KR101104609B1 - 차량의 목표주차위치 인식 방법 및 그 시스템 - Google Patents

차량의 목표주차위치 인식 방법 및 그 시스템 Download PDF

Info

Publication number
KR101104609B1
KR101104609B1 KR1020070108342A KR20070108342A KR101104609B1 KR 101104609 B1 KR101104609 B1 KR 101104609B1 KR 1020070108342 A KR1020070108342 A KR 1020070108342A KR 20070108342 A KR20070108342 A KR 20070108342A KR 101104609 B1 KR101104609 B1 KR 101104609B1
Authority
KR
South Korea
Prior art keywords
corner
parking position
vehicle
obstacle
target parking
Prior art date
Application number
KR1020070108342A
Other languages
English (en)
Other versions
KR20090042534A (ko
Inventor
정호기
Original Assignee
주식회사 만도
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 주식회사 만도 filed Critical 주식회사 만도
Priority to KR1020070108342A priority Critical patent/KR101104609B1/ko
Priority to DE102008052439.5A priority patent/DE102008052439B4/de
Priority to US12/288,928 priority patent/US8260001B2/en
Publication of KR20090042534A publication Critical patent/KR20090042534A/ko
Application granted granted Critical
Publication of KR101104609B1 publication Critical patent/KR101104609B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/06—Automatic manoeuvring for parking
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2323—Non-hierarchical techniques based on graph theory, e.g. minimum spanning trees [MST] or graph cuts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/7635—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks based on graphs, e.g. graph cuts or spectral clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
    • B60W2420/408—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9314—Parking operations

Abstract

본 발명은 차량의 목표주차위치 인식 방법 및 그 시스템에 관한 것이다.
본 발명은, 차량의 목표주차위치 인식 시스템에 있어서, 상기 차량의 후면으로부터 반사되어 입수되는 레인지 데이터를 검출하는 스캐닝 레이저 레이더, 상기 레인지 데이터를 전처리하여 유효 클러스터를 추출하는 전처리부, 상기 유효 클러스터로부터 장애물 코너를 추출하는 코너인식부 및 상기 장애물 코너 중에서 인접공간이 빈주차공간 조건을 만족하되 자차와 가장 인접한 상기 장애물 코너인 메인 레퍼런스 코너를 인식하고 상기 인접공간쪽으로 상기 메인 레퍼런스 코너로부터 차폭 방향의 역방향에 존재하되 차폭거리과 차 길이 사이의 범위에 있는 가장 가까운 상기 유효 클러스터 상의 점인 서브 레퍼런스 코너를 인식하여 목표주차위치를 설정하는 주차위치 설정부를 포함하는 것을 특징으로 하는 목표주차위치 인식 시스템을 제공한다.
본 발명에 의하면, 차량 후방에 스캐닝 레이저 레이더를 장착하여 감지한 레인지 데이터를 이용하여 직각 주차시 목표주차위치를 설정함으로써 주간, 야간, 야외, 지하, 역광 등 기존의 다른 방법들에선 해결하기 힘들었던 경우에도 목표주차위치 설정이 가능해지는 효과가 있다.
주차위치설정, 데이터 클러스터, 빈주차공간

