KR20150093948A - Db를 이용한 장애물 인식 장치 및 그 방법 - Google Patents
Db를 이용한 장애물 인식 장치 및 그 방법 Download PDFInfo
- Publication number
- KR20150093948A KR20150093948A KR1020140014599A KR20140014599A KR20150093948A KR 20150093948 A KR20150093948 A KR 20150093948A KR 1020140014599 A KR1020140014599 A KR 1020140014599A KR 20140014599 A KR20140014599 A KR 20140014599A KR 20150093948 A KR20150093948 A KR 20150093948A
- Authority
- KR
- South Korea
- Prior art keywords
- obstacle
- data
- database
- laser scanner
- candidate region
- Prior art date
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
- 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
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
DB를 이용한 장애물 인식 장치 및 방법이 개시된다. 장애물 인식 장치는, 다수의 장애물의 정보를 저장하는 장애물 데이터베이스, 레이저 스캐너를 통해 인식되는 전방의 물체 정보인 장애물 추정 데이터를 입력 받는 장애물 추정 데이터 입력부, 상기 장애물 추정 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출하는 데이터 가공부 및 상기 장애물 데이터베이스에 기 저장된 장애물 데이터와 상기 후보영역 추출 데이터를 비교하여 장애물을 인식하는 장애물 인식부를 포함할 수 있다.
Description
본 발명은 장애물 인식 장치 및 그 방법에 관한 것으로 특히, 레이저 스캐너를 통해 인식되는 정보를 기 저장된 DB의 데이터와 비교하여 장애물을 인식하는 장치 및 방법에 관한 것이다.
주변의 장애물을 자동 인식하는 장애물 인식 기술은 무인자율주행자동차 등 다양한 분야에서 사용될 수 있다. 장애물 인식을 위해 최근에는 레이저 스캐너(Laser Scanner)를 이용한 장애물 인식 기술이 사용되고 있다.
레이저 스캐너는 전방으로 적외선이나 레이저를 방사하여 물체에 반사되어 돌아오는 시간을 계산하여 물체와의 거리를 파악하는 LiDAR의 한 종류이다. LiDAR는 레이저를 목표물에 비춤으로써 사물까지의 거리, 방향, 속도, 온도, 물질 분포 및 농도 특성 등을 감지할 수 있는 장비이다. 높은 에너지 밀도와 짧은 주기를 가지는 펄스 신호를 생성할 수 있는 레이저의 장점을 활용한 장비로, 정밀한 대기 중의 물성 관측 및 거리 측정 등에 활용되고 있다. 그 중, LRF는 대기 중의 물성에 대한 측정 및 정보 제공보다는 단순히 거리에 대한 정보만 획득할 수 있는 장비이며, 물체로부터 반사되는 레이저빔의 수신 시간을 측정하여 거리를 측정하는 TOF 방식을 사용하여 거리를 측정할 수 있다.
레이저 스캐너를 통한 장애물 인식에는 다음과 같은 여러 가지 장점이 있다. 낮은 가격과 단순한 시스템에 비하여 굉장히 높은 인식률을 가진다는 점, 실내외 어느 환경에서도 사용할 수 있다는 점이 바로 그것이다. 실외 환경에서 사용할 수 있다는 점은 환경에 대한 강인함을 가지고 있다는 점으로 생각해 볼 수 있으며, 이 점이 레이저 스캐너를 사용하는 가장 큰 장점이다. 장애물 인식에 많이 사용되는 대표적 장비인 Vision과 비교하였을 때, Vision은 빛이 없는 어두운 환경에서는 장애물의 유무와 종류 등 어떠한 장애물 데이터도 획득할 수 없는데 반해, 레이저 스캐너는 어두운 환경에서도 장애물 데이터를 아무런 문제없이 획득할 수 있다.
하지만 이러한 장점에 비해 레이저 스캐너를 통한 장애물 인식 기법에도 단점이 존재한다. 바로 장애물의 유무 및 장애물과의 거리에 대한 정보만을 획득할 수 있다는 점이다. 이러한 단점은 전방에 존재하는 장애물의 유무와 그 장애물과의 거리에 대한 정보만을 획득하므로, 획득된 장애물 데이터가 어떠한 종류의 장애물에 대한 데이터인지 대략적인 인식조차 불가능하고, 나아가서는 장애물의 종류에 맞는 정확한 명령 및 제어를 하지 못하는 상황이 발생된다. 즉, 레이저 스캐너를 통한 장애물 인식 기법은 장애물의 유무에 대한 인식은 가능하지만, 인식된 장애물의 종류에 대한 인식은 불가능하다.
레이저 스캐너를 통한 장애물 인식에서의 이러한 문제점에 의해, 장애물 처리 분야에서는 주로 Vision을 통한 장애물 인식 기법 또는 Vision과 레이저 스캐너의 센서 융합을 통한 장애물 인식 기법을 사용한다. 하지만 Vision, Vision과 레이저 스캐너의 센서 융합을 통한 장애물 인식 기법에도 단점이 존재한다. Vision을 통한 장애물 인식 기법은 장애물 종류에 대한 인식이 가능하며, 그 결과를 통한 장애물의 종류에 맞는 정확한 명령 및 제어가 가능하지만, 비교적 많은 처리 절차에 의한 느린 연산시간과 어두운 환경에서 장애물을 인식할 수 없다는 결정적인 문제점 때문에 그 사용의 제한이 되고 있다. 이러한 문제점을 해결하기 위해 Vision과 레이저 스캐너의 센서 융합을 통한 장애물 인식 기법이 사용되고 있지만, 센서 융합을 통한 다수의 장비에 따른 비용 상승과 다수의 장비로부터 획득되는 많은 데이터의 처리에 따른 복잡도 증가, 결정적으로 증가한 복잡도에 따른 긴 연산시간으로부터 발생되는 낮은 실시간성의 이유로 문제점이 제기되고 있다.
즉, 종래에도 자동운전차량 및 평면 장애물인식방법(한국등록특허 10-1240469) 등은 다수 개시되어 있으나, 상기의 문제점을 해결하지는 못하였다.
따라서, 단일 레이저 스캐너를 사용하면서도 장애물 인식을 위해 빠른 연산을 수행할 수 있는 장애물 인식장치에 관한 연구가 요구된다.
본 발명은 레이저 스캐너를 사용하여 장애물 데이터를 수집하고, 기 저장된 DB의 자료와 비교하여 장애물을 인식함으로써, 빠른 연산 시간 및 낮은 복잡도를 제공하는 장애물 인식 장치 및 방법을 제공한다.
본 발명은 입력된 데이터를 기 저장된 DB의 장애물 데이터와 비교하여 가장 오차가 작은 장애물 데이터를 전방의 장애물로 인식함으로써, 장애물의 종류에 대해 인식이 가능한 장애물 인식 장치 및 방법을 제공한다.
본 발명의 일실시예에 따른 장애물 인식 장치는, 다수의 장애물의 정보를 저장하는 장애물 데이터베이스, 레이저 스캐너를 통해 인식되는 전방의 물체 정보인 장애물 추정 데이터를 입력 받는 장애물 추정 데이터 입력부, 상기 장애물 추정 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출하는 데이터 가공부 및 상기 장애물 데이터베이스에 기 저장된 장애물 데이터와 상기 후보영역 추출 데이터를 비교하여 장애물을 인식하는 장애물 인식부를 포함할 수 있다.
본 발명의 일실시예에 따른 장애물 인식 장치는, 레이저 스캐너를 이용하여 크기와 형태가 상이한 동 종류의 장애물 데이터를 다수 입력 받고, 상기 입력 받은 다수의 장애물 데이터의 평균값을 텍스트 형태로 상기 장애물 데이터베이스에 저장하는 데이터 학습부를 더 포함할 수 있다.
본 발명의 일측면에 따르면, 상기 장애물 인식부는, 상기 후보영역 추출 데이터와 기 저장된 다수의 장애물 데이터를 각각 비교한 후, 상기 후보영역 추출 데이터와의 오차가 가장 작은 장애물 데이터에 대응하는 장애물이 전방에 위치하는 것으로 인식할 수 있다.
본 발명의 일실시예에 따른 장애물 인식 방법은, 레이저 스캐너를 통해 인식되는 전방의 물체 정보인 장애물 추정 데이터를 입력 받는 단계, 상기 장애물 추정 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출하는 단계 및 장애물 데이터베이스에 기 저장된 장애물 데이터와 상기 후보영역 추출 데이터를 비교하여 장애물을 인식하는 단계를 포함할 수 있다.
본 발명의 일측면에 따르면, 상기 후보영역 추출 데이터를 추출하는 단계는, 상기 장애물 추정 데이터로부터 ROI(Region Of Interest) 검출을 통해 장애물 식별을 위한 후보영역 추출 데이터를 추출하고, 후보영역 추출 데이터를 제외한 나머지 데이터를 삭제할 수 있다.
본 발명의 일실시예에 따르면, 레이저 스캐너를 사용하여 장애물 데이터를 수집하고, 기 저장된 DB의 자료와 비교하여 장애물을 인식함으로써, 빠른 연산 시간 및 낮은 복잡도를 제공하는 장애물 인식 장치 및 방법이 제공된다.
본 발명의 일실시예에 따르면, 입력된 데이터를 기 저장된 DB의 장애물 데이터와 비교하여 가장 오차가 작은 장애물 데이터를 전방의 장애물로 인식함으로써, 장애물의 종류에 대해 인식이 가능한 장애물 인식 장치 및 방법이 제공된다.
도 1은 본 발명의 실시예에 따른 장애물 인식 장치의 구성을 나타낸 블록도.
도 2는 본 발명의 실시예에 따라 차량에서 장애물 인식 장치가 동작하는 과정을 설명하기 위한 도면.
도 3은 본 발명의 실시예에 따라 장애물 추정 데이터를 장애물 데이터베이스의 데이터와 비교하여 장애물을 인식하는 과정을 설명하기 위한 도면.
도 4는 본 발명의 실시예에 따른 장애물 인식 방법을 나타낸 동작흐름도.
도 2는 본 발명의 실시예에 따라 차량에서 장애물 인식 장치가 동작하는 과정을 설명하기 위한 도면.
도 3은 본 발명의 실시예에 따라 장애물 추정 데이터를 장애물 데이터베이스의 데이터와 비교하여 장애물을 인식하는 과정을 설명하기 위한 도면.
도 4는 본 발명의 실시예에 따른 장애물 인식 방법을 나타낸 동작흐름도.
이하, 첨부된 도면들에 기재된 내용들을 참조하여 본 발명의 실시예들을 상세하게 설명한다. 다만, 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 실시예에 따른 장애물 인식 장치의 구성을 나타낸 블록도이다.
도 1을 참고하면, 장애물 인식 장치(100)는 장애물 데이터베이스(140), 장애물 추정 데이터 입력부(110), 데이터 가공부(120), 및 장애물 인식부(130)를 포함할 수 있다.
장애물 데이터베이스(140)는 다수의 장애물의 정보를 저장할 수 있다. 즉, 다양한 장애물들 각각에 대하여 장애물의 폭, 장애물과의 거리, 장애물과의 각도 등을 각 장애물 별로 저장할 수 있다. 예를 들어, 자동차의 운행 시 전방에 나타날 수 있는 장애물들에 대한 장애물 데이터베이스를 구축하기 위해 외부차량, 보행자, 차단봉, 도로 연석 등을 장애물로 규정하고 각 장애물들에 대한 폭, 거리 정보 등을 DB화 할 수 있다.
한편, 차량에 적용될 수 있는 장애물 인식 장치(100)의 구현예는 도 2를 참고하여 이하에서 설명한다.
도 2는 본 발명의 실시예에 따라 차량에서 장애물 인식 장치가 동작하는 과정을 설명하기 위한 도면이다.
도 2를 참고하면, 장애물 인식 장치는 차량에서 사용될 수 있으며, 무인자율주행 등에 사용될 수 있다.
이를 위한 동작 과정을 살펴보면, 단일 레이저 스캐너(210)를 통해 전방의 장애물을 스캔하고, 스캔된 데이터는 레이저 스캐너와 차량용 PC와의 TCP/IP 통신을 통해 차량으로 전송될 수 있다.
차량으로 전송된 장애물 추정 데이터는 장애물 데이터베이스의 데이터와 비교되어, 그 결과 최종적으로 장애물을 인식할 수 있다.
다시 도 1을 참고하면, 장애물 추정 데이터 입력부(110)는 레이저 스캐너를 통해 인식되는 전방의 물체 정보인 장애물 추정 데이터를 입력 받을 수 있다. 즉, 장애물 추정 데이터 입력부(110)는 전방의 물체에 대한 정보를 레이저 스캐너를 통해 입력 받으며, 장애물 추정 데이터는 상기 레이저 스캐너로부터 입력 받은 원본 데이터를 의미한다.
데이터 가공부(120)는 상기 장애물 추정 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출할 수 있다. 즉, 장애물 추정 데이터는 장애물에 대한 정보 이외에도 불필요한 데이터가 포함되어 있으므로, 장애물 추정 데이터에 포함된 데이터 중 장애물에 대한 정보를 포함할 것으로 생각되는 데이터인 후보영역 추출 데이터를 추출할 수 있다. 이때, 후보영역 추출은 공지된 ROI(Region Of Interest) 검출을 통해 이루어질 수 있고, 후보영역 추출 데이터를 제외한 나머지 데이터는 삭제한 후 장애물 인식부(130)로 전달될 수 있다.
보다 상세하게는, 후보영역 추출 데이터를 추출하는 과정은 레이저 스캐너를 통해 전방에 존재하는 장애물의 데이터를 획득 할 때, 장애물 데이터 중 불필요한 데이터를 삭제하여 필요한 데이터만으로 축소화하는 과정으로서, 데이터 축소화를 통해 데이터 처리량을 감소시켜 빠른 연산시간을 통한 높은 실시간성을 야기하는 과정이다.
레이저 스캐너를 통해 전방에 위치하는 장애물 추정 데이터를 획득하면 스캐너의 인식 각도(Scan Angle)와 각 분해능(Angular Resolution)에 따라 장애물 데이터의 크기 및 양이 결정되고, 결정된 크기 및 양 만큼의 데이터가 획득된다. 인식 각도는 레이저 스캐너가 전방으로 레이저를 방사하는 각도를 의미하며, 넓은 인식 각도일수록 넓은 범위를 인식할 수 있다. 또한, 각 분해능은 인식 각도 범위 안에서 2개의 목표물을 인식하는 경우, 2개의 장애물을 구별할 수 있는 최소한의 각도를 의미하며, 작은 각 분해능일수록 인식 각도 안에서 자세하고 촘촘하게 데이터를 획득할 수 있음을 의미한다. 즉, 인식 각도가 넓을수록, 각 분해능이 작을수록 많은 데이터가 획득될 수 있다.
이처럼 많은 양의 장애물 데이터가 레이저 스캐너를 통해 획득되고, 획득된 데이터에는 넓은 인식각도에 따른 전방의 모든 장애물 및 주위 환경에 대한 데이터가 포함될 수 있으나 본 발명의 일실시예에서는 레이저 스캐너의 인식 각도에 포함되는 모든 장애물 데이터가 아닌 전방에 있는 특정 장애물의 데이터만이 필요하다.
따라서, 레이저 스캐너로부터 획득된 장애물 추정 데이터에는 본 발명에서 인식하고자 하는 특정 장애물에 대한 데이터 이외의 불필요한 데이터가 다수 포함되어 있다. 이와 같이 불필요한 데이터는 단순히 데이터의 크기를 키우고, 처리량을 늘려 연산 속도를 감소시키는 등 최종적으로 빠른 실시간성을 기대하기 어렵게 만드는 원인이 될 수 있다. 이에, 본 발명의 일실시예에서는 레이저 스캐너로부터 획득되는 장애물 추정 데이터 중 필요하지 않은 데이터를 제외한 필요한 데이터만을 확보하는 과정을 필요로 하며, 이 과정이 후보영역 추출 데이터를 추출하는 과정에 해당한다.
장애물 인식부(130)는 상기 장애물 데이터베이스에 기 저장된 장애물 데이터와 상기 후보영역 추출 데이터를 비교하여 장애물을 인식할 수 있다. 예를 들어, 상기 후보영역 추출 데이터에 포함된 장애물의 정보(장애물의 폭, 장애물과의 거리 등)를 장애물 데이터베이스(140)의 기 저장된 장애물의 데이터들(자동차, 보행자, 차단봉, 도로연석 등에 대한 데이터)과 비교하여 가장 오차가 작은 장애물을 전방의 장애물로 인식할 수 있다.
또한, 장애물을 인식하는 과정은, 실시간으로 반복해서 실행되는 과정으로써, 장애물 데이터베이스 제작 과정을 통하여 제작된 장애물 데이터베이스와 레이저 스캐너가 획득하는 전방의 장애물 추정 데이터(보다 정확하게는 장애물 추정 데이터로부터 추출된 후보영역 추출 데이터)를 비교하여, 레이저 스캐너가 획득한 전방의 장애물 종류를 정확히 인식하는 과정이다.
즉, 종래의 장애물 인식 방법은 높은 실시간성과 빠른 데이터 처리 속도를 요구하게 되며, 만약 요구되는 높은 실시간성과 빠른 데이터 처리 속도를 만족하지 못한다면 정확한 장애물 인식에 문제가 발생하였기에, 본 발명에서는 레이저 스캐너를 통해 전방의 장애물 추정 데이터(후보영역 추출 데이터)를 획득하고, 획득한 장애물의 종류를 인식하기 위해 장애물 데이터베이스에 저장된 데이터와 비교기를 통해 비교할 수 있다. 비교기를 통해 장애물 데이터베이스에 저장된 데이터들과의 오차를 계산하고, 계산한 오차의 크기를 비교하여 최종적인 오차를 구한다.
상기 비교기를 통해 비교하는 과정은 도 3을 참조하여 이하에서 보다 상세하게 설명한다.
도 3은 본 발명의 실시예에 따라 장애물 추정 데이터를 장애물 데이터베이스의 데이터와 비교하여 장애물을 인식하는 과정을 설명하기 위한 도면이다.
도 3을 참고하면, 레이저 스캐너로부터 입력되는 장애물 추정 데이터(310)는 장애물 데이터베이스(140)에 저장된 장애물 데이터 A(321) 및 장애물 데이터 B(322)와 각각 비교될 수 있다. 상기에서 설명한 바와 같이, 장애물 추정 데이터(310)로부터 불필요한 데이터가 삭제되어 후보영역 추출 데이터가 추출될 수 있으나, 이 과정에 관한 재설명은 생략하기로 한다.
그 결과 장애물 데이터 A와 장애물 추정 데이터(후보영역 추출 데이터)와의 오차 및 장애물 데이터 B와 장애물 추정 데이터(후보영역 추출 데이터)와의 오차 중 오차의 크기가 작은 것을 선택하여 최종 장애물로 분류하고 인식할 수 있다.
한편, 장애물 데이터베이스(140) 구축을 위해 장애물 인식 장치(100)는 데이터 학습부(미도시)를 더 포함할 수 있다.
데이터 학습부(미도시)는 레이저 스캐너를 이용하여 크기와 형태가 상이한 동 종류의 장애물 데이터를 다수 입력 받고, 상기 입력 받은 다수의 장애물 데이터의 평균값을 텍스트 형태로 상기 장애물 데이터베이스에 저장하여 장애물 데이터베이스(140)를 구축할 수 있다.
즉, 데이터 학습부(미도시)는, 레이저 스캐너를 통해 전방의 장애물 추정 데이터를 획득하고 후보영역 추출 과정을 거쳐 필요한 만큼의 데이터만을 축소화 시킨 후, 획득 된 데이터의 평균화 작업을 수행하여 장애물의 DB를 제작할 수 있다.
보다 상세한 설명은 다음과 같다. 먼저 레이저 스캐너의 각 분해능(Angular Resolution)으로 구분이 가능한 장애물의 종류(ex. 차량, 보행자, 차단봉 등)를 정의하고, 정의된 장애물에 대한 정보(ex. 장애물과의 거리, 장애물의 폭 등)를 레이저 스캐너를 통하여 측정하여 텍스트 파일(text file) 형식으로 저장한다. 이러한 과정을 반복하여 같은 종류의 장애물에 대한 여러 개의 장애물 데이터를 확보하고, 확보된 여러 개의 데이터를 평균화 작업을 통하여 하나의 DB 파일로 생성할 수 있다.
예를 들어, 레이저 스캐너의 각 분해능(Angular Resolution)을 통해 차단봉이 본 발명을 통해 충분히 구분이 가능한 장애물이라고 판단이 되었다면, 우선 차단봉에 대한 여러 개의 장애물 데이터를 획득하여 텍스트 파일 형식으로 저장할 수 있다. 이때, 차단봉의 종류에 따라 그 크기(폭)가 각각 다양하기 때문에 여러 종류의 차단봉에 대한 장애물 데이터를 획득하고 평균화 작업(각 수치의 평균을 구함)을 통하여 일반적인 차단봉의 크기(폭)에 대한 장애물 데이터베이스를 제작할 수 있다. 제작된 장애물 데이터베이스는 앞서 설명한 바와 같이 장애물 추정 데이터 중에서 추출된 후보영역 추출 데이터와 비교하여 장애물을 인식하는데 사용될 수 있다.
본 발명의 일실시예에 따르면, 후보영역 추출을 통한 축소화된 데이터 및 텍스트 파일 형식으로 저장된 장애물 데이터와 같이 저용량의 데이터를 비교하게 되므로, 낮은 복잡도를 기대할 수 있다.
즉, 종래에는 레이저 스캐너를 통하여 장애물을 인식 할 때, 전방의 데이터를 획득하고 획득된 장애물 데이터가 어떠한 종류의 장애물 인지를 실시간으로 계속하여 판단하는 과정을 수행하였으며, 장애물의 종류를 인식하는 종래의 과정은 높은 실시간성과 빠른 데이터 처리 속도를 요구하였다.
하지만 본 발명의 일실시예에서는 레이저 스캐너로부터 인식할 수 있는 장애물의 종류에 대하여 미리 정의하고, 정의된 장애물의 종류별 장애물 DB를 제작하여, 획득된 전방의 장애물 추정 데이터와의 비교 과정을 통하여 장애물을 인식할 수 있어 빠른 연산과 낮은 복잡도를 기대할 수 있다.
도 4는 본 발명의 실시예에 따른 장애물 인식 방법을 나타낸 동작흐름도이다. 본 발명의 실시예에 따른 장애물 인식을 위해서는 상기 도 1 내지 도 3에서 언급된 장애물 인식 장치의 구성이 적용될 수 있으며, 설명이 중복되는 부분은 이하에서는 생략하여 서술하도록 한다.
도 4를 참고하면, 단계(410)에서는 레이저 스캐너를 통해 인식되는 전방의 물체 정보인 장애물 추정 데이터를 입력 받을 수 있다. 이때, 레이저 스캐너는 보다 정확하고 입체적인 데이터를 회득할 수 있도록 단일 레이저 스캐너 또는 Multi-layer 레이저 스캐너를 사용하는 것이 바람직하지만 이것으로 제한되는 것은 아니다.
단계(420)에서는 상기 장애물 추정 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출할 수 있고, 단계(430)에서는 상기 후보영역 추출 데이터로부터 전방의 물체가 장애물이 아니라고 판단될 경우, 또 다른 후보영역 추출 데이터를 추출할 수 있으며, 전방의 물체가 장애물이라고 판단될 경우 단계(440)에서 장애물 DB의 데이터와 비교할 수 있고, 단계(450)에서는 그 결과에 따라 최종적인 장애물을 인식할 수 있다.
상기와 같이, 본 발명의 일실시예에서는 기 저장된 DB의 자료와 레이저 스캐너로 스캔된 자료를 비교하여 장애물을 인식함으로써, 빠른 연산, 낮은 복잡도, 저비용의 장애물 인식장치를 구현할 수 있다.
또한 본 발명의 일실시예에 따른, 장애물 인식 방법은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 본 발명의 일실시예는 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명의 일실시예는 상기 설명된 실시예에 한정되는 것은 아니며, 이는 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 따라서, 본 발명의 일실시예는 아래에 기재된 특허청구범위에 의해서만 파악되어야 하고, 이의 균등 또는 등가적 변형 모두는 본 발명 사상의 범주에 속한다고 할 것이다.
110 : 장애물 추정 데이터 입력부
120 : 데이터 가공부
130 : 장애물 인식부
140 : 장애물 데이터베이스
120 : 데이터 가공부
130 : 장애물 인식부
140 : 장애물 데이터베이스
Claims (5)
- 다수의 장애물의 정보를 저장하는 장애물 데이터베이스;
레이저 스캐너를 통해 인식되는 전방의 물체 정보인 장애물 추정 데이터를 입력 받는 장애물 추정 데이터 입력부;
상기 장애물 추정 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출하는 데이터 가공부; 및
상기 장애물 데이터베이스에 기 저장된 장애물 데이터와 상기 후보영역 추출 데이터를 비교하여 장애물을 인식하는 장애물 인식부
를 포함하는 장애물 인식 장치. - 제1항에 있어서,
레이저 스캐너를 이용하여 크기와 형태가 상이한 동 종류의 장애물 데이터를 다수 입력 받고, 상기 입력 받은 다수의 장애물 데이터의 평균값을 텍스트 형태로 상기 장애물 데이터베이스에 저장하는 데이터 학습부
를 더 포함하는 장애물 인식 장치. - 제1항에 있어서,
상기 장애물 인식부는,
상기 후보영역 추출 데이터와 기 저장된 다수의 장애물 데이터를 각각 비교한 후, 상기 후보영역 추출 데이터와의 오차가 가장 작은 장애물 데이터에 대응하는 장애물이 전방에 위치하는 것으로 인식하는 것을 특징으로 하는 장애물 인식 장치. - 레이저 스캐너를 통해 인식되는 전방의 물체 정보인 장애물 추정 데이터를 입력 받는 단계;
상기 장애물 추정 데이터로부터 장애물 식별을 위한 후보영역 추출 데이터를 추출하는 단계; 및
장애물 데이터베이스에 기 저장된 장애물 데이터와 상기 후보영역 추출 데이터를 비교하여 장애물을 인식하는 단계
를 포함하는 장애물 인식 방법. - 제4항에 있어서,
상기 후보영역 추출 데이터를 추출하는 단계는,
상기 장애물 추정 데이터로부터 ROI(Region Of Interest) 검출을 통해 장애물 식별을 위한 후보영역 추출 데이터를 추출하고, 후보영역 추출 데이터를 제외한 나머지 데이터를 삭제하는 것을 특징으로 하는 장애물 인식 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140014599A KR20150093948A (ko) | 2014-02-10 | 2014-02-10 | Db를 이용한 장애물 인식 장치 및 그 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140014599A KR20150093948A (ko) | 2014-02-10 | 2014-02-10 | Db를 이용한 장애물 인식 장치 및 그 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20150093948A true KR20150093948A (ko) | 2015-08-19 |
Family
ID=54057533
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140014599A KR20150093948A (ko) | 2014-02-10 | 2014-02-10 | Db를 이용한 장애물 인식 장치 및 그 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20150093948A (ko) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210061709A (ko) * | 2019-11-20 | 2021-05-28 | 한국생산기술연구원 | 선형적 특성정보의 상호 관계를 이용한 드론의 전선 인식장치 및 방법 |
KR20240033446A (ko) | 2022-09-05 | 2024-03-12 | 김용우 | 장애물 감지 센서를 활용한 편의점 물건 자동 공급기 |
-
2014
- 2014-02-10 KR KR1020140014599A patent/KR20150093948A/ko not_active Application Discontinuation
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210061709A (ko) * | 2019-11-20 | 2021-05-28 | 한국생산기술연구원 | 선형적 특성정보의 상호 관계를 이용한 드론의 전선 인식장치 및 방법 |
KR20240033446A (ko) | 2022-09-05 | 2024-03-12 | 김용우 | 장애물 감지 센서를 활용한 편의점 물건 자동 공급기 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11003921B2 (en) | Apparatus and method for distinguishing false target in vehicle and vehicle including the same | |
KR101784611B1 (ko) | 라이다 센서 및 레이더 센서를 이용한 사람 탐지 장치 및 방법 | |
US11270457B2 (en) | Device and method for detection and localization of vehicles | |
KR102614323B1 (ko) | 수동 및 능동 측정을 이용한 장면의 3차원 지도 생성 | |
JP5822255B2 (ja) | 対象物識別装置及びプログラム | |
Chen et al. | Gaussian-process-based real-time ground segmentation for autonomous land vehicles | |
KR101856401B1 (ko) | 차선 데이터의 처리 방법, 장치, 저장매체 및 기기 | |
JP5407898B2 (ja) | 対象物検出装置及びプログラム | |
EP3293669A1 (en) | Enhanced camera object detection for automated vehicles | |
US8818702B2 (en) | System and method for tracking objects | |
US20100259609A1 (en) | Pavement marker recognition device, pavement marker recognition method and pavement marker recognition program | |
WO2019198076A1 (en) | Real-time raw data- and sensor fusion | |
KR20200030738A (ko) | 이동 로봇 및 이의 위치 인식 방법 | |
Olmeda et al. | Far infrared pedestrian detection and tracking for night driving | |
CN111123262B (zh) | 自动驾驶3d建模方法、装置及*** | |
Musleh et al. | Uv disparity analysis in urban environments | |
Wang et al. | Multiple obstacle detection and tracking using stereo vision: Application and analysis | |
JP2011048485A (ja) | 物標検出装置および物標検出方法 | |
KR20160129487A (ko) | 2차원 레이저 스캐너를 이용한 차선 검출 장치 및 방법 | |
KR20150112325A (ko) | 레이저 스캐너의 신호세기 기반 장애물 인식 장치 및 그 방법 | |
CN111723724A (zh) | 一种路面障碍物识别方法和相关装置 | |
JP6263453B2 (ja) | 運動量推定装置及びプログラム | |
García et al. | Fusion procedure for pedestrian detection based on laser scanner and computer vision | |
JP4123138B2 (ja) | 車両検知方法及び車両検知装置 | |
CN114675295A (zh) | 一种障碍物判定的方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |