KR100522865B1 - 디지털 이미지로부터의 도로추출 방법 - Google Patents

디지털 이미지로부터의 도로추출 방법 Download PDF

Info

Publication number
KR100522865B1
KR100522865B1 KR10-2004-0002746A KR20040002746A KR100522865B1 KR 100522865 B1 KR100522865 B1 KR 100522865B1 KR 20040002746 A KR20040002746 A KR 20040002746A KR 100522865 B1 KR100522865 B1 KR 100522865B1
Authority
KR
South Korea
Prior art keywords
road
point
image
points
extraction
Prior art date
Application number
KR10-2004-0002746A
Other languages
English (en)
Other versions
KR20050074837A (ko
Inventor
이해연
이영란
신동석
Original Assignee
(주)쎄트렉아이
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)쎄트렉아이 filed Critical (주)쎄트렉아이
Priority to KR10-2004-0002746A priority Critical patent/KR100522865B1/ko
Publication of KR20050074837A publication Critical patent/KR20050074837A/ko
Application granted granted Critical
Publication of KR100522865B1 publication Critical patent/KR100522865B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/02—Affine transformations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 인공위성 등의 고공촬영을 통해 획득한 디지털 이미지로부터 지상의 도로를 추출하기 위한 방법으로서, 특히 사용자로부터 제어점 입력을 최소한으로 제공받고 인터폴레이션 조작을 추가로 요구하지 않으며 고해상도 영상에 양호하게 적용가능한 도로추출 방법에 관한 것이다. 본 발명의 도로추출 방법에 따르면 사용자로부터는 최소한의 제어점 입력만을 제공받으면 되므로 사용상 대단히 편리하고, 인터폴레이션 조작을 추가로 요구하지 않으므로 데이터 처리속도가 빠르며, 서브픽셀 정확도의 매칭을 사용하므로 1 미터 이내의 고해상도 영상에서 도로중앙선과 가장자리선을 정확히 추출할 수 있다는 장점이 있다.