Description

차량의 목표주차위치 인식 방법 및 그 시스템{Method and System for Recognizing Target Parking Location}
본 발명은 차량의 목표주차위치 인식 방법 및 그 시스템에 관한 것이다. 더욱 상세하게는, 차량 후방에 스캐닝 레이저 레이더를 장착하여 감지한 레인지 데이터를 이용하여 직각 주차시 목표주차위치를 설정하고자 하는 차량의 목표주차위치 인식 방법 및 그 시스템에 관한 것이다.
일반적으로 여성 및 초보 운전자들은 주차장에서 주차할 때 상당한 어려움을 겪으며 경우에 따라서는 접촉사고를 유발하게 된다. 따라서 주차 문제는 많은 운전 미숙자들에게 압박감으로 작용하여 심지어는 운전을 기피하는 경우도 발생한다.
이러한 문제를 해결하는 방안의 하나로 센서를 차량에 장착하여 주차위치를 자동으로 인식함으로써 운전자에게 주차의 편의를 제공하는 방법을 사용한다. 센서를 차량에 장착하여 주차위치를 자동으로 인식함에 있어서 센서로서 바이노큘러 스테레오, 모션스테레오, 라이트 플레인 프로젝션(Light Plane Projection), 초음파 및 SGG(Short Range Radar) 등이 사용되었다.
바이노큘러 스테레오나 모션스테레오를 이용한 빈 주차공간 인식에 의한 목 표주차위치를 인식함에 있어서 어두운 곳에서는 사용이 어렵고, 차량표면의 반사가 심해 특징점 추출이 어렵다. 특히, 검은색 차량의 경우 특징점 추출이 어려워 차량에 대한 3차원 정보를 얻기 어려운 문제점이 있다.
라이트 플레인 프로젝션을 이용한 빈 주차공간 인식에 의한 목표주차위치 인식은 라이트 플레인 프로젝터로 평면광원을 투사하고 물체에 생기는 라이트 스트라이프(Light Stripe)를 인식하여 빈 주차공간 양 측면의 차량을 인식함으로써, 목표주차위치를 설정하는 방법으로서 지하 주차장이나 야간에 바이노큘러 스테레오나 모션스테레오를 이용한 방법을 보완할 수 있으나 주간에 태양광이 강한 경우에는 사용이 어렵다. 특히, 검은색 차량의 경우 반사되는 빛의 양이 적어 획득한 3차원 정보의 신뢰성이 낮은 문제점이 있다.
초음파 센서를 이용한 빈 주차공간 인식에 의한 목표주차위치 설정방법은 평행 주차에 주로 사용하는 방법으로, 차량이 진행하면서 주차구획 내 장애물까지의 거리를 측정하여 빈 주차공간을 인식함으로써, 목표주차위치를 설정하는 방법으로서 주차된 차량이 주행방향에 평행하지 않은 경우 잡음이 심하여 획득한 3차원 정보의 신뢰성이 낮은 문제점이 있다. 특히, 차고주차와 같이 목표주차구획 근처에서 심한 조향조작을 하는 경우엔, 주차된 차량들이 초음파 센서에 대하여 기울어지므로 획득한 3차원 정보의 신뢰성이 낮다.
SRR(Short Range Radar)을 이용한 빈 주차공간 인식에 의한 목표주차위치 설정방법은 평행주차에 주로 사용하는 방법으로, 초음파 센서를 사용하는 방법과 유사하다. 하지만 거리 정보의 분산이 크고 거리 불연속 점에서 잡음이 심하다. 비교 적 큰 FOV(Field Of View) 내의 거리 정보를 제공하나, 전자기적으로 반사가 심한 점들에 대한 점들로 차량 외곽을 인식하기에는 부적절하다는 문제점이 있다.
전술한 문제점을 해결하기 위해 본 발명은, 차량 후방에 스캐닝 레이저 레이더를 장착하여 감지한 레인지 데이터를 이용하여 직각 주차시 목표주차위치를 설정하고자 하는 데 목적이 있다.
전술한 목적을 달성하기 위해 본 발명은, 차량의 목표주차위치 인식 시스템에 있어서, 상기 차량의 후면으로부터 반사되어 입수되는 레인지 데이터를 검출하는 스캐닝 레이저 레이더, 상기 레인지 데이터를 전처리하여 유효 클러스터를 추출하는 전처리부, 상기 유효 클러스터로부터 장애물 코너를 추출하는 코너인식부 및 상기 장애물 코너 중에서 인접공간이 빈주차공간 조건을 만족하되 자차와 가장 인접한 상기 장애물 코너인 메인 레퍼런스 코너를 인식하고 상기 인접공간쪽으로 상기 메인 레퍼런스 코너로부터 차폭 방향의 역방향에 존재하되 차폭거리과 차 길이 사이의 범위에 있는 가장 가까운 상기 유효 클러스터 상의 점인 서브 레퍼런스 코너를 인식하여 목표주차위치를 설정하는 주차위치 설정부를 포함하는 것을 특징으로 하는 목표주차위치 인식 시스템을 제공한다.
또한 전술한 목적을 달성하기 위해 본 발명은, 스캐닝 레이저 레이더, 전처리부, 코너인식부 및 주차위치 설정부를 구비하는 시스템의 차량의 목표주차위치 인식 방법에 있어서, 상기 스캐닝 레이저 레이더가 레인지 데이터를 검출하는 단계, 상기 전처리부가 상기 레인지 데이터를 전처리하여 유효 클러스터를 추출하는 단계, 상기 코너인식부가 상기 유효 클러스터로부터 장애물 코너를 추출하는 단계 및 상기 주차위치 설정부가 상기 장애물 코너 중에서 인접공간이 빈주차공간 조건을 만족하되 자차와 가장 인접한 상기 장애물 코너인 메인 레퍼런스 코너를 인식하고 상기 인접공간쪽으로 상기 메인 레퍼런스 코너로부터 차폭 방향의 역방향에 존재하되 차폭거리과 차 길이 사이의 범위에 있는 가장 가까운 상기 유효 클러스터 상의 점인 서브 레퍼런스 코너를 인식하여 목표주차위치를 설정하는 단계를 포함하는 것을 특징으로 하는 목표주차위치 인식 방법을 제공한다.
본 발명에 의하면, 차량 후방에 스캐닝 레이저 레이더를 장착하여 감지한 레인지 데이터를 이용하여 직각 주차시 목표주차위치를 설정함으로써 주간, 야간, 야외, 지하, 역광 등 기존의 다른 방법들에선 해결하기 힘들었던 경우에도 목표주차위치 설정이 가능해지는 효과가 있다.
이하, 본 발명의 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 당업자에게 자명하거나 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
도 1은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템을 도시한 도면이다.
도 1에 도시하듯이, 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템은 스캐닝 레이저 레이더(102), 전처리부(104), 코너인식부(106) 및 주차위치 설정부(108)를 포함한다.
스캐닝 레이저 레이더(102)는 차량의 후면으로부터 반사되어 입수되는 레인지 데이터를 검출한다. 차량 후면에 스캐닝 레이저 레이더를 장착하여 레이저 빛을 스캔하고 반사되어 오는 빛으로부터 거리 및 각도 데이터쌍을 획득하며 이때 획득한 거리 및 각도 데이터쌍을 레인지 데이터라고 한다.
전처리부(104)는 스캐닝 레이저 레이더(102)가 획득한 레인지 데이터를 전처리하여 유효 클러스터를 추출한다. 여기서 전처리는 레인지 데이터로부터 무효점 및 고립점을 제거하여 유효 레인지 데이터를 추출하는 단계, 유효 레인지 데이터로부터 어클루젼을 인식하는 단계 및 유효 레인지 데이터로부터 작은 클러스터를 제거하는 단계를 거쳐 이루어진다.
도 2는 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 레이저 레이더형 센서부(102)가 검출한 레인지 데이터를 도시한 도면이다.
도 2a는 지하주차장에서 차량 사이에 주차하려는 구역에 대하여 차량에서 사진 촬영한 화면이며 도 2b는 해당 구역에서 차량의 스캐닝 레이저 레이더의 출력을 도시한 것이다.
도 2b에서 레인지는 차량의 스캐닝 레이저 레이더(102)에서 떨어진 거리를 의미하며 각도는 스캐닝 레이저 레이더의 스캐닝 각도를 의미한다.
도 3은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 스캐닝 레이저 레이더(102)가 검출한 레인지 데이터에서 무효점과 고립점을 제거한 후의 유효 레인지 데이터를 도시한 도면이다.
도 3에 도시하듯이 전처리부는 도 2b에서 레인지 값이 0인 무효점들과 랜덤 노이즈(random noise)에 의해 혼자 떨어진 고립점(isolated data) 들을 제거한다. 이때, 고립점은 어느 한 점이 좌우 인접한 점까지의 거리 중 작은 값이 임계치(예를 들어 0.5m)보다 크면 고립점으로 인식하여 제거한다.
도 4는 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 스캐닝 레이저 레이더(102)가 검출한 레인지 데이터로부터 무효점과 고립점을 제거한 후 어클루젼을 인식한 결과를 도시한 도면이다.
어클루젼(Occlusion)이란 연속한 레인지 데이터가 불연속한 점을 말하며, 어클루젼과 어클루젼 사이의 연속한 레인지 데이터를 클러스터라고 한다. 스캐닝 각도 순으로 나열된 레인지 데이터를 순차적으로 검사하면서, 왼쪽에서 오른쪽으로 스캐닝한다고 가정했을 때 유효한 클러스터가 시작되는 경우 클러스터의 왼쪽 끝을 왼쪽 끝 어클루젼으로 인식하고, 유효한 클러스터가 끝나는 지점을 오른쪽 끝 어클루젼으로 인식한다. 예를 들어, 임의의 연속한 n-1, n번째 레인지 데이터 사이 거리가 임계치(예를 들어 0.5m) 이상인 경우, n-1번째 점은 오른쪽 끝으로 인식하고 n번째 점은 왼쪽 끝으로 인식한다. 도 4a에서 어클루젼의 왼쪽 끝은 원으로 표시하고, 오른쪽 끝은 사각형으로 표시하였다. 도 4b는 유효한 레인지 데이터와 인식된 어클루젼을 카티젼(Cartesian) 좌표계로 변환하여 표시한 결과이다.
도 5는 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 클러스터로부터 작은 클러스터를 제거하여 유효 클러스터를 추출한 결과를 도시한 도면이다.
도 4에서와 같이 인식된 클러스터들 중에서 크기가 너무 작은 클러스터는 노이즈에 의한 것으로 판단하여 제거한다. 클러스터의 왼쪽 끝에서 오른쪽 끝까지의 점의 개수를 포인트 갯수라 하고, 물리적 거리를 길이라 하자. 클러스터의 길이가 임계치(예를 들어 0.25m)이거나 포인트 갯수가 임계치(예를 들어 5개) 이하이면, 작은 클러스터로 보고 제거한다. 도 5a 및 도 5b는 각각 도 4a 및 도 4b의 클러스터에서 작은 클러스터를 제거하여 유효 클러스터를 추출한 결과를 보여준다.
참고로, 이하 설명에 있어서 별다른 언급 없이 클러스터라고만 표현된 경우 이는 유효 클러스터를 지칭한 것이다.
코너인식부(106)는 유효 클러스터로부터 장애물 코너를 추출한다.
장애물 코너는 형상이 'L'자를 이루는 유효 클러스터인 직각 클러스터의 코너 또는 형상이 타원의 호 및 직선을 이루는 유효 클러스터인 라운드코너 클러스터의 코너일 수 있다.
스캐닝 레이저 레이더로부터 획득된 레인지 데이터가 주차장에 대한 것이라고 가정하면, 주요 인식 대상인 차량과 건축구조물은 'L'자 모양의 코너로 나타나기 때문에 코너를 인식함으로써 주차장 내 차량을 인식할 수 있다. 이때, 차량이 아닌 장애물은 'L'자 모양의 코너가 아닐 수 있기 때문에 목표주차위치 인식과정에서 제외시킬 수 있다.
도 6은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 유효 클러스터로부터 코너를 인식하는 순서를 도시한 흐름도이다.
도 6에 도시하듯이 코너 인식은 직각 코너 인식과 라운드 코너 인식으로 이루어진다. 대다수 차량의 후면과 전면은 직각으로 만나는 두 직선으로 표현되는 'L'자로 피팅(Fitting)이 가능하지만, 승용차 중 일부는 전면이 큰 곡선으로 되어 있어 한 점에서 만나는 직선과 타원의 호로 표현되는 라운드 코너 인식을 수행한다.
직각 코너 인식의 피팅 에러가 하방임계치(본 실시예에서는 0.2) 미만이면 직각 코너로 인식하고, 하방임계치 이상이지만 상방임계치(본 실시예에서는 0.6) 미만이면 라운드 코너 인식을 시도한다. 또한 상방임계치 이상이면 주차와 무관한 직선으로 판단하여 무시한다.
라운드 코너 인식을 수행하여 검출하는 라운드코너 클러스터는 유효 클러스터의 변곡점으로부터 유효 클러스터의 양쪽 끝점을 잇는 두 개의 선이 각각 타원의 호 및 직선인 것을 특징으로 한다.
이 때 라운드 코너 인식의 피팅 에러가 소정 임계치(본 실시예에서는 0.2) 미만이면 라운드 코너로 인식하고, 피팅 에러가 소정 임계치(본 실시예에서는 0.2) 이상이면 주차와 무관하다고 판단하여 무시한다.
코너인식을 수행함에 있어서 유효 클러스터의 모든 점에 대하여, 그 점이 코너의 꼭지점이라고 가정할 때 최적의 코너를 인식하여 에러가 가장 작은 결과를 그 유효 클러스터의 직각 코너 후보로 인식한다. 'L'자 템플리트(template)는 서로 수직한 두 직선으로 구성된다. 유효 클러스터 내의 기준점 이전 점들은 첫번째 직선 에 가까워야 하고, 이후 점들은 두번째 직선에 가까워야 한다. 따라서, 'L'자 탬플리트 매칭(template matching)은 '두 개의 직선은 서로 수직하여야 한다'는 제한을 갖고 기준점 이전 점들의 첫번째 직선에 대한 에러와 기준점 이후 점들의 두번째 직선에 대한 에러의 합을 최소화하는 문제와 같다.
두 직선이 수직하므로, 첫번째 직선 l 1 과 두번째 직선 l 2 는 [수학식 1]과 같이 표현할 수 있다.
Figure 112007076954967-pat00001
도 7은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 유효 클러스터로부터 인식되는 직각 코너를 도시한 도면이다.
클러스터의 점의 개수가 N이고 클러스터의 점 각각에 대하여 1에서 시작하여 차례로 번호를 붙인 것을 인덱스라 하면 도 7에 도시하듯이 기준점의 인덱스가 n일 때, 인덱스 1 ~ n 범위의 점들은 직선의 방정식 l 1 을 만족하고, 인덱스 n ~ N 범위의 점들은 직선의 방정식 l 2 를 만족하여야 한다.
따라서 모든 점에 대하여 [수학식 1]을 적용시키면 [수학식 2]가 성립된다.
Figure 112007076954967-pat00002
[수학식 2]를 만족하는 파라미터 매트릭스 X n 는 매트릭스 A n 의 널 벡터(null vector)이다. 따라서, [수학식 3]과 같이 특이값 분해(Singular Value Decomposition: SVD)를 이용하여 A n 의 널 벡터를 구함으로써, 파라미터 a, b, c, d를 추정할 수 있다.
Figure 112007076954967-pat00003
여기서 Un은 이웃풋에 대한 베이시스 매트릭스, Sn은 싱귤러 밸류 매트릭스, Vn은 인풋에 대한 밸류 매트릭스이다.
이 때, 널 벡터에 해당하는 싱귤러 밸류(singular value)는 0인 경우는 트리비얼한 이상적인 값이므로 이는 무시한다. 여기서 최소제곱(Least Square: LS) 피팅 에러(LS Fitting Error)를 클러스터 C의 n번째 점에 대한 직각 코너 피팅 에러(C, n)라고 하자. 이 때 S n (4,4)가 직각코너 피팅에러(C, n)이고, V n 의 4번째 컬럼(column)이 a, b, c, d의 추정 파라미터(Estimated Parameter)이다.
Figure 112007076954967-pat00004
Figure 112007076954967-pat00005
클러스터 C의 2번째 점부터 N-1번째 점에 대하여 직각코너 피팅에러(C, n)를 측정하고, 그 값이 최소인 점을 그 클러스터의 직각 클러스터 코너 후보로 인식한다.
도 8은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 유효 클러스터의 기준점에 따른 피팅 에러와 직각 코너 후보를 도시한 도면이다.
도 8a는 인덱스 2 ~ (n-1) 번째 점을 기준으로 측정한 직각코너 피팅에러(C, n)의 그래프이고, 도 8b는 그 에러값이 최소인 기준점과 인식된 직각 코너 후보를 보여준다.
도 9는 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 유효 클러스터의 코너 점을 기준으로 한 두 직선을 도시한 도면이다.
도 9에 도시하듯이 두 직선의 교점 (x c , y c )을 코너 점으로 인식하고, 도 9와 같이 두 직선에 평행한 유니폼 벡터 d 1 , d 2 를 계산한다. 이때, d 1 은 길이가 긴 변의 방향을 나타내고, d 2 는 길이가 짧은 변의 방향을 나타내도록 설정한다.
도 10은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 직선을 이루는 유효 클러스터가 작은 직각코너 피팅에러값을 가짐을 도시한 도면이다.
도 10a 및 도 10b에 도시하듯이, 직각코너 피팅에러는 클러스터가 직선을 이루다가 클러스터 끝점이 직선에서 벗어난 경우에도 매우 작은 값을 갖는다.
이는 클러스터를 직선으로 가정한 LS 피팅에러인 라인 피팅에러를 이용하여 이러한 문제점을 보상한다. 즉, 클러스터의 모든 점들이 [수학식 4]와 같이 정의된 직선 l 을 만족한다고 가정하면, [수학식 5]의 파라미터 매트릭스 X는 매트릭스 B의 널 벡터이고, B의 널 벡터에 해당하는 싱귤러 밸류(singular value)는 라인 피팅에러이다.
Figure 112007076954967-pat00006
Figure 112007076954967-pat00007
어떤 클러스터 C의 코너 에러, 즉, ε corner (C)는 [수학식 6]과 같이 직각코너 피팅에러(εrectangular conner(C, n))의 최소값을 라인 피팅에러(εline(C))로 나눈 값으로 한다.
Figure 112007076954967-pat00008
도 11은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 직선을 이루는 유효 클러스터가 작은 직각코너 피팅에러값을 가짐을 도시한 도면이다.
클러스터가 직선인 경우에 라인 피팅에러가 작은 값을 가질 수 있기 때문에 코너 에러는 상대적으로 큰 값을 갖게 되어 직각 코너로 잘못 인식되는 것을 방지한다.
도 11a 및 도 11b는 클러스터가 코너 클러스터 및 직선인 경우를 각각 도시한 도면이다. 도 11a에 도시한 라인피팅 에러로 보상한 코너에러가, 도 11b에 도시한 클러스터가 코너인 경우와 직선인 경우 현저히 다른 값을 가짐을 보여준다. 이와 같이 계산된 코너에러 값이 0.2 미만인 경우에 직각 코너로 인식한다. 이하 도 11에서처럼 클러스터 옆에 도시한 숫자는 피팅에러 값을 나타낸다.
한편 'L'자 템플리트 매칭은 방향에 무관하고, 상당한 잡음에도 강인하다. 직선 길이나 클러스터 점 사이 거리에 대한 어떤 가정도 사용하지 않기 때문에, 기 준점 좌우의 레인지 데이터들을 직선으로 피팅한 후 직각이라는 제한을 적용하는 경우보다 로버스트하다.
도 12는 코너의 방향과 잡음에 강인한 직각코너 인식을 도시한 도면이다.
도 12a는 라인 피팅이 음함수로 이루어지기 때문에 코너의 방향과 무관함을 보여주고, 도 12b는 크고 불규칙한 잡음이 가해진 경우에도 코너를 성공적으로 인식함을 보여준다. 이와 같이 인식한 코너 중 계산된 코너에러 값이 0.2 미만이면 직각의 형상을 하는 장애물 코너임을 알 수 있다.
한편 계산된 코너에러 값이 0.2 이상이고 0.6미만인 경우에 라운드 코너 인식을 수행한다.
도 13은 차량의 전면 또는 후면이 둥근 경우 직각코너 인식과 라운드코너 인식을 수행한 경우를 비교한 도면이다.
도 13a와 같이 차량의 전면 또는 후면이 둥근 경우 직각코너 인식은 큰 코너 에러를 발생시킨다. 이것은 차량의 모서리가 직각으로 만나는 두 직선으로 형성된다는 가정이 유효하지 않기 때문이다. 따라서, 직각코너 인식에서 인식이 실패한 코너들은 모서리가 직선과 곡선의 조합으로 이루어졌다고 가정하고 LS 피팅하는 라운드코너 인식을 수행한다. 이때, 곡선 부분은 타원의 호로 모델링한다. 도 13b는 라운드코너 인식을 통하여 인식한 코너이다.
라운드코너 인식은 직선-호 코너 인식의 결과와 호-직선 코너 인식의 결과 중 코너 에러가 작은 쪽의 결과를 라운드코너 후보로 인식한다. 전면이나 후면이 둥근 차량은 바라보는 각도에 따라, 곡선-직선의 조합으로 보이기도 하고, 직선-호 의 조합으로 보이기도 한다. 직선-호 코너 인식은 클러스터의 왼쪽으로부터 직선과 타원 호로 구성되었다고 가정하고 LS 피팅을 수행하고, 호-직선 코너 인식은 클러스터의 왼쪽으로부터 타원 호와 직선으로 구성되었다고 가정하고 LS 피팅을 수행한다.
직선-호 코너 인식의 경우, 클러스터의 점의 개수가 N이고 기준점의 인덱스가 n일 때, 인덱스 1 ~ n 범위의 점들은 [수학식 7]과 같이 직선의 방정식 l 1 을 만족하고, 인덱스 n ~ N 범위의 점들은 [수학식 7]과 같이 타원의 방정식 e 2 를 만족하여야 한다.
Figure 112007076954967-pat00009
클러스터 C의 인덱스 1 ~ n 범위의 점들에 대하여 SVD를 적용하여 직선의 방정식 l 1 의 파라미터를 구하고 [수학식 8]과 같이 대수적 에러 제곱의 합을 라인 포션 에러, 즉, εline portion(C, n)로 정의하였다.
Figure 112007076954967-pat00010
인덱스 n ~ N 범위의 점들에 대하여 SDLS(Stable Direct Least Square) 타원 피팅을 적용하여 타원의 방정식 e 2 의 파라미터를 구하고 [수학식 9]와 같이 대수적 에러 제곱의 합을 타원 포션 에러, 즉, εellipse portion(C, n)로 정의하였다. 한편 SDLS 타원 피팅은 공지된 기술이며 그 내용은 자세한 내용은 다음의 참조문헌에 수록되어 있다.(참조문헌: R. Halif and J. Flusser, "Numerically Stable Direct Least Squares Fitting of Ellipses," Department of Software Engineering, Charles University, Czech Republic, 2000.)
Figure 112007076954967-pat00011
클러스터 C의 n번째 점에 대한 라인-커브 피팅에러, 즉, εline - curve corner(C, n)는 [수학식 10]과 같이 라인 포션 에러와 타원 포션 에러의 합으로 정의하였다.
Figure 112007076954967-pat00012
클러스터의 5번째 점부터 N-5번째 점에 대하여 라인-커브 피팅 에러를 구하고, 그 값이 최소인 점을 꼭지점으로 하는 코너를 클러스터 C의 직선-호 코너 후보로 인식한다. [수학식 11]과 같이 라인-커브 피팅에러가 최소인 점의 라인-커브 피팅에러를 모든 점이 직선이라고 가정하고 구한 라인 피팅에러, 즉, εline(C)로 나누어 정규화한 값을 클러스터 C의 코너 에러, 즉, corner_error(C)라고 정의하였다.
Figure 112007076954967-pat00013
호-직선 코너 인식의 경우, [수학식 12]와 같이 N개의 점 중에서 1 ~ n 범위의 점들은 타원의 방정식 e 1 을 만족하고 n ~ N 범위의 점들은 직선의 방정식 l 2 을 만족한다고 가정한다.
Figure 112007076954967-pat00014
1 ~ n 범위의 점들을 SDLS 타원 피팅한 후, 그 타원의 파라미터에 대한 대수적 에러 제곱의 합을 [수학식 13]과 같이 타원 포션 에러, 즉, εellipse portion(C, n)(C, n)이라 정의하였다.
Figure 112007076954967-pat00015
n ~ N 범위의 점들을 SVD를 이용하여 라인 피팅한 후, 그 직선의 파라미터에 대한 대수적 에러 제곱의 합을 [수학식 14]와 같이 라인 포션 에러, 즉, εline portion(C, n)이라 정의하였다.
Figure 112007076954967-pat00016
클러스터 C의 n번째 점에 대한 커브-라인 피팅에러, 즉, εline - curve corner(C, n)는 [수학식 15]와 같이 타원 포션 에러와 라인 포션 에러의 합으로 정의하였다.
Figure 112007076954967-pat00017
클러스터의 5번째 점부터 N-5번째 점에 대하여 커브-라인 피팅 에러를 구하고, 그 값이 최소인 점을 꼭지점으로 하는 코너를 클러스터 C의 호-직선 코너 후보로 인식한다. [수학식16]과 같이 커브-라인 피팅 에러의 최소값을 모든 점이 직선이라고 가정하고 구한 라인 피팅 에러로 나누어 정규화한 값을 클러스터 C의 코너 에러, 즉, corner_error(C)라고 정의하였다.
Figure 112007076954967-pat00018
라운드코너 인식은 클러스터 C에 대하여, 직선-호 코너 인식을 적용하여 [수학식 11]과 같이 정의된 라인-커브 코너 에러를 구하고, 호-직선 코너 인식을 적용하여 [수학식 16]과 같이 정의된 커브-라인 코너 에러를 구한다. 이렇게 구한 라인 -커브 코너 에러 및 커브-라인 코너 에러 중에서 작은 값을 나타내는 쪽의 피팅 결과를 클러스터 C의 피팅결과로 따른다. 이 때 corner_error(C)가 임계치(예를 들어 0.2) 이하이면 라운드코너를 갖는 클러스터로 인식하고, 그렇지 않으면 주차와 무관하다고 생각하고 무시한다.
라운드코너를 갖는 클러스터로 인식된 경우, d 1 은 꼭지점에서 직선의 끝점을 향하도록 설정하고, d 2 는 꼭지점에서 타원의 중심을 향하면서 타원의 장축(long axis)에 평행하도록 설정한다. 여기서 구한 장애물 코너의 꼭지점은 직선과 타원의 장축의 교점을 구하고, 타원의 단축(short axis) 방향으로 단축 반지름만큼 이동하여 설정한다.
도 14는 호-직선 코너인 경우의 라운드코너 인식의 결과를 도시한 도면이다.
도 14a, 도 14b 및 도 14c는 각각 라인-커브 피팅의 라인 포션 에러, 라인-커브 피팅의 타원포션 에러, 커브-라인 피팅 에러를 보여주고, 도 14d는 최적의 라인-커브 피팅 결과를 보여준다. 도 14e, 도 14f 및 도 14g는 각각 커브-라인 피팅의 라인 포션 에러, 커브-라인 피팅의 타원 포션 에러, 커브-라인 피팅 에러를 보여주고, 도 14h는 최적의 커브-라인 피팅 결과를 보여준다. 또한 도 14i는 최종 인식된 장애물 코너를 도시한 것이다.
도 14c와 도 14f를 비교하면, 커브-라인 피팅 에러의 최소값이 라인-커브 피팅 에러의 최소값보다 작음을 알 수 있다. 따라서, 클러스터는 도 14i와 같이 호- 직선 형태의 라운드코너를 갖는 클러스터로 인식되었으면, 이것은 도 14d와 도 14h의도시한 최적의 피팅 결과와도 일치한다.
도 15는 직선-호 코너인 경우의 라운드코너 인식의 결과를 도시한 도면이다.
도 15a, 도 15b 및 도 15c는 각각 라인-커브 피팅의 라인 포션 에러, 라인-커브 피팅의 타원포션 에러, 커브-라인 피팅 에러를 보여주고, 도 15d는 최적의 라인-커브 피팅 결과를 보여준다. 도 15e, 도 15f 및 도 15g는 각각 커브-라인 피팅의 라인 포션 에러, 커브-라인 피팅의 타원 포션 에러, 커브-라인 피팅 에러를 보여주고, 도 15h는 최적의 커브-라인 피팅 결과를 보여준다. 또한 도 15i는 최종 인식된 장애물코너를 도시한 것이다.
도 16은 실제 스캐닝 레이저 레이더의 레인지 데이터에 라운드코너 인식을 적용한 결과를 도시한 도면이다.
도 16a는 스캐닝 레이저 레이더의 하나의 클러스터에 직각 코너 인식을 사용하여 코너를 인식한 결과를 도시한 도면이며, 도 16b는 라운드 코너 인식을 사용하여 장애물 코너를 인식한 결과를 도시한 도면이다.
또한 도 16c는 스캐닝 레이저 레이더의 다른 클러스터에 직각 코너 인식을 이용하여 코너를 인식한 결과를 도시한 도면이며, 도 16b는 라운드코너 인식을 이용하여 장애물 코너를 인식한 결과를 도시한 도면이다.
도 16a의 직각 코너 인식 결과에 비하여, 도 16b의 라운드코너 인식의 결과가 차량 끝면을 더 정확하게 찾은 것을 확인할 수 있다. 또한 도 16c의 직각 코너 인식 결과는 레인지 데이터의 잡음으로 차량의 방향이 바르지 못한데 비하여, 도 16d에 도시한 라운드코너 인식의 결과는 차량의 방향을 정확하게 찾아 장애물 코너를 찾은 것을 확인할 수 있다.
주차위치 설정부(108)는 장애물 코너 중에서 인접공간이 빈주차공간 조건을 만족하되 자차와 가장 인접한 장애물 코너인 메인 레퍼런스 코너를 인식하고 상기 인접공간쪽으로 메인 레퍼런스 코너의 차폭 방향의 역방향에 존재하되 차폭거리와 차 길이 사이의 범위에 있는 가장 가까운 유효 클러스터 상의 점인 서브 레퍼런스 코너를 인식하여 목표주차위치를 설정한다.
직각주차를 위한 관심지역(Region Of Interest: ROI) 내의 장애물 코너 중에서, 빈 주차공간의 조건을 만족하면서 자차(subjective vehicle)에 가장 가까운 장애물 코너를 목표주차위치 설정의 기준이 되는 메인 레퍼런스 코너로 인식한다.
입력된 레인지 데이터는 자차가 직각주차를 하기 적합한 위치에 정차하여 취득하였다고 가정한다. 따라서, 목표주차위치는 차량의 후면에 장착된 스캐닝 레이저 레이더의 일정한 시야각(Field Of View: FOV) (e.g. 후방 160도) 내에 존재하고 자차까지의 거리도 설정한 범위 내에 존재해야 한다. 이러한 조건을 ROI로 설정하고, ROI 밖에 존재하는 장애물 코너 및 해당 클러스터들은 무시한다.
도 17은 코너 인식의 인식결과와 ROI를 적용한 결과를 도시한 도면이다.
도 17a에서 피팅에러가 표시된 것이 코너인식의 결과로 검출된 결과이며, 도 17b는 도 17a의 코너인식의 결과에서 ROI를 적용한 결과를 도시한 도면이며 도면에서 피팅에러 값을 삭제하여 표시함으로써 ROI 적용시 제외되었음을 도시하였다.
도 9에서 도시한 것과 같은 코너인식의 결과 설정된 두 직선에 평행한 유니 폼 벡터 d 1 , d 2 를 참조하여 ROI 내의 장애물 코너들에 대하여 d 1 , d 2 의 역방향으로 장애물 유무를 검사하여, 빈 주차공간 옆에 존재하는지 여부를 검사한다.
도 18은 장애물 코너에 인접하여 빈 주차공간이 존재하는지를 검사하는 방법을 도시한 도면이다.
빈주차공간 조건이란 장애물 코너로부터 차폭방향의 역방향쪽으로 일정 관심범위 내에 차폭거리와 차 길이 사이의 범위에 장애물체가 있고, 장애물 코너로부터 차 길이 방향의 역방향쪽으로 일정 관심범위 내에 차 길이 범위 내에 장애물체가 없는 경우인 것을 말한다.
즉, d 1 , d 2 의 역방향 일정 관심범위, 즉, FOV 범위(예를 들어 90도)를 관찰하여, 차폭(vehicle width) 거리 이내에 장애물체가 있는지 여부와 차 길이(vehicle length) 이내에 장애물체가 있는 지를 검사한다. 만약, 검사 중인 코너가 빈 주차공간 옆에 존재한다면 도 18에 도시한 바와 같이 한쪽으로는 차폭거리와 차 길이 범위 사이에 장애물체가 있고, 다른 한쪽으로는 차 길이 범위 내에 장애물체가 없어야 한다. 만약, 한 방향에서라도 차폭 길이 이내에 장애물체가 있거나, 양 방향 모두에서 차 길이 이내에 장애물체가 있다면, 코너는 빈 주차공간 옆에 있지 않다고 판단한다.
코너 인식과정에서 직각 코너의 경우 d 1 은 장축 방향(차 길이 방향), d 2 는 단축 방향(차폭 방향)으로 설정되고, 라운드 코너의 경우 d 1 은 직선방향(차 길이 방 향), d 2 는 타원방향(차폭 방향)으로 설정된다. 빈 주차공간 여부를 검사하는 과정에서 차폭과 차 길이 사이에 장애물이 있는 쪽을 d 2 로, 차 길이 내에 장애물이 없는 쪽을 d 1 로 변경한다. 만약 양쪽 방향 모두에서 차 길이 이내에 장애물이 발견되지 않으면, 코너 인식과정에서 설정한 값을 유지한다.
이렇게 설정한 d 1 과 d 2 를 이용하여 목표주차위치 후보의 위치를 설정할 수 있는데, 목표주차위치 전체 영역이 FOV 내에 존재해야만 유효한 것으로 보고, 그렇지 않은 경우는 제외한다.
도 19는 빈주차공간 조건을 만족하는 장애물 코너만 남긴 결과를 도시한 ㄷ도면이다.
도 19에 도시하듯이 도 17b의 ROI를 적용한 후의 장애물 코너로부터 빈주차공간 조건을 만족하는 장애물 코너만 남기고 나머지 장애물 코너의 피팅에러값을 삭제하고 도시하였다. 도 19에 도시하듯이 ROI 내에 존재하던 많은 장애물 코너 중에서 빈주차공간 조건을 만족하는 장애물 코너는 그리 많지 않음을 알 수 있다.
도 20은 빈주차공간 조건을 만족하는 장애물 코너 중에서 자차에 가장 가까운 하나를 목표주차공간의 옆에 위치하는 메인 레퍼런스 코너로 인식한 결과를 도시한 도면이다.
메인 레퍼런스 코너를 인식한 후에는 서브 레퍼런스 코너를 인식한다. 메인 레퍼런스 코너의 d 2 의 역방향으로 일정한 FOV(예를 들어 90도) 이내의 어클루젼이 나 장애물 코너 중에서 가장 가까운 점을 서브 레퍼런스 코너로 인식한다.
목표주차위치는 서브 레퍼런스 코너를 메인 레퍼런스 코너로부터 차 길이 방향으로 연장한 직선에 투영(Projection)한 점과 메인 레퍼런스 코너 중에서 인접공간의 더 바깥쪽에 있는 점을 지나면서 차폭방향에 평행인 선분을 바깥쪽 경계로 설정하고, 설정된 바깥쪽 경계의 중심을 지나면서 차 길이 방향에 평행한 선분이 목표주차위치의 중심이 되도록 설정한다.
도 21은 서브 레퍼런스 코너와 목표주차위치의 바깥쪽 경계를 설정하는 방법을 도시한 도면이다.
빈 주차공간 좌우의 차량 또는 건축구조는 깊이 방향 위치가 다를 수 있다. 이점을 보상하기 위하여, 서브 레퍼런스 코너를 d 1 측 방향의 직선에 투영시킨 점(도 21의 서브 레퍼런스 코너를 투영한 점)과 메인 레퍼런스 코너 중에서 인접공간의 더 바깥 쪽의 위치를 목표주차위치의 바깥쪽경계(outward border)로 설정한다. 도 21은 서브 레퍼런스 코너 인식 결과와 메인 레퍼런스 코너를 기준으로 설정한 목표주차위치의 바깥쪽 라인을 보여준다.
일단 메인 레퍼런스 코너 및서브 레퍼런스 코너와 바깥쪽경계가 설정되면, 목표주차위치의 폭 방향 중심이 바깥쪽경계 상의 중앙에 오도록 설정함으로써 목표주차위치를 설정할 수 있다. 목표주차위치의 폭과 길이는 자차의 폭과 길이를 기준으로 설정한다.
도 22는 설정된 설정된 목표주차위치를 도시한 도면이다.
도 22에 도시하듯이 목표주차위치가 설정되어 있음을 알 수 있다.
도 23은 목표주차위치의 바깥쪽경계가 서브 레퍼런스 코너의 투영 점으로 결정되는 경우를 도시한 도면이다.
도 23에 도시하듯이 빈 주차공간이 차량과 기둥 사이에 있는 경우로 목표주차위치의 바깥쪽경계가 서브 레퍼런스 코너의 투영에 의하여 결정된 경우를 보여준다. 이와 같이 서브 레퍼런스 코너의 투영을 고려함으로써, 빈 주차공간이 깊이가 다른 두 물체 사이에 존재하는 경우에도 양쪽 물체의 깊이 방향에 평행하면서 적당한 깊이에 목표주차위치가 설정되게 된다.
이와 같은 방법으로 총 26가지 경우에 대하여 제안한 방법을 적용한 결과, 모든 경우에 성공적으로 목표주차위치를 설정할 수 있었다. 실험에 사용한 레인지 데이터는 주간, 야간, 야외, 지하, 역광 등 기존의 다른 방법들에선 해결하기 힘들었던 경우들을 포함하고 있다.
도 24는 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 방법을 도시한 흐름도이다.
도 24에 도시하듯이 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 방법은 스캐닝 레이저 레이더, 전처리부, 코너인식부 및 주차위치 설정부를 구비하는 시스템의 차량의 목표주차위치 인식 방법에 있어서, 스캐닝 레이저 레이더가 레인지 데이터를 검출(S242)하는 단계, 전처리부가 레인지 데이터를 전처리하여 유효 클러스터를 추출(S244)하는 단계, 코너인식부가 유효 클러스터로부터 장애물 코너를 추출(S246)하는 단계 및 주차위치 설정부가 장애물 코너 중에서 인접공간이 빈 주차공간 조건을 만족하되 자차와 가장 인접한 장애물 코너인 메인 레퍼런스 코너를 인식하고 인접공간쪽으로 메인 레퍼런스 코너로부터 차폭 방향의 역방향에 존재하되 차폭거리과 차 길이 사이의 범위에 있는 가장 가까운 유효 클러스터 상의 점인 서브 레퍼런스 코너를 인식하여 목표주차위치를 설정(S248)하는 단계를 포함한다.
여기서 전처리는 레인지 데이터로부터 무효점 및 고립점을 제거하여 유효 레인지 데이터를 추출하는 단계, 유효 레인지 데이터로부터 어클루젼을 인식하는 단계 및 유효 레인지 데이터로부터 작은 클러스터를 제거하는 단계를 포함할 수 있다.
여기서 장애물 코너는 형상이 'L'자를 이루는 유효 클러스터의 코너 또는 형상이 타원의 호 및 직선을 이루는 유효 클러스터의 코너를 말한다.
빈주차공간 조건은 추출한 장애물 코너로부터 차폭방향의 역방향쪽으로 일정 관심범위 내에 차폭거리와 차 길이 사이의 범위에 장애물체가 있고, 장애물 코너로부터 차 길이 방향의 역방향쪽으로 일정 관심범위 내에 상기 차 길이 범위 내에 장애물체가 없는 경우를 말한다.
또한 서브 레퍼런스 코너는 어클루젼 혹은 상기 장애물 코너 중에서 하나일 수 있다.
또한 목표주차위치는 서브 레퍼런스 코너를 상기 메인 레퍼런스 코너로부터 차 길이 방향으로 연장한 직선에 투영한 점과 메인 레퍼런스 코너 중에서 인접공간의 더 바깥쪽에 있는 점을 지나면서 차폭방향에 평행인 선분을 바깥쪽 경계로 설정 하고, 바깥쪽 경계의 중심을 지나면서 차 길이 방향에 평행한 선분이 목표주차위치의 중심이 되도록 설정할 수 있다.
이상과 같은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 방법은 도 2 내지 도 23에서 설명한 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템 설명과 동일하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
본 발명에 의하면, 차량 후방에 스캐닝 레이저 레이더를 장착하여 감지한 레인지 데이터를 이용하여 직각 주차시 목표주차위치를 설정함으로써 주간, 야간, 야외, 지하, 역광 등 기존의 다른 방법들에선 해결하기 힘들었던 경우에도 목표주차위치 설정이 가능해지는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 레이저 레이더형 센서부(102)가 검출한 레인지 데이터를 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 스캐닝 레이저 레이더(102)가 검출한 레인지 데이터에서 무효점과 고립점을 제거한 후의 유효 레인지 데이터를 도시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 스캐닝 레이저 레이더(102)가 검출한 레인지 데이터로부터 무효점과 고립점을 제거한 후 어클루젼을 인식한 결과를 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 클러스터로부터 작은 클러스터를 제거하여 유효 클러스터를 추출한 결과를 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 유효 클러스터로부터 코너를 인식하는 순서를 도시한 흐름도이다.
도 7은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 유효 클러스터로부터 인식되는 직각 코너를 도시한 도면이다.
도 8은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 유효 클러스터의 기준점에 따른 피팅 에러와 직각 코너 후보를 도시한 도면이다.
도 9는 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 유효 클러스터의 코너 점을 기준으로 한 두 직선을 도시한 도면이다.
도 10은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 직선을 이루는 유효 클러스터가 작은 직각코너 피팅에러값을 가짐을 도시한 도면이다.
도 11은 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 시스템에서 직선을 이루는 유효 클러스터가 작은 직각코너 피팅에러값을 가짐을 도시한 도면이다.
도 12는 코너의 방향과 잡음에 강인한 직각코너 인식을 도시한 도면이다.
도 13은 차량의 전면 또는 후면이 둥근 경우 직각코너 인식과 라운드코너 인식을 수행한 경우를 비교한 도면이다.
도 14는 호-직선 코너인 경우의 라운드코너 인식의 결과를 도시한 도면이다.
도 15는 직선-호 코너인 경우의 라운드코너 인식의 결과를 도시한 도면이다.
도 16은 실제 스캐닝 레이저 레이더의 레인지 데이터에 라운드코너 인식을 적용한 결과를 도시한 도면이다.
도 17은 코너 인식의 인식결과와 ROI를 적용한 결과를 도시한 도면이다.
도 18은 장애물 코너에 인접하여 빈 주차공간이 존재하는지를 검사하는 방법을 도시한 도면이다.
도 19는 빈주차공간 조건을 만족하는 장애물 코너만 남긴 결과를 도시한 ㄷ도면이다.
도 20은 빈주차공간 조건을 만족하는 장애물 코너 중에서 자차에 가장 가까운 하나를 목표주차공간의 옆에 위치하는 메인 레퍼런스 코너로 인식한 결과를 도시한 도면이다.
도 21은 서브 레퍼런스 코너와 목표주차위치의 바깥쪽 경계를 설정하는 방법을 도시한 도면이다.
도 22는 설정된 설정된 목표주차위치를 도시한 도면이다.
도 23은 목표주차위치의 바깥쪽경계가 서브 레퍼런스 코너의 투영 점으로 결정되는 경우를 도시한 도면이다.
도 24는 본 발명의 일 실시예에 따른 차량의 목표주차위치 인식 방법을 도시한 흐름도이다.
< 도면의 주요 부분에 대한 부호의 설명 >
102: 스캐닝 레이저 레이 104: 전처리부
106: 코너인식부 108: 주차위치 설정부

Claims (11)

  1. 차량의 목표주차위치 인식 시스템에 있어서,
    상기 차량의 후면으로부터 반사되어 입수되는 레인지 데이터를 검출하는 스캐닝 레이저 레이더;
    상기 레인지 데이터를 전처리하여 유효 클러스터를 추출하는 전처리부;
    상기 유효 클러스터로부터 장애물 코너를 추출하는 코너인식부; 및
    상기 장애물 코너 중에서 인접공간이 빈주차공간 조건을 만족하되 자차와 가장 인접한 상기 장애물 코너인 메인 레퍼런스 코너를 인식하고 상기 인접공간쪽으로 상기 메인 레퍼런스 코너로부터 차폭 방향의 역방향에 존재하되 차폭거리과 차 길이 사이의 범위에 있는 가장 가까운 상기 유효 클러스터 상의 점인 서브 레퍼런스 코너를 인식하여 목표주차위치를 설정하는 주차위치 설정부;
    를 포함하는 것을 특징으로 하는 목표주차위치 인식 시스템.
  2. 제 1항에 있어서, 상기 장애물 코너는,
    형상이 'L'자를 이루는 유효 클러스터의 코너 또는 형상이 타원의 호 및 직선을 이루는 유효 클러스터의 코너인 것을 특징으로 하는 목표주차위치 인식 시스템.
  3. 제 1항 있어서, 상기 빈주차공간 조건은,
    상기 장애물 코너로부터 차폭방향의 역방향쪽으로 일정 관심범위 내에 차폭거리와 차 길이 사이의 범위에 장애물체가 있고, 상기 장애물 코너로부터 차 길이 방향의 역방향쪽으로 상기 일정 관심범위 내에 상기 차 길이 범위 내에 장애물체가 없는 경우인 것을 특징으로 하는 목표주차위치 인식 시스템.
  4. 제 1항에 있어서, 상기 서브 레퍼런스 코너는,
    어클루젼 혹은 상기 장애물 코너 중에서 하나인 것을 특징으로 하는 목표주차위치 인식 시스템.
  5. 제 1항 있어서, 상기 목표주차위치는,
    상기 서브 레퍼런스 코너를 상기 메인 레퍼런스 코너로부터 차 길이 방향으로 연장한 직선에 투영한 점과 상기 메인 레퍼런스 코너 중에서 상기 인접공간의 더 바깥쪽에 있는 점을 지나면서 상기 차폭방향에 평행인 선분을 바깥쪽 경계로 설정하고, 상기 바깥쪽 경계의 중심을 지나면서 상기 차 길이 방향에 평행한 선분이 상기 목표주차위치의 중심이 되도록 설정한 것을 특징으로 하는 목표주차위치 인식 시스템.
  6. 스캐닝 레이저 레이더, 전처리부, 코너인식부 및 주차위치 설정부를 구비하는 시스템의 차량의 목표주차위치 인식 방법에 있어서,
    상기 스캐닝 레이저 레이더가 레인지 데이터를 검출하는 단계;
    상기 전처리부가 상기 레인지 데이터를 전처리하여 유효 클러스터를 추출하는 단계;
    상기 코너인식부가 상기 유효 클러스터로부터 장애물 코너를 추출하는 단계; 및
    상기 주차위치 설정부가 상기 장애물 코너 중에서 인접공간이 빈주차공간 조건을 만족하되 자차와 가장 인접한 상기 장애물 코너인 메인 레퍼런스 코너를 인식하고 상기 인접공간쪽으로 상기 메인 레퍼런스 코너로부터 차폭 방향의 역방향에 존재하되 차폭거리과 차 길이 사이의 범위에 있는 가장 가까운 상기 유효 클러스터 상의 점인 서브 레퍼런스 코너를 인식하여 목표주차위치를 설정하는 단계;
    를 포함하는 것을 특징으로 하는 목표주차위치 인식 방법.
  7. 제 6항에 있어서, 상기 전처리는,
    상기 레인지 데이터로부터 무효점 및 고립점을 제거하여 유효 레인지 데이터를 추출하는 단계;
    상기 유효 레인지 데이터로부터 어클루젼을 인식하는 단계; 및
    상기 유효 레인지 데이터로부터 작은 클러스터를 제거하는 단계;
    를 포함하는 것을 특징으로 하는 목표주차위치 인식 방법.
  8. 제 6항에 있어서, 상기 장애물 코너는,
    형상이 'L'자를 이루는 유효 클러스터의 코너 또는 형상이 타원의 호 및 직선을 이루는 유효 클러스터의 코너인 것을 특징으로 하는 목표주차위치 인식 방법.
  9. 제 6항 있어서, 상기 빈주차공간 조건은,
    상기 장애물 코너로부터 차폭방향의 역방향쪽으로 일정 관심범위 내에 차폭거리와 차 길이 사이의 범위에 장애물체가 있고, 상기 장애물 코너로부터 차 길이 방향의 역방향쪽으로 상기 일정 관심범위 내에 상기 차 길이 범위 내에 장애물체가 없는 경우인 것을 특징으로 하는 목표주차위치 인식 방법.
  10. 제 6항에 있어서, 상기 서브 레퍼런스 코너는,
    어클루젼 혹은 상기 장애물 코너 중에서 하나인 것을 특징으로 하는 목표주차위치 인식 방법.
  11. 제 6항 있어서, 상기 목표주차위치는,
    상기 서브 레퍼런스 코너를 상기 메인 레퍼런스 코너로부터 차 길이 방향으로 연장한 직선에 투영한 점과 상기 메인 레퍼런스 코너 중에서 상기 인접공간의 더 바깥쪽에 있는 점을 지나면서 상기 차폭방향에 평행인 선분을 바깥쪽 경계로 설정하고, 상기 바깥쪽 경계의 중심을 지나면서 상기 차 길이 방향에 평행한 선분이 상기 목표주차위치의 중심이 되도록 설정한 것을 특징으로 하는 목표주차위치 인식 방법.
KR1020070108342A 2007-10-26 2007-10-26 차량의 목표주차위치 인식 방법 및 그 시스템 KR101104609B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020070108342A KR101104609B1 (ko) 2007-10-26 2007-10-26 차량의 목표주차위치 인식 방법 및 그 시스템
DE102008052439.5A DE102008052439B4 (de) 2007-10-26 2008-10-21 Verfahren und System zur Erkennung eines Zielparkplatzes eines Fahrzeugs
US12/288,928 US8260001B2 (en) 2007-10-26 2008-10-24 Method and system for recognizing target parking location of vehicle by detecting range data

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070108342A KR101104609B1 (ko) 2007-10-26 2007-10-26 차량의 목표주차위치 인식 방법 및 그 시스템

Publications (2)

Publication Number Publication Date
KR20090042534A KR20090042534A (ko) 2009-04-30
KR101104609B1 true KR101104609B1 (ko) 2012-01-12

Family

ID=40514625

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070108342A KR101104609B1 (ko) 2007-10-26 2007-10-26 차량의 목표주차위치 인식 방법 및 그 시스템

Country Status (3)

Country Link
US (1) US8260001B2 (ko)
KR (1) KR101104609B1 (ko)
DE (1) DE102008052439B4 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8885889B2 (en) 2012-10-12 2014-11-11 Hyundai Mobis Co., Ltd. Parking assist apparatus and parking assist method and parking assist system using the same
KR101832224B1 (ko) * 2015-11-11 2018-02-26 엘지전자 주식회사 주차 난이도를 기초로 운전자를 지원하는 장치 및 방법

Families Citing this family (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101104609B1 (ko) * 2007-10-26 2012-01-12 주식회사 만도 차량의 목표주차위치 인식 방법 및 그 시스템
US8452599B2 (en) 2009-06-10 2013-05-28 Toyota Motor Engineering & Manufacturing North America, Inc. Method and system for extracting messages
US8269616B2 (en) * 2009-07-16 2012-09-18 Toyota Motor Engineering & Manufacturing North America, Inc. Method and system for detecting gaps between objects
US8686875B2 (en) * 2009-08-26 2014-04-01 Mitsubishi Electric Corporation Parking support device
US8237792B2 (en) 2009-12-18 2012-08-07 Toyota Motor Engineering & Manufacturing North America, Inc. Method and system for describing and organizing image data
US8424621B2 (en) 2010-07-23 2013-04-23 Toyota Motor Engineering & Manufacturing North America, Inc. Omni traction wheel system and methods of operating the same
US8880289B2 (en) 2011-03-17 2014-11-04 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicle maneuver application interface
CN102901968B (zh) * 2011-07-29 2014-10-08 财团法人车辆研究测试中心 停车空间侦测方法及其装置
DE102011080933A1 (de) 2011-08-12 2013-02-14 Robert Bosch Gmbh Verfahren zur Unterstützung eines Fahrers beim Einparken
US8855847B2 (en) 2012-01-20 2014-10-07 Toyota Motor Engineering & Manufacturing North America, Inc. Intelligent navigation system
JP5918579B2 (ja) * 2012-03-14 2016-05-18 株式会社日本自動車部品総合研究所 駐車空間検知装置
US9595017B2 (en) * 2012-09-25 2017-03-14 International Business Machines Corporation Asset tracking and monitoring along a transport route
US9696420B2 (en) 2013-04-09 2017-07-04 Ford Global Technologies, Llc Active park assist object detection
KR101491315B1 (ko) * 2013-09-12 2015-02-06 현대자동차주식회사 차량의 주행제어 장치 및 방법
KR102227855B1 (ko) * 2015-01-22 2021-03-15 현대모비스 주식회사 주차 가이드 시스템 및 그 제어방법
DE102015207804B4 (de) * 2015-04-28 2017-03-16 Robert Bosch Gmbh Verfahren zum Erkennen von Parkflächen und/oder Freiflächen
KR101866014B1 (ko) * 2016-03-22 2018-06-08 현대자동차주식회사 차량의 측면충돌 회피 시스템 및 그 방법
KR20180047210A (ko) * 2016-10-31 2018-05-10 현대자동차주식회사 주차구획 탐색 장치 및 방법
CN106384530A (zh) * 2016-12-03 2017-02-08 河池学院 一种基于智能手机的停车场停车寻车系统
EP3401699A1 (en) * 2017-05-09 2018-11-14 Veoneer Sweden AB Vehicle environmental detection system for parking detection
JP2019032607A (ja) * 2017-08-04 2019-02-28 株式会社デンソー 駐車支援装置
CN109859260B (zh) * 2017-11-30 2021-02-12 华为技术有限公司 确定车位位置的方法、装置及计算机可读存储介质
TWI656518B (zh) * 2017-12-05 2019-04-11 財團法人工業技術研究院 停車格辨識系統及其方法
CN108090455B (zh) * 2017-12-27 2023-08-22 北京纵目安驰智能科技有限公司 基于级联机制的车位线顶点定位方法、系统、终端及介质
JP6911788B2 (ja) * 2018-02-13 2021-07-28 株式会社デンソーウェーブ 車両認識装置、車両認識システム、車両認識プログラム
CN110320531B (zh) * 2018-03-30 2021-09-03 郑州宇通客车股份有限公司 基于激光雷达的障碍物识别方法、地图创建方法及装置
CN110412530B (zh) * 2018-04-27 2021-09-17 深圳市优必选科技有限公司 一种识别充电桩的方法、装置及机器人
WO2019216469A1 (ko) * 2018-05-11 2019-11-14 서울대학교 산학협력단 자동차 레이더 시스템에서 탐지된 타겟들의 클러스터링 방법 및 이를 위한 장치
CN110598512B (zh) * 2018-06-13 2022-05-06 杭州海康威视数字技术股份有限公司 一种车位检测方法及装置
CN111028535B (zh) * 2018-10-09 2021-04-27 杭州海康威视数字技术股份有限公司 车位检测装置及方法、车位管理系统
KR102154589B1 (ko) * 2018-10-31 2020-09-10 (주)오토노머스에이투지 라이다의 멀티 레이어 데이터를 클러스터링하는 방법 및 이를 이용한 컴퓨팅 장치
EP3654065B1 (en) * 2018-11-16 2022-01-12 Bayerische Motoren Werke Aktiengesellschaft Apparatus and method for characterizing an object based on measurement samples from one or more location sensors
JP7236687B2 (ja) * 2019-01-31 2023-03-10 株式会社デンソー レーダ装置、車両制御システム及び物標情報推定方法
JP6763992B2 (ja) * 2019-03-26 2020-09-30 株式会社デンソー ノイズ除去方法および物体認識装置
CN111798666B (zh) * 2019-04-09 2021-12-24 杭州海康威视数字技术股份有限公司 一种车辆抓拍方法及装置
US10916141B1 (en) 2019-12-18 2021-02-09 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for generating a parking space directory
CN111968402B (zh) * 2020-08-12 2022-04-12 广东博智林机器人有限公司 一种车位排布方法、装置、终端及介质
CN113830078B (zh) * 2021-10-19 2023-08-04 同济大学 一种基于停车位角点检测的自动泊车方法及系统
CN114999217A (zh) * 2022-05-27 2022-09-02 北京筑梦园科技有限公司 一种车辆检测方法、装置及停车管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002243857A (ja) * 2001-02-14 2002-08-28 Nissan Motor Co Ltd 周囲物体認識装置
KR20060029869A (ko) * 2004-10-04 2006-04-07 현대자동차주식회사 차량 자동 평행 주차 방법
JP2006193014A (ja) * 2005-01-12 2006-07-27 Toyota Motor Corp 駐車支援装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69330513D1 (de) * 1992-03-20 2001-09-06 Commw Scient Ind Res Org Gegenstands-überwachungsystem
US6898528B2 (en) * 2002-07-23 2005-05-24 Ford Global Technologies, Llc Collision and injury mitigation system using fuzzy cluster tracking
JPWO2004083889A1 (ja) 2003-03-20 2006-06-22 松下電器産業株式会社 障害物検知装置
DE102004003870A1 (de) 2004-01-26 2005-08-11 Ibeo Automobile Sensor Gmbh Verfahren zur Klassifizierung von Objekten
US20050267657A1 (en) * 2004-05-04 2005-12-01 Devdhar Prashant P Method for vehicle classification
DE102004049227B4 (de) * 2004-10-08 2007-03-01 Yxlon International Security Gmbh Verfahren zur Bestimmung der Lageänderung eines Objekts in einem Gepäckstück
US7373012B2 (en) * 2005-02-01 2008-05-13 Mitsubishi Electric Research Laboratories, Inc. Detecting moving objects in videos with corner-based background model
US7728909B2 (en) * 2005-06-13 2010-06-01 Seiko Epson Corporation Method and system for estimating motion and compensating for perceived motion blur in digital video
JP4600760B2 (ja) * 2005-06-27 2010-12-15 アイシン精機株式会社 障害物検出装置
JP2007030700A (ja) * 2005-07-27 2007-02-08 Aisin Seiki Co Ltd 駐車支援装置
JP4086060B2 (ja) 2005-08-17 2008-05-14 トヨタ自動車株式会社 点列の近似方法および点列の近似装置
DE102005051559A1 (de) 2005-10-26 2007-05-03 Dcms Ag Verfahren und Vorrichtung zur Darstellung und Verarbeitung von mehrdimensionalen Scanneraufnahmen
US8417060B2 (en) * 2006-03-20 2013-04-09 Arizona Board Of Regents For And On Behalf Of Arizona State University Methods for multi-point descriptors for image registrations
JP2007326415A (ja) * 2006-06-06 2007-12-20 Jtekt Corp 車両用操舵装置
RU2406136C2 (ru) * 2006-06-09 2010-12-10 Кейденс Дизайн Системс, Инк. Метод и механизм экстракции и распознавания многоугольников при проектировании интегральных схем
US20080059069A1 (en) * 2006-08-30 2008-03-06 Trutna William R System and method for detecting an object in the path of a vehicle
US7903877B2 (en) * 2007-03-06 2011-03-08 Microsoft Corporation Radical-based HMM modeling for handwritten East Asian characters
KR101104609B1 (ko) * 2007-10-26 2012-01-12 주식회사 만도 차량의 목표주차위치 인식 방법 및 그 시스템
JPWO2009060663A1 (ja) * 2007-11-08 2011-03-17 ボッシュ株式会社 駐車支援装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002243857A (ja) * 2001-02-14 2002-08-28 Nissan Motor Co Ltd 周囲物体認識装置
KR20060029869A (ko) * 2004-10-04 2006-04-07 현대자동차주식회사 차량 자동 평행 주차 방법
JP2006193014A (ja) * 2005-01-12 2006-07-27 Toyota Motor Corp 駐車支援装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8885889B2 (en) 2012-10-12 2014-11-11 Hyundai Mobis Co., Ltd. Parking assist apparatus and parking assist method and parking assist system using the same
KR101832224B1 (ko) * 2015-11-11 2018-02-26 엘지전자 주식회사 주차 난이도를 기초로 운전자를 지원하는 장치 및 방법

Also Published As

Publication number Publication date
US8260001B2 (en) 2012-09-04
KR20090042534A (ko) 2009-04-30
DE102008052439B4 (de) 2018-11-22
DE102008052439A1 (de) 2009-05-07
US20090146842A1 (en) 2009-06-11

Similar Documents

Publication Publication Date Title
KR101104609B1 (ko) 차량의 목표주차위치 인식 방법 및 그 시스템
Narote et al. A review of recent advances in lane detection and departure warning system
CN108647646B (zh) 基于低线束雷达的低矮障碍物的优化检测方法及装置
CN109844762B (zh) 车载用图像处理装置
US8040227B2 (en) Method for detecting moving objects in a blind spot region of a vehicle and blind spot detection device
CN107389084B (zh) 行车路径规划方法及存储介质
Daigavane et al. Road lane detection with improved canny edges using ant colony optimization
US7046822B1 (en) Method of detecting objects within a wide range of a road vehicle
US6963661B1 (en) Obstacle detection system and method therefor
US9245188B2 (en) Lane detection system and method
CN101608924B (zh) 一种基于灰度估计和级联霍夫变换的车道线检测方法
US20090192686A1 (en) Method and Driver Assistance System for Sensor-Based Drive-Off Control of a Motor Vehicle
US8385601B2 (en) In-vehicle white line recognition apparatus
US9810782B2 (en) Vehicle radar system with image reflection detection
KR101714783B1 (ko) Ｇｐｕ를 이용한 온라인 전기 자동차용 전방 장애물 검출 장치 및 방법
EP2293588A1 (en) Method for using a stereovision camera arrangement
KR101448506B1 (ko) 선행차량의 거동을 이용한 주행 차로의 곡률 측정 방법 및 장치
CN114118252A (zh) 一种基于传感器多元信息融合的车辆检测方法及检测装置
Valldorf et al. Advanced Microsystems for Automotive Applications 2007
GB2556427A (en) Vehicle with environmental context analysis
JP2004355139A (ja) 車両認識装置
CN114495066A (zh) 一种辅助倒车的方法
Hwang et al. Vision-based vehicle detection and tracking algorithm design
JP5204144B2 (ja) 車載白線認識装置
Oniga et al. A fast ransac based approach for computing the orientation of obstacles in traffic scenes

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20141222

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20151222

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20161222

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20171222

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20181226

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20191219

Year of fee payment: 9