KR20230055168A - 라이다 성능 평가 시스템 및 방법 - Google Patents

Abstract

라이다 성능 평가 시스템이 제공된다. 본 발명의 실시예에 따른 라이다 성능 평가 시스템은, 차량 주행 정보를 획득하도록 구비되는 라이다의 성능을 평가하기 위해 적어도 하나의 평가 조건을 설정하는 평가 조건 설정부; 상기 평가 조건에 따라 평가용 물체의 검지 정보를 획득하는 검지 평가를 수행하고 검지 평가 결과를 생성하는 검지 평가 수행부; 상기 검지 평가 결과에 따라 상기 평가용 물체의 인식 정보를 획득하는 인식 평가를 수행하고 인식 평가 결과를 생성하는 인식 평가 수행부; 상기 검지 평가 결과 및 상기 인식 평가 결과를 이용하여 상기 라이다의 성능 평가 결과를 출력하는 평가 결과 출력부; 및 상기 검지 평가 결과 및 상기 인식 평가 결과를 저장하고 학습을 통해 상기 평가 조건을 보정하는 평가 결과 저장부;를 포함하며, 상기 검지 평가 결과는, 상기 물체의 검지 시간, 검지 위치 및 검지 거리를 포함하고, 상기 인식 평가 결과는, 상기 물체의 인식 시간, 인식 위치 및 인식 거리를 포함한다.

Description

라이다 성능 평가 시스템 및 방법{LiDAR performance evaluation system and method}

본 발명은 라이다 성능 평가 시스템 및 방법에 관한 것으로, 특히, 차량에 구비되어 차량 주행과 관련된 정보를 획득하는 라이다의 성능을 평가할 수 있는 라이다 성능 평가 시스템 및 방법에 관한 것이다.

최근 들어 차량의 주행 과정에서 주행중인 도로 또는 교통 정보를 획득하고 컴퓨터로 분석하여 주행 정보를 생성하기 위한 다양한 장치가 연구되고 있다. 이러한 장치 중 하나가 라이다(LiDAR)이며, 라이다는, 레이저를 방출하고, 반사광을 획득하여 외부 정보를 획득하는 원리를 사용하는 장치이다.

라이다는 차량의 주행을 보조하기 위해 다양한 정보를 획득할 수 있도록 차량의 일 부분에 설치되며, 특히 자율주행 차량의 경우에는 모바일 라이다(Mobile LiDAR)의 활용성이 증대됨에 따라 국내외 여러 업체에서 모바일 라이다를 제작판매하고 있다. 그러나, 기존의 영상 검지기 등과 같은 센서와는 다르게 현재는 제품에 대한 성능 평가에 대한 고려가 이루어지지 않고 있다. 실제로 제조회사의 제품명세서에 제시된 여러 성능 등이 명문화된 기준이 없어 모호할 뿐 아니라, 레이저를 사용하는 라이다의 특성상 실제 측정이 어렵다는 문제점이 존재한다.

한국공개특허 제2021-0076412호

상기와 같은 종래 기술의 문제점을 해결하기 위해, 본 발명의 일 실시예는 인텐시티(반사도)와 점군(포인트 클라우드)를 이용하여 정량적인 성능을 평가할 수 있는 라이다 성능 평가 시스템 및 방법을 제공하고자 한다.

또한, 본 발명의 일 실시예는 평가 결과를 학습하여 평가 기준에 대한 갱신을 수행함으로써 라이다 제품군의 전체 평균 성능이 상승하는 것과 대응하여 평가 기준 역시 함께 상승하도록 하여 기술 발전에 대응하는 라이다 성능 평가 시스템 및 방법을 제공하고자 한다.

위와 같은 과제를 해결하기 위한 본 발명의 일 측면에 따르면, 라이다 성능 평가 시스템이 제공된다. 상기 라이다 성능 평가 시스템은, 차량 주행 정보를 획득하도록 구비되는 라이다의 성능을 평가하기 위해 적어도 하나의 평가 조건을 설정하는 평가 조건 설정부; 상기 평가 조건에 따라 평가용 물체의 검지 정보를 획득하는 검지 평가를 수행하고 검지 평가 결과를 생성하는 검지 평가 수행부; 상기 검지 평가 결과에 따라 상기 평가용 물체의 인식 정보를 획득하는 인식 평가를 수행하고 인식 평가 결과를 생성하는 인식 평가 수행부; 상기 검지 평가 결과 및 상기 인식 평가 결과를 이용하여 상기 라이다의 성능 평가 결과를 출력하는 평가 결과 출력부; 및 상기 검지 평가 결과 및 상기 인식 평가 결과를 저장하고 학습을 통해 상기 평가 조건을 보정하는 평가 결과 저장부;를 포함하며 상기 검지 평가 결과는, 상기 물체의 검지 시간, 검지 위치 및 검지 거리를 포함하고, 상기 인식 평가 결과는, 상기 물체의 인식 시간, 인식 위치 및 인식 거리를 포함한다.

상기 평가 조건 설정부는, 상기 평가용 물체 정보를 설정하는 평가 대상 설정 모듈; 및 상기 차량 주행 정보를 설정하는 차량 주행 정보 설정 모듈;을 포함하며 상기 평가용 물체 정보는 상기 인식 평가를 위한 인식 조건을 포함하고, 상기 차량 주행 정보는 상기 평가를 진행하기 위한 차량의 속도와 기상 조건을 포함할 수 있다.

상기 검지 평가 수행부는, 상기 라이다가 상기 평가용 물체를 검지하였는지 판단하는 검지 여부 판단 모듈; 상기 평가용 물체를 검지하면, 상기 평가용 물체를 검지한 위치 및 시간을 포함하는 검지 측정 정보를 획득하는 검지 측정 정보 획득 모듈; 및 상기 검지 측정 정보를 이용하여 상기 검지 평가 결과를 생성하는 검지 평가 결과 생성 모듈;을 포함할 수 있다.

상기 인식 평가 수행부는, 상기 평가용 물체가 검지된 상기 검지 평가 결과가 생성되면, 상기 평가용 물체 정보로부터 상기 인식 평가를 위한 인식 조건을 획득하고 인식 판단 기준을 결정하는 인식 판단 기준 획득 모듈; 상기 인식 판단 기준을 이용하여 상기 평가용 물체의 인식 여부를 판단하는 물체 인식 판단 모듈; 상기 평가용 물체를 인식하면, 상기 평가용 물체를 인식한 위치 및 시간을 포함하는 인식 측정 정보를 획득하는 인식 측정 정보 획득 모듈; 및 상기 인식 측정 정보를 이용하여 상기 인식 평가 결과를 생성하는 인식 평가 결과 생성 모듈;을 포함할 수 있다.

상기 물체 인식 판단 모듈은, 상기 평가용 물체를 인식하지 못하면 상기 차량의 현재 위치와 상기 평가용 물체를 검지한 위치 사이의 거리인 실시간 인식 거리 및 상기 인식 조건에 포함된 인식 한계 거리를 비교하고, 상기 실시간 인식 거리가 상기 인식 한계 거리보다 큰 경우 상기 평가용 물체 인식 여부를 계속 판단할 수 있다.

상기 평가 결과 출력부는, 상기 검지 평가 결과 및 상기 인식 평가 결과 중 상기 검지 거리 및 상기 인식 거리를 상기 인식 조건에 포함된 인식 한계 거리와 비교하고 비교 결과를 출력하는 한계 거리 비교 모듈; 및 상기 비교 결과, 상기 검지 거리 또는 상기 인식 거리가 상기 인식 한계 거리보다 작은 경우 검지 불합격 평가 또는 인식 불합격 평가를 상기 평가 결과로 출력하고, 상기 검지 거리 또는 상기 인식 거리가 상기 인식 한계 거리 이상인 경우 검지 합격 평가 또는 인식 합격 평가를 상기 평가 결과로 출력하는 평가 결과 생성 모듈;을 포함할 수 있다.

상기 평가 결과 저장부는, 상기 평가 결과를 획득하고 저장하는 평가 결과 저장 모듈; 상기 평가 결과 중 상기 검지 합격 평가 또는 상기 인식 합격 평가를 이용하여 인식 한계 거리 학습을 수행하고 상기 인식 한계 거리 갱신을 수행하는 인식 한계 거리 학습 모듈; 및 상기 평가 결과 중 상기 검지 합격 평가 또는 상기 인식 합격 평가를 이용하여 인식 조건 학습을 수행하고 상기 인식 조건 갱신을 수행하는 인식 조건 학습 모듈;을 포함할 수 있다.

본 발명의 일 측면에 따르면, 라이다 성능 평가 방법이 제공된다. 상기 라이다 성능 평가 방법은, 차량 주행 정보를 획득하도록 구비되는 라이다의 성능을 평가하기 위해 평가 조건 설정부를 이용하여 적어도 하나의 평가 조건을 설정하는 단계; 검지 평가 수행부를 이용하여 상기 평가 조건에 따라 평가용 물체의 검지 정보를 획득하는 검지 평가를 수행하고 검지 평가 결과를 생성하는 단계; 상기 검지 평가 결과에 따라 인식 평가 수행부를 이용하여 상기 평가용 물체의 인식 정보를 획득하는 인식 평가를 수행하고 인식 평가 결과를 생성하는 단계; 상기 검지 평가 결과 및 상기 인식 평가 결과를 이용하여 평가 결과 출력부를 통해 상기 라이다의 성능 평가 결과를 출력하는 단계; 및 평가 결과 저장부를 이용하여 상기 검지 평가 결과 및 상기 인식 평가 결과를 저장하고 학습을 통해 상기 평가 조건을 보정하는 단계;를 포함하며 상기 검지 평가 결과는, 상기 물체의 검지 시간, 검지 위치 및 검지 거리를 포함하고, 상기 인식 평가 결과는, 상기 물체의 인식 시간, 인식 위치 및 인식 거리를 포함한다.

상기 적어도 하나의 평가 조건을 설정하는 단계는, 상기 평가용 물체 정보를 설정하는 단계; 및 상기 차량 주행 정보를 설정하는 단계;를 포함하며 상기 평가용 물체 정보는 상기 인식 평가를 위한 인식 조건을 포함하고, 상기 차량 주행 정보는 상기 평가를 진행하기 위한 차량의 속도와 기상 조건을 포함할 수 있다.

상기 검지 평가 결과를 생성하는 단계는, 상기 라이다가 상기 평가용 물체를 검지하였는지 판단하는 단계; 상기 평가용 물체를 검지하면, 상기 평가용 물체를 검지한 위치 및 시간을 포함하는 검지 측정 정보를 획득하는 단계; 및 상기 검지 측정 정보를 이용하여 상기 검지 평가 결과를 생성하는 단계;를 포함할 수 있다.

상기 인식 평가 결과를 생성하는 단계는, 상기 평가용 물체가 검지된 상기 검지 평가 결과가 생성되면, 상기 평가용 물체 정보로부터 상기 인식 평가를 위한 인식 조건을 획득하고 인식 판단 기준을 결정하는 단계; 상기 인식 판단 기준을 이용하여 상기 평가용 물체의 인식 여부를 판단하는 단계; 상기 평가용 물체를 인식하면, 상기 평가용 물체를 인식한 위치 및 시간을 포함하는 인식 측정 정보를 획득하는 단계; 및 상기 인식 측정 정보를 이용하여 상기 인식 평가 결과를 생성하는 단계;를 포함할 수 있다.

상기 평가용 물체의 인식 여부를 판단하는 단계는, 상기 평가용 물체를 인식하지 못하면 상기 차량의 현재 위치와 상기 평가용 물체를 검지한 위치 사이의 거리인 실시간 인식 거리 및 상기 인식 조건에 포함된 인식 한계 거리를 비교하고, 상기 실시간 인식 거리가 상기 인식 한계 거리보다 큰 경우 상기 평가용 물체 인식 여부를 계속 판단할 수 있다.

상기 라이다의 성능 평가 결과를 출력하는 단계는, 상기 검지 평가 결과 및 상기 인식 평가 결과 중 상기 검지 거리 및 상기 인식 거리를 상기 인식 조건에 포함된 인식 한계 거리와 비교하고 비교 결과를 출력하는 단계; 및 상기 비교 결과, 상기 검지 거리 또는 상기 인식 거리가 상기 인식 한계 거리보다 작은 경우 검지 불합격 평가 또는 인식 불합격 평가를 상기 평가 결과로 출력하고, 상기 검지 거리 또는 상기 인식 거리가 상기 인식 한계 거리 이상인 경우 검지 합격 평가 또는 인식 합격 평가를 상기 평가 결과로 출력하는 단계;를 포함할 수 있다.

상기 학습을 통해 평가 기준을 보정하는 단계는, 상기 평가 결과를 획득하고 저장하는 단계; 상기 평가 결과 중 상기 검지 합격 평가 또는 상기 인식 합격 평가를 이용하여 인식 한계 거리 학습을 수행하고 상기 인식 한계 거리 갱신을 수행하는 단계; 및 상기 평가 결과 중 상기 검지 합격 평가 또는 상기 인식 합격 평가를 이용하여 인식 조건 학습을 수행하고 상기 인식 조건 갱신을 수행하는 단계;를 포함할 수 있다.

본 발명의 일 실시예에 따른 라이다 성능 평가 시스템 및 방법은 라이다 정보 획득 방법의 주요 특징인 레이저의 물체 반사를 통해 획득되는 인텐시티(반사도)와 점군(포인트 클라우드)를 이용하여 정량적인 성능을 평가할 수 있는 효과가 있다.

또한, 본 발명의 일 실시예에 따른 라이다 성능 평가 시스템 및 방법은 평가 결과를 학습하여 평가 기준에 대한 갱신을 수행함으로써 라이다 제품군의 전체 평균 성능이 상승하는 것과 대응하여 평가 기준 역시 함께 상승하도록 하여 기술 발전에 대응할 수 있는 효과가 있다.

도 1은 본 발명의 실시예에 따른 라이다 성능 평가 시스템을 나타낸 블록도이다.
도 2는 도 1의 평가 조건 설정부를 나타낸 블록도이다.
도 3은 도 1의 검지 평가 수행부를 나타낸 블록도이다.
도 4는 도 1의 인식 평가 수행부를 나타낸 블록도이다.
도 5는 도 1의 평가 결과 출력부를 나타낸 블록도이다.
도 6은 도 1의 평가 결과 저장부를 나타낸 블록도이다.
도 7은 본 발명의 실시예에 따른 라이다 성능 평가 방법을 나타낸 순서도이다.
도 8은 도 7의 단계 S11을 나타낸 순서도이다.
도 9는 도 7의 단계 S12를 나타낸 순서도이다.
도 10은 도 7의 단계 S13을 나타낸 순서도이다.
도 11은 도 7의 단계 S14를 나타낸 순서도이다.
도 12는 도 7의 단계 S15를 나타낸 순서도이다.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙였다.

도 1은 본 발명의 실시예에 따른 라이다 성능 평가 시스템을 나타낸 블록도이고, 도 2는 도 1의 평가 조건 설정부를 나타낸 블록도이며, 도 3은 도 1의 검지 평가 수행부를 나타낸 블록도이고, 도 4는 도 1의 인식 평가 수행부를 나타낸 블록도이며, 도 5는 도 1의 평가 결과 출력부를 나타낸 블록도이고, 도 6은 도 1의 평가 결과 저장부를 나타낸 블록도이다. 이하에서는 도 1 내지 도 6을 이용하여 본 발명의 일 실시예에 따른 라이다 성능 평가 시스템을 상세히 설명하도록 한다.

도 1을 참고하면, 본 발명의 라이다 성능 평가 시스템(1)은 차량에 구비되는 라이다로부터 라이다 측정 정보를 획득하고, 획득한 라이다 측정 정보를 평가하여 평가 결과를 출력하도록 형성된다. 이를 위해 본 발명의 라이다 성능 평가 시스템(1)은 도 1에 도시된 바와 같이 평가 조건 설정부(11), 검지 평가 수행부(12), 인식 평가 수행부(13), 평가 결과 출력부(14) 및 평가 결과 저장부(15)를 포함하여 형성될 수 있다.

평가 조건 설정부(11)는 차량 주행 정보를 획득하도록 구비되는 라이다의 성능을 평가하기 위해 적어도 하나의 평가 조건을 설정하도록 구비되며 도 2에 도시된 바와 같이 평가 대상 설정 모듈(111) 및 차량 주행 정보 설정 모듈(112)을 포함할 수 있다.

평가 대상 설정 모듈(111)은 라이다 성능 평가를 위한 물체인 평가용 물체에 대한 정보를 설정하기 위해 형성된다. 여기서, 평가용 물체 정보는 인식 평가를 위한 인식 조건을 포함하며, 인식 조건은 평가용 물체 개수, 평가용 물체 위치, 평가용 물체 종류 등을 포함할 수 있다.

차량 주행 정보 설정 모듈(112)은 차량 주행 정보를 설정하기 위해 형성된다. 차량 주행 정보는 일 예로 평가 시나리오 조건일 수 있다. 즉, 차량 주행 정보는 차량이 주행할 때의 속도나 기상 조건 등 라이다의 성능에 영향을 미칠 수 있는 요인들에 대한 정보일 수 있으며, 이러한 설정을 변경하여 라이다 성능을 다양한 상태에서 평가하도록 할 수 있다.

검지 평가 수행부(12)는 평가 조건 설정부(11)에서 설정한 평가 조건에 따라 평가용 물체의 검지 정보를 획득하는 검지 평가를 수행하며, 수행 결과인 검지 평가 결과를 생성하도록 형성된다. 검지 평가 수행부(12)는 이를 위해 도 3에 도시된 바와 같이 검지 여부 판단 모듈(121), 검지 측정 정보 획득 모듈(122) 및 검지 평가 결과 생성 모듈(123)을 포함하도록 형성된다.

검지 여부 판단 모듈(121)은 라이다가 평가용 물체를 검지하였는지 판단하기 위해 형성된다. 검지 여부 판단 모듈(121)은 라이다가 물체를 최초 검지하는 경우, 평가용 물체를 검지한 것으로 판단할 수 있다. 본 발명에서는 최초 검지를 라이더에서 방출된 레이저가 최초로 평가용 물체에서 반사되어 라이다에 입사되는 것으로 정의한다. 즉, 본 발명에서 평가용 물체의 검지와 후술되는 인식은 반사광을 획득하느냐와 반사광을 통해 해당 물체의 정보를 인식할 수 있느냐로 구분된다.

검지 측정 정보 획득 모듈(122)은 평가용 물체를 검지하면, 평가용 물체를 검지한 위치 및 시간을 포함하는 검지 측정 정보를 획득하도록 형성된다. 검지 측정 정보 획득 모듈(112)은 검지 여부 판단 모듈(121)에서 평가용 물체를 검지한 것으로 판단하면, 검지 순간의 차량 위치(평가용 물체를 검지한 위치)와 시간(평가 시작 후 걸린 시간 또는 검지 순간의 시각 등)을 포함하는 검지 측정 정보를 획득할 수 있다.

검지 평가 결과 생성 모듈(123)은 검지 측정 정보 획득 모듈(122)에서 획득한 검지 측정 정보를 이용하여 검지 평가 결과를 생성할 수 있다. 여기서 검지 평가 결과는 검지 측정 정보에 포함되는 평가용 물체의 검지 시간 및 평가용 물체의 검지 위치와 함께 평가용 물체의 검지 거리를 포함할 수 있다. 여기서 평가용 물체의 검지 거리는 설정에 따라 차량이 최초 출발한 위치와 평가용 물체와의 거리일 수도 있고, 최초 검지가 이루어진 순간의 위치인 검지 위치와 평가용 물체 사이의 거리일 수도 있다.

인식 평가 수행부(13)는 검지 평가 결과에 따라 평가용 물체의 인식 정보를 획득하는 인식 평가를 수행하고 인식 평가 결과를 생성하도록 형성된다. 도 4를 참고하면 본 발명의 인식 평가 수행부(13)는 이를 위해 인식 판단 기준 획득 모듈(131), 물체 인식 판단 모듈(132), 인식 측정 정보 획득 모듈(133) 및 인식 평가 결과 생성 모듈(134)을 포함하도록 형성된다.

인식 판단 기준 획득 모듈(131)은 평가용 물체가 검지된 검지 평가 결과가 생성되면, 평가용 물체 정보로부터 인식 평가를 위한 인식 조건을 획득하고 인식 판단 기준을 결정하도록 형성된다.

인식 판단 기준 획득 모듈(131)은 검지 평가 수행부(12)에서 평가용 물체를 검지한 것으로 판단한 이후 동작할 수 있으며, 검지와 인식이 동시에 이루어지는 경우에도 동작할 수 있다. 이는, 평가용 물체의 인식을 위해서는 반드시 라이다가 평가용 물체로 레이저를 방출하고, 평가용 물체에서 반사되는 반사광을 획득하여야 하기 때문에 검지에 인식이 포함되기 때문이다.

인식 판단 기준 획득 모듈(131)은 검지 평가 결과가 생성되면, 상술한 평가 대상 설정 모듈(111)에서 획득한 평가용 물체 정보를 전달 받고, 평가용 물체 정보로부터 인식 평가를 위한 인식 조건을 획득한다. 여기서, 인식 조건은 일 예로 복수의 반사광인 포인트 클라우드(점군)의 반사도(Intensity) 및 개수(# of cloud point)에 대한 기준값일 수 있다. 반사도와 개수는 라이다의 인식 정확도에 관련이 있는 요인이다. 포인트 클라우드의 반사도가 높다는 것은, 라이다는 해당 물체에 대해 높은 해상도를 가지는 인식을 수행하는 것을 의미한다. 또, 포인트 클라우드의 개수가 많다는 것 역시 해당 평가용 물체에서 반사되는 반사광의 개수가 많기 때문에 평가용 물체에 대한 세부 인식을 수행할 수 있는 것을 의미한다.

인식 판단 기준 모듈(131)은 이를 토대로 인식 판단 기준을 결정하며, 일 예로 인식 판단 기준에 기준 반사도값과 기준 포인트 클라우드 개수를 포함할 수 있다.

물체 인식 판단 모듈(132)은 인식 판단 기준을 이용하여 평가용 물체의 인식 여부를 판단하도록 형성된다. 물체 인식 판단 모듈(132)은 인식 판단 기준 모듈에서 결정한 인식 판단 기준을 전달 받고, 전달 받은 인식 판단 기준을 이용하여 평가용 물체를 인식하였는지 판단할 수 있다.

물체 인식 판단 모듈(132)은 평가용 물체를 인식하였는지 판단하기 위해 인식 판단 기준을 사용하며, 평가용 물체에서 반사되어오는 반사광 정보가 인식 판단 기준을 만족하는 경우 평가용 물체를 인식한 것으로 판단할 수 있다.

상술한 내용과 같이 인식 판단 기준은 기준 반사도값과 기준 포인트 클라우드 개수를 포함한다. 따라서, 물체 인식 판단 모듈(132)은 획득한 반사광의 반사도값이 기준 반사도값 이상인 경우 물체를 인식 한 것으로 판단할 수 있으며, 기준 포인트 클라우드 개수 이상의 반사광의 포인트 클라우드 개수를 획득하는 경우 물체를 인식한 것으로 판단할 수 있다.

한편, 물체 인식 판단 모듈(132)은 획득한 반사광의 반사도값과 포인트 클라우드 개수가 기준 반사도값과 기준 개수 미만인 경우 평가용 물체를 인식하지 못한 것으로 판단할 수 있다. 이 경우, 물체 인식 판단 모듈(132)은 차량의 현재 위치와 평가용 물체를 검지한 위치 사이의 거리인 실시간 인식 거리와 인식 조건에 포함된 인식 한계 거리를 비교한다. 물체 인식 판단 모듈(132)은 현재 차량의 위치가 인식 한계 거리 범위에 들어섰는지 판단하기 위해서 실시간 인식 거리와 인식 한계 거리를 비교하도록 형성된다.

실시간 인식 거리는 현재 차량의 위치와 평가용 물체까지의 거리를 의미한다. 따라서, 물체 인식 판단 모듈(132)은 인식 한계 거리 범위 내에 차량이 위치하는지를 판단하며 이는 물체의 정보를 인식하고 주행 정보를 제공하여 차량 주행 변경이 필요한 경우, 최소한의 동작 여유를 제공하기 위한 안전거리인 인식 한계 거리 밖에서 물체를 인식하도록 하기 위함이다.

따라서, 물체 인식 판단 모듈(132)은 인식 한계 거리보다 실시간 인식 거리가 큰 경우, 아직 안전거리에 도달하지 않은 것으로 판단하여 평가용 물체 인식 여부 판단을 계속하여 수행할 수 있다. 반대로, 실시간 인식 거리가 인식 한계 거리 이하인 경우, 물체 인식 판단 모듈(132)은 평가용 물체 인식에 실패한 것으로 판단할 수 있다.

인식 측정 정보 획득 모듈(133)은 평가용 물체를 인식한 것으로 판단되면, 평가용 물체를 인식한 최초 위치 및 시간을 포함하는 인식 측정 정보를 획득할 수 있다. 인식 측정 정보 획득 모듈(133)은 물체 인식 판단 모듈(132)에서 최초로 물체를 인식한 것으로 판단하는 인식 판단 정보를 생성하면, 해당 인식 판단 정보가 생성된 순간의 차량의 위치 및 인식 시간을 획득하고, 획득한 차량의 위치 및 인식 시간을 포함하는 인식 측정 정보를 생성할 수 있다.

인식 평가 결과 생성 모듈(134)은 인식 측정 정보를 이용하여 인식 평가 결과를 생성한다. 인식 평가 결과 생성 모듈은 인식 측정 정보 획득 모듈(133)로부터 인식 측정 정보를 전달 받으면, 인식 측정 정보를 기 설정된 등급 분류와 대응시켜 해당하는 등급 분류와 인식 측정 정보를 포함하는 인식 평가 결과를 생성할 수 있다.

또, 인식 평가 결과 생성 모듈(134)은 인식 측정 정보 획득 모듈(133)로부터 인식 측정 정보를 전달 받지 못하는 경우, 다시 말해 물체 인식 판단 모듈(132)에서 물체를 인식하지 못한 것으로 판단한 경우에는 인식 실패 정보를 포함하는 인식 평가 결과를 생성할 수도 있다.

인식 평가 결과 생성 모듈(134)에서 생성되는 인식 평가 결과는 평가용 물체의 최초 인식 시간, 최초 인식 위치 및 최초 인식 거리 등을 포함할 수 있다.

평가 결과 출력부(14)는 검지 평가 결과 및 인식 평가 결과를 이용하여 라이다의 성능 평가 결과를 출력할 수 있다. 이를 위해 평가 결과 출력부(14)는 도 5에 도시된 바와 같이 한계 거리 비교 모듈(141) 및 평가 결과 생성 모듈(142)을 포함할 수 있다.

한계 거리 비교 모듈(141)은 검지 평가 결과 및 인식 평가 결과 중 검지 거리 및 인식 거리를 각각 획득하고, 인식 조건에 포함된 인식 한계 거리와 비교하여 비교 결과를 출력하도록 형성된다.

한계 거리 비교 모듈(141)은 검지 거리와 인식 거리를 각각 검지 평가 결과와 인식 평가 결과에서 획득할 수 있다. 검지 거리와 인식 거리를 획득하면, 한계 거리 비교 모듈(141)은 인식 조건을 더 획득하고 획득한 인식 조건에 포함된 인식 한계 거리를 획득하며, 검지 거리와 인식 거리를 각각 인식 한계 거리와 비교한 비교 결과를 출력할 수 있다.

평가 결과 생성 모듈(142)은 비교 결과를 획득하여 검지 거리 또는 인식 거리가 인식 한계 거리보다 작은 경우 불합격 평가를 평가 결과로 출력하고, 검지 거리 또는 인식 거리가 인식 한계 거리 이상인 경우 합격 평가를 평가 결과로 출력하도록 생성한다. 평가 결과 생성 모듈(142)은 검지 거리가 인식 한계 거리보다 작은 경우 검지 불합격 평가를 평가 결과로 출력하고, 인식 거리가 인식 한계 거리보다 작은 경우 불합격 평가를 평가 결과로 출력한다. 또, 평가 결과 생성 모듈(142)은 검지 거리가 인식 한계 거리 이상인 경우 검지 합격 평가를 평가 결과로 출력하며, 인식 거리가 인식 한계 거리 이상인 경우 인식 합격 평가를 평가 결과로 출력할 수 있다.

평가 결과 저장부(15)는 검지 평가 결과 및 인식 평가 결과를 저장하며, 학습을 통해 평가 조건을 보정하도록 형성된다. 이를 위해 평가 결과 저장부(15)는 도 6에 도시된 바와 같이 평가 결과 저장 모듈(151), 인식 한계 거리 학습 모듈(152) 및 인식 조건 학습 모듈(153)을 포함하도록 형성될 수 있다.

평가 결과 저장 모듈(151)은 검지 평가 결과 및 인식 평가 결과를 저장하며, 인식 한계 거리 학습 모듈(152)은 평가 결과 중 검지 합격 평가 또는 인식 합격 평가를 이용하여 인식 한계 거리 학습을 수행하고, 인식 한계 거리 갱신을 수행하도록 형성된다.

인식 한계 거리는 상술한 바와 같이 차량이 물체를 인식하여 주행 제어 정보를 획득 후 차량의 제어를 수행할 수 있는 최소한의 안전거리를 의미한다. 라이다를 통해 물체를 인식하여 정보를 획득하는 경우, 물체와의 거리가 먼 곳에서 정보를 획득하면, 차량의 주행 변경을 보다 여유롭게 수행할 수 있기 때문에 주행에 여유가 생기고, 이로 인해 사고 발생 가능성이 낮아질 수 있는 효과가 발생한다. 따라서, 본 발명의 인식 한계 거리는 차량이 물체를 인식할 수 있는 최소 거리를 의미할 수도 있으며, 인식 한계 거리 학습 모듈(152)은 이러한 인식 한계 거리를 학습하기 위해 형성된다.

인식 한계 거리 학습 모듈(152)은 검지 합격 평가 또는 인식 합격 평가를 이용하여 인식 한계 거리 학습을 수행한다. 복수의 검지 합격 평가를 분석하면, 인식 한계 거리 학습 모듈(152)은 검지 합격 평가 위치, 시간 및 거리의 분포를 확인할 수 있다. 일 예로 인식 한계 거리 학습 모듈(152)은 검지 합격 평가에 포함된 정보들의 분포를 확인하고 평균값의 변화에 따라 인식 한계 거리를 학습할 수도 있다.

또, 복수의 인식 합격 평가를 분석하면, 인식 한계 거리 학습 모듈(152)은 인식 합격 평가 위치, 시간 및 거리의 분포를 확인할 수 있다. 일 예로 인식 한계 거리 학습 모듈(152)은 인식 합격 평가에 포함된 정보들의 분포를 확인하고 평균값의 변화에 따라 인식 한계 거리를 학습할 수도 있다.

일 예로 인식 한계 거리 학습 모듈(152)은 인식 한계 거리를 제1인식 한계 거리와 제2인식 한계 거리로 나누어 학습할 수도 있으며, 여기서 제1인식 한계 거리는 검지 합격 결과를 이용하여 학습되며, 제2인식 한계 거리는 인식 합격 결과를 이용하여 학습될 수 있다. 또, 이 경우에는 제1인식 한계 거리는 제2인식 한계 거리 이상으로 설정되어야 한다.

인식 조건 학습 모듈(153)은 평가 결과 중 검지 합격 평가 또는 인식 합격 평가를 이용하여 인식 조건 학습을 수행하고 인식 조건 갱신을 수행할 수 있다. 인식 조건은 상술한 바와 같이 평가용 물체 개수, 평가용 물체 위치, 평가용 물체 종류 등을 포함할 수 있다.

인식 조건 학습 모듈(153)은 검지 합격 평가 또는 인식 합격 평가를 획득하면 인식 조건 학습을 수행하며 평가용 물체에 따른 검지 또는 인식 성능을 분석 및 학습할 수 있다. 이를 통해 평가용 물체에 따른 검지 또는 인식 성능의 인과관계를 획득할 수 있으며, 학습을 수행함으로써 평가용 물체에 따른 검지 또는 인식 성능의 예측을 수행할 수도 있다.

한편, 본 발명의 일 실시예에 따른 평가 결과 저장부(15)는 라이다 성능 예측 모듈(도면 미도시)을 더 포함할 수도 있다. 라이다 성능 예측 모듈은 평가 결과, 인식 한계 거리 학습 결과 및 인식 조건 학습 결과를 기 설정된 성능 예측 알고리즘에 적용하여 차량의 주행을 통한 라이다의 성능 평가 전 라이다의 성능을 예측하고, 예측 결과와 실제 평가 결과를 비교할 수 있다.

라이다 성능 예측 모듈은 예측 결과와 실제 평가 결과를 비교하여 성능 예측 알고리즘을 수정하여 평가를 수행할 때마다 획득하는 실제 평가 결과를 이용하여 성능 예측 알고리즘의 정확도를 증가시킬 수 있다.

이를 통해 본 발명의 라이다 성능 평가 시스템(1)은 실제 라이다의 평가를 수행하고 평가 결과를 출력할 수 있을 뿐 아니라, 다양한 실험을 수행할 수 없는 요인 중 하나인 날씨의 변화에 따른 라이다 성능 변화를 성능 예측 알고리즘을 통해 예측함으로써, 라이다 성능 평가 결과를 보다 풍부하게 사용자에게 제공할 수 있는 효과가 있다.

한편, 도 7 내지 도 12에는 본 발명의 일 실시예에 따른 라이다 성능 평가 방법이 도시되고 있다. 도 7은 본 발명의 실시예에 따른 라이다 성능 평가 방법을 나타낸 순서도이고, 도 8은 도 7의 단계 S11을 나타낸 순서도이며, 도 9는 도 7의 단계 S12를 나타낸 순서도이고, 도 10은 도 7의 단계 S13을 나타낸 순서도이며, 도 11은 도 7의 단계 S14를 나타낸 순서도이고, 도 12는 도 7의 단계 S15를 나타낸 순서도이다.

이하에서는 설명의 편의상 도 1 내지 도 6의 라이다 성능 평가 시스템을 이용하여 본 발명의 라이다 성능 평가 방법에 대하여 설명하도록 하지만, 본 발명은 반드시 이에 한정되는 것은 아니며, 유사한 동작 또는 처리를 수행할 수 있는 다양한 시스템, 장치 및 단말기를 통해 수행될 수 있다.

도 7을 참고하면, 본 발명의 라이다 성능 평가 방법(10)은 차량에 구비되는 라이다로부터 라이다 측정 정보를 획득하고, 획득한 라이다 측정 정보를 평가하여 평가 결과를 출력하도록 형성된다. 이를 위해 본 발명의 라이다 성능 평가 방법(10)은 도 7에 도시된 바와 같이 적어도 하나의 평가 조건을 설정하는 단계(S11), 검지 평가를 수행하고 검지 평가 결과를 생성하는 단계(S12), 인식 평가를 수행하고 인식 평가 결과를 생성하는 단계(S13), 라이다의 성능 평가 결과를 출력하는 단계(S14) 및 학습을 통해 평가 조건을 보정하는 단계(S15)를 포함할 수 있다.

적어도 하나의 평가 조건을 설정하는 단계(S11)는 차량 주행 정보를 획득하도록 구비되는 라이다의 성능을 평가하기 위해 평가 조건 설정부를 이용하여 적어도 하나의 평가 조건을 설정하며 도 8에 도시된 바와 같이 평가용 물체 정보를 설정하는 단계(S111) 및 차량 주행 정보를 설정하는 단계(S112)를 포함할 수 있다.

평가용 물체 정보를 설정하는 단계(S111)는 라이다 성능 평가를 위한 물체인 평가용 물체에 대한 정보를 설정하기 위해 형성된다. 여기서, 평가용 물체 정보는 인식 평가를 위한 인식 조건을 포함하며, 인식 조건은 평가용 물체 개수, 평가용 물체 위치, 평가용 물체 종류 등을 포함할 수 있다.

차량 주행 정보를 설정하는 단계(S112)는 차량 주행 정보를 설정하기 위해 형성된다. 차량 주행 정보는 일 예로 평가 시나리오 조건일 수 있다. 즉, 차량 주행 정보는 차량이 주행할 때의 속도나 기상 조건 등 라이다의 성능에 영향을 미칠 수 있는 요인들에 대한 정보일 수 있으며, 이러한 설정을 변경하여 라이다 성능을 다양한 상태에서 평가하도록 할 수 있다.

검지 평가를 수행하고 검지 평가 결과를 생성하는 단계(S12)는 단계 S11에서 설정한 평가 조건에 따라 검지 평가 수행부를 이용하여 평가용 물체의 검지 정보를 획득하는 검지 평가를 수행하며, 수행 결과인 검지 평가 결과를 생성하도록 형성된다. 검지 평가를 수행하고 검지 평가 결과를 생성하는 단계(S12)는 이를 위해 도 9에 도시된 바와 같이 평가용 물체를 검지하였는지 판단하는 단계(S121), 검지 측정 정보를 획득하는 단계(S122) 및 검지 평가 결과를 생성하는 단계(S123)을 포함하도록 형성된다.

평가용 물체를 검지하였는지 판단하는 단계(S121)는 라이다가 평가용 물체를 검지하였는지 판단하기 위해 형성된다. 단계 S121은 라이다가 물체를 최초 검지하는 경우, 평가용 물체를 검지한 것으로 판단할 수 있다. 본 발명에서는 최초 검지를 라이더에서 방출된 레이저가 최초로 평가용 물체에서 반사되어 라이다에 입사되는 것으로 정의한다. 즉, 본 발명에서 평가용 물체의 검지와 후술되는 인식은 반사광을 획득하느냐와 반사광을 통해 해당 물체의 정보를 인식할 수 있느냐로 구분된다.

검지 측정 정보를 획득하는 단계(S122)는 평가용 물체를 검지하면, 평가용 물체를 검지한 위치 및 시간을 포함하는 검지 측정 정보를 획득하도록 형성된다. 단계 S122는 단계 S121에서 평가용 물체를 검지한 것으로 판단하면, 검지 순간의 차량 위치(평가용 물체를 검지한 위치)와 시간(평가 시작 후 걸린 시간 또는 검지 순간의 시각 등)을 포함하는 검지 측정 정보를 획득할 수 있다.

검지 평가 결과를 생성하는 단계(S123)는 단계 S122에서 획득한 검지 측정 정보를 이용하여 검지 평가 결과를 생성할 수 있다. 여기서 검지 평가 결과는 검지 측정 정보에 포함되는 평가용 물체의 검지 시간 및 평가용 물체의 검지 위치와 함께 평가용 물체의 검지 거리를 포함할 수 있다. 여기서 평가용 물체의 검지 거리는 설정에 따라 차량이 최초 출발한 위치와 평가용 물체와의 거리일 수도 있고, 최초 검지가 이루어진 순간의 위치인 검지 위치와 평가용 물체 사이의 거리일 수도 있다.

인식 평가를 수행하고 인식 평가 결과를 생성하는 단계(S13)는 인식 평가 수행부를 이용하여 검지 평가 결과에 따라 평가용 물체의 인식 정보를 획득하는 인식 평가를 수행하고 인식 평가 결과를 생성하도록 형성된다. 도 10를 참고하면 본 발명의 인식 평가를 수행하고 인식 평가 결과를 생성하는 단계(S13)는 이를 위해 인식 판단 기준을 결정하는 단계(S131), 평가용 물체의 인식 여부를 판단하는 단계(S132), 인식 측정 정보를 획득하는 단계(S133) 및 인식 평가 결과를 생성하는 단계(S134)를 포함하도록 형성된다.

인식 판단 기준을 결정하는 단계(S131)는 평가용 물체가 검지된 검지 평가 결과가 생성되면, 평가용 물체 정보로부터 인식 평가를 위한 인식 조건을 획득하고 인식 판단 기준을 결정하도록 형성된다.

단계 S131은 단계 S12에서 평가용 물체를 검지한 것으로 판단한 이후 동작할 수 있으며, 검지와 인식이 동시에 이루어지는 경우에도 동작할 수 있다. 이는, 평가용 물체의 인식을 위해서는 반드시 라이다가 평가용 물체로 레이저를 방출하고, 평가용 물체에서 반사되는 반사광을 획득하여야 하기 때문에 검지에 인식이 포함되기 때문이다.

단계 S131은 검지 평가 결과가 생성되면, 상술한 단계 S111에서 획득한 평가용 물체 정보를 전달 받고, 평가용 물체 정보로부터 인식 평가를 위한 인식 조건을 획득한다. 여기서, 인식 조건은 일 예로 복수의 반사광인 포인트 클라우드(점군)의 반사도(Intensity) 및 개수(# of cloud poit)에 대한 기준값일 수 있다. 반사도와 개수는 라이다의 인식 정확도에 관련이 있는 요인이다. 포인트 클라우드의 반사도가 높다는 것은, 라이다는 해당 물체에 대해 높은 해상도를 가지는 인식을 수행하는 것을 의미한다. 또, 포인트 클라우드의 개수가 많다는 것 역시 해당 평가용 물체에서 반사되는 반사광의 개수가 많기 때문에 평가용 물체에 대한 세부 인식을 수행할 수 있는 것을 의미한다.

단계 S131은 이를 토대로 인식 판단 기준을 결정하며, 일 예로 인식 판단 기준에 기준 반사도값과 기준 포인트 클라우드 개수를 포함할 수 있다.

평가용 물체의 인식 여부를 판단하는 단계(S132)는 인식 판단 기준을 이용하여 평가용 물체의 인식 여부를 판단하도록 형성된다. 단계 S132는 인식 판단 기준 모듈에서 결정한 인식 판단 기준을 전달 받고, 전달 받은 인식 판단 기준을 이용하여 평가용 물체를 인식하였는지 판단할 수 있다.

단계 S132는 평가용 물체를 인식하였는지 판단하기 위해 인식 판단 기준을 사용하며, 평가용 물체에서 반사되어오는 반사광 정보가 인식 판단 기준을 만족하는 경우 평가용 물체를 인식한 것으로 판단할 수 있다.

상술한 내용과 같이 인식 판단 기준은 기준 반사도값과 기준 포인트 클라우드 개수를 포함한다. 따라서, 단계 S132는 획득한 반사광의 반사도값이 기준 반사도값 이상인 경우 물체를 인식 한 것으로 판단할 수 있으며, 기준 포인트 클라우드 개수 이상의 반사광의 포인트 클라우드 개수를 획득하는 경우 물체를 인식한 것으로 판단할 수 있다.

한편, 단계 S132는 획득한 반사광의 반사도값과 포인트 클라우드 개수가 기준 반사도값과 기준 개수 미만인 경우 평가용 물체를 인식하지 못한 것으로 판단할 수 있다. 이 경우, 단계 S132는 차량의 현재 위치와 평가용 물체를 검지한 위치 사이의 거리인 실시간 인식 거리와 인식 조건에 포함된 인식 한계 거리를 비교한다. 단계 S132는 현재 차량의 위치가 인식 한계 거리 범위에 들어섰는지 판단하기 위해서 실시간 인식 거리와 인식 한계 거리를 비교하도록 형성된다.

실시간 인식 거리는 현재 차량의 위치와 평가용 물체까지의 거리를 의미한다. 따라서, 단계 S132는 인식 한계 거리 범위 내에 차량이 위치하는지를 판단하며 이는 물체의 정보를 인식하고 주행 정보를 제공하여 차량 주행 변경이 필요한 경우, 최소한의 동작 여유를 제공하기 위한 안전거리인 인식 한계 거리 밖에서 물체를 인식하도록 하기 위함이다.

즉 단계 S132는 인식 한계 거리보다 실시간 인식 거리가 큰 경우, 아직 안전거리에 도달하지 않은 것으로 판단하여 평가용 물체 인식 여부 판단을 계속하여 수행할 수 있다. 반대로, 실시간 인식 거리가 인식 한계 거리 이하인 경우, 단계 S132는 평가용 물체 인식에 실패한 것으로 판단할 수 있다.

인식 측정 정보를 획득하는 단계(S133)는 평가용 물체를 인식한 것으로 판단되면, 평가용 물체를 인식한 최초 위치 및 시간을 포함하는 인식 측정 정보를 획득할 수 있다. 단계 S133은 단계 S132에서 최초로 물체를 인식한 것으로 판단하는 인식 판단 정보를 생성하면, 해당 인식 판단 정보가 생성된 순간의 차량의 위치 및 인식 시간을 획득하고, 획득한 차량의 위치 및 인식 시간을 포함하는 인식 측정 정보를 생성할 수 있다.

인식 평가 결과를 생성하는 단계(S134)는 인식 측정 정보를 이용하여 인식 평가 결과를 생성한다. 단계 S134는 단계 S133으로부터 인식 측정 정보를 전달 받으면, 인식 측정 정보를 기 설정된 등급 분류와 대응시켜 해당하는 등급 분류와 인식 측정 정보를 포함하는 인식 평가 결과를 생성할 수 있다.

또, 단계 S134는 단계 S133으로부터 인식 측정 정보를 전달 받지 못하는 경우, 다시 말해 단계 S132에서 물체를 인식하지 못한 것으로 판단한 경우에는 인식 실패 정보를 포함하는 인식 평가 결과를 생성할 수도 있다.

단계 S134에서 생성되는 인식 평가 결과는 평가용 물체의 최초 인식 시간, 최초 인식 위치 및 최초 인식 거리 등을 포함할 수 있다.

라이다의 성능 평가 결과를 출력하는 단계(S14)는 평가 결과 출력부가 검지 평가 결과 및 인식 평가 결과를 이용하여 라이다의 성능 평가 결과를 출력하도록 할 수 있다. 이를 위해 라이다의 성능 평가 결과를 출력하는 단계(S14)는 도 11에 도시된 바와 같이 한계 거리 비교 결과를 출력하는 단계(S141) 및 평가 결과를 출력하는 단계(S142)를 포함할 수 있다.

한계 거리 비교 결과를 출력하는 단계(S141)는 검지 평가 결과 및 인식 평가 결과 중 검지 거리 및 인식 거리를 각각 획득하고, 인식 조건에 포함된 인식 한계 거리와 비교하여 비교 결과를 출력하도록 형성된다.

단계 S141은 검지 거리와 인식 거리를 각각 검지 평가 결과와 인식 평가 결과에서 획득할 수 있다. 검지 거리와 인식 거리를 획득하면, 단계 S141은 인식 조건을 더 획득하고 획득한 인식 조건에 포함된 인식 한계 거리를 획득하며, 검지 거리와 인식 거리를 각각 인식 한계 거리와 비교한 비교 결과를 출력할 수 있다.

평가 결과를 출력하는 단계(S142)는 비교 결과를 획득하여 검지 거리 또는 인식 거리가 인식 한계 거리보다 작은 경우 불합격 평가를 평가 결과로 출력하고, 검지 거리 또는 인식 거리가 인식 한계 거리 이상인 경우 합격 평가를 평가 결과로 출력하도록 생성한다. 단계 S142는 검지 거리가 인식 한계 거리보다 작은 경우 검지 불합격 평가를 평가 결과로 출력하고, 인식 거리가 인식 한계 거리보다 작은 경우 불합격 평가를 평가 결과로 출력한다. 또, 단계 S142는 검지 거리가 인식 한계 거리 이상인 경우 검지 합격 평가를 평가 결과로 출력하며, 인식 거리가 인식 한계 거리 이상인 경우 인식 합격 평가를 평가 결과로 출력할 수 있다.

학습을 통해 평가 조건을 보정하는 단계(S15)는 평가 결과 저장부를 이용하여 검지 평가 결과 및 인식 평가 결과를 저장하며, 학습을 통해 평가 조건을 보정하도록 형성된다. 이를 위해 학습을 통해 평가 조건을 보정하는 단계(S15)는 도 12에 도시된 바와 같이 평가 결과를 획득하고 저장하는 단계(S151), 인식 한계 거리를 학습하고 인식 한계 거리 갱신을 수행하는 단계(S152) 및 인식 조건 학습을 수행하는 단계(S153)를 포함하도록 형성될 수 있다.

평가 결과를 획득하고 저장하는 단계(S151)는 검지 평가 결과 및 인식 평가 결과를 저장하며, 인식 한계 거리를 학습하고 인식 한계 거리 갱신을 수행하는 단계(S152)는 평가 결과 중 검지 합격 평가 또는 인식 합격 평가를 이용하여 인식 한계 거리 학습을 수행하고, 인식 한계 거리 갱신을 수행하도록 형성된다.

인식 한계 거리는 상술한 바와 같이 차량이 물체를 인식하여 주행 제어 정보를 획득 후 차량의 제어를 수행할 수 있는 최소한의 안전거리를 의미한다. 라이다를 통해 물체를 인식하여 정보를 획득하는 경우, 물체와의 거리가 먼 곳에서 정보를 획득하면, 차량의 주행 변경을 보다 여유롭게 수행할 수 있기 때문에 주행에 여유가 생기고, 이로 인해 사고 발생 가능성이 낮아질 수 있는 효과가 발생한다. 따라서, 본 발명의 인식 한계 거리는 차량이 물체를 인식할 수 있는 최소 거리를 의미할 수도 있으며, 단계 S152는 이러한 인식 한계 거리를 학습하기 위해 형성된다.

단계 S152는 검지 합격 평가 또는 인식 합격 평가를 이용하여 인식 한계 거리 학습을 수행한다. 복수의 검지 합격 평가를 분석하면, 단계 S152는 검지 합격 평가 위치, 시간 및 거리의 분포를 확인할 수 있다. 일 예로 단계 S152는 검지 합격 평가에 포함된 정보들의 분포를 확인하고 평균값의 변화에 따라 인식 한계 거리를 학습할 수도 있다.

또, 복수의 인식 합격 평가를 분석하면, 인식 한계 거리 학습 모듈(152)은 인식 합격 평가 위치, 시간 및 거리의 분포를 확인할 수 있다. 일 예로 단계 S152는 인식 합격 평가에 포함된 정보들의 분포를 확인하고 평균값의 변화에 따라 인식 한계 거리를 학습할 수도 있다.

일 예로 단계 S152는 인식 한계 거리를 제1인식 한계 거리와 제2인식 한계 거리로 나누어 학습할 수도 있으며, 여기서 제1인식 한계 거리는 검지 합격 결과를 이용하여 학습되며, 제2인식 한계 거리는 인식 합격 결과를 이용하여 학습될 수 있다. 또, 이 경우에는 제1인식 한계 거리는 제2인식 한계 거리 이상으로 설정되어야 한다.

인식 조건 학습을 수행하는 단계(S153)는 평가 결과 중 검지 합격 평가 또는 인식 합격 평가를 이용하여 인식 조건 학습을 수행하고 인식 조건 갱신을 수행할 수 있다. 인식 조건은 상술한 바와 같이 평가용 물체 개수, 평가용 물체 위치, 평가용 물체 종류 등을 포함할 수 있다.

단계 S153은 검지 합격 평가 또는 인식 합격 평가를 획득하면 인식 조건 학습을 수행하며 평가용 물체에 따른 검지 또는 인식 성능을 분석 및 학습할 수 있다. 이를 통해 평가용 물체에 따른 검지 또는 인식 성능의 인과관계를 획득할 수 있으며, 학습을 수행함으로써 평가용 물체에 따른 검지 또는 인식 성능의 예측을 수행할 수도 있다.

한편, 본 발명의 일 실시예에 따른 단계 S15는 라이다 성능을 예측하는 단계(도면 미도시)를 더 포함할 수도 있다. 라이다 성능을 예측하는 단계는 평가 결과, 인식 한계 거리 학습 결과 및 인식 조건 학습 결과를 기 설정된 성능 예측 알고리즘에 적용하여 차량의 주행을 통한 라이다의 성능 평가 전 라이다의 성능을 예측하고, 예측 결과와 실제 평가 결과를 비교할 수 있다.

라이다 성능을 예측하는 단계는 예측 결과와 실제 평가 결과를 비교하여 성능 예측 알고리즘을 수정하여 평가를 수행할 때마다 획득하는 실제 평가 결과를 이용하여 성능 예측 알고리즘의 정확도를 증가시킬 수 있다.

이를 통해 본 발명의 라이다 성능 평가 방법(10)은 실제 라이다의 평가를 수행하고 평가 결과를 출력할 수 있을 뿐 아니라, 다양한 실험을 수행할 수 없는 요인 중 하나인 날씨의 변화에 따른 라이다 성능 변화를 성능 예측 알고리즘을 통해 예측함으로써, 라이다 성능 평가 결과를 보다 풍부하게 사용자에게 제공할 수 있는 효과가 있다.

이상에서 본 발명의 일 실시예에 대하여 설명하였으나, 본 발명의 사상은 본 명세서에 제시되는 실시 예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서, 구성요소의 부가, 변경, 삭제, 추가 등에 의해서 다른 실시 예를 용이하게 제안할 수 있을 것이나, 이 또한 본 발명의 사상범위 내에 든다고 할 것이다.

1: 라이다 성능 평가 시스템 11: 평가 조건 설정부
12: 검지 평가 수행부 13: 인식 평가 수행부
14: 평가 결과 출력부 15: 평가 결과 저장부
111: 평가 대상 설정 모듈 112: 차량 주행 정보 설정 모듈
121: 검지 여부 판단 모듈 122: 검지 측정 정보 획득 모듈
123: 검지 평가 결과 생성 모듈 131: 인식 판단 기준 획득 모듈
132: 물체 인식 판단 모듈 133: 인식 측정 정보 획득 모듈
134: 인식 평가 결과 생성 모듈 141: 한계 거리 비교 모듈
142: 평가 결과 생성 모듈 151: 평가 결과 저장 모듈
152: 인식 한계 거리 학습 모듈
153: 인식 조건 학습 모듈

Claims (14)

1. 차량 주행 정보를 획득하도록 구비되는 라이다의 성능을 평가하기 위해 적어도 하나의 평가 조건을 설정하는 평가 조건 설정부;
   상기 평가 조건에 따라 평가용 물체의 검지 정보를 획득하는 검지 평가를 수행하고 검지 평가 결과를 생성하는 검지 평가 수행부;
   상기 검지 평가 결과에 따라 상기 평가용 물체의 인식 정보를 획득하는 인식 평가를 수행하고 인식 평가 결과를 생성하는 인식 평가 수행부;
   상기 검지 평가 결과 및 상기 인식 평가 결과를 이용하여 상기 라이다의 성능 평가 결과를 출력하는 평가 결과 출력부; 및
   상기 검지 평가 결과 및 상기 인식 평가 결과를 저장하고 학습을 통해 상기 평가 조건을 보정하는 평가 결과 저장부;를 포함하며
   상기 검지 평가 결과는, 상기 물체의 검지 시간, 검지 위치 및 검지 거리를 포함하고,
   상기 인식 평가 결과는, 상기 물체의 인식 시간, 인식 위치 및 인식 거리를 포함하는 라이다 성능 평가 시스템.
2. 제 1항에 있어서,
   상기 평가 조건 설정부는,
   상기 평가용 물체 정보를 설정하는 평가 대상 설정 모듈; 및
   상기 차량 주행 정보를 설정하는 차량 주행 정보 설정 모듈;을 포함하며
   상기 평가용 물체 정보는 상기 인식 평가를 위한 인식 조건을 포함하고,
   상기 차량 주행 정보는 상기 평가를 진행하기 위한 차량의 속도와 기상 조건을 포함하는 라이다 성능 평가 시스템.
3. 제 1항에 있어서,
   상기 검지 평가 수행부는,
   상기 라이다가 상기 평가용 물체를 검지하였는지 판단하는 검지 여부 판단 모듈;
   상기 평가용 물체를 검지하면, 상기 평가용 물체를 검지한 위치 및 시간을 포함하는 검지 측정 정보를 획득하는 검지 측정 정보 획득 모듈; 및
   상기 검지 측정 정보를 이용하여 상기 검지 평가 결과를 생성하는 검지 평가 결과 생성 모듈;을 포함하는 라이다 성능 평가 시스템.
4. 제 1항에 있어서,
   상기 인식 평가 수행부는,
   상기 평가용 물체가 검지된 상기 검지 평가 결과가 생성되면, 상기 평가용 물체 정보로부터 상기 인식 평가를 위한 인식 조건을 획득하고 인식 판단 기준을 결정하는 인식 판단 기준 획득 모듈;
   상기 인식 판단 기준을 이용하여 상기 평가용 물체의 인식 여부를 판단하는 물체 인식 판단 모듈;
   상기 평가용 물체를 인식하면, 상기 평가용 물체를 인식한 위치 및 시간을 포함하는 인식 측정 정보를 획득하는 인식 측정 정보 획득 모듈; 및
   상기 인식 측정 정보를 이용하여 상기 인식 평가 결과를 생성하는 인식 평가 결과 생성 모듈;을 포함하는 라이다 성능 평가 시스템.
5. 제 4항에 있어서,
   상기 물체 인식 판단 모듈은,
   상기 평가용 물체를 인식하지 못하면 상기 차량의 현재 위치와 상기 평가용 물체를 검지한 위치 사이의 거리인 실시간 인식 거리 및 상기 인식 조건에 포함된 인식 한계 거리를 비교하고, 상기 실시간 인식 거리가 상기 인식 한계 거리보다 큰 경우 상기 평가용 물체 인식 여부를 계속 판단하는 라이다 성능 평가 시스템.
6. 제 1항에 있어서,
   상기 평가 결과 출력부는,
   상기 검지 평가 결과 및 상기 인식 평가 결과 중 상기 검지 거리 및 상기 인식 거리를 상기 인식 조건에 포함된 인식 한계 거리와 비교하고 비교 결과를 출력하는 한계 거리 비교 모듈; 및
   상기 비교 결과, 상기 검지 거리 또는 상기 인식 거리가 상기 인식 한계 거리보다 작은 경우 검지 불합격 평가 또는 인식 불합격 평가를 상기 평가 결과로 출력하고, 상기 검지 거리 또는 상기 인식 거리가 상기 인식 한계 거리 이상인 경우 검지 합격 평가 또는 인식 합격 평가를 상기 평가 결과로 출력하는 평가 결과 생성 모듈;을 포함하는 라이다 성능 평가 시스템.
7. 제 6항에 있어서,
   상기 평가 결과 저장부는,
   상기 평가 결과를 획득하고 저장하는 평가 결과 저장 모듈;
   상기 평가 결과 중 상기 검지 합격 평가 또는 상기 인식 합격 평가를 이용하여 인식 한계 거리 학습을 수행하고 상기 인식 한계 거리 갱신을 수행하는 인식 한계 거리 학습 모듈; 및
   상기 평가 결과 중 상기 검지 합격 평가 또는 상기 인식 합격 평가를 이용하여 인식 조건 학습을 수행하고 상기 인식 조건 갱신을 수행하는 인식 조건 학습 모듈;을 포함하는 라이다 성능 평가 시스템.
8. 차량 주행 정보를 획득하도록 구비되는 라이다의 성능을 평가하기 위해 평가 조건 설정부를 이용하여 적어도 하나의 평가 조건을 설정하는 단계;
   검지 평가 수행부를 이용하여 상기 평가 조건에 따라 평가용 물체의 검지 정보를 획득하는 검지 평가를 수행하고 검지 평가 결과를 생성하는 단계;
   상기 검지 평가 결과에 따라 인식 평가 수행부를 이용하여 상기 평가용 물체의 인식 정보를 획득하는 인식 평가를 수행하고 인식 평가 결과를 생성하는 단계;
   상기 검지 평가 결과 및 상기 인식 평가 결과를 이용하여 평가 결과 출력부를 통해 상기 라이다의 성능 평가 결과를 출력하는 단계; 및
   평가 결과 저장부를 이용하여 상기 검지 평가 결과 및 상기 인식 평가 결과를 저장하고 학습을 통해 상기 평가 조건을 보정하는 단계;를 포함하며
   상기 검지 평가 결과는, 상기 물체의 검지 시간, 검지 위치 및 검지 거리를 포함하고,
   상기 인식 평가 결과는, 상기 물체의 인식 시간, 인식 위치 및 인식 거리를 포함하는 라이다 성능 평가 방법.
9. 제 8항에 있어서,
   상기 적어도 하나의 평가 조건을 설정하는 단계는,
   상기 평가용 물체 정보를 설정하는 단계; 및
   상기 차량 주행 정보를 설정하는 단계;를 포함하며
   상기 평가용 물체 정보는 상기 인식 평가를 위한 인식 조건을 포함하고,
   상기 차량 주행 정보는 상기 평가를 진행하기 위한 차량의 속도와 기상 조건을 포함하는 라이다 성능 평가 방법.
10. 제 8항에 있어서,
    상기 검지 평가 결과를 생성하는 단계는,
    상기 라이다가 상기 평가용 물체를 검지하였는지 판단하는 단계;
    상기 평가용 물체를 검지하면, 상기 평가용 물체를 검지한 위치 및 시간을 포함하는 검지 측정 정보를 획득하는 단계; 및
    상기 검지 측정 정보를 이용하여 상기 검지 평가 결과를 생성하는 단계;를 포함하는 라이다 성능 평가 방법.
11. 제 8항에 있어서,
    상기 인식 평가 결과를 생성하는 단계는,
    상기 평가용 물체가 검지된 상기 검지 평가 결과가 생성되면, 상기 평가용 물체 정보로부터 상기 인식 평가를 위한 인식 조건을 획득하고 인식 판단 기준을 결정하는 단계;
    상기 인식 판단 기준을 이용하여 상기 평가용 물체의 인식 여부를 판단하는 단계;
    상기 평가용 물체를 인식하면, 상기 평가용 물체를 인식한 위치 및 시간을 포함하는 인식 측정 정보를 획득하는 단계; 및
    상기 인식 측정 정보를 이용하여 상기 인식 평가 결과를 생성하는 단계;를 포함하는 라이다 성능 평가 방법.
12. 제 11항에 있어서,
    상기 평가용 물체의 인식 여부를 판단하는 단계는,
    상기 평가용 물체를 인식하지 못하면 상기 차량의 현재 위치와 상기 평가용 물체를 검지한 위치 사이의 거리인 실시간 인식 거리 및 상기 인식 조건에 포함된 인식 한계 거리를 비교하고, 상기 실시간 인식 거리가 상기 인식 한계 거리보다 큰 경우 상기 평가용 물체 인식 여부를 계속 판단하는 라이다 성능 평가 방법.
13. 제 8항에 있어서,
    상기 라이다의 성능 평가 결과를 출력하는 단계는,
    상기 검지 평가 결과 및 상기 인식 평가 결과 중 상기 검지 거리 및 상기 인식 거리를 상기 인식 조건에 포함된 인식 한계 거리와 비교하고 비교 결과를 출력하는 단계; 및
    상기 비교 결과, 상기 검지 거리 또는 상기 인식 거리가 상기 인식 한계 거리보다 작은 경우 검지 불합격 평가 또는 인식 불합격 평가를 상기 평가 결과로 출력하고, 상기 검지 거리 또는 상기 인식 거리가 상기 인식 한계 거리 이상인 경우 검지 합격 평가 또는 인식 합격 평가를 상기 평가 결과로 출력하는 단계;를 포함하는 라이다 성능 평가 방법.
14. 제 13항에 있어서,
    상기 학습을 통해 평가 기준을 보정하는 단계는,
    상기 평가 결과를 획득하고 저장하는 단계;
    상기 평가 결과 중 상기 검지 합격 평가 또는 상기 인식 합격 평가를 이용하여 인식 한계 거리 학습을 수행하고 상기 인식 한계 거리 갱신을 수행하는 단계; 및
    상기 평가 결과 중 상기 검지 합격 평가 또는 상기 인식 합격 평가를 이용하여 인식 조건 학습을 수행하고 상기 인식 조건 갱신을 수행하는 단계;를 포함하는 라이다 성능 평가 방법.

Images