KR102398800B1 - 노면 사물인식 시스템 - Google Patents

노면 사물인식 시스템 Download PDF

Info

Publication number
KR102398800B1
KR102398800B1 KR1020220004250A KR20220004250A KR102398800B1 KR 102398800 B1 KR102398800 B1 KR 102398800B1 KR 1020220004250 A KR1020220004250 A KR 1020220004250A KR 20220004250 A KR20220004250 A KR 20220004250A KR 102398800 B1 KR102398800 B1 KR 102398800B1
Authority
KR
South Korea
Prior art keywords
road surface
road
image information
temperature
surface condition
Prior art date
Application number
KR1020220004250A
Other languages
English (en)
Inventor
신동헌
신민성
Original Assignee
(주)에스알디코리아
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 (주)에스알디코리아 filed Critical (주)에스알디코리아
Priority to KR1020220004250A priority Critical patent/KR102398800B1/ko
Application granted granted Critical
Publication of KR102398800B1 publication Critical patent/KR102398800B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01H—STREET CLEANING; CLEANING OF PERMANENT WAYS; CLEANING BEACHES; DISPERSING OR PREVENTING FOG IN GENERAL CLEANING STREET OR RAILWAY FURNITURE OR TUNNEL WALLS
    • E01H10/00—Improving gripping of ice-bound or other slippery traffic surfaces, e.g. using gritting or thawing materials ; Roadside storage of gritting or solid thawing materials; Permanently installed devices for applying gritting or thawing materials; Mobile apparatus specially adapted for treating wintry roads by applying liquid, semi-liquid or granular materials
    • E01H10/005—Permanently-installed devices for applying gritting or thawing materials, e.g. for spreading grit, for spraying de-icing liquids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/435—Computation of moments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/469—Contour-based spatial representations, e.g. vector-coding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Environmental & Geological Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Marketing (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Structural Engineering (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Civil Engineering (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Architecture (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

본 발명은 노면 사물인식 시스템(RORS, Road Object Recognition System)에 관한 것이다.
이를 위하여 본 발명의 노면 사물인식 시스템은 위험구간의 노면상태를 판정하여 도로 안전장치를 가동하기 위한 것으로, 실시간으로 위험구간의 노면 영상정보를 획득하는 영상정보 획득장치; 실시간으로 위험구간의 온/습도 정보를 획득하는 온습도 측정장치; 상기 영상정보 획득장치가 획득한 실시간 노면 영상정보를 이용하여 노면상태를 예측하는 노면상태 예측장치; 상기 온습도 측정장치가 획득한 온/습도 정보와 상기 노면상태 예측장치가 예측한 노면상태 정보를 종합하여 최종 노면상태를 판정하는 노면상태 판정장치; 및 상기 노면상태 판정장치가 판정한 노면상태 정보를 도로 안전장치에 전달하는 통신장치;를 포함한다.
이로써, 상기 노면상태 판정장치가 온습도 측정장치가 획득한 온/습도 정보와 상기 노면상태 예측장치가 예측한 노면상태 정보를 종합하여 최종 노면상태를 판정함으로써 영상정보에 의한 오차 가능성을 줄이고, 보다 정확한 노면상태 판정을 기대할 수 있다.

Description

노면 사물인식 시스템{Road Object Recognition System}
본 발명은 노면 사물인식 시스템(RORS, Road Object Recognition System)에 관한 것으로, 보다 상세하게는 실시간으로 위험구간의 노면 영상정보를 획득하여 1차로 노면상태를 예측하고, 온/습도 정보를 획득하여 예측된 노면상태 정보를 종합하여 최종 노면상태를 판정함으로써 통신장치를 통하여 각종 도로 설비장치가 가동되도록 하는 노면 사물인식 시스템에 관한 것이다.
지구 온난화 등 기상여건의 변화로 하절기에는 게릴라성 폭우가 잦아지고 있으며, 동절기에는 특정지역에서 국지성 폭설의 빈도가 높아지는 등 기상이변이 속출하고 있다. 기상이변에 따른 폭우는 노면에 수막을 형성하며, 폭설로 인한 결빙은 미끄럼저항성을 저하시키므로 차량의 주행에 의한 교통사고의 위험을 증가시키게 된다.
특히, 운전자가 시각적으로 인지하기 어려운 늦가을 서리에 의한 결로나 도로의 살얼음(블랙아이스)도 교통사고의 주된 원인으로 지목되고 있다. 예컨데, 지형 조건에 의하여 일조가 잘 들지 않는 구간이나, 교량의 하부 그리고 터널의 입구 등은 주간에도 살얼음이 발생하기 쉬우며, 코너 구간에 살얼음이 발생하는 경우에는 사고의 위험성이 매우 높아지므로 위험 관리구간으로 설정하여 특별히 관리되고 있다.
이러한 이유로 공공기관, 지방자치단체 그리고 유관 민간단체 등에서는 돌발적인 기상상황에 대응할 수 있는 안전한 도로환경 구축을 위해 많은 노력을 기울이고 있다.
과거에는 위험 관리구간에 모래, 고체 제설제 또는 액상 제설제와 같은 다양한 종류의 제설제들을 구비함으로써 결빙의 위험이 있다고 판단되는 경우에 작업자들이 직접 살포하거나, 제설장비를 투입하여 조치하였다. 그러나, 최근에는 염수 분사구간을 설정하여 분사장치를 가동하거나, 도로의 노면상태를 표시하는 도로 전광판 예보장치(VMS, Variable Message Signs)를 구축하여 실시간으로 기후조건에 따른 노면상태를 전달하고 있다.
이와 관련된 선행기술문헌으로서 출원인이 제안한 등록특허 제10-1933688호의 "영상감지형 액상제설제 살포시스템"(2018. 12. 21. 등록, 이하 '선행기술문헌'이라 한다)이 있다. 상기 선행기술문헌은 영상감지유닛의 카메라에 기반하여 제설액의 분사여부를 결정하도록 시스템화함으로써 불필요한 분사를 방지하여 경제적인 절감효과를 얻을 수 있도록 하였다.
그러나, 상기 선행기술문헌은 단순히 카메라에 촬영된 영상에 전적으로 의존함에 따라 직사광이나 반사광에 의한 오차 발생의 가능성이 높고, 시간이나 계절의 경과에 따른 일조 조건의 변화로 노면상태에 국부적인 변화가 야기되어 정확한 노면상태 파악이 어려운 한계가 있었으며, 결국 안전사고의 예방 효과도 높지 못한 결과가 야기되었다.
대한민국 등록특허 제10-1933688호 (2018. 12. 21. 등록) 대한민국 등록특허 제10-2261164호 (2021. 05. 31. 등록)
본 발명은 상기한 기술적 과제를 해결하기 위하여 제안된 것으로, 국부적인 노면의 변화나 일시적인 환경 변화에 따른 노면상태 판정의 오차 가능성을 줄이고, 위험 관리구간별 노면 종류 및 지형의 특수성을 고려할 수 있으며, 노면상태 정보를 실시간으로 판정하여 도로 안전장치를 즉각적으로 가동할 수 있는 노면 사물인식 시스템(RORS, Road Object Recognition System)을 제공하는데 목적이 있다.
본 발명의 일 실시예에 따른 노면 사물인식 시스템(RORS, Road Object Recognition System)은, 위험구간(DA)의 노면상태를 판정하여 도로 안전장치(S)를 가동하기 위한 것으로, 실시간으로 위험구간(DA)의 노면 영상정보를 획득하는 영상정보 획득장치(100); 실시간으로 위험구간(DA)의 온/습도 정보를 획득하는 온습도 측정장치(200); 상기 영상정보 획득장치(100)가 획득한 실시간 노면 영상정보를 이용하여 노면상태를 예측하는 노면상태 예측장치(300); 상기 온습도 측정장치(200)가 획득한 온/습도 정보와 상기 노면상태 예측장치(300)가 예측한 노면상태 정보를 종합하여 최종 노면상태를 판정하는 노면상태 판정장치(400); 및 상기 노면상태 판정장치(400)가 판정한 노면상태 정보를 도로 안전장치(S)에 전달하는 통신장치(500);를 포함한다.
또한, 상기 노면상태 예측장치(300)는, 상기 영상정보 획득장치(100)로부터 전달된 실시간 노면 영상정보를 바탕으로 특징벡터를 추출하는 특징벡터 추출부(310); 및 상기 특징벡터 추출부(310)가 추출한 실시간 특징벡터와 데이터베이스(D)에 저장된 건노면, 습노면, 빙노면 및 설노면에 대한 특징벡터들을 추출하고 이들 사이에 유사도를 산출하여 노면상태를 예측하는 영상기반 예측부(320);를 포함할 수 있다.
또한, 상기 특징벡터 추출부(310)는, 노면 영상정보의 표본 영역(IA)에 대한 휘도 성분분포에 대한 통계적 모멘트 벡터를 추출하고, 상기 휘도 성분분포에 대한 다차원 소파장 분할을 바탕으로 파장별 특징벡터를 추출할 수 있다.
또한, 상기 영상기반 예측부(320)는, 1초 단위로 순간 노면상태를 예측하고, 일정 주기(T) 동안 누적된 순간 노면상태의 유효성을 검증하여 일정 주기(T)로 노면상태를 예측할 수 있다.
또한, 상기 영상기반 예측부(320)는, 초당 30 프레임 이상의 노면 영상정보를 입력받아 유효성을 검증하여 1초 단위의 순간 노면상태를 도출할 수 있다.
또한, 상기 영상정보 획득장치(100)는, 외부 통풍이 가능함과 동시에 직사광이 차단되는 표본 영역(IA)을 형성하는 프레임 부재(110); 상기 프레임 부재(110)에 의하여 형성되는 표본 영역(IA)에 위치하는 노면 표본(120); 상기 노면 표본(120)의 노면 영상정보를 촬영하는 영상 촬영모듈(130); 및 상기 영상 촬영모듈(130)이 촬영한 이미지 정보를 실시간으로 상기 노면상태 예측장치(300)에 전달하는 영상 전송모듈(140);을 포함할 수 있다.
또한, 상기 프레임 부재(110)는, 복수의 지주(111)에 의하여 지지되도록 표본 영역(IA)을 형성하는 받침부(112)가 형성되고, 상기 받침부(112)는 지면으로부터 이격되어 하부에 공간부(113)가 마련될 수 있다.
또한, 상기 프레임 부재(110)는, 인접한 지주(111) 사이에는 표본 영역(IA)에 유입되는 직사광을 차단하는 적어도 하나의 차양막(114)이 형성될 수 있다.
또한, 상기 영상 촬영모듈(130)의 렌즈(131) 전방 일측에만 편광 필터(132)가 구비되어 편광 처리된 노면 영상정보와 원 노면 영상정보가 동시에 획득될 수 있다.
또한, 상기 노면상태 판정장치(400)는, 상기 온습도 측정장치(200)가 측정한 대기온도가 이슬점 온도 이하이거나, 노면 온도와 이슬점 온도와의 차가 2℃ 이하이고, 노면 온도가 영하 또는 대기 온도가 2℃ 이하이고, 상기 노면상태 예측장치(300)가 예측한 노면상태 정보가 '빙노면' 또는 '습노면'인 경우에 '서리노면' 또는 '빙노면'으로 판단할 수 있다.
그리고 상기 노면상태 판정장치(400)는, 상기 온습도 측정장치(200)가 측정한 대기온도가 2℃ ≤ 대기 온도 ≤ 이슬점온도 + 2℃ 을 만족하고, 상기 노면상태 예측장치(300)가 예측한 노면상태 정보가 '건노면'인 경우에 '안개가능' 노면으로 판단할 수 있다.
본 발명의 노면 사물인식 시스템(RORS, Road Object Recognition System)에 의하면, 상기 노면상태 판정장치가 온습도 측정장치가 획득한 온/습도 정보와 상기 노면상태 예측장치가 예측한 노면상태 정보를 종합하여 최종 노면상태를 판정함으로써 영상정보에 의한 오차 가능성을 줄이고, 보다 정확한 노면상태 판정을 기대할 수 있다.
또한, 일정 주기 동안 누적된 순간 노면상태의 유효성을 검증하여 일정 주기로 노면상태를 예측함으로써 국부적인 노면의 변화나 일시적인 환경 변화에 따른 노면상태 판정의 오차 가능성을 줄일 수 있다.
특히, 상기 영상기반 예측부는 초당 30 프레임 이상의 노면 영상정보를 입력받아 유효성을 검증하여 1초 단위의 순간 노면상태를 도출함으로써 높은 정확도를 기대할 수 있으며, 노면상태 정보를 실시간으로 판정할 수 있다.
나아가, 외부 통풍이 가능함과 동시에 직사광이 차단되는 표본 영역을 형성하여, 상기 표본 영역에 특정 위험 관리구간의 도로와 동일한 노면 표본을 구비함으로써 위험 관리구간별 노면 종류 및 지형의 특수성을 고려할 수 있다.
뿐만 아니라, 상기 노면 표본이 구비되는 프레임 부재를 시간이나 계절의 경과에 따른 일조 조건의 변화에 영향을 받지 않도록 구현함으로써 직사광이나 반사광에 의한 오차 발생 가능성을 제거할 수 있다.
그리고 실시간으로 판정된 노면상태 정보를 통신장치를 이용하여 도로 안전장치에 전달함으로써 열풍 또는 염수 분사장치와 같은 도로 안전장치를 즉각적으로 가동할 수 있는 이점이 발휘된다.
도 1 및 도 2는 본 발명의 노면 사물인식 시스템(RORS, Road Object Recognition System)의 전체적인 구성을 도시한 블록도.
도 3은 본 발명의 일 실시예에 따른 노면 사물인식 시스템을 설치한 모습을 모식화한 개념도.
도 4는 본 발명의 일 실시예에 따른 영상 촬영모듈을 도시한 (a) 개념도 및 (b) 그에 따른 영상정보.
도 5는 본 발명의 일 실시예에 따른 노면상태 예측장치가 활용하는 휘도 성분에 대한 확률적 분포를 설명하기 위한 개념도.
도 6은 본 발명의 일 실시예에 따른 노면상태 예측장치가 활용하는 다차원 소파장 분할을 설명하기 위한 개념도.
도 7은 본 발명의 일 실시예에 따른 노면상태 예측장치에 의한 다차원 소파장 분할 영상.
도 8은 본 발명의 일 실시예에 따른 노면 사물인식 시스템의 운영 프로그램의 UI 화면.
도 9는 본 발명의 일 실시예에 따른 열풍 분사장치의 작동원리를 도시한 개념도.
도 10 및 도 11은 본 발명의 다양한 실시예에 따른 영상정보 획득장치를 도시한 사시도.
이하 본 발명의 실시예들을 첨부된 도면들을 참조하여 더욱 상세하게 설명한다. 본 발명의 실시예는 여러가지 형태로 변형할 수 있으며, 본 발명의 범위가 아래의 실시예들로 한정되는 것으로 해석되어서는 안된다. 본 실시예는 당업계에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해 제공되는 것이다.
도 1 및 도 2에 도시된 바와 같이 본 발명의 일 실시예에 따른 노면 사물인식 시스템은, 위험구간(DA)의 노면상태를 판정하여 도로 안전장치(S)를 가동함으로써 차량의 미끄러짐에 의한 안전사고를 미연에 방지하기 위한 것으로, 영상정보 획득장치(100), 온습도 측정장치(200), 노면상태 예측장치(300), 노면상태 판정장치(400), 통신장치(500) 및 도로 안전장치(S)를 포함하여 구성된다.
또한, 다수의 결빙 위험구간(DA)에 대하여 누적된 온/습도 정보와 노면 영상정보 및 그에 따른 특징벡터를 포함하는 데이터베이스(D)를 포함할 수 있으며, 이때, 상기 데이터베이스(D), 영상정보 획득장치(100), 온습도 측정장치(200), 노면상태 예측장치(300), 노면상태 판정장치(400) 및 도로 안전장치(S)는 통신장치(500)에 의하여 상호 정보를 송수신할 수 있으며, 상기 장치들을 상호 연결하는 통신망으로는 내부망 또는 유무선 인터넷, LTE, 센서노드를 이용한 LoRa 통신 등이 활용될 수 있다.
또한, 상기 도로 안전장치(S)는 노면결빙 방지를 위한 예방조치를 위한 것이거나, 결빙된 노면을 녹이거나, 온도를 높여 도로에 생성된 안개를 제거하기 위하여 분사되는 열풍 분사장치 또는 염수 분사장치(600)와 같은 분사장치이거나, 도로의 기후 정보 등을 제공하기 위하여 설치되는 전광판 예보장치(700)일 수 있다.
이하, 본 발명의 노면 사물인식 시스템(RORS, Road Object Recognition System)을 구성하는 각 구성에 대하여 보다 상세하게 설명한다.
상기 영상정보 획득장치(100)는 실시간으로 위험구간(DA)의 노면 영상정보를 획득하는 것으로서, 상기 영상정보 획득장치(100)는 표본 영역(IA)에 위치하는 노면 표본(120)의 노면 영상정보를 촬영하는 영상 촬영모듈(130)과 상기 영상 촬영모듈(130)이 촬영한 이미지 정보를 실시간으로 상기 노면상태 예측장치(300)에 전달하는 영상 전송모듈(140)을 포함한다.
상기 표본 영역(IA)은 노면을 촬영하기 위한 영역을 의미하는 것으로, 계절이나 시간의 경과에도 불구하고 직사광이나 반사광의 영향을 거의 받지 않는 평균화된 노면의 특정 영역으로 설정하는 것이 바람직하다. 또한, 상기 영상 촬영모듈(130)은 프로그레시브 방식으로서 팬틸트 회전이 가능하도록 구현됨이 바람직하며, 상기 영상 전송모듈(140)은 실시간으로 획득한 노면 영상정보를 후술할 노면상태 예측장치(300)로 전달한다.
한편, 상기 영상 촬영모듈(130)이 촬영한 노면 영상정보에는 빛에 의하여 반사광이나 음영이 형성되기도 하며, 원래의 색상, 밝기 및 형상과는 달리 왜곡에 의하여 색상, 밝기 또는 형상이 달리 인식되기도 한다. 예컨데, 흐린날은 물론 맑은날의 구름 또한 노면상태 인식에 방해요소가 되며, 그 밖에도 빛의 반사, 야간의 차량 라이트, 굴절 등과 같은 다양한 요인들이 존재한다. 이에 습노면, 빙노면, 설노면 등에서는 반사나 굴절로 인한 다양한 왜곡이 발생될 수 있으므로 이러한 오류를 억제하기 위하여 렌즈(131)의 전방에 편광 필터(132)를 사용할 수 있다.
상기 편광 필터(132)는 수평 편광 필터인 것이 바람직하며, 상기 수평 편광 필터를 통과한 빛은 수직방향의 편광 성분을 지니는 반사광이 제거되어 눈부심 현상이 억제되고, 사물의 대비를 높일 수가 있다. 이처럼 상기 편광 필터(132)는 외부의 불필요한 반사광을 제거하여 사물을 뚜렷하게 하거나 광택 있는 표면에서 반사광을 제거하는데 활용될 수 있다.
다만, 도 4의 (a)에 도시된 바와 같이 본 발명의 영상 촬영모듈(130)의 렌즈(131)에는 전방 일측에만 편광 필터(132)가 구비될 수 있다. 상기한 실시형태에 의하면, 도 4의 (b)에 나타난 바와 같이 상기 영상 촬영모듈(130)은 편광 필터(132)에 의하여 편광 처리된 노면 영상정보와 편광 처리되지 않은 원 노면 영상정보를 동시에 촬영할 수 있다.
주간에 빛의 반사는 노면의 명도를 높이기도 하고, 우천시에는 주변의 어두운 사물의 반사광으로 인해 오히려 노면의 명도가 실제보다 더 낮아지기도 한다. 이에 본 발명은 외부환경에 의한 영상정보의 왜곡 및 간섭을 억제하기 위하여 카메라 렌즈(131)의 전방에 설치되는 편광 필터(132)를 바탕으로 편광 처리된 노면 영상정보와 편광 처리되지 않은 원 노면 영상정보를 동시에 확보하여 각각에 대해 휘도 성분분포를 비교하거나 다차원 소파장 분할을 통한 모멘트 성분을 비교함으로 노면 상태정보를 판정할 수 있다.
상기 온습도 측정장치(200)는 실시간으로 결빙 위험구간(DA)의 온/습도 정보를 측정하기 위한 것으로, 대기 또는 노면의 온도를 측정하는 온도센서(210)와, 대기 습도를 측정하는 습도센서(220)를 포함하며, 실시간으로 측정된 온/습도 정보는 온습도 전송부(230)에 의하여 노면상태 예측장치(300) 또는 노면상태 판정장치(400)로 전달된다.
한편, 상기 노면상태 예측장치(300)는 영상정보 획득장치(100)가 실시간으로 전송하는 노면영상 정보를 바탕으로 노면상태를 1차로 예측하는 것으로, 특징벡터 추출부(310) 및 영상기반 예측부(320)로 구성된다. 이때, 본 발명의 명세서에서 기술한 '~부'란, '하드웨어 또는 소프트웨어의 시스템을 변경이나 플러그인 가능하도록 구성한 블록'을 의미하는 것으로서, 즉 하드웨어나 소프트웨어에 있어 특정 기능을 수행하는 하나의 단위 또는 블록을 의미한다.
상기 특징벡터 추출부(310)는 상기 영상정보 획득장치(100)로부터 전달된 실시간 노면 영상정보를 바탕으로 특징벡터를 추출한다. 이때, 입력되는 노면 영상정보는 위험 관리구간(DA)의 표본 영역(IA)으로 설정된 노면이거나 인위적으로 형성된 표본 영역(IA)에 존재하는 노면 표본(120)으로부터 촬영한 영상일 수 있다. 상기 노면 표본(120)을 이용하는 실시형태에 대하여는 후술한다.
또한, 상기 영상기반 예측부(320)는 외부환경 등의 요인으로 실시간으로 변화되어 제공되는 노면 영상정보에 대하여 상기 특징벡터 추출부(310)가 추출한 실시간 특징벡터와 데이터베이스(D)에 저장된 노면상태로서 '건노면', '습노면', '빙노면' 및 '설노면'에 대한 특징벡터들간의 유사도를 산출하여 노면상태를 예측한다.
보다 상세하게는, 상기 영상기반 예측부(320)가 비교하는 노면 영상정보에 대한 특징벡터는 편광 필터(132)를 통과한 노면 영상정보의 휘도 성분분포와 더불어 노면 영상정보가 지닌 질감 분석을 위한 다차원 소파장 분할에 근거할 수 있다.
도 5는 본 발명의 일 실시예에 따른 노면상태 예측장치(300)가 활용하는 휘도 성분에 대한 확률적 분포(휘도 성분분포)를 설명하기 위한 개념도로서, 빛의 반사이나 음영과 같은 영상 왜곡이 적은 환경을 전제로 노면 영상을 분석하면, 동일 노면상태에서 노면 휘도 성분에 대한 확률적 분포는 도 5의 (a)와 같이 넓게 분산되지 않는다.
반면 서로 다른 노면상태 간에 휘도 성분에 대한 확률적 분포를 비교해보면 도 5의 (b)와 같이 분포에 대한 수평적 이동이 발생한다. 이러한 성질을 이용하여 휘도 성분을 특징벡터로 이용하여 노면상태를 판정할 수 있는 것으로, 보다 정확하게는 휘도 성분분포에 유사성을 구하기 위하여 획득한 노면 영상정보의 휘도 성분분포와 데이터베이스(D)에서 저장된 휘도 성분분포들간의 최소 공통성 분량에 대해 특징벡터로 정의하고 추출한다.
한편, 실시형태에 따라서는 상기 노면상태 예측장치(300)의 특징벡터 추출부(310)는 국소적인 노면의 이물질이나 오염에 따라 오차가 발생하는 것을 방지하기 위하여 파장범위별 특징벡터의 평균값을 추출하고, 상기 영상기반 예측부(320)도 파장범위별 특징벡터의 평균값과 데이터베이스(D)에 저장된 특징벡터와 유사도를 산정할 수 있다.
도 6의 (a)와 (b)의 개념도에 도시된 바와 같이 상기 특징벡터 추출부(310)는 노면 영상정보의 표본 영역(IA)에 대한 휘도 성분분포에 대한 통계적 모멘트 벡터를 추출하고, 특징벡터로서 휘도 성분분포에 대한 다차원 소파장 분할을 바탕으로 파장별 특징벡터로서, 저주파 통과(Low-Pass) 영역과 고주파 통과(High-Pass) 영역에 대한 모멘트 벡터
Figure 112022003724396-pat00001
를 추가적으로 추출할 수 있다. 이하에서는 상기 모멘트 벡터를
Figure 112022003724396-pat00002
으로 나타낸다(n은 웨이블릿 변환단계 차수).
일 실시예로, 상기 특징벡터 추출부(310)는 이미지 정보에 대하여 블록단위로 부분화하여 Daubechies 웨이블릿 필터(Filter)를 바탕으로 해당 이미지정보의 영역을 M×M 블록단위로 나누어 국부적으로 웨이블릿 변환을 수행할 수 있다. 각 블록(B)에서의 n차 단계 웨이블릿 변환을 수행하였다고 가정할 경우에 부대역 방향에 대한 각 방향 모멘트는 다음과 같이 계산되며, 전체 공간의 대표값으로 정규화되어 표본에 대한 전체 웨이블릿 모멘트 특징벡터값으로 계산된다.
Figure 112022003724396-pat00003
Figure 112022003724396-pat00004
도 7은 본 발명의 일 실시예에 따른 노면상태 예측장치(300)의 특징벡터 추출부(310)에 의한 일 실시예에 따른 다차원 소파장 분할 영상을 도시한 것이다.
또한, 상기 영상기반 예측부(320)는 분할된 모멘트 벡터와 데이터베이스(D)에 저장된 모멘트 특징벡터에 대한 유사도를 추가적으로 산정함으로써 보다 정확한 노면 상태 정보를 제공할 수 있다. 일 실시예로 구해진 특징벡터들은 각각 성분별 L2 거리함수의 절대 합으로 계산되어 유사도가 비교되는 것이 바람직하다.
한편, 주간에는 '건노면'에 비하여 '습노면'이나 '빙노면'에서 반사가 많이 발생하고, 반면 야간에는 '건노면'에서 반사가 많이 발생하므로 편광처리된 노면 영상정보와 원 노면 영상정보는 주변의 빛 반사 등에 대하여 서로 다른 양상을 보인다.
이에, 도 4에 나타난 바와 같이 영상정보 획득장치(100)가 편광 처리된 노면 영상정보와 편광 처리되지 않은 원 노면 영상정보를 동시에 촬영하는 실시형태에 있어서, 두 가지 영상정보에 대한 평균제곱오차 MSE(mean square error)를 계산하고 이를 바탕으로 휘도 성분분포의 차가 상대적으로 크게 나타나면 '빙노면'이나 '습노면'으로의 가중치를 높일 수 있다.
일 실시예로, 원 노면 영상정보와 편광 처리된 노면 영상정보의 인접한 두 부분영역으로 크기가
Figure 112022003724396-pat00005
인 두 영역 B 와 P 에 대해 MSE는 휘도에 대한 평균제곱오차로서
Figure 112022003724396-pat00006
로 계산된다. M 1 , M 2 를 각 영역의 평균 밝기값으로 정의할 때, 이 두 영역이 빛의 반사 등으로 인해 발생하는 오류의 정도를
Figure 112022003724396-pat00007
로 계산하고 계산된 값이 해당 노면군에 대한 평균값 대비 사전에 설정된 특정값을 넘어서는 경우에 예측 판단을 유보할 수 있다.
한편, 도 2에 도시된 바와 같이 본 발명의 노면 사물인식 시스템은 중앙 상황실(C)에서 실시간으로 모니터링되어 관리될 수 있으며, 도 8은 본 발명의 일 실시예에 따른 노면 사물인식 시스템의 운영 프로그램의 UI 화면을 도시한 것으로, 좌측 영역은 영상정보 획득장치(100)가 위험 관리구간(DA)의 도로를 실시간으로 촬영한 영상이며, 우측 상부영역은 표본 영역(IA)의 노면에 대한 노면 영상정보를 실시간으로 나타낸 것이다.
한편, 상기 노면상태 예측장치(300)는 상기 영상정보 획득장치(100)로부터 적어도 초당 30프레임 이상의 노면 영상정보를 입력받고, 상기 영상기반 예측부(320)가 각 노면 영상정보의 유효성을 검증함으로써, 1초 단위의 순간 노면상태를 도출할 수 있다.
이때, 유효성을 검증함에 있어서는 상술한 바와 같이 원 노면 영상정보와 편광 처리된 노면 영상정보를 분석하여 오류가 발생하는지 여부를 판단할 수 있으며, 유효성이 인정된 프레임별 노면 영상정보의 정량성에 기초하여 1초 단위의 순간 노면상태를 도출할 수 있다. 도 8의 우측 하부영역에 나타난 바와 같이 해당 프레임(29번째 프레임)과 초당 유효성이 인정된 프레임의 수를 "유효한 프레임수/전체 프레임수"로 나타낼 수 있으며, 숫자 '1'은 '젖은노면'을 상징하는 노면 상태정보이다.
나아가, 상기 영상기반 예측부(320)는, 도 8의 우측의 중간영역에 도시된 바와 같이 초당 30프레임 이상의 노면 영상정보를 바탕으로 도출한 1초 단위의 순간 노면상태를 누적적으로 표시하고, 이를 일정 주기(T) 동안 누적된 순간 노면상태의 유효성을 검증하여 일정 주기(T)로 노면상태를 예측할 수 있다.
이때, 유효성을 검증함에 있어서는 1초 단위의 순간 노면상태의 연속성과 정량성에 기초하여 일정 주기의 노면상태를 예측할 수 있으며, 상기 영상기반 예측부(320)는 일정 주기(T) 단위로 예측되는 노면 상태정보를 후술할 노면상태 판정장치(400)로 실시간 전송할 수 있다. 일 실시예로, 도 8의 우측 하부영역 가장 아래는 유효성을 10초간 "유효한 초당 노면 상태정보의 수/전체 시간(초)"로 나타낸 것이며, 짙은 음영의 '젖은노면'은 예측되는 노면 상태정보를 도출한 것이다.
한편, 상기 노면상태 판정장치(400)는 상기 온습도 측정장치(200)가 획득한 온/습도 정보와 상기 노면상태 예측장치(300)가 1차 예측한 노면상태 정보를 종합하여 최종 노면상태를 판정한다.
동절기 노면 결빙의 주된 요인은 노면에 응결된 수분과 온도이다. 다만, 정확한 노면의 온도를 측정하기 위해서는 별도의 노면 온도센서를 설치하여야 한다. 그러나, 설치와 유지관리의 어려움으로 인하여 노면 온도는 대기 온도를 측정하는 온도센서(210)에 의존할 수밖에 없다.
이러한 이유로 대기 온도와 노면 온도와의 관련성을 분석하기 위하여 많은 실험적 데이터가 축적되어 왔으며, 특히 응달지역, 터널 입출구부, 교량부, 도로 언덕부나 산간지역 등에서 대기 온도와 노면 온도의 차이는 더욱 크게 나타나는 것으로 알려져 있다. 이에 본 발명의 노면상태 판정장치(400)는 노면 결빙이 의심되는 온도를 축적된 데이터에 기초하여 대기 온도의 기준을 최대 4℃로 보수적으로 설정하여 노면의 결빙 가능성을 판단한다.
한편, 상기 노면상태 판정장치(400)는 온습도 측정장치(200)로부터 전달받은 대기의 온/습도 정보를 바탕으로 이슬점 온도를 추산할 수 있다. 이하에서는 산정된 이슬점 온도를 기초로 노면상태를 판정하는 원리에 대하여 노면상태별로 분류하여 설명한다.
<안개 가능>
대기의 수증기가 포화 응결되어 매우 작은 물방울 상태로 대기 중에 부유하는 것을 '안개'라 지칭한다. 이러한 안개는 지표면의 온도가 지상보다 낮고 공기 속의 수증기가 과포화된 상태에서 발생하므로, 맑은날 안개가 주로 발생하는 노면 부근의 온도를 측정된 대기 온도 보다 2℃ 낮는 것으로 가정하여 연산한다. 즉, 아래의 수학식과 같이 노면 부근의 온도가 영상이며, 이슬점 이하인 대기 온도에 대하여 '안개가능'으로 판정한다.
2℃ ≤ 대기 온도 ≤ 이슬점온도 + 2℃
다만, 상기 노면상태 판정장치(400)는 노면상태 예측장치(300)가 예측한 노면상태 정보가 '건노면'인 경우에 상기 조건식을 만족하면 '안개가능' 노면으로 판단한다.
<서리노면>
대기의 수증기가 포화 응결되고, 응결된 물방울이 얼면 서리가 발생하여 결빙이 발생하게 된다. 즉, 대기 온도가 이슬점 온도 이하이거나, 노면 온도와 이슬점 온도와의 차가 2℃ 이하이고, 노면 온도가 영하 또는 대기 온도가 2℃ 이하일 경우 '서리노면'으로 판정한다.
다만, 상기 노면상태 판정장치(400)는 노면상태 예측장치(300)가 예측한 노면상태 정보가 '빙노면' 또는 '습노면'인 경우에 상기 조건을 만족하면 '서리노면' 또는 '빙노면'으로 판단한다.
<빙습노면>
또한, 습도센서(220)가 측정한 습도가 80% 이상이고, 노면 온도가 영하 또는 대기 온도가 4℃ 이하 일 경우에 상기 노면상태 판정장치(400)는 노면상태 예측장치(300)가 예측한 노면상태 정보가 '빙노면' 또는 '습노면'인 경우에 상기 조건을 만족하면 '빙노면'으로 판단한다.
한편, 상기 도로 안전장치(S)는 열풍 또는 염수 분사장치(600)로서, 이하에서는 도 9에 도시된 사항을 바탕으로 상기 결빙, 적설 또는 안개를 제거하는 장치로서 노면상태 판정장치(400)에 의하여 선택적으로 가동되는 분사장치 중에서 열풍 분사장치(600)에 대하여 보다 구체적으로 설명한다.
본 발명의 일 실시예에 따른 열풍 분사장치(600)는 도 9에 도시된 바와 같이 압축기(610)에 의하여 압축공기가 충진되는 가열탱크(620)가 구비되고, 상기 가열탱크(620)는 히팅장치(621)에 의하여 일정한 고온으로 유지될 수 있으며, 상기 가열탱크(620)는 복수 개가 구비되어 압력 저하가 이루어진 가열탱크(620)에 전자밸브(615)의 제어에 의하여 선택적으로 충진될 수 있고, 열풍공급관(630)으로 고온의 공기를 공급하기 위하여 체크 밸브(632)가 순차적으로 개방될 수 있다.
또한, 위험 관리구간(DA)의 도로를 중심으로 양측에 각각 열풍공급관(630)이 배치될 수 있으며, 상기 열풍공급관(630)에는 분기관(631) 마다 보조 가열수단(660)이 구비되고, 전방에 압력 체크밸브(650)가 형성되어 일정 압력 이상으로 열풍이 확보되면, 상기 보조 가열수단(660)의 압력 체크밸브(650)가 개방됨으로써 분사노즐(640)을 바탕으로 열풍이 분사될 수 있다. 상기 보조 가열수단(660)에 의하여 고온이 유지된 상태로 도로의 반대 측까지 충분한 분사거리가 확보될 수 있으며, 실시형태에 따라서 생략될 수 있다.
또한, 상기 분사노즐(640)은 강설이 시작된 경우에는 적설을 방지하기 위하여 플랫노즐 타입의 분사구를 바탕으로 팬 형상의 열풍 분사를 유도함으로써 눈을 스윕하여 적설이 방지되도록 구현할 수 있으며, 이때, 분사노즐(640)의 분사구는 시간적 경과에 따라 변경되도록 제작하거나 분사 방향이 실시간으로 변화되도록 구현하는 것도 가능하다.
나아가, 상기 분사장치(600)는 차량의 이동을 인식하는 차량 감지센서(670)를 바탕으로 분사노즐(640)의 분사를 선택적으로 폐쇄할 수 있으며, 복수의 분사노즐(640)은 일정한 간격으로 이격 배치되므로, 차량의 이동방향 최전방에 차량 감지센서(670)를 구비함으로써 시간차를 두고 순차적으로 분사노즐을 폐쇄할 수 있다.
한편, 이하에서는 본 발명의 노면 영상정보에 왜곡이 발생하지 않도록 계절이나 시간의 경과에도 불구하고 직사광이나 반사광의 영향을 거의 받지 않는 평균화된 노면이 확보되도록 별도의 노면 표본(120)을 제작하여 설치하는 실시형태에 대하여 보다 구체적으로 상술한다. 이때, 상기 노면 표본(120)은 해당 위험 관리구간(DA)의 노면과 유사한 소재로 영상정보 인식에 오차가 발생되지 않는 범위에서 제작됨이 바람직하다.
본 발명의 노면상태 예측장치(300)의 바람직한 실시형태에 의하면, 노면상태 정보를 예측하기 위하여 휘도 성분분포에 근거하므로 순수한 노면 영상정보가 획득되도록 색상 및 밝기값에 영향을 주는 외부의 요소는 배제되어야 한다. 그러므로 영상 촬영모듈(130)은 도로의 주변 사물의 반사 등에 의한 간섭이 최소화되는 곳에 설치되어야 한다. 또한, 외부로부터 빛의 간섭이나 음영 등이 없어야 하며. 직사광의 반사를 피하기 위하여 직사광을 직접 마주하지 않아야 한다.
이를 위하여 상기 영상정보 획득장치(100)는 외부 통풍이 가능함과 동시에 직사광이 차단되는 표본 영역(IA)을 형성하는 프레임 부재(110)가 마련되고, 상기 프레임 부재(110)에 의하여 형성되는 표본 영역(IA)에 노면 표본(120)이 위치하도록 구비될 수 있다.
특히, 도 10에 도시된 바와 같이 상기 프레임 부재(110)는 복수의 지주(111)에 의하여 지지되도록 표본 영역(IA)을 형성하는 받침부(112)가 형성되고, 상기 받침부(112)는 지면으로부터 이격되어 하부에 공간부(113)가 마련될 수 있다. 상기 공간부(113)는 노면 표본(120)에 공기의 순환이 원활하게 이루어질 수 있도록 하기 위한 것으로, 상기 받침부(112)도 노면 표본(120)을 구비할 수 있다면 통풍에 장애가 되지 않도록 개방부가 마련되도록 형성함이 바람직하다. 또한, 상기 프레임 부재(110)는 지지대(115)가 경사지게 형성될 수 있으며, 영상 쵤영모듈(130)의 이탈이나 유동을 방지함이 바람직하다.
한편, 사물에 대한 음영은 태양의 고도와 방향에 영향을 받는다. 따라서, 태양의 연중고도와 일중고도에 따라 그 길이와 방향이 지속적으로 변화한다. 이러한 원리를 이용하여 가능한 통풍이 잘 되고 태양광은 많이 흡수하되 직사광이 형성되지 않는 영역을 인위적으로 형성하고 그 곳에 노면 표본(120)을 배치함으로 외부의 영향을 최소화 하면서 노면 영상정보를 획득할 수 있도록 도 11에 도시된 바와 같이 인접한 지주(111) 사이에는 표본 영역(IA)에 유입되는 직사광을 차단하는 적어도 하나의 차양막(114)이 형성될 수 있다.
상기 차양막(114)의 각와 위치는 상기 노면 표본(120)이 구비되는 표본 위치(IA)에 연중고도와 시간에 따라 일중고도를 모두 고려하여 직사광이 유입되지 않도록 형성하는 것으로, 반대로 설명하면 상기 표본 위치(IA)는 차양막(114)에 의하여 항시 직사광이 유입되지 않는 영역으로 정의될 수 있다. 또한, 실시형태에 따라 상기 차양막(114)는 각도 조절이 가능하도록 형성될 수 있음은 물론이다.
다만, 상기 차양막(114)은 허용하는 범위에서 생략되어 완전한 개방형태로 구성할 수도 있으며, 도시하지 않았으나 현장 여건의 변화에 따라 위치가 가변될 수 있도록 하부에 구동부를 형성할 수도 있다.
본 발명의 노면 사물인식 시스템(RORS, Road Object Recognition System)의 실시예들을 중심으로 설명 기술하였으나, 해당 기술분야의 통상의 지식을 가진 자라면 청구범위에 기재된 본 발명의 사상으로부터 벗어나지 않는 범위 내에서 구성요소의 부가, 변경, 삭제 또는 추가 등에 의해 본 발명을 다양하게 수정 및 변경하여 실시할 수 있을 것이며, 이 또한 본 발명의 권리범위에 포함된다고 할 것이다.
나아가, 본 발명의 실시예들을 설명함에 있어서 공지된 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하였다. 그리고, 사용된 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운영자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 발명의 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 따라서, 이상의 발명의 상세한 설명은 개시된 실시형태로 본 발명을 제한하려는 의도가 아니며, 첨부된 청구범위는 다른 실시 형태도 포함하는 것으로 해석되어야 한다.
S:도로 안전장치 100:영상정보 획득장치
110:프레임 부재 120:노면 표본
130:영상 촬영모듈 140:영상 전송모듈
200:온습도 측정장치 300:노면상태 예측장치
310:특징벡터 추출부 320:영상기반 예측부
400:노면상태 판정장치 500:통신장치
600:열풍 또는 염수 분사장치 700:전광판 예보장치

Claims (11)

  1. 위험구간(DA)의 노면상태를 판정하여 도로 안전장치(S)를 가동하기 위한 것으로,
    실시간으로 위험구간(DA)의 노면 영상정보를 획득하는 영상정보 획득장치(100);
    실시간으로 위험구간(DA)의 온/습도 정보를 획득하는 온습도 측정장치(200);
    상기 영상정보 획득장치(100)가 획득한 실시간 노면 영상정보를 이용하여 노면상태를 예측하는 노면상태 예측장치(300);
    상기 온습도 측정장치(200)가 획득한 온/습도 정보와 상기 노면상태 예측장치(300)가 예측한 노면상태 정보를 종합하여 최종 노면상태를 판정하는 노면상태 판정장치(400); 및
    상기 노면상태 판정장치(400)가 판정한 노면상태 정보를 도로 안전장치(S)에 전달하는 통신장치(500);를 포함하고,
    상기 영상정보 획득장치(100)는 외부 통풍이 가능함과 동시에 직사광이 차단되는 표본 영역(IA)을 형성하는 프레임 부재(110); 상기 프레임 부재(110)에 의하여 형성되는 표본 영역(IA)에 위치하는 노면 표본(120); 상기 노면 표본(120)의 노면 영상정보를 촬영하는 영상 촬영모듈(130); 및 상기 영상 촬영모듈(130)이 촬영한 이미지 정보를 실시간으로 상기 노면상태 예측장치(300)에 전달하는 영상 전송모듈(140);을 포함하는 것을 특징으로 하는 노면 사물인식 시스템.
  2. 제1항에 있어서,
    상기 노면상태 예측장치(300)는,
    상기 영상정보 획득장치(100)로부터 전달된 실시간 노면 영상정보를 바탕으로 특징벡터를 추출하는 특징벡터 추출부(310); 및
    상기 특징벡터 추출부(310)가 추출한 실시간 특징벡터와 데이터베이스(D)에 저장된 건노면, 습노면, 빙노면 및 설노면에 대한 특징벡터들을 추출하고 이들 사이에 유사도를 산출하여 노면상태를 예측하는 영상기반 예측부(320);
    를 포함하는 것을 특징으로 하는 노면 사물인식 시스템.
  3. 제2항에 있어서,
    상기 특징벡터 추출부(310)는,
    노면 영상정보의 표본 영역(IA)에 대한 휘도 성분분포에 대한 통계적 모멘트 벡터를 추출하고, 상기 휘도 성분분포에 대한 다차원 소파장 분할을 바탕으로 파장별 특징벡터를 추출하는 것을 특징으로 하는 노면 사물인식 시스템.
  4. 제2항 또는 제3항에 있어서,
    상기 영상기반 예측부(320)는,
    1초 단위로 순간 노면상태를 예측하고, 일정 주기(T) 동안 누적된 순간 노면상태의 유효성을 검증하여 일정 주기(T)로 노면상태를 예측하는 것을 특징으로 하는 노면 사물인식 시스템.
  5. 제4항에 있어서,
    상기 영상기반 예측부(320)는,
    초당 30 프레임 이상의 노면 영상정보를 입력받아 유효성을 검증하여 1초 단위의 순간 노면상태를 도출하는 것을 특징으로 하는 노면 사물인식 시스템.
  6. 삭제
  7. 제1항에 있어서,
    상기 프레임 부재(110)는,
    복수의 지주(111)에 의하여 지지되도록 표본 영역(IA)을 형성하는 받침부(112)가 형성되고, 상기 받침부(112)는 지면으로부터 이격되어 하부에 공간부(113)가 마련되는 것을 특징으로 하는 노면 사물인식 시스템.
  8. 제1항에 있어서,
    상기 프레임 부재(110)는,
    인접한 지주(111) 사이에는 표본 영역(IA)에 유입되는 직사광을 차단하는 적어도 하나의 차양막(114)이 형성되는 것을 특징으로 하는 노면 사물인식 시스템.
  9. 제1항에 있어서,
    상기 영상 촬영모듈(130)의 렌즈(131) 전방 일측에만 편광 필터(132)가 구비되어 편광 처리된 노면 영상정보와 원 노면 영상정보가 동시에 획득되는 것을 특징으로 하는 노면 사물인식 시스템.
  10. 제1항에 있어서,
    상기 노면상태 판정장치(400)는
    상기 온습도 측정장치(200)가 측정한 대기온도가 이슬점 온도 이하이거나, 노면 온도와 이슬점 온도와의 차가 2℃ 이하이고, 노면 온도가 영하 또는 대기 온도가 2℃ 이하이고,
    상기 노면상태 예측장치(300)가 예측한 노면상태 정보가 '빙노면' 또는 '습노면'인 경우에 '서리노면' 또는 '빙노면'으로 판단하는 것을 특징으로 하는 노면 사물인식 시스템.
  11. 제1항에 있어서,
    상기 노면상태 판정장치(400)는
    상기 온습도 측정장치(200)가 측정한 대기온도가
    2℃ ≤ 대기 온도 ≤ 이슬점온도 + 2℃
    을 만족하고,
    상기 노면상태 예측장치(300)가 예측한 노면상태 정보가 '건노면'인 경우에 '안개가능' 노면으로 판단하는 것을 특징으로 하는 노면 사물인식 시스템.
KR1020220004250A 2022-01-11 2022-01-11 노면 사물인식 시스템 KR102398800B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220004250A KR102398800B1 (ko) 2022-01-11 2022-01-11 노면 사물인식 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220004250A KR102398800B1 (ko) 2022-01-11 2022-01-11 노면 사물인식 시스템

Publications (1)

Publication Number Publication Date
KR102398800B1 true KR102398800B1 (ko) 2022-05-18

Family

ID=81801011

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220004250A KR102398800B1 (ko) 2022-01-11 2022-01-11 노면 사물인식 시스템

Country Status (1)

Country Link
KR (1) KR102398800B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101318463B1 (ko) * 2013-05-13 2013-10-16 현대오토에버 주식회사 노면상태 정보제공 시스템
KR101933688B1 (ko) 2018-03-23 2018-12-28 (주)에스알디코리아 영상감지형 액상제설제 살포시스템
KR20190105165A (ko) * 2018-02-21 2019-09-16 김동규 도로 기상정보 예보시스템
KR102261164B1 (ko) 2021-02-26 2021-06-07 (주)에스알디코리아 도로결빙 판정 알고리즘을 이용한 ai 전광판 시스템
KR20210140786A (ko) * 2020-05-14 2021-11-23 주식회사 하랑컴퍼니 열화상 이미지를 이용한 블랙 아이스 예측 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101318463B1 (ko) * 2013-05-13 2013-10-16 현대오토에버 주식회사 노면상태 정보제공 시스템
KR20190105165A (ko) * 2018-02-21 2019-09-16 김동규 도로 기상정보 예보시스템
KR101933688B1 (ko) 2018-03-23 2018-12-28 (주)에스알디코리아 영상감지형 액상제설제 살포시스템
KR20210140786A (ko) * 2020-05-14 2021-11-23 주식회사 하랑컴퍼니 열화상 이미지를 이용한 블랙 아이스 예측 시스템
KR102261164B1 (ko) 2021-02-26 2021-06-07 (주)에스알디코리아 도로결빙 판정 알고리즘을 이용한 ai 전광판 시스템

Similar Documents

Publication Publication Date Title
KR102136131B1 (ko) 도로결빙 예측 자동 감시 시스템 및 그 운영방법
KR101280361B1 (ko) 노면 결빙 예측 및 강설 감지 시스템 및 방법
CN101382497B (zh) 基于路况监控视频的能见度检测方法
CN106874863B (zh) 基于深度卷积神经网络的车辆违停逆行检测方法
US9465987B1 (en) Monitoring and detecting weather conditions based on images acquired from image sensor aboard mobile platforms
CN104613892B (zh) 融合视频检测技术和激光测距技术的复合雪深监测系统
KR101888308B1 (ko) 지능형 cctv 관제 시스템
KR101844507B1 (ko) 열적외선 온도 어레이 센서와 영상카메라 일체형 감시장치를 구비한 감시 서비스 시스템
KR102414233B1 (ko) 주행차량의 노면인지에 의한 제어 시스템 및 그 방법
KR20190105165A (ko) 도로 기상정보 예보시스템
CN110020642B (zh) 一种基于车辆检测的能见度识别方法
KR102359365B1 (ko) 도로 기후조건 시각화 시스템
WO2002099465A1 (en) Video system for monitoring and reporting weather conditions
KR102398800B1 (ko) 노면 사물인식 시스템
US20240149899A1 (en) Risk of occurrence calculating apparatus, risk of occurrence displaying system, and risk of occurrence calculating method
KR101180421B1 (ko) 편광필터와 센서를 이용한 노면 상태 자동검지 방법
Linton et al. Winter road surface condition monitoring: field evaluation of a smartphone-based system
KR102317633B1 (ko) 복수의 도로 영상을 기반으로 하는 도로의 실시간 블랙아이스 검출 시스템 및 그 방법
Kim et al. A study on development of mobile road surface condition detection system utilizing probe car
CN108198422A (zh) 一种基于视频影像的道路积水提取系统和方法
KR101146726B1 (ko) 도로의 열섬현상 측정 및 모니터링 시스템
KR20220129243A (ko) 제설 장치 자동 제어 시스템
CN105629333A (zh) 一种基于视频的道路气象检测方法
Matheussen et al. Estimation of snow covered area for an urban catchment using image processing and neural networks
KR102544504B1 (ko) 안개 인식 소산 시스템

Legal Events

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