KIPS Transactions on Computer and Communication Systems (정보처리학회논문지:컴퓨터 및 통신 시스템)

Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Important Facility Guard System Using Edge Computing for LiDAR

LiDAR용 엣지 컴퓨팅을 활용한 중요시설 경계 시스템

  • 조은경 (인하대학교 전기컴퓨터공학과) ;
  • 이은석 (유한대학교 VR게임.앱학과) ;
  • 신병석 (인하대학교 컴퓨터공학과)
  • Received : 2022.08.01
  • Accepted : 2022.08.11
  • Published : 2022.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

Recent LiDAR(Light Detection And Ranging) sensor is used for scanning object around in real-time. This sensor can detect movement of the object and how it has changed. As the production cost of the sensors has been decreased, LiDAR begins to be used for various industries such as facility guard, smart city and self-driving car. However, LiDAR has a large input data size due to its real-time scanning process. So another way for processing a large amount of data are needed in LiDAR system because it can cause a bottleneck. This paper proposes edge computing to compress massive point cloud for processing quickly. Since laser's reflection range of LiDAR sensor is limited, multiple LiDAR should be used to scan a large area. In this reason multiple LiDAR sensor's data should be processed at once to detect or recognize object in real-time. Edge computer compress point cloud efficiently to accelerate data processing and decompress every data in the main cloud in real-time. In this way user can control LiDAR sensor in the main system without any bottleneck. The system we suggest solves the bottleneck which was problem on the cloud based method by applying edge computing service.

최근의 LiDAR(Light Detection And Ranging) 센서는 실시간으로 주변에 있는 물체를 스캔하는 데 사용된다. LiDAR 센서를 이용하여 주변 환경을 스캔할 경우 감지되었던 사물들에 대한 변화를 감지하고 실시간으로 움직이는 물체를 인식할 수 있다. 센서들의 제작 비용이 낮아지면서 LiDAR는 중요시설의 경계, 스마트시티, 자율주행차 등 다양한 산업 분야에서 다양하게 활용되고 있다. 이러한 LiDAR 데이터는 실시간에 사물을 스캔하는 만큼 입력 데이터의 크기가 크다. 따라서 이러한 LiDAR를 활용하는 시스템에서는 이러한 대용량 데이터의 실시간 처리가 병목이 될 수 있어서 이러한 대용량 처리에 대한 대안이 필요하다. 본 논문에서는 엣지 컴퓨팅 서버를 이용하여 방대한 포인트 클라우드를 압축하여 빠르게 처리하는 엣지 컴퓨팅 기법을 제안한다. LiDAR 센서의 레이저의 반사 범위가 제한되어 있으므로 실시간으로 넓은 영역을 스캔하기 위해서는 여러 대의 라이다를 사용해야 한다. 따라서 실시간으로 물체를 감지하거나 인식하기 위해서는 여러 개의 LiDAR 센서에 대한 데이터를 한 번에 처리해야 한다. 에지 컴퓨터는 데이터 가속을 수행하기 위해 포인트 클라우드를 효율적으로 압축하고 모든 데이터를 메인 클라우드에서 실시간에 압축해제하여 사용할 수 있도록 설계되었다. 이를 통해 사용자는 시스템을 중앙에서 병목 없이 실시간에 LiDAR 센서들을 제어할 수 있다. 실험에 사용된 시스템은 이러한 엣지 컴퓨팅 서비스를 적용함으로써 기존 클라우드 기반 방식에서 문제였던 데이터 병목 현상을 효과적으로 해결하였다.

Keywords

Acknowledgement

이 성과는 2022년도 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(No.NRF-2022R1A2B5B01001553).

References

  1. H. W. Yoo et al., "MEMS-based lidar for autonomous driving," Elektrotechnik und Informationstechnik, Vol.135, No.6, pp.408-415, 2018. doi: 10.1007/s00502-018-0635-2.
  2. T. Wiegand, G. J. Sullivan, G. Bjontegaard, and A. Luthra, "Overview of the H. 264/AVC video coding standard," IEEE Transactions on Circuits and Systems for Video Technology, Vol.13, No.7, pp.560-576, 2003. https://doi.org/10.1109/TCSVT.2003.815165
  3. J. Yan, W. Pu, S. Zhou, H. Liu, and Z. Bao, "Collaborative detection and power allocation framework for target tracking in multiple radar system," Information Fusion, Vol.55, pp.173-183, 2020. https://doi.org/10.1016/j.inffus.2019.08.010
  4. F. Nardo, D. Peressoni, P. Testolina, M. Giordani, and A. Zanella, "Point cloud compression for efficient data broadcasting: A performance comparison," in 2022 IEEE Wireless Communications and Networking Conference (WCNC), pp.2732-2737, 2022. doi: 10.1109/WCNC51071.2022.9771764.
  5. E. Yavari, H. Jou, V. Lubecke, and O. Boric-Lubecke, "Doppler radar sensor for occupancy monitoring," in 2013 IEEE Topical Conference on Power Amplifiers for Wireless and Radio Applications, pp.145-147, 2013. doi: 10.1109/PAWR.2013.6490217.
  6. G. L. Charvat and L. C. Kempel, "Synthetic aperture radar imaging using a unique approach to frequency-modulated continuous-wave radar design," IEEE Antennas and Propagation Magazine, Vol.48, No.1, pp.171-177, 2006. doi: 10.1109/MAP.2006.1645606.
  7. M. Zhao, A. Mammeri, and A. Boukerche, "Distance measurement system for smart vehicles," in 2015 7th International Conference on New Technologies, Mobility and Security (NTMS), pp.1-5, 2015. doi: 10.1109/NTMS.2015.7266486.
  8. M. Hongchao and Z. Wang, "Distributed data organization and parallel data retrieval methods for huge laser scanner point clouds," Computers & Geosciences, Vol.37, No.2, pp.193-201, 2011. doi: 10.1016/j.cageo.2010.05.017.
  9. D. Oryspayev, R. Sugumaran, J. DeGroote, and P. Gray, "LiDAR data reduction using vertex decimation and processing with GPGPU and multicore CPU technology," Computers & Geosciences, Vol.43, pp.118-125, 2012. doi: 10.1016/j.cageo.2011.09.013.
  10. J. Huang, S. Ran, W. Wei, and Q. Yu, "Digital integration of LiDAR system implemented in a Low-Cost FPGA," Symmetry, Vol.14, No.6, pp.1-14, 2022. doi: 10.3390/sym14061256.
  11. E. S. Lee, E. K. Jo, and B. S. Shin, "A moving object detection method using scan-type LiDAR sensor," Proceedings of the Annual Spring Conference of Korea Information Processing Society Conference (KIPS), Vol.29, No.1, pp.88-89, 2022.
  12. W. Dingkang, W. Connor, and X. Huikai, "MEMS mirrors for LiDAR: A review," Micromachines, Vol.11, No.5, pp.456, 2020. https://doi.org/10.3390/mi11050456
  13. C. V. Poulton et al., "Coherent solid-state LIDAR with silicon photonic optical phased arrays," Optics letters, Vol.42, No.20, pp.4091-4094, 2017. doi: 10.1364/OL.42.004091.
  14. M. E. Warren, "Automotive LIDAR technology," in 2019 Symposium on VLSI Circuits, pp.C254-C255, 2019. doi: 10.23919/VLSIC.2019.8777993.
  15. B. Lv et al., "LiDAR-Enhanced connected infrastructures sensing and broadcasting high-resolution traffic information serving smart cities," IEEE Access, Vol.7, pp.79895-79907, 2019. doi: 10.1109/ACCESS.2019.2923421.
  16. W. Zhang and D. Yang, "Lidar-based fast 3D stockpile modeling," in 2019 International Conference on Intelligent Computing, Automation and Systems (ICICAS), pp.703-707, 2019. doi: 10.1109/ICICAS48597.2019.00152.
  17. E. Felemban, "Advanced border intrusion detection and surveillance using wireless sensor network technology," Vol.2013. doi: 10.4236/ijcns.2013.65028.
  18. F. Chiariotti, A. A. Deshpande, M. Giordani, K. Antonakoglou, T. Mahmoodi, and A. Zanella, "QUIC-EST: A QUIC-Enabled scheduling and transmission scheme to maximize VoI with correlated data flows," IEEE Communications Magazine, Vol.59, No.4, pp.30-36, 2021. doi: 10.1109/MCOM.001.2000876.
  19. E. Kim and S.-Y. Park, "Extrinsic calibration between camera and LiDAR sensors by matching multiple 3D planes," Sensors, Vol.20, No.1, pp.1-17, 2020. doi: 10.3390/s20010052.
  20. A. Singh, A. Kamireddypalli, V. Gandhi, and K. M. Krishna, "LiDAR guided small obstacle segmentation," in 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), pp.8513-8520, 2020. doi: 10.1109/IROS45743.2020.9341465.
  21. R. Huang, J. Pedoeem, and C. Chen, "YOLO-LITE: A real-time object detection algorithm optimized for non-GPU computers." In 2018 IEEE International Conference on Big Data (Big Data), pp.2503-2510, 2018.
  22. T. Ojanpera, J. Makela, O. Mammela, M. Majanen, and O. Martikainen, "Use cases and communications architecture for 5G-enabled road safety services," in 2018 European Conference on Networks and Communications (EuCNC), pp.335-340, 2018. doi: 10.1109/EuCNC.2018.8443193.