WO2022270751A1 - 라이다 센서를 이용하여 노면을 검출하는 방법 및 장치 - Google Patents

라이다 센서를 이용하여 노면을 검출하는 방법 및 장치 Download PDF

Info

Publication number
WO2022270751A1
WO2022270751A1 PCT/KR2022/006275 KR2022006275W WO2022270751A1 WO 2022270751 A1 WO2022270751 A1 WO 2022270751A1 KR 2022006275 W KR2022006275 W KR 2022006275W WO 2022270751 A1 WO2022270751 A1 WO 2022270751A1
Authority
WO
WIPO (PCT)
Prior art keywords
road surface
cells
value
cell
profile
Prior art date
Application number
PCT/KR2022/006275
Other languages
English (en)
French (fr)
Inventor
천창환
이승용
Original Assignee
주식회사 뷰런테크놀로지
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 주식회사 뷰런테크놀로지 filed Critical 주식회사 뷰런테크놀로지
Priority to KR1020227014913A priority Critical patent/KR102486496B1/ko
Publication of WO2022270751A1 publication Critical patent/WO2022270751A1/ko

Links

Images

Classifications

    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0004—In digital systems, e.g. discrete-time systems involving sampling
    • B60W2050/0005—Processor details or data handling, e.g. memory registers or chip architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • G06T2207/30256—Lane; Road marking

Definitions

  • the present invention relates to a method and apparatus for detecting a road surface using a lidar sensor.
  • LiDAR sensor is a sensor that is in the limelight and used in various industrial fields (autonomous driving, security, safety, ports, etc.). Using point location information of lidar sensors with high accuracy, it is possible to apply and graft in various fields.
  • the lidar sensor provides a large number of point cloud data, and it is important to objectize it in order to effectively process it.
  • objectification means grouping and expressing points in units of obstacles or objects.
  • the point data of the lidar sensor includes a large number of points, processing thereof is very difficult.
  • clustering and road surface detection are performed by accessing all points, a lot of processing time is required, resulting in many limitations in practical application.
  • the road surface may have various curves, and the curves may exist in various directions and locations.
  • various road surfaces with large changes such as an overpass entrance and an underpass entrance, may exist in combination. Therefore, it is very important to effectively detect the road surface even in these various road surface environments.
  • lidar sensors have various types and various scan methods and information. So, there may be methods in which a method that works for one sensor does not work for another sensor. These various sensor conditions will become more common as LIDAR becomes more common. For an algorithm that can operate in these various lidar sensors, a technology for accurately detecting the road surface using only point cloud data that is not related to the lidar scan structure is required.
  • the problem to be solved by the present invention is to provide a method for detecting a road surface using a lidar sensor.
  • a method of detecting a road surface of a road performed by a road surface detection apparatus includes arranging points obtained from lidar sensors in a plurality of cells included in a circular grid map; generating a profile value for each of the plurality of cells by using the heights of the points; and detecting a road point included in each of the plurality of cells by using the profile value.
  • the generating of the profile value for each of the plurality of cells may include determining at least one road surface candidate cell among the plurality of cells by using the heights of the points; and generating a profile value for each of the plurality of cells by using a height of a point included in the at least one road surface candidate cell.
  • the determining of the at least one road surface candidate cell may include comparing a height difference between a first point having the highest height and a second point having the lowest height among points included in each of the plurality of cells; and determining the at least one road surface candidate cell based on the comparison result.
  • the generating of the profile value for each of the plurality of cells may include: extracting road surface candidate cells having the same angle component from among the at least one road surface candidate cell; and a height value of a first point having the lowest height and included in a first road surface candidate cell among road surface candidate cells having the same component, and immediately before the first road surface candidate cell in the Rho direction of the circular grid map.
  • the method may include selecting the first road surface candidate cell as an effective road cell when a difference between height values of second points included in the located second road surface candidate cells and having the lowest height is equal to or less than a preset value.
  • the generating of the profile value for each of the plurality of cells may include using a height value of a point included in each of the effective road surface cells having the same component among the selected effective road surface cells. It may include generating a line fitting function for
  • the line fitting function may indicate a height value for each radius component of the circular grid map.
  • the generating of the profile value for each of the plurality of cells may include generating a first profile value of a first cell among the plurality of cells by using the line fitting function; and determining an average of second profile values of a predetermined number of second cells having the same radius component as the first cell and adjacent to the first cell as the final profile value of the first cell. .
  • a third cell having a profile value different from the first profile value by more than a predetermined reference value may be excluded and the average value may be generated.
  • the detecting of the road point may include detecting, as the road point, a point having a height value within a predetermined range from the final profile value among points included in the first cell.
  • a road surface detection device for detecting a road surface includes: a transceiver for acquiring point data obtained by searching around the lidar sensor from a lidar sensor; and a processor controlling the transceiver, wherein the processor arranges the point data in a plurality of cells included in a circular grid map, and uses a height of at least one point included in each of the plurality of cells , determining at least one road surface candidate cell among the plurality of cells, and generating a profile value for each of the plurality of cells using a height of the at least one point included in the at least one road surface candidate cell; A road point included in each of the plurality of cells may be detected using the profile value.
  • a road surface detection system includes a LiDAR sensor for obtaining point data obtained by searching the surroundings; and disposing the point data in a plurality of cells included in the circular grid map, and determining at least one road surface candidate cell among the plurality of cells by using a height of at least one point included in each of the plurality of cells. and generating a profile value for each of the plurality of cells by using the height of the at least one point included in the at least one road surface candidate cell, and including the profile value in each of the plurality of cells by using the profile value. It may include a road surface detecting device that detects a road surface point that has been detected.
  • the road surface can be detected quickly and efficiently by dividing the circular grid map into a plurality of cells and detecting the road surface.
  • the road surface can be detected regardless of the type of lidar sensor by detecting the road surface using a plurality of cells obtained by dividing the circular grid map, and thus the applicability of the system. It has a high advantage.
  • FIG. 1 is a block diagram illustrating a road surface detection system according to an embodiment of the present invention.
  • FIG. 2 is a block diagram conceptually illustrating functions of a road surface detection program according to an embodiment of the present invention.
  • FIG. 3 shows a circular grid map according to an embodiment of the present invention.
  • FIG. 4 shows an example of determining a road surface candidate cell according to an embodiment of the present invention.
  • FIG. 5 illustrates an example of a method for selecting an effective road surface cell from among road surface candidate cells by a low-direction profile unit according to an embodiment of the present invention.
  • FIG. 6 shows an example of a fitting function generated by a low-direction profile unit according to an embodiment of the present invention.
  • FIG. 7 illustrates an example of filtering a low-direction profile value in the theta direction by the theta-direction filtering unit according to an embodiment of the present invention.
  • FIG. 8 is an example showing object points excluding road points among acquired points as a result of the road point detection unit detecting the road points.
  • FIG. 9 is a flowchart illustrating a method of detecting a road surface by a road surface detection device according to an embodiment of the present invention.
  • FIG. 1 is a block diagram illustrating a road surface detection system according to an embodiment of the present invention.
  • a road surface detection system 10 may include a lidar sensor 20 and a road surface detection device 100 .
  • the road surface detection system 10 is mounted on an autonomous vehicle (hereinafter simply, a vehicle), but is not limited thereto. That is, the road surface detection system 10 can be mounted not only on autonomous vehicles but also on unmanned vehicles such as drones, and can also be mounted on other movable vehicles (cars, motorcycles, flying vehicles, etc.) other than autonomous vehicles or unmanned vehicles.
  • autonomous vehicle hereinafter simply, a vehicle
  • unmanned vehicles such as drones
  • other movable vehicles cars, motorcycles, flying vehicles, etc.
  • the lidar sensor 20 is described as a separate device distinguished from the road surface detection device 100 and transmits point data to the road surface detection device 100, but is not limited thereto. That is, depending on the embodiment, the lidar sensor 20 may be included in the road surface detection device 100, and in this case, the lidar sensor 20 is transmitted to the point data receiver 210 to be described later through internal signaling or the like. Point data can be transmitted.
  • the lidar sensor 20 emits laser in a predetermined direction (eg, the moving direction (front) of the road surface detection device 100 as well as 360-degree directions including sideways and rearward directions, and is reflected by surrounding landmarks, etc.)
  • a predetermined direction eg, the moving direction (front) of the road surface detection device 100 as well as 360-degree directions including sideways and rearward directions, and is reflected by surrounding landmarks, etc.
  • the point data received by radiating from the lidar sensor 20 may include one or more points.
  • the road surface detection device 100 receives point data from the lidar sensor 20 and uses the received point data to determine the road surface around the road surface detection device 100 (or a vehicle equipped with the road surface detection device 100). can be detected.
  • the road surface detection device 100 generates a circular grid map divided into a plurality of cells, arranges a plurality of points included in the received point data in each of the plurality of cells, and A road point included in each of the plurality of cells may be detected using the generated profile data.
  • the road surface detection device 100 may set the cell size (eg, radius component, size of each component, etc.) as a physically meaningful numerical value. That is, since the road surface is detected using profile data determined using physically meaningful numerical cells, the road surface detection device 100 is independent of the type of lidar sensor 20 (that is, in what form the point is It can detect the road surface (regardless of whether it is coming in or not).
  • the cell size eg, radius component, size of each component, etc.
  • the road surface detection device 100 is independent of the type of lidar sensor 20 (that is, in what form the point is It can detect the road surface (regardless of whether it is coming in or not).
  • the road surface detection device 100 may include a processor 100, a transceiver 110, and a memory 130.
  • the processor 110 may overall control the operation of the road surface detection device 100 .
  • the processor 110 may receive point data from the lidar sensor 20 using the transceiver 120 .
  • the road surface detection device 100 has been described as receiving point data using the transceiver 120, but is not limited thereto. That is, according to the embodiment, the road surface detection device 100 may include an input/output device (not shown), may receive point data using the input/output device (not shown), or may cause the lidar sensor 20 to detect the road surface. Included in the detection device 100, point data may be generated within the road surface detection device 100.
  • the memory 130 may store the road surface detection program 200 and information required for execution of the road surface detection program 200 .
  • the road surface detection program 200 may mean software including instructions programmed to detect a road surface on a road using point data.
  • the processor 110 may load the road surface detection program 200 and information necessary for execution of the road surface detection program 200 from the memory 130 in order to execute the road surface detection program 200 .
  • the processor 110 may execute the road surface detection program 200 and detect a road surface on the road using the received point data.
  • the function and/or operation of the road surface detection program 200 will be described in detail with reference to FIG. 2 .
  • FIG. 2 is a block diagram conceptually illustrating functions of a road surface detection program according to an embodiment of the present invention.
  • the road surface detection program 200 includes a grid map generator 210, a road surface candidate cell determiner 220, a low direction profile unit 230, a theta direction filtering unit 240, and a road surface A point detector 250 may be included.
  • the grid map generation unit 210, the road surface candidate cell determination unit 220, the low direction profile unit 230, theta direction filtering unit 240, and the road point detection unit 250 shown in FIG. 2 are the road surface detection program 200 In order to easily explain the function of ), the function of the road surface detection program 200 is conceptually divided, but is not limited thereto. According to embodiments, the functions of the grid map generation unit 210, the road surface candidate cell determination unit 220, the low direction profile unit 230, theta direction filtering unit 240, and the road surface point detection unit 250 may be merged / It is separable and may be implemented as a series of instructions included in one program.
  • the grid map generator 210 may receive point data from the lidar sensor 20 .
  • the point data received by the point data receiving unit 210 may include a plurality of points.
  • the grid map generator 210 may generate a circular grid map, divide the circular grid map into a plurality of cells, and arrange a plurality of points included in the received point data in each of the plurality of cells.
  • FIG. 3 illustrates a circular grid map according to an embodiment of the present invention.
  • a plurality of cells included in the circular grid map GM may be expressed in polar coordinates, that is, with a radial component R in the Rho direction and an angular component T in the Theta direction.
  • the radius component (R) means an order according to the distance from the center (ie, pole) of the circular grid map GM, and each component (T) is 0° (x in the Cartesian coordinate system) of the circular grid map GM.
  • Corresponding to the positive direction of the axis) may mean a calculated order in a counterclockwise direction.
  • a cell that is first in the row direction and first in the theta direction is expressed as (R1, T1), second in the row direction and first in the theta direction
  • the first cell can be expressed as (R2, T1).
  • the circular grid map GM may be generated around the lidar sensor 20 or the road surface detection device 100, but is not limited thereto.
  • the road candidate cell determiner 220 may determine at least one road candidate cell among a plurality of cells by using the height of at least one point included in each of the plurality of cells.
  • the road surface candidate cell determining unit 220 determines whether a height difference between a point having the highest height and a point having the lowest height among points included in each cell among a plurality of cells is equal to or less than (less than) a preset value. Cells may be determined as road surface candidate cells.
  • FIG. 4 illustrates an example of determining a road surface candidate cell according to an embodiment of the present invention.
  • the first Cell C1 may be determined as a road surface candidate cell.
  • the second cell C2 It may be determined that cell C2 is not a road surface candidate cell.
  • the row direction profiler 230 may generate a profile in the row direction using the road surface candidate cells.
  • the row direction profile unit 230 may select an effective road surface cell from among road surface candidate cells based on the height of a point included in the road surface candidate cell in the row direction.
  • the row-direction profile unit 230 determines the minimum height value of the road surface candidate cell to be determined among the road surface candidate cells classified by the radial component in the row direction (that is, road surface candidate cells having the same angular component) as the previous road surface candidate It can be compared with the cell's minimum height value.
  • the low-direction profile unit 230 selects the road surface candidate cell to be determined as an effective road cell when the difference between the minimum height value of the road surface candidate cell to be determined and the minimum height value of the previous road surface candidate cell is less than or equal to a preset value. can do.
  • the road surface candidate cell to be determined refers to a road surface candidate cell to be determined as an effective road surface cell
  • the previous road surface candidate cell is the road surface to be determined in a row direction among road surface candidate cells having the same respective components. It means a road surface candidate cell located immediately before the candidate cell, and the minimum height value may mean the height of a point having the lowest height among points included in the road surface candidate cell.
  • a road surface candidate cell having the smallest value of a radius component means a road surface candidate cell closest to a vehicle on which the road surface detection apparatus 100 is mounted among flat cells.
  • Such a road surface candidate cell is It can be seen that the probability of being an effective road surface cell is very high.
  • the road surface candidate cell having the second smallest radius component value is an effective road surface cell, and the radius component value is second.
  • the road surface candidate cell having the third smallest value of the radius component is an effective road surface cell, and then repeating the same process to determine the number of road surface candidate cells having the same components. It is possible to determine whether there are effective road surface cells.
  • the reason why the remaining road surface candidate cells are not determined based on the road surface candidate cell having the smallest value of the radius component among the road surface candidate cells is to detect a road surface on an inclined terrain rather than a flat terrain. .
  • the low direction profile unit 230 considers the first cell C1 as an effective road surface cell, and determines the minimum height value of the first cell C1 and the second cell C1.
  • the third cell C3 is selected as an effective road surface cell, and the minimum height value of the third cell C3 and the fourth cell ( When the difference between the minimum height values of C4) exceeds (or exceeds) a predetermined value, it may be determined that the fourth cell C4 is not an effective road surface cell.
  • the row direction profile unit 230 performs a road surface profile in the row direction based on the height of a point included in each of the effective road surface cells having the same component (ie, in a specific row direction), and each line segment is Row direction profile values of the same cells may be generated.
  • the row direction profile unit 230 may generate a fitting function for a corresponding row direction by performing a road surface profile in the row direction using minimum height values of effective road surface cells having the same respective components.
  • the fitting function may be a function that outputs a minimum height value of the specific cell as a profile value in a row direction when receiving a radius component value of the specific cell.
  • the low-direction profile unit 230 performs line fitting on the minimum height values of the effective road surface cells having the same component value as T1 to generate an n-order fitting function for T1 (ie, for the T1 direction) Then, by inputting the radius component values of cells having each component value T1 into the generated fitting function, it is possible to generate row profile values of cells having the same line segment.
  • the row-direction profile unit 230 may generate an nth-order fitting function as a road surface profile in the row direction by using the RANSAC algorithm. Accordingly, outliers among minimum height values of effective road surface cells may be removed, and a fitting function composed of only inliers may be generated. Accordingly, the accuracy of the road surface profile in the row direction may be improved.
  • the row direction profile unit 230 calculates the fitting function FF by line fitting the minimum height values of the effective road surface cells C1, C3, C4, and C6 to C10 having the same respective components. can create In this case, since the minimum height value of the ninth cell C9 is out of the fitting function and corresponds to an outlier, it may not be used when generating the fitting function FF.
  • the row direction profile value represented by the fitting function FF may differ from the actual minimum height value of the effective road surface cell. This may correspond to an error generated by line fitting using the actual minimum height value of the effective road surface cell.
  • the fitting function FF since the fitting function FF is generated in a continuous form, the fitting function FF may also indicate a row direction profile value of a cell that is not an effective road surface cell among cells having each component value T1.
  • low-direction profile unit 230 when the low-direction profile unit 230 performs a low-direction road profile for all components, low-direction profile values for all cells may be generated regardless of whether or not there are effective road cells.
  • theta-direction filtering unit 240 may filter the low-direction profile values in the theta direction in order to increase the stability of the low-direction profile values generated by the low-direction profile unit 230 .
  • theta-direction filtering unit 240 for any one cell (hereinafter, a filter target cell) among a plurality of cells, has the same radius component as the filter target cell and a predetermined number adjacent to the filter target cell.
  • An average value of row-direction profile values of cells may be calculated, and the average value may be determined as a final profile value of the cell to be filtered.
  • the theta-direction filtering unit 240 calculates the average value, the low-direction profile value among a predetermined number of cells adjacent to the filter target cell differs from the low-direction profile value of the filter target cell by more than a predetermined reference value. cells can be excluded. This is to accurately detect the road surface even when there is a large difference in the theta direction, such as an entrance section of an overpass or an underpass.
  • theta-direction filtering unit 240 may calculate an average value of row profile values of a predetermined number of cells adjacent to the filter target cell by using Equation 1 below.
  • FT(R,T) means the final profile value of a cell having a radius component value (R) and each component value (T), and N is an adjacent filter target cell used to generate the final profile value.
  • H (R, T i ) means the row direction profile value of the adjacent cell having the radius component value (R ) and each component value (T i )
  • H (R, T) is the radius It means a profile value in a row direction of a cell having a component value R and each component value T, and th may mean a predetermined reference value.
  • FIG. 7 shows an example in which the vehicle-mounted road surface detection device 100 performs filtering in the theta direction for cells having the same radius component
  • FIG. b) shows an example in which the vehicle-mounted road surface detecting device 100 detects a difference in height of the road surface at the entrance section of the overpass by filtering cells having the same radius component in the theta direction.
  • the theta-direction filtering unit 240 calculates the average value, among a predetermined number of cells adjacent to the filter target cell, the low-direction profile value of the filter target cell
  • the road surface detection device 100 can accurately detect the road surface even when a large difference appears in the theta direction, such as in an entry section of an overpass or an underpass. there is.
  • the road point detection unit 250 may detect road points for each of the plurality of cells based on the final profile values of the plurality of cells.
  • the road point detection unit 250 may detect, as a road point, a point whose height value is within a predetermined range from the final profile value of each of the plurality of cells among the points included in each of the plurality of cells.
  • the road point detection unit 250 may classify and process points other than road points among points included in a plurality of cells as object points.
  • FIG. 8 is an example showing object points excluding road points among acquired points as a result of the road point detection unit 250 detecting the road points.
  • the road surface detection apparatus 100 may more accurately classify object points other than the road surface.
  • FIG. 9 is a flowchart illustrating a method of detecting a road surface by a road surface detection device according to an embodiment of the present invention.
  • the grid map generator 210 divides the generated circular grid map into a plurality of cells, and assigns a plurality of points included in received point data to each of the plurality of cells. It can be placed (S900).
  • the road surface candidate cell determiner 220 may determine at least one road surface candidate cell among a plurality of cells by using the height of a point included in each of the plurality of cells (S910).
  • the row direction profile unit 230 selects an effective road surface cell from among the road surface candidate cells based on the height of a point included in the road surface candidate cells in the row direction (S920), and selects an effective road surface cell having the same each component. Based on the heights of the included points, a road surface profile in the row direction may be performed (S930).
  • theta-direction filtering unit 240 calculates an average value of row profile values of cells having the same radius component as the filter target cell and adjacent to the filter target cell, and converting the average value into a final profile of the filter target cell. It can be determined as a value (S940).
  • the road point detection unit 250 may detect road points for each of the plurality of cells based on the final profile values of the plurality of cells (S950).
  • the road surface can be detected quickly and efficiently by dividing the circular grid map into a plurality of cells and detecting the road surface.
  • Combinations of each block of the block diagram and each step of the flowchart accompanying the present invention may be performed by computer program instructions. Since these computer program instructions may be loaded into an encoding processor of a general-purpose computer, special-purpose computer, or other programmable data processing equipment, the instructions executed by the encoding processor of the computer or other programmable data processing equipment are each block or Each step in the flow chart creates means for performing the functions described.
  • These computer program instructions may also be stored in a computer usable or computer readable memory that can be directed to a computer or other programmable data processing equipment to implement functionality in a particular way, such that the computer usable or computer readable memory
  • the instructions stored in may also produce an article of manufacture containing instruction means for performing the functions described in each block of the block diagram or each step of the flow chart.
  • the computer program instructions can also be loaded on a computer or other programmable data processing equipment, so that a series of operational steps are performed on the computer or other programmable data processing equipment to create a computer-executed process to generate computer or other programmable data processing equipment. It is also possible that the instructions performing the processing equipment provide steps for executing the functions described in each block of the block diagram and each step of the flowchart.
  • each block or each step may represent a module, segment or portion of code that includes one or more executable instructions for executing specified logical function(s). It should also be noted that in some alternative embodiments it is possible for the functions recited in blocks or steps to occur out of order. For example, two blocks or steps shown in succession may in fact be performed substantially concurrently, or the blocks or steps may sometimes be performed in reverse order depending on their function.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

