KR102035030B1 - 차선 정보를 이용한 자동 도화 방법 - Google Patents

Abstract

본 발명은 차선 정보를 이용한 자동 도화 방법에 관한 것으로, 자율주행 차량을 위한 수치지도를 자동으로 도화하는 방법에 있어서, 모바일 매핑 시스템(Mobile Mapping System, MMS)을 이용하여, 상기 자율주행 차량을 위한 주행 도로의 영상 정보를 획득하는 제1 단계; 상기 획득된 영상 정보를 정위치 편집하며, 상기 주행 도로의 차선 정보를 포함하는 LAS(Location Aware System) 데이터를 생성하는 제2 단계; 및 상기 정위치 편집된 LAS 데이터를 구조화 편집하며, 상기 차선 정보를 기반으로 상기 LAS 데이터 내의 차선 식별 과정이 상기 차선 정보에 도달할 때까지 수행되도록 하여 상기 차선을 자동으로 도화하는 제3 단계;를 포함하여, 수치지도의 제작 과정 또는 자율주행 차량용 수치지도의 제작 과정에서 구조화 편집 과정 이전에 획득된 도로 주변 지형지물의 객관적인 데이터를 이용하여 도화사의 수작업을 줄일 수 있는 자동 도화 방법을 제공한다.
본 발명에 의하면, 자율주행 차량용 수치지도에 필히 포함되는 차선, 표지판, 신호등, 연석 등의 도로 주변 지형지물 중, 대단히 규칙적이며 일정한 형태를 갖는 차선을 자동으로 도화함으로써, 수치지도 제작자의 수작업을 경감함은 물론, 이를 통해 제작되는 자율주행 차량용 수치지도를 신속하게 업데이트 할 수 있고, 외부 서버를 통해 차선 정보를 제공받을 수 없는 도로나, 차선 정보가 아직 업데이트되지 않은 도로는 획득된 영상에서 차선 정보를 추출하여 구조화 편집서버에 제공함으로써, 자동 도화 과정의 신뢰성을 높일 수 있는 효과를 포함하며, 정위치 편집과정에서 획득한 차선의 수량, 폭, 길이, 및 시점과 종점의 속성정보를 토대로 자동 도화된 차선의 정확도를 검증함으로써, 보다 신뢰도 높은 차선 도화를 가능하게 하는 효과를 포함한다.

Description

차선 정보를 이용한 자동 도화 방법{AUTOMATIC DRAWING METHOD USING LANE INFORMATION}

본 발명은 자율주행 차량용 수치지도를 생성하기 위한 도화 과정에서, 차선정보를 이용하여 도화 과정을 자동으로 수행하는 방법에 관한 것이다.

수치지도는 기존의 아날로그 형태의 종이지도를 측량지도, 항공사진, 위성영상 등에 의해 얻어진 각종 지형자료를 해석하여 수치적으로 편집한 디지털 형태의 지도를 의미한다. 일반적인 수치지도의 생성과정은 다음과 같다.

우선, 종이를 디지타이징(digitizing)이나 스캐닝(scanning)하여 수치지도 형태의 도화를 생성하고, 이렇게 생성된 도화에 좌표 변환을 통해 사용자의 목적에 맞도록 실제 좌표계로 변환한다. 이후, 공간 객체 간의 상호 위치성과 연관성을 파악하기 위한 위상 구조를 정립한 수치지도에 속성자료를 입력한다.

이때, 상술한 속성자료는 다양한 식별자 정보들이 포함되며, 일 예로써 국토지리정보원의 수치지도의 지형지물에 대한 식별자로는 지형지물 전자식별자(UFID: Unique Feature Identifier)가 사용되고 있는데, 이는 지형물에 부여되는 위치정보, 관리기관, 타 속성정보 등을 나타내는 단일 식별자로 지형지물에 유일하게 부여되는 식별자를 말하며, 기관코드, 도엽번호, 지형지물 식별코드, 일련번호 필드 등으로 구성되어 지형지물의 관리, 검색 및 활용을 위해 다른 지리정보와의 연계 또는 지형지물 간의 상호참조를 위한 식별자로 사용된다.

그러나, 생성된 도화는 항공사진, 위성영상, MMS(Mobile Mapping System) 차량을 통해 획득된 영상을 판독하여 입력되기 때문에 도화의 지형지물의 정확도를 보장하기 어려우며, 또한, 이에 따라 각 지형지물에 부여되는 속성자료의 정확도 역시 보장하기 어려운 문제점이 발생한다.

이로 인해, 수치지도 제작자들은 수치지도의 정확도를 보장하기 위해, 도 1에서 기재하고 있는 수치지도 생성 방법의 과정을 통해 보다 정확한 수치지도를 제작하고 있다.

『대한민국 등록특허공보 제10-1021967호, 발명의 명칭: 전자도화를 이용한 수치지도 생성 방법, (공고일: 2011년03월16일, 특허권자: 동국지리정보(주))』에는 도 1에 기재된 수치지도 생성 방법을 상세히 설명하고 있다.

도 1을 참조하여 수치지도 제작과정을 설명하면, 수치지도 제작자는 측량지도, 항공사진, 위성영상, MMS 차량을 통해 획득된 도로변 영상 등 디지타이징이나 스캐닝을 통해 생성된 도화를 종이에 프린트하여(S10), 프린트된 도화의 해당 지역으로 현장조사를 수행한다.(S20)

여기서, 상술한 현장조사에서는 실제 장소에 프린트된 도화에 표시된 건물, 도로(포장, 비포장), 철도, 공원, 하천, 산, 논, 밭, 등의 다양한 인공지물과 자연지형이 실제로 존재하는지, 또는 실제 장소에 위치하는 인공지물과 자연지형의 크기, 방향, 형태가 도화에도 정확히 표시되어 있는지 등을 직접 확인하고, 다른 부분이 있으면 도화에 수작업으로 직접 수정한다. 아울러, 해당 인공지물 및 자연지형의 상호, 명칭 및 기본정보(건물의 층수, 도로나 하천의 폭 등) 등의 속성자료들을 도화의 해당 위치에 일일이 수작업으로 표기한다.

이렇게 현장조사를 통해 도화에 잘못 묘사된 인공지물 및 자연지형과, 각 인공지물과 자연지형의 속성자료들의 표기가 완료되면, 표기된 도화를 이용하여 전산화 작업을 통한 최초 생성된 도화에 상기 변경정보 및 속성자료를 표시하여 도화 및 지도입력 성과를 수정하고 보완함으로써, 지형, 지물의 지리적 상관관계를 파악하기 위한 정위치 편집을 수행한다.(S30)

이어, 상기 정위치 편집을 통해 편집된 지형, 지물을 기하학적 형태로 구성하고 필요한 대상을 점, 선, 면 및 네트워크 영역분할의 모델 또는 이를 조합한 기하모델로 국토지리정보원에서 정의한 점, 선, 면 형태화를 기반으로 일일이 해당되는 인공지물 및 자연지형에 전산화 작업을 통한 수작업으로 표시하고 편집하는 구조화 편집을 수행한다.(S40) 이때, 상술한 구조화 편집에서 도화에 표시되는 속성자료는 숨겨진(화면에 표시되지 않고 저장된) 상태로 편집이 이루어진다.

