[go: up one dir, main page]

KR20200065590A - 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치 - Google Patents

정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치 Download PDF

Info

Publication number
KR20200065590A
KR20200065590A KR1020180152196A KR20180152196A KR20200065590A KR 20200065590 A KR20200065590 A KR 20200065590A KR 1020180152196 A KR1020180152196 A KR 1020180152196A KR 20180152196 A KR20180152196 A KR 20180152196A KR 20200065590 A KR20200065590 A KR 20200065590A
Authority
KR
South Korea
Prior art keywords
lane
points
center point
reflection intensity
direction vector
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
KR1020180152196A
Other languages
English (en)
Inventor
김재희
Original Assignee
웨이즈원 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 웨이즈원 주식회사 filed Critical 웨이즈원 주식회사
Priority to KR1020180152196A priority Critical patent/KR20200065590A/ko
Publication of KR20200065590A publication Critical patent/KR20200065590A/ko
Ceased legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S17/00Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88Lidar systems specially adapted for specific applications
    • G01S17/89Lidar systems specially adapted for specific applications for mapping or imaging
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30248Vehicle exterior or interior
    • G06T2207/30252Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256Lane; Road marking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치가 개시된다. 라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 획득한 포인트 클라우드 데이터를 획득하는 단계, 획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계, 추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계, 추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계 및 분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계를 포함한다. 따라서, 차선의 중앙점을 정밀하게 검출할 수 있다.

Description

정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치{METHOD AND APPARATUS FOR DETECTING LANE CENTER POINT FOR ACCURATE ROAD MAP}
본 발명은 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치에 관한 것으로, 더욱 상세하게는 차선 도색이 훼손된 경우에도 도로의 포인트 클라우드 데이터에 대한 반사 강도 값을 기초로 차선 중앙점을 정확히 검출하는 방법에 관한 것이다.
자율주행차는 사람의 조작이나 입력을 거의 또는 전혀 이용하지 않고, 주변 환경과 움직임을 감지할 수 있는 차량이다. 이러한 자율주행차가 실현되려면, 레이더(radar), 컴퓨터 비전(computer vision), GPS, 주행 계측(odometry), 관성 측정(inertial measurement) 유닛들과 같이 주변 상황을 감지할 수 있는 다양한 센서들이 결합되어야 한다.
또한, 자율주행차가 감지하기 어려운 주변 교통 상황을 파악하는데 용이하도록, 차량 운행 지원 정보를 자율주행차에 제공하는 기술이 필요하다. 예를 들어, LDM(Local Dynamic Map)은 자율협력주행을 위해 표준화된 차량 운행 지원 정보를 연계, 저장, 관리하는 기술로서, 차로 수준의 정밀 전자 지도(또는 정적 정보)를 바탕으로 도로 교통과 주변 차량 상황(동적 정보)를 융합하여 실시간으로 자율주행차에 정보를 제공한다.
정밀 전자 지도를 구축하기 위해 필요한 데이터를 수집하는 방법 중 하나로 라이다(LIDAR)가 사용된다. 라이다(LIDAR)는 레이저 펄스를 발사하고 그 빛이 주위의 대상 물체에서 반사되어 돌아오는 것을 수신함으로써, 주변 모습을 정밀하게 그려내는 장치이다. 이때, 정밀 전자 지도에서 차선을 3차원 상의 직선으로 나타내기 위해서는 라이다를 이용하여 측정된 데이터에서 차선의 중앙점을 검출하는 것이 필수적이다.
그런데, 기존의 차선 중앙점 검출 방법은, 라이다에서 측정된 포인트 클라우드 데이터에 대한 반사 강도 값을 분석하고, 반사 강도값을 기준값과 비교하여 이진화하며, 이진화된 점들의 좌표 평균을 차선 중심으로 결정한다. 이러한 기존 방법은 차선 도색이 일부 훼손되거나 센서 측정값의 일부 오차에 큰 영향을 받게되어 차선 중심 위치가 부정확하게 검출되는 문제가 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 정밀 도로 지도를 위한 차선 중앙점 검출 방법을 제공하는 데 있다.
상기와 같은 문제점을 해결하기 위한 본 발명의 다른 목적은, 정밀 도로 지도를 위한 차선 중앙점 검출 장치를 제공하는 데 있다.
상기 목적을 달성하기 위한 본 발명의 일 측면은, 정밀 도로 지도를 위한 차선 중앙점 검출 방법을 제공한다.
상기 정밀 도로 지도를 위한 차선 중앙점 검출 방법은, 라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 측정한 포인트 클라우드 데이터를 획득하는 단계, 획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계, 추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계, 추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계 및 분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계를 포함할 수 있다.
상기 입력 포인트는, 사용자의 입력을 통해 결정될 수 있다.
상기 차선의 방향 벡터를 획득하는 단계는, 상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계 및 추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함할 수 있다.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값일 수 있다.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값일 수 있다.
상기 목적을 달성하기 위한 본 발명의 다른 측면은, 정밀 도로 지도를 위한 차선 중앙점 검출 장치를 제공한다.
상기 정밀 도로 지도를 위한 차선 중앙점 검출 장치는, 적어도 하나의 프로세서(processor) 및 상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함할 수 있다.
상기 적어도 하나의 단계는, 라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 측정한 포인트 클라우드 데이터를 획득하는 단계, 획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계, 추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계, 추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계 및 분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계를 포함할 수 있다.
상기 입력 포인트는, 사용자의 입력을 통해 결정될 수 있다.
상기 차선의 방향 벡터를 획득하는 단계는, 상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계 및 추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함할 수 있다.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값일 수 있다.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값일 수 있다.
상기와 같은 본 발명에 따른 자율협력주행환경에서 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치를 이용할 경우에는 도색의 훼손이나 센서 오차에 큰 영향을 받지 않고 차선 중앙점을 정확하게 검출할 수 있다.
도 1은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에 사용되는 입력 데이터를 설명하기 위한 예시도이다.
도 2는 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에서 차선 방향 벡터를 검출하는 과정을 설명하기 위한 예시도이다.
도 3은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에서 차선 방향 벡터와 수직인 평면으로 입력 데이터를 분리하는 과정을 설명하기 위한 예시도이다.
도 4는 본 발명의 일 실시예에 따른 차선 방향 벡터와 수직인 평면으로 입력 데이터를 분리한 결과를 일 측면에서 본 예시도이다.
도 5는 본 발명의 일 실시예에 따른 차선 방향 벡터와 수직인 평면에 위치한 포인트 클라우드 데이터에 대하여 포물선으로 근사화하는 과정을 설명하기 위한 예시도이다.
도 6은 도 5에 따라 도출된 복수의 포물선을 이용하여 차선 중앙점을 결정하는 방법을 설명하기 위한 예시도이다.
도 7은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에 대한 흐름도이다.
도 8은 정밀 도로 지도를 위한 차선 중앙점 검출 장치에 대한 구성도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에 사용되는 입력 데이터를 설명하기 위한 예시도이다.
정밀 도로 지도를 구축하기 위하여 사용되는 라이다 장치를 통해 획득되는 입력 데이터(input data)는 3차원 공간 좌표(X, Y, Z 좌표)를 갖는 수많은 비정규 포인트 클라우드(point cloud, 또는 점군으로 지칭)으로 구성될 수 있다. 이러한 입력 데이터는 기존의 2차원 좌표를 갖는 픽셀 데이터 이상의 데이터를 가질 수 있으므로 정밀 도로 지도를 3차원 공간 정보 형태로 구성하는데 유리하다.
도 1을 참조하면, 라이다 장치를 이용하여 하나 이상의 차선이 도색된 도로에 대하여 획득한 입력 데이터에 대한 예시를 확인할 수 있다. 도 1에서와 같이 획득된 입력 데이터는 3차원 공간 좌표를 갖는 수많은 포인트들로 구성된 포인트 클라우드가 될 수 있다. 이때, 개별 포인트는 3차원 공간 좌표를 필수적으로 갖는 것 이외에 반사강도, 색상 값 등 추가적인 속성을 가질 수 있다.
이때, 도로 상에 도색된 차선은 차량이 차선의 외곽부터 진입하는 까닭에 차선의 외곽부터 도색이 훼손되는 경향성을 가진다. 따라서, 도로 면에 도색된 차선에 대하여 측정된 반사 강도는 차량이 차선의 중앙으로 갈수록 큰 값을 가지고 경계에 가까워질수록 작은 값을 가질 수 있다. 따라서, 본 발명의 일 실시예에서는 이러한 특성을 이용하여 반사 강도를 포물선으로 근사함으로써 차선의 중앙점을 정확하게 결정하는 방법을 제안한다.
도 2는 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에서 차선 방향 벡터를 검출하는 과정을 설명하기 위한 예시도이다.
본 발명의 일 실시예에 따른 차선 중앙점 검출 방법은, 먼저 도 1에 따른 입력 데이터에 대하여 임의의 포인트(또는 임의의 공간 좌표)를 선정할 수 있다. 이때, 임의의 포인트는 사용자의 입력 수단을 통한 입력 데이터로 획득될 수 있고, 또는 랜덤(random) 변수를 이용하여 획득될 수도 있다.
도 1을 참조하면, 사용자로부터 입력받은 입력 포인트(10)를 3차원 공간 좌표상에서 나타낸 예시를 확인할 수 있다. 도 1에서는 설명의 편의를 위해 입력 포인트가 3차원 공간 좌표의 중앙에 위치하도록 도시하였으나, 특정 공간 좌표로 나타낼 수도 있다.
도 1에서와 같이 입력 포인트(10)가 획득되면, 입력 포인트(10)에서 일정한 거리 내에 있는 포인트들을 추출할 수 있다. 예를 들어, 입력 포인트(10)를 중심으로 미리 설정된 반경(r) 이내에 있는 포인트들(도 1에 도시된 포인트들)을 입력 데이터에서 추출할 수 있다.
다음으로, 미리 설정된 반경(r) 이내에 있는 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출할 수 있다. 여기서 반사 강도가 기준값 이상인 포인트들은 도색된 차선 상에 위치한 포인트들로 예상할 수 있다. 따라서, 기준값은 도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값(median) 또는 평균값(average value)으로 결정될 수 있다. 또한, 기준값은 도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율(예를 들면 80%)에 해당하는 값으로 결정될 수도 있다.
반사 강도가 기준값 이상인 포인트들이 추출되면, 추출된 포인트들을 주성분분석(Principal Component Analysis, PCA)하여 차선의 방향 벡터(20)를 도출할 수 있다. 예를 들어, 반사 강도가 기준값 이상인 포인트들의 공간 좌표 분포를 분석하고, 분석된 공간 좌표 분포가 가장 넓게(또는 길게) 분포되는 방향을 차선의 방향 벡터(20)로 결정할 수 있다.
도 3은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에서 차선 방향 벡터와 수직인 평면으로 입력 데이터를 분리하는 과정을 설명하기 위한 예시도이다. 도 4는 본 발명의 일 실시예에 따른 차선 방향 벡터와 수직인 평면으로 입력 데이터를 분리한 결과를 일 측면에서 본 예시도이다.
앞선 도 2에서 도시된 미리 설정된 반경(r) 이내에 있는 포인트들을 차선의 방향 벡터(20)와 수직한 복수의 평면(30)상에 위치한 포인트들로 분류하면, 도 3과 같다.
도 3을 참조하면, 차선의 방향 벡터와 수직한 평면(30) 상에 위치한 포인트들을 확인할 수 있다. 여기서 하나의 평면(30) 상에 위치한 포인트들은 라이다 장치로 도로면에 대하여 측정된 포인트이기 때문에 하나의 직선 상에 위치하는 포인트일 수 있다. 도 4를 참조하면, 도로 면에 대하여 획득한 포인트 클라우드 데이터를 차선의 방향 벡터와 수직한 복수의 평면으로 분류한 데이터를 확인할 수 있다. 도 4에서와 같이, 차선의 방향 벡터와 수직한 평면(30) 상에 위치한 포인트들은 실제 도로 면을 대상으로 측정되었기 때문에 하나의 직선(예를 들어 도로면을 차선 방향과 수직하게 자른 단면에 해당하는 직선으로 이해될 수 있음) 상에 위치한 포인트들이 될 수 있다. 따라서, 하나의 평면 상에 위치한 포인트들은 공간 좌표계에서 하나의 직선(또는 근사화된 직선) 상에 위치할 수 있다.
도 5는 본 발명의 일 실시예에 따른 차선 방향 벡터와 수직인 평면에 위치한 포인트 클라우드 데이터에 대하여 포물선으로 근사화하는 과정을 설명하기 위한 예시도이다.
도 5를 참조하면, 도 3 내지 4에서 도출한 차선의 방향 벡터와 수직한 평면(30) 상에 위치한 포인트들이 위치한 직선 좌표를 가로축으로 하고, 포인트들이 갖는 반사 강도값을 세로축으로 설정하여 도시한 그래프를 확인할 수 있다. 도 5에서 도시된 그래프를 참조하면, 하나의 직선 좌표 상에 위치한 포인트들의 반사 강도 분포를 확인할 수 있는데, 일반적인 차선 도색의 경향과 같이 중앙에 위치할수록 반사 강도값이 크고, 외곽에 위치할 수 있도록 반사 강도값이 작은 것을 알 수 있다. 이때, 도 5에 따른 그래프를 포물선으로 근사하면 도 5에서와 같이 근사 포물선(40)을 도출할 수 있다. 여기서 도출된 근사 포물선(40)의 꼭지점 좌표는 차선의 중앙점과 가까울 것으로 예상할 수 있다.
이처럼 본 발명의 일 실시예에 따르면, 하나의 직선 좌표 상에 위치한 포인트들에 대하여 반사 강도를 기준으로 근사 포물선을 도출하기 때문에, 일부 포인트의 반사 강도 오차나 도색면의 훼손이 있더라도 차선의 중앙점을 정확하게 도출할 수 있다.
도 6은 도 5에 따라 도출된 복수의 포물선을 이용하여 차선 중앙점을 결정하는 방법을 설명하기 위한 예시도이다.
도 5에서 도출한 근사 포물선은 차선의 방향 벡터와 수직한 평면 상에 위치한 포인트들을 이용하여 획득한 결과이므로, 일부 지점 전체의 차선 도색 손상을 보완하기 어려울 수 있다. 따라서, 본 발명의 일 실시예에 따르면, 근사 포물선을 개별 평면마다 도출하고, 도출된 근사 포물선의 꼭지점들을 하나의 직선으로 근사함으로써, 더욱 정밀한 차선 중앙점을 도출할 수 있다.
구체적으로 도 6을 참조하면, 도 3에 따른 개별 평면마다 도출한 근사 포물선의 꼭지점들을 하나의 직선으로 근사한 직선(50)을 확인할 수 있다. 앞선 도 2에서 획득한 입력 포인트(10)에서 근사 직선(50)으로 수직한 선을 연결하여 만나는 점이 차선의 중앙점에 해당하는 공간 좌표 위치일 수 있다.
도 7은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 방법에 대한 흐름도이다.
도 7을 참조하면, 정밀 도로 지도를 위한 차선 중앙점 검출 방법은, 라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 측정한 포인트 클라우드 데이터를 획득하는 단계(S100), 획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계(S110), 추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계(S120), 추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계(S130) 및 분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계(S140)를 포함할 수 있다.
상기 입력 포인트는, 사용자의 입력을 통해 결정될 수 있다.
상기 차선의 방향 벡터를 획득하는 단계(S120)는, 상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계 및 추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함할 수 있다.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값일 수 있다.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값일 수 있다.
그 밖에도, 정밀 도로 지도를 위한 차선 중앙점 검출 방법은, 도 1 내지 도 7에서 설명한 방법 또는 단계가 적용될 수 있으며, 중복 설명을 방지하기 위해 자세한 설명은 생략한다.
도 8은 본 발명의 일 실시예에 따른 정밀 도로 지도를 위한 차선 중앙점 검출 장치에 대한 구성도이다.
도 8을 참조하면, 정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)는, 적어도 하나의 프로세서(processor, 110) 및 상기 적어도 하나의 프로세서(110)가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory, 120)를 포함할 수 있다.
여기서 적어도 하나의 프로세서(110)는 중앙 처리 장치(central processing unit, CPU), 그래픽 처리 장치(graphics processing unit, GPU), 또는 본 발명의 실시예들에 따른 방법들이 수행되는 전용의 프로세서를 의미할 수 있다. 메모리(120) 및 저장 장치(160) 각각은 휘발성 저장 매체 및 비휘발성 저장 매체 중에서 적어도 하나로 구성될 수 있다. 예를 들어, 메모리(120)는 읽기 전용 메모리(read only memory, ROM) 및 랜덤 액세스 메모리(random access memory, RAM) 중에서 적어도 하나로 구성될 수 있다.
또한, 정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)는, 무선 네트워크를 통해 통신을 수행하는 송수신 장치(transceiver)(130)를 포함할 수 있다. 또한, 정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)는 입력 인터페이스 장치(140), 출력 인터페이스 장치(150), 저장 장치(160) 등을 더 포함할 수 있다. 정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)에 포함된 각각의 구성 요소들은 버스(bus)(170)에 의해 연결되어 서로 통신을 수행할 수 있다.
상기 적어도 하나의 단계는, 라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 측정한 포인트 클라우드 데이터를 획득하는 단계, 획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계, 추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계, 추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계 및 분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계를 포함할 수 있다.
상기 입력 포인트는, 사용자의 입력을 통해 결정될 수 있다.
상기 차선의 방향 벡터를 획득하는 단계는, 상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계 및 추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함할 수 있다.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값일 수 있다.
상기 기준값은, 도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값일 수 있다.
정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)의 예를 들면, 통신 가능한 데스크탑 컴퓨터(desktop computer), 랩탑 컴퓨터(laptop computer), 노트북(notebook), 스마트폰(smart phone), 태블릿 PC(tablet PC), 모바일폰(mobile phone), 스마트 워치(smart watch), 스마트 글래스(smart glass), e-book 리더기, PMP(portable multimedia player), 휴대용 게임기, 네비게이션(navigation) 장치, 디지털 카메라(digital camera), DMB(digital multimedia broadcasting) 재생기, 디지털 음성 녹음기(digital audio recorder), 디지털 음성 재생기(digital audio player), 디지털 동영상 녹화기(digital video recorder), 디지털 동영상 재생기(digital video player), PDA(Personal Digital Assistant) 등일 수 있다.
그 밖에도, 정밀 도로 지도를 위한 차선 중앙점 검출 장치(100)는, 도 1 내지 도 7에서 설명한 방법 또는 단계가 적용될 수 있으며, 중복 설명을 방지하기 위해 자세한 설명은 생략한다.
본 발명에 따른 방법들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 본 발명을 위해 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 매체의 예에는 롬(ROM), 램(RAM), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예에는 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 본 발명의 동작을 수행하기 위해 적어도 하나의 소프트웨어 모듈로 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
또한, 상술한 방법 또는 장치는 그 구성이나 기능의 전부 또는 일부가 결합되어 구현되거나, 분리되어 구현될 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (10)

  1. 라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 획득한 포인트 클라우드 데이터를 획득하는 단계;
    획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계;
    추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계;
    추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계; 및
    분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계를 포함하는, 정밀 도로 지도를 위한 차선 중앙점 검출 방법.
  2. 청구항 1에서,
    상기 입력 포인트는,
    사용자의 입력을 통해 결정되는, 정밀 도로 지도를 위한 차선 중앙점 검출 방법.
  3. 청구항 1에서,
    상기 차선의 방향 벡터를 획득하는 단계는,
    상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계; 및
    추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함하는, 정밀 도로 지도를 위한 차선 중앙점 검출 방법.
  4. 청구항 3에서,
    상기 기준값은,
    도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값인, 정밀 도로 지도를 위한 차선 중앙점 검출 방법.
  5. 청구항 3에서,
    상기 기준값은,
    도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값인, 정밀 도로 지도를 위한 차선 중앙점 검출 방법.
  6. 정밀 도로 지도를 위한 차선 중앙점 검출 장치로서,
    적어도 하나의 프로세서(processor); 및
    상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,
    상기 적어도 하나의 단계는,
    라이다(LIDAR) 장치를 이용하여 차선이 도색된 도로면에 대하여 획득한 포인트 클라우드 데이터를 획득하는 단계;
    획득된 포인트 클라우드 데이터에서 입력 포인트를 중심으로 일정한 반경 내에 있는 포인트들을 추출하는 단계;
    추출된 포인트들에 대한 주성분 분석을 통해 차선의 방향 벡터를 획득하는 단계;
    추출된 포인트들을 상기 방향 벡터와 수직한 평면 상에 위치한 포인트들로 분리하는 단계; 및
    분리된 포인트들에 대한 반사 강도를 분석하여 차선 중앙점을 검출하는 단계를 포함하는, 정밀 도로 지도를 위한 차선 중앙점 검출 장치.
  7. 청구항 6에서,
    상기 입력 포인트는,
    사용자의 입력을 통해 결정되는, 정밀 도로 지도를 위한 차선 중앙점 검출 장치.
  8. 청구항 6에서,
    상기 차선의 방향 벡터를 획득하는 단계는,
    상기 추출된 포인트들 중에서 반사 강도가 기준값 이상인 포인트들을 추출하는 단계; 및
    추출된 포인트들에 대한 주성분 분석을 통해 상기 방향 벡터를 획득하는 단계를 포함하는, 정밀 도로 지도를 위한 차선 중앙점 검출 장치.
  9. 청구항 8에서,
    상기 기준값은,
    도색된 차선에 대한 평균 반사 강도와 도색된 차선 이외의 부분에 대한 평균 반사 강도 사이의 중간값 또는 평균값인, 정밀 도로 지도를 위한 차선 중앙점 검출 장치.
  10. 청구항 8에서,
    상기 기준값은,
    도색된 차선에 대한 평균 반사 강도값을 기준으로 미리 설정된 비율에 해당하는 값인, 정밀 도로 지도를 위한 차선 중앙점 검출 장치.
KR1020180152196A 2018-11-30 2018-11-30 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치 Ceased KR20200065590A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180152196A KR20200065590A (ko) 2018-11-30 2018-11-30 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180152196A KR20200065590A (ko) 2018-11-30 2018-11-30 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20200065590A true KR20200065590A (ko) 2020-06-09

Family

ID=71082913

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180152196A Ceased KR20200065590A (ko) 2018-11-30 2018-11-30 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20200065590A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112560747A (zh) * 2020-12-23 2021-03-26 苏州工业园区测绘地理信息有限公司 基于车载点云数据的车道边界交互式提取方法
CN112964264A (zh) * 2021-02-07 2021-06-15 上海商汤临港智能科技有限公司 道路边沿检测方法、装置、高精度地图、车辆及存储介质
KR102333828B1 (ko) * 2021-07-21 2021-12-03 (주)뷰런테크놀로지 라이다 데이터 기반 차선 검출 방법 및 시스템
JP2022093798A (ja) * 2020-12-14 2022-06-24 アジア航測株式会社 区画線検出装置および区画線検出プログラム

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2022093798A (ja) * 2020-12-14 2022-06-24 アジア航測株式会社 区画線検出装置および区画線検出プログラム
CN112560747A (zh) * 2020-12-23 2021-03-26 苏州工业园区测绘地理信息有限公司 基于车载点云数据的车道边界交互式提取方法
CN112964264A (zh) * 2021-02-07 2021-06-15 上海商汤临港智能科技有限公司 道路边沿检测方法、装置、高精度地图、车辆及存储介质
CN112964264B (zh) * 2021-02-07 2024-03-26 上海商汤临港智能科技有限公司 道路边沿检测方法、装置、高精度地图、车辆及存储介质
KR102333828B1 (ko) * 2021-07-21 2021-12-03 (주)뷰런테크놀로지 라이다 데이터 기반 차선 검출 방법 및 시스템

Similar Documents

Publication Publication Date Title
US11250288B2 (en) Information processing apparatus and information processing method using correlation between attributes
CN113378760A (zh) 训练目标检测模型和检测目标的方法及装置
US20200081105A1 (en) Method and device for detecting precision of internal parameter of laser radar
US9661470B1 (en) Methods and systems for locating an actor within an environment
KR101829556B1 (ko) 객체 움직임의 라이더 기반 분류 기법
US20170314930A1 (en) System and method for achieving fast and reliable time-to-contact estimation using vision and range sensor data for autonomous navigation
US11538168B2 (en) Incremental segmentation of point cloud
KR20200065590A (ko) 정밀 도로 지도를 위한 차선 중앙점 검출 방법 및 장치
KR20210043628A (ko) 장애물 감지 방법, 지능형 주행 제어 방법, 장치, 매체, 및 기기
CN113377888A (zh) 训练目标检测模型和检测目标的方法
US12148169B2 (en) Three-dimensional target estimation using keypoints
EP3703008A1 (en) Object detection and 3d box fitting
KR102828549B1 (ko) 가상 도시 모델을 이용한 학습 데이터 생성 방법
CN110807439A (zh) 检测障碍物的方法及装置
Zelener et al. Cnn-based object segmentation in urban lidar with missing points
CN112639822A (zh) 一种数据处理方法及装置
KR20200058272A (ko) 도로 주행 영상의 전처리를 통한 도로 주행 상황 제공 방법 및 시스템
CN109960959B (zh) 用于处理图像的方法和装置
KR20200128865A (ko) Cnn 기반의 객체 검출 장치 및 그 방법
CN113361379B (zh) 生成目标检测系统和检测目标的方法及装置
EP4459317A1 (en) Computer-implemented automatic annotation of a lidar point cloud
WO2018119607A1 (en) Method and apparatus for uncertainty modeling of point cloud
Bougharriou et al. Vehicles distance estimation using detection of vanishing point
US20220318456A1 (en) Simulation method based on three-dimensional contour, storage medium, computer equipment
EP3944137A1 (en) Positioning method and positioning apparatus

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20181130

PA0201 Request for examination
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20191226

Patent event code: PE09021S01D

E601 Decision to refuse application
PE0601 Decision on rejection of patent

Patent event date: 20200526

Comment text: Decision to Refuse Application

Patent event code: PE06012S01D

Patent event date: 20191226

Comment text: Notification of reason for refusal

Patent event code: PE06011S01I

PG1501 Laying open of application