Description

디지털 이미지로부터의 도로추출 방법 {Road Extraction Method Out Of Digital Image}
본 발명은 인공위성 등의 고공촬영을 통해 획득한 디지털 이미지로부터 지상의 도로를 추출하기 위한 방법에 관한 것으로서, 특히 사용자로부터 제어점 입력을 최소한으로 제공받고 인터폴레이션 조작을 추가로 요구하지 않으며 고해상도 영상에 양호하게 적용가능한 도로추출 방법에 관한 것이다.
인공위성이나 항공기 등을 이용한 고공촬영 영상으로부터 도로를 추출하는 방법에 관한 연구는 지난 20년동안 지속적으로 이루어져 왔는데, 특히 1 미터 미만의 고해상도 영상에서는 가로수나 건물 등에 의하여 도로의 많은 부분이 가려지게 되는 등의 문제가 있어 정확한 도로추출이 곤란하였다. 또한, 고공촬영 영상에서는 도로중앙선과 가장자리선이 건물의 외곽선에 비하여 극히 미약하게 나타나므로 이들을 정확하게 검출하기가 곤란하였다.
또한, 종래기술에 따른 도로추출 소프트웨어에서는 프로그램 사용자가 상당히 많은 수의 제어점을 입력하여야 하는 불편함이 있었고, 더욱이 프로그램 동작상 내부적으로 다수의 인터폴레이션 조작을 수행함으로써 데이터 처리속도가 대단히 느리다는 문제점도 있어, 이러한 문제점으로 인하여 종래의 도로추출 소프트웨어는 고해상도 영상에 대해서는 특히 적합하지 않았다.
이에, 본 발명은 인공위성 등의 고공촬영을 통해 획득한 디지털 이미지로부터 지상의 도로를 추출하기 위한 방법으로서, 특히 사용자로부터 제어점 입력을 최소한으로 제공받고 인터폴레이션 조작을 추가로 요구하지 않으며 고해상도 영상에 양호하게 적용가능한 도로추출 방법을 제공하는 데에 그 목적이 있다.
이하, 첨부된 도면을 참조하여 본 발명을 상세히 설명한다.
도 1a 내지 도 1e는 본 발명의 실시예에 따라 디지털 위성영상 데이터로부터 도로를 추출하는 방법을 도시하는 도면이다. 본 발명에 따른 도로추출 방법에서는 먼저 추출하고자 하는 도로를 따라서 사용자가 복수 개의 제어점을 입력하는데, 이 때 사용자가 입력하는 제어점은 추출 목적에 따라서 도로의 중앙선 또는 도로의 가장자리선에 해당되는 점들이다. 이어서, 상기 제어점을 기준으로 커브피팅(curve fitting), 이미지 세그먼트의 스트레이트화(straightening), 매칭(matching)이라는 일련의 과정을 통하여 도로중앙선 혹은 가장자리선에 대응되는 점을 추출하고, 이렇게 추출된 점을 일정 간격으로 선택하여 구성한다.
먼저, 도 1a는 디지털 위성영상 데이터에 대해서 사용자로부터 제어점을 입력받은 결과를 도시하고, 도 1b는 상기 입력된 제어점을 가장 양호하게 피팅할 수 있는 스플라인 커브(spline curve)를 획득한 결과이며, 도 1c는 상기 획득된 스플라인 커브를 따라서 해당 영역을 스트레이트화한 결과이고, 도 1d는 도로의 중앙선 혹은 도로의 가장자리선을 추출하기 위하여 상기 입력된 제어점을 기준하여 설정된 템플리트를 도시하며, 도 1e는 예컨대 점진적 최소자승법 매칭(ALSM) 방법을 사용하여 상기 템플리트와 매칭되는 점을 도로의 중앙선 또는 가장자리선에 해당하는 점으로 추출한 결과를 나타낸다.
본 발명에 따른 도로추출 방법에서는 상기 추출된 점들이 스트레이트화된 영상으로부터 획득된 것이므로 이를 보상하기 위해 상기 스트레이트화에 대응하는 역변환을 상기 추출된 점에 대해서 수행하는데, 이를 통하여 원영상 상에서의 도로추출점을 획득할 수 있다. 또한, 상기 도로추출점들이 부드러운 커브를 유지할 수 있도록 도로추룰 점에 대해서 스무딩(smoothing) 처리하는데, 이를 통하여 디지털 위성영상 데이터에 존재할 수 있는 소위 노이즈(noise)에 의해 영향받은 점이나 매칭조작 상의 에러를 보정할 수 있다.
도 2a 및 도 2b는 본 발명의 실시예에 따라 B-스플라인 커브피팅을 수행하는 과정을 도시하는 도면이다. 스플라인 커브(spline curve)는 기존의 도안 응용분야에서 부드러운 커브를 만들기 위해 사용했던 유연스트립(flexible strips)으로부터 유래하는데, 스플라인 커브는 수학적으로는 0차, 1차, 2차 이상 다항함수를 구분근사화(piecewise approximation)한 것으로 볼 수 있다. 이중에서, 특히 B-스플라인 커브는 컴퓨터 그래픽스 등의 분야에서 가장 많이 사용되는 스플라인 커브로서, 수식으로 표현다면 다음과 같다.
즉, 만일 (N+1)개의 제어점 Pk가 존재한다면 B-스플라인 커브에 대응하는 연속함수 P(v)는 수학식 1과 같이 정의할 수 있다.
수학식 1에서 상수 t는 스플라인 커브의 차수(degree)를 나타내는 값으로서 일반적으로는 3 또는 4의 값을 갖는다. 한편, Uk를 소위 브레이크점(break points)으로서 스플라인 커브 상에 놓여지는 노츠(knots)로 정의하면 함수 Nk,t(v)는 Uk를 인자로 하는 블랜딩 함수(blending function)이다.
한편, B-스플라인 커브의 특징은 상기 노츠를 정의하는 방법에 따라서 곡선의 형태가 달라진다는 점인데, 예컨대 일정간격(uniform spacing) 배열의 경우에는 Uk = K로 정의하여 일정 간격으로 노츠를 정의할 수 있다. 일반적으로 Uk를 선택하는 방법은 수학식 2와 같다.
수학식 2와 같이 Uk의 값이 결정되면, 블랜딩 함수 Nk,t(v)는 수학식 3과 같이 정의된다.
상기와 같은 B-스플라인 커브는 여러가지 장점을 갖는데, 이 중 일부를 기술하면 다음과 같다. 먼저, 하나의 제어점에 발생한 변화는 커브 전체의 형태에 대해서 국부적(locally)으로만 영향을 미치는데, 상기 변화된 제어점의 위치에 해당하는 부분에서만 형태 변화를 가져오고 스플라인 커브의 다른 부분에는 영향이 미치지 않는다는 장점이 있다. 이는 제어점에 포함될 수 있는 블런더(blunder)형 에러에 의해 커브 전체가 영향을 받지않는다는 점에서 중요한 장점이 된다. 또한, 임의 개수의 제어점을 추가하더라도 다항식의 차수(degree)가 변경되지 않기 때문에 계산속도가 빠르다는 장점도 있으며, B-스플라인 커브가 제어점들의 콘벡스 훌(convex hull)을 따라 형성된다는 장점도 있다.
예를 들어 4개의 제어점이 존재하는 경우를 가정하면, 도 2a에 도시된 바와 같이 스플라인 커브의 형태를 결정하는 다항식 차수(T = 2, 3, 4)에 따라서 다른 형태의 커브가 형성된다. 다항식 차수가 높을수록 부드러운 커브를 형성하며, 차수 T = 2일 때에는 단순한 선형 인터폴레이션의 형태를 갖게 된다. 이어서, 도 2b를 참조하여, 다항식 차수의 정도에 따라서 B-스플라인 커브가 형성되는 과정을 개념적으로 기술한다.
먼저, 입력된 제어점에 기초하여 기본 다항식이 구성되는데, 도 2b에서 파란색으로 표시된 라인(T = 2)은 기본 다항식의 함수를 나타낸다. 이어서, 입력 파라미터인 다항식 차수 값에 따라서 다항식 함수가 점차적으로 부드러운 커브로 변화되는데, 차수가 3이 되는 다음 반복회차(iteration)에서는 전차에 형성된 커브에 추가적인 브레이크점(break point)이 형성되면서 커브의 형태가 변경된다. 다항식 차수에 따라서 반복회차가 증가되면 브레이크점이 추가되고, 이에 따라서 커브의 모양도 변경된다.
사용자가 입력한 제어점에 대해서, 전술한 수학식 1을 사용하여 상기 제어점을 연결하는 B-스플라인 커브를 획득하기 위한 알고리즘을 개략적으로 설명하면 다음과 같다. 즉,
입력:
(1) 사용자가 입력한 제어점: Pk (k = 0 ~ n-1)
(2) 스플라인 커브의 차수: t
(3) 커브의 해상도
출력:
(1) B-스플라인 커브를 구성하는 점의 집합: Out_x, Out_y
(2) B-스플라인 커브의 노츠(knots)
알고리즘:
(1) 사용자가 입력한 제어점의 개수(n)와 상기 차수(t)에 따라 수학식 2
의 Uk를 계산한다: SplineKnots()
(2) Uk에 따라 수학식 3의 Nk,t(v) 함수를 계산한다: SplineCurve()
(3) Uk에 기초하여 해상도에 해당하는 일정간격으로 커브 상의 점을 계산
[SplineBlend()]하여 그 결과를 Out_x, Out_y에 저장한다.
전술한 B-스플라인 커브를 획득하는 알고리즘을 보다 상세히 기술하면 아래와 같다. 즉,
스플라인 커브의 계산: #define T 3 // 다항식 차수 #define STEP // 해상도 /* Computes the positions of the subintervals of v and breakpoints */ /* 수학식 2를 사용하여 노츠 Uk를 계산한다 */ knots = SplineKnots(N, T); /* Create all the points along a spline curve */ [Out_x, Out_y] = SplineCurve(data_x, data_y, knots, T, STEP); FOR i = 1 ~ STEP { FOR k = 0 ~ N { /* Calculate the blending value (수학식 3을 사용하여 블랜딩 */ /* 값들을 계산함). 이 때, v는 현재의 위치를 나타낸다. */ b = SplineBlend(k, t, knots, v); /* 스플라인 커브 상의 포인트 값을 계산한다. (수학식 1) */ Out_x = in_x[k] * b; Out_y = in_y[k] * b; } }
도 3은 본 발명의 실시예에 따라 이미지 세그먼트를 스트레이트화하는 과정을 도시하는 도면이다. 상기 알고리즘을 통하여 획득한 점들(Out_x, Out_y)은 사용자로부터 입력받은 제어점에 기초하여 피팅(fitting)한 스플라인 커브를 나타내는데, 이렇게 획득된 스플라인 커브가 본 발명의 도로추출 방법에서 최종적으로 얻고자 하는 점(points)은 아니다. 대신, 정확한 도로중앙선 혹은 가장자리선은 상기 스플라인 커브로부터 일정 영역 내에 존재한다고 가정되고, 후술하는 바와 같은 소정의 매칭단계를 통해 최종적으로 결정된다.
전술한 과정에서 획득된 B-스플라인 커브는 도 3을 참조하여 기술하고자 하는 이미지의 스트레이트화(straightening) 작업에 사용되는데, 이러한 스트레이트화 작업은 다음 단계의 매칭작업이 보다 효과적으로 수행될 수 있도록 하기 위한 것이다. 영상 스트레이트화 작업에서는, 스플라인 커브에서 얻어진 노츠에 기초하여 이미지 영역을 N개로 분할하고, 상기 분할된 세그먼트 내의 각 픽셀(pixel)을 어파인(Affine) 변환을 통해 새로운 좌표로 매핑한다. 도 3은 이러한 스트레이트화 과정을 도시한다.
전술한 어파인 변환은 수학식 4와 같이 표현될 수 있는데, 어파인 변환을 위해서는 각 노츠(knots) 위치의 점에 대해서 탄젠트 노멀(tangent normal) 라인에 대한 기울기 각도 θ, 영상의 변환 스케일 s (= 1), 그리고 좌표계 중심축인 x0, y0를 계산한다. 스트레이트화된 영상의 좌표 (x', y')는 원영상의 좌표 (x, y)에 대해서 상기 어파인 변환을 통해 얻어진다. 이 때, 영상 폭에 해당하는 ω는 입력 영상의 해상도와 일반적으로 추출하고자 하는 도로의 크기에 비례하여 미리 선택되는데, 예컨대 1 미터 해상도의 영상에서 최대 차선(12차선) 이상의 도로 폭과 도로의 기울기에 대한 여분을 고려하여 정의할 수 있다. 이미지 세그먼트를 스트레이트화하기 위한 알고리즘을 설명하면 다음과 같다. 즉,
입력:
(1) 원 영상
(2) B-스플라인 커브를 구성하는 점의 집합: Out_x, Out_y
(3) 스트레이트화될 영상의 크기(ω), 세그먼트 개수(N)
출력:
(1) 스트레이트화된 영상
알고리즘:
(1) 원 영상에서 스플라인 커브의 노츠를 기준으로 영상을 분할한다.
(2) 분할된 영역을 N개의 세그먼트로 나눈다.
(3) 각 세그먼트에 대한 탄젠트 노멀각도(θ), 좌표계 중심축(x0, y0)을
계산한다.
(4) 세그먼트 내의 각 픽셀에 대해서 수학식 4에 따라 스트레이트화 영상
좌표 (x', y')를 계산하여 스트레이트화된 영상으로 저장한다.
(5) 노츠 별로 구분된 모든 영역에 대해서 (2)~(3)을 반복한다.
이어서, 도 1d에 도시된 바와 같이, 스트레이트화된 영상에서 사용자가 입력한 제어점 주위의 일정 영역을 템플리트(template)로 설정하는데, 템플리트를 설정하기 위한 알고리즘을 설명하면 다음과 같다. 즉,
입력:
(1) 스트레이트화된 영상
(2) 템플리트 사이즈 (폭 * 높이)
출력:
(1) 매칭을 위한 템플리트 버퍼
알고리즘:
(1) 원 영상에서 사용자가 입력한 제어점 중의 하나에 대해 수학식 4에서
사용한 어파인 파라미터를 사용하여 스트레이트화 영상에서의 위치를
계산한다.
(2) 스트레이트화 영상에서 계산된 점을 중심으로 일정크기의 템플리트
버퍼를 생성한다.
도 4a 및 도 4b는 본 발명의 실시예에 따라 점진적 최소자승법 매칭을 수행하는 과정을 도시하는 도면이고, 도 4c는 상기 점진적 최소자승법 매칭을 위한 디자인 행렬을 도시하는 도면이다. 최소자승법 매칭(Least Square Matching)의 기본 아이디어는 도 4a에 도시된 바와 같이 탐색공간(420) 내에서 매칭윈도우(430)의 형태와 위치를 적절히 변경하여 템플리트(410)와 매칭윈도우(430) 간의 밝기 값 차이가 최소화되도록 함으로써, 템플리트(410)와 가장 유사한 매칭윈도우(430)를 탐색하는 것이다. 본 발명에서 매칭문제는 같은 영상에 대한 비교매칭 문제이므로 템플리트(410)와 매칭윈도우(430)의 기하학적 관계는 어파인 변환으로 한정한다. 구하고자 하는 관계식을 수학적으로 표시하면 수학식 5와 같다.
수학식 5에서, t(i,j)와 m(i,j)는 각각 템플리트(410)와 매칭윈도우(430)의 이미지 함수(image function)를 나타내고, r(i,j)는 템플리트(410)와 변환된 매칭윈도우(430) 간의 밝기값 차이를 나타낸다. 최소자승법 매칭과정을 통해서 획득되는 미지값()은 상기 r(i,j)를 최소화시키는 매칭윈도우(430)의 형태와 모양을 결정하는 어파인 변환의 파라미터인 t0 ~ t5이다.
본 발명에 따른 도로추출 방법에서는 이와 같은 일반적인 최소자승법 매칭기법을 디지털 이미지로부터의 도로 추출이라는 분야에 효과적으로 적용하기 위해서 특별한 요소를 추가로 반영하였으며, 이러한 내용을 도 4b를 참조하여 아래에 나타낸다.
최소자승법 매칭기법의 문제점 중 하나는 탐색공간(420)의 크기에 따라서 성능이 좌우된다는 것인데, 일반적으로 탐색공간(420)이 넓으면 매칭윈도우(430)를 찾는데 소요되는 시간이 증가한다. 효과적이고 또한 빨리 매칭윈도우(430)를 찾기 위해서 본 발명의 도로추출 방법에서는 탐색공간(420)을 상하 방향만으로 한정하였다. 이는 도로에 해당하는 점들은 스트레이트화된 영상 내부에 존재하고, 도로중앙선이나 가장자리선의 점들은 스트레이트화된 영역 내부의 상하 방향의 어딘가에 위치하기 때문이다. 일정간격 δ(450) 별로 상하만을 변경하면서 밝기 값의 차이가 가장 근소한 위치를 찾는다. 이 때, 일정간격 δ(450)의 값은 영상의 해상도와 원하는 도로점의 밀도에 대응하여 선정된다. 다만, 본 실시예에서는 좌우로는 일정간격 δ(450)만큼 이동하고 각각에 대해서 상하만을 변경하면서 최적의 매칭윈도우(430)를 획득하도록 기술되어 있으나, 반대로 상하로는 일정간격 δ(450)만큼 이동하고 각각에 대해서 좌우만을 변경하면서 최적의 매칭윈도우(430)를 획득하는 것도 배제하지는 않는다.
이러한 과정에 의해, 수학식 5에서 x 방향의 이동(translation)을 결정하는 t0는 0으로 설정될 수 있다.
최소자승법 매칭은 비선형(non-linear) 문제이므로 구하고자 하는 미지 해는 수식 선형화(linearization)와 반복수행(iteration)을 통해서 구해진다. 이에 따라, 최소자승 해를 구하기 위해 m(x,y)를 미지 파라미터에 대해서 선형화하면 다음의 수학식 6과 같으며, 수학식 6에 대한 각각의 편미분(partial derivatives)는 수학식 7과 같다. 이 때, gx와 gy는 각각 x-방향과 y-방향에 대한 경사도(gradient)를 나타낸다.
전술한 바, 어파인 변환 파라미터()의 해를 구하기 위해서는 n * m의 관측방정식(observation equation)이 형성된다. 이 때, n과 m은 템플리트(440)와 매칭윈도우(430)의 크기에 대응한다. 수학식 6의 선형화된 m(x,y)는 n * 1의 관측벡터에 대해 n * m 크기의 디자인 행렬(design matrix) A를 형성한다. 즉, (i,j) 위치의 각 픽셀에 대하여, 6개의 미지 파라미터에 대한 수학식 6의 선형화된 값을 계산하여 디자인 행렬 A가 형성되고 템플리트(440)와 매칭윈도우(430) 간의 밝기 값의 차이가 관측벡터 r(i,j)를 구성한다. 도 4c는 최소자승법 매칭에 있어서의 디자인 행렬을 도시한다.
관측방정식(observation equation)과 그 해(solution)를 벡터 형식으로 표현하면 수학식 8과 같다. 이 때, 행렬 P는 가중치 행렬(weighting matrix)이며, 본 발명의 실시예에서는 항등행렬 I로 설정할 수 있다.
상기 과정에서 획득된 어파인 변환 파라미터를 적용하면 템플리트(440)에 대한 최적의 매칭윈도우(430)가 결정되고, 매칭윈도우(430)의 중앙점 또는 적절한 내부점이 추출하고자 하는 도로점에 해당된다. 즉,
입력:
(1) 스트레이트화된 영상
(2) 템플리트 버퍼(440)
출력:
(1) 매칭되어 추출된 도로중앙선 및 가장자리선의 점 집합(point set)
알고리즘:
(1) 탐색공간(420) 내부에서 매칭윈도우(430)를 형성한다.
(2) 템플리트 버퍼(440)와 매칭윈도우(430)의 각 픽셀 별로 수학식 5의
관계식을 형성하고, 도 4c의 디자인 행렬을 구성한다.
(3) 수학식 8에 명시된 해()를 구한다.
(4) 상기 해()로부터 밝기 값의 차이가 가장 작은 매칭윈도우(430)를
결정한다. 결정된 매칭윈도우(430)의 중앙점(또는 적절한 내부점)이
템플리트(440)에 매칭되는 도로 추출점으로서 최종결과에 저장된다.
(5) 스트레이트화된 영상의 탐색공간(420)에서 일정간격 별로 (1)~(4)의
과정을 반복한다.
이어서, 스트레이트화된 영상에서 획득된 추출점을 원 영상의 좌표로 변환하는 과정을 수행한다. 이는 상기 최적자승법 매칭과정을 통해 추출된 점들은 스트레이트화된 영상 위에서의 좌표 (x',y')이므로 어파인 변환에 대응되는 역변환을 수행함으로써 원 영상의 좌표 (x,y)를 획득하며, 다음의 수학식 9는 이러한 역변환 과정을 나타낸다.
입력:
(1) 스트레이트화된 영상 내에서 매칭된 도로중앙선 및 가장자리선의
점 집합
출력:
(1) 원 영상 내의 최종 도로중앙선 및 가장자리선 추출점
알고리즘:
(1) 스트레이트화 과정에서 적용하였던 어파인 변환에 대응하는 역변환
행렬을 계산한다.
(2) 도로중앙선 및 가장자리선의 각 점에 대해서 수학식 9를 적용하여
원 영상 내의 좌표를 계산하고, 그 결과를 출력버퍼에 저장한다.
(3) 매칭된 모든 추출점에 대해서 (1)~(2) 과정을 반복한다.
도 5는 본 발명의 실시예에 따라 도로 추출점을 스무딩하는 과정을 도시하는 도면이다. 도시된 바와 같이 국부적으로 스무딩(smoothing) 기법을 적용함으로써 출력버퍼에 저장된 도로중앙선 및 가장자리선의 추출점에 포함될 수 있는 블런더형 에러를 제거한다. 다만, 이러한 스무딩 과정은 본 발명에 따른 도로추출 성능을 보다 향상시키기 위한 것으로 본 발명에 있어 보충적인 것으로서 이해되어야 한다. 즉, 상기 역변환 과정으로부터 얻어진 원 영상 추출점을 연결함으로써 도로 추출결과를 출력하는 것도 가능하나, 스무딩 과정을 적용함으로써 출력되는 도로의 품질을 보다 향상시킬 수 있는 것이다.
각각의 추출점을 중앙으로 하는 일정영역(m)의 국부 윈도우(local window)를 형성하고, 국부 윈도우 내의 추출점에 대한 소위 무게중심(center of gravity)를 계산한 후, 상기 계산된 무게중심 값으로 현재의 추출점을 대체한다. 스무딩의 적용옵션에 따라서는 무조건 계산된 값으로 변형하는 방법과 일정차이 이상일 경우에만 반영하는 방법을 선택할 수 있다. 본 발명에 따른 도로추출 방법에서 사용하는 스무딩 알고리즘을 정리하면 다음과 같다.
입력:
(1) 매칭되어 추출된 도로중앙선 및 가장자리선의 추출점(n개)
출력:
(2) 스무딩된 도로중앙선 및 가장자리의 추출점(n개)
알고리즘:
(1) 도로중앙선 및 가장자리선의 한 추출점(pi)에 대해서 m 크기의 국부
윈도우를 형성한다.
(2) m개 점들의 무게중심(cx, cy)를 계산한다.
(3) 현재의 추출점을 계산된 무게중심 값으로 대체한다.
(4) n개의 모든 도로중앙선 및 가장자리선의 추출점에 대해서 (1)~(3)
과정을 반복한다. 스무딩이 적용된 추출점들이 최종의 도로중앙선
및 가장자리선의 추출점으로 저장된다.
본 발명의 실시예들은 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터로 판독가능한 정보기록매체를 포함할 수 있다. 상기 컴퓨터로 판독가능한 정보기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 정보기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 혹은 컴퓨터 소프트웨어 당업자에게 공지되어 사용가능한 것일 수도 있다. 컴퓨터로 판독가능한 정보기록매체의 예에는 하드디스크, 플로피디스크, CD-ROM, DVD-ROM, 및 플래시메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 정보기록매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어 지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급언어 코드를 포함한다.
본 발명의 도로추출 방법에 따르면 사용자로부터는 최소한의 제어점 입력만을 제공받으면 되므로 사용상 대단히 편리하고, 인터폴레이션 조작을 추가적으로 요구하지 않으므로 도로를 추출하는 데이터 처리속도가 신속하며, 서브픽셀 정확도의 매칭을 사용하므로 1 미터 이내의 고해상도 영상에서 도로중앙선과 분리선을 정확히 추출할 수 있다는 장점이 있다.
도 1a 내지 도 1e는 본 발명의 실시예에 따라 디지털 위성영상 데이터로부터 도로를 추출하는 방법을 도시하는 도면.
도 2a 및 도 2b는 본 발명의 실시예에 따라 B-스플라인 커브피팅을 수행하는 과정을 도시하는 도면.
도 3은 본 발명의 실시예에 따라 이미지 세그먼트를 스트레이트화하는 과정을 도시하는 도면.
도 4a 내지 도 4c는 본 발명의 실시예에 따라 점진적 최소자승법 매칭을 수행하는 과정 및 이를 위한 디자인 행렬을 도시하는 도면.
도 5는 본 발명의 실시예에 따라 도로 추출점을 스무딩하는 과정을 도시하는 도면.

Claims (7)

  1. 디지털 영상으로부터 도로를 추출하는 방법으로서, (1) 상기 디지털 영상에 대해서 사용자로부터 상기 추출하고자 하는 도로에 대응하는 복수 개의 제어점을 입력받는 단계; (2) 상기 입력받은 제어점에 대해서 커브피팅을 통해 스플라인 커브를 획득하는 단계; (3) 상기 스플라인 커브의 노츠에 기초하여 상기 디지털 영상 이미지를 복수 개의 세그먼트로 분할하고, 상기 분할된 세그먼트에 어파인 변환을 적용하여 스트레이트화된 영상을 획득하는 단계; (4) 상기 입력받은 제어점 주위로부터 특정 크기의 템플리트를 설정하는 단계; (5) 상기 스트레이트화된 영상의 탐색공간으로부터 상기 설정된 템플리트와 밝기 값 차이가 최소화되는 최적의 매칭윈도우를 탐색하여 획득하는 단계; (6) 상기 획득된 최적 매칭윈도우의 특정 내부점을 추출함으로써 복수 개의 점으로 구성된 임시 포인트 집합을 구성하는 단계; 및 (7) 상기 임시 포인트 집합에 포함되는 각 추출점에 대해서 상기 어파인 변환의 역변환을 적용함으로써 원영상 포인트 집합을 획득하는 단계를 포함하여 구성되는 것을 특징으로 하는 도로추출 방법.
  2. 제1항에 있어서, 상기 스플라인 커브는 상기 입력받은 복수 개의 제어점을 브레이크점(break points)으로서 사용하여 반복수행(iteration)하여 획득한 B-스플라인 커브인 것을 특징으로 하는 도로추출 방법.
  3. 제1항에 있어서, 상기 어파인 변환(Affine transformation)은
    인 것을 특징으로 하는 도로추출 방법 [단, (x,y)는 원영상의 좌표; (x',y')는 스트레이트화된 영상의 좌표; s는 변환 스케일 상수; θ는 각 노츠 위치의 점에 대한 탄젠트 노멀라인에 대한 기울기 각도; (x0,y0)는 좌표계 중심].
  4. 제1항에 있어서, 상기 최적 매칭윈도우의 탐색은, 상기 스트레이트화된 영상의 탐색공간에 대해서 제1 좌표축으로는 일정 간격(δ) 별로 이동하고 각각에 대해서 제2 좌표축으로만 변경하면서 상기 최적의 매칭윈도우를 탐색하여 이루어지는 것을 특징으로 하는 도로추출 방법.
  5. 제1항에 있어서, 상기 도로추출 방법은, 상기 원영상 포인트 집합에 포함되는 각 추출점에 대해서 스무딩 처리하는 단계를 더 포함하여 구성되는 것을 특징으로 하는 도로추출 방법.
  6. 제5항에 있어서, 상기 각 추출점에 대한 상기 스무딩 처리는, (7-1) 각 추출점에 대해서 특정 크기(m)의 국부 윈도우를 설정하고; (7-2) 상기 국부 윈도우에 포함되는 점들로부터 무게중심 값(cx,cy)을
    로써 획득하고; (7-3) 상기 계산된 무게중심 값(cx,cy)으로 상기 추출점을 대체하는 것으로 수행되는 것을 특징으로 하는 도로추출 방법.
  7. 제1항 내지 제6항 중의 어느 하나의 항에 따른 도로추출 방법을 구현하는 프로그램을 기록한 컴퓨터로 판독가능한 정보기록매체.
KR10-2004-0002746A 2004-01-14 2004-01-14 디지털 이미지로부터의 도로추출 방법 KR100522865B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR10-2004-0002746A KR100522865B1 (ko) 2004-01-14 2004-01-14 디지털 이미지로부터의 도로추출 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR10-2004-0002746A KR100522865B1 (ko) 2004-01-14 2004-01-14 디지털 이미지로부터의 도로추출 방법

Publications (2)

Publication Number Publication Date
KR20050074837A KR20050074837A (ko) 2005-07-19
KR100522865B1 true KR100522865B1 (ko) 2005-10-19

Family

ID=37263325

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2004-0002746A KR100522865B1 (ko) 2004-01-14 2004-01-14 디지털 이미지로부터의 도로추출 방법

Country Status (1)

Country Link
KR (1) KR100522865B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102145726B1 (ko) 2016-03-22 2020-08-19 (주) 아키드로우 기계 학습 알고리즘을 이용한 도어 이미지 검출 방법 및 장치

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990031943A (ko) * 1997-10-15 1999-05-06 김덕중 지도 영상의 도로 정보 추출 방법
US6470265B1 (en) * 1997-12-25 2002-10-22 Toyota Jidosha Kabushiki Kaisha Method and apparatus for processing digital map data
KR20040009317A (ko) * 2002-07-23 2004-01-31 한국과학기술원 템플릿 정합을 이용한 영상에서 도로 추출방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR19990031943A (ko) * 1997-10-15 1999-05-06 김덕중 지도 영상의 도로 정보 추출 방법
US6470265B1 (en) * 1997-12-25 2002-10-22 Toyota Jidosha Kabushiki Kaisha Method and apparatus for processing digital map data
KR20040009317A (ko) * 2002-07-23 2004-01-31 한국과학기술원 템플릿 정합을 이용한 영상에서 도로 추출방법

Also Published As

Publication number Publication date
KR20050074837A (ko) 2005-07-19

Similar Documents

Publication Publication Date Title
Adalsteinsson et al. A fast level set method for propagating interfaces
CN109035170B (zh) 基于单网格图分段映射的自适应广角图像校正方法及装置
CN106096497B (zh) 一种针对多元遥感数据的房屋矢量化方法
CN109583365A (zh) 基于成像模型约束非均匀b样条曲线拟合车道线检测方法
WO2006082773A1 (ja) 対象物測定方法及びコンピュータシステムを用いて対象物の三次元形状を計測するためのコンピュータソフトウエアプログラム
CN110415280B (zh) 多任务cnn模型下的遥感影像与建筑物矢量配准方法及系统
CN112488975B (zh) 一种非均匀阵列探测激光光斑图像的复原显示方法
CN105005981A (zh) 基于多尺度的光条中心提取方法及装置
CN110942077B (zh) 基于权重局部变化度和l1中值优化的特征线提取方法
CN110675463B (zh) 一种局部彩色铅笔画生成方法及装置
CN109741358B (zh) 基于自适应超图学习的超像素分割方法
CN113409332B (zh) 一种基于三维点云的建筑物平面分割方法
Tasar et al. Polygonization of binary classification maps using mesh approximation with right angle regularity
Sun et al. Decoupled feature pyramid learning for multi-scale object detection in low-altitude remote sensing images
CN113223074A (zh) 一种水下激光条纹中心提取方法
Dowson et al. Estimating the joint statistics of images using nonparametric windows with application to registration using mutual information
KR100522865B1 (ko) 디지털 이미지로부터의 도로추출 방법
CN110517299B (zh) 基于局部特征熵的弹性图像配准算法
Strong III et al. A region coloring technique for scene analysis
CN110555385A (zh) 一种基于变步长曲率滤波的焊缝特征点求取方法
CN107292876B (zh) 基于岩土材料变形时空非均匀特征的dscm分析方法
JPH04141783A (ja) 電子線図形データ作成装置及び方法
CN115841496A (zh) Sem图像的轮廓提取方法、装置、计算机设备及存储介质
JP2011210160A (ja) 画像処理方法、画像処理装置、プログラム、及びプログラム記憶媒体
Zhang et al. A road extraction method based on high resolution remote sensing image

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20120920

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20131001

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20141002

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20150915

Year of fee payment: 11

FPAY Annual fee payment

Payment date: 20161006

Year of fee payment: 12

FPAY Annual fee payment

Payment date: 20170727

Year of fee payment: 13

FPAY Annual fee payment

Payment date: 20180816

Year of fee payment: 14

FPAY Annual fee payment

Payment date: 20190813

Year of fee payment: 15