이렇게 구조화 편집까지 완료되면, 국토지리정보원에서 제공하는 소프트웨어 프로그램을 이용, 수치지도를 제작 및 인쇄하여 수치지도를 제작/요청한 국토지리정보원에 제공한다.(S50) 이때, 상기 소프트웨어 프로그램은 구조화 편집된 도화를 정의된 형태로 변경시키는 프로그램으로 이는 통상적으로 국토지리정보원에서 제공하는 공지된 프로그램을 그대로 이용하고 있다.

이와 같이, 수치지도 제작시, 현장조사, 정위치 편집, 구조화 편집 과정은 모두 사람이 직접 수작업을 통해 이루어지는 작업이 대부분을 차지하고 있어, 많은 시간이 소요됨은 물론 그 정확도에 문제가 발생될 수 있다. 따라서, 이러한 수치 지도 및 수치지도의 속성자료를 효과적이고 정확하게 편집하기 위한 자동화 작업의 필요성이 대두되고 있다.

또한, 자율주행 차량용 수치지도의 경우, 수치지도의 편집하는 량이 방대하고 빠른 업데이트가 필요하므로, 신속 및 정확하며 간편한 수치지도 편집 과정이 필요하다.

특허문헌 (0001) 『대한민국 등록특허공보 제10-1021967호, 발명의 명칭: 전자도화를 이용한 수치지도 생성 방법, (공고일: 2011년03월16일, 특허권자: 동국지리정보(주))』

본 발명은 상술한 문제를 해결하기 위한 것으로, 수치지도의 제작 과정 또는 자율주행 차량용 수치지도의 제작 과정에서 구조화 편집 과정 이전에 획득된 도로 주변 지형지물의 객관적인 데이터를 이용하여 도화사의 수작업을 줄일 수 있는 자동 도화 방법을 제공하는데 그 목적이 있다.

본 발명이 해결하려는 과제는 전술한 과제로 제한되지 아니하며, 언급되지 아니한 또 다른 기술적 과제들은 후술할 내용으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

이러한 목적을 달성하기 위하여 본 발명의 일 태양으로 자율주행 차량을 위한 수치지도를 자동으로 도화하는 방법에 있어서, 모바일 매핑 시스템(Mobile Mapping System, MMS)을 이용하여, 상기 자율주행 차량을 위한 주행 도로의 영상 정보를 획득하는 제1 단계; 상기 획득된 영상 정보를 정위치 편집하며, 상기 주행 도로의 차선 정보를 포함하는 LAS(LASer) 데이터를 생성하는 제2 단계; 및 상기 정위치 편집된 LAS 데이터를 구조화 편집하며, 상기 차선 정보를 기반으로 상기 LAS 데이터 내의 차선 식별 과정이 상기 차선 정보에 도달할 때까지 수행되도록 하여 상기 차선을 자동으로 도화하는 제3 단계;를 포함한다.

그리고, 상기 제2 단계는, GIS(Geographic Information System) 서버로부터 상기 차선 정보를 전송받는 단계; 및 상기 GIS 서버로부터 상기 차선 정보를 전송받지 못하거나, 해당 도로의 차선 정보가 아직 업데이트되지 않았을 경우, 상기 획득된 영상 정보로부터 상기 차선 정보를 식별하여 추출하는 단계를 포함할 수 있다.
여기서, 상기 차선 정보는 도로 내 차선의 수량 정보를 포함한다.
그리고 상기 차선 정보를 식별하여 추출하는 단계는, 침식 연산 및 팽창 연산을 포함하는 형태학적 연산을 적용하여 차선이 제거된 이미지와 차선이 있는 이미지 사이의 차이를 이용함으로써 차선후보군을 추출하는 단계; HSV 컬러 모델을 적용하여 상기 추출된 차선후보군 중 차선의 색상이라 여겨지는 차선을 추출함으로써 도로와 차선을 구분하는 단계; 및 Hough 변환을 통해 직선 차선을 인식하며 상기 인식된 직선 차선을 기준으로 커브 또는 굴곡이 있는 차선을 도출하는 단계를 포함할 수 있다.
또한 상기 Hough 변환의 연산량을 줄이기 위하여 상기 차선을 도출하는 단계 이전에 추출된 차선후보군 이미지에 대한 윤곽선 검출을 선행할 수 있다.

또한, 상기 제3 단계는, RANSAC(RANdom SAmple Consensus) 알고리즘을 이용하여, 식별되는 차선의 수량이 상기 차선 정보에 해당하는 수량에 도달할 때까지, 가장 많은 수의 데이터들로부터 지지를 받는 차선을 선택하는 단계;를 포함할 수 있다.

한편, 이러한 목적을 달성하기 위하여 본 발명의 다른 태양으로 정위치 편집서버로부터 제공되는 LAS 데이터를 자율주행 차량을 위한 수치지도로 도화하는 구조화 편집서버에 있어서, 상기 정위치 편집서버에 상기 LAS 데이터와 함께 저장된 상기 자율주행 차량을 위한 주행 도로의 차선 정보를 수신하는 차선정보 수신부; 상기 차선정보 수신부로부터 제공되는 상기 차선 정보를 기반으로 상기 LAS 데이터 내의 차선 식별 과정이 상기 차선 정보에 도달할 때까지 수행되도록 하는 차선정보 도출부; 및 상기 LAS 데이터를 구조화 편집하며, 상기 차선정보 도출부에 의해 도출된 상기 LAS 데이터 내의 상기 차선을 자동으로 도화하는 차선정보 출력부;를 포함한다.

그리고, 상기 정위치 편집서버는, GIS(Geographic Information System) 서버로부터 상기 차선 정보를 전송받는 차선정보 수집모듈; 및 모바일 매핑 시스템을 이용하여 획득된, 상기 자율주행 차량을 위한 주행 도로의 영상 정보에서 상기 차선 정보를 식별하여 추출하는 차선정보 식별모듈;을 포함할 수 있다.

또한, 상기 차선정보 도출부는, RANSAC(RANdom SAmple Consensus) 알고리즘을 이용하여, 식별되는 차선의 수량이 상기 차선 정보에 해당하는 수량에 도달할 때까지, 가장 많은 수의 데이터들로부터 지지를 받는 차선을 선택할 수 있다.

더불어, 이러한 목적을 달성하기 위하여 본 발명의 또 다른 태양으로 자율주행 차량을 위한 수치지도를 자동으로 도화하는 시스템에 있어서, 상기 자율주행 차량에 설치되어 주행 경로를 따라 이동하며, 상기 주행 경로 상의 영상 정보와 상기 영상 정보의 위치 정보를 획득하는 정보수집 단말; 상기 정보수집 단말로부터 수신되는 상기 영상 정보 및 상기 위치 정보를 토대로 LAS 데이터를 생성 및 수정하며, GIS(Geographic Information System) 서버로부터 상기 주행 경로의 차선 정보를 전송받거나, 상기 정보수집 단말로부터 수신되는 상기 주행 경로의 영상으로부터 상기 차선 정보를 식별하여 추출하는 정위치 편집서버; 상기 정위치 편집서버로부터 LAS 데이터를 전송받아 구조화 편집하며, 상기 LAS 데이터에 포함된 상기 차선 정보를 기반으로 상기 LAS 데이터 내의 차선 식별 과정이 상기 차선 정보에 도달할 때까지 수행되도록 하여 상기 차선을 자동으로 도화하는 구조화 편집서버;를 포함한다.

상술한 과제의 해결 수단은 단지 예시적인 것으로서, 본 발명을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 기재된 추가적인 실시예가 존재할 수 있다.

이상에서 설명한 바와 같이 본 발명에 의하면, 다음과 같은 효과가 있다.

첫째, 자율주행 차량용 수치지도에 필히 포함되는 차선, 표지판, 신호등, 연석 등의 도로 주변 지형지물 중, 대단히 규칙적이며 일정한 형태를 갖는 차선을 자동으로 도화함으로써, 수치지도 제작자의 수작업을 경감함은 물론, 이를 통해 제작되는 자율주행 차량용 수치지도를 신속하게 업데이트 할 수 있다.

둘째, 외부 서버를 통해 차선 정보를 제공받을 수 없는 도로나, 차선 정보가 아직 업데이트되지 않은 도로는 획득된 영상에서 차선 정보를 추출하여 구조화 편집서버에 제공함으로써, 자동 도화 과정의 신뢰성을 높일 수 있는 효과를 포함한다.

셋째, 정위치 편집과정에서 획득한 차선의 수량, 폭, 길이, 및 시점과 종점의 속성정보를 토대로 자동 도화된 차선의 정확도를 검증함으로써, 보다 신뢰도 높은 차선 도화를 가능하게 하는 효과를 포함한다.

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

도 1은 종래 수치지도 제작 과정을 나타내는 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 차선 정보를 이용한 자동 도화 시스템의 구성을 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 정위치 편집서버의 구성을 나타내는 도면이다.
도 4는 본 발명의 일 실시예에 따른 구조화 편집서버의 구성을 나타내는 도면이다.
도 5는 본 발명의 일 실시예에 따른 차선 정보를 이용한 자동 도화 방법을 나타내는 흐름도이다.

본 발명의 바람직한 실시예에 대하여 첨부된 도면을 참조하여 더 구체적으로 설명하되, 이미 주지되어진 기술적 부분에 대해서는 설명의 간결함을 위해 생략하거나 압축하기로 한다.

본 발명은 자율주행 차량용 수치지도를 생성하는 일련의 과정 중, 정위치 편집 과정에서 MMS 차량의 레이저 스캐너를 통해 촬영된 도로의 영상 정보로부터 차선 정보를 획득하는 기술과, 그 획득된 차선 정보를 이용하여 구조화 편집 과정에서 차선의 도화 과정을 자동화하는 기술로 대별된다.

우선, 본 발명의 자율주행 차량을 위한 수치지도 생성 시스템의 전체적인 구성에 대해 설명한다.

도 2는 본 발명의 일 실시예에 따른 차선 정보를 이용한 자동 도화 시스템의 구성을 나타내는 도면이다.

도 2에 도시된 바와 같이, 본 발명의 차선 정보를 이용한 자동 도화 시스템(이하, '자동 도화 시스템'이라 함)은, 항공사진, 위성영상 또는 MMS 차량의 촬영 영상인 3차원 레이저 스캐닝된 영상을 정위치 편집하여 LAS 데이터를 생성하고, 정위치 편집된 LAS 데이터를 다시 구조화 편집하여 자율주행 차량을 위한 수치지도를 생성할 때, 구조화 편집 이전 단계에서 차선 정보를 획득하여 구조화 편집 단계에 제공함으로써, 대단히 규칙적이고 일정한 형태를 유지하고 있는 차선의 도화 과정을 자동화하여 자율주행 차량용 수치지도를 신속하고 정확하게 도화할 수 있다.

이를 통해, 수치지도의 편집 량이 방대하며, 빠른 업데이트가 필요한 자율주행 차량용 수치지도의 생성 시간을 크게 단축시킬 수 있는 효과를 기대할 수 있다.

본 발명의 자동 도화 시스템은 상술한 기능을 수행하기 위해, 정보수집 단말(100), 정위치 편집서버(200) 및 구조화 편집서버(300)의 구성을 포함한다.

정보수집 단말(100)은 자율주행 차량에 설치되어 주행 경로를 따라 이동하며, 주행 경로 상의 지형지물의 영상정보와 그 영상의 위치정보를 획득하는 것으로, 영상 정보의 획득을 위한 CCD 카메라(110) 또는 LiDAR(120)(laser radar) 장치로 구성된 영상정보 수집모듈과, 위치 정보의 획득을 위한 위성항법 장치(130)(Global Positioning System, GPS) 및 관성항법 장치(140)(Inertial Navigation System, INS)로 구성된 위치정보 수집모듈을 통해 획득된 영상정보 및 그 위치정보를 다시 수집정보 발신모듈(150)을 통해 정위치 편집서버(200)로 전송한다.

여기서, CCD 카메라(110), LiDAR(120), 위성항법 장치(130) 및 관성항법 장치(140)의 구성은 종래에 익히 알려진 모바일 매핑 시스템(Mobile Mapping System)에 사용되는 공지된 필수 구성요소들로, 그 상세한 설명은 생략하기로 한다. 또한, 본 발명의 기술적 사상 역시 상술한 영상 및 위치정보의 획득 수단에 한정되는 것은 아니며, 영상 및 위치정보를 획득하는 과정에 공지된 여타의 다른 구성요소들이 사용되는 것 역시 본 발명의 기술적 사상에 포함된다 할 것이다.

정위치 편집서버(200)는 정보수집 단말(100)이 발신하는 영상 및 위치정보를 수신하여 LAS 데이터를 생성하거나, 실제 지형과 비교하여 기존 LAS 데이터를 자동으로 수정한다.

이를 위해, 정위치 편집서버(200)는 정보수집 단말(100)로부터 수집된 정보를 토대로 LAS 데이터를 생성하거나, 수집된 정보를 분류하여 저장하고, 기존 수치지도 이미지와 비교하여 오류 및 변화가 확인된 대상 개체를 확인 및 수정하며, 편집된 수치지도 이미지를 갱신하는 기본적인 기능 이외에, 외부서버에 저장된 영상 정보 속 도로의 차선 정보를 전송받는 기능은 물론, 획득된 영상 정보에서 차선 정보를 식별 및 추출하는 기능을 포함한다.

여기서, 정위치 편집서버(200)의 기본 기능에 대한 설명은 본 발명의 요지와 거리가 있어 그 상세한 설명은 생략하기로 하며, 외부서버에서 기저장된 차선 정보를 제공받거나, 획득된 영상 정보에서 차선 정보를 식별 및 추출하기 위해, 차선정보 수집모듈(210) 및 차선정보 식별모듈(220)의 구성을 더 포함한다.

차선정보 수집모듈(210)은 외부서버로부터 도로 내 차선의 수량, 폭, 길이, 커브와 굴곡, 시점과 종점 등의 속성정보를 포함하는 차선정보를 수신하여 생성되거나 또는 수정된 LAS 데이터와 함께 저장한다.

여기서, 외부서버는 국토지리정보원, 한국도로공사, 시설물정보통합관리시스템 등의 GIS(Geographic Information System) 서버로서, 인공지물과 자연지형에 따른 속성정보(인공지물 및 자연지형의 상호, 명칭 및 기본정보(건물의 층수, 도로나 하천의 폭 등)를 보유하고, 무선 통신망을 통해 제공할 수 있는 모든 기업, 단체 및 사이트를 포함한다.

차선정보 식별모듈(220)은 획득된 도로의 영상에서 차선의 수량정보 및 그 속성정보를 식별 및 추출하는 것으로, 형태학적 처리를 이용하여 차선후보군을 설정하는 차선후보군 추출부(221), HSV 컬러 모델을 적용하여 도로와 차선을 구분하는 차선후보군 인식부(222), Hough 변환을 통해 직선 차선을 인식하며, 인식된 직선 차선을 기준으로 커브 또는 굴곡이 있는 차선을 도출하는 차선정보 추출부(223)의 구성을 포함한다.

상술한 차선정보 식별 및 추출 과정은 후술될 도 3에서 다시 상세히 설명하기로 한다.

구조화 편집서버(300)는 정위치 편집된 LAS 데이터의 포인터들을 국토지리정보원에서 정의한 점, 선, 면 형태화를 기반으로 일일이 해당되는 인공지물 및 자연지형에 전산화 작업을 통한 수작업으로 표시하고 편집하는 것으로, 본 발명의 일 실시예에서는 RANSAC(RANdom SAmple Consensus) 알고리즘을 이용하여 대단히 규칙적이고 일정한 형태를 유지하고 있는 도로 내 차선들을 도출하여 자동으로 도화한다.

구조화 편집서버(300)는 상술한 기능을 수행하기 위해, 정위치 편집서버(200)로부터 차선의 수량정보를 전달받는 차선정보 수신부(310), RANSAC(RANdom SAmple Consensus) 알고리즘을 이용하여 차선정보 수신부(310)에 전송된 차선의 수량만큼의 차선이 도출될 때까지 LAS 데이터 내의 차선을 도출하는 차선정보 도출부(320), 차선정보 도출부(320)로부터 식별되어 도출된 차선의 정보를 차선정보 수신부(310)로부터 전송받은 차선의 수량, 폭, 길이, 커브와 굴곡, 시점과 종점 데이터와 비교하여 도출된 차선의 정확도를 검증하는 차선정보 검증부(330), 및 상기 차선정보 도출부(320)를 통해 도출된 차선을 점, 선, 면 형태화를 기반으로 자동으로 도화하는 차선정보 출력부(340)의 구성을 포함한다.

상술한 차선정보의 자동 도화 과정은 후술될 도 4에서 다시 상세히 설명하기로 한다.

아래에서는, 정위치 편집 과정에서 MMS 차량의 레이저 스캐너를 통해 촬영된 도로의 영상 정보로부터 차선 정보를 획득하는 기술에 대해 설명한다.

도 3은 본 발명의 일 실시예에 따른 정위치 편집서버의 구성을 나타내는 도면이다.

도 3에 도시된 바와 같이, 본 발명의 일 실시예에 따른 정위치 편집서버(200)는 앞서 설명한 바와 같이, 차선정보를 외부서버에서 수집하는 차선정보 수집모듈(210)과 MMS 차량에서 획득된 영상 내에서 차선정보를 식별하는 차선정보 식별모듈(220)로 구성되며, 차선정보 식별모듈(220)은 차선후보군 추출부(221), 차선후보군 인식부(222), 및 차선정보 추출부(223)의 구성을 포함한다.

차선후보군 추출부(221)는 형태학적 연산을 적용하여 차선이 제거된 이미지와 차선이 있는 이미지 사이의 차이를 이용함으로써 차선을 검출한다.

침식 연산은 배경을 확장, 객체의 크기를 축소하는 연산으로 차선을 제거하기 위해 사용된다. 기본적으로 침식 연산은 구조 요소와 일치하면 해당 픽셀의 값을 1로, 하나 이상 일치하지 않으면 해당 픽셀의 값을 0으로 하게 된다. 이와 같이 침식의 연산으로 인한 객체의 축소 방식과 정도는 구조 요소에 의해 제어된다.

팽창 연산은 침식 연산과는 반대로 마스크 내에서 비교하여 하나의 픽셀이라도 1이 나오게 되면 해당 픽셀 값은 1이 된다. 따라서, 팽창 연산은 침식 연산과는 반대로 배경을 축소, 객체의 크기를 확장시키게 된다. 이전 침식 연산으로 인해 차선이 제거되었지만 다른 객체의 크기 또한 작아지므로, 차선이 제거된 이미지와 이전 차선이 있는 이미지와의 차를 이용해서 차선만을 추출하기 위해, 침식 연산으로 인해 작아진 객체의 크기를 원래의 크기로 복구시켜야 할 필요가 있다.

실제 도로에서 차선의 폭은 일정하다. 영상에서 또한 차선의 폭이 일정폭을 넘지 않을 뿐만 아니라 원근감에 의해 원거리로 갈수록 더 작아지게 된다. 또한, 도로 및 주변 객체들은 인접한 픽셀들이 비슷한 값을 가지는 반면에 도로와 차선은 사람이 인식하기 쉽게 하기 위해 확연한 차이를 보이고 있으며, 차선의 후보군 정보를 추출하기 위해서 형태학적 연산 처리를 사용한다.

형태학적 연산 처리를 위해서 먼저 색상 정보를 제외한 그레이 영상으로 변환 한다. 이 영상에서 가로 방향의 구조 요소를 형태학적 연산의 침식 연산과 팽창 연산에 적용함으로써, 차선을 입력 영상의 그레이 영상에서 제거하는 효과를 보이며, 형태학적 연산이 적용된 연산의 차를 통하여 도로의 잡음을 제거하고 차선의 후보군을 추출할 수 있다.

또한, 차선후보군 추출부(221)는 침식 및 팽창 연산 후, 그레이 영상을 이진화된 영상으로 변환하기 위해, 경계 값 처리를 한다. 여기서, 경계 값(Threshold Value)을 구하기 위해 두 영상의 차로 인해 각 픽셀의 값이 나온 만큼 잡음을 제거하고 차선을 강조하는 연산을 수행한다.

차선후보군 인식부(222)는 HSV 칼라 모델을 적용하여 차선후보군 추출부(221)를 통해 추출된 차선후보군 중, 차선의 색상이라 여겨지는 차선을 다시 한 번 추출한다.

HSV(Hue, Saturation, Value)는 칼라를 선택하는데 사용되는 몇 가지 칼라 시스템 중 하나로서, HSV Color Model은 사람이 칼라 감각을 경험하고 묘사하는 방식에 대해 RGB 시스템보다 훨씬 더 가깝다.

차선 인식을 위한 HSV 칼라 모델의 적용 방법은 공지된 기술이 사용되며, 본 발명의 요지와는 거리가 있어 그 상세한 설명은 역시 생략하기로 한다.

도로에 표시되어 있는 차선의 대부분이 흰색과 노란색으로 구분이 되어 있다. 하지만 같은 색상의 차선이라도 주변 환경에 따라 조금씩 다르게 인식된다. 예를 들어, 날씨가 맑은 화창한 오후의 차선과 구름이 낀 흐린 날의 차선은 영상에서 차이가 나게 된다. 이에 따라서, 색상의 범위만 가지고 차선을 찾기 위해서는 매번 모든 영상에서 환경에 맞는 색상의 범위를 정해주어야 한다. 본 발명의 일 실시예에서는 연산이 적용된 영상을 사용하여 이로부터 추출된 차선의 후보군 중에서 차선의 색상이라 여겨지는 차선을 다시 한 번 추출하게 된다.

이를 위해서 입력 영상의 R,G,B 값을 H(Hue), S(Saturation), V(Value) 값으로 바꾸어 주어야 할 필요가 있다. 각 픽셀에 대한 H,S,V 값을 구하고, 형태학적 연산을 거쳐 1차적으로 추출된 차선의 후보를 대상으로 해당 픽셀의 H, S, V 값을 비교함으로써, 흰색과 노란색 범위에 들어가는 차선의 후보를 2차적으로 한 번 더 추출한다.

차선정보 추출부(223)는 차선 후보군이 추출된 이미지에서 Hough 변환을 통해 도로 내 차선을 검출한다. 여기서, Hough 변환은 영상에서 직선 패턴을 추출하는 대표적인 방법으로 영상에서의 Hough 변환의 기본 개념은 영상에서의 직선 점들은 일반적인 형태의 직선 방정식으로 표현되어 질 수 있다는 것이다.

다만, Hough 변환은 연산량이 많기 때문에, 이러한 연산량을 줄이기 위한 추출된 차선후보군 이미지에 대한 윤곽선 검출을 선행한다. Hough 변환을 통해 추출하기 위한 데이터는 차선의 진행하는 방향이기 때문에 굳이 차선으로 여겨지는 모든 픽셀 값에 대한 Hough 변환은 불필요하게 된다. 따라서, 윤곽선에 해당하는 픽셀들에 대해서만 Hough 변환을 함으로써, 연산량을 줄일 수 있다.

Hough 변환에서 사용되는 직선 방정식은 기울기 a와 y축과 직선과의 절편 b의 두 가지 매개 변수를 가지는 y = ax + b의 형식으로 표현될 수 있다. 하지만, 이 형식은 y축과 평행하게 되는 경우, 즉, 수직선이 되는 경우 기울기 a가 무한대가 될 수 있으므로, 아래와 같은 형식의 방정식을 통해 직선 방정식을 표현한다.

ρ= ｘcosθ + ｙsinθ

여기서, ρ는 원점에서 직선까지의 길이이며, θ는 ρ와 ｘ축이 이루는 각이다. ｘ와 ｙ는 영상에서의 가로와 세로축을 의미한다. 이 함수를 통해서 영상의 ｘｙ평면에서 한 점은 ρθ 평면에서 곡선으로 표시될 수 있다. 따라서, 이를 통해 직선을 찾기 위해서는 ρθ 평면에서 곡선이 모이는 점을 찾음으로써 해결할 수 있다. 즉, 하나의 직선에 놓여있는 점들은 ρθ 평면에서 하나의 점에 모이는데 이 점을 이용하여 직선을 검출할 수 있다.

도로의 차선을 보면 도로의 폭이 일정하기 때문에 영상에서는 원근감으로 인해 양쪽 차선의 끝은 한 점으로 향하게 된다. 이로 인해 도로의 차선은 평행하더라도 이미지에서는 서로 다른 각을 가지게 된다.

차선후보군 추출부(221)의 경계선 검출을 거쳐 나온 차선의 후보 경계점들에 대해서 Hough 변환을 실행하게 되면 여러 개의 직선이 검출되게 된다. 이에, 윤곽선 검출을 통하여 추출된 윤곽선들을 기반으로 Hough 변환을 통해 직선 차선을 검출할 수 있다.

그러나, 도로 차선이 항상 직선만 있는 것이 아니라 커브도 있으며 굴곡도 있을 수 있으므로, 직선을 검출하는 Hough 변환을 하여도 정확한 차선인지는 확신할 수 없다.

따라서, 본 발명의 일 실시예에서는 Hough 변환을 통하여 차량으로부터 존재하는 차선의 진행 방향을 검출하여 이를 기반으로 차선이 존재할 것이라 여겨지는 영역을 설정한 후 차선을 인식한다. 이를 위해, Hough 변환을 통해 검출된 직선을 기반으로 초기 탐색 영역을 설정한다.

도로에 있는 차선 중, 직선 차선뿐만 아니라 커브와 같은 차선들도 존재한다. 이와 같은 차선들을 검색하기 위해 초기 차선 탐색 영역을 기반으로 차선의 방향에 따라 차선 탐색 영역 또한 차선에 맞춰서 변경되도록 한다.

먼저 초기 탐색 영역을 기반으로 차선을 탐색하게 되며, 영역 내 차선이 검색되면 그 차선의 위치에 맞춰서 중심이 되는 탐색 점을 바꾸어 준다. 그리고, 탐색 영역을 이 탐색 점에 맞추어서 다음 차선 탐색 영역에 변화를 주어 영역 내 커브 또는 굴곡된 차선을 검출한다.

도 3의 내용을 정리하여 약술하면, 구조화 편집 과정에서 차선을 자동으로 도화하기 위해서는 차선의 수량 정보를 비롯한 차선의 폭, 차선의 커브 또는 굴곡 정보, 차선의 시점과 종점 정보 등이 필요하다. 이에, 본 발명의 정위치 편집서버(200)는 차선정보 수집모듈(210)을 통해 상술한 차선 정보를 외부 서버인 GIS(Geographic Information System) 서버로부터 기저장된 차선 정보를 수집하거나, 아직 알려지지 않은 도로의 차선 정보 또는 이미 차선 정보가 수집된 도로이나 차선 정보가 업데이트 되지 않은 차선 정보들은 차선정보 식별모듈(220)을 통해 획득된 도로 영상에서 차선의 정보를 추출하여 구조화 편집서버(300)에 제공할 수 있다.

또한, 본 발명의 일 실시예에서는 차선정보 식별모듈(220)을 통해 차선 정보를 추출하는 방법을 형태학적 처리 및 HSV 컬러 모델을 통해 차선후보군을 선별하고, Hough 변환을 이용하여 직선 구간의 차선을 식별/ 차선 탐색 영역을 재설정하여 곡선 구간의 차선을 식별하는 방법을 상정하여 설명하고 도시하였으나, 이는 하나의 실시예에 불과하므로, 본 발명의 기술적 사상이 이에 한정되는 것은 아니며, 차선 식별을 위한 여타의 공지된 기술이 적용되어도 무방함은 물론이다.

아래에서는, 구조화 편집 과정에서 정위치 편집서버로부터 제공되는 차선 정보를 이용하여 차선의 도화 과정을 자동화하는 기술에 대해 설명하기로 한다.

도 4는 본 발명의 일 실시예에 따른 구조화 편집서버의 구성을 나타내는 도면이다.

구조화 편집서버(300)는 정위치 편집서버(200)로부터 제공되는 차선 정보를 이용하여 기존의 숙련된 작업자가 LAS 데이터의 포인터들을 일일이 지정하여 수작업을 통해 작업하던 방식과 달리, 획득된 도로 영상 중 대단히 규칙적이고 일정한 형태를 유지하는 도로 내 차선들을 자동을 선별하여 도화하는 기능을 수행한다.

이를 위해, 구조화 편집서버(300)는 차선정보 수신부(310), 차선정보 도출부(320), 차선정보 검증부(330) 및 차선정보 출력부(340)의 구성을 포함한다.

차선정보 수신부(310)는 정위치 편집서버(200)로부터 차선의 수량, 길이, 폭, 커브와 굴곡, 시점과 종점 정보 등을 포함하는 차선 정보를 전송받는다.

차선정보 도출부(320)는 RANSAC 알고리즘을 이용하여 도로 내 존재하는 규칙적인 배열된 직선 형태의 도로 내 차선을 식별하여 자동화함은 물론, 차선의 수량 정보를 이용하여 차선의 식별 과정을 간소화함으로써, 자동 도화 과정이 보다 신속하고 정확하게 이루어질 수 있도록 한다.

여기서, RANSAC 알고리즘에 대해 약술하면, RANSAC은 무작위로 샘플 데이터를 선별한 다음 가장 많은 수의 데이터들로 지지를 받는 즉, 컨센서스(Consensus) 모델을 선택하는 절차적인 방법을 의미한다.

RANSAC 알고리즘의 컨센서스 모델을 선택하는 방법은 일단 무작위로 샘플 데이터 몇 개를 선택하여 이 샘플 데이터들을 만족하는 모델을 구한다. 이렇게 구한 모델과 가까이에 있는 데이터들의 개수를 세어서 그 개수가 크다면 이 모델을 기억해 둔다. 이러한 과정을 N번 반복한 후 가장 지지하는 데이터의 개수가 많았던 모델을 최종 모델로 선출한다.

RANSAC 알고리즘을 사용하기 위해서는 크게 2가지의 파라미터를 결정해야 한다. 샘플링 과정을 몇 번(N) 반복할 것인지, 그리고, outlier(데이터 분포에서 현저하게 벗어나 있는 관측값, 외좌층·이상점)와, inlier(데이터 분포에서 그리 벗어나 있지 않은 점, 내좌층)의 경계(T)를 어떻게 정할 것 인지이다.

RANSAC 알고리즘의 성공적인 결과 값 산출 과정은 N번의 시도 중 적어도 한번은 inlier들에서만 샘플 데이터가 뽑혀야 한다. 이러한 확률은 N을 키우면 키울수록 증가할 수 있지만, 무한정 샘플링 과정을 반복할 수는 없기에 보통은 확률적으로 반복 횟수를 결정한다. RANSAC 알고리즘의 반복횟수를 N, 한 번에 선택하는 샘플 개수를 m, 입력 데이터들 중에서 inlier의 비율을 α라 하면, N번 중 적어도 한 번은 inlier에서만 샘플이 뽑힐 확률 p는 다음과 같다.

p = 1 - (1 - α^m)^N

RANSAC 알고리즘의 두 번째 파라미터인 경계 값(T)은 지지하는 샘플링된 데이터와 선출되어질 수 있는 추정 모델과의 거리를 의미한다.

이 거리는 R_i = |y_i - f(x_i)|로 정의되며, 그 거리가 경계 값(T) 이하이면 그 모델을 지지하는 데이터로 간주하는 것이다. 이러한 T를 너무 크게 설정하면 모델간의 변별력이 없어지고 T를 너무 작게 설정하면 RANSAC 알고리즘이 불안정해진다. T를 설정하는 가장 일반적인 방법은 inlier들의 residual 분산을 σ²이라 할 때, T = 2σ 또는 T = 3σ 정도로 잡는 것이다.

상술한 바와 같이 경계 값(T)과 샘플링 횟수(N)를 갖는 RANSAC 알고리즘을 이용하여 도로 내 존재하는 규칙적으로 배열된 직선 형태의 도로 내 차선을 식별할 때, 이미 파악된 차선의 수량 정보를 이용하여 차선의 식별 과정을 간소화할 수 있다.

구체적으로, RANSAC 알고리즘을 비롯한 일반적인 알고리즘의 경우, 데이터 내의 도출되는 실제 사물의 개수를 알 수 없는 만큼 전체 영역을 설정된 횟수만큼 반복하여 검색을 하여야 하는 시간적 또는 데이터 처리 용량 상의 낭비적인 요소가 있다. 그러나, 차선의 수량 정보와 같이 데이터 내의 실제 사물의 개수를 알고 있다면, 데이터 개수를 모르고 검색하는 과정에 비해 그 낭비적인 요소들을 크게 간소화할 수 있는 이점이 있다.

따라서, 수치지도의 편집 량이 방대하며 빠른 업데이트가 필요한 자율주행용 차량의 수치지도를 자동으로 생성하는 것은 물론, 수치지도 편집 과정을 신속하고 정확하게 수행할 수 있다.

여기서, 상술한 도로 내 차선을 도출하는 알고리즘은 RANSAC 알고리즘을 비롯하여, 최소 자승법, MLESAC(Maximum Likhood SAC) 알고리즘, 또는 LMedS(Least Median of Squares) 알고리즘을 비롯한 여타의 공지된 알고리즘이 사용되는 것 역시 본 발명의 기술적 사상에 포함된다 할 것이다.

차선정보 검증부(330)는 상술한 차선정보 도출부(320)에 의해 도출된 차선정보를 차선정보 수신부(310)로부터 수신된 차선의 수량, 폭, 길이, 커브와 굴곡, 시점과 종점 데이터를 토대로 정확도를 비교분석함으로써, 도출된 차선정보의 신뢰도를 높일 수 있다.

차선정보 출력부(340)는 상술한 차선정보의 검증과정을 거쳐 자동으로 도화된 차선 정보와 함께 연석, 신호등, 표지판 등의 도화 과정이 모두 이루어지면, 국토지리정보원에서 제공하는 SHP(연속지적도) 파일로 변환하여 수치지도를 출력한다.

도 4의 내용을 정리하여 약술하면, 정위치 편집서버(200)에서 추출된 차선의 수량, 폭, 길이, 커브와 굴곡, 시점과 종점 정보를 토대로 RANSAC 알고리즘을 비롯한 여타의 영상처리 알고리즘을 이용하여 자율주행 차량용 수치지도를 도화 과정에서 차선을 자동으로 도화하는 것은 물론, 그 정확도를 검증하여 신속하고 정확하게 수치지도로 생성할 수 있다.

이하에서는, 본 발명의 일 실시예에 따른 자율주행 차량용 수치지도를 생성하는 일련의 과정 중, 차선 정보를 이용하여 도로 내 차선을 자동으로 도화하는 자동 도화 방법에 대해 설명하기로 한다.

도 5는 본 발명의 일 실시예에 따른 차선 정보를 이용한 자동 도화 방법을 나타내는 흐름도이다.

도 5에 도시된 바와 같이, 본 발명의 차선 정보를 이용한 자동 도화 방법은, MMS 차량에 설치된 정보수집 단말(100)을 통해 자율주행 차량의 주행 경로의 도로 영상을 획득한다.(S1100)

이때, 정보수집 단말(100)은 영상 정보의 획들을 위한 CCD 카메라(110) 또는 LiDAR(120) 장치와 함께 그 영상의 위치 정보의 획득을 위한 위성항법 장치(130) 및 관성항법 장치(140)의 구성을 포함한다.

정보수집 단말(100)을 통해 수집된 영상 정보는 다시 유·무선통신을 통해 정위치 편집서버(200)에 상술한 자율주행 차량의 주행 경로의 도로 영상을 전송한다.(S1200)

정위치 편집서버(200)는 전송된 도로 영상을 이용하여 LAS 데이터를 생성하거나, 실제 지형과 비교하여 이미 생성되어진 LAS 데이터를 실제 지형과 일치하도록 자동으로 수정한다.(S1300)

이때, 정위치 편집서버(200)는 생성된 LAS 데이터 또는 수정된 LAS 데이터에 도로 내 존재하는 차선 정보를 함께 저장한다.(S1400)

여기서, 정위치 편집서버(200)는 해당 도로의 차선 정보를 저장하고 있는 국토지리정보원을 비롯한 외부서버로부터 차선의 수량, 폭, 길이, 커브와 굴곡, 시점과 종점 정보를 포함하는 속성정보를 생성된 LAS 데이터 또는 수정된 LAS 데이터에 함께 저장한다.(S1410)

한편, 정위치 편집서버(200)는 해당 도로의 차선 정보를 외부 서버로부터 전송받지 못하거나, 해당 도로의 차선 정보가 아직 업데이트되지 않았을 경우, 획득된 도로 영상으로부터 차선 정보를 식별 및 추출한다.(S1420)

차선후보군 추출부(221)는 침식 연산과 팽창 연산 등의 형태학적 연산을 이용하여 차선후보군을 선별한다.(S1421) 여기서, 차선후보군 추출부(221)는 경계 값을 구하기 위한 잡음 제거와 차선을 강조하는 연산을 함께 수행한다.

또한, 차선후보군 인식부(222)는 HSV 컬러 모델을 적용하여 차선후보군 추출부(221)를 통해 추출된 차선후보군 중, 차선의 색상이라 여겨지는 차선을 다시 한 번 추출한다.(S1422)

다음으로, 차선정보 추출부(223)는 차선 후보군으로 추출된 이미지에서 Hough 변환을 통해 도로 내 차선을 검출한다.(S1423) 여기서, Hough 변환은 연산량이 많기 때문에 이러한 연산량을 줄이기 위한 윤곽선 검출을 선행한다.

또한, 차선정보 추출부(223)는 직선 차선뿐만 아니라 커브 또는 굴곡을 갖는 차선들을 추출하기 위해 초기 차선 탐색 영역을 기반으로 차선의 방향에 따라 차선 탐색 영역을 다시 재설정한다.(S1424)

구조화 편집서버(300)는 정위치 편집서버(200)에서 생성된 LAS 데이터를 구조화 편집(도화)할 때, LAS 데이터에 함께 저장되어 전송되는 차선 정보를 이용하여 자율주행 차량의 도로 또는 차선 인식을 위해 필요한 연석, 신호등, 표지판 및 차선의 지형지물 중, 차선을 자동으로 식별하여 도화한다.(S1500)

우선, 차선정보 수신부(310)는 정위치 편집서버(200)로부터 차선의 수량, 길이, 폭, 커브와 굴곡, 시점과 종점 정보 등의 도로 내 차선의 속성정보를 전송받는다.(S1510)

차선정보 도출부(320)는 RANSAC 알고리즘을 이용하여 도로 내 존재하는 규칙적으로 배열된 직선 형태의 도로 내 차선을 식별하여 자동화함은 물론, 차선정보 수신부(310)를 통해 수신된 차선의 수량 정보를 이용하여 차선의 식별 과정과 자동 도화 과정을 간소화하여 자동 도화 과정이 보다 신속하고 정확하게 이루어질 수 있도록 한다.(S1520)

또한, 차선정보 검증부(330)는 차선정보 수신부(310)를 통해 수신된 차선의 길이, 폭, 커브와 굴곡, 시점과 종점의 속성정보를 이용하여 차선정보 도출부(320)에서 식별되어 자동 도화된 차선의 정확도를 검증한다.(S1530)

이하, 차선정보 출력부(340)는 차선정보 검증부(330)에서 검증된 차선의 정확도가 기설정된 오차 이내에 포함될 경우, 국토지리정보원에서 제공하는 SHP 파일로 변환하여 수치지도를 작성한다.(S1540)

위에서 설명한 바와 같이 본 발명에 대한 구체적인 설명은 첨부된 도면을 참조한 실시예에 의해서 이루어졌지만, 상술한 실시예는 본 발명의 바람직한 예를 들어 설명하였을 뿐이기 때문에, 본 발명이 상기의 실시예에만 국한되는 것으로 이해되어져서는 아니 되며, 본 발명의 권리범위는 후술하는 청구범위 및 그 균등개념으로 이해되어져야 할 것이다.

100 : 정보수집 단말
110 : CCD 카메라
120 : LiDAR
130 : 위성항법 장치
140 : 관성항법 장치
150 : 수집정보 발신모듈
200 : 정위치 편집서버
210 : 차선정보 수집모듈
220 : 차선정보 식별모듈
221 : 차선후보군 추출부
222 : 차선후보군 인식부
223 : 차선정보 추출부
300 : 구조화 편집서버
310 : 차선정보 수신부
320 : 차선정보 도출부
330 : 차선정보 검증부
340 : 차선정보 출력부

Claims (7)

1. 자율주행 차량을 위한 수치지도를 자동으로 도화하는 방법에 있어서,
   모바일 매핑 시스템(Mobile Mapping System, MMS)을 이용하여, 상기 자율주행 차량을 위한 주행 도로의 영상 정보를 획득하는 제1 단계;
   상기 획득된 영상 정보를 정위치 편집하며, 상기 주행 도로의 차선 정보를 포함하는 LAS(LASer) 데이터를 생성하는 제2 단계; 및
   상기 정위치 편집된 LAS 데이터를 구조화 편집하며, 상기 차선 정보를 기반으로 상기 LAS 데이터 내의 차선 식별 과정이 상기 차선 정보에 도달할 때까지 수행되도록 하여 상기 차선을 자동으로 도화하는 제3 단계;
   를 포함하고,
   상기 차선 정보는 도로 내 차선의 수량 정보를 포함하며,
   상기 제2 단계는,
   GIS(Geographic Information System) 서버로부터 상기 차선 정보를 전송받는 단계; 및
   상기 GIS 서버로부터 상기 차선 정보를 전송받지 못하거나, 해당 도로의 차선 정보가 아직 업데이트되지 않았을 경우, 상기 획득된 영상 정보로부터 상기 차선 정보를 식별하여 추출하는 단계;
   를 포함하고,
   상기 차선 정보를 식별하여 추출하는 단계는,
   침식 연산 및 팽창 연산을 포함하는 형태학적 연산을 적용하여 차선이 제거된 이미지와 차선이 있는 이미지 사이의 차이를 이용함으로써 차선후보군을 추출하는 단계;
   HSV 컬러 모델을 적용하여 상기 추출된 차선후보군 중 차선의 색상이라 여겨지는 차선을 추출함으로써 도로와 차선을 구분하는 단계; 및
   Hough 변환을 통해 직선 차선을 인식하며 상기 인식된 직선 차선을 기준으로 커브 또는 굴곡이 있는 차선을 도출하는 단계
   를 포함하는,
   차선 정보를 이용한 자동 도화 방법.
2. 제 1항에 있어서,
   상기 Hough 변환의 연산량을 줄이기 위하여 상기 차선을 도출하는 단계 이전에 추출된 차선후보군 이미지에 대한 윤곽선 검출을 선행하는
   차선 정보를 이용한 자동 도화 방법.
3. 제 1항에 있어서,
   상기 제3 단계의 차선 식별 과정은 식별되는 차선의 수량이 상기 차선 정보에 해당하는 수량에 도달할 때까지, RANSAC(RANdom SAmple Consensus) 알고리즘을 이용하여 수행되는
   차선 정보를 이용한 자동 도화 방법.
4. 정위치 편집서버로부터 제공되는 LAS 데이터를 자율주행 차량을 위한 수치지도로 도화하는 구조화 편집서버에 있어서,
   상기 정위치 편집서버에 상기 LAS 데이터와 함께 저장된 상기 자율주행 차량을 위한 주행 도로의 차선 정보를 수신하는 차선정보 수신부;
   상기 차선정보 수신부로부터 제공되는 상기 차선 정보를 기반으로 상기 LAS 데이터 내의 차선 식별 과정이 상기 차선 정보에 도달할 때까지 수행되도록 하는 차선정보 도출부; 및
   상기 LAS 데이터를 구조화 편집하며, 상기 차선정보 도출부에 의해 도출된 상기 LAS 데이터 내의 상기 차선을 자동으로 도화하는 차선정보 출력부;를 포함하고,
   상기 차선 정보는 도로 내 차선의 수량 정보를 포함하는
   차선 정보를 이용하여 자동 도화하는 구조화 편집서버.
5. 제 4항에 있어서,
   상기 정위치 편집서버는,
   GIS(Geographic Information System) 서버로부터 상기 차선 정보를 전송받는 차선정보 수집모듈; 및
   모바일 매핑 시스템을 이용하여 획득된, 상기 자율주행 차량을 위한 주행 도로의 영상 정보에서 상기 차선 정보를 식별하여 추출하는 차선정보 식별모듈;을 포함하는
   차선 정보를 이용하여 자동 도화하는 구조화 편집서버.
6. 제 5항에 있어서,
   상기 차선정보 도출부는,
   식별되는 차선의 수량이 상기 차선 정보에 해당하는 수량에 도달할 때까지, RANSAC(RANdom SAmple Consensus) 알고리즘을 이용하여 차선 식별을 수행하는
   차선 정보를 이용하여 자동 도화하는 구조화 편집서버.
7. 자율주행 차량을 위한 수치지도를 자동으로 도화하는 시스템에 있어서,
   상기 자율주행 차량에 설치되어 주행 경로를 따라 이동하며, 상기 주행 경로 상의 영상 정보와 상기 영상 정보의 위치 정보를 획득하는 정보수집 단말;
   상기 정보수집 단말로부터 수신되는 상기 영상 정보 및 상기 위치 정보를 토대로 LAS 데이터를 생성 및 수정하며, GIS(Geographic Information System) 서버로부터 상기 주행 경로의 차선 정보를 전송받거나, 상기 정보수집 단말로부터 수신되는 상기 주행 경로의 영상으로부터 상기 차선 정보를 식별하여 추출하는 정위치 편집서버;
   상기 정위치 편집서버로부터 LAS 데이터를 전송받아 구조화 편집하며, 상기 LAS 데이터에 포함된 상기 차선 정보를 기반으로 상기 LAS 데이터 내의 차선 식별 과정이 상기 차선 정보에 도달할 때까지 수행되도록 하여 상기 차선을 자동으로 도화하는 구조화 편집서버;
   를 포함하고,
   상기 차선 정보는 도로 내 차선의 수량 정보를 포함하며,
   상기 정위치 편집서버는,
   침식 연산 및 팽창 연산을 포함하는 형태학적 연산을 적용하여 차선이 제거된 이미지와 차선이 있는 이미지 사이의 차이를 이용함으로써 차선후보군을 추출하는 차선후보군 추출부;
   HSV 컬러 모델을 적용하여 상기 추출된 차선후보군 중 차선의 색상이라 여겨지는 차선을 추출하는 차선후보군 인식부; 및
   Hough 변환을 통해 직선 차선을 인식하며 상기 인식된 직선 차선을 기준으로 커브 또는 굴곡이 있는 차선을 도출하는 차선정보 추출부
   를 포함하는,
   차선 정보를 이용하여 자동 도화하는 시스템.
   
   
   

Images