KR20220022345A - 정적 객체의 외곽선 추출 시스템 및 그 추출 방법 - Google Patents

정적 객체의 외곽선 추출 시스템 및 그 추출 방법 Download PDF

Info

Publication number
KR20220022345A
KR20220022345A KR1020200103411A KR20200103411A KR20220022345A KR 20220022345 A KR20220022345 A KR 20220022345A KR 1020200103411 A KR1020200103411 A KR 1020200103411A KR 20200103411 A KR20200103411 A KR 20200103411A KR 20220022345 A KR20220022345 A KR 20220022345A
Authority
KR
South Korea
Prior art keywords
point
outline
regression line
points
static object
Prior art date
Application number
KR1020200103411A
Other languages
English (en)
Inventor
노미림
김병광
Original Assignee
현대자동차주식회사
기아 주식회사
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, 기아 주식회사 filed Critical 현대자동차주식회사
Priority to KR1020200103411A priority Critical patent/KR20220022345A/ko
Priority to US17/365,271 priority patent/US11922670B2/en
Priority to DE102021118209.3A priority patent/DE102021118209A1/de
Priority to CN202110802327.0A priority patent/CN114076928A/zh
Publication of KR20220022345A publication Critical patent/KR20220022345A/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
    • 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
    • G01S7/4808—Evaluating distance, position or velocity data
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G01S17/88—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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • 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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • 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

Abstract

본 발명은 정적 객체의 외곽선 추출 시스템 및 그 추출 방법에 관한 것으로서, 보다 상세하게는 라이다 센서에서 정적 객체의 경계를 나타내는 것으로 획득한 포인트 상호간을 연결하는 세그먼트(segment)들 사이의 각도의 연속성을 기준으로 회귀(Regression)직선을 생성하고, 이러한 회귀직선에서 벗어난 거리가 일정한 기준거리 이상인 포인트들을 제거한 후 잔존하는 유효 포인트들로 이루어진 외곽선을 추출함으로써, 가드레일이나 건물과 같은 정적 객체와 함께 하나의 객체로 군집화되어 인식되는 포인트들 중 인지하고자 하는 정적 객체를 제외한 수풀 등에 의해 야기된 포인트들을 제거하여 인지 대상인 정적 객체에 대한 외곽선을 높은 신뢰도로 추출할 수 있게 한 기술에 관한 것이다.

