KR102511142B1 - 디지털 영상을 이용한 차량의 이동 경로 추정 장치 및 그 방법 - Google Patents

디지털 영상을 이용한 차량의 이동 경로 추정 장치 및 그 방법 Download PDF

Info

Publication number
KR102511142B1
KR102511142B1 KR1020210050443A KR20210050443A KR102511142B1 KR 102511142 B1 KR102511142 B1 KR 102511142B1 KR 1020210050443 A KR1020210050443 A KR 1020210050443A KR 20210050443 A KR20210050443 A KR 20210050443A KR 102511142 B1 KR102511142 B1 KR 102511142B1
Authority
KR
South Korea
Prior art keywords
frame
vehicle
path
node
estimating
Prior art date
Application number
KR1020210050443A
Other languages
English (en)
Other versions
KR20220144144A (ko
Inventor
김진환
심규선
전옥엽
Original Assignee
대한민국
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 대한민국 filed Critical 대한민국
Priority to KR1020210050443A priority Critical patent/KR102511142B1/ko
Publication of KR20220144144A publication Critical patent/KR20220144144A/ko
Application granted granted Critical
Publication of KR102511142B1 publication Critical patent/KR102511142B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 디지털 영상을 이용한 차량의 이동 경로 추정 장치 및 그 방법에 대한 것이다. 본 발명에 따른 디지털 영상을 이용한 차량의 이동 경로 추정 장치는 차량 또는 이동체에 설치된 카메라로부터 차선이 포함된 원본 영상을 수신하는 영상 수신부, 엣지 검출기를 이용하여 상기 원본 영상에 포함된 프레임마다 엣지 정보를 검출하고, 검출된 엣지 정보에 허프 변환 알고리즘을 적용하여 선 성분을 검출하는 선 검출부, 검출된 선 성분을 이용하여 교차점을 검출하고, 각 프레임에서의 교차점에 대한 X좌표를 이용하여 노드와 엣지로 구성되는 그래프를 생성하는 그래프 생성부, 그리고 방향성을 가지는 동적 프로그래밍 알고리즘을 적용하여 첫번째 프레임에 포함되는 노드에서부터 마지막 프레임에 포함되는 노드까지의 경로를 탐색하며, 상기 탐색된 경로를 이용하여 차량의 수평적 이동 여부를 추정하는 경로 추정부를 포함한다.
이와 같이 본 발명에 따르면, 최적화 이론에 따라 외빈값 또는 빈공간에 상관없이 최적의 경로를 추정할 수 있으며, 딥러닝 등의 학습 기반을 이용하여 차량의 수평적 이동 여부를 분석하는 것이 아니므로 구현이 단순하고, 대량의 데이터셋이 필요치 않으며, 저해상도의 영상에서도 차량의 수평적 이동 여부를 분석할 수 있다.

Description

디지털 영상을 이용한 차량의 이동 경로 추정 장치 및 그 방법{A Vehicle moving route estimation apparatus using digital image and the method thereof}
본 발명은 손상된 디지털 영상을 이용한 차량의 이동 경로 추정 장치 및 그 방법에 관한 것으로서, 더욱 상세하게는 차량에 설치된 블랙박스로부터 획득한 디지털 영상에서 차선을 검출하고, 검출된 차선의 성분 분석을 통해 수평적 이동 여부를 판단하는 차량의 이동 경로 추정 장치 및 그 방법에 관한 것이다.
차량용　사고기록장치인　블랙박스의　보급률이　가파르게　증가해　이제는　대부분의　차량에　블랙박스가　장착돼　있어　사고발생　시　녹화된　영상이　사고원인　분석의　중요한　자료로　활용되고　있다.
특히,　이른바　‘민식이법’(도로교통법　개정안)　등　교통사고에　대한　국민들의　관심은　어느　때보다　커지고　있어,　경찰은　과속　등　교통사고의　명확한　사법적　판단을　위해　속도분석의　전문성　확보가　필요한　실정이다.
최근에는 차선인식 알고리즘을 이용하여 블랙박스 영상에서의 차선을 자동적으로 인식하여 검출하고, 검출된 차선의 길이를 이용하여 해당 차량의 속력을 검출하였다.
한편, 블랙박스 영상을 이용하여 차량의 차선 이탈여부 등의 수평적 이동 경로에 대한 조사가 필요할 경우에는 기 준선을 생성하고, 생성된 기준선을 중심으로 이탈 여부를 판독하였다. 그러나, 기존의 차선 이탈 검출 기법은 블랙박스의 장착위치를 이용하여 캘리브레이션을 수행하였다. 그러나, 사고 영상에서는 차량의 블랙박스의 장착 위치를 알 수 없고, 캘리브레이션 수행 유무도 알 수 없기 때문에 기존의 차선 이탈 검출 기법을 적용하기 어려운 문제점이 있었다.
대한민국 등록특허공보 제10-2169009호(2020.10.16. 공고)
본 발명이 이루고자 하는 기술적 과제는 차량에 설치된 블랙박스로부터 획득한 디지털 영상에서 차선을 검출하고, 검출된 차선의 성분 분석을 통해 수평적 이동 여부를 판단하는 차량의 이동 경로 추정 장치 및 그 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따른 디지털 영상을 이용한 차량의 이동 경로 추정 장치에 있어서, 차량 또는 이동체에 설치된 카메라로부터 차선이 포함된 원본 영상을 수신하는 영상 수신부, 엣지 검출기를 이용하여 상기 원본 영상에 포함된 프레임마다 엣지 정보를 검출하고, 검출된 엣지 정보에 허프 변환 알고리즘을 적용하여 선 성분을 검출하는 선 검출부, 검출된 선 성분을 이용하여 교차점을 검출하고, 각 프레임에서의 교차점에 대한 X좌표를 이용하여 노드와 엣지로 구성되는 그래프를 생성하는 그래프 생성부, 그리고 방향성을 가지는 동적 프로그래밍 알고리즘을 적용하여 첫번째 프레임에 포함되는 노드에서부터 마지막 프레임에 포함되는 노드까지의 경로를 탐색하며, 상기 탐색된 경로를 이용하여 차량의 수평적 이동 여부를 추정하는 경로 추정부를 포함한다.
상기 선 검출부는, 상기 원본 영상을 포함하는 각각의 프레임마다 그레이 스케일로 변경 처리하고, 변경된 그레이 스케일 이미지에 임계값을 적용하여 에지를 검출한 다음, 상기 검출된 에지에 허프 변환 알고리즘을 적용하여 선 성분을 검출할 수 있다.
상기 그래프 생성부는, 각각의 프레임마다 검출된 선 성분을 이용하여 교차점을 검출하고, 검출된 교차점에 대한 X축의 좌표값과, 해당 프레임의 번호를 매칭하여 저장할 수 있다.
상기 그래프 생성부는, 상기 프레임의 X축값으로 구성되는 축 데이터와, 상기 프레임의 번호로 구성된 Y축 데이터를 포함하는 그래프를 생성하고,
상기 그래프는, 교차점에 해당하는 노드를 1로 나타내고, 그 외의 노드는 0으로 나타낼 수 있다.
