| 1 |
1
회전식 라이다를 이용한 고속 움직임에 강인한 오도메트리 장치에 의해 수행되는 오도메트리 방법에 있어서,(a) 회전식 라이다로부터 측정되는 현재 스캔 데이터를 N개의 조각 단위 형태의 점군(point cloud)으로 분할하는 단계;(b) 각 조각 내의 점군을 복수의 복셀로 할당하여 복셀화하는 단계;(c) 포즈 추정 모델을 통해 새롭게 측정된 제1 조각 내지 제N조각의 점군이 변환된 복셀들과 앞선 시점에 측정된 하나의 스캔 데이터에 대한 각 조각 별 복셀들을 정합하여 상기 제1 조각 내지 제N조각에서의 회전식 라이다의 포즈 변화량을 추정하는 단계; 및(d) 상기 포즈 변화량를 기초로 상기 제1조각 내지 제 N조각에서의 움직임 왜곡을 보상하여 상기 현재 스캔 데이터를 갱신하는 단계를 포함하는 오도메트리 방법
|
| 2 |
2
제1항에 있어서,상기 (a) 단계는상기 회전식 라이다로부터 360도 스캔된 하나의 스캔 데이터를 부채꼴 형태의 N개의 조각으로 분할하며, 상기 회전식 라이다의 회전 속도가 빨라지면 상기 조각의 각도 크기가 작아지고, 회전 속도가 느려지면 상기 조각의 각도 크기가 커지도록 분할하는 것이고, 상기 각도의 크기는 15도 내지 30도 범위인 것인, 오도메트리 방법
|
| 3 |
3
제1항에 있어서,상기 (b) 단계는하나의 복셀에 할당되는 점군의 평균 위치 및 분산을 해당 복셀의 대표값 및 형태로 환산하는 복셀의 속성을 계산하며,작은 복셀에 점을 할당하여 계산된 복셀의 속성이 단일 채널로 이루어진 경우, 촘촘하게 측정된 벽 영역을 구성하는 제1 복셀화 단계; 큰 복셀에 점을 할당하여 계산된 복셀의 속성이 여러 채널로 이루어진 경우, 성기게 측정된 바닥 영역을 구성하는 제2복셀화 단계; 및상기 제1복셀화 단계와 제2 복셀화 단계를 합성하는 단계를 포함하는 것인, 오도메트리 방법
|
| 4 |
4
제1항에 있어서,상기 포즈 추정 모델은 비선형 베이지안 필터 또는 앙상블 칼만 필터를 이용하여 N개의 조각에서의 상기 포즈 변화량을 추정하며,각 시점에서 측정한 연속한 두 조각에서의 상기 포즈 변화량은 일정 범위 내에 속하는 것이고,상기 포즈 변화량은 상기 회전식 라이다의 위치 및 자세 간의 차이인 것인, 오도메트리 방법
|
| 5 |
5
제1항에 있어서,상기 포즈 추정 모델은 현재 시점에 측정한 N개의 조각의 복셀들에 대한 상기 포즈 변화량에 대한 추정치를 예측하는 예측 모델, 및현재 시점에 측정한 i번째 조각의 복셀과 이와 상응하는 앞선 시점에 측정한 m번째 조각의 복셀의 위치 차이를 기초로 상기 포즈 변화량의 1차 측정치를 산출하는 관측 모델을 포함하는 것인, 오도메트리 방법
|
| 6 |
6
제5항에 있어서,상기 포즈 추정 모델은각 조각에 대하여 상기 관측 모델이 산출한 복셀 형태인 1차 측정치와 상기 예측 모델이 예측한 복셀 형태인 추정치의 차이가 임계치를 초과하는 경우, 해당 복셀을 이상치로 판단하고, 상기 1차 측정치에서 상기 이상치로 판단된 해당 복셀을 제거하고, 상기 이상치가 제거된 나머지 복셀 형태인 2차 측정치를 기초로 상기 각 조각의 포즈 변화량에 대한 확률 분포를 갱신하고, 상기 각 조각의 포즈 변화량에 대한 확률 분포를 예측하는 필터 처리 과정을 하나의 스캔 데이터에 속한 N개의 조각에 대해서 다수회 반복 수행하는 것인, 오도메트리 방법
|
| 7 |
7
회전식 라이다를 이용한 고속 움직임에 강인한 오도메트리 장치에 있어서,고속 움직임에 따른 회전식 라이다를 이용한 오도메트리 방법을 제공하는 프로그램이 저장된 메모리; 및상기 메모리에 저장된 오도메트리 프로그램을 실행하는 프로세서를 포함하되,상기 오도메트리 프로그램은 상기 회전식 라이다로부터 측정되는 현재 스캔 데이터를 N개의 조각 단위 형태의 점군(point cloud)으로 분할하고, 각 조각 내의 점군을 복수의 복셀로 할당하여 복셀화하고, 포즈 추정 모델을 통해 새롭게 측정된 제1 조각 내지 제N조각의 점군이 변환된 복셀들과 앞선 시점에 측정된 하나의 스캔 데이터에 대한 각 조각 별 복셀들을 정합하여 상기 제1 조각 내지 제N조각에서의 회전식 라이다의 포즈 변화량을 추정하고, 상기 포즈 변화량를 기초로 상기 제1조각 내지 제 N조각에서의 움직임 왜곡을 보상하여 상기 현재 스캔 데이터를 갱신하는, 오도메트리 장치
|
| 8 |
8
제7항에 있어서,상기 오도메트리 프로그램은, 상기 회전식 라이다로부터 360도 스캔된 하나의 스캔 데이터를 부채꼴 형태의 N개의 조각으로 분할하며, 상기 회전식 라이다의 회전 속도가 빨라지면 상기 조각의 각도 크기가 작아지고, 회전 속도가 느려지면 상기 조각의 각도 크기가 커지도록 분할하는 것이고, 상기 각도의 크기는 15도 내지 30도 범위인 것인, 오도메트리 장치
|
| 9 |
9
제7항에 있어서,상기 오도메트리 프로그램은, 하나의 복셀에 할당되는 점군의 평균 위치 및 분산을 해당 복셀의 대표값 및 형태로 환산하는 복셀의 속성을 계산하며,작은 복셀에 점을 할당하여 계산된 복셀의 속성이 단일 채널로 이루어진 경우, 촘촘하게 측정된 벽 영역을 구성하는 제1 복셀화 단계, 큰 복셀에 점을 할당하여 계산된 복셀의 속성이 여러 채널로 이루어진 경우, 성기게 측정된 바닥 영역을 구성하는 제2복셀화 단계 및 상기 제1복셀화 단계와 제2 복셀화 단계를 합성하는 단계를 포함하는 것인, 오도메트리 장치
|
| 10 |
10
제7항에 있어서,상기 포즈 추정 모델은, 비선형 베이지안 필터 또는 앙상블 칼만 필터를 이용하여 N개의 조각에서의 상기 포즈 변화량을 추정하며, 각 시점에서 측정한 연속한 두 조각에서의 상기 포즈 변화량이 일정 범위 내에 속하도록 추정하는 것이고,상기 포즈 변화량은 상기 회전식 라이다의 위치 및 자세 간의 차이인 것인, 오도메트리 장치
|
| 11 |
11
제7항에 있어서,상기 포즈 추정 모델은현재 시점에 측정한 N개의 조각의 복셀들에 대한 상기 포즈 변화량에 대한 추정치를 예측하는 예측 모델, 및 현재 시점에 측정한 i번째 조각의 복셀과 이와 상응하는 앞선 시점에 측정한 m번째 조각의 복셀의 위치 차이를 기초로 상기 포즈 변화량의 1차 측정치를 산출하는 관측 모델을 포함하는 것인, 오도메트리 장치
|
| 12 |
12
제11항에 있어서,상기 포즈 추정 모델은각 조각에 대하여 상기 관측 모델이 산출한 복셀 형태인 1차 측정치와 상기 예측 모델이 예측한 복셀 형태인 추정치의 차이가 임계치를 초과하는 경우, 해당 복셀을 이상치로 판단하고, 상기 1차 측정치에서 상기 이상치로 판단된 해당 복셀을 제거하고, 상기 이상치가 제거된 나머지 복셀 형태인 2차 측정치를 기초로 상기 각 조각의 포즈 변화량에 대한 확률 분포를 갱신하고, 상기 각 조각의 포즈 변화량에 대한 확률 분포를 예측하는 필터 처리 과정을 하나의 스캔 데이터에 속한 N개의 조각에 대해서 다수회 반복 수행하는 것인, 오도메트리 장치
|
| 13 |
13
제1항 내지 제6항 중 어느 한 항에 따른 회전식 라이다를 이용한 고속 움직임에 강인한 오도메트리 장치에 의해 수행되는 오도메트리 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 비일시적 컴퓨터 판독가능 기록매체
|
