KR20200094384A - 포인트 클라우드의 군집화 장치 및 그 방법 - Google Patents

포인트 클라우드의 군집화 장치 및 그 방법 Download PDF

Info

Publication number
KR20200094384A
KR20200094384A KR1020190011796A KR20190011796A KR20200094384A KR 20200094384 A KR20200094384 A KR 20200094384A KR 1020190011796 A KR1020190011796 A KR 1020190011796A KR 20190011796 A KR20190011796 A KR 20190011796A KR 20200094384 A KR20200094384 A KR 20200094384A
Authority
KR
South Korea
Prior art keywords
cell
point
point cloud
clustering
representative
Prior art date
Application number
KR1020190011796A
Other languages
English (en)
Inventor
김재광
Original Assignee
현대자동차주식회사
기아자동차주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 현대자동차주식회사, 기아자동차주식회사 filed Critical 현대자동차주식회사
Priority to KR1020190011796A priority Critical patent/KR20200094384A/ko
Priority to US16/547,119 priority patent/US10964077B2/en
Publication of KR20200094384A publication Critical patent/KR20200094384A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G06T3/0056—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/10—Selection of transformation methods according to the characteristics of the input images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

본 발명은 포인트 클라우드의 군집화 장치 및 그 방법에 관한 것으로, 3D LiDAR 센서를 통해 획득한 포인트 클라우드를 2차원 원형 그리드 맵에 투영하여 2차원 포인트로 변환하고, 상기 원형 그리드 맵 상의 2차원 포인트들을 기준 셀의 크기에 기초하여 군집화함으로써, 원거리의 객체를 나타내는 포인트들과 근거리의 객체를 나타내는 포인트들을 모두 최적으로 군집화할 수 있는 포인트 클라우드의 군집화 장치 및 그 방법을 제공하고자 한다.
이를 위하여, 본 발명은 포인트 클라우드의 군집화 장치에 있어서, 차량 주변의 포인트 클라우드를 생성하는 3차원 라이다 센서; 및 상기 3차원 라이다 센서를 통해 획득한 포인트 클라우드를 원형 그리드 맵에 투영하여 2차원 포인트로 변환하고, 상기 원형 그리드 맵 상의 2차원 포인트들을 군집화하는 제어부를 포함한다.

Description

포인트 클라우드의 군집화 장치 및 그 방법{APPARATUS FOR CLUSTERING OF POINT CLOUD AND METHOD THEREOF}
본 발명은 포인트 클라우드의 군집화 장치 및 그 방법에 관한 것이다.
일반적으로, 포인트 클라우드는 좌표계상에서 데이터의 집합을 의미하는 것으로, 3차원 좌표계에서는 x,y,z 좌표로 정의되며, 대부분 객체의 외부 표면을 나타낸다.
이러한 포인트 클라우드는 3D 라이다(LiDAR, Light Detection And Ranging) 센서에 의해 생성될 수 있으며, 3D 라이다 센서는 차량에 탑재되어 주변 차량과 차선 및 각종 장애물을 검출하는데 주로 사용된다.
3D 라이다는 차량의 주변영역에서 방대한 양의 포인트 클라우드를 생성하기 때문에 효율적인 군집화 기술이 요구된다.
포인트 클라우드를 군집화하는 종래의 기술은 포인트 클라우드(3차원 포인트)를 2D 형태의 사각 그리드 맵에 투영하여 2차원 포인트로 변환하고, 상기 변환된 사각 그리드 맵 상의 2차원 포인트를 대상으로 "8-neighborhood" 기법을 사용하여 군집화하였다.
이러한 종래의 포인트 클라우드 군집화 기술은 사각의 그리드 맵을 사용하기 때문에 그리드 맵상의 셀 크기를 크게 설정하면 군집화시 근거리에 위치한 서로 다른 객체를 나타내는 포인트들이 하나로 군집화되는 문제가 발생하고, 그리드 맵상의 셀 크기를 작게 설정하면 군집화시 원거리에 위치한 하나의 객체를 나타내는 포인트들이 서로 분리되어 별개로 군집화되는 문제가 발생한다.
결국, 종래의 포인트 클라우드 군집화 기술은 원거리의 객체를 나타내는 포인트들과 근거리의 객체를 나타내는 포인트들을 모두 최적으로 군집화하기 어려운 문제점이 있다.
대한민국공개특허 제2015-0043892호
상기와 같은 종래 기술의 문제점을 해결하기 위하여, 본 발명은 3D LiDAR 센서를 통해 획득한 포인트 클라우드를 2차원 원형 그리드 맵에 투영하여 2차원 포인트로 변환하고, 상기 원형 그리드 맵 상의 2차원 포인트들을 기준 셀의 크기에 기초하여 군집화함으로써, 원거리의 객체를 나타내는 포인트들과 근거리의 객체를 나타내는 포인트들을 모두 최적으로 군집화할 수 있는 포인트 클라우드의 군집화 장치 및 그 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있으며, 본 발명의 실시예에 의해 보다 분명하게 알게 될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상기 목적을 달성하기 위한 본 발명의 장치는, 포인트 클라우드의 군집화 장치에 있어서, 차량 주변의 포인트 클라우드를 생성하는 3차원 라이다 센서; 및 상기 3차원 라이다 센서를 통해 획득한 포인트 클라우드를 원형 그리드 맵에 투영하여 2차원 포인트로 변환하고, 상기 원형 그리드 맵 상의 2차원 포인트들을 군집화하는 제어부를 포함한다.
여기서, 상기 원형 그리드 맵은 차량의 중심을 원점으로 크기가 서로 다른 복수의 원을 포함하고, 각 원은 원점으로부터 원호까지 이어지는 복수의 직선을 포함하며, 복수의 직선은 서로 임계각 이격된 구조를 갖을 수 있다. 이때, 상기 복수의 원은 가장 작은 제1 원에 의해 생성되는 제1 셀을 구성하는 제1 직선의 길이는 상기 제1 원의 외곽에 제2 원에 의해 생성되는 제2 셀을 구성하는 제2 직선의 길이보다 작고, 상기 제2 직선의 길이는 상기 제2 원의 외곽에 제3 원에 의해 생성되는 제3 셀을 구성하는 제3 직선의 길이보다 작은 구조를 갖는다.
또한, 상기 제어부는 상기 원형 그리드 맵상의 각 셀별로 복수의 대표 포인트를 검출하고, 각 셀별 대표 포인트에 기초하여 각 대표 포인트 간의 군집화 여부를 결정할 수 있다.
또한, 상기 제어부는 상기 원형 그리드 맵상의 각 셀을 대상으로 복수의 기준 포인트를 설정하고, 상기 각 기준 포인트와 가장 가까이 위치한 2차원 포인트를 대표 포인트로서 검출할 수 있다.
또한, 상기 복수의 기준 포인트는 셀의 경계선상에 위치할 수 있다.
또한, 상기 제어부는 상기 제1 셀의 대표 포인트와 제2 셀의 대표 포인트가 기준 틀 내에 포함되면 상기 제1 셀의 대표 포인트와 제2 셀의 대표 포인트를 군집화할 수 있다. 이때, 상기 기준 틀은 상기 제1 셀을 기준으로 설정하면 상기 제1 셀의 형태와 크기를 갖고, 상기 제2 셀을 기준으로 설정하면 상기 제2 셀의 형태와 크기를 갖는다.
또한, 상기 제어부는 하나의 군집을 하나의 객체로 인식할 수 있다. 이때, 상기 객체는 차량일 수 있다.
상기 목적을 달성하기 위한 본 발명의 방법은, 포인트 클라우드의 군집화 방법에 있어서, 3차원 라이다 센서가 차량 주변의 포인트 클라우드를 생성하는 단계; 제어부가 상기 포인트 클라우드를 원형 그리드 맵에 투영하여 2차원 포인트로 변환하는 단계; 및 상기 제어부가 상기 원형 그리드 맵 상의 2차원 포인트들을 군집화하는 단계를 포함한다.
여기서, 상기 원형 그리드 맵은 차량의 중심을 원점으로 크기가 서로 다른 복수의 원을 포함하고, 각 원은 원점으로부터 원호까지 이어지는 복수의 직선을 포함하며, 복수의 직선은 서로 임계각 이격된 구조를 갖을 수 있다. 이때, 상기 복수의 원은 가장 작은 제1 원에 의해 생성되는 제1 셀을 구성하는 제1 직선의 길이는 상기 제1 원의 외곽에 제2 원에 의해 생성되는 제2 셀을 구성하는 제2 직선의 길이보다 작고, 상기 제2 직선의 길이는 상기 제2 원의 외곽에 제3 원에 의해 생성되는 제3 셀을 구성하는 제3 직선의 길이보다 작은 구조를 갖을 수 있다.
또한, 상기 군집화하는 단계는 상기 원형 그리드 맵상의 각 셀별로 복수의 대표 포인트를 검출하는 단계; 및 각 셀별 대표 포인트에 기초하여 각 대표 포인트 간의 군집화 여부를 결정하는 단계를 포함할 수 있다.
또한, 상기 복수의 대표 포인트를 검출하는 단계는 상기 원형 그리드 맵상의 각 셀을 대상으로 복수의 기준 포인트를 설정하는 단계; 및 상기 각 기준 포인트와 가장 가까이 위치한 2차원 포인트를 대표 포인트로서 검출하는 단계를 포함할 수 있다.
또한, 상기 복수의 기준 포인트는 셀의 경계선상에 위치할 수 있다.
또한, 상기 군집화 여부를 결정하는 단계는 상기 제1 셀의 대표 포인트와 제2 셀의 대표 포인트가 기준 틀 내에 포함되면 상기 제1 셀의 대표 포인트와 제2 셀의 대표 포인트를 군집화할 수 있다. 이때, 상기 기준 틀은 상기 제1 셀을 기준으로 설정하면 상기 제1 셀의 형태와 크기를 갖고, 상기 제2 셀을 기준으로 설정하면 상기 제2 셀의 형태와 크기를 갖을 수 있다.
이러한 본 발명의 방법은 상기 제어부가 하나의 군집을 하나의 객체로 인식하는 단계를 더 포함할 수도 있다. 이때, 상기 객체는 차량일 수 있다.
본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치 및 그 방법은, 3D LiDAR 센서를 통해 획득한 포인트 클라우드를 2차원 원형 그리드 맵에 투영하여 2차원 포인트로 변환하고, 상기 원형 그리드 맵 상의 2차원 포인트들을 기준 셀의 크기에 기초하여 군집화함으로써, 원거리의 객체를 나타내는 포인트들과 근거리의 객체를 나타내는 포인트들을 모두 최적으로 군집화할 수 있다.
또한, 본 발명은 복잡한 파라미터를 적용하지 않고도 원거리의 객체를 나타내는 포인트들과 근거리의 객체를 나타내는 포인트들을 모두 최적으로 군집화할 수 있어 효율성 및 신속성을 보장할 수 있다.
도 1 은 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치에 대한 구성도,
도 2 는 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치가 포인트 클라우드를 원형 그리드 맵에 투영하여 2차원 포인트로 변환한 상태를 나타내는 일예시도,
도 3 은 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치가 포인트 클라우드를 2차원 포인트로 변환하는데 이용되는 원형 그리드 맵에 대한 구조도,
도 4a는 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치가 셀에 설정한 기준 포인트를 나타내는 도면,
도 4b는 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치가 셀 내 2차원 포인트 중에서 복수의 대표 포인트를 검출하는 과정을 설명하는 도면,
도 5a는 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치가 각 셀 간 대표 포인트를 비교하는 방식을 나타내는 도면,
도 5b는 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치가 군집화 여부를 결정하는 방식을 나타내는 도면,
도 6 은 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치가 군집에 기초하여 객체를 인식하는 방식을 나타내는 도면,
도 7 은 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치에 대한 성능을 나타내는 일예시도,
도 8 은 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 방법에 대한 흐름도,
도 9 는 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 방법을 실행하기 위한 컴퓨팅 시스템을 보여주는 블록도이다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
본 발명의 실시예의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 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 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
도 1 은 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치에 대한 구성도이다.
도 1 에 도시된 바와 같이, 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치는 3D LiDAR 센서(10)와 제어부(Controller, 20)를 포함할 수 있다.
상기 각 구성요소들에 대해 살펴보면, 먼저 3D LiDAR 센서(10)는 차량에 탑재되어 차량 주변의 객체를 감지한 결과로서, 도 2에 도시된 바와 같은 형태의 포인트 클라우드를 생성할 수 있다. 이때, 포인트 클라우드를 구성하는 각 포인트는 3차원 좌표값을 갖는 데이터를 나타낸다.
다음으로 제어부(20)는 상기 각 구성요소들이 제 기능을 정상적으로 수행할 수 있도록 전반적인 제어를 수행한다. 이러한 제어부(20)는 하드웨어 또는 소프트웨어의 형태로 구현될 수 있으며, 하드웨어 및 소프트웨어가 결합된 형태로도 존재할 수 있다. 바람직하게는, 제어부(20)는 마이크로프로세서로 구현될 수 있으나 이에 한정되지 않는다.
또한, 제어부(20)는 3D LiDAR 센서를 통해 획득한 포인트 클라우드를 2차원 원형 그리드 맵(x-y 평면)에 투영하여 2차원 포인트로 변환하고, 상기 원형 그리드 맵 상의 2차원 포인트들을 기준 셀의 크기에 기초하여 군집화한다. 이때, 포인트 클라우드는 3차원 좌표값(x,y,z)을 가지는 데이터이지만, 2차원 원형 그리드 맵에 투영되면 z값이 삭제된 x,y값을 가지는 데이터(2차원 포인트)로 변환된다.
또한, 제어부(20)는 3D LiDAR 센서를 통해 획득한 포인트 클라우드를 2차원 원형 그리드 맵에 투영하여 2차원 포인트로 변환하고, 상기 원형 그리드 맵 상의 2차원 포인트들을 기준 셀의 크기에 기초하여 군집화하는데 요구되는 각종 로직과 알고리즘 및 프로그램을 저장하는 저장부(미도시)를 더 포함할 수 있다. 이때, 저장부는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 마이크로 타입(micro type), 및 카드 타입(예컨대, SD 카드(Secure Digital Card) 또는 XD 카드(eXtream Digital Card)) 등의 메모리와, 램(RAM, Random Access Memory), SRAM(Static RAM), 롬(ROM, Read-Only Memory), PROM(Programmable ROM), EEPROM(Electrically Erasable PROM), 자기 메모리(MRAM, Magnetic RAM), 자기 디스크(magnetic disk), 및 광디스크(optical disk) 타입의 메모리 중 적어도 하나의 타입의 기록 매체(storage medium)를 포함할 수 있다.
이러한 제어부(20)는 변환부(21)와 대표 포인트 검출부(22) 및 군집화부(23) 등과 같은 기능 블록을 포함할 수 있고, 하기에 개시된 변환부(21)의 기능과 대표 포인트 검출부(22)의 기능 및 군집화부(23)의 기능을 모두 수행할 수 있다. 이때, 상기 각 기능 블록은 서로 결합되어 하나로 구비될 수 있으며, 아울러 발명을 실시하는 방식에 따라 일부의 기능 블록이 생략될 수도 있다.
이하, 각 기능 블록에 대해 살펴보면, 먼저 변환부(21)는 도 2에 도시된 바와 같이 3D LiDAR 센서(10)를 통해 획득한 포인트 클라우드를 2차원 원형 그리드 맵에 투영하여 2차원 포인트로 변환한다.
도 2에서 2차원 원형 그리드 맵은 일부만 표현한 것으로 2차원 원형 그리드 맵의 전체는 도 3에 도시된 바와 같다.
도 3 은 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치에 적용되는 2차원 원형 그리드 맵의 전체 구도조이다.
도 3에 도시된 바와 같이, 2차원 원형 그리드 맵은 차량의 중심을 원점으로 크기가 서로 다른 복수의 원을 포함하고, 각 원은 원점으로부터 원호까지 이어지는 복수의 직선(반지름)을 포함하되, 각 직선들은 소정의 각도(θ)로 이격되어 있다.
일례로, 제1 원(310)의 반지름은 50cm이고, 제2 원(320)의 반지름은 105cm이며, 제3 원(330)의 반지름은 151.5cm일 수 있다. 이 경우, 제1 원(310)에 의해 생성되는 제1 셀을 구성하는 직선의 길이는 50cm가 된다. 제1 원(310)의 외곽에 제2 원(320)에 의해 생성되는 제2 셀을 구성하는 직선의 길이는 제2 원(320)의 반지름에서 제1 원(310)의 반지름을 뺀 값이므로 50.5cm가 되며, 제2 원(320)의 외곽에 제3 원(330)에 의해 생성되는 제3 셀을 구성하는 직선의 길이는 제3 원(330)의 반지름에서 제2 원(320)의 반지름을 뺀 값이므로 51cm가 된다.
다음으로, 대표 포인트 검출부(22)는 2차원 원형 그리드 맵상의 각 셀을 대상으로 8개의 기준 포인트를 설정한다.
즉, 대표 포인트 검출부(22)는 일례로 도 4a에 도시된 바와 같이 셀의 경계선상에 8개의 기준 포인트를 설정하는데, 셀의 각 모서리에 각각 기준 포인트(①,③,⑥,⑧)를 설정하고, ① 기준 포인트와 ③ 기준 포인트의 중간에 ② 기준 포인트를 설정하고, ① 기준 포인트와 ⑥ 기준 포인트의 중간에 ④ 기준 포인트를 설정하며, ③ 기준 포인트와 ⑧ 기준 포인트의 중간에 ⑤ 기준 포인트를 설정하고, ⑥ 기준 포인트와 ⑧ 기준 포인트의 중간에 ⑦ 기준 포인트를 설정한다.
또한, 대표 포인트 검출부(22)는 2차원 원형 그리드 맵상의 각 셀 내에서 해당 기준 포인트와 가장 가까이 위치한 2차원 포인트를 대표 포인트로서 검출한다.
즉, 대표 포인트 검출부(22)는 일례로 도 4b에 도시된 바와 같이 ① 기준 포인트와 가장 가까이 위치한 포인트(410)를 ① 기준 포인트에 대한 대표 포인트로서 검출하고, ② 기준 포인트와 가장 가까이 위치한 포인트(420)를 ② 기준 포인트에 대한 대표 포인트로서 검출하며, ③ 기준 포인트와 가장 가까이 위치한 포인트(430)를 ③ 기준 포인트에 대한 대표 포인트로서 검출하고, ④ 기준 포인트와 가장 가까이 위치한 포인트(440)를 ④ 기준 포인트에 대한 대표 포인트로서 검출하며, ⑤ 기준 포인트와 가장 가까이 위치한 포인트(450)를 ⑤ 기준 포인트에 대한 대표 포인트로서 검출하고, ⑥ 기준 포인트와 가장 가까이 위치한 포인트(460)를 ⑥ 기준 포인트에 대한 대표 포인트로서 검출하며, ⑦ 기준 포인트와 가장 가까이 위치한 포인트(470)를 ⑦ 기준 포인트에 대한 대표 포인트로서 검출하고, ⑧ 기준 포인트와 가장 가까이 위치한 포인트(480)를 ⑧ 기준 포인트에 대한 대표 포인트로서 검출한다.
이러한 대표 포인트 검출부(22)는 2차원 원형 그리드 맵상의 모든 셀들을 대상으로 대표 포인트를 검출한다.
다음으로, 군집화부(23)는 대표 포인트 검출부(22)에 의해 검출된 각 셀의 대표 포인트에 기초하여 군집화 여부를 결정한다. 이때, 군집화부(23)는 도 5a에 도시된 바와 같은 방식으로 비교 과정을 수행할 수 있다.
예를 들어, 군집화부(23)는 대상 셀의 ① 기준 포인트에 대한 대표 포인트(410)는 제1 셀(C1)의 ⑧ 기준 포인트에 대한 대표 포인트와 비교하고, 대상 셀의 ② 기준 포인트에 대한 대표 포인트(420)는 제2 셀(C2)의 ⑦ 기준 포인트에 대한 대표 포인트와 비교하며, 대상 셀의 ③ 기준 포인트에 대한 대표 포인트(430)는 제3 셀(C3)의 ⑥ 기준 포인트에 대한 대표 포인트와 비교하고, 대상 셀의 ④ 기준 포인트에 대한 대표 포인트(440)는 제4 셀(C4)의 ⑤ 기준 포인트에 대한 대표 포인트와 비교하며, 대상 셀의 ⑤ 기준 포인트에 대한 대표 포인트(450)는 제5 셀(C5)의 ④ 기준 포인트에 대한 대표 포인트와 비교하고, 대상 셀의 ⑥ 기준 포인트에 대한 대표 포인트(460)는 제6 셀(C6)의 ③ 기준 포인트에 대한 대표 포인트와 비교하며, 대상 셀의 ⑦ 기준 포인트에 대한 대표 포인트(470)는 제7 셀(C7)의 ② 기준 포인트에 대한 대표 포인트와 비교하고, 대상 셀의 ⑧ 기준 포인트에 대한 대표 포인트(480)는 제8 셀(C8)의 ① 기준 포인트에 대한 대표 포인트와 비교한다.
또한, 군집화부(23)는 도 5b에 도시된 바와 같이 대상 셀(가운데 셀)의 크기를 기준 틀(510)로 하여 비교의 대상인 두 포인트가 상기 기준 틀(510) 안에 포함되면 두 포인트를 군집화하고, 상기 기준 틀(510) 안에 포함되지 않으면 두 포인트를 군집화하지 않는다. 이때, 하나의 셀에 포함되는 모든 포인트들은 하나의 군집으로 인식되므로, 두 포인트가 군진화되었다는 것은 각 포인트가 포함되는 두 셀 내 모든 포인트가 군집화되는 것을 의미한다.
도 5b에서, 대상 셀의 ① 기준 포인트에 대한 대표 포인트(410)와 제1 셀(C1)의 ⑧ 기준 포인트에 대한 대표 포인트는 상기 기준 틀(510) 안에 포함되므로 군집화하지만, 대상 셀의 ⑤ 기준 포인트에 대한 대표 포인트(450)와 제5 셀(C5)의 ④ 기준 포인트에 대한 대표 포인트는 상기 기준 틀(510) 안에 포함되지 않으므로 군집화하지 않는다.
또한, 군집화부(23)는 대상 셀의 ① 기준 포인트에 대한 대표 포인트(410)와 제1 셀(C1)의 ⑧ 기준 포인트에 대한 대표 포인트가 이루는 각이 임계각(θ) 이내이고, 원점으로부터 대상 셀의 ① 기준 포인트에 대한 대표 포인트(410)까지의 거리와 원점으로부터 제1 셀(C1)의 ⑧ 기준 포인트에 대한 대표 포인트까지의 거리차가 임계치 이내이면 대상 셀의 ① 기준 포인트에 대한 대표 포인트(410)와 제1 셀(C1)의 ⑧ 기준 포인트에 대한 대표 포인트를 군집화할 수도 있다.
이러한 방식으로 군집화부(23)는 모든 셀을 대상으로 군집화 여부를 결정할 수 있다.
부가적으로 제어부(20)는 객체 인식부(24)를 더 포함할 수도 있다. 이러한 객체 인식부(24)는 도 6에 도시된 바와 같이 군집화부(23)에 의해 군집화된 결과에 기초하여 객체를 인식한다.
도 7 은 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치에 대한 성능을 나타내는 일예시도이다.
도 7에 도시된 바와 같이, '710'과 '720'은 근거리 차량이고 '730'은 원거리 차량을 나타낸다.
이를 통해, 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 장치는 이렇게 근거리 차량(710, 720)과 원거리 차량(730)을 각각 하나의 객체로 군집화할 수 있음을 알 수 있다.
도 8 은 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 방법에 대한 흐름도이다.
먼저, 3차원 라이다 센서(10)가 차량 주변의 포인트 클라우드를 생성한다(801).
이후, 제어부(20)가 상기 포인트 클라우드를 원형 그리드 맵에 투영하여 2차원 포인트로 변환한다(802).
이후, 제어부(20)가 상기 원형 그리드 맵 상의 2차원 포인트들을 군집화한다(803).
도 9 는 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 방법을 실행하기 위한 컴퓨팅 시스템을 보여주는 블록도이다.
도 9를 참조하면, 상술한 본 발명의 일 실시예에 따른 포인트 클라우드의 군집화 방법은 컴퓨팅 시스템을 통해서도 구현될 수 있다. 컴퓨팅 시스템(1000)은 시스템 버스(1200)를 통해 연결되는 적어도 하나의 프로세서(1100), 메모리(1300), 사용자 인터페이스 입력 장치(1400), 사용자 인터페이스 출력 장치(1500), 스토리지(1600), 및 네트워크 인터페이스(1700)를 포함할 수 있다.
프로세서(1100)는 중앙 처리 장치(CPU) 또는 메모리(1300) 및/또는 스토리지(1600)에 저장된 명령어들에 대한 처리를 실행하는 반도체 장치일 수 있다. 메모리(1300) 및 스토리지(1600)는 다양한 종류의 휘발성 또는 불휘발성 저장 매체를 포함할 수 있다. 예를 들어, 메모리(1300)는 ROM(Read Only Memory) 및 RAM(Random Access Memory)을 포함할 수 있다.
따라서, 본 명세서에 개시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서(1100)에 의해 실행되는 하드웨어, 소프트웨어 모듈, 또는 그 2 개의 결합으로 직접 구현될 수 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, SSD(Solid State Drive), 착탈형 디스크, CD-ROM과 같은 저장 매체(즉, 메모리(1300) 및/또는 스토리지(1600))에 상주할 수도 있다. 예시적인 저장 매체는 프로세서(1100)에 커플링되며, 그 프로세서(1100)는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서(1100)와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로(ASIC) 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
10: 3D LiDAR 센서
20: 제어부
21: 변환부
22: 대표 포인트 검출부
23: 군집화부
24: 객체 인식부

Claims (20)

  1. 차량 주변의 포인트 클라우드를 생성하는 3차원 라이다 센서; 및
    상기 3차원 라이다 센서를 통해 획득한 포인트 클라우드를 원형 그리드 맵에 투영하여 2차원 포인트로 변환하고, 상기 원형 그리드 맵 상의 2차원 포인트들을 군집화하는 제어부
    를 포함하는 포인트 클라우드의 군집화 장치.
  2. 제 1 항에 있어서,
    상기 원형 그리드 맵은,
    차량의 중심을 원점으로 크기가 서로 다른 복수의 원을 포함하고, 각 원은 원점으로부터 원호까지 이어지는 복수의 직선을 포함하며, 복수의 직선은 서로 임계각 이격된 구조를 갖는 것을 특징으로 하는 포인트 클라우드의 군집화 장치.
  3. 제 2 항에 있어서,
    상기 복수의 원은,
    가장 작은 제1 원에 의해 생성되는 제1 셀을 구성하는 제1 직선의 길이는 상기 제1 원의 외곽에 제2 원에 의해 생성되는 제2 셀을 구성하는 제2 직선의 길이보다 작고, 상기 제2 직선의 길이는 상기 제2 원의 외곽에 제3 원에 의해 생성되는 제3 셀을 구성하는 제3 직선의 길이보다 작은 것을 특징으로 하는 포인트 클라우드의 군집화 장치.
  4. 제 1 항에 있어서,
    상기 제어부는,
    상기 원형 그리드 맵상의 각 셀별로 복수의 대표 포인트를 검출하고, 각 셀별 대표 포인트에 기초하여 각 대표 포인트 간의 군집화 여부를 결정하는 것을 특징으로 하는 포인트 클라우드의 군집화 장치.
  5. 제 4 항에 있어서,
    상기 제어부는,
    상기 원형 그리드 맵상의 각 셀을 대상으로 복수의 기준 포인트를 설정하고, 상기 각 기준 포인트와 가장 가까이 위치한 2차원 포인트를 대표 포인트로서 검출하는 것을 특징으로 하는 포인트 클라우드의 군집화 장치.
  6. 제 5 항에 있어서,
    상기 복수의 기준 포인트는,
    셀의 경계선상에 위치하는 것을 특징으로 하는 포인트 클라우드의 군집화 장치.
  7. 제 4 항에 있어서,
    상기 제어부는,
    상기 제1 셀의 대표 포인트와 제2 셀의 대표 포인트가 기준 틀 내에 포함되면 상기 제1 셀의 대표 포인트와 제2 셀의 대표 포인트를 군집화하는 것을 특징으로 하는 포인트 클라우드의 군집화 장치.
  8. 제 7 항에 있어서,
    상기 기준 틀은,
    상기 제1 셀을 기준으로 설정하면 상기 제1 셀의 형태와 크기를 갖고, 상기 제2 셀을 기준으로 설정하면 상기 제2 셀의 형태와 크기를 갖는 것을 특징으로 하는 포인트 클라우드의 군집화 장치.
  9. 제 1 항에 있어서,
    상기 제어부는,
    하나의 군집을 하나의 객체로 인식하는 것을 특징으로 하는 포인트 클라우드의 군집화 장치.
  10. 제 9 항에 있어서,
    상기 객체는,
    차량인 것을 특징으로 하는 포인트 클라우드의 군집화 장치.
  11. 3차원 라이다 센서가 차량 주변의 포인트 클라우드를 생성하는 단계;
    제어부가 상기 포인트 클라우드를 원형 그리드 맵에 투영하여 2차원 포인트로 변환하는 단계; 및
    상기 제어부가 상기 원형 그리드 맵 상의 2차원 포인트들을 군집화하는 단계
    를 포함하는 포인트 클라우드의 군집화 방법.
  12. 제 11 항에 있어서,
    상기 원형 그리드 맵은,
    차량의 중심을 원점으로 크기가 서로 다른 복수의 원을 포함하고, 각 원은 원점으로부터 원호까지 이어지는 복수의 직선을 포함하며, 복수의 직선은 서로 임계각 이격된 구조를 갖는 것을 특징으로 하는 포인트 클라우드의 군집화 방법.
  13. 제 12 항에 있어서,
    상기 복수의 원은,
    가장 작은 제1 원에 의해 생성되는 제1 셀을 구성하는 제1 직선의 길이는 상기 제1 원의 외곽에 제2 원에 의해 생성되는 제2 셀을 구성하는 제2 직선의 길이보다 작고, 상기 제2 직선의 길이는 상기 제2 원의 외곽에 제3 원에 의해 생성되는 제3 셀을 구성하는 제3 직선의 길이보다 작은 것을 특징으로 하는 포인트 클라우드의 군집화 방법.
  14. 제 11 항에 있어서,
    상기 군집화하는 단계는,
    상기 원형 그리드 맵상의 각 셀별로 복수의 대표 포인트를 검출하는 단계; 및
    각 셀별 대표 포인트에 기초하여 각 대표 포인트 간의 군집화 여부를 결정하는 단계
    를 포함하는 포인트 클라우드의 군집화 방법.
  15. 제 14 항에 있어서,
    상기 복수의 대표 포인트를 검출하는 단계는,
    상기 원형 그리드 맵상의 각 셀을 대상으로 복수의 기준 포인트를 설정하는 단계; 및
    상기 각 기준 포인트와 가장 가까이 위치한 2차원 포인트를 대표 포인트로서 검출하는 단계
    를 포함하는 포인트 클라우드의 군집화 방법.
  16. 제 15 항에 있어서,
    상기 복수의 기준 포인트는,
    셀의 경계선상에 위치하는 것을 특징으로 하는 포인트 클라우드의 군집화 방법.
  17. 제 14 항에 있어서,
    상기 군집화 여부를 결정하는 단계는,
    상기 제1 셀의 대표 포인트와 제2 셀의 대표 포인트가 기준 틀 내에 포함되면 상기 제1 셀의 대표 포인트와 제2 셀의 대표 포인트를 군집화하는 것을 특징으로 하는 포인트 클라우드의 군집화 방법.
  18. 제 17 항에 있어서,
    상기 기준 틀은,
    상기 제1 셀을 기준으로 설정하면 상기 제1 셀의 형태와 크기를 갖고, 상기 제2 셀을 기준으로 설정하면 상기 제2 셀의 형태와 크기를 갖는 것을 특징으로 하는 포인트 클라우드의 군집화 방법.
  19. 제 11 항에 있어서,
    상기 제어부가 하나의 군집을 하나의 객체로 인식하는 단계
    를 더 포함하는 포인트 클라우드의 군집화 방법.
  20. 제 19 항에 있어서,
    상기 객체는,
    차량인 것을 특징으로 하는 포인트 클라우드의 군집화 방법.
KR1020190011796A 2019-01-30 2019-01-30 포인트 클라우드의 군집화 장치 및 그 방법 KR20200094384A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190011796A KR20200094384A (ko) 2019-01-30 2019-01-30 포인트 클라우드의 군집화 장치 및 그 방법
US16/547,119 US10964077B2 (en) 2019-01-30 2019-08-21 Apparatus and method for clustering point cloud

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190011796A KR20200094384A (ko) 2019-01-30 2019-01-30 포인트 클라우드의 군집화 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20200094384A true KR20200094384A (ko) 2020-08-07

Family

ID=71732689

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190011796A KR20200094384A (ko) 2019-01-30 2019-01-30 포인트 클라우드의 군집화 장치 및 그 방법

Country Status (2)

Country Link
US (1) US10964077B2 (ko)
KR (1) KR20200094384A (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102378646B1 (ko) * 2021-07-21 2022-03-25 (주)뷰런테크놀로지 라이다 포인트 데이터의 포인트 속성 적용 방법 및 시스템
KR102378649B1 (ko) * 2021-07-21 2022-03-25 (주)뷰런테크놀로지 라이다 포인트 데이터의 지면 및 비지면 판단 방법 및 시스템
KR102408402B1 (ko) * 2021-06-17 2022-06-14 (주)뷰런테크놀로지 라이다 센서를 이용하여 연석을 검출하는 방법 및 상기 방법을 수행하는 연석 검출 장치
KR102497874B1 (ko) * 2021-09-24 2023-02-09 (주)뷰런테크놀로지 라이다 포인트 데이터의 지면 및 천장 판단 방법 및 시스템
KR20230060715A (ko) * 2021-10-28 2023-05-08 주식회사 에프엠 건설현장 충돌 방지 장치 및 방법
KR102530521B1 (ko) * 2022-10-21 2023-05-09 한국전자기술연구원 드론과 로봇의 협업 기반 컨텍스트 맵 구축 방법
KR102557606B1 (ko) * 2022-10-21 2023-07-21 한국전자기술연구원 자율주행 및 관제를 위한 컨텍스트 맵 구축 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113064135B (zh) * 2021-06-01 2022-02-18 北京海天瑞声科技股份有限公司 在3d雷达点云连续帧数据中检测障碍物的方法及装置
GB2607598A (en) * 2021-06-07 2022-12-14 Correvate Ltd Aligning 3D datasets

