车辆LiDAR系统及其对象检测方法

本申请要求于2021年12月9日向韩国知识产权局提交的、申请号为10-2021-0175936的韩国专利申请的优先权的权益，该韩国专利申请通过引用并入本文，如同在本文完全阐述一样。

技术领域

本公开的实施例涉及一种车辆LiDAR系统及其对象检测方法。

背景技术

一种激光探测和测距(Light Detection and Ranging，LiDAR)已经发展到构建用于三维地理信息系统(GIS)信息构建的地形数据和可视化地形数据的形式。LiDAR系统可以通过利用LiDAR传感器获取周围对象(例如目标车辆)的信息，并且可以通过利用所获取的信息辅助配备LiDAR传感器的车辆(以下称为“本车辆”)的自主驾驶功能。

如果利用LiDAR传感器识别的对象的信息不准确，则自主驾驶的可靠性可能降低，并且驾驶员的安全可能受到威胁。因此，提高检测对象的准确度的研究一直在继续。

发明内容

实施例提供一种车辆LiDAR系统及其对象检测方法，能够准确地检测车辆正在行驶的道路的边界。

应当理解的是，通过实施例要实现的技术目的并不限于上述技术目的，而且对于本公开所属领域的普通技术人员来说，从以下描述中可以明确地理解其它未提及的技术目的。

为了实现目的和其它优点并根据本公开的目的，一种车辆LiDAR系统的对象检测方法可以包括：在基于自由空间点数据和对象信息生成的网格图上根据车道宽度设置包括本车辆车道的网格，并基于依据对象信息计算的每个车道的对象的占有率和自由空间点数据的分布来计算道路边界候选；以及通过基于在先前时间点确定的道路边界候选的信息校正计算的道路边界候选来输出道路边界信息。

在一个实施例中，计算道路边界候选可以包括：从自由空间点数据提取关注区域的点数据；删除提取的关注区域中的点数据中与对象不匹配的点；以及基于在删除与对象不匹配的点后剩余的自由空间点数据，生成网格图。

在一个实施例中，计算道路边界候选可以包括：通过在网格图上根据车道宽度设置包括本车辆车道的车道网格来选择道路边界车道候选；以及通过设置将被选择为道路边界车道候选的车道“n”等分的自由空间网格来选择道路边界候选(“n”为自然数)。

在一个实施例中，选择道路边界车道候选可以包括：将对象跟踪通道与车道网格的每个车道网格进行匹配；计算对象所占的长度与各车道网格的总长度的比率；对于对象所占的长度的比率等于或大于第一参考值的车道网格，计算静止对象所占的长度与对象所占的长度的比率；以及当静止对象所占的长度与对象所占的长度的比率等于或大于第二参考值时，从车道网格中选择相应的车道网格作为道路边界车道候选。

在一个实施例中，计算对象所占的长度与车道网格的总长度的比率可以包括：对于在车道网格中设置的纵向网格，分别对静止对象所占的网格和移动对象所占的网格分配不同的权重，并对对象所占的网格的值求和；以及计算通过对对象所占的网格的值求和获得的值与在车道网格中设置的纵向网格的总数量的比率。

在一个实施例中，选择道路边界车道候选可以包括：在左右方向上移动车道网格的位置；基于移动的车道网格，计算静止对象所占的长度与对象所占的长度的比率；以及计算基于移动的车道网格计算的静止对象所占的长度与在车道网格被移动之前计算的静止对象所占的长度的比率，并且当静止对象所占的长度的比率等于或大于第三参考值时，选择相应的车道网格作为道路边界车道候选。

在一个实施例中，选择道路边界候选可以包括：通过将被选择为道路边界车道候选的车道的车道网格3等分来设置自由空间网格；测量属于设置的自由空间网格的各自由空间网格的自由空间点数据的数量；以及选择测量的自由空间点数据的数量等于或大于阈值的自由空间网格作为道路边界候选。

在一个实施例中，输出道路边界信息可以包括：通过在关于在先前时间点确定的道路边界候选的信息上反映本车辆的横向速度，来计算当前时间点的道路边界的预测值；选择道路边界候选中邻近本车辆的左右自由空间网格；以及通过根据预测值校正选择的自由空间网格，来输出道路边界信息。

在一个实施例中，对象检测方法可以进一步包括：当校正的道路边界侵犯本车辆车道或者在校正的道路边界的位置没有静止对象时，初始化道路边界信息。

在一个实施例中，对象检测方法可以进一步包括：在设置网格前，通过LiDAR传感器，获取自由空间点数据和对象信息。

在另一实施例中，一种非暂时性计算机可读记录介质可以存储用于执行车辆LiDAR系统的对象检测方法的程序，其中，程序的执行使得处理器：在基于自由空间点数据和对象信息生成的网格图上根据车道宽度设置包括本车辆车道的网格，并基于依据对象信息计算的每个车道的对象的占有率和自由空间点数据的分布来计算道路边界候选；以及通过基于在先前时间点确定的道路边界候选的信息校正计算的道路边界候选来输出道路边界信息。

在再一实施例中，一种车辆LiDAR系统可以包括：LiDAR传感器，被配置为获取自由空间点数据和对象信息；以及LiDAR信号处理装置，被配置为在基于通过LiDAR传感器获取的自由空间点数据和对象信息生成的网格图上根据车道宽度设置包括本车辆车道的网格，基于依据对象信息计算的各车道的对象的占有率和自由空间点数据的分布来计算道路边界候选，以及通过基于在先前时间点确定的道路边界候选的信息校正计算的道路边界候选来输出道路边界信息。

在一个实施例中，LiDAR信号处理装置可以包括：点提取单元，被配置为从自由空间点数据提取关注区域的点数据，并删除提取的关注区域中的点数据中与对象不匹配的点；以及网格图生成单元，被配置为基于在删除与对象不匹配的点后剩余的自由空间点数据，生成网格图。

在一个实施例中，LiDAR信号处理装置可以包括：道路边界选择单元，被配置为通过在网格图上根据车道宽度设置包括本车辆车道的车道网格来选择道路边界车道候选，以及通过设置将被选择为道路边界车道候选的车道“n”等分的自由空间网格来选择道路边界候选(“n”为自然数)。

在一个实施例中，道路边界选择单元可以将对象跟踪通道与车道网格的每个车道网格匹配，可以计算对象所占的长度与各车道网格的总长度的比率，对于对象所占的长度的比率等于或大于第一参考值的车道网格，可以计算静止对象所占的长度与对象所占的长度的比率，以及当静止对象所占的长度与对象所占的长度的比率等于或大于第二参考值时，可以从车道网格中选择相应的车道网格作为道路边界车道候选。

在一个实施例中，道路边界选择单元可以对于在车道网格中设置的纵向网格，分别对静止对象所占的网格和移动对象所占的网格分配不同的权重，并可以对对象所占的网格的值求和，以及可以计算通过对对象所占的网格的值求和获得的值与在车道网格中设置的纵向网格的总数量的比率。

在一个实施例中，道路边界选择单元可以在左右方向上移动车道网格的位置，可以基于移动的车道网格，计算静止对象所占的长度与对象所占的长度的比率，以及可以计算基于移动的车道网格计算的静止对象所占的长度与在车道网格被移动之前计算的静止对象所占的长度的比率，并且当静止对象所占的长度的比率等于或大于第三参考值时，可以选择相应的车道网格作为道路边界车道候选。

在一个实施例中，道路边界选择单元可以通过将被择选为道路边界车道候选的车道的车道网格3等分来设置自由空间网格，可以测量属于由道路边界选择单元设置的自由空间网格的各自由空间网格的自由空间点数据的数量，以及可以选择测量的自由空间点数据的数量等于或大于阈值的自由空间网格作为道路边界候选。

在一个实施例中，车辆LiDAR系统可以进一步包括：校正单元，被配置为通过在在先前时间点确定的道路边界候选上反映本车辆的横向速度来计算当前时间点的道路边界的预测值，选择道路边界候选中邻近本车辆的左右自由空间网格，以及通过根据预测值校正选择的自由空间网格，来输出道路边界信息。

在一个实施例中，车辆LiDAR系统可以进一步包括：后处理单元，被配置为当校正的道路边界侵犯本车辆车道或者在校正的道路边界的位置没有静止对象时，初始化道路边界信息。

在根据实施例的车辆LiDAR系统及其对象检测方法中，通过利用自由空间点数据和对象信息来判断道路的边界位置信息，可以减少在检测道路边界区域的对象时由于根据移动对象的筛选、反射距离和角度的点噪声而发生的误差，由此可以准确地检测道路的边界。

可从实施例获得的效果可以不限于上述效果。本公开所属技术领域的普通技术人员可以从以下描述中清楚地理解其它未提及的效果。

附图说明

附图是为了提供对本公开的进一步理解而包括并且并入在本申请中并构成本申请的一部分，示出本公开的实施例，并与描述一起用于说明本公开的原理。在附图中：

图1是根据本公开的实施例的车辆LiDAR系统的控制框图；

图2是根据本公开的实施例的车辆LiDAR系统的对象检测方法的流程图；

图3A、图3B和图3C是用于说明根据本公开的实施例的网格图生成方法的示图；

图4和图5是用于说明根据本公开的实施例的用于选择道路边界车道候选的网格设置方法的示图；

图6和图7是用于说明根据本公开的实施例的道路边界车道候选选择方法的示图；

图8和图9是用于说明根据本公开的实施例的道路边界选择方法的示图；

图10和图11是示出根据本公开的实施例的道路边界检测方法的模拟结果的示图；

图12是根据本公开的实施例的用于道路边界选择的横向校正方法的流程图；

图13是示出作为图12的横向校正结果最终判断的道路边界的示图；以及

图14和图15是示出根据比较例和实施例的模拟结果的示图。

具体实施方式

在下文中，将参照附图和描述对实施例进行详细描述。然而，可以对本文阐述的实施例进行各种修改，并且应该理解的是，不旨在将实施例限制在所公开的特定形式，相反，实施例是为了涵盖落入权利要求书所定义的实施例的宗旨和范围内的所有修改、等同形式和替代形式。提供实施例是为了向本领域技术人员更完整地描述实施例。

在对实施例的以下描述中，将理解的是，当每个元件被称为形成在另一元件“上”或“下”时，它可以直接在另一元件“上”或“下”，或者可以通过其间的一个或多个介入元件间接地形成。

此外，当元件被称为形成在另一元件“上”或“下”时，不仅可以包括前一元件的向上方向，而且也可以包括前一元件的向下方向。

另外，将理解的是，尽管关系术语，例如“第一”、“第二”、“上”、“下”等，可在本文中用于描述各种元件，但这些术语既不要求也不意味着物质或元件之间的任何物理或逻辑关系或顺序，并且仅用于将物质或元件与其它物质或元件区分开。

在整个说明书中，当元件“包括”组件时，除非有相反说明，否则这可能表示该元件不排除另一组件，而是可以进一步包括另一组件。在附图中，为了清楚地描述实施例，省略了与描述无关的部分，并且在整个说明书中，类似的附图标记指定类似的部分。

根据本实施例，当利用LiDAR(激光探测和测距)传感器检测对象时，建议通过利用自由空间的点信息和对象的信息来判断本车辆(指要控制的车辆，例如自己的车辆，和/或配备有LiDAR系统的车辆)正在行驶的道路的左右侧边界的位置的方法。因此，与判断所有对象的移动或静止状态的现有对象检测方法相比，可以减少计算量。特别是，通过减少道路边界区域的对象检测误差，可以提高道路边界信息的可信度。

在下文中，将参照附图描述根据实施例的车辆LiDAR系统及其对象检测方法。

图1是根据实施例的车辆LiDAR系统的控制框图。该车辆LiDAR系统可以包括LiDAR传感器100以及处理从LiDAR传感器100输入的数据以输出道路边界信息的LiDAR信号处理装置200。在一个实施例中，输出的道路边界信息可以用于控制本车辆。

LiDAR传感器100向测量范围内的对象照射激光脉冲之后，通过测量从对象反射的激光脉冲返回的时间，可以感测诸如到对象的距离、对象的方向、速度等信息。对象可以是存在于本车辆外部的其他车辆、人、物体等。LiDAR传感器100输出由单个对象的多个点组成的点云数据(或“LiDAR数据”)。

LiDAR信号处理装置200可以通过接收LiDAR数据来识别对象，可以跟踪所识别的对象，并且可以对相应的对象的类型进行分类。本实施例的LiDAR信号处理装置200可以通过利用从LiDAR传感器100输入的点云数据来判断车辆正在行驶的道路的左右侧边界的位置。LiDAR信号处理装置200可以包括点提取单元210、网格图生成单元220、道路边界选择单元230、校正单元240以及后处理单元250。

根据本公开的示例性实施例，LiDAR信号处理装置200可以包括处理器(例如，计算机、微处理器、CPU、ASIC、电路、逻辑电路等)和存储软件指令的相关非暂时性存储器，当由处理器执行时，软件指令提供点提取单元210、网格图生成单元220、道路边界选择单元230、校正单元240和后处理单元250的功能。此处，存储器和处理器可以实施为独立的半导体电路。或者，存储器和处理器可以实施为单一的集成半导体电路。处理器可以实现为一个或多个处理器。

LiDAR信号处理装置200的点提取单元210从LiDAR传感器100的自由空间的点数据中提取检测道路边界所需的点数据。为此，点提取单元210从自由空间点数据中提取关注区域(Region-of-Interest，ROI)的点数据。自由空间点数据包括由LiDAR传感器100检测到的对象中除路面以外的所有对象的数据。因此，可以提取ROI的点数据，以减少不必要的计算负荷。ROI可以被设置为在纵向和横向方向上20m以内的区域，并且可以根据系统设置调整为各种尺寸。点提取单元210删除ROI中的点数据中与跟踪通道不匹配的点，即与对象不匹配的点，并提取当匹配的跟踪通道被判断为是静止对象时被保持并保留的自由空间点。

LiDAR信号处理装置200的网格图生成单元220通过反映由点提取单元210提取的点来生成网格图。

LiDAR信号处理装置200的道路边界选择单元230可以根据网格图上的车道宽度设置车道网格(lane grid)，以选择道路边界车道候选，然后，可以再次将被选择为道路边界车道候选的车道网格“n”等分(“n”为自然数)来设置自由空间网格以选择道路边界。

道路边界选择单元230根据车道宽度来设置车道网格。例如，可以在包括本车辆车道的左右两侧总共可以设置17个车道网格，并且在以本车辆为基准的前后方40m总共可以设置400个网格。车道网格的宽度可以设置为约3m至3.5m，以与实际道路的车道宽度相符。道路边界选择单元230可以将0至17的车道网格编号分别分配给17个车道网格。

道路边界选择单元230积累与各车道网格相匹配的跟踪通道，以选择道路边界候选。通道可以指保留一个对象的历史信息的单位。道路边界选择单元230可以通过计算对象所占的长度与车道网格的总长度的比率，以及对于对象所占的长度的比率等于或大于参考值的车道网格，通过计算静止对象所占的长度与对象所占的长度的比率，来选择道路边界候选。为了计算对象所占的长度与车道网格的总长度的比率，道路边界选择单元230可以计算相应车道中对象所占的网格数量之和。例如，通过计算在车道上纵向设置的400个网格中对象所占的网格之和的比率，可以计算出对象的占有率。在这里，也可以通过对静止对象所占的网格和移动对象所占的网格设置不同的权重值来执行计算。对于对象的占有率等于或大于阈值的车道网格，道路边界选择单元230可以通过计算静止对象所占的长度与对象所占的总长度的比率来计算静止对象的占有率。当静止对象的占有率等于或大于预定参考值时，静止对象存在于相应车道中的可能性很高，因此，可以选择相应的车道网格作为道路边界候选。

道路边界选择单元230通过再次判断被选择为道路边界候选的车道网格的自由空间点的分布来选择道路边界。道路边界选择单元230通过将被判断为道路边界候选的车道网格再次3等分来设置自由空间网格。也就是说，一个车道网格中可以设置三个自由空间网格。道路边界选择单元230通过对每个自由空间网格的自由空间点数据的数量进行计数来生成直方图。道路边界选择单元230在自由空间网格中选择自由空间点数据的数量被测量为等于或大于阈值的自由空间网格作为道路边界候选。此后，道路边界选择单元230在被选择为道路边界候选的自由空间网格中选择最接近本车辆车道的两侧的自由空间网格作为道路边界。

LiDAR信号处理装置200的校正单元240基于在先前时间点(t-1)选择的道路边界信息以及道路边界信息的历史，校正在当前时间点(t)选择的道路边界信息，然后将校正的道路边界更新为当前时间点(t)的道路边界。校正单元240检查是否有先前时间点(t-1)的道路边界输出信息和当前时间点(t)的道路边界候选，并基于本车辆的横向速度预测在先前时间点(t-1)判断的道路边界的当前位置。校正单元240比较预测值和当前时间点(t)的测量值，以计算预测值是否在车道范围内，并在判断相关道路边界时通过利用过去的信息校正横向位置。用于校正的等式如下。

<道路边界校正等式>。

X

Xt-1：在先前时间点(t-1)的道路边界的横向位置

Xt：在当前时间点(t)的道路边界的横向位置

α：横向位置校正系数

XLat：最终道路边界横向位置

上述校正过程完成后，校正后的道路边界被更新为当前时间点(t)的道路边界。

当在当前时间点确定的道路边界侵犯本车辆车道或在被判断为道路边界的位置不存在静止对象时，LiDAR信号处理装置200的后处理单元250初始化道路边界信息。当道路边界侵犯本车辆车道或静止对象不存在于相应位置时，可能是本车辆快速旋转或道路边界不存在的情况。因此，后处理单元250可以初始化道路边界信息，然后，可以再次选择道路边界。对于未初始化的道路边界，即被判断为有效的道路边界，后处理单元250生成道路边界信息，并根据道路的类型计算道路边界信息的可信度。后处理单元250可以计算位于本车辆的左右两侧的道路边界信息和每个道路边界的可信度信息后输出。道路边界信息的可信度可以被设置为0级到3级。3级作为最高可信度的信息可以在道路边界正常更新时设置。当生成新的跟踪信息时，可以设置2级作为低于3级的可信度信息，而当没有由自由空间点判断的道路边界，但保持先前时间点(t-1)的信息时，可以设置1级。可信度信息的默认值可以被设置为0级。

如上所述，本实施例的LiDAR信号处理装置200可以通过利用车道网格图，选择静止对象的数量等于或大于预定数量且相应车道中对象的占有率等于或大于阈值的车道作为道路边界候选，可以通过细分被选择为道路边界候选的每条车道来设置自由空间车道，并且可以确定自由空间点数据等于或大于参考值并且最接近本车辆的两侧的自由空间车道作为道路边界。

图2是根据实施例的车辆LiDAR系统的对象检测方法的流程图，并示出通过利用LiDAR数据检测道路边界的方法。

根据实施例，为了检测道路边界，在LiDAR传感器100的自由空间点数据中选择ROI的点数据，并且通过删除ROI中的点数据中与跟踪通道不匹配的点并保留被判断为静止对象的点数据，提取剩余的自由空间点数据(S100)。

通过反映提取的点数据生成网格图(S200)。

在网格图中设置根据车道宽度的车道网格，并且基于每个车道的静止对象的数量和占据车道的对象的长度之和选择道路边界车道候选(S300)。可以通过计算对象所占的长度与车道网格的总长度的比率以及静止对象所占的长度与对象所占的总长度的比率来选择道路边界车道候选。

通过将被判断为道路边界车道候选的车道网格再次3等分来设置自由空间网格，并且基于在每个自由空间网格中测量的自由空间点数据的数量和相应自由空间网格的位置，选择道路边界(S400)。

基于在先前时间点(t-1)选择的道路边界信息以及道路边界信息的历史，对在当前时间点(t)选择的道路边界信息的横向位置进行校正(S500)。

验证已确定的道路边界的有效性，通过计算道路边界信息和可信度对道路边界信息进行后处理(S600)，然后，输出道路边界信息和可信度(S700)。

下面将参照图3至图9详细描述上述利用LiDAR数据检测道路边界的方法的各个步骤。

图3A、图3B和图3C是用于说明根据本公开的实施例的网格图生成方法的示图。

图3A是示出LiDAR传感器100的自由空间数据的示图，图3B是示出ROI的点数据的示图，图3C是示出根据实施例生成的网格图的示图。

参照图3A，自由空间数据包括通过本车辆的LiDAR传感器100检测到的点云数据中除路面以外的所有点数据。由于自由空间数据包括所有感测区域的数据，因此可以提取ROI的点数据，以减少不必要的计算负荷。ROI可以被设定为以本车辆为中心纵向和横向方向上20m以内的区域。

图3B是仅示出从自由空间数据中提取的ROI中的点数据的示图。在实施例中，通过删除ROI中的点数据中与跟踪通道不匹配的点并保留被判断为静止对象的点数据，提取剩余的自由空间点数据以用于道路边界检测。

图3C是示出通过反映从图3B的ROI中的点数据中提取的点数据而生成的网格图的示图。如图3C所示，在网格图中可以反映ROI中的自由空间点数据中与通道相匹配的对象的点数据。

图4和图5是用于说明根据实施例的用于选择道路边界车道候选的网格设置方法的示图。图4是示出以本车辆为中心在横向方向上设置车道网格的示例的示图，并且图5是示出在纵向方向上设置网格的示例的示图。

参照图4，为了选择道路边界候选，可以设置根据车道宽度的车道网格。可以以本车辆车道为中心在左右方向上设置多个车道网格。图4示出通过在本车辆车道的左侧方向设置八个车道和在本车辆车道的右侧方向设置八个车道而总共设置17个车道网格的情况。车道网格编号0至16可以分别分配给车道网格。车道网格宽度可以设置为约3m至3.5m，以与实际道路的车道宽度相符。

参照图5，纵向网格可以设置到以本车辆为基准的前后方40m。纵向网格的长度可以根据对象识别的分辨率来设置。当分辨率高时，网格的长度可以缩短，而当分辨率低时，网格的长度可以加长。图5示出一个网格被设置为0.2m的情况。当网格在纵向上被设置为0.2m时，在前方40m的区间可以设置200个网格，在后方40m的区间可以设置200个网格，从而在纵向上总共可以设置400个网格。

图6和图7是用于说明根据实施例的道路边界车道候选选择方法的示图。根据实施例，可以积累与每个车道网格相匹配的对象以选择道路边界候选，并且可以根据每个车道的静止对象的数量和静止对象的车道占有率来选择道路边界候选。

图6是用于说明计算对象的车道占有率的方法的示图，并且示出计算本车辆的行驶车道(车道网格编号8)旁边的车道(车道网格编号9)中的对象的占有率的示例。

图6示出将五个对象Ob_a、Ob_b、Ob_c、Ob_d和Ob_e匹配到车道网格编号9的位置的情况，并且其中，对象Ob_a、Ob_c、Ob_d和Ob_e是静止对象，对象Ob_b是移动对象。

以一个车道网格为基准，当相应的车道网格上的静止对象的数量等于或大于参考数量，例如4时，可以计算相应的车道网格中对象所占的通道长度的比率以及静止对象所占的长度与所占的通道长度的比率。

在编号9的车道网格的前方40m的区间设置200个网格，在编号9的车道网格的后方40m的区间设置200个网格。因此，一个网格可以与一个通道相匹配，同时具有0.2m的长度。

可以根据对象是否占据网格以及占据网格的对象的特性来为每个网格分配通道值。不存在任何对象的网格可以被分配通道值为“0”，被对象占据的网格可以被分配通道值为“1”，被静止对象占据的网格可以被分配通道值为“2”。因此，被移动对象Ob_b占据的网格可以被分配通道值为“1”，而被静止对象Ob_a、Ob_c、Ob_d和Ob_e占据的网格可以被分配通道值为“2”。

在通道值大于“0”(即检测到对象)的每个通道中的通道值的总和N

通过将每个具有通道值“2”的通道，即静止对象Ob_a、Ob_c、Ob_d和Ob_e所占的通道的值之和N

当对象所占的网格的总长度L

这可以表示为如下的数学算法。

C

另一方面，可能会出现如下的一种现象：根据静止对象的位置和角度，一个静止对象的跟踪通道与两个相邻的车道网格分割匹配。例如，当具有较长长度的对象相对于车道网格的延伸方向以预定的角度定位时，其一部分区域和其余区域可以分别与相邻的网格分割匹配。因为对象的占有率是以车道网格为单位计算的，所以当一个对象所占的区域分别累积在其他车道网格中时，在选择道路边界车道候选时可能会出现误差。因此，通过多次执行在左右方向上移动车道网格的位置的过程，然后通过对象的通道的匹配来计算静止对象的占有率，并通过综合计算结果来选择道路边界车道候选，从而在选择道路边界车道候选时可以提高准确度。

图7是用于说明在选择道路边界车道候选时提高准确度的方法的示图。

参照图7，为了提高选择道路边界车道候选的准确度，在以参考车道网格图为基准向左侧方向和右侧方向移动车道网格之后，可以计算静止对象所占的长度与每个车道中对象所占的长度的比率。车道网格的移动宽度可以不同地设置。例如，当车道的宽度为W时，车道网格可以向左侧方向和右侧方向移动W/2。即，当车道网格的宽度为3m时，通过将车道网格在左侧方向和右侧方向上移动1.5m，可以计算静止对象所占的长度与对象所占的长度的比率。

在首次计算中，在以参考车道网格图为基准将车道网格向左侧方向移动W/2后，可以计算静止对象所占的长度与每个车道中对象所占的长度的比率。

在二次计算中，在以参考车道网格图为基准将车道网格向右侧方向移动W/2之后，可以计算静止对象所占的长度与每个车道中对象所占的长度的比率。

在三次计算中，在参考车道网格图的每个车道中，可以计算静止对象所占的长度与对象所占的长度的比率。

此后，可以通过综合首次、二次和三次计算的结果来选择道路边界车道候选。例如，可以通过利用各种计算方法综合计算结果来选择道路边界车道候选，例如对对各车道网格计算的结果进行求和或求平均。

当根据上述过程选择道路边界车道候选后，可以通过进一步细分相应的车道，比较自由空间点的分布来选择道路边界。

图8和图9是用于说明根据实施例的道路边界选择方法的示图。图8是道路边界选择方法的流程图，图9是示出自由空间网格的示图。

参照图8，为了比较自由空间点的分布，可以通过将每个车道网格再次3等分来设置自由空间网格(S310)。如图9所示，当在包括本车辆车道的左右两侧总共设置17个车道网格时，可以设置0至50的共51个自由空间网格。

此后，将在被选择为道路边界车道候选的车道中检测到的自由空间点与各自由空间网格相匹配(S312)。

在自由空间网格中，可以选择自由空间点数据的数量被测量为等于或大于阈值的自由空间网格作为道路边界候选(S314)。可以通过对每个自由空间网格的自由空间点数据的数量进行计数来生成直方图。

此后，道路边界选择单元230在被选择为道路边界候选的自由空间网格中选择最接近本车辆车道的两侧的自由空间网格作为道路边界(S316)。

图10和图11是示出根据实施例的道路边界检测方法的模拟结果的示图。图10示出选择道路边界车道候选的结果，图11示出选择道路边界候选的结果。

图10示出车道网格编号LG(车道网格)3、LG 9、LG 10和LG 11被选择为道路边界车道候选的模拟结果。参照图10，可以基于以本车辆车道为中心在左右方向上设置的车道网格来设置道路边界候选。车道网格编号0至16可以分别分配给车道网格。因此，本车辆所在的车道网格编号可以设置为LG 8。可以根据静止对象的数量和静止对象的车道占有率，为每个车道选择道路边界车道候选。

图11示出自由空间网格编号FSG(自由空间网格)10、FSG 11、FSG 28和FSG 29被选择为道路边界候选的模拟结果。可以通过细分被选择为道路边界车道候选的LG 3、LG 9、LG10和LG 11，并比较自由空间点数据的分布来选择道路边界候选FSG 10、FSG 11、FSG 28和FSG29。通过将每个车道网格3等分来将自由空间网格设置为编号0至50。因此，FSG 9、FSG10和FSG 11被设置在道路边界车道候选LG 3中，FSG 27、FSG 28和FSG 29被设置在道路边界车道候选LG 9中，FSG 30、FSG 31和FSG 32被设置在道路边界车道候选LG 10中，而FSG33、FSG34和FSG 35被设置在道路边界车道候选LG 11中。在这些自由空间网格中，自由空间点数据的数量等于或大于阈值的自由空间网格可以被选择为道路边界候选。图11示出自由空间网格FSG 10、FSG 11、FSG 28和FSG 29被选择为道路边界候选。

图12和13是用于说明道路边界选择方法的示图。图12是用于道路边界选择的横向校正方法的流程图，而图13是示出最终判断的道路边界的示图。

可以通过在道路边界候选中选择最接近本车辆的左右两侧的自由空间网格后校正横向位置并执行后处理过程来确定最终的道路边界。

参照图12，为了进行横向位置校正，检查是否存在先前时间点t-1的道路边界输出信息和当前时间点t的道路边界候选(S510)，并且基于本车辆的横向速度预测在先前时间点t-1判断的道路边界的当前位置(S512)。

比较预测值和当前时间点t的测量值，以计算测量值是否在车道范围内(S514)。当检查到测量值在车道范围内时，可以校正当前时间点t的测量值，使得当前时间点t的测量值与在先前时间点t-1选择的道路边界值平滑连接(S516)。

校正完成后，将校正的道路边界更新为当前时间点t的道路边界(S518)。图13示出最终更新的道路边界的模拟结果。

此后，当更新的道路边界侵犯本车辆车道或在被判断为道路边界的位置不存在静止对象时，对道路边界信息进行初始化和后处理，并且当后处理完成后，可以分配和输出道路边界的位置信息和可信度。

图14和图15是示出根据比较例和实施例的模拟结果的示图。

参照图14，<比较例>示出不判断道路边界的LiDAR系统的信号处理结果，<实施例>作为判断道路边界的LiDAR系统的信号处理结果，示出车辆在高速公路上行驶的情况的模拟结果。在<比较例>中，由于不判断道路边界，因此不影响车辆的行驶的道路边界外的对象也被识别为移动对象a。另一方面，在<实施例>的情况下，由于判断道路边界，因此可以将道路边界外的对象判断为静止对象a'。因此，可以防止执行不必要的计算来跟踪不影响车辆的行驶的道路边界外的移动对象。

参照图15，<比较例>示出不判断道路边界的LiDAR系统的信号处理结果，<实施例>作为判断道路边界的LiDAR系统的信号处理结果，示出车辆在城市道路上行驶的情况的模拟结果。在<比较例>中，由于不判断道路边界，因此不影响车辆的行驶的道路边界外的对象也被识别为移动对象b和c。另一方面，在<实施例>的情况下，由于判断道路边界，因此可以将道路边界外的对象判断为静止对象b'和c'。因此，可以防止执行不必要的计算来跟踪不影响车辆的行驶的道路边界外的移动对象。

从上述描述中可以看出，本实施例提出了一种通过利用自由空间点数据和对象的信息来判断本车辆正在行驶的道路的左侧和右侧边界的位置的方法。因此，通过判断道路边界外的对象为静止状态，与现有的对象检测方法相比，可以减少计算量。特别是，通过减少道路边界区域中的对象检测误差，可以提高道路边界信息的可信度。

尽管参照若干说明性实施例描述了实施例，但是应该理解的是，本领域技术人员可以设计出许多其它的修改和实施例，这些修改和实施例将落入本公开原理的宗旨和范围内。更具体地说，在本公开、附图和所附权利要求书的范围内，主题组合布置的组成部分和/或布置的各种变化和修改是可能的。除了组成部分和/或布置的变化和修改之外，对本领域技术人员来说，替代性的用途也是明显的。