KR102475332B1 - 복수의 카메라를 이용한 도로 정보 수집 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 - Google Patents
복수의 카메라를 이용한 도로 정보 수집 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 Download PDFInfo
- Publication number
- KR102475332B1 KR102475332B1 KR1020220058563A KR20220058563A KR102475332B1 KR 102475332 B1 KR102475332 B1 KR 102475332B1 KR 1020220058563 A KR1020220058563 A KR 1020220058563A KR 20220058563 A KR20220058563 A KR 20220058563A KR 102475332 B1 KR102475332 B1 KR 102475332B1
- Authority
- KR
- South Korea
- Prior art keywords
- image
- camera
- vehicle
- road information
- collecting
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004590 computer program Methods 0.000 title claims description 12
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 12
- 238000007726 management method Methods 0.000 description 19
- 238000001514 detection method Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000013439 planning Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
Abstract
본 발명은 복수의 카메라를 이용한 도로 정보 수집 방법을 제안한다. 상기 방법은 데이터 가공 장치가, 도로 정보 수집을 위하여 차량에 설치되어 전방 이미지를 촬영하는 전방 카메라 및 측방 이미지를 촬영하는 측방 카메라를 포함하는 도로 정보 수집 장치로부터 상기 전방 이미지 및 상기 측방 이미지를 수집하는 단계, 상기 데이터 가공 장치가, 상기 전방 카메라 및 상기 측방 카메라 각각의 위치를 기반으로 상기 전방 이미지 및 상기 측방 이미지의 캘리브레이션(calibration)을 수행하는 단계 및 상기 데이터 가공 장치가, 상기 캘리브레이션 된 상기 전방 이미지 및 상기 측방 이미지를 합성한 정합 이미지를 생성하는 단계를 포함할 수 있다.
Description
본 발명은 도로 정보 수집 방법에 관한 것이다. 보다 상세하게는, 물류 운송 차량에 설치된 복수의 카메라(camera)에 의해 촬영된 이미지를 기초로 도로와 관련된 정보를 수집하기 위한 도로 정보 수집 방법에 관한 것이다.
차량의 자율주행(automatic driving)은 차량 스스로 판단하여 주행할 수 있는 시스템을 의미한다. 이와 같은, 자율주행은 시스템이 주행에 관여하는 정도와 운전차가 차량을 제어하는 정도에 따라 비자동화부터 완전 자동화까지 점진적인 단계로 구분될 수 있다. 일반적으로, 자율주행의 단계는 국제자동차기술자협회(SAE(Society of Automotive Engineers) International)에서 분류한 6단계의 레벨로 구분된다. 국제자동차기술자협회가 분류한 6단계에 따르면, 레벨 0단계는 비자동화, 레벨 1단계는 운전자 보조, 레벨 2단계는 부분 자동화, 레벨 3단계는 조건부 자동화, 레벨 4단계는 고도 자동화, 그리고 레벨 5단계는 완전 자동화 단계이다.
한편, 최근에는 인터넷에서 단순 지도에 대한 정보를 제공하는 것을 넘어 실제 거리의 이미지를 보여주는 거리뷰 서비스를 통해 다양한 실제 도로, 거리, 구조물 등의 정보를 제공하고 있다.
이와 같은, 차량의 자율주행 및 거리뷰를 제공하기 위해서는 도로와 관련한 정보 수집이 필요하다. 도로 정보는 도로를 이동하는 차량에 설치된 카메라가 차량에 의해 이동하면서 이미지를 촬영하여 수집될 수 있다. 일반적으로, 도로 정보 수집을 위한 카메라는 차량의 상부에 설치되어, 차량을 중심으로 360°이미지를 생성한다.
그러나, 차량의 상부에 카메라를 설치하는 경우에는 차량의 차체에 의해 가려지는 영역이 발생되기 때문에, 도로의 노면에 대한 이미지의 왜곡이 발생될 수 있고, 지하 터널이나 육교 등의 장애물로 인하여 상부에 설치된 카메라의 파손이 발생될 수 있는 문제점이 있었다.
한편, 차량의 자율주행은 인지(perception), 측위(localization), 경로 계획(path planning) 및 제어(control)의 메커니즘을 통해 수행된다. 현재 여러 기업체들은 자율주행 메커니즘 중에서 인지 및 경로 계획을 인공지능(AI)을 이용하여 구현하기 위해 개발 중에 있다.
이와 같은, 인지 및 경로 계획을 구현하기 위해서는 도로의 이미지 수집이 필요할 뿐만 아니라, 포트홀(pothole), 싱크홀(sinkhole) 등과 같은 도로의 장애물이나, 신규 구조물 등과 같은 도로에 존재하는 객체의 변화에 대한 파악이 필요하다.
본 발명의 일 목적은 물류 운송 차량에 설치된 복수의 카메라(camera)에 의해 촬영된 이미지를 기초로 도로와 관련된 정보를 수집하기 위한 방법을 제공하는 것이다.
본 발명의 또 다른 목적은 물류 운송 차량에 설치된 복수의 카메라(camera)에 의해 촬영된 이미지를 기초로 도로와 관련된 정보를 수집하기 위한 방법을 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램을 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상술한 바와 같은 기술적 과제를 달성하기 위하여, 본 발명은 복수의 카메라를 이용한 도로 정보 수집 방법을 제안한다. 상기 방법은 데이터 가공 장치가, 도로 정보 수집을 위하여 차량에 설치되어 전방 이미지를 촬영하는 전방 카메라 및 측방 이미지를 촬영하는 측방 카메라를 포함하는 도로 정보 수집 장치로부터 상기 전방 이미지 및 상기 측방 이미지를 수집하는 단계, 상기 데이터 가공 장치가, 상기 전방 카메라 및 상기 측방 카메라 각각의 위치를 기반으로 상기 전방 이미지 및 상기 측방 이미지의 캘리브레이션(calibration)을 수행하는 단계 및 상기 데이터 가공 장치가, 상기 캘리브레이션 된 상기 전방 이미지 및 상기 측방 이미지를 합성한 정합 이미지를 생성하는 단계를 포함할 수 있다.
구체적으로, 상기 이미지를 수집하는 단계는 상기 차량에 설치되되, 지면 방향으로 틸팅(tilting) 된 후방 카메라에 의해 촬영된 후방 이미지를 상기 전방 이미지 및 상기 측방 이미지와 동시에 수집할 수 있다.
상기 도로 정보를 생성하는 단계는 상기 전방 이미지 및 상기 측방 이미지를 합성하여 도로 노면 영역을 제외한 제1 정합 이미지를 생성하고, 상기 제1 정합 이미지에 상기 후방 이미지를 합성하여 도로 노면 영역을 포함한 제2 정합 이미지를 생성할 수 있다.
상기 캘리브레이션을 수행하는 단계는 상기 전방 카메라, 상기 측방 카메라 및 상기 후방 카메라 간의 거리 및 상기 차량의 이동 거리를 기초로 상기 전방 이미지, 상기 측방 이미지 및 상기 후방 이미지의 캘리브레이션을 수행할 수 있다.
상기 캘리브레이션을 수행하는 단계는 상기 도로 정보 수집 장치로부터 센싱 된 상기 차량의 바퀴 회전수를 수신하고, 상기 바퀴 회전수를 기초로 상기 차량의 이동 거리를 산출할 수 있다.
상기 캘리브레이션을 수행하는 단계는 상기 전방 카메라 및 상기 측방 카메라의 이격 거리만큼 상기 차량이 이동한 시간과, 상기 전방 이미지 또는 상기 측방 이미지의 촬영 시각을 기초로, 합성할 상기 전방 이미지 및 상기 측방 이미지를 결정할 수 있다.
상기 이미지를 수집하는 단계는 상기 도로 정보 수집 장치로부터 상기 바퀴 회전수가 수신되지 않는 경우, 상기 차량이 정차 상태인 것으로 판단하고, 상기 전방 이미지, 상기 측방 이미지 및 상기 후방 이미지의 수집을 중지할 수 있다.
상기 이미지를 수집하는 단계는 상기 전방 이미지, 상기 측방 이미지 및 상기 후방 이미지 중 적어도 하나에 대한 연속된 이미지 사이의 유사도를 산출하고, 유사도가 사전에 설정된 값 이상인 경우, 상기 차량이 정차 상태인 것으로 판단할 수 있다.
상기 이미지를 수집하는 단계는 상기 연속된 이미지에서 픽셀(pixel)에 대한 RGB(Red, Green, Blue) 히스토그램을 생성하고, 생성된 RGB 히스토그램을 비교하여 유사도를 산출할 수 있다.
상기 이미지를 수집하는 단계는 상기 도로 정보 수집 장치로부터 상기 바퀴 회전수가 수신되지 않은 시점으로부터 사전 설정된 시간 동안 연속된 이미지 사이의 유사도가 사전에 설정된 값 이상인 경우, 상기 차량이 정차 상태인 것으로 최종 판단할 수 있다.
상기 이미지를 수집하는 단계는 상기 전방 카메라 및 상기 후방 카메라에 각각 설치된 라이다(lidar)로부터 상기 전방 이미지 및 상기 측방 이미지와 동시에 획득된 3D 점군 데이터(points group)를 수집할 수 있다.
상기 이미지를 수집하는 단계는 상기 3D 점군 데이터를 통해 상기 전방 이미지 및 상기 측방 이미지에 동시에 존재하는 객체(object)를 추출하고, 상기 추출된 객체와의 거리를 기초로 합성할 상기 전방 이미지 및 상기 측방 이미지를 재조정할 수 있다.
상술한 바와 같은 기술적 과제를 달성하기 위하여, 본 발명은 복수의 카메라를 이용한 도로 정보 수집 방법을 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램을 제안한다. 상기 컴퓨터 프로그램은 메모리(memory); 송수신기(transceiver); 및 상기 메모리에 상주된 명령어를 처리하는 프로세서(processor)를 포함하여 구성된 컴퓨팅 장치와 결합될 수 있다. 그리고, 상기 컴퓨터 프로그램은 상기 프로세서가, 도로 정보 수집을 위하여 차량에 설치되어 전방 이미지를 촬영하는 전방 카메라 및 측방 이미지를 촬영하는 측방 카메라를 포함하는 도로 정보 수집 장치로부터 상기 전방 이미지 및 상기 측방 이미지를 수집하는 단계, 상기 프로세서가, 상기 전방 카메라 및 상기 측방 카메라 각각의 위치를 기반으로 상기 전방 이미지 및 상기 측방 이미지의 캘리브레이션(calibration)을 수행하는 단계 및 상기 프로세서가, 상기 캘리브레이션 된 상기 전방 이미지 및 상기 측방 이미지를 합성한 정합 이미지를 생성하는 단계를 실행시키기 위하여, 기록매체에 기록된 컴퓨터 프로그램이 될 수 있다.
기타 실시 예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 실시 예들에 따르면, 도로 정보 수집을 위하여 차량에 설치되는 전방 카메라 및 측방 카메라에 의해 촬영된 전방 이미지 및 측방 이미지에 대한 캘리브레이션을 수행함에 따라, 각 카메라의 위치에 따른 각 카메라로부터 촬영된 이미지 사이의 시간적 오차를 최소화하여 정합 이미지를 생성할 수 있다.
본 발명의 효과들은 이상에서 언급한 효과로 제한되지 아니하며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 본 발명이 속한 기술분야의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 도로 정보 수집 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 도로 정보 수집 장치를 설명하기 위한 예시도이다.
도 3은 본 발명의 일 실시예에 따른 데이터 가공 장치의 논리적 구성도이다.
도 4는 본 발명의 일 실시예에 따른 데이터 가공 장치의 하드웨어 구성도이다.
도 5는 본 발명의 일 실시예에 따른 도로 정보 수집 방법을 설명하기 위한 순서도이다.
도 6은 본 발명의 일 실시예에 따른 변화 탐지 방법을 설명하기 위한 순서도이다.
도 7은 본 발명의 일 실시예에 따른 변화 탐지 방법을 설명하기 위한 예시도이다.
도 2는 본 발명의 일 실시예에 따른 도로 정보 수집 장치를 설명하기 위한 예시도이다.
도 3은 본 발명의 일 실시예에 따른 데이터 가공 장치의 논리적 구성도이다.
도 4는 본 발명의 일 실시예에 따른 데이터 가공 장치의 하드웨어 구성도이다.
도 5는 본 발명의 일 실시예에 따른 도로 정보 수집 방법을 설명하기 위한 순서도이다.
도 6은 본 발명의 일 실시예에 따른 변화 탐지 방법을 설명하기 위한 순서도이다.
도 7은 본 발명의 일 실시예에 따른 변화 탐지 방법을 설명하기 위한 예시도이다.
본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 명세서에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
또한, 본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, '구성된다' 또는 '가지다' 등의 용어는 명세서 상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 본 명세서에서 사용되는 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
어떤 구성 요소가 다른 구성 요소에 '연결되어' 있다거나 '접속되어' 있다고 언급된 때에는, 그 다른 구성 요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성 요소가 존재할 수도 있다. 반면에, 어떤 구성 요소가 다른 구성 요소에 "'직접 연결되어' 있다거나 '직접 접속되어' 있다고 언급된 때에는, 중간에 다른 구성 요소가 존재하지 않는 것으로 이해되어야 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다. 본 발명의 사상은 첨부된 도면 외에 모든 변경, 균등물 내지 대체물에 까지도 확장되는 것으로 해석되어야 한다.
한편, 차량의 자율주행 및 거리뷰를 제공하기 위해서는 도로와 관련한 정보 수집이 필요하다. 도로 정보는 도로를 이동하는 차량에 설치된 카메라가 차량에 의해 이동하면서 이미지를 촬영하여 수집될 수 있다. 일반적으로, 도로 정보 수집을 위한 카메라는 차량의 상부에 설치되어, 차량을 중심으로 360°이미지를 생성한다.
그러나, 차량의 상부에 카메라를 설치하는 경우에는 차량의 차체에 의해 가려지는 영역이 발생되기 때문에, 도로의 노면에 대한 이미지의 왜곡이 발생될 수 있고, 지하 터널이나 육교 등의 장애물로 인하여 상부에 설치된 카메라의 파손이 발생될 수 있는 문제점이 있었다.
한편, 차량의 자율주행은 인지(perception), 측위(localization), 경로 계획(path planning) 및 제어(control)의 메커니즘을 통해 수행된다. 현재 여러 기업체들은 자율주행 메커니즘 중에서 인지 및 경로 계획을 인공지능(AI)을 이용하여 구현하기 위해 개발 중에 있다.
이와 같은, 인지 및 경로 계획을 구현하기 위해서는 도로의 이미지 수집이 필요할 뿐만 아니라, 포트홀(pothole), 싱크홀(sinkhole) 등과 같은 도로의 장애물이나, 신규 구조물 등과 같은 도로에 존재하는 객체의 변화에 대한 파악이 필요하다.
이러한 한계를 극복하고자, 본 발명은 도로 정보를 수집할 수 있고, 도로 상의 객체에 대한 변화를 탐지할 수 있는 다양한 수단들을 제안하고자 한다.
도 1은 본 발명의 일 실시예에 따른 도로 정보 수집 시스템의 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 도로 정보 수집 시스템은 도로 정보 수집 장치(100), 데이터 가공 장치(200) 및 관리 서버(300)를 포함하여 구성될 수 있다.
이와 같은, 일 실시예에 따른 시스템의 구성 요소들은 기능적으로 구분되는 요소들을 나타낸 것에 불과하므로, 둘 이상의 구성 요소가 실제 물리적 환경에서는 서로 통합되어 구현되거나, 하나의 구성 요소가 실제 물리적 환경에서는 서로 분리되어 구현될 수 있을 것이다.
각각의 구성 요소에 대하여 설명하면, 도로 정보 수집 장치(100)는 도로 정보 수집을 위한 데이터를 수집하는데 사용될 수 있는 장치이다.
즉, 도로 정보 수집 장치(100)는 차량에 설치되어, 차량에 의해 이동하면서 차량을 중심으로 이미지를 촬영하거나, 3차원 점군 데이터를 획득할 수 있다. 그리고, 도로 정보 수집 장치(100)는 촬영 또는 획득된 데이터들이 가공될 수 있도록, 데이터 가공 장치(200)에 전송할 수 있다. 여기서, 차량은 물류 이송 차량이 될 수 있으나, 이에 한정된 것은 아니다.
이를 위해, 도로 정보 수집 장치(100)는 카메라(camera) 또는 라이다(lidar)를 포함하여 구성될 수 있다. 여기서 카메라는 전방을 촬영하는 전방 카메라, 측방을 촬영하는 측방 카메라 및 후방을 촬영하는 후방 카메라를 포함할 수 있다.
이와 같은, 도로 정보 수집 장치(100)의 카메라 및 라이다에 대해서는 추후 도 2를 참조하여 보다 구체적으로 설명하기로 한다.
다음 구성으로, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)로부터 획득된 이미지 또는 3D 점군 데이터를 가공하는데 사용될 수 있는 장치이다.
특징적으로, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)의 전방 카메라 및 측방 카메라로부터 촬영된 전방 이미지 및 측방 이미지를 수집할 수 있다. 데이터 가공 장치(200)는 전방 카메라 및 측방 카메라 각각의 위치를 기반으로 전방 이미지 및 측방 이미지의 캘리브레이션(calibration)을 수행하고, 캘리브레이션 된 전방 이미지 및 측방 이미지를 합성한 정합 이미지를 생성할 수 있다.
또한, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)의 라이다(lidar) 및 카메라(camera)에 의해 동시에 획득 및 촬영된 3D 점군 데이터(points group) 및 이미지(image)를 수집할 수 있다. 데이터 가공 장치(200)는 수집된 3D 점군 데이터를 기존에 획득된 레퍼런스 3D 점군 데이터와 비교하여 신규 객체를 식별하고, 식별된 신규 객체에 대한 3D 점군 데이터에 포함된 점들(point)을 이미지에 오버레이(overlay) 할 수 있다. 여기서, 레퍼런스 3D 점군 데이터는 비교 대상이 되는 3D 점군 데이터를 획득한 도로 상에서 사전에 획득된 데이터가 될 수 있다.
이와 같은 특징을 가지는 데이터 가공 장치(200)는 도로 정보 수집 장치(100) 및 관리 서버(300)와 데이터를 송수신하고, 송수신된 데이터를 기초로 연산을 수행할 수 있는 장치라면 어떠한 장치라도 허용될 수 있다. 예를 들어, 학습 데이터 생성 장치(200)는 데스크탑(desktop), 워크스테이션(workstation) 또는 서버(server)와 같은 고정식 컴퓨팅 장치 중 어느 하나가 될 수 있으나, 이에 한정되는 것은 아니다.
다음 구성으로, 관리 서버(300)는 데이터 가공 장치(200)로부터 가공된 정보를 수집하여 관리하는 역할을 수행할 수 있다. 예를 들어, 관리 서버(300)는 차량의 자율주행을 위한 도로 정보를 관리하는 서버이거나, 도로 주변의 시설물을 관리하는 서버, 도로 상의 차량의 주차를 관리하는 서버 등이 될 수 있다.
특징적으로, 관리 서버(300)는 도로 상의 신규 객체 및 누락 객체의 위치 좌표, 이미지를 포함하는 변화 탐지 정보를 데이터 가공 장치(200)로부터 수신할 수 있다. 예를 들어, 관리 서버(300)는 포트홀(pothole), 싱크홀(sinkhole), 주차된 차량 등과 같은 기존에 존재하지 않은 객체에 대한 변화 탐지 정보를 데이터 가공 장치(200)로부터 수신하여 관리할 수 있다.
이와 같은 특징을 가지는 관리 서버(300)는 데이터 가공 장치(200)와 데이터를 송수신하고, 송수신된 데이터를 기초로 연산을 수행할 수 있는 장치라면 어떠한 장치라도 허용될 수 있다. 예를 들어, 학습 데이터 생성 장치(200)는 데스크탑(desktop), 워크스테이션(workstation) 또는 서버(server)와 같은 고정식 컴퓨팅 장치 중 어느 하나가 될 수 있으나, 이에 한정되는 것은 아니다.
지금까지 상술한 바와 같은, 도로 정보 수집 장치(100), 데이터 가공 장치(200) 및 관리 서버(300)는 장치들 사이를 직접 연결하는 보안 회선, 공용 유선 통신망 또는 이동 통신망 중 하나 이상이 조합된 네트워크를 이용하여 데이터를 송수신할 수 있다.
예를 들어, 공용 유선 통신망에는 이더넷(ethernet), 디지털가입자선(x Digital Subscriber Line, xDSL), 광동축 혼합망(Hybrid Fiber Coax, HFC), 광가입자망(Fiber To The Home, FTTH)가 포함될 수 있으나, 이에 한정되는 것도 아니다. 그리고, 이동 통신망에는 코드 분할 다중 접속(Code Division Multiple Access, CDMA), 와이드 밴드 코드 분할 다중 접속(Wideband CDMA, WCDMA), 고속 패킷 접속(High Speed Packet Access, HSPA), 롱텀 에볼루션(Long Term Evolution, LTE), 5세대 이동통신(5th generation mobile telecommunication)가 포함될 수 있으나, 이에 한정되는 것은 아니다.
이하, 본 발명의 일 실시예에 따른 도로 정보 수집 장치(100)에 대하여 상세히 설명하도록 한다.
도 2는 본 발명의 일 실시예에 따른 도로 정보 수집 장치를 설명하기 위한 예시도이다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 도로 정보 수집 장치(100)는 차량(10)에 고정 설치된 카메라(110) 및 라이다(120) 중 적어도 하나 이상을 제어하여, 도로와 관련한 정보를 촬영 또는 획득할 수 있다.
여기서, 차량(10)은 도로 정보 수집을 위한 카메라(110) 및 라이다(120)가 설치된 차량으로, 물류 운송 차량이 될 수 있다. 예를 들어, 차량(10)은 택배 차량이 될 수 있다.
카메라(110)는 차량(10)에 고정 설치되어 차량(10)의 주위에 대한 2차원 이미지를 촬영할 수 있다. 이러한, 카메라(110)는 전방에 대한 이미지를 촬영하는 전방 카메라, 측방에 대한 이미지를 촬영하는 측방 카메라 및 후방에 대한 이미지를 촬영하는 후방 카메라로 구성될 수 있다. 여기서, 전방 카메라, 측방 카메라 및 후방 카메라는 최대 180°화각을 가질 수 있다.
구체적으로, 전방 카메라는 차량(10)의 전면 창 내측에 설치될 수 있으며, 차량(10)의 주행과 관련한 정보를 기록하는 블랙박스(black box)가 활용될 수 있다. 측방 카메라는 차량(10)의 물류 적재 공간의 양측면에 각각 설치될 수 있다. 후방 카메라는 차량(10)의 물류 적재 공간의 후면에 설치될 수 있으며, 지면을 향하여 틸팅(tilting) 되어 설치될 수 있다.
여기서, 전방 카메라 및 측방 카메라에 의해 촬영된 이미지는 도로 노면을 제외한 차량을 중심으로 한 도로 주변의 360°이미지를 생성하는데 활용될 수 있다. 후방 카메라에 의해 촬영된 이미지는 도로 노면에 대한 정보를 획득하는데 활용될 수 있다.
라이다(120)는 차량(10)에 고정 설치되어 차량(10)의 주위로 레이저 펄스(laser pulse)를 방사하고, 차량(10)의 주위에 위치하는 객체에 의해 반사되어 돌아온 빛을 감지하여, 차량(10)의 주위에 대한 3차원 영상에 해당하는 3D 점군 데이터를 생성할 수 있다.
다르게 말하면, 3D 점군 데이터는 차량(10)에 고정 설치된 라이다(120)에 의해 차량의 주위로 방사된 레이저 펄스를 반사시킨 점들에 대한 3차원 정보이다. 따라서, 3D 점군 데이터에 포함된 점들의 좌표들은 차량(10)의 주위에 위치하는 객체의 위치 및 형성에 대응하는 값을 가질 수 있다.
이하, 본 발명의 일 실시예에 따른 데이터 가공 장치(200)의 논리적 구성에 대하여 보다 구체적으로 설명하기로 한다.
도 3은 본 발명의 일 실시예에 따른 데이터 가공 장치의 논리적 구성도이다.
도 3에 도시된 바와 같이, 데이터 가공 장치(200)는 통신부(205), 입출력부(210), 정보 수집부(215), 캘리브레이션 부(220), 이미지 정합부(225), 객체 식별부(230), 오버레이 부(235) 및 변화 탐지 정보 전송부(240)를 포함하여 구성될 수 있다.
이와 같은, 데이터 가공 장치(200)의 구성 요소들은 기능적으로 구분되는 요소들을 나타낸 것에 불과하므로, 둘 이상의 구성 요소가 실제 물리적 환경에서는 서로 통합되어 구현되거나, 하나의 구성 요소가 실제 물리적 환경에서는 서로 분리되어 구현될 수 있을 것이다.
각각의 구성 요소에 대하여 설명하면, 통신부(205)는 도로 정보 수집 장치(100) 및 관리 서버(300)와 데이터를 송수신할 수 있다.
구체적으로, 통신부(205)는 도로 정보 수집 장치(100)로부터 카메라(110) 및 라이다(120)로부터 이미지 및 3D 점군 데이터를 수신할 수 있다. 또한 통신부(205)는 생성한 정합 이미지를 관리 서버(300)에 전송하거나, 신규 객체에 대한 3D 점군 데이터에 포함된 점들(point)이 오버레이(overlay) 된 이미지를 관리 서버(300)에 전송할 수 있다.
다음 구성으로, 입출력부(210)는 사용자 인터페이스(UI)를 통해 사용자로부터 신호를 입력 받거나, 연산 결과를 외부로 출력할 수 있다.
구체적으로, 입출력부(210)는 통신부(205)를 통해 수집된 전방 이미지, 측방 이미지 및 후방 이미지의 캘리브레이션과, 정합 이미지를 생성하기 위한 제어 신호를 입력 받을 수 있다. 또한, 입출력부(210)는 통신부(205)를 통해 수집된 3D 점군 데이터를 레퍼런스 3D 점군 데이터와 비교하여 신규 객체를 식별하고, 식별된 신규 객체에 대한 3D 점군 데이터에 포함된 점들(point)을 이미지에 오버레이(overlay) 하기 위한 제어 신호를 입력 받을 수 있다.
다음 구성으로, 정보 수집부(215)는 통신부(205)를 통해 도로 정보 수집 장치(100)로부터 전방 카메라에 의해 촬영된 전방 이미지 및 측방 카메라에 의해 촬영된 측방 이미지를 수집할 수 있다. 더하여, 정보 수집부(215)는 후방 카메라에 의해 촬영된 후방 이미지를 전방 이미지 및 측방 이미지와 동시에 수집할 수 있다.
또한, 정부 수집부(215)는 통신부(205)를 통해 도로 정보 수집 장치(100)로부터 라이다(120)에 의해 획득된 3D 점군 데이터를 수집할 수 있다.
또한, 정보 수집부(215)는 도로 정보 수집 장치(100)로부터 센싱 된 차량의 바퀴 회전수를 수신할 수 있다. 여기서, 정보 수집부(215)는 도로 정보 수집 장치(100)로부터 바퀴 회전수가 수신되지 않는 경우, 차량이 정차 상태인 것으로 판단하고, 전방 이미지, 측방 이미지, 후방 이미지 및 3D 점군 데이터의 수집을 중지할 수 있다.
또한, 정부 수집부(215)는 전방 이미지, 측방 이미지 및 후방 이미지 중 적어도 하나에 대한 연속된 이미지 사이의 유사도를 산출하고, 유사도가 사전에 설정된 값 이상인 경우, 차량이 정차 상태인 것으로 판단할 수 있다. 여기서, 정보 수집부(215)는 연속된 이미지에서 픽셀(pixel)에 대한 RGB(Red, Green, Blue) 히스토그램을 생성하고, 생성된 RGB 히스토그램을 비교하여 유사도를 산출할 수 있다. 여기서, RGB 히스토그램은 이미지에서 각 원색(RGB)의 밝기 분포를 나타내는 그래프이다. 예를 들어, RGB 히스토그램은 가로축이 컬러의 밝기 레벨을 표시하며, 세로축이 컬러의 밝기 레벨에 할당된 픽셀 수로 표시되고, 좌측으로 치우친 픽셀 수가 많을수록 색상이 어둡고 덜 선명하게 표현되며, 우측으로 치운 친 픽셀 수가 많을수록 색상이 더 밝고 진하게 표현될 수 있다. 이와 같이, 정부 수집부(215)는 RGB 히스토그램을 통해 연속된 이미지의 색상의 채도와 계조 상태, 화이트 밸런스의 성향 등을 비교하여 유사도를 산출할 수 있다.
또한, 정보 수집부(215)는 도로 정보 수집 장치(100)로부터 바퀴 회전수가 수신되지 않은 시점으로부터 사전 설정된 시간 동안 연속된 이미지 사이의 유사도가 사전에 설정된 값 이상인 경우, 차량이 정차 상태인 것으로 최종 판단할 수 있다. 즉, 정보 수집부(215)는 바퀴 회전수와 연속된 이미지 사이의 유사도를 통한 2단계 검증을 통해 차량의 정차 여부를 명확히 파악하고, 주행시에만 도로 정보 수집 장치(100)로부터 이미지 또는 3D 점군 데이터를 수집할 수 있다.
다음 구성으로, 캘리브레이션 부(220)는 전방 카메라 및 측방 카메라 각각의 위치를 기반으로 전방 이미지 및 측방 이미지의 캘리브레이션(calibration)을 수행할 수 있다.
구체적으로, 캘리브레이션 부(220)는 전방 카메라, 측방 카메라 및 후방 카메라 간의 거리 및 차량의 이동 거리를 기초로 전방 이미지, 측방 이미지 및 후방 이미지의 캘리브레이션을 수행할 수 있다. 여기서, 캘리브레이션 부(220)는 도로 정보 수집 장치(100)로부터 센싱 된 차량의 바퀴 회전수를 기초로 차량의 이동 거리를 산출할 수 있다.
즉, 캘리브레이션 부(220)는 전방 카메라 및 측방 카메라의 이격 거리만큼 차량이 이동한 시간과, 전방 이미지 또는 측방 이미지의 촬영 시각을 기초로, 합성할 전방 이미지 및 측방 이미지를 결정할 수 있다.
예를 들어, 차량이 전방 카메라 및 측방 카메라 간의 거리만큼 이동하는데 걸리는 시간은 차량이 전방 카메라 및 측방 카메라 간의 거리에서 차량의 속도를 나눈 값이 될 수 있다. 이에 따라, 캘리브레이션 부(220)는 산출된 시간 값을 기초로 전방 이미지 및 측방 이미지의 싱크(sync)를 조절할 수 있다.
또한, 캘리브레이션 부(220)는 전방 카메라 및 측방 카메라에 각각 설치된 라이다(lidar)로부터 전방 이미지 및 측방 이미지와 동시에 획득된 3D 점군 데이터(points group)를 통해 전방 이미지 및 측방 이미지에 동시에 존재하는 객체(object)를 추출하고, 추출된 객체와의 거리를 기초로 합성할 전방 이미지 및 측방 이미지를 재조정할 수 있다.
즉, 캘리브레이션 부(220)는 전방 카메라 및 측방 카메라 간의 거리를 기초로 전방 이미지 및 후방 이미지 사이의 싱크를 1차적으로 조절할 수 있으며, 3D 점군 데이터를 이용하여 전방 이미지 및 측방 이미지에 동시에 존재하는 객체를 기초로 전방 이미지 및 측방 이미지 사이의 싱크를 2차적으로 조절할 수 있다.
다음 구성으로, 이미지 정합부(225)는 캘리브레이션 된 전방 이미지 및 측방 이미지를 합성한 정합 이미지를 생성할 수 있다.
구체적으로, 이미지 정합부(225)는 전방 이미지 및 측방 이미지를 합성하여, 도로 노면 영역을 제외한 제1 정합 이미지를 생성하고, 생성한 제1 정합 이미지에 후방 이미지를 합성하여 도로 노면 영역을 포함한 제2 정합 이미지를 생성할 수 있다. 이를 통해, 이미지 정합부(225)는 각 영역에 대하여 왜곡되지 않은 정확한 정합 이미지를 획득할 수 있다.
즉, 전방 이미지는 신호등, 표지판 등과 같은 교통 정보를 획득하는데 사용할 수 있고, 측방 이미지는 상점과 같은 건축물 정보를 획득하는데 사용할 수 있으며, 후방 이미지는 도로 노면 정보를 획득하는 데 사용될 수 있다.
다음 구성으로, 객체 식별부(230)는 수집된 3D 점군 데이터를 기존에 획득된 레퍼런스 3D 점군 데이터와 비교하여 신규 객체를 식별할 수 있다.
구체적으로, 객체 식별부(230)는 수집된 3D 점군 데이터에 포함된 점들 중에서 사전에 설정된 임계 범위 내에서 군집(crowd)을 형성하고 있는 점들을 기초로 객체를 식별하고, 식별된 객체가 레퍼런스 3D 점군 데이터에 존재하는지 여부를 확인하여 신규 객체를 식별할 수 있다.
또한, 객체 식별부(230)는 레퍼런스 3D 점군 데이터에 존재하나, 수집된 3D 점군 데이터에 존재하지 않는 누락 객체를 식별할 수 있다. 여기서, 객체 식별부(230)는 레퍼런스 3D 점군 데이터에 포함된 객체가 수집된 3D 점군 데이터에 존재하지 않는 경우, 수집된 3D 점군 데이터를 기초로 레퍼런스 3D 점군 데이터를 업데이트할 수 있다. 예를 들어, 레퍼런스 3D 점군 데이터는 주차된 차량이나 불필요한 장애물 등이 존재하는 상태에서 획득된 데이터가 될 수 있다. 이에 따라, 객체 식별부(230)는 레퍼런스 3D 점군 데이터에 존재하나, 수집된 3D 점군 데이터에 존재하지 않는 누락 객체를 식별하여, 레퍼런스 3D 점군 데이터를 보완하여 업데이트할 수 있다.
또한, 객체 식별부(230)는 신규 객체 및 누락 객체의 유형을 식별할 수 있다. 즉, 객체 식별부(230)는 수집된 3D 점군 데이터에 포함된 점들 중에서 사전에 설정된 임계 범위 내에서 군집(crowd)을 형성하고 있는 점들을 식별하고, 식별된 군집의 X축 상의 폭, Y축 상의 높이 및 Z축 상의 깊이를 기초로 객체의 유형을 식별할 수 있다. 여기서, 객체 식별부(230)는 객체의 유형별로 사전에 구비된 폭, 높이 및 깊이의 비율 관계(rate relation)를 기초로, 식별된 군집의 X축 상의 폭, Y축 상의 높이 및 Z축 상의 깊이에 대응하는 객체의 유형을 식별할 수 있다.
다음 구성으로, 오버레이 부(235)는 식별된 신규 객체 및 누락 객체에 대한 3D 점군 데이터에 포함된 점들(point)을 이미지에 오버레이(overlay) 할 수 있다. 여기서, 오버레이 부(235)는 객체의 유형에 따라 사전에 기계 학습(machine learning) 된 인공 지능(Artificial Intelligence, AI)을 이용하여, 신규 객체 및 누락 객체를 정제하고, 정제된 신규 객체 및 누락 객체에 대한 3D 점군 데이터에 포함된 점들을 촬영된 이미지에 오버레이 할 수 있다. 이때, 오버레이 부(235)는 신규 객체의 움직임 여부를 판단하고, 신규 객체 중 움직임이 존재하는 것으로 판단된 신규 객체를 정제할 수 있다. 즉, 오버레이 부(235)는 움직임이 존재하는 신규 객체를 이동하는 차량과 같은 도로 정보 수집에 불필요한 객체로 판단하고 정제할 수 있다.
또한, 오버레이 부(235)는 신규 객체 및 누락 객체의 3D 점군 데이터에 포함된 점들(point)의 색상을 각각 달리하여 이미지에 오버레이 할 수 있다. 즉, 오버레이 부(235)는 신규 객체 및 누락 객체의 색상을 달리하여, 신규 객체 및 누락 객체를 직관적으로 구분하도록 할 수 있다. 예를 들어, 오버레이 부(235)는 신규 객체를 파란색으로, 누락 객체를 빨간색으로 표시하여 구분할 수 있다.
다음 구성으로, 변화 탐지 정보 전송부(240)는 신규 객체 및 누락 객체의 위치 좌표, 오버레이 된 이미지를 포함하는 변화 탐지 정보를 관리 서버(300)에 전송할 수 있다.
이하, 상술한 바와 같은 데이터 가공 장치(200)의 논리적 구성요소를 구현하기 위한 하드웨어에 대하여 보다 구체적으로 설명한다.
도 4는 본 발명의 일 실시예에 따른 데이터 가공 장치의 하드웨어 구성도이다.
도 4에 도시된 바와 같이, 학습 데이터 생성 장치(200)는 프로세서(Processor, 250), 메모리(Memory, 255), 송수신기(Transceiver, 260), 입출력장치(Input/output device, 265), 데이터 버스(Bus, 270) 및 스토리지(Storage, 275)를 포함하여 구성될 수 있다.
프로세서(250)는 메모리(255)에 상주된 본 발명의 실시예들에 따른 방법이 구현된 소프트웨어(280a)에 따른 명령어를 기초로, 데이터 가공 장치(200)의 동작 및 기능을 구현할 수 있다. 메모리(255)에는 본 발명의 실시예들에 따른 방법이 구현된 소프트웨어(280a)가 상주(loading)될 수 있다. 송수신기(260)는 도로 정보 수집 장치(100) 및 관리 서버(300)와 데이터를 송수신할 수 있다. 입출력장치(265)는 데이터 가공 장치(200)의 동작에 필요한 데이터를 입력 받고, 정합 이미지, 변화 탐지 정보 등의 작업 결과물을 출력할 수 있다. 데이터 버스(270)는 프로세서(250), 메모리(255), 송수신기(260), 입출력장치(265) 및 스토리지(275)와 연결되어, 각각의 구성 요소 사이가 서로 데이터를 전달하기 위한 이동 통로의 역할을 수행할 수 있다.
스토리지(275)는 본 발명의 실시예들에 따른 방법이 구현된 소프트웨어(280a)의 실행을 위해 필요한 애플리케이션 프로그래밍 인터페이스(Application Programming Interface, API), 라이브러리(library) 파일, 리소스(resource) 파일 등을 저장할 수 있다. 스토리지(275)는 본 발명의 실시예들에 따른 방법이 구현된 소프트웨어(280b)를 저장할 수 있다. 또한, 스토리지(275)는 본 발명의 실시예들에 따른 방법의 수행에 필요한 정보들을 저장할 수 있다.
본 발명의 일 실시예에 따르면, 메모리(255)에 상주되거나 또는 스토리지(275)에 저장된, 도로 정보 수집 방법을 구현하기 위한 소프트웨어(280a, 280b)는 프로세서(250)가 도로 정보 수집을 위하여 차량에 설치되어 전방 이미지를 촬영하는 전방 카메라 및 측방 이미지를 촬영하는 측방 카메라를 포함하는 도로 정보 수집 장치로부터 상기 전방 이미지 및 상기 측방 이미지를 수집하는 단계, 상기 프로세서가, 상기 전방 카메라 및 상기 측방 카메라 각각의 위치를 기반으로 상기 전방 이미지 및 상기 측방 이미지의 캘리브레이션(calibration)을 수행하는 단계 및 상기 프로세서가, 상기 캘리브레이션 된 상기 전방 이미지 및 상기 측방 이미지를 합성한 정합 이미지를 생성하는 단계를 실행시키기 위하여 기록매체에 기록된 컴퓨터 프로그램이 될 수 있다.
본 발명의 일 실시예에 따르면, 메모리(255)에 상주되거나 또는 스토리지(275)에 저장된, 변화 탐지 방법을 구현하기 위한 소프트웨어(280a, 280b)는 프로세서(250)가 차량에 설치된 라이다(lidar) 및 카메라(camera)에 의해 동시에 획득 및 촬영된 3D 점군 데이터(points group) 및 이미지(image)를 수집하는 단계, 상기 프로세서가, 상기 수집된 3D 점군 데이터를 동일한 위치에서 획득된 레퍼런스 3D 점군 데이터와 비교하여 신규 객체를 식별하는 단계 및 상기 프로세서가, 상기 식별된 신규 객체에 대한 3D 점군 데이터에 포함된 점들(point)을 상기 이미지에 오버레이(overlay) 하는 단계를 실행시키기 위하여, 기록매체에 기록된 컴퓨터 프로그램이 될 수 있다.
보다 구체적으로, 프로세서(250)는 ASIC(Application-Specific Integrated Circuit), 다른 칩셋(chipset), 논리 회로 및/또는 데이터 처리 장치를 포함할 수 있다. 메모리(255)는 ROM(Read-Only Memory), RAM(Random Access Memory), 플래쉬 메모리, 메모리 카드, 저장 매체 및/또는 다른 저장 장치를 포함할 수 있다. 송수신기(260)는 유무선 신호를 처리하기 위한 베이스밴드 회로를 포함할 수 있다. 입출력장치(265)는 키보드(keyboard), 마우스(mouse), 및/또는 조이스틱(joystick) 등과 같은 입력 장치 및 액정표시장치(Liquid Crystal Display, LCD), 유기 발광 다이오드(Organic LED, OLED) 및/또는 능동형 유기 발광 다이오드(Active Matrix OLED, AMOLED) 등과 같은 영상 출력 장치 프린터(printer), 플로터(plotter) 등과 같은 인쇄 장치를 포함할 수 있다.
본 명세서에 포함된 실시 예가 소프트웨어로 구현될 경우, 상술한 방법은 상술한 기능을 수행하는 모듈(과정, 기능 등)로 구현될 수 있다. 모듈은 메모리(255)에 상주되고, 프로세서(250)에 의해 실행될 수 있다. 메모리(255)는 프로세서(250)의 내부 또는 외부에 있을 수 있고, 잘 알려진 다양한 수단으로 프로세서(250)와 연결될 수 있다.
도 4에 도시된 각 구성요소는 다양한 수단, 예를 들어, 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 본 발명의 일 실시예는 하나 또는 그 이상의 ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), FPGAs(Field Programmable Gate Arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
또한, 펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 일 실시예는 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차, 함수 등의 형태로 구현되어, 다양한 컴퓨터 수단을 통하여 판독 가능한 기록매체에 기록될 수 있다. 여기서, 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 예컨대 기록매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함한다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 이러한, 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이하, 본 발명의 일 실시예에 따른 도로 정보 수집 방법에 대하여 상세히 설명하도록 한다.
도 5는 본 발명의 일 실시예에 따른 도로 정보 수집 방법을 설명하기 위한 순서도이다.
도 5에 도시된 바와 같이, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)로부터 전방 카메라 및 전방 카메라에 의해 촬영된 전방 이미지 및 측방 이미지를 수집할 수 있다(S110). 더하여, 데이터 가공 장치(200)는 후방 카메라에 의해 촬영된 후방 이미지를 전방 이미지 및 측방 이미지와 동시에 수집할 수 있다.
또한, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)로부터 센싱 된 차량의 바퀴 회전수를 수신할 수 있다. 여기서, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)로부터 바퀴 회전수가 수신되지 않는 경우, 차량이 정차 상태인 것으로 판단하고, 전방 이미지, 측방 이미지 및 후방 이미지의 수집을 중지할 수 있다.
또한, 데이터 가공 장치(200)는 전방 이미지, 측방 이미지 및 후방 이미지 중 적어도 하나에 대한 연속된 이미지 사이의 유사도를 산출하고, 유사도가 사전에 설정된 값 이상인 경우, 차량이 정차 상태인 것으로 판단할 수 있다. 여기서, 데이터 가공 장치(200)는 연속된 이미지에서 픽셀(pixel)에 대한 RGB(Red, Green, Blue) 히스토그램을 생성하고, 생성된 RGB 히스토그램을 비교하여 유사도를 산출할 수 있다.
또한, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)로부터 바퀴 회전수가 수신되지 않은 시점으로부터 사전 설정된 시간 동안 연속된 이미지 사이의 유사도가 사전에 설정된 값 이상인 경우, 차량이 정차 상태인 것으로 최종 판단할 수 있다.
다음으로, 데이터 가공 장치(200)는 전방 카메라 및 측방 카메라 각각의 위치를 기반으로 전방 이미지 및 측방 이미지의 캘리브레이션(calibration)을 수행할 수 있다(S120).
구체적으로, 데이터 가공 장치(200)는 전방 카메라, 측방 카메라 및 후방 카메라 간의 거리 및 차량의 이동 거리를 기초로 전방 이미지, 측방 이미지 및 후방 이미지의 캘리브레이션을 수행할 수 있다. 여기서, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)로부터 센싱 된 차량의 바퀴 회전수를 기초로 차량의 이동 거리를 산출할 수 있다.
즉, 데이터 가공 장치(200)는 전방 카메라 및 측방 카메라의 이격 거리만큼 차량이 이동한 시간과, 전방 이미지 또는 측방 이미지의 촬영 시각을 기초로, 합성할 전방 이미지 및 측방 이미지를 결정할 수 있다.
또한, 데이터 가공 장치(200)는 전방 카메라 및 후방 카메라에 각각 설치된 라이다(lidar)로부터 전방 이미지 및 측방 이미지와 동시에 획득된 3D 점군 데이터(points group)를 통해 전방 이미지 및 측방 이미지에 동시에 존재하는 객체(object)를 추출하고, 추출된 객체와의 거리를 기초로 합성할 전방 이미지 및 측방 이미지를 재조정할 수 있다.
그리고, 데이터 가공 장치(200)는 S120 단계에서 캘리브레이션 된 전방 이미지 및 측방 이미지를 합성한 정합 이미지를 생성할 수 있다(S130).
구체적으로, 데이터 가공 장치(200)는 전방 이미지 및 측방 이미지를 합성하여, 도로 노면 영역을 제외한 제1 정합 이미지를 생성하고, 생성한 제1 정합 이미지에 후방 이미지를 합성하여 도로 노면 영역을 포함한 제2 정합 이미지를 생성할 수 있다.
이하, 본 발명의 일 실시예에 따른 변화 탐지 방법에 대하여 상세히 설명하도록 한다.
도 6은 본 발명의 일 실시예에 따른 변화 탐지 방법을 설명하기 위한 순서도이다.
도 6을 참조하면, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)로부터 전방 카메라 및 전방 카메라에 의해 촬영된 전방 이미지 및 측방 이미지를 수집할 수 있다(S210). 더하여, 데이터 가공 장치(200)는 후방 카메라에 의해 촬영된 후방 이미지를 전방 이미지 및 측방 이미지와 동시에 수집할 수 있다. 또한, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)로부터 라이다(120)에 의해 획득된 3D 점군 데이터를 수집할 수 있다.
또한, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)로부터 센싱 된 차량의 바퀴 회전수를 수신할 수 있다. 여기서, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)로부터 바퀴 회전수가 수신되지 않는 경우, 차량이 정차 상태인 것으로 판단하고, 전방 이미지, 측방 이미지 및 후방 이미지의 수집을 중지할 수 있다.
또한, 데이터 가공 장치(200)는 전방 이미지, 측방 이미지 및 후방 이미지 중 적어도 하나에 대한 연속된 이미지 사이의 유사도를 산출하고, 유사도가 사전에 설정된 값 이상인 경우, 차량이 정차 상태인 것으로 판단할 수 있다. 여기서, 데이터 가공 장치(200)는 연속된 이미지에서 픽셀(pixel)에 대한 RGB(Red, Green, Blue) 히스토그램을 생성하고, 생성된 RGB 히스토그램을 비교하여 유사도를 산출할 수 있다.
또한, 데이터 가공 장치(200)는 도로 정보 수집 장치(100)로부터 바퀴 회전수가 수신되지 않은 시점으로부터 사전 설정된 시간 동안 연속된 이미지 사이의 유사도가 사전에 설정된 값 이상인 경우, 차량이 정차 상태인 것으로 최종 판단할 수 있다.
다음으로, 데이터 가공 장치(200)는 S210 단계에서 수집된 3D 점군 데이터를 기존에 획득된 레퍼런스 3D 점군 데이터와 비교하여 신규 객체를 식별할 수 있다(S220).
구체적으로, 데이터 가공 장치(200)는 수집된 3D 점군 데이터에 포함된 점들 중에서 사전에 설정된 임계 범위 내에서 군집(crowd)을 형성하고 있는 점들을 기초로 객체를 식별하고, 식별된 객체가 레퍼런스 3D 점군 데이터에 존재하는지 여부를 확인하여 신규 객체를 식별할 수 있다.
또한, 데이터 가공 장치(200)는 레퍼런스 3D 점군 데이터에 존재하나, 수집된 3D 점군 데이터에 존재하지 않는 누락 객체를 식별할 수 있다.
여기서, 데이터 가공 장치(200)는 레퍼런스 3D 점군 데이터에 포함된 객체가 수집된 3D 점군 데이터에 존재하지 않는 경우, 수집된 3D 점군 데이터를 기초로 레퍼런스 3D 점군 데이터를 업데이트할 수 있다(S240). 예를 들어, 레퍼런스 3D 점군 데이터는 주차된 차량이나 불필요한 장애물 등이 존재하는 상태에서 획득된 데이터가 될 수 있다. 이에 따라, 객체 식별부(230)는 레퍼런스 3D 점군 데이터에 존재하나, 수집된 3D 점군 데이터에 존재하지 않는 누락 객체를 식별하여, 레퍼런스 3D 점군 데이터를 보완하여 업데이트할 수 있다.
또한, 데이터 가공 장치(200)는 신규 객체 및 누락 객체의 유형을 식별할 수 있다. 즉, 데이터 가공 장치(200)는 수집된 3D 점군 데이터에 포함된 점들 중에서 사전에 설정된 임계 범위 내에서 군집(crowd)을 형성하고 있는 점들을 식별하고, 식별된 군집의 X축 상의 폭, Y축 상의 높이 및 Z축 상의 깊이를 기초로 객체의 유형을 식별할 수 있다. 여기서, 데이터 가공 장치(200)는 객체의 유형별로 사전에 구비된 폭, 높이 및 깊이의 비율 관계(rate relation)를 기초로, 식별된 군집의 X축 상의 폭, Y축 상의 높이 및 Z축 상의 깊이에 대응하는 객체의 유형을 식별할 수 있다.
다음으로, 데이터 가공 장치(200)는 식별된 신규 객체 및 누락 객체에 대한 3D 점군 데이터에 포함된 점들(point)을 이미지에 오버레이(overlay) 할 수 있다(S230). 여기서, 데이터 가공 장치(200)는 객체의 유형에 따라 사전에 기계 학습(machine learning) 된 인공 지능(Artificial Intelligence, AI)을 이용하여, 신규 객체 및 누락 객체를 정제하고, 정제된 신규 객체 및 누락 객체에 대한 3D 점군 데이터에 포함된 점들을 촬영된 이미지에 오버레이 할 수 있다. 이때, 데이터 가공 장치(200)는 신규 객체의 움직임 여부를 판단하고, 신규 객체 중 움직임이 존재하는 것으로 판단된 신규 객체를 정제할 수 있다. 즉, 데이터 가공 장치(200)는 움직임이 존재하는 신규 객체를 이동하는 차량과 같은 도로 정보 수집에 불필요한 객체로 판단하고 정제할 수 있다. 여기서, 데이터 가공 장치(200)는 신규 객체 및 누락 객체의 3D 점군 데이터에 포함된 점들(point)의 색상을 각각 달리하여 이미지에 오버레이 할 수 있다.
그리고, 데이터 가공 장치(200)는 S230 단계에서 생성된 신규 객체 및 누락 객체가 오버레이 된 이미지, 해당 이미지의 위치 좌표를 포함하는 변화 탐지 정보를 관리 서버(300)에 전송할 수 있다(S250).
도 7은 본 발명의 일 실시예에 따른 변화 탐지 방법을 설명하기 위한 예시도이다.
본 발명의 실시예에 따른 데이터 가공 장치(200)는 차량에 설치된 라이다(lidar) 및 카메라(camera)에 의해 동시에 3D 점군 데이터(points group) 및 이미지(image)를 획득하고, 수집된 3D 점군 데이터를 기존에 획득된 레퍼런스 3D 점군 데이터와 비교하여 신규 객체를 식별할 수 있다.
즉, 도 7에 도시된 바와 같이, 데이터 가공 장치(200)는 신규 객체(A) 및 누락 객체(B)에 대한 3D 점군 데이터에 포함된 점들(point)을 이미지에 오버레이 할 수 있다. 예를 들어, 신규 객체는 주차된 차량이 될 수 있으며, 누락 객체는 표지판이 될 수 있다. 데이터 가공 장치(200)는 신규 객체(A) 및 누락 객체(B)가 오버레이 된 이미지를 관리 서버(300)에 전송하여 주차 관리 또는 시설물 관리에 활용하도록 할 수 있다.
이와 같이, 데이터 가공 장치(200)는 식별된 신규 객체에 대한 3D 점군 데이터에 포함된 점들(point)을 이미지에 오버레이(overlay) 함으로써, 신규 객체의 식별이 용이하도록 할 수 있다.
이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으나, 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. 또한, 본 명세서와 도면에서 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 따라서, 상술한 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적해석에 의해 선정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
100 : 도로 정보 수집 장치 200 : 데이터 가공 장치
300 : 관리 서버 205 : 통신부
210 : 입출력부 215 : 정보 수집부
220 : 캘리브레이션 부 225 : 이미지 정합부
230 : 객체 식별부 235 : 오버레이 부
240 : 변화 탐지 정보 전송부
300 : 관리 서버 205 : 통신부
210 : 입출력부 215 : 정보 수집부
220 : 캘리브레이션 부 225 : 이미지 정합부
230 : 객체 식별부 235 : 오버레이 부
240 : 변화 탐지 정보 전송부
Claims (10)
- 데이터 가공 장치가, 도로 정보 수집을 위하여 차량에 설치되어 전방 이미지를 촬영하는 전방 카메라 및 측방 이미지를 촬영하는 측방 카메라를 포함하는 도로 정보 수집 장치로부터 상기 전방 이미지 및 상기 측방 이미지를 수집하는 단계;
상기 데이터 가공 장치가, 상기 전방 카메라 및 상기 측방 카메라 각각의 위치를 기반으로 상기 전방 이미지 및 상기 측방 이미지의 캘리브레이션(calibration)을 수행하는 단계; 및
상기 데이터 가공 장치가, 상기 캘리브레이션 된 상기 전방 이미지 및 상기 측방 이미지를 합성한 정합 이미지를 생성하는 단계를 포함하고,
상기 이미지를 수집하는 단계는
상기 차량에 설치되되, 지면 방향으로 틸팅(tilting) 된 후방 카메라에 의해 촬영된 후방 이미지를 상기 전방 이미지 및 상기 측방 이미지와 동시에 수집하는 것을 특징으로 하며,
상기 이미지를 수집하는 단계는
상기 도로 정보 수집 장치로부터 센싱 된 상기 차량의 바퀴 회전수를 수신하되, 상기 도로 정보 수집 장치로부터 상기 바퀴 회전수가 수신되지 않은 시점으로부터 사전 설정된 시간 동안 연속된 이미지 사이의 유사도가 사전에 설정된 값 이상인 경우, 상기 차량이 정차 상태인 것으로 판단하고, 상기 전방 이미지, 상기 측방 이미지 및 상기 후방 이미지의 수집을 중지하는 것을 특징으로 하며,,
상기 이미지를 수집하는 단계는
상기 전방 카메라 및 상기 측방 카메라에 각각 설치된 라이다(lidar)로부터 상기 전방 이미지 및 상기 측방 이미지와 동시에 획득된 3D 점군 데이터(points group)를 수집하는 것을 특징으로 하고,
상기 캘리브레이션을 수행하는 단계는
상기 3D 점군 데이터를 통해 상기 전방 이미지 및 상기 측방 이미지에 동시에 존재하는 객체(object)를 추출하고, 상기 추출된 객체와의 거리를 기초로 합성할 상기 전방 이미지 및 상기 측방 이미지를 재조정하는 것을 특징으로 하는, 도로 정보 수집 방법.
- 제1 항에 있어서, 상기 이미지를 생성하는 단계는
상기 전방 이미지 및 상기 측방 이미지를 합성하여 도로 노면 영역을 제외한 제1 정합 이미지를 생성하고, 상기 제1 정합 이미지에 상기 후방 이미지를 합성하여 도로 노면 영역을 포함한 제2 정합 이미지를 생성하는 것을 특징으로 하는, 도로 정보 수집 방법.
- 제2 항에 있어서, 상기 캘리브레이션을 수행하는 단계는
상기 전방 카메라, 상기 측방 카메라 및 상기 후방 카메라 간의 거리 및 상기 차량의 이동 거리를 기초로 상기 전방 이미지, 상기 측방 이미지 및 상기 후방 이미지의 캘리브레이션을 수행하는 것을 특징으로 하는, 도로 정보 수집 방법.
- 제3 항에 있어서, 상기 캘리브레이션을 수행하는 단계는
상기 바퀴 회전수를 기초로 상기 차량의 이동 거리를 산출하는 것을 특징으로 하는, 도로 정보 수집 방법.
- 제4 항에 있어서, 상기 캘리브레이션을 수행하는 단계는
상기 전방 카메라 및 상기 측방 카메라의 이격 거리만큼 상기 차량이 이동한 시간과, 상기 전방 이미지 또는 상기 측방 이미지의 촬영 시각을 기초로, 합성할 상기 전방 이미지 및 상기 측방 이미지를 결정하는 것을 특징으로 하는, 도로 정보 수집 방법.
- 제1 항에 있어서, 상기 이미지를 수집하는 단계는
상기 연속된 이미지에서 픽셀(pixel)에 대한 RGB(Red, Green, Blue) 히스토그램을 생성하고, 생성된 RGB 히스토그램을 비교하여 유사도를 산출하는 것을 특징으로 하는, 도로 정보 수집 방법.
- 메모리(memory);
송수신기(transceiver); 및
상기 메모리에 상주된 명령어를 처리하는 프로세서(processor)를 포함하여 구성된 컴퓨팅 장치와 결합되어,
상기 프로세서가, 도로 정보 수집을 위하여 차량에 설치되어 전방 이미지를 촬영하는 전방 카메라 및 측방 이미지를 촬영하는 측방 카메라를 포함하는 도로 정보 수집 장치로부터 상기 전방 이미지 및 상기 측방 이미지를 수집하는 단계;
상기 프로세서가, 상기 전방 카메라 및 상기 측방 카메라 각각의 위치를 기반으로 상기 전방 이미지 및 상기 측방 이미지의 캘리브레이션(calibration)을 수행하는 단계; 및
상기 프로세서가, 상기 캘리브레이션 된 상기 전방 이미지 및 상기 측방 이미지를 합성한 정합 이미지를 생성하는 단계를 포함하여 실행시키기되,
상기 이미지를 수집하는 단계는
상기 차량에 설치되되, 지면 방향으로 틸팅(tilting) 된 후방 카메라에 의해 촬영된 후방 이미지를 상기 전방 이미지 및 상기 측방 이미지와 동시에 수집하는 것을 특징으로 하며,
상기 이미지를 수집하는 단계는
상기 도로 정보 수집 장치로부터 센싱 된 상기 차량의 바퀴 회전수를 수신하되, 상기 도로 정보 수집 장치로부터 상기 바퀴 회전수가 수신되지 않은 시점으로부터 사전 설정된 시간 동안 연속된 이미지 사이의 유사도가 사전에 설정된 값 이상인 경우, 상기 차량이 정차 상태인 것으로 판단하는 것을 특징으로 하고,
상기 이미지를 수집하는 단계는
상기 전방 카메라 및 상기 후방 카메라에 각각 설치된 라이다(lidar)로부터 상기 전방 이미지 및 상기 측방 이미지와 동시에 획득된 3D 점군 데이터(points group)를 수집하는 것을 특징으로 하며,
상기 캘리브레이션을 수행하는 단계는
상기 3D 점군 데이터를 통해 상기 전방 이미지 및 상기 측방 이미지에 동시에 존재하는 객체(object)를 추출하고, 상기 추출된 객체와의 거리를 기초로 합성할 상기 전방 이미지 및 상기 측방 이미지를 재조정하는 것을 특징으로 하는, 기록매체에 기록된 컴퓨터 프로그램.
- 제7 항에 있어서, 상기 이미지를 생성하는 단계는
상기 전방 이미지 및 상기 측방 이미지를 합성하여 도로 노면 영역을 제외한 제1 정합 이미지를 생성하고, 상기 제1 정합 이미지에 상기 후방 이미지를 합성하여 도로 노면 영역을 포함한 제2 정합 이미지를 생성하는 것을 특징으로 하는, 기록매체에 기록된 컴퓨터 프로그램.
- 제8 항에 있어서, 상기 캘리브레이션을 수행하는 단계는
상기 전방 카메라, 상기 측방 카메라 및 상기 후방 카메라 간의 거리 및 상기 차량의 이동 거리를 기초로 상기 전방 이미지, 상기 측방 이미지 및 상기 후방 이미지의 캘리브레이션을 수행하는 것을 특징으로 하는, 기록매체에 기록된 컴퓨터 프로그램.
- 제9 항에 있어서, 상기 캘리브레이션을 수행하는 단계는
상기 바퀴 회전수를 기초로 상기 차량의 이동 거리를 산출하는 것을 특징으로 하는, 기록매체에 기록된 컴퓨터 프로그램.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220058563A KR102475332B1 (ko) | 2022-05-12 | 2022-05-12 | 복수의 카메라를 이용한 도로 정보 수집 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220058563A KR102475332B1 (ko) | 2022-05-12 | 2022-05-12 | 복수의 카메라를 이용한 도로 정보 수집 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102475332B1 true KR102475332B1 (ko) | 2022-12-08 |
Family
ID=84437074
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220058563A Active KR102475332B1 (ko) | 2022-05-12 | 2022-05-12 | 복수의 카메라를 이용한 도로 정보 수집 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102475332B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116189133A (zh) * | 2023-04-26 | 2023-05-30 | 宜宾闪马智通科技有限公司 | 道路巡检判定方法及装置 |
| KR102578058B1 (ko) * | 2023-07-03 | 2023-09-12 | 주식회사 휴데이터스 | 거리뷰 영상을 생성하는 방법 및 장치 |
| KR102687321B1 (ko) * | 2023-12-27 | 2024-07-24 | 주식회사 유오케이 | 노면 분석을 위한 도로 정보 수집 시스템 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110037045A (ko) | 2009-10-05 | 2011-04-13 | 주식회사 엘지유플러스 | 차량의 카메라를 이용한 영상 수집 시스템 및 그 제어 방법 |
| JP2013210844A (ja) * | 2012-03-30 | 2013-10-10 | Secom Co Ltd | 画像照合装置 |
| KR101894204B1 (ko) * | 2018-03-02 | 2018-08-31 | 주식회사 아이엔티코리아 | 실시간 컨테이너 트럭 모니터링 방법 및 시스템 |
| KR102246706B1 (ko) * | 2020-03-16 | 2021-04-30 | 포티투닷 주식회사 | 자율 주행 장치 및 이상 도로 상황에서 자율 주행 장치 운용 방법 |
| KR102301806B1 (ko) * | 2020-11-13 | 2021-09-15 | 주식회사 유오케이 | 물류 인프라를 이용한 도로정보 수집 및 제공 방법 |
| KR20220006829A (ko) * | 2020-07-09 | 2022-01-18 | 주식회사 유오케이 | 분리형 카메라가 장착된 차량을 이용한 도로정보 수집 시스템 |
-
2022
- 2022-05-12 KR KR1020220058563A patent/KR102475332B1/ko active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110037045A (ko) | 2009-10-05 | 2011-04-13 | 주식회사 엘지유플러스 | 차량의 카메라를 이용한 영상 수집 시스템 및 그 제어 방법 |
| JP2013210844A (ja) * | 2012-03-30 | 2013-10-10 | Secom Co Ltd | 画像照合装置 |
| KR101894204B1 (ko) * | 2018-03-02 | 2018-08-31 | 주식회사 아이엔티코리아 | 실시간 컨테이너 트럭 모니터링 방법 및 시스템 |
| KR102246706B1 (ko) * | 2020-03-16 | 2021-04-30 | 포티투닷 주식회사 | 자율 주행 장치 및 이상 도로 상황에서 자율 주행 장치 운용 방법 |
| KR20220006829A (ko) * | 2020-07-09 | 2022-01-18 | 주식회사 유오케이 | 분리형 카메라가 장착된 차량을 이용한 도로정보 수집 시스템 |
| KR102301806B1 (ko) * | 2020-11-13 | 2021-09-15 | 주식회사 유오케이 | 물류 인프라를 이용한 도로정보 수집 및 제공 방법 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116189133A (zh) * | 2023-04-26 | 2023-05-30 | 宜宾闪马智通科技有限公司 | 道路巡检判定方法及装置 |
| CN116189133B (zh) * | 2023-04-26 | 2023-07-28 | 宜宾闪马智通科技有限公司 | 道路巡检判定方法及装置 |
| KR102578058B1 (ko) * | 2023-07-03 | 2023-09-12 | 주식회사 휴데이터스 | 거리뷰 영상을 생성하는 방법 및 장치 |
| KR102687321B1 (ko) * | 2023-12-27 | 2024-07-24 | 주식회사 유오케이 | 노면 분석을 위한 도로 정보 수집 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102475332B1 (ko) | 복수의 카메라를 이용한 도로 정보 수집 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
| KR102459778B1 (ko) | 라이다 및 카메라를 이용한 변화 탐지 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
| US20230054914A1 (en) | Vehicle localization | |
| JP5747549B2 (ja) | 信号機検出装置及びプログラム | |
| US11280630B2 (en) | Updating map data | |
| US10339812B2 (en) | Surrounding view camera blockage detection | |
| US20190005667A1 (en) | Ground Surface Estimation | |
| US20170359561A1 (en) | Disparity mapping for an autonomous vehicle | |
| JP2021117048A (ja) | 変化点検出装置及び地図情報配信システム | |
| WO2020154990A1 (zh) | 目标物体运动状态检测方法、设备及存储介质 | |
| JPWO2009072507A1 (ja) | 路面標示認識装置，路面標示認識方法及び路面標示認識プログラム | |
| KR102626574B1 (ko) | 카메라 및 라이다의 캘리브레이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
| US11069049B2 (en) | Division line detection device and division line detection method | |
| JP2008164384A (ja) | 地物位置認識装置及び地物位置認識方法 | |
| KR102675138B1 (ko) | 복수개의 라이다들의 캘리브레이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
| KR102616437B1 (ko) | 라이다 및 관성측정장치의 캘리브레이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
| US11235775B2 (en) | Method and device for determining the curve of a road | |
| KR102540629B1 (ko) | 교통 시설물에 대한 학습 데이터 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
| KR102540634B1 (ko) | 프로젝션 기반 컬러맵 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
| KR102540624B1 (ko) | 항공 라이다를 이용한 지도 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
| KR102618951B1 (ko) | 시각적 매핑 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
| CN107992789B (zh) | 识别交通灯的方法、装置及车辆 | |
| JP7505596B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| KR102540632B1 (ko) | 색상 보정을 적용한 컬러맵 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 | |
| KR102540636B1 (ko) | 방향 정보를 포함한 지도 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20220512 |
|
| PA0201 | Request for examination | ||
| PA0302 | Request for accelerated examination |
Patent event date: 20220512 Patent event code: PA03022R01D Comment text: Request for Accelerated Examination |
|
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20220706 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20221122 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20221202 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20221202 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |