KR20200065590A - Method and apparatus for detecting lane center point for accurate road map - Google Patents
Method and apparatus for detecting lane center point for accurate road map Download PDFInfo
- Publication number
- KR20200065590A KR20200065590A KR1020180152196A KR20180152196A KR20200065590A KR 20200065590 A KR20200065590 A KR 20200065590A KR 1020180152196 A KR1020180152196 A KR 1020180152196A KR 20180152196 A KR20180152196 A KR 20180152196A KR 20200065590 A KR20200065590 A KR 20200065590A
- Authority
- KR
- South Korea
- Prior art keywords
- lane
- points
- center point
- reflection intensity
- direction vector
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000000513 principal component analysis Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 description 6
- 238000010422 painting Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002730 additional effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010304 firing Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Optics & Photonics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
본 발명은 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치에 관한 것으로, 더욱 상세하게는 차선 도색이 훼손된 경우에도 도로의 포인트 클라우드 데이터에 대한 반사 강도 값을 기초로 차선 중앙점을 정확히 검출하는 방법에 관한 것이다.The present invention relates to a method and apparatus for detecting a lane center point for a precise road map, and more specifically, a method for accurately detecting a lane center point based on a reflection intensity value for point cloud data of a road even when the lane painting is damaged. It is about.
자율주행차는 사람의 조작이나 입력을 거의 또는 전혀 이용하지 않고, 주변 환경과 움직임을 감지할 수 있는 차량이다. 이러한 자율주행차가 실현되려면, 레이더(radar), 컴퓨터 비전(computer vision), GPS, 주행 계측(odometry), 관성 측정(inertial measurement) 유닛들과 같이 주변 상황을 감지할 수 있는 다양한 센서들이 결합되어야 한다.An autonomous vehicle is a vehicle that can sense surroundings and movements with little or no human manipulation or input. In order for this autonomous vehicle to be realized, various sensors capable of detecting the surroundings such as radar, computer vision, GPS, odometry, and inertial measurement units must be combined. .
또한, 자율주행차가 감지하기 어려운 주변 교통 상황을 파악하는데 용이하도록, 차량 운행 지원 정보를 자율주행차에 제공하는 기술이 필요하다. 예를 들어, LDM(Local Dynamic Map)은 자율협력주행을 위해 표준화된 차량 운행 지원 정보를 연계, 저장, 관리하는 기술로서, 차로 수준의 정밀 전자 지도(또는 정적 정보)를 바탕으로 도로 교통과 주변 차량 상황(동적 정보)를 융합하여 실시간으로 자율주행차에 정보를 제공한다.In addition, there is a need for a technology that provides vehicle driving support information to the autonomous vehicle so that it is easy for the autonomous vehicle to detect surrounding traffic conditions that are difficult to detect. For example, LDM (Local Dynamic Map) is a technology that links, stores, and manages standardized vehicle operation support information for autonomous cooperative driving.It uses road-level precision electronic maps (or static information) to drive road traffic and surrounding vehicles. The situation (dynamic information) is fused to provide information to autonomous vehicles in real time.
정밀 전자 지도를 구축하기 위해 필요한 데이터를 수집하는 방법 중 하나로 라이다(LIDAR)가 사용된다. 라이다(LIDAR)는 레이저 펄스를 발사하고 그 빛이 주위의 대상 물체에서 반사되어 돌아오는 것을 수신함으로써, 주변 모습을 정밀하게 그려내는 장치이다. 이때, 정밀 전자 지도에서 차선을 3차원 상의 직선으로 나타내기 위해서는 라이다를 이용하여 측정된 데이터에서 차선의 중앙점을 검출하는 것이 필수적이다. LIDAR is used as a way to collect the data needed to build a precision electronic map. LIDAR is a device that precisely draws the surroundings by firing a laser pulse and receiving the light reflected from the surrounding object and returning. At this time, it is essential to detect the center point of the lane from the data measured using the lidar in order to represent the lane as a straight line in 3D on the precision electronic map.
그런데, 기존의 차선 중앙점 검출 방법은, 라이다에서 측정된 포인트 클라우드 데이터에 대한 반사 강도 값을 분석하고, 반사 강도값을 기준값과 비교하여 이진화하며, 이진화된 점들의 좌표 평균을 차선 중심으로 결정한다. 이러한 기존 방법은 차선 도색이 일부 훼손되거나 센서 측정값의 일부 오차에 큰 영향을 받게되어 차선 중심 위치가 부정확하게 검출되는 문제가 있다.By the way, the existing lane center point detection method analyzes the reflection intensity value for the point cloud data measured in the lidar, compares the reflection intensity value with a reference value, binarizes, and determines the coordinate average of the binarized points as the lane center. do. This conventional method has a problem in that lane centering is incorrectly detected because part of lane painting is damaged or partly affected by an error in sensor measurement values.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 정밀 도로 지도를 위한 차선 중앙점 검출 방법을 제공하는 데 있다.An object of the present invention for solving the above problems is to provide a method of detecting a lane center point for a precise road map.
