Recent developments in robotics and intelligent vehicle area, bring interests of people in an autono-mous driving ability and advanced driving assistance system. Especially fully automatic parking ability is one of the key issues of intelligent vehicles, and accurate parked vehicles detection is essential for this issue. In previous researches, many types of sensors are used for detecting vehicles, 2D LiDAR is popular since it of-fers accurate range information without preprocessing. The L shape feature is most popular 2D feature for vehicle detection, however it has an ambiguity on different objects such as building, bushes and this occurs misdetection problem. Therefore we propose the accurate vehicle detection method by using a 3D complete vehicle model in 3D point clouds acquired from front inclined 2D LiDAR. The proposed method is decom-posed into two steps: vehicle candidate extraction, vehicle detection. By combination of L shape feature and point clouds segmentation, we extract the objects which are highly related to vehicles and apply 3D model to detect vehicles accurately. The method guarantees high detection performance and gives plentiful infor-mation for autonomous parking. To evaluate the method, we use various parking situation in complex urban scene data. Experimental results shows the qualitative and quantitative performance efficiently.
최근 로봇과 지능형 자동차 분야의 발전을 통해 자율주행능력에 대한 많은 사람들의 관심이 증대되고 있다. 특히 지능형 자동차에 있어서 완전 자율 주차능력은 중요한 이슈 중 하나이다. 완전 자율 주차능력과 관련된 과거의 연구들에서는 다양한 센서를 통해 주차 환경을 인식하는데 2차원 레이저 거리측정 센서가 전처리 과정 없이 거리 값을 획득할 수 있기 때문에 가장 많이 사용되는 센서이다. 기존의 2차원 레이저 거리측정센서를 통해 주차된 차량을 검출하는 경우 주로 차량 정면과 측면의 L 모양 특징을 이용하였는데 이는 차량과 비슷한 물체들에도 동일하게 존재하는 특징이기 때문에 차량이 아닌 물체를 차량으로 검출하는 오검출문제가 발생하였다. 따라서 새로운 3차원 차량 모델을 제안하고 다양한 도시 구조물이 존재하는 복잡한 주차 환경에서 정확하고 빠르게 차량을 검출하는 방법을 제안한다. L 모양 특징 정보와 3차원 객체화 과정을 도입한 결과를 융합하여 객체들 중 차량일 가능성이 높은 물체를 추출하고 제안하는 3차원 차량 모델을 적용하여 효율적으로 차량을 검출 할 수 있도록 알고리즘을 제안하였다. 또한 알고리즘을 검증하기 위하여 다양하게 주차되어 있는 차량이 존재하는 복잡한 주차 환경에서 정성적, 정량적으로 알고리즘을 평가하였다.