본 발명의 일 실시예에 따른 노면 검출 장치에 의해 수행되는 도로의 노면을 검출하는 방법은, 라이다 센서로부터 획득한 포인트들을, 원형 그리드 맵에 포함된 복수의 셀들에 배치하는 단계; 상기 포인트들의 높이를 이용하여, 상기 복수의 셀들 각각에 대한 프로파일 값을 생성하는 단계; 및 상기 프로파일 값을 이용하여, 상기 복수의 셀들 각각에 포함된 노면 포인트를 검출하는 단계를 포함할 수 있다.

Description

라이다 센서를 이용하여 노면을 검출하는 방법 및 장치
본 발명은 라이다 센서를 이용하여 노면을 검출하는 방법 및 장치에 관한 것이다.
라이다 센서는 다양한 산업분야(자율주행, 보안, 안전, 항만 등)에 각광을 받으며 사용되고 있는 센서이다. 높은 정확도를 갖는 라이다 센서의 포인트 위치 정보를 활용하면 다양한 분야의 적용 및 접목이 가능하다.
라이다 센서는 다수의 포인트 클라우드 데이터를 제공하며, 이를 효과적으로 처리하기 위해서는 객체화를 하는 것이 중요하다. 여기서, 객체화는 장애물 또는 물체 단위로 포인트들을 묶어 표현하는 것을 의미한다.
자율주행 분야에서 이와 같은 객체화를 효과적으로 수행하기 위해서는, 노면에서 반사되는 포인트들을 정확히 검출해내는 것이 필요하다. 왜냐하면, 먼저 노면이 정확히 검출되어야 장애물 검출, 맵 빌딩 등 그 이후의 나머지 프로세스들이 원활히 동작을 할 수 있기 때문이다.
또한, 자율주행 분야에서는 노면에 있는 노면 포인트들을 장애물로 인지하지 않는 것이 매우 중요한 사항이다. 정확한 노면 검출을 통해, 장애물이 존재하지 않는 주행가능 영역을 찾을 수 있으며, 차선 및 도로 표지 검출에 활용할 수 있는 영역 정보를 제공할 수 있다.
<다른 라이다 처리 기술들이 가지는 문제점>
라이다 센서의 포인트 데이터는 많은 양의 포인트들을 포함하기 때문에 그 처리가 매우 어렵다는 단점이 존재한다. 또한, 모든 포인트들을 접근하여 군집화 및 노면 검출을 수행하게 되면 매우 많은 처리 시간이 필요하게 되어 실제 적용에 많은 제약이 따른다.
노면은 다양한 굴곡을 가질 수 있으며, 그 굴곡이 방향 별, 위치 별로 다양하게 존재할 수 있다. 또한, 고가차도 입구, 지하차도 입구 등 큰 변화가 존재하는 다양한 노면들이 복합적으로 존재할 수 있다. 그러므로 이런 다양한 노면 환경에서도 효과적으로 노면을 검출하는 것이 매우 중요하다.
또한, 라이다 센서는 다양한 종류, 다양한 스캔 방식과 정보를 가지고 있다. 그래서 한가지 센서에서 동작하는 방식이 다른 센서에서 동작하지 않는 방법들이 존재할 수 있다. 이러한 다양한 센서 조건은 라이다가 보편화될수록 더욱 많아질 것이다. 이런 다양한 라이다 센서에서도 동작할 수 있는 알고리즘을 위해 라이다의 스캔 구조와 상관없는 포인트 클라우드 데이터만을 이용하여 정확하게 노면을 검출하는 기술이 필요하다.
본 발명이 해결하고자 하는 과제는, 라이다 센서를 이용하여 노면을 검출하는 방법을 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 노면 검출 장치에 의해 수행되는 도로의 노면을 검출하는 방법은, 라이다 센서로부터 획득한 포인트들을, 원형 그리드 맵에 포함된 복수의 셀들에 배치하는 단계; 상기 포인트들의 높이를 이용하여, 상기 복수의 셀들 각각에 대한 프로파일 값을 생성하는 단계; 및 상기 프로파일 값을 이용하여, 상기 복수의 셀들 각각에 포함된 노면 포인트를 검출하는 단계를 포함할 수 있다.
상기 복수의 셀들 각각에 대한 프로파일 값을 생성하는 단계는, 상기 포인트들의 높이를 이용하여, 상기 복수의 셀들 중에서 적어도 하나의 노면 후보 셀을 결정하는 단계; 및 상기 적어도 하나의 노면 후보 셀에 포함된 포인트의 높이를 이용하여, 상기 복수의 셀들 각각에 대한 프로파일 값을 생성하는 단계를 포함할 수 있다.
상기 적어도 하나의 노면 후보 셀을 결정하는 단계는, 상기 복수의 셀들 각각에 포함된 포인트들 중에서 높이가 가장 높은 제1 포인트와 높이가 가장 낮은 제2 포인트 사이의 높이 차이를 비교하는 단계; 및 상기 비교 결과에 기초하여, 상기 적어도 하나의 노면 후보 셀을 결정하는 단계를 포함할 수 있다.
상기 복수의 셀들 각각에 대한 프로파일 값을 생성하는 단계는, 상기 적어도 하나의 노면 후보 셀 중에서 각(angle) 성분이 동일한 노면 후보 셀들을 추출하는 단계; 및 상기 각 성분이 동일한 노면 후보 셀들 중에서 제1 노면 후보 셀에 포함되고 높이가 가장 낮은 제1 포인트의 높이 값과, 상기 원형 그리드 맵의 로우(Rho) 방향으로 상기 제1 노면 후보 셀의 직전에 위치한 제2 노면 후보 셀에 포함되고 높이가 가장 낮은 제2 포인트의 높이 값의 차이가 기 설정된 값 이하인 경우, 상기 제1 노면 후보 셀을 유효 노면 셀로 선정하는 단계를 포함할 수 있다.
상기 복수의 셀들 각각에 대한 프로파일 값을 생성하는 단계는, 상기 선정된 유효 노면 셀 중에서 각 성분이 동일한 유효 노면 셀들 각각에 포함된 포인트의 높이 값을 이용하여, 상기 각 성분이 동일한 유효 노면 셀들에 대한 라인 피팅(line fitting) 함수를 생성하는 단계를 포함할 수 있다.
상기 라인 피팅 함수는 상기 원형 그리드 맵의 반지름(radius) 성분 별 높이 값을 나타낼 수 있다.
상기 복수의 셀들 각각에 대한 프로파일 값을 생성하는 단계는, 상기 라인 피팅 함수를 이용하여, 상기 복수의 셀들 중에서 제1 셀의 제1 프로파일 값을 생성하는 단계; 및 상기 제1 셀과 반지름 성분이 동일하면서 상기 제1 셀에 인접한 소정의 개수의 제2 셀들의 제2 프로파일 값의 평균 값을 상기 제1 셀의 최종 프로파일 값으로 결정하는 단계를 포함할 수 있다.
상기 제1 셀의 최종 프로파일 값으로 결정하는 단계에서, 상기 제2 셀들 중에서, 프로파일 값이 상기 제1 프로파일 값과 소정의 기준 값 이상 차이나는 제3 셀은 제외시키고 상기 평균 값을 생성할 수 있다.
상기 노면 포인트를 검출하는 단계는, 상기 제1 셀에 포함된 포인트들 중에서 높이 값이 상기 최종 프로파일 값으로부터 기 설정된 범위 내에 있는 포인트를 상기 노면 포인트로 검출하는 단계를 포함할 수 있다.
본 발명의 다른 실시예에 따른 노면을 검출하는 노면 검출 장치는, 라이다 센서로부터, 상기 라이다 센서 주변을 검색한 포인트 데이터를 획득하는 송수신기; 및 상기 송수신기를 제어하는 프로세서를 포함하고, 상기 프로세서는, 상기 포인트 데이터를, 원형 그리드 맵에 포함된 복수의 셀들에 배치하고, 상기 복수의 셀들 각각에 포함된 적어도 하나의 포인트의 높이를 이용하여, 상기 복수의 셀들 중에서 적어도 하나의 노면 후보 셀을 결정하고, 상기 적어도 하나의 노면 후보 셀에 포함된 상기 적어도 하나의 포인트의 높이를 이용하여, 상기 복수의 셀들 각각에 대한 프로파일 값을 생성하고, 상기 프로파일 값을 이용하여, 상기 복수의 셀들 각각에 포함된 노면 포인트를 검출할 수 있다.
본 발명의 또 다른 실시예에 따른 노면 검출 시스템은, 주변을 검색한 포인트 데이터를 획득하는 라이다 센서; 및 상기 포인트 데이터를, 원형 그리드 맵에 포함된 복수의 셀들에 배치하고, 상기 복수의 셀들 각각에 포함된 적어도 하나의 포인트의 높이를 이용하여, 상기 복수의 셀들 중에서 적어도 하나의 노면 후보 셀을 결정하고, 상기 적어도 하나의 노면 후보 셀에 포함된 상기 적어도 하나의 포인트의 높이를 이용하여, 상기 복수의 셀들 각각에 대한 프로파일 값을 생성하고, 상기 프로파일 값을 이용하여, 상기 복수의 셀들 각각에 포함된 노면 포인트를 검출하는 노면 검출 장치를 포함할 수 있다.
본 발명의 실시예에 의하면, 원형 그리드 맵을 복수의 셀로 분할하여 도로의 노면을 검출함으로써, 빠르고 효율적으로 노면을 검출할 수 있다.
또한, 본 발명의 실시예에 의하면, 로우 방향으로 노면 프로파일을 수행하고, 세타 방향으로 프로파일 필터링을 수행함으로써, 도로에 존재하는 다양한 굴곡이나 고가차도, 지하차도 등의 진입, 진출 구간을 정밀하게 검출할 수 있다.
또한, 본 발명의 실시예에 의하면, 원형 그리드 맵을 분할한 복수의 셀을 이용하여 도로의 노면을 검출함으로써, 라이다 센서의 종류와 무관하게 노면을 검출할 수 있으며, 따라서, 시스템의 적용성이 높은 장점이 있다.
도 1은 본 발명의 실시예에 따른 노면 검출 시스템을 나타내는 블록도이다.
도 2는 본 발명의 실시예에 따른 노면 검출 프로그램의 기능을 개념적으로 나타내는 블록도이다.
도 3은 본 발명의 실시예에 따른 원형 그리드 맵을 나타낸다.
도 4는 본 발명의 실시예에 따라 노면 후보 셀을 결정하는 일 예시를 나타낸다.
도 5는 본 발명의 실시예에 따라 로우 방향 프로파일부가 노면 후보 셀들 중에서 유효 노면 셀을 선정하는 방법의 일 예시를 나타낸다.
도 6는 본 발명의 실시예에 따라 로우 방향 프로파일부가 생성한 피팅 함수의 일 예시를 나타낸다.
도 7은 본 발명의 실시예에 따라 세타 방향 필터링부가 세타 방향으로 로우 방향 프로파일 값을 필터링하는 일 예시를 나타낸다.
도 8은 노면 포인트 검출부가 노면 포인트를 검출한 결과로서, 획득한 포인트들 중에서 노면 포인트를 제외하고 객체 포인트들을 나타낸 일 예시이다.
도 9는 본 발명의 실시예에 따라 노면 검출 장치가 노면을 검출하는 방법을 나타내는 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 실시예에 따른 노면 검출 시스템을 나타내는 블록도이다.
도 1을 참조하면, 노면 검출 시스템(10)은 라이다 센서(20) 및 노면 검출 장치(100)를 포함할 수 있다.
