| 1 |
1
프로세서 상에서 구현되는 라이다(Lidar, Light detection and ranging) 스캐너를 통해 획득한 점군(point cloud)의 정합 방법으로서,한 스캔 지점의 n번째 소스 점군(point cloud)에 대해, 상기 라이다 스캐너의 이동 및 회전으로 인한 오차를 제거하는 단계와;상기 n번째 소스 점군에 대해, 상기 라이다 스캐너의 서로 인접한 채널에서 획득한 포인트 간의 연결성 유무를 확인하는 단계와; 포인트 밀도가 증가되도록 연결성이 확인된 상기 채널의 상기 포인트 사이에 보간 포인트를 삽입하여 n번째 정제된 점군을 획득하는 단계와;상기 n번째 정제된 점군을 인접 스캔 지점의 정제된 점군에 ICP 정합(Iterative Closest Point Registration)하여 1차 변환 행렬을 산출하는 단계와;상기 1차 변환 행렬에 따라 상기 n번째 소스 점군을 1차 변환시키는 단계를 포함하는, 라이다 스캐너에서 획득한 점군 정합 방법
|
| 2 |
2
제1항에 있어서,상기 라이다 스캐너의 이동 및 회전으로 인한 오류 제거 단계는,상기 라이다 스캐너의 촬영 회전 각도 0°와 360°에서의 포인트 간의 총 오차를 모든 촬영 각도의 포인트에 분배함으로써 수행되는 것을 특징으로 하는, 라이다 스캐너에서 획득한 점군 정합 방법
|
| 3 |
3
제1항에 있어서,상기 서로 인접한 채널에서 획득한 상기 포인트 간의 연결성 유무를 확인하는 단계는,서로 인접한 채널에서 측정한 상기 포인트의 법선 벡터의 사이각과 기 설정된 기준각을 비교하여, 상기 사이각이 상기 기준각 보다 작은 경우 서로 인접한 상기 채널은 서로 연결성이 있다고 판단하는 단계를 포함하는 것을 특징으로 하는, 라이다 스캐너에서 획득한 점군 정합 방법
|
| 4 |
4
제1항에 있어서,상기 n번째 정제된 점군을 획득하는 단계는,보간 포인트 간 거리(D)가 아래의 [식 1]을 만족하도록 보간 포인트를 삽입함으로써 수행되는 것을 특징으로 하는, 라이다 스캐너에서 획득한 점군 정합 방법
|
| 5 |
5
제1항에 있어서,상기 n번째 정제된 점군과 인접 스캔 지점의 정제된 점군에 정합하여 1차 변환 행렬을 산출하는 단계는,상기 n번째 정제된 점군에서 대표 포인트를 선정하고, 인접 스캔 지점의 정제된 점군에서 상기 대표 포인트에 대응되는 매칭 포인트를 선정하는 단계와; 상기 대표 포인트와 상기 매칭 포인트의 최소 거리가 기 설정된 기준값 이하가 되도록 상기 1차 변환 행렬을 산출하는 단계를 포함하는, 라이다 스캐너에서 획득한 점군 정합 방법
|
| 6 |
6
제1항에 있어서,상기 인접 스캔 지점의 정제된 점군에 ICP 정합하여 1차 변환 행렬을 산출하는 단계의 상기 1차 변환 행렬은, 상기 한 스캔 지점의 직전 스캔 지점의 n-1번째 정제된 점군과 ICP 정합하여 산출되는 것을 특징으로 하는, 라이다 스캐너에서 획득한 점군 정합 방법
|
| 7 |
7
제1항에 있어서,상기 n-1번째까지 상기 정제된 점군이 연속적으로 ICP 정합되어 점군 데이터 베이스가 형성되며,상기 1차 변환 행렬을 산출하는 단계 이후에,상기 n번째 정제된 점군에 대해 상기 라이다 스캐너의 촬영 회전 각도에 따른 포인트들을 기 설정된 분할값에 따라 나누어 분할하고, 분할된 상기 n번째 정제된 점군 각각을 상기 점군 데이터 베이스에 ICP 정합하는 단계와;분할 후 ICP 정합된 상기 n번째 정제된 점군을 상기 점군 데이터 베이스에 다시 ICP 정합하여 2차 변환 행렬을 산출하는 단계와;상기 2차 변환 행렬에 따라 상기 1차 변환된 n번째 소스 점군을 2차 변환하는 단계를 더 포함하는, 라이다 스캐너에서 획득한 점군 정합 방법
|
| 8 |
8
제7항에 있어서,상기 점군 데이터 베이스에 다시 ICP 정합된 상기 n번째 정제된 점군을 상기 점군 데이터 베이스에 축적하는 단계를 더 포함하는, 라이다 스캐너에서 획득한 점군 정합 방법
|
