| 1 |
1
3차원의 라이다 센서로 획득된 피사체의 정보를 이미지 좌표에 해당되는 포인트 클라우드 데이터로 생성하는 단계;상기 포인트 클라우드 데이터에 ICP(Iterative Closest Point) 알고리즘을 적용시켜 각 방향에서 오차를 최소화할 수 있는 로테이션(Rotation: R)과 트랜슬레이션(Translation: T)을 산출하는 단계; 및상기 각 방향에 대한 로테이션과 트랜슬레이션으로부터 상기 오차의 2-norm을 계산하여 상기 3차원의 라이다 센서 중 오차가 발생한 라이다 센서를 검출하는 단계를 포함하는 포인트 클라우드 데이터를 이용한 3D LIDAR 센서 결함 검출 방법
|
| 2 |
2
제 1 항에 있어서,상기 3차원의 라이다 센서는 전방, 좌측 또는 우측 중 적어도 어느 하나의 방향의 오브젝트를 검출하는 단계; 및상기 오브젝트를 3차원의 좌표 공간에 투영시켜 표현하는 단계를 포함하는 포인트 클라우드 데이터를 이용한 3D LIDAR 센서 결함 검출 방법
|
| 3 |
3
제 1 항에 있어서,상기 3차원의 라이다 센서로부터 calibration 되어 있는 포인트 클라우드 데이터를 계측하는 단계를 더 포함하는 포인트 클라우드 데이터를 이용한 3D LIDAR 센서 결함 검출 방법
|
| 4 |
4
제 1 항에 있어서,상기 오차는 상기 포인트 클라우드 데이터의 양 끝단의 점 각각과 직선 방정식의 일단 및 타단 사이의 거리의 평균값으로 산출하는 단계; 및상기 포인트 클라우드 데이터의 각각의 점들과 상기 직선 방정식과의 최단거리의 평균값을 기준으로 설정하는 단계를 더 포함하는 포인트 클라우드 데이터를 이용한 3D LIDAR 센서 결함 검출 방법
|
| 5 |
5
제 1 항에 있어서, 상기 ICP 알고리즘은 두 개의 포인트 클라우드 데이터에서 샘플링을 통해 동일한 개수의 포인트를 선택하는 단계; 및상기 샘플링을 통해 선택된 두 포인트 셋에 대해 가장 최소거리를 갖는 포인트 클라우드 데이터를 계산하여 매칭하는 단계를 포함하는 포인트 클라우드 데이터를 이용한 3D LIDAR 센서 결함 검출 방법
|
| 6 |
6
제 5 항에 이있어서,상기 매칭하는 단계는,상기 두 포인트 클라우드 데이터의 거리를 최소화 할 수 있는 3차원 변환행렬을 상기 로테이션 및 트렌슬레이션으로 산출하는 단계; 및상기 3차원 변환행렬을 통해 정합된 두 포인트 클라우드 데이터의 거리의 합인 상기 오차를 산출하는 단계를 더 포함하고,상기 오차를 기 설정된 임계값과 비교하여 결함이 있는 라이다 센서를 검출하는 것을 특징으로 하는 포인트 클라우드 데이터를 이용한 3D LIDAR 센서 결함 검출 방법
|
| 7 |
7
제 1 항에 있어서,상기 3차원의 라이다 센서의 고장을 검출하여 운행 중 운전 제어권 전환 시기를 판단하는 단계를 더 포함하는 포인트 클라우드 데이터를 이용한 3D LIDAR 센서 결함 검출 방법
|