상기와 같은 문제점을 해결하기 위한 본 발명의 다른 목적은, 정밀 도로 지도를 위한 차선 중앙점 검출 장치를 제공하는 데 있다.Another object of the present invention for solving the above problems is to provide a lane center point detection device for a precision road map.
상기 목적을 달성하기 위한 본 발명의 일 측면은, 정밀 도로 지도를 위한 차선 중앙점 검출 방법을 제공한다.One aspect of the present invention for achieving the above object, provides a method for detecting a lane center point for a precise road map.
상기 정밀 도로 지도를 위한 차선 중앙점 검출 방법은, 라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 측정한 포인트 클라우드 데이터를 획득하는 단계, 획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계, 추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계, 추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계 및 분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계를 포함할 수 있다.The method of detecting a lane center point for the precision road map may include obtaining point cloud data measured on a road surface painted with a lane using a LIDAR device, and focusing an input point from the acquired point cloud data Extracting points within a certain radius, obtaining a lane direction vector through principal component analysis of the extracted points, and separating the extracted points into points located on a plane perpendicular to the direction vector And it may include the step of detecting the center point of the lane by analyzing the reflection intensity for the separated points.
상기 입력 포인트는, 사용자의 입력을 통해 결정될 수 있다.The input point may be determined through user input.
상기 차선의 방향 벡터를 획득하는 단계는, 상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계 및 추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함할 수 있다.The obtaining of the direction vector of the lane may include extracting points having a reflection intensity equal to or greater than a reference value from the extracted points and obtaining the direction vector through principal component analysis of the extracted points. .
상기 기준값은, 도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값일 수 있다.The reference value may be an intermediate value or an average value between the average reflection intensity for the painted lane and the average reflection intensity for portions other than the painted lane.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값일 수 있다.The reference value may be a value corresponding to a preset ratio based on the average reflection intensity value for the painted lane.
상기 목적을 달성하기 위한 본 발명의 다른 측면은, 정밀 도로 지도를 위한 차선 중앙점 검출 장치를 제공한다.Another aspect of the present invention for achieving the above object is to provide a lane center point detection device for precision road map.
상기 정밀 도로 지도를 위한 차선 중앙점 검출 장치는, 적어도 하나의 프로세서(processor) 및 상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.The lane center point detecting apparatus for the precision road map includes at least one processor and memory storing instructions instructing the at least one processor to perform at least one step. can do.
상기 적어도 하나의 단계는, 라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 측정한 포인트 클라우드 데이터를 획득하는 단계, 획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계, 추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계, 추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계 및 분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계를 포함할 수 있다.The at least one step may include obtaining point cloud data measured on a road surface painted with lanes using a LIDAR device, and points within a certain radius around an input point in the acquired point cloud data. Extracting them, obtaining a lane direction vector through principal component analysis of the extracted points, separating the extracted points into points located on a plane perpendicular to the direction vector, and the separated points It may include the step of detecting the center point of the lane by analyzing the reflection intensity for.
상기 입력 포인트는, 사용자의 입력을 통해 결정될 수 있다.The input point may be determined through user input.
상기 차선의 방향 벡터를 획득하는 단계는, 상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계 및 추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함할 수 있다.The obtaining of the direction vector of the lane may include extracting points having a reflection intensity equal to or greater than a reference value from the extracted points and obtaining the direction vector through principal component analysis of the extracted points. .
상기 기준값은, 도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값일 수 있다.The reference value may be an intermediate value or an average value between the average reflection intensity for the painted lane and the average reflection intensity for portions other than the painted lane.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값일 수 있다.The reference value may be a value corresponding to a preset ratio based on the average reflection intensity value for the painted lane.
상기와 같은 본 발명에 따른 자율협력주행환경에서 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치를 이용할 경우에는 도색의 훼손이나 센서 오차에 큰 영향을 받지 않고 차선 중앙점을 정확하게 검출할 수 있다.When using the method and apparatus for detecting a lane center point for a precise road map in the autonomous cooperative driving environment according to the present invention as described above, the center point of the lane can be accurately detected without being significantly affected by the damage of the paint or the sensor error.
도 1은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에 사용되는 입력 데이터를 설명하기 위한 예시도이다.
도 2는 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에서 차선 방향 벡터를 검출하는 과정을 설명하기 위한 예시도이다.
도 3은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에서 차선 방향 벡터와 수직인 평면으로 입력 데이터를 분리하는 과정을 설명하기 위한 예시도이다.
도 4는 본 발명의 일 실시예에 따른 차선 방향 벡터와 수직인 평면으로 입력 데이터를 분리한 결과를 일 측면에서 본 예시도이다.
도 5는 본 발명의 일 실시예에 따른 차선 방향 벡터와 수직인 평면에 위치한 포인트 클라우드 데이터에 대하여 포물선으로 근사화하는 과정을 설명하기 위한 예시도이다.
도 6은 도 5에 따라 도출된 복수의 포물선을 이용하여 차선 중앙점을 결정하는 방법을 설명하기 위한 예시도이다.
