• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.702-704
• /
• 2022

자율주행 시뮬레이터를 위한 대체재로 게임 엔진을 통한 가상 환경 모의 연구가 수행되고 있다. 하지만 게임 엔진에서는 자율 주행에 필요한 센서를 기기에 맞게 사용자가 직접 모델링을 해줘야 하기 때문에 개발 비용이 크게 작용된다. 특히, Ray 를 활용한 3D LIDAR 는 GPU(Graphics Processing Unit) 사용량이 많은 작업이기 때문에 저비용 시뮬레이터를 위해서는 저비용 3D LIDAR 모의가 필요하다. 본 논문에서는 낮은 컴퓨터 연산을 사용하는 C++ 기반 3D LIDAR 모의 프레임 워크를 제안한다. 제안된 3D LIDAR 는 다수의 언덕으로 이루어진 비포장 Map 에서 성능을 검증 하였으며, 성능 검증을 의해 본 논문에서 생성된 3D LIDAR 로 간단한 LPP(Local Path Planning) 생성 방법도 소개한다. 제안된 3D LIDAR 프레임 워크는 저비용 실시간 모의가 필요한 자율 주행 분야에 적극 활용되길 바란다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.153-155
• /
• 2003

Laser scanning has become a viable technique for the collection of a large amount of accurate 3D point data densely distributed on the scanned object surface. The inherent 3D nature of the sub-randomly distributed point cloud provides abundant spatial information. To explore valuable spatial information from laser scanned data becomes an active research topic, for instance extracting digital elevation model, building models, and vegetation volumes. The sub-randomly distributed point cloud should be segmented and classified before the extraction of spatial information. This paper investigates some exist segmentation methods, and then proposes an octree-based split-and-merge segmentation method to divide lidar data into clusters belonging to 3D planes. Therefore, the classification of lidar data can be performed based on the derived attributes of extracted 3D planes. The test results of both ground and airborne lidar data show the potential of applying this method to extract spatial features from lidar data.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.150-152
• /
• 2003

Laser scanned lidar data record 3D surface information in detail. Exploring valuable spatial information from lidar data is a prerequisite task for its applications, such as DEM generation and 3D building model reconstruction. However, the inherent spatial information is implicit in the abundant, densely and randomly distributed point cloud. This paper proposes a novel method to organize point cloud data, so that further analysis or feature extraction can proceed based on a well organized data model. The principle of the proposed algorithm is to segment point cloud into 3D planes. A split and merge segmentation based on the octree structure is developed for the implementation. Some practical airborne and ground lidar data are tested for demonstration and discussion. We expect this data organization could provide a stepping stone for extracting spatial information from lidar data.

• 대한기계학회논문집A
• /
• 제41권11호
• /
• pp.1047-1053
• /
• 2017

무인지상차량의 자율주행을 위한 핵심센서로 사용되는 2D/3D 라이다(LIDAR) 센서에서 제공되는 거리 데이터는 지면 모델링 및 장애물 검출을 위해 효과적으로 활용되지만, 도로의 경계가 모호한 환경 등에서는 주행가능영역에 대한 분석이 어렵게 된다. 본 논문에서는 라이다의 반사율 특성을 이용하여 무인차량의 주행 가능한 영역에 대한 후보 영역을 추가로 분석함으로써 보다 효과적으로 주행가능영역을 검출할 수 있는 기법을 제안하였다. 3D LIDAR의 반사율을 보정하고 무인차량 전방 영역의 반사율에 대한 학습을 통해 주행가능 후보영역을 검출하였으며, 무인차량 실제 운용환경에서의 실험을 통해 후보영역 검출 결과를 검증하였다.

• 한국방재학회 논문집
• /
• 제4권4호
• /
• pp.55-61
• /
• 2004

최근 센서 기술의 발달로 지상에 대한 다양한 정보취득이 가능해지고 있다. 하지만, 이러한 정보들을 많은 응용연구에 적용시킬 경우 각 센서로부터 취득한 자료들은 완벽성, 정밀성 및 일관성이 부족하다. 이러한 문제를 해결하기 위하여 각 자료는 서로 다른 자료를 위한 보조자료로 활용되거나 서로 간의 융합을 필요로 한다. 본 연구에서는 LIDAR자료와 디지털 카메라 영상을 이용하여 3차원 정사영상을 생성하시 위한 실험을 수행하였으며 3차원 정사영상이 홍수 모니터링에 활용될 수 있었음을 보여주었다.

• 대한공간정보학회지
• /
• 제14권3호
• /
• pp.13-22
• /
• 2006

3차원 지형공간정보의 활용범위가 확대되면서 다양한 형태와 크기의 건물들이 존재하는 광범위한 도시지역에 대하여 신속하고 정확하게 실세계에 가까운 3차원 건물 모형을 구축하는 기술 개발이 요구되고 있다. 기존의 항공사진이나 고해상 위성영상을 이용한 3차원 도시 지형공간의 구축 연구와는 달리 최근에는 높은 정밀도를 가진 항공 LIDAR 관측 자료를 활용한 3차원 건물 복원에 관한 연구가 활발히 진행되고 있다. 본 연구에서는 Zero-crossing의 특성을 갖는 LoG 연산자를 이용하여 높이별로 건물의 경계선 정보를 추출하고 Douglas-Peucker 알고리즘을 이용하여 경계선을 직선화하여 건물의 경계선을 정제하고 3차원으로 건물을 복원하는 기법을 제안하였다.

• Journal of Positioning, Navigation, and Timing
• /
• 제6권1호
• /
• pp.27-33
• /
• 2017

GPS provides the positioning solution in most areas of the world. However, the position error largely occurs in the urban area due to signal attenuation, signal blockage, and multipath. Although many studies have been carried out to solve this problem, a definite solution has not yet been proposed. Therefore, research is being conducted to solve the vehicle localization problem in the urban environment by converging sensors such as cameras and Light Detection and Ranging (LIDAR). In this paper, the precise vehicle localization using 3D LIDAR (Velodyne HDL-32E) is performed in the urban area. As there are many tall buildings in the urban area and the outer walls of urban buildings consist of planes generally perpendicular to the earth's surface, the outer wall of the building meets at a vertical corner and this vertical corner can be accurately extracted using 3D LIDAR. In this paper, we describe the vertical corner extraction method using 3D LIDAR and perform the precise localization by combining the extracted corner position and GPS/DR information. The driving test was carried out in an about 4.5 km-long section near Teheran-ro, Gangnam. The lateral and longitudinal RMS position errors were 0.146 m and 0.286 m, respectively and showed very accurate localization performance.

• 대한임베디드공학회논문지
• /
• 제10권3호
• /
• pp.179-188
• /
• 2015

We propose obstacle classification method based on 2D LIDAR(Light Detecting and Ranging) database. The existing obstacle classification method based on 2D LIDAR, has an advantage in terms of accuracy and shorter calculation time. However, it was difficult to classifier the type of obstacle and therefore accurate path planning was not possible. In order to overcome this problem, a method of classifying obstacle type based on width data of obstacle was proposed. However, width data was not sufficient to improve accuracy. In this paper, database was established by width, intensity, variance of range, variance of intensity data. The first classification was processed by the width data, and the second classification was processed by the intensity data, and the third classification was processed by the variance of range, intensity data. The classification was processed by comparing to database, and the result of obstacle classification was determined by finding the one with highest similarity values. An experiment using an actual autonomous vehicle under real environment shows that calculation time declined in comparison to 3D LIDAR and it was possible to classify obstacle using single 2D LIDAR.

• 대한공간정보학회지
• /
• 제13권3호
• /
• pp.25-32
• /
• 2005

본 논문은 LIDAR 데이터와 수치지도를 이용한 점 기반의 3차원 건물모델링 방법을 제안하는데 목적이 있다. 본 논문에서 제안한 방법은 크게 건물점 추출, 지붕유형 분류, 지붕유형별 3차원 모델링 단계로 나뉜다. 먼저 수치지도의 건물 외곽선과 LIDAR 데이터를 중첩시켜 건물폴리곤 내에 있는 LIDAR 점들 중에서 지면과 벽면 및 수목을 제거하여 건물의 지붕점만을 추출한다. 추출된 건물 지붕점들은 ODR(Orthogonal Distance Regression) 방법을 통해 평면근사하여 점들이 평면상의 점이면 평면형(flat) 지붕으로 분류하고 그렇지 않으면 박공형(gable)과 원통형(arch)으로 근사한 후 평균제곱근오차가 작은 쪽으로 지붕유형을 결정한다. 실험결과 본 연구에서 제안한 방법은 3가지 유형의 단순 지붕유형을 성공적으로 분류하였으며, LiDAR 데이터와 수치지도를 이용한 자동 3차원 건물모델링의 가능성을 제시하였다.

• 로봇학회논문지
• /
• 제16권3호
• /
• pp.189-198
• /
• 2021

In this paper, we introduce the software/hardware system that can reliably calculate the distance from sensor to the model regardless of point cloud density. As the 3d point cloud map is widely adopted for SLAM and computer vision, the accuracy of point cloud map is of great importance. However, the 3D point cloud map obtained from Lidar may reveal different point cloud density depending on the choice of sensor, measurement distance and the object shape. Currently, when measuring map accuracy, high reflective bands are used to generate specific points in point cloud map where distances are measured manually. This manual process is time and labor consuming being highly affected by Lidar sparsity level. To overcome these problems, this paper presents a hardware design that leverage high intensity point from three planar surface. Furthermore, by calculating distance from sensor to the device, we verified that the automated method is much faster than the manual procedure and robust to sparsity by testing with RGB-D camera and Lidar. As will be shown, the system performance is not limited to indoor environment by progressing the experiment using Lidar sensor at outdoor environment.