In recent year, the studies on the 3D mapping and object classification in outdoor environment are being extensively researched. However, 3D mapping and object classification in real time is still challenge in urban environment. Also, a study on the data association and map building is required. This thesis addresses the problem of 3D mapping and object classification from 3D laser scans in urban environments in real-time. The proposed algorithm is decomposed into 3 steps : convert 3D point clouds into Featured Voxel and Its 2D Projection Image, classify object class around vehicle, accumulate map data. Specifically, Featured Voxel and Its 2D Projection Image is proposed in this thesis. The proposed Featured Voxel and Its 2D Projection Image model consists of 2D Projection Image and Voxel data. The Featured Voxel and Its 2D Projection Image can reduce the amount of data and decrease memory size. This proposed algorithm is faster than the algorithm using 3D point clouds.
최근에 실외에서의 3차원 맵 생성과 물체의 분류에 관한 연구가 광범위하게 연구되고 있다. 그러나 도시 환경에서 실시간으로 3차원 맵을 생성하고 물체를 분류하는 일은 아직까지 치열하게 연구되고 있는 분야이다. 이러한 문제를 풀기 위해 3차원 전 방위 레이저 센서를 이용하게 되면 빠르게 주위 환경에 대한 정보를 획득할 수 있다. 그러나 3차원 전 방위 레이저 센서가 내포하고 있는 3차원 데이터 간의 연관 문제나 맵 생성 방법에 관한 연구 또한 필요하게 된다. 따라서 본 논문에서는 도시환경에서 3차원 센서로부터 들어오는 데이터를 이용하여 실시간으로 3차원 으로 맵을 생성하고 물체를 분류하는 것에 관한 문제를 다룬다. 본 논문에서 제안하는 알고리즘은 3단계로 구성된다. 3차원 점 군을 특징 복셀과 2차원 투영 영상으로 변환하는 단계, 변환된 데이터를 이용하여 차량 주위의 물체를 분류하는 단계, 스캔 매칭 방법을 이용하여 맵을 축적하는 단계로 구성된다. 특히 본 논문에서는 특징 복셀과 2차원 투영 영상이라는 데이터 형식을 정의하여 이용한다. 제안하는 특징 복셀과 2차원 투영 영상 모델은 2차원 투영 영상과 복셀 데이터로 이루어 진다. 이러한 복셀과 2차원 투영 영상을 이용하면 처리하는 데이터양을 줄이고 메모리 소모를 줄일 수 있다. 그렇기 때문에 3차원 점 군 데이터를 이용하여 연산을 처리하는 것보다 더 빠르게 연산을 처리할 수 있게 된다. 실제로 본 눈문에서 제안하는 알고리즘을 이용하여 빠르게 물체를 분류하고 맵을 생성하여 주었다. 이에 대한 검증은 Ford Campus Vision and Lidar Dataset을 이용하였다.
