KR20220081741A - 라이다 센서를 이용한 객체 추적 장치 및 방법 - Google Patents

라이다 센서를 이용한 객체 추적 장치 및 방법 Download PDF

Info

Publication number
KR20220081741A
KR20220081741A KR1020200171572A KR20200171572A KR20220081741A KR 20220081741 A KR20220081741 A KR 20220081741A KR 1020200171572 A KR1020200171572 A KR 1020200171572A KR 20200171572 A KR20200171572 A KR 20200171572A KR 20220081741 A KR20220081741 A KR 20220081741A
Authority
KR
South Korea
Prior art keywords
point
threshold value
angle
coordinate
lidar sensor
Prior art date
Application number
KR1020200171572A
Other languages
English (en)
Inventor
정무관
김남균
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 KR1020200171572A priority Critical patent/KR20220081741A/ko
Priority to US17/395,261 priority patent/US20220179080A1/en
Publication of KR20220081741A publication Critical patent/KR20220081741A/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
    • G01S17/93—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
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • 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
    • 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
    • G01S17/66—Tracking systems using electromagnetic waves other than radio waves
    • 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
    • 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
    • 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
    • G01S7/497—Means for monitoring or calibrating
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06K9/6267—
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Optics & Photonics (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

실시 예에 의한 라이다 센서를 이용한 객체 추적 방법은 x축 방향으로 주행하는 차량에 장착된 라이다 센서를 이용하여 객체에 대해 생성된 포인트 클라우드에 대한 그리드 맵을 생성하는 단계와, 그리드 맵 상의 각 그리드의 중심의 x축 방향과 교차하는 y축 방향의 y좌표의 절대값이 y축 좌표 임계값보다 작으면, 정적 라벨링을 수행하는 단계 및 절대값이 y축 좌표 임계값보다 작지 않으면, 동적 라벨링을 수행하는 단계를 포함하고, 정적 라벨링은 비교 대상인 서로 다른 제1 및 제2 그리드에 위치하는 제1 포인트와 제2 포인트 간의 이격 거리를 고정된 제1 임계값과 비교하고, 비교된 결과에 따라 제1 및 제2 그리드를 동일한 클러스터에 포함시키고, 동적 라벨링은 라이다 센서의 위치를 중심으로 제1 및 제2 포인트 각각이 이루는 제1 및 제2 각도 및 이격 거리에 따라 가변되는 제2 임계값 및 위치로부터 제1 또는 제2 포인트까지의 거리에 따라 가변되는 제3 임계값을 이용하여, 비교 대상인 제1 및 제2 그리드를 동일한 클러스터에 포함시킬 것인가를 결정한다.

Description

라이다 센서를 이용한 객체 추적 장치 및 방법{Apparatus and method for tracking object using LiDAR sensor}
실시 예는 라이다 센서를 이용한 객체 추적 장치 및 방법에 관한 것이다.
차량의 자율 주행을 위해 다양한 기술이 등장하고 있다. 예를 들어, 라이다(LIDAR: Light Detection and Ranging) 센서를 이용하여 타겟 차량에 대한 정보를 획득하고, 획득된 정보를 이용하여 차량의 자율 주행 기능을 보조할 수 있다. 그러나, 라이다 센서를 통해 획득한 포인트 클라우드(point cloud)를 군집화한 결과물인 클러스터(cluster) 자체에 대한 정확성이 저하되는 문제가 있어, 이에 대한 연구가 진행 중이다.
실시 예는 우수한 군집화가 가능한 라이다 센서를 이용한 객체 추적 장치 및 방법을 제공한다.
실시 예에서 해결하고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제는 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
일 실시 예에 의한 라이다 센서를 이용한 객체 추적 방법은 x축 방향으로 주행하는 차량에 장착된 라이다 센서를 이용하여 상기 객체에 대해 생성된 포인트 클라우드에 대한 그리드 맵을 생성하는 단계; 상기 그리드 맵 상의 각 그리드의 중심의 상기 x축 방향과 교차하는 y축 방향의 y좌표의 절대값이 y축 좌표 임계값보다 작으면, 정적 라벨링을 수행하는 단계; 및 상기 절대값이 상기 y축 좌표 임계값보다 작지 않으면, 동적 라벨링을 수행하는 단계를 포함하고, 상기 정적 라벨링은 비교 대상인 서로 다른 제1 및 제2 그리드에 위치하는 제1 포인트와 제2 포인트 간의 이격 거리를 고정된 제1 임계값과 비교하고, 비교된 결과에 따라 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키고, 상기 동적 라벨링은 상기 라이다 센서의 위치를 중심으로 상기 제1 및 제2 포인트 각각이 이루는 제1 및 제2 각도 및 상기 이격 거리에 따라 가변되는 제2 임계값 및 상기 라이다 센서의 상기 위치로부터 상기 제1 또는 제2 포인트까지의 거리에 따라 가변되는 제3 임계값을 이용하여, 상기 비교 대상인 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시킬 것인가를 결정할 수 있다.
예를 들어, 상기 정적 라벨링은 상기 이격 거리를 구하는 단계; 상기 이격 거리가 상기 제1 임계값보다 작은가를 검사하는 단계; 상기 이격 거리가 상기 제1 임계값보다 작을 때, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키는 단계; 및 상기 이격 거리가 상기 제1 임계값보다 작지 않을 때, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키지 않는 단계를 포함할 수 있다.
예를 들어, 상기 동적 라벨링은 상기 그리드 맵 상에서, 상기 x축 방향으로 상기 위치를 지나는 주행 축을 기준으로 각 그리드가 위치한 그리드 각도가 각도 임계값보다 작은가를 검사하는 단계; 상기 그리드 각도가 상기 각도 임계값보다 작을 때, 상기 제1 포인트와 상기 제2 포인트의 상기 y축 좌표 간의 제1 좌표차가 제1 좌표 임계값보다 작은가를 검사하는 단계; 상기 제1 좌표차가 상기 제1 좌표 임계값보다 작을 때, 상기 제1 포인트와 상기 제2 포인트의 상기 x축 방향의 x축 좌표 간의 제2 좌표차가 제2 좌표 임계값보다 작은가를 검사하는 단계; 상기 제2 좌표차가 상기 제2 좌표 임계값보다 작을 때, 상기 위치와 상기 제1 및 제2 포인트가 이루는 삼각형의 내각 중에서, 상기 제1 포인트가 위치한 지점의 상기 제1 내각과 상기 제2 포인트가 위치한 지점의 상기 제2 내각 간의 각도 차가 상기 제2 임계값보다 작은가를 검사하는 단계; 상기 각도 차가 상기 제2 임계값보다 작으면, 상기 이격 거리가 상기 제3 임계값보다 작은가를 검사하는 단계; 및 상기 이격 거리가 상기 제3 임계값보다 작으면, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키는 단계를 포함할 수 있다.
예를 들어, 상기 제2 임계값은 상기 제1 각도와 상기 제2 각도 간의 상기 각도차에 비례하여 가변될 수 있다.
예를 들어, 상기 제2 임계값은 상기 각도차와 아래와 같은 관계를 가질 수 있다.
Figure pat00001
여기서, TH2는 상기 제2 임계값을 나타내고, d는 상기 이격 거리를 나타내고, 상기 α1은 상기 제1 각도를 나타내고 상기 α2는 상기 제2 각도를 나타내고, 상기 α3은 상기 삼각형의 내각 중에서 상기 라이다 센서가 위치한 지점의 제3 각도이고, r1는 상기 라이다 센서의 위치부터 상기 제1 포인트까지의 제1 길이를 나타내고, r2는 상기 상기 라이다 센서의 위치부터 상기 제2 포인트까지의 제2 길이를 나타낸다.
예를 들어, 상기 제2 임계값은 0보다 크고 2보다 작고, 상기 각도차에 비례하여 비선형적으로 증가할 수 있다.
예를 들어, 상기 제3 임계값은 아래와 같이 구해질 수 있다.
Figure pat00002
여기서, D는 상기 제3 임계값을 나타내고, αR은 상기 라이다 센서의 위치로부터 상기 제1 포인트를 잇는 직선의 연장선과 제3 선분의 사이각에 해당하고, 상기 제3 선분은 임계점과 상기 제2 포인트를 잇는 선분이고, 상기 임계점은 상기 라이다 센서의 위치로부터 상기 제1 포인트를 잇는 직선의 연장선에 위치하며 상기 제2 포인트부터 이격된 거리가 상기 제3 임계값이 되는 지점이다.
예를 들어, 상기 제3 임계값은 아래와 같이 구해질 수 있다.
Figure pat00003
여기서, θ는 상기 라이다 센서의 위치로부터 상기 제2 포인트를 잇는 직선의 연장선과 상기 제3 선분의 사이각을 나타내고, β는 상기 라이다 센서의 에러에 대한 파라미터이다.
다른 실시 예에 의한 라이다 센서를 이용한 객체 추적 장치는, x축 방향으로 주행하는 차량에 장착되어, 객체에 대한 포인트 클라우드를 생성하는 라이다 센서; 상기 포인트 클라우드에 대한 그리드 맵을 생성하는 그리드 맵 생성부; 상기 그리드 맵 상의 각 그리드의 중심의 상기 x축 방향과 교차하는 y축 방향의 y좌표의 절대값과 y축 좌표 임계값을 비교하고, 비교된 결과를 제어 신호로서 출력하는 라벨링 종류 결정부; 상기 제어 신호에 응답하여, 비교 대상인 서로 다른 제1 및 제2 그리드에 위치하는 제1 포인트와 제2 포인트 간의 이격 거리를 고정된 제1 임계값과 비교하고, 비교된 결과에 따라 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키는 정적 라벨링부; 및 상기 제어 신호에 응답하여, 상기 라이다 센서의 위치를 중심으로 상기 제1 및 제2 포인트 각각이 이루는 제1 및 제2 각도 및 상기 이격 거리에 따라 가변되는 제2 임계값 및 상기 라이다 센서의 상기 위치로부터 상기 제1 또는 제2 포인트까지의 거리에 따라 가변되는 제3 임계값을 이용하여, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시킬 것인가를 결정하는 동적 라벨링부를 포함할 수 있다.
예를 들어, 상기 정적 라벨링부 상기 이격 거리를 산출하는 거리 산출부; 상기 이격 거리와 상기 제1 임계값을 비교하는 제1 거리 비교부; 및 상기 제1 거리 비교부에서 비교된 결과에 응답하여, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키는 제1 라벨링부를 포함할 수 있다.
예를 들어, 상기 동적 라벨링부는 상기 그리드 맵 상에서, 상기 x축 방향으로 상기 위치를 지나는 주행 축을 기준으로 각 그리드가 위치한 그리드 각도와 각도 임계값을 비교하는 그리드 각도 비교부; 상기 그리드 각도 비교부에서 비교된 결과에 응답하여, 상기 제1 포인트와 상기 제2 포인트의 상기 y축 좌표 간의 제1 좌표차를 제1 좌표 임계값과 비교하는 제1 좌표 비교부; 상기 제1 좌표 비교부에서 비교된 결과에 응답하여, 상기 제1 포인트와 상기 제2 포인트의 상기 x축 방향의 x축 좌표 간의 제2 좌표차를 제2 좌표 임계값과 비교하는 제2 좌표 비교부; 상기 제2 좌표 비교부에서 비교된 결과에 응답하여, 상기 위치와 상기 제1 및 제2 포인트가 이루는 삼각형의 내각 중에서, 상기 제1 포인트가 위치한 지점의 상기 제1 내각과 상기 제2 포인트가 위치한 지점의 상기 제2 내각 간의 각도 차를 상기 제2 임계값과 비교하는 각도차 비교부; 상기 각도차 비교부에서 비교된 결과에 응답하여, 상기 이격 거리와 상기 제3 임계값을 비교하는 제2 거리 비교부; 및 상기 제2 거리 비교부에서 비교된 결과에 응답하여, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키는 제2 라벨링부를 포함할 수 있다.
예를 들어, 상기 제2 임계값은 상기 제1 각도와 상기 제2 각도 간의 각도차에 비례하여 가변될 수 있다.
예를 들어, 상기 제2 임계값은 상기 각도차와 아래와 같은 관계를 가질 수 있다.
Figure pat00004
여기서, TH2는 상기 제2 임계값을 나타내고, d는 상기 이격 거리를 나타내고, 상기 α1은 상기 제1 각도를 나타내고 상기 α2는 상기 제2 각도를 나타내고, 상기 α3은 상기 삼각형의 내각 중에서 상기 라이다 센서가 위치한 지점의 제3 각도이고, r1는 상기 라이다 센서의 위치부터 상기 제1 포인트까지의 제1 길이를 나타내고, r2는 상기 상기 라이다 센서의 위치부터 상기 제2 포인트까지의 제2 길이를 나타낸다.
예를 들어, 상기 제2 임계값은 0보다 크고 2보다 작고, 상기 각도차에 비례하여 비선형적으로 증가할 수 있다.
예를 들어, 상기 제3 임계값은 아래와 같이 구해질 수 있다.
Figure pat00005
여기서, D는 상기 제3 임계값을 나타내고, αR은 상기 라이다 센서의 위치로부터 상기 제1 포인트를 잇는 직선의 연장선과 제3 선분의 사이각에 해당하고, 상기 제3 선분은 임계점과 상기 제2 포인트를 잇는 선분이고, 상기 임계점은 상기 라이다 센서의 위치로부터 상기 제1 포인트를 잇는 직선의 연장선에 위치하며 상기 제2 포인트부터 이격된 거리가 상기 제3 임계값이 되는 지점이다.
예를 들어, 상기 제3 임계값은 아래와 같이 구해질 수 있다.
Figure pat00006
여기서, θ는 상기 라이다 센서의 위치로부터 상기 제2 포인트를 잇는 직선의 연장선과 상기 제3 선분의 사이각을 나타내고, β는 상기 라이다 센서의 에러에 대한 파라미터이다.
실시 예에 따른 라이다 센서를 이용한 객체 추적 장치 및 방법은 정적 라벨링뿐만 아니라 동적 라벨링을 활용하여 과도한 클러스터의 생성을 방지할 수 있는 등 길게 뻗어있는 물체의 출력 성능을 높여 주행 경로 예측과 맵 매칭 등 자율주행 시스템의 성능 향상에 기여할 수 있고, 적은 수행시간으로 군집화의 성능을 높일 수 있다.
또한, 본 실시 예에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며 언급하지 않은 또 다른 효과는 아래의 기재로부터 본 발명이 속하는 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 실시 예에 의한 객체 추적 장치의 개략적인 블럭도를 나타낸다.
도 2는 라이다 센서가 장착된 차량의 평면도를 나타낸다.
도 3은 2.5차원 그리드 맵의 일 례를 나타낸다.
도 4는 도 1에 도시된 군집화부에서 수행되는 실시 예에 의한 군집화 방법의 플로우차트이다.
도 5는 도 1에 도시된 라벨링부의 실시 예에 의한 블럭도를 나타낸다.
도 6은 서로 비교 대상인 제1 그리드와 제2 그리드를 예시적으로 나타내는 도면이다.
도 7은 도 5에 도시된 정적 라벨링부 및 동작 라벨링부 각각의 실시 예에 의한 블럭도를 나타낸다.
도 8은 도 4에 도시된 제330 단계의 실시 예에 의한 플로우차트를 나타낸다.
도 9는 도 4에 도시된 제340 단계의 실시 예에 의한 플로우차트를 나타낸다.
도 10 내지 도 12는 제2 좌표 임계값의 튜닝을 설명하기 위한 도면이다.
도 13은 도 7에 도시된 각도차 비교부, 제2 거리 비교부 및 도 9에 도시된 제348 및 제350 단계의 이해를 돕기 위한 그래프이다.
도 14는 제2 임계값과 각도 차 간의 관계를 나타내는 그래프이다.
도 15 (a) 내지 (d)는 비교 예와 실시 예를 비교하여 설명하기 위한 도면이다.
이하, 본 발명을 구체적으로 설명하기 위해 실시 예를 들어 설명하고, 발명에 대한 이해를 돕기 위해 첨부도면을 참조하여 상세하게 설명하기로 한다. 그러나, 본 발명에 따른 실시 예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 아래에서 상술하는 실시 예들에 한정되는 것으로 해석되지 않아야 한다. 본 발명의 실시 예들은 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다.
본 실시 예의 설명에 있어서, 각 구성요소(element)의 "상(위) 또는 하(아래)(on or under)"에 형성되는 것으로 기재되는 경우에 있어, 상(위) 또는 하(아래)(on or under)는 두 개의 구성요소(element)가 서로 직접(directly)접촉되거나 하나 이상의 다른 구성요소(element)가 상기 두 구성요소(element) 사이에 배치되어(indirectly) 형성되는 것을 모두 포함한다.
또한 "상(위)" 또는 "하(아래)(on or under)"로 표현되는 경우 하나의 구성요소(element)를 기준으로 위쪽 방향뿐만 아니라 아래쪽 방향의 의미도 포함할 수 있다.
또한, 이하에서 이용되는 "제1" 및 "제2," "상/상부/위" 및 "하/하부/아래" 등과 같은 관계적 용어들은, 그런 실체 또는 요소들 간의 어떠한 물리적 또는 논리적 관계 또는 순서를 반드시 요구하거나 내포하지는 않으면서, 어느 한 실체 또는 요소를 다른 실체 또는 요소와 구별하기 위해서 이용될 수도 있다.
이하, 실시 예에 의한 라이다 센서를 이용한 객체 추적 장치 및 방법을 첨부된 도면을 참조하여 다음과 같이 설명한다. 편의상, 데카르트 좌표계(x축, y축, z축)를 이용하여 라이다 센서를 이용한 객체 추적 장치(100) 및 방법을 설명하지만, 다른 좌표계에 의해서도 이를 설명할 수 있음은 물론이다. 데카르트 좌표계에 의하면, x축, y축 및 z축은 서로 직교하지만, 실시 예는 이에 국한되지 않는다. 즉, 다른 실시 예에 의하면, x축, y축 및 z축은 서로 교차할 수도 있다.
도 1은 실시 예에 의한 객체 추적 장치(100)의 개략적인 블럭도를 나타낸다.
객체 추적 장치(100)는 라이다(LiDAR: Light Detection and Ranging) 센서(110), 전처리(preprocessing)부(120), 군집화(clustering)부(130), 형상 분석(shape analysis)부(140)(또는, 세그먼트(segment)부) 및 객체 추적부(또는, 추적부, 추적 및 분류부, 또는 객체 검출부)(150)를 포함할 수 있다.
도 2는 라이다 센서(110)가 장착된 차량(이하, ‘자차’라 한다)(10)의 평면도를 나타낸다. 이해를 돕기 위한 일 례로서, 라이다 센서(110)가 자차(10)의 지붕에 배치된 것으로 도시되어 있지만, 실시 예는 라이다 센서(110)가 자차(10)에 배치되는 특정한 위치에 국한되지 않는다.
라이다 센서(110)는 객체에 대한 포인트 클라우드(point cloud)를 획득한다. 예를 들어, 라이다 센서(110)는 905 ㎚ 내지 1550 ㎚의 파장을 갖는 원형의 단일 레이저 펄스를 객체로 조사한 후, 측정 범위 내에 있는 객체에서 반사된 레이저 펄스가 되돌아온 시간을 측정하여, 라이다 센서(110)로부터 객체까지의 거리, 객체의 방향, 속도, 온도, 물질 분포 및 농도 특성 등과 같이 객체에 대한 정보를 센싱할 수 있다. 여기서, 객체란, 라이다 센서(110)가 장착된 자차(10)의 외부에 존재하는 다른 차량, 사람, 사물 등일 수 있으나, 실시 예는 객체의 특정한 종류에 국한되지 않는다. 이하, 도 2에 도시된 바와 같이 라이다 센서(110)는 장착한 자차(10)는 x축 방향으로 주행하는 것으로 한다.
전처리부(120)는 자차(10)의 차체에 의해 반사되는 데이터를 제거할 수도 있다. 즉, 라이다 센서(110)의 장착 위치와 시야각에 따라 자차(10)의 차체에 의해 가려지는 영역이 존재하므로, 전처리부(120)는 기준 좌표계를 이용하여 자차(10)의 차체에서 반사되는 데이터를 제거할 수 있다.
실시 예에 의한 객체 추적 장치(100)에서 전처리부(120)는 생략될 수도 있다.
군집화부(130)는 라이다 센서(110)를 통해 획득한 객체에 대한 복수의 점으로 구성된 라이다 데이터인 포인트 클라우드를 미리 정한 규칙에 따라 의미있는 단위로 그룹핑한다. 만일, 전처리부(120)가 생략되지 않을 경우, 군집화부(130)는 전처리부(120)에 의해 전처리된 라이다 데이터를 그룹핑할 수 있다. 예를 들어, 군집화부(130)는 그리드 기반 군집화 또는 밀도 기반 군집화 방법 등을 적용하여 포인트 클라우드를 그룹핑하여 객체의 외곽 형태를 군집화할 수 있다. 라이다 센서(110)에서 감지된 결과는 복수의 점이며, 각 점은 위치(또는, 좌표)에 대한 정보만을 갖는다. 따라서, 군집화부(130)는 라이다 센서(110)에서 센싱된 복수의 점을 의미있는 형상 단위로 그룹핑하고, 그룹핑된 결과인 클러스터(cluster)를 생성하는 역할을 한다.
형상 분석부(140)는 군집화부(130)에서 군집화된 결과를 이용하여 채널 별로 복수의 세그먼트 박스(box)에 대한 정보를 생성한다. 여기서, 세그먼트 박스란, 군집화된 결과를 기하학적인 박스 형상으로 변환한 결과를 의미할 수 있다. 또한, 세그먼트 박스에 대한 정보란, 세그먼트 박스의 폭, 길이, 위치 또는 방향(또는, 헤딩(heading)) 중 적어도 하나를 의미할 수 있다.
객체 추적부(150)는 형상이 분석된 객체가 장애물인지, 차량인지, 사람인지 등을 추적하여 인식하고, 그 결과를 출력단자 OUT1을 통해 출력할 수 있다.
이하, 실시 예에 의한 라이다 센서를 이용한 객체 추적 장치(100) 및 방법을 첨부된 도면을 참조하여 다음과 같이 설명한다.
도 4는 도 1에 도시된 군집화부(130)에서 수행되는 실시 예에 의한 군집화 방법(300)의 플로우차트이다.
도 4에 도시된 군집화 방법(300)을 수행하기 위해 도 1에 도시된 군집화부(130)는 그리드 맵(grid map) 생성부(132) 및 라벨링(labeling)부(134)를 포함할 수 있다.
도 4에 도시된 군집화 방법(300)은 도 1에 도시된 군집화부(130)에서 수행되는 것으로 설명하지만, 실시 예는 이에 국한되지 않는다. 즉, 다른 실시 예에 의하면, 도 4에 도시된 군집화 방법(300)는 도 1에 도시된 군집화부(130)와 다른 구성을 갖는 군집화부에서도 수행될 수 있으며, 도 1에 도시된 군집화부(130)는 도 4에 도시된 군집화 방법(300)과 다른 구성을 갖는 군집화 방법을 수행할 수도 있다.
도 3은 2.5차원(2.5D) 그리드 맵의 일 례를 나타낸다.
그리드 맵 생성부(132)는 라이다 센서(110)에서 객체에 대해 생성된 포인트 클라우드에 대한 그리드 맵을 생성하고, 생성된 그리드 맵을 라벨링(labeling)부(134)로 출력한다(제310 단계). 예를 들어, 그리드 맵 생성부(132)는 2차원(2D) 그리드 맵을 생성할 수도 있고, 도 3에 도시된 바와 같이, 2.5차원(2.5D) 그리드 맵을 생성할 수 있으나, 실시 예는 그리드 맵의 특정한 차원에 국한되지 않는다.
제310 단계 후에, 그리드 맵 생성부(132)로부터 출력되는 그리드 맵 상의 각 그리드의 중심의 y축 방향의 y좌표(또는, y축 좌표)의 절대값이 ‘y축 좌표 임계값’보다 작은가를 검사한다(제320 단계). 이때, 도 2에 도시된 바와 같이 x축 방향은 자차(10)가 주행하는 주행 방향이고, y축 방향은 x축 방향과 교차하는 방향이다.
여기서, y축 좌표 임계값은 이 값을 이용하여 라벨링을 하여도 군집화에 문제가 야기되지 않는가를 도 4에 도시된 방법을 수행하기 이전에 미리 확인하여 결정할 수 있다.
만일, y좌표의 절대값이 y축 좌표 임계값보다 작으면 정적 라벨링(static labeling)을 수행한다(제330 단계). 그러나, y좌표의 절대값이 y축 좌표 임계값보다 작지 않으면 동적 라벨링(또는, 적응적 라벨링)(adaptive labeling)을 수행한다(제340 단계).
전술한 제320 내지 제340 단계는 라벨링부(134)에 의해 수행될 수 있다.
도 5는 도 1에 도시된 라벨링부(134)의 실시 예(134A)에 의한 블럭도를 나타낸다. 도 6은 서로 비교 대상인 제1 그리드(G1)와 제2 그리드(G2)를 예시적으로 나타내는 도면이다. 여기서, 제1 및 제2 그리드(G1, G2)는 도 6에 예시된 바와 같이 그리드 맵 상에서 서로 인접하는 그리드일 수 있다. 도 2에서 도 6과 동일한 부분에 대해서는 동일한 참조부호를 사용한다.
도 5에 도시된 라벨링부(134A)는 라벨링 종류 결정부(210), 정적 라벨링부(220) 및 동적 라벨링부(230)를 포함할 수 있다.
제320 단계를 수행하기 위해, 라벨링 종류 결정부(210)는 그리드 맵 생성부(132)로부터 출력되어 입력단자 IN을 통해 제공되는 그리드 맵 상에서 각 그리드의 중심의 y좌표의 절대값과 y축 좌표 임계값을 비교하고, 비교된 결과를 제어 신호(C)로서 정적 라벨링부(220) 및 동적 라벨링부(230)로 각각 출력한다. 예를 들어, 라벨링 종류 결정부(210)는 도 6에 도시된 비교 대상인 제1 및 제2 그리드(G1, G2) 각각의 중심(C1, C2)의 y 좌표의 절대값을 구하고, y축 좌표의 절대값을 y축 좌표 임계값과 비교할 수 있다.
제330 단계를 수행하기 위해, 정적 라벨링부(220)는 제어 신호(C)에 응답하여 즉, 제어 신호(C)를 통해 각 그리드의 중심의 y좌표의 절대값이 y축 좌표 임계값보다 작은 것을 인식되면, 비교 대상인 서로 다른 제1 및 제2 그리드(예를 들어, 도 6에 도시된 G1, G2)에 위치하는 제1 포인트(예를 들어, 도 6에 도시된 p1)와 제2 포인트(예를 들어, 도 6에 도시된 p2) 간의 이격 거리(d)를 고정된 제1 임계값과 비교하고, 비교된 결과에 따라 제1 및 제2 그리드를 동일한 클러스터에 포함시킬 수 있다.
제340 단계를 수행하기 위해, 동적 라벨링부(230)는 제어 신호(C)에 응답하여 즉, 제어 신호(C)를 통해 각 그리드의 중심의 y좌표의 절대값이 y축 좌표 임계값보다 작지 않은 것으로 인식되면, 제2 임계값(TH2) 및 제3 임계값(D)을 이용하여, 비교 대상인 제1 및 제2 그리드(G1, G2)를 동일한 클러스터에 포함시킬 것인가를 결정할 수 있다.
여기서, 제2 임계값(TH2)는 라이다 센서(110)의 위치(p0)를 중심으로 제1 및 제2 포인트(p1, p2) 각각이 이루는 제1 및 제2 각도(α1, α2) 및 이격 거리(d)에 따라 가변될 수 있으며 후술되는 수학식 5에서 보다 상세히 후술된다. 또한, 제3 임계값(D)은 중심(C1, C2)으로부터 제1 또는 제2 포인트(p1, p2)(예를 들어, 도 6에 도시된 제2 포인트(p2))까지의 거리 등에 따라 가변될 수 있으며 후술되는 수학식 9 및 10에서 보다 상세히 후술된다.
도 7은 도 5에 도시된 정적 라벨링부(220) 및 동작 라벨링부(230) 각각의 실시 예(220A, 230A)에 의한 블럭도를 나타낸다.
도 8은 도 4에 도시된 제330 단계의 실시 예(330A)에 의한 플로우차트를 나타낸다.
도 8에 도시된 제330A 단계를 수행하기 위해 도 7에 도시된 정적 라벨링부(220A)는 거리 산출부(222), 제1 거리 비교부(224) 및 제1 라벨링부(226)를 포함할 수 있다.
도 8에 도시된 제330A 단계는 도 7에 도시된 정적 라벨링부(220A)에서 수행되는 것으로 설명하지만, 실시 예는 이에 국한되지 않는다. 즉, 다른 실시 예에 의하면, 도 8에 도시된 제330A 단계는 도 7에 도시된 정적 라벨링부(220A)와 다른 구성을 갖는 정적 라벨링부에서 수행될 수 있으며, 도 7에 도시된 정적 라벨링부(220A)는 도 8에 도시된 제330A 단계와 다른 구성을 갖는 제330 단계를 수행할 수도 있다.
먼저, 거리 산출부(222)는 입력단자 IN2를 통해 받은 제1 포인트와 제2 포인트 간의 이격 거리를 산출한다(제332 단계).
제332 단계 후에, 이격 거리(d)가 제1 임계값(TH1)보다 작은가를 검사한다(제334 단계).
예를 들어, 제334 단계를 수행하기 위해, 제1 거리 비교부(224)는 거리 산출부(222)에서 산출된 이격 거리(d)와 제1 임계값(TH1)을 비교하고, 비교된 결과를 제1 라벨링부(226)로 출력할 수 있다.
여기서, 제1 임계값(TH1)은 포인트(p1, p2)가 이루는 각도(예를 들어, 도 13에서 후술되는 α1, α2, α3)와 관계없이 그리드(G1, G2)의 크기에 비례하는 고정된 값이다. 또한, 제1 임계값(TH1)은 라이다 센서(110)의 사양에 따라 미리 설정될 수 있다.
만일, 이격 거리(d)가 제1 임계값(TH1)보다 작을 때, 제1 및 제2 그리드를 동일한 클러스터에 포함시킨다(제336 단계). 그러나, 이격 거리(d)가 제1 임계값(TH1)보다 작지 않을 때, 제1 및 제2 그리드를 동일한 클러스터에 포함시키지 않는다(제338 단계).
예를 들어, 제336 단계를 수행하기 위해, 제1 거리 비교부(224)에서 비교된 결과에 응답하여, 즉, 제1 거리 비교부(224)에서 비교된 결과를 통해 이격 거리(d)가 제1 임계값(TH1)보다 작다고 인식되면, 제1 라벨링부(226)는 제1 및 제2 그리드를 동일한 클러스터에 포함시킨다. 즉, 서로 인접한 제1 및 제2 그리드를 하나의 클러스터로 묶어준다.
그러나, 제338 단계를 수행하기 위해, 제1 거리 비교부(224)에서 비교된 결과에 응답하여, 즉, 제1 거리 비교부(224)에서 비교된 결과를 통해 이격 거리(d)가 제1 임계값(TH1)보다 작지 않다고 인식되면, 제1 라벨링부(226)는 제1 및 제2 그리드를 동일한 클러스터에 포함시키지 않는다.
예를 들어, 제1 그리드와 제2 그리드를 동일한 클러스터에 포함시키기 위해, 제1 그리드와 제2 그리드 각각에 동일한 식별 번호(ID)(또는, 라벨)를 부여하고, 식별 번호에 대한 정보를 출력단자 OUT2로 출력할 수 있다. 군집화된 결과인 클러스터는 자신에게 부여된 식별 번호에 의해 다른 클러스터와 서로 구분될 수 있으며, 동일한 식별 번호를 부여받은 그리드는 하나의 클러스터에 포함될 수 있다.
실시 예에 의하면, 정적 라벨링을 수행하는 제330 단계에서, 제1 임계값(TH1)을 이용하여, 제1 포인트(p1)와 제2 포인트(p2) 사이의 이격 거리(d)가 가까울 경우에 제1 및 제2 그리드(G1, G2)에 동일한 식별 번호를 부여하여 하나의 클러스터로 묶어줄 수 있다.
도 9는 도 4에 도시된 제340 단계의 실시 예(340A)에 의한 플로우차트를 나타낸다.
도 9에 도시된 제340A 단계를 수행하기 위해 도 7에 도시된 동적 라벨링부(230A)는 거리 산출부(222), 그리드 각도 비교부(232), 제1 및 제2 좌표 비교부(234, 236), 각도차 비교부(238), 제2 거리 비교부(240) 및 제2 라벨링부(242)를 포함할 수 있다.
도 9에 도시된 제340A 단계는 도 7에 도시된 동적 라벨링부(230A)에서 수행되는 것으로 설명하지만, 실시 예는 이에 국한되지 않는다. 즉, 다른 실시 예에 의하면, 도 9에 도시된 제340A 단계는 도 7에 도시된 동적 라벨링부(230A)와 다른 구성을 갖는 동적 라벨링부에서 수행될 수 있으며, 도 7에 도시된 동적 라벨링부(230A)는 도 9에 도시된 제340A 단계와 다른 구성을 갖는 제340 단계를 수행할 수도 있다.
먼저, 그리드 맵 상에서, 라이다 센서(110)의 위치를 지나는 x축 방향과 나란한 주행 축을 기준으로 각 그리드가 위치한 그리드 각도가 각도 임계값보다 작은가를 검사한다(제342 단계). 예를 들어, 도 2를 참조하면, 제342 단계를 수행하기 위해, 그리드 각도 비교부(232)는 x축 방향으로 라이다 센서(110)의 위치(p0)를 지나며 x축과 나란한 주행 축(DX)을 기준으로 각 그리드(예를 들어, G1, G2)가 위치한 그리드 각도(a1, a2)가 각도 임계값보다 작은가를 검사한다.
여기서, 각도 임계값은 정적 라벨링에 의한 군집화가 이루어지지 않은 부분에 대해 동적 라벨링을 적용하기 위해 설정될 수 있다.
만일, 각 그리드 각도가 각도 임계값보다 작을 때, 제1 포인트와 제2 포인트의 y축 방향의 y축좌표 간의 제1 좌표차가 제1 좌표 임계값(THC1)보다 작은가를 검사한다(제344 단계).
예를 들어, 제1 좌표 비교부(234)는 그리드 각도 비교부(232)에서 비교된 결과에 응답하여, 즉, 그리드 각도 비교부(232)에서 비교된 결과를 통해 각 그리드 각도가 각도 임계값보다 작은 것으로 인식되면, 제1 좌표차를 제1 좌표 임계값과 비교하고, 비교된 결과를 제2 좌표 비교부(236)로 출력한다. 도 6을 참조하면, 제1 좌표차는 제1 포인트(p1)의 y축 좌표와 제2 포인트(p2)의 y축 좌표 간의 차이를 의미한다.
여기서, 제1 좌표 임계값(THC1)은 서로 멀리 떨어진 포인트들이 하나의 클러스터로 묶여지는 것을 제한하도록 설정되며, 하나의 클러스터로 묶여질 수 있는 포인트들이 서로 떨어질 수 있는 최대 거리에 관련된다.
만일, 제1 좌표차가 제1 좌표 임계값보다 작을 때, 제1 포인트와 제2 포인트의 x축 방향의 x축 좌표(또는 x좌표) 간의 제2 좌표차가 제2 좌표 임계값(THC2)보다 작은가를 검사한다(제346 단계).
예를 들어, 제346 단계를 수행하기 위해, 제2 좌표 비교부(236)는 제1 좌표 비교부(234)에서 비교된 결과에 응답하여, 즉, 제1 좌표 비교부(234)에서 비교된 결과를 통해 제1 좌표차가 제1 좌표 임계값(THC1)보다 작은 것으로 인식되면, 제2 좌표차를 제2 좌표 임계값(THC2)과 비교하고, 비교된 결과를 각도차 비교부(238)로 출력한다. 도 6을 참조하면, 제2 좌표차는 제1 포인트(p1)의 x축 좌표와 제2 포인트(p2)의 x축 좌표 간의 차이를 의미한다.
여기서, 제1 좌표 임계값(THC1)과 유사하게, 제2 좌표 임계값(THC2)은 서로 멀리 떨어진 포인트들이 하나의 클러스터로 묶여지는 것을 제한하도록 설정되며, 하나의 클러스터로 묶여질 수 있는 포인트들이 서로 떨어질 수 있는 최대 거리로서 설정된다. 이를 위해, false-negative하게 데이터를 누적하여 2차원 룩 업 테이블(LUP:Look Up Table)을 구성하여 x축의 좌표와 y축의 좌표에 따라 서로 다른 제2 좌표 임계값(THC2)을 부여할 수 있다.
이하, 실시 예에 의한, 제2 좌표 임계값(THC2)의 튜닝 방법을 다음과 같이 설명한다.
서로 비교되는 포인트의 위치에 따라 제2 좌표 임계값(THC2)이 변할 수 있다. 이때, 제2 좌표 임계값(THC2)이 과도하게 커질 경우, 군집화에 오류가 발생할 수 있다. 이를 막기 위해, 제2 좌표 임계값(THC2)은 제1 및 제2 그리드(G1, G2) 각각의 x축 좌표와 y축 좌표의 최대값에 따라 허용 가능한 값으로 설정될 수 있다.
또한, 제2 좌표 임계값(THC2)의 최대값은 관심 영역(ROI: Region Of Interest) 기반으로 2차원 룩 업 테이블을 통해 결정될 수 있다.
또한, 오동작 방지를 우선으로(즉, false-negative 관점), 주행(logging) 데이터 기반으로 누적하여 제2 좌표 임계값(THC2)을 튜닝할 수 있다. 예를 들어, ROI 기반 2차원 룩업테이블 튜닝을 위한 오동작 발생 데이터 누적 테이블에는 오동작 발생 데이터 정보, 좌표, 오동작 방지를 위한 제2 좌표 임계값(THC2) 및 오동작 발생 상황에 대한 설명이 기록될 수 있다.
false-negative 관점(오동작 방지 우선)의 제2 좌표 임계값(THC2)의 튜닝은 학습(optimization)과 선정(heuristic)의 방법을 조합하여 진행될 수 있다.
도 10 내지 도 12는 제2 좌표 임계값의 튜닝을 설명하기 위한 도면이다.
실시 예에 의하면, 제2 좌표 임계값(THC2)은 다음과 같이 튜닝될 수 있다. 이하에서, 튜닝 파라미터는 제2 좌표 임계값(THC2)을 의미한다.
먼저, 튜닝 파라미터의 초기값을 결정한다. 예를 들어, 도 10 (a)는 제1 튜닝 파라미터의 초기값을 나타내고 도 10 (b)는 제2 튜닝 파라미터의 초기값을 나타낸다.
이후, 군집화의 오인지(즉, 잘못된 인지) 상황을 데이터 베이스화한다. 이러한 데이터 베이스의 목록에는 예를 들어, ‘오동작 발생 데이터 정보’, ‘오동작 그리드 정보’ 및 오동작 객체 GT(Ground Truth) 정보’ 등이 있을 수 있다. 데이터 베이스화되는 각 목록에 들어가는 정보의 예를 살펴보면 다음과 같다.
‘오동작 발생 데이터 정보’의 목록에는 주행 차량, 주행 날짜, 주행 센서, 오동작 발생 프레임에 대한 정보가 기록되고, ‘오동작 그리드 정보’의 목록에는 그리드의 비교 포인트의 좌표, 포인트 기타 속성에 대한 정보가 기록되고, ‘오동작 객체 GT 정보’의 목록에는 GT 포인트 좌표, GT 포인트 기타 속성에 대한 정보가 기록될 수 있다.
이후, 데이터 베이스를 참조하여, 오인지 상황을 회피하는 튜닝 파라미터를 찾는다. 예를 들어, 이는 경사하강법(optimization)을 이용하여 수행될 수 있으며, 도 11 (a)는 제1 파라미터의 학습(optimization)값을 나타내고, 도 11 (b)는 제2 파라미터의 학습값을 나타낼 수 있다.
이후, 찾아진 튜닝 파라미터를 후처리(예, heuristic)한다. 여기서, 후처리란, 찾은 적어도 하나의 튜닝 파라미터별 로 포인트 좌표가 최대가 되는 점을 이용하여 튜닝 파라미터를 보간하는 작업을 의미할 수 있다. 예를 들어, 이를 위해 후처리를 위해 단순화, 정규화(normalization) 및 스케일링(scaling) 작업 등이 수행될 수 있다.
이후, 후처리된 튜닝 파라미터를 확정한다. 예를 들어, 보간된 결과의 좌표를 구하여, 튜닝 파라미터를 확정할 수 있다. 도 12 (a)는 제1 파라미터의 확정값을 나타내고, 도 12 (b)는 제2 파라미터의 확정값을 나타낸다.
예를 들어, 학습 및 선정의 대상이 되는 튜닝 파라미터를 결정하기 위해 사용되는 변수의 일 례는 다음 표 1과 같을 수 있다.
구분 파라미터 명칭 단위(unit) 값
1 YDIFF m 도 9의 제344단계에서 이용되는 THC1
2 HDIFF m 도 9의 제346 단계에서 이용되는 THC2
3 LAMDA - 후술되는 수학식 6과 10의 θ
4 ANGLE - 도 9의 제348 단계에서 이용되는 TH2
다시, 도 9를 참조하면, 제2 좌표차가 제2 좌표 임계값(THC2)보다 작을 때, 라이다 센서(110)의 위치와 제1 및 제2 포인트가 이루는 삼각형의 내각 중에서, 제1 포인트가 위치한 지점의 제1 내각과 제2 포인트가 위치한 지점의 제2 내각 간의 각도 차(또는, 각도 차의 절대값)가 제2 임계값(TH2)보다 작은가를 검사한다(제348 단계).
도 13은 도 7에 도시된 각도차 비교부(238), 제2 거리 비교부(240) 및 도 9에 도시된 제348 및 제350 단계의 이해를 돕기 위한 그래프로서, 횡축은 -y축 방향을 나타내고, 종축은 x축 방향을 나타낸다.
도 13을 참조하면, 라이다 센서(110)의 위치(p0), 제1 포인트(p1) 및 제2 포인트(p2)가 하나의 삼각형을 이룬다. 이때, 삼각형의 내각(α1, α2, α3) 중에서, 제1 내각(α1)은 제1 포인트(p1)가 위치한 지점의 내각이고, 제2 내각(α2)은 제2 포인트(p2)가 위치한 지점의 내각이고, 제3 내각(α3)은 라이다 센서(110)가 위치한 지점(p0)의 내각이다. 이때, 라이다 센서(110)의 위치(p0)와 제1 포인트(p1)를 잇는 직선을 ‘제1 선분(L1)’이라 하고, 라이다 센서(110)의 위치(p0)와 제2 포인트(p2)를 잇는 직선을 ‘제2 선분(L2)’이라 할 때, 제3 내각(α3)은 제1 선분(L1)과 제2 선분(L2)의 사이각 일 수 있다.
또한, d는 제1 포인트(p1)와 제2 포인트(p2)가 서로 이격된 이격 거리를 나타내고, r1은 라이다 센서(110)의 위치(p0)로부터 제1 포인트(p1)까지의 길이(또는, 거리)(이하, ‘제1 길이’라 한다)를 나타내고, r2는 라이다 센서(110)의 위치(p0)로부터 제2 포인트(p2)까지의 길이(또는, 거리)(이하, ‘제2 길이’라 한다)를 나타낸다.
도 13을 참조하여, 제348 단계를 설명하면 다음과 같다.
제348 단계를 수행하기 위해, 각도차 비교부(238)는 제2 좌표 비교부(236)에서 비교된 결과에 응답하여, 즉, 제2 좌표 비교부(236)에서 비교된 결과를 통해 제2 좌표차가 제2 좌표 임계값(THC2)보다 작다고 인식될 때, 제1 내각(α1)과 제2 내각(α2) 간의 각도 차(α1-α2)(또는, 각도 차(α1-α2)의 절대값)와 제2 임계값(TH2)을 비교하고, 비교된 결과를 제2 거리 비교부(240)로 출력할 수 있다.
실시 예에 의하면, 제2 임계값(TH2)은 제1 각도(α1)와 제2 각도(α2) 간의 각도차(또는, 각도차(α1-α2)의 절대값)에 비례하여 가변될 수 있다.
예를 들어, 제2 임계값(TH2)과 각도 차(α1-α2)(또는, 각도 차(α1-α2)의 절대값) 간의 관계를 도 13을 참조하여, 다음과 같이 살펴본다.
먼저, 삼각함수의 덧셈 공식을 활용하여 제1 내각(α1)과 제2 내각(α2)의 각도 차에 대한 식을 도출하면 다음 수학식 1 내지 4와 같다.
Figure pat00007
Figure pat00008
Figure pat00009
Figure pat00010
제1 내각(α1)과 제2 내각(α2)의 각도차(α1-α2)가 클수록 제2 임계값(TH2)이 커지도록 위 수학식 4를 변형하면, 제2 임계값(TH2)은 각도 차(α1-α2)와 다음 수학식 5와 같은 관계를 가질 수 있다.
Figure pat00011
즉, 서로 비교되는 제1 및 제2 포인트(p1, p2)와 라이다 센서(110)의 위치(p0)가 이루는 삼각형의 두 점(p1, p2)의 내각(α1, α2) 중 한 곳(예를 들어, α2)에 둔각이 존재하면 그 각에 비례하여 제2 임계값(TH2)를 증가시켜 조정한다.
따라서, 제348 단계를 수행하여, 삼각형의 두 점(p1, p2)의 내각(α1, α2) 중 하나가 둔각인지를 검사할 수 있다. 수행 시간을 단축하기 위해, α3는 ‘0’에 가까운 작은 값인 것과 cos 그래프의 특성을 활용하여 제2 임계값(TH2)을 설정함으로써 삼각형의 두 점(p1, p2)의 내각(α1, α2) 중 한 곳이 둔각인지를 판단할 수 있다.
도 14는 제2 임계값(TH2)과 각도 차(α1-α2) 간의 관계를 나타내는 그래프로서, 횡축은 각도차(α1-α2)를 나타내고, 종축은 제2 임계값(TH2)을 나타낸다.
실시 예에 의하면, 제2 임계값(TH2)은 0보다 크고 2보다 작을 수 있으며, 도 14에 도시된 구간(R)에서와 같이, 각도차(α1-α2)에 비례하여 비선형적으로 증가할 수 있다.
만일, 각도 차(α1-α2)(또는, 각도 차의 절대값)가 제2 임계값(TH2)보다 작으면, 이격 거리(d)가 제3 임계값(D)보다 작은가를 검사한다(제350 단계). 여기서의 이격 거리(d)는 x축과 y축 평면상에서, 제1 포인트(p1)와 제2 포인트(p2) 간의 이격 거리에 해당할 수 있다.
예를 들어, 제350 단계를 수행하기 위해, 제2 거리 비교부(240)는 각도차 비교부(238)에서 비교된 결과에 응답하여, 즉, 각도차 비교부(238)에서 비교된 결과를 통해 각도 차(α1-α2)(또는, 각도 차의 절대값)가 제2 임계값(TH2)보다 작은 것으로 인식되면, 이격 거리(d)와 제3 임계값(D)을 비교하고, 비교된 결과를 제2 라벨링부(242)로 출력한다.
예를 들어, 도 13을 참조하면, 다음 수학식 6 내지 8과 같은 관계가 얻어진다.
Figure pat00012
여기서, αR은 라이다 센서(110)의 위치(p0)로부터 제1 포인트(p1)를 잇는 직선인 제1 선분(L1)의 연장선(L11)과 제3 선분(L3)의 사이각에 해당한다. 여기서, 제3 선분(L3)은 임계점(tp)과 제2 포인트(p2)를 잇는 선분이고, 임계점(tp)은 라이다 센서(110)의 위치(p0)로부터 제1 포인트(p1)를 잇는 직선인 제1 선분(L1)의 연장선(L11)에 위치하며, 제2 포인트(p2)부터 이격된 거리가 제3 임계값(D)이 되는 지점이다. 수학식 6은 다음 수학식 7과 같이 표현될 수 있다.
Figure pat00013
Figure pat00014
위 수학식 8을 제3 임계값(D)으로 정리하면, 다음 수학식 9와 같다.
Figure pat00015
또한, 제3 임계값(D)은 다음 수학식 10과 같이 표현될 수도 있다
Figure pat00016
여기서, θ는 제2 선분(L2)의 연장선(L22)과 제3 선분(L2)의 사이각을 나타내고, β는 라이다 센서(110)의 에러에 대한 파라미터이다. 수학식 9와 10은 D가 d 이상일 경우 활용될 수 있다.
한편, 이격 거리(d)가 제3 임계값(D)보다 작으면, 제1 및 제2 그리드(G1, G2)를 동일한 클러스터에 포함시킨다(제352 단계).
예를 들어, 제352 단계를 수행하기 위해, 제2 거리 비교부(240)에서 비교된 결과에 응답하여, 즉, 제2 거리 비교부(240)에서 비교된 결과를 통해, 이격 거리(d)가 제3 임계값(D)보다 작다고 인식되면, 제2 라벨링부(242)는 제1 및 제2 그리드를 동일한 클러스터에 포함시킨다. 즉, 서로 인접한 제1 및 제2 그리드를 하나의 클러스터로 묶어준다.
예를 들어, 제1 그리드와 제2 그리드를 동일한 클러스터에 포함시키기 위해, 제1 그리드와 제2 그리드 각각에 동일한 식별 번호(ID)를 부여하고, 식별 번호에 대한 정보를 출력단자 OUT2로 출력할 수 있다. 군집화된 결과인 클러스터는 식별 번호에 의해 구분될 수 있으며, 동일한 식별 번호를 갖는 그리드는 하나의 클러스터에 포함될 수 있다.
그러나, 각 그리드 각도가 각도 임계값보다 작지 않거나, 제1 좌표차가 제1 좌표 임계값(THC1)보다 작지 않거나, 제2 좌표차가 제2 좌표 임계값(THC2)보다 작지 않거나, 각도차가 제2 임계값(TH2)보다 작지 않거나, 이격 거리(d)가 제3 임계값(D)보다 작지 않을 때, 제1 및 제2 그리드를 동일한 클러스터에 포함시키지 않는다(제354 단계).
제354 단계를 수행하기 위해, 그리드 각도 비교부(232)에서 비교된 결과에 응답하여, 즉, 그리드 각도 비교부(232)에서 비교된 결과를 통해 각 그리드 각도가 각도 임계값보다 작지 않다고 인식되면, 제2 라벨링부(242)는 제1 및 제2 그리드를 동일한 클러스터에 포함시키지 않는다.
또는, 제354 단계를 수행하기 위해, 제1 좌표 비교부(234)에서 비교된 결과에 응답하여, 즉, 제1 좌표 비교부(234)에서 비교된 결과를 통해 제1 좌표차가 제1 좌표 임계값(THC1)보다 작지 않다고 인식되면, 제2 라벨링부(242)는 제1 및 제2 그리드를 동일한 클러스터에 포함시키지 않는다.
또는, 제354 단계를 수행하기 위해, 제2 좌표 비교부(234)에서 비교된 결과에 응답하여, 즉, 제2 좌표 비교부(234)에서 비교된 결과를 통해 제2 좌표차가 제2 좌표 임계값(THC2)보다 작지 않다고 인식되면, 제2 라벨링부(242)는 제1 및 제2 그리드를 동일한 클러스터에 포함시키지 않는다.
또는, 제354 단계를 수행하기 위해, 각도차 비교부(238)에서 비교된 결과에 응답하여, 즉, 각도차 비교부(238)에서 비교된 결과를 통해 각도차가 제2 임계값(TH2)보다 작지 않다고 인식되면, 제2 라벨링부(242)는 제1 및 제2 그리드를 동일한 클러스터에 포함시키지 않는다.
또는, 제354 단계를 수행하기 위해, 제2 거리 비교부(240)에서 비교된 결과에 응답하여, 이격 거리(d)가 제3 임계값(D)보다 작지 않다고 인식되면, 제2 라벨링부(242)는 제1 및 제2 그리드를 동일한 클러스터에 포함시키지 않는다.
이하, 비교 예와 실시 예에 의한 객체 추적 방법 및 장치를 다음과 같이 비교하여 설명한다.
도 15 (a) 내지 (d)는 비교 예와 실시 예를 비교하여 설명하기 위한 도면이다. 도 15 (b) 및 (d)는 도 15 (a)에 도시된 상황을 군집화한 결과이다.
비교 예의 경우, 도 3에 도시된 바와 같이 2.5D 그리드 기반으로 군집화를 수행할 때, 도 6에 도시된 포인트(p1, p2) 사이의 거리(d)를 임계값과 비교하여, 인접하는 두 그리드를 하나의 클러스터로 묶어줄 것인지의 여부를 결정한다. 이때, 라이다 센서(110)는 레이저 펄스를 일정한 각도로 조사(firing)하므로, 라이다 센서(110)의 정면을 기준으로 평행한 형상을 갖는 객체(예를 들어, 표지판)일 때와 라이다 센서(110)의 정면을 기준으로 수직인 형상을 갖는 객체(예를 들어, 가이드바)일 때, 객체가 비슷한 위치에 있어도 인접한 포인트 간 거리가 달라질 수 있다. 그럼에도 불구하고, 비교 예의 경우, 하나의 클러스터로 묶어줄 것인지를 판단하는 군집화의 기준이 되는 임계값이 고정되므로, 하나의 객체로부터 검출된 포인트들을 하나의 클러스터로 묶지 않고 서로 다른 클러스터로 묶어줄 수 있어, 클러스터의 개수가 과도(또는, over segmentation)하게 발생하는 문제가 있다. 예를 들어, 비교 예의 경우 정적 라벨링에 의해서만 군집화를 수행하므로, 도 15 (b)에 도시된 바와 같이 과도한 개수의 클러스터가 군집화의 결과로서 얻어질 수 있다.
그러나, 실시 예에 의하면, 서로 인접한 그리드 각각의 포인트들이 서로 이루는 각도에 따라, 군집화의 기준이 되는 임계값(예를 들어, 제2 및 제3 임계값(TH2, D))을 다르게 적용하므로 비교 예에서와 같이 클러스터의 개수가 과도하게 발생하지 않는다. 예를 들어, 동적 라벨링을 적용했을 때, 도 15 (b)에 도시된 C1 내지 C5 각각에서 과도하게 많은 클러스터가 도 15 (c)에 도시된 바와 같이 하얀색 그리드에 의해 서로 군집화됨으로써, 도 15 (d)에서와 같이 도 15 (b)에서도 보다 작은 개수의 클러스터가 군집화의 결과로서 생성될 수 있다. 즉, 도 15 (b)와 비교할 때, 도 15 (d)의 C1 내지 C5 각각에서 클러스터의 개수가 많이 줄어들었음을 알 수 있다.
비교 예에서와 같이 정적 라벨링만을 이용하여 군집화를 수행할 때, 포인트 특성상 길게 뻗어있는 물체(예를 들어, 특장차, 가드레일 등)는 인접한 포인트 간 간격이 멀어져 완전한 형태로 출력되지 않고 잘리는 경우가 많다. 이로 인해, 군집화에 후속하는 형상분석, 추적, 분류 등의 성능에 악영향을 줄 수 있다. 반면에, 실시 예에서는 정적 라벨링뿐만 아니라 동적 라벨링을 활용하여 길게 뻗어있는 물체의 출력성능을 높여 주행 경로 예측과 맵 매칭(map matching) 등 자율주행 시스템의 성능 향상에 기여할 수 있다.
라이다 센서(110)에서 레이저 펄스를 조사(firing)하는 해상도(resolution)와 사물의 각도 등의 요인으로 인접한 포인트 간의 거리가 길어질 때, 실시 예에 의하면, 적은 수행시간으로 군집화의 성능을 높일 수 있다.
전술한 여러 개의 실시 예는 서로 조합될 수 없다고 특별히 언급되지 않는 한, 서로 조합할 수 있다.
또한, 여러 개의 실시 예 중 어느 하나의 실시 예에 대한 설명에서 누락된 부분은 특별히 언급되지 않는 한, 다른 실시 예에 대한 설명이 적용될 수 있다.
이상에서 실시 예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시 예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시 예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (16)

  1. x축 방향으로 주행하는 차량에 장착된 라이다 센서를 이용하여 상기 객체에 대해 생성된 포인트 클라우드에 대한 그리드 맵을 생성하는 단계;
    상기 그리드 맵 상의 각 그리드의 중심의 상기 x축 방향과 교차하는 y축 방향의 y좌표의 절대값이 y축 좌표 임계값보다 작으면, 정적 라벨링을 수행하는 단계; 및
    상기 절대값이 상기 y축 좌표 임계값보다 작지 않으면, 동적 라벨링을 수행하는 단계를 포함하고,
    상기 정적 라벨링은
    비교 대상인 서로 다른 제1 및 제2 그리드에 위치하는 제1 포인트와 제2 포인트 간의 이격 거리를 고정된 제1 임계값과 비교하고, 비교된 결과에 따라 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키고,
    상기 동적 라벨링은
    상기 라이다 센서의 위치를 중심으로 상기 제1 및 제2 포인트 각각이 이루는 제1 및 제2 각도 및 상기 이격 거리에 따라 가변되는 제2 임계값 및 상기 라이다 센서의 위치로부터 상기 제1 또는 제2 포인트까지의 거리에 따라 가변되는 제3 임계값을 이용하여, 상기 비교 대상인 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시킬 것인가를 결정하는 라이다 센서를 이용한 객체 추적 방법.
  2. 제1 항에 있어서, 상기 정적 라벨링은
    상기 이격 거리를 구하는 단계;
    상기 이격 거리가 상기 제1 임계값보다 작은가를 검사하는 단계;
    상기 이격 거리가 상기 제1 임계값보다 작을 때, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키는 단계; 및
    상기 이격 거리가 상기 제1 임계값보다 작지 않을 때, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키지 않는 단계를 포함하는 라이다 센서를 이용한 객체 추적 방법.
  3. 제1 항에 있어서, 상기 동적 라벨링은
    상기 그리드 맵 상에서, 상기 x축 방향으로 상기 위치를 지나는 주행 축을 기준으로 각 그리드가 위치한 그리드 각도가 각도 임계값보다 작은가를 검사하는 단계;
    상기 그리드 각도가 상기 각도 임계값보다 작을 때, 상기 제1 포인트와 상기 제2 포인트의 상기 y축 좌표 간의 제1 좌표차가 제1 좌표 임계값보다 작은가를 검사하는 단계;
    상기 제1 좌표차가 상기 제1 좌표 임계값보다 작을 때, 상기 제1 포인트와 상기 제2 포인트의 상기 x축 방향의 x축 좌표 간의 제2 좌표차가 제2 좌표 임계값보다 작은가를 검사하는 단계;
    상기 제2 좌표차가 상기 제2 좌표 임계값보다 작을 때, 상기 위치와 상기 제1 및 제2 포인트가 이루는 삼각형의 내각 중에서, 상기 제1 포인트가 위치한 지점의 상기 제1 내각과 상기 제2 포인트가 위치한 지점의 상기 제2 내각 간의 각도 차가 상기 제2 임계값보다 작은가를 검사하는 단계;
    상기 각도 차가 상기 제2 임계값보다 작으면, 상기 이격 거리가 상기 제3 임계값보다 작은가를 검사하는 단계; 및
    상기 이격 거리가 상기 제3 임계값보다 작으면, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키는 단계를 포함하는 라이다 센서를 이용한 객체 추적 방법.
  4. 제3 항에 있어서, 상기 제2 임계값은 상기 제1 각도와 상기 제2 각도 간의 상기 각도차에 비례하여 가변되는 라이다 센서를 이용한 객체 추적 방법.
  5. 제4 항에 있어서, 상기 제2 임계값은 상기 각도차와 아래와 같은 관계를 갖는 라이다 센서를 이용한 객체 추적 방법.
    Figure pat00017