도 7은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에 대한 흐름도이다.
도 8은 정밀 도로 지도를 위한 차선 중앙점 검출 장치에 대한 구성도이다. 1 is an exemplary view for explaining input data used in a lane center point detection method for a precision road map according to an embodiment of the present invention.
2 is an exemplary view for explaining a process of detecting a lane direction vector in a method of detecting a lane center point for a precision road map according to an embodiment of the present invention.
3 is an exemplary view for explaining a process of separating input data into a plane perpendicular to a lane direction vector in a lane center point detection method for a precision road map according to an embodiment of the present invention.
4 is an exemplary view illustrating a result of separating input data into a plane perpendicular to a lane direction vector according to an embodiment of the present invention.
5 is an exemplary view for explaining a process of approximating a point cloud data located in a plane perpendicular to a lane direction vector according to an embodiment of the present invention as a parabola.
6 is an exemplary view for explaining a method of determining a lane center point using a plurality of parabolas derived according to FIG. 5.
7 is a flowchart of a method of detecting a lane center point for a precision road map according to an embodiment of the present invention.
8 is a configuration diagram of a lane center point detection device for a precision road map.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 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. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. The present invention can be applied to various changes and can have various embodiments, and specific embodiments will be illustrated in the drawings and described in detail in the detailed description. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include all modifications, equivalents, and substitutes included in the spirit and scope of the present invention. In describing each drawing, similar reference numerals are used for similar components.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 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 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다. Terms such as first, second, A, and B may be used to describe various components, but the components should not be limited by the terms. The terms are used only for the purpose of distinguishing one component from other components. For example, the first component may be referred to as a second component without departing from the scope of the present invention, and similarly, the second component may be referred to as a first component. The term and/or includes a combination of a plurality of related described items or any one of a plurality of related described items.
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 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. When an element is said to be "connected" or "connected" to another component, it is understood that other components may be directly connected to or connected to the other component, but there may be other components in between. It should be. On the other hand, when a component is said to be "directly connected" or "directly connected" to another component, it should be understood that no other component exists in the middle.
본 출원에서 사용한 용어는 단지 특정한 실시예를 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.The terms used in this application are only used to describe specific embodiments, and are not intended to limit the present invention. Singular expressions include plural expressions unless the context clearly indicates otherwise. In this application, terms such as “include” or “have” are intended to indicate the presence of features, numbers, steps, actions, components, parts, or combinations thereof described in the specification, one or more other features. It should be understood that the existence or addition possibilities of fields or numbers, steps, operations, components, parts or combinations thereof are not excluded in advance.
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 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by a person skilled in the art to which the present invention pertains. Terms, such as those defined in a commonly used dictionary, should be interpreted as having meanings consistent with meanings in the context of related technologies, and should not be interpreted as ideal or excessively formal meanings unless explicitly defined in the present application. Does not.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에 사용되는 입력 데이터를 설명하기 위한 예시도이다.1 is an exemplary view for explaining input data used in a lane center point detection method for a precision road map according to an embodiment of the present invention.
정밀 도로 지도를 구축하기 위하여 사용되는 라이다 장치를 통해 획득되는 입력 데이터(input data)는 3차원 공간 좌표(X, Y, Z 좌표)를 갖는 수많은 비정규 포인트 클라우드(point cloud, 또는 점군으로 지칭)으로 구성될 수 있다. 이러한 입력 데이터는 기존의 2차원 좌표를 갖는 픽셀 데이터 이상의 데이터를 가질 수 있으므로 정밀 도로 지도를 3차원 공간 정보 형태로 구성하는데 유리하다.The input data obtained through the lidar device used to build a precision road map is a number of irregular point clouds (referred to as point clouds, or point clouds) having three-dimensional spatial coordinates (X, Y, Z coordinates). It can be composed of. Since the input data may have more data than the pixel data having the existing 2D coordinates, it is advantageous to construct a precision road map in the form of 3D spatial information.
도 1을 참조하면, 라이다 장치를 이용하여 하나 이상의 차선이 도색된 도로에 대하여 획득한 입력 데이터에 대한 예시를 확인할 수 있다. 도 1에서와 같이 획득된 입력 데이터는 3차원 공간 좌표를 갖는 수많은 포인트들로 구성된 포인트 클라우드가 될 수 있다. 이때, 개별 포인트는 3차원 공간 좌표를 필수적으로 갖는 것 이외에 반사강도, 색상 값 등 추가적인 속성을 가질 수 있다.Referring to FIG. 1, an example of input data obtained with respect to a road painted with one or more lanes may be confirmed using a lidar device. The input data obtained as in FIG. 1 may be a point cloud composed of numerous points having 3D spatial coordinates. At this time, the individual points may have additional properties such as reflection intensity and color value in addition to having essentially three-dimensional spatial coordinates.
이때, 도로 상에 도색된 차선은 차량이 차선의 외곽부터 진입하는 까닭에 차선의 외곽부터 도색이 훼손되는 경향성을 가진다. 따라서, 도로 면에 도색된 차선에 대하여 측정된 반사 강도는 차량이 차선의 중앙으로 갈수록 큰 값을 가지고 경계에 가까워질수록 작은 값을 가질 수 있다. 따라서, 본 발명의 일 실시예에서는 이러한 특성을 이용하여 반사 강도를 포물선으로 근사함으로써 차선의 중앙점을 정확하게 결정하는 방법을 제안한다.At this time, the lane painted on the road tends to damage the painting from the outer lane because the vehicle enters from the outer lane. Therefore, the reflected intensity measured with respect to the lane painted on the road surface may have a larger value as the vehicle goes toward the center of the lane and a smaller value as it approaches the boundary. Accordingly, an embodiment of the present invention proposes a method for accurately determining the center point of a lane by approximating the reflection intensity with a parabola using these characteristics.
도 2는 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에서 차선 방향 벡터를 검출하는 과정을 설명하기 위한 예시도이다. 2 is an exemplary view for explaining a process of detecting a lane direction vector in a method of detecting a lane center point for a precision road map according to an embodiment of the present invention.
본 발명의 일 실시예에 따른 차선 중앙점 검출 방법은, 먼저 도 1에 따른 입력 데이터에 대하여 임의의 포인트(또는 임의의 공간 좌표)를 선정할 수 있다. 이때, 임의의 포인트는 사용자의 입력 수단을 통한 입력 데이터로 획득될 수 있고, 또는 랜덤(random) 변수를 이용하여 획득될 수도 있다.In the method of detecting a lane center point according to an embodiment of the present invention, first, an arbitrary point (or an arbitrary spatial coordinate) may be selected for the input data according to FIG. 1. At this time, an arbitrary point may be obtained as input data through a user's input means, or may be obtained using a random variable.
도 1을 참조하면, 사용자로부터 입력받은 입력 포인트(10)를 3차원 공간 좌표상에서 나타낸 예시를 확인할 수 있다. 도 1에서는 설명의 편의를 위해 입력 포인트가 3차원 공간 좌표의 중앙에 위치하도록 도시하였으나, 특정 공간 좌표로 나타낼 수도 있다.Referring to FIG. 1, an example in which an input point 10 received from a user is displayed on three-dimensional spatial coordinates can be confirmed. In FIG. 1, for convenience of description, the input point is illustrated to be located in the center of the 3D spatial coordinates, but may be represented by specific spatial coordinates.
도 1에서와 같이 입력 포인트(10)가 획득되면, 입력 포인트(10)에서 일정한 거리 내에 있는 포인트들을 추출할 수 있다. 예를 들어, 입력 포인트(10)를 중심으로 미리 설정된 반경(r) 이내에 있는 포인트들(도 1에 도시된 포인트들)을 입력 데이터에서 추출할 수 있다.As shown in FIG. 1, when the input point 10 is obtained, points within a certain distance from the input point 10 may be extracted. For example, points (points shown in FIG. 1) within a preset radius r around the input point 10 may be extracted from the input data.
다음으로, 미리 설정된 반경(r) 이내에 있는 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출할 수 있다. 여기서 반사 강도가 기준값 이상인 포인트들은 도색된 차선 상에 위치한 포인트들로 예상할 수 있다. 따라서, 기준값은 도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값(median) 또는 평균값(average value)으로 결정될 수 있다. 또한, 기준값은 도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율(예를 들면 80%)에 해당하는 값으로 결정될 수도 있다. Next, points having a reflection intensity equal to or greater than a reference value may be extracted from points within a preset radius r. Here, points having a reflection intensity higher than a reference value can be expected as points located on a painted lane. Accordingly, the reference value may be determined as a median or average value between the average reflection intensity for the painted lane and the average reflection intensity for portions other than the painted lane. Also, the reference value may be determined as a value corresponding to a preset ratio (for example, 80%) based on the average reflection intensity value for the painted lane.
반사 강도가 기준값 이상인 포인트들이 추출되면, 추출된 포인트들을 주성분분석(Principal Component Analysis, PCA)하여 차선의 방향 벡터(20)를 도출할 수 있다. 예를 들어, 반사 강도가 기준값 이상인 포인트들의 공간 좌표 분포를 분석하고, 분석된 공간 좌표 분포가 가장 넓게(또는 길게) 분포되는 방향을 차선의 방향 벡터(20)로 결정할 수 있다.When points having a reflection intensity equal to or greater than a reference value are extracted, the extracted direction points 20 may be derived by performing principal component analysis (PCA) on the extracted points. For example, a spatial coordinate distribution of points having a reflection intensity greater than or equal to a reference value may be analyzed, and a direction in which the analyzed spatial coordinate distribution is most widely (or long) may be determined as a lane direction vector 20.
도 3은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에서 차선 방향 벡터와 수직인 평면으로 입력 데이터를 분리하는 과정을 설명하기 위한 예시도이다. 도 4는 본 발명의 일 실시예에 따른 차선 방향 벡터와 수직인 평면으로 입력 데이터를 분리한 결과를 일 측면에서 본 예시도이다.3 is an exemplary diagram for explaining a process of separating input data into a plane perpendicular to a lane direction vector in a method of detecting a lane center point for a precision road map according to an embodiment of the present invention. 4 is an exemplary view illustrating a result of separating input data into a plane perpendicular to a lane direction vector according to an embodiment of the present invention.