상기 노드는, 상기 프레임 번호가 낮은 번호에서 높은 번호의 방향으로 연결되되, n-1번째 프레임에 대응하는 제1 노드와 n번째 프레임에 대응하는 제2 노드 사이에는 좌측방향, 직진방향 및 우측방향을 포함하는 3방향으로 연결될 수 있다.
상기 경로 추정부는, 복수의 노드 중에서 교차점에 해당하는 노드에 제1 가중치를 부여하고, 직진방향의 엣지에는 제2 가중치를 부여하고, 좌측방향 또는 우측방향의 엣지는 제3 가중치를 부여할 수 있다.
상기 경로 추정부는, 해당 노드를 연결된 노드 및 엣지에 부여된 가중치의 합 중에서 가장 큰 값으로 갱신시키며, 최종 프레임까지 연산이 완료되면, 상기 최종 프레임에 대응하는 각각의 노드 중에서 가장 높은 값을 가진 노드를 선택하고, 상기 선택된 노드에 대한 경로를 추적할 수 있다.
또한, 본 발명의 실시예에 따른 차량의 이동 경로 추정 장치를 이용한 이동 경로 추정 방법에 있어서, 차량 또는 이동체에 설치된 카메라로부터 차선이 포함된 원본 영상을 수신하는 단계, 엣지 검출기를 이용하여 상기 원본 영상에 포함된 프레임마다 엣지 정보를 검출하고, 검출된 엣지 정보에 허프 변환 알고리즘을 적용하여 선 성분을 검출하는 단계, 검출된 선 성분을 이용하여 교차점을 검출하고, 각 프레임에서의 교차점에 대한 X좌표를 이용하여 노드와 엣지로 구성되는 그래프를 생성하는 단계, 그리고 방향성을 가지는 동적 프로그래밍 알고리즘을 적용하여 첫번째 프레임에 포함되는 노드에서부터 마지막 프레임에 포함되는 노드까지의 경로를 탐색하며, 상기 탐색된 경로를 이용하여 차량의 수평적 이동 여부를 추정하는 단계를 포함한다.
이와 같이 본 발명에 따르면, 최적화 이론에 따라 외빈값 또는 빈공간에 상관없이 최적의 경로를 추정할 수 있으며, 딥러닝 등의 학습 기반을 이용하여 차량의 수평적 이동 여부를 분석하는 것이 아니므로 구현이 단순하고, 대량의 데이터셋이 필요치 않으며, 저해상도의 영상에서도 차량의 수평적 이동 여부를 분석할 수 있다.
도 1은 본 발명의 실시예에 따른 차량의 이동 경로 추정 장치에 대한 구성도이다.
도 2는 본 발명의 실시예에 따른 차량의 이동 경로 추정장치를 이용하여 이동 경로 추정 방법을 설명하기 위한 순서도이다.
도 3은 도 2에 도시된 S230단계에서 교차점을 획득한 상태를 설명한 예시도이다.
도 4는 도 2에 도시된 S240단계에서 생성된 맵을 설명하기 위한 예시도이다.
도 5는 도 2에 도시된 S250단계에서의 그래프를 설명하기 위한 예시도이다.
도 6은 도2에 도시된 S270 단계를 설명하기 위한 도면이다.
이하 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다.
또한 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서, 이는 측정 대상자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하에서는 도 1을 이용하여 본 발명의 실시예에 따른 디지털 영상을 이용한 차량의 이동 경로 추정 장치에 대해 더욱 상세하게 설명한다.
도 1은 본 발명의 실시예에 따른 차량의 이동 경로 추정 장치에 대한 구성도이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 차량의 이동 경로 추정 장치(100)는 영상 수신부(110), 선 검출부(120), 그래프 생성부(130) 및 경로 추정부(140)를 포함한다.
먼저, 영상 수신부(110)는 차량에 설치된 블랙박스로부터 획득한 원본 영상을 수신한다.
