KR101239566B1 - 다물체 인식 방법 및 그 장치 - Google Patents

다물체 인식 방법 및 그 장치 Download PDF

Info

Publication number
KR101239566B1
KR101239566B1 KR1020080095875A KR20080095875A KR101239566B1 KR 101239566 B1 KR101239566 B1 KR 101239566B1 KR 1020080095875 A KR1020080095875 A KR 1020080095875A KR 20080095875 A KR20080095875 A KR 20080095875A KR 101239566 B1 KR101239566 B1 KR 101239566B1
Authority
KR
South Korea
Prior art keywords
position data
new
relevance
tracking position
relevance determination
Prior art date
Application number
KR1020080095875A
Other languages
English (en)
Other versions
KR20100036585A (ko
Inventor
이두호
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 KR1020080095875A priority Critical patent/KR101239566B1/ko
Publication of KR20100036585A publication Critical patent/KR20100036585A/ko
Application granted granted Critical
Publication of KR101239566B1 publication Critical patent/KR101239566B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory

Abstract

본 발명은 다물체 인식 방법 및 그 장치에 관한 것이다.
본 발명은, 물체별로 저장된 복수 개의 추적 위치 데이터별로 확인되는 거리에 근거하여 복수 개의 추적 위치 데이터별로 복수 개의 관련성 판단영역을 설정하고, 기저장된 복수 개의 추적 위치 데이터와 새롭게 획득된 복수 개의 신규 위치 데이터 간의 거리에 근거하여 복수 개의 신규 위치 데이터의 상호 간의 관련성을 판단하고, 관련성의 판단 결과에 따라 복수 개의 신규 위치 데이터를 관련성 판단영역별로 분리하며, 관련성 판단영역별로 분리된 신규 위치 데이터에 근거하여 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터를 결정하여 추적 위치 데이터를 갱신하는 것을 특징으로 하는 다물체 인식 장치를 제공한다.
본 발명에 의하면, 관련성 판단영역을 물체까지의 거리에 따라 가변적으로 설정하여 다물체 인식 방법에 이용함으로써, 물체가 서로 근접한 경우에도 관련성 판단영역이 겹치는 현상이 방지하고, 그로 인해 신규 위치 데이터 간의 간섭이 방지하여 정상적인 물체 인식이 가능하도록 하는 효과가 있다.
다물체 인식, 관련성 판단영역

Description

다물체 인식 방법 및 그 장치{Method and Apparatus for Identifing Multiple Objects}
본 발명은 다물체 인식 방법 및 그 장치에 관한 것이다. 더욱 상세하게는, 관련성 판단영역을 물체까지의 거리에 따라 가변적으로 설정하여 다물체 인식 방법에 이용함으로써, 물체가 서로 근접한 경우에도 관련성 판단영역이 겹치는 현상이 방지하고, 그로 인해 신규 위치 데이터 간의 간섭이 방지하여 정상적인 물체 인식이 가능하도록 하는 다물체 인식 방법 및 그 장치에 관한 것이다.
종래의 다물체 인식 방법에서는 다물체 인식 센서가 신호 처리 결과를 바탕으로 산출한 신규 위치 데이터들로부터 기존에 물체로 인식하고 있던 지점(추적 위치 데이터)과의 관련성을 통하여, 다음 과정의 물체의 위치를 예측하거나, 새로이 등장한 물체의 위치를 예측하여 다음 예상 위치를 산출한다. 이때 관련성을 판단하기 위한 관련성 판단영역이 설정되어 이용되는데, 종래의 다물체 인식 방법에서는 관련성 판단영역을 고정하여 이용함으로써, 물체가 서로 근접한 경우 관련성 판단영역이 겹치는 현상이 발생할 수 있고, 그로 인해 신규 위치 데이터 간의 간섭이 발생하여 정상적인 물체 인식이 실패하는 경우가 발생할 수 있다. 이러한 현상을 아래 도 1 내지 도 7을 참조하여 예시적으로 설명한다.
도 1은 종래의 다물체 인식 방법을 예시적으로 설명하기 위한 환경을 예시적으로 나타낸 도면이다.
도 1을 참조하면, 종래의 다물체 인식 방법을 예시적으로 설명하기 위해, 본 발명에 따른 다물체 인식 장치가 차량 X에 탑재되어 있고, 탑재된 다물체 인식 장치는 다물체 인식 대상으로서 2대의 차량(차량 A와 차량 B)에 대한 추적 위치 데이터를 결정함으로써 차량을 인식하고 그를 통해 위치를 추적하는 것을 가정한다.
또한, 도 2 내지 도 4를 참조하여 후술할 첫 번째 인식 과정 이전에, 차량 A는 세모로 표시된 "a1"이라는 추적 위치 데이터로 추적되고, 차량 B는 세모로 표시된 "b1"이라는 추적 위치 데이터로 추적되어, 각각의 추적 위치 데이터가 기존의 추적 위치로 저장되어 있는 것을 가정한다.
도 2는 종래의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 신규 위치 데이터 획득 단계를 예시적으로 나타낸 도면이다.
도 2를 참조하면, 신규 위치 데이터를 획득하기 이전에, 미리 저장된 2대의 차량(차량 A, 차량 B)에 대한 2개의 추적 위치 데이터(a1, b1)별로 2개의 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)이 설정되어 있다. 이때 설정된 2개의 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)은 고정적으로 설정된 것으로서, 도 2에 도시된 것처럼, 서로 겹칠 수도 있다.
도 2를 참조하면, 신규 위치 데이터 획득 단계에서는, 차량 X에 탑재된 다물체 인식 장치는 다물체 인식 센서로부터 신규 위치 데이터(1, 2, 3, 4, 5 및 6)를 획득한다. 획득 시점에서, 네모로 표시된 6개의 신규 위치 데이터(1, 2, 3, 4, 5 및 6)가 차량 A에 의해 발생한 신규 위치 데이터인지 차량 B에 의해 발생한 신규 위치 데이터인지는 확인이 되지 않는다. 여기서, 신규 위치 데이터 2, 3 및 4는 관련성 판단영역 A 및 관련성 판단영역 B에 모두 속하는 영역에 포함되는 데이터로서 간섭이 발생하는 신규 위치 데이터이다.
도 3은 종래의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 관련성 판단 단계를 예시적으로 나타낸 도면이다.
도 3을 참조하면, 전술한 신규 위치 데이터 획득 단계 이후, 관련성 판단 단계에서는, 차량 X에 탑재된 다물체 인식 장치는 2개의 추적 위치 데이터(a1, b1)와 6개의 신규 위치 데이터(1, 2, 3, 4, 5, 6) 간의 거리에 근거하여, 6개의 신규 위치 데이터의 상호 간의 관련성을 판단하고, 관련성의 판단 결과에 따라 6개의 신규 위치 데이터를 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)별로 분리한다.
도 3을 참조하면, 신규 위치 데이터(1, 2, 3)는 추적 위치 데이터(b1)보다 추적 위치 데이터(a1)에 더 가까우므로 관련성 판단영역 A에 포함되는 것으로 분리된다. 즉, 신규 위치 데이터(1, 2, 3)는 서로 관련성 있는 신규 위치 데이터 집합 A에 속하게 된다.
도 3 참조하면, 신규 위치 데이터(4, 5, 6)는 추적 위치 데이터(a1)보다 추적 위치 데이터(b1)에 더 가까우므로 관련성 판단영역 B에 포함되는 것으로 분리된다. 즉, 신규 위치 데이터(4, 5, 6)는 서로 관련성 있는 신규 위치 데이터 집합 B 에 속하게 된다.
도 4는 종래의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 추적 위치 데이터 결정 단계를 예시적으로 나타낸 도면이다.
도 4를 참조하면, 전술한 관련성 판단 단계 이후, 추적 위치 데이터 결정 단계에서는, 차량 X에 탑재된 다물체 인식 장치는 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)별로 분리된 신규 위치 데이터(1, 2, 3, 4, 5, 6)에 근거하여, 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터를 결정한다.
즉, 관련성 판단영역 A로 분리된 신규 위치 데이터(1, 2, 3)를 토대로 관련성 판단영역 A에 대응되는 추적 위치 데이터를 a1에서 a2로 결정하고, 관련성 판단영역 B로 분리된 신규 위치 데이터(4, 5, 6)를 토대로 관련성 판단영역 B에 대응되는 추적 위치 데이터를 b1에서 b2로 결정한다.
결정 방식은, 일 예로서, 관련성 판단영역 A로 분리된 신규 위치 데이터(1, 2, 3) 중 가장 뒤쪽에 있는, 즉 다물체 인식 장치(800)와 가장 근접한 거리에 대한 신규 위치 데이터(1)를 새로운 추적 위치 데이터 a2로 결정하고, 관련성 판단영역 B로 분리된 신규 위치 데이터(4, 5, 6) 중 가장 뒤쪽에 있는, 즉 다물체 인식 장치(800)와 가장 근접한 거리에 대한 신규 위치 데이터(4)를 새로운 추적 위치 데이터 b2로 결정한다. 이렇게 결정된 추적 위치 데이터 a2 및 b2는 갱신 저장됨으로써, 첫 번째 인식 과정은 마무리된다. 이후, 다시 반복적으로 다물체 인식에 대한 두 번째 인식 과정을 거칠 수 있다.
이러한 결정 방식 결과, 차량 B에 대한 추적 위치 데이터가 b1에서 b2로 d2 만큼 뒤로 이동한 것을 확인할 수 있다.
도 5는 종래의 다물체 인식 방법에 따른 두 번째 인식 과정 중 신규 위치 데이터 획득 단계를 예시적으로 나타낸 도면이다.
도 5를 참조하면, 신규 위치 데이터를 획득하기 이전에, 앞선 첫 번째 인식 과정의 결과로서 저장된 2대의 차량(차량 A, 차량 B)에 대한 2개의 추적 위치 데이터(a2, b2)별로 2개의 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)이 설정되어 있다. 이때 설정된 2개의 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)은 서로 겹치도록 고정적으로 설정될 수 있다.
도 5를 참조하면, 신규 위치 데이터 획득 단계에서는, 차량 X에 탑재된 다물체 인식 장치는 다물체 인식 센서로부터 신규 위치 데이터(7, 8, 9, 10, 11 및 12)를 획득한다. 획득 시점에서, 네모로 표시된 6개의 신규 위치 데이터(7, 8, 9, 10, 11 및 12)가 차량 A에 의해 발생한 신규 위치 데이터인지 차량 B에 의해 발생한 신규 위치 데이터인지는 확인이 되지 않는다. 여기서, 신규 위치 데이터 8 및 9는 관련성 판단영역 A 및 관련성 판단영역 B에 모두 속하는 영역에 포함되는 데이터로서 간섭이 발생하는 신규 위치 데이터이다.
도 6은 종래의 다물체 인식 방법에 따른 두 번째 인식 과정 중 관련성 판단 단계를 예시적으로 나타낸 도면이다.
도 6을 참조하면, 전술한 신규 위치 데이터 획득 단계 이후, 관련성 판단 단계에서는, 차량 X에 탑재된 다물체 인식 장치는 2개의 추적 위치 데이터(a2, b2)와 6개의 신규 위치 데이터(7, 8, 9, 10, 11 및 12) 간의 거리에 근거하여, 6개의 신 규 위치 데이터의 상호 간의 관련성을 판단하고, 관련성의 판단 결과에 따라 6개의 신규 위치 데이터를 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)별로 분리한다.
도 6을 참조하면, 신규 위치 데이터(7, 8)는 추적 위치 데이터(b2)보다 추적 위치 데이터(a2)에 더 가까우므로 관련성 판단영역 A에 포함되는 것으로 분리된다. 즉, 신규 위치 데이터(9, 10, 11, 12)는 서로 관련성 있는 신규 위치 데이터 집합 A에 속하게 된다. 여기서, 신규 위치 데이터 9에 대한 위치는 첫 번째 인식 과정에서는 차량 A에 대한 위치 데이터였으나, 이번에는 차량 B에 대한 위치 데이터로 편입되었음을 확인할 수 있다.
도 6을 참조하면, 신규 위치 데이터(9, 10, 11, 12)는 추적 위치 데이터(a2)보다 추적 위치 데이터(b2)에 더 가까우므로 관련성 판단영역 B에 포함되는 것으로 분리된다. 즉, 신규 위치 데이터(9, 10, 11, 12)는 서로 관련성 있는 신규 위치 데이터 집합 B에 속하게 된다.
도 7은 종래의 다물체 인식 방법에 따른 두 번째 인식 과정 중 추적 위치 데이터 결정 단계를 예시적으로 나타낸 도면이다.
도 7을 참조하면, 전술한 관련성 판단 단계 이후, 추적 위치 데이터 결정 단계에서는, 차량 X에 탑재된 다물체 인식 장치는 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)별로 분리된 신규 위치 데이터(7, 8, 9, 10, 11 및 12)에 근거하여, 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터를 결정한다.
즉, 관련성 판단영역 A로 분리된 신규 위치 데이터(7, 8)를 토대로 관련성 판단영역 A에 대응되는 추적 위치 데이터를 a2에서 a3로 결정하고, 관련성 판단영역 B로 분리된 신규 위치 데이터(9, 10, 11 및 12)를 토대로 관련성 판단영역 B에 대응되는 추적 위치 데이터를 b2에서 b3로 결정한다.
이러한 결정 방식 결과, 차량 B에 대한 추적 위치 데이터가 b2에서 b3로 d3만큼 상당히 뒤로 이동한 것을 확인할 수 있다. 반복적으로 인식 과정을 수행함으로써, 이러한 현상은 더욱 심해지고, 심각한 경우에는 인식중인 물체를 잃어버리는 문제점이 발생할 수 있다.
이러한 문제점은 종래의 다물체 인식 방법에서 사용하는 관련성 판단영역이 고정되어 있기 때문에 발생하는데, 이러한 고정된 관련성 판단영역을 이용함으로써, 물체가 서로 근접한 경우 관련성 판단영역이 겹치는 현상이 발생할 수 있고, 그로 인해 신규 위치 데이터 간의 간섭이 발생하여 정상적인 물체 인식이 실패하는 문제점이 발생하는 것이다.
전술한 문제점을 해결하기 위해 본 발명은, 관련성 판단영역을 물체까지의 거리에 따라 가변적으로 설정하여 다물체 인식 방법에 이용함으로써, 물체가 서로 근접한 경우에도 관련성 판단영역이 겹치는 현상이 방지하고, 그로 인해 신규 위치 데이터 간의 간섭이 방지하여 정상적인 물체 인식이 가능하도록 하는데 주된 목적이 있다.
전술한 목적을 달성하기 위한 본 발명의 한 측면에 따르면, 복수 개의 물체별로 복수 개의 추적 위치 데이터가 저장되는 추적 위치 데이터 저장부; 상기 복수 개의 추적 위치 데이터별로 확인되는 거리에 근거하여, 상기 복수 개의 추적 위치 데이터별로 복수 개의 관련성 판단영역을 설정하는 관련성 판단영역 설정부; 복수 개의 신규 위치 데이터를 획득하는 신규 위치 데이터 획득부; 상기 복수 개의 추적 위치 데이터와 상기 복수 개의 신규 위치 데이터 간의 거리에 근거하여, 상기 복수 개의 신규 위치 데이터의 상호 간의 관련성을 판단하고, 상기 관련성의 판단 결과에 따라 상기 복수 개의 신규 위치 데이터를 상기 관련성 판단영역별로 분리하는 관련성 판단부; 및 상기 관련성 판단영역별로 분리된 신규 위치 데이터에 근거하여, 상기 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터를 결정하고, 상기 관련성 판단영역별로 결정된 새로운 추적 위치 데이터를 상기 추적 위치 데이터 저장부에 갱신 저장시키는 추적 위치 데이터 결정부를 포함하는 것을 특징으로 하는 다물체 인식 장치를 제공한다.
전술한 목적을 달성하기 위한 본 발명의 다른 한 측면에 따르면, 다물체 인식 장치가 제공하는 다물체 인식 방법에 있어서, (a) 복수 개의 물체별로 복수 개의 추적 위치 데이터가 저장되는 단계; (b) 상기 복수 개의 추적 위치 데이터별로 확인되는 거리에 근거하여, 상기 복수 개의 추적 위치 데이터별로 복수 개의 관련성 판단영역을 설정하는 단계; (c) 복수 개의 신규 위치 데이터를 획득하는 단계; (d) 상기 복수 개의 추적 위치 데이터와 상기 복수 개의 신규 위치 데이터 간의 거리에 근거하여, 상기 복수 개의 신규 위치 데이터의 상호 간의 관련성을 판단하고, 상기 관련성의 판단 결과에 따라 상기 복수 개의 신규 위치 데이터를 상기 관련성 판단영역별로 분리하는 단계; 및 (e) 상기 관련성 판단영역별로 분리된 신규 위치 데이터에 근거하여, 상기 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터를 결정하고, 상기 단계 (a)에 저장된 기존의 복수 개의 추적 위치 데이터를 상기 단계 (d)에서 상기 관련성 판단영역별로 결정된 새로운 추적 위치 데이터로 갱신 저장시키는 단계를 포함하는 것을 특징으로 하는 다물체 인식 방법을 제공한다.
이상에서 설명한 바와 같이 본 발명에 의하면, 관련성 판단영역을 물체까지의 거리에 따라 가변적으로 설정하여 다물체 인식 방법에 이용함으로써, 물체가 서로 근접한 경우에도 관련성 판단영역이 겹치는 현상이 방지하고, 그로 인해 신규 위치 데이터 간의 간섭이 방지하여 정상적인 물체 인식이 가능하도록 하는 효과가 있다.
이하, 본 발명의 일부 실시예들을 예시적인 도면을 통해 상세하게 설명한다. 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 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
도 8은 본 발명의 일 실시예에 따른 다물체 인식 장치(800)에 대한 블록구성도이다.
도 8을 참조하면, 본 발명의 일 실시예에 따른 다물체 인식 장치(800)는, 복수 개의 물체별로 복수 개의 추적 위치 데이터가 저장되는 추적 위치 데이터 저장부(810); 복수 개의 추적 위치 데이터별로 확인되는 거리에 근거하여, 복수 개의 추적 위치 데이터별로 복수 개의 관련성 판단영역을 설정하는 관련성 판단영역 설정부(820); 복수 개의 신규 위치 데이터를 획득하는 신규 위치 데이터 획득부(830); 복수 개의 추적 위치 데이터와 복수 개의 신규 위치 데이터 간의 거리에 근거하여, 복수 개의 신규 위치 데이터의 상호 간의 관련성을 판단하고, 관련성의 판단 결과에 따라 복수 개의 신규 위치 데이터를 상기 관련성 판단영역별로 분리하는 관련성 판단부(840); 및 관련성 판단영역별로 분리된 신규 위치 데이터에 근거하여, 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터를 결정하고, 관련성 판단영역별로 결정된 새로운 추적 위치 데이터를 추적 위치 데이터 저장부(810)에 갱신 저장시키는 추적 위치 데이터 결정부(850) 등을 포함한다.
전술한 추적 위치 데이터 저장부(810)에는 인식된 물체의 개수만큼 추적 위치 데이터가 저장되어 있다.
전술한 관련성 판단영역 설정부(820)는 복수 개의 추적 위치 데이터별로 확 인되는 거리가 가까울수록 해당 관련성 판단영역을 작게 설정하고, 복수 개의 추적 위치 데이터별로 확인되는 거리가 멀수록 해당 관련성 판단영역을 크게 설정한다. 여기서, 복수 개의 추적 위치 데이터별로 확인되는 거리는 다물체 인식 장치(800)로부터 복수 개의 물체까지의 거리이며, 이는 추적 위치 데이터로부터 확인될 수 있다. 즉, 특정 물체가 다물체 인식 장치(800) 또는 다물체 인식 센서로부터 멀어질 수록 다물체 인식 센서의 출력 정보가 부정확해지는 경향이 있으므로 먼거리에서는 비교적 큰 관련성 판단영역으로 설정하고, 가까운 영역에서는 위치 데이터 간의 상호 간섭의 문제가 발생하므로 관련성 판단영역의 크기를 작게 하는 것이다.
전술한 관련성 판단영역 설정부(820)는 복수 개의 추적 위치 데이터별로 확인되는 거리에 근거하여, 복수 개의 추적 위치 데이터별로 복수 개의 관련성 판단영역을 설정하되, 이렇게 설정된 복수 개의 관련성 판단영역이 서로 겹치지 않도록 영역 크기를 조절하여 설정한다. 이처럼 관련성 판단영역이 서로 겹치지 않도록 설정함으로써 신규 위치 데이터 간의 간섭을 방지할 수 있고, 이를 통해 인식 중인 물체를 잃어버리거나 잘못 인식하는 종래의 문제점을 해결할 수 있게 되는 것이다.
전술한 신규 위치 데이터 획득부(830)는 다물체 인식 센서에서 신호 처리된 복수 개의 신규 위치 데이터를 획득할 수 있다.
전술한 추적 위치 데이터 결정부(840)는 관련성 판단영역별로 분리된 신규 위치 데이터 중에서 다물체 인식 장치(800)로부터 가장 가까운 신규 위치 데이터를 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터로 결정할 수 있다.
관련성 판단부(840)는 복수 개의 추적 위치 데이터와 복수 개의 신규 위치 데이터 간의 거리에 근거하여, 복수 개의 신규 위치 데이터의 상호 간의 관련성을 판단할 때, 기존에 추적중인 물체의 추적 위치 데이터와 새롭게 측정된 신규 위치 데이터를 관련짓는 데 있어서 가장 가까운 쪽으로 처리하는 "Nearest Neighbor" 방법을 이용할 수 있다.
한편, 관련성 판단부(840)는 관련성의 판단 결과에 따라 복수 개의 신규 위치 데이터를 관련성 판단영역별로 분리하되, 복수 개의 신규 위치 데이터 중에서 설정된 관련성 판단영역별로 분리될 수 없는 신규 위치 데이터가 발생하면 새로운 물체가 출현한 것으로 판단한다.
관련성 판단부(840)에서 새로운 물체의 출현을 판단하면, 추적 위치 데이터 결정부는, 새로운 물체에 대한 신규 위치 데이터에 근거하여, 새로운 물체에 대한 추적 위치 데이터를 결정하여 추적 위치 데이터 저장부(810)에 저장시킨다.
이상에서 전술한 본 발명의 일 실시예에 따른 다물체 인식 장치(800)는, 일 예로서, 차량에 탑재되어 인식대상으로서 다른 차량(예: 선행차량)을 인식하는 장치일 수 있다. 이 경우, 다물체 인식 장치(800)는 '자동 순항시스템(ACC: Adaptive Cruise Control)' 또는 'STOP & GO 자동 순항시스템'에 포함되고, 추적 위치 데이터를 결정함으로써 선행차량을 인식하는 장치이다. 물론, 다물체 인식 장치(800)는 차량을 인식대상으로 하는 차량 인식 분야에 적용되는 것에 제한되지 않고, 여러 물체를 구분하여 인식해야하는 모든 기술 분야에 적용될 수 있을 것이다.
도 9는 본 발명의 일 실시예에 따른 다물체 인식 방법에 대한 흐름도이다.
도 9를 참조하면, 본 발명의 일 실시예에 따른 다물체 인식 장치(800)가 제 공하는 다물체 인식 방법은, 복수 개의 물체별로 복수 개의 추적 위치 데이터가 저장되는 단계(S900); 복수 개의 추적 위치 데이터별로 확인되는 거리에 근거하여, 복수 개의 추적 위치 데이터별로 복수 개의 관련성 판단영역을 설정하는 단계(S902); 복수 개의 신규 위치 데이터를 획득하는 단계(S904); 복수 개의 추적 위치 데이터와 복수 개의 신규 위치 데이터 간의 거리에 근거하여, 복수 개의 신규 위치 데이터의 상호 간의 관련성을 판단하고, 관련성의 판단 결과에 따라 복수 개의 신규 위치 데이터를 관련성 판단영역별로 분리하는 단계(S906); 및 관련성 판단영역별로 분리된 신규 위치 데이터에 근거하여, 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터를 결정하고, S900단계에서 저장된 기존의 복수 개의 추적 위치 데이터를 S906 단계에서 관련성 판단영역별로 결정된 새로운 추적 위치 데이터로 갱신 저장시키는 단계(S908) 등을 포함한다.
전술한 S900 단계, S902 단계, S904 단계, S906 단계 및 S908 단계를 모두 수행하면 한 차례의 인식 과정이 마무리된 것이다. 즉, 한 차례의 인식 과정을 통해, 추적중인 여러 물체에 대한 추적 위치 데이터를 한 차례 갱신한다.
이러한 한 차례의 인식 과정을 반복적으로 수행함으로써, 즉 추적 위치 데이터를 갱신하는 전술한 S908 단계 수행 이후, S900 단계부터 다시 수행함으로써 지속적인 다물체 인식을 통해 위치를 추적할 수 있다.
이상에서 전술한 본 발명의 일 실시예에 따른 다물체 인식 방법은 도 10 내지 도 18을 참조하여 예시적으로 설명한다.
도 10은 본 발명의 다물체 인식 방법을 예시적으로 설명하기 위한 환경을 예 시적으로 나타낸 도면이다.
도 10을 참조하면, 본 발명의 다물체 인식 방법을 예시적으로 설명하기 위해, 본 발명에 따른 다물체 인식 장치(800)가 차량 X에 탑재되어 있고, 탑재된 다물체 인식 장치(800)는 다물체 인식 대상으로서 2대의 차량(차량 A와 차량 B)에 대한 추적 위치 데이터를 결정함으로써 차량을 인식하고 그를 통해 위치를 추적하는 것을 가정한다.
또한, 도 11 내지 도 14를 참조하여 후술할 첫 번째 인식 과정 이전에, 차량 A는 세모로 표시된 "a1"이라는 추적 위치 데이터로 추적되고, 차량 B는 세모로 표시된 "b1"이라는 추적 위치 데이터로 추적되어, 각각의 추적 위치 데이터가 기존의 추적 위치로 저장되어 있는 것을 가정한다.
도 11은 본 발명의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 관련성 판단영역 설정 단계를 예시적으로 나타낸 도면이다.
도 11을 참조하면, 관련성 판단영역 설정 단계에서는, 차량 X에 탑재된 다물체 인식 장치(800)는 미리 저장된 2대의 차량(차량 A, 차량 B)에 대한 2개의 추적 위치 데이터(a1, b1)별로 확인되는 거리에 근거하여, 2개의 추적 위치 데이터(a1, b1)에 대한 2개의 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)을 설정한다. 이때, 2개의 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)은 서로 겹치지 않도록 영역 크기를 조절하여 설정된다.
도 12는 본 발명의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 신규 위치 데이터 획득 단계를 예시적으로 나타낸 도면이다.
도 12를 참조하면, 전술한 관련성 판단영역 설정 단계 이후, 신규 위치 데이터 획득 단계에서는, 차량 X에 탑재된 다물체 인식 장치(800)는 다물체 인식 센서로부터 신규 위치 데이터(1, 2, 3, 4, 5 및 6)를 획득한다. 획득 시점에서, 네모로 표시된 6개의 신규 위치 데이터(1, 2, 3, 4, 5 및 6)가 차량 A에 의해 발생한 신규 위치 데이터인지 차량 B에 의해 발생한 신규 위치 데이터인지는 확인이 되지 않는다.
도 13은 본 발명의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 관련성 판단 단계를 예시적으로 나타낸 도면이다.
도 13을 참조하면, 전술한 신규 위치 데이터 획득 단계 이후, 관련성 판단 단계에서는, 차량 X에 탑재된 다물체 인식 장치(800)는 2개의 추적 위치 데이터(a1, b1)와 6개의 신규 위치 데이터(1, 2, 3, 4, 5, 6) 간의 거리에 근거하여, 6개의 신규 위치 데이터의 상호 간의 관련성을 판단하고, 관련성의 판단 결과에 따라 6개의 신규 위치 데이터를 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)별로 분리한다.
도 13을 참조하면, 신규 위치 데이터(1, 2, 3, 4)는 추적 위치 데이터(b1)보다 추적 위치 데이터(a1)에 더 가까우므로 관련성 판단영역 A에 포함되는 것으로 분리된다. 즉, 신규 위치 데이터(1, 2, 3, 4)는 서로 관련성 있는 신규 위치 데이터 집합 A에 속하게 된다.
도 13을 참조하면, 신규 위치 데이터(5, 6)는 추적 위치 데이터(a1)보다 추적 위치 데이터(b1)에 더 가까우므로 관련성 판단영역 B에 포함되는 것으로 분리된 다. 즉, 신규 위치 데이터(5, 6)는 서로 관련성 있는 신규 위치 데이터 집합 B에 속하게 된다.
도 14는 본 발명의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 추적 위치 데이터 결정 단계를 예시적으로 나타낸 도면이다.
도 14를 참조하면, 전술한 관련성 판단 단계 이후, 추적 위치 데이터 결정 단계에서는, 차량 X에 탑재된 다물체 인식 장치(800)는 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)별로 분리된 신규 위치 데이터(1, 2, 3, 4, 5, 6)에 근거하여, 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터를 결정한다.
즉, 관련성 판단영역 A로 분리된 신규 위치 데이터(1, 2, 3, 4)를 토대로 관련성 판단영역 A에 대응되는 추적 위치 데이터를 a1에서 a2로 결정하고, 관련성 판단영역 B로 분리된 신규 위치 데이터(5, 6)를 토대로 관련성 판단영역 B에 대응되는 추적 위치 데이터를 b1에서 b2로 결정한다.
결정 방식은, 일 예로서, 관련성 판단영역 A로 분리된 신규 위치 데이터(1, 2, 3, 4) 중 가장 뒤쪽에 있는, 즉 다물체 인식 장치(800)와 가장 근접한 거리에 대한 신규 위치 데이터(1)를 새로운 추적 위치 데이터 a2로 결정하고, 관련성 판단영역 B로 분리된 신규 위치 데이터(5, 6) 중 가장 뒤쪽에 있는, 즉 다물체 인식 장치(800)와 가장 근접한 거리에 대한 신규 위치 데이터(5)를 새로운 추적 위치 데이터 b2로 결정한다. 이렇게 결정된 추적 위치 데이터 a2 및 b2는 갱신 저장됨으로써, 첫 번째 인식 과정은 마무리된다. 이후, 다시 반복적으로 다물체 인식에 대한 두 번째 인식 과정을 거칠 수 있다.
도 15는 본 발명의 다물체 인식 방법에 따른 두 번째 인식 과정 중 관련성 판단영역 설정 단계를 예시적으로 나타낸 도면이다. 도 15는, 도 11 내지 도 14를 참조하여 전술한 첫 번째 인식 과정 이후, 반복적으로 수행되는 두 번째 인식 과정에서의 관련성 판단영역 설정 단계를 나타낸 도면이다.
도 15를 참조하면, 두 번째 인식 과정에서의 관련성 판단영역 설정 단계에서는, 차량 X에 탑재된 다물체 인식 장치(800)는 미리 저장된 2대의 차량(차량 A, 차량 B)에 대한 2개의 추적 위치 데이터(a2, b2)별로 확인되는 거리에 근거하여, 2개의 추적 위치 데이터(a2, b2)에 대한 2개의 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)을 다시 설정한다. 이때, 2개의 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)은 서로 겹치지 않도록 영역 크기를 조절하여 설정된다.
도 16은 본 발명의 다물체 인식 방법에 따른 두 번째 인식 과정 중 신규 위치 데이터 획득 단계를 예시적으로 나타낸 도면이다.
도 16을 참조하면, 전술한 관련성 판단영역 설정 단계 이후, 두 번째 인식 과정에서의 신규 위치 데이터 획득 단계에서는, 차량 X에 탑재된 다물체 인식 장치(800)는 다물체 인식 센서로부터 신규 위치 데이터(7, 8, 9, 10, 11, 12)를 획득한다. 획득 시점에서, 네모로 표시된 6개의 신규 위치 데이터(7, 8, 9, 10, 11, 12)가 차량 A에 의해 발생한 신규 위치 데이터인지 차량 B에 의해 발생한 신규 위치 데이터인지는 확인이 되지 않는다.
도 17은 본 발명의 다물체 인식 방법에 따른 두 번째 인식 과정 중 관련성 판단 단계를 예시적으로 나타낸 도면이다.
도 17을 참조하면, 전술한 신규 위치 데이터 획득 단계 이후, 두 번째 인식 과정 중 관련성 판단 단계에서는, 차량 X에 탑재된 다물체 인식 장치(800)는 2개의 추적 위치 데이터(a2, b2)와 6개의 신규 위치 데이터(7, 8, 9, 10, 11, 12) 간의 거리에 근거하여, 6개의 신규 위치 데이터(7, 8, 9, 10, 11, 12)의 상호 간의 관련성을 판단하고, 관련성의 판단 결과에 따라 6개의 신규 위치 데이터를 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)별로 분리한다.
도 17을 참조하면, 신규 위치 데이터(7, 8, 9, 10)는 추적 위치 데이터(b2)보다 추적 위치 데이터(a2)에 더 가까우므로 관련성 판단영역 A에 포함되는 것으로 분리된다. 즉, 신규 위치 데이터(7, 8, 9, 10)는 서로 관련성 있는 신규 위치 데이터 집합 A에 속하게 된다.
도 17을 참조하면, 신규 위치 데이터(11, 12)는 추적 위치 데이터(a1)보다 추적 위치 데이터(b2)에 더 가까우므로 관련성 판단영역 B에 포함되는 것으로 분리된다. 즉, 신규 위치 데이터(11, 12)는 서로 관련성 있는 신규 위치 데이터 집합 B에 속하게 된다.
도 18은 본 발명의 다물체 인식 방법에 따른 두 번째 인식 과정 중 추적 위치 데이터 결정 단계를 예시적으로 나타낸 도면이다.
도 18을 참조하면, 전술한 관련성 판단 단계 이후, 추적 위치 데이터 결정 단계에서는, 차량 X에 탑재된 다물체 인식 장치(800)는 관련성 판단영역(관련성 판단영역 A, 관련성 판단영역 B)별로 분리된 신규 위치 데이터(7, 8, 9, 10, 11, 12)에 근거하여, 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터를 결정한다.
즉, 관련성 판단영역 A로 분리된 신규 위치 데이터(7, 8, 9, 10)를 토대로 관련성 판단영역 A에 대응되는 추적 위치 데이터를 a2에서 a3로 결정하고, 관련성 판단영역 B로 분리된 신규 위치 데이터(11, 12)를 토대로 관련성 판단영역 B에 대응되는 추적 위치 데이터를 b2에서 b3로 결정한다.
결정 방식은, 일 예로서, 관련성 판단영역 A로 분리된 신규 위치 데이터(7, 8, 9, 10) 중 가장 뒤쪽에 있는, 즉 다물체 인식 장치(800)와 가장 근접한 거리에 대한 신규 위치 데이터(7)를 새로운 추적 위치 데이터 a3로 결정하고, 관련성 판단영역 B로 분리된 신규 위치 데이터(11, 12) 중 가장 뒤쪽에 있는, 즉 다물체 인식 장치(800)와 가장 근접한 거리에 대한 신규 위치 데이터(11)를 새로운 추적 위치 데이터 b3로 결정한다. 이렇게 결정된 추적 위치 데이터 a3 및 b3는 갱신 저장됨으로써, 두 번째 인식 과정은 마무리된다. 이후, 전술한 인식 과정과 동일하게 다시 반복적으로 수행될 수 있다.
도 11 내지 도 18을 참조하여 예시적으로 설명한 다물체 인식 방법을 통해, 차량 A 및 차량 B에 대해 센싱된 신규 위치 데이터 간의 간섭을 방지하고 그로 인해 인식 중인 차량 A 및 차량 B를 잃어버리거나 잘못 인식하는 문제점이 해결된 것을 확인할 수 있다.
이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구 성 요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 저장매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 저장매체로서는 자기 기록매체, 광 기록매체, 캐리어 웨이브 매체 등이 포함될 수 있다.
또한, 이상에서 기재된 "포함하다", "구성하다" 또는 "가지다" 등의 용어는, 특별히 반대되는 기재가 없는 한, 해당 구성 요소가 내재될 수 있음을 의미하는 것이므로, 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것으로 해석되어야 한다. 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥 상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질 적인 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.
도 1은 종래의 다물체 인식 방법을 위한 환경을 예시적으로 나타낸 도면,
도 2는 종래의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 신규 위치 데이터 획득 단계를 예시적으로 나타낸 도면,
도 3은 종래의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 관련성 판단 단계를 예시적으로 나타낸 도면,
도 4는 종래의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 추적 위치 데이터 결정 단계를 예시적으로 나타낸 도면,
도 5는 종래의 다물체 인식 방법에 따른 두 번째 인식 과정 중 신규 위치 데이터 획득 단계를 예시적으로 나타낸 도면,
도 6은 종래의 다물체 인식 방법에 따른 두 번째 인식 과정 중 관련성 판단 단계를 예시적으로 나타낸 도면,
도 7은 종래의 다물체 인식 방법에 따른 두 번째 인식 과정 중 추적 위치 데이터 결정 단계를 예시적으로 나타낸 도면,
도 8은 본 발명의 일 실시예에 따른 다물체 인식 장치에 대한 블록구성도,
도 9는 본 발명의 일 실시예에 따른 다물체 인식 방법에 대한 흐름도,
도 10은 본 발명의 다물체 인식 방법을 예시적으로 설명하기 위한 환경을 예시적으로 나타낸 도면,
도 11은 본 발명의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 관련성 판단영역 설정 단계를 예시적으로 나타낸 도면,
도 12는 본 발명의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 신규 위치 데이터 획득 단계를 예시적으로 나타낸 도면,
도 13은 본 발명의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 관련성 판단 단계를 예시적으로 나타낸 도면,
도 14는 본 발명의 다물체 인식 방법에 따른 첫 번째 인식 과정 중 추적 위치 데이터 결정 단계를 예시적으로 나타낸 도면,
도 15는 본 발명의 다물체 인식 방법에 따른 두 번째 인식 과정 중 관련성 판단영역 설정 단계를 예시적으로 나타낸 도면,
도 16은 본 발명의 다물체 인식 방법에 따른 두 번째 인식 과정 중 신규 위치 데이터 획득 단계를 예시적으로 나타낸 도면,
도 17은 본 발명의 다물체 인식 방법에 따른 두 번째 인식 과정 중 관련성 판단 단계를 예시적으로 나타낸 도면,
도 18은 본 발명의 다물체 인식 방법에 따른 두 번째 인식 과정 중 추적 위치 데이터 결정 단계를 예시적으로 나타낸 도면이다.
< 도면의 주요 부분에 대한 부호의 설명 >
800: 다물체 인식 장치 810: 추적 위치 데이터 저장부
820: 관련성 판단영역 설정부 830: 신규 위치 데이터 획득부
840: 관련성 판단부 850: 추적 위치 데이터 결정부

Claims (9)

  1. 복수 개의 물체별로 복수 개의 추적 위치 데이터가 저장되는 추적 위치 데이터 저장부;
    상기 복수 개의 추적 위치 데이터별로 확인되는 거리에 근거하여, 상기 복수 개의 추적 위치 데이터별로 복수 개의 관련성 판단영역을 설정하는 관련성 판단영역 설정부;
    복수 개의 신규 위치 데이터를 획득하는 신규 위치 데이터 획득부;
    상기 복수 개의 추적 위치 데이터와 상기 복수 개의 신규 위치 데이터 간의 거리에 근거하여, 상기 복수 개의 신규 위치 데이터의 상호 간의 관련성을 판단하고, 상기 관련성의 판단 결과에 따라 상기 복수 개의 신규 위치 데이터를 상기 관련성 판단영역별로 분리하는 관련성 판단부; 및
    상기 관련성 판단영역별로 분리된 신규 위치 데이터에 근거하여, 상기 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터를 결정하고, 상기 관련성 판단영역별로 결정된 새로운 추적 위치 데이터를 상기 추적 위치 데이터 저장부에 갱신 저장시키는 추적 위치 데이터 결정부
    를 포함하는 것을 특징으로 하는 다물체 인식 장치.
  2. 제 1항에 있어서,
    상기 관련성 판단영역 설정부는,
    상기 복수 개의 추적 위치 데이터별로 확인되는 거리가 가까울수록 해당 관련성 판단영역을 작게 설정하고, 상기 복수 개의 추적 위치 데이터별로 확인되는 거리가 멀수록 해당 관련성 판단영역을 크게 설정하되, 상기 복수 개의 추적 위치 데이터별로 확인되는 거리는 상기 다물체 인식 장치로부터의 거리인 것을 특징으로 하는 다물체 인식 장치.
  3. 제 1항에 있어서,
    상기 관련성 판단영역 설정부는,
    상기 복수 개의 추적 위치 데이터별로 확인되는 거리에 근거하여, 상기 복수 개의 추적 위치 데이터별로 복수 개의 관련성 판단영역을 설정하되, 상기 설정된 복수 개의 관련성 판단영역이 서로 겹치지 않도록 영역 크기를 조절하여 설정하는 것을 특징으로 하는 다물체 인식 장치.
  4. 제 1항에 있어서,
    상기 신규 위치 데이터 획득부는,
    다물체 인식 센서에서 신호 처리된 상기 복수 개의 신규 위치 데이터를 획득하는 것을 특징으로 하는 다물체 인식 장치.
  5. 제 1항에 있어서.
    상기 추적 위치 데이터 결정부는,
    상기 관련성 판단영역별로 분리된 신규 위치 데이터 중에서 상기 다물체 인식 장치로부터 가장 가까운 신규 위치 데이터를 상기 관련성 판단영역별로 대응하는 상기 새로운 추적 위치 데이터로 결정하는 것을 특징으로 하는 다물체 인식 장치.
  6. 제 1항에 있어서,
    상기 관련성 판단부는,
    상기 복수 개의 추적 위치 데이터와 상기 복수 개의 신규 위치 데이터 간의 거리에 근거하여, 상기 복수 개의 신규 위치 데이터의 상호 간의 관련성을 판단하고, 상기 관련성의 판단 결과에 따라 상기 복수 개의 신규 위치 데이터를 상기 관련성 판단영역별로 분리하되,
    상기 복수 개의 신규 위치 데이터 중에서 상기 관련성 판단영역별로 미분리되는 신규 위치 데이터가 발생하면 새로운 물체가 출현한 것으로 판단하는 것을 특징으로 하는 다물체 인식 장치.
  7. 제 6항에 있어서,
    상기 추적 위치 데이터 결정부는,
    상기 새로운 물체에 대한 상기 신규 위치 데이터에 근거하여, 상기 새로운 물체에 대한 추적 위치 데이터를 결정하여 상기 추적 위치 데이터 저장부에 저장시키는 것을 특징으로 하는 다물체 인식 장치.
  8. 제 1항에 있어서,
    상기 다물체 인식 장치는,
    자동 순항시스템(ACC: Adaptive Cruise Control)에 포함되고, 추적 위치 데이터를 결정함으로써 선행차량을 인식하는 것을 특징으로 하는 다물체 인식 장치.
  9. 다물체 인식 장치가 제공하는 다물체 인식 방법에 있어서,
    (a) 복수 개의 물체별로 복수 개의 추적 위치 데이터가 저장되는 단계;
    (b) 상기 복수 개의 추적 위치 데이터별로 확인되는 거리에 근거하여, 상기 복수 개의 추적 위치 데이터별로 복수 개의 관련성 판단영역을 설정하는 단계;
    (c) 복수 개의 신규 위치 데이터를 획득하는 단계;
    (d) 상기 복수 개의 추적 위치 데이터와 상기 복수 개의 신규 위치 데이터 간의 거리에 근거하여, 상기 복수 개의 신규 위치 데이터의 상호 간의 관련성을 판단하고, 상기 관련성의 판단 결과에 따라 상기 복수 개의 신규 위치 데이터를 상기 관련성 판단영역별로 분리하는 단계; 및
    (e) 상기 관련성 판단영역별로 분리된 신규 위치 데이터에 근거하여, 상기 관련성 판단영역별로 대응하는 새로운 추적 위치 데이터를 결정하고, 상기 단계 (a)에 저장된 기존의 복수 개의 추적 위치 데이터를 상기 단계 (d)에서 상기 관련성 판단영역별로 결정된 새로운 추적 위치 데이터로 갱신 저장시키는 단계
    를 포함하는 것을 특징으로 하는 다물체 인식 방법.
KR1020080095875A 2008-09-30 2008-09-30 다물체 인식 방법 및 그 장치 KR101239566B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080095875A KR101239566B1 (ko) 2008-09-30 2008-09-30 다물체 인식 방법 및 그 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080095875A KR101239566B1 (ko) 2008-09-30 2008-09-30 다물체 인식 방법 및 그 장치

Publications (2)

Publication Number Publication Date
KR20100036585A KR20100036585A (ko) 2010-04-08
KR101239566B1 true KR101239566B1 (ko) 2013-03-05

Family

ID=42214067

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080095875A KR101239566B1 (ko) 2008-09-30 2008-09-30 다물체 인식 방법 및 그 장치

Country Status (1)

Country Link
KR (1) KR101239566B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008097126A (ja) 2006-10-06 2008-04-24 Aisin Seiki Co Ltd 移動物体認識装置、移動物体認識方法及びコンピュータプログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008097126A (ja) 2006-10-06 2008-04-24 Aisin Seiki Co Ltd 移動物体認識装置、移動物体認識方法及びコンピュータプログラム

Also Published As

Publication number Publication date
KR20100036585A (ko) 2010-04-08

Similar Documents

Publication Publication Date Title
JP6246609B2 (ja) 自己位置推定装置及び自己位置推定方法
EP2784762A1 (en) Vehicle identification device
CN107153854B (zh) 一种基于超高频rfid技术的自动化图书盘点方法
US20200110173A1 (en) Obstacle detection method and device
EP1664837A1 (en) Object detection system and object detection method
KR102569900B1 (ko) 전방위 센서퓨전 장치 및 그의 센서퓨전 방법과 그를 포함하는 차량
US20200180646A1 (en) Sensor fusion target prediction device and method for vehicles and vehicle including the device
US10796166B2 (en) Information processing for aggregating sensor information about persons entering and exiting a venue
JP2009109293A (ja) 目標追尾装置及び目標観測システム及び目標追尾方法及びプログラム
KR101239566B1 (ko) 다물체 인식 방법 및 그 장치
US11645853B2 (en) Driving lane determination apparatus and method
US20080239097A1 (en) Image Processing Apparatus and Image Processing Method
CN116734891A (zh) 交会成像敏感器测量数据的有效性判断方法和装置
US11933887B2 (en) Apparatus and method for controlling radar
CN111142101A (zh) 一种数据关联方法
JP6076113B2 (ja) 航跡相関装置
CN115575942A (zh) 激光雷达数据和毫米波雷达数据的融合方法及融合系统
CN117940800A (zh) 用于解决雷达网络中的角度多义性的方法
CN115014366A (zh) 一种目标融合方法、装置、车辆及存储介质
JP2005083867A (ja) 目標追尾装置
CN110568400B (zh) 抽屉内物品标签在读写器移动方向轴的粗定位方法
CN113625249A (zh) 反光板定位方法、机器人及计算机可读存储介质
US11555913B2 (en) Object recognition device and object recognition method
KR101377805B1 (ko) 분류기 선택 방법 및 그 장치
CN103383465A (zh) 一种基于相关器特征输出的信息融合方法

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: 20151222

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20161222

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20171222

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20181226

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20191219

Year of fee payment: 8