KR101517695B1 - 주행 중 과속방지턱 탐지 시스템 및 그 방법 - Google Patents

주행 중 과속방지턱 탐지 시스템 및 그 방법 Download PDF

Info

Publication number
KR101517695B1
KR101517695B1 KR1020130134077A KR20130134077A KR101517695B1 KR 101517695 B1 KR101517695 B1 KR 101517695B1 KR 1020130134077 A KR1020130134077 A KR 1020130134077A KR 20130134077 A KR20130134077 A KR 20130134077A KR 101517695 B1 KR101517695 B1 KR 101517695B1
Authority
KR
South Korea
Prior art keywords
overspeed
area
region
estimated
lane area
Prior art date
Application number
KR1020130134077A
Other languages
English (en)
Inventor
주용진
함창학
윤경섭
엄우학
Original Assignee
인하공업전문대학산학협력단
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 인하공업전문대학산학협력단 filed Critical 인하공업전문대학산학협력단
Priority to KR1020130134077A priority Critical patent/KR101517695B1/ko
Application granted granted Critical
Publication of KR101517695B1 publication Critical patent/KR101517695B1/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
    • B60W40/02—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 ambient conditions
    • B60W40/06—Road conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • B60W2050/0215—Sensor drifts or sensor failures
    • 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)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Image Analysis (AREA)

Abstract

과속방지턱 탐지 방법 및 시스템은 하나 이상의 이미지 시퀀스가 결합된 파노라마 영상으로부터 과속방지턱이 존재하는 영역에 따른 관심 영역(ROI: Region of Interest)을 설정하는 단계; 상기 관심 영역에 기초하여 상기 과속방지턱의 색상으로 추정되는 제1 차선 영역을 지정하는 단계; 상기 관심 영역의 칼라 모델을 변환하여 변환된 관심 영역에서 상기 과속방지턱의 색상으로 추정되는 영역을 추출하는 단계; 상기 제1 차선 영역과 상기 추정된 영역을 비교한 제2 차선 영역을 추출하고, 추출한 상기 제2 차선 영역을 기초하는 상기 과속방지턱의 위치를 탐지하는 단계를 포함한다.

Description

주행 중 과속방지턱 탐지 시스템 및 그 방법{SPEED BUMP DETECTION SYSTEM AND METHOD DURING DRIVING}
아래의 설명은 과속방지턱 탐지 시스템 및 그 방법에 관한 것으로, 구체적으로는 주행 중 도로에 존재하는 과속방지턱을 자동으로 탐지하고, 탐지한 과속방지턱에 대한 데이터를 관리하는 과속방지턱 탐지 시스템 및 그 방법에 관한 것이다.
최근에는 도로포장을 보다 체계적이며 과학적으로 관리하기 위한 다양한 관리 방법이 제시되고 있다. 구체적으로, 관리 방법은 도로포장 시공이력, 교통량, 노선정보에 대한 DB를 구축 및 도로포장의 상태를 조사 평가하여 도로 표면 모델링과 최적의 도로 유지를 위한 보수 공법과 시기를 선정하는 기법을 제안하고 있다. 다시 말해, 관리 방법은 도로 균열, 파손, 차선, 과속방지턱 등의 도로포장의 상태가 포함된 DB 자료를 분석한다. 관리 방법은 도로포장의 상태에 대한 DB 자료를 분석함으로써, 보다 체계적인 주행 안전성 평가와 도로 관리 방안에 대한 기술적 요구가 증가됨을 파악한다.
이에 따라, PMS(Pavement Management System : 도로포장관리체계)와 지능형 시스템 분야에서 이를 위한 연구가 활발이 진행 중이여, 도로 관리를 위한 비전 센서를 이용하여 차선 검출을 검출하는 연구가 주를 이루고 있다. 차선 검출 방법은 차선 마킹 검출을 위해 윤곽선의 경계를 탐지 하거나 RGB 칼라 모델, 주파수 도메인 접근, 영역 분할 및 Hough 변환 등의 여러 방법이 제시되고 있다.
그러나, 이러한 방법은 교통사고 예방을 위해 도로안전시설 설치 및 관리지침을 바탕으로 설치와 제원, 도색 등이 엄격히 제한되고 있다. 또한, 대표적인 도로안전시설물인 과속방지턱 탐지에 대한 연구는 미비하다.
도로를 주행하는 중 도로에 존재하는 과속방지턱을 자동으로 탐지하고, 탐지된 과속방지턱에 대한 데이터를 관리함으로써, 운전자의 부주의에 의한 과속방지턱의 균열, 파손 등을 예방할 수 있으며, 탐지된 과속방지턱에 의해 운전자가 보다 안정적인 주행이 가능한 과속방지턱 탐지 시스템 및 방법을 제안한다.
일실시예에 따른 과속방지턱 탐지 방법은 하나 이상의 이미지 시퀀스가 결합된 파노라마 영상으로부터 과속방지턱이 존재하는 영역에 따른 관심 영역(ROI: Region of Interest)을 설정하는 단계; 상기 관심 영역에 기초하여 상기 과속방지턱의 색상으로 추정되는 제1 차선 영역을 지정하는 단계; 상기 관심 영역의 칼라 모델을 변환하여 변환된 관심 영역에서 상기 과속방지턱의 색상으로 추정되는 영역을 추출하는 단계; 상기 제1 차선 영역과 상기 추정된 영역을 비교한 제2 차선 영역을 추출하고, 추출한 상기 제2 차선 영역을 기초하는 상기 과속방지턱의 위치를 탐지하는 단계를 포함할 수 있다.
일실시예에 따른 과속방지 탐지 방법은 상기 탐지된 과속방지턱의 위치에 대한 데이터베이스를 관리하는 단계를 더 포함할 수 있다.
일실시예에 따른 과속방지턱 탐지 시스템은 하나 이상의 이미지 시퀀스가 결합된 파노라마 영상으로부터 과속방지턱이 존재하는 영역에 따른 관심 영역(ROI: Region of Interest)을 설정하는 설정부; 상기 관심 영역에 기초하여 상기 과속방지턱의 색상으로 추정되는 제1 차선 영역을 지정하는 지정부; 상기 관심 영역의 칼라 모델을 변환하여 변환된 관심 영역에서 상기 과속방지턱의 색상으로 추정되는 영역을 추출하는 추출부; 상기 제1 차선 영역과 상기 추정된 영역을 비교한 제2 차선 영역을 추출하고, 추출한 상기 제2 차선 영역을 기초하는 상기 과속방지턱의 위치를 탐지하는 탐지부를 포함할 수 있다.
일실시예에 따른 과속방지턱 탐지 시스템은 탐지된 과속방지턱의 위치에 대한 데이터베이스를 관리하는 관리부를 더 포함할 수 있다.
과속방지턱 탐지 시스템 및 방법은 도로를 주행하는 중 도로에 존재하는 과속방지턱을 자동으로 탐지하고, 탐지된 과속방지턱에 대한 데이터를 관리함으로써, 운전자의 부주의에 의한 과속방지턱의 균열, 파손 등을 예방할 수 있으며, 탐지된 과속방지턱에 의해 운전자가 보다 안정적인 주행이 가능할 수 있다.
일실시예에 따른 도 1은 과속방지턱을 탐지하기 위한 전체적인 구상도이다.
일실시예에 따른 도 2는 과속방지턱의 특징적인 구성을 도시한 도면이다.
일실시예에 따른 도 3은 과속방지턱을 탐지하는 과속방지턱 탐지 알고리즘을 도시한 흐름도이다.
일실시예에 따른 도 4는 과속방지턱을 탐지하기 위해 설정된 관심 영역을 설명하기 위한 도면이다.
일실시예에 따른 도 5는 HSV 색상 모델을 도시한 도면이다.
일실시예에 따른 도 6은 과속방지턱을 탐지하는 과정을 설명하기 위한 도면이다.
일실시예에 따른 도 7은 과속방지턱 탐지 시스템을 통해 디스플레이되는 화면을 도시한 도면이다.
일실시예에 따른 도 8은 과속방지턱 탐지 시스템의 DB 업데이트 화면을 도시한 도면이다.
일실시예에 따른 도 9는 과속방지턱 탐지 시스템의 시스템 아키텍처를 도시한 도면이다.
일실시예에 따른 도 10은 과속방지턱 탐지 시스템의 데이터 검색 구조를 도시한 도면이다.
일실시예에 따른 도 11은 과속방지턱 탐지 시스템을 도시한 도면이다.
일실시예에 따른 도12는 과속방지턱 탐지 방법을 도시한 도면이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
일실시예에 따른 도 1은 과속방지턱을 탐지하기 위한 전체적인 구상도이다.
과속방지턱 탐지 시스템(101)은 전방위 카메라(Omni-directional Camera)를 이용하여 과속방지턱(Speed Bump)을 탐지하고 Vision Based Approach 통한 실시간 데이터 갱신 방안을 제시할 수 있다.
도 1을 참고하면 과속방지턱 탐지 시스템(101)은 전방위 카메라(Omni-directional Camera: 103)를 이용하여 도로 위에 설치된 과속방지턱(102)을 포함하는 파노라마 영상을 획득할 수 잇다. 과속방지턱(102)은 도로 또는 진입로 포장에서 차량 속도를 강제로 낮추게 하기 위해 도로를 가로질러 설치된 둥근 산마루처럼 생긴 교통안전시설이다.
다시 말해, 과속방지턱(102)은 도로 노면을 돌출시켜 턱이 지게 만든 것을 뜻하며 과속으로 인한 교통안전 사고가 우려되는 도로에 설치될 수 있다. 그리고, 과속방지턱(102)은 도로에 설치되어 차량에 물리적 충격과 운전자에게 심리적인 저항을 줌으로써 차량 주행속도의 저감을 가져오는 효과가 있다.
또한, 과속방지턱(102)은 도 2에 도시되어 있는 것과 같이, 법적 시설 기준의 규격에 따라 설정될 수 있다. 일례로, 과속방지턱(102)은 법적 시설 기준의 규격에 의거하여 도로 관리 기관에서 공공 시설물로서 과속방지턱을 설치할 경우, 설치 길이 3.6m, 설치 높이 10cm의 규격을 적용하도록 되어 있다.
전방위 카메라(103)는 이동 수단(104)의 윗면에 장착되어 도로 위에 설치된 과속방지턱이 포함된 이미지 시퀀스를 획득할 수 있다. 전방위 카메라(103)는 물리적으로 서로 연결된 복수의 카메라를 포함할 수 있다. 일례로, 전방위 카메라(103)는 Ladybug2 (Point Grey Research)의 모델을 사용하며, DGPS 장비를 이용하여 이동 수단(104)의 윗면에 장착될 수 있다. 그리고, 이동 수단(104)은 버스, 택시, 승용차, 트럭 등으로 교통 수단으로 사용되는 모든 수단을 포함하며, 이에 한정되지 않는다.
그리고, 전방위 카메라(103)는 6개의 카메라에서 획득한 이미지 시퀀스가 결합된 파노라마 영상을 생성할 수 있다. 파노라마 영상은 6개의 카메라를 통한 이미지 시퀀스가 결합된 것으로, 전방위 카메라(103)를 기준으로 360도의 모든 영상을 포함할 수 있다.
과속방지턱 탐지 시스템(101)은 생성된 파노라마 영상으로부터 과속방지턱(102)을 검출하기 위해 잡음을 제거하고, 과속방지턱(102)을 구성하는 형상과 패턴으로 여겨지는 점들을 우선적으로 탐지할 수 있다. 과속방지턱(102)을 구성하는 형상과 패턴은 과속방지턱이 가지는 일정한 폭과 흰색 영역과 노란색 영역을 갖는 규칙적인 형태를 의미할 수 있다.
과속방지턱 탐지 시스템(101)은 과속방지턱이 일정한 폭과 규칙적인 형태에 착안하여 침식과 팽창을 이용한 형태학적 연산과 HSV칼라 모델을 적용하여 도로상의 과속방지턱을 추출하였다. 또한, 과속방지턱 탐지 시스템(101)은 카메라에서 거대한 이미지 데이터(파노라마 영상에 대응)를 수집하여 대상 객체(과속방지턱에 대응)를 검출하고 검출된 대상 객체에 대한 GPS 위치 정보를 DB화 할 수 있다. 일례로, 과속방지턱 탐지 시스템(101)은 사용자 시각에서 획득한 데이터를 이용하여 지도 데이터의 유용한 업데이트 방법을 구현하기 위해 실시간 지도 업데이트를 위한 DB 스키마를 설계하고 SLAMs(Simultaneous Localization And Mapping: 동시적 위치 추정 및 지도 작성) 시스템 구현할 수 있다.
일실시예에 따른 도 3은 과속방지턱을 탐지하는 과속방지턱 탐지 알고리즘을 도시한 흐름도이다. 도 3의 도시된 도면은 과속방지턱을 탐지하기 위해 금번 제안된 과속방지턱 탐지 알고리즘으로써, 4단계의 각 과정을 거쳐 과속방지턱을 탐지할 수 있는 흐름도이다.
도 3을 참고하면 과속방지턱 탐지 시스템은 전방위 카메라를 통해 하나 이상의 이미지 시퀀스를 획득하여 파노라마 영상을 생성할 수 있다.
그리고, 과속방지턱 탐지 시스템은 생성된 파노라마 영상으로부터 과속방지턱이 존재하는 지면에 따른 관심 영역(ROI: Region of Interest)을 설정할 수 있다. 관심 영역은 침식 연산과 팽창 연산을 이용한 형태학적 연산을 통해 설정될 수 있다. 형태학(Mophology, 모폴로지)은 영상 형태(shape)를 분석하고 처리하는 영상 처리 기법으로 영상 경계, 블록, 골격 등의 형태를 표현하거나 서술하는데 필요한 영상 요소를 추출할 수 있다. 따라서, 과속방지턱 탐지 시스템은 파노라마 영상의 경계 너비가 일정하지 않거나 중간에 단절된 경우, 이를 일정한 너비를 갖도록 수정하거나, 연결할 수 있도록 형태학적 연산으로 처리하여 관심 영역을 설정할 수 있다.
형태학적 연산으로 팽창 연산(dilation) 또는 침식 연산(erosion)을 포함할 수 있다. 팽창 연산은 물체 내부의 돌출부를 감소시키고, 물체 외부의 돌출부를 증가시켜 물체의 크기를 확장하고 배경은 축소시킬 수 있다. 그리고, 팽창 연산은 물체 내부에 발생한 구멍과 같은 빈 공간을 채우거나, 짧게 끊어진 영역을 연결할 때 연산될 수 있다. 또한, 팽창 연산은 연산하고자 하는 영상이 그레이 영상인 경우, 객체를 더 게 하여 크게 보이는 효과를 얻을 수 있다. 팽창 연산은 A와 B를 화소의 집합이라고 가정했을 때, 형태소 B로 A를 팽창한 A
Figure 112013101151670-pat00001
B에 대하여 수학식1과 같이 정의될 수 있다.
Figure 112013101151670-pat00002
반면, 침식 연산은 물체의 크기를 그 배경과 관련하여 일정하게 줄여주는 것으로 물체의 크기는 줄어들고, 배경은 확대시킬 수 있다. 침식 연산은 물체의 외부 돌출부를 감소시키고, 물체의 내부 돌출부를 증가시켜 서로 닿은 물체를 분리할 때 연산될 수 있다. 따라서, 침식 연산은 주로 영상 내 물체와 배경 사이에 잡음이 있을 때 잡음을 제거하거나 전체 영상에서 아주 작은 물체를 제거할 때 연산될 수 있다. 침식 연산은 A와 B를 화소의 집합이라고 가정했을 때, 형태소인 B로 A를 침식한 A
Figure 112013101151670-pat00003
B에 대하여 수학식 2와 같이 정의될 수 있다.
Figure 112013101151670-pat00004
여기서, Bw는 형태소 B를 이동한 결과로, 이중 A 집합에 완전하게 포함되는 W = {u, v}의 집합이 침식으로 일어난 결과일 수 있다. 다시 말해, Bw는 B 집합을 A 집합의 위로 이동하면서 B 집합이 완전하게 포함되는 장소를 찾은 뒤 각 장소에서 원점에 해당하는 점을 모아 만든 집합을 의미한다.
전방위 카메라를 통해 획득한 이미지 시퀀스는 과속방지턱이 존재하는 영역 이외의 광각(wide angle)과 하늘 등 불필요한 영역 존재할 수 있다. 그래서, 과속방지턱 탐지 시스템은 이미지 시퀀스가 결합된 파노라마 영상에서 과속방지턱을 검색하기 위한 검색 영역을 줄이고 속도 향상을 위해, 제한된 관심 영역을 설정할 수 있다. 다시 말해, 도 4. (a)에 도시된 도면과 같이, 과속방지턱 탐지 시스템은 과속방지턱이 항상 도로의 지면에 위치한다는 것을 파악할 수 있다. 따라서, 과속방지턱 탐지 시스템은 과속방지턱의 위치를 고려하여 기하학적 특성에 따른 지상 영역으로 제한된 관심 영역을 설정할 수 있다. 여기서, 지상 영역은 과속방지턱이 존재하는 도로의 지면일 수 있다.
또한, 도 4. (b)에 도시된 도면과 같이, 과속방지턱 탐지 시스템은 파노라마 영상으로부터 노이즈와 색상이 감소된 이미지 생성을 위해 그레이 영상(명암)의 형태학적 연산 중 팽창 연산을 적용할 수 있다. 과속방지턱 탐지 시스템은 도 4. (b)에 도시된 것과 같이 파노라마 영상으로부터 형태학적 연산을 통해 관심 영역을 설정할 수 있다.
그리고, 과속방지턱 탐지 시스템은 과속방지턱의 특징적인 색상을 갖는 칼라 정보에 기초한 가설 생성 영역(HG: Hypothesis Generation)을 지정할 수 있다. 이 때, 과속방지턱 탐지 시스템은 가설 생성 영역에서 탐지율을 높이기 위해 질감 정보를 사용한 가설 검증(HV: Hypothesis Verification)이 적용될 수 있다. 가설 검증은 생성된 가설 생성 영역을 검증하기 위한 방법일 수 있다. 과속방지턱 탐지 시스템은 가설 검증이 확인되면, 이에 따른 제1 차선 영역을 추출할 수 있다.
또한, 과속방지턱 탐지 시스템은 도로의 지면이 평탄하고 장착된 전방위 카메라의 원점에 평행하다고 가정 하에, 이동 수단에서 과속방지턱까지의 거리를 계산할 수 있다. 일례로, 과속방지턱 탐지 시스템은 과속방지턱 탐지를 위한 개발 언어로 Visual Studio 2010, OpenCV2.3.1 및 C++을 이용하여 개발 수 있다.
일실시예에 따른 도 5는 HSV 색상 모델을 도시한 도면이다.
도 5를 참고하면, 과속방지턱 탐지 시스템은 과속방지턱을 검출하기 위해 과속방지턱의 가장 독특한 정보를 이용할 수 있다. 과속방지턱은 반복된 흰색과 노란색이 번갈아 표시되는 일관된 패턴을 가질 수 있다. 다시 말해, 과속방지턱은 과속방지턱에 표시되어 있는 선형의 대부분이 흰색과 노란색으로 구분되는 독특한 정보를 가질 수 있다. 여기서, 과속방지턱은 동일한 흰색과 노란색으로 표현되지만, 과속방지턱이 설치된 주변 환경에 따라 같은 색상이더라도 조금씩 다르게 표시될 수 있다. 따라서, 과속방지턱 탐지 시스템은 과속방지턱이 갖는 흰색과 노란색의 색상 범위만 가지고 차선을 인식하기 위해, 획득하는 파노라마 영상에 대하여 주변 환경에 맞는 색상의 범위를 매번 지정해주어야 한다.
그러므로, 과속방지턱 탐지 시스템은 관심 영역이 설정된 파노라마 영상으로부터 과속방지턱의 색상이라고 판단되는 영역을 재 추출할 수 있다. 이를 위하여 과속방지턱 탐지 시스템은 관심 영역이 설정된 파노라마 영상의 RGB를 H(Hue: 색상), S(Saturation: 채도), V(Value: 값)로 변경할 수 있다. 일례로, 과속방지턱 탐지 시스템은 과속방지턱의 흰색과 노란색을 검색할 수 있는 파노라마 영상에 대한 RGB 색 공간을 HSV 칼라 모델을 이용하여 HSV 색 공간을 갖도록 변환할 수 있다.
도 6에 도시된 빨간색의 원형 구간은 HSV 색 공간에서 과속방지턱의 흰색과 노란색의 영역을 표시한다. HSV은 칼라를 선택하는데 사용되는 몇 가지 칼라 시스템 중 하나로서 사람이 칼라 감각을 경험하고 묘사하는 방식에 대해 RGB 시스템보다 훨씬 더 가깝다.
HSV 색 공간은 RGB 칼라 큐브를 그레이 축을 따라 쳐다보면서 형성될 수 있다. 이 때, 그레이 축은 흰색과 흰색 모서리를 연결하는 축을 의미할 수 있다. 색상(Hue)은 칼라 육각형 주위의 각도로 표현되며, 적색 축을 0o 축으로 사용할 수 있다. 값(value)은 뿔의 축을 따라 측정되며, 축의 끝은 흑색 (V=0)과 백색(V=1)이며, 전체 칼라 육각형의 중앙에 위치할 수 있다. 여기서, 뿔의 축은 그레이의 농도를 나타낼 수 있다. 채도(saturation)는 육각형의 중앙 축, V 축으로부터의 거리로 측정될 수 있다.
일실시예에 따른 도 6은 과속방지턱을 탐지하는 과정을 설명하기 위한 도면이다.
도 6을 참고하면, 과속방지턱 탐지 시스템은 관심 영역 중에 과속방지턱의 색상으로 재 판단되는 영역의 RGB 색 공간을 HSV 색 공간으로 변환할 수 있다. 과속방지턱 탐지 시스템은 변환된 영역의 각 픽셀에 대하여 HSV를 구할 수 있다. 그리고, 과속방지턱 탐지 시스템은 재 판단되는 영역에서 구한 픽셀의 HSV과 제1 차선 영역의 픽셀의 HSV를 비교하여 제2 차선 영역을 추출할 수 있다. 다시 말해, 과속방지턱 탐지 시스템은 두 영역에 대한 픽셀의 HSV를 비교하여 과속방지턱의 흰색과 노란색의 칼라 범위를 동시에 포함하고 있는 제2 차선 영역을 추출할 수 있다.
과속방지턱 탐지 시스템은 제2 차선 영역에 포함된 과속방지턱의 색상에 스레시홀드(threshold)를 적용하여 역치시킨 마스킹 이미지를 생성할 수 있다. 과속방지턱 탐지 시스템은 노이즈 패턴을 줄이기 위해 바이너리 이미지에 형태학적 연산을 수행할 수 있다. 과속방지턱 탐지 시스템은 남은 영역이 연결된 구성요소 분석에 의해 표시되고 작은 표시 영역 역시 제거된다.
이 때, 형태학적 연산은 열림(Opening) 연산 또는 닫힘(Closing) 연산을 포함할 수 있다. 열림 연산과 닫힘 연산은 팽창 연산과 침식 연산의 기본 연산으로 만들며 팽창 연산과 침식 연산을 순차적으로 수행하거나, 침식 연산과 팽창 연산을 순차적으로 진행하여 결과를 얻을 수 있다. 일례로, 열림 연산과 닫힘 연산은 침식 마스크와 팽창 마스크를 이용하여 과속방지턱의 위치를 탐지할 수 있다. 이 때, 침식 마스크와 팽창 마스크는 각각 침식 연산과 팽창 연산이 수행된 영상을 의미할 수 있다.
열림 연산은 침식 연산 다음에 팽창 연산을 바로 사용하는 알고리즘으로 블록하게 나온 부분을 제거하고, 좁은 연결을 끊어서 영상의 외곽선 부분을 부드럽게 만들어 객체의 형상과 크기를 보존할 수 있다. 일례로, 열림 연산은, 침식 마스크로 영상의 외곽의 픽셀을 제거하고, 팽창 마스크로 상기 제거된 픽셀을 확장시키는 알고리즘일 수 있다. 열림 연산은 돌출 부분과 좁은 연결 부위가 제거되는 특징을 가지며, 제거 연산이라고도 할 수 있다. 열림 연산은 화소의 집합 A와 형태소나 구조적 요소 B가 일으킨 A의 열림한 A
Figure 112013101151670-pat00005
B에 대하여 수학식 3과 같이 정의될 수 있다.
Figure 112013101151670-pat00006
닫힘 연산은 팽창 연산 후에 침식 연산을 바로 사용하는 알고리즘으로 일반적으로 오목하게 들어간 부분이나 작은 구멍을 채우기에 열림 연산과 마찬가지로 영상의 외곽선 부분을 부드럽게 만들며 객체의 형태와 크기를 보전할 수 있다. 일례로, 닫힘 연산은 팽창 마스크로 영상의 외곽의 픽셀을 확장시키고, 침식 마스크로 상기 확장된 픽셀을 축소시키는 알고리즘일 수 있다. 닫힘 연산은 작은 구멍이나 틈 등을 채우는 특징을 가지며, 채움 연산이라고도 할 수 있다. 닫힘 연산은 화수의 집합 A와 행태소나 구조적 요소 B가 있을 때, B가 일으킨 A의 닫힌 A
Figure 112013101151670-pat00007
B에 대하여 수학식 4와 같이 정의될 수 있다.
Figure 112013101151670-pat00008
그리고, 과속방지턱 탐지 시스템은 과속방지턱의 흰색과 노란색 영역에 AND 연산을 적용하여 방지턱으로 추정될 만큼의 큰 영역을 이루는 프레임을 연속적으로 카운팅할 수 있다. 이 때, 과속방지턱 탐지 시스템은 연속적으로 카운팅 된 3개의 프레임이 탐지되는 경우, 과속방지턱 영역의 위치를 추정할 수 있다. 과속방지턱 탐지 시스템은 역투사(Back projection)를 이용하여 추정한 과속방지턱 영역의 위치에 과속방지턱이 실제로 존재하는지 검증할 수 있다. 역투사는 지정된 이미지의 픽셀이나 히스토그램 모델에서 픽셀의 분포에 맞게 얼마나 잘 기록되었는지를 나타내는 방법이다. 과속방지턱 탐지 시스템은 다양한 조명 조건에서 과속방지턱의 이미지를 캡쳐하고, 캡쳐된 과속방지턱의 이미지를 히스토그램 모델로 생성하여 정렬할 수 있다. 이는 외부 환경에 따라 다양한 색상을 갖는 과속방지턱을 탐지하기 위해서 일 수 있다. 그리고, 역투사에서 사용되는 픽셀은 과속방지턱의 픽셀로 최종적으로 선정될 높은 확률을 가지게 된다.
일실시예에 따른 도 7은 과속방지턱 탐지 시스템을 통해 디스플레이되는 화면을 도시한 도면이다.
도 7. (a)을 참고하면, 과속방지턱 탐지 시스템은 도로의 지면이 평탄하고 장착된 전방위 카메라의 원점에 평행하다고 가정 하에, 이동 수단에서 과속방지턱까지의 거리를 계산할 수 있다.
이때, 도 7. (c), (d)에 도시된 것과 같이, 과속방지턱 탐지 시스템은 계산된 거리의 오차를 검증하기 위해, 30cm와 15m거리에서의 평균 오차를 측정하여 계산할 수 있다. 일례로, 거리의 평균 오차는 30cm에서 평균 6.09%(약 18mm)로 측정되고, 15cm에서 평균 3.92%(약 0.59m)로 측정될 수 있다.
일실시예에 따른 도 8은 과속방지턱 탐지 시스템의 DB 업데이트 화면을 도시한 도면이다.
도 9. (a)를 참고하면, 과속방지턱 탐지 시스템은 주행 중 탐지된 과속방지턱을 데이터베이스에 추가할 수 있다. 그리고, 과속방지턱 탐지 시스템은 데이터베이스를 기초하여 주행 경로에 존재하는 모든 과속방지턱의 탐지 결과를 디스플레이할 수 있다. 과속방지턱 탐지 시스템은 주행 중 탐지된 과속방지턱에 대응하는 프레임 데이터를 포함할 수 있다. 일례로, 과속방지턱 탐지 시스템은 시스템을 평가하기 위해 취득한 대상 지역의 과속방지턱에 대한 이미지의 총 수는 5,321로 전체 프레임 데이터와 일치할 수 있다.
도 9. (b)에 도시된 것과 같이 프레임 데이터는 GPS 정보를 포함하며 데이터 뷰어 상에서 1초 간격으로 타이머를 생성하여 차량의 위치를 표시할 수 있다. 그리고, 과속방지턱 탐지 시스템은 데이터 뷰어에 이미지 프레임을 생성하여 1초 간격으로 과속방지턱 감지 알고리즘을 실행할 수 있다.
일실시예에 따른 도 9는 과속방지턱 탐지 시스템의 시스템 아키텍처를 도시한 도면이다.
도 9를 참고하면 과속방지 시스템의 시스템 아키텍처는 업데이트, 디스플레이, 시뮬레이션을 위한 3가지 형태의 데이터베이스를 사용할 수 있다. 디스플레이용 DB는 도로 경계와 건물 등의 배경용 데이터를 화면 뷰어에 표시할 수 있다. 시뮬레이션용 DB는 도로망 네트워크로 구성된 노드와 링크 데이터를 포함할 수 있다. 그리고, 디스플레이용 DB 및 시뮬레이션 DB는 ESRI의 형태(shape) 파일 형식으로 저장될 수 있다. 업데이트용 DB는 과속방지턱 데이터를 저장하며, SQLite DBMS 상에 포인트 데이터를 변환하여 관리할 수 있다.
여기서 과속방지턱 데이터는 주행 중 탐지된 과속방지턱에 대한 데이터일 수 있다. 이 때, 업데이트용 DB는 이동 중인 차량의 빈번한 위치 변경이라는 공간적인 특징을 고려하여 색인 구조의 변경을 초래하지 않는 공간 인덱스로 구현할 수 있다. 그리고, 업데이트용 DB는 데이터의 검색과 빠른 질의 처리를 위한 공간 인덱스로써 그리드 인덱스를 사용할 수 있다.
과속방지턱 데이터는 설계된 스키마에 맞게 SQLite DBMS 상에 테이블 구조로 변환하여 로딩될 수 있다. 카메라 모듈은 데이터 뷰어에 업데이트 데이터를 전송하고, 뷰어는 갱신 유형에 따라 삽입, 삭제 및 수정될 수 있다.
일실시예에 따른 도 10은 과속방지턱 탐지 시스템의 데이터 검색 구조를 도시한 도면이다.
도 10을 참고하면, 과속방지턱 탐지 시스템은 과속방지턱의 신속한 검색과 갱신을 위한 공간 인덱스로 그리드 방식을 사용할 수 있다. 그리드 방식은 대상지역을 선형 스케일로 구분된 그리드 셀로 나누어 저장하는 방식이다. 그리드 방식은 값의 범위를 선형 눈금자(Linear scale), 페이지(버켓) 번호를 격자 배열(Grid Array)이라 지칭할 수 있다. 선형 눈금자는 각 축 위의 눈금에 의해서 나타낼 수 있다. 그리고, 격자 배열은 2차원 평면으로 표시할 수 있다.
이때, 가장 작은 공간을 격자 블록이라 하고, 선형 눈금자와 격자 배열을 총칭하여 격자 디렉토리(Grid Directory)라 할 수 있다. 그리드 방식은 평면상의 공간을 선형 스케일을 사용하여 그리드 디렉토리를 구성하고, 이를 각 데이터 블럭에 저장할 수 있다. 그리고, 그리드 방식은 적은 디스크 I/O와 영역 질의에 효율적일 수 있다. 고정 그리드 인덱스는 포인트 질의를 기반으로 하는 다차원 인덱스 중의 하나로 질의처리에 대한 유연성과 성능을 제공할 수 있다.
일실예에 따른 과속방지턱 탐지 시스템은 디스플레이, 포인트와 영역의 공간데이터의 계산과 검색에 효율적인 고정 그리드 인덱스를 사용할 수 있다. 그리고, 도 10. (a)에 도시된 것 같이, 과속방지턱 탐지 시스템은 과속방지턱 탐지 시스템에 적용된 공간 인덱스를 나타낼 수 있다. 여기서, 격자 크기는 2,000m * 2,000m이며 적합한 화면 크기에 의해 결정될 수 있다. 데이터 뷰어의 기본 화면 크기는 500m * 500m이며, 적절한 로딩 속도의 배 크기로 결정될 수 있다. 그 결과로, 총 격자수는 46540 (179 * 260)로 설정될 수 있다.
또한 도10. (b)와 같이 과속방지턱 탐지 시스템은 두 가지 검색 유형 (matching search, range search)을 설계할 수 있다. 과속방지턱 탐지 시스템은 매칭 검색의 경우, X-축 격자 인덱스 번호와 Y-축 격자 인덱스 번호를 격자 크기에 의해 계산할 수 있다. 또한, 총 격자 인덱스 번호는 두 개의 인덱스 번호를 위하여 계산될 수 있다. 범위 검색의 계산은 검색과 일치하는 것과 동일하나, 범위 검색 두 점을 (MBR의 왼쪽 하단, 오른쪽 상단) 계산할 수 있다.
그리드 방식은 지도 데이터를 선형 스케일을 사용하여 일정한 공간으로 분할하고 데이터 블럭을 구성한 뒤 그리드 디렉토리를 구성할 수 있다. 그리고, 그리드 방식은 그리드 디텍도리의 주소를 1차원 배열의 데이터 페이지로 저장할 수 있다. 여기서, 1차원 배열은 그리드 디렉토리의 인덱스 식별로 사용되며 레코드의 블록 또는 버켓을 참조할 수 있다. 그리드 디렉토리는 인덱스 구조를 관계형 액세스 방법을 적용함으로써, 인덱스 테이블에 대응하고, 데이터 블럭은 사용자 테이블에 대응하도록 설계할 수 있다.
Figure 112013101151670-pat00009
표 1은 과속방지턱 테이블의 구조로 정의된 인덱스 구조와 함께 속성정보를 포함하여 나타낼 수 있다. 테이블은 도엽 ID, 도로 분류 코드, 도로 각도, 제한 속도, 경도 및 위도 좌표와 격자 인덱스 번호 포함할 수 있다. 이중 도로 코드, 속도, 각도는 과속방지턱 정보 표출에 사용될 수 있다. 또한, 인덱스 헤더 테이블은 인덱스의 크기 정보가 포함되어 있으며 과속방지턱 데이터가 가지는 MBR 값이 저장이 되며, 선형 스케일로 계산된 그리드 식별자 값이 저장이 될 수 있다.
일실시예에 따른 도 11은 과속방지턱 탐지 시스템을 도시한 도면이다.
과속방지턱 탐지 시스템은 전방위 카메라를 이용하여 취득한 이미지 시퀀스에 형태학적 연산과 HSV 칼라 모델을 통해 과속방지턱을 탐지하고, 실시간으로 데이터의 관리 방안을 제시할 수 있다.
도 11을 참고하면, 과속방지턱 탐지 시스템(1101)은 설정부(1102), 지정부(1103), 추출부(1104), 탐지부(1105), 관리부(1106)를 포함할 수 있다.
설정부(1102)는 전방위 카메라를 이용하여 복수의 이미지 시퀀스를 취득할 수 있다. 그리고, 설정부(1102)는 취득한 이미지 시퀀스는 하나의 파노라마 영상을 생성할 수 있다. 설정부(1102)는 생성된 파노라마 영상으로부터 형태학적 연산을 수행한 후, 과속방지턱이 존재하는 지상 영역으로 제한된 관심 영역을 설정할 수 있다. 이 때, 관심 영역은 ROI 영역으로써, 팽창 연산과 침식 연산으로 연산된 결과일 수 있다. 또한, 관심 영역은 과속방지턱을 보다 빠르게 검색하기 위해 검색 영역을 한정한 것 일 수 있다.
지정부(1103)는 관심 영역에 기초하여 상기 과속방지턱의 색상으로 추정되는 제1 차선 영역을 지정할 수 있다. 다시 말해, 지정부(1103)는 관심 영역 중에 과속방지턱을 구성하는 흰색과 노란색으로 표현된 영역을 검색할 수 있다. 그리고, 지정부(1103)는 흰색과 노란색으로 표현된 영역이 존재하는 경우, 이를 제1 차선 영역으로 지정할 수 있다. 이 때, 지정부(1103)는 RGB에 기초하여 제1 차선 영역을 지정할 수 있다.
추출부(1104)는 관심 영역의 칼라 모델을 변환하여 변환된 관심 영역에서 상기 과속방지턱의 색상으로 추정되는 영역을 추출할 수 있다. 추출부(1104)는 외부 환경에 따라 과속방지턱의 색상이 변경됨을 고려하여 RGB을 HSV으로 변환할 수 있다. 또한, 추출부(1104)는 변환된 HSV에 의거하여 흰색과 노란색으로 표현되는 일정 범위를 기준으로 과속방지턱의 색상으로 추정되는 영역을 재 추출할 수 있다.
추출부(1104)는 외부 환경에 따라 변경됨에 따라 검색이 되지 않은 과속방지턱의 흰색 또는 노란색을 추출하기 위한 것으로, 과속방지턱의 탐지를 보다 정확하게 하기 위함일 수 있다.
탐지부(1105)는 제1 차선 영역과 추정된 영역을 비교한 제2 차선 영역을 추출하고, 추출한 상기 제2 차선 영역을 기초하는 상기 과속방지턱의 위치를 탐지할 수 있다. 탐지부(1105)는 제1 차선 영역과 추정된 영역의 각 픽셀 값을 비교함으로써, 동일한 픽셀 값을 갖는 영역에 대한 제2 차선 영역을 추출할 수 있다. 탐지부(1105)는 과속방지턱의 탐지에 대한 정확도를 높이기 위해 제2 차선 영역을 추출할 수 있다.
그리고, 탐지부(1105)는 제2 차선 영역으로 추출된 과속방지턱의 흰색과 노란색에 대하여 스레시홀드를 적용한 역치시킨 마스킹 이미지를 생성할 수 있다. 그리고, 탐지부(1105)는 노이즈 패턴을 줄이기 위해 바이너리 이미지에 열림 연산 또는 닫힘 연산을 포함하는 형태학적 연산을 수행할 수 있다. 과속방지턱 탐지 시스템은 남은 영역이 연결된 구성요소 분석에 의해 표시되고 작은 표시 영역 역시 제거된다.
관리부(1106)는 이동 중인 이동수단에서 빈번한 위치 변경이라는 공간적인 특징을 고려하여 색인 구조의 변경을 초래하지 않는 공간 인덱스에 따른 테이블로 설계된 데이터베이스를 포함할 수 있다. 관리부(1106)는 탐지된 과속방지턱의 위치에 대하여 데이터베이스에 저장할 수 있다. 그리고, 관리부(1106)는 PMS, 차량 항법 시스템 등을 이용하여 사용자의 움직임에 따른 개인화된 지리 정보를 효율적으로 검색할 수 있다. 다시 말해, 관리부(1106)는 차량 항법 시스템을 통해 탐지된 과속방지턱의 위치를 탐지하고, 탐지된 과속방지턱의 위치를 데이터베이스에 저장함으로써, 사용자의 움직임에 따른 현재 위치에 대응하여 데이터베이스에 저장된 과속방지턱의 위치를 사용자에게 제공할 수 있다. 이로써, 관리부(1106)는 사용자에게 개인화된 지리 정보를 효율적으로 제공할 수 있다.
일례로, 과속방지턱 탐지 장치는 사용자의 움직임에 대응하여 실제 사용자의 주변 환경을 지도 정보에 반영함으로써, 기존의 정적 데이터가 아닌 사용자 중심의 개인 지도를 생성할 수 있다. 또한, 과속방지턱 탐지 장치는 비전 기반의 접근 방식을 사용하여 보다 편리하게 개인 지도를 생성할 수 있다.
일실시예에 따른 도12는 과속방지턱 탐지 방법을 도시한 도면이다.
단계(1201)에서 과속방지턱 탐지 시스템은 여섯 개의 카메라가 물리적으로 서로 연결된 구조의 전방위 카메라를 통해 파노라마 영상을 생성할 수 있다. 그리고, 과속방지턱 탐지 시스템은 파노라마 영상으로부터 과속방지턱에 대한 관심 영역을 설정할 수 있다. 이 때, 과속방지턱 탐지 시스템은 취득한 파노라마 영상에 포함된 광각과 하늘 등 불필요한 영역을 제거하여, 지상 형상으로 제한된 관심 영역을 설정할 수 있다. 또한, 과속방지턱 탐지 시스템은 그레이 영상의 형태학적 팽창 연산을 관심 영역에 수행함으로써, 노이즈와 색상이 감소된 이미지를 생성할 수 있다.
단계(1202)에서 과속방지턱 탐지 시스템은 형태학적 연산이 수행된 관심 영역을 구성하는 RGB 색 공간을 HSV 색 공간으로 변환할 수 있다. 과속방지턱 탐지 시스템은 색 공간을 변환함으로써, 흰색과 노란색에 의한 일관된 패턴을 가지는 대상 객체를 탐지할 수 있다. 대상 객체는 과속방지턱을 의미할 수 있다.
단계(1203)에서 과속방지턱 탐지 시스템은 관심 영역의 칼라 모델을 변환하여 변환된 관심 영역에서 상기 과속방지턱의 색상으로 추정되는 영역을 추출할 수 있다. 과속방지턱 탐지 시스템은 외부 환경에 따라 과속방지턱의 색상이 변경됨을 고려하여 RGB을 HSV으로 변환할 수 있다.
단계(1204)에서 과속방지턱 탐지 시스템은 제1 차선 영역과 추정된 영역을 비교한 제2 차선 영역을 추출하고, 추출한 상기 제2 차선 영역을 기초하는 상기 과속방지턱의 위치를 탐지할 수 있다. 과속방지턱 탐지 시스템은 제1 차선 영역과 추정된 영역의 각 픽셀 값을 비교함으로써, 동일한 픽셀 값을 갖는 영역에 대한 제2 차선 영역을 추출할 수 있다.
단계(1205)에서 과속방지턱 탐지 시스템은 탐지된 과속방지턱의 위치에 대하여 데이터베이스에 저장할 수 있다. 이때, 데이터베이스는 이동 중인 이동수단에서 빈번한 위치 변경이라는 공간적인 특징을 고려하여 색인 구조의 변경을 초래하지 않는 공간 인덱스에 따른 테이블로 설계될 수 있다.
본 발명의 실시 예에 따른 방법들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
101: 과속방지턱 탐지 시스템
102: 과속방지턱
103: 전방위 카메라
104: 이동수단

Claims (16)

  1. 물리적으로 서로 연결된 전방위 카메라로부터 획득한 하나 이상의 이미지 시퀀스가 결합된 파노라마 영상의 경계 너비를 보정하고, 과속방지턱이 존재하는 지면 영역의 형상으로 표현된 관심 영역(ROI: Region of Interest)을 설정하는 단계;
    RGB 칼라 모델로 표현된 상기 관심 영역에 대응하여 상기 과속방지턱의 특징적인 색상을 갖는 칼라 정보에 따른 가설 생성 영역을 지정하는 단계;
    상기 지면 영역에 대한 질감 정보를 사용하는 가설 검증을 통해 가설 생성 영역에 대한 가설 검증을 수행하고 상기 가설 검증의 결과에 따라 상기 과속방지턱으로 추정되는 제1 차선 영역을 지정하는 단계;
    상기 관심 영역의 칼라 모델을 RGB 칼라 모델에서 HSV 칼라 모델로 변환하고, HSV 칼라 모델로 변환된 관심 영역 내에 복수의 조명 조건에 따라 서로 다르게 나타내는 상기 과속방지턱의 색상 범위에 기초하여 상기 과속방지턱으로 추정되는 영역을 추출하는 단계;
    상기 RGB 칼라 모델로 표현된 제1 차선 영역과 상기 HSV 칼라 모델로 표현된 영역에 따른 각각의 픽셀값을 비교하여 동일한 픽셀값으로 표현된 과속방지턱을 나타내는 제2 차선 영역을 추출하고 상기 제2 차선 영역에 포함된 과속방지턱이 나타내는 색상에 대하여 스레시홀드(threshold)가 적용된 마스킹 이미지를 생성하는 단계;
    상기 생성된 마스킹 이미지를 기반으로 추출한 상기 제2 차선 영역에서 과속방지턱으로 추정되는 영역과 배경 사이의 잡음을 제거하기 위해 침식 연산 후 팽창 연산을 수행하는 열림 연산 및 추출한 상기 제2 차선 영역에 발생한 빈공간을 채우기 위해 팽창 연산 후 침식 연산을 수행하는 닫힘 연산에 따라 추출한 상기 제2 차선 영역에 포함된 잡음 및 빈공간을 보정함으로써, 추출한 상기 제2 차선 영역에서 추정되는 과속방지턱에 대한 외곽선의 형상과 크기를 보존하는 단계;
    상기 보존된 제2 차선 영역에서 추정되는 과속방지턱에 대한 외곽선의 형상과 크기를 기반으로 상기 과속방지턱으로 추정이 가능한 크기의 영역을 이루는 상기 외곽선과 관련된 프레임을 연속적으로 카운팅함으로써, 상기 과속방지턱의 위치를 탐지하는 단계
    를 포함하는 과속방지턱 탐지 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 물리적으로 서로 연결된 전방위 카메라로부터 획득한 하나 이상의 이미지 시퀀스가 결합된 파노라마 영상의 경계 너비를 보정하고 과속방지턱이 존재하는 지면 영역의 형상으로 표현된 관심 영역(ROI: Region of Interest)을 설정하는 설정부;
    RGB 칼라 모델로 표현된 상기 관심 영역에 대응하여 상기 과속방지턱의 특징적인 색상을 을 갖는 칼라 정보에 따른 가설 생성 영역을 지정한 후, 지면 영역에 대한 질감 정보를 사용한 가설 검증을 통해 상기 가설 생성 영역에 대한 가설 검증을 수행하고 상기 가설 검증의 결과에 따라 상기 과속방지턱으로 추정되는 제1 차선 영역을 지정하는 지정부;
    상기 관심 영역의 칼라 모델을 RGB 칼라 모델에서 HSV 칼라 모델로 변환하고, HSV 칼라 모델로 변환된 관심 영역 내에 내에 복수의 조명 조건에 따라 서로 다르게 나타내는 상기 과속방지턱의 색상 범위에 기초하여 상기 과속방지턱으로 추정되는 영역을 추출하는 추출부;
    상기 제1 차선 영역과 상기 추정된 영역에 따른 각각의 픽셀값을 비교하여 동일한 픽셀값으로 표현된 과속방지턱을 나타내는 제2 차선 영역을 추출하고, 상기 제2 차선 영역에서 추정되는 과속방지턱에 대한 외곽선과 관련된 프레임을 연속적으로 카운팅함으로써 상기 과속방지턱의 위치를 탐지하는 탐지부
    를 포함하고,
    상기 탐지부는,
    상기 생성된 마스킹 이미지를 기반으로 추출한 상기 제2 차선 영역에서 과속방지턱으로 추정되는 영역과 배경 사이의 잡음을 제거하기 위해 침식 연산 후 팽창 연산을 수행하는 열림 연산 및 추출한 상기 제2 차선 영역에 발생한 빈공간을 채우기 위해 팽창 연산 후 침식 연산을 수행하는 닫힘 연산에 따라 추출한 상기 제2 차선 영역에 포함된 잡음 및 빈공간을 보정함으로써, 추출한 상기 제2 차선 영역에서 추정되는 과속방지턱에 대한 외곽선의 형상과 크기를 보존하한 후,
    상기 보존된 제2 차선 영역에서 추정되는 과속방지턱에 대한 외곽선의 형상과 크기를 기반으로 상기 과속방지턱으로 추정이 가능한 크기의 영역을 이루는 상기 외곽선과 관련된 프레임을 연속적으로 카운팅하는 과속방지턱 탐지 시스템.
  10. 삭제
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
KR1020130134077A 2013-11-06 2013-11-06 주행 중 과속방지턱 탐지 시스템 및 그 방법 KR101517695B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130134077A KR101517695B1 (ko) 2013-11-06 2013-11-06 주행 중 과속방지턱 탐지 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130134077A KR101517695B1 (ko) 2013-11-06 2013-11-06 주행 중 과속방지턱 탐지 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR101517695B1 true KR101517695B1 (ko) 2015-05-04

Family

ID=53393862

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130134077A KR101517695B1 (ko) 2013-11-06 2013-11-06 주행 중 과속방지턱 탐지 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR101517695B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021243576A1 (en) 2020-06-02 2021-12-09 Huawei Technologies Co., Ltd. Apparatus, system and method for detecting speed bumps and potholes on a road
US11420633B2 (en) * 2017-10-24 2022-08-23 Valeo Schalter Und Sensoren Gmbh Assisting the driving of an automotive vehicle when approaching a speed breaker

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110131678A (ko) * 2010-05-31 2011-12-07 호서대학교 산학협력단 지능형 운송 시스템의 도로 및 차선 검출 시스템 및 방법
KR20120006593A (ko) * 2010-07-13 2012-01-19 한국과학기술연구원 영상 내의 관심 영역에서의 물체 추출 장치 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110131678A (ko) * 2010-05-31 2011-12-07 호서대학교 산학협력단 지능형 운송 시스템의 도로 및 차선 검출 시스템 및 방법
KR20120006593A (ko) * 2010-07-13 2012-01-19 한국과학기술연구원 영상 내의 관심 영역에서의 물체 추출 장치 및 그 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11420633B2 (en) * 2017-10-24 2022-08-23 Valeo Schalter Und Sensoren Gmbh Assisting the driving of an automotive vehicle when approaching a speed breaker
WO2021243576A1 (en) 2020-06-02 2021-12-09 Huawei Technologies Co., Ltd. Apparatus, system and method for detecting speed bumps and potholes on a road

Similar Documents

Publication Publication Date Title
US20210319561A1 (en) Image segmentation method and system for pavement disease based on deep learning
KR102094341B1 (ko) 인공지능 기반의 도로 노면 불량 객체 정보 분석 시스템 및 방법
Kopsiaftis et al. Vehicle detection and traffic density monitoring from very high resolution satellite video data
US10043097B2 (en) Image abstraction system
US9251420B2 (en) System for mapping and identification of plants using digital image processing and route generation
JP6650657B2 (ja) フィンガープリントを使用してビデオ内で移動オブジェクトを追跡するため方法及びシステム
CN108416985B (zh) 一种基于图像识别的地质灾害监测预警系统及预警方法
CN112052826A (zh) 基于YOLOv4算法的智慧执法多尺度目标检测方法、装置、系统及存储介质
JP2014071902A5 (ko)
CN103530600A (zh) 复杂光照下的车牌识别方法及系统
CN110659546B (zh) 一种违法摊位检测方法及装置
CN102354457A (zh) 基于广义霍夫变换的交通信号灯位置检测方法
CN114519819B (zh) 一种基于全局上下文感知的遥感图像目标检测方法
KR102273063B1 (ko) 공간정보를 이용한 확률지도와 정사영상의 이미지 학습을 연계한 고사목 및 병해충 모니터링 시스템
KR20140148171A (ko) 지능형 차량의 차선 검출방법
CN111723656A (zh) 一种基于YOLO v3与自优化的烟雾检测方法及装置
JP2020160840A (ja) 路面標示不具合検出装置、路面標示不具合検出方法及び路面標示不具合検出プログラム
JP2007128141A (ja) 道路画像中の道路車線数を決定するシステム及び方法
KR101517695B1 (ko) 주행 중 과속방지턱 탐지 시스템 및 그 방법
Champion 2D building change detection from high resolution aerial images and correlation digital surface models
CN113158954B (zh) 交通非现场的基于ai技术的斑马线区域自动检测方法
CN110636248B (zh) 目标跟踪方法与装置
CN110059544B (zh) 一种基于道路场景的行人检测方法和系统
CN106339683A (zh) 一种路考红绿灯识别方法及装置
CN110738229B (zh) 一种细粒度图像分类方法、装置及电子设备

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180523

Year of fee payment: 4

LAPS Lapse due to unpaid annual fee