KR101437431B1 - Ｓｅｈ 알고리즘을 이용한 차량 인식 방법 및 장치 - Google Patents

Ｓｅｈ 알고리즘을 이용한 차량 인식 방법 및 장치 Download PDF

Info

Publication number
KR101437431B1
KR101437431B1 KR1020120156226A KR20120156226A KR101437431B1 KR 101437431 B1 KR101437431 B1 KR 101437431B1 KR 1020120156226 A KR1020120156226 A KR 1020120156226A KR 20120156226 A KR20120156226 A KR 20120156226A KR 101437431 B1 KR101437431 B1 KR 101437431B1
Authority
KR
South Korea
Prior art keywords
region
vehicle
histogram
area
edge
Prior art date
Application number
KR1020120156226A
Other languages
English (en)
Other versions
KR20140086121A (ko
Inventor
송혁
정성환
이철동
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 KR1020120156226A priority Critical patent/KR101437431B1/ko
Publication of KR20140086121A publication Critical patent/KR20140086121A/ko
Application granted granted Critical
Publication of KR101437431B1 publication Critical patent/KR101437431B1/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
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • 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
    • B60W2554/00—Input parameters relating to objects

Landscapes

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

Abstract

SEH 알고리즘을 이용한 차량 인식 방법 및 장치가 제공된다. 본 발명의 실시예에 따른 차량 인식 방법은, 획득된 영상에서 차량 후보 영역을 추출하여 제1 영역과 제2 영역으로 분할하고, 좌측 영역과 우측 영역이 대칭되면 차량 후보 영역을 차량 영역으로 결정한다. 본 발명의 실시예에 따르면, HaarAdaboost 알고리즘에 의해 차량으로 검색된 영역들에 대해 좌우 대칭성을 확인하여 실제 차량 영역이 맞는지 검증하여 차량 영역들을 보다 정확하게 인지할 수 있고, SEH 알고리즘으로 좌우 대칭성을 확인하여 영역의 좌우 대칭성이 빠르고 정확해진다는 장점이 있다.

Description

ＳＥＨ 알고리즘을 이용한 차량 인식 방법 및 장치{Method and apparatus for vehicle cognition using Symmetric Edge Histogram algorithm}
본 발명은 차량 인식 방법 및 장치에 관한 것으로, 더욱 상세하게는 차량 전방으로부터 획득한 영상으로부터 차량 영역들을 결정하는 차량 인식 방법 및 장치에 관한 것이다.
도로에서 운전하는 운전자에게 전방 차량과의 거리를 제공하기 위한 방법은, 레이더를 이용하는 방법과 차량 내에 설치된 카메라 영상을 이용하는 방법으로 분류될 수 있다.
레이더를 이용할 경우 차량의 운행상황을 파악하는데 한계점이 있어 영상을 이용하여 차량 전방의 차선 인식 및 전방 차량과의 거리를 인식하는 알고리즘 연구가 활발하다.
전방 차량을 인식하기 위해서는 빠른 속도의 인식 장비가 필요하며, 이 인식 장비는 차량 내에 설치된 전방 주시 카메라에서 실시간 영상을 획득하여 전방 차량의 유무를 검색하는 알고리즘을 사용하여 차량이라고 간주되는 영역을 찾게 된다.
전방 차량을 감지하기 위하여 HaarAdaboost 알고리즘이 이용될 수 있다. 도 1과 도 2에서 빨간색 박스는 HaarAdaboost 알고리즘을 이용하여 전방차량으로 검색한 영역들이다.
전방 차량을 검색하는데 있어서 도 1과 같이 차량으로 간주되는 영역을 정확하게 검색하는 경우도 있으나, 도 2와 같이 차량이 아닌 영역을 검색하는 경우도 발생하게 된다.
즉, HaarAdaboost 알고리즘은 촬영되는 영상에 따라 차량 영역 인식/검색이 다소 부정확할 여지가 다분하다. 이에 따라, HaarAdaboost 알고리즘에 의해 차량으로 검색된 영역들이 실제 차량이 존재하는 영역들인지 검증하기 위한 방안의 모색이 요청된다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, HaarAdaboost 알고리즘에 의해 차량으로 검색된 영역들을 SEH(Symmetric Edge Histogram) 알고리즘으로 검증하는 차량 인식 방법 및 장치을 제공함에 있다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른, 차량 인식 방법은, 영상을 획득하는 단계; 획득된 영상에서 차량 후보 영역을 추출하는 단계; 상기 차량 후보 영역을 제1 영역과 제2 영역으로 분할하는 단계; 및 상기 제1 영역과 상기 제2 영역이 대칭되면, 상기 차량 후보 영역을 차량 영역으로 결정하는 단계;를 포함한다.
그리고, 상기 제1 영역은, 좌측 영역이고, 상기 제2 영역은, 우측 영역일 수 있다.
또한, 상기 결정단계는, 상기 제1 영역에서의 에지 분포를 나타낸 제1 히스토그램을 생성하는 단계; 상기 제2 영역에서의 에지 분포를 나타낸 제2 히스토그램을 생성하는 단계; 및 상기 제1 히스토그램과 상기 제2 히스토그램을 비교하여, 상기 제1 영역과 상기 제2 영역의 대칭 여부를 판단하는 단계;를 더 포함할 수 있다.
그리고, 상기 제1 히스토그램은, 상기 제1 영역에서 존재하는 에지들을 에지 방향을 기준으로 나타낸 분포이고, 상기 제2 히스토그램은, 상기 제2 영역에서 존재하는 에지들을 에지 방향을 기준으로 나타낸 분포일 수 있다.
또한, 상기 에지 방향은, 수평, 수직, 45°대각, 135°대각 및 나머지 방향 중 적어도 하나로 구분될 수 있다.
그리고, 상기 판단단계는, 수평 방향의 에지 성분들과 수직 방향의 에지 성분들의 유사도에 가중치를 부가할 수 있다.
한편, 본 발명의 다른 실시예에 따른, 차량 인식 장치는, 영상을 생성하는 카메라; 및 상기 카메라에 의해 생성되는 영상에서 차량 후보 영역을 추출하고, 상기 차량 후보 영역을 제1 영역과 제2 영역으로 분할하며, 상기 제1 영역과 상기 제2 영역이 대칭되면 상기 차량 후보 영역을 차량 영역으로 결정하는 프로세서;를 포함한다.
이상 설명한 바와 같이, 본 발명에 따르면, HaarAdaboost 알고리즘에 의해 차량으로 검색된 영역들에 대해 좌우 대칭성을 확인하여 실제 차량 영역이 맞는지 검증하여 차량 영역들을 보다 정확하게 인지할 수 있다.
뿐만 아니라, 기존에 없었던 새로운 SEH(Symmetric Edge Histogram) 알고리즘으로 좌우 대칭성을 확인하여, 영역의 좌우 대칭성이 빠르고 정확해진다는 장점이 있다.
도 1과 도 2는, HaarAdaboost 알고리즘을 이용한 전방차량 검색결과를 나타낸 도면들,
도 3은 본 발명의 바람직한 실시예에 따른 SEH 알고리즘을 이용한 차량 인식 방법의 흐름도,
도 4는, 도 3의 S140단계에 나타난 SEH 알고리즘의 상세 흐름도, 그리고,
도 5는 본 발명의 다른 실시예에 따른 차량 인식 장치의 블럭도이다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
일반적으로, 차량은 차량의 중심을 기준으로 좌우가 거의 대칭적이다. 이에 따라, 본 발명의 실시예들에서는 차량의 좌우 대칭성을 이용하여 차량 후보 영역으로 추출된 영역들이 실제 차량 영역인지 검증한다.
또한, 본 발명의 실시예들에서는, 차량 후보 영역에 대한 좌우 대칭성 검증을 위한 알고리즘으로, SEH(Symmetric Edge Histogram) 알고리즘을 제안한다. SEH 알고리즘은 차량 후보 영역에 존재하는 에지들을 에지 방향을 기준으로 분포시킨 히스토그램을 비교하는 방식으로, 좌우 대칭성을 검증하는 알고리즘이다.
이하에서, 본 발명의 바람직한 실시예들에 대해 상세히 설명한다.
도 3은 본 발명의 바람직한 실시예에 따른 SEH 알고리즘을 이용한 차량 인식 방법의 흐름도이다.
도 3에 도시된 바와 같이, 차량에 마련된 전방 카메라의 촬영에 의해 영상이 생성되어 입력되면(S110), 입력된 전방 영상에서 차량 후보 영역들을 추출한다(S120).
S120단계에서의 차량 후보 영역 추출방법으로 HaarAdaboost 기법이 사용될 수 있다. 하지만, HaarAdaboost 기법 이외의 다른 기법을 이용하여 차량 후보 영역을 추출하는 것도 가능하다.
도 3의 S120단계 우측에는, 실제 차량이 존재하는 차량 후보 영역(A)과 차량이 존재하지 않지만 차량이 존재하는 것으로 잘못 판단된 차량 후보 영역(B)을 예시하였다.
이후, S120단계에 추출된 차량 후보 영역들을 중심축에서 좌우로 분할하여 좌측 영역과 우측 영역을 생성하고, 우측 영역을 영역 내에서 좌우대칭 이동시킨다(S130).
도 3의 S130단계 우측에는, 차량 후보 영역(A)을 중심축에서 좌우로 분할하여 좌측 영역(AL)과 우측 영역(AR)을 생성하고, 우측 영역(AR)을 영역 내에서 좌우대칭 이동시킨 결과를 나타내었다. 또한, 차량 후보 영역(B)에 대해서도 중심축에서 좌우로 분할하여 좌측 영역(BL)과 우측 영역(BR)을 생성하고, 우측 영역(BR)을 영역 내에서 좌우대칭 이동시킨 결과를 나타내었다.
이후, SEH 알고리즘을 이용하여 차량 후보 영역들의 좌측 영역과 상기 우측 영역이 대칭되는지 판단하여, 차량 후보 영역이 실제 차량이 존재하는 차량 영역인지 검증한다(S140).
S140단계에 의해 차량 후보 영역은 실제 차량이 존재하는 차량 영역인지 여부가 검증된다.
SEH 알고리즘에 대해 도 4를 참조하여 상세히 설명한다. 도 4는, 도 3의 S140단계에 대한 상세 흐름도이다.
도 4에 도시된 바와 같이, 먼저 차량 후보 영역으로부터 분할된 좌측 영역에 존재하는 에지들을 추출하고(S141), 추출된 에지들을 에지 방향을 기준으로 분포시킨 히스토그램을 생성한다(S143).
S143단계에서 에지 방향은, 수평 방향, 수직 방향, 45°대각 방향, 135°대각 방향 및 나머지 방향으로 분류된다. 이에 따라, S143단계에서 생성되는 히스토그램에서는, 수평 방향 에지의 개수, 수직 방향 에지의 개수, 45°대각 방향 에지의 개수, 135°대각 방향 에지의 개수 및 나머지 에지의 개수의 분포가 나타난다.
이후, 차량 후보 영역으로부터 분할되어 영역 내에서 좌우대칭 이동된 우측 영역에 존재하는 에지들을 추출하고(S145), 추출된 에지들을 에지 방향을 기준으로 분포시킨 히스토그램을 생성한다(S147).
S147단계에서 에지 방향 역시, 수평 방향, 수직 방향, 45°대각 방향, 135°대각 방향 및 나머지 방향으로 분류된다. 이에 따라, S147단계에서 생성되는 히스토그램에서도, 수평 방향 에지의 개수, 수직 방향 에지의 개수, 45°대각 방향 에지의 개수, 135°대각 방향 에지의 개수 및 나머지 에지의 개수의 분포가 나타난다.
다음, S143단계에서 생성된 히스토그램과 S147단계에서 생성된 히스토그램을 비교하여, 차량 후보 영역에 대한 좌측 영역과 우측 영역의 대칭성을 판단한다(S149).
S149단계에서는, S143단계에서 생성된 히스토그램과 S147단계에서 생성된 히스토그램에 대해, 수평 방향 에지의 개수, 수직 방향 에지의 개수, 45°대각 방향 에지의 개수, 135°대각 방향 에지의 개수 및 나머지 에지의 개수를 각각 비교하고, 비교 결과를 기초로 양자가 일치하거나 유사하면 차량 후보 영역의 좌측 영역과 우측 영역이 대칭인 것으로 판단한다.
구체적으로, 아래의 조건들 중 만족되는 조건의 개수가 4개(최대 5개) 이상이면 양자가 일치하거나 유사한 것으로 판단하여 차량 후보 영역의 좌측 영역과 우측 영역이 대칭인 것으로 판단할 수 있다.
|수평방향 에지 개수(S143) - 수평방향 에지 개수(S145)| ≤ a1,
|수직방향 에지 개수(S143) - 수직방향 에지 개수(S145)| ≤ a2,
|45°대각방향 에지 개수(S143) - 45°대각방향 에지 개수(S145)| ≤ a3,
|135°대각방향 에지 개수(S143) - 135°대각방향 에지 개수(S145)| ≤ a4,
|나머지 에지 개수(S143) - 나머지 에지 개수(S145)| ≤ a5
한편, 차량의 에지들에 대해서는 수평방향 에지와 수직방향 에지가 중요하다. 따라서, 위 조건들 중 첫 번째와 두 번째 조건에 대해서는 가중치 "2"를 부여하고, 만족하는 조건이 5(최대 7) 이상이면 양자가 일치하거나 유사한 것으로 판단하여 차량 후보 영역의 좌측 영역과 우측 영역이 대칭인 것으로 판단할 수 있다.
도 5는 본 발명의 다른 실시예에 따른 차량 인식 장치의 블럭도이다. 본 실시예에 따른 차량 인식 장치(200)는, 도 5에 도시된 바와 같이, 카메라(210), 프로세서(220) 및 디스플레이(230)를 포함한다.
카메라(210)는 차량 전방을 촬영하여 영상을 생성하고, 생성되는 영상을 프로세서(220)에 전달한다.
프로세서(220)는 카메라(210)를 통해 전달되는 영상으로부터 차량 후보 영역들을 추출하고, 추출된 차량 후보 영역들을 중심축에서 좌우로 분할하여 좌측 영역과 우측 영역을 생성한다.
그리고, 프로세서(220)는 우측 영역을 영역 내에서 좌우대칭 이동시키고, 좌측 영역과 좌우대칭 이동된 우측 영역에 대해 SEH 알고리즘을 적용하여 차량 후보 영역에 대한 대칭성을 검증한다.
차량 후보 영역이 대칭적으로 판단된 경우에만, 프로세서(220)는 그 차량 후보 영역에 실제 차량이 존재하는 것으로 취급한다.
디스플레이(230)는 카메라(210)에서 생성되는 영상과 프로세서(220)에 의해 추출/검증된 차량 영역이 영상에 오버랩되어 표시된다.
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.
200 : 차량 인식 장치
210 : 카메라
220 : 프로세서
230 : 디스플레이

Claims (7)

  1. 영상을 획득하는 단계;
    획득된 영상에서 차량 후보 영역을 추출하는 단계;
    상기 차량 후보 영역을 제1 영역과 제2 영역으로 분할하는 단계; 및
    상기 제1 영역과 상기 제2 영역이 대칭되면, 상기 차량 후보 영역을 차량 영역으로 결정하는 단계;를 포함하고,
    상기 결정단계는,
    상기 제1 영역에서의 에지 분포를 나타낸 제1 히스토그램을 생성하는 단계;
    상기 제2 영역에서의 에지 분포를 나타낸 제2 히스토그램을 생성하는 단계; 및
    상기 제1 히스토그램과 상기 제2 히스토그램을 비교하여, 상기 제1 영역과 상기 제2 영역의 대칭 여부를 판단하는 단계;를 포함하며,
    상기 제1 히스토그램은,
    상기 제1 영역에서 존재하는 에지들을 에지 방향을 기준으로 나타낸 분포이고,
    상기 제2 히스토그램은,
    상기 제2 영역에서 존재하는 에지들을 에지 방향을 기준으로 나타낸 분포인 것을 특징으로 하는 차량 인식 방법.
  2. 제 1항에 있어서,
    상기 제1 영역은, 좌측 영역이고,
    상기 제2 영역은, 우측 영역인 것을 특징으로 하는 차량 인식 방법.
  3. 삭제
  4. 삭제
  5. 제 1항에 있어서,
    상기 에지 방향은,
    수평, 수직, 45°대각, 135°대각 및 나머지 방향 중 적어도 하나로 구분되는 것을 특징으로 하는 차량 인식 방법.
  6. 제 5항에 있어서,
    상기 판단단계는,
    수평 방향의 에지 성분들과 수직 방향의 에지 성분들의 유사도에 가중치를 부가하는 것을 특징으로 하는 차량 인식 방법.
  7. 영상을 생성하는 카메라; 및
    상기 카메라에 의해 생성되는 영상에서 차량 후보 영역을 추출하고, 상기 차량 후보 영역을 제1 영역과 제2 영역으로 분할하며, 상기 제1 영역과 상기 제2 영역이 대칭되면 상기 차량 후보 영역을 차량 영역으로 결정하는 프로세서;를 포함하고,
    상기 프로세서는,
    상기 제1 영역에서의 에지 분포를 나타낸 제1 히스토그램을 생성하고, 상기 제2 영역에서의 에지 분포를 나타낸 제2 히스토그램을 생성하며, 상기 제1 히스토그램과 상기 제2 히스토그램을 비교하여 상기 제1 영역과 상기 제2 영역의 대칭 여부를 판단하고,
    상기 제1 히스토그램은,
    상기 제1 영역에서 존재하는 에지들을 에지 방향을 기준으로 나타낸 분포이고,
    상기 제2 히스토그램은,
    상기 제2 영역에서 존재하는 에지들을 에지 방향을 기준으로 나타낸 분포인 것을 특징으로 하는 차량 인식 장치.
KR1020120156226A 2012-12-28 2012-12-28 Ｓｅｈ 알고리즘을 이용한 차량 인식 방법 및 장치 KR101437431B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120156226A KR101437431B1 (ko) 2012-12-28 2012-12-28 Ｓｅｈ 알고리즘을 이용한 차량 인식 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120156226A KR101437431B1 (ko) 2012-12-28 2012-12-28 Ｓｅｈ 알고리즘을 이용한 차량 인식 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20140086121A KR20140086121A (ko) 2014-07-08
KR101437431B1 true KR101437431B1 (ko) 2014-09-05

Family

ID=51735466

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120156226A KR101437431B1 (ko) 2012-12-28 2012-12-28 Ｓｅｈ 알고리즘을 이용한 차량 인식 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101437431B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE112017008146T5 (de) 2017-11-14 2020-09-10 Symbol Technologies, Llc Verfahren und vorrichtung zum detektieren und zum erkennen von graphischen zeichendarstellungen in bilddaten unter verwendung symmetrisch angeordneter leerer flächen

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100111543A (ko) * 2009-04-07 2010-10-15 주식회사 만도 차량 인식 방법 및 장치
KR20110139381A (ko) * 2010-06-23 2011-12-29 주식회사 만도 차량 검출 방법
KR101240499B1 (ko) 2011-10-28 2013-03-11 인하대학교 산학협력단 실시간 차선 인식 및 차량 검출 장치 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100111543A (ko) * 2009-04-07 2010-10-15 주식회사 만도 차량 인식 방법 및 장치
KR20110139381A (ko) * 2010-06-23 2011-12-29 주식회사 만도 차량 검출 방법
KR101240499B1 (ko) 2011-10-28 2013-03-11 인하대학교 산학협력단 실시간 차선 인식 및 차량 검출 장치 및 방법

Also Published As

Publication number Publication date
KR20140086121A (ko) 2014-07-08

Similar Documents

Publication Publication Date Title
CN109034047B (zh) 一种车道线检测方法及装置
US9373043B2 (en) Method and apparatus for detecting road partition
WO2016129403A1 (ja) 物体検知装置
US9183447B1 (en) Object detection using candidate object alignment
WO2015053100A1 (ja) 物体検出装置及びそれを用いた車両
US20170032676A1 (en) System for detecting pedestrians by fusing color and depth information
JP2016029564A (ja) 対象検出方法及び対象検出装置
US10803605B2 (en) Vehicle exterior environment recognition apparatus
CN104915927B (zh) 视差图像优化方法及装置
CN108645375B (zh) 一种用于车载双目系统快速车辆测距优化方法
WO2020154990A1 (zh) 目标物体运动状态检测方法、设备及存储介质
US10013618B2 (en) Method and apparatus for detecting side of object using ground boundary information of obstacle
EP3324359B1 (en) Image processing device and image processing method
US10546383B2 (en) Image processing device, object recognizing device, device control system, image processing method, and computer-readable medium
US9508000B2 (en) Object recognition apparatus
KR101716973B1 (ko) 스테레오 영상 기반 도로상의 차량 검출 장치 및 방법
CN110675442A (zh) 一种结合目标识别技术的局部立体匹配方法及系统
KR20160088986A (ko) 소실점 기반의 양안시차를 이용한 차선 검출 방법
US9824449B2 (en) Object recognition and pedestrian alert apparatus for a vehicle
Park et al. Sensor adversarial traits: Analyzing robustness of 3d object detection sensor fusion models
Hultqvist et al. Detecting and positioning overtaking vehicles using 1D optical flow
JP4123138B2 (ja) 車両検知方法及び車両検知装置
KR101437431B1 (ko) Ｓｅｈ 알고리즘을 이용한 차량 인식 방법 및 장치
CN104252707A (zh) 对象检测方法和装置
Musleh et al. Real-time pedestrian recognition in urban environments

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: 20180627

Year of fee payment: 5