KR20220069442A - Artificial intelligence based fmcw ridar multi-channel signal processing method - Google Patents
Artificial intelligence based fmcw ridar multi-channel signal processing method Download PDFInfo
- Publication number
- KR20220069442A KR20220069442A KR1020200156549A KR20200156549A KR20220069442A KR 20220069442 A KR20220069442 A KR 20220069442A KR 1020200156549 A KR1020200156549 A KR 1020200156549A KR 20200156549 A KR20200156549 A KR 20200156549A KR 20220069442 A KR20220069442 A KR 20220069442A
- Authority
- KR
- South Korea
- Prior art keywords
- signal processing
- valid data
- candidate region
- fmcw
- channel signal
- Prior art date
Links
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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
- G01S17/32—Systems determining position data of a target for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
- G01S17/34—Systems determining position data of a target for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated using transmission of continuous, frequency-modulated waves while heterodyning the received signal, or a signal derived therefrom, with a locally-generated signal related to the contemporaneously transmitted signal
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/522—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves
- G01S13/524—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves based upon the phase or frequency shift resulting from movement of objects, with reference to the transmitted signals, e.g. coherent MTi
- G01S13/5246—Discriminating between fixed and moving objects or between objects moving at different speeds using transmissions of interrupted pulse modulated waves based upon the phase or frequency shift resulting from movement of objects, with reference to the transmitted signals, e.g. coherent MTi post processors for coherent MTI discriminators, e.g. residue cancellers, CFAR after Doppler filters
-
- 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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
Description
본 발명은 FMCW RiDAR 멀티채널 신호처리 방법에 관한 것으로, 더욱 상세하게는 일반 신경망 가속기 RTL(Register Transfer Level)를 FMCW(Frequency Modulated Continuous Wave) LiDAR(Light Detection And Ranging) 신호처리기 내부에 구현하고, 객체인식에 대한 공간분해능을 향상시켜 멀티채널을 이용한 신호 처리 과정에서 발생할 수 있는 오류를 줄이기 위한 인공지능 기반 FMCW RiDAR 멀티채널 신호처리 방법에 관한 것이다.The present invention relates to a FMCW RiDAR multi-channel signal processing method, and more particularly, a general neural network accelerator RTL (Register Transfer Level) is implemented inside a FMCW (Frequency Modulated Continuous Wave) LiDAR (Light Detection And Ranging) signal processor, and an object It relates to an AI-based FMCW RiDAR multi-channel signal processing method for reducing errors that may occur during signal processing using multi-channels by improving spatial resolution for recognition.
라이다(LiDAR)는 Light Detection And Ranging의 약자이며, 빛으로 탐지하고 거리를 측정한다는 뜻으로 때로는 LADAR(Laser Detection And Ranging)라는 이름으로 사용되지만, LiDAR가 보다 정확한 용어이며, 레이저라고 하는 광원을 목표물에 비춤으로써 사물까지의 거리, 방향, 속도, 온도, 물질분포 및 농도 특성 등을 감지할 수 있는 기술이고, LiDAR 센서는 일반적으로 높은 에너지 밀도와 짧은 주기를 가지는 펄스 신호를 생성할 수 있는 레이저의 장점을 활용하여 보다 정밀한 대기 중의 물성 관측 및 거리 측정 등에 활용이 된다. LiDAR is an abbreviation of Light Detection And Ranging, which means to detect and measure distance with light, and is sometimes used as LADAR (Laser Detection And Ranging). It is a technology that can detect the distance, direction, speed, temperature, material distribution, and concentration characteristics of an object by shining it on a target. It can be used for more precise observation of properties in the atmosphere and distance measurement by utilizing
LiDAR 센서 기술은 탐조등 빛의 산란 세기를 통하여 상공에서의 공기 밀도 분석 등을 위한 목적으로 1930년대 처음 시도되었으나, 1960년대 레이저의 발명과 함께 비로소 본격적인 개발이 가능하였고, 1970년대 이후 레이저 광원 기술의 지속적인 발전과 함께 다양한 분야에 응용 가능한 라이다 센서 기술들이 개발되었으며, 항공기, 위성 등에 탑재되어 정밀한 대기 분석 및 지구환경 관측을 위한 중요한 관측 기술로 활용되고 있으며, 또한 우주선 및 탐사 로봇에 장착되어 사물까지의 거리 측정 등 카메라 기능을 보완하기 위한 수단으로 활용되며, 지상에서는 원거리 거리 측정, 자동차 속도위반 단속 등을 위한 간단한 형태의 LiDAR 센서 기술들이 상용화되어 왔으며, 최근에는 3D reverse engineering 및 미래 무인 자동차를 위한 laser scanner 및 3D 영상 카메라의 핵심 기술로 활용되면서 그 활용성과 중요성이 점차 증가되고 있다.LiDAR sensor technology was first attempted in the 1930s for the purpose of analyzing the density of air in the sky through the scattering intensity of light from searchlights, but full-scale development was possible only with the invention of the laser in the 1960s. With development, lidar sensor technologies that can be applied to various fields have been developed, and they are used as important observation technologies for precise atmospheric analysis and observation of the earth environment by being mounted on aircraft and satellites. It is used as a means to supplement camera functions such as distance measurement, and on the ground, simple LiDAR sensor technologies have been commercialized for long-distance distance measurement and vehicle speed violation enforcement. Recently, 3D reverse engineering and laser for future driverless cars As it is used as a core technology for scanners and 3D video cameras, its utility and importance are gradually increasing.
레이저 거리측정 기술은 레이저를 이용하여 레이저를 발생한 장소에서 레이저를 발생시킨 후 목표물에서 되돌아오는 레이저의 파장을 측정하여 목표물까지의 거리를 원격으로 측정하는 기술이며, 초창기에는 레이저 거리측정 기술이 레이저 및 부품 등의 가격이 비싸고 기술적인 난이도 때문에 주로 군사용으로만 사용되었다. Laser distance measurement technology is a technology to remotely measure the distance to a target by measuring the wavelength of the laser returning from the target after generating a laser at the place where the laser is generated using a laser. Due to the high cost of parts and technical difficulties, it was mainly used for military purposes.
최근에는 이러한 기술을 산업용으로 상용화하기 위해 많은 노력을 하고 있으며, 레이저 거리측정기는 자동화 산업 현장의 무인화 시스템, 선박 접안 시 배의 파손을 막기 위한 거리 측정, 무인 과속 감지기, 차량 충동 방지 시스템 등에 적용되고 있다. 산업용의 경우 측정거리가 약 1㎞ 이내로 짧고 측정오차도 1~10 ㎜ 이내를 만족하고 있다. Recently, much effort is being made to commercialize these technologies for industrial use, and laser rangefinders are applied to unmanned systems in automated industrial sites, distance measurement to prevent damage to ships when berthing ships, unmanned speed detectors, and vehicle collision prevention systems. have. In the case of industrial use, the measurement distance is as short as about 1 km and the measurement error is also within 1 to 10 mm.
레이저를 이용한 거리측정에는 다음과 같은 방법이 알려져 있는데, 대표적인 펄스의 왕복시간을 측정하는 pulsed TOF(time of flight), 신호의 위상차를 통해 거리를 측정하는 위상변이(phase shift), 그리고 주파수에 변화를 준 후 주파수 차이를 통해 거리 정보를 추출하는 주파수 변조법(FMCW, frequency modulated continuous wave) 기술 등이 있다. The following methods are known for distance measurement using a laser, pulsed TOF (time of flight), which measures the round trip time of a representative pulse, phase shift, which measures the distance through the phase difference of a signal, and change in frequency There is a frequency modulated continuous wave (FMCW) technique that extracts distance information through the frequency difference after giving a .
TOF 방식은 레이저가 펄스 신호를 방출하여 측정 범위 내에 있는 물체로부터의 반사 펄스 신호들이 수신기에 도착하는 시간을 측정함으로써 거리를 측정하며, TOF 방식은 우수한 성능을 보여주지만, 시스템의 크기가 크고 고비용이 요구되고, 저가의 거리 측정 시스템에는 주로 phase shift 또는 FMCW 방식이 사용된다. The TOF method measures the distance by measuring the time that the laser emits a pulse signal and the reflected pulse signals from the object within the measurement range arrive at the receiver. The TOF method shows excellent performance, but the system is large and expensive A phase shift or FMCW method is mainly used in a required, low-cost distance measuring system.
Phase shift 방식은 특정 주파수를 가지고 연속적으로 변조되는 레이저 빔을 방출하고 측정 범위 내에 있는 물체로부터 반사되어 되돌아오는 신호의 위상 변화량을 측정하여 시간 및 거리를 계산하는 방식이지만, Phase shift 또는 FMCW 방식은 신호의 흔들림이나 간섭 현상(crosstalk)에 의해 시스템의 성능이 제한되고, 특히 FMCW 방식은 주파수 변화의 비선형성에 의해 시스템 성능이 제한된다는 단점이 있다.The phase shift method emits a laser beam that is continuously modulated with a specific frequency and calculates time and distance by measuring the amount of phase change of a signal that is reflected and returned from an object within the measurement range. However, the phase shift or FMCW method The system performance is limited by vibration or crosstalk, and in particular, the FMCW method has a disadvantage in that the system performance is limited by the nonlinearity of the frequency change.
일반적으로, coherent 방식을 이용한 FMCW LiDAR는 파장 특성상 탐지 거리는 굉장히 긴 반면에, 송신광과 수신광의 위상차로 진동수가 약간 다른 두 개의 소리가 간섭을 일으켜 소리가 주기적으로 세어졌다 약해졌다 하는 맥놀이 현상에 의하여 생긴 주파수인 맥놀이 주파수(beat frequency)를 계산하기 위하여 사용되는 FFT(Fast Fourier Transform)의 경우에는 칩 내부에서 시간, 공간적으로 제한이 있기 때문에 해상도에도 제한이 있고, 또한 고속 파이프라인 형태로 동작하기 때문에 수행시간이 긴 복잡한 알고리즘으로 이를 보조할 수 없다.In general, FMCW LiDAR using the coherent method has a very long detection distance due to the characteristics of the wavelength, but two sounds with slightly different frequencies interfere with each other due to the phase difference between the transmitted light and the received light. In the case of FFT (Fast Fourier Transform), which is used to calculate the beat frequency, which is a frequency generated by Therefore, it cannot be supported by a complex algorithm with a long execution time.
또한 주파수 도메인에서 CFAR(Constant false alarm rate) 필터를 거친 최대 PSD(Power Spectral Density) 만으로 beat frequency를 파악하는 것이 정답이라고 하기에는 무리가 있으며, 표적에 맞는 반사광의 세기는 거리에 따라 감쇠하기도 하고, 수학적으로 완벽한 점을 만들 수 없는 광학계의 레이저는 쪼개져서 반사되거나, 물체의 광 투과율에 따라 약한 강도로 반사되거나 여러 차례에 걸쳐 반사될 수도 있기 때문이다. In addition, in the frequency domain, it is difficult to say that the correct answer is to determine the beat frequency only with the maximum PSD (Power Spectral Density) that has passed through the CFAR (Constant false alarm rate) filter. This is because the laser of an optical system that cannot make a perfect dot with this is split and reflected, or it may be reflected with a weak intensity depending on the light transmittance of the object, or it may be reflected several times.
따라서 이런 단점들을 극복하고 해상도를 높이기 위해서, 신호 처리 로직 내부에 FFT(Fast Fourier Transform) 한 사이클 이내로 동작할 수 있는 최적화된 NN(Neural Network)을 구현하고, 객체인식에 대한 공간분해능을 향상시켜 멀티채널을 이용한 신호 처리 과정에서 발생할 수 있는 오류를 줄이기 위한 인공지능 기반 FMCW RiDAR 멀티채널 신호처리 기술 개발이 필요한 상황이다.Therefore, in order to overcome these shortcomings and increase the resolution, an optimized NN (Neural Network) that can operate within one cycle of FFT (Fast Fourier Transform) is implemented inside the signal processing logic, and the spatial resolution for object recognition is improved There is a need to develop AI-based FMCW RiDAR multi-channel signal processing technology to reduce errors that may occur during signal processing using channels.
본 발명은 상기한 종래 기술의 문제점을 해결하기 위해 안출된 것으로서, 신호 처리 로직 내부에 FFT(Fast Fourier Transform) 한 사이클 이내로 동작할 수 있는 최적화된 NN(Neural Network)을 구현하고, 객체인식에 대한 공간분해능을 향상시켜 멀티채널을 이용한 신호 처리 과정에서 발생할 수 있는 오류를 감소시키기 위한 인공지능 기반 FMCW RiDAR 멀티채널 신호처리 방법을 제공하는 것이다.The present invention has been devised to solve the problems of the prior art, and implements an optimized Neural Network (NN) that can operate within one cycle of FFT (Fast Fourier Transform) within the signal processing logic, and To provide an AI-based FMCW RiDAR multi-channel signal processing method to improve spatial resolution and reduce errors that may occur during signal processing using multi-channels.
상기 목적을 달성하기 위하여, 본 발명은, FMCW LiDAR의 디지털 레이저 제어신호를 생성하는 제어신호 생성단계와; 상기 제어신호 생성단계를 거쳐 발사된 레이저를 수신하여 주파수 도메인으로 변환하는 주파수 도메인 변환단계와; 상기 주파수 변환단계를 통해 변환된 주파수 도메인을 CFAR 필터로 통과시켜 유효 데이터 후보 영역을 검색하는 후보 영역 검색단계와; 상기 후보 영역 검색단계로부터 검색된 유효 데이터 후보 영역에 대해 인공지능 기반의 신경망 계산을 수행하여 유효 데이터를 분류하는 유효 데이터 분류단계와; 상기 분류된 다수의 유효 데이터를 저장하고, 해당 데이터를 기반으로 멀티채널을 구성하여 신호처리를 수행하는 멀티채널 신호처리 단계;를 포함하는 것을 특징으로 한다.In order to achieve the above object, the present invention, a control signal generating step of generating a digital laser control signal of the FMCW LiDAR; a frequency domain conversion step of receiving the laser emitted through the control signal generating step and converting it into a frequency domain; a candidate region search step of passing the frequency domain converted through the frequency conversion step through a CFAR filter to search for a valid data candidate region; a valid data classification step of classifying valid data by performing artificial intelligence-based neural network calculation on the valid data candidate region found in the candidate region search step; and a multi-channel signal processing step of storing the classified plurality of valid data and performing signal processing by configuring a multi-channel based on the corresponding data.
이상과 같은 본 발명에 따른 인공지능 기반 FMCW RiDAR 멀티채널 신호처리 방법에 있어서, 종래 신호의 흔들림이나 간섭 현상에 의해 시스템의 성능이 제한되고, 특히 FMCW 방식은 주파수 변화의 비선형성에 의해 시스템 성능이 제한되며, 맥놀이 주파수를 계산하기 위하여 사용되는 FFT의 경우에는 칩 내부에서 시간, 공간적으로 제한이 있기 때문에 해상도에도 제한이 있고, 또한 고속 파이프라인 형태로 동작하기 때문에 수행시간이 긴 복잡한 알고리즘으로 이를 보조할 수 없는 문제점을 벗어나, 신호 처리 로직 내부에 FFT(Fast Fourier Transform) 한 사이클 이내로 동작할 수 있는 최적화된 NN(Neural Network)을 구현하고, 객체인식에 대한 공간분해능을 향상시켜 멀티채널을 이용한 신호 처리 과정에서 발생할 수 있는 오류를 감소시킬 수 있도록 한다.In the artificial intelligence-based FMCW RiDAR multi-channel signal processing method according to the present invention as described above, the system performance is limited by the shaking or interference phenomenon of the conventional signal. In the case of the FFT used to calculate the beat frequency, there is a limitation in resolution because there is a time and spatial limitation inside the chip. Also, since it operates in the form of a high-speed pipeline, it is necessary to support this with a complex algorithm that takes a long time to execute. To overcome the impossible problems, implement an optimized NN (Neural Network) that can operate within one cycle of FFT (Fast Fourier Transform) within the signal processing logic, and improve spatial resolution for object recognition to process signals using multi-channels To reduce errors that may occur in the process.
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.The terms or words used in the present specification and claims should not be construed as being limited to their ordinary or dictionary meanings, and the inventor may properly define the concept of the term in order to best describe his invention. Based on the principle that there is, it should be interpreted as meaning and concept consistent with the technical idea of the present invention.
따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.Accordingly, the embodiments described in this specification and the configurations shown in the drawings are only the most preferred embodiment of the present invention, and do not represent all of the technical spirit of the present invention, so they can be substituted at the time of the present application It should be understood that various equivalents and modifications may exist.
본 발명에 따른 방법은, FMCW LiDAR의 디지털 레이저 제어신호를 생성하는 제어신호 생성단계와, 상기 제어신호 생성단계를 거쳐 발사된 레이저를 수신하여 주파수 도메인으로 변환하는 주파수 도메인 변환단계와, 상기 주파수 변환단계를 통해 변환된 주파수 도메인을 CFAR 필터로 통과시켜 유효 데이터 후보 영역을 검색하는 후보 영역 검색단계와, 상기 후보 영역 검색단계로부터 검색된 유효 데이터 후보 영역에 대해 인공지능 기반의 신경망 계산을 수행하여 유효 데이터를 분류하는 유효 데이터 분류단계와, 상기 분류된 다수의 유효 데이터를 저장하고, 해당 데이터를 기반으로 멀티채널을 구성하여 신호처리를 수행하는 멀티채널 신호처리 단계를 포함하여 이루어진다.The method according to the present invention includes a control signal generating step of generating a digital laser control signal of the FMCW LiDAR, a frequency domain conversion step of receiving the laser emitted through the control signal generating step and converting it into a frequency domain, A candidate region search step of searching for a valid data candidate region by passing the frequency domain transformed through the step through a CFAR filter, and performing artificial intelligence-based neural network calculation on the valid data candidate region retrieved from the candidate region search step to obtain valid data and a multi-channel signal processing step of classifying the valid data, storing the classified plurality of valid data, and performing signal processing by configuring a multi-channel based on the data.
또한, 본 발명은 한편, 다양한 전자적으로 정보를 처리하는 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 저장 매체에 기록될 수 있다. 여기서, 저장 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 저장 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것 들이거나 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다. 저장매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광 기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media) 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 또한 상술한 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.In addition, the present invention may be implemented in the form of program instructions that can be executed through various electronic information processing means and recorded in a storage medium. Here, the storage medium may include a program command, a data file, a data structure, etc. alone or in combination. The program instructions recorded in the storage medium may be specially designed and configured for the present invention, or may be known and available to those skilled in the software field. Examples of the storage medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magneto-optical media such as floppy disks. (magneto-optical media) and hardware devices specially configured to store and execute program instructions such as ROM, RAM, flash memory, and the like. In addition, the above-mentioned medium may be a transmission medium such as an optical or metal wire or waveguide including a carrier wave for transmitting a signal designating a program command, a data structure, and the like. Examples of the program instruction include not only machine code such as generated by a compiler, but also a device for electronically processing information using an interpreter or the like, for example, a high-level language code that can be executed by a computer. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.
이상에서 첨부된 도면을 참조하여 본 발명을 설명함에 있어 특정형상 및 방향을 위주로 설명하였으나, 본 발명은 그 발명에 속하는 기술분야에서 통상의 지식을 가진 사람에 의하여 다양한 변형 및 변경이 가능하고, 이러한 변형 및 변경은 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다.In the above description of the present invention with reference to the accompanying drawings, a specific shape and direction have been mainly described, but the present invention is capable of various modifications and changes by those of ordinary skill in the art to which the invention pertains. Modifications and variations should be construed as being included in the scope of the present invention.
Claims (1)
상기 제어신호 생성단계를 거쳐 발사된 레이저를 수신하여 주파수 도메인으로 변환하는 주파수 도메인 변환단계와;
상기 주파수 변환단계를 통해 변환된 주파수 도메인을 CFAR 필터로 통과시켜 유효 데이터 후보 영역을 검색하는 후보 영역 검색단계와;
상기 후보 영역 검색단계로부터 검색된 유효 데이터 후보 영역에 대해 인공지능 기반의 신경망 계산을 수행하여 유효 데이터를 분류하는 유효 데이터 분류단계와;
상기 분류된 다수의 유효 데이터를 저장하고, 해당 데이터를 기반으로 멀티채널을 구성하여 신호처리를 수행하는 멀티채널 신호처리 단계;를 포함하는 것을 특징으로 하는 인공지능 기반 FMCW RiDAR 멀티채널 신호처리 방법.
A control signal generating step of generating a digital laser control signal of the FMCW LiDAR;
a frequency domain conversion step of receiving the laser emitted through the control signal generating step and converting it into a frequency domain;
a candidate region search step of passing the frequency domain converted through the frequency conversion step through a CFAR filter to search for a valid data candidate region;
a valid data classification step of classifying valid data by performing artificial intelligence-based neural network calculation on the valid data candidate region found in the candidate region search step;
and a multi-channel signal processing step of storing the classified plurality of valid data and performing signal processing by configuring a multi-channel based on the data.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200156549A KR20220069442A (en) | 2020-11-20 | 2020-11-20 | Artificial intelligence based fmcw ridar multi-channel signal processing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200156549A KR20220069442A (en) | 2020-11-20 | 2020-11-20 | Artificial intelligence based fmcw ridar multi-channel signal processing method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220069442A true KR20220069442A (en) | 2022-05-27 |
Family
ID=81791045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200156549A KR20220069442A (en) | 2020-11-20 | 2020-11-20 | Artificial intelligence based fmcw ridar multi-channel signal processing method |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220069442A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190117418A (en) | 2019-09-27 | 2019-10-16 | 엘지전자 주식회사 | Lidar system and method of controlling the lidar system, and autonomous driving system including the lidar system |
-
2020
- 2020-11-20 KR KR1020200156549A patent/KR20220069442A/en unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190117418A (en) | 2019-09-27 | 2019-10-16 | 엘지전자 주식회사 | Lidar system and method of controlling the lidar system, and autonomous driving system including the lidar system |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10261187B2 (en) | Optical phasograms for LADAR vibrometry | |
| US11002819B2 (en) | Angular resolution of targets using separate radar receivers | |
| CN105518484A (en) | Method and apparatus for measuring distance using optical signal | |
| CN104614723A (en) | Vechicle radar for discriminating false target using variable wave and method for discriminating false target using it | |
| KR102019844B1 (en) | LIDAR signal processing apparatus and method | |
| CN112654895B (en) | Radar detection method and related device | |
| Abdo et al. | Effective range assessment of lidar imaging systems for autonomous vehicles under adverse weather conditions with stationary vehicles | |
| KR102069100B1 (en) | FMCW LiDAR SIGNAL PROCESSING SYSTEM AND METHOD BASED ON NEURAL NETWORK | |
| EP3418770A1 (en) | Synthetic-aperture-radar signal processing device | |
| RU2586078C2 (en) | Single-position passive radioelectronic system for determining horizontal coordinates, target motion elements and kilometric attenuation coefficient of electromagnetic radiation of target | |
| KR20220069442A (en) | Artificial intelligence based fmcw ridar multi-channel signal processing method | |
| Zhu et al. | High anti-interference 3D imaging LIDAR system based on digital chaotic pulse position modulation | |
| KR20220069443A (en) | Artificial intelligence based fmcw ridar high-speed signal processing method | |
| KR20220114325A (en) | Interferometer based fmcw lidar noise processing system | |
| CN111175717B (en) | Auxiliary driving method capable of inhibiting radar close-range harmonic wave and scene application | |
| KR20220113070A (en) | Up/down chirp peak pattern matching based fmcw lidar signal processing method | |
| KR20210114199A (en) | Method and apparatus for radar target identification based on deep learning | |
| KR20220114748A (en) | Fmcw lidar scanner control method based on horizontal vertical stacked multichannel fiber array | |
| KR20220113115A (en) | Fmcw lidar signal processing method with psd-based cfar algorithm | |
| KR20220071457A (en) | System and method for applying polygon scanner in artificial intelligence-based fmcw lidar | |
| Zeng et al. | Physics-based modelling method for automotive radar with frequency shift keying and linear frequency modulation | |
| Li et al. | A range ambiguity classification algorithm for automotive LiDAR based on FPGA platform acceleration | |
| Vanhala et al. | APPLICATION OF RADAR SENSING IN KOVILTA OY SENSOR FRAMEWORK | |
| US11827238B2 (en) | Computing architecture of an autonomous vehicle | |
| KR20190046152A (en) | LIDAR signal processing apparatus and method |