본 명세서에서는, 설명의 편의상, 노면 검출 시스템(10)이 자율주행차량(이하 간략하게, 차량)에 탑재되는 것으로 설명하지만, 이에 한정되지 않는다. 즉, 노면 검출 시스템(10)은 자율주행차량 뿐만 아니라 드론 등의 무인 이동체에도 탑재될 수 있으며, 자율주행체나 무인 이동체가 아닌 다른 이동 가능한 이동체(자동차, 오토바이, 비행체 등)에도 탑재될 수 있다.
뿐만 아니라, 본 명세서에서 라이다 센서(20)는 노면 검출 장치(100)와 구분되는 별개의 장치로서, 노면 검출 장치(100)로 포인트 데이터를 전송하는 것으로 설명하지만, 이에 한정되지 않는다. 즉, 실시예에 따라, 라이다 센서(20)는 노면 검출 장치(100)에 포함될 수 있으며, 이와 같은 경우, 라이다 센서(20)는 내부 시그널링 등을 통해 후술할 포인트 데이터 수신부(210)로 포인트 데이터를 전송할 수 있다.
라이다 센서(20)는 소정의 방향(예컨대, 노면 검출 장치(100)의 이동 방향(전방) 뿐만 아니라, 측방, 후방을 포함하는 360도 방향으로 레이저를 방사하고, 주위의 지형지물 등에 의해 반사된 포인트 데이터를 수신할 수 있다. 이때, 라이다 센서(20)가 방사하여 수신한 포인트 데이터는 하나 이상의 포인트를 포함할 수 있다.
노면 검출 장치(100)는 라이다 센서(20)로부터 포인트 데이터를 수신하고, 수신한 포인트 데이터를 이용하여 노면 검출 장치(100)(또는 노면 검출 장치(100)가 탑재된 차량)의 주변의 노면을 검출할 수 있다.
보다 자세하게는, 노면 검출 장치(100)는 복수의 셀들로 구분된 원형 그리드 맵을 생성하고, 수신한 포인트 데이터에 포함된 복수의 포인트들을 상기 복수의 셀들 각각에 배치하고, 상기 복수의 셀들에 대해 생성한 프로파일 데이터를 이용하여 상기 복수의 셀들 각각에 포함된 노면 포인트를 검출할 수 있다.
실시예에 따라, 노면 검출 장치(100)는 원형 그리드 맵을 복수의 셀들로 분할할 때, 물리적으로 의미있는 수치로 셀의 크기(예컨대, 반지름 성분, 각 성분의 크기 등)를 설정할 수 있다. 즉, 물리적으로 의미 있는 수치의 셀을 이용하여 결정된 프로파일 데이터를 이용하여 노면을 검출하기 때문에, 노면 검출 장치(100)는 라이다 센서(20)의 종류와 무관하게(즉, 포인트가 어떤 형태로 들어오던지 관계없이) 노면을 검출할 수 있다.
이를 위해, 노면 검출 장치(100)는 프로세서(100), 송수신기(110) 및 메모리(130)를 포함할 수 있다.
프로세서(110)는 노면 검출 장치(100)의 동작을 전반적으로 제어할 수 있다.
프로세서(110)는, 송수신기(120)를 이용하여, 라이다 센서(20)로부터 포인트 데이터를 수신할 수 있다.
본 명세서에서는, 노면 검출 장치(100)는 송수신기(120)를 이용하여 포인트 데이터를 수신하는 것으로 설명하였지만, 이에 한정되지 않는다. 즉, 실시예에 따라, 노면 검출 장치(100)는 입출력기(미도시)를 포함하고, 입출력기(미도시)를 이용하여 포인트 데이터를 수신할 수 있으며, 또는 라이다 센서(20)가 노면 검출 장치(100)에 포함되어, 포인트 데이터가 노면 검출 장치(100) 내에서 생성할 수도 있다.
메모리(130)는 노면 검출 프로그램(200) 및 노면 검출 프로그램(200)의 실행에 필요한 정보를 저장할 수 있다.
본 명세서에서 노면 검출 프로그램(200)은 포인트 데이터를 이용하여 도로 상의 노면을 검출하도록 프로그램된 명령어들을 포함하는 소프트웨어를 의미할 수 있다.
프로세서(110)는 노면 검출 프로그램(200)을 실행하기 위하여 메모리(130)에서 노면 검출 프로그램(200) 및 노면 검출 프로그램(200)의 실행에 필요한 정보를 로드할 수 있다.
프로세서(110)는, 노면 검출 프로그램(200)을 실행하여, 수신한 포인트 데이터를 이용하여 도로 상의 노면을 검출할 수 있다.
노면 검출 프로그램(200)의 기능 및/또는 동작에 대하여는 도 2를 통해 상세하게 살펴보기로 한다.
도 2는 본 발명의 실시예에 따른 노면 검출 프로그램의 기능을 개념적으로 나타내는 블록도이다.
도 1 및 도 2를 참조하면, 노면 검출 프로그램(200)은 그리드 맵 생성부(210), 노면 후보 셀 결정부(220), 로우 방향 프로파일부(230), 세타 방향 필터링부(240) 및 노면 포인트 검출부(250)를 포함할 수 있다.
도 2에 도시된 그리드 맵 생성부(210), 노면 후보 셀 결정부(220), 로우 방향 프로파일부(230), 세타 방향 필터링부(240) 및 노면 포인트 검출부(250)는 노면 검출 프로그램(200)의 기능을 쉽게 설명하기 위하여 노면 검출 프로그램(200)의 기능을 개념적으로 나눈 것으로서, 이에 한정되지 않는다. 실시예들에 따라, 그리드 맵 생성부(210), 노면 후보 셀 결정부(220), 로우 방향 프로파일부(230), 세타 방향 필터링부(240) 및 노면 포인트 검출부(250)의 기능은 병합/분리 가능하며, 하나의 프로그램에 포함된 일련의 명령어들로 구현될 수도 있다.
그리드 맵 생성부(210)는 라이다 센서(20)로부터 포인트 데이터를 수신할 수 있다. 포인트 데이터 수신부(210)가 수신하는 포인트 데이터에는 복수의 포인트들이 포함될 수 있다.
그리드 맵 생성부(210)는 원형 그리드 맵을 생성하고, 생성한 원형 그리드 맵을 복수의 셀들로 분할하고, 수신한 포인트 데이터에 포함된 복수의 포인트들을 상기 복수의 셀들 각각에 배치할 수 있다.
도 3을 더 참조하면, 도 3은 본 발명의 실시예에 따른 원형 그리드 맵을 나타낸다. 예컨대, 원형 그리드 맵(GM)에 포함된 복수의 셀들은 극좌표계로, 즉, 로우(Rho) 방향의 반지름 성분(R)과 세타(Theta) 방향의 각 성분(T)으로, 표현될 수 있다.
여기서, 반지름 성분(R)은 원형 그리드 맵(GM)의 중심(즉, 극)으로부터 거리에 따른 순서를 의미하고, 각 성분(T)은 원형 그리드 맵(GM)의 0°(직교 좌표계에서 x축의 양의 방향에 해당)에서 반시계 방향으로 계산된 순서를 의미할 수 있다.
예컨대, 원형 그리드 맵(GM)의 0° 방향을 기준으로, 로우 방향으로 첫 번째이면서 세타 방향으로 첫 번째에 위치하는 셀은 (R1, T1)과 같이 표현되고, 로우 방향으로 두 번째이면서 세타 방향으로 첫 번째에 위치하는 셀은 (R2, T1)과 같이 표현될 수 있다.
실시예에 따라, 원형 그리드 맵(GM)은 라이다 센서(20)를 중심으로 생성되거나, 노면 검출 장치(100)를 중심으로 생성될 수 있으나, 이에 한정되는 것이 아니다.
노면 후보 셀 결정부(220)는 복수의 셀들 각각에 포함된 적어도 하나의 포인트의 높이를 이용하여, 복수의 셀들 중에서 적어도 하나의 노면 후보 셀을 결정할 수 있다.
보다 자세하게는, 노면 후보 셀 결정부(220)는 복수의 셀들 중에서, 각 셀에 포함된 포인트들 중 높이가 가장 높은 포인트와 높이가 가장 낮은 포인트 사이의 높이 차이가 기 설정된 값 이하(미만)인 셀들을 노면 후보 셀로 결정할 수 있다.
도 4를 더 참조하면, 도 4는 본 발명의 실시예에 따라 노면 후보 셀을 결정하는 일 예시를 나타낸다.
예컨대, 제1 셀(C1)에 포함된 포인트들 중에서 높이가 가장 높은 포인트(P1)와 높이가 가장 낮은 포인트(P2) 사이의 높이 차이(d1)가 기 설정된 값 이하(미만)이므로, 제1 셀(C1)은 노면 후보 셀로 결정될 수 있다. 하지만, 제2 셀(C2)에 포함된 포인트들 중에서 높이가 가장 높은 포인트(P3)와 높이가 가장 낮은 포인트(P4) 사이의 높이 차이(d2)가 기 설정된 값 초과(이상)이므로, 제2 셀(C2)은 노면 후보 셀이 아니라고 결정될 수 있다.
로우 방향 프로파일부(230)는 노면 후보 셀을 이용하여 로우 방향에 대한 프로파일을 생성할 수 있다.
이를 위해, 먼저 로우 방향 프로파일부(230)는, 로우 방향에 대하여, 노면 후보 셀에 포함된 포인트의 높이에 기초하여, 노면 후보 셀들 중에서 유효 노면 셀을 선정할 수 있다.
보다 자세하게, 로우 방향 프로파일부(230)는 로우 방향의 반지름 성분으로 구분되는 노면 후보 셀들(즉, 동일한 각 성분을 갖는 노면 후보 셀들) 중에서, 판단 대상인 노면 후보 셀의 최소 높이 값을, 직전 노면 후보 셀의 최소 높이 값과 비교할 수 있다.
로우 방향 프로파일부(230)는, 판단 대상인 노면 후보 셀의 최소 높이 값과 직전 노면 후보 셀의 최소 높이 값의 차이가 기 설정된 값 이하(미만)인 경우, 판단 대상인 노면 후보 셀을 유효 노면 셀로 선정할 수 있다.
여기서, 상기 판단 대상인 노면 후보 셀은, 유효 노면 셀인지 여부를 판단하는 대상이 되는 노면 후보 셀을 의미하고, 상기 직전 노면 후보 셀은 동일한 각 성분을 갖는 노면 후보 셀들 중에서 로우 방향으로 상기 판단 대상인 노면 후보 셀 직전에 위치하는 노면 후보 셀을 의미하고, 상기 최소 높이 값은 노면 후보 셀에 포함된 포인트들 중에서 높이가 가장 낮은 포인트의 높이를 의미할 수 있다.
동일한 각 성분을 갖는 노면 후보 셀들 중에서 반지름 성분의 값이 가장 작은 노면 후보 셀은, 평탄한 셀들 중에서 노면 검출 장치(100)가 탑재된 차량으로부터 가장 가까운 노면 후보 셀을 의미하는데, 이와 같은 노면 후보 셀은 유효 노면 셀일 확률이 아주 크다고 볼 수 있다.
따라서, 노면 후보 셀들 중에서 반지름 성분의 값이 가장 작은 노면 후보 셀을 기준으로, 반지름 성분의 값이 두 번째로 작은 노면 후보 셀이 유효 노면 셀인지 여부를 판단하고, 반지름 성분의 값이 두 번째로 작은 노면 후보 셀이 유효 노면 셀을 기준으로, 반지름 성분의 값이 세 번째로 작은 노면 후보 셀이 유효 노면 셀인지 여부를 판단하며, 이후 동일한 과정을 반복하면서, 동일한 각 성분을 갖는 노면 후보 셀들의 유효 노면 셀 여부를 판단할 수 있다.
