KR20200002772A - 3차원 평면추출 방법 및 그 장치 - Google Patents

3차원 평면추출 방법 및 그 장치 Download PDF

Info

Publication number
KR20200002772A
KR20200002772A KR1020197001703A KR20197001703A KR20200002772A KR 20200002772 A KR20200002772 A KR 20200002772A KR 1020197001703 A KR1020197001703 A KR 1020197001703A KR 20197001703 A KR20197001703 A KR 20197001703A KR 20200002772 A KR20200002772 A KR 20200002772A
Authority
KR
South Korea
Prior art keywords
plane
voxel
spatial information
information data
dimensional
Prior art date
Application number
KR1020197001703A
Other languages
English (en)
Other versions
KR102170453B1 (ko
Inventor
권혁민
유범재
Original Assignee
재단법인 실감교류인체감응솔루션연구단
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 재단법인 실감교류인체감응솔루션연구단 filed Critical 재단법인 실감교류인체감응솔루션연구단
Publication of KR20200002772A publication Critical patent/KR20200002772A/ko
Application granted granted Critical
Publication of KR102170453B1 publication Critical patent/KR102170453B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/003—Navigation within 3D models or images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 3차원 평면추출 방법 및 그 장치에 관한 것으로, 평면추출 방법은 라이다(LiDAR) 센서를 이용하여 공간정보 데이터를 획득하는 단계;상기 공간정보 데이터를 미리 설정된 크기의 복셀(voxel)로 분할하는 단계; 상기 공간정보 데이터를 이용하여 상기 복셀이 하나의 평면을 포함하는지 결정하는 단계; 상기 복셀이 하나의 평면을 포함하는 경우, 상기 복셀에 인접하고 하나의 평면을 포함하지 않는 다른 복셀로 상기 평면을 확장하는 단계; 미리 설정된 조건을 만족하는 경우, 상기 평면에 대한 확장을 중단하는 단계; 및 평면 파라미터를 비교함으로써 상기 분할된 복셀들을 병합하는 단계를 포함할 수 있다.

Description

3차원 평면추출 방법 및 그 장치
본 발명은 3차원 평면추출 방법 및 그 장치에 관한 것으로, 라이다 센서를 이용하여 포인트 클라우드를 획득한 후, 3차원 객체를 분할하고 혼합하는 3D 가상 환경 구축에 관한 것이다.
로봇 응용 프로그램은 깊이 센서 또는 레이저 거리 측정기를 사용하는 RGB-D 카메라 또는 3D 스캐너로부터 얻는 주변 환경에 대한 포인트 클라우드를 획득하고 처리한다. 그 중 하나는 SLAM (simultaneous localization and mapping) 또는 건물 재구성에 적용하기 위해 포인트 클라우드로부터 평면 정보를 추출하는 것이다. 따라서, 포인트 클라우드로부터 다양한 형태의 평면 추출법들이 제안되었다.
Decompose-and-merge 방법은 포인트 클라우드 데이터를 이용하는 평면 추출 알고리즘들 중 가장 유명한 것이다. 보다 구체적으로는, 이 방법은 종단 조건이 만족될 때까지 특정 크기의 복셀로 데이터를 분할한 다음, 같은 평면에 있는 것처럼 보이는 각 분할된 복셀의 데이터를 병합한다. 이 방법은 많은 어플리케이션에서 사용되며 빠른 방식으로 신뢰할 수 있는 결과를 제공한다.
그러나 이 방법은 복셀이 너무 적은 수의 포인트로 여러 번 나뉘어지면,신뢰할 수 없는 정보를 제공할 수 있으며 결국 때때로 제대로 된 정보를 제공할 수 없다. 이 문제는 포인트 클라우드의 밀도가 낮거나 상당히 변화하는 조건에서 평면 추출 알고리즘의 결과에 영향을 준다. 따라서 포인트 분포, 즉 포인트 클라우드 데이터의 수에 관계없이 평면 데이터를 확실하게 추출하는 강력한 평면 추출 알고리즘이 필요하다.
본 발명은 종래 평면 추출 방법에서 종단 조건이 만족될 때까지 복셀을 계속해서 분할하여야 하여 평면 추출 시간이 오래 걸릴 뿐만 아니라, 클라우드포인트의 수가 적은 복셀에 대해서는 정확도가 떨어지는 문제점을 해결하는 것을 목적으로 한다.
상기의 목적을 달성하기 위해 본 발명의 일 실시예에 따른 3차원 평면추출 방법은 라이다(LiDAR) 센서를 이용하여 공간정보 데이터를 획득하는 단계;상기 공간정보 데이터를 미리 설정된 크기의 3차원 복셀(voxel)로 분할하는 단계; 상기 공간정보 데이터를 이용하여 상기 복셀이 하나의 평면을 포함하는지 결정하는 단계; 상기 복셀이 하나의 평면을 포함하는 경우, 상기 복셀에 인접하고 하나의 평면을 포함하지 않는 다른 복셀로 상기 평면을 확장하는 단계; 미리 설정된 조건을 만족하는 경우, 상기 평면에 대한 확장을 중단하는 단계; 및 평면 파라미터를 비교함으로써 상기 분할된 복셀들을 병합하는 단계를 포함할 수 있다.
본 발명의 일 실시예에 따른 공간정보 데이터는 포인트 클라우드인 것을 특징으로 할 수 있다.
본 발명의 일 실시예에 따른 평면을 확장하는 단계는 마할라노비스(Mahalanobis) 거리를 사용하는 것을 특징으로 할 수 있다.
본 발명의 일 실시예에 따른 상기 마할라노비스 거리(DM)는 하기 수식에 의해 정의될 수 있다.
Figure pct00001
여기서, Pi는 이웃한 복셀의 i번째 포인트, μ는 평면의 중심, S는 평면을 형성하는 포인트들의 공분산을 의미한다.
본 발명의 일 실시예에 따른 미리 설정된 조건은, 상기 마할라노비스 (Mahalanobis) 거리(DM)가 기 설정된 기준값(Mth)보다 큰 것인 것을 특징으로 할 수 있다.
본 발명의 일 실시예에 따른 3차원 평면추출 장치는 라이다(LiDAR) 센서를 이용하여 공간정보 데이터를 획득하는 데이터 획득부; 상기 데이터 획득부로부터 획득한 상기 공간 정보 데이터를 미리 설정된 크기의 3차원 복셀(voxel)로 분할하는 복셀분할부; 상기 복셀분할부로부터 분할된 복셀이 하나의 평면을 포함하는지 상기 공간 정보 데이터를 이용하여 결정하는 평면 결정부; 상기 복셀이 하나의 평면을 포함하는 경우, 상기 복셀에 인접하고 하나의 평면을 포함하지 않는 다른 복셀로 상기 평면을 확장하는 평면 확장부; 미리 설정된 조건을 만족하는 경우, 상기 평면에 대한 확장을 중단하는 제어부; 및 평면 파라미터를 비교함으로써 상기 분할된 복셀들을 병합하는 복셀병합부를 포함할 수 있다.
본 발명에 의하면, 분해하는 평면 수를 종래 방식에 비하여, 대폭 감소시킴으로써, 평면 추출 및 병합하는 계산시간을 단축시킬 수 있는 효과가 있다.
또한, 본 발명은 포인트 클라우드의 밀도가 낮거나 다른 평면들이 모여서 우위를 점할 때, 즉 표면의 경계 영역에서 다른 종래 방식에 비하여 정확하게 경계를 나타내는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 3차원 평면추출 방법의 순서도이다.
도 2a 내지 도 2d는 본 발명의 일 실시예에 따라 평면을 확장하는 단계를 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 평면 추출 방법에 의해 평면을 확장한 결과를 나타내는 도면이다.
도 4a 내지 도 4c는 본 발명의 일 실시예에 따른 평면 추출 방법에 의해 추출한 평면을 3차원 입체 영상에 적용한 결과를 나타내는 도면이다.
도 5 및 도 6은 본 발명의 일 실시예에 따른 평면 추출 알고리즘과 다른 종류의 알고리즘을 사용한 경우에서 각각의 계산 시간을 비교한 그래프이다.
도 7은 본 발명의 일 실시예에 따른 3차원 평면추출 장치의 블록도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면을 참조하여 상세하게 설명하도록 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
제1, 제2, A, B 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재 항목들의 조합 또는 복수의 관련된 기재 항목들 중의 어느 항목을 포함한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급될 때에는 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 포함한다고 할때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있다는 것을 의미한다.
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예에 따른 3차원 평면추출 방법의 순서도이다.
3차원 평면추출 방법은 라이다(LiDAR) 센서를 이용하여 공간정보 데이터를 획득하는 단계(S110);상기 공간정보 데이터를 미리 설정된 크기의 3차원 복셀(voxel)로 분할하는 단계(S120); 상기 공간정보 데이터를 이용하여 상기 복셀이 하나의 평면을 포함하는지 결정하는 단계(S130); 상기 복셀이 하나의 평면을 포함하는 경우, 상기 복셀에 인접하고 하나의 평면을 포함하지 않는 다른 복셀로 상기 평면을 확장하는 단계(S140); 미리 설정된 조건을 만족하는 경우(S150), 상기 평면에 대한 확장을 중단하고, 평면 파라미터를 비교함으로써 상기 분할된 복셀들을 병합하는 단계(S160)를 포함할 수 있다. 단, 상기 미리 설정된 조건을 만족하지 않는 경우라면, 복셀을 분할하는 단계(S120)로 넘어가 평면을 확장하는 단계(S140)가 반복될 수 있다.
한편, 본 발명의 일 실시예에 따른 공간정보 데이터는 라이다(LiDAR) 센서를 통해 획득한 포인트 클라우드일 수 있으나, 반드시 이에 한정되는 것은 아니며 다른 종류의 데이터 유형도 포함할 수 있다. 다만, 본 발명의 일 실시예에서는 포인트 클라우드를 예시로 하여 설명한다.
본 발명의 일 실시예에 따른 3차원 평면추출 방법은 종단(terminal) 조건에 도달 할 때까지 복셀을 분해하지 않고, 오히려 분해의 각 단계가 끝나면 분해한 복셀 중 어느 하나의 복셀에 평면이 하나만 있는 경우 평면을 인접한 복셀로 확장하는 단계를 더 포함하는 것을 특징으로 한다.
도 2a 내지 도 2d는 본 발명의 일 실시예에 따라 평면을 확장하는 단계를 설명하기 위한 도면이다.
도 2a를 참조하면, 라이다(LiDAR)센서로 획득한 포인트 클라우드(2001, 2002, …, n)가 제1 평면(210) 또는 제2 평면(220)에 분포된다.
그 다음 단계는 도 2b를 참조하여 설명한다. 제1 평면(210) 또는 제2 평면(220)에 분포된 포인트 클라우드(2001, 2002, …, n)가 기 설정된 크기 L 길이의 복수의 복셀(231, 232, 233, 234)로 분할된다.
분할된 각각의 복셀에 대하여 포인트 클라우드가 하나의 평면을 구성하는지 결정된다.
각 복셀에 포함된 포인트 클라우드가 하나의 평면을 구성하는지는 평면 매개 변수를 추출함으로써 결정될 수 있다. 한편, 평면 매개 변수는 PCA(Principal Component Analysis)를 통해 구할 수 있다.
복셀에 포함된 포인트들이 평면을 구성하는 경우, PCA는 하나의 법선 벡터(E)와 두 개의 기본 벡터를 도출하는데, 평면 매개 변수는 상기 법선 벡터(E) 및 상기 두 개의 기본 벡터로 구성되는 기준 좌표 프레임의 원점과 평면의 중심 사이의 거리를 포함한다.
상술한 평면 매개 변수를 이용하여 잔존 값 r을 하기 수식 1과 같이 구한다.
수식 1 :
Figure pct00002
여기서, k는 복셀에 포함된 포인트의 수를 의미하고, Pi는 i번째 포인트, di는 평면과 i번째 점 사이의 직교 거리를 의미한다.
상기 잔존 값 r은 특정 임계값Rth보다 작으면, 본 발명의 일 실시예에 따른 알고리즘은 복셀이 단 하나의 평면을 포함한다고 결정한다.
도 2b를 참조하면, 제1 복셀(231)에 포함된 포인트(3001)는 잔존 값 r이 특정 임계값Rth보다 작은 영역(241)에 있기 때문에 상기 영역(241)에 해당하는 제1 평면(210)에 포함되는 것으로 결정된다.
그리고 제3 복셀(233)에 포함된 포인트 및 제4 복셀(234)에 포함된 포인트도 각각 잔존 값 r이 특정 임계값Rth보다 작은 영역(242, 243)에 있기 때문에 상기 영역(242, 243)에 해당하는 제2 평면(220)에 포함되는 것으로 결정된다.
반면, 제2 복셀(232)에 포함된 포인트(3002)는 포인트들의 분포가 특정 평면에서 몰려있지 않고, 분산되어 있기 때문에, 잔존 값 r이 특정 임계값Rth보다 크고, 결과적으로, 어느 하나의 평면을 포함하지 않는 것으로 결정된다.
도 2b에서는 어느 하나의 평면에 포함된 포인트(3001)는 색이 채워진 것으로 표현하고, 어느 하나의 평면에 포함되지 않는 포인트(3002)는 색이 비워진 것으로 표현하여 구분하였다.
도 2c는 본 발명의 일 실시예에 따른 평면 추출 방법에서 평면을 확장하는 단계를 나타내는 도면이다.
본 발명의 일 실시예에 따라 평면을 확장하는 단계는 마할라노비스(Mahalanobis) 거리를 사용하는 것을 특징으로 한다.
종래 연구에서는 유클리드 거리(Euclidean distance)만 사용하여 직교 거리를 계산함으로써 포인트가 평면에 속하는지 여부를 결정하였는데, 이러한 방법은 실질적으로 동일한 평면에 있지 않으나 직각으로 가까운 점을 제거하지 못하는 단점이 있다.
본 발명은 마할라노비스(Mahalanobis) 거리를 사용하여 평면을 확장하는 단계를 제안한다. 마할라노비스 거리는 데이터 집합의 분산으로 조정되는 거리를 뜻한다.
분할된 복셀 중 적어도 하나에 평면이 하나만 있는 것으로 결정되면 평면을 포함하지 않는 이웃 복셀로 평면을 확장한다.
도 2c를 참조하면, 제1 평면 영역(251)에 해당되는 포인트들은 평면을 포함하는 제1 복셀(231)에서 평면을 포함하지 않고 제1 복셀(231)의 이웃 복셀인 제2 복셀(232)로 확장된다.
또한, 제2 평면 영역(252)에 해당되는 포인트들도 평면을 포함하는 제3 복셀(233)에서 평면을 포함하지 않고 제3 복셀(233)의 이웃 복셀인 제2 복셀(232)로 확장된다.
도 2c를 참조하여 평면영역이 확장되는 방법을 설명하면, 하기 수식 2와 같이 정의되는 마할라노비스 거리(DM)가 기 설정된 기준값(Mth)보다 작을 때에만 확장을 진행하는 평면 영역에 포인트를 포함시키고, 마할라노비스 거리(DM)가 기 설정된 기준값(Mth)보다 클 때에는 확장을 진행하는 평면 영역에 포인트를 포함시키지 않고, 평면 확장을 중단한다.
수식 2 :
Figure pct00003
여기서, Pi는 이웃한 복셀의i번째 포인트, μ는 평면의 중심, S는 평면을 형성하는 포인트들의 공분산을 의미하고, (A)T 는 A의 전치행렬을 의미합니다.
상기 수식 2가 의미하는 것은, i번째 포인트(Pi)가 평면의 중심(μ)이 되는 포인트(2000)로부터 떨어진 거리를 평면을 형성하는 포인트들의 공분산(S)으로 나눈 것인데, 포인트들이 평면의 확장 방향으로 분포되면 공분산(S)는 커지므로, 마할라노비스 거리(DM)는 작아진다. 반면, 평면의 확장 방향으로 포인트들이 분포되지 않고 다른 평면 방향으로 포인트들이 분포되면, 공분산(S)은 작아지므로, 마할라노비스 거리(DM)는 커진다.
도 2d는 본 발명의 일 실시예에 따른 평면 추출 방법에서 평면 확장 단계를 중단하는 것을 설명하기 위한 도면이다.
도 2c 및 도 2d를 참조하여 설명하면, 포인트가 평면의 엣지 영역(260)에 해당될수록 마할라노비스 거리(DM)는 커지고, 마할라노비스 거리(DM)가 기 설정된 기준값(Mth)보다 클 때 평면 확장 단계는 중단되고, 분할된 복셀들이 병합되는 단계로 넘어가서 3차원 모델이 재구성될 수 있다.
도 3은 본 발명의 일 실시예에 따른 평면 추출 방법에 의해 평면을 확장한 결과를 나타내는 도면이다. A는 종래 방식으로 평면을 추출한 결과이고, B는 본 발명의 일 실시예에 따라 평면을 추출한 결과이다.
도 3을 참조하면, 종래 방법(A)의 경우에서 평면이 얼룩덜룩하게 표현된 영역(311)이 본 발명에 따른 방법(B)에서는 깨끗하게 사라진 것을 확인할 수 있다(321).
특히, 평면의 경계에 인접한 포인트가 속한 영역(312, 322)의 경우에 종래 방법(A)과 본 발명에 따른 방법(B)의 결과는 뚜렷하게 비교된다.
종래 방법(A)에서는 평면의 경계에 인접한 포인트들이 평면에서 제외된 것으로 나타났으나(313), 본 발명에 따른 방법(B)에서는 평면의 경계에 인접한 포인트들은 평면에 포함된 것으로 나타났다(323).
따라서, 평면의 경계에 인접한 포인트들은 본 발명에 따른 평면 추출 방법에 의해 인접한 평면으로 확장되기 때문에, 평면의 경계면에서 종래 방식에 비해 더 좋은 결과를 도출할 수 있다.
도 4a 내지 도 4c는 본 발명의 일 실시예에 따른 평면 추출 방법에 의해 추출한 평면을 3차원 입체 영상에 적용한 결과를 나타내는 도면이다. 윗쪽에 있는 영상은 종래 방법인 강력한 PCA 기반 계층 적 방법(robust-PCA based hierarchical, 이하 RH라 지칭한다)에 의한 결과이고, 아래쪽에 있는 영상은 본 발명의 일 실시예에 따른 방법에 의한 결과를 나타낸다.
특히 A, B, C 각 영역은 포인트 클라우드의 밀도가 낮거나 가장자리가 평면의 끝에서 만나는 곳을 표시한 것으로, RH 방법에 의한 결과와 본 발명에 따른 방법의 차이를 비교하기 위해 A, B, C 영역을 확대하여 설명한다.
도 4a 내지 도 4c를 참고하면, RH 방법에 의한 결과에서는 포인트 클라우드 밀도의 부족으로 데이터가 무시되었으나, 본 발명에 따른 결과는 더 정확한 경계와 더 많은 인라이어(inliers)를 포함하는 것을 나타낸다. 명세서 전체에서 인라이어(inliers)는 마땅히 포함되어야 할 값을 지칭하고, 아웃라이어(Outliers)는 포함되지 않아야 하는 값을 지칭할 수 있다.
본 발명의 일 실시예에 따른 평면 추출 방법은 아래 표에 나타난 바와 같이 기존의 RH 방법보다 분해하는 평면수를 4362에서 1140으로 73%이하로 감소시켰고, 따라서 계산량도 대폭 감소시킬 수 있다.
RH method Proposed
Number of Decomposed Planes 4,362 1,140
Processing Time 16,740 msec 11,179 msec
Number of Point Cloud 2,220,153
도 5 및 도 6은 본 발명의 일 실시예에 따른 평면 추출 알고리즘과 다른 종류의 알고리즘을 사용한 경우에서 각각의 계산 시간을 비교한 그래프이다.다른 종류의 알고리즘은 전술한 RH 방법과 그리드 기반 세그먼트 방법(grid-based segmentation, 이하 GBS라 지칭한다)이다.
도 5는 각 포인트 클라우드 데이터 세트에 대한 각 알고리즘의 평균 계산시간을 나타낸다. x축은 서로 다른 포인트 클라우드 데이터 세트를 의미하고, y축은 평균 계산 시간을 나타내는데, 본 발명의 일 실시예에 따른 방법을 사용한 경우에서 평균 계산 시간이 모든 데이터 세트에 대해 RH 방법과 GBS 방법에 비하여 현저히 적은 것을 확인할 수 있다.
보다 구체적으로는, 본 발명에 따른 알고리즘이 RH 방법보다 62% 더 빠른 결과를 나타낸다.
도 6은 포인트 클라우드의 크기에 따른 각 알고리즘의 계산 시간을 나타낸다.
도 6을 참조하면, 포인트 클라우드의 포인트 개수가 증가할수록, 즉 포인트 클라우드의 크기가 클수록 계산 시간이 증가하는 것을 확인할 수 있다.
다만, 본 발명에 의한 알고리즘은 RH 방법과 GBS 방법에 비하여 입력 데이터의 크기에 대한 영향을 덜 받는 것으로 나타났다.
도 7은 본 발명의 일 실시예에 따른 3차원 평면추출 장치의 블록도이다.
본 발명의 일 실시예에 따른 3차원 평면추출 장치는 라이다(LiDAR) 센서를 이용하여 공간정보 데이터를 획득하는 데이터 획득부; 상기 데이터 획득부로부터 획득한 상기 공간 정보 데이터를 미리 설정된 크기의 3차원 복셀(voxel)로 분할하는 복셀분할부; 상기 복셀분할부로부터 분할된 복셀이 하나의 평면을 포함하는지 상기 공간 정보 데이터를 이용하여 결정하는 평면 결정부; 상기 복셀이 하나의 평면을 포함하는 경우, 상기 복셀에 인접하고 하나의 평면을 포함하지 않는 다른 복셀로 상기 평면을 확장하는 평면 확장부; 미리 설정된 조건을 만족하는 경우, 상기 평면에 대한 확장을 중단하는 제어부; 및 평면 파라미터를 비교함으로써 상기 분할된 복셀들을 병합하는 복셀병합부를 포함할 수 있다.
본 발명의 일 실시예에 따른 3차원 평면추출 장치에 관한 구체적인 설명은 평면추출 방법에 관한 설명이 동일하게 적용될 수 있다.
본 발명의 일 실시예에 따른 3차원 평면추출 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 기록매체(램, 롬, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 사람이라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (10)

  1. 라이다(LiDAR) 센서를 이용하여 공간정보 데이터를 획득하는 단계;
    상기 공간정보 데이터를 미리 설정된 크기의 3차원 복셀(voxel)로 분할하는 단계;
    상기 공간정보 데이터를 이용하여 상기복셀이하나의평면을 포함하는지 결정하는 단계;
    상기복셀이하나의 평면을 포함하는 경우, 상기복셀에 인접하고 하나의 평면을 포함하지 않는 다른 복셀로 상기 평면을 확장하는 단계;
    미리 설정된 조건을 만족하는 경우, 상기 평면에 대한 확장을 중단하는 단계; 및
    평면 파라미터를 비교함으로써 상기 분할된 복셀들을 병합하는 단계를 포함하는 3차원 평면추출 방법.
  2. 제1항에 있어서,
    상기 공간정보 데이터는 포인트 클라우드인 것을 특징으로 하는 3차원 평면추출 방법.
  3. 제1항에 있어서,
    상기 평면을 확장하는 단계는 마할라노비스(Mahalanobis) 거리를 사용하는 것을 특징으로 하는 3차원 평면추출 방법.
  4. 제3항에 있어서,
    상기 마할라노비스 거리(DM)는 하기 수식에 의해 정의되는 것을 특징으로 하는 3차원 평면추출 방법.
    Figure pct00004

    여기서, Pi는 이웃한 복셀의 i번째 포인트, μ는 평면의 중심, S는 평면을 형성하는 포인트들의 공분산을 의미함.
  5. 제1항 또는 제4항에 있어서,
    상기 미리 설정된 조건은, 상기 마할라노비스 (Mahalanobis) 거리(DM)가 기 설정된 기준값(Mth)보다 큰 것인 3차원 평면추출 방법.
  6. 라이다(LiDAR) 센서를 이용하여 공간정보 데이터를 획득하는 데이터 획득부;
    상기 데이터 획득부로부터 획득한 상기 공간 정보 데이터를 미리 설정된 크기의 3차원 복셀(voxel)로 분할하는 복셀분할부;
    상기 복셀분할부로부터 분할된 복셀이 하나의 평면을 포함하는지 상기 공간 정보 데이터를 이용하여 결정하는 평면 결정부;
    상기복셀이 하나의 평면을 포함하는 경우, 상기 복셀에 인접하고 하나의 평면을 포함하지 않는 다른 복셀로 상기 평면을 확장하는 평면 확장부;
    미리 설정된 조건을 만족하는 경우, 상기 평면에 대한 확장을 중단하는 제어부; 및
    평면 파라미터를 비교함으로써 상기 분할된 복셀들을 병합하는 복셀병합부를 포함하는 3차원 평면추출 장치.
  7. 제6항에 있어서,
    공간정보 데이터는 포인트 클라우드인 것을 특징으로 하는 3차원 평면추출 장치.
  8. 제6항에 있어서,
    상기 평면 확장부는마할라노비스(Mahalanobis) 거리를 사용하는 것을 특징으로 하는3차원 평면추출 장치.
  9. 제8항에 있어서,
    상기 마할라노비스 거리(DM)는 하기 수식에 의해 정의되는 것을 특징으로 하는 3차원 평면추출 장치.
    Figure pct00005

    여기서, Pi는 이웃한 복셀의i번째 포인트, μ는 평면의 중심, S는 이웃 복셀의 포인트들의 공분산을 의미함.
  10. 제6항 또는 제9항에 있어서,
    상기 미리 설정된 조건은, 상기 마할라노비스 (Mahalanobis) 거리(DM)가 기 설정된 기준값(Mth)보다 큰 것인 3차원 평면추출 장치.
KR1020197001703A 2018-06-25 2018-12-12 3차원 평면추출 방법 및 그 장치 KR102170453B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
KR1020180072811 2018-06-25
KR20180072811 2018-06-25
PCT/KR2018/015743 WO2020004740A1 (ko) 2018-06-25 2018-12-12 3차원 평면추출 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20200002772A true KR20200002772A (ko) 2020-01-08
KR102170453B1 KR102170453B1 (ko) 2020-10-28

Family

ID=68987092

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197001703A KR102170453B1 (ko) 2018-06-25 2018-12-12 3차원 평면추출 방법 및 그 장치

Country Status (2)

Country Link
KR (1) KR102170453B1 (ko)
WO (1) WO2020004740A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113375556B (zh) * 2021-06-18 2024-06-04 盎锐(杭州)信息科技有限公司 全栈式实测实量***、测量方法及激光雷达
CN113569856B (zh) * 2021-07-13 2024-06-04 盎锐(杭州)信息科技有限公司 用于实测实量的模型语义分割方法及激光雷达
CN117745728B (zh) * 2024-02-21 2024-05-24 法奥意威(苏州)机器人***有限公司 点云平面检测方法、装置、电子设备和可读存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130026853A (ko) * 2011-09-06 2013-03-14 한국전자통신연구원 복셀 그리드를 이용한 포인트 클라우드의 렌더링 방법 및 장치
KR20140014596A (ko) * 2012-07-25 2014-02-06 연세대학교 산학협력단 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9412040B2 (en) * 2013-12-04 2016-08-09 Mitsubishi Electric Research Laboratories, Inc. Method for extracting planes from 3D point cloud sensor data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130026853A (ko) * 2011-09-06 2013-03-14 한국전자통신연구원 복셀 그리드를 이용한 포인트 클라우드의 렌더링 방법 및 장치
KR20140014596A (ko) * 2012-07-25 2014-02-06 연세대학교 산학협력단 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
https://blog.naver.com/PostPrint.nhn?blogId=koys007&logNo=221240189510* *

Also Published As

Publication number Publication date
KR102170453B1 (ko) 2020-10-28
WO2020004740A1 (ko) 2020-01-02

Similar Documents

Publication Publication Date Title
CN109325998B (zh) 一种基于点云数据的室内3d建模方法、***及相关装置
CN109903327B (zh) 一种稀疏点云的目标物尺寸测量方法
US9412040B2 (en) Method for extracting planes from 3D point cloud sensor data
US20210042929A1 (en) Three-dimensional object detection method and system based on weighted channel features of a point cloud
CN107590825B (zh) 一种基于sfm的点云孔洞修补方法
CN106156692B (zh) 一种用于人脸边缘特征点定位的方法及装置
CN110226806B (zh) 一种鞋底涂胶轨迹生成方法及装置
US9020251B2 (en) Image processing apparatus and method
CN107610061B (zh) 一种基于二维投影的保边点云孔洞修补方法
KR102170453B1 (ko) 3차원 평면추출 방법 및 그 장치
CN107622480B (zh) 一种Kinect深度图像增强方法
CN105374039B (zh) 基于轮廓锐度的单目图像深度信息估计方法
JP2015108621A5 (ja) ３次元点群から平面を抽出する、方法、画像処理装置およびプログラムを記憶した非一次的なコンピュータ可読媒体
KR101759188B1 (ko) 2d 얼굴 이미지로부터 3d 모델을 자동 생성하는 방법
KR102472004B1 (ko) 복수의 센서간 캘리브레이션 방법 및 장치
US8929587B2 (en) Multi-tracking of video objects
JP6787844B2 (ja) オブジェクト抽出装置およびそのスーパーピクセルラベリング方法
JP6351350B2 (ja) 三次元モデル検索システム、及び三次元モデル検索方法
CN109448093B (zh) 一种风格图像生成方法及装置
KR101812664B1 (ko) 가분적 외곽선을 가지는 다시점 객체 추출 방법 및 장치
CN104992176B (zh) 一种面向碑文的汉字提取方法
CN111915724A (zh) 一种点云模型切片形状计算方法
JP2017134596A (ja) 画像処理方法及びプロセスシミュレーション装置
US8730235B2 (en) Method for determining point connectivity on a two manifold in 3D space
Yoshioka et al. Automatic segmentation and feature identification of laser scanning point cloud data for reverse engineering

Legal Events

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