KR102068419B1 - 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체 - Google Patents

포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체 Download PDF

Info

Publication number
KR102068419B1
KR102068419B1 KR1020180130693A KR20180130693A KR102068419B1 KR 102068419 B1 KR102068419 B1 KR 102068419B1 KR 1020180130693 A KR1020180130693 A KR 1020180130693A KR 20180130693 A KR20180130693 A KR 20180130693A KR 102068419 B1 KR102068419 B1 KR 102068419B1
Authority
KR
South Korea
Prior art keywords
trajectory
cloud data
point cloud
parameter set
feature
Prior art date
Application number
KR1020180130693A
Other languages
English (en)
Other versions
KR20190088866A (ko
Inventor
미아오 얀
이페이 잔
시안펭 랑
왕 조우
슝 두안
창지에 마
Original Assignee
바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 filed Critical 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드
Publication of KR20190088866A publication Critical patent/KR20190088866A/ko
Application granted granted Critical
Publication of KR102068419B1 publication Critical patent/KR102068419B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • 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
    • G01S7/4808—Evaluating distance, position or velocity data
    • 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
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • 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
    • B60W40/10—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 vehicle motion
    • B60W40/112—Roll movement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3811—Point data, e.g. Point of Interest [POI]
    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0251—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means extracting 3D information from a plurality of images taken from different locations, e.g. stereo vision
    • 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
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/18—Roll
    • G05D2201/02—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Transportation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Mathematical Physics (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

본 개시의 실시예들은 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체에 관한 것이다. 본 개시의 실시예들에 의하면, 포인트 클라우드 데이터로부터 추출한 특징을 기반으로 궤적의 조정을 진행할 수 있으며, 모든 파라미터들이 모두 동시에 조정을 진행할 필요가 있는 것이 아니라, 특징의 성질에 따라 조정할 필요가 있는 파라미터를 선택할 수 있다. 또한, 본 개시의 실시예들에 의하면, 궤적 융합을 진행할 경우, 궤적 중의 궤적 포인트들의 순서 관계를 감안함으로써, 루프를 폐쇄시키지 못하는 것을 피면한다.

Description

포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체 {METHOD, APPARATUS AND COMPUTER READABLE MEDIUM FOR ADJUSTING POINT CLOUD DATA COLLECTION TRAJECTORY}
본 개시의 실시예들은 일반적으로 고정밀 지도 기술 분야에 관한 것이로, 보다 구체적으로는 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체에 관한 것이다.
최근에 들어 자율 주행이 널리 보급됨에 따라, 고정밀 지도 기술은 급속한 발전을 거듭하게 되었다. 특히, 고도의 자율 주행(L3) 레벨의 자율 주행에 대해, 고정밀 지도는 필수적인 것이다. 기존의 고정밀 지도 기술들은 대량의 포인트 클라우드 데이터를 수집할 필요가 있다. 이러한 포인트 클라우드 데이터는 예컨대 정합 등의 처리가 진행되여 고정밀 지도의 제작에 적용된다. 포인트 클라우드 데이터 량은 통상적으로 아주 크므로, 종래의 전체량의 포인트 클라우드 데이터에 대한 매칭은 대량의 시간과 저장 공간을 소모하게 된다.
전반적으로, 본 개시의 실시예들은 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방안에 관한 것이다.
제1 양태에 있어서, 본 개시의 실시예들은 포인트 클라우드 데이터 수집 궤적을 조정하는 방법을 제공한다. 해당 방법은, 이동형 객체로 수집한 제1 포인트 클라우드 데이터와 제2 포인트 클라우드 데이터가 매칭되는 특징을 구비함에 대응하여, 이동형 객체가 제1 포인트 클라우드 데이터를 수집함에 사용한 제1 궤적과 제2 포인트 클라우드 데이터를 수집함에 사용한 제2 궤적을 획득하는 단계와, 매칭되는 특징 및 제1 궤적과 제2 궤적을 기반으로, 제1 궤적 중 조정하고자 하는 궤적 포인트들의 파라미터 집합을 확정하는 단계와, 궤적 포인트들의 파라미터 집합을 조정하여, 제1 궤적과 제2 궤적을 융합시키는 단계를 포함한다.
제2 양태에 있어서, 본 개시의 실시예들은 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 장치를 제공한다. 해당 장치는, 이동형 객체로 수집한 제1 포인트 클라우드 데이터와 제2 포인트 클라우드 데이터가 매칭되는 특징을 구비함에 대응하여, 이동형 객체가 제1 포인트 클라우드 데이터를 수집함에 사용한 제1 궤적과 제2 포인트 클라우드 데이터를 수집함에 사용한 제2 궤적을 획득하도록 구축된 획득 모듈과, 매칭되는 특징 및 제1 궤적과 제2 궤적을 기반으로, 제1 궤적 중 조정하고자 하는 궤적 포인트들의 파라미터 집합을 확정하도록 구축된 확정 모듈과, 궤적 포인트들의 파라미터 집합을 조정하여, 제1 궤적과 제2 궤적을 융합시키도록 구축된 융합 모듈을 포함한다.
제3 양태에 있어서, 본 개시의 실시예들은, 하나 또는 다수의 프로세서와, 하나 또는 다수의 프로그램을 저장하기 위한 저장 장치를 포함하되, 상기 하나 또는 다수의 프로그램이 상기 하나 또는 다수의 프로세서에 의해 실행될 경우, 상기 하나 또는 다수의 프로세서가 본 개시의 제1 양태에 따른 방법을 구현하도록 하는 기기를 제공한다.
제4 양태에 있어서, 본 개시의 실시예들은, 컴퓨터 프로그램이 저장되되, 해당 프로그램은 프로세서에 의해 실행될 경우 본 개시의 제1 양태에 따른 방법을 구현하는 컴퓨터 판독 가능한 매체를 제공한다.
발명의 내용 부분에서 설명한 내용은 본 개시의 실시예들의 관건적이거나 중요한 특징을 한정하고자 하는 것이 아니며, 본 개시의 범위를 한정하기 위한 것이 아님을 이해하여야 한다. 본 개시의 기타 특징들은 아래의 설명을 통해 용이하게 이해할 수 있을 것이다.
본 개시의 각 실시예의 전술한 및 기타의 특징, 이점 및 방면들은 첨부된 도면들을 결부하고 아래의 상세한 설명을 참조함으로써 더욱 명확해질 것이다. 첨부된 도면들에 있어서:
도1은 본 개시의 실시예들이 실시될 수 있는 예시적 환경의 블록도을 나타낸다.
도2는 본 개시의 일부의 실시예들에 따른 궤적 융합의 개략도를 나타낸다.
도3은 본 개시의 일부의 실시예들에 따른 예시적 방법의 흐름도를 나타낸다.
도4는 본 개시의 일부의 실시예들에 따른 예시적 방법의 흐름도를 나타낸다.
도5는 본 개시의 일부의 실시예들에 따른 장치의 개략적 블록도를 나타낸다.
도6은 본 개시의 다수의 실시예들을 실시할 수 있는 컴퓨팅 기기의 블록도를 나타낸다.
모든 도면들에 있어서, 동일하거나 유사한 도면 부호는 동일하거나 유사한 요소를 표시한다.
아래에 첨부된 도면들을 참조하여 본 개시의 실시예들에 대한 보다 상세한 설명을 진행하기로 한다. 첨부된 도면들에는 본 개시의 일부의 실시예들이 표시되나, 본 개시는 각종의 형식으로 실현될 수 있음을 이해하여야 하고, 본 개시가 본원에 진술된 실시예들에 한정되는 것으로 해석하여서는 아니된다. 반대로, 이러한 실시예들은 본 개시의 더욱 명확하고 완정한 이해를 위해 제공된다. 본 개시의 첨부된 도면들과 실시예들은 단지 예시적인 작용으로 이용될 뿐, 본 개시의 보호 범위를 한정하기 위한 것이 아님을 이해하여야 한다.
본원에 이용되는 용어 “포함” 및 이의 변형은 개방적인 포함이며, 즉, “... 포함하나, 이에 한정되지 않는다”이다. 용어 “일 실시예”는 “적어도 하나의 실시예”를 표시하고, 용어 “다른 일 실시예”는 “적어도 하나의 다른 실시예”를 표시한다. 기타 용어들의 관련된 정의는 아래의 설명에서 제공하게 된다.
본원에 사용되는 용어 “포인트 클라우드 데이터”는 하나의 3차원 좌표 계통 중의 벡터들의 집합을 가리킨다. 이러한 벡터들은 통상적으로 X, Y, Z의 3차원 좌표의 형식으로 표시되며, 일반적으로 주요하게 하나의 물체의 외부 표면 형상을 대표하기에 이용된다. 포인트 클라우드 데이터는 하나의 포인트의 RGB 색상, 그레이 스케일, 깊이, 분할 결과 등을 표시할 수도 있다. 본원에 사용되는 용어 “특징/특징 포인트”는 이미지 본질 특징을 반영할 수 있고, 이미지 중의 목표 물체를 표식할 수 있는 것을 가리킨다.
상술한 바와 같이, 종래의 방안은 통상적으로 포인트 클라우드 데이터를 직접적으로 사용하여 정합을 진행한다. 이는 포인트 클라우드 데이터 자체가 상대적으로 양호한 초기값을 제공하는 것을 요구하게 된다. 나아가, 여러번의 반복이 필요할 가능성이 존재하므로, 포인트 클라우드 데이터를 직접적으로 처리할 때에 대량의 시간과 메모리를 소모하게 된다. 포인트 클라우드 데이터를 직접적으로 처리하는 것은 단지 데이터 량이 상대적으로 적은 정경에 적용된다. 그러나, 고정밀 지도를 제조함에 있어서, 대량의 포인트 클라우드 데이터를 처리할 필요가 있으므로, 종래의 포인트 클라우드 데이터를 직접적으로 처리하는 방안은 적합하지 못하다. 또한, 종래의 방안은 포인트 클라우드 데이터 정합을 진행함에 있어서, 통상적으로 2 프레임 사이의 매칭 관계에 한정될 뿐, 포인트 클라우드 데이터의 궤적을 전체적으로 이용하여 고려하지 않았다. 이로써, 통상적으로 루프와 같은 궤적을 초래하며, 폐쇄 루프를 정확하게 형성하지 못한다.
본 개시의 실시예들에 의하면, 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방안을 제공한다. 해당 방안에 있어서, 포인트 클라우드 데이터를 수집하기 위한 궤적을 융합시키기 위해 포인트 클라우드 데이터 중의 특징을 추출한다. 포인트 클라우드 데이터를 수집하기 위한 궤적을 융합시킬 경우, 특징에 따라 궤적 중의 궤적 포인트의 위치 파라미터을 상응하게 조정할 수 있다. 나아가, 포인트 클라우드 데이터를 수집하기 위한 궤적을 융합시킬 경우, 융합의 정밀도를 향상시키기 위해 궤적 중의 궤적 포인트들의 순서 관계도 고려할 수 있다.
도1은 본 개시의 실시예들이 실시될 수 있는 예시적 환경(100)의 개략도를 나타낸다. 해당 예시적 환경(100)은 이동형 객체(110) 및 컴퓨팅 기기(106)를 포함할 수 있다. 이동형 객체는 이동형 장치(101), 포인트 클라우드 데이터(122)를 수집하기 위한 수집 장치(102), 포인트 클라우드 데이터(122)를 저장하기 위한 저장 장치(104)를 포함할 수 있다. 이동형 장치(101)는 임의의 이동 가능한 장치일 수 있다. 예를 들어, 이동형 장치(101)는 차량일 수 있다.
수집 장치(102)는 이동형 장치(101) 상에 설치될 수 있다. 수집 장치(102)는 임의의 적당한 3D 스캔 장치일 수 있다. 예를 들어, 수집 장치(102)는 레이저 레이더 장치일 수 있다. 대안으로, 수집 장치(102)는 스테레오 카메라일 수 있다. 수집 장치(102)는 비행시간형 카메라(ToF camera)일 수도 있다.
궤적(130)과 궤적(140)은 이동형 장치(101)의 상이한 시간대의 궤적이다. 이동형 객체(110)는 수집 장치(102)를 통해 궤적들(130과 140) 상에서 각각 포인트 클라우드 데이터를 수집할 수 있다. 수집 장치(102)로 수집한 포인트 클라우드 데이터는 저장 장치(104)에 저장될 수 있다. 저장 장치(104)는 로컬 저장 장치일 수 있다. 저장 장치(104)는 수집 장치(102)와 함께 이동형 장치(101) 상에 위치될 수 있다. 저장 장치(104)는 원격 저장 장치일 수도 있다. 예를 들어, 수집 장치(102)는 수집한 포인트 클라우드 데이터를 원격 저장 장치(104)에 전송될 수 있다.
예시적 환경(100)에는 기둥 물체(1510), 평면 물체(1520) 및 지면 물체(1530)가 더 포함될 수 있다. 수집 장치(102)로 수집한 포인트 클라우드 데이터(122)로부터 상술한 물체를 반영하는 특징을 추출할 수 있다. 컴퓨팅 기기(106)는 저장 장치(104)로부터 포인트 클라우드 데이터(122)를 획득할 수 있다. 컴퓨팅 기기(106)는 포인트 클라우드 데이터(122)로부터 특징을 추출하고, 궤적(130)과 궤적(140)을 융합시키기 위해 해당 특징을 기반으로 궤적(130)과 궤적(140) 중의 궤적 포인트들에 대해 조정을 진행할 수 있다.
비록 도1의 환경(100)에는 본 개시의 실시예들이 실시될 수 있는 예시적 환경이 도시되었으나, 본 개시의 실시예들은 임의의 기타 적당한 환경에서 구현될 수 있음을 해당 기술 분야의 당업자는 이해하여야 한다. 도2에 도시된 환경(100)은 단지 예시적인 것이며, 한정적인 것은 아니다. 도1 중의 환경(100)에 도시된 이동형 객체(110), 컴퓨팅 기기(106), 궤적들(130과 140), 기둥 물체(1510), 평면 물체(1520) 및 지면 물체(1530) 등의 수량은 단지 예시적인 것임을 이해할 수 있을 것이다. 환경(100)은 임의의 적당한 수량의 이동형 객체(110), 컴퓨팅 기기(106), 궤적들(130과 140), 기둥 물체(1510), 평면 물체(1520) 및 지면 물체(1530)를 포함할 수 있다. 환경(100)에는 기타 도시되지 않은 부재들이 더 포함될 수 있다.
도2는 본 개시의 일부의 실시예들에 따른 궤적 융합(200)의 개략도를 나타낸다. 궤적(210)(“제1 궤적”으로 지칭될 수 있음)과 궤적(220)(“제2 궤적”으로 지칭될 수 있음)은 이동형 객체(110)가 포인트 클라우드 데이터를 수집하는 상이한 시간대의 궤적일 수 있다. 궤적(210)은 다수의 궤적 포인트들(예컨대, 궤적 포인트들(2110-1, 2110-2, 2110-3, 2110-4, 2110-5, 2110-6, 2110-7, 2110-8, …… , 2110-N))(미도시)(“궤적 포인트들(2110)”로 통칭됨)을 포함한다. 유사하게, 궤적(220)은 다수의 궤적 포인트들(예컨대, 궤적 포인트들(2210-1, 2210-2, 2210-3, 2210-4, 2210-5, 2210-6, 2210-7, 2210-8, …… , 2210-N))(미도시)(“궤적 포인트들(2210)”로 통칭됨)을 포함한다.
궤적 포인트는 대응되는 위치 파라미터를 구비하고, 해당 위치 파라미터는 여러가지 방식을 통해 획득할 수 있다. 예를 들어, 궤적 포인트의 위치 파라미터는 글로벌 포지셔닝 시스템(GPS)으로 획득할 수 있다. 궤적 포인트의 위치 파라미터는 데카르트 좌표계에서의 X축의 파라미터, Y축의 파라미터 및 Z축의 파라미터를 포함할 수 있다. 궤적 포인트의 위치 파라미터는 각도 파라미터를 포함할 수도 있다. 예를 들어, 궤적 포인트의 위치 파라미터는 X축을 중심으로 회전하는 부앙각(pitch) 파라미터, Y축을 중심으로 회전하는 편주각(yaw) 파라미터 및 Z축을 중심으로 회전하는 롤링각(roll) 파라미터를 포함할 수 있다.
특징(230-1)과 특징(230-2)(“특징(230)”으로 통칭됨)은 궤적(210)을 기반으로 수집한 포인트 클라우드 데이터와 궤적(220)을 기반으로 수집한 포인트 클라우드 데이터 모두가 추출할 수 있는 특징이다. 특징(230-1)과 특징(230-2)은 기둥 물체(예컨대, 기둥 물체(1510))를 표시하는 기둥체 특징일 수 있다. 대안으로, 특징(230-1)과 특징(230-2)은 지면 물체(예컨대, 지면 물체(1530))를 표시하는 평면 특징일 수도 있다. 특징들(230-1과 230-2)은 상이한 특징일 수 있으며, 동일한 특징일 수도 있음을 이해할 수 있을 것이다. 아래에 도3 내지 도4를 참조하여 진일보로 본 발명에 따른 실시예들에 대한 설명을 진행하기로 한다. 단지 설명의 목적을 위하여, 2개의 궤적들을 조정하는 예시를 설명하였을? 이해할 수 있을 것이다. 본 개시의 실시예들은 다수의 궤적들을 조정할 수 있으며, 예컨대, 3개 또는 그 이상의 궤적들을 조정할 수 있다.
블록(310)에서, 이동형 객체(110)로 수집한 제1 포인트 클라우드 데이터와 제2 포인트 클라우드 데이터가 매칭되는 특징(230)을 구비할 경우, 컴퓨팅 기기(106)는 이동형 객체(110)가 제1 포인트 클라우드 데이터를 수집함에 사용한 궤적(210)과 제2 포인트 클라우드 데이터를 수집함에 사용한 궤적(220)을 획득한다. 컴퓨팅 기기(106)는 임의의 적당한 방식으로 포인트 클라우드 데이터 중의 특징들을 획득할 수 있다. 예를 들어, 컴퓨팅 기기(106)는 인위적으로 입력함으로써 포인트 클라우드 데이터 중의 특징을 획득할 수 있다. 일부의 실시예들에 있어서, 이동형 객체(110)로 수집한 다수의 세트의 포인트 클라우드 데이터는 모두 구체적으로 매칭되는 특징에 대해, 컴퓨팅 기기(106)는 이동형 객체(110)가 이러한 세트의 포인트 클라우드 데이터를 수집함에 사용한 궤적을 획득할 수 있다. 예를 들어, 컴퓨팅 기기(106)는 이동형 객체(110)가 이러한 세트의 포인트 클라우드 데이터를 수집함에 사용한 궤적들(210, 220 및 240)(미도시)을 획득할 수 있다.
대안으로, 일부의 실시예들에 있어서, 컴퓨팅 기기(106)는 각 프레임의 포인트 클라우드 데이터 중의 특징을 추출할 수 있다. 구체적으로, 컴퓨팅 기기(106)는 포인트 클라우드 데이터로부터 지면 포인트 클라우드, 평면 포인트 클라우드, 기둥 물체 포인트 클라우드 및/또는 기타의 포인트 클라우드를 확정할 수 있다. 이어서, 컴퓨팅 기기(106)는 지면 포인트 클라우드, 평면 포인트 클라우드 및 기둥 물체 포인트 클라우드 중의 특징을 각각 추출할 수 있다. 예를 들어, 컴퓨팅 기기(106)는 지면 포인트를 기반으로 지면 특징을 추출하고, 평면 포인트 클라우드를 기반으로 평면 특징을 추출하고 기둥 물체 포인트 클라우드를 기반으로 기둥체 특징을 추출하는 등을 진행할 수 있다.
예시적 실시예들에 있어서, 기기(106)는 상이한 포인트 클라우드 데이터로부터 추출된 특징을 동일한 좌표계로 변환시킬 수 있다. 동일한 좌표계에서 상이한 포인트 클라우드 데이터로부터 추출된 특징의 차이가 기정의 역치(“역치 차이”로도 지칭됨) 내에 위치할 경우, 이러한 특징들은 매칭되는 것으로 간주될 수 있다. 즉, 이러한 특징들이 추출되는 상이한 포인트 클라우드 데이터는 매칭되는 특징을 구비한다. 예를 들어, 제1 포인트 클라우드 데이터로부터 추출된 특징(230-1’)(미도시)과 제2 포인트 클라우드 데이터로부터 추출된 특징(230-1’’)(미도시)은 매칭되는 것이며, 이러할 경우, 제1 포인트 클라우드 데이터와 제2 포인트 클라우드 데이터는 매칭되는 특징(230-1)을 구비한다. 특징(예컨대, 230-1’) 및 해당 특징이 해당되는 궤적 포인트 사이는 강성 연결된다. 컴퓨팅 기기(106)는 이를 기반으로 제1 포인트 클라우드 데이터를 수집하는 궤적(210)과 제2 포인트 클라우드 데이터를 수집하는 궤적(220)을 획득할 수 있다. 이러한 방식을 통해, 컴퓨팅 기기(106)는 처리할 필요가 있는 포인트 클라우드 데이터 량을 대대적으로 감소시킴으로써, 처리 속도를 향상시킬 수 있다.
블록(320)에서, 컴퓨팅 기기(106)는 매칭되는 특징(230) 및 궤적(210)과 궤적(220)을 기반으로, 궤적(210) 중 조정하고자 하는 궤적 포인트들(2110)의 파라미터 집합을 확정한다. 예를 들어, 특징(230-1)은 매칭되는 특징이고, 궤적(210) 중의 궤적 포인트들(2110-1, 2110-2 및 2110-3)과 궤적(220) 중의 궤적 포인트들(2210-1, 2210-2 및 2210-3)는 해당 특징에 관련되는 궤적 포인트들이다. 컴퓨팅 기기(106)는 궤적 포인트들(2210-1, 2210-2 및 2210-3)과 가장 큰 차이를 가지는 궤적 포인트들(2110-1, 2110-2 및 2110-3)의 파라미터 집합을 확정할 수 있다. 컴퓨팅 기기(106)는 가장 큰 차이를 가지는 파라미터 집합을 조정하고자 하는 궤적의 파라미터 집합으로 확정할 수 있다. 예를 들어, 컴퓨팅 기기(106)는 차이가 가장 큰 Z축 파라미터，부앙각 파라미터 및 롤링각 파라미터를 조정하고자 하는 파라미터 집합으로 확정할 수 있다. 이러한 방식을 통해, 모든 파라미터들을 동시에 조정하는 것이 아니라, 특징의 특점에 따라 파라미터를 상응하게 조정할 수 있며, 이로써 융합의 효율을 진일보로 향상시킨다. 상술한 바와 같이, 일부의 실시예들에 있어서, 컴퓨팅 기기(106)는 포인트 클라우드 데이터를 수집하는 이동형 객체(110)의 다수의 궤적들을 획득할 수 있으며, 컴퓨팅 기기(106)는 매칭되는 특징 및 이러한 궤적들을 기반으로, 이러한 궤적들 중 조정하고자 하는 궤적 포인트들의 파라미터 집합을 확정할 수 있다.
아래에 도4를 참조하여 블록(320)에서 실시할 수 있는 예시적 방법을 설명하기로 한다. 도4에 도시된 방법(400)은 단지 예시적인 것일 뿐, 한정적인 것은 아니다. 블록(410)에서, 컴퓨팅 기기(106)는 상대적으로 큰 검색 반경(“제1 검색 반경”으로 지칭될 수 있음)으로 매칭되는 특징을 검색할 수 있다. 예를 들어, 컴퓨팅 기기(106)는 궤적(210)으로 수집한 포인트 클라우드 데이터를 통해 추출한 특징(230-1’)(미도시)을 중심으로 일정한 거리에 따라 공간 상에서 매칭될 수 있는 특징, 예컨대, 궤적(220)으로 수집한 포인트 클라우드 데이터를 통해 추출한 특징(230-1’’)(미도시)을 검색할 수 있다.
블록(420)에서, 매칭되는 특징(230-1)이 지면 특징일 경우, 기기(106)는 조정하고자 하는 궤적 포인트들의 파라미터 집합이 지면 파라미터 집합임을 확정할 수 있다. 일부의 실시예들에 있어서, 지면 파라미터 집합은 데카르트 좌표계 중의 Z축 파라미터를 포함한다. 대안으로/부가적으로, 지면 파라미터 집합은 X축을 중심으로 회전하는 부앙각 파라미터 및 Z축을 중심으로 회전하는 롤링각 파라미터를 더 포함한다. 단지 예시적으로, 기기(106)는 궤적(210)과 궤적(220) 중의 궤적 포인트들의 Z축 파라미터, 부앙각 파라미터 및 롤링각 파라미터를 동일하게 조정할 수 있다. 예를 들어, 기기(106)는 2개의 궤적들이 Z 방향에서 중합되고, 지면 특징이 궤적(210)과 궤적(220)에 각각 대응되는 지면의 법선 벡터와 동일하도록 궤적(210)과 궤적(220)의 Z 방향에서의 높이를 조정할 수 있다.
블록(430)에서, 컴퓨팅 기기(106)는 상대적으로 작은 검색 반경(“제2 검색 반경”으로 지칭될 수 있음)으로 매칭되는 특징을 검색할 수 있다. 컴퓨팅 기기(106)는 조정을 진행하기 위해 이미 블록(410)에서 상대적으로 큰 반경으로 특징을 검색하였다. 블록(430)에서의 상대적으로 작은 검색 반경은 궤적(210)과 궤적(220)의 조정하고자 하는 파라미터가 보다 정교해지게 함으로써, 더욱 정확한 융합 결과를 획득할 수 있다.
블록(440)에서, 매칭되는 특징(230-2)이 기둥체 특징일 경우, 기기(106)는 조정하고자 하는 파라미터 집합이 기둥체 파라미터 집합임을 확정할 수 있다. 일부의 실시예들에 있어서, 기둥체 파라미터 집합은 데카르트 좌표계 중의 X축 파라미터와 Y축 파라미터를 포함할 수 있다. 예를 들어, 실제의 응용 정경에 있어서, 기둥체는 가로등 등의 물체일 수 있다. 단지 예시적으로, 기기(106)는 궤적(210)과 궤적(220) 중의 궤적 포인트들의 X축 파라미터와 Y축 파라미터를 동일하게 조정할 수 있다.
블록(450)에서, 컴퓨팅 기기(106)는 더 작은 검색 반경(“제3 검색 반경”으로 지칭될 수 있음)으로 매칭되는 특징을 검색할 수 있다. 상술한 바와 같이, 컴퓨팅 기기(106)는 이미 2번의 매칭 특징의 검색을 진행하였다. 따라서, 블록(450)에서 검색된 매칭 특징의 매칭 정보는 더욱 높아지게 된다.
블록(460)에서, 매칭되는 특징이 평면 특징일 경우, 기기(106)는 조정하고자 하는 파라미터 집합이 평면 특징파라미터 집합임을 확정할 수 있다. 일부의 실시예들에 있어서, 평면 파라미터 집합은 데카르트 좌표계 중의 X축 파라미터와 Y축 파라미터를 포함할 수 있다. 대안으로/추가적으로, 평면 파라미터 집합은 Y축을 중심으로 회전하는 편주각을 더 포함할 수 있다. 실제의 정경에서, 평면 특징은 지면에 수직된 작은 평면, 예컨대, 광고판 등일 수 있다. 단지 예시적으로, 편면 특징이 대응되는 궤적(210)과 궤적(220)에 각각 관련되는 평면이 법선 벡터 상에서의 거리가 0으로 되도록, 기기(106)는 궤적(210)과 궤적(220) 중의 궤적 포인트들의 X축 파라미터와 Y축 파라미터 및 Y축을 중심으로 회전하는 편주각을 동일하게 조정할 수 있다.
상술한 조정된 파라미터 집합의 순서는 단지 예시적인 것이며, 파라미터 집합은 임의의 적당한 순서로 조정될 수 있음을 이해할 수 있을 것이다. 파라미터 집합의 조정 순서는 포인트 클라우드 데이터 자체의 특성에 관련된다. 이러한 방식을 통해, 본 개시의 실시예들은 포인트 클라우드 데이터의 특점에 따라 매칭 특징의 검색 범위와 조정하고자 하는 파라미터 집합의 순서를 조정함으로써, 더욱 바람직한 최선화된 순서를 구현할 수 있다.
돌아가 도3을 참조하면, 블록(330)에서, 컴퓨팅 기기(106)는 궤적(210)과 궤적(220)을 융합시키기 위해 궤적 포인트들(2110)의 파라미터 집합을 조정할 수 있다. 일부의 실시예들에 있어서, 컴퓨팅 기기(106)는 궤적(210)과 궤적(220)이 더욱 잘 융합되도록 궤적(210)과 궤적(220) 중의 궤적 포인트들의 순서 관계를 기반으로 궤적(210)과 궤적(220)을 융합시킬 수 있다. 기기(106)는 임의의 적당한 방법을 이용하여 궤적(210)과 궤적(220)을 최적화시킬 수 있다. 일부의 실시예들에 있어서, 궤적(210)과 궤적(220) 중의 궤적 포인트들의 순서 관계는 궤적(210)과 궤적(220)을 최적화시킬 때의 파라미터로 이용될 수 있다. 이러한 방식을 통해, 예컨대 루프가 폐쇄되지 못하는 문제를 효과적으로 피면하고 궤적 융합의 정밀도를 진일보로 향상시키도록 본 개시의 실시예들은 궤적 포인트 위치를 참조로 하여 궤적 융합을 진행한다. 상술한 바와 같이, 일부의 실시예들에 있어서, 컴퓨팅 기기(106)는 이동형 객체(110)가 포인트 클라우드 데이터를 수집하는 다수의 궤적들을 획득할 수 있으며, 컴퓨팅 기기(106)는 이러한 궤적들의 궤적 포인트들의 파라미터 집합을 조정하여 이러한 궤적들을 융합시킬 수 있다. 즉, 컴퓨팅 기기(106)는 다수의 궤적들을 동시에 융합시킬 수 있다.
도5는 본 개시의 실시예들에 따른 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 장치(500)의 개략적 블록도를 나타낸다. 도5에 도시된 바와 같이, 장치(500)는, 이동형 객체로 수집한 제1 포인트 클라우드 데이터와 제2 포인트 클라우드 데이터가 매칭되는 특징을 구비함에 대응하여, 이동형 객체가 제1 포인트 클라우드 데이터를 수집함에 사용한 제1 궤적과 제2 포인트 클라우드 데이터를 수집함에 사용한 제2 궤적을 획득하도록 구축된 획득 모듈(510)과, 매칭되는 특징 및 제1 궤적과 제2 궤적을 기반으로, 제1 궤적 중 조정하고자 하는 궤적 포인트들의 파라미터 집합을 확정하도록 구축된 확정 모듈(530)과, 궤적 포인트들의 파라미터 집합을 조정하여, 제1 궤적과 제2 궤적을 융합시키도록 구축된 융합 모듈(550)을 포함한다.
일부의 실시예들에 있어서, 획득 모듈(510)은, 제1 포인트 클라우드 데이터에 관련된 제1 특징과 제2 포인트 클라우드 데이터에 관련된 제2 특징을 획득하도록 구축된 특징을 획득하기 위한 서브 모듈(미도시)과, 제1 특징과 제2 특징의 차이가 역치 차이보다 작음에 대응하여, 제1 포인트 클라우드 데이터와 제2 포인트 클라우드 데이터가 매칭되는 특징을 구비하는 것으로 확정하도록 구축된 매칭 특징을 확정하기 위한 서브 모듈(미도시)을 포함한다.
일부의 실시예들에 있어서, 확정 모듈(530)은, 제2 궤적의 대응되는 궤적 포인트와 가장 큰 차이를 가지는 제1 궤적 중의 궤적 포인트들의 파라미터 집합을 확정하고, 해당 궤적 포인트들의 파라미터 집합을 기반으로, 조정하고자 하는 궤적 포인트들의 파라미터 집합을 확정하도록 구축된 파라미터 집합을 확정하기 위한 서브 모듈(미도시)을 포함한다.
일부의 실시예들에 있어서, 확정 모듈(530)은, 매칭되는 특징이 지면 특징임에 대응하여, 조정하고자 하는 궤적 포인트들의 파라미터 집합을 데카르트 좌표계 중의 Z축 파라미터, X축을 중심으로 회전하는 부앙각 파라미터 및 Z축을 중심으로 회전하는 롤링각 파라미터 중의 적어도 하나를 포함하는 지면 파라미터 집합으로 확정하도록 구축된 지면 파라미터 집합을 확정하기 위한 서브 모듈(미도시)을 포함한다.
일부의 실시예들에 있어서, 확정 모듈(530)은, 매칭되는 특징이 기둥체 특징임에 대응하여, 조정하고자 하는 궤적 포인트들의 파라미터 집합을 데카르트 좌표계 중의 X축 파라미터와 Y축 파라미터 중의 적어도 하나를 포함하는 기둥체 파라미터 집합으로 확정하도록 구축된 기둥체 파라미터 집합을 확정하기 위한 서브 모듈(미도시)을 포함한다.
일부의 실시예들에 있어서, 확정 모듈(530)은, 매칭되는 특징이 평면 특징임에 대응하여, 조정하고자 하는 궤적 포인트들의 파라미터 집합을 데카르트 좌표계 중의 X축 파라미터, Y축 파라미터 및 Y축을 중심으로 회전하는 편주각 파라미터를 포함하는 평면 파라미터 집합으로 확정하도록 구축된 평면 파라미터 집합을 확정하기 위한 서브 모듈(미도시)을 포함한다.
일부의 실시예들에 있어서, 융합 모듈(550)은, 제1 궤적 중의 궤적 포인트들의 순서 관계 및 제2 궤적 중의 궤적 포인트들의 순서 관계를 기반으로, 제1 궤적과 제2 궤적을 융합시키도록 구축된 융합을 위한 서브 모듈(미도시)을 포함한다.
도6은 본 개시의 실시예들을 실시하기에 이용될 수 있는 예시적 기기(600)의 개략적 블록도를 나타낸다. 기기(600)는 도1의 컴퓨팅 기기(106)를 구현하기에 이용될 수 있다. 기기(600)는 본 개시의 격자 지도를 생성하는 장치(600)를 구현하도록 이용될 수 있다. 도시된 바와 같이, 기기(600)는, 중앙 처리 유닛(601; CPU)을 포함하되, CPU(601)는 읽기 전용 메모리(602; ROM)에 저장된 컴퓨터 프로그램 명령 또는 저장 유닛(608)으로부터 랜덤 액세스 메모리(603; RAM)에 로딩된 컴퓨터 프로그램 명령에 따라 각종의 적당한 동작과 처리를 실행할 수 있다. RAM(603)에는 기기(600)의 작동에 필요한 각종의 프로그램 및 데이터가 더 저장될 수 있다. CPU(601), ROM(602) 및 RAM(603)은 버스(604)를 통해 서로 연결된다. 입력/출력(I/O) 인터페이스(605)도 버스(604)에 연결된다.
기기(600) 중의 I/O 인터페이스(605)에 연결되는 다수의 부재들로서, 키보드, 마우스 등과 같은 입력 유닛(606)과, 각종 유형의 표시 장치, 스피커 등과 같은 출력 유닛(607)과, 자기 디스크, 콤팩트 디스크 등과 같은 저장 유닛(608)과, 랜카드, 모뎀, 무선 통신 송수신기 등과 같은 통신 유닛(609)이 포함된다. 통신 유닛(609)은 기기(600)가 인터넷과 같은 컴퓨터 네트워크 및/또는 각종의 전기 통신망을 통해 기타의 기기와 정보/데이터를 교환하는 것을 허용한다.
중앙 처리 유닛(601)은 전술한 각 방법과 처리, 예컨대 과정(300) 및/또는 과정(400)을 실행한다. 예를 들어, 일부의 실시예들에 있어서, 과정(300) 및/또는 과정(400)은 컴퓨터 소프트웨어 프로그램으로 구현될 수 있으며, 이는 기계 판독 가능한 매체(예컨대 저장 유닛(608))에 유형적으로 포함된다. 일부의 실시예들에 있어서, 컴퓨터 프로그램의 일부 또는 전부는 ROM(602) 및/또는 통신 유닛(609)을 경유하여 기기(600) 상에 로딩 및/또는 설치될 수 있다. 컴퓨터 프로그램이 RAM(603)에 로딩되고 CPU(601)에 의해 실행될 경우, 전술한 과정(300) 및/또는 과정(400)의 하나 또는 다수의 단계들을 실행할 수 있다. 선택 가능하게, 기타의 실시예에 있어서, CPU(601)는 기타의 임의의 적당한 방식을 통해 (예컨대, 펌웨어의 도움으로) 과정(300) 및/또는 과정(400)을 실행하도록 구축될 수 있다.
본원에 설명된 이상의 기능들은 적어도 부분적으로 하나 또는 다수의 하드웨어 로직 부재로 실행될 수 있다. 예를 들어, 사용 가능한 모범적인 유형의 하드웨어 로직 부재는, 필드 프로그래머블 게이트 어레이(FPGA), 주문형 집적 회로(ASIC), 주문형 표준 제품(ASSP), 시스템-온-칩 시스템(SOC), 복합프로그래머블 로직 소자(CPLD) 등을 포함하나, 이에 한정되지 않는다.
일반적으로, 본 개시의 각종의 예시적 실시예들은 하드웨어, 전문용 회로, 소프트웨어, 로직 또는 이의 임의의 조합에 실시될 수 있다. 일부의 방면들은 하드웨어에 실시될 수 있고, 기타의 방면들은 제어 장치, 마이크로 프로세서 또는 기타 컴퓨팅 기기로 실행 가능한 펌웨어 또는 소프트웨어에 실시될 수 있다. 본 개시의 실시예들의 각 방면들이 블록도, 흐름도로 도시 또는 설명되거나 또는 임의의 기타 도형을 사용하여 표시될 경우, 여기서 설명한 블록, 장치, 시스템, 기술 또는 방법은 비 한정적인 예시로서 하드웨어, 소프트웨어, 펌웨어, 전문용 회로 또는 로직, 범용의 하드웨어 또는 제어 장치 또는 기타의 컴퓨팅 기기, 또는 이들의 임의의 조합에 실시될 수 있다.
예시적으로, 본 개시의 실시예들은 기계 실행 가능한 명령의 문맥에서 설명될 수 있으며, 기계 실행 가능한 명령은 예컨대 목표물의 실제 또는 가상의 프로세서 상의 소자에서 실행되는 프로그램 모듈에 포함된다. 일반적으로, 프로그램 모듈은 특정의 태스크를 실행하거나 또는 특정의 추상 데이터 구조를 구현하는 루틴, 프로그램, 라이브러리, 객체, 클래스, 컴포넌트, 데이터 구조 등을 포함한다. 각 실시예에 있어서, 프로그램 모듈의 기능은 설명된 프로그램 모듈 사이에 병합되거나 분할될 수 있다. 프로그램 모듈을 위한 기계 실행 가능한 명령은 로컬 장치 또는 분표형 장지 내에 실행될 수 있다. 분포형 장치에 있어서, 프로그램 모듈은 로컬 저장 매체와 원격 저장 매체 양자에 위치할 수 있다.
본 개시의 방법을 구현하기 위한 컴퓨터 프로그램 코드는 하나 또는 다수의 프로그래밍 언어으로 프로그래밍할 수 있다. 이러한 컴퓨터 프로그램 코드는 범용의 컴퓨터, 전문용 컴퓨터 또는 기타의 프로그램 가능한 데이터 처리 장치의 프레세서에 제공됨으로써, 프로그램 코드가 컴퓨터 또는 기타 프로그램 가능한 데이터 처리 장치에 의해 실행 될때 흐름도 및/또는 블록도에 규정된 기능/조작이 실시되도록 유도할 수 있다. 프로그램 코드는 완전히 컴퓨터 상에서 실행되거나, 부분적으로 컴퓨터 상에서 실행되거나, 독립적은 소프트웨어 패키지로서 부분적으로 컴퓨터 상에서 부분적으로 원격 컴퓨터 상에서 실행되거나 또는 완전히 원격 컴퓨터 또는 서버 상에서 실행될 수 있다.
본 개시의 문맥에 있어서, 기계 판독 가능한 매체는 명령 실행 시스템, 장치 또는 기기를 위한 또는 이에 관련된 프로그램을 포함하거나 저장하는 임의의 유형의 매체일 수 있다. 기계 판독 가능한 매체는 기계 판독 가능한 신호 매체 또는 기계 판독 가능한 저장 매체일 수 있다. 기계 판독 가능한 매체는 전자, 자기, 광학, 전자기, 적외선 또는 반도체 시스템, 장치 또는 기기 또는 이들의 임의의 적합한 조합을 포함할 수 있으며, 이에 한정되지 않는다. 기계 판독 가능한 저장 매체의 보다 상세한 예시는 하나 또는 다수의 도선을 구비하는 전기 연결, 휴대용 컴퓨터 자기 디스크, 하드 디스크, 랜덤 액세스 메모리 장치(RAM), 판독 전용 메모리 장치(ROM), 소거 가능 및 프로그램 가능한 판독 전용 메모리 장치(EPROM 또는 플래시 메모리), 광학 저장 장치, 자기 저장 장치 또는 이들의 임의의 조합을 포함한다.
또한, 비록 조작들은 특정의 순서로 설명되었으나, 원하는 결과를 획득하기 위해 이러한 조작들을 도시된 특정의 순서 또는 연속적인 순서로 완성되거나, 도시된 모든 조작들을 실행하는 것이 요구되는 것으로 이해하여서는 아니된다. 일부의 경우에, 멀티 태스킹 또는 병렬 처리는 유익한 것이다. 마찬가지로, 비록 상술한 토론에는 일부의 특정된 실시 세부 사항들이 포함되나, 임의의 발명 또는 특허 청구 범위를 한정하는 것으로 해석하여서는 아니되며, 특정 발명의 특정 실시예들을 상대로 할 수 있는 설명으로 해석하여야 한다. 본 명세서에서 별도의 실시예들의 문맥에 설명되는 일부의 특징들은 단일의 실시예에 통합되어 실시될 수도 있다. 반면, 단일의 실시예의 문맥에 설명되는 각종의 특징들은 별도로 다수의 실시예들에 실시되거나 임의의 적합한 서브 조합에 실시될 수도 있다.
비록 구조 특징 및/또는 방법 동작에 특정된 언어로 주제를 설명하였으나, 첨부된 특허 청구 범위에 한정된 주제는 앞서 설명한 특정의 특징 또는 동작에 한정되지 않음을 이해하여야 한다. 반대로, 앞서 설명한 특정의 특징과 동작은 특허 청구 범위를 구현하는 예시적 형식으로서 개시된다.

Claims (16)

  1. 이동형 객체로 수집한 제1 포인트 클라우드 데이터와 제2 포인트 클라우드 데이터가 매칭되는 특징을 구비함에 대응하여, 상기 이동형 객체가 상기 제1 포인트 클라우드 데이터를 수집함에 사용한 제1 궤적과 상기 제2 포인트 클라우드 데이터를 수집함에 사용한 제2 궤적을 획득하는 단계와,
    상기 매칭되는 특징 및 상기 제1 궤적과 상기 제2 궤적을 기반으로, 상기 제1 궤적 중 조정하고자 하는 궤적 포인트들의 파라미터 집합을 확정하는 단계와,
    상기 궤적 포인트들의 파라미터 집합을 조정하여, 상기 제1 궤적과 상기 제2 궤적을 융합시키는 단계를 포함하고,
    상기 제1 궤적 중 조정하고자 하는 궤적 포인트들의 파라미터 집합을 확정하는 단계는,
    상기 제2 궤적의 대응되는 궤적 포인트와 가장 큰 차이를 가지는 상기 제1 궤적 중의 궤적 포인트들의 파라미터 집합을 확정하는 단계와,
    상기 제2 궤적의 대응되는 궤적 포인트와 가장 큰 차이를 가지는 상기 제1 궤적 중의 궤적 포인트들의 파라미터 집합을 기반으로, 조정하고자 하는 상기 궤적 포인트들의 파라미터 집합을 확정하는 단계를 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하는 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 제1 궤적 중 조정하고자 하는 궤적 포인트들의 파라미터 집합을 확정하는 단계는,
    매칭되는 특징이 지면 특징임에 대응하여, 조정하고자 하는 상기 궤적 포인트들의 파라미터 집합을 데카르트 좌표계 중의 Z축 파라미터, X축을 중심으로 회전하는 부앙각 파라미터 및 상기 Z축을 중심으로 회전하는 롤링각 파라미터 중의 적어도 하나를 포함하는 지면 파라미터 집합으로 확정하는 단계를 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하는 방법.
  4. 제1항에 있어서,
    상기 제1 궤적 중 조정하고자 하는 궤적 포인트들의 파라미터 집합을 확정하는 단계는,
    매칭되는 특징이 기둥체 특징임에 대응하여, 조정하고자 하는 상기 궤적 포인트들의 파라미터 집합을 상기 데카르트 좌표계 중의 상기 X축 파라미터와 Y축 파라미터 중의 적어도 하나를 포함하는 기둥체 파라미터 집합으로 확정하는 단계를 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하는 방법.
  5. 제1항에 있어서,
    상기 제1 궤적 중 조정하고자 하는 궤적 포인트들의 파라미터 집합을 확정하는 단계는,
    매칭되는 특징이 평면 특징임에 대응하여, 조정하고자 하는 상기 궤적 포인트들의 파라미터 집합을 상기 데카르트 좌표계 중의 상기 X축 파라미터, 상기 Y축 파라미터 및 상기 Y축을 중심으로 회전하는 편주각 파라미터 중의 적어도 하나를 포함하는 평면 파라미터 집합으로 확정하는 단계를 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하는 방법.
  6. 제1항에 있어서,
    상기 제1 궤적과 상기 제2 궤적을 융합시키는 단계는,
    상기 제1 궤적 중의 궤적 포인트들의 순서 관계 및 상기 제2 궤적 중의 궤적 포인트들의 순서 관계를 기반으로, 상기 제1 궤적과 상기 제2 궤적을 융합시키는 단계를 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하는 방법.
  7. 제1항에 있어서,
    상기 제1 궤적과 상기 제2 궤적을 획득하는 단계는,
    상기 제1 포인트 클라우드 데이터에 관련된 제1 특징과 상기 제2 포인트 클라우드 데이터에 관련된 제2 특징을 획득하는 단계와,
    상기 제1 특징과 상기 제2 특징의 차이가 역치 차이보다 작음에 대응하여, 상기 제1 포인트 클라우드 데이터와 상기 제2 포인트 클라우드 데이터가 매칭되는 특징을 구비하는 것으로 확정하는 단계를 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하는 방법.
  8. 이동형 객체로 수집한 제1 포인트 클라우드 데이터와 제2 포인트 클라우드 데이터가 매칭되는 특징을 구비함에 대응하여, 상기 이동형 객체가 상기 제1 포인트 클라우드 데이터를 수집함에 사용한 제1 궤적과 상기 제2 포인트 클라우드 데이터를 수집함에 사용한 제2 궤적을 획득하도록 구축된 획득 모듈과,
    상기 매칭되는 특징 및 상기 제1 궤적과 상기 제2 궤적을 기반으로, 상기 제1 궤적 중 조정하고자 하는 궤적 포인트들의 파라미터 집합을 확정하도록 구축된 확정 모듈과,
    상기 궤적 포인트들의 파라미터 집합을 조정하여, 상기 제1 궤적과 상기 제2 궤적을 융합시키도록 구축된 융합 모듈을 포함하고,
    상기 확정 모듈은,
    상기 제2 궤적의 대응되는 궤적 포인트와 가장 큰 차이를 가지는 상기 제1 궤적 중의 궤적 포인트들의 파라미터 집합을 확정하고,
    상기 제2 궤적의 대응되는 궤적 포인트와 가장 큰 차이를 가지는 상기 제1 궤적 중의 궤적 포인트들의 파라미터 집합을 기반으로, 조정하고자 하는 상기 궤적 포인트들의 파라미터 집합을 확정하도록 구축된 파라미터 집합을 확정하기 위한 서브 모듈을 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 장치.
  9. 삭제
  10. 제8항에 있어서,
    상기 확정 모듈은,
    매칭되는 특징이 지면 특징임에 대응하여, 조정하고자 하는 상기 궤적 포인트들의 파라미터 집합을 데카르트 좌표계 중의 Z축 파라미터, X축을 중심으로 회전하는 부앙각 파라미터 및 상기 Z축을 중심으로 회전하는 롤링각 파라미터 중의 적어도 하나를 포함하는 지면 파라미터 집합으로 확정하도록 구축된 지면 파라미터 집합을 확정하기 위한 서브 모듈을 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 장치.
  11. 제8항에 있어서,
    상기 확정 모듈은,
    매칭되는 특징이 기둥체 특징임에 대응하여, 조정하고자 하는 상기 궤적 포인트들의 파라미터 집합을 상기 데카르트 좌표계 중의 상기 X축 파라미터와 Y축 파라미터 중의 적어도 하나를 포함하는 기둥체 파라미터 집합으로 확정하도록 구축된 기둥체 파라미터 집합을 확정하기 위한 서브 모듈을 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 장치.
  12. 제8항에 있어서,
    상기 확정 모듈은,
    매칭되는 특징이 평면 특징임에 대응하여, 조정하고자 하는 상기 궤적 포인트들의 파라미터 집합을 상기 데카르트 좌표계 중의 상기 X축 파라미터, 상기 Y축 파라미터 및 상기 Y축을 중심으로 회전하는 편주각 파라미터 중의 적어도 하나를 포함하는 평면 파라미터 집합으로 확정하도록 구축된 평면 파라미터 집합을 확정하기 위한 서브 모듈을 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 장치.
  13. 제8항에 있어서,
    상기 융합 모듈은,
    상기 제1 궤적 중의 궤적 포인트들의 순서 관계 및 상기 제2 궤적 중의 궤적 포인트들의 순서 관계를 기반으로, 상기 제1 궤적과 상기 제2 궤적을 융합시키도록 구축된 융합을 위한 서브 모듈을 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 장치.
  14. 제8항에 있어서,
    상기 획득 모듈은,
    상기 제1 포인트 클라우드 데이터에 관련된 제1 특징과 상기 제2 포인트 클라우드 데이터에 관련된 제2 특징을 획득하도록 구축된 특징을 획득하기 위한 서브 모듈과,
    상기 제1 특징과 상기 제2 특징의 차이가 역치 차이보다 작음에 대응하여, 상기 제1 포인트 클라우드 데이터와 상기 제2 포인트 클라우드 데이터가 매칭되는 특징을 구비하는 것으로 확정하도록 구축된 매칭 특징을 확정하기 위한 서브 모듈을 포함하는 것을 특징으로 하는 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 장치.
  15. 하나 또는 다수의 프로세서와,
    하나 또는 다수의 프로그램을 저장하기 위한 저장 장치를 포함하되,
    상기 하나 또는 다수의 프로그램이 상기 하나 또는 다수의 프로세서에 의해 실행될 경우, 상기 하나 또는 다수의 프로세서가 제1항, 제6항 및 제7항 중의 임의의 한 항의 방법을 구현하도록 하는 기기.
  16. 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 매체에 있어서,
    상기 프로그램은 프로세서에 의해 실행될 경우 제1항, 제6항 및 제7항 중의 임의의 한 항의 방법을 구현하는 컴퓨터 판독 가능한 매체.
KR1020180130693A 2017-12-29 2018-10-30 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체 KR102068419B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201711479520.5 2017-12-29
CN201711479520.5A CN108279670B (zh) 2017-12-29 2017-12-29 用于调整点云数据采集轨迹的方法、设备以及计算机可读介质

Publications (2)

Publication Number Publication Date
KR20190088866A KR20190088866A (ko) 2019-07-29
KR102068419B1 true KR102068419B1 (ko) 2020-01-21

Family

ID=62802729

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180130693A KR102068419B1 (ko) 2017-12-29 2018-10-30 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체

Country Status (5)

Country Link
US (1) US11067669B2 (ko)
EP (1) EP3505868A1 (ko)
JP (1) JP6811763B2 (ko)
KR (1) KR102068419B1 (ko)
CN (1) CN108279670B (ko)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6878045B2 (ja) * 2017-02-28 2021-05-26 国立研究開発法人理化学研究所 点群データの抽出方法、及び点群データの抽出装置
CN114879696A (zh) * 2019-05-15 2022-08-09 百度在线网络技术（北京）有限公司 轨迹匹配方法、装置、设备和介质
WO2020258217A1 (zh) * 2019-06-28 2020-12-30 深圳市大疆创新科技有限公司 可移动平台状态估计方法、***、可移动平台及存储介质
CN110634104B (zh) * 2019-09-05 2022-11-18 北京智行者科技股份有限公司 多地图拼接方法及装置
CN113064412B (zh) * 2019-12-31 2023-04-25 北京车和家信息技术有限公司 路径跟踪方法、装置、车辆及可读存储介质
CN113129438B (zh) * 2020-01-15 2023-06-23 阿里巴巴集团控股有限公司 一种车道线的精度提升方法、装置及可读存储介质
CN111504335B (zh) * 2020-04-23 2022-08-05 东软睿驰汽车技术（上海）有限公司 地图构建方法、装置、电子设备及存储介质
CN111337036B (zh) * 2020-05-19 2020-08-25 北京数字绿土科技有限公司 重叠区域数据优化方法、装置及终端设备
CN111708068B (zh) * 2020-05-26 2024-01-26 泰斗微电子科技有限公司 目标对象的轨迹确定方法、装置、终端设备及存储介质
CN112100166A (zh) * 2020-09-27 2020-12-18 中国建设银行股份有限公司 一种轨迹确定方法、装置和设备
JP2022184415A (ja) 2021-06-01 2022-12-13 株式会社エビデント ３次元画像表示方法、３次元画像表示装置、およびプログラム
CN113643282A (zh) * 2021-08-31 2021-11-12 歌尔光学科技有限公司 一种工件涂胶轨迹生成方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014076844A1 (ja) * 2012-11-19 2014-05-22 株式会社日立製作所 自律移動システムおよび管制装置
US20160189348A1 (en) 2010-02-05 2016-06-30 Trimble Navigation Limited Systems and methods for processing mapping and modeling data
WO2017041390A1 (zh) * 2015-09-09 2017-03-16 百度在线网络技术（北京）有限公司 高精地图数据的处理方法、装置、存储介质和设备

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100930626B1 (ko) * 2007-08-23 2009-12-09 전자부품연구원 스테레오 카메라를 구비한 로봇의 물체 자세 인식 방법
WO2014068302A1 (en) * 2012-11-05 2014-05-08 The Chancellor Masters And Scholars Of The University Of Oxford Extrinsic calibration of imaging sensing devices and 2d lidars mounted on transportable apparatus
CN103745018B (zh) * 2014-02-11 2017-02-08 星际空间（天津）科技发展有限公司 一种多平台点云数据融合方法
CN103869820B (zh) * 2014-03-18 2015-10-21 北京控制工程研究所 一种巡视器地面导航规划控制方法
CN104374395A (zh) * 2014-03-31 2015-02-25 南京邮电大学 基于图的视觉slam方法
JP6525148B2 (ja) 2015-06-09 2019-06-05 株式会社パスコ 軌跡推定方法、軌跡推定装置及び軌跡推定プログラム
KR102113816B1 (ko) * 2016-01-05 2020-06-03 한국전자통신연구원 차량 자율주행 서비스 시스템 및 이를 위한 클라우드 서버 및 그 동작 방법
KR102373926B1 (ko) * 2016-02-05 2022-03-14 삼성전자주식회사 이동체 및 이동체의 위치 인식 방법
CN105783913A (zh) * 2016-03-08 2016-07-20 中山大学 一种融合车载多传感器的slam装置及其控制方法
CN106023587B (zh) * 2016-05-25 2018-07-27 电子科技大学 基于多信息融合的轨迹数据路网精确匹配方法
CN106780729A (zh) * 2016-11-10 2017-05-31 中国人民解放军理工大学 一种无人机序列影像批处理三维重建方法
CN106541945B (zh) * 2016-11-15 2019-02-12 广州大学 一种基于icp算法的无人车自动泊车方法
CN107204014B (zh) * 2017-05-24 2019-06-07 京东方科技集团股份有限公司 智能终端设备的定位方法、装置和智能终端设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160189348A1 (en) 2010-02-05 2016-06-30 Trimble Navigation Limited Systems and methods for processing mapping and modeling data
WO2014076844A1 (ja) * 2012-11-19 2014-05-22 株式会社日立製作所 自律移動システムおよび管制装置
WO2017041390A1 (zh) * 2015-09-09 2017-03-16 百度在线网络技术（北京）有限公司 高精地图数据的处理方法、装置、存储介质和设备

Also Published As

Publication number Publication date
KR20190088866A (ko) 2019-07-29
CN108279670A (zh) 2018-07-13
EP3505868A1 (en) 2019-07-03
US20190204418A1 (en) 2019-07-04
US11067669B2 (en) 2021-07-20
CN108279670B (zh) 2021-12-10
JP6811763B2 (ja) 2021-01-13
JP2019145085A (ja) 2019-08-29

Similar Documents

Publication Publication Date Title
KR102068419B1 (ko) 포인트 클라우드 데이터 수집 궤적을 조정하기 위한 방법, 장치 및 컴퓨터 판독 가능한 매체
Cvišić et al. SOFT‐SLAM: Computationally efficient stereo visual simultaneous localization and mapping for autonomous unmanned aerial vehicles
US11080919B2 (en) Method, apparatus, device and computer readable storage medium for reconstructing three-dimensional scene
US10580204B2 (en) Method and device for image positioning based on 3D reconstruction of ray model
US10706567B2 (en) Data processing method, apparatus, system and storage media
KR20200121274A (ko) 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체
Zhou et al. T-LOAM: Truncated least squares LiDAR-only odometry and mapping in real time
CN110386142A (zh) 用于自动驾驶车辆的俯仰角校准方法
CN112927370A (zh) 三维建筑物模型构建方法、装置、电子设备及存储介质
EP4116935B1 (en) High-definition map creation method and device, and electronic device
CN113048980B (zh) 位姿优化方法、装置、电子设备及存储介质
US10540813B1 (en) Three-dimensional point data alignment
WO2022179094A1 (zh) 车载激光雷达外参数联合标定方法、***、介质及设备
CN111145139A (zh) 从2d图像中检测3d对象的方法、设备和计算机程序
Tao et al. Stereo priori RCNN based car detection on point level for autonomous driving
CN114549738A (zh) 无人车室内实时稠密点云重建方法、***、设备及介质
CN113177974A (zh) 一种点云配准方法、装置、电子设备及存储介质
Nilosek et al. Assessing geoaccuracy of structure from motion point clouds from long-range image collections
Ahmadabadian et al. Stereo‐imaging network design for precise and dense 3D reconstruction
CN115494533A (zh) 车辆定位方法、装置、存储介质及定位***
Fanani et al. Keypoint trajectory estimation using propagation based tracking
CN112219225A (zh) 定位方法、***及可移动平台
Chen et al. Multi-stage matching approach for mobile platform visual imagery
Elkhrachy Feature extraction of laser scan data based on geometric properties
CN115239899B (zh) 位姿图生成方法、高精地图生成方法和装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant