KR101208647B1 - 도로상의 장애 물체 검출 방법 및 장치 - Google Patents

Abstract

장애 물체 검출 방법은 좌 영상 및 우 영상에 대하여 스테레오 매칭을 수행하여 장애 물체를 포함하는 시차 맵(depth map)을 생성하는 단계, 시차 맵의 열에 대하여 시차 값의 분포를 누적하여 장애 물체에 따른 U-변위 맵을 생성하는 단계, 및 U-변위 맵 상에서 미리 설정된 크기에 해당하는 장애 물체를 검출하는 단계를 포함한다.

Description

도로상의 장애 물체 검출 방법 및 장치{METHOD AND APPARATUS FOR DETECTING OBSTACLE ON ROAD}

본 발명은 도로상의 장애 물체 검출 방법 및 장치에 관한 것이다.

시차맵(depth map)을 이용하여 장애물을 검출하는 방법에는 V-변위맵(V-disparity map)을 이용하는 방법과 컬럼 검출(Column detection)을 이용하는 방법이 있다.

도 1은 V-변위맵을 이용하여 장애 물체를 검출하는 방법을 설명하기 위한 도면이다.

도 1을 참조하면, 먼저 도로와 같은 평면 성분의 특징과 장애 물체의 특징을 구분할 수 있는 V-변위맵을 생성한다. V-변위맵 상에서 도로와 같은 평면 성분의 대부분 대각선의 형태(110)로 표현되고, 장애물체는 그 대각선상의 수직선의 형태(120)로 표현된다. 그러므로 허프 변환(hough transform)을 이용하여 도로의 특징 정보인 대각선(110)을 추출하고, 대각선(110) 상에 높인 수직선들(120)을 추출하면, 장애 물체를 검출할 수 있다. 그러나 도로변의 중앙분리대나 가로수와 같은 연속적이고 큰 장애 물체가 존재하는 경우에 V-변위맵 상에 많은 수직선이 나타나므로, 장애 물체 검출시 오류가 발생할 수 있다. 또한, 도로가 경사지거나 휘어진 경우에 도로 특징을 나타내는 대각선이 직선이 아닌 곡선으로 나타나는데, 이 경우 또한 정확한 장애 물체의 검출이 쉽지 않다.

도 2는 컬럼 검출 방법을 이용하여 장애 물체를 검출하는 방법을 설명하기 위한 도면이다.

도 2를 참조하면, 컬럼 검출은 시차 맵의 각 열 별로 중간 값(median value)을 계산하고, 중간 값을 장애 물체 유무의 판단 기준으로 정한다. 그리고 영상의 각 열 별로 먼저 계산된 중간 값과 비교하고, 중간 값보다 높은 구간이 존재하는 경우에 해당 구간을 장애 물체로 판단한다. 컬럼 검출은 영상의 각 열 별로 기준 값인 중간 값과 비교함으로써 좀 더 강건하게 장애 물체를 검출할 수 있다. 도 2의 (a)는 임의의 한 열과 중간 값과의 비교 과정을 편의상 V-변위맵 상에 표현한 것이고, 도 2의 (b)는 시차맵 상에 표현한 것이며, 도 2의 (c)는 모든 열에 대하여 비교한 결과를 모두 나타낸 것으로서 컬럼 검출을 이용한 최종 장애 물체를 나타낸다. 그러나 장애 물체 유무의 판단 기준인 중간 값은 특성상 장애 물체의 크기, 개수와 같은 주변 환경의 영향을 쉽게 받기 때문에 다중 장애 물체 또는 크기가 큰 장애 물체가 있는 도로 환경에서는 장애 물체 물체의 검출 성능이 떨어진다.

즉, V-변위맵을 이용한 방법과 컬럼 검출을 이용한 방법은, 도로 특징 정보나 중간 값을 장애 물체 유무의 판단 기준으로 사용하기 때문에, 외부 도로 또는 장애 물체 상황에 상당히 민감하여 장애 물체 검출의 성능 신뢰성이 떨어질 수 있다. 또한, 이러한 방법들은 장애 물체를 검출하고자 하는 때에 장애 물체의 기본적인 크기 정보를 이용하지 않고 모든 장애 물체를 검출하기 때문에, 정확한 장애 물체 검출을 위하여 복잡한 장애 물체 제거 작업이 추가적으로 필요하게 된다. 특히 도로 상의 자동차 검출의 경우, 자동차는 일정한 크기를 가지고 있으므로 크기 정보는 상당히 유용한 정보이다.

개시된 기술이 이루고자 하는 기술적 과제는 도로의 특징, 장애 물체의 개수나 크기와 같은 외부 환경의 변화에 강건하며, 장애 물체의 수평 수직 크기 정보를 이용하여 원하는 크기의 장애 물체를 쉽게 검출할 수 있게 하는 도로상의 장애 물체 검출 방법 및 장치를 제공하는 데 있다.

상기의 기술적 과제를 이루기 위해 개시된 기술의 제 1 측면은 좌 영상 및 우 영상에 대하여 스테레오 매칭을 수행하여 장애 물체를 포함하는 시차 맵(depth map)을 생성하는 단계, 상기 시차 맵의 열에 대하여 시차 값의 분포를 누적하여 상기 장애 물체에 따른 U-변위 맵을 생성하는 단계, 및 상기 U-변위 맵 상에서 미리 설정된 크기에 해당하는 장애 물체를 검출하는 단계를 포함하는 장애 물체 검출 방법을 제공하는 데 있다.

상기의 기술적 과제를 이루기 위해 개시된 기술의 제 1 측면은 좌 영상 및 우 영상에 대하여 스테레오 매칭을 수행하여 장애 물체를 포함하는 시차 맵(depth map)을 생성하는 시차 맵 생성부, 상기 시차 맵의 열에 대하여 시차 값의 분포를 누적하여 상기 장애 물체에 따른 U-변위 맵을 생성하는 U-변위 맵 생성부, 및 상기 U-변위 맵 상에서 미리 설정된 크기에 해당하는 장애 물체를 검출하는 검출부를 포함하는 장애 물체 검출 장치를 제공하는 데 있다.

개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.

일 실시예에 따른 도로상의 장애 물체 검출 방법은, 도로의 특징, 장애 물체의 개수나 크기와 같은 외부 환경의 변화에 강건하며, 장애 물체의 수평 수직 크기 정보를 이용하여 원하는 크기의 장애 물체를 쉽게 검출할 수 있게 하는 효과가 있다. 그리고 일 실시예에 따른 도로상의 장애 물체 검출 방법은, 지능형 자동차나 로봇과 같은 이동 객체뿐만 아니라, 공장이나 가정 등의 다양한 일상 공간에서도 적용될 수 있다.

도 1은 V-변위맵을 이용하여 장애 물체를 검출하는 방법을 설명하기 위한 도면이다.
도 2는 컬럼 검출 방법을 이용하여 장애 물체를 검출하는 방법을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 도로상의 장애물체 검출 방법을 나타내는 흐름도이다.
도 4는 스테레오 비전 모델링을 나타내는 도면이다.
도 5는 도로상의 장애 물체의 검출 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 도로상의 장애물체 검출 장치를 나타내는 블록도이다.

개시된 기술에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 개시된 기술의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 개시된 기술의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다.

한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않은 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.

여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.

도 3은 본 발명의 일 실시예에 따른 도로상의 장애물체 검출 방법을 나타내는 흐름도이다.

도 3을 참조하면, 310 단계에서, 장애 물체 검출 장치는 좌 영상과 우 영상을 수신하고, 좌 영상과 우 영상에 대하여 스테레오 매칭을 수행하여 시차맵(depth map)을 생성한다.

320 단계에서, 장애 물체 검출 장치는 시차맵으로부터 U-변위맵을 생성한다. U-변위맵의 수평은 영상의 수평 위치를 나타내고 수직은 시차값을 나타낸다. 장애 검출 장치는 시차맵의 모든 열 별로 시차값을 읽고, 각각의 열 별로 시차값의 개수를 카운트하여 해당 수평 위치(열 위치)에 표시한다. 즉, U-변위맵은 시차맵의 열 별로 시차값의 분포를 누적한 것으로서, 시차맵 내에서 장애 물체의 위치를 대략적으로 파악할 수 있게 한다.

도 4는 스테레오 비전 모델링을 나타내는 도면이다.

도 4를 참조하면, 두 카메라(410a, 410b)는 b 만큼 이격되어 있고 지면으로부터 h만큼 떨어져 있다. 그리고 각 카메라(410a, 410b)가 지면을 향하여 θ만큼 기울여져 있다. 도로 좌표인 절대 좌표를 R_w, 각 카메라 좌표를 R_cl, R_cr, 이미지상의 좌표(u, v) 중심을 (u₀, v₀)라 하면, 동차 좌표(homogenous coordinate)인 R_w상의 한 점 P(X, Y, Z, l)^T를 이미지상의 좌표 (u, v)로 매핑하는 것은 다음의 수학식 1과 같다.

여기에서, 이미지 좌표에서 u축 및 v축의 단위 길이당 픽셀의 수를 각각 m, 초점 거리를 f라 하면, α = f?m 이다.

수학식 1로부터 실제 장애 물체의 Y 값은 다음의 수학식 2와 같이 산출될 수 있다.

여기에서, d = u₁-u₂ 로서 시차 값을 나타낸다. 장애 물체의 실제 높이를 측정하기 위한 두 지점을 각각 Y₁, Y₂라 하면, 실제 장애 물체의 높이 H는 다음의 수학식 3과 같다.

여기에서, v₂-v₁은 영상 내에서의 장애 물체의 높이 즉, 장애 물체의 수직 화소 수를 나타낸다. 수학식 3으로부터 장애 물체의 실제 수직 크기와 영상에서의 수직 크기(화소 수)의 관계를 알 수 있다. 따라서 장애 물체가 평면이고 평면 내에서 유사한 시차값을 가진다면, v₂-v₁은 U-변위 맵 상에서의 값이 된다. 즉, 원하는 높이의 장애 물체를 추출하기 위해서는 U-변위 맵 상에서 시차값과 연동하는 문턱값인 다음의 수학식 4의 T_{thr - height}를 이용하면 된다.

예를 들어, 자동차의 높이를 1m(미터) 내지 3m라 하면, Y₂-Y₁의 범위는 1 내지 3이 되고, 시차값(d)에 연동되는 문턱값 T_{thr - height}의 범위는 다음의 수학식 5와 같다.

한편, 수학식 1로부터 실제 장애 물체의 X 값은 다음의 수학식 6과 같다.

장애 물체의 실제 수평 크기를 측정하기 위한 두 지점을 각각 X₁, X₂라 하면, 실제 장애 물체의 수평 크기 W는 다음의 수학식 7과 같다.

여기에서, u_l2-u_l1은 영상 내에서 장애 물체의 수평 크기 즉 장애 물체의 수평 화소수를 나타낸다. 수학식 7로부터 장애 물체의 실제 크기와 영상에서의 수평 크기(화소수)의 관계를 알 수 있다. 따라서 원하는 수평 크기의 장애 물체를 추출하기 위해서는 U-변위 맵 상에서의 시차값과 연동되는 문턱값인 다음 수학식 8의 T_thr-width를 이용하면 된다.

예를 들어, 자동차의 실제 수평 크기가 1.5m 내지 2m라면, X₂-X₁의 범위는 1.5 내지 2가 되고, 시차값(d)에 연동되는 문턱값 T_{thr - width}의 범위는 다음의 수학식 9와 같다.

따라서 U-변위맵에서 크기 제한 과정을 수행할 때, 수평 크기는 T_{thr - width}을 만족하고, 값은 T_{thr - height}을 만족하는 분포만 그대로 둠으로써 원하는 크기의 장애 물체만 검출할 수 있다.

도 3을 다시 참조하면, 330 단계에서, 장애 물체 검출 장치는 U-변위맵 상에서 크기 제한 과정을 수행한다. 대부분 장애 물체는 도로와 수직이고 평면이므로, 유사한 시차값을 가지게 된다. 따라서 장애 물체는 U-변위 맵상에서 그 분포가 모이게 된다. 여기에서, U-변위맵 상에서 나타난 분포의 수평 크기는 장애 물체의 수평 크기에 해당하고, 시차값의 개수는 장애 물체의 수직 크기에 해당한다. 반면에, 도로면은 평면이 아니므로, U-변위맵 상에서 일정하게 모이게 되는 분포를 가지지 않으며, 흩어져서 나타나게 된다. 따라서 도로면은 크기 제한 과정을 통하여 쉽게 제거될 수 있다. 즉, 생성된 U-변위맵은 그레이(gray) 값이며 적절한 문턱값을 통하여 도로와 같은 노이즈를 제거할 수 있고, 원하는 크기의 장애 물체만을 검출할 수도 있다. 여기에서, 장애 물체 검출 장치는 수학식 4와 수학식 8의 문턱값에 기초하여, 원하는 크기의 장애 물체를 검출할 수 있다.

340 단계에서, 장애 물체 검출 장치는 U-변위 맵 상에서 결정된 장애 물체의 수평 위치와 시차 값을 이용하여, 역 U-변위맵을 계산한다. 즉, 시차 맵을 기준으로, 결정된 수평 위치 내에서 수직 방향으로 스캔하면서 결정된 장애 물체의 시차 값을 찾음으로써 역 U-변위맵을 계산할 수 있다.

350 단계에서, 장애 물체 검출 장치는 역 U-변위 맵 계산 과정 중에 발생할 수 있는 노이즈를 제거하기 위하여 모폴로지 필터링과 같은 필터링을 수행한다.

도 5는 도로상의 장애 물체의 검출 방법을 설명하기 위한 도면이다.

도 5의 (a)를 참조하면, 시차맵 상에서 3개의 장애 물체들이 존재하고, 장애 물체들의 크기는 각각 m1?n1, m2?n2, 및 m3?n3에 해당하며, 시차값들은 각각 D1, D2, 및 D3에 해당한다.

U-변위 맵 과정을 수행하면, 도 5의 (b)에 나타난 것과 같이 각각 수평 위치별, 시차값 별로 분포를 가지게 되며, 시차값의 개수는 장애 물체의 수직 크기인 n1, n2 및 n3에 해당한다.

수학식 4와 수학식 8에 따라 문턱값을 통하여 크기 제한 과정을 수행하면, 도 5의 (c)에 나타난 것과 같이 U-변위맵 상에서 원하는 크기의 장애 물체를 검출할 수 있다. 여기에서, n1, n2 및 n3는 수학식 4를 만족해야 하고, m1, m2 및 m3는 수학식 8을 모두 만족해야 한다.

도 5의 (d)를 참조하면, 역 U-변위 맵을 계산하여 시차맵 상에서 원하는 장애 물체만을 검출할 수 있다.

본 실시예에서는 중간 값이나 도로의 특징 정보를 사용하지 않으므로, 도로의 특징, 장애 물체의 개수나 크기와 같은 외부 환경의 변화에 강건하게 장애 물체를 검출할 수 있다.

도 6은 본 발명의 일 실시예에 따른 도로상의 장애물체 검출 장치를 나타내는 블록도이다.

도 6을 참조하면, 장애물체 검출 장치(600)는 시차 맵 생성부(610), U-변위 맵 생성부(620), 검출부(630), 역 U-변위 맵 생성부(640) 및 필터링부(650)를 포함한다.

시차 맵 생성부(610)는 좌 영상 및 우 영상에 대하여 스테레오 매칭을 수행하여 장애 물체를 포함하는 시차 맵(depth map)을 생성한다.

U-변위 맵 생성부(620)는 시차 맵의 열에 대하여 시차 값의 분포를 누적하여 장애 물체에 따른 U-변위 맵을 생성한다. 여기에서, U-변위 맵의 수평 좌표축은 영상의 수평 위치에 해당하고, 수직 좌표는 시차 맵에 따른 시차 값에 해당하며, 시차 맵의 각 열에 대한 시차 값의 개수를 표시한다.

검출부(630)는 U-변위 맵 상에서 미리 설정된 크기에 해당하는 장애 물체를 검출한다. 여기에서, 설정된 범위는 장애 물체의 수직 크기 또는 수평 크기 중 적어도 하나에 대하여 미리 설정된 범위이다. 그리고 수직 크기는 자동차의 높이에 해당하고, 수평 크기는 자동차의 수평 길이에 해당할 수 있다. 검출부()는 수학식 4와 수학식 8의 문턱값에 기초하여 원하는 크기에 해당하는 장애 물체를 검출할 수 있다.

역 U-변위 맵 계산부(640)는 검출부(630)에 의해 검출된 장애 물체에 대하여 역 U-변위 맵을 계산하여, 검출된 장애 물체에 대한 시차 맵을 생성한다.

필터링부(650)는 역 U-변위 맵 계산부(640)에 의해 생성된 시차 맵에 대하여 모폴로지 필터링과 같은 필터링을 수행하여 역 U-변위 맵 계산 과정 중에 발생할 수 있는 노이즈를 제거한다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims (16)

1. 좌 영상 및 우 영상에 대하여 스테레오 매칭을 수행하여 장애 물체를 포함하는 시차 맵(depth map)을 생성하는 단계;
   상기 시차 맵의 각 열 별로 시차 값의 분포를 누적하여 상기 장애 물체에 따른 U-변위 맵을 생성하는 단계; 및
   상기 U-변위 맵 상에 나타난 상기 분포의 수평 크기와 상기 시차 값의 개수를 설정 범위 안으로 제한하여 만족하는 분포만 남겨서 설정된 크기의 장애 물체를 검출하는 단계를 포함하는 장애 물체 검출 방법.
2. 제 1 항에 있어서, 상기 U-변위 맵은
   수평 좌표축은 영상의 수평 위치에 해당하고, 수직 좌표는 상기 시차 맵에 따른 시차 값에 해당하며, 상기 시차 맵의 각 열에 대한 시차 값의 개수를 표시하는 장애 물체 검출 방법.
3. 제 2 항에 있어서, 상기 설정된 크기는
   상기 장애 물체의 수직 크기 또는 수평 크기 중 적어도 하나에 대하여 미리 설정된 범위인 장애 물체 검출 방법.
4. 제 3 항에 있어서,
   상기 수직 크기는 자동차의 높이에 해당하고, 상기 수평 크기는 자동차의 수평 길이에 해당하는 장애 물체 검출 방법.
5. 제 3 항에 있어서, 상기 수직 크기는
   

   

   
   (여기에서, v₁, v₂는 각각 영상 내에서의 상기 장애 물체의 높이를 측정하기 위한 두 지점, Y₁, Y₂은 각각 상기 장애 물체의 실제 높이를 측정하기 위한 두 지점, d는 시차 값, b는 상기 좌 영상 및 우 영상을 생성하는 카메라들 간의 이격 거리, θ는 상기 두 카메라가 지면을 향하여 기울어진 각도에 해당함)
   에 따라 결정되는 장애 물체 검출 방법.
6. 제 3 항에 있어서, 상기 수평 크기는
   

   

   
   (여기에서, u_l1, u_l2은 각각 영상 내에서 상기 장애 물체의 수평 길이를 측정하기 위한 두 지점, X₁, X₂은 각각 상기 장애 물체의 실제 수평 길이를 측정하기 위한 두 지점, d는 시차 값, b는 상기 좌 영상 및 우 영상을 생성하는 카메라들 간의 이격 거리, θ는 상기 두 카메라가 지면을 향하여 기울어진 각도에 해당함)
   에 따라 결정되는 장애 물체 검출 방법.
7. 제 2 항에 있어서,
   상기 검출된 장애 물체에 대하여, 역 U-변위 맵을 계산하여, 상기 검출된 장애 물체에 대한 시차 맵을 생성하는 단계를 더 포함하는 장애 물체 검출 방법.
8. 제 7 항에 있어서,
   상기 생성된 시차 맵에 대하여 모폴로지 필터링을 수행하여 노이즈를 제거하는 단계를 더 포함하는 장애 물체 검출 방법.
9. 좌 영상 및 우 영상에 대하여 스테레오 매칭을 수행하여 장애 물체를 포함하는 시차 맵(depth map)을 생성하는 시차 맵 생성부;
   상기 시차 맵의 각 열 별로 시차 값의 분포를 누적하여 상기 장애 물체에 따른 U-변위 맵을 생성하는 U-변위 맵 생성부; 및
   상기 U-변위 맵 상에서 나타난 상기 분포의 수평 크기와 상기 시차 값의 개수를 설정 범위 안으로 제한하여 만족하는 분포만 남겨서 설정된 크기에 해당하는 장애 물체를 검출하는 검출부를 포함하는 장애 물체 검출 장치.
10. 제 9 항에 있어서, 상기 U-변위 맵은
    수평 좌표축은 영상의 수평 위치에 해당하고, 수직 좌표는 상기 시차 맵에 따른 시차 값에 해당하며, 상기 시차 맵의 각 열에 대한 시차 값의 개수를 표시하는 장애 물체 검출 장치.
11. 제 10 항에 있어서, 상기 설정된 크기는
    상기 장애 물체의 수직 크기 또는 수평 크기 중 적어도 하나에 대하여 미리 설정된 범위인 장애 물체 검출 장치.
12. 제 11 항에 있어서,
    상기 수직 크기는 자동차의 높이에 해당하고, 상기 수평 크기는 자동차의 수평 길이에 해당하는 장애 물체 검출 장치.
13. 제 11 항에 있어서, 상기 수직 크기는
    

    

    
    (여기에서, v₁, v₂는 각각 영상 내에서의 상기 장애 물체의 높이를 측정하기 위한 두 지점, Y₁, Y₂은 각각 상기 장애 물체의 실제 높이를 측정하기 위한 두 지점, d는 시차 값, b는 상기 좌 영상 및 우 영상을 생성하는 카메라들 간의 이격 거리, θ는 상기 두 카메라가 지면을 향하여 기울어진 각도에 해당함)
    에 따라 결정되는 장애 물체 검출 장치.
14. 제 11 항에 있어서, 상기 수평 크기는
    

    

    
    (여기에서, u_l1, u_l2은 각각 영상 내에서 상기 장애 물체의 수평 길이를 측정하기 위한 두 지점, X₁, X₂은 각각 상기 장애 물체의 실제 수평 길이를 측정하기 위한 두 지점, d는 시차 값, b는 상기 좌 영상 및 우 영상을 생성하는 카메라들 간의 이격 거리, θ는 상기 두 카메라가 지면을 향하여 기울어진 각도에 해당함)
    에 따라 결정되는 장애 물체 검출 장치.
15. 제 10 항에 있어서,
    상기 검출된 장애 물체에 대하여, 역 U-변위 맵을 계산하여, 상기 검출된 장애 물체에 대한 시차 맵을 생성하는 단계를 더 포함하는 장애 물체 검출 장치.
16. 제 15 항에 있어서,
    상기 생성된 시차 맵에 대하여 모폴로지 필터링을 수행하여 노이즈를 제거하는 단계를 더 포함하는 장애 물체 검출 장치.

Images