선 검출부(120)는 수신된 원본 영상을 복수의 프레임으로 분류하고, 분류된 각각의 프레임마다 그레이 스케일로 변경 처리한다. 그리고, 선 검출부(120)는 변경된 그레이 스케일 이미지에 엣지 검출(Edge Detection) 알고리즘을 적용하여 엣지를 검출하고, 검출된 엣지에 대응하는 좌표값을 이용하여 직선에 해당하는 선 성분을 검출한다.
그 다음, 그래프 생성부(130)는 수평성분을 제외한 직선의 성 선분 중에서 두 개의 직선의 교차점을 추출한다. 여기서 추출된 교차점은 프레임마다 존재하며, 각각의 프레임에는 하나 이상의 교차점을 포함한다. 그래프 생성부(130)는 추출된 교차점에 대한 좌표값과 해당 프레임 번호를 이용하여 그래프를 생성한다.
마지막으로 경로 추정부(140)는 동적 프로그래밍 알고리즘을 이용하여 생성된 그래프에 포함된 노드를 이용하여 해당 차량의 경로를 추정한다. 부연하자면, 경로 추정부(140)는 노드와 간선에 각각 가중치를 부여하고, 부여된 가중치를 이용하여 노드에 대한 연산을 수행한다. 그리고 경로 추정부(140)는 연산 결과에 따라 가장 높은 가지는 노드에 대한 경로를 추정하고, 추정된 경로를 통해 해당 차량의 수평적 이동 여부를 추출한다.
이하에서는 도 2 내지 도 6을 이용하여 차량의 이동 경로 추정장치를 이용하여 이동 경로 추정 방법에 대해 더욱 상세하게 설명한다.
도 2는 본 발명의 실시예에 따른 차량의 이동 경로 추정장치를 이용하여 이동 경로 추정 방법을 설명하기 위한 순서도이다.
도 2에 도시된 바와 같이, 본 발명의 실시예에 따른 차량의 이동 경로 추정장치(100)는 차량의 설치된 블랙박스로부터 차선이 포함된 원본 영상을 수신한다(S210)
부연하자면, 영상 수신부(110)는 도로 방향을 항해 설치된 블랙박스로부터 원본 영상을 수신한다. 이때, 원본 영상은 복수의 프레임을 포함한다.
그 다음, 선 검출부(120)는 복수 프레임마다 엣지 검출(Edge Detection) 알고리즘을 적용하여 에지를 검출하고, 검출된 에지에 허프 변환 알고리즘을 적용하여 선 성분을 검출한다(S220).
먼저, 선 검출부(120)는 복수의 프레임을 그레이 스케일 이미지로 변환한다. 그리고 선 검출부(120)는 가우시안 필터를 이용하여 그레이 스케일 이미지에 포함된 노이즈를 제거한다.
선 검출부(120)는 노이즈가 제거된 그레이 스케일 이미지에 기 설정한 이중 임계값을 적용하여 에지를 검출한다. 그 다음, 선 검출부(120)는 검출된 엣지에 허프(hough) 연산을 수행하여 허프 파라미터값을 획득한다. 이때, 선 검출부(120)는 원본 영상에 포함된 복수의 프레임마다 허프 연산을 수행하여 허프 파라미터값을 획득한다. 그리고, 선 검출부(120)는 획득한 복수의 허프 파라미터값을 누적하여 카운팅 횟수가 가장 높은 허프 파라미터값을 획득하고, 획득한 허프 파라미터값을 이용하여 직선에 해당하는 선 성분을 검출한다.
S220단계가 완료되면, 그래프 생성부(130)는 각각의 프레임마다 검출된 선 성분을 이용하여 교차점을 추출하고, 추출된 교차점에 대한 좌표값을 획득한다(S230).
부연하자면, 그래프 생성부(130)는 우측 범위에서의 각도 범위를 설정하고, 기 설정된 각도 범위에 해당하는 선의 교차점을 추출한다. 또한, 그래프 생성부(130)는 좌측 범위에서의 각도 범위를 설정하고, 기 설정된 각도 범위에 해당하는 선의 교차점을 추출한다.
도 3은 도 2에 도시된 S230단계에서 교차점을 획득한 상태를 설명한 예시도이다.
도 3에 도시된 바와 같이, 그래프 생성부(130)는 각각 추출된 교차점의 좌표값을 획득한다. 이때, 교차점은 프레임마다 복수개 추출될 수 있다.
그 다음, 그래프 생성부(130)는 교차점의 X좌표값과 프레임 번호를 이용하여 맵을 생성한다(S240).
