KR101411893B1 - 도로표지 영상에서의 방향정보 자동인식 방법 - Google Patents

Abstract

도로표지 내의 방향정보를 자동으로 신속 정확하게 인식 및 추출할 수 있는 방법으로서, (a) 도로표지 영상을 이진 영상(binary image)으로 변환하는 단계, (b) 상기 이진 영상에 대해 적어도 2개 방향으로 라인 스캔(line scan)을 실행하여 연속 셀을 검출하는 단계, (c) 상기 각 방향에서 검출된 셀을 합성하여 시드 영역(seed region)을 추출하는 단계, (d) 상기 시드 영역에 대해 영역 확장(region growing)을 실행하여 방향정보 영역을 검출하는 단계, 및 (e) 상기 방향정보 영역에 대해 영상 정합을 실행하여, 방향정보를 추출하는 단계를 포함하여 이루어진다.

Description

도로표지 영상에서의 방향정보 자동인식 방법{Automatic Recognition Method of Direction Information in Road Sign Image}

본 발명은 도로표지의 관리를 위한 자동화 기술에 관한 것으로서, 특히 도로표지 영상에서 방향정보를 자동으로 인식 및 추출하기 위한 방법에 관한 것이다.

도로 이용자에게 정보를 제공하는 표지판으로서 도로표지가 있다. 도로표지는 원활한 교통 소통 및 도로이용자의 올바른 이동을 위한 정보제공의 역할을 주로 수행한다.

이와 같이 도로표지는 도로이용자에게 적절한 정보를 실시간으로 제공해야 하므로 도로표지의 중복 설치, 잘못된 곳에의 설치 등을 최소화해야 하며, 또한 손실, 망실 발생에 대한 정보들을 관리해야 할 필요성이 있다.

최근에는 도로표지의 위치 및 내용이 지리정보시스템(Geographic Information System) 기반의 데이터베이스(Database)로서 구축되고 있으며, 이를 위해 표지판의 위치, 사진, 내용에 해당하는 정보들이 필요하고, 또한 이를 체계적으로 입력하고 갱신하는 작업도 필요하다.

도로표지를 관리하기 위한 자동화 기술은, 도로표지의 자동검출 방법과 도로표지가 포함하고 있는 정보의 자동인식 방법 등으로 구분될 수 있다. 또한, 도로표지가 포함하고 있는 정보의 자동인식 방법은, 도로표지 내의 문자정보의 자동인식기술과 방향정보의 자동인식 기술로 구분할 수 있다.

도로표지 내의 문자정보의 자동인식은 영역 분할, 경계 검출, 색상 분석, 문자 라인 분석 등의 연속적 형태의 기법 적용을 통해 문자를 검출하여 검출된 문자의 인식을 위한 특징추출 방법이나 단어추출 방법을 통하여 정보를 인식하는 연구들이 진행되어 왔다. 반면, 도로표지 내의 방향정보 인식과 관련한 연구는 아직까지는 다양하게 진행되고 있지는 못한 상태이다.

Sastre(2005) 등은 간단한 형태의 일방통행 방향표지를 대상으로 스켈레톤(skeleton algorithm)을 적용하여 이상적인 형태의 스켈레톤 모형과의 하우스도르프 거리(Hausdorff distance)를 구하는 방식으로 방향정보 자동인식 연구를 진행하였으나, 하나의 표지 내에 하나의 방향정보만 존재하는 경우에만 적용 가능하다는 한계가 있다 (비특허문헌 1 참조).

Vavilin 및 Jo(2006)는 도심지 도로표지를 대상으로 방향정보 템플릿을 적용하여 표지 내의 방향정보 영역을 검출해 내는 알고리즘을 적용한 바 있으며(비특허문헌 2 참조), 또한 Vavilin 및 Jo(2009)는 노출량이 다른 3대의 카메라로부터 얻은 영상을 융합하여 도로표지 내의 복잡한 도심지 교차로 구성 정보를 추출하는 연구 결과를 제시하였으나(비특허문헌 3 참조), 이를 도로표지가 지시하고 있는 방향과 연계하는 방안에 대한 고려는 생략되어 있다는 문제점이 있다.

비특허문헌 1: Sastre, R. J. L., Arroyo, S. L., Siegmann, P., Jimenez, P. G., and Reina, A. V. (2005), Recognition of mandatory traffic signs using the hausdorff distance, Proceedings of the 5th WSEAS International Conference on Signal Processing, Computational Geometry & Artifical Vision, 15-17 September, Malta, pp. 216-221. 비특허문헌 2: Vavilin A. and Jo, K. H. (2006), Road guidance signrecognition in urban areas by structure, The 1st International Forum on Strategic Technology, 18-20 October, Ulsan, Korea, pp. 293-296. 비특허문헌 3: Vavilin A. and Jo, K. H. (2009), Graph-based approach for robust road guidance sign recognition from differently exposed images, Journal of Universal Computer Science, Vol. 15, No. 4, pp. 786-804.

본 발명은 상기한 종래의 도로표지의 인식 또는 추출 방법의 문제점을 개선하고자 하는 것으로서, 도로표지 내의 방향정보를 자동으로 신속 정확하게 인식 및 추출할 수 있는 방법을 제공하는 것을 그 목적으로 한다.

상기한 과제를 해결하기 위한 본 발명에 따른 도로표지 영상에서의 방향정보 자동인식 방법은, (a) 도로표지 영상을 이진 영상(binary image)으로 변환하는 단계, (b) 상기 이진 영상에 대해 적어도 2개 방향으로 라인 스캔(line scan)을 실행하여 연속 셀을 검출하는 단계, (c) 상기 각 방향에서 검출된 셀을 합성하여 시드 영역(seed region)을 추출하는 단계, (d) 상기 시드 영역에 대해 영역 확장(region growing)을 실행하여 방향정보 영역을 검출하는 단계, 및 (e) 상기 방향정보 영역에 대해 영상 정합을 실행하여, 방향정보를 추출하는 단계를 포함하여 이루어진다.

상기 단계 (a)는, (a1) 컬러 영상을 흑백 영상으로 변환하는 단계, (a2) 상기 변환된 영상에 선형 스트레칭(linear stretching)을 실행하는 단계, 및 (a3) 상기 선형 스트레칭된 영상을, 흑백 영상의 중간 밝기값을 임계값으로 하여 이진 영상으로 변환하는 단계를 포함하여 이루어진다.

상기 단계 (b)는, (b1) 이진 영상에서 백(white)의 밝기값을 나타내는 연속된 셀을 탐색하는 단계, (b2) 상기 연속된 셀의 개수의 최댓값을 상기 연속된 셀에 할당하는 단계, 및 (b3) 상기 연속된 셀에 할당된 값이 미리 정해진 임계값 이상인 셀만을 선택하는 단계를 포함하여 이루어진다.

상기 단계 (b)에서 라인 스캔을 실행하는 방향은, 상기 이진 영상의 종방향, 횡방향, 대각선 방향, 22.5도 경사방향, 67.5도 경사방향 중 적어도 2개 방향인 것이 바람직하다.

상기 단계 (e)에서의 영상 정합에서는, 템플릿 정합(template matching)을 이용하는 것이 바람직하다.

상기 단계 (e)에서의 영상 정합에서는, 상기 방향정보 영역의 특징점(feature point)을 추출하여 영상을 정합하는 것이 바람직하다.

상기 템플릿 정합을 실행하는 템플릿은 방향정보의 화살표 머리 부분만으로 이루어지는 것이 바람직하다.

상기한 본 발명에 따른 방향정보 자동인식 방법을 실행시키기 위한 프로그램을 기록한 기록매체는, C++언어 기반의 OpenCV 라이브러리를 이용하여 프로그램을 작성할 수 있다.

본 발명에 따른 도로표지 영상에서의 방향정보 자동인식 방법은 다음과 같은 유리한 효과를 나타낸다.

첫째, 도로표지 내의 방향정보 영역이 갖는 특성을 고려하여 검출을 실행함으로써, 도로표지 내의 방향정보를 자동으로 정확하게 인식할 수 있다.

둘째, 도로표지의 다수 방향으로 라인 스캔을 실행하고 이를 조합하여 방향정보 영역을 검출함으로써, 더욱 정확한 방향정보의 검출이 가능하다.

셋째, 도로표지 내의 방향정보 중에 화살표의 머리 부분만을 이용한 템플릿을 적용하여 영상 정합을 실행함으로써, 영상정합 처리의 효율성이 증가된다.

넷째, 도로표지의 방향정보에서 특징점을 추출하여 영상정합을 실행함으로써, 처리 시간을 단축하고 오정합(mismatch)을 감소시킬 수 있다.

도 1은 국내에서 설치되고 있는 도로표지의 일례를 나타낸다.
도 2는 본 발명의 실시예에 따른 방향정보 자동인식 방법의 개략적인 흐름도를 나타낸다.
도 3은 본 발명의 실시예에 따른 라인 스캔을 실행하여 시드 영역을 추출하는 과정을 도식적으로 나타낸다.
도 4는 본 발명의 실시예에 따른 방향정보의 화살표 머리 부분을 이용한 템플릿을 나타낸다.
도 5는 본 발명의 실시예에 따른 방향정보 자동인식 방법의 시험 결과를 나타낸다.

이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 가장 바람직한 실시예를 첨부한 도면을 참조하여 상세하게 설명한다. 또한, 본 발명을 설명하는데 있어서 동일 부분은 동일 부호를 붙이고, 그 반복 설명은 생략한다.

국내의 도로표지는 방향표지, 이정표지, 경계표지, 노선표지 및 그 외의 기타표지로 구분된다. 방향표지는 교차로 등의 방향안내를 위해 설치되며, 이정표지는 중요지까지의 거리를 안내하기 위한 목적으로 설치된다. 또한 경계표지는 행정구역의 경계를 표시하기 위해 설치되고 있으며, 노선표지는 주행하는 노선 및 분기점 등의 정보를 제공하기 위하여 설치되고 있다.

도 1에 국내에서 설치되고 있는 도로표지의 일례로서, (a) 방향표지, (b) 이정표지, (c) 경계표지, (d) 노선표지를 나타내었다.

도로표지 내에는 안내지명, 노선번호, 방향정보, 상징그림이 존재한다. 그 중에서 방향정보는 안내하고자 하는 대상의 방향을 지시할 때 사용된다. 직진 방향 안내의 경우 위쪽을 향하는 화살표(↑)로 표시하며, 아래쪽으로 향하는 화살표(↓)는 목적지별 차로지정 안내에만 사용된다. 유턴의 경우는 도로표지가 아닌 교통안전표지를 사용한다. 또한, 좌우로 향하는 화살표(← 또는 →)의 경우 각각 좌측, 우측 방향의 직진 진행을 안내하는데 사용되며, 꺾인 화살표(

)의 경우 직진 후 바로 회전방향 안내가 필요한 경우 사용된다. 출구방향은 사선화살표(↗)가 사용되며, 사선의 경우 명확한 방향성 확보를 위해 45°간격으로 8방향을 표시하며, 도로의 진행 형태 및 방향과 유사한 형태의 방향정보가 사용된다.

도로에서 촬영된 영상은 도로표지뿐만 아니라 도로의 다양한 배경이 같이 포함되는데, 도로 영상에서 도로표지에 해당하는 부분만을 따로 추출하는 여러 가지 방법들이 이미 공지되어 있다. 본 발명은 도로 영상에서 도로표지 부분을 추출한 이후의 영상처리에 관한 것으로서, 도로표지가 추출된 영상으로부터 방향정보를 인식한다. 이하에서 도면을 참조하여 본 발명에 따른 방법을 상세히 설명한다.

본 발명의 실시예에 따른 방향정보 자동인식 방법은, 크게 입력영상 생성, 방향정보 영역 추출, 영상정합을 통한 방향 인식의 과정으로 진행된다.

도 2에 본 발명의 실시예에 따른 방향정보 자동인식 방법을 개략적인 흐름도로서 나타내었다.

도 2에 나타낸 바와 같이, 먼저 도로표지 영상을 이진 영상으로 변환한다 (단계 a). 변환된 이진 영상이 방향정보 인식을 위한 입력 영상으로서 사용된다.

도로표지 영상은 대부분 컬러 영상으로 되어 있으며, 이를 흑백영상(grayscaleimage)로 변환하고(단계 a1), 흑백 영상을 최종적으로 이진 영상으로 변환한다.

이와 같은 영상의 이진화를 위해서는, 단순 임계값(threshold value)을 사용하는 방법, 영상 구분을 특징지을 수 있는 조정임계값(adaptive threshold value)을 사용하는 방법, 원본 컬러 영상의 R,G,B 색상 각각의 특징값을 분석하여 영상기반 임계값(color-based threshold value)을 사용하는 방법 등을 적용할 수 있다.

본 실시예에서는 흑백 영상으로 변환된 도로표지 영상을 선형 스트레칭(linear stretching) 방법으로 영상 개선을 수행한 후(단계 a2), 8 비트(bit) 흑백 영상의 중간 밝기값(예를 들어, 128)을 임계값으로 적용하여 이진 영상 변환을 수행하였다(단계 a3).

상기와 같이, 이진 영상 변환을 실행한 후, 도 2에 나타낸 바와 같이, 이진 영상에 대해 적어도 2개 방향으로 라인 스캔(line scan)을 실행하여 연속 셀을 검출한다 (단계 b).

도로표지 내의 방향정보 영역은 일반적으로 종방향, 횡방향으로 연속된 밝기값이 나오는 특징이 있다. 따라서 본 실시예에서는 도로표지 내 방향정보 영역이 갖는 특성을 고려하여, 라인 스캔을 통한 연속셀 검출을 실행하여 방향정보 영역을 검출한다.

라인 스캔을 통한 연속셀 검출은, 먼저 이진 영상을 입력으로 하여 종방향 및 횡방향으로 각각 백(white)의 밝기값(예를 들어, 255)을 나타내는 연속된 셀의 개수를 탐색하고 (단계 b1). 이 후 연속된 셀 개수의 최댓값을 상기 연속된 셀에 할당한 후 (단계 b2), 상기 연속된 셀에 할당된 최댓값이 미리 정해진 임계값 이상인 셀만을 선택하여 (단계 b3), 연속 셀을 검출한다.

본 실시예에서는 이진 영상의 종방향 및 횡방향으로 라인 스캔을 실행하였으나, 대각선 방향, 22.5도 경사방향, 67.5도 경사방향, 또는 기타 방향으로의 라인 스캔을 더 실행하고, 이를 조합함으로써 연속 셀 검출 성능을 더 높일 수도 있다. 실제로, 일부 촬영에 문제가 있는 영상의 경우 문자 부분의 자음과 모음이 달라붙어 도형 정보의 종횡 방향 연속 셀의 임계값을 만족하는 경우가 발생할 수도 있다. 이러한 경우 종횡 방향뿐만 아니라 대각선 또는 22.5도 또는 67.5도 방향의 연속 셀을 추가로 고려하면 문제를 해결할 수 있다.

상기한 바와 같이 각 방향에 대한 연속 셀을 검출한 후에, 각 방향에서 검출된 셀을 합성하여 시드 영역(seed region)을 추출한다 (단계 c). 즉, 각 방향에서 검출된 결과의 교집합에 해당하는 영역을 시드 영역으로 설정한다. 도 3a 내지 3c에 라인 스캔을 실행하여 시드 영역을 추출하는 과정을 도식적으로 나타내었다.

도 3a에 나타낸 바와 같이, 먼저 이진 영상의 횡방향으로 개별 라인에 대해 탐색을 실시하여 연속적으로 나타나는 셀의 개수를 계수(count)한다 (상기 단계 b1에 해당). 이 후, 계수된 셀의 개수 중 영(0)이 아닌, 즉 연속된 셀이 존재하는 셀들에 대해 연속된 셀 개수의 최댓값을 할당한다 (상기 단계 b2에 해당). 다음으로, 셀에 할당된 값에 대해 미리 정해진 임계값(도 3의 실시예에서는 "2"를 임계값으로 설정)을 적용하여, 임계값보다 작은 값이 할당된 셀은 영(0)의 밝기값으로 변경함으로써, 임계값 이상의 셀만이 시드 영역으로 선택될 수 있도록 한다 (상기 단계 b3에 해당).

이어서, 도 3b에 나타낸 바와 같이, 이진 영상의 종방향에 대해서도 상기한 단계 b1~b3을 동일하게 실행하고, 도 3c에 나타낸 바와 같이, 이진 영상의 횡방향 및 종방향에 대한 라인 스캔 검출 결과의 교집합을 구하여, 방향정보 영역 검출을 위한 시드 영역을 추출한다.

상기와 같이 시드 영역이 구해지면, 이를 기반으로 하여 영역 확장(region growing)을 실행하여 도로표지 내의 방향정보 영역을 검출한다 (단계 d). 도로표지 내의 방향정보 영역의 연속된 셀의 크기는 표지 내의 문자나 기호에 비하여 크게 표현되므로, 이와 같은 방법을 이용하여 표지 내의 방향정보 영역과 다른 정보의 영역을 구분할 수 있다.

상기와 같이 방향정보 영역이 검출되면, 검출된 방향정보 영역에 대해 영상 정합(image matching)을 실행하여 방향정보를 추출한다 (단계 e). 본 실시예에서는 영역 기반 영상 정합 방법의 일종인 템플릿 정합(template matching) 기법을 사용하여 영상 정합을 실행하였다.

상기한 영상 정합을 실행할 때, 라인 스캔에 의해 추출된 방향정보 영역 영상의 특징점을 추출하면 영상 정합의 효율성이 높아진다. 특징점의 추출은 "good features to track" 알고리즘을 적용하여 실행할 수 있다. "good features to track" 알고리즘은 영상의 상사변환을 기반으로 "Newton-Rhapson" 방법을 확장한 객체 추적 알고리즘으로서, 가장 확률 높은 코너 포인트(cornerpoint)를 추출하는데 효과적이다.

한편, 국내 도로표지 내의 방향지시는 일정한 규격에 의해 제작되고 있으므로 도 4와 같은 방향정보의 화살표 머리 부분을 이용한 템플릿을 적용하여 영상 정합을 수행할 경우 더욱 효율성을 높일 수 있다. 즉, 방향정보의 화살표 머리 부분으로만 이루어진 템플릿을 이용하여 영상 정합을 실행할 수 있다.

또한, 상기와 같은 템플릿을 이용한 경우에, 도로표지의 방향정보 영역에서 특징점을 추출하면, 화살표 도형의 꼭짓점을 포함한 모서리점들이 자동으로 추출된다. 따라서 도 4에 나타낸 템플릿을 영상 전체에 정합할 필요가 없으며, 특징점을 중심으로 일정 버퍼를 이동하는 탐색 영역만을 대상으로 영상 정합 과정을 수행함으로써, 처리 시간과 오정합을 줄일 수 있다. 각각의 모든 특징점 주변에 대해, 서, 동, 북, 북동, 북서, 남동, 남서 방향의 템플릿을 모두 순차적으로 정합하고 가장 높은 상관계수를 가지는 템플릿을 통해 방향정보의 영상 내 위치와 내용을 인식할 수 있다.

본 실시예에서는 상기한 방향정보 자동인식 방법을 C++언어 기반의 OpenCV 라이브러리를 이용하여 프로그래밍(programming) 되고, Intel i5-3550 3.30GHz CPU의 8GB RAM의 컴퓨터 환경에서 시험하였으며, 그 결과를 도 5에 나타내었다.

시험에 사용된 영상은 도 5a에 나타내었으며, 영상의 크기는 479×286이다.

먼저, 도 5a의 입력 영상을 흑백 영상으로 변환하면 도 5b의 영상이 되고, 이를 다시 이진 영상으로 변환하면 도 5c에 나타낸 영상으로 된다.

도 5c의 이진 영상에 대해, 앞서 설명한 횡방향 라인 스캔을 실행하면 도 5d의 영상을 얻을 수 있고, 마찬가지로 종방향 라인 스캔을 실행하면 도 5e의 영상을 얻을 수 있다.

도 5d 및 5e에서 볼 수 있듯이, 횡방향 라인 스캔 및 종방향 라인 스캔의 결과 영상에서는, 방향정보 영역 외에 문자 및 일부 기호 영역이 검출되었다. 그러나 두 방향의 라인 스캔 결과를 합성한 영상에서는, 도 5f에 나타낸 바와 같이, 방향정보 영역의 시드 영역만이 검출되었다.

검출된 시드 영역을 기반으로 영역 확장 알고리즘을 적용한 결과, 도 5g와 같은 방향정보 영역을 추출할 수 있었다. 또한, 특징점 추출 알고리즘을 적용하여 도 5h와 같이 영상 정합을 위한 22개의 특징점을 추출하였다.

영상 정합을 위해 추출된 22개의 특징점을 탐색영역 설정에 이용하였고, 정합 결과, 도 5i와 같이 북쪽 방향은 0.937의 상관계수 값으로 정합되었으며, 동쪽 방향은 0.930의 상관계수로 정합되었다. 처리 시간은 0.6초였다. 이에 따라 방향정보 영역의 추출에 이은 방향정보(북쪽, 동쪽)의 위치와 내용을 자동으로 인식할 수 있었다.

이상 설명한 바와 같이, 본 발명에 따른 도로표지 영상에서의 방향정보 자동인식 방법은, 영상변환, 횡방향 연속셀 검출, 영상 합성, 영역확장, 특징점 추출, 템플릿 영상정합, 정합결과 출력 등의 과정을 통해, 도로표지 영상에서 방향정보를 자동으로 추출할 수 있다. 이러한 본 발명에 따른 방법은 도로표지뿐만 아니라 교통표지나 기타 다른 방향정보 인식 분야에도 효과적으로 적용될 수 있을 것이다.

본 발명은 상기한 바람직한 실시예와 첨부한 도면을 참조하여 설명되었지만, 본 발명의 사상 및 범위 내에서 상이한 실시예를 구성할 수도 있다. 따라서 본 발명의 범위는 첨부된 청구범위에 의해 정해지며, 본 명세서에 기재된 특정 실시예에 의해 한정되지 않는 것으로 해석되어야 한다.

Claims (8)

1. 도로표지 영상으로부터 방향정보를 자동으로 인식하는 방법으로서,
   (a) 도로표지 영상을 이진 영상(binary image)으로 변환하는 단계,
   (b) 상기 이진 영상에 대해 적어도 2개 방향으로 라인 스캔(line scan)을 실행하여 연속 셀을 검출하는 단계,
   (c) 상기 각 방향에서 검출된 셀을 합성하여 시드 영역(seed region)을 추출하는 단계,
   (d) 상기 시드 영역에 대해 영역 확장(region growing)을 실행하여 방향정보 영역을 검출하는 단계, 및
   (e) 상기 방향정보 영역에 대해 영상 정합을 실행하여, 방향정보를 추출하는 단계를 포함하여 이루어지는 것을 특징으로 하는 방향정보 자동인식 방법.
   
2. 청구항 1에 있어서,
   상기 단계 (a)는
   (a1) 컬러 영상을 흑백 영상으로 변환하는 단계,
   (a2) 상기 변환된 영상에 선형 스트레칭(linear stretching)을 실행하는 단계, 및
   (a3) 상기 선형 스트레칭된 영상을, 흑백 영상의 중간 밝기값을 임계값으로 하여 이진 영상으로 변환하는 단계를 포함하여 이루어지는 것을 특징으로 하는 방향정보 자동인식 방법.
   
3. 청구항 1에 있어서,
   상기 단계 (b)는
   (b1) 이진 영상에서 백(white)의 밝기값을 나타내는 연속된 셀을 탐색하는 단계,
   (b2) 상기 연속된 셀의 개수의 최댓값을 상기 연속된 셀에 할당하는 단계, 및
   (b3) 상기 연속된 셀에 할당된 값이 미리 정해진 임계값 이상인 셀만을 선택하는 단계를 포함하여 이루어지는 것을 특징으로 하는 방향정보 자동인식 방법.
   
4. 청구항 1에 있어서,
   상기 단계 (b)에서 라인 스캔을 실행하는 방향은, 상기 이진 영상의 종방향, 횡방향, 대각선 방향, 22.5도 경사방향, 67.5도 경사방향 중 적어도 2개 방향인 것을 특징으로 하는 방향정보 자동인식 방법.
   
5. 청구항 1에 있어서,
   상기 단계 (e)에서의 영상 정합에서는, 템플릿 정합(template matching)을 이용하는 것을 특징으로 하는 방향정보 자동인식 방법.
   
6. 청구항 5에 있어서,
   상기 단계 (e)에서의 영상 정합에서는, 상기 방향정보 영역의 특징점(feature point)을 추출하여 영상을 정합하는 것을 특징으로 하는 방향정보 자동인식 방법.
   
7. 청구항 5에 있어서,
   상기 템플릿 정합을 실행하는 템플릿은 방향정보의 화살표 머리 부분만으로 이루어진 것을 특징으로 하는 방향정보 자동인식 방법.
   
8. 청구항 1 내지 7 중 어느 한 항에 기재된 방향정보 자동인식 방법을 실행시키기 위한 프로그램을 기록한 기록매체로서,
   상기 프로그램은 C++언어 기반의 OpenCV 라이브러리를 이용하여 작성된 것을 특징으로 하는 기록매체.

Images