KR102026686B1 - 커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버 - Google Patents

커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버 Download PDF

Info

Publication number
KR102026686B1
KR102026686B1 KR1020180138290A KR20180138290A KR102026686B1 KR 102026686 B1 KR102026686 B1 KR 102026686B1 KR 1020180138290 A KR1020180138290 A KR 1020180138290A KR 20180138290 A KR20180138290 A KR 20180138290A KR 102026686 B1 KR102026686 B1 KR 102026686B1
Authority
KR
South Korea
Prior art keywords
road
area
image
road damage
damage
Prior art date
Application number
KR1020180138290A
Other languages
English (en)
Inventor
류승기
강성모
전찬준
Original Assignee
한국건설기술연구원
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 한국건설기술연구원 filed Critical 한국건설기술연구원
Priority to KR1020180138290A priority Critical patent/KR102026686B1/ko
Application granted granted Critical
Publication of KR102026686B1 publication Critical patent/KR102026686B1/ko

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
    • E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Civil Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Structural Engineering (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Architecture (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버가 제공된다. 도로 파손 정보 제공 장치의 카메라부는 차량에 장착되어 주행 중인 도로를 촬영하여 도로 노면 영상을 출력하고, 위치 센싱부는 차량의 위치 정보를 제공하고, 메모리는 사전에 딥러닝 기반으로 학습된 도로 파손 판정 모델을 저장하고, 제어부는 저장된 도로 파손 판정 모델을 실행하여, 카메라부로부터 실시간으로 입력되는 도로 노면 영상을 도로 파손 판정 모델에 입력하여 도로 파손 영역이 존재하는지 여부를 판단하고, 도로 파손 영역이 존재하는 것으로 판단된 경우, 도로 파손 영역을 포함하는 영상과 위치 정보를 메모리에 저장한다.

Description

커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버{Apparatus for providing dangerous road information using connected car and server for generating deep-learning model}
본 발명은 커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버에 관한 것으로서, 보다 상세하게는, 도로 표면에서 발생하는 다양한 도로 파손 위치와 크기를 자동으로 수집하여 실시간으로 파악하고, 파손 정도에 따라 차별적으로 레이블링하여 커넥티드 차량에게 정보를 제공할 수 있는 커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버에 관한 것이다.
포트홀과 같은 도로 파손은 다양한 요인으로 발생하는데, 강우 또는 강설량 등 기후변화, 표면의 노화, 수분의 표면 침투로 인한 파손, 수많은 통행량에 의한 누적 하중, 포장 재료의 품질저하 등 다양한 요인에 의해 발생한다. 이러한 도로 파손은 발생 위치나 주기가 일률적이지 않아, 언제 어떻게 발생할지를 예상하는 것이 어렵다. 이로 인해, 도로 파손은 교통사고로 이어져, 수많은 인적 또는 물적 피해를 만든다.
기존의 도로 파손 정보를 수집하는 방법은 일 예로 순찰 차량이 도로를 주행하면서 육안으로 파손된 상태와 위치를 기록하는 방식으로서, 인력에 의존하는 수동적인 방법이 대부분이다. 따라서, 광범위한 도로의 파손 정보를 인력을 통해 수집하는 것은 매우 위험하면서 어려운 수작업이며, 이러한 기존의 방식으로는 자율 주행차나 스마트 시티 등 미래 교통시장에 적용하기에는 부적합하다.
따라서, 보다 안전하면서 신속하고 정확한 방식으로 광범위한 도로의 파손 정보를 실시간으로 파악하여 V2X(Vehicle to Everything) 통신이 가능한 차량 간의 정보 제공이 가능하고, 자율 주행차의 경우 안전 운전을 확보하도록 하는 기술이 필요하다.
국내 등록특허 제10-1543342호(2015.08.04. 등록)
전술한 문제점을 해결하기 위하여 본 발명이 이루고자 하는 기술적 과제는, 주행 중인 차량을 통해 실시간으로 도로 노면 영상을 획득하여 노면 파손 상태를 판단하고, 노면 파손의 종류와 크기에 따라 상이하게 레이블링함으로써 파손 정도의 식별을 용이하게 하고, 노면 파손 정보를 자율주행차 또는 V2X(Vehicle to Everything) 차량과 실시간으로 공유할 수 있는 커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버를 제시하는 데 있다.
본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 기술적 과제를 해결하기 위한 수단으로서, 본 발명의 실시 예에 따르면, 커넥티드 차량을 이용한 도로 파손 정보 제공 장치는, 차량에 장착되어 주행 중인 도로를 촬영하여 도로 노면 영상을 출력하는 카메라부; 상기 차량의 위치 정보를 제공하는 위치 센싱부; 사전에 딥러닝 기반으로 학습된 도로 파손 판정 모델을 저장하는 메모리; 및 상기 저장된 도로 파손 판정 모델을 실행하여, 상기 카메라부로부터 실시간으로 입력되는 도로 노면 영상을 상기 도로 파손 판정 모델에 입력하여 도로 파손 영역이 존재하는지 여부를 판단하고, 상기 도로 파손 영역이 존재하는 것으로 판단된 경우, 상기 도로 파손 영역을 포함하는 영상과 위치 정보를 상기 메모리에 저장하는 제어부;를 포함한다.
상기 제어부는, 상기 도로 파손 영역이 존재하는 것으로 판단된 경우, 상기 도로 파손 영역의 종류와 크기에 따라 상이한 레이블링을 수행하고, 상기 레이블링된 도로 파손 영역의 영상, 종류, 크기 및 위치 정보를 상기 메모리에 저장한다.
상기 제어부는, 상기 도로 파손 영역의 종류와 크기에 따라 사전에 설정된 색상 및 두께 중 적어도 하나를 조정하여 레이블링을 수행한다.
V2X(Vehicle to Everything) 통신 방식으로 유무선망을 통해 외부 차량 및 외부 모바일 기기 중 적어도 하나와 통신가능한 V2X 모듈과 통신하는 통신부;를 더 포함하고, 상기 제어부는, 상기 도로에 도로 파손 영역이 존재하는 것으로 판단된 경우, 상기 도로 파손 영역을 포함하는 영상과 위치 정보를 상기 차량 내에 설치된 V2X 모듈에게 전송하도록 상기 통신부를 제어한다.
상기 카메라부로부터 입력되는 도로 노면 영상을 가로선으로 3등분한 후 아래 1/3 영역에 해당하는 분석 영역을 추출하고, 상기 분석 영역 중 정해진 위치에 해당하는 관심 영역을 추출한 후, 상기 추출된 관심 영역을 상기 도로 파손 판정 모델의 입력데이터로 정하는 영상 처리부;를 더 포함한다.
상기 카메라는, 상기 차량의 앞면과 가장 근접한 도로의 노면부터 주행 방향을 따라 촬영하도록 설치되되, 촬영된 영상 내의 도로 표면 수평선의 소실점이 상기 도로 노면 영상의 2/3 영역 내에 위치하도록 설치된다.
한편, 본 발명의 다른 실시 예에 따르면, 도로 파손 판정 모델 생성 서버는, 차량용 장치로부터 획득된 다수의 도로 노면 영상들을 수집 및 저장하는 데이터베이스; 상기 수집된 도로 노면 영상들로부터 추출되는 각 관심 영역을 영상처리하는 전처리부; 및 상기 영상처리된 다수의 관심 영역들을 딥러닝 기반으로 학습하여 도로 노면의 파손 여부를 판정하는 도로 파손 판정 모델을 생성하는 서버 제어부;를 포함한다.
사용자로부터 상기 도로 노면 영상들 중 관심영역을 선택받는 사용자 인터페이스부;를 더 포함하고, 상기 전처리부는, 상기 사용자에 의해 표시된 관심 영역을Ground Truth 이미지로서 생성하고, 상기 서버 제어부는, 상기 사용자에 의해 선택된 관심 영역을 입력데이터로 하고, 상기 Ground Truth 이미지를 출력데이터로 하여 학습 알고리즘을 수행하여 상기 도로 파손 판정 모델을 생성한다.
상기 사용자 인터페이스부는, 상기 사용자로부터 상기 관심 영역에 존재하는 도로 파손 영역을 크로핑하는 명령과, 상기 크로핑된 도로 파손 영역의 종류와 크기에 따라 상이한 색상 및 두께로 레이블링하는 명령을 입력받고, 상기 전처리부는, 상기 상이한 색상 및 모양으로 레이블링된 도로 파손 영역을 포함하는 관심영역을 Ground Truth 이미지로서 생성한다.
상기 전처리부는, 상기 저장된 도로 노면 영상을 가로선으로 3등분한 후 아래 1/3 영역에 해당하는 분석 영역을 추출하고, 상기 분석 영역 중 정해진 위치에 해당하는 관심 영역을 기준으로 도로 파손 영역을 크로핑하여 크로핑 데이터셋을 생성한다.
본 발명에 따르면, 주행 중인 차량을 통해 실시간으로 도로 노면 영상을 획득하여 노면 파손 상태를 판단함으로써 자율주행차 또는 V2X(Vehicle to Everything) 차량을 포함하는 차량들에게 도로 노면의 파손 정보를 실시간으로 제공 및 공유하고, 포트홀과 같은 도로 파손에 의한 사고를 예방할 수 있다.
또한, 본 발명에 따르면 인공지능 또는 딥러닝에 의해 생성된 모델을 이용하여 도로 파손의 위치와 크기를 자동으로 수집할 수 있으며, 파손된 영역의 크기에 따라 상이하게 라벨링처리함으로써 파손 정도의 식별을 용이하게 할 수 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시 예에 의한 도로 파손 판정 모델 생성 서버를 도시한 블록도,
도 2는 도로 노면 영상으로부터 분석 영역을 추출하는 동작을 설명하기 위하여 1프레임의 도로 노면 영상을 도시한 도면,
도 3은 레이블링 이전과 레이블링 이후의 영상을 보여주는 도면,
도 4는 본 발명의 실시 예에 따른 도로 파손 정보 제공 장치를 도시한 블록도,
도 5는 본 발명의 다른 실시 예에 따른 도로 파손 정보 제공 시스템을 도시한 도면,
도 6은 본 발명의 실시 예에 따른 도로 파손 판정 모델 생성 서버의 도로 파손 판정 모델 생성 방법을 설명하기 위한 흐름도,
도 7은 도 6의 S620단계를 구체적으로 도시한 흐름도, 그리고,
도 8은 본 발명의 실시 예에 따른 도로 파손 정보 제공 장치의 도로 파손 정보 제공 방법을 설명하기 위한 흐름도이다.
이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시 예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시 예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.
본 명세서에서, 어떤 엘리먼트, 구성요소, 장치, 또는 시스템이 프로그램 또는 소프트웨어로 이루어진 구성요소를 포함한다고 언급되는 경우, 명시적인 언급이 없더라도, 그 엘리먼트, 구성요소, 장치, 또는 시스템은 그 프로그램 또는 소프트웨어가 실행 또는 동작하는데 필요한 하드웨어(예를 들면, 메모리, CPU 등)나 다른 프로그램 또는 소프트웨어(예를 들면 운영체제나 하드웨어를 구동하는데 필요한 드라이버 등)를 포함하는 것으로 이해되어야 할 것이다.
또한, 어떤 엘리먼트(또는 구성요소)가 구현됨에 있어서 특별한 언급이 없다면, 그 엘리먼트(또는 구성요소)는 소프트웨어, 하드웨어, 또는 소프트웨어 및 하드웨어 어떤 형태로도 구현될 수 있는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
이하, 본 발명에서 실시하고자 하는 구체적인 기술내용에 대해 첨부도면을 참조하여 상세하게 설명하기로 한다. 어떤 경우에는, 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는 데 있어 별 이유 없이 혼돈이 오는 것을 막기 위해 기술하지 않음을 미리 언급해 둔다.
도 1, 도 4 및 도 5에 도시된 서버(100, 500) 또는 장치(200, 400)의 각각의 구성은 기능 및/또는 논리적으로 분리될 수도 있음을 나타내는 것이며, 반드시 각각의 구성이 별도의 물리적 장치로 구분되거나 별도의 코드로 작성됨을 의미하는 것은 아님을 본 발명의 기술분야의 평균적 전문가는 용이하게 추론할 수 있을 것이다.
또한, 본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예컨대, 상기 모듈은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것이 아님은 본 발명의 기술분야의 평균적 전문가에게는 용이하게 추론될 수 있다.
또한, 본 명세서에서 DB라 함은, 각각의 DB에 대응되는 정보를 저장하는 소프트웨어 및 하드웨어의 기능적 구조적 결합을 의미할 수 있다. DB는 적어도 하나의 테이블로 구현될 수도 있으며, 상기 DB에 저장된 정보를 검색, 저장, 및 관리하기 위한 별도의 DBMS(Database Management System)를 더 포함할 수도 있다. 또한, 링크드 리스트(linked-list), 트리(Tree), 관계형 DB의 형태 등 다양한 방식으로 구현될 수 있으며, 상기 DB에 대응되는 정보를 저장할 수 있는 모든 데이터 저장매체 및 데이터 구조를 포함한다.
또한, 본 발명의 실시 예에 따른 도로 파손 판정 모델 생성 서버(100), 도로 파손 정보 제공 장치(200), 서비스 제공 서버(300), 정보 수집 장치(400) 및 도로 파손 정보 제공 서버(500)는 예를 들면, 데스크탑 PC(Personal Computer), 서버, 랩탑 PC(Laptop PC), 넷북 컴퓨터(Netbook Computer) 등 프로그램의 설치 및 실행이 가능한 모든 전자기기들 중 하나일 수도 있다.
도 1은 본 발명의 실시 예에 의한 도로 파손 판정 모델 생성 서버(100)를 도시한 블록도이다.
도 1에 도시된 도로 파손 판정 모델 생성 서버(100)는 다수의 도로 노면 영상을 학습 알고리즘에 적용하여 실제 도로상에서 파손 영역을 예측할 수 있는 도로 파손 판정 모델을 학습 및 생성할 수 있다. 이를 위해, 도로 파손 판정 모델 생성 서버(100)는 사용자 인터페이스부(110), 입력부(120), 데이터베이스(130), 전처리부(140), 서버 메모리(150) 및 서버 제어부(160)를 포함할 수 있다.
사용자 인터페이스부(110)는 사용자와 서버(100) 간의 인터페이싱을 위한 장치로서, 사용자 명령을 입력받아 서버 제어부(160)에게 전달하거나, 서버 제어부(160)에 의해 처리된 결과를 화면에 표시할 수 있다.
입력부(120)는 다수의 차량용 장치들(미도시)로부터 도로 노면 영상들을 유무선 통신 방식으로 수신하는 통신 회로를 포함하거나, 휴대용 메모리(미도시)에 저장된 다수의 도로 노면 영상들을 입력받을 수 있다. 도로 노면 영상은 도 2에 도시된 것처럼, 도로 표면의 수평선, 즉, 소실점이 2/3 영역 내에 위치하도록 촬영된 영상일 수 있다.
데이터베이스(130)는 입력부(120)를 통해 차량용 장치들 또는 휴대용 메모리로부터 획득된 다수의 도로 노면 영상들을 수집 및 저장할 수 있다.
전처리부(140)는 수집된 도로 노면 영상들로부터 추출되는 각 관심 영역을 영상처리한다. 전처리부(140)는 도로 노면 영상 중 관심영역에 해당하는 이미지 상에 포트홀, 크랙 등의 파손 영역이 있는 경우, 사용자로 하여금 파손 영역을 종류에 따라 또는 크기에 따라 상이하게 레이블링하도록 하여 Ground Truth 이미지를 생성할 수 있다.
도 2는 도로 노면 영상으로부터 분석 영역을 추출하는 동작을 설명하기 위하여 1프레임의 도로 노면 영상을 도시한 도면이다.
도 2를 참조하면, 하나의 도로 노면 영상은 예를 들어 1080p의 해상도를 갖는 프레임이다. 전처리부(140)는 하나의 프레임의 도로 노면 영상을 가로선으로 동일하게 3등분한 후 아래의 1/3 영역에 해당하는 영역을 분석 영역으로서 추출하고, 추출된 분석 영역을 화면에 표시한다.
사용자는 사용자 인터페이스부(110)를 이용하여 화면에 표시된 분석 영역 중 관심영역(ROI: Region Of Interest)을 선택 및 크로핑(cropping)하고, ROI에 존재하는 도로 파손 영역을 외곽선을 따라 추출하고, 추출된 외곽선의 가장 긴 X축과 Y축을 연결하여 사각형을 추출할 수 있다. 그리고, 사용자는 사용자 인터페이스부(110)를 이용하여 도로 파손 영역의 종류와 크기에 따라 상이한 색상 또는 상이한 두께의 선(또는 면)으로 도로 파손 영역을 레이블링하여 파손 위치와 크기를 표시할 수 있다.
후술할 서버 제어부(160) 또는 전처리부(140)는 사용자에 의해 레이블링되는 결과를 이용하여 도로 파손 영역을 포함하는 관심영역과 레이블링 방식을 매핑한 레이블 데이터를 생성할 수 있다.
도 3은 레이블링 이전과 레이블링 이후의 영상을 보여주는 도면이다.
도 3에는 도로 파손 영역의 실제 크기와 무관하게 동일한 색상으로 라벨링처리된 일 예가 도시되어 있다. 사용자는 노면이 파손된 면적, 즉, 도로 파손 영역의 픽셀의 면적이 사전에 정해진 기준 크기 이상일 때 다른 색상으로 레이블링할 수도 있다. 또한, 사용자는 도로 파손 영역이 포트홀, 낙하물, 크랙 등 종류(유형)에 따라 다른 색상 또는 다른 모양으로 레이블링할 수도 있다.
본 발명의 실시 예에서는, 크랙과 같이 선형으로 발생하는 갈라진 틈과 포트홀처럼 면형태로 파손되는 경우를 구분하여 레이블링 색상과 두께를 다르게 하여 레이블 데이터를 생성할 수 있다. 또는 상술한 것처럼 파손 영역을 표시하는 두께를 구분하지 않고, 파손 영역으로 판단되는 부분은 모두 동일한 색으로 표현하여 레이블 데이터를 생성할 수도 있다.
전처리부(140)는 사용자의 선택에 따라 관심 영역을 처리하여 Ground Truth 이미지를 생성할 수 있다. 즉, 전처리부(140)는 사용자에 의해 상이한 색상 및/또는 모양으로 레이블링된 도로 파손 영역을 포함하는 관심영역(즉, 레이블 데이터)을 생성하며, 이로써, Ground Truth 이미지가 생성된다. Ground Truth 이미지는 사용자에 의해 레이블링된 이미지이다.
또한, 전처리부(140)는 레이블링된 관심영역의 밝기(B, brightness), 대비(C, contrast), 방향(O, orientation) 중 적어도 하나를 조정하여 학습하기 위한 입력데이터 개수를 증가시킬 수 있다. 이로써, 하나의 관심 영역으로부터 다수의 상이한 Ground Truth 이미지들이 생성될 수 있으며, 이는, 실제 도로를 촬영하는 경우 날씨, 시간 등 환경에 따라 변경될 수 있는 도로 노면 영상의 다양한 상황을 학습 또는 딥러닝하는데 반영할 수 있다.
서버 메모리(150)는 휘발성 메모리 및/또는 비휘발성 메모리를 포함할 수 있다. 서버 메모리(150)에는 예를 들어, 도로 파손 판정 모델 생성 서버(100)가 제공하는 동작, 기능 등을 구현 및/또는 제공하기 위하여, 구성요소들(110~160)에 관계된 명령 또는 데이터, 하나 이상의 프로그램 및/또는 소프트웨어, 운영체제 등이 저장될 수 있다.
서버 메모리(150)에 저장되는 프로그램은 도로 파손 판정 모델을 구현하기 위한 프로그램을 포함할 수 있다. 도로 파손 판정 모델은 수집된 도로 노면 영상들을 학습 알고리즘에 적용하여 도로 파손 영역을 추출 및 그 종류를 예측하고, 종류 또는 크기에 따라 도로 파손 영역을 레이블링하는 도로 파손 판정 모델을 생성하기 위한 프로그램이다. 학습 알고리즘은 인공지능 알고리즘, 구체적으로는 딥러닝 알고리즘(예를 들어, DNN, RNN, CNN, SVM 등 다수)일 수 있다.
딥러닝의 경우, 학습용 데이터를 확보하는 것이 가장 중요하며, 이를 위해 전처리부(140)에서 설명한 것처럼 하나의 전체 이미지 프레임에서 분석 영역을 축소하고, 이후 포트홀과 같은 대상 객체가 있는 관심 영역을 기준으로 이미지 추출작업(Cropping)을 실시한다. 이렇게 추출한 크로핑 데이터셋에서 파손 위치, 크기 또는 색상을 표시하는 레이블링 작업이 수행되며, 최대한 동일한 기준으로 레이블링하여 학습 데이터 셋을 구성할 수 있다.
서버 제어부(160)는 서버 메모리(150)에 저장된 하나 이상의 프로그램을 실행하여 서버(100)의 전반적인 동작을 제어한다.
예를 들어, 서버 제어부(160)는 서버 메모리(150)에 저장된 예측 모델 생성 프로그램을 실행하여 도로 파손 판정 모델을 학습 및 생성할 수 있다. 이를 위하여 서버 제어부(160)는 알고리즘 처리부(162)를 포함할 수 있다.
알고리즘 처리부(162) 도로 노면 영상 중 레이블링 처리된 다수의 관심 영역들을 딥러닝 기반으로 학습하여 도로 노면의 파손 여부를 판정하는 도로 파손 판정 모델을 생성할 수 있다. 알고리즘 처리부(162)는 사용자에 의해 선택된 관심 영역을 입력데이터로 하고, 관심 영역에 대응하는 Ground Truth 이미지(즉, 레이블링된 관심영역)를 출력데이터로 하여 학습 알고리즘을 수행하여 도로 파손 판정 모델을 생성할 수 있다. 생성된 도로 파손 판정 모델은 도로 파손 정보 제공 장치(200) 또는 도로 파손 정보 제공 서버(500)에 설치 및 실행될 수 있다.
도 4는 본 발명의 실시 예에 따른 도로 파손 정보 제공 장치(200)를 도시한 블록도이다.
도 4를 참조하면, 본 발명의 실시 예에 따른 도로 파손 정보 제공 장치(200)는 카메라부(210), 위치 센싱부(220), 출력부(230), 영상 처리부(240), 장치 메모리(250), 장치 제어부(260) 및 장치 통신부(270)를 포함할 수 있다.
카메라부(210)는 카메라를 이용하여 도로 노면을 촬영하고, 도로 노면 영상을 영상 처리부(240)로 출력할 수 있다. 카메라부(210)는 도 2를 참조하여 설명한 것처럼, 차량의 앞면과 가장 근접한 도로의 노면부터 주행 방향을 따라 촬영하도록 설치되되, 촬영된 영상 내의 도로 표면 수평선의 소실점이 도로 노면 영상의 2/3 영역 내에 위치하도록 설치되어 도로 노면을 촬영할 수 있다.
카메라부(210), 위치 센싱부(220), 출력부(230), 영상 처리부(240), 장치 메모리(250), 장치 제어부(260) 및 장치 통신부(270)는 하나의 장치 또는 하나의 모듈로 구현되거나, 카메라부(210)만 별도의 독립적인 장치로 구현될 수 있다.
위치 센싱부(220)는 주행 중인 차량의 위치 정보를 센싱하여 영상 처리부(240) 또는 장치 제어부(260)에게 출력할 수 있다.
출력부(230)는 장치 제어부(260)에 의해 도로 상에 포트홀과 같은 파손 영역이 존재하는 것으로 판단되면, 해당 파손 영역의 존재를 시각, 청각 또는 촉각 정보 중 적어도 하나의 형태로 제공하여 차량 내의 사용자가 인지할 수 있도록 한다.
영상 처리부(240)는 카메라부(210)로부터 입력되는 도로 노면 영상을 3등분하고, 아래 1/3 영역을 분석 영역으로서 추출한다. 영상 처리부(240)는 추출된 분석 영역 중 관심 영역을 설정하며, 예를 들어, 분석 영역 중 세로 기준 200픽셀을 제하고, 가로 기준 800픽셀을 제한 나머지를 관심 영역으로 설정할 수 있다. 그리고, 영상 처리부(240)는 관심 영역을 도로 파손 판정 모델의 입력데이터로 사용하도록 한다.
장치 메모리(250)는 휘발성 메모리 및/또는 비휘발성 메모리를 포함할 수 있다. 장치 메모리(250)에는 예를 들어, 도로 파손 정보 제공 장치(200)가 제공하는 동작, 기능 등을 구현 및/또는 제공하기 위하여, 구성요소들(210~270)에 관계된 명령 또는 데이터, 하나 이상의 프로그램 및/또는 소프트웨어, 운영체제 등이 저장될 수 있다.
장치 메모리(250)에 저장되는 프로그램은 도로 파손 판정 모델 생성 서버(100)에서 딥러닝 기반으로 학습 및 생성된 도로 파손 판정 모델을 포함할 수 있다.
장치 제어부(260)는 장치 메모리(250)에 저장된 하나 이상의 프로그램을 실행하여 장치(200)의 전반적인 동작을 제어한다.
예를 들어, 장치 제어부(260)는 장치 메모리(250)에 저장된 도로 파손 판정 모델을 실행하여, 영상 처리부(240)로부터 실시간으로 입력되는 도로 노면 영상을 도로 파손 판정 모델에 입력하여 도로 파손 영역이 존재하는지 여부를 판단할 수 있다.
이를 위하여, 장치 제어부(260)는 학습부(262)를 포함할 수 있다. 학습부(262)는 영상 처리부(240)로부터 입력되는 도로 노면 영상 중 관심 영역을 도로 파손 판정 모델에 입력하여 도로 파손 영역의 존재 여부를 판단한다. 학습부(262)는 도로 파손 판정 모델에 의한 학습 결과, 입력된 관심 영역에 도로 파손 영역이 존재하는 것으로 판단된 경우, 도로 파손 영역의 종류와 크기를 판별하고, 판별된 종류와 크기에 따라 상이한 레이블링을 수행하고, 레이블링된 도로 파손 영역의 종류, 크기, 도로 파손 영역을 포함하는 원본 영상(관심 영역이 존재하는 해당 프레임)과 원본 영상이 촬영된 위치 정보를 장치 메모리(250) 또는 별도의 저장매체(미도시)에 저장할 수 있다.
학습부(262)는 도로 파손 영역의 종류와 크기에 따라 사전에 설정된(즉, 서버(100)에서 학습 및 설정된) 색상 및 두께 중 적어도 하나를 조정하여 레이블링을 수행하며, 이로써, 사용자는 색상 및 두께 중 적어도 하나로부터 도로 표면의 파손 정도 또는 종류를 식별할 수 있다.
장치 통신부(270)는 장치(200)가 설치된 차량에 V2X(Vehicle to Everything) 통신 방식으로 유무선망을 통해 외부 차량 및 외부 모바일 기기 중 적어도 하나와 통신가능한 V2X 모듈이 탑재된 경우, V2X 모듈과 통신할 수 있다. 장치 제어부(260)는 학습부(262)의 학습 결과 도로에 도로 파손 영역이 존재하는 것으로 판단된 경우, 레이블리된 도로 파손 영역을 포함하는 원본 영상과 위치 정보를 차량 내에 설치된 V2X 모듈에게 전송하도록 장치 통신부(270)를 제어한다. 이로써, 차량과 동일한 노선으로 주행 중인 다른 차량은 주행 경로의 전방에 포트홀과 같은 위험 상황이 존재하는 것을 인지하고, 사전에 사고 발생을 방지할 수 있다.
또한, 장치 통신부(270)는 서비스 제공 서버(300)에게 도로 파손 영역이 존재하는 것으로 판단된 위치 정보와 레이블링된 도로 파손 영역을 포함하는 원본 영상을 전송할 수 있다.
서비스 제공 서버(300)는 상술한 도 1의 서버(100)일 수도 있고, 별도의 서버로서, 장치 통신부(270)로부터 제공받은 도로 파손 영역에 대한 정보를 위치 정보를 참조하여 지도 상에 표시할 수 있다. 서비스 제공 서버(300)는 레이블링된 도로 파손 영역을 지도에 표출하고, 지점 별 발생건수, 발생 면적, 크기 등을 단위구간 별로 표시하고, 누적 합계, 평균값, 표준편차, 분산 등 다양한 통계처리방식을 이용하여 단위 구간의 불량 특성을 표현한다. 단위구간은 도로를 관리자가 사전에 정해진 기준으로 구별한 구간이다.
서비스 제공 서버(300)는 도로 파손 정보와 위치, 발생빈도, 크기 등의 변수를 참고로 단위구간내에서 도로의 상태와 관련된 도로불량정보를 생성 및 제공한다. 단위 구간별 도로불량정보는 3단계 또는 4단계 등 다양하게 불량정도를 표현할 수 있고, 예를 들면 불량도가 심각한 경우는 발생빈도와 크기가 심각한 경우로서, 사람들이 시각적으로 경고를 느끼는 색상으로 단위구간의 불량도를 색상과 정량적 수치로 표현한다. 동시에 아래 1단계 또는 2단계는 주의 또는 안전 등의 사용자의 요구에 맞춰 색상과 수치로 표현한다.
이러한 불량도 정보는 운전자 또는 정보 공급자 등 다양한 수요자에게 전달하여 서비스하도록 한다. 서비스 제공 서버(300)는 도로 파손 영역에 대한 정보를 제공받는 서비스 수요처에게 GIS(Geographic Information System)를 통해 제공할 수 있다.
도 5는 본 발명의 다른 실시 예에 따른 도로 파손 정보 제공 시스템을 도시한 도면이다.
도 5를 참조하면, 도로 파손 정보 제공 시스템은 정보 수집 장치(400) 및 도로 파손 정보 제공 서버(500)를 포함한다.
정보 수집 장치(400)는 카메라(410) 및 GPS 모듈(420)을 포함하는 차량용 장착 기기이다. 카메라(410) 및 GPS 모듈(420)의 동작은 도 4를 참조하여 설명한 카메라부(210) 및 위치 센싱부(220)와 동일하다. 다만, 정보 수집 장치(400)는 차량에 장착되어 도로 노면 영상과 위치 정보만을 센싱하여 도로 파손 정보 제공 서버(500)로 전송한다.
도로 파손 정보 제공 서버(500)는 정보 수집 장치(400)로부터 수신되는 도로 노면 영상을 사전에 정해진 도로 파손 판정 모델을 기반으로 학습하여 도로 노면 영상으로부터 도로 파손 영역을 추출할 수 있다. 이를 위하여, 도로 파손 정보 제공 서버(500)는 서버 영상 처리부(510), 서버 학습부(520) 및 서버 출력부(530)를 포함할 수 있다. 서버 영상 처리부(510), 서버 학습부(520) 및 서버 출력부(530)는 도 4를 참조하여 설명한 영상 처리부(240), 학습부(262) 및 출력부(230)와 동일하므로 구체적인 설명은 생략한다.
서버 영상 처리부(510)는 도로 노면 영상으로부터 관심 영역을 설정한다.
서버 학습부(520)는 도로 파손 판정 모델에 관심 영역을 입력데이터로 하여 학습함으로써 관심 영역에 도로 파손 영역이 존재하는지 판단하고, 존재하는 경우 도로 파손 영역의 종류 또는 크기에 따라 상이한 레이블링을 수행할 수 있다.
서버 출력부(530)는 서버 학습부(262)에 의해 레이블링된 도로 파손 영역을 위치 정보에 기초하여 지도에 표시할 수 있다.
도 6은 본 발명의 실시 예에 따른 도로 파손 판정 모델 생성 서버(100)의 도로 파손 판정 모델 생성 방법을 설명하기 위한 흐름도, 도 7은 도 6의 S620단계를 구체적으로 도시한 흐름도이다.
도 6 및 도 7의 도로 파손 판정 모델 생성 방법을 위한 서버(100)는 도 1 내지 도 3을 참조하여 설명하였으므로 상세한 설명은 생략한다.
도 6을 참조하면, 도로 파손 판정 모델 생성 서버(100)는 다수의 카메라들에 의해 촬영된 도로 노면 영상들을 수집 및 저장한다(S610).
도로 파손 판정 모델 생성 서버(100)는 수집된 도로 노면 영상들을 전처리하여 관심영역(ROI)을 설정하고, 관심영역 중 파손 영역의 종류, 크기 등에 따라 사전에 정해진 색상 또는 두께로 레이블링한다(S620).
도로 파손 판정 모델 생성 서버(100)는 레이블링된 관심영역을 Ground Truth 이미지로서 생성한다(S630).
도로 파손 판정 모델 생성 서버(100)는 사용자에 의해 선택된 관심영역들을 입력데이터로 하고, 관심 영역에 대응하여 생성된 Ground Truth 이미지를 출력데이터로 하여 학습 알고리즘을 수행하여 도로 파손 판정 모델을 생성한다(S640).
도 7을 참조하면, 도로 파손 판정 모델 생성 서버(100)는 S610단계에서 수집된 도로 노면 영상 중 분석 영역을 추출하고, 사용자로부터 분석 영역 중 관심영역을 선택받는다(S622, S624).
도로 파손 판정 모델 생성 서버(100)는 레이블링된 관심영역의 밝기(B, brightness), 대비(C, contrast), 방향(O, orientation) 중 적어도 하나를 조정하여 딥러닝하기 위한 입력데이터 개수를 증가시킨다(S626).
도로 파손 판정 모델 생성 서버(100)는 사용자로부터 관심영역 중 파손 영역을 선택받고, 선택된 파손 영역의 종류 및 크기 중 적어도 하나에 따라 사전에 정의된 방식으로 색상 또는 두께 중 적어도 하나를 적용하여 레이블링 처리한다(S628).
도 8은 본 발명의 실시 예에 따른 도로 파손 정보 제공 장치(200)의 도로 파손 정보 제공 방법을 설명하기 위한 흐름도이다.
도 8의 도로 파손 정보 제공 방법을 실행하기 위한 장치(200)는 도 4를 참조하여 설명하였으므로 상세한 설명은 생략한다.
도 8을 참조하면, 도로 파손 정보 제공 장치(200)는 카메라부(210)를 이용하여 주행 중인 도로의 노면을 촬영하여 도로 노면 영상을 획득한다(S810).
도로 파손 정보 제공 장치(200)는 획득된 도로 노면 영상과 도로 노면을 촬영하는 동안 센싱된 위치 정보를 저장한다(S820). 이 때, 도로 노면 영상과 위치 정보는 시간에 동기화하여 매핑저장될 수 있다.
도로 파손 정보 제공 장치(200)는 저장된 도로 노면 영상으로부터 분석 영역을 추출하고, 분석영역 중 설정된 위치에 해당하는 관심영역을 추출한다(S830).
도로 파손 정보 제공 장치(200)는 관심영역을 도로 파손 판정 모델의 입력데이터로 하여, 도로 파손 판정 모델을 통해 레이블링처리된 도로 파손 영역을 추출한다(S840).
도로 파손 정보 제공 장치(200)는 레이블링된 도로 파손 영역의 정보를 사용자가 인지가능한 형태로 표출한다(S850).
도로 파손 정보 제공 장치(200)는 레이블링된 도로 파손 영역의 원본 영상과 위치 정보를 차량의 V2X 모듈과 서비스 제공 서버(300)로 전송한다(S860).
한편 본 발명에 따른 커넥티드 차량을 이용한 도로 파손 정보 제공 장치의 도로 파손 정보 제공 방법은 이를 구현하기 위한 명령어들의 프로그램이 유형적으로 구현됨으로써, 컴퓨터를 통해 판독될 수 있는 기록매체에 포함되어 제공될 수도 있음은 통상의 기술자가 쉽게 이해할 수 있다.
즉, 본 발명에 따른 시스템의 인공지능 기반의 도로 파손 정보 제공 방법을 구현하기 위하여 상기 시스템을 제어하는 컴퓨터 상에서 수행되는 컴퓨터 판독 가능한 기록매체에 저장된 프로그램을 함께 제공한다.
한편, 이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시 예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서, 그러한 모든 적절한 변경 및 수정과 균등물들도 본 발명의 범위에 속하는 것으로 간주하여야 할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100: 도로 파손 판정 모델 생성 서버
200: 도로 파손 정보 제공 장치
300: 서비스 제공 서버
400: 정보 수집 장치
500: 도로 파손 정보 제공 서버

Claims (10)

  1. 차량에 장착되어 주행 중인 도로를 촬영하여 도로 노면 영상을 출력하는 카메라부;
    상기 차량의 위치 정보를 제공하는 위치 센싱부;
    상기 카메라부로부터 입력되는 도로 노면 영상을 가로선으로 3등분한 후 아래 1/3 영역에 해당하는 분석 영역을 추출하고, 상기 분석 영역 중 정해진 위치에 해당하는 관심 영역을 추출한 후, 상기 추출된 관심 영역을 상기 도로 파손 판정 모델의 입력데이터로 정하는 영상 처리부;
    사전에 딥러닝 기반으로 학습된 도로 파손 판정 모델을 저장하는 메모리; 및
    상기 저장된 도로 파손 판정 모델을 실행하여, 상기 영상 처리부로부터 실시간으로 입력되는 도로 노면 영상 중 관심 영역을 상기 도로 파손 판정 모델에 입력하여 도로 파손 영역이 존재하는지 여부를 판단하고, 상기 도로 파손 영역이 존재하는 것으로 판단된 경우, 상기 도로 파손 영역을 포함하는 영상과 위치 정보를 상기 메모리에 저장하는 제어부;를 포함하고,
    상기 카메라는,
    상기 차량의 앞면과 가장 근접한 도로의 노면부터 주행 방향을 따라 촬영하도록 설치되되, 촬영된 영상 내의 도로 표면 수평선의 소실점이 상기 도로 노면 영상의 2/3 영역 내에 위치하도록 설치되는 것을 특징으로 하는 커넥티드 차량을 이용한 도로 파손 정보 제공 장치.
  2. 제1항에 있어서,
    상기 제어부는,
    상기 도로 파손 영역이 존재하는 것으로 판단된 경우, 상기 도로 파손 영역의 종류와 크기에 따라 상이한 레이블링을 수행하고, 상기 레이블링된 도로 파손 영역의 영상, 종류, 크기 및 위치 정보를 상기 메모리에 저장하는 것을 특징으로 하는 커넥티드 차량을 이용한 도로 파손 정보 제공 장치.
  3. 제2항에 있어서,
    상기 제어부는,
    상기 도로 파손 영역의 종류와 크기에 따라 사전에 설정된 색상 및 두께 중 적어도 하나를 조정하여 레이블링을 수행하는 것을 특징으로 하는 커넥티드 차량을 이용한 도로 파손 정보 제공 장치.
  4. 제1항에 있어서,
    V2X(Vehicle to Everything) 통신 방식으로 유무선망을 통해 외부 차량 및 외부 모바일 기기 중 적어도 하나와 통신가능한 V2X 모듈과 통신하는 통신부;를 더 포함하고,
    상기 제어부는,
    상기 도로에 도로 파손 영역이 존재하는 것으로 판단된 경우, 상기 도로 파손 영역을 포함하는 영상과 위치 정보를 상기 차량 내에 설치된 V2X 모듈에게 전송하도록 상기 통신부를 제어하는 것을 특징으로 하는 커넥티드 차량을 이용한 도로 파손 정보 제공 장치.
  5. 삭제
  6. 삭제
  7. 차량용 장치로부터 획득된 다수의 도로 노면 영상들을 수집 및 저장하는 데이터베이스;
    상기 수집된 도로 노면 영상들로부터 추출되는 각 관심 영역을 영상처리하는 전처리부; 및
    상기 영상처리된 다수의 관심 영역들을 딥러닝 기반으로 학습하여 도로 노면의 파손 여부를 판정하는 도로 파손 판정 모델을 생성하는 서버 제어부;를 포함하고,
    상기 전처리부는,
    상기 저장된 도로 노면 영상을 가로선으로 3등분한 후 아래 1/3 영역에 해당하는 분석 영역을 추출하고, 상기 분석 영역 중 정해진 위치에 해당하는 관심 영역을 기준으로 도로 파손 영역을 크로핑하여 크로핑 데이터셋을 생성하는 것을 특징으로 하는 도로 파손 판정 모델 생성 서버.
  8. 제7항에 있어서,
    사용자로부터 상기 도로 노면 영상들 중 관심영역을 선택받는 사용자 인터페이스부;를 더 포함하고,
    상기 전처리부는,
    상기 사용자의 선택에 따라 관심 영역을 처리하여 Ground Truth 이미지를 생성하고,
    상기 서버 제어부는,
    상기 사용자에 의해 선택된 관심 영역을 입력데이터로 하고, 상기 Ground Truth 이미지를 출력데이터로 하여 학습 알고리즘을 수행하여 상기 도로 파손 판정 모델을 생성하는 것을 특징으로 하는 도로 파손 판정 모델 생성 서버.
  9. 제8항에 있어서,
    상기 사용자 인터페이스부는,
    상기 사용자로부터 상기 관심 영역에 존재하는 도로 파손 영역을 크로핑하는 명령과, 상기 크로핑된 도로 파손 영역의 종류와 크기에 따라 상이한 색상 및 두께로 레이블링하는 명령을 입력받고,
    상기 전처리부는,
    상기 상이한 색상 및 모양으로 도로 파손 영역을 레이블링하여 Ground Truth 이미지를 생성하는 것을 특징으로 하는 도로 파손 판정 모델 생성 서버.
  10. 삭제
KR1020180138290A 2018-11-12 2018-11-12 커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버 KR102026686B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180138290A KR102026686B1 (ko) 2018-11-12 2018-11-12 커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180138290A KR102026686B1 (ko) 2018-11-12 2018-11-12 커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버

Publications (1)

Publication Number Publication Date
KR102026686B1 true KR102026686B1 (ko) 2019-11-04

Family

ID=68578229

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180138290A KR102026686B1 (ko) 2018-11-12 2018-11-12 커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버

Country Status (1)

Country Link
KR (1) KR102026686B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728236A (zh) * 2019-10-12 2020-01-24 创新奇智(重庆)科技有限公司 车辆定损方法及其专用设备
CN113808128A (zh) * 2021-10-14 2021-12-17 河北工业大学 基于相对坐标定位算法的智能压实全过程可视化控制方法
CN115984221A (zh) * 2023-01-03 2023-04-18 广州新粤交通技术有限公司 一种道路标线修复识别方法、装置、设备及其存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101543342B1 (ko) 2015-02-23 2015-08-11 한국건설기술연구원 차량통신 네트워크를 이용한 도로포장의 포트홀 데이터 처리 시스템 및 그 방법
JP2018017101A (ja) * 2016-07-29 2018-02-01 エヌ・ティ・ティ・コムウェア株式会社 情報処理装置、情報処理方法、及びプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101543342B1 (ko) 2015-02-23 2015-08-11 한국건설기술연구원 차량통신 네트워크를 이용한 도로포장의 포트홀 데이터 처리 시스템 및 그 방법
JP2018017101A (ja) * 2016-07-29 2018-02-01 エヌ・ティ・ティ・コムウェア株式会社 情報処理装置、情報処理方法、及びプログラム

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110728236A (zh) * 2019-10-12 2020-01-24 创新奇智(重庆)科技有限公司 车辆定损方法及其专用设备
CN110728236B (zh) * 2019-10-12 2020-12-04 创新奇智(重庆)科技有限公司 车辆定损方法及其专用设备
CN113808128A (zh) * 2021-10-14 2021-12-17 河北工业大学 基于相对坐标定位算法的智能压实全过程可视化控制方法
CN115984221A (zh) * 2023-01-03 2023-04-18 广州新粤交通技术有限公司 一种道路标线修复识别方法、装置、设备及其存储介质
CN115984221B (zh) * 2023-01-03 2023-08-04 广州新粤交通技术有限公司 一种道路标线修复识别方法、装置、设备及其存储介质

Similar Documents

Publication Publication Date Title
KR102026685B1 (ko) 영상과 진동을 이용한 도로불량정보 제공 장치 및 서버
US10719720B2 (en) Artificial intelligence system for providing road surface risk information and method thereof
KR102094341B1 (ko) 인공지능 기반의 도로 노면 불량 객체 정보 분석 시스템 및 방법
KR102167291B1 (ko) 도로 상태 정보 수집 시스템 및 방법
KR102119033B1 (ko) 영상을 이용한 도로의 노면 표시 훼손 정보 제공 장치 및 방법
KR102026686B1 (ko) 커넥티드 차량을 이용한 도로 파손 정보 제공 장치 및 도로 파손 판정 모델 생성 서버
US11481991B2 (en) System and method for detecting and transmitting incidents of interest of a roadway to a remote server
US20180124319A1 (en) Method and apparatus for real-time traffic information provision
KR100819047B1 (ko) 교차로 중심선 예측 장치 및 방법
KR20190094005A (ko) 도로 노면 손상 탐지를 위한 영상 처리 및 딥러닝 이미지 분류 장치 및 방법
KR102167292B1 (ko) 이기종 센싱값을 이용한 도로 상태 정보 수집 장치 및 방법
CN111339905B (zh) 基于深度学习及多视角的cim井盖状态视觉检测系统
KR102084668B1 (ko) 도로 노면 불량 객체에 의한 도로 노면 위험 정보 제공 시스템 및 방법
CN113127583A (zh) 一种数据传输方法和装置
AU2018256505B2 (en) Artificial intelligence system for providing road surface risk information and method thereof
WO2020261567A1 (ja) 路面検査装置、路面検査方法、およびプログラム
CN112418081A (zh) 一种空地联合快速勘察交通事故的方法及系统
CN117474870B (zh) 一种基于大数据筛选的公路路面裂缝识别决策方法及系统
EP4170601A1 (en) Traffic marker detection method and training method for traffic marker detection model
JP2022529337A (ja) 交通道路用のデジタル復元方法、装置及びシステム
JP7071316B2 (ja) 車両用情報処理装置
KR102257078B1 (ko) 좌표계를 이용한 안개 탐지 장치 및 그 방법
US20110242324A1 (en) Image display device, image display method, image display program, and recording medium
KR102519715B1 (ko) 도로 정보 제공 시스템 및 도로 정보 제공 방법
CN114120658B (zh) 一种高速公路智能巡检机器人系统以及巡检方法

Legal Events

Date Code Title Description
GRNT Written decision to grant