WO2016093427A1 - 소형통합제어장치 - Google Patents

소형통합제어장치 Download PDF

Info

Publication number
WO2016093427A1
WO2016093427A1 PCT/KR2015/001741 KR2015001741W WO2016093427A1 WO 2016093427 A1 WO2016093427 A1 WO 2016093427A1 KR 2015001741 W KR2015001741 W KR 2015001741W WO 2016093427 A1 WO2016093427 A1 WO 2016093427A1
Authority
WO
WIPO (PCT)
Prior art keywords
sensor data
main processor
voxel
data
processor
Prior art date
Application number
PCT/KR2015/001741
Other languages
English (en)
French (fr)
Inventor
김동신
Original Assignee
한화테크윈 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 한화테크윈 주식회사 filed Critical 한화테크윈 주식회사
Publication of WO2016093427A1 publication Critical patent/WO2016093427A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0007—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera

Definitions

  • the present invention relates to a small integrated controller that receives a large amount of sensor data in parallel and obtains rapid results by parallel processing.
  • FIG. 1 shows an example of a conventional controller.
  • a large number of CPU cores are required to process a large amount of sensor data, and in order to secure this, a plurality of PCs 110, 111, 112, 113, 114, and 115 are gigabit switches. Connected via 120 was used.
  • the external sensor and additional parts for controlling the system are each connected to a separate product, making the controller system a significant size and volume.
  • the PC1 110 When the large-capacity sensor data 100 shown in FIG. 1 is input to the PC1 110, the PC1 110 is connected to other PCs such as PC2, PC3, PC4, PC5 and PC6 (111, 112, 113, 114 and 115), and the like. They sent and shared large amounts of sensor data received.
  • PC2, PC3, PC4, PC5 and PC6 111, 112, 113, 114 and 115
  • the Gigabit Ethernet switch is theoretically 1Gb / s but actually has a transmission speed of 50MB / s, thereby preventing the efficient sharing of a large amount of data among PCs.
  • PC 1 110 selects and shares only a few important frames among the received large-capacity sensor data
  • other PCs 111, 112, 113, 114, and 115 other than PC 1 110 may be used. Since the calculation is performed based on the sensor data whose resolution has been degraded, there is a problem that a precise calculation result value cannot be obtained.
  • the small integrated control device includes a main processor processing a large capacity sensor data using a multicore CPU, a subprocessor processing the large capacity sensor data in parallel using the same clock as the main processor; It uses the same clock as the main processor, it characterized in that it comprises a graphics processing unit for processing in parallel the operation occurring during the processing of the large-capacity sensor data.
  • the small integrated control device is effective in the field of artificial intelligence, military equipment, factory automation, mobile server equipment, autonomous driving robot.
  • FIG. 1 shows an example of a general controller.
  • FIG. 2 shows an example of a small integrated device 200 as a preferred embodiment of the present invention.
  • 3 to 4 is a preferred embodiment of the present invention, showing the internal configuration of the compact integrated control device 300.
  • 5 to 7 illustrate a preferred embodiment of the present invention, in which a graphic processing unit performs arithmetic processing.
  • FIG. 8 illustrates a layered stack 800 supported by the main processor 310 as one preferred embodiment of the present invention.
  • Fig. 9 shows an embodiment of a moving body equipped with a small integrated control device or using a small integrated control device as a preferred embodiment of the present invention.
  • FIG. 10 is a flowchart illustrating a process of processing large-capacity sensor data in parallel in a graphic processing unit of a small integrated control device according to an exemplary embodiment of the present invention.
  • FIG. 11 is a flowchart illustrating a calculation process performed by the graphic processor of the small integrated control device according to an exemplary embodiment of the present invention.
  • the small integrated control device includes a main processor processing a large capacity sensor data using a multicore CPU, a subprocessor processing the large capacity sensor data in parallel using the same clock as the main processor; It uses the same clock as the main processor, it characterized in that it comprises a graphics processing unit for processing in parallel the operation occurring during the processing of the large-capacity sensor data.
  • the graphic processor receives three-dimensional distance data among the large-capacity sensor data, converts the three-dimensional distance data into voxel data, and three-dimensional point cloud data included in each voxel.
  • Coefficient calculation unit And a frequency detector for digitizing the number of scans of each voxel (Occupancy).
  • the graphic processing unit transmits the pass coefficient for each voxel and the number of scans of each voxel to the main processor, and the main processor accumulates the pass count for each voxel and the number of scans of each voxel. It is characterized in that to generate a map using.
  • the moving object may return the traveled route using the driving route image photographed by the image photographing sensor mounted on the moving object and the map generated by the main processor.
  • the main processor includes a layered stack including a system layer, an interface layer, a core layer, and an application layer. It is done.
  • a method for processing large-capacity sensor data in a small integrated control apparatus includes: processing a large-capacity sensor data using at least one multicore CPU in a main processor; Processing, by a coprocessor, sensor data related to environmental recognition among the large-capacity sensor data using the same clock as the main processor; and using the same clock as the main processor by using a multi-core in the graphic processor; Performing the arithmetic processing of the main processor, the coprocessor, and the graphic processor, wherein the mass sensor data is processed in parallel.
  • a method for processing large-capacity sensor data in a small integrated control apparatus includes: processing a large-capacity sensor data using at least one multicore CPU in a main processor; Processing laser-based sensor data among the large-capacity sensor data in a coprocessor using the same clock as the main processor; and multi-core image-based sensor data among the large-capacity sensor data in a graphic processor using the same clock as the main processor. Processing in parallel using a; wherein the main processor, the coprocessor, and the graphic processing unit process the large-capacity sensor data in parallel, and the graphic processing unit is a rectangular three-dimensional distance data of the large-capacity sensor data.
  • Embodiments of the invention are not limited to server computer systems, desktop computer systems, laptops, handheld devices, smartphones, tablets, other thin notebooks, systems on a chip (SOC) Devices, and other devices such as embedded applications.
  • Handheld devices include cellular phones, Internet protocol devices, digital cameras, personal digital assistants (PDAs), and handheld PCs.
  • the devices, methods, and systems described herein are not limited to physical computing devices, and may also be used for software optimization for energy savings and efficiency.
  • FIG. 2 shows an example of a small integrated device 200 as a preferred embodiment of the present invention.
  • the small integrated device 200 uses the at least one multicore CPU to process a large amount of sensor data using a main processor 210 and a subprocessor 220 that uses the same clock as the main processor 210 to process a large amount of sensor data. And a graphic processor 230 that uses the same clock as that of the main processor and performs arithmetic processing of a large amount of sensor data.
  • the main processor 210, the coprocessor 220 and the graphics processor 230 may process a large amount of sensor data in parallel.
  • the small integrated device 200 may be implemented to expand the main processor 210, the coprocessor 220, and the graphic processor 230 in series or in parallel using the input / output interface 240.
  • main processor 210 may be any type of data processor, including general purpose or special purpose central processing unit (CPU), application specific semiconductor (ASIC), or digital signal processor (DSP). .
  • CPU general purpose or special purpose central processing unit
  • ASIC application specific semiconductor
  • DSP digital signal processor
  • the main processor 210 may be a general purpose processor such as Core TM i3, i5, i7, 2 Duo and Quad, Xeon TM, or Itanium TM processor.
  • the main processor 210 may be a processor designed for a special purpose, for example, a network or communication processor, a compression engine, a graphics processor, a co-processor, an embedded processor, or the like.
  • the main processor 210 may be implemented with one or more chips included in one or more packages.
  • the main processor 210 may use any of a number of process technologies, such as, for example, BiCMOS, CMOS, or NMOS.
  • main processor 210 may include at least one or more multicore CPUs 212, 214. At least one or more multicore CPUs 212 and 214 may communicate using a Quick Path Interconnect (QPI) protocol. The main processor 210 may interconnect the at least one multicore CPUs 210 and 212 using a packet-based point-to-point interconnect bus.
  • QPI Quick Path Interconnect
  • the graphics processor 230 includes logic for executing graphics commands, such as 3D or 2D graphics commands.
  • the graphics processor 230 may execute industry standard graphics commands, such as commands designated by Open GL and / or Direct X application programming interfaces (APIs) (eg, OpenGL 4.1 and Direct X 11).
  • APIs Direct X application programming interfaces
  • the input / output interface 240 may support network communication, such as a local area network, a wide area network, or the Internet, and communication with an internal unit or an external device.
  • the input / output interface 240 may further include an adapter, a hub, etc. to provide access and network communication with an internal unit or an external device.
  • the input / output interface 240 may be implemented on the same chip or the same board as the main processor 210 or on a separate chip and / or package connected to the main processor 210.
  • 3 to 4 is a preferred embodiment of the present invention, showing the internal configuration of the compact integrated control device 300.
  • the small integrated control device 300 includes a main processor 310, a coprocessor 320, and a graphics processor 330.
  • the small integrated control device 300 may further include an input / output interface 340 or an Ethernet switch 350.
  • the small integrated control device 300 may further include a power supply unit (not shown) for supplying power to the main processor 310, the subprocessor 320, and the graphic processor 330.
  • a power supply unit (not shown) for supplying power to the main processor 310, the subprocessor 320, and the graphic processor 330.
  • the small integrated control device 300 may further include a micro control unit (MCU) (not shown) for controlling the main processor 310, the coprocessor 320, and the graphic processor 330.
  • the MCU may communicate with the main processor 310, such as Ethernet or RS232, and is connected to the power supply unit via CAN communication, and may be implemented to control follow-up measures of peripheral devices regarding power states and fault conditions. have.
  • the small integrated control device 300 may process a large amount of sensor data in parallel using the main processor 310, the coprocessor 320, and the graphic processor 330 using the same system clock. Can be.
  • the small integrated control device 300 is implemented in an autonomous robot, a mobile robot, a moving object, and the like.
  • the main processor 310 is a self-driving robot, a mobile robot, a moving object, such as the self-driving robot, a mobile robot, a moving object obtained by selecting a driving path by itself and moving from the obstacle to the destination to avoid the obstacle, the large-capacity sensor data And a driving map or a map displaying a movement route for autonomous driving based on data on obstacles located in proximity to the autonomous driving robot, the mobile robot, and the moving object.
  • the coprocessor 320 processes operations related to environmental recognition among the large-capacity sensor data received from the main processor 310, and the graphic processor 330 performs parallel processing to process operations related to the image among the large-capacity sensor data. Can be done.
  • Operations related to environmental recognition performed by the coprocessor 320 include operations for processing laser-based sensor data.
  • the laser-based sensor data includes sensor data detected by a laser scanner or the like.
  • Operations related to the image performed by the graphic processor 330 include a camera image, arithmetic processing, and the like. Also, the graphic processing unit 330 may process arithmetic processing derived from the laser-based sensor data.
  • the main processor 310 is LADAR sensor information, 2D, 3D LADAR distance indicating position data, distance data, data about obstacles in close proximity to the autonomous driving robot, mobile robot, moving object, etc. Information, camera image information, and the like.
  • the main processor 310 may be implemented to receive a large amount of sensor data using the Ethernet switch 350 or the like.
  • the main processor 310 transmits data so that the graphic processing unit 330 performs arithmetic processing of the distance data and the data on the obstacle located in the adjacent position of the large-capacity sensor data. And may generate a driving map or map based thereon. An example of processing an operation in the graphic processor 330 is described with reference to FIGS. 5 to 6.
  • FIG. 8 illustrates a layered stack 800 supported by the main processor 310 as one preferred embodiment of the present invention.
  • the layered stack 800 includes a system layer 810, an interface layer 820, a core layer 830, and an application layer 840.
  • Interface Layer 820 supports MCU, sensor, and communication interfaces.
  • the core layer 830 includes dynamic real-time identification, visual mileage estimation, location estimation such as laser scan matching, environmental obstacle detection and tracking, laser-based environmental awareness, RRT sampling-based global path planning, It supports planning such as costom planning and dynamic obstacle avoidance, driving controls such as Basic Waypoint following and Fast Waypoint following, and other math libraries and utility libraries.
  • the coprocessor 320 may process by supporting environmental recognition such as dynamic obstacle detection and tracking, laser-based environment recognition, and the like among the core layers 830. In addition, it can be implemented to process parts that can optimize parallelism. Planning SW can be processed by dividing it into individual grids, and if parallelization is possible, it can be processed by the coprocessor 320.
  • 5 to 6 illustrate a preferred embodiment of the present invention, in which a graphic processing unit performs arithmetic processing.
  • the graphic processor 500 uses the same clock as the main processor and processes a large amount of sensor data in parallel using multicores.
  • the graphic processor 500 includes a calculator 532, a pass coefficient calculator 534, and a frequency detector 536.
  • the calculator 532 may receive 3D distance data, a camera image, driving data, etc. of the large-capacity sensor data from the main processor 510.
  • the three-dimensional distance data is formed based on one or more of the three-dimensional image data of the obstacle, the distance information, the movement information.
  • the calculator 532 converts 3D distance data into voxel data as in the exemplary embodiment of FIG. 6. Thereafter, the average and covariance of three-dimensional point cloud data included in each voxel are calculated.
  • the calculating unit 532 divides the 3D distance data into voxels of a rectangular size having a predetermined size (S610, S620, and S630).
  • each voxel (S610, S620, S630) is independent of each other, the calculation for each voxel can be processed quickly in the graphics processor implemented in a multi-core.
  • the height of the voxel may be set to the maximum height that can be detected by the 3D distance sensing sensor such as a velodyne sensor.
  • the calculation unit 532 calculates the mean and covariance of the three-dimensional point cloud data included for each voxel (S610, S620, S630). .
  • the pass factor calculator 534 calculates an Eisen value and an Eisen vector value using the mean and covariance of each voxel calculated by the operation unit 532.
  • the height of three-dimensional point cloud data (Fig. 6, S611) in each voxel is calculated using an Eigen value, and the value in 3 in each voxel is used using an Eisen vector value.
  • Surface orientation angles (Fig. 6, S613) of the dimensional point cloud data are obtained.
  • the pass coefficient calculating unit 534 calculates the height and surface direction angle of the three-dimensional point cloud data in each voxel using the Eisen value and the Eisen vector value, and determines whether the voxel can pass through each voxel based on this. Calculate the probability value.
  • the surface direction angle can be calculated with surface normal. In the present invention, this probability value is referred to as traversability.
  • the pass coefficient may be calculated as in Equation 1.
  • N (x) is a function for calculating surface normal, and x represents an index of each voxel.
  • the frequency detector 536 digitizes the number of times the voxels have been scanned. Note that the number of scans of each voxel is not limited to what can be performed only by the graphic processor 530, but may also be performed by the main processor 510.
  • a laser sensor mounted on a mobile robot, a moving object, an autonomous robot, or the like has a higher number of scanning an object at a close distance than a number of scanning an object at a long distance.
  • the frequency detector 536 is located nearer as the frequency of each voxel is scanned more than a predetermined number by using such characteristics as a laser scanner, a laser sensor, and the like. It is possible to determine that the probability recognized by such a method is accurate. In addition, it is possible to reduce errors in sensor data and errors in position recognition in mobile robots, mobile bodies, and autonomous robots.
  • the graphics processor 530 transmits the occupancy information and the pass coefficient of each pixel to the main processor 510.
  • the main processor 510 When the main processor 510 receives the information on the number of scans of each voxel and the pass coefficient of each pixel, the main processor 510 accumulates the information on the number of scans of each voxel and the pass coefficient of each pixel.
  • the 3D driving map or map is created through the driving map generation unit 511 using the data.
  • the main processor 510 may obtain histogram information and a travel map according to time by performing histogram matching on 3D distance data continuously obtained for the front of the travel path.
  • the generated 3D map can be stored in an internal chip, an internal board, or a remote device.
  • the driving map may be generated by the main processor 510 as shown in Equation 2.
  • Weight t Weight t-1 + Occupancy t
  • a moving object, a mobile robot, an autonomous robot, etc. with reference to the driving map generated by the main processor 510, can automatically return the traveled route.
  • the driving map generation is characterized in that it is processed in real time in parallel with the operation processing in the graphic processor 530 and the environmental recognition in the coprocessor instead of the main processor 510 alone. have.
  • FIG. 7 illustrates an example of calculating a pass coefficient by recognizing 3D distance data in a graphic processing unit according to an exemplary embodiment of the present invention.
  • the graphic processor After recognizing the 3D distance data (710), the graphic processor converts the recognized 3D distance data into voxel data (720), and then averages and covariates values of the 3D point cloud data in each voxel.
  • the pass coefficient is detected by calculating the Eisen value and the Eisen vector value. The larger the pass coefficient, the darker it indicates that an obstacle exists. The larger the value of the pass coefficient is displayed in darker shades (711), the lower the value of the pass coefficient is displayed in lighter shades. For example, if the pass coefficient is 0.1, the shade may be lightly displayed and may indicate the leaf part of the tree. If the pass coefficient is 0.7, the shade may be displayed darkly and the tree pillar may be represented.
  • FIG. 7C illustrates an example of setting a path by calculating a pass coefficient value in a mobile body, a mobile robot, and an autonomous robot 700 using a small integrated control device as an exemplary embodiment of the present invention.
  • Fig. 9 shows an embodiment of a moving body equipped with a small integrated control device or using a small integrated control device as a preferred embodiment of the present invention.
  • the mobile unit 900 may be implemented to include a 3D sensor unit, a sensor unit, a GPS transceiver, a controller, and an output unit (not shown in the internal configuration).
  • the sensor unit may include a steering sensor, a speed sensor, an acceleration sensor, a position sensor, and the like.
  • the 3D sensor unit is a camera system for capturing the omnidirectional, rearward and / or lateral orientations at once using a rotating reflector, a condenser lens, and an image pickup device, and is applied to security facilities, surveillance cameras, and robot vision.
  • the shape of the rotor reflector is various, such as a hyperbolic surface, a spherical surface, a cone shape, and a compound type.
  • a charge coupled device (CCD) or a complementary metal oxide semiconductor (CMOS) is used as the imaging device.
  • CCD charge coupled device
  • CMOS complementary metal oxide semiconductor
  • the image projected onto the image pickup surface of the image pickup device i.e., the omnidirectional image
  • the 3D sensor unit converts the output of the image pickup device through a microprocessor or the like to create a new panoramic image for accurate observation of the image.
  • the 3D sensor unit stereoscopic, depth camera, moving stereo camera and lidar (Light Detection and Ranging) to obtain a three-dimensional distance data by taking a three-dimensional image of the omni-directional LIDAR) may comprise one or more of the equipment.
  • a stereo camera is an imaging device composed of a plurality of cameras.
  • the omnidirectional image obtained through the 3D sensor unit 110 provides two-dimensional information about the periphery of the 3D sensor unit. If a plurality of images taken from different directions through a plurality of cameras is used, three-dimensional information about the 3D sensor unit may be obtained.
  • Such a stereo camera may be used for location recognition and map generation of a moving object or a mobile robot.
  • Depth cameras are cameras that capture or measure obstacles to extract images and distance data. That is, the depth camera generates image or image data by capturing obstacles as in a general camera, and generates distance data by measuring a distance from the camera at an actual position corresponding to a pixel of each image.
  • a mobile stereo camera refers to a camera that changes the position of a stereo camera actively according to an obstacle's distance to fix a viewing angle on an observation obstacle.
  • Stereo cameras generally arrange two cameras in parallel and acquire an image, and calculate a distance to an obstacle according to stereo parallax of the acquired image.
  • Such a stereo camera is a passive camera in which the optical axes are always parallel and fixed.
  • Mobile stereo cameras on the other hand, actively change the geometric position of the optical axis to fix the viewing angle. This control of the viewing angle of the stereo camera according to the distance of the obstacle is called gaze control.
  • the stereoscopic control stereo camera maintains a constant stereo parallax for moving obstacles to provide stereoscopic observers with more natural stereoscopic images and useful information in distance measurement or stereoscopic image processing of obstacles.
  • Lidar (LIDAR) equipment is provided to detect the presence and distance of the obstacle located in front of the moving body (900).
  • Lidar equipment is a type of active remote sensing that uses the same principles as radar to obtain the desired information without direct contact with objects.
  • Lidar equipment shoots a laser on a target to acquire information and detects the parallax and energy change of electromagnetic waves reflected from the target and acquires the desired distance information.
  • Lidar equipment is divided into three types according to the purpose or object to be measured: DIAL (Differentail Absorption LIDAR), Doppler LIDAR, and Range finder LIDAR.
  • DIAL is used to measure the concentration of water vapor, ozone, and pollutants in the atmosphere by using two lasers with different absorption to the object to be measured.
  • Doppler LIDAR uses the Doppler principle to move objects. Used for speed measurement.
  • Lidar refers to Range Finder LIDAR, which is known as the Global Positioning System (GPS), Inertial Navigation System (INS), and Laser Scanner (LASER SCANNER).
  • GPS Global Positioning System
  • INS Inertial Navigation System
  • LASER SCANNER Laser Scanner
  • Lidar equipment detects the presence of the obstacle located in front of the moving path of the moving body 900, the distance to the obstacle and the movement of the obstacle to obtain three-dimensional distance data, and transmits the acquired data to the controller to the space free of obstacles
  • the movable body 900 can be moved.
  • the output unit includes a display unit and displays the driving route determined through the driving map generated by the driving map generation unit (FIGS. 5 and 511) of the controller or the main processor using a user interface (UI) or a graphical user interface (GUI). Can be implemented.
  • UI user interface
  • GUI graphical user interface
  • FIG. 10 is a flowchart illustrating a process of processing large-capacity sensor data in parallel in a graphic processing unit of a small integrated control device according to an exemplary embodiment of the present invention.
  • the method for processing a large amount of sensor data in a small integrated controller includes processing a large amount of sensor data using at least one multicore CPU in a main processor (S1010), and using the same clock as the main processor in a coprocessor. Processing sensor data related to environmental recognition among sensor data (S1020) and
  • a multi-core operation may be performed in parallel to perform arithmetic processing among the large-capacity sensor data using the same clock as the main processor (S1030).
  • the graphic processing unit also performs arithmetic processing on the large-capacity sensor data received from the main processor in parallel.
  • the graphic processor of the small integrated control device receives three-dimensional distance data among the large-capacity sensor data from the main processor (S1110). Thereafter, the 3D distance data is converted into voxel data (S1120), and the average and covariance of the 3D point cloud data included in each voxel are calculated (S1130).
  • the graphic processor calculates an Eisen value and an Eisen vector value based on the mean and covariance values (S1140), and calculates a surface direction angle and a height of each voxel based on the Eisen value and Eisen vector value, thereby calculating the traversability.
  • the method of the present invention can also be embodied as computer readable code on a computer readable recording medium.
  • the computer-readable recording medium includes all kinds of recording devices in which data that can be read by a computer system is stored. Examples of computer-readable recording media include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage, and the like, and may also be implemented in the form of a carrier wave (for example, transmission over the Internet). Include.
  • the computer readable recording medium can also be distributed over network coupled computer systems so that the computer readable code is stored and executed in a distributed fashion.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Robotics (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 바람직한 일 실시예에서 소형통합제어장치는 멀티코어CPU를 이용하여 대용량 센서데이터를 처리하는 메인 프로세서와, 상기 메인프로세서와 동일한 클럭을 이용하여 상기 대용량 센서데이터를 병렬로 처리하는 보조프로세서 및 상기 메인프로세서와 동일한 클럭을 이용하며, 상기 대용량 센서데이터 처리시 발생하는 연산을 병렬로 처리하는 그래픽처리부를 포함하는 것을 특징으로 한다.

Description

소형통합제어장치
본 발명은 대용량의 센서 데이터를 입력받아 병렬처리하여 신속한 결과를 획득하는 소형 통합 제어기에 관한 것이다.
도 1 은 종래 제어기의 일 예를 도시한다. 기존 제어기 시스템에서는 도 1 에 도시된 바와 같이 대용량 센서 데이터를 처리하기 위하여 많은 수의 CPU core가 요구되었고, 이를 확보하기 위하여 다수의 PC(110, 111, 112, 113, 114 및 115)를 기가비트 스위치(120)를 통해 연결하여 이용하였다.
또한 다수의 PC 이외에도 시스템을 제어하기 위한 외부 센서와 부가적인 파트들이 각각 개별적 제품으로 연결되어 제어기 시스템은 상당한 크기와 부피를 지녔다.
도 1에 도시된 대용량 센서데이터(100)가 PC1(110)으로 입력되는 경우, PC1(110)은 PC2, PC3, PC4, PC5 및 PC6(111, 112, 113, 114 및 115) 등과 같은 다른 PC 들에게 수신된 대용량의 센서 데이터를 전송하여 공유하였다. 그러나, 데이터를 전송하고 공유함에 있어 기가비트 이더넷 스위치의 경우 이론적으로는 1Gb/s 이지만 실제로는 50MB/s 의 전송속도를 가지게 되므로 PC 간에 대용량의 데이터를 효율적으로 공유하지 못하는 문제점이 있었다.
이러한 문제점을 해결하기 위하여 PC 1 (110)은 수신된 대용량의 센서 데이터 중 중요한 몇 Frame 만 선정하여 공유하게 되므로 PC 1(110) 이외의 다른 PC 들(111, 112, 113, 114 및 115)은 분해능이 저하된 센서 데이터를 기반으로 연산을 수행하게 되어 정밀한 연산결과 값을 얻을 수 없는 문제점이 있다.
본 발명의 바람직한 일 실시예에서 소형통합제어장치는 멀티코어CPU를 이용하여 대용량 센서데이터를 처리하는 메인 프로세서와, 상기 메인프로세서와 동일한 클럭을 이용하여 상기 대용량 센서데이터를 병렬로 처리하는 보조프로세서 및 상기 메인프로세서와 동일한 클럭을 이용하며, 상기 대용량 센서데이터 처리시 발생하는 연산을 병렬로 처리하는 그래픽처리부를 포함하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 소형 통합 제어장치는 인공지능, 군사장비, 공장 자동화, 이동형 서버장비, 자율주행 로봇 분야에서 활용이 가능한 효과가 있다.
도 1 은 일반적인 제어기의 일 예를 도시한다.
도 2 는 본 발명의 바람직한 일 실시예로서, 소형통합장치(200)의 일 예를 도시한다.
도 3 내지 4는 본 발명의 바람직한 일 실시예로서, 소형통합제어장치(300)의 내부 구성도를 도시한다.
도 5 내지 7 은 본 발명의 바람직한 일 실시예로서, 그래픽처리부에서 연산처리를 수행하는 일 실시예를 도시한다.
도 8은 본 발명의 바람직한 일 실시예로서, 메인프로세서(310)에서 지원하는 계층화된 스택(800)을 도시한다.
도 9 는 본 발명의 바람직한 일 실시예로서, 소형통합제어장치가 장착된 또는 소형통합제어장치를 이용하는 이동체의 일 실시예를 도시한다.
도 10은 본 발명의 바람직한 일 실시예에서, 소형통합제어장치의 그래픽처리부에서 병렬적으로 대용량센서데이터를 처리하는 흐름도를 도시한다.
도 11은 본 발명의 바람직한 일 실시예에서, 소형통합제어장치의 그래픽처리부에서 연산처리를 수행하는 흐름도를 도시한다.
본 발명의 바람직한 일 실시예에서 소형통합제어장치는 멀티코어CPU를 이용하여 대용량 센서데이터를 처리하는 메인 프로세서와, 상기 메인프로세서와 동일한 클럭을 이용하여 상기 대용량 센서데이터를 병렬로 처리하는 보조프로세서 및 상기 메인프로세서와 동일한 클럭을 이용하며, 상기 대용량 센서데이터 처리시 발생하는 연산을 병렬로 처리하는 그래픽처리부를 포함하는 것을 특징으로 한다.
바람직하게, 그래픽처리부는 상기 대용량 센서 데이터 중 3차원 거리 데이터를 수신하고, 상기 3차원 거리 데이터를 복셀(voxel) 데이터로 변환하며, 각각의 복셀마다 포함되어 있는 3차원 포인트 클라우드(point cloud) 데이터의 평균 및 공분산을 계산하는 연산부; 상기 평균 및 공분산 값을 기초로 계산된 아이젠 값 및 아이젠 벡터값을 기초로 각 복셀의 표면 방향각 및 높이를 계산하여 각 복셀을 통과할 수 있는지에 대한 확률값인 통과계수(traversability)를 계산하는 통과계수연산부; 및 각 복셀을 스캔한 횟수값(Occupancy)을 수치화하는 빈도검출부;를 포함하는 것을 특징으로 한다.
바람직하게, 상기 그래픽처리부는 각 복셀에 대한 통과계수 및 각 복셀을 스캔한 횟수값을 상기 메인프로세서에 전송하고, 상기 메인 프로세서는 각 복셀에 대한 통과계수 및 각 복셀을 스캔한 횟수값을 누적적으로 이용하여 지도를 생성하는 것을 특징으로 한다.
바람직하게, 이동 물체는 이동 물체에 장착된 영상촬영센서에서 촬영한 주행 경로 영상 및 상기 메인프로세서에서 생성한 지도를 이용하여 주행한 경로를 복귀하는 것을 특징으로 한다.
본 발명의 바람직한 일 실시예로서, 메인프로세서는 시스템 계층(System Layer), 인터페이스 계층(Interface Layer), 코어 계층(Core Layer) 및 애플리케이션 계층(Application Layer)을 포함하는 계층화된 스택을 포함하는 것을 특징으로 한다.
본 발명의 또 다른 바람직한 일 실시예로서, 소형통합제어장치에서 대용량 센서데이터를 처리하는 방법은 메인프로세서에서 적어도 하나 이상의 멀티코어 CPU를 이용하여 대용량 센서데이터를 처리하는 단계; 보조프로세서에서 상기 메인프로세서와 동일한 클럭을 이용하여 상기 대용량 센서데이터 중 환경인식과 관련된 센서데이터를 처리하는 단계;및 그래픽처리부에서 멀티코어를 이용하여 상기 메인프로세서와 동일한 클럭을 이용하여 상기 대용량 센서데이터 중 연산처리를 수행하는 단계;를 포함하고, 상기 메인프로세서, 상기 보조프로세서 및 상기 그래픽처리부는 병렬로 상기 대용량 센서데이터를 처리하는 것을 특징으로 한다.
본 발명의 또 다른 바람직한 일 실시예로서, 소형통합제어장치에서 대용량 센서데이터를 처리하는 방법은 메인프로세서에서 적어도 하나 이상의 멀티코어 CPU를 이용하여 대용량 센서데이터를 처리하는 단계; 상기 메인프로세서와 동일한 클럭을 이용하는 보조프로세서에서 상기 대용량 센서데이터 중 레이저 기반 센서데이터를 처리하는 단계;및 상기 메인프로세서와 동일한 클럭을 이용하는 그래픽처리부에서, 상기 대용량 센서데이터 중 영상 기반 센서데이터를 멀티코어를 이용하여 병렬로 처리하는 단계;를 포함하고, 상기 메인프로세서, 상기 보조프로세서 및 상기 그래픽처리부는 상기 대용량 센서 데이터를 병렬로 처리하며, 상기 그래픽처리부는 상기 대용량 센서데이터 중 3차원 거리데이터를 직사각형의 복셀단위로 분할하여, 각 복셀 내의 3차원 포인트 클라우드(point cloud) 데이터의 평균 및 공분산 값을 기초로 각 복셀을 통과할 수 있는 확률값을 계산하고, 각 복셀을 스캔한 횟수값을 이용하여 상기 각 복셀을 통과할 수 있는 확률값의 정확도에 가중치를 계산하는 것을 특징으로 한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.
본 발명의 실시예들은 서버 컴퓨터 시스템, 데스크톱 컴퓨터 시스템들, 랩톱들로 제한되지 않고, 핸드헬드 디바이스들, 스마트폰들, 태블릿들, 다른 씬 노트북들, SOC(systems on a chip, 시스템 온 칩) 디바이스들, 및 임베디드 응용 분야들과 같은 다른 디바이스들에서도 사용될 수 있다. 핸드헬드 디바이스는 셀룰러폰들, 인터넷 프로토콜 디바이스들, 디지털 카메라들, PDA들(personal digital assistants, 개인 휴대 단말기들), 및 핸드헬드 PC들을 포함한다. 또한, 본 명세서에 기술되어 있는 장치들, 방법들, 및 시스템들이 물리 컴퓨팅 디바이스들로 제한되지 않고, 또한 에너지 절감 및 효율을 위한 소프트웨어 최적화를 위해 이용될 수도 있다.
도 2 는 본 발명의 바람직한 일 실시예로서, 소형통합장치(200)의 일 예를 도시한다.
소형통합장치(200)는 적어도 하나 이상의 멀티코어 CPU를 이용하여 대용량 센서데이터를 처리하는 메인프로세서(210), 메인프로세서(210)와 동일한 클럭을 이용하며 대용량 센서데이터를 처리하는 보조프로세서(220), 메인프로세서와 동일한 클럭을 이용하며, 대용량 센서데이터의 연산처리를 수행하는 그래픽처리부(230)를 포함한다. 본 발명의 바람직한 일 실시예로서, 메인프로세서(210), 보조프로세서(220) 및 그래픽처리부(230)는 대용량 센서데이터를 병렬로 처리가 가능하다.
소형통합장치(200)는 입출력 인터페이스(240)를 이용하여 메인프로세서(210), 보조프로세서(220) 및 그래픽처리부(230)를 직렬 또는 병렬로 확장하도록 구현이 가능하다.
본 발명의 바람직한 일 실시예에서, 메인프로세서(210)는 범용 또는 특수 목적 중앙 처리 장치(CPU), 주문형 반도체(ASIC) 또는 디지털 신호 프로세서(DSP)를 포함하는 임의의 타입의 데이터 프로세서일 수 있다.
예를 들어, 메인프로세서(210)는 Core™ i3, i5, i7, 2 Duo 및 Quad, Xeon™, 또는 Itanium™ 프로세서 등의 범용 프로세서일 수 있다. 메인프로세서(210)는 특수 목적을 위해 제작된 프로세서, 예를 들어, 네트워크 또는 통신 프로세서, 압축 엔진, 그래픽 프로세서, 코-프로세서, 내장형 프로세서 등일 수 있다. 메인프로세서(210)는 하나 이상의 패키지들 내에 포함된 하나 이상의 칩들로 구현될 수 있다. 메인프로세서(210)는, 예를 들어, BiCMOS, CMOS 또는 NMOS 등의 다수의 프로세스 기술들 중 임의의 기술을 이용할 수 있다.
본 발명의 바람직한 일 실시예에서, 메인프로세서(210)는 적어도 하나 이상의 멀티코어CPU(212, 214)를 포함할 수 있다. 적어도 하나 이상의 멀티코어CPU(212, 214) 간에는 QPI(Quick Path Interconnect)프로토콜을 이용하여 통신이 가능하다. 메인프로세서(210)는 패킷 기반의 점대점(point-to-point) 상호 연결 버스를 이용하여 상기 적어도 하나 이상의 멀티코어 CPU(210, 212)를 상호 연결할 수 있다.
본 발명의 바람직한 일 실시예에서, 그래픽처리부(230)는 3D 또는 2D 그래픽 커맨드들 등의 그래픽 커맨드들을 실행하기 위한 로직을 포함한다. 그래픽처리부(230)는 Open GL 및/또는 Direct X 응용 프로그래밍 인터페이스들(API들)(예를 들어, OpenGL 4.1 및 Direct X 11)에 의해 지정된 커맨드들 등의 산업 표준 그래픽 커맨드들을 실행할 수 있다.
입출력 인터페이스(240)는 근거리 통신망, 광역 통신망 또는 인터넷 등의네트워크 통신, 내부 유닛 또는 외부 장치와의 통신을 지원할 수 있다. 입출력 인터페이스(240)는 내부 유닛 또는 외부 장치와의 액세스 및 네트워크 통신을 제공하기 위해 어댑터, 허브 등을 추가로 더 포함할 수 있다. 입출력 인터페이스(240)는 메인프로세서(210)와 동일한 칩 또는 동일한 보드에 구현되거나 또는 메인프로세서(210)에 연결된 별개의 칩 및/또는 패키지에 구현될 수 있다.
도 3 내지 4는 본 발명의 바람직한 일 실시예로서, 소형통합제어장치(300)의 내부 구성도를 도시한다.
소형통합제어장치(300)는 메인프로세서(310), 보조프로세서(320) 및 그래픽처리부(330)를 포함한다.
바람직하게, 소형통합제어장치(300)는 입출력인터페이스(340) 또는 이더넷 스위치(350)를 더 포함할 수 있다.
바람직하게, 소형통합제어장치(300)는 메인프로세서(310), 보조프로세서(320) 및 그래픽처리부(330)에 전원을 공급하는 전원부(미 도시)를 더 포함할 수 있다.
바람직하게, 소형통합제어장치(300)는 메인프로세서(310), 보조프로세서(320) 및 그래픽처리부(330)를 제어하는 MCU(Micro Control Unit)(미 도시)를 더 포함할 수 있다. 이 경우 MCU는 메인프로세서(310)와 이더넷 또는 RS232 등의 통신으을 수행할 수 있고, 전원부와는 CAN 통신으로 연결되어 있어, 전원 상태와 Fault 상황에 대해 주변 장치들의 후속 대책을 제어하도록 구현될 수 있다.
본 발명의 바람직한 일 실시예로서, 소형통합제어장치(300)는 동일한 시스템 클럭을 이용하는 메인프로세서(310), 보조프로세서(320) 및 그래픽처리부(330)를 이용하여 대용량 센서데이터를 병렬로 처리할 수 있다.
본 발명의 바람직한 일 실시예로서, 소형통합제어장치(300)가 자율 주행 로봇, 이동 로봇, 이동체 등에 구현될 경우의 예를 가정할 수 있다.
이 경우, 메인프로세서(310)는 자율 주행 로봇, 이동 로봇, 이동체 등에서 스스로 주행 경로를 선택하고 장애물을 피해 목적지로 이동하기 위해 대용량 센서데이터에서 획득한 자율 주행 로봇, 이동 로봇, 이동체 등의 위치 데이터 및 자율 주행 로봇, 이동 로봇, 이동체 등과 근접한 위치에 있는 장애물에 대한 데이터를 기반으로 자율주행을 위한 이동 경로를 표시하는 주행 맵 또는 지도를 생성할 수 있다.
이 경우, 보조프로세서(320)는 메인프로세서(310)에서 수신한 대용량 센서데이터 중 환경인식과 관련된 연산을 처리하고, 그래픽처리부(330)는 대용량 센서데이터 중 영상과 관련된 연산을 처리하도록 병렬 처리를 수행할 수 있다.
보조프로세서(320)에서 수행하는 환경인식과 관련된 연산은 레이저 기반 센서데이터를 처리하는 연산을 포함한다. 레이저 기반 센서데이터는 레이저 스캐너 등에서 검출된 센서데이터를 포함한다.
그래픽처리부(330)에서 수행하는 영상과 관련된 연산은 카메라 영상, 연산처리 등을 포함한다. 또한 레이저 기반 센서데이터로부터 도출된 연산처리도 그래픽처리부(330)에서 처리할 수 있다.
본 발명의 바람직한 일 실시예에서, 메인프로세서(310)는 자율 주행 로봇, 이동 로봇, 이동체 등에서 위치 데이터, 거리데이터, 근접한 위치에 있는 장애물에 대한 데이터 등을 나타내는 LADAR 센서정보, 2D, 3D LADAR 거리정보, CAMERA 영상정보 등을 수신할 수 있다. 이 경우, 메인프로세서(310)는 이더넷 스위치(350) 등을 이용하여 대용량 센서데이터를 수신하도록 구현될 수 있다.
메인프로세서(310)는 대용량 센서데이터 중 거리데이터 및 근접한 위치에 있는 장애물에 대한 데이터의 연산처리는 그래픽처리부(330)에서 수행하도록 데이터를 전송하고, 그래픽처리부(330)에서 연산처리가 끝나면, 결과를 수신하여, 그에 기초하여 주행맵 또는 지도를 생성하도록 구현될 수 있다. 그래픽처리부(330)에서 연산을 처리하는 일 실시예는 도 5 내지 6을 참고한다.
도 8은 본 발명의 바람직한 일 실시예로서, 메인프로세서(310)에서 지원하는 계층화된 스택(800)을 도시한다.
계층화된 스택(800)은 시스템 계층(System Layer)(810), 인터페이스 계층(Interface Layer)(820), 코어 계층(Core Layer)(830) 및 애플리케이션 계층(Application Layer)(840)을 포함한다.
인터페이스 계층(Interface Layer)(820)은 MCU, 센서 및 통신 인터페이스를 지원한다.
코어 계층(Core Layer)(830)은 동적 환경 실시간 파악, 시각 주행거리 파악, 레이저 스캔 매칭 등과 같은 위치추정, 동적 장애물 탐지 및 추적, 레이저기반 환경인식 등과 같은 환경인식, RRT 샘플링 기반 전역 경로 계획, costom planning 및 동적 장애물 회피 등과 같은 planning, Basic Waypoint following 및 Fast Waypoint following 과 같은 주행제어, 그 외 수학라이브러리 및 유틸 라이브러리를 지원한다.
보조프로세서(320)는 코어 계층(Core Layer)(830) 중 동적 장애물 탐지 및 추적, 레이저기반 환경인식 등과 같은 환경인식을 지원하여 처리가 가능하다. 또한, 병렬처리를 최적화 할 수 있는 부분을 처리하도록 구현이 가능하다. Planning SW에서도 각 격자로 나누어 처리할 수 있어 병렬화가 가능하다면 보조프로세서(320)에서 처리될 수 있다.
도 5 내지 6 은 본 발명의 바람직한 일 실시예로서, 그래픽처리부에서 연산처리를 수행하는 일 실시예를 도시한다.
그래픽처리부(500)는 메인프로세서와 동일한 클럭을 이용하며, 멀티코어를 이용하여 대용량 센서데이터의 연산처리를 병렬로 처리한다.
그래픽처리부(500)는 연산부(532), 통과계수연산부(534) 및 빈도검출부(536)를 포함한다.
연산부(532)는 메인프로세서(510)로부터 대용량 센서 데이터 중 3차원 거리 데이터, 카메라 영상, 주행 데이터 등을 수신할 수 있다. 본 발명의 바람직한 일 실시예로서, 3차원 거리 데이터는 장애물의 3차원 영상 데이터, 거리 정보, 이동 정보 중 하나 이상을 근거로 하여 형성된다.
연산부(532)는 도 6 의 일 실시예와 같이 3차원 거리데이터를 복셀(voxel) 데이터로 변환한다. 그 후, 각각의 복셀마다 포함되어 있는 3차원 포인트 클라우드(point cloud) 데이터의 평균 및 공분산을 계산한다.
도 6 을 참고하면, 본 발명의 바람직한 일 실시예에서 연산부(532)는 3차원 거리 데이터를 일정한 크기의 직사각형 크기의 복셀로 분할한다(S610, S620, S630). 이 경우 각각의 복셀(S610, S620, S630)은 서로 독립적인 관계로, 각 복셀에 대한 계산은 멀티코어로 구현된 그래픽처리부에서 빠르게 처리가 가능하다. 본 발명의 바람직한 일 실시예로서, 복셀의 높이는 벨로다인 센서 등 3차원 거리 감지 센서가 검출할 수 있는 최대의 높이로 설정할 수 있다.
본 발명의 바람직한 일 실시예에서, 연산부(532)는 각각의 복셀(S610, S620, S630)마다 포함되어 있는 3차원 포인트 클라우드(point cloud) 데이터의 평균(mean) 및 공분산(covariance)을 계산한다.
통과계수연산부(534)는 연산부(532)에서 계산된 각 복셀의 평균(mean) 및 공분산(covariance)을 이용하여 아이젠 값 및 아이젠 벡터값을 계산한다. 본 발명의 바람직한 일 실시예에서는 아이젠값(Eigen value)를 이용하여 각 복셀 내의 3차원 포인트 클라우드(point cloud) 데이터의 높이(도 6, S611)를 구하고, 아이젠 벡터값을 이용하여 각 복셀 내의 3차원 포인트 클라우드(point cloud) 데이터의 표면 방향각(도 6, S613)을 구한다.
통과계수연산부(534)는 아이젠값 및 아이젠 벡터값을 이용하여 각 복셀 내의 3차원 포인트 클라우드(point cloud) 데이터의 높이 및 표면 방향각을 계산하고, 이를 기초로 각 복셀을 통과할 수 있는지에 대한 확률값을 계산한다. 표면 방향각은 surface Normal 을 통해 계산될 수 있다. 본 발명에서는 이 확률값을 통과계수(traversability)라 지칭한다. 통과계수는 수학식 1과 같이 구해질 수 있다.
수학식 1
Figure PCTKR2015001741-appb-M000001
수학식 1에서 N(x)는 surface Normal을 계산하는 함수이고, x는 각 복셀의 인덱스를 나타낸다.
빈도검출부(536)는 각 복셀이 스캔된 횟수(Occupancy)를 수치화한다. 각 복셀이 스캔된 횟수를 파악하는 것이 그래픽처리부(530)에서만 수행될 수 있는 것으로 제한되는 것이 아니라, 메인프로세서(510)에서도 수행이 가능하다는 것을 주의하여야 한다.
본 발명의 바람직한 일 실시예로서, 이동 로봇, 이동체, 자율형 로봇 등에 장착된 레이저 센서는 근접한 거리에 있는 물체를 스캔하는 횟수가 원거리에 있는 물체를 스캔하는 횟수보다 높다. 본 발명의 바람직한 일 실시예에서, 빈도검출부(536)는 레이저 스캐너, 레이저 센서 등의 이러한 특성을 이용하여 각 복셀이 스캔된 횟수(Occupancy)가 기설정된 횟수 이상 높을수록 가까운 곳에 위치하며 장애물 또는 물체 등으로 인식한 가능성이 정확함을 파악할 수 있다. 또한 센서데이터의 오차와 이동 로봇, 이동체, 자율형 로봇 등에서 위치 인식시 발생하는 오차를 줄일 수 있다.
본 발명의 바람직한 일 실시예로서, 그래픽처리부(530)는 각 복셀이 스캔된 횟수(Occupancy) 정보 및 각 픽셀의 통과계수를 메인프로세서(510)로 전송한다.
메인프로세서(510)는 각 복셀이 스캔된 횟수(Occupancy) 정보 및 각 픽셀의 통과계수에 대한 정보를 수신하면, 각 복셀이 스캔된 횟수(Occupancy) 정보 및 각 픽셀의 통과계수에 대한 정보를 누적적으로 이용하여 주행맵생성부(511)를 통해 3차원 주행맵 또는 지도를 작성한다. 메인프로세서(510)는 주행 경로의 전방에 대하여 지속적으로 얻어지는 3차원 거리 데이터를 히스토그램 매칭 등을 수행하여 시간에 따른 이동 정보 및 주행맵를 구할 수 있다. 이렇게 생성된 3차원 지도는 내부 칩, 내부 보드 또는 원격 장치에 저장이 가능하다.
메인프로세서(510)에서 주행맵을 생성은 수학식 2와 같이 가능하다.
수학식 2
Figure PCTKR2015001741-appb-M000002
이 경우, Weightt=Weightt-1 + Occupancyt
본 발명의 바람직한 일 실시예에서, 이동체, 이동 로봇, 자율형 로봇 등은 메인프로세서(510)에서 생성한 주행맵을 참고하여, 주행한 경로를 자동으로 복귀가 가능하다.
본 발명의 바람직한 일 실시예에서, 주행맵 생성은 메인프로세서(510)에서 단독으로 진행되지 않고 그래픽처리부(530)에서의 연산처리 및 보조프로세서에서의 환경인식과 병렬적으로 실시간으로 처리되는 특징이 있다.
도 7 은 본 발명의 바람직한 일 실시예로서, 그래픽처리부에서 3차원 거리데이터를 인식하여 통과계수를 계산하는 일 예를 도시한다.
그래픽처리부는 3차원 거리데이터를 인식한 후(710), 인식한 3차원 거리데이터를 복셀데이터로 변환하고(720), 이 후 각 복셀 내의 3차원 포인트 클라우드(point cloud) 데이터의 평균 및 공분산 값을 기초로 아이젠 값, 아이젠 벡터값을 계산하여 통과계수를 검출한다. 통과계수의 수치가 커질수록 진하게 표시되어 장애물이 존재함을 나타낸다. 통과계수의 수치가 큰 부분을 음영이 진하게 표시되고(711), 통과계수의 수치가 낮을수록 음영이 연하게 표시된다. 예를 들어 통과계수가 0.1 인 경우는 음영이 연하게 표시되고, 나무의 잎사귀 부분을 나타낼 수 있으며, 통과계수가 0.7인 경우는 음영이 진하게 표시되고, 나무의 기둥을 나타낼 수 있다.
도 7c 는 본 발명의 바람직한 일 실시예로서, 소형통합제어장치를 이용하는 이동체, 이동 로봇, 자율형 로봇(700)에서 통과계수값을 계산하여 경로를 설정한 일 예를 도시한다.
통과계수값이 높을수록 통과할 수 있는 확률이 낮다는 것을 의미하며, 음영이 진하게 표시되고, 통과계수값이 낮을수록 통과할 수 있는 확률이 높다는 것을 의미하며, 음영이 연하게 표시된다.
도 9 는 본 발명의 바람직한 일 실시예로서, 소형통합제어장치가 장착된 또는 소형통합제어장치를 이용하는 이동체의 일 실시예를 도시한다.
이동체(900)는 3D 센서부, 센서부, GPS 송수신부, 제어부 및 출력부 (내부 구성 미도시)을 포함하도록 구현될 수 있다. 센서부는 스티어링(steering) 감지부, 속도 센서, 가속 센서, 위치 센서 등을 포함할 수 있다.
3D 센서부는 회전체 반사경과 집광 렌즈 및 촬상 소자를 이용하여 전방위, 후방위 및/또는 측방위를 한번에 촬영하는 카메라 시스템으로서, 보안 시설과 감시 카메라, 로봇 비전 등에 응용된다. 회전체 반사경의 형상으로는 쌍곡면이나 구면, 원추형, 복합형 등 다양하다. 또한, 촬상 소자로는 CCD(Charge Coupled Device) 또는 CMOS(Complementary Metal Oxide Semiconductor)가 사용된다. 이 촬상 소자의 촬상면에 투영되는 화상(즉 전방위 영상)은 회전체 반사경에 반사된 것이어서 인간이 그대로 관찰하기에는 적합하지 않은 일그러진 화상이다. 따라서 3D 센서부는 화상의 정확한 관찰을 위해 촬상 소자의 출력을 마이크로프로세서 등을 통해 그 좌표를 변환하여 새로운 파노라마 영상을 만들어낸다.
3D 센서부는 전방위를 3차원적으로 촬영하여 3차원 거리 데이터를 획득하기 위해 스테레오 카메라(stereo camera), 깊이 카메라(depth camera), 이동식 스테레오 카메라(moving stereo camera) 및 라이다(Light Detection and Ranging; LIDAR) 장비 중 하나 이상을 포함하여 구성될 수 있다.
스테레오 카메라는 복수의 카메라로 구성되는 영상 장치이다. 3D 센서부(110)를 통해 얻은 전방위 영상은 3D 센서부 주변에 대한 2차원적인 정보를 제공한다. 만약 복수의 카메라를 통해 서로 다른 방향에서 촬영한 복수의 영상을 이용하면 3D 센서부 주변에 대한 3차원적인 정보를 얻을 수 있다. 이와 같은 스테레오 카메라를 이동체 또는 이동 로봇의 위치 인식 및 지도 생성에 이용하기도 한다.
깊이 카메라는 장애물을 촬영 또는 측정하여 영상과 거리 데이터를 추출하는 카메라이다. 즉, 깊이 카메라는 일반적인 카메라와 같이 장애물을 촬상하여 영상 또는 이미지 데이터를 만들고, 각 영상의 픽셀에 해당하는 실제 위치에서 카메라로부터의 거리를 측정하여 거리 데이터를 만든다.
이동식 스테레오 카메라는 스테레오 카메라의 위치가 장애물의 거리에 따라 능동적으로 변하여 관측 장애물에 대한 주시각을 고정시키는 카메라를 말한다. 스테레오 카메라는 일반적으로 두 대의 카메라를 평행하게 배치하고 영상을 획득하며, 획득 영상의 스테레오 시차에 따라 장애물까지의 거리를 계산할 수 있다.
이러한 스테레오 카메라는 광축이 항상 평행하게 배치되어 고정된 형태의 수동적인 카메라이다. 반면, 이동식 스테레오 카메라는 광축의 기하학적 위치를 능동적으로 변화시켜 주시각을 고정시킨다. 이렇게 스테레오 카메라의 주시 각도를 장애물의 거리에 따라 제어하는 것을 주시각 제어라 한다.
주시각 제어 스테레오 카메라는 움직이는 장애물에 대한 스테레오 시차를 항상 일정하게 유지하여 입체 영상 관측자에게 보다 자연스러운 입체 영상을 제공하며 장애물에 대한 거리 측정이나 스테레오 영상 처리에 있어서 유용한 정보를 제공한다.
라이다(LIDAR) 장비는 이동체(900)의 전면에 위치한 장애물의 존재와 거리를 감지하기 위해 구비된다. 라이다 장비는 레이더(Radar)와 동일한 원리를 이용해 사물에 직접적인 접촉 없이 원하는 정보를 취득하는 능동형 원격 탐사(Remote Sensing)의 한 종류다. 라이다 장비는 정보를 취득하고자 하는 목표물에 레이저(Laser)를 쏘아 목표물로부터 반사되어 돌아오는 전자파의 시차와 에너지 변화를 감지해 원하는 거리 정보를 취득한다.
라이다 장비는 측정하고자 하는 목적이나 대상물에 따라 DIAL(DIfferentail Absorption LIDAR), 도플러 라이다 (Doppler LIDAR), 거리 측정 라이다(Range finder LIDAR)의 세 종류로 나뉜다. DIAL은 측정하고자 하는 물체에 대한 흡수 정도가 서로 다른 두 개의 레이저를 이용해 대기중의 수증기, 오존, 공해 물질 등의 농도 측정에 활용되고, 도플러 라이다(Doppler LIDAR)는 도플러 원리를 이용해 물체의 이동 속도 측정에 이용된다. 그러나 일반적으로 라이다라고 하면 거리 측정 라이다(Range finder LIDAR)를 지칭하며 이것은 위성 측위 시스템(Global Positioning System; 이하 GPS)과 관성 항법 유도 장치(Inertial Navigation System; 이하 INS), 레이저 스캐너(LASER SCANNER) 시스템을 이용하여 대상물과의 거리 정보를 조합함으로써 3차원 지형 정보를 취득한다.
라이다 장비는 이동체(900)의 이동 경로 전면에 위치한 장애물의 존재와 장애물까지의 거리 및 장애물의 이동을 감지하여 3차원 거리 데이터를 획득하고, 획득된 데이터를 제어부로 전송하여 장애물이 없는 공간으로 이동체(900)가 이동할 수 있도록 한다.
출력부는 디스플레이부를 포함하며, 제어부 또는 메인프로세서의 주행맵생성부(도 5, 511)에서 생성된 주행맵을 통해 결정된 주행 경로를 UI(User Interface) 또는 GUI(Graphic User Interface)를 이용하여 표시하도록 구현될 수 있다.
도 10은 본 발명의 바람직한 일 실시예에서, 소형통합제어장치의 그래픽처리부에서 병렬적으로 대용량센서데이터를 처리하는 흐름도를 도시한다.
소형통합제어장치에서 대용량 센서데이터를 처리하는 방법은 메인프로세서에서 적어도 하나 이상의 멀티코어 CPU를 이용하여 대용량 센서데이터를 처리하는 단계(S1010), 보조프로세서에서 상기 메인프로세서와 동일한 클럭을 이용하여 상기 대용량 센서데이터 중 환경인식과 관련된 센서데이터를 처리하는 단계(S1020) 및
그래픽처리부에서 멀티코어를 이용하여 상기 메인프로세서와 동일한 클럭을 이용하여 상기 대용량 센서데이터 중 연산처리를 수행하는 단계(S1030)를 병렬적으로 수행하는 특징이 있다.
그래픽처리부 내부에서는 또한 메인프로세서로부터 수신한 대용량 센서데이터에 대한 연산처리를 병렬적으로 수행한다. 도 11을 참고하면, 소형통합제어장치의 그래픽처리부에서는 메인프로세서로부터 대용량 센서 데이터 중 3차원 거리 데이터를 수신한다(S1110). 이 후, 3차원 거리 데이터를 복셀 데이터로 변환하고(S1120), 각 복셀마다 포함되어 있는 3차원 포인트 클라우드(point cloud) 데이터의 평균 및 공분산을 계산한다(S1130).
이후, 그래픽처리부는 평균 및 공분산 값을 기초로 아이젠 값 및 아이젠 벡터값을 계산하고(S1140), 아이젠 값 및 아이젠 벡터값을 기초로 각 복셀의 표면 방향각 및 높이를 계산하여 통과계수(traversability)를 계산한다.
이 후, 각 복셀을 스캔한 횟수값(Occupancy)을 수치화하여 계산된 통과계수에 정확도에 대한 가중치를 부여할 수 있다(S1160).
본 발명의 상기 방법은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서는 도면에 도시된 구체적인 실시예를 참고하여 본 발명을 설명하였으나 이는 예시적인 것에 불과하므로, 본 발명이 속하는 기술 분야에서 통상의 기술을 가진 자라면 이로부터 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명의 보호 범위는 후술하는 특허청구범위에 의하여 해석되어야 하고, 그와 동등 및 균등한 범위 내에 있는 모든 기술적 사상은 본 발명의 보호 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (40)

  1. 적어도 하나 이상의 멀티코어 CPU를 이용하여 대용량 센서데이터를 처리하는 메인프로세서;
    상기 메인프로세서와 동일한 클럭을 이용하며 상기 대용량 센서데이터 중 레이저 기반 센서데이터를 처리하는 보조프로세서;및
    상기 메인프로세서와 동일한 클럭을 이용하며, 상기 대용량 센서데이터 중 영상 기반 센서데이터를 멀티코어를 이용하여 병렬로 처리하는 그래픽처리부;를 포함하며,
    상기 메인프로세서, 상기 보조프로세서 및 상기 그래픽처리부는 병렬로 상기 대용량 센서데이터를 처리하는 것을 특징으로 하는 소형통합제어장치.
  2. 제 1 항에 있어서, 상기 그래픽처리부는
    상기 대용량 센서 데이터 중 3차원 거리 데이터를 수신하고, 상기 3차원 거리 데이터를 복셀(voxel) 데이터로 변환하며, 각각의 복셀마다 포함되어 있는 3차원 포인트 클라우드(point cloud) 데이터의 평균 및 공분산을 계산하는 연산부;
    상기 평균 및 공분산 값을 기초로 계산된 아이젠 값 및 아이젠 벡터값을 기초로 각 복셀의 표면 방향각 및 높이를 계산하여 각 복셀을 통과할 수 있는지에 대한 확률값인 통과계수(traversability)를 계산하는 통과계수연산부;
    각 복셀을 스캔한 횟수값(Occupancy)을 수치화하는 빈도검출부;를 포함하는 것을 특징으로 하는 소형통합제어장치.
  3. 제 2 항에 있어서,
    상기 그래픽처리부는 각 복셀에 대한 통과계수 및 각 복셀을 스캔한 횟수값을 상기 메인프로세서에 전송하고,
    상기 메인 프로세서는 각 복셀에 대한 통과계수 및 각 복셀을 스캔한 횟수값을 누적적으로 이용하여 지도를 생성하는 것을 특징으로 하는 소형통합제어장치.
  4. 제 3 항에 있어서,
    이동 물체는 이동 물체에 장착된 영상촬영센서에서 촬영한 주행 경로 영상 및 상기 메인프로세서에서 생성한 지도를 이용하여 주행한 경로를 복귀하는 것을 특징으로 하는 소형통합제어장치.
  5. 제 1 항에 있어서, 상기 대용량 센서데이터는
    이동 물체에 장착된 적어도 하나 이상의 센서에서 수신한 데이터인 것을 특징으로 하는 소형통합제어장치.
  6. 제 1 항에 있어서,
    상기 그래픽처리부는 상기 레이저 기반 센서데이터 중 영상처리와 관련된 센서데이터를 더 처리하는 것을 특징으로 하는 소형통합제어장치.
  7. 적어도 하나 이상의 멀티코어 CPU를 이용하여 대용량 센서데이터를 처리하는 메인프로세서;
    상기 메인프로세서와 동일한 클럭을 이용하며 상기 대용량 센서데이터 중 레이저 기반 센서데이터를 처리하는 보조프로세서;및
    상기 메인프로세서와 동일한 클럭을 이용하며, 멀티코어를 이용하여 상기 대용량 센서데이터의 연산처리를 병렬로 처리하는 그래픽처리부;를 포함하며, 상기 메인프로세서, 상기 보조프로세서 및 상기 그래픽처리부는 병렬로 상기 대용량 센서데이터를 처리하는 것을 특징으로 하는 소형통합제어장치.
  8. 제 7 항에 있어서, 상기 그래픽처리부는
    상기 대용량 센서데이터 중 거리 데이터를 복셀 단위로 분할하고, 각각의 복셀에 포함되된 3차원 포인트 클라우드(point cloud) 데이터의 평균 및 공분산 값을 기초로 각 복셀의 표면 방향각 및 높이를 계산하여 각 복셀을 통과할 수 있는지에 대한 확률값인 통과계수를 산출하는 것을 특징으로 하는 소형통합제어장치.
  9. 제 7 항에 있어서, 상기 메인프로세서는
    각 복셀을 스캔한 횟수값(Occupancy) 및 상기 각 복셀에 대해 산출된 상기 통과계수를 누적적으로 이용하여 지도를 생성하는 것을 특징으로 하는 소형통합제어장치.
  10. 제 8 항에 있어서,
    상기 메인프로세서, 상기 보조프로세서 및 상기 그래픽처리부를 직렬 또는 병렬로 확장하도록 구현하는 입출력 인터페이스;를 더 포함하는 것을 특징으로 하는 소형통합제어장치.
  11. 적어도 하나 이상의 멀티코어 CPU를 이용하여 대용량 센서데이터를 처리하는 메인프로세서;
    상기 메인프로세서와 동일한 클럭을 이용하며, 상기 대용량 센서데이터를 상기 메인프로세서와 병렬로 처리하는 보조프로세서;및
    상기 메인프로세서와 동일한 클럭을 이용하며, 연산 처리를 수행하는 그래픽처리부;를 포함하고, 상기 메인프로세서, 상기 보조프로세서 및 상기 그래픽처리부는 병렬로 상기 대용량 센서데이터를 처리하는 것을 특징으로 하는 소형통합제어장치.
  12. 제 11 항에 있어서,
    상기 보조프로세서는 상기 대용량 센서데이터 중 레이저 기반 센서데이터를 처리하고, 상기 레이저 기반 센서데이터는 레이저 스캐너를 통해 획득한 센서데이터를 포함하는 것을 특징으로 하는 소형통합제어장치.
  13. 제 11 항에 있어서,
    상기 그래픽처리부는 상기 대용량 센서데이터 중 영상 기반 센서데이터를 실시간으로 처리하고, 상기 영상 기반 센서데이터는 카메라 영상을 포함하는 것을 특징으로 하는 소형통합제어장치.
  14. 제 12 항에 있어서, 상기 메인프로세서는
    상기 그래픽처리부에서 상기 레이저 기반 센서데이터 중 영상처리와 관련된 센서데이터 연산을 처리하도록 제어하는 것을 특징으로 하는 소형통합제어장치.
  15. 제 11 항에 있어서,
    상기 메인프로세서, 상기 보조프로세서 및 상기 그래픽처리부를 직렬 또는 병렬로 확장하도록 구현하는 입출력 인터페이스;를 더 포함하는 것을 특징으로 하는 소형통합제어장치.
  16. 제 11 항에 있어서,
    상기 메인프로세서는 이동 로봇 구동시 생성되는 대용량 센서데이터를 수신하고, 상기 대용량 센서데이터는 상기 이동 로봇이 이용하는 센서에서 검출한 센서데이터, 상기 이동 로봇이 이동한 실시간 거리 정보, 상기 이동 로봇이 촬영한 영상정보 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 소형통합제어장치.
  17. 제 11 항에 있어서,
    상기 그래픽처리부는 상기 대용량 센서 데이터 중 이동 로봇 주행시 검출된 3차원 거리 데이터 및 주행 경로 정보를 수신하고, 상기 3차원 거리 데이터를 복셀(voxel) 데이터로 변환하며, 각각의 복셀마다 포함되어 있는 3차원 포인트 클라우드(point cloud) 데이터의 평균 및 공분산을 계산하여 아이젠 값 및 아이젠 벡터값을 추출하는 연산부;를 포함하고, 상기 그래픽처리부는 상기 아이젠 값 및 아이젠벡터값을 기초로, 각 복셀을 통과할 수 있는 가능성을 표시하는 통과계수를 계산하며, 각 복셀을 스캔한 횟수값를 파악하여, 각 복셀에 대한 통과계수 및 스캔한 횟수값을 상기 메인프로세서로 전송하는 것을 특징으로 하는 소형통합제어장치.
  18. 제 17 항에 있어서, 상기 메인프로세서는
    각 복셀에 대한 통과계수 및 스캔한 횟수값을 누적적으로 이용하여 상기 이동 로봇의 주행경로를 표시하는 지도를 생성하는 것을 특징으로 하는 소형통합제어장치.
  19. 제 11항에 있어서,
    상기 메인프로세서는 상기 대용량 센서데이터를 이더넷을 통해 수신하는 것을 특징으로 하는 소형통합제어장치.
  20. 제 11항에 있어서,
    상기 메인프로세서는 패킷 기반의 점대점(point-to-point) 상호 연결 버스를 이용하여 상기 적어도 하나 이상의 멀티코어 CPU를 상호 연결하는 것을 특징으로 하는 소형통합제어장치.
  21. 제 11 항에 있어서,
    상기 보조프로세서 및 상기 그래픽처리부는 상기 메인프로세서와 동일한 클럭을 이용하여 처리한 센서데이터의 동기화를 수행하는 것을 특징으로 하는 소형통합제어장치.
  22. 제 11 항에 있어서,
    상기 메인프로세서는 상기 대용량 센서데이터를 이더넷 스위치를 통해 수신하는 것을 특징으로 하는 소형통합제어장치.
  23. 제 11 항에 있어서,
    상기 메인프로세서, 상기 보조프로세서, 상기 그래픽처리부에 전원을 공급하는 전원부;를 더 포함하는 것을 특징으로 하는 소형통합제어장치.
  24. 제 11 항에 있어서,
    상기 메인프로세서, 상기 보조프로세서, 상기 그래픽처리부를 제어하는 MCU(Micro Control Unit)를 더 포함하는 것을 특징으로 하는 소형통합제어장치.
  25. 제 11 항에 있어서, 상기 메인프로세서는
    시스템 계층(System Layer), 인터페이스 계층(Interface Layer), 코어 계층(Core Layer) 및 애플리케이션 계층(Application Layer)을 지원하는 것을 특징으로 하는 소형통합제어장치.
  26. 제 11 항에 있어서, 상기 메인프로세서는
    시스템 계층(System Layer), 인터페이스 계층(Interface Layer), 코어 계층(Core Layer) 및 애플리케이션 계층(Application Layer)을 포함하는 계층화된 스택을 포함하는 것을 특징으로 하는 소형통합제어장치.
  27. 제 17 항에 있어서,
    상기 복셀의 높이는 3차원 거리 감지 센서가 검출할 수 있는 최대의 높이로 설정되는 것을 특징으로 하는 소형통합제어장치.
  28. 제 17 항에 있어서,
    상기 복셀은 직사각형의 형태인 것을 특징으로 하는 소형통합제어장치.
  29. 적어도 하나 이상의 멀티코어 CPU를 이용하여 대용량 센서데이터를 처리하는 메인프로세서;
    상기 메인프로세서와 동일한 클럭을 이용하며 상기 대용량 센서데이터 중 레이저 기반 센서데이터를 처리하는 보조프로세서;및
    상기 메인프로세서와 동일한 클럭을 이용하며, 상기 대용량 센서데이터 중 영상 기반 센서데이터를 멀티코어를 이용하여 병렬로 처리하는 그래픽처리부;를 포함하며,
    상기 메인프로세서, 상기 보조프로세서 및 상기 그래픽처리부는 병렬로 상기 대용량 센서데이터를 처리하고, 상기 그래픽처리부는 상기 대용량 센서데이터 중 3차원 거리데이터를 직사각형의 복셀단위로 분할하여, 각 복셀 내의 3차원 포인트 클라우드(point cloud) 데이터의 평균 및 공분산 값을 기초로 각 복셀을 통과할 수 있는 확률값을 계산하고, 각 복셀을 스캔한 횟수값을 이용하여 상기 각 복셀을 통과할 수 있는 확률값의 정확도에 가중치를 계산하는 것을 특징으로 하는 소형통합제어장치.
  30. 소형통합제어장치에서 대용량 센서데이터를 처리하는 방법으로서,
    메인프로세서에서 적어도 하나 이상의 멀티코어 CPU를 이용하여 대용량 센서데이터를 처리하는 단계;
    보조프로세서에서 상기 메인프로세서와 동일한 클럭을 이용하여 상기 대용량 센서데이터 중 환경인식과 관련된 센서데이터를 처리하는 단계;및
    그래픽처리부에서 멀티코어를 이용하여 상기 메인프로세서와 동일한 클럭을 이용하여 상기 대용량 센서데이터 중 연산처리를 수행하는 단계;를 포함하고
    상기 메인프로세서, 상기 보조프로세서 및 상기 그래픽처리부는 병렬로 상기 대용량 센서데이터를 처리하는 것을 특징으로 하는 방법.
  31. 제 30 항에 있어서, 상기 그래픽처리부는
    연산부에서 상기 대용량 센서 데이터 중 3차원 거리 데이터를 수신하고 상기 3차원 거리 데이터를 복셀(voxel) 데이터로 변환하며, 각각의 복셀마다 포함되어 있는 3차원 포인트 클라우드(point cloud) 데이터의 평균 및 공분산을 계산하는 단계;
    통과계수연산부에서 상기 평균 및 공분산 값을 기초로 계산된 아이젠 값 및 아이젠 벡터값을 기초로 각 복셀의 표면 방향각 및 높이를 계산하여 각 복셀을 통과할 수 있는지에 대한 확률값인 통과계수(traversability)를 계산하는 단계;
    빈도검출부에서 각 복셀을 스캔한 횟수값(Occupancy)을 수치화하고, 수치화한 각 복셀을 스캔한 횟수값을 이용하여 상기 통과계수의 정확도에 대한 가중치를 부여하는 단계;를 포함하는 것을 특징으로 하는 방법.
  32. 제 31 항에 있어서,
    상기 그래픽처리부는 각 복셀에 대한 통과계수 및 각 복셀을 스캔한 횟수값을 상기 메인프로세서에 전송하고,
    상기 메인 프로세서는 각 복셀에 대한 통과계수 및 각 복셀을 스캔한 횟수값을 누적적으로 이용하여 지도를 생성하는 것을 특징으로 하는 방법.
  33. 제 31 항에 있어서, 상기 복셀은
    직사각형 형태이고, 상기 직사각형의 높이는 3차원 거리 감지 센서가 검출할 수 있는 최대의 높이로 설정되는 것을 특징으로 하는 방법.
  34. 제 30 항에 있어서,
    상기 메인프로세서는 이동 로봇 구동시 생성되는 대용량 센서데이터를 수신하고, 상기 대용량 센서데이터는 상기 이동 로봇이 이용하는 센서에서 검출한 센서데이터, 상기 이동 로봇이 이동한 실시간 거리 정보, 상기 이동 로봇이 촬영한 영상정보 중 적어도 하나 이상을 포함하는 것을 특징으로 하는 방법.
  35. 소형통합제어장치에서 대용량 센서데이터를 처리하는 방법으로서, 상기 방법은
    메인프로세서에서 적어도 하나 이상의 멀티코어 CPU를 이용하여 대용량 센서데이터를 처리하는 단계
    상기 메인프로세서와 동일한 클럭을 이용하는 보조프로세서에서 상기 대용량 센서데이터 중 레이저 기반 센서데이터를 처리하는 단계;및
    상기 메인프로세서와 동일한 클럭을 이용하는 그래픽처리부에서, 상기 대용량 센서데이터 중 영상 기반 센서데이터를 멀티코어를 이용하여 병렬로 처리하는 단계;를 포함하고, 상기 메인프로세서, 상기 보조프로세서 및 상기 그래픽처리부는 상기 대용량 센서 데이터를 병렬로 처리하며,
    상기 그래픽처리부는 상기 대용량 센서데이터 중 3차원 거리데이터를 직사각형의 복셀단위로 분할하여, 각 복셀 내의 3차원 포인트 클라우드(point cloud) 데이터의 평균 및 공분산 값을 기초로 각 복셀을 통과할 수 있는 확률값을 계산하고, 각 복셀을 스캔한 횟수값을 이용하여 상기 각 복셀을 통과할 수 있는 확률값의 정확도에 가중치를 계산하는 것을 특징으로 하는 방법.
  36. 제 35 항에 있어서, 상기 메인프로세서는
    시스템 계층(System Layer), 인터페이스 계층(Interface Layer), 코어 계층(Core Layer) 및 애플리케이션 계층(Application Layer)을 지원하는 것을 특징으로 하는 방법.
  37. 제 35 항에 있어서, 입출력 인터페이스를 이용하여
    상기 메인프로세서, 상기 보조프로세서 및 상기 그래픽처리부를 직렬 또는 병렬로 확장하도록 구현하는 단계;를 더 포함하는 것을 특징으로 하는 방법.
  38. 제 35항에 있어서,
    상기 메인프로세서는 패킷 기반의 점대점(point-to-point) 상호 연결 버스를 이용하여 상기 적어도 하나 이상의 멀티코어 CPU를 상호 연결하는 것을 특징으로 하는 방법.
  39. 제 35항에 있어서,
    상기 메인프로세서는 이더넷 스위치를 이용하여 상기 대용량 센서데이터를 수신하는 것을 특징으로 하는 방법.
  40. 제 35 항에 있어서, 상기 대용량 센서데이터는
    이동 물체에 장착된 적어도 하나 이상의 센서에서 수신한 데이터인 것을 특징으로 하는 방법.
PCT/KR2015/001741 2014-12-11 2015-02-24 소형통합제어장치 WO2016093427A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2014-0178719 2014-12-11
KR1020140178719A KR102106889B1 (ko) 2014-12-11 2014-12-11 소형통합제어장치

Publications (1)

Publication Number Publication Date
WO2016093427A1 true WO2016093427A1 (ko) 2016-06-16

Family

ID=56107590

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2015/001741 WO2016093427A1 (ko) 2014-12-11 2015-02-24 소형통합제어장치

Country Status (3)

Country Link
KR (1) KR102106889B1 (ko)
TW (1) TW201629752A (ko)
WO (1) WO2016093427A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220072146A (ko) * 2020-11-25 2022-06-02 삼성전자주식회사 전자 장치 및 그 제어 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040015638A1 (en) * 2002-07-22 2004-01-22 Forbes Bryn B. Scalable modular server system
US20050021871A1 (en) * 2003-07-25 2005-01-27 International Business Machines Corporation Self-contained processor subsystem as component for system-on-chip design
WO2012173901A2 (en) * 2011-06-13 2012-12-20 Microsoft Corporation Tracking and following of moving objects by a mobile robot
CN103713938A (zh) * 2013-12-17 2014-04-09 江苏名通信息科技有限公司 虚拟化环境下基于OpenMP的多GPU协同计算方法
WO2014178450A1 (ko) * 2013-04-30 2014-11-06 전자부품연구원 Cpu와 gpu 간의 협업 시스템 및 그 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101714783B1 (ko) * 2009-12-24 2017-03-23 중앙대학교 산학협력단 Ｇｐｕ를 이용한 온라인 전기 자동차용 전방 장애물 검출 장치 및 방법
US8587583B2 (en) * 2011-01-31 2013-11-19 Microsoft Corporation Three-dimensional environment reconstruction
US9606961B2 (en) * 2012-10-30 2017-03-28 Intel Corporation Instruction and logic to provide vector compress and rotate functionality
KR101883475B1 (ko) * 2013-02-28 2018-07-31 한화지상방산 주식회사 소형통합제어장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040015638A1 (en) * 2002-07-22 2004-01-22 Forbes Bryn B. Scalable modular server system
US20050021871A1 (en) * 2003-07-25 2005-01-27 International Business Machines Corporation Self-contained processor subsystem as component for system-on-chip design
WO2012173901A2 (en) * 2011-06-13 2012-12-20 Microsoft Corporation Tracking and following of moving objects by a mobile robot
WO2014178450A1 (ko) * 2013-04-30 2014-11-06 전자부품연구원 Cpu와 gpu 간의 협업 시스템 및 그 방법
CN103713938A (zh) * 2013-12-17 2014-04-09 江苏名通信息科技有限公司 虚拟化环境下基于OpenMP的多GPU协同计算方法

Also Published As

Publication number Publication date
TW201629752A (zh) 2016-08-16
KR20160071236A (ko) 2016-06-21
KR102106889B1 (ko) 2020-05-07

Similar Documents

Publication Publication Date Title
CN104155006B (zh) 一种手持红外热像仪及其对小目标快速锁定测距的方法
US10068344B2 (en) Method and system for 3D capture based on structure from motion with simplified pose detection
US11427218B2 (en) Control apparatus, control method, program, and moving body
CN111670419A (zh) 用于自主导航的主动补充曝光设置
CN111435081B (zh) 海面测量系统、海面测量方法以及存储介质
CN107710091B (zh) 用于选择移动平台的操作模式的系统和方法
US10109074B2 (en) Method and system for inertial measurement having image processing unit for determining at least one parameter associated with at least one feature in consecutive images
KR102043366B1 (ko) 최대 공통 뷰를 이용한 공간참조 영상들간의 궤적 유사도 측정방법
CN112955711A (zh) 位置信息确定方法、设备及存储介质
US11004211B2 (en) Imaging object tracking system and imaging object tracking method
US20220084290A1 (en) Systems and methods for gps-based and sensor-based relocalization
WO2017047873A1 (ko) 고속 스캐닝 장치를 이용한 스캐닝 방법
WO2016093427A1 (ko) 소형통합제어장치
Gabaldon et al. A framework for enhanced localization of marine mammals using auto-detected video and wearable sensor data fusion
An et al. Image-based positioning system using LED Beacon based on IoT central management
CN108564626B (zh) 用于确定安装于采集实体的相机之间的相对姿态角的方法和装置
WO2022083529A1 (zh) 一种数据处理方法及装置
WO2011047508A1 (en) Embedded vision tracker and mobile guiding method for tracking sequential double color beacons array with extremely wide-angle lens
WO2016093428A1 (ko) 소형통합제어장치
CN115112123A (zh) 基于视觉-imu融合的多移动机器人协同定位方法及系统
Vaida et al. Automatic extrinsic calibration of LIDAR and monocular camera images
US20240177329A1 (en) Scaling for depth estimation
US20240153245A1 (en) Hybrid system for feature detection and descriptor generation
WO2024112458A1 (en) Scaling for depth estimation
JP7117408B1 (ja) 位置算出装置、プログラム及び位置算出方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15867172

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 18.08.2017)

122 Ep: pct application non-entry in european phase

Ref document number: 15867172

Country of ref document: EP

Kind code of ref document: A1