앞선 도 2에서 도시된 미리 설정된 반경(r) 이내에 있는 포인트들을 차선의 방향 벡터(20)와 수직한 복수의 평면(30)상에 위치한 포인트들로 분류하면, 도 3과 같다.The points within the preset radius r shown in FIG. 2 are classified into points located on a plurality of planes 30 perpendicular to the lane direction vector 20, as shown in FIG. 3.
도 3을 참조하면, 차선의 방향 벡터와 수직한 평면(30) 상에 위치한 포인트들을 확인할 수 있다. 여기서 하나의 평면(30) 상에 위치한 포인트들은 라이다 장치로 도로면에 대하여 측정된 포인트이기 때문에 하나의 직선 상에 위치하는 포인트일 수 있다. 도 4를 참조하면, 도로 면에 대하여 획득한 포인트 클라우드 데이터를 차선의 방향 벡터와 수직한 복수의 평면으로 분류한 데이터를 확인할 수 있다. 도 4에서와 같이, 차선의 방향 벡터와 수직한 평면(30) 상에 위치한 포인트들은 실제 도로 면을 대상으로 측정되었기 때문에 하나의 직선(예를 들어 도로면을 차선 방향과 수직하게 자른 단면에 해당하는 직선으로 이해될 수 있음) 상에 위치한 포인트들이 될 수 있다. 따라서, 하나의 평면 상에 위치한 포인트들은 공간 좌표계에서 하나의 직선(또는 근사화된 직선) 상에 위치할 수 있다.Referring to FIG. 3, it is possible to check points located on a plane 30 perpendicular to the lane direction vector. Here, since the points located on one plane 30 are points measured with respect to the road surface with a lidar device, they may be points located on one straight line. Referring to FIG. 4, it is possible to check data obtained by classifying point cloud data obtained for a road surface into a plurality of planes perpendicular to a lane direction vector. As shown in FIG. 4, points located on the plane 30 perpendicular to the direction vector of the lane are measured for the actual road surface, and thus correspond to a straight line (for example, a cross section of the road surface perpendicular to the lane direction). Can be understood as a straight line). Accordingly, points located on one plane may be located on one straight line (or approximated straight line) in the spatial coordinate system.
도 5는 본 발명의 일 실시예에 따른 차선 방향 벡터와 수직인 평면에 위치한 포인트 클라우드 데이터에 대하여 포물선으로 근사화하는 과정을 설명하기 위한 예시도이다.5 is an exemplary view for explaining a process of approximating a point cloud data located in a plane perpendicular to a lane direction vector according to an embodiment of the present invention as a parabola.
도 5를 참조하면, 도 3 내지 4에서 도출한 차선의 방향 벡터와 수직한 평면(30) 상에 위치한 포인트들이 위치한 직선 좌표를 가로축으로 하고, 포인트들이 갖는 반사 강도값을 세로축으로 설정하여 도시한 그래프를 확인할 수 있다. 도 5에서 도시된 그래프를 참조하면, 하나의 직선 좌표 상에 위치한 포인트들의 반사 강도 분포를 확인할 수 있는데, 일반적인 차선 도색의 경향과 같이 중앙에 위치할수록 반사 강도값이 크고, 외곽에 위치할 수 있도록 반사 강도값이 작은 것을 알 수 있다. 이때, 도 5에 따른 그래프를 포물선으로 근사하면 도 5에서와 같이 근사 포물선(40)을 도출할 수 있다. 여기서 도출된 근사 포물선(40)의 꼭지점 좌표는 차선의 중앙점과 가까울 것으로 예상할 수 있다.Referring to FIG. 5, the straight line coordinates in which the points located on the plane 30 perpendicular to the direction vector of the lanes derived in FIGS. 3 to 4 are located are set as the horizontal axis, and the reflection intensity values of the points are set as the vertical axis. You can check the graph. Referring to the graph illustrated in FIG. 5, it is possible to check the distribution of reflection intensity of points located on one linear coordinate, the larger the reflection intensity value is located in the center, such as the trend of general lane painting, so that it can be located on the outer side. It can be seen that the reflection intensity value is small. At this time, if the graph according to FIG. 5 is approximated with a parabola, the approximate parabola 40 can be derived as in FIG. 5. The vertex coordinates of the approximate parabola 40 derived here can be expected to be close to the center point of the lane.
이처럼 본 발명의 일 실시예에 따르면, 하나의 직선 좌표 상에 위치한 포인트들에 대하여 반사 강도를 기준으로 근사 포물선을 도출하기 때문에, 일부 포인트의 반사 강도 오차나 도색면의 훼손이 있더라도 차선의 중앙점을 정확하게 도출할 수 있다.Thus, according to an embodiment of the present invention, since the approximate parabola is derived based on the reflection intensity for points located on one linear coordinate, the center point of the lane even if there is an error in reflection intensity of some points or damage of the painted surface Can be accurately derived.
도 6은 도 5에 따라 도출된 복수의 포물선을 이용하여 차선 중앙점을 결정하는 방법을 설명하기 위한 예시도이다.6 is an exemplary view for explaining a method of determining a lane center point using a plurality of parabolas derived according to FIG. 5.
도 5에서 도출한 근사 포물선은 차선의 방향 벡터와 수직한 평면 상에 위치한 포인트들을 이용하여 획득한 결과이므로, 일부 지점 전체의 차선 도색 손상을 보완하기 어려울 수 있다. 따라서, 본 발명의 일 실시예에 따르면, 근사 포물선을 개별 평면마다 도출하고, 도출된 근사 포물선의 꼭지점들을 하나의 직선으로 근사함으로써, 더욱 정밀한 차선 중앙점을 도출할 수 있다.Since the approximate parabola derived in FIG. 5 is a result obtained by using points located on a plane perpendicular to the lane direction vector, it may be difficult to compensate for damage to the lane painting of all points. Accordingly, according to an embodiment of the present invention, the approximate parabolic line may be derived for each individual plane, and the vertices of the derived approximate parabola may be approximated by one straight line to derive a more precise lane center point.
구체적으로 도 6을 참조하면, 도 3에 따른 개별 평면마다 도출한 근사 포물선의 꼭지점들을 하나의 직선으로 근사한 직선(50)을 확인할 수 있다. 앞선 도 2에서 획득한 입력 포인트(10)에서 근사 직선(50)으로 수직한 선을 연결하여 만나는 점이 차선의 중앙점에 해당하는 공간 좌표 위치일 수 있다.Specifically, referring to FIG. 6, it is possible to check the straight line 50 approximating the vertices of the approximate parabola derived for each individual plane according to FIG. 3 as one straight line. The point where the vertical line is connected by the approximate straight line 50 from the input point 10 obtained in the previous FIG. 2 may be a spatial coordinate position corresponding to the center point of the lane.
도 7은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에 대한 흐름도이다.7 is a flowchart of a method of detecting a lane center point for a precision road map according to an embodiment of the present invention.
도 7을 참조하면, 정밀 도로 지도를 위한 차선 중앙점 검출 방법은, 라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 측정한 포인트 클라우드 데이터를 획득하는 단계(S100), 획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계(S110), 추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계(S120), 추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계(S130) 및 분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계(S140)를 포함할 수 있다.Referring to FIG. 7, a method of detecting a lane center point for a precision road map includes obtaining point cloud data measured on a road surface on which a lane is painted using a LIDAR device (S100 ). Extracting points within a certain radius around the input point from the point cloud data (S110), obtaining a lane direction vector through principal component analysis of the extracted points (S120), extracting the points in the direction It may include the step of separating the points located on the plane perpendicular to the vector (S130) and detecting the center point of the lane by analyzing the reflection intensity for the separated points (S140).
상기 입력 포인트는, 사용자의 입력을 통해 결정될 수 있다.The input point may be determined through user input.
상기 차선의 방향 벡터를 획득하는 단계(S120)는, 상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계 및 추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함할 수 있다.The obtaining of the direction vector of the lane (S120) includes extracting points having a reflection intensity equal to or greater than a reference value among the extracted points and obtaining the direction vector through principal component analysis of the extracted points. can do.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값일 수 있다.The reference value may be an intermediate value or an average value between the average reflection intensity for the painted lane and the average reflection intensity for portions other than the painted lane.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값일 수 있다.The reference value may be a value corresponding to a preset ratio based on the average reflection intensity value for the painted lane.
그 밖에도, 정밀 도로 지도를 위한 차선 중앙점 검출 방법은, 도 1 내지 도 7에서 설명한 방법 또는 단계가 적용될 수 있으며, 중복 설명을 방지하기 위해 자세한 설명은 생략한다.In addition, a method or a step described in FIGS. 1 to 7 may be applied to the method of detecting a lane center point for a precision road map, and detailed descriptions thereof will be omitted to prevent duplicate description.
도 8은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 장치에 대한 구성도이다.8 is a configuration diagram of a lane center point detection apparatus for a precision road map according to an embodiment of the present invention.
도 8을 참조하면, 정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)는, 적어도 하나의 프로세서(processor, 110) 및 상기 적어도 하나의 프로세서(110)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory, 120)를 포함할 수 있다.Referring to FIG. 8, the lane center
여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.Here, the at least one
또한, 정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)에 포함된 각각의 구성 요소들은 버스(bus)(170)에 의해 연결되어 서로 통신을 수행할 수 있다.In addition, the lane center
상기 적어도 하나의 단계는, 라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 측정한 포인트 클라우드 데이터를 획득하는 단계, 획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계, 추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계, 추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계 및 분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계를 포함할 수 있다.The at least one step may include obtaining point cloud data measured on a road surface painted with lanes using a LIDAR device, and points within a certain radius around an input point in the acquired point cloud data. Extracting them, obtaining a lane direction vector through principal component analysis of the extracted points, separating the extracted points into points located on a plane perpendicular to the direction vector, and the separated points It may include the step of detecting the center point of the lane by analyzing the reflection intensity for.
