KR102106361B1 - 차량 제어 방법 및 이를 위한 장치 - Google Patents
차량 제어 방법 및 이를 위한 장치 Download PDFInfo
- Publication number
- KR102106361B1 KR102106361B1 KR1020130065836A KR20130065836A KR102106361B1 KR 102106361 B1 KR102106361 B1 KR 102106361B1 KR 1020130065836 A KR1020130065836 A KR 1020130065836A KR 20130065836 A KR20130065836 A KR 20130065836A KR 102106361 B1 KR102106361 B1 KR 102106361B1
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- ramp
- curve
- image
- recognized
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000008569 process Effects 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000005484 gravity Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- B60W40/076—Slope angle of the road
-
- 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
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- 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
- B60W40/072—Curvature of the road
-
- 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 or light sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
Abstract
본 발명은 차량 제어 방법 및 이를 위한 장치에 대한 것으로, 곡선로나 경사로에 최적화된 차량 인식 알고리즘을 수행하도록 제어하는 차량 제어 방법 및 이를 위한 장치에 대한 것이다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 차량 제어 방법은 차
량 상태 정보를 수신하는 단계, 상기 차량 상태 정보로부터 해당 차량이 곡선로 또는 경사로에 있는지를 판단하는 단계, 상기 판단 결과에 따라, 입력된 영상의 곡선로 차량 인식 과정 또는 경사로 차량 인식 과정을 수행하는 단계, 상기 차량 인식 과정에 근거하여 인식된 차량과의 거리를 계산하는 단계, 상기 계산된 거리에 근거하여 상기 인식된 차량과의 충돌을 예측하는 단계를 포함한다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 차량 제어 방법은 차
량 상태 정보를 수신하는 단계, 상기 차량 상태 정보로부터 해당 차량이 곡선로 또는 경사로에 있는지를 판단하는 단계, 상기 판단 결과에 따라, 입력된 영상의 곡선로 차량 인식 과정 또는 경사로 차량 인식 과정을 수행하는 단계, 상기 차량 인식 과정에 근거하여 인식된 차량과의 거리를 계산하는 단계, 상기 계산된 거리에 근거하여 상기 인식된 차량과의 충돌을 예측하는 단계를 포함한다.
Description
본 발명은 차량 제어 방법 및 이를 위한 장치에 대한 것으로, 곡선로나 경사로에 최적화된 차량 인식 알고리즘을 수행하도록 제어하는 차량 제어 방법 및 이를 위한 장치에 대한 것이다.
종래의 영상센서 기반의 전방 차량 충돌 경보 시스템에서는 곡선로나 경사로의 경우 차량 동력학 및 지형의 영향으로, 차량 일부 또는 전체가 보이지 않을 경우에는 전방 차량의 인식률 저하를 초래하였다. 따라서, 사고 발생 위험이 높은 경사로 및 곡선로에서의 차량 인식률 저하로 시스템의 안정성 및 신뢰성을 저해하였다.
따라서, 본 발명의 출원인은 곡선로 및 경사로에서의 전방 차량 인식률을 향상시키고, 이 인식 결과를 이용하여 차량 제어 시스템의 안정성을 확보할 수 있는 방안을 강구하게 되었다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 영상 센서를 이용한 전방 차량 충돌 경보 시스템의 곡선로 또는 경사로에서 차량 내부의 센서 및 차량 인식 알고리즘을 최적화하여 시스템의 신뢰성을 향상시키는 방법에 관한 것이다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 차량 제어 방법은 차
량 상태 정보를 수신하는 단계, 상기 차량 상태 정보로부터 해당 차량이 곡선로 또는 경사로에 있는지를 판단하는 단계, 상기 판단 결과에 따라, 입력된 영상의 곡선로 차량 인식 과정 또는 경사로 차량 인식 과정을 수행하는 단계, 상기 차량 인식 과정에 근거하여 인식된 차량과의 거리를 계산하는 단계, 상기 계산된 거리에 근거하여 상기 인식된 차량과의 충돌을 예측하는 단계를 포함한다.
상기 곡선로 차량 인식 과정은 곡선로 차량 패턴을 학습하는 단계, 상기 학습으로부터 제공된 차량 파라미터를 이용하여 상기 입력된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식하는 단계를 포함한다.
상기 학습하는 단계는 곡선로의 차량 영상 데이터 베이스로부터 곡선로 차량의 특징점을 분석하는 단계, 상기 특징점으로부터 상기 차량 파라미터를 추출하는 단계를 포함한다.
곡선로의 차량 일부 영상 데이터 베이스로부터 곡선로 일부 차량 영상의 특징점을 분석하는 단계를 더 포함하고, 상기 분석된 특징점 및 상기 차량 파라미터에 근거하여 상기 입력된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식하는 것을 특징으로 한다.
상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식된 차량의 인식 상태를 유지하는 것을 특징으로 한다.
상기 입력된 영상으로부터 도로 곡률을 계산하는 단계를 더 포함하고, 상기 계산된 도로 곡률로부터 원거리 차선을 인식하고, 이 인식 결과에 따라서 상기 인식된 차량의 인식 상태를 유지하는 것을 특징으로 한다.
상기 경사로 차량 인식 과정은 경사로 차량 패턴을 학습하는 단계, 상기 학습으로부터 제공된 차량 파라미터를 이용하여 상기 입력된 영상에서 차량의 상측 또는 하측의 적어도 일부를 인식하는 단계를 포함한다.
상기 학습하는 단계는 경사로의 차량 영상 데이터 베이스로부터 경사로 차량의 특징점을 분석하는 단계, 상기 특징점으로부터 상기 차량 파라미터를 추출하는 단계를 포함한다.
경사로의 차량 일부 영상 데이터 베이스로부터 경사로 일부 차량 영상의 특징점을 분석하는 단계를 더 포함하고, 상기 분석된 특징점 및 상기 차량 파라미터에 근거하여 상기 입력된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식하는 것을 특징으로 한다.
상기 입력된 영상으로부터 도로 경사도를 계산하는 단계를 더 포함하고, 상기 계산된 도로 경사도로부터 원거리 차선을 인식하고, 이 인식 결과에 따라서 상기 인식된 차량의 인식 상태를 유지한다.
상기 충돌 예측 결과에 따라 충돌 시간을 계산하고, 경보 신호를 출력한다.
본 발명의 다양한 실시예에 따르면, 곡선로 및 경사로에서의 전방 차량 인식률을 향상시키고, 이 인식 결과를 이용하여 차량 제어 시스템의 안정성을 확보할 수 있는 효과가 있다.
도 1은 본 발명의 바람직한 일 실시예에 따른 차량 제어 시스템을 도시한 블록도이다.
도 2는 본 발명의 바람직한 일 실시예에 따른 차량 제어 시스템의 차량 제어 방법을 도시한 흐름도이다.
도 3은 본 발명의 바람직한 일 실시예에 따른 곡선로 차량 인식 방법을 도시한 흐름도이다.
도 4는 본 발명의 바람직한 일 실시예에 따른 경사로 차량 인식 방법을 도시한 흐름도이다.
도 5는 본 발명의 바람직한 일 실시예에 따른 곡선로 및 경사로 차량 패턴 학습 방법을 도시한 흐름도이다.
도 2는 본 발명의 바람직한 일 실시예에 따른 차량 제어 시스템의 차량 제어 방법을 도시한 흐름도이다.
도 3은 본 발명의 바람직한 일 실시예에 따른 곡선로 차량 인식 방법을 도시한 흐름도이다.
도 4는 본 발명의 바람직한 일 실시예에 따른 경사로 차량 인식 방법을 도시한 흐름도이다.
도 5는 본 발명의 바람직한 일 실시예에 따른 곡선로 및 경사로 차량 패턴 학습 방법을 도시한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 한편, 본 명세서에서 사용된 용어는 실시예들을 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 구성소자, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성소자, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 일 실시예에 따른 차량 제어 시스템을 도시한 블록도이다.
도 1을 참조하면, 전방 차량 인식과 영상 센서 제어를 수행하는 차량 인식 영상 처리부(13)와, 차량 판단 및 경고 신호를 출력하며 CAN 인터페이스(11)를 통해 CAN 통신을 수행하는 제어부(12)와, 차량의 전방 영상을 취득하는 영상 센서(200)와, 상기 영상 센서(200)로부터 입력된 영상을 저장하는 제2 메모리(14b)와, 응용 프로그램을 저장하고, 초기 시스템 부팅을 지원하는 제1 메모리(14a), 각 부품에 전원을 공급하는 전원부(10), 차고 센서, 가속도 센서, 스티어링 각도 센서, 중력 센서 등으로부터 각종 차량 신호를 송수신하여 CAN 통신을 이용하여 상기 제어부(12) 에 제공하는 CAN 인터페이스(11)를 포함하여 구성된다.
상기 영상 센서(200)는 차량의 주변 영상을 제공한다.
상기 제어부(12)는 상기 CAN 인터페이스(11)를 통하여 차고 센서, 가속도 센서, 스티어링 각도 센서, 중력 센서 등으로부터 차량의 차고 변화량, 가속도, 스티어링 각도, 중력 값 등에 대한 차량 상태 정보를 수신하고, 상기 차량 상태 정보로부터 해당 차량이 곡선로 또는 경사로에 있는지를 판단하고, 상기 판단 결과에 따라, 상기 제공된 영상의 곡선로 차량 인식 과정 또는 경사로 차량 인식 과정을 수행하도록 제어한다.
또한, 상기 제어부(12)는 상기 차량 인식 과정에 근거하여 인식된 차량과의 거리를 계산하고, 상기 계산된 거리에 근거하여 상기 인식된 차량과의 충돌을 예측하여 경보를 출력하도록 제어한다.
상기 차량 인식 영상 처리부(13)는 상기 제어에 따라 상기 곡선로 차량 인식 과정 또는 상기 경사로 차량 인식 과정을 수행한다.
상기 곡선로 차량 인식 과정은 곡선로 차량 패턴을 학습하고, 상기 학습으로부터 제공된 차량 파라미터를 이용하여 상기 제공된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식하는 것으로 이루어진다.
상기 곡선로 차량 패턴 학습은 곡선로의 차량 영상 데이터 베이스로부터 곡선로 차량의 제1 특징점을 분석하고, 상기 제1 특징점으로부터 상기 차량 파라미터를 추출하는 것으로 이루어진다.
상기 곡선로 인식 과정에서 곡선로의 차량 일부 영상 데이터 베이스로부터 곡선로 일부 차량 영상의 제2 특징점을 분석하는 것으로 학습이 추가로 이루어질 수 있으며, 상기 차량 인식 영상 처리부(13)는 상기 분석된 제2 특징점 및 상기 차량 파라미터에 근거하여 상기 제공된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식할 수 있다.
상기 곡선로 차량 인식 과정에서 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식된 차량의 인식 상태를 유지한다. 예를 들어, 상기 인식된 차량이 인식된 이후 소정 시간(1초 내지 3초) 미인식되더라도 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식 상태 유지 시간을 가변시키도록 하는 것이다.
또한, 상기 차량 인식 영상 처리부(13)는 상기 제공된 영상으로부터 도로 곡률을 계산하고, 상기 계산된 도로 곡률로부터 원거리 차선을 인식하고, 이 인식결과에 따라서 상기 인식된 차량의 인식 상태를 유지한다. 예를 들어, 상기 제공된 영상의 밝기 변화에 따라 차선일 확률이 높은 후보들을 추출하고, 상기 추출한 차선 후보들의 히스토그램을 생성하고, 자기 차량으로부터 근거리에 위치한 차선의 위치를 결정한 후, 원거리에 위치한 차선 후보들의 곡률을 계산하고, 상기 계산된 곡률을 이용하여 원거리 차선을 인식한다.
상기 경사로 차량 인식 과정은 경사로 차량 패턴을 학습하고, 상기 학습으로부터 제공된 차량 파라미터를 이용하여 상기 제공된 영상에서 차량의 상측 또는 하측의 적어도 일부를 인식하는 것으로 이루어진다. 상기 경사로 차량 패턴 학습은 경사로의 차량 영상 데이터 베이스로부터 경사로 차량의 제3 특징점을 분석하고, 상기 제3 특징점으로부터 상기 차량 파라미터를 추출하는 것으로 이루어진다.
상기 경사로 인식 과정에서 경사로의 차량 일부 영상 데이터 베이스로부터 경사로 일부 차량 영상의 제4 특징점을 분석하고, 상기 분석된 제4 특징점 및 상기 차량 파라미터에 근거하여 상기 제공된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식할 수 있다.
상기 경사로 차량 인식 과정에서 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식된 차량의 인식 상태를 유지한다. 예를 들어, 상기 인식된 차량이 인식된 이후 소정 시간(1초 내지 3초) 미인식되더라도 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식 상태 유지 시간을 가변시키도록 하는 것이다.
또한, 상기 차량 인식 영상 처리부(13)는 상기 제공된 영상으로부터 도로 경사도를 계산하고, 상기 계산된 도로 경사도로부터 원거리 차선을 인식하고, 이 인식 결과에 따라서 상기 인식된 차량의 인식 상태를 유지한다.
상기 곡선로는 차량의 스티어링 각도 및 가속도로부터 판단한다.
상기 경사로는 차량의 중력 값과 차고 변화량으로부터 판단한다.
도 2는 본 발명의 바람직한 일 실시예에 따른 차량 제어 시스템의 차량 제어 방법을 도시한 흐름도이다.
도 2를 참조하면, CAN 통신을 통하여 차고 센서, 가속도 센서, 스티어링 각도 센서, 중력 센서 등 차량의 동력학과 관련된 차량 상태 데이터(차량 상태 정보)를 수신한다. (S10)
상기 수신된 차량 신호를 기반으로 경사로 및 곡선로를 판단하여 각각의 도로 조건에 최적화된 차량 인식 과정(알고리즘)을 수행한다. (S11)
바람직하게, 상기 차량 상태 정보로부터 해당 차량이 곡선로 또는 경사로에 있는지를 판단하고, 상기 판단 결과에 따라, 입력된 영상의 곡선로 차량 인식 과정(S13) 또는 경사로 차량 인식 과정(S15)을 수행한다.
상기 곡선로 차량 인식 과정(S13)은 곡선로 차량 패턴을 학습하고, 상기 학습으로부터 제공된 차량 파라미터를 이용하여 상기 제공된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식하는 것으로 이루어진다.
상기 곡선로 차량 패턴 학습은 곡선로의 차량 영상 데이터 베이스로부터 곡선로 차량의 제1 특징점을 분석하고, 상기 제1 특징점으로부터 상기 차량 파라미터를 추출하는 것으로 이루어진다.
상기 곡선로 인식 과정(S13)에서 곡선로의 차량 일부 영상 데이터 베이스로부터 곡선로 일부 차량 영상의 제2 특징점을 분석하는 것으로 학습이 추가로 이루어질 수 있으며, 상기 분석된 제2 특징점 및 상기 차량 파라미터에 근거하여 상기 제공된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식할 수 있다.
상기 곡선로 차량 인식 과정(S13)에서 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식된 차량의 인식 상태를 유지한다. 예를 들어, 상기 인식된 차량이 인식된 이후 소정 시간(1초 내지 3초) 미인식되더라도 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식 상태 유지 시간을 가변시키도록 하는 것이다.
또한, 상기 제공된 영상으로부터 도로 곡률을 계산하고, 상기 계산된 도로 곡률로부터 원거리 차선을 인식하고, 이 인식 결과에 따라서 상기 인식된 차량의 인식 상태를 유지한다. 예를 들어, 상기 제공된 영상의 밝기 변화에 따라 차선일 확률이 높은 후보들을 추출하고, 상기 추출한 차선 후보들의 히스토그램을 생성하고, 자기 차량으로부터 근거리에 위치한 차선의 위치를 결정한 후, 원거리에 위치한 차선 후보들의 곡률을 계산하고, 상기 계산된 곡률을 이용하여 원거리 차선을 인식한다.
상기 경사로 차량 인식 과정(S15)은 경사로 차량 패턴을 학습하고, 상기 학습으로부터 제공된 차량 파라미터를 이용하여 상기 제공된 영상에서 차량의 상측 또는 하측의 적어도 일부를 인식하는 것으로 이루어진다. 상기 경사로 차량 패턴 학습은 경사로의 차량 영상 데이터 베이스로부터 경사로 차량의 제3 특징점을 분석하고, 상기 제3 특징점으로부터 상기 차량 파라미터를 추출하는 것으로 이루어진다.
상기 경사로 인식 과정(S15)에서 경사로의 차량 일부 영상 데이터 베이스로부터 경사로 일부 차량 영상의 제4 특징점을 분석하고, 상기 분석된 제4 특징점 및 상기 차량 파라미터에 근거하여 상기 제공된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식할 수 있다.
상기 경사로 차량 인식 과정(S15)에서 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식된 차량의 인식 상태를 유지한다. 예를 들어, 상기 인식된 차량이 인식된 이후 소정 시간(1초 내지 3초) 미인식되더라도 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식 상태 유지 시간을 가변시키도록 하는 것이다.
또한, 상기 제공된 영상으로부터 도로 경사도를 계산하고, 상기 계산된 도로 경사도로부터 원거리 차선을 인식하고, 이 인식 결과에 따라서 상기 인식된 차량의 인식 상태를 유지한다.
상기 차량 인식 과정에 근거하여 인식된 차량과의 거리를 계산하고, 상기 계산된 거리에 근거하여 상기 인식된 차량과의 충돌을 예측한다. 상기 충돌 예측 결과에 따라 상기 인식된 차량과의 충돌 시간을 계산하고, 경보 신호를 출력하도록 한다. (S17)
상기 경사로의 판단은 자이로 센서 및 차고 센서의 값의 변화를 이용하여 판단하고(S12), 곡선로는 스티어링 각도 센서와 가속도 센서 값의 변화를 기반으로 판단할 수 있다. (S14)
상기에서 곡선로 차량이 아닌 경우에는 일반 차량 인식 과정(알고리즘)을 수행한다. (S16)
도 3은 본 발명의 바람직한 일 실시예에 따른 곡선로 차량 인식 방법을 도시한 흐름도이다.
도 3을 참조하면, 곡선로에서는 차량 좌측 또는 우측 일부만 보이는 경우가 많이 있다. 따라서, 곡선로 차량의 패턴 학습 및/또는 차량 일부 영상의 학습과 더불어 차량 좌/우 일부 인식 알고리즘을 이용하여 영상 센서로부터 제공된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식한다. (S20, S21)
상기 곡선로 차량 패턴 학습은 곡선로의 차량 영상 데이터 베이스로부터 곡선로 차량의 제1 특징점을 분석하고, 상기 제1 특징점으로부터 상기 차량 파라미터를 추출하는 것으로 이루어진다.
상기 곡선로 인식 과정에서 곡선로의 차량 일부 영상 데이터 베이스로부터 곡선로 일부 차량 영상의 제2 특징점을 분석하는 것으로 학습이 추가로 이루어질 수 있으며, 상기 분석된 제2 특징점 및 상기 차량 파라미터에 근거하여 상기 제공된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식할 수 있다.
상기 곡선로 차량 인식 과정에서 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식된 차량의 인식 상태를 유지한다. 예를 들어, 상기 인식된 차량이 인식된 이후 소정 시간(1초 내지 3초) 미인식되더라도 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식 상태 유지 시간을 가변시키도록 하는 것이다.
또한, 상기 제공된 영상으로부터 도로 곡률을 계산하고, 상기 계산된 도로 곡률로부터 원거리 차선을 인식하고, 이 인식 결과에 따라서 상기 인식된 차량의 인식 상태를 유지한다. (S22)
도 4는 본 발명의 바람직한 일 실시예에 따른 경사로 차량 인식 방법을 도시한 흐름도이다.
도 4를 참조하면, 경사로에서는 선행 차량의 아랫 부분 또는 윗 부분 일부만 보이는 경우가 많이 있다. 따라서, 경사로 차량의 패턴 학습 및/또는 차량 일부 영상의 학습과 더불어 차량 좌/우 일부 인식 알고리즘을 이용하여 영상 센서로부터 제공된 영상에서 차량의 상측 또는 하측의 적어도 일부를 인식한다. (S30, S31)
상기 경사로 차량 인식 과정은 경사로 차량 패턴을 학습하고, 상기 학습으로부터 제공된 차량 파라미터를 이용하여 상기 제공된 영상에서 차량의 상측 또는 하측의 적어도 일부를 인식하는 것으로 이루어진다. 상기 경사로 차량 패턴 학습은 경사로의 차량 영상 데이터 베이스로부터 경사로 차량의 제3 특징점을 분석하고, 상기 제3 특징점으로부터 상기 차량 파라미터를 추출하는 것으로 이루어진다.
상기 경사로 인식 과정에서 경사로의 차량 일부 영상 데이터 베이스로부터 경사로 일부 차량 영상의 제4 특징점을 분석하고, 상기 분석된 제4 특징점 및 상기 차량 파라미터에 근거하여 상기 제공된 영상에서 차량의 상측 또는 하측의 적어도 일부를 인식할 수 있다.
상기 경사로 차량 인식 과정에서 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식된 차량의 인식 상태를 유지한다. (S32) 예를 들어, 상기 인식된 차량이 인식된 이후 소정 시간(1초 내지 3초) 미인식되더라도 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식 상태 유지 시간을 가변시키도록 하는 것이다.
또한, 상기 제공된 영상으로부터 도로 경사도를 계산하고, 상기 계산된 도로 경사도로부터 원거리 차선을 인식하고, 이 인식 결과에 따라서 상기 인식된 차량의 인식 상태를 유지한다. (S32)
도 5는 본 발명의 바람직한 일 실시예에 따른 곡선로 및 경사로 차량 패턴 학습 방법을 도시한 흐름도이다.
도 5를 참조하면, 곡선로 및 경사로 차량 패턴 학습은 곡선로 및 경사로에서의 승용차, 버스, 트럭, 특수 차량 등 다양한 차량 영상 데이터 베이스를 미리 확보하여(S50), 특징을 분석하여 학습기를 통하여 미리 차량 패턴을 학습한다. (S51) 학습기는 다양한 차량의 영상 정보가 들어왔을 때, 그 때마다 픽셀 분석을 통한 차량 인식 알고리즘을 수행하면 처리 속도가 늦어지기 때문에 미리 차량의 특징점을 분석하여 패턴화하고, 차량 파라미터를 추출하여 영상에서 차량 여부를 판단하는 것이다. (S52)
이렇게 함으로써 차량의 인식시간을 단축할 수 있다. 이러한 차량 패턴 학습은 디지털 시그널 프로세서(DSP), 마이크로 컨트롤러 유닛(MCU) 등과 같은 임베디드 상에서 이루어지는 것이 아니라, 컴퓨터 상에서 미리 이루어진다.
또한, 차량 일부만 보이는 경우에도 미리 영상 데이터 베이스를 확보하여 차량 일부 영상의 특징점을 분석하여, 차량 일부 인식 알고리즘을 적용한다.(S50, S51) 이 경우에도 영상의 특징점은 미리 패턴을 학습하는 학습기를 통하여 이루어진다.
영상 센서로부터 제공된 영상은 전처리되고(S40), 이 전처리된 영상에서 상기 추출된 차량 파라미터를 이용하여 곡선로 차량 또는 경사도에 있는 차량을 인식하며(S41), 상기 인식된 차량과 자기 차량과의 차간 거리를 계산하고(S42), 이 계산된 거리로부터 충돌 시간을 계산하고, 필요한 경우 운전자에게 경보 신호를 출력하도록 한다.(S43)
이상에서 설명한 본 발명의 실시 예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시 예 및 첨부된 도면에 의해 한정되는 것이 아니라, 다양한 변형이 이루어질 수 있도록 각 실시 예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수 있다.
100 : 차량 200 : 영상 센서
10 : 전원 공급부 11 : CAN 인터페이스
12 : 제어부 13 : 차량 인식 영상처리부
14a, 14b: 메모리 15 : I2C
10 : 전원 공급부 11 : CAN 인터페이스
12 : 제어부 13 : 차량 인식 영상처리부
14a, 14b: 메모리 15 : I2C
Claims (10)
- 차량 상태 정보를 수신하는 단계;
상기 차량 상태 정보로부터 해당 차량이 곡선로 또는 경사로에 있는지를 판단하는 단계;
상기 판단 결과에 따라, 입력된 영상의 곡선로 차량 인식 과정 또는 경사로 차량 인식 과정을 수행하는 단계;
상기 차량 인식 과정에 근거하여 인식된 차량과의 거리를 계산하는 단계; 및
상기 계산된 거리에 근거하여 상기 인식된 차량과의 충돌을 예측하는 단계를 포함하며,
상기 곡선로 차량 인식 과정은,
곡선로 차량 패턴을 학습하는 단계; 및
상기 학습으로부터 제공된 차량 파라미터를 이용하여 상기 입력된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식하는 단계;를 포함하고,
차량 제어 방법은,
곡선로의 차량 일부 영상 데이터 베이스로부터 곡선로 일부 차량 영상의 특징점을 분석하는 단계를 더 포함하고,
상기 곡선로 차량 인식 과정은,
상기 곡선로 차량의 인식 시간을 단축하기 위해, 상기 분석된 특징점 및 상기 차량 파라미터에 근거하여 상기 입력된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식하며,
상기 경사로 차량 인식 과정은,
경사로 차량 패턴을 학습하는 단계; 및
상기 학습으로부터 제공된 차량 파라미터를 이용하여 상기 입력된 영상에서 차량의 상측 또는 하측의 적어도 일부를 인식하는 단계;를 포함하며,
상기 차량 제어 방법은,
경사로의 차량 일부 영상 데이터 베이스로부터 경사로 일부 차량 영상의 특징점을 분석하는 단계를 더 포함하고,
상기 경사로 차량 인식 과정은,
상기 경사로 차량의 인식 시간을 단축하기 위해, 상기 분석된 특징점 및 상기 차량 파라미터에 근거하여 상기 입력된 영상에서 차량의 상측 또는 하측의 적어도 일부를 인식하는 것을 특징으로 하는 차량 제어 방법.
- 삭제
- 삭제
- 제 1 항에 있어서, 상기 인식된 차량과의 거리 및/또는 상대 속도에 따라서 상기 인식된 차량의 인식 상태를 유지하는 단계를 더 포함하여 이루어지는 것을 특징으로 하는 차량 제어 방법.
- 제 1 항에 있어서, 상기 입력된 영상으로부터 도로 곡률을 계산하는 단계를 더 포함하고,
상기 계산된 도로 곡률로부터 원거리 차선을 인식하고, 이 인식 결과에 따라서 상기 인식된 차량의 인식 상태를 유지하는 것을 특징으로 하는 차량 제어 방법.
- 삭제
- 삭제
- 삭제
- 제 1 항에 있어서, 상기 입력된 영상으로부터 도로 경사도를 계산하는 단계를 더 포함하고,
상기 계산된 도로 경사도로부터 원거리 차선을 인식하고, 이 인식 결과에 따라서 상기 인식된 차량의 인식 상태를 유지하는 것을 특징으로 하는 차량 제어 방법.
- 차량의 주변 영상을 제공하는 영상 센서;
차량 상태 정보를 수신하고, 상기 차량 상태 정보로부터 해당 차량이 곡선로 또는 경사로에 있는지를 판단하고, 상기 판단 결과에 따라, 상기 제공된 영상의 곡선로 차량 인식 과정 또는 경사로 차량 인식 과정을 수행하도록 제어하는 제어부;
상기 제어에 따라 상기 곡선로 차량 인식 과정 또는 상기 경사로 차량 인식 과정을 수행하는 차량 인식 영상 처리부를 포함하고,
상기 차량 인식 영상 처리부는,
곡선로 차량 패턴을 학습하고, 상기 학습으로부터 제공된 차량 파라미터를 이용하여 상기 제공된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식하며,
곡선로 차량 패턴의 학습 시, 곡선로의 차량 일부 영상 데이터 베이스로부터 곡선로 일부 차량 영상의 특징점을 분석하고,
상기 곡선로 차량의 인식 시, 상기 곡선로 차량의 인식 시간을 단축하기 위해, 상기 분석된 특징점 및 상기 차량 파라미터에 근거하여 상기 제공된 영상에서 차량의 좌측 또는 우측의 적어도 일부를 인식하며,
상기 차량 인식 영상 처리부는,
경사로 차량 패턴을 학습하고, 상기 학습으로부터 제공된 차량 파라미터를 이용하여 상기 제공된 영상에서 차량의 상측 또는 하측의 적어도 일부를 인식하며,
경사로 차량 패턴의 학습 시, 경사로의 차량 일부 영상 데이터 베이스로부터 경사로 일부 차량 영상의 특징점을 분석하며,
상기 경사로 차량의 인식 시, 상기 경사로 차량의 인식 시간을 단축하기 위해, 상기 분석된 특징점 및 상기 차량 파라미터에 근거하여 상기 제공된 영상에서 차량의 상측 또는 하측의 적어도 일부를 인식하는 것을 특징으로 하는 차량 제어 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130065836A KR102106361B1 (ko) | 2013-06-10 | 2013-06-10 | 차량 제어 방법 및 이를 위한 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130065836A KR102106361B1 (ko) | 2013-06-10 | 2013-06-10 | 차량 제어 방법 및 이를 위한 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20140143986A KR20140143986A (ko) | 2014-12-18 |
| KR102106361B1 true KR102106361B1 (ko) | 2020-05-04 |
Family
ID=52674469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130065836A KR102106361B1 (ko) | 2013-06-10 | 2013-06-10 | 차량 제어 방법 및 이를 위한 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102106361B1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101985074B1 (ko) * | 2016-04-28 | 2019-09-03 | 현대자동차주식회사 | 어댑티브 크루즈 컨트롤 장치 및 그 방법 |
| US10562531B2 (en) | 2016-04-28 | 2020-02-18 | Hyundai Motor Company | Adaptive cruise control apparatus and method thereof |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010221909A (ja) * | 2009-03-24 | 2010-10-07 | Hitachi Automotive Systems Ltd | 走行環境認識装置および車両制御装置 |
| KR101240499B1 (ko) * | 2011-10-28 | 2013-03-11 | 인하대학교 산학협력단 | 실시간 차선 인식 및 차량 검출 장치 및 방법 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101013906B1 (ko) * | 2007-12-18 | 2011-02-14 | 기아자동차주식회사 | 경제운전 안내 시스템 |
| KR20130007243A (ko) * | 2011-06-30 | 2013-01-18 | (주)베라시스 | 차량 카메라를 이용한 전방 충돌 경보 방법 및 시스템 |
| KR101829006B1 (ko) * | 2011-09-09 | 2018-02-14 | 현대모비스 주식회사 | 차량 충돌 경보 제어 장치 및 방법 |
-
2013
- 2013-06-10 KR KR1020130065836A patent/KR102106361B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010221909A (ja) * | 2009-03-24 | 2010-10-07 | Hitachi Automotive Systems Ltd | 走行環境認識装置および車両制御装置 |
| 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 |
|---|---|
| KR20140143986A (ko) | 2014-12-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108509832B (zh) | 用于产生虚拟车道的方法和装置 | |
| KR101543105B1 (ko) | 보행자 인식 장치 및 그의 처리 방법과 이를 지원하는 차량 | |
| JP4349452B2 (ja) | 行動予測装置 | |
| JP5987922B2 (ja) | ドライバ感情に基づく運転支援装置 | |
| CN103874931B (zh) | 用于求取车辆的环境中的对象的位置的方法和设备 | |
| US10152640B2 (en) | System and method for verification of lamp operation | |
| EP2575078B1 (en) | Front vehicle detecting method and front vehicle detecting apparatus | |
| US11023744B2 (en) | Road parameter calculator | |
| US10127460B2 (en) | Lane boundary line information acquiring device | |
| JP5987923B2 (ja) | ドライバ感情に基づく運転支援装置 | |
| US8643723B2 (en) | Lane-marker recognition system with improved recognition-performance | |
| JP6090340B2 (ja) | ドライバ感情推定装置 | |
| KR101818542B1 (ko) | 차선 인식 신뢰도 향상 시스템 및 그 방법 | |
| US20210034925A1 (en) | Obstacle recognition assistance device, obstacle recognition assistance method, and storage medium | |
| JP2022502750A (ja) | センサデータ流を分析するための方法及び装置、並びに、車両を誘導するための方法 | |
| US20200047751A1 (en) | Cooperative vehicle safety system and method | |
| JP6149842B2 (ja) | ドライバ感情推定装置及び方法 | |
| CN115943440A (zh) | 用于检测对物体识别系统的投影攻击的系统和方法 | |
| KR102106361B1 (ko) | 차량 제어 방법 및 이를 위한 장치 | |
| JP2010039718A (ja) | 車両制御装置、車両制御方法および車両制御処理プログラム | |
| KR102545109B1 (ko) | 차량용 허위 타겟 제거 장치 및 그의 허위 타겟 제거 방법과 그를 포함하는 차량 | |
| CN113743356A (zh) | 数据的采集方法、装置和电子设备 | |
| WO2019104471A1 (en) | Method and apparatus for assisting driving | |
| JP2015084253A (ja) | ドライバ感情推定装置 | |
| KR20110126820A (ko) | 차선 인식 장치 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right |