KR101381737B1 - 다양한 검증 기법이 복합된 전방 차량 영역 검증방법 및 장치 - Google Patents

다양한 검증 기법이 복합된 전방 차량 영역 검증방법 및 장치 Download PDF

Info

Publication number
KR101381737B1
KR101381737B1 KR1020120097717A KR20120097717A KR101381737B1 KR 101381737 B1 KR101381737 B1 KR 101381737B1 KR 1020120097717 A KR1020120097717 A KR 1020120097717A KR 20120097717 A KR20120097717 A KR 20120097717A KR 101381737 B1 KR101381737 B1 KR 101381737B1
Authority
KR
South Korea
Prior art keywords
vehicle
candidate regions
verification
region
vehicle candidate
Prior art date
Application number
KR1020120097717A
Other languages
English (en)
Other versions
KR20140030933A (ko
Inventor
송혁
최진모
박상현
민수영
Original Assignee
전자부품연구원
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 전자부품연구원 filed Critical 전자부품연구원
Priority to KR1020120097717A priority Critical patent/KR101381737B1/ko
Publication of KR20140030933A publication Critical patent/KR20140030933A/ko
Application granted granted Critical
Publication of KR101381737B1 publication Critical patent/KR101381737B1/ko

Links

Images

Classifications

    • 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
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
    • B60W50/0205—Diagnosing or detecting failures; Failure detection models
    • B60W2050/021—Means for detecting failure or malfunction
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

다양한 검증 기법이 복합된 전방 차량 영역 검증방법 및 장치가 제공된다. 본 발명의 실시예에 따른 차량 영역 검증 방법은, 현재 영상에서 차량 후보 영역들을 추출하고, 추출된 차량 후보 영역들의 형태를 분석하여 실제 차량이 존재하는 차량 영역인지 검증하는 한다. 이에 의해, 차량 미검출 또는 오검출을 줄일 수 있게 된다.

Description

다양한 검증 기법이 복합된 전방 차량 영역 검증방법 및 장치{Method and Apparatus for Verifying Front Vehicle Region by Combining Various Verification Scheme}
본 발명은 전방 차량 영역 검증방법 및 장치에 관한 것으로, 더욱 상세하게는 차량으로부터 촬영된 전방 영상으로부터 검출된 전방 차량 후보 영역들에 실제 차량들이 존재하는지 검증하기 위한 방법 및 장치에 관한 것이다.
영상에서 차량을 검출하는 대표적인 방법으로, Haar 기법, adaboost 기법, SVM 기법, Template Matching 기법 등의 객체 인식 기법이 일반적이다. 하지만, 위 기법들에 의하면, 차량이 존재하나 검출하지 못하는 경우, 그리고 차량이 없으나 차량으로 검출하는 경우가 빈번하게 발생한다.
이는, 단순한 특징점을 이용하여 차량 검출을 수행한 결과로 분석된다. 즉, 기존의 특징점을 이용한 차량 검출은 오류로 인한 문제에서 자유롭지 못하다는 문제가 있다.
도 1에서는 차량 검출 결과를 예시하였고, 도 2에서는 차량 오검출 및 부분 검출 결과를 예시하였다.
도 2에 도시된 차량 오검출 등이 발생하는 경우, 탑승자에게 잘못된 정보를 제공함은 물론, 잘못된 차량 제어로 이어져 탑승자와 차량의 안전을 위협할 수 있기 때문에, 이를 줄이기 위한 방안의 모색이 요청된다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 영상에서 차량 미검출 또는 오검출을 줄이기 위한 방안으로, 차량 후보 영역들의 형태를 분석하여 차량 영역인지 검증하는 차량 영역 검증 방법 및 장치를 제공함에 있다.
또한, 본 발명은 다양한 검증 기법을 복합적으로 적용하여, 차량 영역을 보다 정확하게 검증하기 위한 차량 후보 영역 검증방법 및 장치를 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 차량 영역 검증 방법은, 현재 영상에서 차량 후보 영역들을 추출하는 단계; 및 상기 추출단계에서 추출된 차량 후보 영역들의 형태를 분석하여, 실제 차량이 존재하는 차량 영역인지 검증하는 제1 검증단계;를 포함한다.
그리고, 상기 제1 검증 단계는, 상기 차량 후보 영역들에 대한 에지 영상들을 생성하는 단계; 상기 에지 영상들로부터 단방향 에지 영상들을 생성하는 단계; 및 상기 수평 방향 에지 영상들과 차량의 단방향 에지 영상을 비교하여, 상기 차량 후보 영역들이 차량 영역인지 검증하는 단계;를 포함할 수 있다.
또한, 상기 단방향은, 수평 방향일 수 있다.
그리고, 본 발명의 일 실시예에 따른 차량 영역 검증 방법은, 상기 제1 검증 단계에서 차량 영역으로 검증된 제1 차량 후보 영역들이 차량 영역인지 검증하는 제2 검증단계;를 더 포함하고, 상기 제2 검증단계는, 상기 제1 차량 후보 영역들에서 차폭을 계산하는 제1 계산단계; 상기 제1 차량 후보 영역들에서 차량 거리를 계산하는 제2 계산단계; 및 상기 제1 계산단계에서 계산된 차폭 및 상기 제2 계산단계에서 계산된 차량 거리를 참고로, 상기 제1 차량 후보 영역들 중 차량 영역이 아닌 제1 차량 후보 영역들을 배제시키는 단계;를 포함할 수 있다.
또한, 상기 제2 검증단계는, 도로의 소실점으로부터 임계 거리 이내에 존재하는 제1 차량 후보 영역들을 배제시키는 단계;를 더 포함할 수 있다.
그리고, 본 발명의 일 실시예에 따른 차량 영역 검증 방법은, 상기 제2 검증 단계에서 차량 영역으로 검증된 제2 차량 후보 영역들이 차량 영역인지 검증하는 제3 검증단계;를 더 포함하고, 상기 제3 검증단계는, 이전 영상들을 참고하여, 상기 제2 차량 후보 영역들의 움직임 정보를 산출하는 단계; 및 상기 움직임 정보에 의해 시간적 인과성 없이 발생한 것으로 판단된 제2 차량 후보 영역들을 배제시키는 단계;를 포함할 수 있다.
이상 설명한 바와 같이, 본 발명에 따르면, 차량 후보 영역들의 형태를 분석하여 차량 영역인지 검증할 수 있게 되므로, 영상에서 차량 미검출 또는 오검출을 줄일 수 있게 된다. 또한, 본 발명에 따르면, 다양한 검증 기법을 복합적으로 적용할 수 있어, 차량 영역을 보다 더 정확하게 검증할 수 있게 된다.
도 1은 차량 검출 결과를 예시한 이미지,
도 2는 차량 오검출 및 부분 검출 결과를 예시한 이미지,
도 3은 본 발명의 일 실시예에 따른 전방 차량 검출장치의 블럭도,
도 4는, 본 실시예에 따른 전방 차량 검출장치에 의한 차량 검출 결과를 예시한 이미지,
도 5 및 도 6은 형태 비교에 의한 차량 후보 영역 검증의 부연 설명에 제공되는 이미지, 그리고,
도 7는 본 발명의 다른 실시예에 따른 전방 차량 영역 검증방법의 설명에 제공되는 흐름도이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
도 3은 본 발명의 일 실시예에 따른 전방 차량 검출장치의 블럭도이다. 본 실시예에 따른 전방 차량 검출장치(100)는 차량 전방을 촬영하여 생성한 영상으로부터 차량이 존재하는 차량 영역들을 검출하여 검증하기 위한 장치이다.
이 과정에서, 본 실시예에 따른 전방 차량 검출장치(100)는, 다양한 검증 기법을 복합적으로 적용하면서, 다수의 차량 후보 영역들에 대해 실제 차량이 존재하는 차량 영역이 맞는지 검증한다.
도 4에는, 본 실시예에 따른 전방 차량 검출장치(100)에 의한 차량 검출 결과를 예시하였다. 도 4에서 회색 박스들은 차량 후보 영역들이고, 붉은 박스는 차량 후보 영역들에 대한 복합적인 검증 과정을 통해 실제 차량이 존재하는 것으로 검증된 차량 영역이다.
이와 같은 기능을 수행하는 전방 차량 검출장치(100)는, 도 3에 도시된 바와 같이, 영상 입력부(110), 차량 후보 영역 추출부(120) 및 차량 영역 검증부(130)를 구비한다.
영상 입력부(110)는 차량 전방을 촬영하는 카메라에 의해 생성된 영상을 입력받아 전처리 및 기본적인 영상 처리를 수행한다.
차량 후보 영역 추출부(120)는 영상 입력부(110)로부터 인가되는 현재 영상으로부터 차량 후보 영역들을 추출한다. 차량 후보 영역 추출은, Haar 기법, adaboost 기법, SVM 기법, HoG 기법, Template Matching 기법 등과 같은 특징점 검출/비교 기반의 객체 인식 기법을 수행가능하다.
차량 영역 검증부(130)는 차량 후보 영역 추출부(120)에 의해 추출된 차량 후보 영역들에 대해 실체 차량이 존재하는 차량 영역인지 검증한다. 차량 영역 검증부(130)에 의해 검증된 차량 영역들에 대한 정보는 차량의 ECU(Electronic Control Unit)로 전달되어 차량 제어에 이용된다.
이와 같은 기능을 수행하는, 차량 영역 검증부(130)는 형태 검증부(131), 차폭 검증부(132) 및 시간 검증부(133)를 포함한다.
형태 검증부(131)는 차량 후보 영역 추출부(120)에서 추출된 차량 후보 영역들의 형태 비교를 통해 차량 영역을 1차적으로 검증한다.
이를 위해, 형태 검증부(131)는 먼저 차량 후보 영역들에 대한 에지 영상들을 생성한 후, 에지 영상들로부터 단방향 에지 영상들을 생성한다. 차량 검출의 경우 수평 방향의 에지 영상이 가장 적합하므로, 단방향 에지 영상들을 수평 에지 영상들로 하는 것이 바람직하지만, 이외의 경우를 배제하는 것은 아니다. 수평 에지 영상은 에지 영상에서 수평 에지들만을 추출하여 생성할 수 있다.
수평 에지 영상은, Canny 필터, HOG 기법, 허프 변환 등을 이용하여 생성 가능하다.
도 5의 좌측에는 에지 영상을 예시하였고, 우측에는 수평 에지 영상을 예시하였다. 도 5에서는 영상을 예시하였지만, 형태 검증부(131)에 의해 생성되는 에지 영상들은 영역 단위임에 유념하여야 한다.
이후, 형태 검증부(131)는 수평 에지 영상들과 차량의 수평 에지 영상을 비교하여, 차량 후보 영역들이 차량 영역인지 1차적으로 검증한다. 이와 같이 수평 에지 영상을 비교하는 것은, 연산량을 줄이기 위함이다.
도 6의 좌측에는 차량의 에지 영상을 예시하였고, 도 6의 중앙에는 차량의 수평 에지 영상을 예시하였다. 차량의 수평 에지 영상은 차량의 에지 영상에서 수평 에지들만을 추출하여 생성가능하다.
도 6의 우측에는 검증 맵을 도시하였다. 검증 맵은 차량 후보 영역에 대한 수평 에지 영상과 차량의 수평 에지 영상의 비교 결과, 차량으로 판단된 경우에는 "+1"를 누적시키고, 차량이 아닌 것으로 판단되는 경우에는 "-1"을 누적시킨 맵이다.
이와 같은 방식에 의해 검증 맵을 생성하는 경우, 양수로 누적된 영역은 차량 영역이고, 음수로 누적된 영역은 비차량 영역으로 인식될 수 있다.
차폭 검증부(132)는 형태 검증부(131)에서 차량 영역으로 검증된 차량 후보 영역들에서 차폭을 계산하여, 차량 영역이 맞는지 2차적으로 검증한다.
이를 위해, 차폭 검증부(132)는 형태 검증부(131)에서 차량 영역으로 검증된 차량 후보 영역들에서 차량을 검출하여, 차폭과 차량 거리(사용자의 차량과 검출된 차량까지의 거리)를 계산한다.
차폭 계산은 차량의 수직 에지 성분들을 추출하고 추출된 수직 에지 성분들 간의 최대 너비로써 계산가능하다. 차량 거리는 차폭과 도로 소실점으로부터 차량까지의 거리를 이용하여 산출할 수 있다.
그리고, 차폭 검증부(132)는 계산된 차폭과 차량 거리의 관계가 비정상적인 차량 후보 영역들을 배제시킨다. 예를 들어, 차량 거리가 1Km인 경우 차폭이 2~5cm가 정상적임에도 불구하고, 차폭이 20cm로 계산된 경우이다. 이 경우, 차량 후보 영역에는 차량이 아닌 다른 물체가 있는 것으로 판단하여, 그 차량 후보 영역을 배제시킨다.
한편, 차폭 검증부(132)는 도로의 소실점으로부터 임계 거리 이내에 존재하는 차량 후보 영역들을 배제시킨다. 이는, 도로의 소실점(지평선에서 도로가 소실되므로, 지평선과 도로가 만나는 지점임) 부근에 존재하는 차량은 너무 작아 검출이 되지 않기 때문이다. 즉, 도로의 소실점 부근에 존재하는 차량 후보 영역들에는 차량이 존재하지 않을 가능성이 크다.
시간 검증부(133)는 차폭 검증부(132)에 의해 차량 영역으로 검증된 차량 후보 영역들에 대한 시간적 인과성을 기초로, 차량 영역이 맞는지 3차적으로 검증한다.
이를 위해, 시간 검증부(133)는 이전 영상들을 참고하여, 차량 후보 영역들의 움직임 정보를 산출한다. 산출된 움직임 정보를 참조하면, 시간 진행에 따른 차량 후보 영역들의 움직임을 파악하고 예측할 수 있다.
따라서, 시간 검증부(133)는 움직임 정보에 의해 시간적 인과성 없이 갑작스럽게 발생한 차량 후보 영역들을 파악할 수 있는데, 이 차량 후보 영역들은 실제 차량 등장에 의해 발생한 것이 아닐 가능성이 높으므로 배제시킨다.
도 7는 본 발명의 다른 실시예에 따른 전방 차량 영역 검증방법의 설명에 제공되는 흐름도이다.
도 7에 도시된 바와 같이, 먼저 영상 입력부(110)가 차량 전방을 촬영하는 카메라에 의해 생성된 영상을 입력받아 전처리 및 기본적인 영상 처리를 수행하면(S210), 차량 후보 영역 추출부(120)는 S210단계에서 입력된 현재 영상으로부터 차량 후보 영역들을 추출한다(S220).
이후, S220단계에서 추출된 차량 후보 영역들에 대해, 차량 영역 검증부(130)의 형태 검증부(131)에 의한 형태 검증 절차가 수행된다(S230).
구체적으로 S230단계에서는, 형태 검증부(131)가 차량 후보 영역들에 대한 에지 영상들을 생성하고(S231), 에지 영상들로부터 수평 에지 영상들을 생성하여(S232), 수평 에지 영상들과 차량의 수평 에지 영상을 비교하여, 차량 후보 영역들이 차량 영역인지 검증한다(S233).
이후, S230단계에서 검증된 차량 후보 영역들에 대해, 차폭 검증부(132)에 의한 차폭 검증 절차가 수행된다(S240).
구체적으로 S240단계에서는, 차폭 검증부(132)는 S233단계에서 차량 영역으로 검증된 차량 후보 영역들에서 차량을 검출하여, 차폭과 차량 거리를 계산한다(S241, S242).
차폭 검증부(132)는 도로의 소실점으로부터 임계 거리 이내에 존재하는 차량 후보 영역들을 배제시킨다(S243). 그리고, 차폭 검증부(132)는 S241단계에서 계산된 차폭과 S242단계에서 계산된 차량 거리의 관계가 비정상적인 차량 후보 영역들을 배제시킨다(S244).
이후, S240단계에서 검증된 차량 후보 영역들에 대해, 시간 검증부(133)에 의한 시간적 인과성 검증 절차가 수행된다(S250).
구체적으로 S250단계에서는, 시간 검증부(133)가 이전 영상들을 참고하여, 차량 후보 영역들의 움직임 정보를 산출하고(S251), 움직임 정보에 의해 시간적 인과성 없이 갑작스럽게 발생한 차량 후보 영역들을 배제시킨다(S252).
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
110 : 영상 입력부 120 : 차량 후보 영역 추출부
130 : 차량 영역 검증부 131 : 형태 검증부
132 : 차폭 검증부 133 : 시간 검증부

Claims (6)

  1. 현재 영상에서 차량 후보 영역들을 추출하는 단계;
    상기 추출단계에서 추출된 차량 후보 영역들의 형태를 분석하여, 실제 차량이 존재하는 차량 영역인지 검증하는 제1 검증단계;
    상기 제1 검증 단계에서 차량 영역으로 검증된 제1 차량 후보 영역들의 차폭을 기초로, 상기 제1 차량 후보 영역들이 차량 영역인지 검증하는 제2 검증단계; 및
    상기 제2 검증 단계에서 차량 영역으로 검증된 제2 차량 후보 영역들이 차량 영역인지 검증하는 제3 검증단계;를 포함하고,
    상기 제3 검증단계는,
    이전 영상들을 참고하여, 상기 제2 차량 후보 영역들의 움직임 정보를 산출하는 단계; 및
    상기 움직임 정보에 의해 시간적 인과성 없이 발생한 것으로 판단된 제2 차량 후보 영역들을 배제시키는 단계;를 포함하는 것을 특징으로 하는 차량 영역 검증 방법.
  2. 제 1항에 있어서,
    상기 제1 검증 단계는,
    상기 차량 후보 영역들에 대한 에지 영상들을 생성하는 단계;
    상기 에지 영상들로부터 단방향 에지 영상들을 생성하는 단계; 및
    상기 단방향 에지 영상들과 차량의 단방향 에지 영상을 비교하여, 상기 차량 후보 영역들이 차량 영역인지 검증하는 단계;를 포함하는 것을 특징으로 하는 차량 영역 검증 방법.
  3. 제 2항에 있어서,
    상기 단방향은,
    수평 방향인 것을 특징으로 하는 차량 영역 검증 방법.
  4. 제 1항에 있어서,
    상기 제2 검증단계는,
    상기 제1 차량 후보 영역들에서 차폭을 계산하는 제1 계산단계;
    상기 제1 차량 후보 영역들에서 차량 거리를 계산하는 제2 계산단계;
    상기 제1 계산단계에서 계산된 차폭 및 상기 제2 계산단계에서 계산된 차량 거리를 참고로, 상기 제1 차량 후보 영역들 중 차량 영역이 아닌 제1 차량 후보 영역들을 배제시키는 단계;를 포함하는 것을 특징으로 하는 차량 영역 검증 방법.
  5. 제 4항에 있어서,
    상기 제2 검증단계는,
    도로의 소실점으로부터 임계 거리 이내에 존재하는 제1 차량 후보 영역들을 배제시키는 단계;를 더 포함하는 것을 특징으로 하는 차량 영역 검증 방법.
  6. 삭제
KR1020120097717A 2012-09-04 2012-09-04 다양한 검증 기법이 복합된 전방 차량 영역 검증방법 및 장치 KR101381737B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120097717A KR101381737B1 (ko) 2012-09-04 2012-09-04 다양한 검증 기법이 복합된 전방 차량 영역 검증방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120097717A KR101381737B1 (ko) 2012-09-04 2012-09-04 다양한 검증 기법이 복합된 전방 차량 영역 검증방법 및 장치

Publications (2)

Publication Number Publication Date
KR20140030933A KR20140030933A (ko) 2014-03-12
KR101381737B1 true KR101381737B1 (ko) 2014-04-07

Family

ID=50643277

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120097717A KR101381737B1 (ko) 2012-09-04 2012-09-04 다양한 검증 기법이 복합된 전방 차량 영역 검증방법 및 장치

Country Status (1)

Country Link
KR (1) KR101381737B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102237552B1 (ko) * 2015-10-05 2021-04-07 현대자동차주식회사 차량 추돌 위험 시 제어 장치 및 제어 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003178291A (ja) * 2001-12-10 2003-06-27 Daihatsu Motor Co Ltd 前方車両認識装置及び認識方法
KR20110048962A (ko) * 2009-11-04 2011-05-12 주식회사 만도 차량 인식 방법 및 장치
KR20120062137A (ko) * 2010-12-06 2012-06-14 주식회사 만도 차량인식시스템
KR20120065558A (ko) * 2010-12-13 2012-06-21 재단법인대구경북과학기술원 관심영역 설정을 이용한 도로상 차량의 검출방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003178291A (ja) * 2001-12-10 2003-06-27 Daihatsu Motor Co Ltd 前方車両認識装置及び認識方法
KR20110048962A (ko) * 2009-11-04 2011-05-12 주식회사 만도 차량 인식 방법 및 장치
KR20120062137A (ko) * 2010-12-06 2012-06-14 주식회사 만도 차량인식시스템
KR20120065558A (ko) * 2010-12-13 2012-06-21 재단법인대구경북과학기술원 관심영역 설정을 이용한 도로상 차량의 검출방법

Also Published As

Publication number Publication date
KR20140030933A (ko) 2014-03-12

Similar Documents

Publication Publication Date Title
JP6458734B2 (ja) 乗車人数計測装置、乗車人数計測方法および乗車人数計測プログラム
US10943131B2 (en) Image based lane marking classification
US8902053B2 (en) Method and system for lane departure warning
US20150222859A1 (en) Vehicle detection method and system including irrelevant window elimination and/or window score degradation
US20170032676A1 (en) System for detecting pedestrians by fusing color and depth information
Ding et al. An adaptive road ROI determination algorithm for lane detection
US8385601B2 (en) In-vehicle white line recognition apparatus
KR20160137247A (ko) 횡단보도 인식 결과를 이용한 안내 정보 제공 장치 및 방법
JP2016148962A (ja) 物体検知装置
CN106650567B (zh) 一种安全带检测方法和装置
US20150348275A1 (en) Boundary line recognition apparatus and branch road determination apparatus
KR20150002038A (ko) 하라이크 특징과 아다브스트에 기반한 칼만 필터와 클러스터링 알고리즘을 이용하여 실시간으로 차량을 인식 및 추적하는 방법
Kumtepe et al. Driver aggressiveness detection via multisensory data fusion
JP2014009975A (ja) ステレオカメラ
KR102372296B1 (ko) 영상 기반 주행 차로 판단 장치 및 방법
KR101471814B1 (ko) 홍채 인식에 의한 식별
Sun et al. A robust lane detection method for autonomous car-like robot
JP2014146267A (ja) 歩行者検出装置、運転支援装置
KR102100047B1 (ko) 차선 끝점 검출 알고리즘을 이용한 차량 위치 인식 시스템 및 상기 차선 끝점 검출 알고리즘의 성능을 평가하는 방법
KR101205565B1 (ko) 영상을 이용한 전후방 차량 검출 방법
KR101381737B1 (ko) 다양한 검증 기법이 복합된 전방 차량 영역 검증방법 및 장치
Espino et al. Rail and turnout detection using gradient information and template matching
Gu et al. Robust road lane detection using extremal-region enhancement
Yang et al. A new method of vision-based seat belt detection
Yuan et al. A robust vanishing point estimation method for lane detection

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
FPAY Annual fee payment

Payment date: 20161229

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20171207

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190304

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20200115

Year of fee payment: 7