KR102507068B1 - 악천후 환경에 강건한 FMCW LiDAR 물체 탐지 시스템 및 물체 탐지 방법 - Google Patents

악천후 환경에 강건한 FMCW LiDAR 물체 탐지 시스템 및 물체 탐지 방법 Download PDF

Info

Publication number
KR102507068B1
KR102507068B1 KR1020220097426A KR20220097426A KR102507068B1 KR 102507068 B1 KR102507068 B1 KR 102507068B1 KR 1020220097426 A KR1020220097426 A KR 1020220097426A KR 20220097426 A KR20220097426 A KR 20220097426A KR 102507068 B1 KR102507068 B1 KR 102507068B1
Authority
KR
South Korea
Prior art keywords
information
detection
weather
reliability
calculating
Prior art date
Application number
KR1020220097426A
Other languages
English (en)
Inventor
황재영
이자인
김권
성상은
박현주
윤정수
이감연
Original Assignee
주식회사 인포웍스
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 인포웍스 filed Critical 주식회사 인포웍스
Priority to KR1020220097426A priority Critical patent/KR102507068B1/ko
Application granted granted Critical
Publication of KR102507068B1 publication Critical patent/KR102507068B1/ko

Links

Images

Classifications

    • 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
    • G01S7/491—Details of non-pulse systems
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

본 발명의 일 실시예에 따른 물체 탐지 시스템은, 제1 범위의 파장대를 이용하여 탐지 장소 내의 물체를 감지하는 제1 라이다; 상기 제1 범위와 다른 제2 범위의 파장대를 이용하여 상기 탐지 장소 내의 물체를 감지하는 제2 라이다; 상기 탐지 장소 내의 날씨 정보를 산출하는 날씨 계산 모듈; 및 상기 제1 라이다에서 감지된 제1 감지 정보, 상기 제2 라이다에서 감지된 제2 감지 정보 및 상기 날씨 정보를 활용하여 상기 탐지 장소 내의 물체 인식과 관련된 정보인 최종 정보를 산출하는 데이터 생성 모듈;을 포함할 수 있다.

Description

악천후 환경에 강건한 FMCW LiDAR 물체 탐지 시스템 및 물체 탐지 방법 {A WEATHER-RUGGED FMCW LiDAR OBJECT DETECTION SYSTEM AND A METHOD FOR DETECTING OBJECT}
본 발명은 악천후에도 체를 감지하기 위한 라이다(FMCW LiDAR) 물체 탐지 시스템 및 물체 탐지 방법에 대한 것이다.
라이다는 레이저 펄스를 발사하여 그 빛이 대상 물체에 반사되어 돌아오는 것을 받아 물체까지 거리 등을 측정하고 물체 형상까지 이미지화하는 기술이다. 라이다를 장착하고 레이저 펄스를 발사해서 돌아오는 시간을 측정하면 반사 지점의 공간 위치를 분석할 수 있다. 라이다는 대상 물체까지 거리, 속도와 운동 방향, 온도, 주변의 대기 물질 분석 및 농도 측정 등 다방면에서 활용된다. 구름, 빗방울, 에어로졸 등을 감지할 수 있어 기상 관측과 지형을 정밀하게 그려 내거나 비행체 착륙 유도에 쓰인다.
다만, 빛을 이용한 라이더는 비가 오가나 안개가 끼는 상황에서 각각의 입자에서 빛이 반사되어 라이더의 성능이 급격히 떨어지는 문제가 발생한다.
본 발명은 상술한 문제점을 해결하기 위한 것으로, 악천후에도 물체를 탐지할 수 있는 FMCW LiDAR 물체 탐지 시스템 및 물체 탐지 방법을 제공하고자 한다.
본 발명의 일 실시예에 따른 물체 탐지 시스템은, 제1 범위의 파장대를 이용하여 탐지 장소 내의 물체를 감지하는 제1 라이다; 상기 제1 범위와 다른 제2 범위의 파장대를 이용하여 상기 탐지 장소 내의 물체를 감지하는 제2 라이다; 상기 탐지 장소 내의 날씨 정보를 산출하는 날씨 계산 모듈; 및 상기 제1 라이다에서 감지된 제1 감지 정보, 상기 제2 라이다에서 감지된 제2 감지 정보 및 상기 날씨 정보를 활용하여 상기 탐지 장소 내의 물체 인식과 관련된 정보인 최종 정보를 산출하는 데이터 생성 모듈;을 포함할 수 있다.
또한, 상기 날씨 계산 모듈은, 상기 탐지 장소를 촬영하는 카메라부 및 상기 카메라부에서 수집되는 정보를 기초로 날씨 산출 모델을 이용하여 날씨 정보를 산출하는 계산 모듈을 구비할 수 있다.
또한, 상기 날씨 산출 모델은, 딥 러닝을 통해 산출된 모델일 수 있다.
또한, 상기 제1 범위는, 700nm 내지 1100nm일 수 있다.
또한, 상기 제2 범위는, 1400nm 내지 1600nm일 수 있다.
또한, 상기 제1 감지 정보와 상기 제2 감지 정보의 유사한 정도인 유사도를 계산하는 유사도 산출 모듈;을 더 포함하고, 상기 데이터 생성 모듈은, 상기 유사도를 함께 고려하여 상기 최종 정보를 산출할 수 있다.
또한, 상기 유사도와 상기 날씨 정보를 이용하여 상기 제1 감지 정보의 신뢰도인 제1 신뢰도 및 상기 제2 감지 정보의 신뢰도인 제2 신뢰도를 산출하는 신뢰도 산출 모듈;을 더 포함할 수 있다.
또한, 상기 데이터 생성 모듈은, 상기 제1 신뢰도와 상기 제2 신뢰도를 이용하여 상기 제1 감지 정보와 상기 제2 감지 정보의 가중치를 설정하여 상기 최종 정보를 산출할 수 있다.
본 발명의 일 실시예에 따른 물체 탐지 방법은, 물체 탐지 시스템을 이용하여 탐지 장소 내의 물체를 탐지하는 물체 탐지 방법에 있어서, 제1 범위의 파장대가 이용되어 탐지 장소 내의 물체가 감지되어 제1 감지 정보가 산출되는 단계; 상기 제1 범위와 다른 제2 범위의 파장대를 이용하여 상기 탐지 장소 내의 물체가 감지되어 제2 감지 정보가 산출되는 단계; 상기 탐지 장소 내의 날씨 정보가 산출되는 단계; 및 상기 제1 감지 정보, 상기 제2 감지 정보, 상기 날씨 정보가 이용되어 상기 탐지 장소 내의 물체 인식과 관련된 정보인 최종 정보가 산출되는 단계;를 포함할 수 있다.
또한, 상기 제1 범위는, 700nm 내지 1100nm이며, 상기 제2 범위는, 1400nm 내지 1600nm일 수 있다.
본 발명에 따른 라이다 물체 탐지 시스템 및 물체 탐지 방법은 정확한 물체 탐지를 진행할 수 있다.
또한, 오탐률을 저감시킬 수 있다.
다만, 본 발명의 효과가 상술한 효과들로 제한되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 물체 탐지 시스템의 구성도
도 2는 본 발명의 일 실시예에 따른 물체 탐지 시스템의 흐름도
도 3은 본 발명의 일 실시예에 따른 물체 탐지 시스템의 실제 탐지 화면
이하에서는 도면을 참조하여 본 발명의 구체적인 실시예를 상세하게 설명한다. 다만, 본 발명의 사상은 제시되는 실시예에 제한되지 아니하고, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서 다른 구성요소를 추가, 변경, 삭제 등을 통하여, 퇴보적인 다른 발명이나 본 발명 사상의 범위 내에 포함되는 다른 실시예를 용이하게 제안할 수 있을 것이나, 이 또한 본원 발명 사상 범위 내에 포함된다고 할 것이다.
또한, 각 실시예의 도면에 나타나는 동일한 사상의 범위 내의 기능이 동일한 구성요소는 동일한 참조부호를 사용하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 물체 탐지 시스템의 구성도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 물체 탐지 시스템(100)은, 제1 범위의 파장대를 이용하여 탐지 장소 내의 물체를 감지하는 제1 라이다(110), 상기 제1 범위와 다른 제2 범위의 파장대를 이용하여 상기 탐지 장소 내의 물체를 감지하는 제2 라이다(120), 상기 탐지 장소 내의 날씨 정보를 산출하는 날씨 계산 모듈(140) 및 상기 제1 라이다(110)에서 감지된 제1 감지 정보, 상기 제2 라이다(120)에서 감지된 제2 감지 정보 및 상기 날씨 정보를 활용하여 상기 탐지 장소 내의 물체 인식과 관련된 정보인 최종 정보를 산출하는 데이터 생성 모듈(150)을 포함할 수 있다.
또한, 상기 물체 탐지 시스템(100)은, 상기 제1 감지 정보와 상기 제2 감지 정보의 유사한 정도인 유사도를 계산하는 유사도 산출 모듈(130) 및 상기 유사도와 상기 날씨 정보를 이용하여 상기 제1 감지 정보의 신뢰도인 제1 신뢰도 및 상기 제2 감지 정보의 신뢰도인 제2 신뢰도를 산출하는 신뢰도 산출 모듈(160)을 더 포함할 수 있다.
제1 라이다(110)는 근적외선(NIR)을 이용하여 물체를 탐지하는 라이더일 수 있다.
일례로, 제1 범위는 700nm 내지1100nm 사이의 파장대를 의미할 수 있다.
다만, 이에 한정하지 않고, 상기 제1 범위는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
물은 근적외선(NIR)을 흡수하므로, 제1 범위의 파장은 가시선에서 분명하지 않은 육지, 물체와 물의 경계를 식별하는데 용이할 수 있다.
일례로, 제2 범위는 1400nm 내지 1600nm일 수 있다.
바람직하게는 제2 범위는 1550nm일 수 있다.
이는, 1550nm일때가 가장 높은 눈 안전성이 있기 때문일 수 있다.
다만, 이에 한정하지 않고, 제2 범위는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
날씨 계산 모듈(140)은 상기 탐지 장소를 촬영하는 카메라부(141) 및 상기 카메라부(141)에서 수집되는 정보를 기초로 날씨 산출 모델을 이용하여 날씨 정보를 산출하는 계산 모듈(142)을 구비할 수 있다.
카메라부(141)는 탐지 장소를 촬영하여 영상 정보를 취득할 수 있다.
일례로, 카메라부(141)는 EO Camera일 수 있다.
다만, 이에 한정하지 않고, 카메라부(141)의 종류는 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
계산 모듈(142)은 상기 카메라부(141)로부터 전달닫은 영상 정보를 기초로 탐지 장소의 날씨를 산출할 수 있다.
날씨 산출 모델은 딥 러닝을 통해 산출된 모델일 수 있다.
일례로, 계산 모듈(142)은 과거의 수많은 영상 정보와 이와 대응되는 날씨를 딥러닝시켜 날씨 산출 모델을 생성할 수 있다.
여기서, 딥러닝에 이용되는 학습 알고리즘은 공지된 알고리즘을 활용할 수 있으므로, 이에 대한 자세한 설명은 공지된 기술과 중복되는 한도에서 생략될 수 있다.
또한, 날씨 산출 모델은 심층 신경망 알고리즘을 활용하는 것 이외의 악천후를 정보화 할 수 있는 다양한 알고리즘으로 대체 가능할 수 있다.
유사도 산출 모듈(130)은 제1 감지 정보와 제2 감지 정보의 유사한 정도를 산출할 수 있다.
제1 범위와 제2 범위가 다르기 때문에 파장 특성에 따라 제1 감지 정보와 제2 감지 정보는 서로 상이할 수 있다.
일례로, 유사도 산출 모듈(130)은 유클리드 거리를 통해서 유사도를 산출할 수 있다.
Figure 112022081774432-pat00001
[식 1]
여기서,
Figure 112022081774432-pat00002
는 제1 감지 정보 중 'x'축에 대한 위치를 의미할 수 있으며,
Figure 112022081774432-pat00003
는 제1 감지 정보 중 'y'축에 대한 위치를 의미할 수 있으며,
Figure 112022081774432-pat00004
는 제1 감지 정보 중 'z'축에 대한 위치를 의미할 수 있다.
또한,
Figure 112022081774432-pat00005
는 제2 감지 정보 중 'x'축에 대한 위치를 의미할 수 있으며,
Figure 112022081774432-pat00006
는 제2 감지 정보 중 'y'축에 대한 위치를 의미할 수 있으며,
Figure 112022081774432-pat00007
는 제1 감지 정보 중 'z'축에 대한 위치를 의미할 수 있다.
또한, K는 각각의 측정 점들을 의미할 수 있다.
신뢰도 산출 모듈(160)은 유사도 및 날씨 정보를 이용하여 제1 감지 정보의 신뢰도인 제1 신뢰도 및 상기 제2 감지 정보의 신뢰도인 제2 신뢰도를 산출할 수 있다.
이때, 상기 제1 신뢰도는 0 내지 0.5 사이의 수치로 산출될 수 있으며, 상기 제2 신뢰도는 0.5 내지 1 사이의 수치로 산출될 수 있으며, 상기 제1 신뢰도와 상기 제2 신뢰도의 합은 1 일 수 있다.
일례로, 신뢰도 산출 모듈(160)은 날씨가 비나 눈이 오지 않을 경우에는 제1 감지 정보의 신뢰도가 높게 산출될 수 있으며, 날씨가 비나 눈이 올 경우에는 제2 감지 정보의 신뢰도가 높게 산출될 수 있다. 또한, 상기 유사도가 높을수록 제1 신뢰도가 높게 산출될 수 있으며, 상기 유사도가 낮을수록 제2 신뢰도가 높게 산출될 수 있다.
삭제
삭제
다만, 이에 한정하지 않고, 신뢰도 산출 방법은 통상의 기술자에게 자명한 수준에서 다양하게 변형 가능하다.
신뢰도 산출 모듈(160)에서 산출된 제1 신뢰도와 제2 신뢰도를 이용하여 데이터 생성 모듈(150)은 최종 정보를 산출할 수 있다.
여기서, 최종 정보란 디스플레이 상에 이미지화되는 데이터로서, 사용자가 최종적으로 확인할 수 있는 이미지에 대한 데이터를 의미할 수 있다.
삭제
상기 데이터 생성 모듈(150)은 상기 제1 신뢰도와 상기 제2 신뢰도를 이용하여 상기 제1 감지 정보와 상기 제2 감지 정보의 가중치를 설정하여 상기 최종 정보를 산출할 수 있다.
Figure 112022081774432-pat00008
[식 2]
여기서,
Figure 112022081774432-pat00009
는 가중치를 의미할 수 있고,
Figure 112022081774432-pat00010
는 제1 신뢰도를 의미할 수 있고,
Figure 112022081774432-pat00011
는 제2 신뢰도를 의미할 수 있다.
데이터 생성 모듈(150)은 식 3을 이용하여 최종 데이터를 산출할 수 있다.
Figure 112022081774432-pat00012
[식 3]
여기서,
Figure 112022081774432-pat00013
은 제1 감지 정보를 의미할 수 있고,
Figure 112022081774432-pat00014
은 제2 감지 정보를 의미할 수 있다.
또한,
Figure 112022081774432-pat00015
는 최종 정보를 의미할 수 있다.
도 2는 본 발명의 일 실시예에 따른 물체 탐지 시스템의 흐름도이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 물체 탐지 방법은, 물체 탐지 시스템(100)을 이용하여 탐지 장소 내의 물체를 탐지하는 물체 탐지 방법에 있어서, 제1 라이다(110)에 의해 제1 범위의 파장대가 이용되어 탐지 장소 내의 물체가 감지되어 제1 감지 정보가 산출되는 단계, 제2 라이다(120)에 의해 상기 제1 범위와 다른 제2 범위의 파장대를 이용하여 상기 탐지 장소 내의 물체가 감지되어 제2 감지 정보가 산출되는 단계, 카메라부(141)에 의해 영상 정보가 수집되며 계산 모듈(142)에 의해 상기 탐지 장소 내의 날씨 정보가 산출되는 단계, 유사도 산출 모듈(130)에 의해 제1 감지 정보와 제2 감지 정보의 유사도가 산출되는 단계, 신뢰도 산출 모듈(160)에 의해 제1 신뢰도와 제2 신뢰도가 산출되는 단계, 데이터 생성 모듈(150)에 의해 가중치가 산출되는 단계 및 상기 제1 감지 정보, 상기 제2 감지 정보, 상기 날씨 정보가 이용되어 상기 탐지 장소 내의 물체 인식과 관련된 정보인 최종 정보가 산출되는 단계를 포함할 수 있다.
도 3은 본 발명의 일 실시예에 따른 물체 탐지 시스템의 실제 탐지 화면이다.
도 3을 참조하면, 본 발명의 물체 탐지 시스템을 이용하여 비오는 날씨에 임의의 장소에서 탐지를 수행하였다.
도면에서 보는 것과 같이, 비오는 날씨에도 주변 물체가 문제없이 식별되는 것을 확인할 수 있다.
첨부된 도면은 본 발명의 기술적 사상을 보다 명확하게 표현하기 위해, 본 발명의 기술적 사상과 관련성이 없거나 떨어지는 구성에 대해서는 간략하게 표현하거나 생략하였다.
상기에서는 본 발명에 따른 실시예를 기준으로 본 발명의 구성과 특징을 설명하였으나 본 발명은 이에 한정되지 않으며, 본 발명의 사상과 범위 내에서 다양하게 변경 또는 변형할 수 있음은 본 발명이 속하는 기술분야의 당업자에게 명백한 것이며, 따라서 이와 같은 변경 또는 변형은 첨부된 특허청구범위에 속함을 밝혀둔다.
100 : 물체 탐지 시스템 110 : 제1 라이다
120 : 제2 라이다 130 : 유사도 산출 모듈

Claims (10)

  1. 700nm 내지 1100nm 범위인 제1 범위의 파장대를 이용하여 탐지 장소 내의 물체를 감지하는 제1 라이다;
    상기 제1 범위와 다른 1400nm 내지 1600nm 범위인 제2 범위의 파장대를 이용하여 상기 탐지 장소 내의 물체를 감지하는 제2 라이다;
    상기 탐지 장소 내의 날씨 정보를 산출하는 날씨 계산 모듈;
    상기 제1 라이다에서 감지된 제1 감지 정보와 상기 제2 라이다에서 감지된 제2 감지 정보의 유사한 정도를 유클리드 거리를 통해 유사도를 산출하는 유사도 산출 모듈;
    상기 유사도와 상기 날씨 정보를 이용하여 상기 제1 감지 정보의 신뢰도인 제1 신뢰도 및 상기 제2 감지 정보의 신뢰도인 제2 신뢰도를 산출하는 신뢰도 산출 모듈; 및
    상기 제1 감지 정보, 상기 제2 감지 정보, 상기 유사도 및 상기 날씨 정보를 활용하여 상기 탐지 장소 내의 물체 인식과 관련된 정보인 최종 정보를 산출하는 데이터 생성 모듈;을 포함하고,
    상기 날씨 계산 모듈은,
    EO Camera를 이용하여 상기 탐지 장소를 촬영하는 카메라부 및 심층 신경망 알고리즘 기반의 딥 러닝을 통해 산출된 모델인 날씨 산출 모델을 이용하여 상기 카메라부에서 전달받은 영상 정보를 기초로 날씨 정보를 산출하는 계산 모듈을 구비하고,
    상기 데이터 생성 모듈은,
    상기 제1 신뢰도와 상기 제2 신뢰도를 이용하여 상기 제1 감지 정보와 상기 제2 감지 정보의 가중치를 설정하여 상기 최종 정보를 산출하는,
    물체 탐지 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 청구항 제1항의 물체 탐지 시스템을 이용하여 탐지 장소 내의 물체를 탐지하는 물체 탐지 방법에 있어서,
    제1 범위의 파장대가 이용되어 탐지 장소 내의 물체가 감지되어 제1 감지 정보가 산출되는 단계;
    상기 제1 범위와 다른 제2 범위의 파장대를 이용하여 상기 탐지 장소 내의 물체가 감지되어 제2 감지 정보가 산출되는 단계;
    날씨 계산 모듈에 의해 상기 탐지 장소 내의 날씨 정보가 산출되는 단계;
    상기 제1 감지 정보와 상기 제2 감지 정보의 유사한 정도를 유클리드 거리를 통해 유사도가 산출되는 단계;
    상기 유사도와 상기 날씨 정보를 이용하여 상기 제1 감지 정보의 신뢰도인 제1 신뢰도 및 상기 제2 감지 정보의 신뢰도인 제2 신뢰도가 산출되는 단계; 및
    데이터 생성 모듈에 의해 상기 제1 감지 정보, 상기 제2 감지 정보, 상기 유사도 및 상기 날씨 정보가 이용되어 상기 탐지 장소 내의 물체 인식과 관련된 정보인 최종 정보가 산출되는 단계;를 포함하고,
    상기 날씨 계산 모듈은,
    EO Camera를 이용하여 상기 탐지 장소를 촬영하는 카메라부 및 심층 신경망 알고리즘 기반의 딥 러닝을 통해 산출된 모델인 날씨 산출 모델을 이용하여 상기 카메라부에서 전달받은 영상 정보를 기초로 날씨 정보를 산출하는 계산 모듈을 구비하고,
    상기 데이터 생성 모듈은,
    상기 제1 신뢰도와 상기 제2 신뢰도를 이용하여 상기 제1 감지 정보와 상기 제2 감지 정보의 가중치를 설정하여 상기 최종 정보를 산출하는,
    물체 탐지 방법.
  10. 삭제
KR1020220097426A 2022-08-04 2022-08-04 악천후 환경에 강건한 FMCW LiDAR 물체 탐지 시스템 및 물체 탐지 방법 KR102507068B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220097426A KR102507068B1 (ko) 2022-08-04 2022-08-04 악천후 환경에 강건한 FMCW LiDAR 물체 탐지 시스템 및 물체 탐지 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220097426A KR102507068B1 (ko) 2022-08-04 2022-08-04 악천후 환경에 강건한 FMCW LiDAR 물체 탐지 시스템 및 물체 탐지 방법

Publications (1)

Publication Number Publication Date
KR102507068B1 true KR102507068B1 (ko) 2023-03-08

Family

ID=85508215

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220097426A KR102507068B1 (ko) 2022-08-04 2022-08-04 악천후 환경에 강건한 FMCW LiDAR 물체 탐지 시스템 및 물체 탐지 방법

Country Status (1)

Country Link
KR (1) KR102507068B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090092366A (ko) * 2008-02-27 2009-09-01 성균관대학교산학협력단 센서융합 시스템 및 센서융합 방법
KR20170119260A (ko) * 2016-04-18 2017-10-26 주식회사 월드텍 카메라를 이용한 기상관측 장치 및 이를 제어하는 방법
KR20190049871A (ko) * 2016-09-20 2019-05-09 이노비즈 테크놀로지스 엘티디 Lidar 시스템 및 방법
KR102077611B1 (ko) * 2018-08-10 2020-02-17 (주)에스디시스템 정확성 및 분해능을 개선한 레이저 스캐너

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090092366A (ko) * 2008-02-27 2009-09-01 성균관대학교산학협력단 센서융합 시스템 및 센서융합 방법
KR20170119260A (ko) * 2016-04-18 2017-10-26 주식회사 월드텍 카메라를 이용한 기상관측 장치 및 이를 제어하는 방법
KR20190049871A (ko) * 2016-09-20 2019-05-09 이노비즈 테크놀로지스 엘티디 Lidar 시스템 및 방법
KR102077611B1 (ko) * 2018-08-10 2020-02-17 (주)에스디시스템 정확성 및 분해능을 개선한 레이저 스캐너

Similar Documents

Publication Publication Date Title
JP6667596B2 (ja) 物体検出システム、それを用いた自律走行車、およびその物体検出方法
Rudol et al. Human body detection and geolocalization for UAV search and rescue missions using color and thermal imagery
US9819925B2 (en) Stereo vision for sensing vehicles operating environment
KR101364727B1 (ko) 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치
Wilson et al. Recent advances in thermal imaging and its applications using machine learning: A review
WO2016142651A1 (en) Method and apparatus for processing spectral images
EP3227829A1 (en) Method and system for identifying an individual with increased body temperature
WO2019152787A1 (en) Apparatuses and methods for gas flux measurements
KR101339026B1 (ko) 열화상 카메라 가시성 개선 방법 및 장치
CN109946703A (zh) 一种传感器姿态调整方法及装置
CN112541403B (zh) 一种利用红外摄像头的室内人员跌倒检测方法
CN111739099B (zh) 预防跌落方法、装置及电子设备
Van den Broek et al. Detection and classification of infrared decoys and small targets in a sea background
CN112673377A (zh) 监测设备以及用于人员落水监测的方法
KR20200059521A (ko) 산사태 발생 영역 자동 탐지 장치 및 탐지 방법
Utaminingrum et al. Fast obstacle distance estimation using laser line imaging technique for smart wheelchair
Hanapi et al. A review on remote sensing-based method for tree detection and delineation
Jakovčević et al. Visual spatial-context based wildfire smoke sensor
US20150103341A1 (en) Method of identification from a spatial and spectral object model
KR102507068B1 (ko) 악천후 환경에 강건한 FMCW LiDAR 물체 탐지 시스템 및 물체 탐지 방법
WO2020217812A1 (ja) 被写体の状態を認識する画像処理装置及びその方法
JP7428136B2 (ja) 情報処理装置、情報処理システム、および情報処理方法
Olmeda et al. Detection and tracking of pedestrians in infrared images
KR20210044127A (ko) 영상 분석 기반 가시거리 측정 및 경보 시스템 및 방법
JP6878067B2 (ja) 地雷検知システム及び地雷検知方法

Legal Events

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