• 로봇학회논문지
• /
• 제19권1호
• /
• pp.130-138
• /
• 2024

High-precision 3D Object Detection is a crucial component within autonomous driving systems, with far-reaching implications for subsequent tasks like multi-object tracking and path planning. In this paper, we propose a novel approach designed to enhance the performance of 3D Object Detection, especially in heading angle estimation by employing a moving object segmentation technique. Our method starts with extracting point-wise moving labels via a process of moving object segmentation. Subsequently, these labels are integrated into the LiDAR Pointcloud data and integrated data is used as inputs for 3D Object Detection. We conducted an extensive evaluation of our approach using the KITTI-road dataset and achieved notably superior performance, particularly in terms of AOS, a pivotal metric for assessing the precision of 3D Object Detection. Our findings not only underscore the positive impact of our proposed method on the advancement of detection performance in lidar-based 3D Object Detection methods, but also suggest substantial potential in augmenting the overall perception task capabilities of autonomous driving systems.

• 로봇학회논문지
• /
• 제19권1호
• /
• pp.106-116
• /
• 2024

Ensuring robust 3D object detection is a core challenge for autonomous driving systems operating in urban environments. To tackle this issue, various 3D representation, including point cloud, voxels, and pillars, have been widely adopted, making use of LiDAR, Camera, and Radar sensors. These representations improved 3D object detection performance, but real-world urban scenarios with unexpected situations can still lead to numerous false positives, posing a challenge for robust 3D models. This paper presents a post-processing algorithm that dynamically adjusts object detection thresholds based on the distance from the ego-vehicle. While conventional perception algorithms typically employ a single threshold in post-processing, 3D models perform well in detecting nearby objects but may exhibit suboptimal performance for distant ones. The proposed algorithm tackles this issue by employing adaptive thresholds based on the distance from the ego-vehicle, minimizing false negatives and reducing false positives in the 3D model. The results show performance enhancements in the 3D model across a range of scenarios, encompassing not only typical urban road conditions but also scenarios involving adverse weather conditions.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2007년도 Proceedings of ISRS 2007
• /
• pp.637-641
• /
• 2007

Airborne LIDAR (Light Detection and Ranging) technology has reached a degree of the required accuracy in mapping professions, and advanced LIDAR systems are becoming increasingly common in the various fields of application. LiDAR data constitute an excellent source of information for reconstructing the Earth's surface due to capability of rapid and dense 3D spatial data acquisition with high accuracy. However, organizing the LIDAR data and extracting information from the data are difficult tasks because LIDAR data are composed of randomly distributed point clouds and do not provide sufficient semantic information. The main reason for this difficulty in processing LIDAR data is that the data provide only irregularly spaced point coordinates without topological and relational information among the points. This study introduces an efficient and robust method for automatic extraction of building footprints using airborne LIDAR data. The proposed method separates ground and non-ground data based on the histogram analysis and then rearranges the building boundary points using convex hull algorithm to extract building footprints. The method was implemented to LIDAR data of the heavily built-up area. Experimental results showed the feasibility and efficiency of the proposed method for automatic producing building layers of the large scale digital maps and 3D building reconstruction.

• 한국산학기술학회논문지
• /
• 제20권10호
• /
• pp.326-331
• /
• 2019

실제 환경에서는 움직이지 않는 정적 물체만큼이나 많은 수의 움직이는 동적 물체가 존재한다. 사람은 정적 물체와 동적 물체를 쉽게 구분할 수 있지만, 자율 주행 차량이나 모바일 로봇은 이를 구분하지 못한다. 따라서 차량이나 로봇이 성공적이고 안정적인 자율 주행을 수행하기 위해서는 정적 물체와 동적 물체를 정확하게 구분하는 것이 중요하다. 이를 수행하기 위해서 자율 주행 차량이나 모바일 로봇은 카메라, 라이다 등과 같은 다양한 센서 시스템을 활용할 수 있다. 그중에서 스테레오 카메라 영상은 자율 주행을 위해 많이 활용하는 데이터이다. 스테레오 카메라 영상은 물체 분할, 분류, 추적과 같은 물체 인식 분야는 물론 3차원 지도 복원과 같은 네비게이션 분야에 활용할 수 있다. 본 연구에서는 실시간으로 주행하는 차량과 로봇을 위하여 스테레오 영상을 활용한 정적/동적 물체 구분 방법을 제안하고, 향후 네비게이션 목적으로도 활용할 수 있도록 3차원 지도를 복원하여 이를 적용한 결과 및 성능 확인을 위한 정확도 분석 결과(99.81%)를 제시한다.

• 대한토목학회논문집
• /
• 제39권6호
• /
• pp.691-702
• /
• 2019

홍수범람지도는 홍수에 대비하여 도시계획이나 댐 수위 조절 운영, 제방 등의 설계에 주요 지표로 사용되며 거주지역에 대한 홍수 발생 여부를 예보하거나 홍수 발생 시 신속하고 안전하게 대피하도록 하는 홍수 예·경보시스템 구축 등에도 중요한 역할을 한다. 국가하천과 같이 중요도 혹은 홍수 취약성이 높은 하천주변 지역의 경우, 고정밀도 LiDAR 기반 DEM 기반 정확도가 높은 홍수지도 작성에 2차원 혹은 3차원의 전문화된 범람지도 가시화 수치모형이 비용과 상관없이 활용될 수 있으나 지방하천 및 소하천은 예산상 한계 및 적합한 기술부족으로 여전히 시간소모적인 수작업이나 부정확하거나 비효율적인 기존 홍수지도작성 기법을 감수해왔다. 본 연구에서는, 실무에서 하천기본계획 수립 시 활용되는 HEC-RAS 기반 1차원 홍수위 모형 결과와 DEM을 기반으로 홍수지도작성의 복잡한 단계를 자동화시키고, 오픈소스인 QGIS와 연계할 수 있어 고비용의 ArcGIS에 기반하지 않는 OpenGIS 기반 홍수범람지도 생성 자동화 소프트웨어(Open Flood Mapper, OFM)를 개발하였다. OFM은 지난 2007년도 태풍 나리 내습 시 범람피해를 입은 제주도 한천 하류 침수흔적도, 첨두홍수위에 기반한 HEC-GeoRAS 및 수작업을 통해 제작한 홍수 범람지도와 비교하여 검증하였고, 빈도별 홍수범람지도를 추적하여 극한 홍수사상에서 범람의 특성을 시범적으로 구현하고 분석하였다.