KR102665806B1 - 합성 레이더 데이터 생성 방법 및 시스템 - Google Patents

합성 레이더 데이터 생성 방법 및 시스템 Download PDF

Info

Publication number
KR102665806B1
KR102665806B1 KR1020240014197A KR20240014197A KR102665806B1 KR 102665806 B1 KR102665806 B1 KR 102665806B1 KR 1020240014197 A KR1020240014197 A KR 1020240014197A KR 20240014197 A KR20240014197 A KR 20240014197A KR 102665806 B1 KR102665806 B1 KR 102665806B1
Authority
KR
South Korea
Prior art keywords
points
information
data
radar
bounding box
Prior art date
Application number
KR1020240014197A
Other languages
English (en)
Inventor
임호준
유희철
이진우
Original Assignee
주식회사 모라이
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 모라이 filed Critical 주식회사 모라이
Priority to KR1020240014197A priority Critical patent/KR102665806B1/ko
Application granted granted Critical
Publication of KR102665806B1 publication Critical patent/KR102665806B1/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
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4052—Means for monitoring or calibrating by simulation of echoes
    • 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
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
    • 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
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/20—Static objects
    • 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
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • Geometry (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

본 개시는 합성 레이더 데이터 생성 방법 및 시스템을 제공한다. 합성 레이더 데이터 생성 방법은, 라이다(LiDAR: Light Detection And Ranging) 센서에 의해 생성된 포인트 클라우드 데이터를 수신하는 단계, 포인트 클라우드 데이터와 연관된 3차원 바운딩 박스 정보를 수신하는 단계 및 포인트 클라우드 데이터 및 3차원 바운딩 박스 정보에 기초하여, 포인트 클라우드 데이터와 대응하는 합성 레이더 데이터를 생성하는 단계를 포함하고, 합성 레이더 데이터는 레이더 센서에 의해 생성된 데이터를 모사할 수 있다.

Description

합성 레이더 데이터 생성 방법 및 시스템{METHOD AND SYSTEM FOR GENERATING SYNTHETIC RADAR DATA}
본 개시는 합성 레이더 데이터 생성 방법 및 시스템에 관한 것으로, 구체적으로 라이다 센싱에 의해 생성된 포인트 클라우드 데이터를 이용하여 합성 레이더 데이터를 생성하는 방법 및 시스템에 관한 것이다.
레이더(RADAR: RAdio Detection And Ranging) 센서는 날씨변화와 무관하게 거리, 속도 등의 데이터를 수집하기 용이하다. 또한, 레이더 센서는 장거리의 데이터 수집에 적합하다. 이러한 레이더 센서에 의해 생성된 레이더 데이터는 차량의 자율주행 또는 차량 운행 시뮬레이션의 이용에 적합할 수 있다.
그러나 카메라, 라이다 센서 등과 같은 다른 센서에 의해 생성된 데이터보다 레이더 데이터는 상대적으로 공개된 것이 거의 없다. 또한, 가상 현실의 시뮬레이터를 활용하더라도 레이더 센서의 복잡성으로 인해 레이더 데이터의 실시간성을 확보하기 어렵다. 이로 인해, 대용량의 레이더 데이터의 생성/확보가 어려운 실정이다.
본 개시는 상기와 같은 문제점을 해결하기 위한 합성 레이더 생성 방법, 기록 매체에 저장된 컴퓨터 프로그램 및 시스템(장치)을 제공한다.
본 개시는 방법, 장치(시스템) 및/또는 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램, 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능 저장 매체를 포함한 다양한 방식으로 구현될 수 있다.
본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는, 합성 레이더(RADAR: RAdio Detection And Ranging) 데이터 생성 방법에 있어서, 라이다(LiDAR: Light Detection And Ranging) 센서에 의해 생성된 포인트 클라우드 데이터를 수신하는 단계, 포인트 클라우드 데이터와 연관된 3차원 바운딩 박스 정보를 수신하는 단계 및 포인트 클라우드 데이터 및 3차원 바운딩 박스 정보에 기초하여, 포인트 클라우드 데이터와 대응하는 합성 레이더 데이터를 생성하는 단계를 포함하고, 합성 레이더 데이터는 레이더 센서에 의해 생성된 데이터를 모사할 수 있다.
본 개시의 일 실시예에 따르면, 3차원 바운딩 박스 정보는 위치 정보, 배향(orientation) 정보, 클래스 정보, 너비 정보, 높이 정보, 깊이 정보 또는 상대 속도 정보 중 적어도 하나를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 포인트 클라우드 데이터는 제1 세트의 포인트를 포함하고, 합성 레이더 데이터를 생성하는 단계는, 라이다 센서와 연관된 제1 외부 파라미터(extrinsic parameter)를 수신하는 단계, 레이더 센서와 연관된 제2 외부 파라미터를 수신하는 단계 및 제1 외부 파라미터 및 제2 외부 파라미터에 기초하여, 제1 세트의 포인트 중 레이더 센서의 FOV(Field Of View) 내의 제2 세트의 포인트를 식별하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 제2 세트의 포인트를 식별하는 단계는, 제1 외부 파라미터 및 제2 외부 파라미터에 기초하여, 제1 세트의 포인트를 구면 좌표계(spherical coordinate system)로 변환하는 단계를 포함하고, 제2 세트의 포인트의 위치 정보가 구면 좌표계로 표현될 수 있다.
본 개시의 일 실시예에 따르면, 합성 레이더 데이터를 생성하는 단계는, 제2 세트의 포인트 중 3차원 바운딩 박스에 포함된 제3 세트의 포인트를 동적 객체와 연관된 것으로 판정하는 단계 및 제2 세트의 포인트 중 3차원 바운딩 박스에 포함되지 않은 제4 세트의 포인트를 정적 객체와 연관된 것으로 판정하는 단계를 더 포함할 수 있다.
본 개시의 일 실시예에 따르면, 제4 세트의 포인트 각각은 거리, 앙각(elevation angle) 및 방위각(azimuth angle) 정보를 포함하고, 합성 레이더 데이터를 생성하는 단계는, 3차원 바운딩 박스 정보에 기초하여, 제3 세트의 포인트와 연관된 RCS(Radar Cross Section) 정보를 생성하는 단계 및 앙각 정보에 기초하여, 제4 세트의 포인트 각각에 대한 RCS 정보를 생성하는 단계를 더 포함할 수 있다.
본 개시의 일 실시예에 따르면, 합성 레이더 데이터를 생성하는 단계는, 3차원 바운딩 박스 정보, 제1 외부 파라미터 및 제2 외부 파라미터에 기초하여, 제3 세트의 포인트의 상대 속도 정보를 산출하는 단계 및 제4 세트의 포인트 각각의 위치 정보, 제1 외부 파라미터 및 제2 외부 파라미터에 기초하여, 제4 세트의 포인트 각각의 상대 속도 정보를 산출하는 단계를 더 포함할 수 있다.
본 개시의 일 실시예에 따르면, 제2 세트의 포인트를 식별하는 단계는, 레이더 센서의 FOV 정보를 수신하는 단계, 레이더 센서의 FOV에 해당하는 영역을 복수의 빈(bin)으로 분할하는 단계, 제1 세트의 포인트를 상기 복수의 빈에 매핑하는 단계 및 복수의 빈 중 2개 이상의 포인트를 포함하는 빈들에 대해 빈 내에 하나의 포인트만 남기고 나머지 포인트를 제거하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 제2 세트의 포인트를 식별하는 단계는, 레이더 센서의 FOV 정보를 수신하는 단계, 레이더 센서의 FOV에 해당하는 영역을 복수의 빈으로 분할하는 단계, 제1 세트의 포인트를 복수의 빈에 매핑하는 단계 및 복수의 빈 중 하나의 포인트를 포함하는 빈들 중 일부에 대한 포인트를 제거하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 합성 레이더 데이터는 복수의 포인트를 포함하고, 각 포인트는 위치 정보, 거리 정보, 상대 속도 정보 또는 RCS 정보 중 적어도 하나를 포함할 수 있다.
본 개시의 일 실시예에 따른 방법을 컴퓨터에서 실행하기 위한 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램을 제공할 수 있다.
본 개시의 일 실시예에 따르면,정보 처리 시스템으로서, 통신 모듈, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은, 라이다 센서에 의해 생성된 포인트 클라우드 데이터를 수신하고, 포인트 클라우드 데이터와 연관된 3차원 바운딩 박스 정보를 수신하고, 포인트 클라우드 데이터 및 3차원 바운딩 박스 정보에 기초하여, 포인트 클라우드 데이터와 대응하는 합성 레이더 데이터를 생성하기 위한 명령어들을 포함하고, 합성 레이더 데이터는 레이더 센서에 의해 생성된 데이터를 모사할 수 있다.
본 개시의 일부 실시예에 따르면, 비교적 확보가 용이한 라이다 센서에 의해 생성된 데이터에 기초하여 합성 레이더 데이터를 생성함으로써, 대용량의 레이더 데이터를 확보할 수 있다. 이러한 대용량의 레이더 데이터는 레이더 센서와 연관된 인공 신경망 모델의 학습에 사용될 수 있다.
본 개시의 일부 실시예에 따르면, 합성 레이더 데이터 생성 방법은 손쉽게 레이더 데이터를 생성할 수 있어, 데이터 취득 비용을 감소시킬 수 있다.
본 개시의 일부 실시예에 따르면, 합성 레이더 데이터 생성 방법은 포인트 클라우드 데이터를 이용하므로, 라이다 센서의 기종과 무관하게 합성 레이더 데이터를 생성할 수 있다. 또한, 합성 레이더 데이터 생성 방법은 포인트 클라우드 데이터 및 3차원 바운딩 박스 정보를 이용하므로, 실제 현실뿐만 아니라 가상 현실, 시뮬레이션 환경 등에 대해서도 동일하게 적용될 수 있다.
본 개시의 일부 실시예에 따르면, 합성 레이더 데이터에 포함된 포인트의 정보는 실제 레이더 센서에 의해 생성되는 포인트의 정보와 동일한 요소를 포함할 수 있다. 이와 같이, 합성 레이더 데이터는 레이더 센서가 생성할 수 있는 데이터 요소를 포함함으로써, 레이더 센서에 의해 생성된 데이터를 모사할 수 있다.
본 개시의 일부 실시예에 따르면, 복수의 빈에 대해 필터링 및/또는 드롭핑을 수행하는 단계에서 확률을 이용하여 포인트를 제거할 수 있다. 이 경우, 확률을 세밀하게 조절함으로써 합성 레이더 데이터 생성 방법은 레이더 센서에 의해 생성된 데이터와 더욱 유사하게 만들 수 있다.
본 개시의 일부 실시예에 따르면, 생성된 합성 레이더 데이터는 라이다 센서에 의해 측정된 포인트의 밀도를 낮추어, 레이더 센서에 의해 생성된 데이터를 더욱 유사하게 모사할 수 있다.
본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자("통상의 기술자"라 함)에게 명확하게 이해될 수 있을 것이다.
본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 합성 레이더 데이터를 생성하는 모습의 예시를 나타내는 개요도이다.
도 2는 본 개시의 일 실시예에 따른 컴퓨팅 장치의 내부 구성을 나타내는 블록도이다.
도 3은 본 개시의 일 실시예에 따른 합성 레이더 데이터 생성하는 과정의 예시에 대한 흐름도이다.
도 4는 본 개시의 일 실시예에 따른 포인트 클라우드 데이터의 일 예시를 나타낸 도면이다.
도 5는 본 개시의 일 실시예에 따른 복수의 빈에 대한 매핑, 필터링 및 드롭핑 과정의 일 예시를 나타낸 도면이다.
도 6은 본 개시의 일 실시예에 따른 복수의 빈에 대한 매핑, 필터링 및 드롭핑 과정의 일 예시를 나타낸 도면이다.
도 7은 본 개시의 일 실시예에 따른 동적 객체와 연관된 도플러 속도를 산출하는 과정을 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 정적 객체와 연관된 도플러 속도를 산출하는 과정을 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따른 합성 레이더 데이터 생성 방법의 예시를 나타내는 흐름도이다.
이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.
첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.
개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.
또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.
본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.
또한, 이하의 실시예들에서 사용되는 제1, 제2, A, B, (a), (b) 등의 용어는 어떤 구성요소를 다른 구성요소와 구별하기 위해 사용되는 것일 뿐, 그 용어에 의해 해당 구성요소의 본질이나 차례 또는 순서 등이 한정되지는 않는다.
또한, 이하의 실시예들에서, 어떤 구성요소가 다른 구성요소에 '연결', '결합' 또는 '접속'된다고 기재된 경우, 그 구성요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성요소 사이에 또 다른 구성요소가 '연결', '결합' 또는 '접속'될 수도 있다고 이해되어야 한다.
본 개시에서, '복수의 A 각각' 은 복수의 A에 포함된 모든 구성 요소의 각각을 지칭하거나, 복수의 A에 포함된 일부 구성 요소의 각각을 지칭할 수 있다.
또한, 이하의 실시예들에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
본 개시에서, '시스템'은 서버 장치와 클라우드 장치 중 적어도 하나의 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 시스템은 하나 이상의 서버 장치로 구성될 수 있다. 다른 예로서, 시스템은 하나 이상의 클라우드 장치로 구성될 수 있다. 또 다른 예로서, 시스템은 서버 장치와 클라우드 장치가 함께 구성되어 동작될 수 있다.
