KR20220092116A - 객체 추적 방법 및 장치와, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체 - Google Patents

객체 추적 방법 및 장치와, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체 Download PDF

Info

Publication number
KR20220092116A
KR20220092116A KR1020200183557A KR20200183557A KR20220092116A KR 20220092116 A KR20220092116 A KR 20220092116A KR 1020200183557 A KR1020200183557 A KR 1020200183557A KR 20200183557 A KR20200183557 A KR 20200183557A KR 20220092116 A KR20220092116 A KR 20220092116A
Authority
KR
South Korea
Prior art keywords
history
heading
heading angle
speed
score
Prior art date
Application number
KR1020200183557A
Other languages
English (en)
Inventor
유민균
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 KR1020200183557A priority Critical patent/KR20220092116A/ko
Priority to US17/463,681 priority patent/US11807232B2/en
Priority to CN202111169684.4A priority patent/CN114675283A/zh
Publication of KR20220092116A publication Critical patent/KR20220092116A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • 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
    • G01S17/10—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated 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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • 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
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/803—Relative lateral speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/804—Relative longitudinal speed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/80—Spatial relation or speed relative to objects
    • B60W2554/806—Relative heading
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2754/00—Output or target parameters relating to objects
    • B60W2754/10—Spatial relation or speed relative to objects
    • B60W2754/70—Relative heading
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30244—Camera pose
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

실시 예의 객체 추적 방법은 객체에 대한 포인트 클라우드로부터 생성된 객체를 추적하기 위한 트랙의 현 인식 주기(T)에서의 속도를 이용하여 트랙의 현재 속도 기반 헤딩 각도를 구하는 단계와, 현재 속도 기반 헤딩 각도에 대한 정보를 트랙의 헤딩 각도 별로 구분된 영역을 갖는 헤딩 히스토리에 점수화로 누적하여 반영하는 단계와, 헤딩 히스토리를 이용하여, 트랙의 히스토리 기반 헤딩 각도를 구하는 단계 및 트랙에 대한 형상 정보를 이용하여, 히스토리 기반 헤딩 각도를 보정하고, 보정된 결과를 현 인식 주기(T)에서의 최종 헤딩 각도로서 결정하는 단계를 포함한다.

Description

객체 추적 방법 및 장치와, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체{Method and apparatus for tracking object, and recording medium for recording program performing the method}
실시 예는 객체 추적 방법 및 장치와 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체에 관한 것이다.
라이다(LiDAR: Light Detection and Ranging) 센서를 통해 획득한 객체에 대한 포인트 클라우드(point cloud)로부터 생성한 객체에 대한 라이다 트랙(track)의 헤딩(heading) 각도는 필터를 사용하여 구해지거나 트랙의 절대속도를 이용하여 구해질 수 있다.
그러나, 특정 상황에서 헤딩 각도는 부정확한 정확도를 가질 수 있다. 예를 들어, 속도의 정확도가 떨어지는 트랙의 저속 이동 상황이나 차량이 정체되는 상황 등에서, 트랙의 절대속도를 기반으로 계산되는 헤딩 각도는 부정확해질 수 있다.
실시 예는 정확한 헤딩 각도로 객체를 추적할 수 있는 객체 추적 방법 및 장치 및 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체를 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 객체 추적 방법은, 객체에 대한 포인트 클라우드로부터 생성된 상기 객체를 추적하기 위한 트랙의 현 인식 주기(T)에서의 속도를 이용하여 상기 트랙의 현재 속도 기반 헤딩 각도를 구하는 (a) 단계; 상기 현재 속도 기반 헤딩 각도에 대한 정보를 상기 트랙의 헤딩 각도 별로 구분된 영역을 갖는 헤딩 히스토리에 점수화로 누적하여 반영하는 (b) 단계; 상기 헤딩 히스토리를 이용하여, 상기 트랙의 히스토리 기반 헤딩 각도를 구하는 (c) 단계; 및 상기 트랙에 대한 형상 정보를 이용하여, 상기 히스토리 기반 헤딩 각도를 보정하고, 보정된 결과를 상기 현 인식 주기(T)에서의 최종 헤딩 각도로서 결정하는 (d) 단계를 포함할 수 있다.
예를 들어, 상기 (a) 단계는 상기 현 인식 주기(T)에서의 상기 트랙의 절대 속도를 구하는 단계; 상기 절대 속도가 제1 임계 속도 이상이면, 상기 절대 속도인 절대 종속도와 절대 횡속도를 이용하여 상기 현재 속도 기반 헤딩 각도를 구하는 단계; 상기 절대 속도가 상기 제1 임계 속도보다 작으면, 이전 인식 주기(T-1)에서의 상기 트랙의 속도를 이용하여 구한 이전 속도 기반 헤딩 각도와 현 인식 주기(T)에서 상기 트랙의 형상 정보를 이용하여 구한 형상 기반 헤딩 각도 간의 차이를 구하는 단계; 상기 차이가 임계차보다 적으면, 상기 형상 기반 헤딩 각도를 상기 현재 속도 기반 헤딩 각도로서 결정하는 단계; 상기 차이가 상기 임계차 이상이면, 상기 헤딩 히스토리에 각도 별로 누적된 점수 중에서 가장 큰 최고 점수가 제1 임계 점수보다 큰가를 검사하는 단계; 상기 최고 점수가 상기 제1 임계 점수보다 크면, 상기 이전 속도 기반 헤딩 각도를 상기 현재 속도 기반 헤딩 각도로서 결정하는 단계; 및 상기 최고 점수가 상기 제1 임계 점수 이하이면, 상기 헤드 히스토리의 영역 중에서 상기 최고 점수를 갖는 영역의 각도를 상기 현재 속도 기반 헤딩 각도로서 결정하는 단계를 포함할 수 있다.
예를 들어, 상기 트랙의 상대 속도와 상기 포인트 클라우드를 생성한 자차의 속도를 합산하여 상기 절대 속도를 구하고, Arctangent를 이용하여, 상기 절대 종속도와 상기 절대 횡속도로부터 상기 현재 속도 기반 헤딩 각도를 구할 수 있다.
예를 들어, 상기 (b) 단계는 상기 절대 종속도와 상기 절대 횡속도 중 더 큰 스칼라값을 갖는 속도에 대한 더 작은 스칼라값을 갖는 속도의 속도비를 구하는 단계; 상기 속도비가 기준비보다 작은가를 검사하는 단계; 상기 속도비가 상기 기준비보다 작으면, 상기 헤딩 히스토리의 영역 중에서 상기 현재 속도 기반 헤딩 각도에 해당하는 대상 영역의 점수를 제1 점수만큼 감소시키면서 제2 점수만큼 증가시키고, 상기 대상 영역의 좌측과 우측에 각각 인접한 좌측 영역 및 우측 영역 각각의 점수를 제3 점수만큼 증가시키는 단계; 및 상기 속도비가 상기 기준비 이상이면 상기 대상 영역의 점수를 제4 점수만큼 감소시키면서 제5 점수만큼 증가시키는 단계를 포함할 수 있다.
예를 들어, 상기 헤딩 히스토리에 누적 가능한 최소값 및 최대값 각각은 고정된 값일 수 있다.
예를 들어, 상기 헤딩 히스토리에 상기 정보를 반영하는 단계는 매 인식 주기마다 수행될 수 있다.
예를 들어, 상기 헤딩 히스토리의 영역별 점수는 상기 트랙이 소멸시에 초기화될 수 있다.
예를 들어, 상기 (c) 단계는 상기 최고 점수가 제2 임계 점수 이하이면, 상기 절대 속도가 제2 임계 속도보다 작은가를 검사하는 단계; 상기 절대 속도가 상기 제2 임계 속도 이상이면, 상기 (a) 단계에서 구한 상기 현재 속도 기반 헤딩 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 단계; 상기 절대 속도가 상기 제2 임계 속도보다 작으면, 상기 이전 인식 주기(T-1)에서 점수가 반영된 상기 헤딩 히스토리의 영역과 상기 현 인식 주기(T)에서 점수가 반영된 상기 헤딩 히스토리의 영역 간의 이격 거리가 임계 거리보다 큰가를 검사하는 단계; 상기 이격 거리가 상기 임계 거리보다 크면, 상기 헤딩 히스토리의 영역 중에서 상기 최고 점수를 갖는 영역의 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 단계; 상기 이격 거리가 상기 임계 거리 이하이면, 상기 (a) 단계에서 구한 상기 현재 속도 기반 헤딩 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 단계; 상기 최고 점수가 상기 제2 임계 점수보다 크고 상기 이격 거리가 상기 임계 거리보다 크면 상기 헤딩 히스토리의 영역 중에서 상기 최고 점수에 상응하는 영역의 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 단계; 및 상기 최고 점수가 상기 제2 임계 점수보다 크고, 상기 이격 거리가 상기 임계 거리 이하이면, 상기 (a) 단계에서 구한 상기 현재 속도 기반 헤딩 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 단계를 포함할 수 있다.
예를 들어, 상기 헤딩 히스토리는 아래와 같은 개수의 영역을 포함할 수 있다.
Figure pat00001
여기서, N은 상기 영역의 개수로서 2이상의 양의 정수를 나타내고, x°는 상기 복수의 영역 각각의 각도 범위를 나타낸다.
예를 들어, 상기 최고 점수에 상응하는 영역의 상기 각도는, 상기 최고 점수에 상응하는 영역의 각도 범위의 중간 각도에 해당할 수 있다.
예를 들어, 상기 (d) 단계는 상기 트랙에 대한 형상 정보를 확인하는 단계; 및 상기 형상 정보가 갖는 복수의 후보 헤딩 각도와 상기 히스토리 기반 헤딩 각도를 비교하여, 상기 히스토리 기반 헤딩 각도를 보정하는 단계를 포함할 수 있다.
예를 들어, 상기 보정하는 단계는 상기 복수의 후보 헤딩 각도 중에서 상기 히스토리 기반 헤딩 각도와의 차가 작은 후보 헤딩 각도를 선택하는 단계를 포함할 수 있다.
예를 들어, 상기 보정하는 단계는 상기 선택된 후보 헤딩 각도의 신뢰도를 기반으로 상기 후보 헤딩 각도를 필터링하는 단계를 더 포함할 수 있다.
예를 들어, 상기 필터링하는 단계는 상기 신뢰도가 임계 신뢰도보다 큰가를 검사하는 단계; 상기 신뢰도가 상기 임계 신뢰도보다 크지 않으면, 상기 히스토리 기반 헤딩 각도를 상기 최종 헤딩 각도로서 결정하는 단계; 및 상기 신뢰도가 상기 임계 신뢰도보다 크면, 상기 선택된 후보 헤딩 각도를 상기 최종 헤딩 각도로서 결정하는 단계를 포함할 수 있다.
다른 실시 예에 의한 객체 추적 장치는, 객체에 대한 포인트 클라우드로부터 상기 객체를 추적하기 위한 트랙을 생성하는 트랙 생성부; 상기 트랙의 현 인식 주기(T)에서의 속도를 이용하여 상기 트랙의 현재 속도 기반 헤딩 각도를 산출하는 각도 산출부; 상기 현재 속도 기반 헤딩 각도에 대한 정보를 상기 트랙의 헤딩 각도 별로 구분된 영역을 갖는 헤딩 히스토리에 점수화로 누적하여 반영하는 히스토리부; 상기 헤딩 히스토리를 이용하여, 상기 트랙의 히스토리 기반 헤딩 각도를 추출하는 각도 추출부; 및 상기 트랙에 대한 형상 정보를 이용하여, 상기 히스토리 기반 헤딩 각도를 보정하고, 보정된 결과를 상기 현 인식 주기(T)에서의 최종 헤딩 각도로서 출력하는 각도 보정부를 포함할 수 있다.
또 다른 실시 예에 의하면, 객체 추적 방법을 실행하기 위한 프로그램을 기록한 기록 매체는, 객체에 대한 포인트 클라우드로부터 생성된 상기 객체를 추적하기 위한 트랙의 현 인식 주기(T)에서의 속도를 이용하여 상기 트랙의 현재 속도 기반 헤딩 각도를 구하는 기능; 상기 현재 속도 기반 헤딩 각도에 대한 정보를 상기 트랙의 헤딩 각도 별로 구분된 영역을 갖는 헤딩 히스토리에 점수화로 누적하여 반영하는 기능; 상기 헤딩 히스토리를 이용하여, 상기 트랙의 히스토리 기반 헤딩 각도를 구하는 기능; 및 상기 트랙에 대한 형상 정보를 이용하여, 상기 히스토리 기반 헤딩 각도를 보정하고, 보정된 결과를 상기 현 인식 주기(T)에서의 최종 헤딩 각도로서 결정하는 기능을 구현하는 프로그램을 기록할 수 있다.
실시 예에 따른 객체 추적 방법 및 장치와 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체는 트랙의 헤딩 각도에 대한 히스토리를 이용하여 헤딩 각도를 구하고, 이렇게 구한 헤딩 각도를 형상 정보를 활용하여 보정하므로, 트랙의 속도가 일정 수준 이상인 경우 헤딩 각도가 안정적으로 계산되는 상황보다 특정 상황 예를 들어, 트랙이 저속으로 이동하거나 차량이 정체되는 상황 등에서 갑자기 속도 연산에서 오류가 생겨서 속도 기반으로 추출되는 헤딩 각도가 오류가 발생할 수 있을 때, 헤딩 각도의 오차를 줄여 정확하고 안정적인 헤딩 각도를 추출하여 객체를 정확히 추적할 수 있도록 한다.
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 실시 예에 의한 객체 추적 방법의 플로우차트이다.
도 3은 도 1에 도시된 객체 추적부의 실시 예에 의한 블럭도이다.
도 4는 도 2에 도시된 제210 단계의 실시 예의 플로우차트이다.
도 5 (a) 및 (b)는 도 4에 도시된 제210A 단계를 설명하기 위한 도면이다.
도 6은 헤딩 히스토리를 예시적으로 나타낸 도면이다.
도 7은 도 2에 도시된 제220 단계의 실시 예의 플로우차트이다.
도 8은 도 2에 도시된 제230 단계의 실시 예의 플로우차트이다.
도 9는 도 2에 도시된 제240 단계의 실시 예의 플로우차트이다.
도 10은 트랙의 후보 헤딩 각도를 설명하기 위한 도면이다.
도 11은 형상 별 트랙의 후보 헤딩 각도를 설명하기 위한 도면이다.
도 12는 트랙의 후보 헤딩 각도와 히스토리 기반 헤딩 각도를 예시적으로 비교하는 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 객체 추적 장치를 첨부된 도면을 참조하여 다음과 같이 설명한다.
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.
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 차량(이하, ‘자차’라 한다)의 외부에 존재하는 다른 차량, 사람, 사물 등일 수 있으나, 실시 예는 객체의 특정한 종류에 국한되지 않는다.
전처리부(120)는 자차의 차체에 의해 반사되는 데이터를 제거할 수도 있다. 즉, 라이다 센서(110)의 장착 위치와 시야각에 따라 자차의 차체에 의해 가려지는 영역이 존재하므로, 전처리부(120)는 기준 좌표계를 이용하여 자차의 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 결과의 형상을 분석하고, 분석된 결과를 객체 추적부(150)로 출력할 수 있다.
객체 추적부(150)는 형상이 분석된 결과를 통해 트랙(track)을 생성하고, 트랙의 헤딩(heading) 각도를 구하며, 이러한 헤딩 각도 등을 이용하여 객체가 장애물인지, 차량인지, 사람인지 등을 추적하여 인식할 수 있다.
이하, 실시 예에 의한 라이다 센서(110)를 이용한 객체 추적 방법을 첨부된 도면을 참조하여 다음과 같이 설명한다.
도 2는 실시 예에 의한 객체 추적 방법(200)의 플로우차트이다. 도 3은 도 1에 도시된 객체 추적부(150)의 실시 예(150A)에 의한 블럭도이다.
도 3에 도시된 객체 추적부(150A)는 트랙 생성부(151), 각도 산출부(153), 히스토리(history)부(155), 각도 추출부(157) 및 각도 보정부(159)를 포함할 수 있다.
도 2에 도시된 객체 추적 방법(200)은 도 3에 도시된 객체 추적부(150A)에서 수행되는 것으로 설명하지만, 실시 예는 이에 국한되지 않는다. 즉, 다른 실시 예에 의하면, 도 2에 도시된 객체 추적 방법(200)은 도 3에 도시된 객체 추적부(150A)와 다른 구성을 갖는 객체 추적부에서도 수행될 수 있으며, 도 3에 도시된 객체 추적부(150A)는 도 2에 도시된 객체 추적 방법(200)과 다른 구성을 갖는 객체 추적 방법을 수행할 수도 있다. 또한, 도 3에 도시된 객체 추적부(150A)는 도 1에 도시된 객체 추적 장치(100)와 다른 구성을 갖는 객체 추적 장치에도 적용될 수 있다.
먼저, 도 1에 도시된 객체 추적 장치(100)는 매 인식 주기마다 트랙의 최종 헤딩 각도를 결정한다. 즉, 매 주기(또는, 스텝(step))마다, 라이다 센서(110), 전 처리부(120), 군집화부(130), 형상 분석부(140) 및 객체 추적부(150)가 동작하여 객체의 트랩의 헤딩 각도를 구하고, 이를 이용하여 객체를 추적할 수 있다. 이와 같이, 객체 추적 장치(100)는 매 인식 주기(..., T-1, T, T+1, ...)마다 트랙의 최종 헤딩 각도를 결정할 수 있다. 이하, 설명의 편의상, ‘T’를 ‘현 인식 주기’로서 표기하고, ‘T-1’을 ‘현 인식 주기’의 바로 이전인 ‘이전 인식 주기’로서 표기한다.
실시 예에 의한 객체 추적 방법 및 장치는 매 인식 주기 마다 복수의 객체에 대한 복수의 트랙을 각각 추적할 수 있다. 따라서, 복수의 트랙 각각에 대해 도 2에 도시된 제210 내지 제240 단계가 수행될 수 있다.
먼저, 객체에 대한 포인트 클라우드로부터 생성된 트랙의 현 인식 주기(T)에서의 속도(이하, ‘현재 속도’라 한다)를 이용하여 트랙의 헤딩 각도(이하, ‘현재 속도 기반 헤딩 각도’라 한다)를 구한다(제210 단계).
예를 들어, 제210 단계는 도 3에 도시된 트랙 생성부(151) 및 각도 산출부(153)에서 수행될 수 있다.
트랙 생성부(151)는 객체에 대한 포인트 클라우드로부터 객체를 추적하기 위한 트랙을 생성할 수 있다. 예를 들어, 트랙 생성부(151)는 형상 분석부(140)에서 분석될 결과를 입력단자 IN을 통해 받고, 이를 이용하여 객체를 추적하기 위한 트랙을 생성할 수 있다.
각도 산출부(153)는 트랙 생성부(151)에서 생성된 트랙의 현재 속도를 이용하여 트랙의 현재 속도 기반 헤딩 각도를 산출하고, 산출된 현재 속도 기반 헤딩 각도를 히스토리부(153)로 출력할 수 있다.
도 4는 도 2에 도시된 제210 단계의 실시 예(210A)의 플로우차트이고, 도 5 (a) 및 (b)는 도 4에 도시된 제210A 단계를 설명하기 위한 도면이다.
예를 들어, 도 4에 도시된 제210A 단계는 도 3에 도시된 각도 산출부(153)에서 수행될 수 있다.
먼저, 현 인식 주기(T)에서의 트랙의 절대 속도를 구한다(제211 단계). 예를 들어, 트랙의 상대 속도(TCV)와 자차의 속도(SVV)를 합산하여, 다음 수학식 1과 같이, 트랙의 절대 속도(AV)를 구할 수 있다.
Figure pat00002
여기서, 자차란, 전술한 바와 같이, 라이다 센서(110)가 장착된 차량을 의미한다.
제211 단계 후에, 절대 속도(AV)가 제1 임계 속도(VT1) 이상인가를 검사한다(제212 단계). 여기서, 제1 임계 점수(VT1)는 트랙 별로 다르게 미리 결정된 값일 수도 있고, 트랙에 무관하게 하나의 값으로 고정될 수도 있다. 실시 예는 제1 임계 속도(VT1)의 특정한 값에 국한되지 않는다.
만일, 절대 속도(AV)가 제1 임계 속도(VT1) 이상이면, 도 5 (a)에 도시된 바와 같이 트랙(TR)의 절대 속도(AV)인 절대 종속도(AVV)와 절대 횡속도(AHV)를 이용하여 현재 속도 기반 헤딩 각도(CVH)를 구할 수 있다(제213 단계). 예를 들어, Arctangent를 이용하여, 절대 종속도(AVV)와 절대 횡속도(AHV)로부터 현재 속도 기반 헤딩 각도(CVH)를 구할 수 있으나, 실시 예는 이에 국한되지 않는다.
그러나, 절대 속도(AV)가 제1 임계 속도(VT1)보다 작으면, 이전 속도 기반 헤딩 각도와 형상 기반 헤딩 각도 간의 차이를 구한다(제214 단계). 여기서, 이전 속도 기반 헤딩 각도란, 이전 인식 주기(T-1)에서의 트랙의 속도를 이용하여 구한 헤딩 각도를 의미한다. 또한, 형상 기반 헤딩 각도란, 현 인식 주기(T)에서 트랙(TR)의 형상 정보를 이용하여 구한 헤딩 각도를 의미할 수 있다.
제214 단계 후에, 이전 속도 기반 헤딩 각도와 형상 기반 헤딩 각도 간의 차이가 임계차(TD) 이상인가를 검사한다(제215 단계). 여기서, 임계값(TD)은 트랙(TR) 별로 다르게 미리 결정된 값일 수도 있고, 트랙(TR)에 무관하게 하나의 값으로 미리 고정된 값일 수도 있다. 실시 예는 임계값(TD)의 특정한 값에 국한되지 않는다.
만일, 이전 속도 기반 헤딩 각도와 형상 기반 헤딩 각도 간의 차이가 임계차(TD)보다 적으면, 형상 기반 헤딩 각도를 현재 속도 기반 헤딩 각도로서 결정한다(제216 단계). 예를 들어, 도 5 (b)에 도시된 형상 기반 헤딩 각도(SH)가 현재 속도 기반 헤딩 각도로서 결정될 수 있다.
그러나, 이전 속도 기반 헤딩 각도와 형상 기반 헤딩 각도 간의 차이가 임계차(TD) 이상이면, 후술되는 헤딩 히스토리에 헤딩 각도 별로 누적된 점수 중에서 가장 큰 최고 점수(MXP)가 제1 임계 점수(TP1)보다 큰가를 검사한다(제217 단계). 여기서, 제1 임계 점수(TP1)는 트랙(TR) 별로 다르게 미리 결정된 값일 수도 있고, 트랙(TR)에 무관하게 하나의 값으로 미리 고정된 값일 수도 있다. 실시 예는 제1 임계 점수(TP1)의 특정한 값에 국한되지 않는다.
이하, 헤딩 히스토리에 대해 다음과 같이 첨부된 도면을 참조하여 설명한다.
도 6은 헤딩 히스토리(HH:Heading History)를 예시적으로 나타낸 도면이다.
실시 예에 의하면, 헤딩 히스토리는 다음 수학식 2와 같은 개수의 영역을 포함할 수 있다.
Figure pat00003
여기서, N은 헤딩 히스토리(HH)에 포함된 트랙(TR)의 헤딩 각도 별로 구분된 영역의 개수로서 2이상의 양의 정수를 나타내고, x°는 헤딩 히스토리(HH)에 포함된 복수의 영역 각각의 각도 범위를 나타낸다.
예를 들어, x°가 30°일 경우, 도 6에 도시된 바와 같이 헤딩 히스토리(HH)에 포함되는 영역의 개수(N)는 12일 수 있다. 즉, 도 6에 도시된 헤딩 히스토리(HH)는 제1 내지 제12 영역(1 ~ 12)을 포함할 수 있다. 이 경우, 제1 영역(1)의 각도 범위는 -15°내지 +15°이고, 제2 영역(2)의 각도 범위는 +15°내지 +45°이고, 제3 영역(3)의 각도 범위는 +45°내지 +75°이고, 제4 영역(4)의 각도 범위는 +75°내지 +105°이고, 제5 영역(5)의 각도 범위는 +105°내지 +135°이고, 제6 영역(6)의 각도 범위는 +135°내지 +165°이고, 제7 영역(7)의 각도 범위는 +165°내지 -165°이고, 제8 영역(8)의 각도 범위는 -165°내지 -135°이고, 제9 영역(9)의 각도 범위는 -135°내지 -105°이고, 제10 영역(10)의 각도 범위는 -105°내지 -75°이고, 제11 영역(11)의 각도 범위는 -75°내지 -45°이고, 제12 영역(12)의 각도 범위는 -45°내지 -15°이다.
도 6에 예시된 헤딩 히스토리(HH)에 포함되는 제1 내지 제N 영역 각각은 누적된 점수를 가질 수 있다. 복수의 영역 각각에 대해 점수가 누적되는 과정에 대해서는 도 7을 참조하여 후술된다.
제217 단계에서 사용되는 최고 점수(XMP)란, 헤딩 히스토리(HH)에 포함된 제1 내지 제N 영역 각각에 누적된 점수 중에서 가장 큰 점수를 의미한다. 이하, 헤드 히스토리(HH)에 포함된 제1 내지 제N 영역 중에서 누적된 최고 점수를 갖는 영역을 ‘최고 영역’이라 칭한다.
만일, 최고 점수(MXP)가 제1 임계 점수(TP1) 이하이면, 도 5 (b)에 도시된 바와 같이 최고 영역의 각도(TPH)를 현재 속도 기반 헤딩 각도로서 결정한다(제218 단계). 이때, 현재 속도 기반 헤딩 각도로서 결정되는 최고 영역의 각도는, 최고 영역의 각도 범위에 속하는 각도 중 하나일 수 있다.
실시 예에 의하면, 현재 속도 기반 헤딩 각도로서 결정되는 최고 영역의 각도는, 최고 영역의 각도 범위의 중간 각도일 수 있다. 예를 들어, 도 6에 도시된 헤딩 히스토리(HH)의 제1 내지 제12 영역(1~12) 중에서, 제1 영역(1)에 누적된 점수가 제2 내지 제12 영역(2~12) 각각에 누적된 점수보다 더 큰 최고 점수일 경우, 제1 영역(1)이 최고 영역에 해당한다 이때, 최고 영역인 제1 영역(1)의 각도 범위인 -15°내지 +15°의 중간 각도인 0°가 현재 속도 기반 헤딩 각도로서 결정될 수 있다.
그러나, 최고 점수(MXP)가 제1 임계 점수(TP1)보다 크면, 도 5 (b)에 도시된 이전 속도 기반 헤딩 각도(PVH)를 현재 속도 기반 헤딩 각도로서 결정할 수 있다(제219 단계).
한편, 다시 도 2를 참조하면, 제210 단계 후에, 히스토리부(155)는 현재 속도 기반 헤딩 각도에 대한 정보를 헤딩 히스토리에 점수화로 누적하여 반영할 수 있다(제220 단계).
도 7은 도 2에 도시된 제220 단계의 실시 예(220A)의 플로우차트이다. 도 7에 도시된 제220A 단계는 도 3에 도시된 히스토리부(155)에서 수행될 수 있다.
제210 단계 후에, 절대 종속도와 절대 횡속도 중 더 큰 스칼라값을 갖는 속도에 대한 더 작은 스칼라값을 갖는 속도의 속도비를 구한다(제222 단계). 속도비는 다음 수학식 3과 같이 표현될 수 있다.
Figure pat00004
여기서, VR은 속도비를 나타내고, VMA는 절대 종속도와 절대 횡속도 중 더 큰 스칼라값을 갖는 속도를 나타내고, VMI는 절대 종속도와 절대 횡속도 중 더 작은 스칼라값을 갖는 속도를 나타낸다.
제222 단계 후에, 속도비(VR)가 기준비보다 작은가를 검사한다(제224 단계). 여기서, 기준비는 트랙(TR) 별로 다르게 미리 결정된 값일 수도 있고, 트랙(TR)에 무관하게 하나의 값으로 미리 고정된 값일 수도 있다. 실시 예는 기준비의 특정한 값에 국한되지 않는다.
제224 단계에서 검사된 결과에 따라, 헤딩 히스토리에서 대상 영역, 좌측 영역 및 우측 영역 각각에 대한 점수가 다음과 같이 누적될 수 있다(제226 및 제228 단계). 여기서, 대상 영역이란, 헤딩 히스토리(HH)의 제1 내지 제N 영역 중에서 제210 단계에서 구한 현재 속도 기반 헤딩 각도에 해당하는 영역을 의미한다. 또한, 좌측 영역이란 제1 내지 제N 영역 중에서 대상 영역의 좌측에 인접한 영역을 의미하고, 우측 영역이란 제1 내지 제N 영역 중에서 대상 영역의 우측에 인접한 영역을 의미할 수 있다. 예를 들어, 제210 단계에서 구한 현재 속도 기반 헤딩 각도가 40°일 경우, 도 6에 도시된 제1 내지 제12 영역(1~12) 중에서 제2 영역(2)이 대상 영역이고, 제1 영역(1)이 좌측 영역이고 제3 영역(3)이 우측 영역일 수 있다.
만일, 속도비(VR)가 기준비보다 작으면, 대상 영역의 점수를 제1 점수만큼 감소시키면서 제2 점수만큼 증가시키고, 좌측 영역 및 우측 영역 각각의 점수를 제3 점수만큼 증가시킨다(제226 단계). 그러나, 속도비(VR)가 기준비 이상이면, 대상 영역의 점수를 제4 점수만큼 감소시키면서 제5 점수만큼 증가시킨다(제228 단계).
예를 들어, 제226 및 제228 단계의 이해를 돕기 위해, 제1 점수는 0.5이고, 제2 점수는 2이고, 기준비, 제3, 제4 및 제5 점수는 각각 0.25라 가정한다.
이때, 대상 영역의 점수를 다음과 같이 감소시킨다.
속도비가 0.25(=기준비)보다 작으면 대상 영역의 점수를 0.5(=제1 점수)만큼 감소시키고, 속도비가 0.25(=기준비) 이상이면 대상 영역의 점수를 0.25(=제4 점수)만큼 감소시킨다.
또한, 대상 영역의 점수를 다음과 같이 증가시킨다.
속도비가 0.25(=기준비)보다 작으면 대상 영역의 점수를 2(=제2 점수)만큼 증가시키고, 좌측 영역 및 우측 영역 각각의 점수를 0.25(=제3 점수)만큼 증가시키고, 속도비가 0.25(=기준비) 이상이면 대상 영역의 점수를 0.25(=제5 점수)만큼 증가시킨다.
제1 내지 제5 점수를 전술한 바와 가정할 경우, 이해를 돕기 위해, 예를 들어, 현 인식 주기(T)에서 제10 단계에서 구한 현재 속도 기반 헤딩 각도가 5°이고, 이전 인식 주기(T-1)에서 제10 단계에서 구한 이전 속도 기반 헤딩 각도 역시 5°일 경우 헤딩 히스토리의 영역 중 제1 영역이 대상 영역일 경우, 제1 영역과 제12 영역 및 제2 영역 각각에 부여되는 점수는 다음 수학식 4와 같을 수 있다.
Figure pat00005
여기서, A1은 제1 영역에 누적되는 점수를 나타내고, A12는 제12 영역에 누적되는 점수를 나타내고, A2는 제2 영역에 누적되는 점수를 나타낸다.
전술한 바와 같이, 실시 예에 의하면, 유사 가우시안 함수와 비슷하게 헤딩 히스토리에 포함된 영역에 점수를 부여하여 누적시키면 확률 기반의 가우시안 함수를 누적하는 효과를 갖게 된다.
또한, 실시 예에 의하면, 헤딩 히스토리에 누적 가능한 최소값 및 최대값 각각은 고정된 값일 수 있다. 예를 들어, 헤딩 히스토리에 누적 가능한 최소값이 ‘0’일 경우 헤딩 히스토리에 포함된 제1 내지 제N 영역 각각의 누적 가능한 가장 작은 값은 0보다 작을 수 없다. 이와 같이, 최소값은 누적되는 점수의 최소 한계값이다. 또한, 헤딩 히스토리에 누적 가능한 최대값이 ‘10’일 헤딩 히스토리에 포함된 제1 내지 제N 영역 각각의 누적 가능한 가장 큰 값은 10보다 클 수 없다. 이와 같이, 최대값은 누적되는 점수의 최대 한계값이다.
또한, 헤딩 히스토리에 정보를 반영하는 제220 단계(또는, 제220A 단계)는 매 인식 주기(..., T-1, T, T+1, ...)마다 수행될 수 있다.
도 6에 예시된 바와 같은 헤딩 히스토리(HH)는 복수의 트랙 각각에 대해 존재할 수 있다. 이를 고려할 때, 실시 예에 의한 객체 추적 방법 및 장치에서 추적하는 객체가 사라질 경우 사라진 객체에 대한 트랙이 소멸하면, 소멸된 트랙에 대응하는 헤딩 히스토리의 영역별 점수는 초기화될 수 있다. 즉, 소멸된 트랙에 대한 헤딩 히스토리는 삭제될 수 있다. 이와 반대로, 실시 예에 의한 객체 추적 방법 및 장치에서 추적할 객체가 새로 등장하는 경우 새로 등장한 객체에 대한 트랙이 생성되고, 헤딩 히스토리의 영역별 점수는 누적을 시작할 수 있다. 즉, 새롭게 생성된 트랙에 대한 헤딩 히스토리가 생성될 수 있다.
다시, 도 2를 참조하면, 제220 단계 후에, 각도 추출부(157)는 헤딩 히스토리(HH)를 이용하여, 트랙의 헤딩 각도(이하, ‘히스토리 기반 헤딩 각도’라 한다)를 추출하고, 추출된 히스토리 기반 헤딩 각도를 각도 보정부(159)로 출력한다(제230 단계).
도 8은 도 2에 도시된 제230 단계의 실시 예(230A)의 플로우차트이다. 도 8에 도시된 제230A 단계는 각도 추출부(157)에서 수행될 수 있다.
제220 단계 후에, 헤딩 히스토리(HH)의 제1 내지 제N 영역에 누적된 점수 중에서 최고 점수(MXP)가 제2 임계 점수(TP2)보다 큰가를 검사한다(제231 단계). 여기서, 제2 임계 점수(TP2)는 트랙 별로 다르게 미리 결정된 값일 수도 있고, 트랙에 무관하게 하나의 값으로 고정된 값일 수도 있다. 예를 들어, 제2 임계 점수(TP2)는 4점일 수 있으나, 실시 예는 특정한 제2 임계 점수(TP2)에 국한되지 않는다.
만일, 최고 점수(MXP)가 제2 임계 점수(TP2) 이하이면, 절대 속도가 제2 임계 속도(VT2)보다 작은가를 검사한다(제233 단계). 여기서, 제2 임계 속도(VT2)는 트랙 별로 다르게 미리 결정된 값일 수도 있고, 트랙에 무관하게 하나의 값으로 미리 고정된 값일 수도 있다. 예를 들어, 제2 임계 속도(VT2)는 1.5㎧일 수 있으나, 실시 예는 특정한 제2 임계 속도(VT2)에 국한되지 않는다.
만일, 절대 속도가 제2 임계 속도(VT2) 이상이면, 제210 단계에서 구한 현재 속도 기반 헤딩 각도를 히스토리 기반 헤딩 각도로서 결정한다(제239 단계). 그러나, 절대 속도가 제2 임계 속도(VT2)보다 작으면, 이전 인식 주기(T-1)에서 점수가 반영된 헤딩 히스토리(HH)의 영역(이하, ‘이전 영역’이라 함)과 현 인식 주기(T)에서 점수가 반영된 헤딩 히스토리의 영역(이하, ‘현재 영역’이라 함) 간의 이격 거리(GP)가 임계 거리(TDI)보다 큰가를 검사한다(제235 단계). 여기서, 임계 거리(TDI)는 트랙 별로 다르게 미리 결정된 값일 수도 있고, 트랙에 무관하게 하나의 값으로 미리 고정된 값일 수도 있다.
또한, 이격 거리(GP)란, 헤딩 히스토리의 영역 중에서 이전 인식 주기(T-1)에서 대상 영역과 현 인식 주기(T)에서 대상 영역 간의 이격 거리에 해당할 수 있다. 예를 들어, 헤딩 히스토리(HH)에 포함된 제1 내지 제N 영역 중에서, 이전 인식 주기(T-1)에서 대상 영역이 제n 영역이고, 현 인식 주기(T)에서 대상 영역이 제m 영역이라고 할 때 이격 거리(GP)는 다음 수학식 5와 같이 표현될 수 있다.
Figure pat00006
여기서, 1≤n≤N 이고, 1≤m≤N 이다.
예를 들어, 이격 거리(GP)가 수학식 5와 같이 표현될 경우, 임계 거리(TDI)는 ‘1’로 결정될 수 있다.
만일, 이격 거리(GP)가 임계 거리(TDI)보다 크면, 최고 점수를 갖는 최고 영역의 각도를 히스토리 기반 헤딩 각도로서 결정한다(제237 단계). 실시 예에 의하면, 제237 단계에서 히스토리 기반 헤딩 각도로서 결정되는 최고 영역의 각도는, 최고 영역의 각도 범위의 중간 각도일 수 있다. 예를 들어, 도 6에 도시된 헤딩 히스토리(HH)의 제1 내지 제12 영역(1~12) 중에서, 제1 영역(1)에 누적된 점수가 제2 내지 제12 영역(2~12) 각각에 누적된 점수보다 더 큰 최고 점수일 경우, 제1 영역(1)이 최고 영역에 해당한다 이때, 최고 영역인 제1 영역(1)의 각도 범위인 -15°내지 +15°의 중간 각도인 0°가 히스토리 기반 헤딩 각도로서 결정될 수 있다.
그러나, 이격 거리(GP)가 임계 거리(TDI) 이하이면, 제210 단계에서 구한 현재 속도 기반 헤딩 각도를 히스토리 기반 헤딩 각도로서 결정할 수 있다(제239 단계).
한편, 제231 단계에서 최고 점수(MXP)가 제2 임계 점수(TP2)보다 크다고 판단되면, 제235 단계로 진행한다. 즉, 최고 점수(MXP)가 제2 임계 점수(TP2)보다 크고, 이격 거리(GP)가 임계 거리(TDI)보다 크면, 헤딩 히스토리의 영역 중에서 최고 점수에 상응하는 최고 영역의 각도를 히스토리 기반 헤딩 각도로서 결정하는 전술한 제237 단계를 수행한다. 그러나, 최고 점수(MXP)가 제2 임계 점수(TP2)보다 크고, 이격 거리(GP)가 임계 거리(TDI) 이하이면, 제210 단계에서 구한 현재 속도 기반 헤딩 각도를 히스토리 기반 헤딩 각도로서 결정하는 제239 단계를 수행한다.
한편, 다시 도 2를 참조하면, 각도 보정부(159)는 트랙에 대한 형상 정보를 이용하여, 히스토리 기반 헤딩 각도를 보정하고, 보정된 결과를 현 인식 주기(T)에서의 최종 헤딩 각도로서 결정하여 출력단자 OUT를 통해 출력한다(제240 단계).
도 9는 도 2에 도시된 제240 단계의 실시 예(240A)의 플로우차트이고, 도 10 내지 도 12는 도 9에 도시된 제240A 단계의 이해를 돕기 위한 도면이다. 즉, 도 10은 트랙(TR)의 후보 헤딩 각도를 설명하기 위한 도면이고, 도 11은 형상 별 트랙(TR)의 후보 헤딩 각도를 설명하기 위한 도면이고, 도 12는 트랙(TR)의 후보 헤딩 각도(D1, D2)와 히스토리 기반 헤딩 각도(402)를 예시적으로 비교하는 도면이다.
도 9에 도시된 제240A 단계는 도 3에 도시된 각도 보정부(159)에서 수행될 수 있다.
제230 단계 후에, 트랙에 대한 형상 정보를 확인한다(제241 단계).
도 10을 참조하면, 자차(10)를 기준으로 하나의 트랙(TR)은 4개의 방향(D1, D2, D3, D4) 중 하나의 후보 헤딩 각도를 가질 수 있다. 따라서, 형상 정보가 없을 경우 하나의 트랙(TR)은 도 10에 도시된 바와 같이 4개의 후보 헤딩 각도(D1, D2, D3, D4)를 갖는다. 반면에, 형상 정보가 존재할 경우, 하나의 트랙(TR)은 2개의 후보 헤딩 각도만을 갖는다. 예를 들어, 도 11을 참조하면, 자차(10)를 기준으로 제1, 제2 및 제4 트랙(TR1, TR2, TR4) 각각의 형상은 I-shape(IS)이고, 제3 트랙(TR3)의 형상은 L-shape(LS)이다. 이 경우, 제2, 제3 및 제4 트랙(TR2, TR3, TR4) 각각은 2개의 후보 헤딩 각도(D1, D2)를 갖고, 제1 트랙(TR1)은 2개의 후보 헤딩 각도(D3, D4)를 갖는다.
제241 단계 후에, 형상 정보가 갖는 복수의 후보 헤딩 각도와 히스토리 기반 헤딩 각도를 비교하여, 히스토리 기반 헤딩 각도를 보정한다(제243 내지 제249 단계).
예를 들어, 제241 단계 후에, 복수의 후보 헤딩 각도 중에서 히스토리 기반 헤딩 각도와의 차가 작은 후보 헤딩 각도를 선택할 수 있다(제243 단계). 예를 들어, 도 12에 예시된 바와 같이, 형상 정보가 2개의 후보 헤딩 각도(D1, D2)를 갖는다고 할 때, 히스토리 기반 헤딩 각도(402)와 2개의 후보 헤딩 각도(D1, D2)를 비교한다. 도 12의 경우, 2개의 제1 및 제2 후보 헤딩 각도(D1, D2) 중에서 히스토리 기반 헤딩 각도(402)와의 차가 제2 후보 헤딩 각도(D2)보다 제1 후보 헤딩 각도(D1)가 더 작으므로, 제1 후보 헤딩 각도(D1)를 선택할 수 있다.
또한, 제243 단계 후에, 선택된 후보 헤딩 각도의 신뢰도를 기반으로 후보 헤딩 각도를 필터링(예를 들어, 저역 통과 필터링)한다(제245 내지 제249 단계). 여기서, 선택된 후보 헤딩 각도의 신뢰도란, 제241 단계에서 찾은 형상 정보의 신뢰도를 의미할 수도 있다.
실시 예에 의하면, 신뢰도가 임계 신뢰도보다 큰가를 검사한다(제245 단계). 예를 들어, 신뢰도에 0 내지 1의 가중치(weight)를 부여하고, 부여된 가중치를 확인하여 신뢰도를 검사할 수도 있다.
만일, 신뢰도가 임계 신뢰도보다 크면, 제243 단계에서 선택된 후보 헤딩 각도를 최종 헤딩 각도로서 결정한다(제247 단계). 그러나, 신뢰도가 임계 신뢰도보다 크지 않으면, 히스토리 기반 헤딩 각도를 최종 헤딩 각도로서 결정한다(제249 단계).
한편, 실시 예에 의한 객체 추적 방법을 실행하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체에서, 상기 프로그램은 객체에 대한 포인트 클라우드로부터 생성된 상기 객체를 추적하기 위한 트랙의 현 인식 주기(T)에서의 속도를 이용하여 상기 트랙의 현재 속도 기반 헤딩 각도를 구하는 기능; 상기 현재 속도 기반 헤딩 각도에 대한 정보를 상기 트랙의 헤딩 각도 별로 구분된 영역을 갖는 헤딩 히스토리에 점수화로 누적하여 반영하는 기능; 상기 헤딩 히스토리를 이용하여, 상기 트랙의 히스토리 기반 헤딩 각도를 구하는 기능; 및 상기 트랙에 대한 형상 정보를 이용하여, 상기 히스토리 기반 헤딩 각도를 보정하고, 보정된 결과를 상기 현 인식 주기(T)에서의 최종 헤딩 각도로서 결정하는 기능을 구현할 수 있다.
또한, 상기 트랙의 현재 속도 기반 헤딩 각도를 구하는 기능은, 상기 현 인식 주기(T)에서의 상기 트랙의 절대 속도를 구하는 기능; 상기 절대 속도가 제1 임계 속도 이상이면, 상기 절대 속도인 절대 종속도와 절대 횡속도를 이용하여 상기 현재 속도 기반 헤딩 각도를 구하는 기능; 상기 절대 속도가 상기 제1 임계 속도보다 작으면, 이전 인식 주기(T-1)에서의 상기 트랙의 속도를 이용하여 구한 이전 속도 기반 헤딩 각도와 현 인식 주기(T)에서 상기 트랙의 형상 정보를 이용하여 구한 형상 기반 헤딩 각도 간의 차이를 구하는 기능; 상기 차이가 임계차보다 적으면, 상기 형상 기반 헤딩 각도를 상기 현재 속도 기반 헤딩 각도로서 결정하는 기능; 상기 차이가 상기 임계차 이상이면, 상기 헤딩 히스토리에 각도 별로 누적된 점수 중에서 가장 큰 최고 점수가 제1 임계 점수보다 큰가를 검사하는 기능; 상기 최고 점수가 상기 제1 임계 점수보다 크면, 상기 이전 속도 기반 헤딩 각도를 상기 현재 속도 기반 헤딩 각도로서 결정하는 기능; 및 상기 최고 점수가 상기 제1 임계 점수 이하이면, 상기 헤드 히스토리의 영역 중에서 상기 최고 점수를 갖는 영역의 각도를 상기 현재 속도 기반 헤딩 각도로서 결정하는 기능을 포함할 수 있다.
또한, 헤딩 히스토리에 점수화로 누적하여 반영하는 기능은, 상기 절대 종속도와 상기 절대 횡속도 중 더 큰 스칼라값을 갖는 속도에 대한 더 작은 스칼라값을 갖는 속도의 속도비를 구하는 기능; 상기 속도비가 기준비보다 작은가를 검사하는 기능; 상기 속도비가 상기 기준비보다 작으면, 상기 헤딩 히스토리의 영역 중에서 상기 현재 속도 기반 헤딩 각도에 해당하는 대상 영역의 점수를 제1 점수만큼 감소시키면서 제2 점수만큼 증가시키고, 상기 대상 영역의 좌측과 우측에 각각 인접한 좌측 영역 및 우측 영역 각각의 점수를 제3 점수만큼 증가시키는 기능; 및 상기 속도비가 상기 기준비 이상이면 상기 대상 영역의 점수를 제4 점수만큼 감소시키면서 제5 점수만큼 증가시키는 기능을 포함할 수 있다.
또한, 히스토리 기반 헤딩 각도를 구하는 기능은, 상기 최고 점수가 제2 임계 점수 이하이면, 상기 절대 속도가 제2 임계 속도보다 작은가를 검사하는 기능; 상기 절대 속도가 상기 제2 임계 속도 이상이면, 상기 (a) 단계에서 구한 상기 현재 속도 기반 헤딩 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 기능; 상기 절대 속도가 상기 제2 임계 속도보다 작으면, 상기 이전 인식 주기(T-1)에서 점수가 반영된 상기 헤딩 히스토리의 영역과 상기 현 인식 주기(T)에서 점수가 반영된 상기 헤딩 히스토리의 영역 간의 이격 거리가 임계 거리보다 큰가를 검사하는 기능; 상기 이격 거리가 상기 임계 거리보다 크면, 상기 헤딩 히스토리의 영역 중에서 상기 최고 점수를 갖는 영역의 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 기능; 상기 이격 거리가 상기 임계 거리 이하이면, 상기 (a) 단계에서 구한 상기 현재 속도 기반 헤딩 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 기능; 상기 최고 점수가 상기 제2 임계 점수보다 크고 상기 이격 거리가 상기 임계 거리보다 크면 상기 헤딩 히스토리의 영역 중에서 상기 최고 점수에 상응하는 영역의 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 기능; 및 상기 최고 점수가 상기 제2 임계 점수보다 크고, 상기 이격 거리가 상기 임계 거리 이하이면, 상기 (a) 단계에서 구한 상기 현재 속도 기반 헤딩 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 기능을 포함할 수 있다.
또한, 상기 히스토리 기반 헤딩 각도를 보정하는 기능은 상기 트랙에 대한 형상 정보를 확인하는 기능; 및 상기 형상 정보가 갖는 복수의 후보 헤딩 각도와 상기 히스토리 기반 헤딩 각도를 비교하여, 상기 히스토리 기반 헤딩 각도를 보정하는 기능을 포함할 수 있다.
컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 저장 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다.
또한 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 사용자 추적 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
전술한 실시 예에 의한 객체 추적 방법 및 장치와 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체는 트랙의 헤딩각도에 대한 히스토리를 이용하여 히스토리 기반 헤딩 각도를 구하고, 히스토리 기반 헤딩 각도를 형상정보를 활용하여 보정한다. 따라서, 실시 예에 의한 객체 추적 방법 및 장치와 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체는 트랙의 속도가 일정 수준 이상인 경우 헤딩 각도가 안정적으로 계산되는 상황보다 특정 상황 예를 들어, 트랙이 저속으로 이동하거나 차량이 정체되는 상황 등에서 갑자기 속도 연산에서 오류가 생겨서 속도 기반으로 추출되는 헤딩 각도가 오류가 발생할 수 있을 때, 헤딩 각도의 오차를 줄여 정확하고 안정적인 헤딩 각도를 추출하여 객체를 정확히 추적할 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. (a) 객체에 대한 포인트 클라우드로부터 생성된 상기 객체를 추적하기 위한 트랙의 현 인식 주기(T)에서의 속도를 이용하여 상기 트랙의 현재 속도 기반 헤딩 각도를 구하는 단계;
    (b) 상기 현재 속도 기반 헤딩 각도에 대한 정보를 상기 트랙의 헤딩 각도 별로 구분된 영역을 갖는 헤딩 히스토리에 점수화로 누적하여 반영하는 단계;
    (c) 상기 헤딩 히스토리를 이용하여, 상기 트랙의 히스토리 기반 헤딩 각도를 구하는 단계; 및
    (d) 상기 트랙에 대한 형상 정보를 이용하여, 상기 히스토리 기반 헤딩 각도를 보정하고, 보정된 결과를 상기 현 인식 주기(T)에서의 최종 헤딩 각도로서 결정하는 단계를 포함하는 객체 추적 방법.
  2. 제1 항에 있어서, 상기 (a) 단계는
    상기 현 인식 주기(T)에서의 상기 트랙의 절대 속도를 구하는 단계;
    상기 절대 속도가 제1 임계 속도 이상이면, 상기 절대 속도인 절대 종속도와 절대 횡속도를 이용하여 상기 현재 속도 기반 헤딩 각도를 구하는 단계;
    상기 절대 속도가 상기 제1 임계 속도보다 작으면, 이전 인식 주기(T-1)에서의 상기 트랙의 속도를 이용하여 구한 이전 속도 기반 헤딩 각도와 현 인식 주기(T)에서 상기 트랙의 형상 정보를 이용하여 구한 형상 기반 헤딩 각도 간의 차이를 구하는 단계;
    상기 차이가 임계차보다 적으면, 상기 형상 기반 헤딩 각도를 상기 현재 속도 기반 헤딩 각도로서 결정하는 단계;
    상기 차이가 상기 임계차 이상이면, 상기 헤딩 히스토리에 각도 별로 누적된 점수 중에서 가장 큰 최고 점수가 제1 임계 점수보다 큰가를 검사하는 단계;
    상기 최고 점수가 상기 제1 임계 점수보다 크면, 상기 이전 속도 기반 헤딩 각도를 상기 현재 속도 기반 헤딩 각도로서 결정하는 단계; 및
    상기 최고 점수가 상기 제1 임계 점수 이하이면, 상기 헤드 히스토리의 영역 중에서 상기 최고 점수를 갖는 영역의 각도를 상기 현재 속도 기반 헤딩 각도로서 결정하는 단계를 포함하는 객체 추적 방법.
  3. 제2 항에 있어서,
    상기 트랙의 상대 속도와 상기 포인트 클라우드를 생성한 자차의 속도를 합산하여 상기 절대 속도를 구하고,
    Arctangent를 이용하여, 상기 절대 종속도와 상기 절대 횡속도로부터 상기 현재 속도 기반 헤딩 각도를 구하는 객체 추적 방법.
  4. 제2 항에 있어서, 상기 (b) 단계는
    상기 절대 종속도와 상기 절대 횡속도 중 더 큰 스칼라값을 갖는 속도에 대한 더 작은 스칼라값을 갖는 속도의 속도비를 구하는 단계;
    상기 속도비가 기준비보다 작은가를 검사하는 단계;
    상기 속도비가 상기 기준비보다 작으면, 상기 헤딩 히스토리의 영역 중에서 상기 현재 속도 기반 헤딩 각도에 해당하는 대상 영역의 점수를 제1 점수만큼 감소시키면서 제2 점수만큼 증가시키고, 상기 대상 영역의 좌측과 우측에 각각 인접한 좌측 영역 및 우측 영역 각각의 점수를 제3 점수만큼 증가시키는 단계; 및
    상기 속도비가 상기 기준비 이상이면 상기 대상 영역의 점수를 제4 점수만큼 감소시키면서 제5 점수만큼 증가시키는 단계를 포함하는 객체 추적 방법.
  5. 제4 항에 있어서, 상기 헤딩 히스토리에 누적 가능한 최소값 및 최대값 각각은 고정된 값인 객체 추적 방법.
  6. 제4 항 또는 제5 항에 있어서, 상기 헤딩 히스토리에 상기 정보를 반영하는 단계는 매 인식 주기마다 수행되는 객체 추적 방법.
  7. 제4 항 또는 제5 항에 있어서, 상기 헤딩 히스토리의 영역별 점수는 상기 트랙이 소멸시에 초기화되는 객체 추적 방법.
  8. 제4 항에 있어서, 상기 (c) 단계는
    상기 최고 점수가 제2 임계 점수 이하이면, 상기 절대 속도가 제2 임계 속도보다 작은가를 검사하는 단계;
    상기 절대 속도가 상기 제2 임계 속도 이상이면, 상기 (a) 단계에서 구한 상기 현재 속도 기반 헤딩 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 단계;
    상기 절대 속도가 상기 제2 임계 속도보다 작으면, 상기 이전 인식 주기(T-1)에서 점수가 반영된 상기 헤딩 히스토리의 영역과 상기 현 인식 주기(T)에서 점수가 반영된 상기 헤딩 히스토리의 영역 간의 이격 거리가 임계 거리보다 큰가를 검사하는 단계;
    상기 이격 거리가 상기 임계 거리보다 크면, 상기 헤딩 히스토리의 영역 중에서 상기 최고 점수를 갖는 영역의 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 단계;
    상기 이격 거리가 상기 임계 거리 이하이면, 상기 (a) 단계에서 구한 상기 현재 속도 기반 헤딩 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 단계;
    상기 최고 점수가 상기 제2 임계 점수보다 크고 상기 이격 거리가 상기 임계 거리보다 크면 상기 헤딩 히스토리의 영역 중에서 상기 최고 점수에 상응하는 영역의 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 단계; 및
    상기 최고 점수가 상기 제2 임계 점수보다 크고, 상기 이격 거리가 상기 임계 거리 이하이면, 상기 (a) 단계에서 구한 상기 현재 속도 기반 헤딩 각도를 상기 히스토리 기반 헤딩 각도로서 결정하는 단계를 포함하는 객체 추적 방법.
  9. 제2 항 또는 제8 항에 있어서, 상기 헤딩 히스토리는 아래와 같은 개수의 영역을 포함하는 객체 추적 방법.
    Figure pat00007

    (여기서, N은 상기 영역의 개수로서 2이상의 양의 정수를 나타내고, x°는 상기 복수의 영역 각각의 각도 범위를 나타낸다.)
  10. 제9 항에 있어서, 상기 최고 점수에 상응하는 영역의 상기 각도는,
    상기 최고 점수에 상응하는 영역의 각도 범위의 중간 각도에 해당하는 객체 추적 방법.
  11. 제8 항에 있어서, 상기 (d) 단계는
    상기 트랙에 대한 형상 정보를 확인하는 단계; 및
    상기 형상 정보가 갖는 복수의 후보 헤딩 각도와 상기 히스토리 기반 헤딩 각도를 비교하여, 상기 히스토리 기반 헤딩 각도를 보정하는 단계를 포함하는 객체 추적 방법.
  12. 제11 항에 있어서, 상기 보정하는 단계는
    상기 복수의 후보 헤딩 각도 중에서 상기 히스토리 기반 헤딩 각도와의 차가 작은 후보 헤딩 각도를 선택하는 단계를 포함하는 객체 추적 방법.
  13. 제12 항에 있어서, 상기 보정하는 단계는
    상기 선택된 후보 헤딩 각도의 신뢰도를 기반으로 상기 후보 헤딩 각도를 필터링하는 단계를 더 포함하는 객체 추적 방법.
  14. 제13 항에 있어서, 상기 필터링하는 단계는
    상기 신뢰도가 임계 신뢰도보다 큰가를 검사하는 단계;
    상기 신뢰도가 상기 임계 신뢰도보다 크지 않으면, 상기 히스토리 기반 헤딩 각도를 상기 최종 헤딩 각도로서 결정하는 단계; 및
    상기 신뢰도가 상기 임계 신뢰도보다 크면, 상기 선택된 후보 헤딩 각도를 상기 최종 헤딩 각도로서 결정하는 단계를 포함하는 객체 추적 방법.
  15. 객체에 대한 포인트 클라우드로부터 상기 객체를 추적하기 위한 트랙을 생성하는 트랙 생성부;
    상기 트랙의 현 인식 주기(T)에서의 속도를 이용하여 상기 트랙의 현재 속도 기반 헤딩 각도를 산출하는 각도 산출부;
    상기 현재 속도 기반 헤딩 각도에 대한 정보를 상기 트랙의 헤딩 각도 별로 구분된 영역을 갖는 헤딩 히스토리에 점수화로 누적하여 반영하는 히스토리부;
    상기 헤딩 히스토리를 이용하여, 상기 트랙의 히스토리 기반 헤딩 각도를 추출하는 각도 추출부; 및
    상기 트랙에 대한 형상 정보를 이용하여, 상기 히스토리 기반 헤딩 각도를 보정하고, 보정된 결과를 상기 현 인식 주기(T)에서의 최종 헤딩 각도로서 출력하는 각도 보정부를 포함하는 객체 추적 장치.
  16. 객체 추적 방법을 실행하기 위한 프로그램을 기록한 기록 매체에 있어서,
    객체에 대한 포인트 클라우드로부터 생성된 상기 객체를 추적하기 위한 트랙의 현 인식 주기(T)에서의 속도를 이용하여 상기 트랙의 현재 속도 기반 헤딩 각도를 구하는 기능;
    상기 현재 속도 기반 헤딩 각도에 대한 정보를 상기 트랙의 헤딩 각도 별로 구분된 영역을 갖는 헤딩 히스토리에 점수화로 누적하여 반영하는 기능;
    상기 헤딩 히스토리를 이용하여, 상기 트랙의 히스토리 기반 헤딩 각도를 구하는 기능; 및
    상기 트랙에 대한 형상 정보를 이용하여, 상기 히스토리 기반 헤딩 각도를 보정하고, 보정된 결과를 상기 현 인식 주기(T)에서의 최종 헤딩 각도로서 결정하는 기능을 구현하는 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
KR1020200183557A 2020-12-24 2020-12-24 객체 추적 방법 및 장치와, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체 KR20220092116A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020200183557A KR20220092116A (ko) 2020-12-24 2020-12-24 객체 추적 방법 및 장치와, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체
US17/463,681 US11807232B2 (en) 2020-12-24 2021-09-01 Method and apparatus for tracking an object and a recording medium storing a program to execute the method
CN202111169684.4A CN114675283A (zh) 2020-12-24 2021-10-08 对象跟踪方法和装置及存储执行该方法的程序的记录介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200183557A KR20220092116A (ko) 2020-12-24 2020-12-24 객체 추적 방법 및 장치와, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체

Publications (1)

Publication Number Publication Date
KR20220092116A true KR20220092116A (ko) 2022-07-01

Family

ID=82070009

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200183557A KR20220092116A (ko) 2020-12-24 2020-12-24 객체 추적 방법 및 장치와, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체

Country Status (3)

Country Link
US (1) US11807232B2 (ko)
KR (1) KR20220092116A (ko)
CN (1) CN114675283A (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11205075B2 (en) * 2018-01-10 2021-12-21 Quantum Interface, Llc Interfaces, systems and apparatuses for constructing 3D AR environment overlays, and methods for making and using same
EP3785043B1 (en) * 2018-04-23 2023-08-16 Blackmore Sensors & Analytics, LLC Method and system for controlling autonomous vehicle using coherent range doppler optical sensors
US11635764B2 (en) * 2019-02-22 2023-04-25 Uatc, Llc. Motion prediction for autonomous devices
US11548533B2 (en) * 2019-03-23 2023-01-10 Uatc, Llc Perception and motion prediction for autonomous devices
US20220146676A1 (en) * 2020-11-09 2022-05-12 Waymo Llc Doppler-assisted object mapping for autonomous vehicle applications

Also Published As

Publication number Publication date
US11807232B2 (en) 2023-11-07
US20220203972A1 (en) 2022-06-30
CN114675283A (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
KR101784611B1 (ko) 라이다 센서 및 레이더 센서를 이용한 사람 탐지 장치 및 방법
KR101762504B1 (ko) 레이저 거리 센서를 이용한 바닥 장애물 검출 방법
US8994823B2 (en) Object detection apparatus and storage medium storing object detection program
JP2016081525A (ja) 車両用画像認識システム、及び対応法
JP4561346B2 (ja) 車両運動推定装置及び移動体検出装置
Xu et al. A LiDAR-based single-shot global localization solution using a cross-section shape context descriptor
CN111723724A (zh) 一种路面障碍物识别方法和相关装置
KR101406334B1 (ko) 신뢰도와 지연된 결정을 활용한 다중 객체 추적 시스템 및 방법
US20230204776A1 (en) Vehicle lidar system and object detection method thereof
KR20220041485A (ko) 라이다 센서를 이용한 객체 추적 방법 및 장치, 이 장치를 포함하는 차량 및 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체
Qing et al. A novel particle filter implementation for a multiple-vehicle detection and tracking system using tail light segmentation
US20220120858A1 (en) Method and device for detecting objects
KR20220092116A (ko) 객체 추적 방법 및 장치와, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체
CN111612818A (zh) 新型双目视觉多目标跟踪方法及系统
Malinas et al. Vehicle track detection in CCD imagery via conditional random field
US11922670B2 (en) System for extracting outline of static object and method thereof
Tamas et al. Lidar and vision based people detection and tracking
Zhang et al. A LiDAR-intensity SLAM and loop closure detection method using an intensity cylindrical-projection shape context descriptor
KR20220128787A (ko) 라이다 센서를 이용한 객체 추적 방법 및 장치와, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체
KR20220065126A (ko) 다중 센서 기반 주행 차로 인식 장치 및 방법
Jeon et al. Vision-based autonomous landing for small-scale unmanned rotorcraft
US20230184946A1 (en) Vehicle Lidar System and Velocity Measuring Method Thereof
JPWO2020175085A1 (ja) 画像処理装置、及び画像処理方法
US20230050013A1 (en) Object detection method and object tracking device using lidar sensor
JP2020135099A (ja) 状態認識装置