| 1 |
1
자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법에 있어서,각각의 상기 3차원 라이다 센서에 의해 포인트 클라우드가 수집되는 데이터 수집 단계와;각각의 상기 3차원 라이다 센서의 상기 포인트 클라우드로부터 평면에 해당하는 복수의 대상 평면이 추출되는 평면 추출 단계와;복수의 상기 3차원 라이다 센서 중 어느 하나의 상기 대상 평면을 기준 평면으로 하여, 나머지 상기 3차원 라이다 센서 각각의 상기 대상 평면 중 각각의 상기 기준 평면과의 유사도에 기반한 대응 평면을 검출하는 대응 평면 검출 단계와;상호 대응하는 상기 기준 평면과 상기 대응 평면의 평면 파라미터에 기초하여, 상기 기준 평면과 상기 대응 평면 간의 정합을 위한 초기 외부 파라미터를 산출하는 초기 파라미터 산출 단계와;상기 초기 보정 파리미터를 기반으로, 상호 대응하는 상기 기준 평면과 상기 대응 평면에 대한 측정점의 분산을 최소화시키는 최종 외부 파라미터를 산출하는 최종 파라미터 산출 단계를 포함하는 것을 특징으로 하는 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
|
| 2 |
2
제1항에 있어서,상기 평면 추출 단계는기 등록된 평면 추출 알고리즘을 통해 각각의 상기 3차원 라이더 센서에 대한 상기 포인트 클라우드로부터 평면에 해당하는 후보 평면을 추출하는 단계와;상기 후보 평면 중 기 설정된 평면 조건을 만족시키는 후보 평면을 상기 대상 평면으로 추출하는 단계를 포함하는 것을 특징으로 하는 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
|
| 3 |
3
제2항에 있어서,상기 평면 추출 알고리즘은 평활화 제약(Smoothness constraint)에 기반한 영역 확장 분할 기법(Region growing segmentation)과 MLESAC(Maximum likelihood estimator Sample consensus) 기법 중 어느 하나를 포함하는 것을 특징으로 하는 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
|
| 4 |
4
제2항에 있어서,상기 평면 조건은 수학식(은 상기 후보 평면의 평면도이고, 는 기 등록된 기준 평면도이고, 는 상기 후보 평면의 법선 방향의 분산이고, 는 기 등록된 기준 분산값이고, 은 상기 후보 평면을 구성하는 포인트 클라우드의 개수이고, 는 기 등록된 기준 개수이다)로 표현되는 것을 특징으로 하는 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
|
| 5 |
5
제1항에 있어서,상기 대응 평면 검출 단계에서 상기 유사도는 평면 파라미터를 이용하여 산출되며;상기 평면 파라미터는 법선 벡터, 원점과의 거리 및 질량 중심을 포함하는 것을 특징으로 하는 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
|
| 6 |
6
제5항에 있어서,상기 대응 평면 검출 단계는상기 법선 벡터, 상기 원점과의 거리 및 상기 질량 중심을 이용하여 두 평면 사이의 각도, 두 평면 사이의 거리, 및 두 평면 사이의 질량 중심 거리를 유사도 지표로 산출하는 단계와;상기 유사도 지표의 가중치 합을 두 평면의 상기 정합 오차로 산출하는 단계와;나머지의 상기 3차원 라이다 센서별로, 각각의 상기 기준 평면과 상기 정합 오차가 가장 작은 하나의 대상 평면을 해당 기준 평면의 대응 평편으로 검출하는 단계를 포함하는 것을 특징으로 하는 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
|
| 7 |
7
제6항에 있어서,상기 유사도 지표는 수학식(는 두 평면 사이의 각도, 는 두 평면 사이의 거리, 는 두 평면 사이의 질량 중심 거리 , 은 상기 법선 벡터, 는 상기 원점과의 거리 , 는 상기 질량 중심이다)에 의해 산출되며;상기 정합 오차는 수학식(는 상기 기준 평면, 는 나머지의 상기 3차원 라이다 센서의 대상 평면, 는 기 설정된 각각의 상기 유사도 지표의 가중치이다)에 의해 산출되는 것을 특징으로 하는 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
|
| 8 |
8
제7항에 있어서,상기 초기 외부 파라미터는 초기 회전변환행렬과 초기 병진벡터를 포함하며;상기 초기 회전변환행렬은(는 상기 초기 회전변환행렬이고, 상기 기준 평면과 상기 대응 평면의 법선 벡터의 교차 공분산 행렬 이고, 상기 교차 공분산 행렬의 특이값 분해는 이고, 의 상기 기준 평면과 상기 대응 평면이 쌍의 개수이고, 은 평면의 법선 벡터로 윗 첨자 R은 상기 기준 평면을 나타내고, 윗 첨자 S는 상기 대응 평면을 나타낸다)에 의해 산출되고;상기 초기 병진 벡터는 수학식(는 상기 초기 병진 벡터이고, 는 평면의 질량 중심이고, 는 평면의 원점과의 거리이다)에 의해 산출되는 것을 특징으로 하는 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
|
| 9 |
9
제8항에 있어서,상기 초기 파라미터 산출 단계는 상기 정합 오차가 기 설정된 수렴 조건이 만족될 때까지 반복 수행되어 최종적으로 상기 초기 외부 파라미터가 산출되는 것을 특징으로 하는 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
|
| 10 |
10
제8항에 있어서,상기 최종 파라미터 산출 단계에서는 비용함수 (는 외부 파라미터의 집합이고, 은 상기 대응 평면의 개수이고, 는 i번째 상기 대응 평면의 측정점의 개수이고, 는 i번째 상기 대응 평면의 가중치로, 이고, 는 i번째 상기 대응 평면의 법선 방향으로의 분산이다)를 최소화시키도록 산출되며;상기 비용 함수가 Levenberg-Marquardt 기법에 적용되되, 상기 초기 외부 파라미터가 상기 Levenberg-Marquardt 기법의 초기값으로 적용되는 것을 특징으로 하는 자율 주행 시스템을 위한 복수의 3차원 라이다 센서의 외부 파리미터 보정 방법
|