Description

정적 객체의 외곽선 추출 시스템 및 그 추출 방법{SYSTEM FOR EXTRACTING OUTLINE OF STATIC OBJECT AND METHOD THEREOF}
본 발명은 정적 객체의 외곽선 추출 시스템 및 그 추출 방법에 관한 것으로서, 보다 상세하게는 정적 객체와 함께 하나의 객체로 군집화되어 인식되는 포인트들 중 인지하고자 하는 정적 객체를 제외한 수풀 등에 의해 야기된 포인트들을 제거하여 인지 대상인 정적 객체에 대한 외곽선을 높은 신뢰도로 추출할 수 있게 한 기술에 관한 것이다.
일반적으로 라이다(Lidar : Light Detection and Ranging) 센서는 방출된 펄스 레이저가 주변에 있는 물체에 부딪힌 후 돌아오기까지 걸리는 시간 및 강도 등을 토대로 획득한 데이터를 이용하여 주변의 사물이나 지형지물 등을 감지하고 이를 기반으로 영상을 모델링 하는데 사용되고 있다.
이러한 라이다 센서는 다양한 분야에서 그 이용이 확대되고 있으며, 최근에는 자율주행차의 눈 역할을 해줄 수 있는 기술로서 더욱 주목 받고 있다.
특히, 자율 주행을 위해서는 차량의 현재 위치를 정확하게 파악할 수 있어야 하는바, 라이다 센서에서 획득한 데이터를 토대로 차량 주변에 있는 건물이나 가드레일 등 정적 객체의 정보를 획득한 후 이를 데이터베이스에 있는 해당 지역에 대한 맵상의 건물이나 가드레일 정보와 비교하면서 차량의 위치를 정확하게 인지할 수 있어야 하였다.
이를 위해서는 라이다 센서를 통하여 획득한 데이터에 기반하여 생성되는 건물 등 정적 객체의 외곽선을 정확하게 파악해야 하였는바, 종래에도 건물 등의 외곽선을 보다 정확하게 추출하고자 하는 다양한 시도들이 있었다.
그러나, 건물이나 가드레일 등 정적 객체를 파악하고자 라이다 센서에서 펄스 레이저를 방출할 경우 건물 등의 정적 객체뿐만 아니라, 그러한 정적 객체의 주변에 있는 나무나 수풀 등의 물체로부터도 반사된 펄스 레이저를 수신하게 되므로, 특히 나무나 수풀 등이 정적 객체와 함께 군집화되어 있는 경우에는 나무나 수풀에 의해 외부로 돌출된 영역이 마치 정적 객체의 일부로서 외곽선을 형성하는 것처럼 파악될 가능성이 아주 높았다.
하지만, 이처럼 나무나 수풀 등이 정적 객체와 함께 군집화되어 라이다 센서의 감지 데이터로 함께 수신될 경우 나무나 수풀 등에 의해 생성되는 외곽선 또는 포인트만을 선별하여 제거하기는 쉽지 않은 문제점이 있었다.
따라서, 아직까지도 라이다 센서로부터 획득한 데이터에 의해 추출되는 외곽선이 정적 객체 자체의 외곽선과 일치하지 못하게 되는 경우가 빈번하게 발생되었으며, 이는 자율 주행의 정밀성을 저하시키는 일 요인으로 작용하고 있어 그에 대한 개선 필요성은 여전하다 할 것이다.
또한, 정적 객체 주변에 있는 나무나 수풀 등은 시간이 경과하면서 성장하거나, 가지치기나 조경작업 등 외적인 요인에 의해 그 크기나 모양이 쉽게 바뀌게 되는바, 사진이나 영상 등에 기반하여 이러한 나무나 수풀이 포함된 특정 시점의 이미지를 자율 주행차량의 정밀 위치 판단에 적용하기도 어려운 문제점이 있었다.
그에 따라, 정적 객체 자체의 외형을 파악하기 위한 외곽선은 여전히 유지하면서도, 정적 객체 주변에 있어 라이다 센서에서는 함께 감지되지만 파악하고자 하는 정적 객체 자체는 아닌 나무나 수풀 등에 의해 부수적으로 발생되는 포인트들만 적절하게 제거함으로써, 라이다 센서에 기반하여 추출된 외곽선에 대한 신뢰도를 향상시킬 수 있는 수단에 대한 필요성은 여전하다 할 것이다.
본 발명의 실시예는 라이다 센서에서 정적 객체의 경계를 나타내는 것으로 획득한 포인트 상호간을 연결하는 세그먼트들 사이의 각도의 연속성을 기준으로 회귀직선을 생성하고, 이러한 회귀직선에서 벗어난 거리가 일정한 기준거리 이상인 포인트들을 제거한 후 잔존하는 유효 포인트들로 이루어진 외곽선을 추출함으로써, 가드레일이나 건물과 같은 정적 객체와 함께 하나의 객체로 군집화되어 인식되는 포인트들 중 인지하고자 하는 정적 객체를 제외한 수풀 등에 의해 야기된 포인트들을 제거하여 인지 대상인 정적 객체에 대한 외곽선을 높은 신뢰도로 추출할 수 있게 한 정적 객체의 외곽선 추출 시스템 및 그 추출 방법을 제공하는 것을 기술적 과제로 한다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재들로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 실시예에 따른 정적 객체의 외곽선 추출 시스템은, 라이다 센서로부터 획득한 포인트들 상호간을 연결하는 선분인 세그먼트들의 직선성에 기반하여, 포인트 선별기준이 되는 회귀직선을 도출하는 회귀직선 생성부; 각 포인트가 상기 회귀직선으로부터 수직하게 떨어져 있는 이격거리를 연산하여, 그 이격거리가 기준거리 이상일 경우 해당 포인트를 제거 포인트로 분류하고 기준거리 미만일 경우 해당 포인트를 유효 포인트로 분류하는 포인트 선별부; 및 제거 포인트를 제외한 유효 포인트들을 연결하여 정적 객체의 외곽선을 생성하는 외곽선 추출부;를 포함할 수 있다.
본 발명의 일 실시예는, 세그먼트가 인접한 다른 세그먼트와 이루는 각도가 적어도 두 개 이상 연속하여 기준각도를 초과할 경우, 연속하는 복수의 세그먼트들이 직선성을 갖고 있는 것으로 판단하여, 해당 세그먼트를 형성하고 있는 포인트들을 회귀직선 후보로 선정하는 회귀직선 후보 선정부;를 더 포함할 수 있다.
본 발명의 일 실시예에서, 상기 회귀직선 후보 선정부는, 어느 한 세그먼트가 그와 인접하고 있는 다른 세그먼트와 이루는 각도를 계산하는 세그먼트 각도 계산부; 및 인접한 세그먼트 상호간의 각도가 적어도 두 개 이상 연속하여 기준각도를 초과한다고 판단될 경우, 직선성이 연속적으로 인정되는 세그먼트들의 시작 포인트와 종료 포인트를 회귀직선 후보로 선정하는 기준각도 비교부;를 포함할 수 있다.
본 발명의 일 실시예에서, 상기 회귀직선 생성부는, 시작 포인트에서 종료 포인트에 이르기까지 해당 회귀직선 후보에 포함되어 있는 포인트들과의 오차(Ei) 제곱의 합(S)이 최소가 되는 회귀직선을 최소제곱법에 의해 생성할 수 있다.
본 발명의 일 실시예에서, 상기 포인트 선별부는, 상기 회귀직선으로부터 포인트가 수직하게 떨어져 있는 이격거리를 구하는 이격정도 연산부; 및 상기 이격거리가 기준거리 이상일 경우 해당 포인트를 제거 포인트로 분류하고, 기준거리 미만일 경우에는 해당 포인트를 유효 포인트로 분류하는 포인트 분류부;를 포함할 수 있다.
본 발명의 다른 일 실시예에 따른 정적 객체의 외곽선 추출 방법은, 라이다 센서로부터 획득한 포인트들 상호간을 연결하는 선분인 세그먼트들이 직선성을 갖고 연속적으로 연결되어 있는 경우, 그 연속적인 세그먼트를 형성하는 포인트들을 이용하여 포인트 선별기준이 되는 회귀직선을 도출하는 회귀직선 생성단계; 각 포인트가 상기 회귀직선으로부터 수직하게 떨어져 있는 이격거리를 연산한 후, 상기 이격거리와 기준거리를 비교하여 삭제할 제거 포인트와 잔존시킬 유효 포인트를 선별하는 포인트 선별단계; 및 잔존하는 유효 포인트들을 연결하여 정적 객체의 외곽선을 생성하는 외곽선 추출단계;를 포함할 수 있다.
본 발명의 다른 일 실시예는, 세그먼트가 적어도 두 개 이상 직선성을 갖고 연속적으로 연결되어 있는 경우, 그 연속적인 세그먼트를 형성하는 포인트들을 회귀직선을 생성할 시작 포인트와 종료 포인트로 선정하는 회귀직선 후보 선정단계;를 포함할 수 있다.
본 발명의 다른 일 실시예에서, 상기 회귀직선 후보 선정단계는, 인접한 세그먼트 상호간의 각도를 계산하는 세그먼트 각도 계산과정; 및 인접한 세그먼트 상호간의 각도가 적어도 두 개 이상 연속하여 기준각도를 초과할 경우, 해당 세그먼트들은 직선성을 갖고 연속적으로 연결되어 있다고 판단하여, 그 연속적인 세그먼트들의 시작 포인트와 종료 포인트를 회귀직선 후보로 선정하는 세그먼트 연속성 판단과정;을 포함할 수 있다.
본 발명의 다른 일 실시예에서, 상기 포인트 선별단계는, 포인트 각각이 상기 회귀직선으로부터 수직하게 떨어져 있는 정도인 이격거리를 산출하는 이격거리 연산과정; 및 상기 이격거리가 기준거리 이상일 경우 해당 포인트를 제거 포인트로 분류하고, 기준거리 미만일 경우 해당 포인트를 유효 포인트로 분류하는 포인트 분류과정;을 포함할 수 있다.
본 발명은 정적 객체 외부로 돌출된 수풀 등에 의해 생성된 포인트들을 세그먼트들의 직선성으로부터 추정되는 회귀직선과의 이격정도에 따라 제거함으로써, 정적 객체의 외곽선을 보다 높은 신뢰도를 갖고 추출할 수 있는 효과가 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 본 발명의 일 실시예에 따른 정적 객체의 외곽선 추출 시스템의 구성을 나타내는 블록도.
도 2는 본 발명의 일 실시예에 따라 회귀(Regression)직선 후보를 도출하는 것을 나타내는 예시도.
도 3은 본 발명의 일 실시예에 따라 최소제곱법에 의해 생성된 회귀(Regression)직선의 일 예를 나타내는 예시도.
도 4는 본 발명의 일 실시예에 따라 회귀직선과 포인트들 간의 거리를 기준거리와 비교하여 제거하거나 추가할 포인트를 선별하는 것을 나타내는 예시도.
도 5는 본 발명의 일 실시예에 따라 수풀을 제거하여 건물의 외곽선을 추출하는 것을 나타내는 예시화면.
도 6은 본 발명의 일 실시예에 따라 수풀을 제거하여 가드레일의 외곽선을 추출하는 것을 나타내는 예시화면.
도 7은 본 발명의 일 실시예에 따른 정적 객체의 외곽선 추출 방법을 나타내는 구성도.
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.
이하, 도 1 내지 도 7을 참조하여, 본 발명의 실시예들을 구체적으로 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 정적 객체의 외곽선 추출 시스템의 구성을 나타내는 블록도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 정적 객체의 외곽선 추출 시스템은, 라이다 센서로부터 획득한 포인트들 상호간을 연결하는 선분인 세그먼트(segment)가 인접한 다른 세그먼트와 이루는 각도가 적어도 두 개 이상 연속하여 기준각도를 초과하여 복수의 세그먼트들이 직선성을 갖고 연결되어 있는 경우 해당 세그먼트를 형성하는 포인트들을 회귀직선 후보로 선정하는 회귀직선 후보 선정부(100)와, 선정된 회귀직선 후보를 형성하는 포인트들을 이용하여 포인트 선별기준이 되는 회귀직선을 도출하는 회귀직선 생성부(200)와, 상기 라이다 센서로부터 획득한 포인트가 상기 회귀직선으로부터 수직하게 떨어져 있는 이격거리를 연산하여 그 이격거리가 기준거리 이상일 경우 해당 포인트를 제거 포인트로 분류하고 기준거리 미만일 경우 해당 포인트를 유효 포인트로 분류하는 포인트 선별부(300)와, 제거 포인트를 제외한 유효 포인트들을 연결하여 정적 객체의 외곽선을 생성하는 외곽선 추출부(400)를 포함할 수 있다.
이러한 본 발명은 라이다 센서로부터 획득한 데이터를 기반으로 생성되는 정적 객체의 경계를 나타내는 포인트 중 정적 객체가 아닌 물체에 의해 야기된 포인트들을 제거하여 정적 객체의 외곽선을 높은 신뢰도를 갖고 추출할 수 있게 하고자 한 것이다. 따라서, 라이다 센서로부터 획득한 데이터를 기반으로 인식하고자 하는 정적 객체의 경계를 구분 수 있는 포인트들을 확보하여야 함은 물론이다.
상기 회귀직선 후보 선정부(100)는, 어느 한 세그먼트가 그와 인접하고 있는 다른 세그먼트와 이루는 각도를 계산하는 세그먼트 각도 계산부(110)와, 인접한 세그먼트 상호간의 각도가 적어도 두 개 이상 연속하여 기준각도를 초과한다고 판단될 경우 직선성이 연속적으로 인정되는 세그먼트들의 시작 포인트와 종료 포인트를 회귀직선 후보로 선정하는 기준각도 비교부(120)를 포함할 수 있다.
이때, 상기 세그먼트 각도 계산부(110)는, 인지하고자 하는 정적 객체의 외부 경계를 나타내는 포인트와 포인트 상호간을 연결하는 선분인 세그먼트(segment)가 인접한 다른 세그먼트와 이루는 각도(θ)를 계산할 수 있다.
그에 따라, 상기 세그먼트 각도 계산부(110)는 도 2에 도시된 바와 같이 라이다 센서에 의해 획득한 포인트 t1 내지 t15(도 2에서는 각 포인트를 ti로 나타낸다.) 상호간을 연결하는 세그먼트를 생성하고, 인접한 세그먼트들 사이의 각도를 계산하게 된다. 즉 포인트 ti-1과 ti를 연결하는 세그먼트와 그에 인접하여 포인트 ti와 ti+1을 연결하는 세그먼트 사이의 각도(θ)를 구하게 된다.
또한, 상기 기준각도 비교부(120)는, 상기 세그먼트 각도 계산부에서 구한 각도(θ)가 연속하여 기준각도를 초과한다고 판단될 경우, 기준각도를 초과하는 상태가 연속적으로 이어지는 세그먼트들의 시작 포인트와 종료 포인트의 위치를 저장하여 회귀직선 후보로 선정할 수 있게 된다.
이때, 상기 기준각도 비교부(120)에서는 정적 객체가 아닌 수풀 등에 의해 돌출되는 부분으로 야기되는 포인트를 제거하는 기준이 되는 회귀직선을 생성할 수 있는 포인트들을 선정하는 것이므로, 상기 기준각도는 세그먼트들의 연속적인 연결이 직선성을 갖는지 여부를 판단할 수 있도록 설정되는 것이 바람직하다.
그에 따라, 도 2에 도시된 실시예에서는 회귀직선 후보를 선정하기 위한 기준각도를 170˚로 설정함으로써, 세그먼트 사이의 각도가 170˚를 초과하고 180˚이하인 경우에만 해당 세그먼트를 이루는 포인트가 포함될 수 있게 하였다. 그러나, 기준각도의 값은 이러한 특정 값에 제한되지 않고 중간에 꺾여 있지 않은 직선으로 판단할 수 있는 범위(예를 들어 160˚ ~ 180˚ 범위) 내에서 그 값을 다양하게 설정할 수 있음은 물론이다.
즉, 상기 기준각도 비교부(120)는, 정적 객체의 외부 경계를 나타내는 포인트들 중 직선으로 취급할 수 있는 연속성을 갖고 배열되어 있는 시작 포인트와 종료 포인트를 선택하기 위한 것이라 할 수 있다.
도 2는 본 발명의 일 실시예에 따라 회귀(Regression)직선 후보를 도출하는 것을 나타내는 예시도이다. 도 2에서는 회귀직선 후보가 되는 포인트를 선정하기 위한 기준각도를 170˚가 초과되는 경우로 설정하고 있으며, 세그먼트 간 각도가 170˚를 초과하는 경우는 굵은 반원형 곡선으로 표시하고, 170˚ 이하인 경우는 얇은 반원형 곡선으로 표시하여 시각적인 구분의 편의를 도모하고 있다.
상기 기준각도 비교부(120)에서는, i번째 포인트(ti+1)에서 양쪽에 있는 세그먼트 간 각도가 기준각도인 170˚를 초과하면 그 포인트(ti+1)를 포함하는 세그먼트의 시작점인 i-1번째 포인트(ti)를 시작 포인트(StartIdx)로 선정한다. 그리고, j번째 포인트(tj+1)에서 양쪽에 있는 세그먼트 간 각도가 기준각도인 170˚ 이하이고 그 이전에 시작 포인트(StartIdx)가 존재하면 j번째 포인트(tj+1)를 종료 포인트(EndIdx)로 선정하게 된다.
그에 따라, 도 2에 도시된 바와 같이, t2포인트에서 세그먼트 간 각도가 170˚를 초과하고 있으므로 이러한 t2포인트를 포함하는 세그먼트의 시작점인 t1포인트를 시작 포인트(StartIdx)로 선정한다. 그리고, t3포인트에서는 세그먼트 간 각도가 170˚를 초과하여 기준각도 이상이 연속적으로 이어지고 있음을 확인하지만, 세그먼트 간 각도가 기준각도를 초과하므로 종료 포인트로는 선정하지 않게 된다. 그리고, t4포인트에서는 세그먼트간 각도가 170˚ 이하이고 그 이전에 시작 포인트(StartIdx)인 t1포인트가 존재하고 있으므로 그 t4포인트를 종료 포인트(EndIdx)로 선정하게 된다.
이후, t5 내지 t11포인트 에서는 모두 세그먼트 간 각도가 170˚ 이하이므로 해당 포인트들은 회귀직선 후보로 선정되지 않게 된다. 그러나, t12포인트에서는 세그먼트 간 각도가 170˚를 초과하고 있으므로 이러한 t12포인트를 포함하는 세그먼트의 시작점인 t11포인트를 새로운 시작 포인트(StartIdx)로 선정하게 된다. 그리고, t13포인트에서는 세그먼트간 각도가 170˚ 이하이고 그 이전에 시작 포인트(StartIdx)인 t11포인트가 존재하고 있으므로 그 t13포인트를 종료 포인트(EndIdx)로 선정하게 된다.
따라서, 도 2에서는 t1, t2, t3 및 t4포인트로 이루어진 제1회귀직선 후보와 t11, t12 및 t13포인트로 이루어진 제2회귀직선 후보를 선정할 수 있음을 알 수 있고, 이를 박스로 둘러싸서 나타내고 있다. 이와 같이 선정된 두 개의 회귀직선 후보에서 시작 포인트(StartIdx)는 t1과 t11포인트로 선정되고, 종료 포인트(EndIdx)는 t4와 t13포인트로 선정됨을 도 2의 아랫부분에 나타내고 있다.
또한, 상기 회귀직선 생성부(200)는, 상기 기준각도 비교부(120)에서 선택된 회귀직선 후보에 포함되어 있는 포인트들을 이용하여 포인트 제거 및 추가의 기준이 되는 회귀직선을 생성할 수 있다.
상기 회귀직선 생성부(200)는, 라이다 센서로부터 실제 획득한 포인트들의 위치와 이론적으로 가정된 기댓값의 편차 제곱 합을 최소로 함으로써 파라메터를 추정하는 최소제곱법에 의해 회귀직선을 생성할 수 있다. 이와 같이 최소제곱법에 의해 편차 제곱합을 최소화하는 것은 데이터가 분산된 상황에서 직선을 찾는 가장 적합한 방법이므로, 이러한 최소제곱법에 의해 라이다 센서에 의해 획득한 포인트들의 분산 여부를 판단하기 위한 회귀직선 생성에 바람직하다.
그에 따라, 상기 회귀직선 생성부(200)에서는 도 3에 도시된 바와 같이 시작 포인트(StartIdx)에서 종료 포인트(EndIdx)에 이르기까지 해당 회귀직선 후보에 포함되어 있는 포인트들과의 오차(Ei : Error) 제곱의 합(S)이 최소가 되는 직선(y=a1*x+a0)을 찾기 위해 하기의 [수학식 1] 내지 [수학식 3]에 의한 연산을 거치며 계수(a0, a1)를 구하게 된다.
이때, 각 포인트의 위치는 (xi, yi)로 표현되므로, 회귀직선 후보인 임의의 ti포인트가 회귀(Regression)직선으로부터 벗어나 있는 정도를 나타내는 오차(Ei = yi-a1*xi-a0)를 구할 수 있으며, 회귀직선 후보를 이루고 있는 모든 포인트들에 대하여 구해진 오차(Ei)의 제곱 합(S)은 하기의 [수학식 1]과 같이 구할 수 있다.
[수학식 1]
Figure pat00001
이후, 상기 [수학식 1]에 의해 구한 오차 제곱 합이 최소가 되게 하기 위해 하기의 [수학식 2]와 같이 오차의 제곱 합(S)을 계수인 a0와 a1 각각에 대하여 미분한 후, 그 값을 0이 되게 하는 a0와 a1을 하기의 [수학식 3]과 같이 구할 수 있다.
[수학식 2]
Figure pat00002
Figure pat00003
[수학식 3]
Figure pat00004
Figure pat00005
Figure pat00006
이와 같이 상기 회귀직선 생성부(200)에서 구한 계수(a0, a1)을 갖는 직선을 해당 회귀직선 후보에 의해 생성되는 회귀직선으로 도출할 수 있다. 상기 회귀직선은 도 2 및 도 3에서 점선으로 도시된 바와 같이 각 회귀직선 후보를 이루고 있는 시작 포인트와 종료 포인트를 넘어서는 긴 직선으로 표현함으로써, 상기 포인트 선별부(300)에서 각 포인트들이 회귀직선으로부터 수직하게 이격되어 있는 정도를 판단하기 위한 거리 측정이 가능하게 할 수 있다.
이러한 회귀직선은 시작 포인트와 종료 포인트를 모두 만날 수도 있지만, 오차의 제곱 합이 최소가 되는 직선이므로, 도 3에 도시된 바와 같이 시작 포인트와 종료 포인트에 직접 접하지 않을 수도 있음은 물론이다.
또한, 상기 포인트 선별부(300)는, 상기 회귀직선으로부터 포인트가 수직하게 떨어져 있는 이격거리를 구하는 이격정도 연산부(310)와, 상기 이격정도 연산부에서 구해진 이격거리가 기준거리 이상일 경우 해당 포인트를 제거 포인트로 분류하고 기준거리 미만일 경우에는 해당 포인트를 유효 포인트로 분류하는 포인트 분류부(320)를 포함할 수 있다.
이때, 상기 이격정도 연산부(310)는, 상기 라이다 센서로부터 획득한 각 포인트가 회귀직선으로부터 수직하게 이격되어 있는 정도를 연산하여 회귀직선과의 이격거리를 구할 수 있다.
이 경우 상기 이격정도 연산부(310)는 어느 하나의 회귀직선으로부터 떨어져 있는 이격거리뿐만 아니라, 상기 회귀직선 생성부(200)에서 생성된 모든 회귀직선으로부터 각각 떨어져 있는 이격거리를 모두 구할 수 있게 된다.
이와 같이 두 개의 회귀직선으로부터 이격거리를 모두 구할 수 있게 함으로써, 제거할 포인트를 선별함에 있어 어느 하나의 회귀직선으로부터 기준거리 이상 이격되어 있더라도 다른 회귀직선과는 기준거리 이내일 경우 유효 포인트로 유지할 수 있게 되어 포인트 선별 순서 또는 방향에 의해 관계없이 잔존시켜야 하는 유효 포인트를 선별할 수 있게 된다.
그에 따라, 도 4에 도시된 바와 같이, t5포인트에서 t1 내지 t4포인트들로 생성된 제1회귀직선으로부터의 이격거리뿐만 아니라, t11 내지 t13포인트들로 생성된 제2회귀직선으로부터의 이격거리도 구할 수 있게 된다. 도 4에서는 이처럼 각 회귀직선으로부터의 이격거리를 해당 포인트에서 각 회귀직선에 이르도록 수직하게 연장되어 있는 점선으로 나타내고 있다.
또한, 상기 포인트 분류부(320)는, 상기 이격정도 연산부(310)에서 구한 이격거리가 미리 설정되어 있는 기준거리 이상일 경우 해당 포인트를 제거 포인트로 분류하고, 기준거리 미만일 경우에는 해당 포인트를 유효 포인트로 분류할 수 있다.
이를 위하여, 상기 실시예에서는 포인트의 제거 여부를 판단하기 위한 기준거리를 0.6m로 설정하였으나, 이러한 상기 실시예의 설정값에 의해 제한되지 않고 신뢰도 높은 외곽선을 추출할 수 있도록 다양한 값(예를 들러, 0.3 ~ 1.0m)으로 기준거리를 설정할 수 있음은 물론이다.
이때, 상기 포인트 분류부(320)는, 각 포인트가 복수의 회귀직선으로부터 떨어져 있는 이격거리 각각을 기준거리와 비교하여 어느 한 회귀직선과의 이격거리라도 기준거리 미만일 경우에는 해당 포인트를 유효 포인트로 분류할 수 있다. 그에 따라 도 4에 도시된 t10포인트와 같이 t11 내지 t13포인트들로 생성된 회귀직선으로부터의 이격거리는 기준거리 이상이지만, t1 내지 t4포인트들로 생성된 회귀직선으로부터의 이격거리는 기준거리 미만이므로, 해당 t10포인트는 유효 포인트로 분류되어 정적 객체의 외곽선을 형성하는 일 요소로 사용될 수 있게 된다.
그에 따라, 도 4에서 오리지널 포인트(Original Points)에 나타난 바와 같이, t1 내지 t15포인트 중 회귀직선과의 거리가 기준거리 이상으로 판정된 t5 내지 t9포인트 및 t14포인트는 제거 포인트로 분류(그 값을 0으로 표시함)하여 제거하고, 두 개의 회귀직선 중 어느 하나의 회귀직선과의 거리라도 기준거리 미만인 것으로 판정된 t1 내지 t4포인트, t10포인트, t11 내지 t13포인트 및 t15포인트를 유효 포인트로 분류(각 포인트의 위치를 그대로 유지함)하게 된다.
이와 같이 상기 포인트 분류부(320)에 의해 제거 포인트와 유효 포인트의 분류 후 유효 포인트만을 모으면 도 4에서 애프터 리그레션(After Regression)에 나타난 바와 같이, t1 내지 t4, t10, t11 내지 t13, 및 t15포인트 만으로 이루어진 새로운 포인트들을 얻을 수 있게 된다.
또한, 상기 외곽선 추출부(400)는, 상기 포인트 분류부(320)에 의해 회귀직선으로부터 기준거리 이상 이격되어 있는 포인트들을 제거한 후 남아 있는 유효 포인트들만을 연결하여 외곽선을 추출할 수 있다.
이러한 상기 외곽선 추출부(400)는 첫 번째 포인트에서 시작하여 제거되지 않고 잔존하는 유효 포인트들을 순차적으로 연결하면서 마지막 포인트에서 마무리되는 외곽선을 추출할 수 있다.
이와 같이 정적 객체 외부로 돌출되어 있던 수풀이나 나무 등에 의해 획득하게 되었던 포인트를 정적 객체의 주된 외곽선일 것으로 추정되는 회귀직선으로부터의 이격정도를 기준으로 제거한 후 외곽선을 추출하게 되므로, 보다 신뢰도 높은 외곽선을 추출할 수 있다.
이러한 본 발명은 건물이나 가드레일과 같이 크기가 큰 정적 객체의 외곽선 추출에 적용되기 위한 것인바, 차량과 같은 동적 객체를 판단함에는 영향을 주지 않아야 한다.
그에 따라, 라이다 센서에 의해 획득한 크기가 차량 등의 동적 객체를 배제할 수 있을 정도로 큰 크기를 갖는 객체를 대상으로 판단이 이루어질 수 있게 함이 바람직하다.
또한, 본 발명은 회귀직선에 기반하여 수풀 등 인지하고자 하는 정적 객체 이외의 물체에 의해 돌출 인식되는 포인트를 제거하기 위한 것인바, 곡선형태의 특성을 갖는 객체보다는 직선형태의 객체에 대한 외곽선 추출에 보다 적합할 수 있다. 그에 따라, 본 발명에 따라 회귀직선을 생성하고 포인트 선별이 이루어지기 위해서는 회귀직선을 생성하기 위한 외곽선 포인트가 적어도 일정 개수 이상의 복수개인 경우에 보다 적합할 수 있다.
본 발명의 일 실시예에서는 객체의 최소 크기를 13m로 설정하고, 회귀직선을 생성하기 위한 외곽선 포인트의 최소 개수를 3개로 설정하여 실시하였으나, 이러한 객체의 최소 크기와 외곽선 포인트의 최소 개수가 상기 일 실시예와 같이 제한되지 않고 판단하고자 하는 상황에 따라 자유롭게 증감될 수 있음은 물론이다.
이러한 본 발명에 의해 정적 객체의 외곽선이 높은 신뢰도를 갖고 추출되는 일 예를 도 5 및 도 6을 참조하여 설명한다.
먼저 도 5에서는 건물과 수풀이 같이 군집화되어 하나의 객체로 인식되기 때문에, 수정 전 상태를 나타내는 도 5의 (a)에 도시된 바와 같이 건물 앞에 있는 수풀이 포함된 상태로 외곽선이 추출된다. 그러나, 본 발명에 따라 회귀곡선으로부터 기준거리 이상 이격되어 있는 포인트들(도 5의 (a)에서는 노란 색의 점선 원으로 나타냄)을 제거하면 수정 후 상태를 나타내는 도 5의 (b)에 도시된 바와 같이 수풀에 의해 돌출 인식되었던 영역이 제거된 신뢰도 높은 외곽선을 추출할 수 있게 된다.
또한, 도 6에서도 마찬가지로 가드레일과 수풀이 같이 군집화되어 하나의 객체로 인식되기 때문에, 수정 전 상태를 나타내는 도 6의 (a)에 도시된 바와 같이 가드레일 옆에 있는 수풀이 포함된 상태로 외곽선이 추출된다. 그러나, 본 발명에 따라 회귀곡선으로부터 기준거리 이상 이격되어 있는 포인트들(도 6의 (a)에서는 노란 색의 점선 원으로 나타냄)을 제거하고 잔존하는 유효 포인트들만으로 외곽선을 추출하면 수정 후 상태를 나타내는 도 6의 (b)에 도시된 바와 같이 수풀에 의해 돌출 인식되었던 영역이 제거된 신뢰도 높은 외곽선을 추출할 수 있게 된다.
다음에는 도 7을 참조하여 본 발명의 다른 실시예에 따른 정적 객체의 외곽선 추출 방법을 설명한다. 도 7은 본 발명의 다른 실시예에 따른 정적 객체의 외곽선 추출 방법을 나타내는 구성도이다.
도 7을 참조하면, 본 발명의 다른 실시예에 따른 정적 객체의 외곽선 추출 방법은, 라이다 센서로부터 획득한 포인트들 상호간을 연결하는 선분인 세그먼트가 적어도 두 개 이상 직선성을 갖고 연속적으로 연결되어 있는 경우 그 연속적인 세그먼트를 형성하는 포인트들을 회귀직선을 생성할 시작 포인트와 종료 포인트로 선정하는 회귀직선 후보 선정단계(S10)와, 상기 시작 포인트와 종료 포인트를 이용하여 제거 포인트와 유효 포인트를 분류하는 선별기준이 되는 회귀직선을 도출하는 회귀직선 생성단계(S20)와, 상기 라이다 센서로부터 획득한 포인트가 상기 회귀직선으로부터 수직하게 떨어져 있는 이격거리를 연산한 후 상기 이격거리와 기준거리를 비교하여 삭제할 제거 포인트와 잔존시킬 유효 포인트를 선별하는 포인트 선별단계(S30)와, 잔존하는 유효 포인트들을 연결하여 정적 객체의 외곽선을 생성하는 외곽선 추출단계(S40)를 포함할 수 있다.
상기 회귀직선 후보 선정단계(S10)는, 인접한 세그먼트 상호간의 각도(θ)를 계산하는 세그먼트 각도 계산과정(S11)과, 계산된 세그먼트 상호간의 각도(θ)가 적어도 두 개 이상 연속하여 기준각도를 초과할 경우 해당 세그먼트들은 직선성을 갖고 연속적으로 연결되어 있다고 판단하여 그 연속적인 세그먼트들의 시작 포인트와 종료 포인트를 회귀직선 후보로 선정하는 세그먼트 연속성 판단과정(S12)을 포함할 수 있다.
상기 세그먼트 각도 계산과정(S11)은, 상기 라이다 센서에서 정적 객체의 외부 경계를 나타내는 것으로 획득한 포인트와 그 포인트에 인접하게 위치하고 있는 포인트 상호간을 연결하는 선분인 세그먼트(segment)가 인접한 다른 세그먼트(segment)와 이루는 각도(θ)를 계산할 수 있다. 그에 따라 상기 세그먼트 각도 계산과정(S11)에서는 포인트 상호간을 연속적으로 연결하는 세그먼트들 상호간에 이루고 있는 각도를 모두 계산하여 그 값을 획득할 수 있다.
상기 세그먼트 연속성 판단과정(S12)은, 다수의 포인트 상호간을 연결하고 있는 복수의 세그먼트들 중 직선성을 유지하면서 연속적으로 연결되어 있는 부분을 추출하기 위한 것이다.
이를 위하여 상기 세그먼트 연속성 판단과정(S12)에서는, 세그먼트 상호간의 각도(θ)를 기준각도와 비교하여 적어도 두 개 이상 연속하여 기준각도를 초과할 경우, 기준각도를 초과하는 상태가 유지되면서 이어지는 최초 세그먼트에 있는 시작 포인트와 마지막 세그먼트에 있는 종료 포인트의 위치를 저장하여 회귀직선 후보로 선정할 수 있다.
상기 실시예에서는 상기 기준각도를 170˚로 설정하여 세그먼트 상호간의 각도(θ)가 기준각도를 초과하는지 아니면 그 이하인지 여부를 판단하여 세그먼트의 직선성이 유지되는지 여부를 판단할 수 있게 하였으나, 설정 가능한 다양한 값(예를 들어, 160˚ ~ 180˚의 범위에 속하는 값) 중의 한 실시예로서 선택하였던 기준각도의 특정 값에 제한되지 않음은 물론이다.
상기 회귀직선 생성단계(S20)는, 최소제곱법에 의해 상기 시작 포인트와 종료 포인트 사이에 위치하고 있는 포인트들과의 오차(Ei) 제곱의 합(S)이 최소가 되는 직선(y=a1*x+a0)을 도출할 수 있다. 이때, 상기 [수학식 1] 내지 [수학식 3]에 의한 연산을 거치면서 회귀직선의 계수(a0, a1)를 구하게 됨은 상술한 바와 같다.
상기 포인트 선별단계(S30)는, 상기 라이다 센서로부터 획득한 포인트 각각이 상기 회귀직선으로부터 수직하게 떨어져 있는 정도인 이격거리를 산출하는 이격거리 연산과정(S31)과, 상기 이격거리가 기준거리 이상일 경우 해당 포인트를 제거 포인트로 분류하고 기준거리 미만일 경우 해당 포인트를 유효 포인트로 분류하는 포인트 분류과정(S32)을 포함할 수 있다.
상기 이격거리 연산과정(S31)은, 상기 라이다 센서로부터 획득한 포인트 각각이 회귀직선으로 수직하게 떨어져 있는 정도를 연산하여 회귀직선과의 이격거리를 산출할 수 있다.
이때, 상기 이격거리 연산과정(S31)에서, 각 포인트들은 상기 회귀직선 생성단계(S20)에서 생성된 모든 회귀직선으로부터 각각 떨어져 있는 이격거리를 모두 산출할 수 있다.
상기 포인트 분류과정(S32)은, 이격거리를 미리 설정되어 있는 기준거리와 비교하여 포인트의 이격거리가 기준거리 이상일 경우에는 해당 포인트를 제거 포인트로 분류하여 제거하고, 포인트의 이격거리가 기준거리 미만일 경우에는 해당 포인트를 유효 포인트로 분류하여 정적 객체의 외곽선 형성에 포함시킬 수 있게 한다.
이때, 상기 실시예에서는 포인트의 제거 여부를 판단하기 위한 기준거리를 0.6m로 설정하여, 이격거리가 0.6m 이상인지 아니면 그 미만인지 여부를 토대로 포인트 제거가 이루어질 수 있게 하였으나, 설정 가능한 다양한 값(예를 들어, 0.3 ~ 1.0m의 범위에 속하는 값) 중의 한 실시예로서 선택하였던 기준거리의 특정 값에 제한되지 않음은 물론이다.
그리고, 상기 포인트 분류과정(S32)에서는 각 포인트가 복수의 회귀직선으로부터 떨어져 있는 이격거리 각각을 기준거리와 비교하여 어느 한 회귀직선과의 이격거리라도 기준거리 미만일 경우 해당 포인트를 유효 포인트로 분류할 수 있다. 그에 따라, 포인트를 회귀직선과 비교하는 순서 또는 방향에 영향 받지 않고 유효 포인트를 정확하게 잔존시킬 수 있게 된다.
상기 외곽선 추출단계(S40)는, 첫 번째 포인트에서 시작하여 제거되지 않고 잔존하는 유효 포인트들을 순차적으로 연결하여 마지막 포인트에서 마무리되는 선을 형성하여 인식하고자 하는 정적 객체의 외곽선을 추출할 수 있다.
이와 같이 본 발명은 직선성을 연속적으로 유지하고 있는 세그먼트들을 이루는 포인트를 이용하여 회귀직선을 생성하고, 이러한 회귀직선으로부터 이격되어 있는 정도에 따라 제거 포인트와 유효 포인트를 분류한 후, 잔존하는 유효 포인트만을 연결하여 정적 객체의 외곽선을 추출할 수 있다.
그에 따라, 본 발명은 수풀이나 나무 등에 의해 생성되어 외부로 돌출됨으로써 정적 객체 자체의 외곽선이 갖고 있는 직선성을 훼손시키는 포인트들을 선별하여 제거함으로써, 정적 객체의 외곽선을 보다 높은 신뢰도로 추출할 수 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.
100 : 회귀직선 후보 선정부
110 : 세그먼트 각도 계산부 120 : 기준각도 비교부
200 : 회귀직선 생성부
300 : 포인트 선별부
310 : 이격정도 연산부 320 : 포인트 분류부
400 : 외곽선 추출부

Claims (20)

  1. 라이다 센서로부터 획득한 포인트들 상호간을 연결하는 선분인 세그먼트들의 직선성에 기반하여, 포인트 선별기준이 되는 회귀직선을 도출하는 회귀직선 생성부;
    각 포인트가 상기 회귀직선으로부터 수직하게 떨어져 있는 이격거리를 연산하여, 그 이격거리가 기준거리 이상일 경우 해당 포인트를 제거 포인트로 분류하고 기준거리 미만일 경우 해당 포인트를 유효 포인트로 분류하는 포인트 선별부; 및
    제거 포인트를 제외한 유효 포인트들을 연결하여 정적 객체의 외곽선을 생성하는 외곽선 추출부;
    를 포함하는 정적 객체의 외곽선 추출 시스템.
  2. 청구항 1에 있어서,
    세그먼트가 인접한 다른 세그먼트와 이루는 각도가 적어도 두 개 이상 연속하여 기준각도를 초과할 경우, 연속하는 복수의 세그먼트들이 직선성을 갖고 있는 것으로 판단하여, 해당 세그먼트를 형성하고 있는 포인트들을 회귀직선 후보로 선정하는 회귀직선 후보 선정부;
    를 더 포함하는 것을 특징으로 하는 정적 객체의 외곽선 추출 시스템.
  3. 청구항 2에 있어서,
    상기 회귀직선 후보 선정부는,
    어느 한 세그먼트가 그와 인접하고 있는 다른 세그먼트와 이루는 각도를 계산하는 세그먼트 각도 계산부; 및
    인접한 세그먼트 상호간의 각도가 적어도 두 개 이상 연속하여 기준각도를 초과한다고 판단될 경우, 직선성이 연속적으로 인정되는 세그먼트들의 시작 포인트와 종료 포인트를 회귀직선 후보로 선정하는 기준각도 비교부;
    를 포함하는 것을 특징으로 하는 정적 객체의 외곽선 추출 시스템.
  4. 청구항 3에 있어서,
    상기 기준각도 비교부는,
    상기 기준각도를 160˚ ~ 180˚의 범위 내에서 설정하는 것을 특징으로 하는 정적 객체의 외곽선 추출 시스템.
  5. 청구항 3에 있어서,
    상기 기준각도 비교부는,
    i번째 포인트(ti+1)에서 양쪽에 있는 세그먼트 간 각도가 기준각도를 초과하면, 그 포인트(ti+1)를 포함하는 세그먼트의 시작점인 i-1번째 포인트(ti)를 시작 포인트(StartIdx)로 선정하고, j번째 포인트(tj+1)에서 양쪽에 있는 세그먼트 간 각도가 기준각도 이하이고 그 이전에 시작 포인트(StartIdx)가 존재하면 j번째 포인트(tj+1)를 종료 포인트(EndIdx)로 선정하는 것을 특징으로 하는 정적 객체의 외곽선 추출 시스템.
  6. 청구항 3에 있어서,
    상기 회귀직선 생성부는,
    시작 포인트에서 종료 포인트에 이르기까지 해당 회귀직선 후보에 포함되어 있는 포인트들과의 오차(Ei) 제곱의 합(S)이 최소가 되는 회귀직선을 최소제곱법에 의해 생성하는 것을 특징으로 하는 정적 객체의 외곽선 추출 시스템.
  7. 청구항 3에 있어서,
    상기 포인트 선별부는,
    상기 회귀직선으로부터 포인트가 수직하게 떨어져 있는 이격거리를 구하는 이격정도 연산부; 및
    상기 이격거리가 기준거리 이상일 경우 해당 포인트를 제거 포인트로 분류하고, 기준거리 미만일 경우에는 해당 포인트를 유효 포인트로 분류하는 포인트 분류부;
    를 포함하는 것을 특징으로 하는 정적 객체의 외곽선 추출 시스템.
  8. 청구항 7에 있어서,
    상기 이격정도 연산부는,
    각 포인트가 상기 회귀직선 생성부에서 생성된 모든 회귀직선으로부터 떨어져 있는 이격거리를 각각 구하는 것을 특징으로 하는 정적 객체의 외곽선 추출 시스템.
  9. 청구항 8에 있어서,
    상기 포인트 분류부는,
    어느 한 회귀직선과의 이격거리라도 기준거리 미만일 경우에는 해당 포인트를 유효 포인트로 분류하는 것을 특징으로 하는 정적 객체의 외곽선 추출 시스템.
  10. 청구항 7에 있어서,
    상기 포인트 분류부는,
    상기 기준거리를 0.3 ~ 1.0m의 범위 내에서 설정하는 것을 특징으로 하는 정적 객체의 외곽선 추출 시스템.
  11. 라이다 센서로부터 획득한 포인트들 상호간을 연결하는 선분인 세그먼트들이 직선성을 갖고 연속적으로 연결되어 있는 경우, 그 연속적인 세그먼트를 형성하는 포인트들을 이용하여 포인트 선별기준이 되는 회귀직선을 도출하는 회귀직선 생성단계;
    각 포인트가 상기 회귀직선으로부터 수직하게 떨어져 있는 이격거리를 연산한 후, 상기 이격거리와 기준거리를 비교하여 삭제할 제거 포인트와 잔존시킬 유효 포인트를 선별하는 포인트 선별단계; 및
    잔존하는 유효 포인트들을 연결하여 정적 객체의 외곽선을 생성하는 외곽선 추출단계;
    를 포함하는 정적 객체의 외곽선 추출 방법.
  12. 청구항 11에 있어서,
    세그먼트가 적어도 두 개 이상 직선성을 갖고 연속적으로 연결되어 있는 경우, 그 연속적인 세그먼트를 형성하는 포인트들을 회귀직선을 생성할 시작 포인트와 종료 포인트로 선정하는 회귀직선 후보 선정단계;
    를 포함하는 더 포함하는 것을 특징으로 하는 정적 객체의 외곽선 추출 방법.
  13. 청구항 12에 있어서,
    상기 회귀직선 후보 선정단계는,
    인접한 세그먼트 상호간의 각도를 계산하는 세그먼트 각도 계산과정; 및
    인접한 세그먼트 상호간의 각도가 적어도 두 개 이상 연속하여 기준각도를 초과할 경우, 해당 세그먼트들은 직선성을 갖고 연속적으로 연결되어 있다고 판단하여, 그 연속적인 세그먼트들의 시작 포인트와 종료 포인트를 회귀직선 후보로 선정하는 세그먼트 연속성 판단과정;
    을 포함하는 것을 특징으로 하는 정적 객체의 외곽선 추출 방법.
  14. 청구항 13에 있어서,
    상기 세그먼트 연속성 판단과정은,
    상기 기준각도를 160˚ ~ 180˚의 범위 내에서 설정하는 것을 특징으로 하는 정적 객체의 외곽선 추출 방법.
  15. 청구항 13에 있어서,
    상기 세그먼트 연속성 판단과정은,
    i번째 포인트(ti+1)에서 양쪽에 있는 세그먼트 간 각도가 기준각도를 초과하면, 그 포인트(ti+1)를 포함하는 세그먼트의 시작점인 i-1번째 포인트(ti)를 시작 포인트(StartIdx)로 선정하고, j번째 포인트(tj+1)에서 양쪽에 있는 세그먼트 간 각도가 기준각도 이하이고 그 이전에 시작 포인트(StartIdx)가 존재하면 j번째 포인트(tj+1)를 종료 포인트(EndIdx)로 선정하는 것을 특징으로 하는 정적 객체의 외곽선 추출 방법.
  16. 청구항 13에 있어서,
    상기 회귀직선 생성단계는,
    시작 포인트에서 종료 포인트에 이르기까지 해당 회귀직선 후보에 포함되어 있는 포인트들과의 오차(Ei) 제곱의 합(S)이 최소가 되는 회귀직선을 최소제곱법에 의해 생성하는 것을 특징으로 하는 정적 객체의 외곽선 추출 방법.
  17. 청구항 13에 있어서,
    상기 포인트 선별단계는,
    포인트 각각이 상기 회귀직선으로부터 수직하게 떨어져 있는 정도인 이격거리를 산출하는 이격거리 연산과정; 및
    상기 이격거리가 기준거리 이상일 경우 해당 포인트를 제거 포인트로 분류하고, 기준거리 미만일 경우 해당 포인트를 유효 포인트로 분류하는 포인트 분류과정;
    을 포함하는 것을 특징으로 하는 정적 객체의 외곽선 추출 방법.
  18. 청구항 17에 있어서,
    상기 이격거리 연산과정은,
    각 포인트들이 모든 회귀직선으로부터 각각 떨어져 있는 이격거리를 모두 산출하는 것을 특징으로 하는 정적 객체의 외곽선 추출 방법.
  19. 청구항 17에 있어서,
    상기 포인트 분류과정은,
    어느 한 회귀직선과의 이격거리라도 기준거리 미만일 경우 해당 포인트를 유효 포인트로 분류하는 것을 특징으로 하는 정적 객체의 외곽선 추출 방법.
  20. 청구항 17에 있어서,
    상기 포인트 분류과정은,
    상기 기준거리를 0.3 ~ 1.0m의 범위 내에서 설정하는 것을 특징으로 하는 정적 객체의 외곽선 추출 방법.
KR1020200103411A 2020-08-18 2020-08-18 정적 객체의 외곽선 추출 시스템 및 그 추출 방법 KR20220022345A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020200103411A KR20220022345A (ko) 2020-08-18 2020-08-18 정적 객체의 외곽선 추출 시스템 및 그 추출 방법
US17/365,271 US11922670B2 (en) 2020-08-18 2021-07-01 System for extracting outline of static object and method thereof
DE102021118209.3A DE102021118209A1 (de) 2020-08-18 2021-07-14 System zum Extrahieren eines Umrisses eines statischen Objekts und Verfahren dafür
CN202110802327.0A CN114076928A (zh) 2020-08-18 2021-07-15 用于提取静态对象的轮廓的系统及其方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200103411A KR20220022345A (ko) 2020-08-18 2020-08-18 정적 객체의 외곽선 추출 시스템 및 그 추출 방법

Publications (1)

Publication Number Publication Date
KR20220022345A true KR20220022345A (ko) 2022-02-25

Family

ID=80112900

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200103411A KR20220022345A (ko) 2020-08-18 2020-08-18 정적 객체의 외곽선 추출 시스템 및 그 추출 방법

Country Status (4)

Country Link
US (1) US11922670B2 (ko)
KR (1) KR20220022345A (ko)
CN (1) CN114076928A (ko)
DE (1) DE102021118209A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114994638B (zh) * 2022-08-04 2022-11-29 之江实验室 一种基于椭圆包络曲线集自动驾驶汽车障碍物识别方法

Also Published As

Publication number Publication date
CN114076928A (zh) 2022-02-22
DE102021118209A1 (de) 2022-02-24
US20220058421A1 (en) 2022-02-24
US11922670B2 (en) 2024-03-05

Similar Documents

Publication Publication Date Title
JP5838901B2 (ja) 物体識別装置及び物体識別方法
CN111126152B (zh) 一种基于视频的多目标行人检测与跟踪的方法
WO2018121286A1 (zh) 目标跟踪方法和装置
KR100791389B1 (ko) 스트럭쳐드 라이트를 이용한 거리 측정 장치 및 방법
CN109001757B (zh) 一种基于2d激光雷达的车位智能检测方法
KR102263717B1 (ko) 객체 검출 및 추적을 통한 이상행동 분석 장치 및 방법
JP2002175535A (ja) 道路白線認識装置
KR101708491B1 (ko) 압력 센서를 이용한 객체 인식 방법
CN106529029B (zh) 输电线路杆塔的点云数据提取方法及装置
JP6710190B2 (ja) 区画線認識装置
JP6320016B2 (ja) 対象物検出装置、対象物検出方法およびプログラム
JP6681682B2 (ja) 移動体計測システム及び移動体計測方法
CN111383294B (zh) 一种安防雷达系统中防区的绘制方法及装置
CN109584265A (zh) 一种目标跟踪方法及装置
CN112180931A (zh) 扫地机的清扫路径规划方法、装置及可读存储介质
KR20220022345A (ko) 정적 객체의 외곽선 추출 시스템 및 그 추출 방법
Elseberg et al. Full wave analysis in 3D laser scans for vegetation detection in urban environments
JP2010039617A (ja) 対象物追跡装置及びプログラム
JP2018097424A (ja) クラスタリング装置、人工物識別装置、幹検出装置、方法、及びプログラム
CN105911553A (zh) 一种道路可行域确定方法及系统
JP6040825B2 (ja) 物体追跡プログラム、物体追跡方法及び物体追跡装置
JP6443747B2 (ja) 計測データ処理装置と方法
WO2024009756A1 (ja) 物体識別装置及び物体識別方法
US20240019545A1 (en) Method for extracting outline of object in vehicle and vehicle thereof
US20220326702A1 (en) Method, device, and computer program

Legal Events

Date Code Title Description
A201 Request for examination