상기 입력 포인트는, 사용자의 입력을 통해 결정될 수 있다.The input point may be determined through user input.
상기 차선의 방향 벡터를 획득하는 단계는, 상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계 및 추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함할 수 있다.The obtaining of the direction vector of the lane may include extracting points having a reflection intensity equal to or greater than a reference value from the extracted points and obtaining the direction vector through principal component analysis of the extracted points. .
상기 기준값은, 도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값일 수 있다.The reference value may be an intermediate value or an average value between the average reflection intensity for the painted lane and the average reflection intensity for portions other than the painted lane.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값일 수 있다.The reference value may be a value corresponding to a preset ratio based on the average reflection intensity value for the painted lane.
정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.Examples of the lane center
그 밖에도, 정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)는, 도 1 내지 도 7에서 설명한 방법 또는 단계가 적용될 수 있으며, 중복 설명을 방지하기 위해 자세한 설명은 생략한다.In addition, the method or steps described in FIGS. 1 to 7 may be applied to the lane center
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.The methods according to the present invention can be implemented in the form of program instructions that can be executed through various computer means and can be recorded in computer readable media. Computer-readable media may include program instructions, data files, data structures, or the like alone or in combination. The program instructions recorded on the computer-readable medium may be specially designed and configured for the present invention or may be known and usable by those skilled in computer software.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.Examples of computer-readable media may include hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions may include machine language codes such as those produced by a compiler, as well as high-level language codes that can be executed by a computer using an interpreter or the like. The above-described hardware device may be configured to operate with at least one software module to perform the operation of the present invention, and vice versa.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.In addition, the above-described method or apparatus may be implemented by combining all or part of its configuration or function, or may be implemented separately.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. Although described above with reference to preferred embodiments of the present invention, those skilled in the art variously modify and change the present invention without departing from the spirit and scope of the present invention as set forth in the claims below. You can understand that you can.
Claims (10)
획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계;
추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계;
추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계; 및
분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계를 포함하는, 정밀 도로 지도를 위한 차선 중앙점 검출 방법.Obtaining point cloud data obtained for a lane-painted road surface using a LIDAR device;
Extracting points within a predetermined radius around the input point from the acquired point cloud data;
Obtaining a lane direction vector through principal component analysis of the extracted points;
Separating the extracted points into points located on a plane perpendicular to the direction vector; And
A method of detecting a lane center point for a precision road map, comprising the step of detecting the lane center point by analyzing the reflection intensity of the separated points.
상기 입력 포인트는,
사용자의 입력을 통해 결정되는, 정밀 도로 지도를 위한 차선 중앙점 검출 방법.In claim 1,
The input point,
A lane center point detection method for precision road maps, determined through user input.
상기 차선의 방향 벡터를 획득하는 단계는,
상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계; 및
추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함하는, 정밀 도로 지도를 위한 차선 중앙점 검출 방법.In claim 1,
The obtaining of the lane direction vector may include:
Extracting points having a reflection intensity greater than or equal to a reference value from the extracted points; And
And acquiring the direction vector through principal component analysis on the extracted points.
상기 기준값은,
도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값인, 정밀 도로 지도를 위한 차선 중앙점 검출 방법.In claim 3,
The reference value,
A method for detecting a lane center point for a precision road map, which is an intermediate value or an average value between an average reflection intensity for a painted lane and an average reflection intensity for a portion other than the painted lane.
상기 기준값은,
도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값인, 정밀 도로 지도를 위한 차선 중앙점 검출 방법.In claim 3,
The reference value,
A method for detecting a lane center point for a precision road map, which is a value corresponding to a preset ratio based on an average reflection intensity value for a painted lane.
적어도 하나의 프로세서(processor); 및
상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,
상기 적어도 하나의 단계는,
라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 획득한 포인트 클라우드 데이터를 획득하는 단계;
획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계;
추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계;
추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계; 및
분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계를 포함하는, 정밀 도로 지도를 위한 차선 중앙점 검출 장치.As a lane center point detection device for precision road map,
At least one processor; And
A memory for storing instructions instructing the at least one processor to perform at least one step,
The at least one step,
Obtaining point cloud data obtained for a lane-painted road surface using a LIDAR device;
Extracting points within a predetermined radius around the input point from the acquired point cloud data;
Obtaining a lane direction vector through principal component analysis of the extracted points;
Separating the extracted points into points located on a plane perpendicular to the direction vector; And
And detecting the lane center point by analyzing the reflection intensity of the separated points.
상기 입력 포인트는,
사용자의 입력을 통해 결정되는, 정밀 도로 지도를 위한 차선 중앙점 검출 장치.In claim 6,
The input point,
A lane center point detection device for precision road maps determined through user input.
상기 차선의 방향 벡터를 획득하는 단계는,
상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계; 및
추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함하는, 정밀 도로 지도를 위한 차선 중앙점 검출 장치.In claim 6,
The obtaining of the lane direction vector may include:
Extracting points having a reflection intensity greater than or equal to a reference value from the extracted points; And
And obtaining the direction vector through principal component analysis of the extracted points.
상기 기준값은,
도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값인, 정밀 도로 지도를 위한 차선 중앙점 검출 장치.In claim 8,
The reference value,
A lane center point detection device for a precision road map, which is an intermediate value or an average value between the average reflection intensity for a painted lane and the average reflection intensity for a portion other than the painted lane.
상기 기준값은,
도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값인, 정밀 도로 지도를 위한 차선 중앙점 검출 장치.In claim 8,
The reference value,
A lane center point detection device for a precision road map, which is a value corresponding to a preset ratio based on an average reflection intensity value for a painted lane.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180152196A KR20200065590A (en) | 2018-11-30 | 2018-11-30 | Method and apparatus for detecting lane center point for accurate road map |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180152196A KR20200065590A (en) | 2018-11-30 | 2018-11-30 | Method and apparatus for detecting lane center point for accurate road map |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200065590A true KR20200065590A (en) | 2020-06-09 |
Family
ID=71082913
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180152196A KR20200065590A (en) | 2018-11-30 | 2018-11-30 | Method and apparatus for detecting lane center point for accurate road map |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200065590A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112560747A (en) * | 2020-12-23 | 2021-03-26 | 苏州工业园区测绘地理信息有限公司 | Vehicle-mounted point cloud data-based lane boundary interactive extraction method |
| CN112964264A (en) * | 2021-02-07 | 2021-06-15 | 上海商汤临港智能科技有限公司 | Road edge detection method and device, high-precision map, vehicle and storage medium |
| KR102333828B1 (en) * | 2021-07-21 | 2021-12-03 | (주)뷰런테크놀로지 | Lane detection method and system based on lidar data |
-
2018
- 2018-11-30 KR KR1020180152196A patent/KR20200065590A/en not_active Application Discontinuation
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112560747A (en) * | 2020-12-23 | 2021-03-26 | 苏州工业园区测绘地理信息有限公司 | Vehicle-mounted point cloud data-based lane boundary interactive extraction method |
| CN112964264A (en) * | 2021-02-07 | 2021-06-15 | 上海商汤临港智能科技有限公司 | Road edge detection method and device, high-precision map, vehicle and storage medium |
| CN112964264B (en) * | 2021-02-07 | 2024-03-26 | 上海商汤临港智能科技有限公司 | Road edge detection method, device, high-precision map, vehicle and storage medium |
| KR102333828B1 (en) * | 2021-07-21 | 2021-12-03 | (주)뷰런테크놀로지 | Lane detection method and system based on lidar data |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3620823B1 (en) | Method and device for detecting precision of internal parameter of laser radar | |
| Henry et al. | RGB-D mapping: Using Kinect-style depth cameras for dense 3D modeling of indoor environments | |
| US9661470B1 (en) | Methods and systems for locating an actor within an environment | |
| KR101829556B1 (en) | Lidar-based classification of object movement | |
| US20170314930A1 (en) | System and method for achieving fast and reliable time-to-contact estimation using vision and range sensor data for autonomous navigation | |
| CN113378760A (en) | Training target detection model and method and device for detecting target | |
| US20170344844A1 (en) | Information processing apparatus and information processing method | |
| US11538168B2 (en) | Incremental segmentation of point cloud | |
| KR20200065590A (en) | Method and apparatus for detecting lane center point for accurate road map | |
| CN113377888A (en) | Training target detection model and method for detecting target | |
| CN110390237A (en) | Processing Method of Point-clouds and system | |
| CN113674287A (en) | High-precision map drawing method, device, equipment and storage medium | |
| Madrid et al. | Lane departure warning for mobile devices based on a fuzzy representation of images | |
| Zelener et al. | Cnn-based object segmentation in urban lidar with missing points | |
| KR20200058272A (en) | Method and system for providing road driving situation through preprocessing of road driving image | |
| KR20200136723A (en) | Method and apparatus for generating learning data for object recognition using virtual city model | |
| CN110853085A (en) | Semantic SLAM-based mapping method and device and electronic equipment | |
| CN114913340A (en) | Parking space detection method, device, equipment and storage medium | |
| CN113111787A (en) | Target detection method, device, equipment and storage medium | |
| Bougharriou et al. | Vehicles distance estimation using detection of vanishing point | |
| CN112639822A (en) | Data processing method and device | |
| US20190311532A1 (en) | Method and Apparatus for Uncertainty Modeling of Point Cloud | |
| CN109839645B (en) | Speed detection method, system, electronic device and computer readable medium | |
| CN114998863A (en) | Target road identification method, target road identification device, electronic equipment and storage medium | |
| CN113516013A (en) | Target detection method and device, electronic equipment, road side equipment and cloud control platform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E601 | Decision to refuse application |