이 기술은 눈·비가 내리는 악천후 환경에서 라이다 포인트 클라우드에 포함된 강설·강우 노이즈만을 선택적으로 제거하면서, 도로·건물·차량 등 환경 정보 포인트는 그대로 유지하도록 하는 라이다 포인트 클라우드 노이즈 제거 알고리즘 및 이를 실행하는 장치/프로그램이다. 라이다 포인트의 거리(dp)가 노이즈 감지 거리(예: 71.235 m) 이내인지 판별, 강도값이 노이즈 강도 임계값(Ithr) 미만인지 검출, 특정 반경(예: 0.1 m) 내 이웃 포인트 개수(예: 3pts 이상) 확인의 단계적 판단을 통해 노이즈와 환경 정보를 구분하고, 일차적으로 노이즈로 분류한 포인트도 주변 밀집도에 따라 환경정보로 재분류함으로써, 실시간 처리 가능하면서도 오검출을 최소화하는 고정확도 노이즈 제거를 구현한다.
수요설명
자율주행차·무인제설장비·감시·정찰·항공측량·스마트시티 ITS 등에서는 악천후에서도 신뢰도 높은 주변 환경 인식이 필수이며, 특히 강설·강우·안개 환경에서 라이다 노이즈로 인해 객체 인식·클러스터링 정확도가 급격히 저하되는 문제가 있다. 기존 방식은 단순 임계값 필터링, 하드웨어 출력 증대, 카메라·SLAM 기반 후처리에 의존해 노이즈는 줄이지만 환경 정보 손실·전력 소모 증가·실시간성 저하 등의 한계를 갖고 있어, 소프트웨어 알고리즘만으로 라이다의 전천후 활용도를 높일 수 있는 기술에 대한 수요가 자율주행 플랫폼 기업, 차량 OEM, 방산·제설장비 업체 등에서 꾸준히 증가하고 있다.
해결방안
본 발명은 라이다 노이즈의 물리적 특성을 반영한 ‘노이즈 강도 곡선’과 거리·강도·공간밀도 기반의 다단계 필터링을 결합해 문제를 해결한다. (1) 거리 기준으로 노이즈 감지 구간을 한정하고, (2) 반사율·입사각·라이다 빔 풋프린트와 노이즈 입자 크기의 면적비를 이용해 산출한 노이즈 강도 임계값(Ithr)을 기준으로 특정 포인트를 1차 노이즈로 분류, (3) 반경 0.1 m 내 이웃 포인트 수가 3pts 이상인지 확인하는 공간밀도 검증을 수행하여, 일정 밀집도를 가지면 노이즈로 분류했던 포인트를 다시 환경정보로 재분류한다. 이를 통해 중요 표적·도로경계·차량윤곽 등의 포인트를 보존하면서 강설·강우로 인한 산발적인 노이즈만 제거하고, 하드웨어 변경 없이 소프트웨어 업데이트만으로 적용 가능한 것이 핵심이다.
적용분야 및 장점
본 기술은 자율주행차량(고속도로·도심), 무인 제설장비, 군용·산업용 무인이동체, 항공·드론 기반 3D 지도 작성, 항만·공항 감시, ITS 인프라용 라이다 시스템 등에 적용 가능하다. 적용 시 강설·강우·안개 환경에서 라이다 기반 객체 인식 정확도 향상, 노이즈 제거 속도 향상으로 인한 실시간성 확보, 카메라·SLAM 기반 다중 센서 결합 이전 단계에서 라이다 데이터 품질을 크게 개선하는 효과가 있다. 또한 레이저 출력 증대 없이 소프트웨어 알고리즘만으로 성능을 개선하기 때문에 전력 소모 및 하드웨어 비용을 증가시키지 않으며, 기존 라이다 센서 및 자율주행 소프트웨어 스택에 모듈 형태로 쉽게 통합 가능한 점이 큰 장점이다.
개발단계 및 TRL
해당 기술은 구체적인 알고리즘 구조(거리·강도·공간밀도 조건, 파라미터 값), 노이즈 강도 곡선 설계, 실험 데이터 기반 검증 예시가 특허 수준에서 제시되어 있고, 국방부 민·군 겸용 연구사업(무인 제설장비 기술 등)을 통해 실제 환경 데이터로 검증된 알고리즘이다. 현재 상태는 알고리즘 설계·시뮬레이션·실험실/실증 환경에서의 기능 검증이 완료된 단계로, 상용 자율주행/라이다 플랫폼에 이식하면 곧바로 PoC가 가능한 수준(대략 TRL 4~5 수준)으로 평가할 수 있다.
◆ 기술 개요
◆ 기술 설명
◆ 기술이전 조건
◆ 첨부문서