도 또는 도로정밀지도 데이터를 출력하는 것을 특징으로 하는 수치지도 및 도로정밀지도 구축 자동화를 위한 방법.
  2. 영상 센서, 레이저 센서, 항법 센서를 갖는 센서 모듈로부터 데이터가 입력되면,
    영상 센서 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하는 단계;
    레이저 센서 데이터 내에서 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하는 단계;
    객체 검출 및 인식에 의한 객체 데이터가 입력되면 항법 센서 정보를 입력하여 절대 좌표화를 수행하는 단계;를 포함하고,
    상기 후보군을 기계학습을 통해 검출하고, 검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하는 단계 전에,
    상기 레이저 센서 데이터 및 상기 영상 센서 데이터 중 적어도 어느 하나에 대해 객체 검출 및 인식의 정확도를 향상시키는 전처리 단계를 더 포함하고,
    상기 센서 모듈로부터 제공되는 정보를 벡터화 하여 후보군을 검출하고 기계학습 알고리즘을 적용하여 대상물 인식 과정을 수행하여 수치지도 또는 도로정밀지도 데이터를 출력하는 것을 특징으로 하는 수치지도 및 도로정밀지도 구축 자동화를 위한 방법.
  3. 영상 센서, 레이저 센서, 항법 센서를 갖는 센서 모듈로부터 데이터가 입력되면, 레이저 센서 데이터에 항법센서 정보를 입력하여 레이저 센서 데이터를 절대 좌표화를 수행하는 단계;
    절대 좌표화된 레이저 센서 데이터와 영상 센서 데이터 각각에 기계학습을 적용하여 데이터 내에서 후보군을 기계학습을 통해 검출하는 단계;
    검출된 후보군에 순차적으로 추가 기계학습 모델을 적용하여 대상 사물이 나타내는 정보를 인식하여 분류하는 단계;
    영상 센서로부터 인식된 객체에 절대좌표화된 레이저 센서 데이터를 추가로 적용하여 지도화를 하는 단계;를 포함하고,
    상기 기계학습을 적용하여 데이터 내에서 후보군을 기계학습을 통해 검출하는 단계 전에,
    상기 레이저 센서 데이터 및 상기 영상 센서 데이터 중 적어도 어느 하나에 대해 객체 검출 및 인식의 정확도를 향상시키는 전처리 단계를 더 포함하고,
    상기 센서 모듈로부터 제공되는 정보를 벡터화 하여 후보군을 검출하고 기계학습 알고리즘을 적용하여 대상물 인식 과정을 수행하는 것을 특징으로 하는 수치지도 및 도로정밀지도 구축 자동화를 위한 방법.
  4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 레이저 센서 데이터에 대한 전처리 단계는 상기 레이저 센서 데이터 내에서의 불필요한 데이터의 제거, 레이저 밝기값 조정, 상기 레이저 센서 데이터의 벡터 차원 감소, 및 상기 레이저 센서 데이터의 이동, 회전 또는 스케일(scale) 변환 중 적어도 어느 하나로 수행되는 것을 특징으로 하는 수치지도 및 도로정밀지도 구축 자동화를 위한 방법.
  5. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
    상기 영상 센서 데이터에 대한 전처리 단계는 영상 밝기값 조정, 영상 색상 조정, 영상 흐림도 조정, 영상 선명도 조정, 영상 질감도 분석에 따른 조정, 및 상기 영상 센서 데이터의 이동, 회전 또는 스케일 변환 중 적어도 어느 하나로 수행되는 것을 특징으로 하는 수치지도 및 도로정밀지도 구축 자동화를 위한 방법.
KR1020190023393A 2019-02-27 2019-02-27 수치지도 및 도로정밀지도 구축 자동화를 위한 방법 KR102113068B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190023393A KR102113068B1 (ko) 2019-02-27 2019-02-27 수치지도 및 도로정밀지도 구축 자동화를 위한 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190023393A KR102113068B1 (ko) 2019-02-27 2019-02-27 수치지도 및 도로정밀지도 구축 자동화를 위한 방법

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020180005119A Division KR101954963B1 (ko) 2018-01-15 2018-01-15 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190087338A true KR20190087338A (ko) 2019-07-24
KR102113068B1 KR102113068B1 (ko) 2020-05-20

Family

ID=67481457

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190023393A KR102113068B1 (ko) 2019-02-27 2019-02-27 수치지도 및 도로정밀지도 구축 자동화를 위한 방법

Country Status (1)

Country Link
KR (1) KR102113068B1 (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102171826B1 (ko) * 2020-03-02 2020-10-29 엘티메트릭 주식회사 정밀 도로지도를 자동으로 구축할 수 있는 시스템
KR102203968B1 (ko) * 2020-09-25 2021-01-18 서광항업 주식회사 자동으로 수치지도와 도로지도를 생성할 수 있는 정밀도로지도 구축시스템
KR20210060068A (ko) 2019-11-18 2021-05-26 (주)이노시뮬레이션 육상이동체 시뮬레이션을 위한 정밀도로지도 데이터 처리 및 포맷변경방법
KR102288933B1 (ko) 2020-11-10 2021-08-10 임헌용 정밀 도로 지도 구축 방법, 장치 및 시스템
CN113375682A (zh) * 2021-06-09 2021-09-10 深圳朗道智通科技有限公司 一种数据融合对实时高精地图自动标注系统及方法
KR20210153291A (ko) * 2020-06-10 2021-12-17 한국기술교육대학교 산학협력단 이미지 객체 검출 방법
US11488391B2 (en) 2020-08-24 2022-11-01 Samsung Electronics Co., Ltd. Method and apparatus for estimating position

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101078238B1 (ko) * 2011-06-20 2011-10-31 (주) 지오씨엔아이 항공 레이저 측량의 점군 집합을 활용한 하천 지역 내 3차원 인공 제방선 추출 방법
KR101105606B1 (ko) * 2011-07-29 2012-01-18 (주)원지리정보 이동형 멀티측량센서모듈을 통한 3차원 지형데이터 생성장치 및 방법
KR101178507B1 (ko) * 2010-08-16 2012-09-07 포항공과대학교 산학협력단 도로 표식 인식 시스템 및 방법
KR20140049361A (ko) * 2012-10-17 2014-04-25 한국과학기술원 다중 센서 시스템, 이를 이용하는 3차원 월드 모델링 장치 및 방법
KR20140055898A (ko) 2012-12-22 2014-05-09 (주)지오투정보기술 영상의 왜곡보정을 통해 공간모델링을 수행하는 수치지도제작 시스템
KR20140072763A (ko) 2012-12-31 2014-06-13 (주)지오투정보기술 영상 정보와 항공사진 데이터를 비교하여 대상 객체를 결정하고 카메라 획득정보를 이용하여 대상 객체의 3차원 좌표를 획득하는 수치지도 제작 시스템
KR20170068021A (ko) 2015-12-09 2017-06-19 현대자동차주식회사 고정밀 지도의 제공을 위한 세그먼트 모델링 기반의 도로의 형상 정보 생성 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101178507B1 (ko) * 2010-08-16 2012-09-07 포항공과대학교 산학협력단 도로 표식 인식 시스템 및 방법
KR101078238B1 (ko) * 2011-06-20 2011-10-31 (주) 지오씨엔아이 항공 레이저 측량의 점군 집합을 활용한 하천 지역 내 3차원 인공 제방선 추출 방법
KR101105606B1 (ko) * 2011-07-29 2012-01-18 (주)원지리정보 이동형 멀티측량센서모듈을 통한 3차원 지형데이터 생성장치 및 방법
KR20140049361A (ko) * 2012-10-17 2014-04-25 한국과학기술원 다중 센서 시스템, 이를 이용하는 3차원 월드 모델링 장치 및 방법
KR20140055898A (ko) 2012-12-22 2014-05-09 (주)지오투정보기술 영상의 왜곡보정을 통해 공간모델링을 수행하는 수치지도제작 시스템
KR20140072763A (ko) 2012-12-31 2014-06-13 (주)지오투정보기술 영상 정보와 항공사진 데이터를 비교하여 대상 객체를 결정하고 카메라 획득정보를 이용하여 대상 객체의 3차원 좌표를 획득하는 수치지도 제작 시스템
KR20170068021A (ko) 2015-12-09 2017-06-19 현대자동차주식회사 고정밀 지도의 제공을 위한 세그먼트 모델링 기반의 도로의 형상 정보 생성 방법

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210060068A (ko) 2019-11-18 2021-05-26 (주)이노시뮬레이션 육상이동체 시뮬레이션을 위한 정밀도로지도 데이터 처리 및 포맷변경방법
KR102171826B1 (ko) * 2020-03-02 2020-10-29 엘티메트릭 주식회사 정밀 도로지도를 자동으로 구축할 수 있는 시스템
KR20210153291A (ko) * 2020-06-10 2021-12-17 한국기술교육대학교 산학협력단 이미지 객체 검출 방법
US11488391B2 (en) 2020-08-24 2022-11-01 Samsung Electronics Co., Ltd. Method and apparatus for estimating position
KR102203968B1 (ko) * 2020-09-25 2021-01-18 서광항업 주식회사 자동으로 수치지도와 도로지도를 생성할 수 있는 정밀도로지도 구축시스템
KR102288933B1 (ko) 2020-11-10 2021-08-10 임헌용 정밀 도로 지도 구축 방법, 장치 및 시스템
CN113375682A (zh) * 2021-06-09 2021-09-10 深圳朗道智通科技有限公司 一种数据融合对实时高精地图自动标注系统及方法

Also Published As

Publication number Publication date
KR102113068B1 (ko) 2020-05-20

Similar Documents

Publication Publication Date Title
KR102113068B1 (ko) 수치지도 및 도로정밀지도 구축 자동화를 위한 방법
US10863166B2 (en) Method and apparatus for generating three-dimensional (3D) road model
KR101954963B1 (ko) 수치지도 및 도로정밀지도 구축 자동화를 위한 장치 및 방법
EP2458336B1 (en) Method and system for reporting errors in a geographic database
EP2120009A1 (en) Road/feature measuring device, feature identifying device, road/feature measuring method, road/feature measuring program, measuring device, measuring method, measuring program, measured position data, measuring terminal, measuring server device, drawing device, drawing method, drawing program, and drawing data
EP1993072A1 (en) Method for comparison of 3D computer model and as-built situation of an industrial plant
JP5109294B2 (ja) ３次元位置補正装置
JP2015201192A (ja) 物体の位置及び向きの検出
JP2018124787A (ja) 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム
JP6532412B2 (ja) 自己位置推定システム、自己位置推定方法、モバイル端末、サーバおよび自己位置推定プログラム
WO2018155590A1 (ja) 写真画像に映ったトンネル内の壁面の位置を同定する同定装置、同定方法、ならびに、プログラム
JP2022553750A (ja) 地中線ネットワークのインフラストラクチャ要素を検出する方法およびその移動型検出装置
CN114494466B (zh) 外参标定方法、装置及设备、存储介质
JP2023029441A (ja) 計測装置、計測システムおよび車両
KR102490521B1 (ko) 라이다 좌표계와 카메라 좌표계의 벡터 정합을 통한 자동 캘리브레이션 방법
JP6289317B2 (ja) モデル化データ算出方法及びモデル化データ算出装置
Zeybek et al. 3D dense reconstruction of road surface from UAV images and comparison of SfM based software performance
Lucks et al. Improving trajectory estimation using 3D city models and kinematic point clouds
WO2022097426A1 (ja) 状態判定装置、状態判定システム及び状態判定方法
Partovi et al. Automatic integration of laser scanning and photogrammetric point clouds: From acquisition to co-registration
KR102288623B1 (ko) 육상이동체 시뮬레이션을 위한 정밀도로지도 데이터 처리 및 포맷변경방법
Frangione et al. Multi-step approach for automated scaling of photogrammetric micro-measurements
CN114051627A (zh) 相机校准方法
KR20220062709A (ko) 모바일 디바이스 영상에 기반한 공간 정보 클러스터링에 의한 재난 상황 인지 시스템 및 방법
CN111964685A (zh) 用于创建用于车辆的定位地图的方法和系统

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant