KR102371849B1 - 차선추출 방법 - Google Patents

차선추출 방법 Download PDF

Info

Publication number
KR102371849B1
KR102371849B1 KR1020200142176A KR20200142176A KR102371849B1 KR 102371849 B1 KR102371849 B1 KR 102371849B1 KR 1020200142176 A KR1020200142176 A KR 1020200142176A KR 20200142176 A KR20200142176 A KR 20200142176A KR 102371849 B1 KR102371849 B1 KR 102371849B1
Authority
KR
South Korea
Prior art keywords
lane
processing unit
data processing
center line
data
Prior art date
Application number
KR1020200142176A
Other languages
English (en)
Inventor
박동일
최경민
따룬
Original Assignee
주식회사 드림티엔에스
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 드림티엔에스 filed Critical 주식회사 드림티엔에스
Priority to KR1020200142176A priority Critical patent/KR102371849B1/ko
Application granted granted Critical
Publication of KR102371849B1 publication Critical patent/KR102371849B1/ko

Links

Images

Classifications

    • 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
    • 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
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • 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
    • G01S7/483—Details of pulse systems
    • G01S7/486—Receivers
    • G01S7/487—Extracting wanted echo signals, e.g. pulse detection
    • 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
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • 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
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • B60W2420/52—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/10—Path keeping
    • G05D2201/0213—

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Electromagnetism (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명의 일 실시예에 따른 차선추출 방법은 데이터 처리부(20)가 데이터 획득부(10)로부터 추출한 이동 궤적 데이터 상에 차선추출 경로(100)를 설정하는 제1 단계(S10); 상기 데이터 처리부(20)가 상기 차선추출 경로(100)를 따라 크로스 섹션(200)을 생성하는 제2 단계(S20); 상기 데이터 처리부(20)가 상기 크로스 섹션(200) 내의 스캔 데이터(201)로부터 클러스터 데이터 그룹(300)을 생성한 후, 상기 클러스터 데이터 그룹(300)으로부터 복수의 차선 클러스터(301)를 추출하는 제3 단계(S30); 상기 데이터 처리부(20)가 상기 복수의 차선 클러스터(301)를 통해 중앙선(400) 및 차선(500)을 인식한 후, 상기 중앙선(400)에서 추출한 벡터를 기반으로 상기 중앙선(400)의 진행방향을 설정하는 제4 단계(S40); 상기 데이터 처리부(20)가 차선(500)의 순서를 설정한 후, 상기 차선(500) 간의 거리를 통해 상기 도로의 폭을 계산하는 제5 단계(S50); 및 상기 데이터 처리부(20)가 상기 중앙선(400) 및 상기 차선(500)의 포인트를 그룹화하여 선형태의 중앙선(400)과 차선(500)을 생성하는 제6 단계(S60);를 포함할 수 있다.

Description

차선추출 방법{Method of lane extraction}
본 발명은 차선추출 방법에 관한 것으로, 보다 상세하게는 모바일 맵핑 시스템(Mobile Mapping System, MMS)의 장비가 수집한 데이터로부터 색상 값 및 인텐시티 값을 적용하여 정밀도로지도(HD map)의 제작에 사용가능한 차선을 추출할 수 있는 차선추출 방법에 관한 것이다.
차량의 무인자율화(자율주행차량)는 크게 주위 환경을 인식하는 단계와, 인식된 환경으로부터 주행경로를 계획하는 단계, 그리고 계획된 경로를 따라 주행하는 단계로 구성될 수 있다.
이러한 차량 주변의 환경에 대한 인식 기술은, 자율주행차량이 주행을 목표로 하는 대상환경에 따라 달라지게 되는데, 특히, 기존의 유인차량이 주행하도록 설계 및 시공된 도로환경에서 자율주행을 하기 위해서는, 도로에 존재하는 다양한 규칙 들을 인식하는 기술이 필수적으로 요구될 수 있다.
특히, 차선을 인식하여 정해진 차선을 따라 이동하는 것은, 유인차량과의 안전한 주행을 위하여 가장 기본적인 기술이라고 할 수 있다.
도로의 차선을 인식하는 방법 중 하나로, 카메라를 통해 획득된 영상을 기반으로 하는 방법이 있다.
카메라를 통해 획득된 영상정보는, 일반적인 센서들에 비해 많은 정보를 확인할 수 있기 때문에, 정보를 획득하기 좋은 환경에서는 다른 센서들에 비해 상대적으로 많은 정보를 활용할 수 있다는 장점이 있다.
또한, 카메라로 촬영된 영상은 사람이 눈으로 보는 색상정보를 그대로 활용할 수 있기 때문에, 차선에 대한 정확한 정보의 획득이 가능하다는 장점도 있다.
그러나 카메라를 통해 촬영된 광학방식의 영상은, 주위 환경에 대한 영향이 매우 높다는 단점이 있다.
예를 들어, 도로로 입사되는 광량이 적정한 경우에는, 다양한 정보를 획득할 수 있으나, 그렇지 못한 경우에는 원하는 정보를 획득하지 못하거나 잘못된 정보를 획득하는 경우가 발생할 수 있다.
특히, 차선에 대하여 정보를 획득하지 못하거나 잘못된 정보를 획득하는 경우에는, 곧 바로 교통사고로 이어진다는 문제점이 있다.
이러한 광학방식의 영상에 발생되는 문제점을 해결하기 위하여, 최근에는 라이다(Lidar)를 이용한 도로인식기술이 개발되고 있다.
라이다는 레이저 펄스를 발사한 후 반사되어 돌아오는 것을 통해, 물체까지의 거리 등을 측정함으로써, 주변의 모습을 정밀하게 그려내는 장치를 말하는 것으로, 전파를 이용한 레이더와 원리는 같으나, 전자기파 중 빛이라고 불리는 가시광선 영역의 주파수를 이용하므로, 실제 이용기술과 활용범위는 다르다고 볼 수 있다.
이러한 라이다는, 모바일 맵핑 시스템을 구성하는 하나의 구성요소로서, MMS는 라이다 이외에도 카메라, 관성측정유닛(Inertial Measurement Unit, IMU), GPS, 거리측정표시기(Distance Measurement Indicator, DMI) 등을 포함하고 있다.
이에 MMS는 라이다를 통해 획득된 정보와 GPS로부터 얻어진 좌표를 매칭하면, 정밀한 디지털 맵 데이터를 획득할 수 있다.
하기의 선행기술문헌인 대한민국 등록특허공보 제10-1843866호 '라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템'은, 차량에 탑재된 라이다를 이용하여 데이터를 획득하고, 경사도를 이용하여 도로 영역 및 차선을 검출하는 기술에 관한 것이다.
그러나 종래의 선행기술문헌은 경사도만을 이용하기 때문에 도로 영역을 검출하는 데는 한계가 있다.
예를 들어, 톨게이트 입구 등이나 고속도로 등에는 감속이나 졸음방지 등을 위해, 노면에 요철형태의 홈을 형성하는 경우가 있으며 이러한 요철형태의 홈은 지면에 수직으로 경사도가 형성되므로, 차량의 주행이 가능함에도 불구하고 도로가 아닌 것으로 인식할 수 있다.
이는, 도로의 보수공사 등으로 인해 철재의 프레임이 설치된 지역에서도 비슷한 현상이 발생할 수 있으며, 이와 반대로 경사도가 비슷하지만 도로가 아닌 지역을 도로 인식하는 경우도 발생할 수 있다.
이는, 도로의 정보를 단순히 외형적 정보에 한정함에 따라 발생하는 현상으로, 일반적으로 도로를 주행하는 운전자가 외형뿐만 아니라 색상 등의 시각정보에 의해 도로의 정보를 인식하면서 주행함을 고려하면, 위의 문제점이 발생되는 이유를 쉽게 파악할 수 있다.
대한민국 등록특허공보 제10-1843866호
따라서, 본 발명은 모바일 맵핑 시스템(Mobile Mapping System, MMS)의 장비가 수집한 데이터로부터 색상 값 및 인텐시티 값을 적용하여 정밀도로지도(HD map)의 제작에 사용가능한 차선을 추출할 수 있는 차선추출 방법을 제공하는데 목적이 있다.
다만, 본 발명에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 기술적 방법으로서, 본 발명의 일 실시예에 따른 차선추출 방법은 데이터 처리부(20)가 데이터 획득부(10)로부터 추출한 이동 궤적 데이터 상에 차선추출 경로(100)를 설정하는 제1 단계(S10); 상기 데이터 처리부(20)가 상기 차선추출 경로(100)를 따라 크로스 섹션(200)을 생성하는 제2 단계(S20); 상기 데이터 처리부(20)가 상기 크로스 섹션(200) 내의 스캔 데이터(201)로부터 클러스터 데이터 그룹(300)을 생성한 후, 상기 클러스터 데이터 그룹(300)으로부터 복수의 차선 클러스터(301)를 추출하는 제3 단계(S30); 상기 데이터 처리부(20)가 상기 복수의 차선 클러스터(301)를 통해 중앙선(400) 및 차선(500)을 인식한 후, 상기 중앙선(400)에서 추출한 벡터를 기반으로 상기 중앙선(400)의 진행방향을 설정하는 제4 단계(S40); 상기 데이터 처리부(20)가 차선(500)의 순서를 설정한 후, 상기 차선(500) 간의 거리를 통해 상기 도로의 폭을 계산하는 제5 단계(S50); 및 상기 데이터 처리부(20)가 상기 중앙선(400) 및 상기 차선(500)의 포인트를 그룹화하여 선형태의 중앙선(400)과 차선(500)을 생성하는 제6 단계(S60);를 포함할 수 있다.
또한, 상기 데이터 처리부(20)는, 상기 차선(500)을 생성한 후, 상기 크로스 섹션(200)이 상기 차선추출 경로(100)의 종료지점에 도달할 때까지 상기 중앙선(400)의 진행방향으로 상기 크로스 섹션(200)을 기설정된 거리만큼 이동시키되, 상기 기설정된 거리는, 상기 차선추출 경로(100)와 평행방향인 상기 크로스 섹션(200) 폭의 절반일 수 있다.
그리고 상기 크로스 섹션(200)은, 상기 차선추출 경로(100)와 평행방향의 폭이 상기 차선(500) 길이의 2배 이상일 수 있다.
또한, 상기 제1 단계(S10)는, 상기 데이터 처리부(20)가 관성측정유닛(11)으로부터 상기 이동 궤적 데이터를 추출하는 제1-1 단계(S11); 상기 데이터 처리부(20)가 상기 이동 궤적 데이터 상에서 LiDAR 스캐너(12)의 현재 위치, 이동방향, 이동경로를 판단하는 제1-2 단계(S12); 및 상기 데이터 처리부(20)가 상기 LiDAR 스캐너(12)의 이동경로를 따라 상기 차선추출 경로(100)를 설정하는 제1-3 단계(S13);를 포함할 수 있다.
그리고 상기 제2 단계(S20)는, 상기 데이터 처리부(20)가 상기 이동 궤적 데이터 상에서 상기 차선추출 경로(100)의 시작지점을 판단하는 제2-1 단계(S21); 및 상기 데이터 처리부(20)가 상기 차선추출 경로(100)의 시작점으로부터 상기 크로스 섹션(200);을 생성하는 제2-2 단계(S22);를 포함할 수 있다.
또한, 상기 제3 단계(S30)는, 상기 데이터 처리부(20)가 상기 크로스 섹션(200)으로부터 상기 스캔 데이터(201)를 취득하는 제3-1 단계(S31); 상기 데이터 처리부(20)가 상기 스캔 데이터(201) 중 설정되는 색상 값과 인텐시티 값의 범위 외의 데이터를 제거하는 제3-2 단계(S32); 상기 데이터 처리부(20)가 k-d 트리 구조를 이용하여 상기 k-d 트리 구조 기반의 클러스터 데이터 그룹(300)을 생성하는 제3-3 단계(S33); 상기 데이터 처리부(20)가 상기 클러스터 데이터 그룹(300) 중 노이즈 클러스터를 제거하는 제3-4 단계(S34); 상기 데이터 처리부(20)가 상기 이동 궤적 데이터에 포함되는 상기 LiDAR 스캐너(12)의 높이 값을 이용하여 상기 도로의 높이 값을 검출하는 제3-5 단계(S35); 및 상기 데이터 처리부(20)가 상기 도로의 높이 값과 상기 클러스터 데이터 그룹(300)에 포함되는 클러스터의 평균 높이 값을 비교하여 상기 복수의 차선 클러스터(301)를 추출하는 제3-6 단계(S36);를 포함할 수 있다.
그리고 상기 제4 단계(S40)는, 상기 데이터 처리부(20)가 상기 차선 클러스터(301)의 포인트를 추출하는 제4-1 단계(S41); 상기 데이터 처리부(20)가 상기 포인트 중 상기 차선추출 경로(100)의 진행방향을 기준으로 일측에 배치되면서 설정되는 색상 값의 범위에 포함된 제1 색 계열의 포인트로 이루어지는 차선 클러스터(301)를 상기 중앙선(400)으로 인식하는 제4-2 단계(S42); 상기 데이터 처리부(20)가 상기 중앙선(400)의 포인트를 상기 도로의 높이 값의 평면에 투영시키는 제4-3 단계(S43); 상기 데이터 처리부(20)가 상기 중앙선(400)의 포인트를 반전시켜 2차원 포인트로 변환한 후, MBR(Minimum Bounding Rectangle) 계산법을 적용하는 제4-4 단계(S44); 및 상기 데이터 처리부(20)가 상기 MBR 계산법에 의해 상기 중앙선(400)으로부터 추출되는 직사각형의 축 중 가장 긴 축의 벡터를 상기 중앙선(400)의 진행방향으로 설정하는 제4-5 단계(S45);를 포함할 수 있다.
또한, 상기 데이터 처리부(20)는, 상기 중앙선(400)을 인식하는 상기 제4-2 단계(S42)에서, 상기 색상 값의 범위에 포함된 제2 색 계열의 포인트를 인식한 후, 상기 제2 색 계열의 포인트로 이루어지는 차선 클러스터(301)를 상기 차선(500)으로 인식할 수 있다.
그리고 상기 제5 단계(S50)는, 상기 데이터 처리부(20)가 상기 차선(500)의 포인트를 평균 군집시키는 제5-1 단계(S51); 상기 데이터 처리부(20)가 상기 포인트의 평균 군집이 완료된 상기 차선(500)과 상기 중앙선(400)에서 추출한 벡터 간의 거리를 계산한 후, 상기 거리에 따라 상기 차선(500)의 순서를 설정하는 제5-2 단계(S52); 및 상기 데이터 처리부(20)가 상기 포인트의 평균 군집이 완료된 차선(500) 간의 거리를 합하여 상기 도로의 폭을 계산하는 제5-3 단계(S53);를 포함할 수 있다.
본 발명에 따르면, 색상 값 및 인텐시티 값과 같은 시각 데이터를 기반으로 차선을 추출하여 도로정밀지도를 정밀하게 제작할 수 있으므로, 차선 인식 오류에 따른 자율주행차량의 교통사고를 방지할 수 있다.
다만, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 차선추출 방법을 수행하는 구성요소에 대한 개략적인 블록도이다.
도 2는 본 발명의 일 실시예에 따른 차선추출 방법의 과정을 나타내는 개략적인 흐름도이다.
도 3은 도 2의 단계 'S10'에 대한 구체적인 과정을 나타내는 개략적인 흐름도이다.
도 4는 도 3의 단계 'S13'에서 설정되는 차선추출 경로를 설명하기 위한 개략적인 설명도이다.
도 5는 도 2의 단계 'S20'에 대한 구체적인 과정을 나타내는 개략적인 흐름도이다.
도 6은 도 5의 단계 'S22'에서 생성되는 크로스 섹션을 설명하기 위한 개략적인 설명도이다.
도 7a는 차선이 평행한 도로에 생성되는 크로스 섹션을 설명하기 위한 개략적인 설명도이다.
도 7b는 차선이 지그재그인 도로에 생성되는 크로스 섹션을 설명하기 위한 개략적인 설명도이다.
도 8은 도 2의 단계 'S30'에 대한 구체적인 과정을 나타내는 개략적인 흐름도이다.
도 9는 도 8의 단계 'S34'에서 노이즈 및 기타 오브젝트가 제거되기 전의 클러스터 데이터 그룹을 설명하기 위한 개략적인 설명도이다.
도 10은 도 8의 단계 'S36'에서 추출되는 차선 클러스터를 설명하기 위한 개략적인 설명도이다.
도 11은 도 2의 단계 'S40'에 대한 구체적인 과정을 나타내는 개략적인 흐름도이다.
도 12는 도 11의 단계 'S42'에서 인식되는 중앙선 및 차선을 설명하기 위한 개략적인 설명도이다.
도 13은 도 11의 단계 'S45'에서 설정되는 중앙선의 진행방향을 설명하기 위한 개략적인 설명도이다.
도 14는 도 2의 단계 'S50'에 대한 구체적인 과정을 나타내는 개략적인 흐름도이다.
도 15는 도 14의 단계 'S52'에서 설정되는 차선 순서를 설명하기 위한 개략적인 설명도이다.
도 16은 도 2의 단계 'S60'에 의한 차선의 생성 과정을 설명하기 위한 개략적인 설명도이다.
도 17은 도 2의 단계 'S60' 종료 후 이동되는 크로스 섹션을 설명하기 위한 개략적인 설명도이다.
이하에서는, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
이하에서는, 첨부된 도면들을 참조하여 바람직한 실시예의 차선추출 방법에 대해 자세히 설명하도록 하겠다.
먼저, 차선추출 시스템(1)은 도 1에 도시된 바와 같이, 데이터 획득부(10) 및 데이터 처리부(20)로 이루어질 수 있다.
데이터 획득부(10)는 MMS(Mobile Mapping System)을 위한 자율주행차량에 설치되는 장비로서 관성측정유닛(11), LiDAR 스캐너(12), 카메라(13), GPS(14), 주행거리 측정장치(15) 및 관성항법장치(16)가 구비될 수 있다. 다만, 데이터 획득부(10)는 상기 구성요소로 한정하는 것은 아니며, 고정밀 지도(HD MAP)를 제작함에 있어 필요한 구성요소가 더 구비될 수도 있다.
관성측정유닛(11)은 자율주행차량의 속도, 방향, 중력, 가속도 등을 측정하기 위해 하나 이상의 가속도계(Accelerometer), 하나 이상의 자이로스코프(gyroscope) 및 지자계(Earth magnetic field) 센서로 축을 이룰 수 있다.
LiDAR 스캐너(12)는 광학 펄스로 비춘 후 물체로부터 반사되는 반송 신호의 특징인 시간과 강도, 주파수의 변화, 편광 상태의 변화 등을 기반으로 자율주행차량 주변의 도로 시설물 및 주변차량에 대한 3차원 데이터를 수집할 수 있다.
여기서, 도로 시설물에는 데이터 획득부(10)가 인식해야 하는 중앙선(400) , 차선(500) 및 경계선(600)을 비롯하여 신호등, 표지판, 연석, 노면마크 및 각종 구조물(예: 나무, 가로등) 등에 대한 데이터가 포함될 수 있다.
카메라(13)는 복수로 구비되어 LiDAR 스캐너(12)가 인식하지 못하는 자율주행차량 주변의 도로 시설물 및 주변차량을 인식할 수 있다. 이에, LiDAR 스캐너(12)와 카메라(13)는 동시에 동작되는 것이 바람직하다.
GPS(14)는 수신지점과 인공위성과의 거리를 측정하여 그 거리의 벡터를 교차시켜 자율주행차량의 위치를 추정할 수 있다.
주행거리 측정장치(15)는 자율주행차량의 주행거리를 측정하는 장치로서, 자율주행차량의 바퀴 회전 수를 기반으로 자율주행차량의 주행거리를 측정할 수 있다.
관성항법장치(16)는 관성측정유닛(11)으로부터 얻은 가속도, 각속도를 적분하여 MS 차량의 속도를 계산하며, 자율주행차량의 속도를 다시 적분하여 자율주행차량의 이동거리를 계산하고, 자율주행차량의 이동거리를 시작지점에 더하여 자율주행차량의 현재 위치를 계산할 수 있다.
데이터 처리부(20)는 데이터 획득부(10)가 수집하는 데이터들을 추출(또는 수신)하며, 도 2에 도시된 차선추출 방법의 과정을 수행하기 위한 알고리즘이 기저장될 수 있다.
도 2를 참조하면, 데이터 처리부(20)는 데이터 획득부(10)로부터 추출한 이동 궤적 데이터를 기반으로 차선추출 경로(100)를 설정할 수 있다(S10).
여기서, 이동 궤적 데이터는 데이터 획득부(10)로부터 추출할 수 있는 LiDAR 스캐너(12)의 이동경로와 높이 값을 포함할 수 있다.
도 3을 참조하면, 차선추출 경로(100)를 설정하는 과정(S10)은 이동 궤적 추출 과정(S11), LiDAR 스캐너(12)의 궤적 판단 과정(S12) 및 차선추출 경로(100) 설정 과정(S13)을 포함할 수 있다.
구체적인 일례로, 데이터 처리부(20)는 관성측정유닛(11)으로부터 이동 궤적 데이터를 추출한 후(S11), 이동 궤적 데이터에 포함되는 LiDAR 스캐너(12)의 이동경로와 높이 값을 이용하여 LiDAR 스캐너(12)의 현재 위치, 이동방향 및 이동경로를 취득할 수 있으며(S12), LiDAR 스캐너(12)의 이동경로를 따라 도 4에 도시된 바와 같이 차선추출 경로(100)를 설정할 수 있다(S13).
다시 도 2를 참조하면, 데이터 처리부(20)는 차선추출 경로(100) 설정 과정(S10) 후에 차선추출 경로(100)를 따라 크로스 섹션(200)을 설정할 수 있다(S20).
도 5를 참조하면, 크로스 섹션(200)을 설정하는 과정(S20)은 차선추출 경로의 시작지점 판단 과정(S21) 및 크로스 섹션 생성 과정(S22)을 포함할 수 있다.
구체적인 일례로, 데이터 처리부(20)는 이동 궤적 데이터 상에서 차선추출 경로(100)의 시작지점을 판단한 후(S21), 차선추출 경로(100)의 시작지점으로부터 도 6에 도시된 바와 같이 일정 폭의 크로스 섹션(200)을 생성할 수 있다(S22).
여기서, 크로스 섹션(200)은 차선추출 경로(100)와 평행방향의 폭이 차선(500) 길이의 2배 이상일 수 있다.
이에, 도 7a에 도시된 바와 같이 차선(500)이 평행하게 배치되는 경우와 도 7b에 도시된 바와 같이 차선(500)이 지그재그로 배치되는 경우에도 크로스 섹션(200)의 스캔 데이터(201) 내에는 차선(500)이 반드시 포함됨으로써, 데이터 처리부(20)가 차선(500)의 배치에 따라 차선(500)을 추출하지 못하는 오류를 방지할 수 있다.
다시 도 2를 참조하면, 데이터 처리부(20)는 크로스 섹션(200) 설정 과정(S20) 후에 클러스터 데이터 그룹(300)을 생성한 후, 클러스터 데이터 그룹(300)으로부터 복수의 차선 클러스터(301)를 추출할 수 있다(S30).
도 8을 참조하면, 차선 클러스터(301) 추출하는 과정(S30)은 스캔 데이터(201) 취득 과정(S31), 데이터 필터링 과정(S32), 클러스터 데이터 그룹(300) 생성 과정(S33), 노이즈 클러스터(302, 303) 및 기타 오브젝트(object) 제거 과정(S34), 도로의 높이 값 검출 과정(S35) 및 차선 클러스터(301) 추출 과정(S36)을 포함할 수 있다.
구체적인 일례로, 데이터 처리부(20)는 크로스 섹션(200)으로부터 스캔 데이터(201)를 취득한 후(S31), 설정되는 색상 값과 인텐시티(Intensity) 값의 범위 외 데이터를 스캔 데이터(201)로부터 제거할 수 있으며(S32), k-d 트리(k-dimension tree) 구조를 이용하여 k-d 트리 구조 기반의 클러스터 데이터 그룹(300)을 생성할 수 있고(S33), 클러스터 데이터 그룹(300) 중 차선 클러스터(301)를 제외한 노이즈 클러스터(302, 303) 및 기타 오브젝트를 제거할 수 있으며(S34), 이동 궤적 데이터에 포함되는 LiDAR 스캐너(12)의 높이 값을 이용하여 도로의 높이 값을 검출할 수 있고(S35), 도로의 높이 값과 클러스터 데이터 그룹(300)에 포함되는 클러스터의 평균 높이 값을 비교하여 클러스터 데이터 그룹(300)으로부터 차선 클러스터(301)만을 추출할 수 있다(S36).
여기서, 색상 값에는 노란색 계열인 제1 색 계열의 색상과 흰색 계열인 제2 색 계열의 색상이 포함될 수 있으며, 인텐시티 값에는 기설정된 범위의 반사 값이 포함될 수 있다. 이에, 데이터 처리부(20)는 데이터 필터링 과정(S32)에서 스캔 데이터(201)에서 제1 색 계열의 색상 또는 제2 색 계열의 색상이 아니거나 반사 값의 범위에 포함되는 않는 데이터를 스캔 데이터(201)로부터 제거할 수 있다.
또한, 노이즈 클러스터(302, 303) 및 기타 오브젝트는 도 9에 도시된 바와 같이, 제1, 2 색 계열이거나 기설정되는 반사 값의 범위에 포함되되, 차선 클러스터(301)에 비해 점선 형태의 포인트가 너무 적거나 많아 중앙선(400), 차선(500) 및 경계선(600) 중 적어도 하나와 달리 선형태로 이루어지지 않는 노이즈 데이터를 의미할 수 있고, 도 9에 도시된 것보다 적거나 많은 수의 노이즈 데이터일 수 있다.
그리고 데이터 처리부(20)는 도로의 높이 값과 평균 높이 값이 동일하거나, 높이 값의 차이가 일정 범위 내인 복수의 클러스터를 클러스터 데이터 그룹(300)으로부터 도 10에 도시된 바와 같이 차선 클러스터(301)로 추출할 수 있다.
또한, 데이터 처리부(20)는 후술될 과정(S40)에서 중앙선(400), 차선(500) 및 경계선(600)을 인식하기 위해 차선 클러스터(301) 추출 과정(S36)에서 차선 클러스터(301)를 복수로 추출하는 것이 바람직하다.
다시 도 2를 참조하면, 데이터 처리부(20)는 차선 클러스터(301) 추출 과정(S30) 후에 차선 클러스터(301)로부터 중앙선(400) 및 차선(500)을 인식한 후, 중앙선(400)에서 추출한 벡터를 기반으로 중앙선(400)의 진행방향을 설정할 수 있다(S40).
도 11을 참조하면, 중앙선(400) 인식 및 중앙선(400)의 진행방향 설정 과정(S40)은 차선 클러스터(301) 포인트 추출 과정(S41), 중앙선(400) 및 차선(500) 인식 과정(S42), 차선 클러스터(301)의 포인트 평면 투영 과정(S43), 차선 클러스터(301)의 포인트 변환 및 분할 과정(S44), 중앙선(400)의 진행방향 판단 과정(S45)을 포함할 수 있다.
구체적인 일례로, 데이터 처리부(20)는 차선 클러스터(301)의 포인트를 추출한 후(S41), 추출된 포인트 중 설정되는 차선 책상 값의 범위에 포함된 색 계열의 포인트로 이루어지는 차선 클러스터(301)를 중앙선(400) 및 차선(500)으로 인식할 수 있으며(S42), 중앙선(400)을 도로의 높이 값의 평면에 투영시킬 수 있고(S43), 중앙선(400)의 포인트를 반전시켜 2차원 포인트로 변환한 후, 최소 경계 사각형(Minimum Bounding Rectangle, MBR) 계산법을 적용할 수 있으며(S44), 도 13에 도시된 바와 같이 최소 경계 사각형 계산법에 의해 중앙선(400)으로부터 추출되는 직사각형의 축 중 가장 긴 축의 벡터(Vector)를 중앙선(400)의 진행방향으로 설정할 수 있다(S45).
여기서, 데이터 처리부(20)는 도 12에 도시된 바와 같이, 중앙선(400) 및 차선(500) 인식 과정(S42)에서 차선추출 경로(100)의 진행방향을 기준으로 일측인 좌측에 배치되면서 제1 색(노란색) 계열의 포인트로 이루어지는 차선 클러스터(301)를 중앙선(400)으로 인식할 수 있고, 제2 색(흰색) 계열의 포인트로 이루어지는 차선 클러스터(301)를 차선(500)으로 인식할 수 있다.
또한, 데이터 처리부(20)는 중앙선(400)이 차량의 U턴 허용구역을 표시하기 위해 제1 색 계열의 포인트가 아닌 제2 색 계열의 포인트로 이루어지는 경우, 크로스 섹션(200)을 이동시키기 전의 차선추출 과정에서 인식되는 중앙선(400)과의 위치 및 방향성을 고려하여 제2 색 계열의 차선 클러스터(301)를 중앙선(400)으로 인식할 수 있다.
더 나아가, 데이터 처리부(20)는 중앙선(400) 및 차선(500) 인식 과정(S42)에서 중앙선(400)과 차선(500) 뿐만 아니라, 차선 클러스터(301)를 경계선(600)으로 인식할 수 있다. 여기서, 경계선(600)은 도로 가장자리에 표시되어 도로와 인도를 구분하는 선으로서 중앙선(400)과 동일하게 제1 색 계열로 표시될 수 있다.
다시 도 2를 참조하면, 데이터 처리부(20)는 중앙선(400) 인식 및 중앙선(400)의 진행방향 설정 과정(S40) 후에 차선(500)의 순서 설정 및 도로의 폭을 계산할 수 있다(S50).
도 14를 참조하면, 차선(500) 순서 설정 및 도로 폭 계산 과정(S50)은 평균 군집 과정(S51), 차선(500) 순서 설정 과정(S52), 도로 폭 계산 과정(S53)을 포함할 수 있다.
구체적인 일례로, 데이터 처리부(20)는 차선(500)의 포인트를 평균 군집을 시킬 수 있으며(S51), 포인트의 평균 군집이 완료된 차선(500)과 중앙선(400)에서 추출한 벡터 간의 거리를 계산한 후, 거리에 따라 차선(500)의 순서를 설정할 수 있고(S52), 포인트의 평균 군집이 완료된 차선(500) 간의 거리를 합하여 도로의 폭을 계산할 수 있다(S53).
이때 만약, 도 15 내지 도 16에 도시된 바와 같이 차선(500)으로 인식되는 클러스터(301)가 제1, 2, 3, 4, 5 차선 클러스터(301a, 301b, 301c, 301d, 301e)이고, 경계선으로 인식되는 클러스터(301)가 제6 차선 클러스터(301f)인 경우, 데이터 처리부(20)는 차선(500) 순서 설정 및 도로 폭 계산 과정(S50)에서 제1, 2, 3, 4, 5, 6 차선 클러스터(301a, 301b, 301c, 301d, 301e, 300f)의 포인트를 평균 군집시키며, 차선(500)의 순서를 1, 2, 3, 4, 5 차선(500a, 500b, 500c, 500d, 500e)으로 설정할 수 있고, 중앙선(400)과 1 차선, 1차선과 2차선, 2차선과 3차선, 3차선과 4차선, 4차선과 5차선 및 5차선과 경계선(600)의 거리를 합하여 도로의 폭을 계산할 수 있다.
다시 도 2를 참조하면, 데이터 처리부(20)는 차선(500) 순서 설정 및 도로 폭 계산 과정(S50) 후에 중앙선(400) 및 차선(500)의 포인트를 그룹화하여 선형태의 중앙선(400)과 차선(500)을 생성할 수 있다(S60).
구체적인 일례로, 데이터 처리부(20)는 도 16에 도시된 바와 같이 중앙선(400) 및 차선(500) 생성 과정(S60)에서 크로스 섹션(200) 내의 스캔 데이터(201)에 포함되어 있는 중앙선(400)에서 추출되는 제1 포인트(a)와 마찬가지로 중앙선(400)으로 추출되는 포인트를 그룹화하여 선형태의 중앙선(400)을 생성할 수 있다.
또한, 제1 차선 클러스터(301a)에서 추출되는 제2, 3포인트(b, c)와 마찬가지로 제1 차선 클러스터(301a)의 포인트를 그룹화하여 선형태의 1 차선(500a)을 생성할 수 있으며, 이와 동일하게 제4 포인트(d)와 제2 차선 클러스터(301b)의 포인트를 그룹화하여 선형태의 2 차선(500b), 제5, 6(e, f)와 제3 차선 클러스터(301c)의 포인트를 그룹화하여 선형태의 3 차선(500c), 제7 포인트(g)와 제4 차선 클러스터(301d)의 포인트를 그룹화하여 선형태의 4 차선(500d) 및 제8, 9 포인트(h, i)와 제5 차선 클러스터(300e)의 포인트를 그룹화하여 선형태의 5 차선(500e)을 생성할 수 있다.
그리고 데이터 처리부(20)는 중앙선(400) 및 차선(500) 생성 과정(S60)에서 제10 포인트(j)와 마찬가지로 제6 차선 클러스터(301f)에 포함되어 있는 포인트를 그룹화하여 선형태의 경계선(600)을 생성할 수 있다.
한편, 데이터 처리부(20)는 중앙선(400)과 차선(500) 생성 과정(S60)이 종료되는 경우, 도 17에 도시된 바와 같이 크로스 섹션(200)을 차선추출 경로(100)의 종료지점에 도달할 때까지 중앙선(400)의 진행방향으로 기설정된 거리만큼 이동시키며, 상기 차선추출 과정(S30~S60)을 반복하여 차선추출 경로(100) 상에서 중앙선(400), 차선(500) 및 경계선(600)을 생성할 수 있다.
여기서, 기설정된 거리는 차선추출 경로(100)와 평행방향인 크로스 섹션(200) 폭의 절반일 수 있다. 이에, 크로스 섹션(200)은 이동되기 전과 이동된 후에 있어 스캔 데이터(201)의 일부가 중복될 수 있다.
또한, 데이터 처리부(20)는 상기와 같은 스캔 데이터(201)의 일부 중복을 통해 차선추출 간격을 줄임으로써 정밀한 차선추출 과정을 수행할 수 있다.
구체적인 일례로, 이동된 후의 크로스 섹션(200)을 기준으로 이동되기 전의 크로스 섹션(200)과 일부 중복되는 스캔 데이터(201)에서 2, 4 차선(500b, 500d)이 추출되고, 나머지 스캔 데이터(201)에서 1, 3, 5 차선(500a, 500c, 500e)이 추출되는 경우, 데이터 처리부(20)는 이동된 후의 크로스 섹션(200)을 이용하여 차선(500)을 추출할 때, 이동되기 전의 크로스 섹션(200)과 일부 중복되는 스캔 데이터(201)에서 추출되는 2, 4 차선(500b, 500d)의 순서(또는 위치)를 설정함에 따라 2, 4 차선(500b, 500d)이 포함되지 않은 스캔 데이터(201)에서 추출되는 1, 3, 5 차선(500a, 500b, 500c)이 1, 2, 3 차선(500a, 500b, 500c)으로 순서가 설정되는 오류를 방지할 수 있다.
상술한 바와 같이 개시된 본 발명의 바람직한 실시예들에 대한 상세한 설명은 당업자가 본 발명을 구현하고 실시할 수 있도록 제공되었다. 상기에서는 본 발명의 바람직한 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 본 발명의 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 예를 들어, 당업자는 상술한 실시예들에 기재된 각 구성을 서로 조합하는 방식으로 이용할 수 있다. 따라서, 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다.
본 발명은 본 발명의 정신 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다. 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.
1: 차선 추출 시스템, 10: 데이터 획득부,
11: 관성측정유닛, 12: LiDAR 스캐너,
13: 카메라, 14: GPS,
15: 거리측정 표시기, 20: 데이터 처리부,
100: 차선추출 경로, 200: 크로스 섹션,
201: 스캔 데이터, 300: 클러스터 데이터 그룹,
301: 차선 클러스터, 302, 303: 노이즈 클러스터,
400: 중앙선, 500: 차선,
600: 경계선.

Claims (9)

  1. 데이터 처리부(20)가 데이터 획득부(10)로부터 추출한 이동 궤적 데이터 상에 차선추출 경로(100)를 설정하는 제1 단계(S10);
    상기 데이터 처리부(20)가 상기 차선추출 경로(100)를 따라 크로스 섹션(200)을 생성하는 제2 단계(S20);
    상기 데이터 처리부(20)가 상기 크로스 섹션(200) 내의 스캔 데이터(201)로부터 클러스터 데이터 그룹(300)을 생성한 후, 상기 클러스터 데이터 그룹(300)으로부터 복수의 차선 클러스터(301)를 추출하는 제3 단계(S30);
    상기 데이터 처리부(20)가 상기 복수의 차선 클러스터(301)를 통해 중앙선(400) 및 차선(500)을 인식한 후, 상기 중앙선(400)에서 추출한 벡터를 기반으로 상기 중앙선(400)의 진행방향을 설정하는 제4 단계(S40);
    상기 데이터 처리부(20)가 차선(500)의 순서를 설정한 후, 상기 차선(500) 간의 거리를 통해 도로의 폭을 계산하는 제5 단계(S50); 및
    상기 데이터 처리부(20)가 상기 중앙선(400) 및 상기 차선(500)의 포인트를 그룹화하여 선형태의 중앙선(400)과 차선(500)을 생성하는 제6 단계(S60);를 포함하고,
    상기 제3 단계(S30)는,
    상기 데이터 처리부(20)가 상기 크로스 섹션(200)으로부터 상기 스캔 데이터(201)를 취득하는 제3-1 단계(S31);
    상기 데이터 처리부(20)가 상기 스캔 데이터(201) 중 설정되는 색상 값과 인텐시티 값의 범위 외의 데이터를 제거하는 제3-2 단계(S32);
    상기 데이터 처리부(20)가 k-d 트리 구조를 이용하여 상기 k-d 트리 구조 기반의 클러스터 데이터 그룹(300)을 생성하는 제3-3 단계(S33);
    상기 데이터 처리부(20)가 상기 클러스터 데이터 그룹(300) 중 노이즈 클러스터를 제거하는 제3-4 단계(S34);
    상기 데이터 처리부(20)가 상기 이동 궤적 데이터에 포함되는 LiDAR 스캐너(12)의 높이 값을 이용하여 상기 도로의 높이 값을 검출하는 제3-5 단계(S35); 및
    상기 데이터 처리부(20)가 상기 도로의 높이 값과 상기 클러스터 데이터 그룹(300)에 포함되는 클러스터의 평균 높이 값을 비교하여 상기 복수의 차선 클러스터(301)를 추출하는 제3-6 단계(S36);를 포함하는 것을 특징으로 하는 차선추출 방법.
  2. 제 1 항에 있어서,
    상기 데이터 처리부(20)는,
    상기 차선(500)을 생성한 후, 상기 크로스 섹션(200)이 상기 차선추출 경로(100)의 종료지점에 도달할 때까지 상기 중앙선(400)의 진행방향으로 상기 크로스 섹션(200)을 기설정된 거리만큼 이동시키되,
    상기 기설정된 거리는,
    상기 차선추출 경로(100)와 평행방향인 상기 크로스 섹션(200) 폭의 절반인 것을 특징으로 하는 차선추출 방법.
  3. 제 2 항에 있어서,
    상기 크로스 섹션(200)은,
    상기 차선추출 경로(100)와 평행방향의 폭이 상기 차선(500) 길이의 2배 이상인 것을 특징으로 하는 차선추출 방법.
  4. 제 1 항에 있어서,
    상기 제1 단계(S10)는,
    상기 데이터 처리부(20)가 관성측정유닛(11)으로부터 상기 이동 궤적 데이터를 추출하는 제1-1 단계(S11);
    상기 데이터 처리부(20)가 상기 이동 궤적 데이터 상에서 LiDAR 스캐너(12)의 현재 위치, 이동방향, 이동경로를 판단하는 제1-2 단계(S12); 및
    상기 데이터 처리부(20)가 상기 LiDAR 스캐너(12)의 이동경로를 따라 상기 차선추출 경로(100)를 설정하는 제1-3 단계(S13);를 포함하는 것을 특징으로 하는 차선추출 방법.
  5. 제 1 항에 있어서,
    상기 제2 단계(S20)는,
    상기 데이터 처리부(20)가 상기 이동 궤적 데이터 상에서 상기 차선추출 경로(100)의 시작지점을 판단하는 제2-1 단계(S21); 및
    상기 데이터 처리부(20)가 상기 차선추출 경로(100)의 시작점으로부터 상기 크로스 섹션(200);을 생성하는 제2-2 단계(S22);를 포함하는 것을 특징으로 하는 차선추출 방법.
  6. 삭제
  7. 데이터 처리부(20)가 데이터 획득부(10)로부터 추출한 이동 궤적 데이터 상에 차선추출 경로(100)를 설정하는 제1 단계(S10);
    상기 데이터 처리부(20)가 상기 차선추출 경로(100)를 따라 크로스 섹션(200)을 생성하는 제2 단계(S20);
    상기 데이터 처리부(20)가 상기 크로스 섹션(200) 내의 스캔 데이터(201)로부터 클러스터 데이터 그룹(300)을 생성한 후, 상기 클러스터 데이터 그룹(300)으로부터 복수의 차선 클러스터(301)를 추출하는 제3 단계(S30);
    상기 데이터 처리부(20)가 상기 복수의 차선 클러스터(301)를 통해 중앙선(400) 및 차선(500)을 인식한 후, 상기 중앙선(400)에서 추출한 벡터를 기반으로 상기 중앙선(400)의 진행방향을 설정하는 제4 단계(S40);
    상기 데이터 처리부(20)가 차선(500)의 순서를 설정한 후, 상기 차선(500) 간의 거리를 통해 도로의 폭을 계산하는 제5 단계(S50); 및
    상기 데이터 처리부(20)가 상기 중앙선(400) 및 상기 차선(500)의 포인트를 그룹화하여 선형태의 중앙선(400)과 차선(500)을 생성하는 제6 단계(S60);를 포함하고,
    상기 제4 단계(S40)는,
    상기 데이터 처리부(20)가 상기 차선 클러스터(301)의 포인트를 추출하는 제4-1 단계(S41);
    상기 데이터 처리부(20)가 상기 포인트 중 상기 차선추출 경로(100)의 진행방향을 기준으로 일측에 배치되면서 설정되는 색상 값의 범위에 포함된 제1 색 계열의 포인트로 이루어지는 차선 클러스터(301)를 상기 중앙선(400)으로 인식하는 제4-2 단계(S42);
    상기 데이터 처리부(20)가 상기 중앙선(400)의 포인트를 상기 도로의 높이 값의 평면에 투영시키는 제4-3 단계(S43);
    상기 데이터 처리부(20)가 상기 중앙선(400)의 포인트를 반전시켜 2차원 포인트로 변환한 후, MBR(Minimum Bounding Rectangle) 계산법을 적용하는 제4-4 단계(S44); 및
    상기 데이터 처리부(20)가 상기 MBR 계산법에 의해 상기 중앙선(400)으로부터 추출되는 직사각형의 축 중 가장 긴 축의 벡터를 상기 중앙선(400)의 진행방향으로 설정하는 제4-5 단계(S45);를 포함하는 것을 특징으로 하는 차선추출 방법.
  8. 제 7 항에 있어서,
    상기 데이터 처리부(20)는,
    상기 중앙선(400)을 인식하는 상기 제4-2 단계(S42)에서, 상기 색상 값의 범위에 포함된 제2 색 계열의 포인트를 인식한 후, 상기 제2 색 계열의 포인트로 이루어지는 차선 클러스터(301)를 상기 차선(500)으로 인식하는 것을 특징으로 하는 차선추출 방법.
  9. 제 1 항 및 제 7 항 중 어느 한 항에 있어서,
    상기 제5 단계(S50)는,
    상기 데이터 처리부(20)가 상기 차선(500)의 포인트를 평균 군집시키는 제5-1 단계(S51);
    상기 데이터 처리부(20)가 상기 포인트의 평균 군집이 완료된 상기 차선(500)과 상기 중앙선(400)에서 추출한 벡터 간의 거리를 계산한 후, 상기 거리에 따라 상기 차선(500)의 순서를 설정하는 제5-2 단계(S52); 및
    상기 데이터 처리부(20)가 상기 포인트의 평균 군집이 완료된 차선(500) 간의 거리를 합하여 상기 도로의 폭을 계산하는 제5-3 단계(S53);를 포함하는 것을 특징으로 하는 차선추출 방법.
KR1020200142176A 2020-10-29 2020-10-29 차선추출 방법 KR102371849B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200142176A KR102371849B1 (ko) 2020-10-29 2020-10-29 차선추출 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200142176A KR102371849B1 (ko) 2020-10-29 2020-10-29 차선추출 방법

Publications (1)

Publication Number Publication Date
KR102371849B1 true KR102371849B1 (ko) 2022-03-11

Family

ID=80814370

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200142176A KR102371849B1 (ko) 2020-10-29 2020-10-29 차선추출 방법

Country Status (1)

Country Link
KR (1) KR102371849B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011013233A (ja) * 2010-10-06 2011-01-20 Mitsubishi Electric Corp 移動端末装置及び地図データ管理方法
JP2012068961A (ja) * 2010-09-24 2012-04-05 Toyota Central R&D Labs Inc 走路推定装置及びプログラム
KR20140132210A (ko) * 2013-05-07 2014-11-17 숭실대학교산학협력단 차선 인식 방법 및 그 시스템
KR20170104287A (ko) * 2016-03-07 2017-09-15 한국전자통신연구원 주행 가능 영역 인식 장치 및 그것의 주행 가능 영역 인식 방법
KR101843866B1 (ko) 2016-11-30 2018-05-14 네이버 주식회사 라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템
KR102083909B1 (ko) * 2018-10-23 2020-03-04 주식회사 모빌테크 포인트 클라우드 맵 기반의 자율주행차량용 차선데이터 정보 자동 추출 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012068961A (ja) * 2010-09-24 2012-04-05 Toyota Central R&D Labs Inc 走路推定装置及びプログラム
JP2011013233A (ja) * 2010-10-06 2011-01-20 Mitsubishi Electric Corp 移動端末装置及び地図データ管理方法
KR20140132210A (ko) * 2013-05-07 2014-11-17 숭실대학교산학협력단 차선 인식 방법 및 그 시스템
KR20170104287A (ko) * 2016-03-07 2017-09-15 한국전자통신연구원 주행 가능 영역 인식 장치 및 그것의 주행 가능 영역 인식 방법
KR101843866B1 (ko) 2016-11-30 2018-05-14 네이버 주식회사 라이다 데이터를 이용하여 도로 영역과 차선을 검출하는 방법 및 그 시스템
KR102083909B1 (ko) * 2018-10-23 2020-03-04 주식회사 모빌테크 포인트 클라우드 맵 기반의 자율주행차량용 차선데이터 정보 자동 추출 방법

Similar Documents

Publication Publication Date Title
JP7125214B2 (ja) プログラムおよびコンピューティングデバイス
KR102083909B1 (ko) 포인트 클라우드 맵 기반의 자율주행차량용 차선데이터 정보 자동 추출 방법
KR102541561B1 (ko) 차량의 주행을 위한 정보를 제공하는 방법 및 그 장치들
RU2668459C1 (ru) Устройство оценки положения и способ оценки положения
JP2023509468A (ja) 車両ナビゲーション用のシステムおよび方法
KR102069666B1 (ko) 포인트 클라우드 맵 기반의 자율주행차량용 실시간 주행경로 설정 방법
Brenner Extraction of features from mobile laser scanning data for future driver assistance systems
US20180273031A1 (en) Travel Control Method and Travel Control Apparatus
CN106462727A (zh) 用于车道尽头识别的***和方法
Fernández et al. Free space and speed humps detection using lidar and vision for urban autonomous navigation
JP5557472B2 (ja) 道路レーンデータ生成装置、道路レーンデータ生成方法および道路レーンデータ生成プログラム
Ravi et al. Lane width estimation in work zones using LiDAR-based mobile mapping systems
KR102534031B1 (ko) 도로 기호 및 문자 추출방법
CN109613544A (zh) 一种基于激光雷达的高速公路视距检测方法
KR102316818B1 (ko) 도로 네트워크를 갱신하는 방법 및 장치
González-Jorge et al. Evaluation of driver visibility from mobile lidar data and weather conditions
KR102137043B1 (ko) 환경센서와 정밀지도를 이용한 측위 정확도 개선 시스템
KR20200002257A (ko) 꼭지점 검출 기반의 도로 표지판 검출 방법 및 장치
KR102371849B1 (ko) 차선추출 방법
CN113178091A (zh) 安全行驶区域方法、装置和网络设备
KR102475042B1 (ko) 정밀 지도 구축 장치 및 방법
KR102105590B1 (ko) 저가 상용 gnss의 측위 정확도 개선 시스템 및 방법
WO2022030033A1 (ja) 地物データの生成システム、地物データベース更新システム及び地物データの生成方法
Hofmann et al. Quality assessment of automatically generated feature maps for future driver assistance systems
CN113465608B (zh) 一种路侧传感器标定方法及***

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant