1 |
1
무인 차량에서 주변 환경을 매핑하는 방법에 있어서, 상기 무인 차량에 구비된 적어도 하나의 카메라로부터 센싱된 영상 중 어느 하나로부터 기 설정된 방식에 따라 슈퍼 픽셀을 추출하는 단계;상기 무인 차량에 구비된 3차원 스캐너에서 상기 무인 차량 주변을 감지한 결과로부터 깊이 데이터 및 3D 포인트 데이터를 추출하는 단계;상기 추출된 슈퍼 픽셀에, 기 설정된 투영 행렬을 이용하여 상기 깊이 데이터 및 3D 포인트 데이터를 투영하여 상기 슈퍼 픽셀의 각 위치에 슈퍼 픽셀 인덱스를 할당하는 단계;할당된 슈퍼 픽셀 인덱스에 따라 상기 슈퍼 픽셀을 구성하는 각 격자를 군집화하는 단계;상기 슈퍼 픽셀의 각 격자 군집의 활성화 상태를, 인식된 장애물에 근거하여 활성화된 상태, 비활성화된 상태, 그리고 상기 활성화된 상태 또는 비활성화된 상태로 구분되지 않은 잠재적 상태로 구분하는 단계;상기 무인 차량의 이동 속도 및 회전각에 근거하여 현재 시점 k의 다음 시점인 k+1 시점의 각 격자 군집의 동적 상태를 예측하는 단계;예측된 동적 상태에 근거하여 각 격자 군집 간에 이동한 파티클들을 검출 및, 검출된 파티클들에 따라 상기 다음 시점의 각 격자 군집의 활성화 상태를 예측하는 단계; 및, 상기 현재 시점 k 이전 시점인 k-1 시점에서 예측된 격자 군집의 활성화 상태와, 현재 시점 k에서 측정된 각 격자 군집의 활성화 상태를 결합하여, 각 격자 군집의 활성화 상태를 갱신하는 단계를 포함하는 것을 특징으로 하는 무인 차량 주변의 환경을 매핑하는 방법
|
2 |
2
제1항에 있어서, 상기 각 격자를 군집화하는 단계는,동일한 슈퍼 픽셀 인덱스를 갖는 3차원 포인트 및 깊이 정보 간의 군집화를 수행하는 단계임을 특징으로 하는 무인 차량 주변의 환경을 매핑하는 방법
|
3 |
3
제1항에 있어서, 상기 각 격자 군집의 활성화 상태를 구분하는 단계는, 상기 격자 군집 중 어느 하나의 격자 군집을 구성하는 각 파티클들 중 활성화된 파티클들 및 비활성화된 파티클들에 따라 활성화 영역, 비활성화 영역으로 구분하는 제1 단계;상기 어느 하나의 격자 군집에 구분된 활성화 영역 및 비활성화 영역에 근거하여 잠재적 영역을 산출하는 제2 단계; 상기 활성화 영역으로부터 활성화 질량, 상기 비활성화 영역으로부터 비활성화 질량, 그리고 상기 잠재적 영역으로부터 잠재적 질량을 산출하는 제3 단계;상기 산출된 활성화 질량, 비활성화 질량, 그리고 잠재적 질량에 근거하여 상기 어느 하나의 격자 군집의 활성화 상태를 구분하는 제4 단계;상기한 어느 하나의 격자 군집 외에 다른 격자 군집에 상기 제1 단계 내지 제4 단계를 반복하여, 상기 슈퍼 픽셀을 구성하는 각 격자 군집들의 활성화 상태를 구분하는 단계를 포함하는 것을 특징으로 하는 무인 차량 주변의 환경을 매핑하는 방법
|
4 |
4
제1항에 있어서, 상기 각 격자 군집의 동적 상태를 예측하는 단계는, 상기 무인 차량에 구비된 관성 센서에 근거하여 상기 무인 차량의 이동 속도 및 회전각을 획득하는 단계;상기 획득된 이동 속도 및 회전각에 근거하여 기 설정된 시간 동안의 상기 무인 차량의 회전각 및 운전 거리를 산출하는 단계;산출된 상기 기 설정된 시간 동안의 회전각 및 운전 거리에 근거하여 각 격자 군집의 위치 근원을 산출하는 단계;산출된 위치 근원에 근거하여, 상기 각 격자 군집의 위치를 보상하는 단계; 및, 산출된 각 격자 군집의 위치 정보 및 기 설정된 이산 가우시안 잡음에 근거하여 상기 다음 시점의 각 격자 군집의 동적 상태를 예측하는 단계를 포함하는 것을 특징으로 하는 무인 차량 주변의 환경을 매핑하는 방법
|
5 |
5
무인 차량에서 주변 환경 매핑을 수행하는 장치에 있어서, 3차원 스캐너 및 적어도 하나의 카메라, 그리고 상기 무인 차량의 속도 및 회전각을 감지하는 관성 센서를 포함하는 센서부;상기 3차원 스캐너로부터 센싱된 3D 포인트 데이터 및 깊이 정보, 그리고 기 설정된 투영 행렬에 근거하여, 상기 적어도 하나의 카메라 중 어느 하나로부터 센싱된 영상으로부터 추출된 슈퍼 픽셀의 각 영역에 슈퍼 픽셀 인덱스를 할당하며, 할당된 슈퍼 픽셀 인덱스에 근거하여 상기 슈퍼 픽셀을 구성하는 각 격자들을 군집화하고, 상기 슈퍼 픽셀 인덱스에 근거하여 상기 무인 차량 주변의 장애물을 인식하고, 인식된 장애물에 근거하여 상기 슈퍼 픽셀의 각 격자 군집의 활성화 상태를 활성화된 상태, 비활성화된 상태, 그리고 잠재적 상태로 구분하며, 상기 무인 차량의 이동 속도 및 회전각에 근거하여 현재 시점 k 다음 시점의 각 격자 군집의 동적 상태를 예측 및, 현재 시점 k에서 측정된 각 격자 군집의 상태와, 상기 현재 시점 k 이전 시점인 k-1 시점에서 예측된 각 격자 군집의 활성화 상태를 서로 결합하여 각 격자 군집의 활성화 상태를 갱신하는 제어부를 포함하는 것을 특징으로 하는 무인 차량 주변의 환경을 매핑하는 장치
|
6 |
6
제5항에 있어서, 상기 제어부는, 동일한 슈퍼 픽셀 인덱스를 갖는 3차원 포인트 및 깊이 정보 간의 군집화를 수행하여 상기 슈퍼 픽셀을 구성하는 각 격자들을 군집화하는 것을 특징으로 하는 무인 차량 주변의 환경을 매핑하는 장치
|
7 |
7
제5항에 있어서, 상기 제어부는, 상기 각 격자 군집을 구성하는 파티클들 중, 활성화된 파티클 및 비활성화된 파티클에 근거하여, 상기 각 격자 군집을 활성화 영역, 비활성화 영역, 그리고 잠재적 영역으로 구분하며, 상기 각 격자 군집의 활성화 영역, 비활성화 영역, 그리고 잠재적 영역에 근거하여 각 격자 군집으로부터 활성화 질량, 비활성화 질량, 그리고 잠재적 질량을 산출하고, 상기 산출된 각 격자 군집의 활성화 질량, 비활성화 질량, 그리고 잠재적 질량에 근거하여, 상기 각 격자 군집의 활성화 상태를 상기 활성화된 상태와 비활성화된 상태, 그리고 잠재적 상태 중 어느 하나로 구분하는 것을 특징으로 하는 무인 차량 주변의 환경을 매핑하는 장치
|
8 |
8
제5항에 있어서, 상기 제어부는, 상기 무인 차량의 이동 속도 및 회전각에 근거하여 기 설정된 시간 동안의 상기 무인 차량의 회전각 및 운전 거리를 산출하고, 산출된 회전각 및 운전 거리에 근거하여 상기 각 격자 군집의 위치 근원을 산출하며, 산출된 각 격자 군집의 위치 근원에 근거하여, 상기 각 격자 군집의 위치를 보상 및, 보상된 각 격자 군집의 위치 및 기 설정된 이산 가우시안 잡음에 근거하여 상기 다음 시점의 각 격자 군집의 동적 상태를 예측하는 것을 특징으로 하는 무인 차량 주변의 환경을 매핑하는 장치
|