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150043892A (ko) 2013-10-15 2015-04-23 현대자동차주식회사 라이더 센서 군집화 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8948501B1 (en) * 2009-12-22 2015-02-03 Hrl Laboratories, Llc Three-dimensional (3D) object detection and multi-agent behavior recognition using 3D motion data
US9189862B2 (en) * 2010-06-10 2015-11-17 Autodesk, Inc. Outline approximation for point cloud of building
US8874454B2 (en) * 2013-03-15 2014-10-28 State Farm Mutual Automobile Insurance Company Systems and methods for assessing a roof
US11328446B2 (en) * 2015-04-15 2022-05-10 Google Llc Combining light-field data with active depth data for depth map generation
EP3430427B1 (en) * 2016-03-14 2021-07-21 IMRA Europe S.A.S. Processing method of a 3d point cloud

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150043892A (ko) 2013-10-15 2015-04-23 현대자동차주식회사 라이더 센서 군집화 방법

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102408402B1 (ko) * 2021-06-17 2022-06-14 (주)뷰런테크놀로지 라이다 센서를 이용하여 연석을 검출하는 방법 및 상기 방법을 수행하는 연석 검출 장치
KR102378646B1 (ko) * 2021-07-21 2022-03-25 (주)뷰런테크놀로지 라이다 포인트 데이터의 포인트 속성 적용 방법 및 시스템
KR102378649B1 (ko) * 2021-07-21 2022-03-25 (주)뷰런테크놀로지 라이다 포인트 데이터의 지면 및 비지면 판단 방법 및 시스템
KR102497874B1 (ko) * 2021-09-24 2023-02-09 (주)뷰런테크놀로지 라이다 포인트 데이터의 지면 및 천장 판단 방법 및 시스템
KR20230060715A (ko) * 2021-10-28 2023-05-08 주식회사 에프엠 건설현장 충돌 방지 장치 및 방법
KR102530521B1 (ko) * 2022-10-21 2023-05-09 한국전자기술연구원 드론과 로봇의 협업 기반 컨텍스트 맵 구축 방법
KR102557606B1 (ko) * 2022-10-21 2023-07-21 한국전자기술연구원 자율주행 및 관제를 위한 컨텍스트 맵 구축 방법
WO2024085286A1 (ko) * 2022-10-21 2024-04-25 한국전자기술연구원 드론과 로봇의 협업 기반 컨텍스트 맵 구축 방법
WO2024085287A1 (ko) * 2022-10-21 2024-04-25 한국전자기술연구원 자율주행 및 관제를 위한 컨텍스트 맵 구축 방법

Also Published As

Publication number Publication date
US10964077B2 (en) 2021-03-30
US20200242820A1 (en) 2020-07-30

Similar Documents

Publication Publication Date Title
KR20200094384A (ko) 포인트 클라우드의 군집화 장치 및 그 방법
KR102452550B1 (ko) 라이다 데이터 기반 객체 검출 장치, 그를 포함한 시스템 및 그 방법
US10532459B2 (en) Information processing apparatus, information processing method, and storage medium for grasping an object
CN108629231B (zh) 障碍物检测方法、装置、设备及存储介质
CN111077541A (zh) 一种障碍物识别方法、障碍物识别装置及移动机器人
EP3624055B1 (en) Ground detection method, apparatus, electronic device, vehicle and storage medium
KR102316960B1 (ko) 무인 항공기 영상 내 실시간 객체 검출 방법 및 장치
US11256965B2 (en) Apparatus and method for recognizing object using image
CN110216661B (zh) 跌落区域识别的方法及装置
CN113761999A (zh) 一种目标检测方法、装置、电子设备和存储介质
US20230228879A1 (en) Lidar-based object detection method and apparatus
CN111754391A (zh) 人脸转正方法、设备及计算机可读存储介质
US20230260132A1 (en) Detection method for detecting static objects
KR20200140527A (ko) 자율주행차량의 위치 인식 장치 및 그 방법
CN114663526A (zh) 障碍物检测方法、装置、机器人及计算机可读存储介质
US11423546B2 (en) Apparatus for recognizing object based on LiDAR sensor and method thereof
EP3770637B1 (en) Object recognizing device
CN112861595A (zh) 数据点的识别方法、装置和计算机可读存储介质
US20210110199A1 (en) System and method for classifying an object using a starburst algorithm
KR20200128865A (ko) Cnn 기반의 객체 검출 장치 및 그 방법
Liu et al. Target detection from 3D point-cloud using Gaussian function and CNN
CN113920351A (zh) 一种落叶目标点云的识别方法和装置
CN114549764A (zh) 基于无人车的障碍物识别方法、装置、设备及存储介质
KR20210114792A (ko) 라이다 센서 기반의 객체 추적 장치 및 그 방법
CN113822146A (zh) 目标检测方法、终端设备及计算机存储介质

Legal Events

Date Code Title Description
A201 Request for examination