| 1 |
1
차량 범퍼에 장착되어 지도 작성 및 위치 인식을 위한 데이터를 출력하는 제 1 라이다 및 제 2 라이다;제 1 라이다 및 제 2 라이다의 데이터를 수신하여 시간 동기화를 통해 라이다의 시간을 정렬한 후 포인트 클라우드 타입으로 변환하여 병합하는 라이다 데이터 머지부;라이다 데이터 머지부에서 병합된 데이터를 보정하기 위한 차량의 관성데이터를 제공하는 ECU;라이다 데이터 머지부에서 병합된 데이터를 ECU에서 받은 차량의 관성데이터를 이용하여 보정하여 차량의 이동을 추정하는 라이다 오도메트리(Lidar odometry)를 획득하고, 차량이 주행하는 도로의 3차원 지도를 생성하고 도로 내부에서 차량의 위치와 주행 경로를 추출하는 SLAM 부;를 포함하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 시스템
|
| 2 |
2
제 1 항에 있어서, 제 1 라이다 및 제 2 라이다 각각의 Raw Data는 Point Cloud Merge를 통해 하나의 통합된 좌표로 표현되고,통합된 좌표계 안에서 센서 간의 상대적 위치 차이를 구하고 이를 적용하여 보정된 좌표계에서의 센서를 원점으로 모든 포인트 클라우드를 정렬하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 시스템
|
| 3 |
3
제 1 항에 있어서, 제 1 라이다 및 제 2 라이다에서 생성된 Raw Data는,UDP를 통해 받아지며 2개의 라이다 각각의 데이터를 버퍼에 저장하여 시간 동기화를 통해 라이다의 시간을 정렬한 후 포인트 클라우드 타입으로 변환하여 병합하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 시스템
|
| 4 |
4
제 1 항에 있어서, 라이다 오도메트리(Lidar odometry)는,제 1 라이다 및 제 2 라이다의 포인트 클라우드 데이터를 이용해 구해지며 라이다 스캔에서 검출된 feature를 이용하여 스캔 간의 매칭을 통해 odometry를 계산되고,검출에 사용되는 포인트 클라우드의 수를 줄이고 임베디드 보드에서의 부하를 최소화하기 위해서 입력받은 포인트클라우드의 클러스터링을 진행하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 시스템
|
| 5 |
5
제 4 항에 있어서, 클러스터링은,설정 갯수 미만의 포인트를 가지는 클러스터의 경우 신뢰하지 않아 등록하지도 않으며,이러한 과정을 통해 비연속적인 노이즈 포인트를 걸러내고 신뢰할 수 있는 포인트만 남기는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 시스템
|
| 6 |
6
제 4 항에 있어서, 입력받은 포인트클라우드의 클러스터링을 진행한 후에,feature의 추출을 위해서 각 포인트의 smoothness를 계산하여 Edge와 Planar로 구분하고,계산된 feature를 균일하게 추출하기 위해서 스캔 영역을 설정된 갯수의 하위영역으로 나누어 영역별로 Edge와 Planar의 추출을 시행하고,그 후 odometry를 구하기 위해서 두 개의 연속되는 스캔 사이에서 feature들의 correspondence를 계산하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 시스템
|
| 7 |
7
제 6 항에 있어서, correspondence를 가지는 feature들 간의 transform matrix를 계산해서 odometry를 구하고,이때 transform matrix를 최적화 문제로 풀기 위해서 Edge correspondence와 Planar correspondence를 cost로 하여 최적화를 진행하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 시스템
|
| 8 |
8
제 7 항에 있어서, 최적화 과정에서, 차량의 odometry에서 z축의 변화와 roll, pitch의 경우 라이다에서 측정한 스캔 간의 매칭을 통해 측정하고,도로 위에서 차량의 x, y 방향의 이동을 계산할 때 차량 imu 데이터를 이용해 경로 추정값을 제공하여 odometry의 계산을 보완하고,차량의 ECU에서 Longitudinal Acceleration(), Lateral Acceleration(), Yaw Rate()에 대한 데이터가 출력되며 이를 통해 차량의 x, y축 이동과 yaw 회전인 를 보정하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 시스템
|
| 9 |
9
차량 범퍼에 장착되는 제 1 라이다 및 제 2 라이다로부터 지도 작성 및 위치 인식을 위한 데이터를 입력받아 시간 동기화를 통해 라이다의 시간을 정렬한 후 포인트 클라우드 타입으로 변환하여 병합하는 단계;차량의 관성데이터를 제공받아 제 1 라이다 및 제 2 라이다에서 인식된 포인트 클라우드(Point cloud)를 이용해 차량의 이동을 추정하는 라이다 오도메트리(Lidar odometry)를 획득하는 단계;오도메트리(odometry)의 정밀도를 높이고 연산에 필요한 시간을 줄이기 위해 차량 내부 ECU에서 CAN 형식으로 출력되는 차량의 가속도 데이터를 사용하여 SLAM을 실시하여 구해진 odometry를 따라 라이다 Point Cloud를 글로벌 맵에 등록하여 3D Point Cloud 맵을 생성하는 단계;를 포함하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 방법
|
| 10 |
10
제 9 항에 있어서, 라이다 오도메트리(Lidar odometry)는,제 1 라이다 및 제 2 라이다의 포인트 클라우드 데이터를 이용해 구해지며 라이다 스캔에서 검출된 feature를 이용하여 스캔 간의 매칭을 통해 odometry를 계산되고,검출에 사용되는 포인트 클라우드의 수를 줄이고 임베디드 보드에서의 부하를 최소화하기 위해서 입력받은 포인트클라우드의 클러스터링을 진행하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 방법
|
| 11 |
11
제 10 항에 있어서, 클러스터링은,설정 갯수 미만의 포인트를 가지는 클러스터의 경우 신뢰하지 않아 등록하지도 않으며,이러한 과정을 통해 비연속적인 노이즈 포인트를 걸러내고 신뢰할 수 있는 포인트만 남기는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 방법
|
| 12 |
12
제 10 항에 있어서, 입력받은 포인트클라우드의 클러스터링을 진행한 후에,feature의 추출을 위해서 각 포인트의 smoothness를 계산하여 Edge와 Planar로 구분하고,계산된 feature를 균일하게 추출하기 위해서 스캔 영역을 설정된 갯수의 하위영역으로 나누어 영역별로 Edge와 Planar의 추출을 시행하고,그 후 odometry를 구하기 위해서 두 개의 연속되는 스캔 사이에서 feature들의 correspondence를 계산하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 방법
|
| 13 |
13
제 12 항에 있어서, correspondence를 가지는 feature들 간의 transform matrix를 계산해서 odometry를 구하고,이때 transform matrix를 최적화 문제로 풀기 위해서 Edge correspondence와 Planar correspondence를 cost로 하여 최적화를 진행하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 방법
|
| 14 |
14
제 13 항에 있어서, 최적화 과정에서, 차량의 odometry에서 z축의 변화와 roll, pitch의 경우 라이다에서 측정한 스캔 간의 매칭을 통해 측정하고,도로 위에서 차량의 x, y 방향의 이동을 계산할 때 차량 imu 데이터를 이용해 경로 추정값을 제공하여 odometry의 계산을 보완하고,차량의 ECU에서 Longitudinal Acceleration(), Lateral Acceleration(), Yaw Rate()에 대한 데이터가 출력되며 이를 통해 차량의 x, y축 이동과 yaw 회전인 를 보정하는 것을 특징으로 하는 범퍼 설치형 듀얼 라이다를 이용한 차량용 SLAM 방법
|