    (여기서, TH2는 상기 제2 임계값을 나타내고, d는 상기 이격 거리를 나타내고, 상기 α1은 상기 제1 각도를 나타내고 상기 α2는 상기 제2 각도를 나타내고, 상기 α3은 상기 삼각형의 내각 중에서 상기 라이다 센서가 위치한 지점의 제3 각도이고, r1는 상기 라이다 센서의 위치부터 상기 제1 포인트까지의 제1 길이를 나타내고, r2는 상기 상기 라이다 센서의 위치부터 상기 제2 포인트까지의 제2 길이를 나타낸다.)
  6. 제5 항에 있어서, 상기 제2 임계값은 0보다 크고 2보다 작고, 상기 각도차에 비례하여 비선형적으로 증가하는 라이다 센서를 이용한 객체 추적 방법.
  7. 제5 항에 있어서, 상기 제3 임계값은 아래와 같이 구해지는 라이다 센서를 이용한 객체 추적 방법.
    Figure pat00018

    (여기서, D는 상기 제3 임계값을 나타내고, αR은 상기 라이다 센서의 위치로부터 상기 제1 포인트를 잇는 직선의 연장선과 제3 선분의 사이각에 해당하고, 상기 제3 선분은 임계점과 상기 제2 포인트를 잇는 선분이고, 상기 임계점은 상기 라이다 센서의 위치로부터 상기 제1 포인트를 잇는 직선의 연장선에 위치하며 상기 제2 포인트부터 이격된 거리가 상기 제3 임계값이 되는 지점이다.)
  8. 제7 항에 있어서, 상기 제3 임계값은 아래와 같이 구해지는 라이다 센서를 이용한 객체 추적 방법.
    Figure pat00019

    (여기서, θ는 상기 라이다 센서의 위치로부터 상기 제2 포인트를 잇는 직선의 연장선과 상기 제3 선분의 사이각을 나타내고, β는 상기 라이다 센서의 에러에 대한 파라미터이다.)
  9. x축 방향으로 주행하는 차량에 장착되어, 객체에 대한 포인트 클라우드를 생성하는 라이다 센서;
    상기 포인트 클라우드에 대한 그리드 맵을 생성하는 그리드 맵 생성부;
    상기 그리드 맵 상의 각 그리드의 중심의 상기 x축 방향과 교차하는 y축 방향의 y좌표의 절대값과 y축 좌표 임계값을 비교하고, 비교된 결과를 제어 신호로서 출력하는 라벨링 종류 결정부;
    상기 제어 신호에 응답하여, 비교 대상인 서로 다른 제1 및 제2 그리드에 위치하는 제1 포인트와 제2 포인트 간의 이격 거리를 고정된 제1 임계값과 비교하고, 비교된 결과에 따라 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키는 정적 라벨링부; 및
    상기 제어 신호에 응답하여, 상기 라이다 센서의 위치를 중심으로 상기 제1 및 제2 포인트 각각이 이루는 제1 및 제2 각도 및 상기 이격 거리에 따라 가변되는 제2 임계값 및 상기 라이다 센서의 상기 위치로부터 상기 제1 또는 제2 포인트까지의 거리에 따라 가변되는 제3 임계값을 이용하여, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시킬 것인가를 결정하는 동적 라벨링부를 포함하는 라이다 센서를 이용한 객체 추적 장치.
  10. 제9 항에 있어서, 상기 정적 라벨링부
    상기 이격 거리를 산출하는 거리 산출부;
    상기 이격 거리와 상기 제1 임계값을 비교하는 제1 거리 비교부; 및
    상기 제1 거리 비교부에서 비교된 결과에 응답하여, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키는 제1 라벨링부를 포함하는 라이다 센서를 이용한 객체 추적 장치.
  11. 제9 항에 있어서, 상기 동적 라벨링부는
    상기 그리드 맵 상에서, 상기 x축 방향으로 상기 위치를 지나는 주행 축을 기준으로 각 그리드가 위치한 그리드 각도와 각도 임계값을 비교하는 그리드 각도 비교부;
    상기 그리드 각도 비교부에서 비교된 결과에 응답하여, 상기 제1 포인트와 상기 제2 포인트의 상기 y축 좌표 간의 제1 좌표차를 제1 좌표 임계값과 비교하는 제1 좌표 비교부;
    상기 제1 좌표 비교부에서 비교된 결과에 응답하여, 상기 제1 포인트와 상기 제2 포인트의 상기 x축 방향의 x축 좌표 간의 제2 좌표차를 제2 좌표 임계값과 비교하는 제2 좌표 비교부;
    상기 제2 좌표 비교부에서 비교된 결과에 응답하여, 상기 위치와 상기 제1 및 제2 포인트가 이루는 삼각형의 내각 중에서, 상기 제1 포인트가 위치한 지점의 상기 제1 내각과 상기 제2 포인트가 위치한 지점의 상기 제2 내각 간의 각도 차를 상기 제2 임계값과 비교하는 각도차 비교부;
    상기 각도차 비교부에서 비교된 결과에 응답하여, 상기 이격 거리와 상기 제3 임계값을 비교하는 제2 거리 비교부; 및
    상기 제2 거리 비교부에서 비교된 결과에 응답하여, 상기 제1 및 제2 그리드를 동일한 클러스터에 포함시키는 제2 라벨링부를 포함하는 라이다 센서를 이용한 객체 추적 장치.
  12. 제11 항에 있어서, 상기 제2 임계값은 상기 제1 각도와 상기 제2 각도 간의 각도차에 비례하여 가변되는 라이다 센서를 이용한 객체 추적 장치.
  13. 제12 항에 있어서, 상기 제2 임계값은 상기 각도차와 아래와 같은 관계를 갖는 라이다 센서를 이용한 객체 추적 장치.
    Figure pat00020

    (여기서, TH2는 상기 제2 임계값을 나타내고, d는 상기 이격 거리를 나타내고, 상기 α1은 상기 제1 각도를 나타내고 상기 α2는 상기 제2 각도를 나타내고, 상기 α3은 상기 삼각형의 내각 중에서 상기 라이다 센서가 위치한 지점의 제3 각도이고, r1는 상기 라이다 센서의 위치부터 상기 제1 포인트까지의 제1 길이를 나타내고, r2는 상기 상기 라이다 센서의 위치부터 상기 제2 포인트까지의 제2 길이를 나타낸다.)
  14. 제13 항에 있어서, 상기 제2 임계값은 0보다 크고 2보다 작고, 상기 각도차에 비례하여 비선형적으로 증가하는 라이다 센서를 이용한 객체 추적 장치.
  15. 제13 항에 있어서, 상기 제3 임계값은 아래와 같이 구해지는 라이다 센서를 이용한 객체 추적 장치.
    Figure pat00021

    (여기서, D는 상기 제3 임계값을 나타내고, αR은 상기 라이다 센서의 위치로부터 상기 제1 포인트를 잇는 직선의 연장선과 제3 선분의 사이각에 해당하고, 상기 제3 선분은 임계점과 상기 제2 포인트를 잇는 선분이고, 상기 임계점은 상기 라이다 센서의 위치로부터 상기 제1 포인트를 잇는 직선의 연장선에 위치하며 상기 제2 포인트부터 이격된 거리가 상기 제3 임계값이 되는 지점이다.)
  16. 제15 항에 있어서, 상기 제3 임계값은 아래와 같이 구해지는 라이다 센서를 이용한 객체 추적 장치.
    Figure pat00022

    (여기서, θ는 상기 라이다 센서의 위치로부터 상기 제2 포인트를 잇는 직선의 연장선과 상기 제3 선분의 사이각을 나타내고, β는 상기 라이다 센서의 에러에 대한 파라미터이다.)
KR1020200171572A 2020-12-09 2020-12-09 라이다 센서를 이용한 객체 추적 장치 및 방법 KR20220081741A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200171572A KR20220081741A (ko) 2020-12-09 2020-12-09 라이다 센서를 이용한 객체 추적 장치 및 방법
US17/395,261 US20220179080A1 (en) 2020-12-09 2021-08-05 Apparatus and method for tracking an object using a lidar sensor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200171572A KR20220081741A (ko) 2020-12-09 2020-12-09 라이다 센서를 이용한 객체 추적 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20220081741A true KR20220081741A (ko) 2022-06-16

Family

ID=81849065

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200171572A KR20220081741A (ko) 2020-12-09 2020-12-09 라이다 센서를 이용한 객체 추적 장치 및 방법

Country Status (2)

Country Link
US (1) US20220179080A1 (ko)
KR (1) KR20220081741A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116796210A (zh) * 2023-08-25 2023-09-22 山东莱恩光电科技股份有限公司 基于激光雷达的障碍物检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116796210A (zh) * 2023-08-25 2023-09-22 山东莱恩光电科技股份有限公司 基于激光雷达的障碍物检测方法
CN116796210B (zh) * 2023-08-25 2023-11-28 山东莱恩光电科技股份有限公司 基于激光雷达的障碍物检测方法

Also Published As

Publication number Publication date
US20220179080A1 (en) 2022-06-09

Similar Documents

Publication Publication Date Title
US10838067B2 (en) Object detection system
US10255520B2 (en) System and method for aircraft docking guidance and aircraft type identification
KR102536037B1 (ko) 차량의 주변 환경에 있는 물체와 관련된 정보를 결정하기 위한 방법 및 처리 유닛
WO2022099530A1 (zh) 点云数据运动分割方法、装置、计算机设备和存储介质
KR20220041485A (ko) 라이다 센서를 이용한 객체 추적 방법 및 장치, 이 장치를 포함하는 차량 및 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체
US20220171975A1 (en) Method for Determining a Semantic Free Space
US20220179081A1 (en) Tuning parameter determination method for tracking an object, a group density-based clustering method, an object tracking method, and an object tracking apparatus using a lidar sensor
CN113008296A (zh) 用于通过在点云平面上融合传感器数据来检测汽车环境的方法和汽车控制单元
KR20220081741A (ko) 라이다 센서를 이용한 객체 추적 장치 및 방법
US11861914B2 (en) Object recognition method and object recognition device
US20220363288A1 (en) Method and Apparatus for Tracking Object Using Lidar Sensor and Recording Medium Storing Program to Execute the Method
US20220179076A1 (en) Method of analyzing a shape of an object and an apparatus for tracking an object using a lidar sensor
KR102126622B1 (ko) 적어도 하나의 물체를 포착하는 방법, 센서 장치의 디바이스, 센서 장치 및 적어도 하나의 센서 장치를 구비한 운전자 보조 시스템
US11881034B2 (en) Processing device
KR102228278B1 (ko) 라이다 센서를 이용한 차선인식 방법 및 그를 위한 장치
CN115128637A (zh) 用于激光雷达传感器的作用距离确定的方法
CN110909569B (zh) 路况信息识别方法及终端设备
US20230184946A1 (en) Vehicle Lidar System and Velocity Measuring Method Thereof
US20230280466A1 (en) Vehicle lidar system and object detection method thereof
AU2022393802A1 (en) Method and device for recognising the validity of a vehicle parameter
KR20230025213A (ko) 라이다 센서를 이용한 객체 검출 방법 및 객체 추적 장치
KR20220095819A (ko) 라이다 센서를 이용한 객체 추적 방법 및 장치, 및 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체
CN115308761A (zh) 使用LiDAR传感器跟踪对象的方法和装置以及记录介质
KR20220083232A (ko) 객체의 픽셀 데이터 생성 방법, 객체의 방향성 결정 방법, 객체 추적 방법 및 장치와 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체
KR20220159575A (ko) 전방위 충돌방지를 위한 차량 avm 카메라 시스템 및 이의 제어방법

Legal Events

Date Code Title Description
A201 Request for examination