도 4는 도 2에 도시된 S240단계에서 생성된 맵을 설명하기 위한 예시도이다.
도 4에 도시된 바와 같이, 그래프 생성부(130)는 교차점의 좌표값으로부터 X축의 값을 획득하고, 교차점을 추출한 해당 프레임 번호를 획득한다. 그리고, 그래프 생성부(130)는 프레임의 가로축 길이값을 X축으로 하고, 원본 영상에 포함된 프레임의 총 개수를 Y축으로 하는 맵을 형성한다. 그리고, 그래프 생성부(130)는 생성된 맵에 검출된 교차점을 입력한다.
S240단계가 완료되면, 그래프 생성부(130)는 생성된 맵을 그래프로 변환시킨다(S250).
도 5는 도 2에 도시된 S250단계에서의 그래프를 설명하기 위한 예시도이다.
도 5에 도시된 바와 같이, 그래프 생성부(130)는 맵에 대응하도록 복수의 노드를 구성하고, 교차점에 해당하는 노드는 1로 표시하고 그 외의 노드에는 0으로 표시한다.
이때, 노드간의 연결을 위쪽 방향으로만 연결되므로, 제일 하측에 위치하는 노드들은 제1 프레임에 대응하여 구성되고, 제일 상측에 위치하는 노드들은 최종 프레임에 대응하여 구성된다.
그리고, n-1번째 프레임에 대응하는 제1 노드와 n번째 프레임에 대응하는 제2 노드 사이에는 좌측방향, 직진방향 및 우측방향을 포함하는 3방향의 간선으로 연결된다.
그 다음, 경로 추정부(140)는 노드를 통해 차량의 이동 경로를 추정한다(S260).
자세히는, 경로 추정부(140)는 교차점에 해당하는 노드에는 제1 가중치를 부여하고, 직선방향의 간선에는 제2 가중치를 부여하며, 좌측방향 또는 우측방향의 간선에는 제3 가중치를 부여한다.
즉, 경로 추정부(140)는 교차점에 해당하는 노드에 10의 가중치를 부여하고, 직선 방향의 간선에는 10의 가중치를 부여하며, 좌측방향 또는 우측 방향의 간선에는 5의 가중치를 부여한다.
한편, 본 발명의 실시예에 따른 경로 추정부(140)는 교차점에 해당하는 노드에 10의 가중치를 부여하였으나, 이에 한정하지 않고 필요에 따라 가중치의 값은 변경가능하다.
그 다음, 경로 추정부(140)는 부여된 가중치를 이용하여 각각의 노드마다 연산을 수행하고, 수행된 결과를 저장한다.
동적 계획법에 따라 최종 프레임에 해당하는 노드까지 연산 수행을 완료하면, 경로 추정부(140)는 최종 프레임에 해당하는 복수의 노드 중에서 가장 큰 값을 획득한 노드를 추출한다. 그리고, 경로 추정부(140)는 추출된 노드의 경로를 추정한다.
마지막으로, 경로 추정부(140)는 추정된 경로를 이용하여 해당 차량의 수평적 이동 여부를 추정한다(S270).
도 6은 도2에 도시된 S270 단계를 설명하기 위한 도면이다.
도 6에 도시된 바와 같이, 경로 추정부(140)는 최종 프레임에 대응하는 노드에서의 값을 이용하여 해당 차량의 경로를 역 추적하여 경로를 획득하고, 획득한 경로를 선 성분으로 출력한다.
그리고, 경로 추정부(140)는 출력된 선성분에 포함된 아웃라이어(outlier)를 제거하여 획득한 결과값을 이용하여 해당 차량이 수평적 이동한이 발생하였는지 여부를 추정한다.
이와 같이 본 발명에 따른 차량의 이동 경로 추정장치는 최적화 이론에 따라 외빈값 또는 빈공간에 상관없이 최적의 경로를 추정할 수 있으며, 딥러닝 등의 학습 기반을 이용하여 차량의 수평적 이동 여부를 분석하는 것이 아니므로 구현이 단순하고, 대량의 데이터셋이 필요치 않으며, 저해상도의 영상에서도 차량의 수평적 이동 여부를 분석할 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100 : 차량의 이동 경로 추정 장치
110 : 영상 수신부
120 : 선 검출부
130 : 그래프 생성부
140 : 경로 추정부

Claims (16)

  1. 디지털 영상을 이용한 차량의 이동 경로 추정 장치에 있어서,
    차량 또는 이동체에 설치된 카메라로부터 차선이 포함된 원본 영상을 수신하는 영상 수신부, 엣지 검출기를 이용하여 상기 원본 영상에 포함된 프레임마다 엣지 정보를 검출하고, 검출된 엣지 정보에 허프 변환 알고리즘을 적용하여 선 성분을 검출하는 선 검출부, 검출된 선 성분을 이용하여 교차점을 검출하고, 각 프레임에서의 교차점에 대한 X좌표를 이용하여 노드와 엣지로 구성되는 그래프를 생성하는 그래프 생성부, 그리고 방향성을 가지는 동적 프로그래밍 알고리즘을 적용하여 첫번째 프레임에 포함되는 노드에서부터 마지막 프레임에 포함되는 노드까지의 경로를 탐색하며, 상기 탐색된 경로를 이용하여 차량의 수평적 이동 여부를 추정하는 경로 추정부를 포함하며;
    상기 선 검출부는, 상기 원본 영상을 포함하는 각각의 프레임마다 그레이 스케일로 변경 처리하고, 변경된 그레이 스케일 이미지에 임계값을 적용하여 에지를 검출한 다음, 상기 검출된 에지에 허프 변환 알고리즘을 적용하여 선 성분을 검출하며;
    상기 그래프 생성부는, 각각의 프레임마다 검출된 선 성분을 이용하여 교차점을 검출하고, 검출된 교차점에 대한 X축의 좌표값과, 해당 프레임의 번호를 매칭하여 저장하는 차량의 이동 경로 추정장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 그래프 생성부는,
    상기 프레임의 X축값으로 구성되는 축 데이터와, 상기 프레임의 번호로 구성된 Y축 데이터를 포함하는 그래프를 생성하고,
    상기 그래프는,
    교차점에 해당하는 노드를 1로 나타내고, 그 외의 노드는 0으로 나타내는 차량의 이동 경로 추정장치.
  5. 제4항에 있어서,
    상기 노드는,
    상기 프레임 번호가 낮은 번호에서 높은 번호의 방향으로 연결되되,
    n-1번째 프레임에 대응하는 제1 노드와 n번째 프레임에 대응하는 제2 노드 사이에는 좌측방향, 직진방향 및 우측방향을 포함하는 3방향의 간선으로 연결되는 차량의 이동 경로 추정장치.
  6. 제5항에 있어서,
    상기 경로 추정부는,
    복수의 노드 중에서 교차점에 해당하는 노드에 제1 가중치를 부여하고,
    직진방향의 간선에는 제2 가중치를 부여하고, 좌측방향 또는 우측방향의 간선에는 제3 가중치를 부여하는 차량의 이동 경로 추정장치.
  7. 제6항에 있어서,
    상기 제2 가중치는 제3 가중치보다 큰 값을 가지고,
    상기 제1 가중치는 제2 가중치와 동일한 값을 가지거나 큰 값을 가지는 차량의 이동 경로 추정장치.
  8. 제7항에 있어서,
    상기 경로 추정부는,
    해당 노드를 연결된 노드 및 간선에 부여된 가중치의 합 중에서 가장 큰 값으로 갱신시키며,
    최종 프레임까지 연산이 완료되면, 상기 최종 프레임에 대응하는 각각의 노드 중에서 가장 높은 값을 가진 노드를 선택하고, 상기 선택된 노드에 대한 경로를 추적하는 차량의 이동 경로 추정장치.
  9. 차량의 이동 경로 추정 장치를 이용한 이동 경로 추정 방법에 있어서,
    차량 또는 이동체에 설치된 카메라로부터 차선이 포함된 원본 영상을 수신하는 단계, 엣지 검출기를 이용하여 상기 원본 영상에 포함된 프레임마다 엣지 정보를 검출하고, 검출된 엣지 정보에 허프 변환 알고리즘을 적용하여 선 성분을 검출하는 단계, 검출된 선 성분을 이용하여 교차점을 검출하고, 각 프레임에서의 교차점에 대한 X좌표를 이용하여 노드와 엣지로 구성되는 그래프를 생성하는 단계, 그리고 방향성을 가지는 동적 프로그래밍 알고리즘을 적용하여 첫번째 프레임에 포함되는 노드에서부터 마지막 프레임에 포함되는 노드까지의 경로를 탐색하며, 상기 탐색된 경로를 이용하여 차량의 수평적 이동 여부를 추정하는 단계를 포함하며;
    상기 선 성분을 검출하는 단계는, 상기 원본 영상을 포함하는 각각의 프레임마다 그레이 스케일로 변경 처리하고, 변경된 그레이 스케일 이미지에 임계값을 적용하여 에지를 검출한 다음, 상기 검출된 에지에 허프 변환 알고리즘을 적용하여 선 성분을 검출하며;
    상기 그래프를 생성하는 단계는, 각각의 프레임마다 검출된 선 성분을 이용하여 교차점을 검출하고, 검출된 교차점에 대한 X축의 좌표값과, 해당 프레임의 번호를 매칭하여 저장하는 차량의 이동 경로 추정 방법.
  10. 삭제
  11. 삭제
  12. 제9항에 있어서,
    상기 그래프를 생성하는 단계는,
    상기 프레임의 X축값으로 구성되는 축 데이터와, 상기 프레임의 번호로 구성된 Y축 데이터를 포함하는 그래프를 생성하고,
    상기 그래프는,
    교차점에 해당하는 노드를 1로 나타내고, 그 외의 노드는 0으로 나타내는 차량의 이동 경로 추정방법.
  13. 제12항에 있어서,
    상기 노드는,
    상기 프레임 번호가 낮은 번호에서 높은 번호의 방향으로 연결되되,
    n-1번째 프레임에 대응하는 제1 노드와 n번째 프레임에 대응하는 제2 노드 사이에는 좌측방향, 직진방향 및 우측방향을 포함하는 3방향의 간선으로 연결되는 차량의 이동 경로 추정 방법.
  14. 제13항에 있어서,
    상기 차량의 수평적 이동 여부를 추정하는 단계는,
    복수의 노드 중에서 교차점에 해당하는 노드에 제1 가중치를 부여하고,
    직진방향의 간선에는 제2 가중치를 부여하고, 좌측방향 또는 우측방향의 간선에는 제3 가중치를 부여하는 차량의 이동 경로 추정 방법.
  15. 제14항에 있어서,
    상기 제2 가중치는 제3 가중치보다 큰 값을 가지고,
    상기 제1 가중치는 제2 가중치와 동일한 값을 가지거나 큰 값을 가지는 차량의 이동 경로 추정 방법.
  16. 제14항에 있어서,
    상기 차량의 수평적 이동 여부를 추정하는 단계는,
    해당 노드를 연결된 노드 및 간선에 부여된 가중치의 합 중에서 가장 큰 값으로 갱신시키며,
    최종 프레임까지 연산이 완료되면, 상기 최종 프레임에 대응하는 각각의 노드 중에서 가장 높은 값을 가진 노드를 선택하고, 상기 선택된 노드에 대한 경로를 추적하는 차량의 이동 경로 추정 방법.
KR1020210050443A 2021-04-19 2021-04-19 디지털 영상을 이용한 차량의 이동 경로 추정 장치 및 그 방법 KR102511142B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210050443A KR102511142B1 (ko) 2021-04-19 2021-04-19 디지털 영상을 이용한 차량의 이동 경로 추정 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210050443A KR102511142B1 (ko) 2021-04-19 2021-04-19 디지털 영상을 이용한 차량의 이동 경로 추정 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20220144144A KR20220144144A (ko) 2022-10-26
KR102511142B1 true KR102511142B1 (ko) 2023-03-17

Family

ID=83785631

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210050443A KR102511142B1 (ko) 2021-04-19 2021-04-19 디지털 영상을 이용한 차량의 이동 경로 추정 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR102511142B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021508863A (ja) * 2017-11-10 2021-03-11 エヌビディア コーポレーション 安全で信頼できる自動運転車両のためのシステム及び方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101653491B1 (ko) * 2014-04-28 2016-09-12 한국과학기술원 다중 차로 검출 및 차로 변경 감지 기반의 차로 인식 방법 및 시스템
KR102169009B1 (ko) 2018-12-27 2020-10-23 (주)베라시스 카메라 모델링 정보를 이용한 다중 차선 검출 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021508863A (ja) * 2017-11-10 2021-03-11 エヌビディア コーポレーション 安全で信頼できる自動運転車両のためのシステム及び方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
한국 등록특허공보 제10-1653491호(2016.09.12.) 1부.*

Also Published As

Publication number Publication date
KR20220144144A (ko) 2022-10-26

Similar Documents

Publication Publication Date Title
CN109460709B (zh) 基于rgb和d信息融合的rtg视觉障碍物检测的方法
CN109034047B (zh) 一种车道线检测方法及装置
CN107909010B (zh) 一种道路障碍物检测方法与装置
US11468319B2 (en) Method and system for predicting sensor signals from a vehicle
Chen et al. Object-level motion detection from moving cameras
CN102479327B (zh) 目标识别系统，以及用于汽车的障碍识别系统和方法
EP2725520A2 (en) Method and apparatus for detecting road
JP2016081525A (ja) 車両用画像認識システム、及び対応法
KR101935010B1 (ko) 영상 기반 차량 번호판 인식 장치 및 방법
CN107909009B (zh) 一种基于路面学习的障碍物检测方法与装置
KR102031503B1 (ko) 다중 객체 검출 시스템 및 방법
CN111149131B (zh) 区划线识别装置
CN112298194B (zh) 一种车辆的换道控制方法及装置
US20160055382A1 (en) Vehicle discrimination apparatus
Meshram et al. Traffic surveillance by counting and classification of vehicles from video using image processing
CN110610123A (zh) 一种多目标车辆检测方法、装置、电子设备及存储介质
CN106339659A (zh) 检测道路分割物的方法和装置
US20070223785A1 (en) Image processor and method
CN111098850A (zh) 一种自动停车辅助系统及自动泊车方法
Dhulavvagol et al. Vehical tracking and speed estimation of moving vehicles for traffic surveillance applications
CN114820765A (zh) 图像识别方法、装置、电子设备及计算机可读存储介质
KR102511142B1 (ko) 디지털 영상을 이용한 차량의 이동 경로 추정 장치 및 그 방법
CN117392638A (zh) 一种服务于机器人场景的开放物体类别感知方法及装置
CN112288702A (zh) 一种基于车联网的道路图像检测方法
CN114863411A (zh) 一种车牌识别方法及装置

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant