1 |
1
다중 프레임에서의 센서 융합을 통한 3차원 객체의 포즈 추정 방법에 있어서,비균일하고 넓게 분포된 라이다 정보를 사용하여 객체의 영역을 정확히 추적하기 위해 라이다의 차원을 3차원에서 2차원으로 감소시켜 밀도를 높이는 단계;차원(dimension)이 감소된 라이다 정보를 좌표계 변환을 통해 카메라 좌표계로 변환하고, 잡음을 제거하는 단계; 상기 잡음이 제거되어 직선 형태로 표현되는 상기 라이다 정보의 연속성을 기준으로 영역을 분할하고 상기 객체의 위치와 방향을 추정하는 단계; 및상기 추정된 위치와 방향을 2차원 객체 분류기와 결합하여 3차원 공간에서의 객체를 추정하는 단계를 포함하는, 3차원 객체의 포즈 추정 방법
|
2 |
2
제 1항에 있어서, 상기 3차원 공간에서의 객체를 추정하는 단계는,상기 분할된 라이다 정보의 경계선에 인접한 상기 직선 형태의 라이다 정보의 평균 방향을 구하는 단계; 및상기 평균 방향과 상기 경계선을 기준으로 상기 영역 내 객체의 분류 클래스에 대한 하위 정보를 사용하여 3차원 바운딩 박스를 생성하는 단계를 포함하는, 3차원 객체의 포즈 추정 방법
|
3 |
3
제 1항에 있어서, 상기 라이다 정보를 보다 강건하게 만들기 위해 인접 프레임의 라이다 정보를 통합하는 단계를 더 포함하는, 3차원 객체의 포즈 추정 방법
|
4 |
4
제 3항에 있어서,상기 라이다 정보를 통합하는 단계는, 상기 인접 프레임에서 각각 획득한 2차원 객체 정보를 비교하여 유사 객체를 연결하는 단계; 및상기 연결된 객체를 구성하는 3차원 라이다 정보를 2차원 객체 경계선과 3차원 방향을 기준으로 하나의 프레임에 누적하는 단계를 포함하는, 3차원 객체의 포즈 추정 방법
|
5 |
5
제 1항에 있어서,상기 객체의 위치와 방향을 추정하는 단계는,두 그룹 i,j의 친화도 점수를 와 같이 계산하고, θij는 두 그룹 i, j의 평균 각도이며, mp는 그룹 경계에 위치한 point의 유클리디안 거리를 나타내고, 상기 친화도 점수는 프로세서의 처리속도/성능, 요구되는 처리 속도/분해능, 및 카메라를 통해 파악된 객체에 대한 사전 정보를 고려하여 더 등급화되고,상기 두 그룹 i,j의 친화도 점수에 기반하여 상기 라이다 정보의 연속성을 기준으로 영역을 분할하는 것을 특징으로 하는, 3차원 객체의 포즈 추정 방법
|