실내 자율주행 로봇의 프로세서에 의해 수행되는 자율주행을 위한 객체 추적 방법에 있어서, 상기 로봇은 그 전면부 하단에 설치되어 전방 제1 각도 범위 내의 객체를 인지하는 화각으로 설치되는 2D 라이다와, 그 전면부 상단의 중앙에 설치되어 상기 제1 각도보다 작은 제2 각도의 화각으로 전방을 촬영하는 카메라를 포함하는 것으로서, 상기 2D 라이다에 의해 연속적으로 획득되는 2D 점군(point cloud) 데이터로부터 하나 이상의 객체들을 검출하고 상기 검출된 객체들을 언노운 클래스(Unknown class)로 분류하는 단계; 및상기 검출된 객체들의 위치 변화를 기초로 상기 객체들의 이동 경로 및 예상 위치를 식별하여 상기 객체들을 추적하는 단계;를 포함하되, 상기 추적되는 객체들 중 상기 제2 각도 범위 내에 들어온 것으로 판단되는 객체들에 대해서는 상기 카메라에 의해 획득되는 2D 이미지를 기초로 객체 종류를 특정하여 상기 언노운 클래스로부터 제거하는 단계;를 더 포함하며, 상기 추적하는 단계는, 상기 언노운 클래스로 분류된 객체들에 대해 제1 트래킹 ID를 부여하여 추적하고, 상기 언노운 클래스로부터 제거된 객체들에 대해 상기 특정된 객체 종류에 상응하는 제2 트래킹 ID를 부여하여 추적하는, 객체 추적 방법.

제1항에 있어서, 상기 객체들에 대해 부여된 제1 트래킹 ID 및 제2 트래킹 ID는 상기 객체들이 상기 카메라의 화각 및 상기 2D 라이다의 화각을 모두 벗어날 때까지 유지되는, 객체 추적 방법.

제2항에 있어서, 상기 객체들에 대해 부여되는 제1 트래킹 ID 및 제2 트래킹 ID는 메타데이터로서 부여되고, 상기 메타데이터는 객체 종류, 객체 위치, 객체 속도, 객체 다음 위치, 제1 트래킹 ID, 제2 트래킹 ID, 객체가 2D 라이다로부터 검출된 시각, 객체가 카메라로부터 검출된 시각 중 하나 이상을 포함하는, 객체 추적 방법.

제2항에 있어서, 상기 추적하는 단계는, 실시간으로 획득되는 상기 2D 점군 데이터를 기초로 상기 객체들의 위치, 속도 및 다음 위치를 업데이트 하며, 일정 시간 이상 상기 2D 점군 데이터가 수신되지 않는 객체들에 대해서는 상기 업데이트를 종료하고 상기 제2 트래킹 ID를 임시 저장소에 보관하며, 이후 상기 제거하는 단계에서 특정되는 객체 종류가 상기 보관된 제2 트래킹 ID의 객체 종류와 동일한 경우 상기 보관된 제2 트래킹 ID를 다시 부여하여 추적하는, 객체 추적 방법.

제1항에 있어서, 상기 제거하는 단계에서 상기 객체 종류를 특정하는 것은, 서로 캘리브레이션 되어 있는 상기 2D 라이다와 상기 카메라에서 상기 로봇을 기준으로 서로 동일 위치로 인식되는 객체에 대해 수행되는, 객체 추적 방법.

제5항에 있어서, 상기 로봇을 가상의 원형의 중심점이 되도록 배치하고 상기 2D 점군 데이터에서 X축 및 Y축 만으로 구성된 평면에서 인식된 객체의 정보와 상기 2D 이미지를 매칭하여, 상기 서로 동일 위치로 인식되는지를 판단하는, 객체 추적 방법.

제1항에 있어서, 상기 제1 트래킹 ID 및 제2 트래킹 ID는 상기 2D 점군 데이터 내에서 해당 객체를 추적할 수 있도록 부여된 객체의 고유한 식별자인, 객체 추적 방법.

제1항에 있어서, 상기 객체 종류를 특정하기 위해 인공지능 기계학습 모델을 이용하는, 객체 추적 방법.

제1항 내지 제8항 중 어느 한 항의 방법을 수행하기 위한 명령어를 포함하는 이상의 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.

실내 자율주행 로봇을 위한 객체 추적 장치에 있어서, 상기 로봇은 그 전면부 하단에 설치되어 전방 제1 각도 범위 내의 객체를 인지하는 화각으로 설치되는 2D 라이다와, 그 전면부 상단의 중앙에 설치되어 상기 제1 각도보다 작은 제2 각도의 화각으로 전방을 촬영하는 카메라를 포함하는 것으로서, 상기 2D 라이다로부터 2D 점군 데이터(point cloud)를 획득하고 상기 카메라로부터 2D 이미지를 획득하는 2D 점군 데이터 및 2D 이미지 획득부; 및상기 2D 라이다에 의해 연속적으로 획득되는 2D 점군 데이터로부터 하나 이상의 객체들을 검출하고 상기 검출된 객체들을 언노운 클래스(Unknown class)로 분류하고, 상기 검출된 객체들의 위치 변화를 기초로 상기 객체들의 이동 경로 및 예상 위치를 식별하여 상기 객체들을 추적하는 프로세서;를 포함하되, 상기 프로세서는, 상기 추적되는 객체들 중 상기 제2 각도 범위 내에 들어온 것으로 판단되는 객체들에 대해서는 상기 카메라에 의해 획득되는 2D 이미지를 기초로 객체 종류를 특정하여 상기 언노운 클래스로부터 제거하며, 상기 언노운 클래스로 분류된 객체들에 대해 제1 트래킹 ID를 부여하여 추적하고, 상기 언노운 클래스로부터 제거된 객체들에 대해 상기 특정된 객체 종류에 상응하는 제2 트래킹 ID를 부여하여 추적하는, 객체 추적 장치.

제10항에 있어서, 상기 객체들에 대해 부여된 제1 트래킹 ID 및 제2 트래킹 ID는 상기 객체들이 상기 카메라의 화각 및 상기 2D 라이다의 화각을 모두 벗어날 때까지 유지되는, 객체 추적 장치.

제10항에 있어서, 상기 객체 종류를 특정하는 것은, 서로 캘리브레이션 되어 있는 상기 2D 라이다와 상기 카메라에서 상기 로봇을 기준으로 서로 동일 위치로 인식되는 객체에 대해 수행되는, 객체 추적 장치.

제12항에 있어서, 상기 로봇을 가상의 원형의 중심점이 되도록 배치하고 상기 2D 점군 데이터에서 X축 및 Y축 만으로 구성된 평면에서 인식된 객체의 정보와 상기 2D 이미지를 매칭하여, 상기 서로 동일 위치로 인식되는지를 판단하는, 객체 추적 장치.