特許ウォッチ

公開番号2025094928
公報種別公開特許公報(A)
公開日2025-06-25
出願番号2024217514
出願日2024-12-12
発明の名称悪天候気象環境に起因して発生したライダセンサの雑音を除去するシステムとその動作方法
出願人個人,Electronics and Telecommunications Research Institute
代理人個人,個人,個人
主分類G01S 17/89 20200101AFI20250618BHJP(測定;試験)
要約【課題】悪天候気象環境に起因して発生したライダセンサの雑音を除去するシステムとその動作方法を提供する。
【解決手段】本発明に係るライダセンサ雑音除去システムにおいて、プロセッサは、ライダセンサから、雑音が含まれた第1ポイントクラウドの入力を受ける段階S210と、第1ポイントクラウドに基づいて2次元の第1距離映像と2次元の第1反射率映像を生成する段階S220と、第1距離映像と第1反射率映像を予め学習された機械学習モデルに入力して2次元の第1雑音境界面映像を生成する段階S230と、第1雑音境界面映像を利用して第1ポイントクラウドに含まれた雑音を除去する段階S240と、を含む命令を実行する。
【選択図】図7
特許請求の範囲【請求項１】
ライダセンサ雑音除去システムの動作方法において、
（ａ）前記ライダセンサ雑音除去システムが、ライダセンサから、雑音が含まれた第１ポイントクラウドの入力を受ける段階；
（ｂ）前記ライダセンサ雑音除去システムが、前記第１ポイントクラウドに基づいて２次元の第１距離映像と２次元の第１反射率映像を生成する段階；
（ｃ）前記ライダセンサ雑音除去システムが、前記第１距離映像と第１反射率映像を予め学習された機械学習モデルに入力して２次元の第１雑音境界面映像を生成する段階；および
（ｄ）前記ライダセンサ雑音除去システムが、前記第１雑音境界面映像を利用して前記第１ポイントクラウドに含まれた雑音を除去する段階；を含む、ライダセンサ雑音除去システムの動作方法。
続きを表示（約 1,600 文字）【請求項２】
前記（ｂ）は、
前記ライダセンサ雑音除去システムが、前記ライダセンサの単一ビーム出力のインパルス応答と、前記第１ポイントクラウドの座標と、後方散乱効果が反映された適応型媒介変数を利用して前記第１ポイントクラウドに含まれた各ポイントに対する反射率を推定し、前記反射率に基づいて前記第１反射率映像を生成するものである、請求項１に記載のライダセンサ雑音除去システムの動作方法。
【請求項３】
前記（ｂ）は、
前記ライダセンサ雑音除去システムが、前記第１ポイントクラウドの中でｚ座標が負数であるポイントに対する反射率を所定の加重値を適用して増加させることを含むものである、請求項２に記載のライダセンサ雑音除去システムの動作方法。
【請求項４】
（ｅ）前記ライダセンサ雑音除去システムが、雑音ポイントに雑音ラベルが付与された、予め収集された第２ポイントクラウドに基づいて第２距離映像と第２反射率映像を生成する段階；
（ｆ）前記ライダセンサ雑音除去システムが、前記第２距離映像で前記雑音ラベルが付与された前記雑音ポイントを除去して第３距離映像を生成し、前記第３距離映像に１以下の定数をかけて第２雑音境界面映像を生成する段階；および
（ｇ）前記ライダセンサ雑音除去システムが、前記第２距離映像、前記第２反射率映像および前記第２雑音境界面映像を学習データにして前記機械学習モデルを学習させる段階；をさらに含む、請求項１に記載のライダセンサ雑音除去システムの動作方法。
【請求項５】
前記（ｆ）は、
前記ライダセンサ雑音除去システムが、前記第２雑音境界面映像に現れた雑音境界面より距離が大きい雑音ポイントがある場合、前記距離が大きい雑音ポイントに対応する前記雑音境界面のポイントが、前記距離が大きい雑音ポイントより距離が大きくなるように前記第２雑音境界面映像を補正することをさらに含むものである、請求項４に記載のライダセンサ雑音除去システムの動作方法。
【請求項６】
前記（ｆ）は、
前記ライダセンサ雑音除去システムが、前記第２雑音境界面映像に境界保存スムージング（ｅｄｇｅ－ｐｒｅｓｅｒｖｉｎｇｓｍｏｏｔｈｉｎｇ）を遂行するのを含むものである、請求項４に記載のライダセンサ雑音除去システムの動作方法。
【請求項７】
前記機械学習モデルは、
生成型モデルである、請求項４に記載のライダセンサ雑音除去システムの動作方法。
【請求項８】
前記（ｇ）は、
（ｈ）前記ライダセンサ雑音除去システムが、前記第２距離映像と前記第２反射率映像を学習データにして前記機械学習モデルに含まれたエンコーダ（ｅｎｃｏｄｅｒ）を学習させる段階；および
（ｉ）前記ライダセンサ雑音除去システムが、学習された前記エンコーダを固定し、前記第２距離映像、前記第２反射率映像および前記第２雑音境界面映像を学習データにして前記機械学習モデルに含まれたデコーダ（ｄｅｃｏｄｅｒ）を学習させる段階を含むものである、請求項７に記載のライダセンサ雑音除去システムの動作方法。
【請求項９】
前記（ｉ）は、
前記ライダセンサ雑音除去システムが、前記デコーダの出力と前記第２雑音境界面映像間の再構成損失（ｒｅｃｏｎｓｔｒｕｃｔｉｏｎｌｏｓｓ）を計算し、前記再構成損失が減少するように前記デコーダを学習させることを含むものである、請求項８に記載のライダセンサ雑音除去システムの動作方法。
【請求項１０】
（ｊ）前記ライダセンサ雑音除去システムが、予め構築された気象シミュレータを利用して前記雑音ポイントと前記雑音ポイントに付与される前記雑音ラベルを生成する段階；をさらに含む、請求項４に記載のライダセンサ雑音除去システムの動作方法。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、自律走行車両で核心的に使われるライダセンサで悪天候時に発生する雑音を効果的に除去する方法とこれを実行するシステムに関する。
続きを表示（約 1,900 文字）【０００２】
具体的には、雪、雨、霧などの悪天候の気象状況では大気中に多量の微細浮遊物（ｆｌｏａｔｉｎｇｐａｒｔｉｃｌｅ）が発生するが、この微細浮遊物はライダセンサのレーザービームの経路を妨害して雑音として作用することになる。本発明はこのような雑音を効果的に除去するライダセンサ雑音除去システムとその動作方法に関する。
【背景技術】
【０００３】
車両用ライダセンサの雑音を除去する方法は大きく統計的接近方法と学習を利用した方法に分けることができる。
【０００４】
統計的接近方法はポイントクラウドの分布に対する統計的特性を利用する方法である。代表的にＤｙｎａｍｉｃＲａｄｉｕｓＯｕｔｌｉｅｒＲｅｍｏｖａｌ（ＤＲＯＲ、［１］）とＤｙｎａｍｉｃＳｔａｔｉｓｔｉｃａｌＯｕｔｌｉｅｒＲｅｍｏｖａｌ（ＤＳＯＲ、［２］）方法がある。
【０００５】
ＤＲＯＲはこの分野の最初の研究結果であり、各点の隣りの点の個数を基盤としている。ＤＲＯＲはＫ－ｄツリーを構成し、動的検索半径を使って求められた隣りの数でアウトライアを判断するが、ターゲットの点の密度が距離に反比例する特徴を利用する。各地点の検索半径は距離により動的に調整される。
【０００６】
ＤＳＯＲも、最も近い隣の検索に依存するが、各点の固定された隣の数を基準として相対距離の平均と分散を計算する。すなわち、ＤＳＯＲは各ポイント周辺のローカル密度を推定してこれを基準としてフィルタリングする。
【０００７】
学習による方法としてはウェザーネット（ＷｅａｔｈｅｒＮｅｔ、［３］）が最も代表的なアルゴリズムである。ウェザーネット（ＷｅａｔｈｅｒＮｅｔ）はライダ（ＬｉＤＡＲ）意味論的分割方法を使って、互いに異なる気象条件でポイントクラウドノイズを減らし、セマンティック分割ネットワークを生成するように学習データを構成した。
【０００８】
４ＤｅｎｏｉｓｅＮｅｔ（［４］）は時間的に連続的なポイントクラウドデータおよび意味論的分割ネットワークを使うノイズ分類方法を提示した。４ＤｅｎｏｉｓｅＮｅｔでは意味論的分割ネットワークを訓練するために相当な量の仮想合成データが使われる。
【先行技術文献】
【特許文献】
【０００９】
大韓民国公開特許公報１０－２０２２－０１２２３９２（公開日時２０２２．９．２．）
大韓民国登録特許公報１０－２５０７０６８（登録日者２０２３．３．２．）
【非特許文献】
【００１０】
Ｃｈａｒｒｏｎ、Ｎｉｃｈｏｌａｓ、ＳｔｅｐｈｅｎＰｈｉｌｌｉｐｓ、ａｎｄＳｔｅｖｅｎＬ．Ｗａｓｌａｎｄｅｒ．「Ｄｅ－ｎｏｉｓｉｎｇｏｆｌｉｄａｒｐｏｉｎｔｃｌｏｕｄｓｃｏｒｒｕｐｔｅｄｂｙｓｎｏｗｆａｌｌ．「２０１８１５ｔｈＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒａｎｄＲｏｂｏｔＶｉｓｉｏｎ（ＣＲＶ）。ＩＥＥＥ、２０１８．
Ｋｕｒｕｐ、Ａｋｈｉｌ、ａｎｄＪｅｒｅｍｙＢｏｓ．「Ｄｓｏｒ：Ａｓｃａｌａｂｌｅｓｔａｔｉｓｔｉｃａｌｆｉｌｔｅｒｆｏｒｒｅｍｏｖｉｎｇｆａｌｌｉｎｇｓｎｏｗｆｒｏｍｌｉｄａｒｐｏｉｎｔｃｌｏｕｄｓｉｎｓｅｖｅｒｅｗｉｎｔｅｒｗｅａｔｈｅｒ．「ａｒＸｉｖｐｒｅｐｒｉｎｔａｒＸｉｖ：２１０９．０７０７８（２０２１）。
Ｈｅｉｎｚｌｅｒ、Ｒｏｂｉｎ、ｅｔａｌ．「Ｃｎｎ－ｂａｓｅｄｌｉｄａｒｐｏｉｎｔｃｌｏｕｄｄｅ－ｎｏｉｓｉｎｇｉｎａｄｖｅｒｓｅｗｅａｔｈｅｒ．」ＩＥＥＥＲｏｂｏｔｉｃｓａｎｄＡｕｔｏｍａｔｉｏｎＬｅｔｔｅｒｓ５．２（２０２０）：２５１４－２５２１．
Ｓｅｐｐａｎｅｎ、Ａｌｖａｒｉ、ＲｉｓｔｏＯｊａｌａ、ａｎｄＫａｒｉＴａｍｍｉ．「４ｄｅｎｏｉｓｅｎｅｔ：Ａｄｖｅｒｓｅｗｅａｔｈｅｒｄｅｎｏｉｓｉｎｇｆｒｏｍａｄｊａｃｅｎｔｐｏｉｎｔｃｌｏｕｄｓ．」ＩＥＥＥＲｏｂｏｔｉｃｓａｎｄＡｕｔｏｍａｔｉｏｎＬｅｔｔｅｒｓ８．１（２０２２）：４５６－４６３．
【発明の概要】
【発明が解決しようとする課題】
（【００１１】以降は省略されています）

関連特許