도 1은 본 개시의 일 실시예에 따른 합성 레이더 데이터(150)를 생성하는 모습의 예시를 나타내는 개요도이다. 합성 레이더 데이터 생성 시스템(140)은 포인트 클라우드 데이터(110), 라이다 센서와 연관된 정보(120) 및 레이더 센서와 연관된 정보(130)를 수신할 수 있다. 합성 레이더 데이터 생성 시스템(140)은 포인트 클라우드 데이터(110), 라이다 센서와 연관된 정보(120) 및 레이더 센서와 연관된 정보(130)에 기초하여 합성 레이더 데이터(150)를 생성할 수 있다.
일 실시예에서, 포인트 클라우드 데이터(110)는 라이다(LiDAR: Light Detection And Ranging) 센서에 의해 생성된 데이터일 수 있다. 여기서, 포인트 클라우드 데이터(110)는 3차원 공간 및 객체를 표현하기 위한 데이터의 집합을 지칭할 수 있다. 예를 들어, 포인트 클라우드 데이터(110)는 차량이 주행하면서 차량에 장착된 라이다 센서에 의해 생성될 수 있다. 포인트 클라우드 데이터(110)를 이용하여 3차원 가상 현실을 구현할 수 있다. 포인트 클라우드 데이터(110) 내의 각 포인트는 위치 정보(예를 들어, 3차원 좌표값)과 신호 강도(intensity) 정보를 포함할 수 있다. 포인트 클라우드 데이터(110)가 시각화 된 모습은 도 4를 참고하여 상세히 설명한다.
일 실시예에서, 합성 레이더 데이터 생성 시스템(140)은 포인트 클라우드 데이터(110)와 연관된 3차원 바운딩 박스(bounding box) 정보를 수신할 수 있다. 여기서, 3차원 바운딩 박스는 이미지에서 검출된 객체를 둘러싸는 최소 크기의 육면체 영역을 지칭할 수 있다. 3차원 바운딩 박스 정보는 3차원 객체 인식 모델에 의해 생성될 수 있다. 다른 실시예에서, 합성 레이더 데이터 생성 시스템(140)은 포인트 클라우드 데이터(110)에 기초하여 3차원 바운딩 박스 정보를 산출하여 이용할 수 있다. 또 다른 실시예에서, 합성 레이더 데이터 생성 시스템(140)은 사용자, 외부 장치 등으로부터 3차원 바운딩 박스 정보를 수신할 수 있다.
일 실시예에서, 3차원 바운딩 박스 정보는 위치 정보, 배향 정보, 클래스 정보, 너비 정보, 높이 정보, 깊이 정보 또는 상대 속도 정보 중 적어도 하나를 포함할 수 있다. 여기서 클래스 정보는 객체의 종류와 연관될 수 있다. 예를 들어, 클래스 정보는 동적 객체 중 차량과 연관된 클래스를 포함할 수 있다. 추가적으로, 합성 레이더 데이터 생성 시스템(140)은 클래스 정보(예를 들어, 클래스 정보와 인식된 객체의 실제 정보가 상이한 경우)가 특정 입력을 수신함으로써 수정될 수 있다. 또한, 위치 정보 또는 상대 속도 정보는 라이다 좌표계(예를 들어, 라이다 센서가 위치한 지점이 원점인 좌표계)를 기준으로 생성된 정보일 수 있다.
일 실시예에서, 라이다 센서와 연관된 정보(120)는 포인트 클라우드 데이터(110)를 생성하는데 이용된 라이다 센서와 연관된 정보일 수 있다. 라이다 센서와 연관된 정보(120)는 라이다 센서와 연관된 제1 외부 파라미터(extrinsic parameter)를 포함할 수 있다. 여기서, 제1 외부 파라미터는 특정 좌표계(예를 들어, 절대 좌표계, 글로벌 좌표계 등) 내에서 라이다 센서의 위치 정보, 방향 정보(예를 들어, 시야 방향 정보, 6 DoF(Degree of Freedom) 정보 등) 등을 포함할 수 있다.
일 실시예에서, 레이더 센서와 연관된 정보(130)는 모사하고자 하는 가상의 레이더 센서에 대한 정보일 수 있다. 예를 들어, 가상의 레이더 센서는 합성 레이더 데이터(150)를 생성하는 주체일 수 있다. 일 예시에서, 레이더 센서와 연관된 정보(130)는 레이더 센서와 연관된 제2 외부 파라미터, 레이더 센서의 FOV(Field Of View)의 정보, 방위각(azimuth) 해상도(예를 들어, 약 0.5도), 탐지 가능 거리(예를 들어, 약 100m), 탐지 거리 해상도(예를 들어, 약 0.5m) 등을 포함할 수 있다. 여기서, 레이더 센서의 FOV는 레이더 센서에 의해 탐지될 수 있는 시야각을 의미할 수 있다. 예를 들어, 레이더 센서의 FOV 정보는 90도일 있다. 또한, 제2 외부 파라미터는 특정 좌표계(예를 들어, 절대 좌표계, 글로벌 좌표계 등) 내에서 레이더 센서의 위치 정보, 방향 정보(예를 들어, 시야 방향 정보) 등을 포함할 수 있다. 이러한 레이더 센서와 연관된 정보(130)는 생성하고자 하는 합성 레이더 데이터(150)에 기초하여 결정/선택될 수 있다.
합성 레이더 데이터 생성 시스템(140)은 포인트 클라우드 데이터(110) 및 3차원 바운딩 박스 정보에 기초하여 포인트 클라우드 데이터(110)와 대응하는 합성 레이더 데이터(150)를 생성할 수 있다. 이 때, 라이다 센서와 연관된 정보(120) 및 레이더 센서와 연관된 정보(130)가 함께 이용될 수 있다. 여기서, 합성 레이더 데이터(150)는 레이더 센서에 의해 생성된 데이터를 모사할 수 있다. 즉, 합성 레이더 데이터(150)는 레이더 센서로 직접 측정하여 생성된 데이터와 유사할 수 있다. 합성 레이더 데이터(150)를 생성하는 구체적인 과정은 도 3을 참고하여 설명한다.
이러한 구성에 의해, 라이다 센서에 의해 생성된 데이터에 기초하여 합성 레이더 데이터(150)를 생성할 수 있다. 상대적으로 레이더 센서에 의해 생성된 데이터는 라이다 센서에 의해 생성된 데이터보다 확보하기 어려울 수 있다. 이 경우, 확보가 용이한 라이다 센서에 의해 생성된 데이터에 기초하여 합성 레이더 데이터(150)를 생성함으로써, 대용량의 레이더 데이터를 확보할 수 있다. 이러한 대용량의 레이더 데이터는 레이더 센서와 연관된 인공신경망 모델의 학습에 사용될 수 있다.
실제 레이더 데이터를 생성하기 위해, 레이더 센서가 장착된 차량, 드론 등의 운행이 필요할 수 있다. 본 개시에 따른 합성 레이더 데이터 생성 방법은 이러한 운행 없이 합성 레이더 데이터를 생성할 수 있어, 데이터 취득 비용을 크게 감소시킬 수 있다. 추가적으로, 본 개시에 따른 합성 레이더 데이터 생성 방법은 포인트 클라우드 데이터를 이용하므로, 라이다 센서의 기종과 무관하게 합성 레이더 데이터를 생성할 수 있다. 또한, 본 개시에 따른 합성 레이더 데이터 생성 방법은 포인트 클라우드 데이터 및 3차원 바운딩 박스 정보를 이용하므로, 실제 현실뿐만 아니라 가상 현실, 시뮬레이션 환경 등에 대해서도 동일하게 적용될 수 있다.
도 2는 본 개시의 일 실시예에 따른 컴퓨팅 장치(200)의 내부 구성을 나타내는 블록도이다. 컴퓨팅 장치(200)는 메모리(210), 프로세서(220), 통신 모듈(230) 및 입출력 인터페이스(240)를 포함할 수 있다. 도 3에 도시된 바와 같이, 컴퓨팅 장치(200)는 통신 모듈(230)을 이용하여 네트워크를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 구체적으로, 사용자는 도 1의 합성 레이더 데이터(150)를 생성하기 위해 합성 레이더 데이터 생성 시스템(140)을 이용할 수 있고, 합성 레이더 데이터 생성 시스템(140)은 하나 이상의 컴퓨팅 장치(200)를 포함할 수 있다.
메모리(210)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(210)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 컴퓨팅 장치(200)에 포함될 수 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 컴퓨팅 장치(210)에 설치되어 구동되는 합성 레이더 데이터를 생성 등을 위한 코드)가 저장될 수 있다.
이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 이러한 컴퓨팅 장치(200)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈(230)을 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 통신 모듈(230)을 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(예를 들어, 합성 레이더 데이터를 생성 등을 위한 프로그램 등)에 기반하여 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 모듈(230)에 의해 사용자 단말(미도시) 또는 다른 외부 시스템으로 제공될 수 있다. 예를 들어, 프로세서(220)는 포인트 클라우드 데이터 및 3차원 바운딩 박스 정보에 기초하여 포인트 클라우드 데이터와 대응하는 합성 레이더 데이터를 생성할 수 있다. 생성된 합성 레이더 데이터는 사용자 단말 또는 다른 외부 시스템으로 제공될 수 있다.
통신 모듈(230)은 네트워크를 통해 사용자 단말(미도시)과 컴퓨팅 장치(200)가 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 컴퓨팅 장치(200)가 외부 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 컴퓨팅 장치(200)의 프로세서(220)의 제어에 따라 제공되는 제어 신호, 명령, 데이터 등이 통신 모듈(230)과 네트워크를 거쳐 사용자 단말 및/또는 외부 시스템의 통신 모듈을 통해 사용자 단말 및/또는 외부 시스템으로 전송될 수 있다.
또한, 컴퓨팅 장치(200)의 입출력 인터페이스(240)는 컴퓨팅 장치(200)와 연결되거나 컴퓨팅 장치(200)가 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 2에서는 입출력 인터페이스(240)가 프로세서(220)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(240)가 프로세서(220)에 포함되도록 구성될 수 있다. 컴퓨팅 장치(200)는 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다.
컴퓨팅 장치(200)의 프로세서(220)는 복수의 사용자 단말 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 일 실시예에 따르면, 프로세서(220)는 라이다 센서에 의해 생성된 포인트 클라우드 데이터를 수신할 수 있다. 프로세서(220)는 포인트 클라우드 데이터와 연관된 3차원 바운딩 박스 정보를 수신할 수 있다. 프로세서(220)는 포인트 클라우드 데이터 및 3차원 바운딩 박스 정보에 기초하여 포인트 클라우드 데이터와 대응하는 합성 레이더 데이터를 생성할 수 있다. 이 때, 프로세서(220)는 컴퓨팅 장치(200)의 메모리(210)에 저장된 라이다 센서와 연관된 정보 및 레이더 센서와 연관된 정보를 이용할 수 있다.
도 3은 본 개시의 일 실시예에 따른 합성 레이더 데이터 생성하는 과정(S300)의 예시에 대한 흐름도이다. 먼저, 프로세서(예를 들어, 도 1의 합성 레이더 데이터 생성 시스템(140)에 포함된 적어도 하나의 프로세서)는 라이다 센서에 의해 생성된 포인트 클라우드 데이터를 수신할 수 있다. 여기서, 포인트 클라우드 데이터는 제1 세트의 포인트를 포함할 수 있다. 또한, 프로세서는 포인트 클라우드 데이터와 연관된 3차원 바운딩 박스 정보를 수신/생성할 수 있다.
그 후, 프로세서는 제1 세트의 포인트를 구면 좌표계로 변환할 수 있다(S310). 구면 좌표계는 거리, 방위각(azimuth angle) 및 앙각(elevation angle)으로 나타낼 수 있다. 구체적으로, 구면 좌표계는 r, Ф(0<Ф<2π), θ(-π/2<θ<π/2) 로 나타낼 수 있다. 예를 들어, 제1 세트의 포인트 각각은 x, y, z의 좌표로 나타낼 수 있다. 변환된 제1 세트의 포인트 각각은 r, Ф, θ로 나타낼 수 있다.
프로세서는 제1 세트의 포인트 중 레이더 센서의 FOV 내의 제2 세트의 포인트를 식별할 수 있다(S320). 이 때, 제1 세트의 포인트는 구면 좌표계로 변환된 것일 수 있다. 여기서, 레이더 센서의 FOV는 특정 시점에 레이더 센서에 의해 탐지될 수 있는 시야각을 의미할 수 있다. 구체적으로, 프로세서는 제1 세트의 포인트에서 구면 좌표계로 표현되는 레이더 센서의 FOV 내에 포함된 포인트들을 파악할 수 있다. 프로세서는 파악된 포인트들을 제2 세트의 포인트로 식별할 수 있다. 그 후, 식별된 제2 세트의 포인트는 별도로 저장할 수 있다. 추가적으로 또는 대안적으로, 제2 세트의 포인트로 식별되지 않은 제1 세트의 포인트는 제거될 수 있다.
프로세서는 레이더 센서의 FOV에 해당하는 영역을 복수의 빈(bin)으로 분할할 수 있다(S330). 여기서, FOV에 해당하는 영역은 특정 시점에 레이더 센서에 의해 탐지될 수 있는 영역을 의미할 수 있다. FOV에 해당하는 영역은 레이더 센서의 위치 정보, FOV 정보와 레이더 센서의 탐지 가능 거리 정보에 기초하여 산출될 수 있다. 또한, 하나의 빈은 대상 영역을 세분화하여 구분한 특정 영역을 지칭할 수 있다. 예를 들어, 하나의 빈은 방위각이 '레이더 센서의 FOV ÷ 레이더 센서의 방위각 해상도'이고, 거리가'레이더 센서의 탐지 가능 거리 ÷ 레이더 센서의 탐지 거리 해상도'인 영역일 수 있다. 복수의 빈 각각은 자신의 위치 정보를 가질 수 있다. 레이더 센서의 FOV에 해당하는 영역을 복수의 빈으로 분할한 구체적인 모습은 도 5 및 도 6을 참고하여 설명한다.
프로세서는 제2 세트의 포인트를 복수의 빈에 매핑할 수 있다(S340). 구체적으로, 제2 세트의 포인트 각각의 위치 정보 및 복수의 빈 각각의 위치 정보에 기초하여 제2 세트의 포인트 각각은 복수의 빈에 매핑될 수 있다. 매핑된 제2 세트의 포인트 각각은 하나의 빈에 대응될 수 있다. 예를 들어, 복수의 빈 중 일부 각각은 하나 이상의 포인트를 포함할 수 있다. 복수의 빈 중 나머지는 포인트를 포함하지 않을 수 있다.
도 3에서는 제2 세트의 포인트를 복수의 빈에 매핑하는 것(S340)으로 도시되어 있으나, 이에 한정되지 않는다. 예를 들어, 제1 세트의 포인트를 복수의 빈에 매핑할 수 있다. 이 때, 제1 세트의 포인트는 구면 좌표계로 변환된 것일 수 있다. 즉, 제2 세트의 포인트로 식별되지 않은 채로 제1 세트의 포인트가 복수의 빈에 매핑될 수 있다. 이 때, 매핑을 수행하면서 레이더 센서의 FOV 내에 포함되는 포인트만을 식별함으로써, 매핑과 함께 제2 세트의 포인트를 식별할 수 있다.
프로세서는 복수의 빈에 대해 필터링을 수행할 수 있다(S350). 여기서, 복수의 빈은 복수의 포인트의 매핑이 수행된 복수의 빈일 수 있다. 구체적으로, 프로세서는 복수의 빈 중 2개 이상의 포인트를 포함하는 빈들에 대해 빈 내에 하나의 포인트만 남기고, 나머지 포인트를 제거할 수 있다. 예를 들어, 하나의 빈에 3개의 포인트가 포함되어 있는 경우, 3개의 포인트 중 1개의 포인트만 남기고, 2개의 포인트를 제거할 수 있다. 여기서, 남겨질 하나의 포인트는 다양한 방법으로 결정될 수 있다. 예를 들어, 남겨질 하나의 포인트는 임의로 결정될 수 있다. 또 다른 예로, 남겨질 하나의 포인트는 빈의 중심 위치에 가장 가까운 포인트로 결정될 수 있다. 또 다른 예로, 남겨질 하나의 포인트는 빈에 포함되는 포인트들의 평균(mean) 좌표에 대응하는 포인트, 즉, 무게중심(centroid) 포인트로 결정될 수 있다.
프로세서는 복수의 빈에 대해 드롭핑을 수행할 수 있다(S360). 여기서, 복수의 빈은 복수의 포인트의 매핑이 수행된 복수의 빈 또는 필터링이 수행된 복수의 빈일 수 있다. 구체적으로, 프로세서는 복수의 빈 중 하나 이상의 포인트를 포함하는 빈들 중 일부에 대한 포인트를 제거할 수 있다. 예를 들어, 임의의 확률 또는 미리 결정된 확률로 하나 이상의 포인트를 포함하는 빈들 중 일부가 선택될 수 있다. 이 때, 임의의 확률 또는 미리 결정된 확률로 빈을 선택하는 것은 각 빈마다 독립적으로 시행될 수 있다. 하나 이상의 포인트를 포함하는 빈들 중 선택된 일부에 포함된 포인트(들)는 제거될 수 있다.
일 실시예에서, 프로세서는 필터링된 복수의 빈에 대해 드롭핑을 수행할 수 있다. 필터링된 복수의 빈 중 일부 각각은 하나의 포인트를 포함하고, 필터링된 복수의 빈 중 나머지 일부는 포인트를 포함하지 않을 수 있다. 이 경우, 하나의 포인트를 포함하는 빈들 중 일부에 대한 포인트가 제거됨으로써 드롭핑이 수행될 수 있다. 예를 들어, 임의의 확률 또는 미리 결정된 확률로 하나의 포인트를 포함하는 빈들 중 일부가 선택될 수 있다. 하나의 포인트를 포함하는 빈들 중 선택된 일부에 포함된 포인트(들)는 제거될 수 있다.
프로세서는 포인트가 3차원 바운딩 박스에 포함되었는지 판정할 수 있다(S370). 예를 들어, 포인트는 상술한 제1 세트의 포인트 중 하나일 수 있다. 다른 예로서, 포인트는 상술한 제2 세트의 포인트 중 하나일 수 있다. 다른 예로서, 포인트는 필터링이 수행된 복수의 빈에 포함된 포인트 중 하나일 수 있다. 다른 예로서, 포인트는 드롭핑이 수행된 복수의 빈에 포함된 포인트 중 하나일 수 있다. 구체적으로, 프로세서는 포인트의 위치 정보 및 3차원 바운딩 박스의 위치 정보에 기초하여 포인트가 3차원 바운딩 박스에 포함되었는지 여부를 판정할 수 있다. 예를 들어, 프로세서는 3차원 바운딩 박스의 위치 정보에 기초하여 3차원 바운딩 박스의 내부 영역을 식별할 수 있다. 프로세서는 포인트의 위치 정보에 기초하여 식별된 3차원 바운딩 박스의 내부 영역에 포함되었는지 판정할 수 있다.
프로세서는 3차원 바운딩 박스에 포함되지 않은 포인트를 제3 세트의 포인트 중 하나로 판정할 수 있다(S372). 또한, 프로세서는 3차원 바운딩 박스에 포함된 포인트를 제4 세트의 포인트 중 하나로 판정할 수 있다(S374). 즉, 제3 세트의 포인트는 3차원 바운딩 박스에 포함되지 않은 포인트를 포함하고, 제4 세트의 포인트는 3차원 바운딩 박스에 포함된 포인트를 포함할 수 있다. 여기서, 제4 세트의 포인트는 동적 객체와 연관된 포인트들의 집합이고, 제3 세트의 포인트는 정적 객체와 연관된 포인트들의 집합일 수 있다.
프로세서는 제3 세트의 포인트와 연관된 RCS(Radar Cross Section) 정보를 생성할 수 있다(S382). 여기서, RCS 정보는 물체에 대한 레이더 센서의 전자기파 반사 특성을 나타낼 수 있다. 예를 들어, RCS 정보에 기초하여 대상 물체가 추론될 수 있다. 이와 같이, RCS 정보는 레이더 센서에 의해 생성되는 정보일 수 있다. 구체적으로, 프로세서는 제3 세트의 포인트를 동적 객체와 연관된 것으로 판정할 수 있다. 그 후, 3차원 바운딩 박스의 정보에 기초하여 제3 세트의 포인트의 RCS 정보가 생성될 수 있다. RCS 정보의 단위는 dBm2 또는 dBsm(decibel square meter)일 수 있다.
일 예시에서, 제1 3차원 바운딩 박스에 제3 세트의 포인트 중 일부가 포함될 수 있다. 이 때, 제1 3차원 바운딩 박스의 클래스 정보는 보행자와 연관될 수 있다. 이 경우, 제3 세트의 포인트 중 제1 3차원 바운딩 박스에 포함된 포인트 각각은 RCS 정보로서 -5 내지 0의 값이 할당될 수 있다. 예를 들어, 제3 세트의 포인트 중 제1 3차원 바운딩 박스에 포함된 포인트 각각은 RCS 정보로서 0이 할당될 수 있다. 다른 예시에서, 제2 3차원 바운딩 박스에 제3 세트의 포인트 중 일부가 포함될 수 있다. 이 때, 제2 3차원 바운딩 박스의 클래스 정보는 차량과 연관될 수 있다. 이 경우, 제3 세트의 포인트 중 제2 3차원 바운딩 박스에 포함된 포인트 각각은 RCS 정보로서 -5 내지 25의 값이 할당될 수 있다. 예를 들어, 제3 세트의 포인트 중 제2 3차원 바운딩 박스에 포함된 포인트 각각은 RCS 정보로서 10 또는 20이 할당될 수 있다.
RCS 정보는 3차원 바운딩 박스 또는 3차원 바운딩 박스와 연관된 물체의 배향(orientation) 또는 위치 정보에 기초하여 결정될 수 있다. 예를 들어, 레이더 센서가 차량(또는 상술한 예시에서 제2 3차원 바운딩 박스)의 좌측면, 우측면 또는 후면을 지향하는 경우, 제3 세트의 포인트 중 제2 3차원 바운딩 박스에 포함된 포인트 각각은 RCS 정보로서 23의 값이 할당될 수 있다. 또 다른 예로, 레이더 센서가 차량(또는 상술한 예시에서 제2 3차원 바운딩 박스)의 정면을 지향하는 경우, 제3 세트의 포인트 중 제2 3차원 바운딩 박스에 포함된 포인트 각각은 RCS 정보로서 15의 값이 할당될 수 있다. 프로세서는 메모리(예를 들어, 도 1의 합성 레이더 데이터 생성 시스템(140)에 포함된 적어도 하나의 메모리)를 판독하여 차량 등 물체의 배향 또는 위치 정보에 대응하는 RCS 정보를 확인하고, 확인된 정보를 기초로 포인트에 RCS 정보를 할당할 수 있다.
프로세서는 제4 세트의 포인트와 연관된 RCS(Radar Cross Section) 정보를 생성할 수 있다(S384). 구체적으로, 프로세서는 제4 세트의 포인트를 정적 객체와 연관된 것으로 판정할 수 있다. 그 후, 프로세서는 제4 세트의 포인트 각각의 앙각 정보에 기초하여 제4 세트의 포인트 각각에 대한 RCS 정보를 생성할 수 있다. 예를 들어, 제4 세트의 포인트에서 앙각 정보가 0도 미만인 경우, 해당 포인트는 도로, 도보 등과 연관된 것으로 가정할 수 있다. 이 경우, 해당 포인트에 RCS 정보로서 -40이 할당될 수 있다. 또 다른 예로서, 제4 세트의 포인트에서 앙각 정보가 0도 이상인 경우, 해당 포인트는 빌딩, 정지 상태의 장애물(예를 들어, 가로등, 나무 등) 등과 연관된 것으로 가정할 수 있다. 이 경우, 해당 포인트에 RCS 정보로서 -10이 할당될 수 있다.
그 후, 프로세서는 RCS 정보가 생성된 제3 세트의 포인트 또는 제4 세트의 포인트 각각의 상대 속도 정보를 산출할 수 있다. 동적 객체와 연관된 것으로 판정된 제3 세트의 포인트 각각의 상대 속도 정보 산출 방식은 도 7을 참고하여 서술한다. 정적 객체와 연관된 것으로 판정된 제4 세트의 포인트 각각의 상대 속도 정보 산출 방식은 도 8을 참고하여 서술한다.
도 3을 참고하면, 포인트가 3차원 바운딩 박스에 포함되었는지 판정하는 단계(S370)는 복수의 빈에 대해 드롭핑이 수행된 이후에 이루어지는 것으로 도시되어 있으나 이에 한정되지 않는다. 예를 들어, 포인트가 3차원 바운딩 박스에 포함되었는지 판정하는 단계(S370)는 복수의 빈에 대해 필터링이 수행되는 단계(S350) 이전에 수행될 수 있다. 즉, 복수의 빈에 매핑된 포인트에 대해 3차원 바운딩 박스에 포함되는지 판정하여 RCS 정보를 생성한 이후, 복수의 빈에 대해 필터링 및/또는 드롭핑이 수행될 수 있다. 다른 예를 들어, 포인트가 3차원 바운딩 박스에 포함되었는지 판정하는 단계(S370)는 레이더 센서의 FOV에 해당하는 영역을 복수의 빈으로 분할하는 단계(S330) 이전에 수행될 수 있다.
생성된 합성 레이더 데이터는 복수의 포인트를 포함하고, 각 포인트를 위치 정보, 거리 정보, 상대 속도 정보 또는 RCS 정보 중 하나를 포함할 수 있다. 상술한 구성에 의해, 각 포인트의 위치 정보, 거리 정보, 상대 속도 정보(도 7 및 도 8을 참고하여 설명됨) 및 RCS 정보를 산출/생성할 수 있다. 합성 레이더 데이터에 포함된 포인트의 정보는 실제 레이더 센서에 의해 생성되는 포인트의 정보와 동일한 요소를 포함할 수 있다. 이와 같이, 합성 레이더 데이터는 레이더 센서가 생성할 수 있는 데이터 요소를 포함함으로써, 레이더 센서에 의해 생성된 데이터를 모사할 수 있다.
도 4는 본 개시의 일 실시예에 따른 포인트 클라우드 데이터의 일 예시를 나타낸 도면이다. 제1 예시(410)는 가상현실 내에 배치된 카메라가 촬영한 카메라 이미지일 수 있다. 여기서, 가상현실은 3차원 모델을 이용하여 렌더링될 수 있다. 또한, 카메라는 가상현실 내부에 배치된 가상의 카메라일 수 있다. 제2 예시(420)는 가상현실 내에 배치된 카메라와 동일한 위치에서 라이다 센서가 생성한 포인트 클라우드 데이터를 시각화한 이미지일 수 있다. 제2 예시(420)에 표시된 흰 선은 라이다 센서를 기준으로 동일한 거리의 영역을 나타낼 수 있다.
일 실시예에서, 3차원 바운딩 박스(422)는 가상현실 내 객체의 3D 모델을 기초로 생성될 수 있다. 예를 들어, 3차원 바운딩 박스(422)는 객체의 3D 모델의 너비 정보, 높이 정보, 깊이 정보, 클래스 정보 등을 기초로 생성될 수 있다. 다른 실시예에서, 3차원 바운딩 박스(422)는 포인트 클라우드 데이터에 대해 객체 인식을 수행하여 생성될 수 있다. 3차원 바운딩 박스 정보는 3차원 바운딩 박스에 대한 위치 정보, 배향 정보, 클래스 정보, 너비 정보, 높이 정보, 깊이 정보 또는 상대 속도 정보 중 적어도 하나를 포함할 수 있다.
또 다른 실시예에서, 3차원 바운딩 박스는 포인트 클라우드 데이터와 연관된 이미지에 기초하여 생성될 수 있다. 예를 들어, 포인트 클라우드 데이터가 생성된 복수의 시점(point in time)에 카메라를 이용하여 복수의 이미지를 생성할 수 있다. 이 때, 복수의 이미지에 대해 객체 인식을 수행하여 3차원 바운딩 박스를 생성할 수 있다. 생성된 3차원 바운딩 박스는 라이다 센서와 연관된 정보와 이미지 센서와 연관된 정보에 기초하여 각각의 시점에 대응시켜 포인트 클라우드 데이터에 투영될 수 있다. 이러한 3차원 바운딩 박스는 제2 예시(420)에서 3차원 바운딩 박스(422)로서 표시될 수 있다.
일 실시예에서, 3차원 바운딩 박스는 동적 객체에 대해서만 생성될 수 있다. 대안적으로, 정적 객체에 대해서도 3차원 바운딩 박스가 생성될 수 있다. 이 경우, 정적 객체의 클래스 정보는 정적 객체의 대상과 무관하게 동일할 수 있다. 예를 들어, 정적 객체가 도로인 경우와 정적 객체가 빌딩인 경우의 클래스 정보는 '관심 없음'과 연관된 정보에 대응됨으로써 동일할 수 있다.
도 4를 참고하면, 제1 예시(410)는 3차원 바운딩 박스가 가상 현실에 삽입되어, 삽입된 3차원 바운딩 박스(412)가 표시될 수 있다. 제2 예시(420)는 포인트 클라우드 데이터에 기초하여 생성된 3차원 바운딩 박스(422)가 표시될 수 있다. 도 4에서는 3차원 바운딩 박스가 동적 객체(예를 들어, 자전거 타는 사람, 차량)에 대해서 3차원 바운딩 박스가 표시되어 있으나 이에 한정 되지 않는다. 예를 들어, 정적 객체(예를 들어, 빌딩, 나무, 가로등 등)에 대해서 3차원 바운딩 박스가 표시될 수 있다.
제1 예시(410) 및 제2 예시(420)는 3차원 바운딩 박스와 포인트 클라우드 데이터를 시각화한 이미지일 뿐, 이러한 3차원 바운딩 박스 및 포인트 클라우드 데이터에 한정되어 합성 레이더 데이터가 생성되지 않을 수 있다. 예를 들어, 프로세서는 시각화 되지 않은 3차원 바운딩 박스 및 포인트 클라우드 데이터에 기초하여 합성 레이더 데이터를 생성할 수 있다.
도 5는 본 개시의 일 실시예에 따른 복수의 빈에 대한 매핑, 필터링 및 드롭핑 과정의 일 예시를 나타낸 도면이다. 제1 예시(510)는 복수의 빈에 매핑된 제1 세트의 포인트를 나타낼 수 있다. 제2 예시(520)는 필터링된 제2 세트의 포인트를 나타낼 수 있다. 제3 예시(530)는 드롭핑된 제3 세트의 포인트를 나타낼 수 있다. 제1 예시(510), 제2 예시(520) 및 제3 예시(530)에서 X축은 방위각, Y축은 거리를 나타낼 수 있다.
제1 예시(510)에서 제1 세트의 포인트는 포인트 클라우드 데이터에 포함된 포인트일 수 있다. 예를 들어, 제1 세트의 포인트는 도 3을 참고하여 설명한 구면 좌표계로 변환된 제1 세트의 포인트일 수 있다. 다른 예로서, 제1 세트의 포인트는 도 3을 참고하여 설명한, FOV 내에 있는 것으로 식별된 제2 세트의 포인트일 수 있다. 또 다른 예로서, 제1 세트의 포인트는 도 3을 참고하여 설명한, 3차원 바운딩 박스에 포함되었는지 여부가 판정된 제1 세트의 포인트 또는 제2 세트의 포인트일 수 있다.
도 5를 참고하면, 제1 예시(510)에 방사형 영역이 표시될 수 있다. 해당 영역은 레이더 센서의 FOV에 해당하는 영역으로, 레이더 센서의 위치 정보, FOV 정보 및 탐지 가능 거리에 의해 결정될 수 있다. 또한, 제1 예시(510)에서 FOV에 해당하는 영역이 복수의 격자 무늬로 분할된 모습을 확인할 수 있다. 격자 무늬에서 하나의 분할된 영역은 하나의 빈을 나타낼 수 있다. 즉, 제1 예시(510)에서 FOV에 해당하는 영역이 복수의 빈으로 분할된 모습을 확인할 수 있다. 제1 예시(510)와 유사하게, 제2 예시(520) 및 제3 예시(530)도 FOV에 해당하는 영역이 표시될 수 있다.
제2 예시(520)는 필터링된 제2 세트의 포인트를 나타낼 수 있다. 여기서, 제2 세트의 포인트는 제1 예시(510)에 도시된 매핑된 제1 세트의 포인트 중 일부일 수 있다. 도 3을 참고하여 설명한 복수의 빈에 대해 필터링이 수행되는 단계(S350)를 수행함으로써, 제1 세트의 포인트에 대한 필터링이 수행될 수 있다. 제2 예시(520)에서 확인할 수 있는 것과 같이, 필터링을 수행함으로써 제1 세트의 포인트 중 일부가 제거될 수 있다.
제3 예시(530)는 드롭핑된 제3 세트의 포인트를 나타낼 수 있다. 여기서, 제3 세트의 포인트는 제2 예시(520)에 도시된 필터링된 제2 세트의 포인트 중 일부일 수 있다. 도 3을 참고하여 설명한 복수의 빈에 대해 드롭핑이 수행되는 단계(S360)를 수행함으로써, 제2 세트의 포인트에 드롭핑이 수행될 수 있다. 제3 예시(530)에서 확인할 수 있는 것과 같이, 제2 세트의 포인트에 대한 드롭핑을 수행함으로써 제2 세트의 포인트 중 일부가 제거될 수 있다.
도 3을 참고하여 설명한 바와 같이, 복수의 빈에 대해 필터링 및/또는 드롭핑을 수행하는 단계에서 확률을 이용하여 일부 포인트를 제거할 수 있다. 이 경우, 확률을 세밀하게 조절함으로써 합성 레이더 데이터 생성 방법은 레이더 센서에 의해 생성된 데이터와 더욱 유사하게 만들 수 있다. 예를 들어, 사용자의 입력을 수신하여, 통계적인 수치를 이용하여, 인공신경망 모델을 이용하는 등의 방식으로 확률이 세밀하게 조절될 수 있다.
포인트 클라우드 데이터에서 포인트의 밀도가 일반적인 레이더 데이터보다 상대적으로 높을 수 있다. 상술한 구성에 의해 생성된 합성 레이더 데이터는 라이다 센서에 의해 측정된 포인트의 밀도를 낮추어, 레이더 센서에 의해 생성된 데이터를 더욱 유사하게 모사할 수 있다.
도 6은 본 개시의 일 실시예에 따른 복수의 빈에 대한 매핑, 필터링 및 드롭핑 과정의 일 예시를 나타낸 도면이다. 제1 예시(610)는 복수의 빈에 매핑된 제1 세트의 포인트를 나타낼 수 있다. 제2 예시(620)는 필터링된 제2 세트의 포인트를 나타낼 수 있다. 제3 예시(630)는 드롭핑된 제3 세트의 포인트를 나타낼 수 있다. 제1 예시(610), 제2 예시(620) 및 제3 예시(630)에서 X축은 방위각, Y축은 거리를 나타낼 수 있다. 여기서, Y축은 로그 스케일로 표시될 수 있다. 도 6은 도 5의 설명을 기초로 이해될 수 있다. 도 6에서는 도 5와의 차이점을 중심으로 설명한다.
일 실시예에서, 제1 예시(610)에 도시된 제1 세트의 포인트는 도 3을 참고하여 설명한 제3 세트의 포인트 및 제4 세트의 포인트를 포함할 수 있다. 즉 제1 세트의 포인트 각각은 동적 객체 또는 정적 객체와 연관된 것으로 판정된 것일 수 있다. 제5 세트의 포인트(612)는 제3 세트의 포인트 중 일부로서, 특정 3차원 바운딩 박스에 포함된 것으로 판정된 포인트의 집합일 수 있다. 이 경우, 제5 세트의 포인트(612) 각각은 동일한 RCS 값을 가질 수 있다.
복수의 빈에 대해 필터링이 수행됨으로써, 제5 세트의 포인트(612) 중 일부가 제거될 수 있다. 제2 예시(620)를 참고하면, 필터링된 제5 세트의 포인트(622)의 모습을 확인할 수 있다. 필터링된 제5 세트의 포인트(622)가 제5 세트의 포인트(612)보다 밀도가 낮아진 것을 시각적으로 확인할 수 있다.
복수의 빈에 대해 드롭핑이 수행됨으로써, 필터링된 제5 세트의 포인트(622) 중 일부가 제거될 수 있다. 도 6의 제3 예시(630)를 참고하면, 드롭핑된 제5 세트의 포인트(632)의 모습을 확인할 수 있다. 드롭핑된 제5 세트의 포인트(632)가 필터링된 제5 세트의 포인트(622)보다 밀도가 낮아진 것을 시각적으로 확인할 수 있다.
도 7은 본 개시의 일 실시예에 따른 동적 객체(710)와 연관된 포인트의 도플러 속도를 산출하는 과정을 나타내는 도면이다. 구체적으로, 도 7은 레이더 센서(730)가 동적 객체(710)를 특정 시점에 측정하는 모습을 나타낼 수 있다. 도 7은 레이더 센서에 의해 동적 객체를 실제 탐지한 것이 아닌, 가상의 레이더 센서(730)로 탐지하는 상황을 가정한 것일 수 있다. 이 때, 레이더 센서가 장착된 주체(720)는 vego의 속도로 이동하고, 동적 객체(710)는 v-target-의 속도로 이동할 수 있다. 여기서, 레이더 센서가 장착된 주체(720)는 레이더 센서(730)와 함께 라이다 센서(미도시)가 장착될 수 있다. 도 7에서 설명하는 위치 및 속도는 벡터를 의미할 수 있다.
레이더 센서(730)는 동적 객체(710)에 대해 복수의 포인트(712_1 내지 712_n)를 센싱할 수 있다. 레이더 센서(730)에 의해 측정된 제1 포인트(712_1)까지의 거리 및 방향은 r1으로 나타낼 수 있다. 유사하게, 레이더 센서(730)에 의해 측정된 제n 포인트(712_n)까지의 거리 및 방향을 rn으로 나타낼 수 있다.
속도(예를 들어, 도플러 속도(doppler velocity))는 레이더 센서(730)에서 포인트를 향한 방사 방향에 관한 상대 속도를 의미할 수 있다. 예를 들어, 제1 포인트(712_1)의 경우, 도플러 속도는 레이더 센서(730)에서 제1 포인트(712_1)를 향한 방사 방향인 r1과 연관된 방향에 관한 상대 속도를 의미할 수 있다. 또한, 제n 포인트(712_n)의 경우, 도플러 속도는 레이더 센서(730)에서 제n 포인트(712_n)를 향한 방사 방향인 rn과 연관된 방향에 관한 상대 속도를 의미할 수 있다.
도플러 속도를 산출하기 위해 두 가지 가정이 이루어질 수 있다. 첫번째, 동적 객체(710)는 평면 운동을 할 것을 전제로 할 수 있다. 예를 들어, 레이더 센서(730)의 데이터에서 앙각이 0도인 경우에 대한 동적 객체(710)의 운동만이 고려될 수 있다. 두번째, 동적 객체(710)의 이동에서 차량 등과 같은 동적 객체(710)의 회전 각속도가 느린 경우(예를 들어, 동적 객체(710)의 회전 각속도가 미리 결정된 회전 각속도보다 작은 경우), 동적 객체(710)의 피반사/피산란 지점들 각각의 속도는 동일할 것을 전제로 할 수 있다. 예를 들어, 제1 포인트(712_1)의 속도 및 제n 포인트(712_n)의 속도는 레이더의 좌표계에서 관측된 동적 객체 기준점의 속도와 동일할 수 있다. 다른 예로서, 레이더 센서가 장착된 주체(720)의 속도는 레이더 센서(730)의 속도 및 라이더 센서의 속도와 동일할 수 있다. 여기서, 속도가 동일하다는 것은 동일한 좌표계(예를 들어, 레이더의 좌표계, 라이다의 좌표계)에서 절대 속도가 동일하다는 것을 의미할 수 있다.
제n 포인트(712_n)의 도플러 속도는 아래의 수학식 1과 같이 정의할 수 있다. 도 7에서, 동적 객체(710)가 레이더 센서(730)로부터 멀어지는 것으로 도시되어 있으나, 아래의 수학식 1은 동적 객체(710)가 레이더 센서(730)로 다가오는 경우를 기준으로 정의될 수 있다.
레이더의 좌표계에서 제n 포인트의 상대 속도는 vn radar이고, 레이더의 좌표계에서 제n 포인트의 위치는 rn radar일 수 있다. 또한, vtarget radar는 레이더의 좌표계에서 동적 객체의 속도, vradar radar는 레이더의 좌표계에서 레이더 센서(730)의 속도, vego radar는 레이더의 좌표계에서 레이더 센서가 장착된 주체(720)의 속도를 지칭할 수 있다. 상술한 두번째 가정에 의해, vradar radar = vego radar을 만족하므로, 레이더의 좌표계에서 제n 포인트의 상대 속도는 vn radar = vtarget radar - vradar radar = vtarget radar - vego radar (식 1)와 같이 산출될 수 있다.
Rlidar radar는 라이다 좌표계를 레이더 좌표계로 회전 변환하는 회전 매트릭스이고, tradar lidar는 라이다 좌표계를 레이더 좌표계로 평행 이동시키는 이동 벡터라고 하면, 라이다 좌표계에서 레이더 좌표계로 속도를 변환시키는 식은 vtarget radar - vego radar = Rlidar radar(vtarget lidar - vego lidar)(식 2)를 만족할 수 있다. 또한, 라이다 좌표계에서 레이더 좌표계로 위치를 변환시키는 식은 rn radar = Rlidar radar(rn lidar - tradar lidar)(식 3)을 만족할 수 있다. 이 때, 라이다 좌표계에서 서술된 3차원 바운딩 박스의 상대 속도를 vbox lidar라고 하면, vbox lidar = vtarget lidar - vlidar lidar = vtarget lidar - vego lidar(식 4)와 같이 산출될 수 있다. 식 1, 식 2 및 식 4를 이용하면, vn radar = Rlidar radar(vtarget lidar - vego lidar) (식 5)를 만족할 수 있다
수학식 1에 식 3 및 식 5를 대입하면, 아래의 수학식 2가 산출될 수 있다.
이와 같이, 프로세서는 수학식 2를 이용하여 동적 객체와 연관된 각 포인트의 도플러 속도를 산출할 수 있다. 정적 객체와 연관된 각 포인트의 도플러 속도를 산출하는 과정은 도 8을 참고하여 설명한다.
도 8은 본 개시의 일 실시예에 따른 정적 객체와 연관된 도플러 속도를 산출하는 과정을 나타내는 도면이다. 구체적으로, 도 8은 레이더 센서(830)가 정적 객체를 특정 시점에 측정하는 모습을 나타낼 수 있다. 도 8은 레이더 센서에 의해 정적 객체를 실제 탐지한 것이 아닌, 가상의 레이더 센서(830)로 탐지하는 상황을 가정한 것일 수 있다. 이 때, 레이더 센서가 장착된 주체(820)는 vego의 속도로 이동할 수 있다. 여기서, 레이더 센서가 장착된 주체(820)는 레이더 센서(730)와 함께 라이다 센서(미도시)가 장착될 수 있다. 도 8에서 설명하는 위치 및 속도는 벡터를 의미할 수 있다.
레이더 센서(830)는 정적 객체에 대해 복수의 포인트(810_1 내지 810_n)를 센싱할 수 있다. 레이더 센서(830)에 의해 측정된 제1 포인트(810_1)의 거리 및 방향은 r1으로 나타낼 수 있다. 유사하게, 레이더 센서(830)에 의해 측정된 제n 포인트(810_n)의 거리 및 방향은 rn으로 나타낼 수 있다.
도 8을 참고하면, 레이더 센서(830)에 의해 측정된 복수의 포인트(810_1 내지 810_n)는 별개의 정적 객체와 연관된 것으로 도시되어 있으나, 이에 한정되지 않는다. 예를 들어, 복수의 포인트(810_1 내지 810_n) 중 적어도 일부는 하나의 정적 객체와 연관된 별개의 지점에 대해 레이더 센서(830)에 의해 측정된 포인트일 수 있다.
속도 (예를 들어, 도플러 속도)는 레이더 센서(830)에서 포인트를 향한 방사 방향에 관한 상대 속도를 의미할 수 있다. 예를 들어, 제1 포인트(810_1)의 경우, 도플러 속도는 레이더 센서(830)에서 제1 포인트(810_1)를 향한 방사 방향인 r1과 연관된 방향에 관한 상대 속도를 의미할 수 있다. 또한, 제n 포인트(810_n)에 대한 도플러 속도는 수학식 2와 동일하게 산출할 수 있다. 도플러 속도를 산출하기 위해 도 7에서 상술한 두 가지 가정이 전제될 수 있다. 즉, 지면에 대한 좌표계에서 정적 객체의 속도는 0이고, 도 7에서 설명한 두번째 가정에 의해 vlidar lidar = vego lidar을 만족할 수 있다. 라이다 좌표계에서 상술된 3차원 바운딩 박스의 상대 속도를 vbox lidar 라고 한다면, 도 7에서 상술한 식 4와 같이 vbox lidar를 산출할 수 있다. 이 때, 정적 객체에 대해서도 3차원 바운딩 박스가 생성될 수 있음을 전제로 할 수 있다.
Rground lidar는 지면 좌표계를 라이다 좌표계로 회전 변환하는 회전 매트릭스이고, vbox ground는 지면 좌표계에서 3차원 바운딩 박스의 속도로서 0일 수 있다. 또한, vlidar ground -는 지면 좌표계에서 라이다 센서의 속도이고, Rego lidar는 레이더 센서가 장착된 주체(820)의 좌표계에서 라이다 좌표계로 회전 변환하는 회전 매트릭스일 수 있다. 또한, Rground ego는 지면 좌표계를 라이다 좌표계로 회전 변환하는 회전 매트릭스일 수 있다. 이 때, 도 7에서 상술한 식 4를 정리하면, vbox lidar = vtarget lidar - vlidar lidar = Rgrond lidar(vbox ground - vlidar ground -) = - Rgrond lidarvego ground = - Rego lidarRground ego vego ground(식 6)과 같이 정리할 수 있다. 식 6을 위 수학식 2에 대입하면, 아래의 수학식 3과 같이 정리할 수 있다.
이와 같이, 프로세서는 수학식 3를 이용하여 정적 객체와 연관된 각 포인트의 도플러 속도를 산출할 수 있다.
정리하면, 프로세서는 수학식 2를 이용하여 동적 객체와 연관된 각 포인트의 도플러 속도를 산출하고, 수학식 3을 이용하여 정적 객체와 연관된 각 포인트의 도플러 속도를 산출할 수 있다. 따라서, 프로세서는 포인트 클라우드 데이터(예를 들어, 각 포인트의 위치 정보, 상대 속도 정보 등), 라이다 센서와 연관된 정보(예를 들어, 라이더 센서와 연관된 제1 외부 파라미터 등), 레이더 센서와 연관된 정보(예를 들어, 레이더 센서와 연관된 제2 외부 파라미터 등) 및/또는 3차원 바운딩 박스 정보(예를 들어, 3차원 바운딩 박스의 상대 속도 정보) 중 적어도 하나를 기초로 각 포인트의 도플러 속도를 산출할 수 있다. 프로세서는 각 포인트의 도플러 속도를 기초로 합성 레이더 데이터에 포함된 포인트의 상대 속도 정보를 생성할 수 있다.
도 9는 본 개시의 일 실시예에 따른 합성 레이더 데이터 생성 방법(900)의 예시를 나타내는 흐름도이다. 일 실시예에 따르면, 합성 레이더 데이터 생성 방법(900)은 도 1의 합성 레이더 데이터 생성 시스템(140)의 적어도 하나의 프로세서에 의해 수행될 수 있다. 합성 레이더 데이터 생성 방법(900)은 프로세서가 라이다 센서에 의해 생성된 포인트 클라우드 데이터를 수신함으로써 개시될 수 있다(S910).
일 실시예에서, 프로세서는 포인트 클라우드 데이터와 연관된 3차원 바운딩 박스 정보를 수신할 수 있다(S920). 예를 들어, 3차원 바운딩 박스 정보는 위치 정보, 배향 정보, 클래스 정보, 너비 정보, 높이 정보, 깊이 정보 또는 상대 속도 정보 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 프로세서는 포인트 클라우드 데이터 및 3차원 바운딩 박스 정보에 기초하여, 포인트 클라우드 데이터와 대응하는 합성 레이더 데이터를 생성할 수 있다(S930). 여기서, 합성 레이더 데이터는 레이더 센서에 의해 생성된 데이터를 모사할 수 있다. 또한, 포인트 클라우드 데이터는 제1 세트의 포인트를 포함할 수 있다. 예를 들어, 합성 레이더 데이터는 복수의 포인트를 포함하고, 각 포인트는 위치 정보, 거리 정보, 상대 속도 정보 또는 RCS 정보 중 적어도 하나를 포함할 수 있다.
구체적으로, 프로세서는 라이다 센서와 연관된 제1 외부 파라미터를 수신할 수 있다. 또한, 프로세서는 레이더 센서와 연관된 제2 외부 파라미터를 수신할 수 있다. 그 후, 제1 외부 파라미터 및 제2 외부 파라미터에 기초하여, 제1 세트의 포인트 중 레이더 센서의 FOV(Field Of View) 내의 제2 세트의 포인트를 식별할 수 있다. 여기서, 프로세서는 제1 외부 파라미터 및 제2 외부 파라미터에 기초하여, 제1 세트의 포인트를 구면 좌표계로 변환할 수 있다. 이 때, 제2 세트의 포인트의 위치 정보가 구면 좌표계로 표현될 수 있다.
구체적으로, 프로세서는 레이더 센서의 FOV 정보를 수신할 수 있다. 그 후, 프로세서는 레이더 센서의 FOV에 해당하는 영역을 복수의 빈으로 분할할 수 있다. 또한, 프로세서는 제1 세트의 포인트를 복수의 빈에 매핑할 수 있다. 프로세서는 복수의 빈 중 2개 이상의 포인트를 포함하는 빈들에 대해 빈 내에 하나의 포인트만 남기고 나머지 포인트를 제거할 수 있다.
추가적으로 또는 대안적으로, 프로세서는 제1 세트의 포인트를 복수의 빈에 매핑할 수 있다. 또한, 프로세서는 복수의 빈 중 하나의 포인트를 포함하는 빈들 중 일부에 대한 포인트를 제거할 수 있다.
일 실시예에서, 프로세서는 제2 세트의 포인트 중 3차원 바운딩 박스에 포함된 제3 세트의 포인트를 동적 객체와 연관된 것으로 판정할 수 있다. 또한, 프로세서는 제2 세트의 포인트 중 3차원 바운딩 박스에 포함되지 않은 제4 세트의 포인트를 정적 객체와 연관된 것으로 판정할 수 있다. 여기서, 제4 세트의 포인트 각각은 거리, 앙각 및 방위각 정보를 포함할 수 있다.
일 실시예에서, 프로세서는 3차원 바운딩 박스 정보에 기초하여, 제3 세트의 포인트와 연관된 RCS 정보를 생성할 수 있다. 또한, 프로세서는 앙각 정보에 기초하여, 제4 세트의 포인트 각각에 대한 RCS 정보를 생성할 수 있다.
일 실시예에서, 프로세서는 3차원 바운딩 박스 정보, 제1 외부 파라미터 및 제2 외부 파라미터에 기초하여, 제3 세트의 포인트의 상대 속도 정보를 산출할 수 있다. 또한, 프로세서는 제4 세트의 포인트 각각의 위치 정보, 제1 외부 파라미터 및 제2 외부 파라미터에 기초하여, 제4 세트의 포인트 각각의 상대 속도 정보를 산출할 수 있다.
상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록 수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.
본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는 지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안 된다.
하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.
따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.
펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.
소프트웨어로 구현되는 경우, 상술된 기법들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 칭해진다.
예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본원에서 사용된 디스크(disk) 와 디스크(disc)는, CD, 레이저 디스크, 광 디스크, DVD(digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들(disks)은 보통 자기적으로 데이터를 재생하고, 반면 디스크들(discs) 은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.
소프트웨어 모듈은, RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시적인 저장 매체는, 프로세가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 연결될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 구성요소들로서 존재할 수도 있다.
이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.
본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.
110: 포인트 클라우드 데이터
120: 라이다 센서와 연관된 정보
130: 레이더 센서와 연관된 정보
140: 합성 레이더 데이터 생성 시스템
150: 합성 레이더 데이터

Claims (12)

  1. 적어도 하나의 프로세서에 의해 수행되는, 합성 레이더(RADAR: RAdio Detection And Ranging) 데이터 생성 방법,
    라이다(LiDAR: Light Detection And Ranging) 센서에 의해 생성된 포인트 클라우드 데이터를 수신하는 단계 - 상기 포인트 클라우드 데이터는 제1 세트의 포인트를 포함함 -;
    상기 포인트 클라우드 데이터와 연관된 3차원 바운딩 박스 정보를 수신하는 단계; 및
    상기 포인트 클라우드 데이터 및 상기 3차원 바운딩 박스 정보에 기초하여, 상기 포인트 클라우드 데이터와 대응하는 합성 레이더 데이터를 생성하는 단계
    를 포함하고,
    상기 합성 레이더 데이터는 레이더 센서에 의해 생성된 데이터를 모사하고,
    상기 합성 레이더 데이터를 생성하는 단계는,
    상기 레이더 센서의 FOV(Field of View) 정보를 수신하는 단계;
    상기 레이더 센서의 FOV에 해당하는 영역을 복수의 빈으로 분할하는 단계; 및
    상기 복수의 빈을 이용하여, 상기 제1 세트의 포인트 중 적어도 일부를 제거하는 단계
    를 포함하는, 합성 레이더 데이터 생성 방법.
  2. 제1항에 있어서,
    상기 3차원 바운딩 박스 정보는 위치 정보, 배향 정보, 클래스 정보, 너비 정보, 높이 정보, 깊이 정보 또는 상대 속도 정보 중 적어도 하나를 포함하는, 합성 레이더 데이터 생성 방법.
  3. 제1항에 있어서,
    상기 합성 레이더 데이터를 생성하는 단계는,
    상기 라이다 센서와 연관된 제1 외부 파라미터(extrinsic parameter)를 수신하는 단계;
    상기 레이더 센서와 연관된 제2 외부 파라미터를 수신하는 단계; 및
    상기 제1 외부 파라미터 및 상기 제2 외부 파라미터에 기초하여, 상기 제1 세트의 포인트 중 상기 레이더 센서의 FOV(Field Of View) 내의 제2 세트의 포인트를 식별하는 단계
    를 더 포함하는, 합성 레이더 데이터 생성 방법.
  4. 제3항에 있어서,
    상기 제2 세트의 포인트를 식별하는 단계는,
    상기 제1 외부 파라미터 및 상기 제2 외부 파라미터에 기초하여, 상기 제1 세트의 포인트를 구면 좌표계(spherical coordinate system)로 변환하는 단계
    를 포함하고,
    상기 제2 세트의 포인트의 위치 정보가 구면 좌표계로 표현되는, 합성 레이더 데이터 생성 방법.
  5. 제3항에 있어서,
    상기 합성 레이더 데이터를 생성하는 단계는,
    상기 제2 세트의 포인트 중 상기 3차원 바운딩 박스에 포함된 제3 세트의 포인트를 동적 객체와 연관된 것으로 판정하는 단계; 및
    상기 제2 세트의 포인트 중 상기 3차원 바운딩 박스에 포함되지 않은 제4 세트의 포인트를 정적 객체와 연관된 것으로 판정하는 단계
    를 더 포함하는, 합성 레이더 데이터 생성 방법.
  6. 제5항에 있어서,
    상기 제4 세트의 포인트 각각은 거리 정보, 앙각 정보 및 방위각 정보를 포함하고,
    상기 합성 레이더 데이터를 생성하는 단계는,
    상기 3차원 바운딩 박스 정보에 기초하여, 상기 제3 세트의 포인트와 연관된 RCS(Radar Cross Section) 정보를 생성하는 단계; 및
    상기 앙각 정보에 기초하여, 상기 제4 세트의 포인트 각각에 대한 RCS 정보를 생성하는 단계
    를 더 포함하는, 합성 레이더 데이터 생성 방법.
  7. 제5항에 있어서,
    상기 합성 레이더 데이터를 생성하는 단계는,
    상기 3차원 바운딩 박스 정보, 상기 제1 외부 파라미터 및 상기 제2 외부 파라미터에 기초하여, 상기 제3 세트의 포인트의 상대 속도 정보를 산출하는 단계; 및
    상기 제4 세트의 포인트 각각의 위치 정보, 상기 제1 외부 파라미터 및 상기 제2 외부 파라미터에 기초하여, 상기 제4 세트의 포인트 각각의 상대 속도 정보를 산출하는 단계
    를 더 포함하는, 합성 레이더 데이터 생성 방법.
  8. 제1항에 있어서,
    상기 제1 세트의 포인트 중 적어도 일부를 제거하는 단계는,
    상기 제1 세트의 포인트를 상기 복수의 빈에 매핑하는 단계; 및
    상기 복수의 빈 중 2개 이상의 포인트를 포함하는 빈들에 대해 빈 내에 하나의 포인트만 남기고 나머지 포인트를 제거하는 단계
    를 포함하는, 합성 레이더 데이터 생성 방법.
  9. 제1항에 있어서,
    상기 제1 세트의 포인트 중 적어도 일부를 제거하는 단계는,
    상기 제1 세트의 포인트를 상기 복수의 빈에 매핑하는 단계; 및
    상기 복수의 빈 중 하나의 포인트를 포함하는 빈들 중 일부에 대한 포인트를 제거하는 단계
    를 포함하는, 합성 레이더 데이터 생성 방법.
  10. 제1항에 있어서,
    상기 합성 레이더 데이터는 복수의 포인트를 포함하고,
    각 포인트는 위치 정보, 거리 정보, 상대 속도 정보 또는 RCS 정보 중 적어도 하나를 포함하는, 합성 레이더 데이터 생성 방법.
  11. 제1항 내지 제10항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
  12. 정보 처리 시스템으로서,
    통신 모듈;
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로그램은,
    라이다 센서에 의해 생성된 포인트 클라우드 데이터를 수신하고,
    상기 포인트 클라우드 데이터와 연관된 3차원 바운딩 박스 정보를 수신하고 - 상기 포인트 클라우드 데이터는 제1 세트의 포인트를 포함함 -,
    상기 포인트 클라우드 데이터 및 상기 3차원 바운딩 박스 정보에 기초하여, 상기 포인트 클라우드 데이터와 대응하는 합성 레이더 데이터를 생성하기 위한 명령어들을 포함하고,
    상기 합성 레이더 데이터는 레이더 센서에 의해 생성된 데이터를 모사하고,
    상기 합성 레이더 데이터를 생성하는 것은,
    상기 레이더 센서의 FOV(Field of View) 정보를 수신하고,
    상기 레이더 센서의 FOV에 해당하는 영역을 복수의 빈으로 분할하고,
    상기 복수의 빈을 이용하여, 상기 제1 세트의 포인트 중 적어도 일부를 제거하는 것을 포함하는, 정보 처리 시스템.
KR1020240014197A 2024-01-30 2024-01-30 합성 레이더 데이터 생성 방법 및 시스템 KR102665806B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020240014197A KR102665806B1 (ko) 2024-01-30 2024-01-30 합성 레이더 데이터 생성 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020240014197A KR102665806B1 (ko) 2024-01-30 2024-01-30 합성 레이더 데이터 생성 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102665806B1 true KR102665806B1 (ko) 2024-05-13

Family

ID=91073364

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020240014197A KR102665806B1 (ko) 2024-01-30 2024-01-30 합성 레이더 데이터 생성 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102665806B1 (ko)

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Audi Autonomous Driving Dataset(A2D2), [online], 2020년, [2024년 3월 13일 검색], 인터넷, https://www.a2d2.audi/a2d2/en/dataset.html* *
Leichen Wang 外 2인. L2R GAN: LiDAR-to-Radar Translation. Asian Conference on Computer Vision(ACCV) 2020, 2020년 11월 30일 - 12월 4일* *

Similar Documents

Publication Publication Date Title
US11982747B2 (en) Systems and methods for generating synthetic sensor data
US11763474B2 (en) Method for generating simulated point cloud data, device, and storage medium
US12020476B2 (en) Data synthesis for autonomous control systems
US11455565B2 (en) Augmenting real sensor recordings with simulated sensor data
US11487988B2 (en) Augmenting real sensor recordings with simulated sensor data
CN111932943B (zh) 动态目标的检测方法、装置、存储介质及路基监测设备
Muckenhuber et al. Object-based sensor model for virtual testing of ADAS/AD functions
KR20210022016A (ko) 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템
KR101590253B1 (ko) 이미징 소나의 이미지 예측 시뮬레이션 방법 및 이를 이용한 장치
CN105793730A (zh) 对象运动的基于激光雷达的分类
JP7322121B2 (ja) 道路情報変化領域補完方法及びシステム
US11846727B2 (en) System and method for emulating echo signals for a LiDAR sensor
WO2020133230A1 (zh) 雷达仿真方法、装置及***
CN117269940B (zh) 点云数据生成方法、激光雷达的感知能力验证方法
KR102665806B1 (ko) 합성 레이더 데이터 생성 방법 및 시스템
CN117893412B (zh) 一种点云数据滤除方法、装置、设备及存储介质
Marchand et al. Evaluating Surface Mesh Reconstruction of Open Scenes
KR102686489B1 (ko) 가상 시뮬레이션 환경 기반의 인공지능 모델 학습 데이터 수집 방법 및 시스템
CN116719054B (zh) 虚拟激光雷达点云的生成方法、计算机设备及存储介质
US20230278589A1 (en) Autonomous driving sensor simulation
US20240087094A1 (en) Systems And Methods For Combining Multiple Depth Maps
KR20240080109A (ko) 가상 시뮬레이션 환경 기반의 인공지능 모델 학습 데이터 수집 방법 및 시스템
CN117034579A (zh) 点云数据生成方法、装置、设备及存储介质
CN117854068A (zh) 点云标注方法及装置、电子设备和存储介质
CN116011101A (zh) 仿真方法、装置、电子设备以及存储介质

Legal Events

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