KR20240024778A - 지면 포인트 클라우드 세그먼트화 방법 및 장치 및 자율 주행 차량 - Google Patents

지면 포인트 클라우드 세그먼트화 방법 및 장치 및 자율 주행 차량 Download PDF

Info

Publication number
KR20240024778A
KR20240024778A KR1020237037319A KR20237037319A KR20240024778A KR 20240024778 A KR20240024778 A KR 20240024778A KR 1020237037319 A KR1020237037319 A KR 1020237037319A KR 20237037319 A KR20237037319 A KR 20237037319A KR 20240024778 A KR20240024778 A KR 20240024778A
Authority
KR
South Korea
Prior art keywords
grid
ground
equation
point cloud
central
Prior art date
Application number
KR1020237037319A
Other languages
English (en)
Inventor
진비아오 린
콩 딩
신유 수
치 콩
Original Assignee
징동 쿤펑 (지앙수) 테크놀로지 컴퍼니 리미티드
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 징동 쿤펑 (지앙수) 테크놀로지 컴퍼니 리미티드 filed Critical 징동 쿤펑 (지앙수) 테크놀로지 컴퍼니 리미티드
Publication of KR20240024778A publication Critical patent/KR20240024778A/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]
    • 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
    • G06T2207/30261—Obstacle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/56—Particle system, point based geometry or rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/61—Scene description

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Abstract

컴퓨터 분야에 관련된 지면 포인트 클라우드 세그먼트화 방법, 지면 포인트 클라우드 세그먼트화 장치 및 자율 주행 차량이 개시된다. 방법은: 관심 영역을 복수의 그리드로 분할하고, 관심 영역 내의 포인트 클라우드를 대응하는 그리드에 투입하는 단계(110); 각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식을 결정하는 단계(120); 레이더가 위치되는 그리드를 중심 그리드로서 취하고, 중심 그리드의 지면 방정식을 결정하는 단계; 중심 그리드를 지면 그리드로 표시하고, 각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식 및 중심 그리드의 지면 방정식에 따라, 중심 그리드로부터 점진적인 외향 확산을 수행하고, 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하는 단계; 및 각각의 그리드의 지면 방정식에 따라, 그리드 내의 포인트 클라우드가 지면 포인트 클라우드인지 여부를 결정하는 단계(150)를 포함한다. 이런 방식으로, 각각의 그리드에 대한 지면 방정식이 계산되고, 그리드가 지면 그리드 또는 비-지면 그리드인지와 상관없이, 그리드의 지면 방정식에 따라 그리드 내의 포인트 클라우드가 지면 포인트 또는 비-지면 포인트를 포함하는지가 정확히 결정될 수 있다.

Description

지면 포인트 클라우드 세그먼트화 방법 및 장치 및 자율 주행 차량
관련 출원에 대한 상호 참조
본 출원은 2021년 6월 22일에 출원된 중국 특허 출원 제202110691334.8호에 기초하고 이를 우선권으로 주장하며, 상기 출원의 개시내용은 인용에 의해 전체적으로 본원에 포함된다.
본 개시는 컴퓨터 분야에 관한 것이며, 특히 지면 포인트 클라우드 세그먼트화 방법(ground point cloud segmentation method), 지면 포인트 클라우드 세그먼트화 장치, 및 자율 주행 차량(autonomous vehicle)에 관한 것이다.
자율 주행 차량에는 주변 환경과 장애물을 감지하기 위한 다양한 센서가 장착된다. 예컨대, 자율 주행 차량에 장착된 레이더는 포인트 클라우드를 형성하기 위해 스캔할 수 있고, 레이더 포인트 클라우드(radar point cloud)를 사용하여 주변 환경 및 장애물이 감지될 수 있다.
레이더 포인트 클라우드를 사용하여 주변 장애물을 감지하기 전에, 포인트 클라우드의 지면 포인트 및 비-지면 포인트가 먼저 구별될 필요가 있다. 일부 관련 기술에서, 그리드(grid)의 포인트 클라우드의 평면 방정식(plane equation)에 따라 그리드가 지면 그리드인지 여부가 결정되고, 지면 그리드 내의 모든 포인트는 지면 포인트로 간주되고, 비-지면 그리드 내의 모든 포인트는 비-지면 포인트로 간주된다.
본 개시의 일부 실시예는 지면 포인트 클라우드 세그먼트화 방법을 제공하고, 방법은:
관심 영역을 복수의 그리드로 분할하고, 관심 영역 내의 포인트 클라우드를 대응하는 그리드에 투입하는 단계;
각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식을 결정하는 단계;
포인트 클라우드를 형성하기 위한 스캐닝을 수행하는 레이더가 위치되는 그리드를 중심 그리드(central grid)로서 취하고, 중심 그리드의 지면 방정식(ground equation)을 결정하는 단계;
중심 그리드를 지면 그리드로 표시하고, 각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식 및 중심 그리드의 지면 방정식에 따라, 광도 우선 그리드 순회 전략(breadth-first grid traversal policy)을 사용함으로써, 중심 그리드로부터 점진적인 외향 확산(gradual outward diffusion)을 수행하고, 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하는 단계; 및
각각의 그리드의 지면 방정식에 따라 각각의 그리드 내의 포인트 클라우드가 지면 포인트 클라우드인지 여부를 결정하는 단계를 포함한다.
일부 실시예에서, 중심 그리드로부터 점진적인 외향 확산을 수행하고, 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하는 단계는:
중심 그리드로부터 점진적으로 외향 확산시키고, 확산된 인접 그리드에 대해, 인접 그리드에서 중심 그리드에 더 가까운 그리드의 지면 방정식과, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 평면 방정식 사이의 유사도(similarity)에 따라, 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드인지 여부를 결정하는 단계; 및
인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드인지 여부에 따라, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 지면 방정식을 결정하는 단계를 포함한다.
일부 실시예에서, 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드인지 여부를 결정하는 단계는:
인접 그리드에서 중심 그리드에 더 가까운 그리드의 지면 방정식이 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 평면 방정식과 유사한 경우, 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드라고 결정하는 단계를 포함하고,
지면 방정식의 법선 벡터(normal vector)와 평면 방정식의 법선 벡터 사이의 편차가 허용 범위 내에 있고, 지면 방정식의 오프셋 항(offset term)과 평면 방정식의 오프셋 항 사이의 편차가 허용 범위 내에 있는 경우, 지면 방정식은 평면 방정식과 유사한 것으로 간주된다.
일부 실시예에서, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 지면 방정식을 결정하는 단계는: 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드인 경우, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 지면 방정식이 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 평면 방정식과 동일하도록 하고, 그렇지 않은 경우, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 지면 방정식이 인접 그리드에서 중심 그리드에 더 가까운 그리드의 지면 방정식과 동일하도록 하는 단계를 포함한다.
일부 실시예에서, 각각의 그리드의 지면 방정식에 따라 각각의 그리드 내의 포인트 클라우드가 지면 포인트 클라우드인지 여부를 결정하는 단계는: 그리드 내의 포인트 클라우드의 포인트로부터 그리드의 지면 방정식까지의 거리가 지면 포인트 클라우드로부터 지면 방정식까지의 최대 거리보다 작은 경우, 포인트를 지면 포인트로 간주하고, 그렇지 않은 경우, 포인트를 비-지면 포인트로 간주하는 단계를 포함한다.
일부 실시예에서, 중심 그리드로부터 점진적인 외향 확산을 수행하고, 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하는 단계는:
선입 선출 큐(first-in first-out queue)를 유지하는 단계 ― 큐 내의 관심 영역의 각각의 그리드는 상태량(state quantity)을 유지하고, 상태량은: 그리드가 방문되었고 지면 그리드로서 식별되었음을 나타내는 제1 상태, 그리드가 방문되지 않았음을 나타내는 제2 상태, 및 그리드가 방문되었고 지면 그리드로서 식별되지 않았음을 나타내는 제3 상태를 포함함 ― ;
중심 그리드(c0)를 큐(queue)에 추가하고, 중심 그리드(c0)의 상태량을 제1 상태로 표시하는 단계;
큐의 머리에서 그리드(ci)를 취출하는 단계 ― 그리드(ci)의 초기 값은 중심 그리드(c0)임 ― ;
그리드(ci)에 인접한 임의의 그리드(cj)를 선택하는 단계;
그리드(cj)의 상태량이 제2 상태인 경우, 그리드(cj)를 큐의 꼬리에 추가하는 단계;
그리드(cj)의 상태량이 제1 상태가 아닌 경우, 그리드(ci)의 지면 방정식과 그리드(cj)의 평면 방정식 사이의 유사도를 결정하는 단계;
그리드(ci)의 지면 방정식이 그리드(cj)의 평면 방정식과 유사한 경우, 그리드(cj)를 지면 그리드로 표시하고, 그리드(cj)의 상태량을 제1 상태로 설정하고, 그리드(cj)의 지면 방정식이 그리드(cj)의 평면 방정식과 동일하도록 하는 단계; 및
그리드(ci)의 지면 방정식이 그리드(cj)의 평면 방정식과 유사하지 않은 경우, 그리드(cj)의 상태량을 제3 상태로 설정하고, 그리드(cj)의 지면 방정식이 그리드(ci)의 지면 방정식과 동일하도록 하는 단계를 포함한다.
일부 실시예에서, 그리드(ci)의 지면 방정식과 그리드(cj)의 평면 방정식 사이의 유사도를 결정하는 단계는:
다음의 2개의 조건이 동시에 충족되는 경우, 그리드(ci)의 지면 방정식을 그리드(cj)의 평면 방정식과 유사하다고 간주하고, 그렇지 않은 경우, 그리드(ci)의 지면 방정식을 그리드(cj)의 평면 방정식과 유사하지 않다고 간주하는 단계를 포함하고,
wj는 그리드(cj)의 평면 방정식의 법선 벡터를 나타내고, ni는 그리드(ci)의 지면 방정식의 법선 벡터를 나타내고, α는 지면 방정식의 법선 벡터로부터의 평면 방정식의 법선 벡터의 허용 가능한 편차 허용 값을 나타내고, bj는 그리드(cj)의 평면 방정식의 오프셋 항을 나타내고, gi는 그리드(ci)의 지면 방정식의 오프셋 항을 나타내고, β는 지면 방정식의 오프셋 항으로부터의 평면 방정식의 오프셋 항의 허용 가능한 편차 허용 값을 나타낸다.
일부 실시예에서, 각각의 그리드의 지면 방정식에 따라 각각의 그리드 내의 포인트 클라우드가 지면 포인트 클라우드인지 여부를 결정하는 단계는:
그리드(ci)에 대해, 그리드(ci) 내의 포인트 클라우드의 포인트 가 를 충족시키는 경우, 포인트를 지면 포인트로 간주하고, 그렇지 않은 경우, 포인트를 비-지면 포인트로 간주하는 단계를 포함하고,
ni는 그리드(ci)의 지면 방정식의 법선 벡터를 나타내고, gi는 그리드(ci)의 지면 방정식의 오프셋 항을 나타내고, 는 지면 포인트 클라우드로부터 지면 방정식까지의 최대 거리를 나타낸다.
일부 실시예에서, 중심 그리드의 지면 방정식은 이고, 이고, 여기서 g0는 지면으로부터의 레이더의 높이이고, 는 중심 그리드에서 포인트의 위치를 나타낸다.
일부 실시예에서, 각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식은 랜덤 샘플 컨센서스 알고리즘(random sample consensus algorithm) 또는 특이값 분해 알고리즘(singular value decomposition algorithm)을 사용함으로써 피팅(fit)된다.
일부 실시예에서, 관심 영역은 최상부 화각(top view angle)에 따라 복수의 그리드로 분할되고, 관심 영역 내의 포인트 클라우드는 포인트 클라우드의 위치 좌표에 따라 대응하는 그리드에 투입된다.
본 개시의 일부 실시예는 지면 포인트 클라우드 세그먼트화 장치를 제공하고, 장치는: 메모리; 및 메모리에 결합된 프로세서를 포함하고, 프로세서는 메모리에 저장된 명령에 기초하여 지면 포인트 클라우드 세그먼트화 방법을 수행하도록 구성된다.
본 개시의 일부 실시예는 지면 포인트 클라우드 세그먼트화 장치를 제공하고, 장치는:
관심 영역을 복수의 그리드로 분할하고, 관심 영역 내의 포인트 클라우드를 대응하는 그리드에 투입하도록 구성된 그리드 분할 유닛;
각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식을 결정하도록 구성된 평면 방정식 결정 유닛;
포인트 클라우드를 형성하기 위한 스캐닝을 수행하는 레이더가 위치되는 그리드를 중심 그리드로서 취하고, 중심 그리드의 지면 방정식을 결정하고; 중심 그리드를 지면 그리드로 표시하고, 각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식 및 중심 그리드의 지면 방정식에 따라, 광도 우선 그리드 순회 전략을 사용함으로써, 중심 그리드로부터 점진적인 외향 확산을 수행하고, 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하도록 구성된 평면 방정식 결정 유닛; 및
각각의 그리드의 지면 방정식에 따라 각각의 그리드 내의 포인트 클라우드가 지면 포인트 클라우드인지 여부를 결정하도록 구성된 지면 포인트 클라우드 분할 유닛을 포함한다.
본 개시의 일부 실시예는 자율 주행 차량을 제공하고, 자율 주행 차량은: 포인트 클라우드를 형성하기 위한 스캐닝을 수행하도록 구성된 레이더, 및 지면 포인트 클라우드 세그먼트화 장치를 포함한다.
본 개시의 일부 실시예는 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체를 제공하고, 컴퓨터 프로그램은, 프로세서에 의해 실행될 때, 실시예의 지면 포인트 클라우드 세그먼트화 방법의 단계들을 구현한다.
실시예 또는 관련 기술에 대한 설명에서 사용되도록 요구된 도면들이 아래에 간략히 설명될 것이다. 본 개시는 다음의 첨부된 도면으로부터 더 명백히 이해될 것이고, 상세한 설명은 첨부된 도면을 참조하여 진행된다.
명백히, 다음의 설명에서 도면은 본 개시의 일부 실시예에 불과할 뿐, 다른 도면은 창작의 노력 없이 이러한 도면으로부터 당업자에 의해 획득될 수 있다.
도 1은 본 개시의 일부 실시예에 따른 지면 포인트 클라우드 세그먼트화 방법의 개략적인 흐름도를 도시한다.
도 2a는 본 개시의 일부 실시예에 따른 지면 포인트 클라우드 식별 효과의 개략도를 도시한다.
도 2b는 관련 기술의 불연속 포인트 클라우드의 경우에서 지면 그리드와 비-지면 그리드의 오판단 문제를 예시하기 위한 개략도이다.
도 3은 본 개시의 일부 실시예에 따른 지면 포인트 클라우드 세그먼트화 장치의 개략적인 구조도이다.
도 4는 본 개시의 일부 실시예에 따른 지면 포인트 클라우드 세그먼트화 장치의 개략적인 구조도이다.
도 5는 본 개시의 일부 실시예에 따른 자율 주행 차량의 개략적인 구조도이다.
본 개시의 실시예의 기술적 해결책들은 본 개시의 실시예의 도면들과 함께 명확하고 완전하게 아래에 설명될 것이다.
특별히 달리 언급되지 않는 한, 본 개시에서 '제1', '제2', '제3' 등에 대한 설명은 상이한 객체를 구별하는 데 사용되며, 크기 또는 시간 순서 등의 의미를 나타내는 데 사용되지는 않는다.
관련 기술의 지면 포인트 클라우드 세그먼트화 방법에 따르면, 그리드의 포인트 클라우드의 평면 방정식에 따라 그리드가 지면 그리드인지 여부가 판단되고, 지면 그리드 내의 모든 포인트는 지면 포인트로 간주되고, 비-지면 그리드 내의 모든 포인트는 비-지면 포인트로 간주되고, 하나의 그리드가 장애물 포인트 클라우드의 작은 부분 및 지면 포인트의 큰 부분을 포함하는 경우, 그리드는 지면 그리드로 결정될 것이고, 그리드 내의 모든 포인트는 지면 포인트로 간주될 것이어서, 그리드 내의 장애물 포인트 클라우드가 지면 포인트로 오판단될 것이고, 하나의 그리드가 지면 포인트의 작은 부분 및 장애물 포인트 클라우드의 큰 부분을 포함하는 경우, 그리드는 비-지면 그리드로 결정될 것이고, 그리드 내의 모든 포인트는 비-지면 포인트로 간주될 것이고, 그리드 내의 지면 포인트는 비-지면 포인트로 오판단될 것이다.
본 개시의 실시예에 의해 해결될 하나의 기술적 문제는, 관련 기술에서 위에서 언급한 지면 포인트 클라우드의 오판단 문제이다.
일부의 실시예에서, 각각의 그리드에 대한 지면 방정식이 계산되고, 그리드가 지면 그리드이든 비-지면 그리드이든 상관없이, 그리드의 지면 방정식에 따라 그리드 내의 포인트 클라우드가 지면 포인트 또는 비-지면 포인트로 정확하게 결정될 수 있고, 이로써 관련 기술에서 위에서 언급한 지면 포인트 클라우드의 오판단 문제를 해결할 수 있다.
본 개시에서 3차원 좌표계는 관례, 즉, 레이더 중심이 원점으로 취해지고, 전방 방향이 X축이고, 좌측 방향이 Y축이고, 상방 방향이 Z축인 오른손 좌표계를 따를 수 있다. 무인 배송 차량과 같은 자율 주행 차량을 예를 들자면, 자율 주행 차량에 메인 레이더 및 갭 필러 레이더(gap filler radar)가 장착된 경우, 메인 레이더의 중심이 원점으로 취해지고, 차량 헤드를 따라 전방 방향은 X축이고, 좌측 방향은 Y축이고, 상방 방향은 Z축이다.
본 개시의 실시예에 의해 제공된 지면 포인트 클라우드 세그먼트화 방법에서, 각각의 그리드에 대해, 그리드가 블랭크 그리드(blank grid), 지면 그리드 또는 비-지면 그리드인지에 관계없이, 그리드에 대응하는 지면 방정식이 계산되고, 레이더 중심이 위치된 그리드로부터 지면 방정식이 확산되어 외부로 전파되고, 이로써 관련 기술의 오판단과 같은 다양한 문제를 개선한다. 본 개시의 해결책 및 그의 효과는 첨부된 도면과 함께 아래에 상세히 설명된다.
도 1은 본 개시의 일부 실시예에 따른 지면 포인트 클라우드 세그먼트화 방법의 개략적인 흐름도를 도시한다. 지면 포인트 클라우드 세그먼트화 방법은, 예컨대, 지면 포인트 클라우드 세그먼트화 장치에 의해 수행될 수 있다.
도 1에 도시된 바와 같이, 이 실시예의 지면 포인트 클라우드 세그먼트화 방법은 단계들(110-150)을 포함한다.
단계(110)에서, 관심 영역은 복수의 그리드로 분할되고, 관심 영역 내의 포인트 클라우드는 대응하는 그리드에 투입된다.
관심 영역은 최상부 화각에 따라 복수의 그리드, 예컨대, M×N개의 그리드로 분할되고, 관심 영역 내의 포인트 클라우드는 포인트 클라우드의 위치 좌표(x, y)에 기초하여 대응하는 그리드에 투입된다.
그리드의 분할이 미세할수록, 지면 포인트 클라우드 세그먼트화의 정확도가 높아지고, 필요한 컴퓨팅 능력이 높아지게 된다. 단일 그리드 셀의 기준 치수는, 예컨대 0.2 미터 × 0.2 미터이지만, 예시된 예에 제한되지는 않는다. 무인 배송 차량을 예를 들자면, 관심 영역의 기준값은 차량 전후 각각 30 미터, 차량 좌우 각각 15 미터, 및 총 60 미터×30 미터의 영역이고, 300×150개의 그리드로 분할될 수 있다.
단계(120)에서, 각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식이 결정된다.
예컨대, 각각의 그리드의 포인트 클라우드에 대응하는 평면 방정식을 피팅하기 위해 RANSAC(random sample consensus) 알고리즘이 사용된다.
또 다른 예에 대해, 각각의 그리드의 포인트 클라우드에 대응하는 평면 방정식을 피팅하기 위해 SVD(Singular Value Decomposition) 알고리즘이 사용된다.
특정 알고리즘 및 그에 대한 피팅 프로세스에 대해서, 관련 기술에 대해 참조가 이루어질 수 있고, 이는 본 명세서에서 다시 설명되지 않는다.
또한, 포인트 클라우드 수가 3 미만인 그리드의 경우, 그리드의 평면 방정식이 결정되기 어렵고, 그러면 그의 이웃 그리드들 중 어느 하나의 평면 방정식이 그리드의 평면 방정식으로서 사용될 수 있다.
그리드(ci)의 평면 방정식을 이 되도록 하고, 여기서, wi는 그리드(cj)의 평면 방정식의 정규화된 법선 벡터이고, 벡터 길이가 1이고 제3 성분이 0 이상인 3차원 벡터이고, bj는 그리드(cj)의 평면 방정식의 오프셋 항을 나타내고 스칼라(scalar)이고, 는 그리드(ci) 내의 포인트의 위치를 나타낸다.
단계(130)에서, 포인트 클라우드를 형성하기 위한 스캐닝을 수행하는 레이더가 위치되는 그리드가 중심 그리드로서 취해지고, 중심 그리드의 지면 방정식이 결정된다.
레이더가 위치된 무인 배송 차량과 같은 자율 주행 차량의 설계 파라미터에 따라, 중심 그리드(c0)의 지면 방정식은 으로 결정된다. 레이더가 수평적으로 설치되고, 그의 xoy 평면이 지면에 평행하기 때문에, 이고, g0는 지면으로부터의 레이더의 높이이고, 는 중심 그리드에서 포인트의 위치를 나타낸다. 지면 방정식은 그리드 내의 지면 포인트를 설명하기 위한 방정식이다.
레이더는, 예컨대, 레이저 레이더이다. 레이저 레이더는 기계식 로터리 레이저 레이더, 로터리 미러 레이저 레이더, 고체 레이저 레이더 등을 포함한다. 기계식 로터리 레이저 레이더는 360도의 수평 시야각, 긴 검출 거리, 안정적인 측정 결과를 가지며, 일반적으로 무인 배송 차량의 메인 레이더로 사용된다. 로터리 미러 레이저 레이더 및 고체 레이저 레이더는 수평 시야각 및 검출 거리 둘 모두에서 기계적 로터리 레이저 레이더에 비해 열등하지만, 상대적으로 가격이 저렴하며, 일반적으로 메인 레이더를 보완하기 위해 무인 배송 차량에서 갭 필러 레이더로 사용된다. 레이저 레이더는 멀티 라인 레이저 레이더일 수 있으며, 능동적인 검출 감지 시스템으로서, 타겟의 3차원 정보를 정확하게 획득할 수 있고, 고해상도, 강한 간섭 방지 능력(strong anti-interference capability), 넓은 검출 범위, 거의 전천후 작업(near all-weather work) 등의 장점을 갖는다.
단계(140)에서, 중심 그리드가 지면 그리드로 표시되고, 각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식 및 중심 그리드의 지면 방정식에 따라, 광도 우선 그리드 순회 전략을 사용함으로써, 중심 그리드로부터 점진적인 외향 확산이 수행되고, 관심 영역 내의 각각의 그리드의 지면 방정식이 계산된다.
일부 실시예에서, 중심 그리드로부터 점진적인 외향 확산을 수행하고, 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하는 단계는 다음의 단계를 포함한다.
우선, 이것은 중심 그리드로부터 점진적으로 외향 확산시키고, 확산된 인접 그리드에 대해, 인접 그리드에서 중심 그리드에 더 가까운 그리드의 지면 방정식과, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 평면 방정식 사이의 유사도에 따라, 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드인지 여부가 결정된다. 인접 그리드에서 중심 그리드에 더 가까운 그리드의 지면 방정식이 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 평면 방정식과 유사한 경우, 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드라고 결정된다. 지면 방정식의 법선 벡터와 평면 방정식의 법선 벡터 사이의 편차가 허용 범위 내에 있고, 지면 방정식의 오프셋 항과 평면 방정식의 오프셋 항 사이의 편차가 허용 범위 내에 있는 경우, 지면 방정식은 평면 방정식과 유사한 것으로 간주된다.
다음에, 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드인지 여부에 따라, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 지면 방정식이 결정된다. 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드인 경우, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 지면 방정식이 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 평면 방정식과 동일하도록 하고, 그렇지 않은 경우, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 지면 방정식이 인접 그리드에서 중심 그리드에 더 가까운 그리드의 지면 방정식과 동일하도록 한다.
중심 그리드로부터 점진적인 외향 확산을 수행하고, 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하는 단계는 공식과 관련하여 아래에 더 상세히 설명된다.
우선, 선입 선출 큐(queue)가 유지되고, 큐 내의 관심 영역 내의 각각의 그리드는 상태량을 유지한다. 상태량(state)은: 그리드가 방문되었고 지면 그리드로 식별되었음을 나타내는 제1 상태(GROUND), 그리드가 방문되지 않았음을 나타내는 제2 상태(UNVISITED), 및 그리드가 방문되었지만 지면 그리드로 식별되지 않았음을 나타내는 제3 상태(FREE)를 포함한다.
다음에, 중심 그리드(c0)가 큐에 추가되고, 중심 그리드(c0)의 상태량이 제1 상태(GROUND)로 표시된다. 큐가 비어 있지 않으면, 다음 동작이 계속된다.
다음에, 큐의 머리 내의 그리드(ci)가 취출되고, 그리드(ci)(또는, 제1 그리드(ci))의 초기값은 중심 그리드(c0)이다.
다음에, 그리드(ci)에 인접한 임의의 그리드(cj)가 선택된다. 그리드(ci)에 인접한 4개의 그리드가 있다.
다음에, 그리드(cj)의 상태량이 제2 상태(UNVISITED)인 경우, 그리드(cj)는 큐의 꼬리에 추가된다.
다음에, 그리드(cj)의 상태량이 제1 상태가 아닌 경우(즉, GROUND가 아님), 그리드(ci)의 지면 방정식과 그리드(cj)의 평면 방정식의 유사성이 결정된다.
일부 실시예에서, 그리드(ci)의 지면 방정식은, 다음의 2개의 조건들이 동시에 충족되는 경우 그리드(cj)의 평면 방정식과 유사한 것으로 간주되고, 그렇지 않은 경우 그리드(ci)의 지면 방정식은 그리드(cj)의 평면 방정식과 다른 것으로 간주되고,
wj는 그리드(cj)의 평면 방정식의 법선 벡터를 나타내고, ni는 그리드(ci)의 지면 방정식의 법선 벡터를 나타내고, α는 지면 방정식의 법선 벡터로부터의 평면 방정식의 법선 벡터의 허용 가능한 편차 허용 값을 나타내고, bj는 그리드(cj)의 평면 방정식의 오프셋 항을 나타내고, gi는 그리드(ci)의 지면 방정식의 오프셋 항을 나타내고, β는 지면 방정식의 오프셋 항으로부터의 평면 방정식의 오프셋 항의 허용 가능한 편차 허용 값을 나타낸다. α의 기준값은 0.2이고, β의 기준값은 0.3이지만, 기준값은 제공된 예로 제한되지 않는다.
다른 실시예에서, 그리드(ci)의 지면 방정식은 또한, 가 충족되는 경우, 그리드(cj)의 평면 방정식과 유사한 것으로 간주될 수 있다.
마지막으로, 그리드(ci)의 지면 방정식이 그리드(cj)의 평면 방정식과 유사한 경우, 그리드(cj)는 지면 그리드로 표시되고, 그리드(cj)의 상태량이 제1 상태로 설정하고, 그리드(cj)의 지면 방정식이 그리드(cj)의 평면 방정식과 동일하도록 하는데, 즉, 이다. 그리드(ci)의 지면 방정식이 그리드(cj)의 평면 방정식과 유사하지 않은 경우, 그리드(cj)의 상태량을 제3 상태(FREE)로 설정되고, 그리드(cj)의 지면 방정식이 그리드(ci)의 지면 방정식과 동일하도록 하고, 즉, 이다.
단계(150)에서, 각각의 그리드의 지면 방정식에 따라 각각의 그리드 내의 포인트 클라우드가 지면 포인트 클라우드인지 여부가 결정된다.
그리드 내의 포인트 클라우드의 포인트로부터 그리드의 지면 방정식까지의 거리가 지면 포인트 클라우드로부터 지면 방정식까지의 최대 거리보다 작은 경우, 포인트가 지면 포인트로 간주되고, 그렇지 않은 경우, 포인트가 비-지면 포인트로 간주된다.
임의의 그리드(ci)에 대해, 그리드(ci) 내의 포인트 클라우드의 포인트 가 를 충족시키는 경우, 포인트가 지면 포인트로 간주되고, 그렇지 않은 경우, 포인트가 비-지면 포인트로 간주되고, 여기서 ni는 그리드(ci)의 지면 방정식의 법선 벡터를 나타내고, gi는 그리드(ci)의 지면 방정식의 오프셋 항을 나타내고, 는 지면 포인트 클라우드로부터 지면 방정식까지의 최대 거리를 나타내고, 기준 값은 0.1이지만 이에 제한되지 않는다.
위의 실시예는 다음의 효과를 갖는다.
(1) 각각의 그리드에 대한 지면 방정식이 계산되고, 그리드가 지면 그리드이든 비-지면 그리드이든 상관없이, 그리드의 지면 방정식에 따라 그리드 내의 포인트 클라우드가 지면 포인트 또는 비-지면 포인트로 정확하게 판단될 수 있고, 이로써 관련 기술의 지면 포인트 클라우드의 오판단 문제를 해결할 수 있다.
도 2a에 도시된 바와 같이, 4개의 꽃 형상의 포인트 클라우드는 회전형 거울 레이저 레이더의 포인트 클라우드이고, 우측 상단의 꽃 형상의 포인트 클라우드의 우측에 있는 직사각형 상자는 연석(curb)과 지면을 포함하는 그리드를 도시한다. 관련 기술에 따르면, 연석의 포인트 클라우드의 수가 지면 포인트 클라우드의 수보다 적기 때문에, 그리드는 지면 그리드로 판단될 것이고, 그리드 내의 포인트 클라우드는 모두 지면 포인트 클라우드로 판단되는 경우, 그리드 내의 연석이 식별될 수 없다. 본 개시의 해결책에 따라, 그리드의 지면 방정식에 따르면, 그리드 내의 지면 포인트 클라우드가 지면 포인트 클라우드로 판단되고, 그리드 내의 연석의 포인트 클라우드가 비-지면 포인트 클라우드로 판단되는 경우, 그리드 내의 연석이 정확하게 식별될 수 있다.
(2) 블랭크 그리드가 또한 지면 방정식을 유지하고, 지면 방정식이 레이더로부터 외부로 확산되기 때문에, 지면의 기울기 변화(gradient change)가 잘 적응될 수 있어서, 불연속 포인트 클라우드의 경우에조차 지면 그리드 및 비-지면 그리드가 정확하게 판단될 수 있고, 이로써 관련 기술에서 불연속 포인트 클라우드의 경우에 지면 그리드와 비-지면 그리드의 오판단 문제를 회피할 수 있다.
관련 기술에서 불연속 포인트 클라우드의 경우에 지면 그리드 및 비-지면 그리드의 오판단 문제가 도 2를 참조하여 아래에 설명된다. 레이저 레이더의 스캐닝 특징 및 스캐닝 블라인드 영역의 존재로 인해, 포인트 클라우드에서 캐비티(cavity) 및 불연속 현상이 필연적으로 존재한다. 도 2b에서, 무인 배송 차량의 전방에 약간의 경사가 있고, 제1 열(column)의 그리드(즉, 파선 사각형의 그리드)는 수평 지면을 나타내고, 제2 열의 그리드, 및 제3 열의 그리드 중 첫 번째 그리드 및 제5 열의 그리드 중 두 번째 및 세 번째 그리드(즉, 실선 사각형의 그리드)는 함께 경사 상의 지면을 나타내고, 제4 열의 그리드 중 두 번째 및 세 번째 블랭크 그리드는 레이더 스캐닝 블라인드 영역을 나타내고, 다른 그리드(즉, 회색 그리드)는 장애물을 나타낸다. 블랭크 그리드는 스캐닝 동안 장애물에 의해 차폐되고, 따라서 블랭크 그리드 내부에 어떠한 포인트 클라우드도 존재하지 않는다. 블랭크 그리드를 제외하고, 다른 그리드는 내부에 포인트 클라우드를 갖는다. 양방향 화살표는 관련 기술의 유사도 기준을 사용하여 2개의 그리드가 유사한 것으로 판단될 수 있음을 나타낸다. 관련 기술에 따르면, 먼저 제1 열의 그리드의 평면 방정식의 법선 벡터가 에 가깝기 때문에 제1 열의 그리드는 지면 그리드로 판단될 것이고, 그런 다음 제2 열의 그리드가 제1 열의 그리드와 유사하기 때문에, 제2 열의 그리드가 또한 지면 그리드로 판단될 것이고, 마찬가지로 제3 열의 그리드 중 첫 번째 그리드가 또한 지면 그리드로 판단될 것이다. 그러나, 마지막 열의 그리드 중 두 번째 및 세 번째 그리드가 지면 그리드에 직접 연결되지 않기 때문에, 경사 상의 지면에 속하지만, 그들은 비-지면 그리드로 오판단될 것이다. 따라서, 관련 기술에서 불연속 포인트 클라우드의 경우에 지면 그리드 및 비-지면 그리드의 오판단 문제가 존재한다.
(3) 지면 그리드 기준의 세심한 설계에 의해, 즉, 법선 벡터와 오프셋 항이 동시에 허용 편차 요건을 충족시킴으로써, 지면 그리드 및 일정 높이를 갖는 평면 그리드(지붕 그리드(roof grid) 등)가 잘 구별될 수 있다.
그리드가 일정 높이를 갖는 평면 그리드일 때, 예컨대, 그리드가 다른 차량의 상부에 위치할 때, 그리드 내의 포인트 클라우드는 수평 평면에 대략적으로 분포되고, 그리드의 법선 벡터는 (0,0,1)에 가깝다. 관련 기술의 결정 방법(평면 방정식의 법선 벡터의 z 값이 1에 가까운 그리드는 지면 그리드로 간주됨)에 따르면, 해당 그리드는 지면 그리드로 오판단될 것이다.
도 3은 본 개시의 일부 실시예에 따른 지면 포인트 클라우드 세그먼트화 장치의 개략적인 구조도이다.
도 3에 도시된 바와 같이, 본 실시예의 지면 포인트 클라우드 세그먼트화 장치(300)는: 메모리(310), 및 메모리(310)에 결합된 프로세서(320)를 포함하고, 프로세서(320)는 메모리(310)에 저장된 명령어들에 기초하여 전술한 실시예 중 임의의 것의 지면 포인트 클라우드 세그먼트화 방법을 수행하도록 구성된다.
메모리(310)는, 예컨대, 시스템 메모리, 고정된 비휘발성 저장 매체 등을 포함할 수 있다. 시스템 메모리는, 예컨대, 운영 체제, 애플리케이션 프로그램, 부트 로더(Boot Loader) 및 다른 프로그램들을 저장한다.
프로세서(320)는 범용 프로세서, 디지털 신호 프로세서(DSP), 주문형 집적 회로(ASIC), 필드 프로그래밍 가능 게이트 어레이(FPGA), 또는 다른 프로그래밍 가능 로직 디바이스들, 이산 게이트들 또는 트랜지스터들과 같은 이산 하드웨어 구성요소에 의해 구현될 수 있다.
지면 포인트 클라우드 세그먼트화 장치(300)는 입력/출력 인터페이스(330), 네트워크 인터페이스(340), 저장 인터페이스(350) 등을 더 포함할 수 있다. 이들 인터페이스(330, 340, 350)와 메모리(310) 및 프로세서(320)는, 예컨대, 버스(360)에 의해 연결될 수 있다. 입력/출력 인터페이스(330)는 디스플레이, 마우스, 키보드, 터치 스크린과 같은 입력/출력 디바이스를 위한 연결 인터페이스를 제공한다. 네트워크 인터페이스(340)는 다양한 네트워킹 디바이스에 대한 연결 인터페이스를 제공한다. 저장 인터페이스(350)는 SD 카드, U-디스크와 같은 외부 저장 디바이스에 대한 연결 인터페이스를 제공한다. 버스(360)는 다양한 버스 아키텍처들 중 임의의 것을 채용할 수 있다. 예컨대, 버스 아키텍처는 ISA(Industry Standard Architecture) 버스, MCA(Micro Channel Architecture) 버스 및 PCI(Peripheral Component Interconnect) 버스를 포함하지만, 이에 제한되지 않는다.
도 4는 본 개시의 일부 실시예에 따른 지면 포인트 클라우드 세그먼트화 장치의 개략적인 구조도이다.
도 4에 도시된 바와 같이, 이러한 실시예의 지면 포인트 클라우드 세그먼트화 장치(400)는 유닛(410-440)을 포함한다.
관심 영역을 복수의 그리드로 분할하고, 관심 영역 내의 포인트 클라우드를 대응하는 그리드에 투입하도록 구성된 그리드 분할 유닛(410).
각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식을 결정하도록 구성된 평면 방정식 결정 유닛(420).
포인트 클라우드를 형성하기 위한 스캐닝을 수행하는 레이더가 위치되는 그리드를 중심 그리드로서 취하고, 중심 그리드의 지면 방정식을 결정하고; 중심 그리드를 지면 그리드로 표시하고, 각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식 및 중심 그리드의 지면 방정식에 따라, 광도 우선 그리드 순회 전략을 사용함으로써, 중심 그리드로부터 점진적인 외향 확산을 수행하고, 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하도록 구성된 지면 방정식 결정 유닛(430).
각각의 그리드의 지면 방정식에 따라 각각의 그리드 내의 포인트 클라우드가 지면 포인트 클라우드인지 여부를 결정하도록 구성된 지면 포인트 클라우드 분할 유닛(440).
일부 실시예에서, 그리드 분할 유닛(410)은 관심 영역을 최상부 화각에 따라 복수의 그리드로 분할하고, 관심 영역 내의 포인트 클라우드를 포인트 클라우드의 위치 좌표에 따라 대응하는 그리드에 투입하도록 구성된다.
일부 실시예에서, 평면 방정식 결정 유닛(420)은 랜덤 샘플 컨센서스 알고리즘(random sample consensus algorithm) 또는 특이값 분해 알고리즘(singular value decomposition algorithm)을 사용함으로써 각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식을 피팅하도록 구성된다.
일부 실시예에서, 지면 방정식 결정 유닛(430)은, 중심 그리드로부터 점진적으로 외향 확산시키고, 확산된 인접 그리드에 대해, 인접 그리드에서 중심 그리드에 더 가까운 그리드의 지면 방정식과, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 평면 방정식 사이의 유사도에 따라, 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드인지 여부를 결정하고; 그리고 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드인지 여부에 따라, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 지면 방정식을 결정하도록 구성된다.
일부 실시예에서, 지면 방정식 결정 유닛(430)은, 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드인지 여부를 결정하면서: 인접 그리드에서 중심 그리드에 더 가까운 그리드의 지면 방정식이 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 평면 방정식과 유사한 경우, 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드라고 결정하도록 구성되고, 지면 방정식의 법선 벡터와 평면 방정식의 법선 벡터 사이의 편차가 허용 범위 내에 있고, 지면 방정식의 오프셋 항과 평면 방정식의 오프셋 항 사이의 편차가 허용 범위 내에 있는 경우, 지면 방정식은 평면 방정식과 유사한 것으로 간주된다.
일부 실시예에서, 지면 방정식 결정 유닛(430)은, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 지면 방정식을 결정하면서: 인접 그리드에서 중심 그리드로부터 더 먼 그리드가 지면 그리드인 경우, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 지면 방정식이 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 평면 방정식과 동일하도록 하고, 그렇지 않은 경우, 인접 그리드에서 중심 그리드로부터 더 먼 그리드의 지면 방정식이 인접 그리드에서 중심 그리드에 더 가까운 그리드의 지면 방정식과 동일하도록 하도록 구성된다.
일부 실시예에서, 지면 포인트 클라우드 분할 유닛(440)은, 그리드 내의 포인트 클라우드의 포인트로부터 그리드의 지면 방정식까지의 거리가 지면 포인트 클라우드로부터 지면 방정식까지의 최대 거리보다 작은 경우, 포인트를 지면 포인트로 간주하고, 그렇지 않은 경우, 포인트를 비-지면 포인트로 간주하도록 구성된다.
일부 실시예에서, 지면 방정식 결정 유닛(430)은:
선입 선출 큐(first-in first-out queue)를 유지하고 ― 큐 내의 관심 영역의 각각의 그리드는 상태량을 유지하고, 상태량은: 그리드가 방문되었고 지면 그리드로서 식별되었음을 나타내는 제1 상태, 그리드가 방문되지 않았음을 나타내는 제2 상태, 및 그리드가 방문되었고 지면 그리드로서 식별되지 않았음을 나타내는 제3 상태를 포함함 ― ;
중심 그리드(c0)를 큐에 추가하고, 중심 그리드(c0)의 상태량을 제1 상태로 표시하고;
큐의 머리에서 그리드(ci)를 취출하고 ― 그리드(ci)의 초기 값은 중심 그리드(c0)임 ― ;
그리드(ci)에 인접한 임의의 그리드(cj)를 선택하고;
그리드(cj)의 상태량이 제2 상태인 경우, 그리드(cj)를 큐의 꼬리에 추가하고;
그리드(cj)의 상태량이 제1 상태가 아닌 경우, 그리드(ci)의 지면 방정식과 그리드(cj)의 평면 방정식 사이의 유사도를 결정하고;
그리드(ci)의 지면 방정식이 그리드(cj)의 평면 방정식과 유사한 경우, 그리드(cj)를 지면 그리드로 표시하고, 그리드(cj)의 상태량을 제1 상태로 설정하고, 그리드(cj)의 지면 방정식이 그리드(cj)의 평면 방정식과 동일하도록 하고; 및
그리드(ci)의 지면 방정식이 그리드(cj)의 평면 방정식과 유사하지 않은 경우, 그리드(cj)의 상태량을 제3 상태로 설정하고, 그리드(cj)의 지면 방정식이 그리드(ci)의 지면 방정식과 동일하게 하도록 구성된다.
일부 실시예에서, 지면 방정식 결정 유닛(430)은, 그리드(ci)의 지면 방정식과 그리드(cj)의 평면 방정식 사이의 유사도를 결정하면서, 다음의 2개의 조건이 동시에 충족되는 경우, 그리드(ci)의 지면 방정식을 그리드(cj)의 평면 방정식과 유사하다고 간주하고, 그렇지 않은 경우, 그리드(ci)의 지면 방정식을 그리드(cj)의 평면 방정식과 유사하지 않다고 간주하도록 구성되고,
wj는 그리드(cj)의 평면 방정식의 법선 벡터를 나타내고, ni는 그리드(ci)의 지면 방정식의 법선 벡터를 나타내고, α는 지면 방정식의 법선 벡터로부터의 평면 방정식의 법선 벡터의 허용 가능한 편차 허용 값을 나타내고, bj는 그리드(cj)의 평면 방정식의 오프셋 항을 나타내고, gi는 그리드(ci)의 지면 방정식의 오프셋 항을 나타내고, β는 지면 방정식의 오프셋 항으로부터의 평면 방정식의 오프셋 항의 허용 가능한 편차 허용 값을 나타낸다.
일부 실시예에서, 지면 포인트 클라우드 분할 유닛(440)은:
그리드(ci)에 대해, 그리드(ci) 내의 포인트 클라우드의 포인트 가 를 충족시키는 경우, 포인트를 지면 포인트로 간주하고, 그렇지 않은 경우, 포인트를 비-지면 포인트로 간주하도록 구성되고, ni는 그리드(ci)의 지면 방정식의 법선 벡터를 나타내고, gi는 그리드(ci)의 지면 방정식의 오프셋 항을 나타내고, 는 지면 포인트 클라우드로부터 지면 방정식까지의 최대 거리를 나타낸다.
일부 실시예에서, 중심 그리드의 지면 방정식은 이고, 이고, 여기서 g0는 지면으로부터의 레이더의 높이이고, 는 중심 그리드에서 포인트의 위치를 나타낸다.
도 5는 본 개시의 일부 실시예에 따른 자율 주행 차량의 개략적인 구조도이다. 자율 주행 차량은, 예컨대, 무인 배송 차량 등을 포함한다.
도 5에 도시된 바와 같이, 본 실시예의 자율 주행 차량은: 포인트 클라우드를 형성하기 위한 스캐닝을 수행하도록 구성된 레이더(500), 및 지면 포인트 클라우드 세그먼트화 장치(300, 400)를 포함한다.
자율 주행 차량에 메인 레이더 및 갭 필러 레이더가 장착된 경우, 3차원 좌표계는 메인 레이더의 중심을 원점으로 취하고, 차량 헤드를 따라 전방 방향은 X축이고, 좌측 방향은 Y축이고, 상방 방향은 Z축이다.
본 개시의 일부 실시예는 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체를 제공하고, 컴퓨터 프로그램은, 프로세서에 의해 실행될 때, 실시예의 지면 포인트 클라우드 세그먼트화 방법의 단계들을 구현한다.
당업자에 의해 인지될 바와 같이, 본 개시의 실시예들은 방법, 시스템, 또는 컴퓨터 프로그램 제품으로 제공될 수 있다. 따라서, 본 개시는 전체 하드웨어 실시예, 전체 소프트웨어 실시예 또는 소프트웨어 및 하드웨어 양상들을 결합한 실시예의 형태를 취할 수 있다. 또한, 본 개시는 컴퓨터 프로그램 코드가 내부에서 구현되는 하나 이상의 비-일시적인 컴퓨터-판독 가능한 저장 매체(디스크 저장소, CD-ROM, 광학 저장소 등을 포함하지만 이에 제한되지 않음) 상에서 구현된 컴퓨터 프로그래램 제품의 형태를 취할 수 있다.
본 개시는, 본 개시의 실시예에 따른 방법들, 장치(시스템들), 및 컴퓨터 프로그램 제품들의 흐름도들 및/또는 블록도들을 참조하여 설명된다. 흐름도들 및/또는 블록도들의 각각의 흐름 및/또는 블록, 및 흐름도들 및/또는 블록도들 내의 흐름들 및/또는 블록들의 조합들이 컴퓨터 프로그램 명령들에 의해 구현될 수 있음을 이해할 것이다. 이들 컴퓨터 프로그램 명령들은 머신을 생성하기 위해 범용 컴퓨터, 특수 목적 컴퓨터, 임베딩된 프로세서 또는 다른 프로그래밍 가능 데이터 프로세싱 디바이스의 프로세서에 제공될 수 있어서, 컴퓨터 또는 다른 프로그래밍 가능 데이터 프로세싱 디바이스의 프로세서에 의해 실행되는 명령들은 흐름도의 하나 이상의 흐름 및/또는 블록도의 하나 이상의 블록에서 특정된 기능들을 구현하기 위한 수단을 생성하게 한다.
특정한 방식으로 기능하도록 컴퓨터 또는 다른 프로그래밍 가능 데이터 프로세싱 디바이스에 지시할 수 있는 이들 컴퓨터 프로그램 명령들은 또한 컴퓨터 판독 가능 메모리에 저장될 수 있어서, 컴퓨터 판독 가능한 메모리에 저장된 명령들이 흐름도의 하나 이상의 흐름 및/또는 블록도의 하나 이상의 블록에 특정된 기능을 구현하는 명령 수단을 포함한 제조 물품을 생성하게 한다.
컴퓨터 프로그램 명령들은 또한, 일련의 동작 단계들로 하여금, 컴퓨터 구현 프로세스를 생성하도록 컴퓨터 또는 다른 프로그래밍 가능 디바이스 상에서 수행되게 하기 위해 컴퓨터 또는 다른 프로그래밍 가능 데이터 프로세싱 디바이스 상에 로딩될 수 있어서, 컴퓨터 또는 다른 프로그래밍 가능 디바이스 상에서 실행되는 명령들이 흐름도의 하나 이상의 흐름 및/또는 블록도의 하나 이상의 블록에 특정된 기능들 구현하기 위한 단계들을 제공하게 한다.
위의 설명은 본 개시의 바람직한 실시예일 뿐이며, 본 개시를 한정하려는 것은 아니며, 본 개시의 사상 및 범위 내에서 이루어지는 임의의 수정, 등가, 개선 등이 본 개시의 범위에 포함되도록 의도된다.

Claims (15)

  1. 지면 포인트 클라우드 세그먼트화 방법(ground point cloud segmentation method)으로서,
    관심 영역을 복수의 그리드로 분할하고, 상기 관심 영역 내의 포인트 클라우드를 대응하는 그리드에 투입하는 단계;
    각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식(plane equation)을 결정하는 단계;
    상기 포인트 클라우드를 형성하기 위한 스캐닝을 수행하는 레이더가 위치되는 그리드를 중심 그리드로서 취하고, 상기 중심 그리드의 지면 방정식(ground equation)을 결정하는 단계;
    상기 중심 그리드를 지면 그리드로 표시하고, 각각의 그리드 내의 포인트 클라우드에 대응하는 상기 평면 방정식 및 상기 중심 그리드의 지면 방정식에 따라, 상기 중심 그리드로부터 점진적인 외향 확산(gradual outward diffusion)을 수행하고, 상기 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하는 단계; 및
    각각의 그리드의 상기 지면 방정식에 따라 각각의 그리드 내의 포인트 클라우드가 지면 포인트 클라우드인지 여부를 결정하는 단계를 포함하는,
    지면 포인트 클라우드 세그먼트화 방법.
  2. 제1항에 있어서, 상기 중심 그리드로부터 점진적인 외향 확산을 수행하고, 상기 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하는 단계는:
    광도 우선 그리드 순회 전략(breadth-first grid traversal policy)을 사용함으로써 상기 중심 그리드로부터 점진적인 외향 확산을 수행하고, 확산된 인접 그리드에 대해, 상기 인접 그리드에서 상기 중심 그리드에 더 가까운 그리드의 상기 지면 방정식과, 상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드의 상기 평면 방정식 사이의 유사도(similarity)에 따라, 상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드가 지면 그리드인지 여부를 결정하는 단계; 및
    상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드가 상기 지면 그리드인지 여부에 따라, 상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드의 상기 지면 방정식을 결정하는 단계를 포함하는,
    지면 포인트 클라우드 세그먼트화 방법.
  3. 제2항에 있어서, 상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드가 지면 그리드인지 여부를 결정하는 단계는:
    상기 인접 그리드에서 상기 중심 그리드에 더 가까운 그리드의 상기 지면 방정식이 상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드의 상기 평면 방정식과 유사한 경우, 상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드가 상기 지면 그리드라고 결정하는 단계를 포함하고,
    상기 지면 방정식의 법선 벡터(normal vector)와 상기 평면 방정식의 법선 벡터 사이의 편차가 허용 범위 내에 있고, 상기 지면 방정식의 오프셋 항(offset term)과 상기 평면 방정식의 오프셋 항 사이의 편차(deviation)가 상기 허용 범위 내에 있는 경우, 상기 지면 방정식은 상기 평면 방정식과 유사한 것으로 간주되는,
    지면 포인트 클라우드 세그먼트화 방법.
  4. 제2항에 있어서, 상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드의 상기 지면 방정식을 결정하는 단계는:
    상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드가 상기 지면 그리드인 경우, 상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드의 상기 지면 방정식이 상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드의 상기 평면 방정식과 동일하도록 하고, 그렇지 않은 경우, 상기 인접 그리드에서 상기 중심 그리드로부터 더 먼 그리드의 상기 지면 방정식이 상기 인접 그리드에서 상기 중심 그리드에 더 가까운 그리드의 상기 지면 방정식과 동일하도록 하는 단계를 포함하는,
    지면 포인트 클라우드 세그먼트화 방법.
  5. 제1항에 있어서, 상기 각각의 그리드의 상기 지면 방정식에 따라 각각의 그리드의 포인트 클라우드가 지면 포인트 클라우드인지 여부를 결정하는 단계는:
    그리드 내의 포인트 클라우드의 포인트로부터 상기 그리드의 상기 지면 방정식까지의 거리가 지면 포인트 클라우드로부터 지면 방정식까지의 최대 거리보다 작은 경우, 상기 포인트를 지면 포인트로 간주하고, 그렇지 않은 경우, 상기 포인트를 비-지면 포인트로 간주하는 단계를 포함하는,
    지면 포인트 클라우드 세그먼트화 방법.
  6. 제2항에 있어서, 상기 중심 그리드로부터 점진적인 외향 확산을 수행하고, 상기 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하는 단계는:
    선입 선출 큐(first-in first-out queue)를 유지하는 단계 ― 상기 큐 내의 상기 관심 영역의 각각의 그리드는 상태량(state quantity)을 유지하고, 상기 상태량은: 상기 그리드가 방문되었고 지면 그리드로서 식별되었음을 나타내는 제1 상태, 상기 그리드가 방문되지 않았음을 나타내는 제2 상태, 및 상기 그리드가 방문되었고 지면 그리드로서 식별되지 않았음을 나타내는 제3 상태를 포함함 ― ;
    상기 중심 그리드(c0)를 상기 큐에 추가하고, 상기 중심 그리드(c0)의 상태량을 상기 제1 상태로 표시하는 단계;
    상기 큐의 머리에서 그리드(ci)를 취출하는 단계 ― 상기 그리드(ci)의 초기 값은 상기 중심 그리드(c0)임 ― ;
    상기 그리드(ci)에 인접한 임의의 그리드(cj)를 선택하는 단계;
    상기 그리드(cj)의 상태량이 상기 제2 상태인 경우, 상기 그리드(cj)를 상기 큐의 꼬리에 추가하는 단계;
    상기 그리드(cj)의 상태량이 상기 제1 상태가 아닌 경우, 상기 그리드(ci)의 상기 지면 방정식과 상기 그리드(cj)의 상기 평면 방정식 사이의 유사도를 결정하는 단계;
    상기 그리드(ci)의 상기 지면 방정식이 상기 그리드(cj)의 상기 평면 방정식과 유사한 경우, 상기 그리드(cj)를 상기 지면 그리드로 표시하고, 상기 그리드(cj)의 상태량을 상기 제1 상태로 설정하고, 상기 그리드(cj)의 상기 지면 방정식이 상기 그리드(cj)의 상기 평면 방정식과 동일하도록 하는 단계; 및
    상기 그리드(ci)의 상기 지면 방정식이 상기 그리드(cj)의 상기 평면 방정식과 유사하지 않은 경우, 상기 그리드(cj)의 상태량을 상기 제3 상태로 설정하고, 상기 그리드(cj)의 상기 지면 방정식이 상기 그리드(ci)의 상기 지면 방정식과 동일하도록 하는 단계를 포함하는,
    지면 포인트 클라우드 세그먼트화 방법.
  7. 제6항에 있어서, 상기 그리드(ci)의 상기 지면 방정식과 상기 그리드(cj)의 상기 평면 방정식 사이의 유사도를 결정하는 단계는:
    다음의 2개의 조건이 동시에 충족되는 경우, 상기 그리드(ci)의 상기 지면 방정식을 상기 그리드(cj)의 상기 평면 방정식과 유사하다고 간주하고, 그렇지 않은 경우, 상기 그리드(ci)의 상기 지면 방정식을 상기 그리드(cj)의 상기 평면 방정식과 유사하지 않다고 간주하는 단계를 포함하고,

    wj는 상기 그리드(cj)의 상기 평면 방정식의 법선 벡터를 나타내고, ni는 상기 그리드(ci)의 상기 지면 방정식의 법선 벡터를 나타내고, α는 상기 지면 방정식의 상기 법선 벡터로부터의 상기 평면 방정식의 상기 법선 벡터의 허용 가능한 편차 허용 값을 나타내고, bj는 상기 그리드(cj)의 상기 평면 방정식의 오프셋 항을 나타내고, gi는 상기 그리드(ci)의 상기 지면 방정식의 오프셋 항을 나타내고, β는 상기 지면 방정식의 상기 오프셋 항으로부터의 상기 평면 방정식의 오프셋 항의 허용 가능한 편차 허용 값을 나타내는,
    지면 포인트 클라우드 세그먼트화 방법.
  8. 제6항에 있어서, 상기 각각의 그리드의 상기 지면 방정식에 따라 각각의 그리드의 포인트 클라우드가 지면 포인트 클라우드인지 여부를 결정하는 단계는:
    상기 그리드(ci)에 대해, 상기 그리드(ci) 내의 상기 포인트 클라우드의 포인트 가 를 충족시키는 경우, 상기 포인트를 지면 포인트로 간주하고, 그렇지 않은 경우, 상기 포인트를 비-지면 포인트로 간주하는 단계를 포함하고,
    ni는 상기 그리드(ci)의 상기 지면 방정식의 법선 벡터를 나타내고, gi는 상기 그리드(ci)의 상기 지면 방정식의 오프셋 항을 나타내고, 는 상기 지면 포인트 클라우드로부터 상기 지면 방정식까지의 최대 거리를 나타내는,
    지면 포인트 클라우드 세그먼트화 방법.
  9. 제1항에 있어서, 상기 중심 그리드의 상기 지면 방정식은 이고,
    이고, g0는 지면으로부터의 상기 레이더의 높이이고, 는 상기 중심 그리드에서 포인트의 위치를 나타내는,
    지면 포인트 클라우드 세그먼트화 방법.
  10. 제1항에 있어서, 상기 각각의 그리드 내의 상기 포인트 클라우드에 대응하는 상기 평면 방정식은 랜덤 샘플 컨센서스 알고리즘(random sample consensus algorithm) 또는 특이값 분해 알고리즘(singular value decomposition algorithm)을 사용함으로써 피팅되는,
    지면 포인트 클라우드 세그먼트화 방법.
  11. 제1항에 있어서, 상기 관심 영역은 최상부 화각(top view angle)에 따라 복수의 그리드로 분할되고, 상기 관심 영역 내의 상기 포인트 클라우드는 상기 포인트 클라우드의 위치 좌표에 따라 대응하는 그리드에 투입되는,
    지면 포인트 클라우드 세그먼트화 방법.
  12. 지면 포인트 클라우드 세그먼트화 장치로서,
    메모리; 및
    상기 메모리에 결합된 프로세서를 포함하고, 상기 프로세서는 상기 메모리에 저장된 명령에 기초하여 제1항 내지 제11항 중 어느 한 항에 따른 상기 지면 포인트 클라우드 세그먼트화 방법을 수행하도록 구성되는,
    지면 포인트 클라우드 세그먼트화 장치.
  13. 지면 포인트 클라우드 세그먼트화 장치로서,
    관심 영역을 복수의 그리드로 분할하고, 상기 관심 영역 내의 포인트 클라우드를 대응하는 그리드에 투입하도록 구성된 그리드 분할 유닛;
    상기 각각의 그리드 내의 포인트 클라우드에 대응하는 평면 방정식을 결정하도록 구성된 평면 방정식 결정 유닛;
    상기 포인트 클라우드를 형성하기 위한 스캐닝을 수행하는 레이더가 위치되는 그리드를 중심 그리드로서 취하고, 상기 중심 그리드의 지면 방정식을 결정하고; 상기 중심 그리드를 지면 그리드로 표시하고, 상기 각각의 그리드 내의 포인트 클라우드에 대응하는 상기 평면 방정식 및 상기 중심 그리드의 지면 방정식에 따라, 광도 우선 그리드 순회 전략을 사용함으로써, 상기 중심 그리드로부터 점진적인 외향 확산을 수행하고, 상기 관심 영역 내의 각각의 그리드의 지면 방정식을 계산하도록 구성된 평면 방정식 결정 유닛; 및
    상기 각각의 그리드의 지면 방정식에 따라 상기 각각의 그리드 내의 포인트 클라우드가 지면 포인트 클라우드인지 여부를 결정하도록 구성된 지면 포인트 클라우드 분할 유닛을 포함하는,
    지면 포인트 클라우드 세그먼트화 장치.
  14. 자율 주행 차량으로서,
    포인트 클라우드를 형성하기 위한 스캐닝을 수행하도록 구성된 레이더, 및
    제12항 또는 제13항에 따른 지면 포인트 클라우드 세그먼트화 장치를 포함하는,
    자율 주행 차량.
  15. 컴퓨터 프로그램을 저장하는 비일시적 컴퓨터 판독 가능 저장 매체로서, 상기 컴퓨터 프로그램은, 프로세서에 의해 실행될 때, 제1항 내지 제11항 중 어느 한 항에 따른 지면 포인트 클라우드 세그먼트화 방법의 단계들을 구현하는, 비일시적 컴퓨터 판독 가능 저장 매체.
KR1020237037319A 2021-06-22 2022-05-07 지면 포인트 클라우드 세그먼트화 방법 및 장치 및 자율 주행 차량 KR20240024778A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202110691334.8A CN113436336B (zh) 2021-06-22 2021-06-22 地面点云分割方法和装置及自动驾驶车辆
CN202110691334.8 2021-06-22
PCT/CN2022/091460 WO2022267711A1 (zh) 2021-06-22 2022-05-07 地面点云分割方法和装置及自动驾驶车辆

Publications (1)

Publication Number Publication Date
KR20240024778A true KR20240024778A (ko) 2024-02-26

Family

ID=77756916

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020237037319A KR20240024778A (ko) 2021-06-22 2022-05-07 지면 포인트 클라우드 세그먼트화 방법 및 장치 및 자율 주행 차량

Country Status (6)

Country Link
US (1) US20240242356A1 (ko)
EP (1) EP4361958A1 (ko)
JP (1) JP2024526011A (ko)
KR (1) KR20240024778A (ko)
CN (1) CN113436336B (ko)
WO (1) WO2022267711A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113436336B (zh) * 2021-06-22 2024-01-12 京东鲲鹏(江苏)科技有限公司 地面点云分割方法和装置及自动驾驶车辆

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101740259B1 (ko) * 2011-10-07 2017-05-29 한국전자통신연구원 3차원 포인트 클라우드의 공간 분할 방법
CN106529469B (zh) * 2016-11-08 2020-01-03 华北水利水电大学 基于自适应坡度的无人机载LiDAR点云滤波方法
US10768304B2 (en) * 2017-12-13 2020-09-08 Luminar Technologies, Inc. Processing point clouds of vehicle sensors having variable scan line distributions using interpolation functions
CN108228798B (zh) * 2017-12-29 2021-09-17 百度在线网络技术（北京）有限公司 确定点云数据之间的匹配关系的方法和装置
CN111353969B (zh) * 2018-12-20 2023-09-26 长沙智能驾驶研究院有限公司 道路可行驶区域的确定方法、装置及计算机设备
CN110084840B (zh) * 2019-04-24 2022-05-13 阿波罗智能技术(北京)有限公司 点云配准方法、装置、服务器和计算机可读介质
CN110609290B (zh) * 2019-09-19 2021-07-23 北京智行者科技有限公司 激光雷达匹配定位方法及装置
US11668798B2 (en) * 2019-11-14 2023-06-06 Nio Technology (Anhui) Co., Ltd. Real-time ground surface segmentation algorithm for sparse point clouds
CN111179274B (zh) * 2019-12-30 2023-07-14 深圳一清创新科技有限公司 地图地面分割方法、装置、计算机设备和存储介质
CN111402414B (zh) * 2020-03-10 2024-05-24 北京京东叁佰陆拾度电子商务有限公司 一种点云地图构建方法、装置、设备和存储介质
CN111445472B (zh) * 2020-03-26 2023-05-12 达闼机器人股份有限公司 激光点云地面分割方法、装置、计算设备及存储介质
CN112446907B (zh) * 2020-11-19 2022-09-06 武汉中海庭数据技术有限公司 一种单线点云与多线点云配准的方法及装置
CN112884903A (zh) * 2021-03-22 2021-06-01 浙江浙能兴源节能科技有限公司 一种行车三维建模系统及其方法
CN113436336B (zh) * 2021-06-22 2024-01-12 京东鲲鹏(江苏)科技有限公司 地面点云分割方法和装置及自动驾驶车辆

Also Published As

Publication number Publication date
WO2022267711A1 (zh) 2022-12-29
CN113436336A (zh) 2021-09-24
EP4361958A1 (en) 2024-05-01
JP2024526011A (ja) 2024-07-17
CN113436336B (zh) 2024-01-12
US20240242356A1 (en) 2024-07-18

Similar Documents

Publication Publication Date Title
US9167214B2 (en) Image processing system using unified images
CN116129376A (zh) 一种道路边缘检测方法和装置
US11532166B2 (en) Obstacle positioning method, device and terminal
CN112560800B (zh) 路沿检测方法、装置及存储介质
CN112862890B (zh) 道路坡度预测方法、装置和存储介质
JP7012170B2 (ja) 地図生成システム、地図生成方法及び地図生成プログラム
WO2023179717A1 (zh) 用于激光雷达的点云处理方法、装置、设备及存储介质
US11592820B2 (en) Obstacle detection and vehicle navigation using resolution-adaptive fusion of point clouds
US11719799B2 (en) Method for determining a collision free space
CN112505652B (zh) 目标检测方法、装置及存储介质
WO2023179718A1 (zh) 用于激光雷达的点云处理方法、装置、设备及存储介质
KR20240024778A (ko) 지면 포인트 클라우드 세그먼트화 방법 및 장치 및 자율 주행 차량
US11519715B2 (en) Method, device, apparatus and storage medium for detecting a height of an obstacle
CN114219770A (zh) 地面检测方法、装置、电子设备及存储介质
CN114170596A (zh) 姿态识别方法、装置、电子设备、工程机械和存储介质
CN117745537A (zh) 隧道设备温度检测方法、装置、计算机设备和存储介质
WO2022099620A1 (zh) 三维点云分割方法和装置、可移动平台
CN115511944A (zh) 基于单相机的尺寸估计方法、装置、设备及存储介质
CN112902911A (zh) 基于单目相机的测距方法、装置、设备及存储介质
CN112835063B (zh) 物体动静属性的确定方法、装置、设备及存储介质
CN111045026B (zh) 一种识别充电桩位姿的方法及装置
CN112241675A (zh) 物体检测模型训练方法及装置
CN111487956A (zh) 一种机器人避障的方法及机器人
CN116645408A (zh) 一种基于点云数据的体积测量方法及装置
CN115578438A (zh) 基于多相机的尺寸估计方法、装置、设备及存储介质