$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

UAM 환경에서의 3D Point Cloud Data 지면/객체 분리 기법 연구
A Study on Ground and Object Separation Techniques Utilizing 3D Point Cloud Data in Urban Air Mobility (UAM) Environments 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.27 no.4, 2023년, pp.481 - 487  

구본수 (한국항공우주연구원 무인기연구부) ,  최인호 (한국항공우주연구원 무인기연구부) ,  유재림 (뷰런테크놀로지)

초록
AI-Helper 아이콘AI-Helper

최근 UAM(Urban Air Mobility)에 대한 관심이 도시의 교통 혼잡과 대기오염 문제 해결 방안으로 급증하고 있다. 하지만 UAM의 효율적인 운영을 위해서는 3D Point Cloud 데이터의 정확한 처리가 필요하며, 특히 지면과 객체를 분리하는 문제가 중요하다. 본 논문은 UAM 환경의 동적이고 복잡한 특성을 고려하여 지면과 객체를 효과적으로 분리하는 방법을 제안하고 검증한다. 우리의 접근 방식은 MEMS 센서로부터 얻은 자세 정보와 RANSAC을 이용한 지면 평면 추정을 결합하여, GPS 오차에 크게 영향 받지 않는 지면/객체 분리를 가능하게 한다. 시뮬레이션 결과는 이 방법이 UAM 환경에서 효과적으로 작동함을 보여주며, 도심 항공 모빌리티의 안전성과 효율성을 향상시키는 중요한 단계를 제시한다. 향후 연구는 이 알고리즘의 정확성을 높이고 다양한 UAM 환경에서 성능을 평가하며, 실제 드론 테스트를 진행할 예정이다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, interest in UAM (Urban Air Mobility) has surged as a critical solution to urban traffic congestion and air pollution issues. However, efficient UAM operation requires accurate 3D Point Cloud data processing, particularly in separating the ground and objects. This paper proposes and validat...

주제어

#Dynamic Environment   #Ground/Object Separation   #UAM   #3D PointCloud  

표/그림 (10)

참고문헌 (12)

  1. R. A. Cacace, F. Forni, and M. D. Di Benedetto, "A Survey on？Urban Air Mobility: The Role of UAS, VTOL and AAMV,"？Aerospace, Vol. 7, No. 12, pp. 160, Dec. 2020. 

  2. S. Wang, H. Wang, D. Liu, "A Comprehensive Review on？Point Cloud Based Object Detection for Autonomous Driving:？Techniques and Applications," Information Fusion, vol. 72, pp.？52-73, 2021. 

  3. Z. Zhang, J. Yan, S. Liu, Z. Lei, D. Yi, S. Li, "3D FaceNet:？Real-time Dense Face Reconstruction via Synthesizing？Photo-realistic Face Images," arXiv preprint arXiv:1703.10131,？2017. 

  4. C. R. Qi, W. Liu, C. Wu, H. Su, L. J. Guibas, "Frustum？PointNets for 3D Object Detection from RGB-D Data," in？Proceedings of the IEEE Conference on Computer Vision and？Pattern Recognition (CVPR), Salt Lake City, UT, pp. 918-927,？June 2018. 

  5. D. Scaramuzza, "The Role of Perception in Autonomous？Vehicles," in IEEE Robotics & Automation Magazine, Vol. 27,？No. 4, pp. 24-35, Dec. 2020, Available: (URL if needed). 

  6. S. Huang, M. Ye, Z. Wu and R. Yang, "3D LiDAR intrinsic？calibration and automatic system from planar surfaces," in？2019 IEEE Intelligent Vehicles Symposium (IV), 2019, pp.？2532-2538 

  7. D. Zermas, I. Izzat, and N. Papanikolopoulos, "Fast？segmentation of 3D point clouds: A paradigm on LiDAR data？for autonomous vehicle applications," in Proc. IEEE Int. Conf.？Robot. Autom. (ICRA), 2017, pp. 5067-5073. 

  8. B. Douillard, D. Fox, and F. Ramos, "A spatio-temporal？probabilistic model for multi-sensor multi-class object recognition," in Proc. AAAI Conf. Artif. Intell., 2011. 

  9. S. Oh, S. Lee, J. Park, and I. S. Kweon, "Patchwork++: Fast？and robust ground segmentation solving partial？under-segmentation using 3D point cloud," 2023.？ 

  10. B. Douillard, J. Underwood, N. Kuntz, V. Vlaskine, A.？Quadros, P. Morton and A. Frenkel, "On the Segmentation of？3D LIDAR Point Clouds," in 2011 IEEE International？Conference on Robotics and Automation, 2011, pp. 2798-2805,？doi: 10.1109/ICRA.2011.5980382 

    crossref

  11. A. G. Cunningham, K. M. Wurm, W. Burgard, and F. Dellaert,？"Fully Autonomous Onboard Approach and Landing on a？Platform Using Fiducials," in IEEE International Conference？on Robotics and Automation (ICRA), Karlsruhe, Germany,？May 2013. 

  12. Schnabel, R.; Wahl, R.; Klein, R. (2007). "Efficient RANSAC？for Point-Cloud Shape Detection". Computer Graphics Forum.？ 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로