노면 후보 셀들 중에서 반지름 성분의 값이 가장 작은 노면 후보 셀을 기준으로, 나머지 노면 후보 셀의 유효 노면 셀 여부를 판단하지 않는 것은, 평탄한 지형이 아닌, 경사가 있는 지형에서의 노면을 검출하기 위함이다.
예컨대, 도 5를 더 참조하면, 각 성분이 동일한 제1 셀(C1), 제2 셀(C2), 제3 셀(C3) 및 제4 셀(C4) 중에서 제1 셀(C1), 제3 셀(C3) 및 제4 셀(C4)이 노면 후보 셀인 경우, 로우 방향 프로파일부(230)는 제1 셀(C1)은 유효 노면 셀로 간주하고, 제1 셀(C1)의 최소 높이 값과 제3 셀(C3)의 최소 높이 값의 차이가 기 설정된 값 이하(미만)인 경우, 제3 셀(C3)을 유효 노면 셀로 선정하고, 제3 셀(C3)의 최소 높이 값과 제4 셀(C4)의 최소 높이 값의 차이가 기 설정된 값 초과(이상)인 경우, 제4 셀(C4)은 유효 노면 셀이 아니라고 판단할 수 있다.
계속하여, 로우 방향 프로파일부(230)는 각 성분이 동일한(즉, 특정 로우 방향의) 유효 노면 셀들 각각에 포함된 포인트의 높이에 기초하여, 로우 방향에 대한 노면 프로파일을 수행하고, 각 선분이 동일한 셀들의 로우 방향 프로파일 값을 생성할 수 있다.
보다 자세하게는, 로우 방향 프로파일부(230)는 각 성분이 동일한 유효 노면 셀들의 최소 높이 값을 이용하여, 로우 방향에 대한 노면 프로파일을 수행함으로써, 해당 로우 방향에 대한 피팅 함수를 생성할 수 있다. 여기서, 상기 피팅 함수는, 특정 셀의 반지름 성분 값을 입력받으면, 로우 방향 프로파일 값으로 상기 특정 셀의 최소 높이 값을 출력하는 함수일 수 있다.
즉, 로우 방향 프로파일부(230)는 각 성분 값이 T1으로 동일한 유효 노면 셀들의 최소 높이 값을 라인 피팅(line fitting)하여, T1에 대한(즉, T1 방향에 대한) n차 피팅 함수를 생성하고, 생성한 피팅 함수에 각 성분 값이 T1인 셀들의 반지름 성분 값을 입력함으로써, 각 선분이 동일한 셀들의 로우 방향 프로파일 값을 생성할 수 있다.
실시예에 따라, 로우 방향 프로파일부(230)는, RANSAC 알고리즘을 이용하여, 로우 방향에 대한 노면 프로파일로서 n차 피팅 함수를 생성할 수 있다. 이에 따라, 유효 노면 셀들의 최소 높이 값들 중에서 아웃라이어(outlier)가 제거되고, 인라이어(inlier)만으로 구성된 피팅 함수가 생성될 수 있다. 이로 인해, 로우 방향에 대한 노면 프로파일의 정확성이 향상될 수 있다.
예컨대, 도 6을 더 참조하면, 로우 방향 프로파일부(230)는 동일한 각 성분을 갖는 유효 노면 셀들(C1, C3, C4, C6~C10)의 최소 높이 값을 라인 피팅하여 피팅 함수(FF)를 생성할 수 있다. 이때, 제9 셀(C9)의 최소 높이 값은 피팅 함수에 벗어나는 것으로서 아웃라이어에 해당하므로, 피팅 함수(FF)를 생성할 때 이용되지 않을 수 있다.
도 6에서 확인할 수 있는 바와 같이, 피팅 함수(FF)가 나타내는 로우 방향 프로파일 값(즉, 유효 노면 셀이 라인 피팅된 최소 높이 값)은 유효 노면 셀의 실제 최소 높이 값과 차이가 있을 수 있다. 이는 유효 노면 셀의 실제 최소 높이 값을 이용하여 라인 피팅함으로써 발생하는 오차에 해당할 수 있다.
또한, 피팅 함수(FF)가 연속된(continuous) 형태로 생성됨으로 인하여, 피팅 함수(FF)는 각 성분 값이 T1인 셀들 중에서 유효 노면 셀이 아닌 셀의 로우 방향 프로파일 값도 나타낼 수 있다.
따라서, 로우 방향 프로파일부(230)가 모든 각 성분에 대해 로우 방향의 노면 프로파일을 수행하는 경우, 유효 노면 셀 여부와 관계 없이 모든 셀에 대한 로우 방향 프로파일 값이 생성될 수 있다.
이후, 세타 방향 필터링부(240)는 로우 방향 프로파일부(230)에서 생성한 로우 방향 프로파일 값의 안정성을 높이기 위해, 로우 방향 프로파일 값을 세타 방향으로 필터링할 수 있다.
보다 자세하게는, 세타 방향 필터링부(240)는 복수의 셀들 중에서 어느 한 셀(이하, 필터 대상 셀)에 대하여, 상기 필터 대상 셀과 반지름 성분이 동일하면서, 상기 필터 대상 셀에 인접한 소정의 개수의 셀들의 로우 방향 프로파일 값들의 평균 값을 산출하고, 상기 평균 값을 상기 필터 대상 셀의 최종 프로파일 값으로 결정할 수 있다.
세타 방향 필터링부(240)는, 상기 평균 값을 산출할 때, 상기 필터 대상 셀에 인접한 소정의 개수의 셀들 중에서 로우 방향 프로파일 값이 상기 필터 대상 셀의 로우 방향 프로파일 값과 소정의 기준 값 이상 차이나는 셀은 제외시킬 수 있다. 이는, 고가도로 또는 지하차도의 진입 구간과 같이, 세타 방향으로 큰 차이가 나타나는 경우에도 노면을 정확하게 검출할 수 있기 위함이다.
즉, 세타 방향 필터링부(240)는 아래의 수학식 1을 이용하여 상기 필터 대상 셀에 인접한 소정의 개수의 셀들의 로우 방향 프로파일 값들의 평균 값을 산출할 수 있다.
Figure PCTKR2022006275-appb-img-000001
여기서, FT(R,T)는 반지름 성분 값(R)과 각 성분 값(T)을 갖는 셀의 최종 프로파일 값을 의미하고, N은 상기 최종 프로파일 값을 생성하는데 이용된 상기 필터 대상 셀에 인접한 셀들의 개수를 의미하고, H(R,Ti)는 반지름 성분 값(R)과 각 성분 값(Ti)을 갖는 인접 셀의 로우 방향 프로파일 값을 의미하고, H(R,T)는 반지름 성분 값(R)과 각 성분 값(T)을 갖는 셀의 로우 방향 프로파일 값을 의미하고, th는 소정의 기준 값을 의미할 수 있다.
예컨대, 도 7을 더 참조하면, 도 7의 (a)는 차량에 탑재된 노면 검출 장치(100)가 반지름 성분이 동일한 셀들에 대해 세타 방향으로 필터링을 수행하는 일 예시를 나타내고, 도 7의 (b)는 차량에 탑재된 노면 검출 장치(100)가 반지름 성분이 동일한 셀들에 대해 세타 방향으로 필터링을 수행함으로써, 고가도로 진입 구간에서 노면의 높이 차이를 검출해내는 일 예시를 나타낸다.
따라서, 도 7에서 확인할 수 있는 바와 같이, 세타 방향 필터링부(240)가, 상기 평균 값을 산출할 때, 상기 필터 대상 셀에 인접한 소정의 개수의 셀들 중에서 로우 방향 프로파일 값이 상기 필터 대상 셀의 로우 방향 프로파일 값과 소정의 기준 값 이상 차이나는 셀은 제외시킴으로써, 노면 검출 장치(100)는, 고가도로 또는 지하차도의 진입 구간과 같이, 세타 방향으로 큰 차이가 나타나는 경우에도 노면을 정확하게 검출할 수 있다.
노면 포인트 검출부(250)는, 복수의 셀들의 최종 프로파일 값에 기초하여, 상기 복수의 셀들 각각에 대한 노면 포인트를 검출할 수 있다.
보다 자세하게, 노면 포인트 검출부(250)는 복수의 셀들 각각에 포함된 포인트들 중에서 높이 값이 복수의 셀들 각각의 최종 프로파일 값으로부터 기 설정된 범위 내에 있는 포인트를 노면 포인트로 검출할 수 있다.
노면 포인트 검출부(250)는 복수의 셀들에 포함된 포인트들 중에서 노면 포인트가 아닌 포인트들은 객체 포인트로 분류하여 처리할 수 있다.
예컨대, 도 8을 더 참조하면, 도 8은 노면 포인트 검출부(250)가 노면 포인트를 검출한 결과로서, 획득한 포인트들 중에서 노면 포인트를 제외하고 객체 포인트들을 나타낸 일 예시이다.
즉, 노면 포인트 검출부(250)가 복수의 셀들에 포함된 포인트들 중에서 노면 포인트만을 검출함으로써, 노면 검출 장치(100)는 노면이 아닌 객체 포인트를 보다 정확하게 분류할 수 있다.
도 9는 본 발명의 실시예에 따라 노면 검출 장치가 노면을 검출하는 방법을 나타내는 흐름도이다.
도 1, 도 2 및 도 9를 참조하면, 그리드 맵 생성부(210)는 생성한 원형 그리드 맵을 복수의 셀들로 분할하고, 수신한 포인트 데이터에 포함된 복수의 포인트들을 상기 복수의 셀들 각각에 배치할 수 있다(S900).
노면 후보 셀 결정부(220)는 복수의 셀들 각각에 포함된 포인트의 높이를 이용하여, 복수의 셀들 중에서 적어도 하나의 노면 후보 셀을 결정할 수 있다(S910).
로우 방향 프로파일부(230)는, 로우 방향에 대하여, 노면 후보 셀에 포함된 포인트의 높이에 기초하여, 노면 후보 셀들 중에서 유효 노면 셀을 선정하고(S920), 각 성분이 동일한 유효 노면 셀들 각각에 포함된 포인트의 높이에 기초하여, 로우 방향에 대한 노면 프로파일을 수행할 수 있다(S930).
이후, 세타 방향 필터링부(240)는 필터 대상 셀과 반지름 성분이 동일하면서, 상기 필터 대상 셀에 인접한 셀들의 로우 방향 프로파일 값들의 평균 값을 산출하고, 상기 평균 값을 상기 필터 대상 셀의 최종 프로파일 값으로 결정할 수 있다(S940).
마지막으로, 노면 포인트 검출부(250)는, 복수의 셀들의 최종 프로파일 값에 기초하여, 상기 복수의 셀들 각각에 대한 노면 포인트를 검출할 수 있다(S950).
본 발명의 실시예에 의하면, 원형 그리드 맵을 복수의 셀로 분할하여 도로의 노면을 검출함으로써, 빠르고 효율적으로 노면을 검출할 수 있다.
또한, 본 발명의 실시예에 의하면, 로우 방향으로 노면 프로파일을 수행하고, 세타 방향으로 프로파일 필터링을 수행함으로써, 도로에 존재하는 다양한 굴곡이나 고가차도, 지하차도 등의 진입, 진출 구간을 정밀하게 검출할 수 있다.
또한, 본 발명의 실시예에 의하면, 라이다 센서의 종류와 무관하게 노면을 검출할 수 있기 때문에, 시스템의 적용성이 높은 장점이 있다.
본 발명에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방법으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (14)

  1. 노면 검출 장치에 의해 수행되는 도로의 노면을 검출하는 방법에 있어서,
    라이다 센서로부터 획득한 포인트들을, 원형 그리드 맵에 포함된 복수의 셀들에 배치하는 단계;
    상기 복수의 셀들 중에서 각(angle) 성분 값이 동일하면서 반지름(radius) 성분 값이 서로 다른 셀들 각각에 포함된 포인트의 측정된 높이에 기초하여, 상기 복수의 셀들 각각에 대한 제1 프로파일 값을 생성하는 단계;
    상기 복수의 셀들 각각과 상기 반지름 성분 값이 동일하면서 상기 각 성분 값이 다른 소정의 개수의 셀들의 제2 프로파일 값을 이용하여, 상기 생성된 제1 프로파일 값을 제3 프로파일 값으로 수정하는 단계; 및
    상기 제3 프로파일 값을 이용하여, 상기 복수의 셀들 각각에 포함된 노면 포인트를 검출하는 단계를 포함하는
    노면을 검출하는 방법.
  2. 제1 항에 있어서,
    상기 포인트들의 높이를 이용하여, 상기 복수의 셀들 중에서 적어도 하나의 노면 후보 셀을 결정하는 단계를 더 포함하고,
    상기 제1 프로파일 값을 생성하는 단계는,
    상기 적어도 하나의 노면 후보 셀에 대해, 상기 제1 프로파일 값을 생성하는 단계를 포함하는
    노면을 검출하는 방법.
  3. 제2 항에 있어서,
    상기 적어도 하나의 노면 후보 셀을 결정하는 단계는,
    상기 복수의 셀들 각각에 포함된 포인트들 중에서 높이가 가장 높은 제1 포인트와 높이가 가장 낮은 제2 포인트 사이의 높이 차이를 비교하는 단계; 및
    상기 비교 결과에 기초하여, 상기 적어도 하나의 노면 후보 셀을 결정하는 단계를 포함하는
    노면을 검출하는 방법.
  4. 제2 항에 있어서,
    상기 적어도 하나의 노면 후보 셀에 대해, 상기 제1 프로파일 값을 생성하는 단계는,
    상기 적어도 하나의 노면 후보 셀 중에서 제1 노면 후보 셀에 포함되는 제1 포인트의 높이 값과, 상기 제1 노면 후보 셀과 각 성분 값이 동일하면서 상기 제1 노면 후보 셀보다 반지름 성분 값이 작은 제2 노면 후보 셀에 포함되는 제2 포인트의 높이 값의 차이가 기 설정된 값 이하인 경우, 상기 제1 노면 후보 셀을 유효 노면 셀로 선정하는 단계를 포함하는
    노면을 검출하는 방법.
  5. 제4 항에 있어서,
    상기 적어도 하나의 노면 후보 셀에 대해, 상기 제1 프로파일 값을 생성하는 단계는,
    상기 선정된 유효 노면 셀 중에서 각 성분 값이 서로 동일한 유효 노면 셀들을 결정하는 단계;
    상기 각 성분 값이 서로 동일한 유효 노면 셀들 각각에 포함된 포인트의 높이 값을 이용하여, 상기 각 성분 값이 서로 동일한 유효 노면 셀들 별로 라인 피팅(line fitting) 함수를 생성하는 단계를 더 포함하는
    노면을 검출하는 방법.
  6. 제5 항에 있어서,
    상기 라인 피팅 함수는 상기 복수의 셀들 중에서 각 성분 값이 서로 동일한 셀들 각각의 반지름 성분 값에 따라 피팅된 높이 값을 나타내는
    노면을 검출하는 방법.
  7. 제5 항에 있어서,
    상기 제1 프로파일 값을 생성하는 단계는,
    상기 라인 피팅 함수를 이용하여, 상기 복수의 셀들 중에서 제1 셀에 대한 제1 프로파일 값을 생성하는 단계를 포함하고,
    상기 제3 프로파일 값으로 수정하는 단계는,
    상기 제1 셀에 인접하며 상기 제1 셀과 상기 각 성분 값이 다른 상기 소정의 개수의 제2 셀들의 제2 프로파일 값의 평균 값을 이용하여, 상기 제1 셀에 대한 제1 프로파일 값을 상기 제3 프로파일 값으로 수정하는 단계를 포함하는
    노면을 검출하는 방법.
  8. 제7 항에 있어서,
    상기 제1 셀에 대한 제1 프로파일 값을 상기 제3 프로파일 값으로 수정하는 단계에서,
    상기 제2 셀들 중에서, 상기 제2 프로파일 값이 상기 제1 셀에 대한 제1 프로파일 값과 소정의 기준 값 이상 차이 나는 제3 셀은 제외시키고 상기 평균 값을 계산하는
    노면을 검출하는 방법.
  9. 제7 항에 있어서,
    상기 노면 포인트를 검출하는 단계는,
    상기 제1 셀에 포함된 포인트들 중에서 높이 값이 상기 제3 프로파일 값으로부터 기 설정된 범위 내에 있는 포인트를 상기 노면 포인트로 검출하는 단계를 포함하는
    노면을 검출하는 방법.
  10. 노면 검출 장치에 의해 수행되는 도로의 노면을 검출하는 방법에 있어서,
    라이다 센서로부터 획득한 포인트들을, 원형 그리드 맵에 포함된 복수의 셀들에 배치하는 단계;
    상기 복수의 셀들 중에서 각(angle) 성분 값이 동일하면서 반지름(radius) 성분 값이 서로 다른 셀들 각각에 포함된 포인트의 높이에 기초하여, 상기 복수의 셀들 각각에 대한 제1 프로파일 값을 생성하는 단계;
    상기 복수의 셀들 각각과 상기 반지름 성분 값이 동일하면서 상기 각 성분 값이 다른 소정의 개수의 셀들의 제2 프로파일 값을 이용하여, 상기 생성된 제1 프로파일 값을 제3 프로파일 값으로 수정하는 단계; 및
    상기 제3 프로파일 값을 이용하여, 상기 복수의 셀들 각각에 포함된 노면 포인트를 검출하는 단계를 포함하고,
    상기 제3 프로파일 값으로 수정하는 단계는,
    상기 복수의 셀들 중에서 제1 셀에 인접하며 상기 제1 셀과 상기 각 성분 값이 다른 상기 소정의 개수의 제2 셀들의 제2 프로파일 값의 평균 값을 이용하여, 상기 제1 셀에 대한 제1 프로파일 값을 상기 제3 프로파일 값으로 수정하는 단계를 포함하고,
    상기 제1 셀에 대한 제1 프로파일 값을 상기 제3 프로파일 값으로 수정하는 단계에서,
    상기 제2 셀들 중에서, 상기 제2 프로파일 값이 상기 제1 셀에 대한 제1 프로파일 값과 소정의 기준 값 이상 차이 나는 제3 셀은 제외시키고 상기 평균 값을 계산하는
    노면을 검출하는 방법.
  11. 노면을 검출하는 노면 검출 장치에 있어서,
    라이다 센서로부터, 상기 라이다 센서 주변을 검색한 포인트 데이터를 획득하는 송수신기; 및
    상기 송수신기를 제어하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 포인트 데이터를, 원형 그리드 맵에 포함된 복수의 셀들에 배치하고,
    상기 복수의 셀들 중에서 각 성분 값이 동일하면서 반지름 성분 값이 서로 다른 셀들 각각에 포함된 포인트의 측정된 높이에 기초하여, 상기 복수의 셀들 각각에 대한 제1 프로파일 값을 생성하고,
    상기 복수의 셀들 각각과 상기 반지름 성분 값이 동일하면서 상기 각 성분 값이 다른 소정의 개수의 셀들의 제2 프로파일 값을 이용하여, 상기 생성된 제1 프로파일 값을 제3 프로파일 값으로 수정하고,
    상기 제3 프로파일 값을 이용하여, 상기 복수의 셀들 각각에 포함된 노면 포인트를 검출하는
    노면 검출 장치.
  12. 주변을 검색한 포인트 데이터를 획득하는 라이다 센서; 및
    상기 포인트 데이터를, 원형 그리드 맵에 포함된 복수의 셀들에 배치하고, 상기 복수의 셀들 중에서 각 성분 값이 동일하면서 반지름 성분 값이 서로 다른 셀들 각각에 포함된 포인트의 측정된 높이에 기초하여, 상기 복수의 셀들 각각에 대한 제1 프로파일 값을 생성하고, 상기 복수의 셀들 각각과 상기 반지름 성분 값이 동일하면서 상기 각 성분 값이 다른 소정의 개수의 셀들의 제2 프로파일 값을 이용하여, 상기 생성된 제1 프로파일 값을 제3 프로파일 값으로 수정하고, 상기 제3 프로파일 값을 이용하여, 상기 복수의 셀들 각각에 포함된 노면 포인트를 검출하는 노면 검출 장치를 포함하는
    노면 검출 시스템.
  13. 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,
    상기 컴퓨터 프로그램은,
    제1 항 내지 제10 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는
    컴퓨터 판독 가능한 기록매체.
  14. 컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램은,
    제1 항 내지 제10 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는
    컴퓨터 프로그램.
PCT/KR2022/006275 2021-06-23 2022-05-02 라이다 센서를 이용하여 노면을 검출하는 방법 및 장치 WO2022270751A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020227014913A KR102486496B1 (ko) 2021-06-23 2022-05-02 라이다 센서를 이용하여 노면을 검출하는 방법 및 장치

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0081715 2021-06-23
KR20210081715 2021-06-23

Publications (1)

Publication Number Publication Date
WO2022270751A1 true WO2022270751A1 (ko) 2022-12-29

Family

ID=84543081

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/006275 WO2022270751A1 (ko) 2021-06-23 2022-05-02 라이다 센서를 이용하여 노면을 검출하는 방법 및 장치

Country Status (3)

Country Link
US (1) US20220413147A1 (ko)
KR (1) KR102486496B1 (ko)
WO (1) WO2022270751A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180059666A1 (en) * 2016-08-23 2018-03-01 Delphi Technologies, Inc. Automated vehicle road model definition system
US20190072666A1 (en) * 2017-09-07 2019-03-07 Magna Electronics Inc. Vehicle radar sensing system with surface modeling
US20190179027A1 (en) * 2017-12-13 2019-06-13 Luminar Technologies, Inc. Processing point clouds of vehicle sensors having variable scan line distributions using two-dimensional interpolation and distance thresholding
JP2021039075A (ja) * 2019-09-05 2021-03-11 オムロン株式会社 三次元計測装置用光学アセンブリおよびこれを備えた三次元計測装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102452550B1 (ko) * 2017-10-17 2022-10-07 현대자동차주식회사 라이다 데이터 기반 객체 검출 장치, 그를 포함한 시스템 및 그 방법
WO2020154967A1 (en) * 2019-01-30 2020-08-06 Baidu.Com Times Technology (Beijing) Co., Ltd. Map partition system for autonomous vehicles
KR102195164B1 (ko) * 2019-04-29 2020-12-24 충북대학교 산학협력단 다중 라이다를 이용한 다중 물체 인식 시스템 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180059666A1 (en) * 2016-08-23 2018-03-01 Delphi Technologies, Inc. Automated vehicle road model definition system
US20190072666A1 (en) * 2017-09-07 2019-03-07 Magna Electronics Inc. Vehicle radar sensing system with surface modeling
US20190179027A1 (en) * 2017-12-13 2019-06-13 Luminar Technologies, Inc. Processing point clouds of vehicle sensors having variable scan line distributions using two-dimensional interpolation and distance thresholding
JP2021039075A (ja) * 2019-09-05 2021-03-11 オムロン株式会社 三次元計測装置用光学アセンブリおよびこれを備えた三次元計測装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
RACHMAN A S ABDUL: "3D-LIDAR Multi Object Tracking for Autonomous Driving ", MASTER OF SCIENCE THESIS, DELFT UNIVERSITY OF TECHNOLOGY, 9 November 2017 (2017-11-09), pages 1 - 140, XP093016586, Retrieved from the Internet <URL:https://repository.tudelft.nl/islandora/object/uuid:f536b829-42ae-41d5-968d-13bbaa4ec736> [retrieved on 20230123] *

Also Published As

Publication number Publication date
KR102486496B1 (ko) 2023-01-10
US20220413147A1 (en) 2022-12-29
KR20230001003A (ko) 2023-01-03

Similar Documents

Publication Publication Date Title
CN109034047B (zh) 一种车道线检测方法及装置
WO2021006441A1 (ko) 이동식 도면화 시스템을 이용한 도로 표지 정보 수집 방법
CN112069856A (zh) 地图生成方法、驾驶控制方法、装置、电子设备及系统
AU2019419781B2 (en) Vehicle using spatial information acquired using sensor, sensing device using spatial information acquired using sensor, and server
WO2012011713A2 (ko) 차선 인식 시스템 및 방법
WO2021112462A1 (ko) 2차원 영상의 픽셀별 3차원 좌표값 추정 방법 및 이를 이용한 자율주행정보 추정 방법
WO2019225817A1 (ko) 차량의 위치 추정 장치, 차량의 위치 추정 방법, 및 이러한 방법을 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능 기록매체
WO2013115470A1 (en) Integrated control system and method using surveillance camera for vehicle
CN111780987B (zh) 自动驾驶车辆的测试方法、装置、计算机设备和存储介质
WO2019139243A1 (ko) 자율주행을 위한 고정밀 지도의 업데이트 장치 및 방법
CN113008247B (zh) 用于矿区的高精地图构建方法及装置
WO2017116134A1 (ko) 레이더 및 영상 융합 차량 단속시스템
WO2020159076A1 (ko) 랜드마크 위치 추정 장치와 방법 및 이러한 방법을 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독 가능한 기록매체
WO2019240340A1 (ko) 카메라를 이용하여 차량의 속도 측정이 가능한 과속 안내 장치 및 그 동작 방법
WO2021075772A1 (ko) 복수 영역 검출을 이용한 객체 탐지 방법 및 그 장치
WO2021215672A1 (en) Method and device for calibrating pitch of camera on vehicle and method and device for continual learning of vanishing point estimation model to be used for calibrating the pitch
WO2020075954A1 (ko) 다종 센서 기반의 위치인식 결과들을 혼합한 위치 측위 시스템 및 방법
WO2020141694A1 (en) Vehicle using spatial information acquired using sensor, sensing device using spatial information acquired using sensor, and server
CN114639085A (zh) 交通信号灯识别方法、装置、计算机设备和存储介质
WO2022255677A1 (ko) 다중 관측정보를 이용한 고정객체의 위치 결정 방법
Zhang et al. Tracking multi-vehicles with reference points switches at the intersection using a roadside LiDAR sensor
WO2022270751A1 (ko) 라이다 센서를 이용하여 노면을 검출하는 방법 및 장치
WO2021235682A1 (en) Method and device for performing behavior prediction by using explainable self-focused attention
WO2013022153A1 (en) Apparatus and method for detecting lane
CN111476062A (zh) 车道线检测方法、装置、电子设备及驾驶系统

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: 22828600

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE