KR102521656B1 - 객체를 인식하는 방법 및 장치 - Google Patents

객체를 인식하는 방법 및 장치 Download PDF

Info

Publication number
KR102521656B1
KR102521656B1 KR1020180000622A KR20180000622A KR102521656B1 KR 102521656 B1 KR102521656 B1 KR 102521656B1 KR 1020180000622 A KR1020180000622 A KR 1020180000622A KR 20180000622 A KR20180000622 A KR 20180000622A KR 102521656 B1 KR102521656 B1 KR 102521656B1
Authority
KR
South Korea
Prior art keywords
blur
input image
vehicle
type
occurs
Prior art date
Application number
KR1020180000622A
Other languages
English (en)
Other versions
KR20190095567A (ko
Inventor
김창현
성재모
서영완
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020180000622A priority Critical patent/KR102521656B1/ko
Priority to US16/163,707 priority patent/US10936851B2/en
Publication of KR20190095567A publication Critical patent/KR20190095567A/ko
Application granted granted Critical
Publication of KR102521656B1 publication Critical patent/KR102521656B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q1/00—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor
    • B60Q1/26—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic
    • B60Q1/34—Arrangement of optical signalling or lighting devices, the mounting or supporting thereof or circuits therefor the devices being primarily intended to indicate the vehicle, or parts thereof, or to give signals, to other traffic for indicating change of drive direction
    • 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
    • B60W40/10—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 vehicle motion
    • B60W40/105—Speed
    • G06T5/003—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
    • 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, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B60W2420/52—
    • 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
    • B60W2520/00—Input parameters relating to overall vehicle dynamics
    • B60W2520/10—Longitudinal speed
    • 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
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/18—Steering angle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20008—Globally adaptive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Software Systems (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

일 실시예에 따른 객체를 인식하는 방법 및 장치는 입력 영상에서 블러의 발생 여부를 판단하고, 블러의 발생 여부를 기초로 차량의 제어 정보를 이용하여 블러의 블러 타입을 결정하고, 결정된 블러 타입에 대응하는 블러 제거 방법을 선택하고, 선택된 블러 제거 방법을 이용하여 입력 영상에서 블러를 제거하며, 블러가 제거된 입력 영상을 이용하여 입력 영상에 포함된 객체를 인식한다.

Description

객체를 인식하는 방법 및 장치{METHOD AND APPARATUS OF IDENTIFYING OBJECT}
아래의 실시예들은 객체를 인식하는 방법 및 장치에 관한 것이다.
차량 및 기타 운송 수단의 주행을 보조하기 위한 다양한 시각 정보 증강 현실(Visual Information Augmentation)이 제공되고 있다. 그 중 임의의 입력 영상으로부터 차선, 신호등, 보행자, 차량 등과 같은 다양한 객체를 인식하는 방법들이 이용될 수 있다.
예를 들어, 차선이 다른 차량 등에 의하여 가려진 경우, 눈, 비 등과 같은 기상 변화, 또는 낮, 밤과 같은 시간 변화에 따른 영상 밝기 또는 대비(contrast) 변화가 발생하는 경우에는 영상 정보의 불명료성으로 인하여 객체를 명확하게 검출하기 어렵다. 특히, 야간 영상의 경우 조도 문제로 인해 자동 노출(Auto Exposure) 센서를 이용하는 경우가 많다. 자동 노출 센서를 이용하는 경우, 동적으로 움직이는 차량의 움직임 또는 객체의 움직임 등에 의해 발생하는 블러(blur)로 인해 정확한 객체 검출이 용이하지 않다.
일 측에 따르면, 객체를 인식하는 방법은 입력 영상에서 블러(blur)의 발생 여부를 판단하는 단계; 상기 블러의 발생 여부를 기초로, 차량의 제어 정보를 이용하여 상기 블러의 블러 타입을 결정하는 단계; 상기 결정된 블러 타입에 대응하는 블러 제거(de-blur) 방법을 선택하는 단계; 상기 선택된 블러 제거 방법을 이용하여 상기 입력 영상에서 상기 블러를 제거하는 단계; 및 상기 블러가 제거된 입력 영상을 이용하여 상기 입력 영상에 포함된 객체를 인식하는 단계를 포함한다.
상기 블러의 발생 여부를 판단하는 단계는 상기 입력 영상의 에지(edge) 부분에 대한 선명도에 기초하여 상기 블러의 발생 여부를 판단하는 단계를 포함할 수 있다.
상기 블러의 발생 여부를 판단하는 단계는 상기 입력 영상을 부분 영상들로 분할하는 단계; 상기 부분 영상들 각각에 대응하는 그래디언트 매그니튜드(Gradient Magnitude) 값을 산출하는 단계; 및 상기 그래디언트 매그니튜드 값과 임계값 간의 비교 결과에 기초하여 상기 블러의 발생 여부를 판단 하는 단계를 포함할 수 있다.
상기 차량의 제어 정보는 상기 차량의 조향 각도, 상기 차량의 속도, 상기 차량의 좌,우 방향 지시등 사용 여부 중 어느 하나 또는 이들의 조합을 포함할 수 있다.
상기 블러 타입을 결정하는 단계는 상기 차량의 조향 각도가 제1 임계값보다 크거나 같은지 여부, 상기 차량의 속도가 제2 임계값보다 크거나 같은지 여부, 및 상기 차량의 좌,우 방향 지시등이 사용되었는지 여부 중 어느 하나 또는 이들의 조합에 기초하여, 상기 블러가 제1 블러 타입과 제2 블러 타입 중 어느 블러 타입에 해당하는지를 결정하는 단계를 포함할 수 있다.
상기 차량의 제어 정보는 주행 기록계(odometer), 자이로 센서, 라이다, 레이더, IMU 센서, 및 가속도 센서를 포함하는 감지 센서에 의해 획득될 수 있다.
상기 블러 제거 방법을 선택하는 단계는 상기 블러가 제1 블러 타입으로 결정된 경우, 제1 필터를 이용하는 블러 제거 방법을 선택하는 단계; 및 상기 블러가 제2 블러 타입으로 결정된 경우, 제2 필터를 이용하는 블러 제어 방법을 선택하는 단계를 포함할 수 있다.
상기 객체를 인식하는 방법은 조도 센서를 이용하여 상기 입력 영상이 획득된 시점의 조도를 획득하는 단계를 더 포함하고, 상기 블러의 발생 여부를 판단하는 단계는 상기 입력 영상이 획득된 시점의 조도에 기초하여, 상기 블러의 발생 여부를 판단하는 단계를 포함할 수 있다.
일 측에 따르면, 객체를 인식하는 장치는 입력 영상에서 블러의 발생 여부를 판단하고, 상기 블러의 발생 여부를 기초로, 차량의 제어 정보를 이용하여 상기 블러의 블러 타입을 결정하고, 상기 결정된 블러 타입에 대응하는 블러 제거 방법을 선택하고, 상기 선택된 블러 제거 방법을 이용하여 상기 입력 영상에서 상기 블러를 제거하며, 상기 블러가 제거된 입력 영상을 이용하여 상기 입력 영상에 포함된 객체를 인식하는 프로세서를 포함한다.
상기 프로세서는 상기 입력 영상의 에지 부분에 대한 선명도에 기초하여 상기 블러의 발생 여부를 판단할 수 있다.
상기 프로세서는 상기 입력 영상을 부분 영상들로 분할하고, 상기 부분 영상들 각각에 대응하는 그래디언트 매그니튜드 값을 산출하며, 상기 그래디언트 매그니튜드 값과 임계값 간의 비교 결과에 기초하여 상기 블러의 발생 여부를 판단할 수 있다.
상기 차량의 제어 정보는 상기 차량의 조향 각도, 상기 차량의 속도, 상기 차량의 좌,우 방향 지시등 사용 여부 중 어느 하나 또는 이들의 조합을 포함할 수 있다.
상기 프로세서는 상기 차량의 조향 각도가 제1 임계값보다 크거나 같은지 여부, 상기 차량의 속도가 제2 임계값보다 크거나 같은지 여부, 및 상기 차량의 좌,우 방향 지시등이 사용되었는지 여부 중 어느 하나 또는 이들의 조합에 기초하여, 상기 블러의 블러 타입을 결정할 수 있다.
상기 차량의 제어 정보는 주행 기록계, 자이로 센서, 라이다, 레이더, IMU 센서, 및 가속도 센서를 포함하는 감지 센서에 의해 획득될 수 있다.
상기 프로세서는 상기 블러가 제1 블러 타입으로 결정된 경우, 제1 필터를 이용하는 블러 제거 방법을 선택하고, 상기 블러가 제2 블러 타입으로 결정된 경우, 제2 필터를 이용하는 블러 제어 방법을 선택할 수 있다.
상기 객체를 인식하는 장치는 상기 입력 영상이 획득된 시점의 조도를 획득하는 조도 센서를 더 포함하고, 상기 프로세서는 상기 입력 영상이 획득된 시점의 조도에 기초하여, 상기 블러의 발생 여부를 판단할 수 있다.
도 1은 일 실시예에 따른 입력 영상에서 발생하는 블러(blur)를 설명하기 위한 도면.
도 2는 일 실시예에 따른 객체를 인식하는 방법을 나타낸 흐름도.
도 3은 일 실시예에 따라 블러의 발생 여부를 판단하는 방법을 나타낸 흐름도.
도 4는 일 실시예에 따라 블러의 블러 타입을 결정하는 방법을 설명하기 위한 도면.
도 5 내지 도 6은 실시예들에 따라 블러의 블러 타입을 결정하는 방법을 나타낸 흐름도.
도 7 내지 도 8은 다른 실시예에 따른 객체를 인식하는 방법을 나타낸 흐름도.
도 9는 일 실시예에 따른 객체를 인식하는 장치의 블록도.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
하기에서 설명될 실시예들은 스마트 차량 등의 증강 현실 내비게이션 (Augmented Reality Navigation) 시스템에서 차선을 표시하거나, 자율 주행 차량의 조향을 돕기 위한 시각 정보를 생성하거나, 또는 차량의 주행을 위한 다양한 제어 정보를 제공하는 데에 활용될 수 있다. 또한, 실시예들은 차량 내 주행 보조 또는 완전 자율 주행을 위해 설치된 HUD(Head Up Display) 등의 지능 시스템을 포함하는 기기에 시각 정보(Visual Information)를 제공하여 안전하고 쾌적한 주행을 돕는 데에 사용될 수 있다. 실시예들은 예를 들어, 자율 주행 자동차, 지능형 자동차, 스마트 폰, 및 모바일 기기 등에 적용될 수 있다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일 실시예에 따른 입력 영상에서 발생하는 블러(blur)를 설명하기 위한 도면이다. 도 1을 참조하면, 글로벌 블러가 발생한 영상(110) 및 로컬 블러가 발생한 영상(130)이 도시된다.
예를 들어, 유턴 또는 좌, 우 회전과 같은 차량이 일정 방향으로 회전하는 경우, 촬영된 영상은 차량의 수평 방향의 움직임에 의해 영상 전체에서 블러가 발생하게 된다. 이때, 영상(110)과 같이 영상 전체에서 횡방향 및/또는 종방향으로 발생하는 블러를 '글로벌 블러(global blur)' 또는 '제1 블러 타입'이라고 부르기로 한다.
또는 예를 들어, 차량이 정차 또는 서행하고 있으나, 촬영 대상인 객체가 움직이는 경우, 촬영된 영상은 전체 영상 중 움직임을 갖는 객체에서 블러가 발생하게 된다. 이때, 영상(130)과 같이 영상의 일부 또는 영상의 국소 부분에 발생하는 블러를 '로컬 블러(local blur)' 또는 '제2 블러 타입'이라고 부르기로 한다. 로컬 블러는 영상(130)을 촬영한 촬영 장치는 움직임이 거의 없으나, 촬영되는 대상(객체)가 움직임이 있는 경우에 발생할 수 있다. 글로벌 블러와 로컬 블러는 그 발생 원인이 상이하므로 각 발생 원인에 맞는 블러 제거 방법이 요구된다.
도 2는 일 실시예에 따른 객체를 인식하는 방법을 나타낸 흐름도이다. 도 2를 참조하면, 일 실시예에 따른 객체를 인식하는 장치(이하, '인식 장치')는 입력 영상에서 블러의 발생 여부를 판단한다(210). 입력 영상은 예를 들어, 차량의 전면에 장착된 촬영 장치를 이용하여 매 프레임(Frame)마다 하나 또는 복수 개 획득될 수 있다. 촬영 장치는 예를 들어, 차량의 윈드 실드(windshield), 대시 보드(dashboard), 백미러(rear-view mirror) 등과 같이 미리 정해진 위치에 고정되어 차량 전방의 영상을 촬영할 수 있다. 이때, 촬영 장치의 캘리브레이션(Calibration) 정보는 미리 알고 있다고 가정한다. 촬영 장치는 예를 들어, 모노 카메라(mono camera), 비전 센서, 이미지 센서, 또는 이와 유사한 기능을 수행하는 장치를 포함할 수 있다.
입력 영상은 인식 장치에 포함된 촬영 장치, 또는 인식 장치 이외의 다른 장치에서 캡쳐된 영상일 수 있다. 입력 영상은 예를 들어, 도 1에 도시된 영상(110) 또는 영상(130)일 수 있다. 입력 영상은 야간에 촬영된 영상일 수도 있고, 주간에 촬영된 영상일 수도 있다.
단계(210)에서, 인식 장치는 글로벌 블러와 로컬 블러를 구분하지 않고, 입력 영상에서 블러가 발생했는지 여부를 판단한다. 단계(210)에서, 인식 장치는 입력 영상의 에지(edge) 부분에 대한 선명도에 기초하여 블러의 발생 여부를 판단할 수 있다. 인식 장치는 예를 들어, 입력 영상의 에지 부분에 대한 선명도가 임계값보다 낮으면 블러가 발생한 것으로 판단할 수 있다. 또는 인식 장치는 선명도가 임계값보다 낮은 에지 부분의 분포 비율에 기초하여 블러가 발생한 것으로 판단할 수 있다. 또는 인식 장치는 그래디언트 매그니튜드(Gradient Magnitude) 값을 이용하여 블러의 발생 여부를 판단할 수 있다. 인식 장치가 그래디언트 매그니튜드 값을 이용하여 블러의 발생 여부를 판단하는 방법은 아래의 도 3을 참조하여 보다 구체적으로 설명한다.
인식 장치는 블러의 발생 여부를 기초로, 차량의 제어 정보를 이용하여 블러의 블러 타입을 결정한다(220). 차량의 제어 정보는 예를 들어, 차량의 조향 각도, 차량의 속도, 차량의 좌,우 방향 지시등 사용 여부 등을 포함할 수 있다. 차량의 제어 정보는 예를 들어, 주행 기록계(odometer), 자이로 센서, 라이다, 레이더, IMU 센서, 및 가속도 센서를 포함하는 감지 센서들에 의해 획득될 수 있다. 감지 센서들은 예를 들어, 도 9의 센서들(910)일 수 있다. 인식 장치는 예를 들어, 블러가 제1 블러 타입과 제2 블러 타입 중 어느 블러 타입에 해당하는지를 결정할 수 있다.
단계(220)에서, 인식 장치는 예를 들어, 차량의 조향 각도가 제1 임계값보다 크거나 같은지 여부, 차량의 속도가 제2 임계값보다 크거나 같은지 여부, 및 차량의 좌,우 방향 지시등이 사용되었는지 여부 중 어느 하나 또는 이들의 조합에 기초하여 블러의 블러 타입을 결정할 수 있다. 인식 장치가 블러의 블러 타입을 결정하는 방법은 아래의 도 4 내지 도 6을 참조하여 구체적으로 설명한다.
실시예에 따라서, 인식 장치는 입력 영상의 그래디언트(Gradient)의 방향을 이용하여 블러의 블러 타입을 결정할 수도 있다. 전술한 바와 같이, 글로벌 블러는 유턴 또는 좌, 우회전 시와 같은 차량의 움직임에 의해 발생하므로 주로 수평 방향(x축 방향)으로 그래디언트가 발생할 수 있다. 또한, 로컬 블러는 차량의 서행 또는 정차 시에 전방의 보행자나 차량의 움직임에 의해 발생하므로 수평 방향(x축 방향) 및/또는 수직 방향(y 축 방향) 전체에 대하여 그래디언트가 발생할 수 있다. 이러한 점을 이용하여 인식 장치는 입력 영상에서 수평 방향(x축 방향)으로 그래디언트가 발생한 경우, 블러를 제1 블러 타입, 다시 말해 글로벌 블러에 해당한다고 결정할 수 있다. 인식 장치는 입력 영상에서 수평 방향(x축 방향) 및 수직 방향(y 축 방향) 전체에서 그래디언트가 발생한 경우, 블러를 제2 블러 타입, 다시 말해 로컬 블러에 해당한다고 결정할 수 있다.
또는 인식 장치는 연속된 두 입력 영상에서의 광학 흐름(optical flow)이나 검출 박스(detection box)의 RGB 히스토그램(histogram)과 같이 객체의 움직임을 지역적(locally)으로 검출할 수 있는 알고리즘을 이용하여 입력 영상에 발생한 블러의 블러 타입을 결정할 수도 있다.
인식 장치는 결정된 블러 타입에 대응하는 블러 제거(de-blur) 방법을 선택한다(230). 예를 들어, 블러가 제1 블러 타입으로 결정된 경우, 인식 장치는 제1 필터를 이용하는 블러 제거 방법을 선택할 수 있다. 제1 필터는 글로벌 블러를 제거하는 필터로서, 예를 들어, 모션 필터(motion filter)일 수 있다. 또는 블러가 제2 블러 타입으로 결정된 경우, 인식 장치는 제2 필터를 이용하는 블러 제어 방법을 선택할 수 있다. 제2 필터는 로컬 블러를 제거하는 필터로서, 예를 들어, 디-포커싱 필터(de-focusing filter)일 수 있다.
인식 장치는 선택된 블러 제거 방법을 이용하여 입력 영상에서 블러를 제거한다(240). 예를 들어, 제1 블러 타입인 경우에는 블러가 주로 수평 방향으로 움직임을 가지므로, 인식 장치는 1차원 기저 벡터(vector basis)인 모션 PSF(Point Spread Function)(컨볼루션 필터)를 사용하여 입력 영상에서 블러를 제거할 수 있다. 또는 제2 블러 타입인 경우에는 블러가 수평 방향 및 수직 방향으로 움직임을 가지므로, 인식 장치는 가우시안 PSF(컨볼루션 필터)를 이용하여 블러를 제거할 수 있다.
단계(240)에서, 인식 장치는 선택된 컨볼루션 필터를 이용하여 블러 제거를 위한 디-컨볼루션(de-convolution)을 수행할 수 있다. 인식 장치는 예를 들어, Wiener, Lucy, Regression, Blind 등과 같은 다양한 디-컨볼루션 방법들을 이용할 수 있다. 디-컨볼루션 방법은 예를 들어, 아래의 [수학식 1]과 같이 표현할 수 있다.
Figure 112018000740510-pat00001
여기서,
Figure 112018000740510-pat00002
는 이미지 도메인(Image domain)에서 디-컨볼루션된 이미지, 다시 말해 블러된 이미지(blurred image)를 나타내고,
Figure 112018000740510-pat00003
는 이미지 도메인에서의 컨볼루션 필터를 나타내며,
Figure 112018000740510-pat00004
는 이미지 도메인에서의 원본 영상을 나타낸다. G(U, V)는 푸리에 도메인(Fourier domain)에서 디-컨볼루션된 이미지(블러된 이미지)를 나타내고, H(U, V)는 푸리에 도메인에서의 컨볼루션 필터를, F(U, V)는 푸리에 도메인에서의 원본 영상을 나타낸다.
인식 장치는 블러가 제거된 입력 영상을 이용하여 입력 영상에 포함된 객체를 인식한다(250). 이때, 인식 장치는 예를 들어, 보행자, 차량, 차선, 신호등 등과 같은 객체를 인식하도록 미리 학습된 컨볼루션 신경망(Convolution Neural Network; CNN), 심층 신경망(Deep Neural Network; DNN), 서포트 벡터 머신(Support Vector Machine) 등을 이용하여 블러가 제거된 입력 영상으로부터 객체를 인식할 수 있다. 컨볼루션 신경망은 예를 들어, (블러가 제거된) 입력 영상에서 검출하고자 하는 객체에 대응하는 바운딩 박스와 검출하고자 하는 객체의 종류 등이 함께 판별 되도록 학습된 것일 수 있다.
도 3은 일 실시예에 따라 블러의 발생 여부를 판단하는 방법을 나타낸 흐름도이다. 도 3을 참조하면, 일 실시예에 따른 인식 장치는 입력 영상을 부분 영상들로 분할할 수 있다(310). 인식 장치는 예를 들어, 입력 영상을 (높이/2, 폭/2)로 4등분된 4개의 부분 영상들로 분할 수 있다.
인식 장치는 부분 영상들 각각에 대응하는 그래디언트 매그니튜드(Gradient Magnitude) 값을 산출할 수 있다(320). 인식 장치는 4등분된 4개의 부분 영상들 각각에서 그래디언트 매그니튜드 X축, 및 Y축 값을 구할 수 있다. 인식 장치는 여기서 구한 값들을 내림차순으로 정렬 후, 정렬된 값들 중 상위 0.1%의 중앙값을 Blurriness measure로 정의할 수 있다. 이에 따라 8개의 Blurriness measure (각 사분면의 X축 값 및 Y축 값)가 정의될 수 있다.
인식 장치는 그래디언트 매그니튜드 값과 임계값 간의 비교 결과에 기초하여 블러의 발생 여부를 판단할 수 있다(330). 인식 장치는 예를 들어, 8개의 Blurriness measure (각 사분면의 X축 값 및 Y축 값) ≤ Th1_x, Th1_y, Th2_x, Th2_y, Th3_x, Th3_y, Th4_x, Th4_y 이면, 블러가 발생한 것으로 판단할 수 있다.
전술한 바와 같이, 글로벌 블러는 전체 화면에서 주로 수평 방향(X 축 방향)으로 회전하는 경우에 발생하고, 로컬 블러는 전체 화면의 사분면 중 일부에서만 발생하더라도 X 축 및 Y 축 모두에서 변화가 발생할 확률이 높다.
글로벌 블러와 로컬 블러의 이러한 성질을 모두 포함하려면, 8개 값들(각 사분면의 X축 값 및 Y 축 값)을 잘 조합한 한 개의 대표 Blurriness measure 가 임계치(Threshod) 이하이면, 글로벌 블러와 로컬 블러가 발생한 것으로 판단할 수 있다. 후술하는 도 4는 이러한 8개 값들을 잘 조합한 한 개의 대표 Blurriness measure 값을 이용하여 블러의 블러 타입을 결정하는 방법을 설명한 것이다.
인식 장치는 8개의 Blurriness measure (각 사분면의 X축 값 및 Y축 값) > Th1_x, Th1_y, Th2_x, Th2_y, Th3_x, Th3_y, Th4_x, Th4_y 이면, 블러가 발생하지 않은 것으로 판단할 수 있다.
도 4는 일 실시예에 따라 블러의 블러 타입을 결정하는 방법을 설명하기 위한 도면이다. 도 4의 (a)는 예를 들어, 차량의 유턴 등에 의해 글로벌 블러가 발생하는 경우의 Blurriness measure 값 및 모션 센서에 의해 감지된 요 레이트(yaw rate) 및 속도(velocity)를 나타낸 그래프이다. 또한, 도 4의 (b)는 차량의 정차 시에 전방의 보행자의 움직임에 의해 로컬 블러가 발생하는 경우의 Blurriness measure 값 및 모션 센서에 의해 감지된 요 레이트 및 속도를 나타낸 그래프이다. 요 레이트는 예를 들어, 핸들의 조향 각도에 의해 차가 좌우로 흔들리는 정도를 나타낸다. 속도는 예를 들어, 유턴 시에 액셀레이터 또는 브레이크의 조작에 의해 발생하는 속도 변화를 나타낸다.
도 4의 (a)를 참조하면, Blurriness measure 값에 의해 입력 영상에서 블러가 발생한 블러 상태(Blur State)라고 판단된 경우에 모션 센서에 의해 감지된 요 레이트 및 속도에서 변화가 발생함을 볼 수 있다.
이와 달리, 도 4의 (b)를 참조하면, Blurriness measure 값에 의해 입력 영상에서 블러가 발생한 블러 상태라고 판단된 경우에 모션 센서에 의해 감지된 요 레이트 및 속도에서 변화가 발생하지 않음을 볼 수 있다.
일 실시예에서는 이러한 점을 이용하여 모션 센서의 측정 값(또는 차량의 제어 정보)를 이용하여 블러 타입을 결정할 수 있다. 예를 들어, 도 4의 (a)와 같이 블러 상태에서 모션 센서의 측정 값(모션 센서 데이터)에 변화가 발생한 경우, 인식 장치는 해당 블러를 글로벌 블러로 결정할 수 있다. 또한, 도 4의 (b)와 같이 블러 상태에서 모션 센서의 측정 값(모션 센서 데이터)에 변화가 발생하지 않은 경우, 인식 장치는 해당 블러를 로컬 블러로 결정할 수 있다.
도 5는 일 실시예에 따라 블러의 블러 타입을 결정하는 방법을 나타낸 흐름도이다. 도 5를 참조하면, 일 실시예에 따른 인식 장치는 차량의 조향 각도가 제1 임계값보다 크거나 같은지를 판단할 수 있다(510). 제1 임계값은 예를 들어, 20도일 수 있다. 단계(510)에서 차량의 조향 각도가 제1 임계값보다 작다고 판단되면, 인식 장치는 블러가 제2 블러 타입에 해당한다고 결정할 수 있다(540). 예를 들어, 조향 각도가 20도 이하인 경우, 차량은 유턴, 또는 좌우 회전 중이라기 보다는 직진 주행 중일 수 있다. 이러한 경우, 차량의 움직임에 의한 블러보다는 차량 전방의 객체의 움직임에 의한 블러가 발생할 수 있다. 인식 장치는 블러가 제2 타입 블러에 해당한다고 결정할 수 있다.
단계(510)에서 차량의 조향 각도가 제1 임계값보다 크거나 같다고 판단되면, 인식 장치는 차량의 속도가 제2 임계값보다 크거나 같은지를 판단할 수 있다(520). 제2 임계값은 15km/s 일 수 있다. 단계(520)에서 차량의 속도가 제2 임계값보다 작다고 판단되면, 인식 장치는 블러가 제2 타입 블러에 해당한다고 결정할 수 있다(540). 예를 들어, 차량은 유턴 또는 좌, 우 회전하지만, 그 회전 속도가 빠르지 않으므로 회전에 의한 좌우 방향의 움직임이 거의 발생하지 않을 수 있다. 이러한 경우, 인식 장치는 블러가 제2 타입 블러에 해당한다고 결정할 수 있다.
단계(520)에서 차량의 속도가 제2 임계값보다 크거나 같다고 판단되면, 인식 장치는 블러가 제1 타입 블러에 해당한다고 결정할 수 있다(530). 예를 들어, 차량이 유턴 또는 좌, 우 회전하고, 그 회전 속도가 빠른 경우에 회전에 의한 좌우 방향의 움직임이 발생할 수 있다. 이러한 경우, 인식 장치는 블러가 제1 타입 블러에 해당한다고 결정할 수 있다.
도 6은 다른 실시예에 따라 블러의 블러 타입을 결정하는 방법을 나타낸 흐름도이다. 도 6을 참조하면, 일 실시예에 따른 인식 장치는 차량의 조향 각도가 제1 임계값보다 크거나 같은지를 판단할 수 있다(610). 제1 임계값은 예를 들어, 20도일 수 있다.
단계(610)에서 차량의 조향 각도가 제1 임계값보다 작다고 판단되면, 인식 장치는 차량의 좌, 우 방향 지시등이 사용되었는지를 판단할 수 있다(640). 단계(640)에서 좌, 우 방향 지시등이 사용되지 않았다고 판단되면, 인식 장치는 블러가 제2 블러 타입에 해당한다고 결정할 수 있다(650). 예를 들어, 조향 각도가 20도 이하이고, 방향 지시등 또한 사용되지 않은 경우라면 차량은 유턴, 또는 좌우 회전이 아닌 직진 주행 또는 정지 상태일 수 있다. 이러한 경우, 인식 장치는 블러가 제2 타입 블러에 해당한다고 결정할 수 있다.
단계(640)에서 좌, 우 방향 지시등이 사용되었다고 판단되면, 인식 장치는 차량의 속도가 제2 임계값보다 크거나 같은지를 판단할 수 있다(620). 제2 임계값은 15km/s 일 수 있다.
단계(620)에서 차량의 속도가 제2 임계값보다 작다고 판단되면, 인식 장치는 블러가 제2 타입 블러에 해당한다고 결정할 수 있다(650). 예를 들어, 차량은 유턴 또는 좌, 우 회전하지만, 그 회전 속도가 빠르지 않으므로 회전에 의한 좌우 방향의 움직임이 발생하지 않을 수 있다. 이러한 경우, 인식 장치는 블러가 제2 타입 블러에 해당한다고 결정할 수 있다. 단계(620)에서 차량의 속도가 제2 임계값보다 크거나 같다고 판단되면, 인식 장치는 블러가 제1 타입 블러에 해당한다고 결정할 수 있다(630). 예를 들어, 차량이 유턴 또는 좌, 우 회전하고, 그 회전 속도가 빠른 경우, 회전에 의한 좌우 방향의 움직임이 발생하므로 인식 장치는 블러가 제1 블러 타입에 해당한다고 결정할 수 있다.
단계(610)에서 차량의 조향 각도가 제1 임계값보다 크거나 같다고 판단되면, 인식 장치는 차량의 속도가 제2 임계값보다 크거나 같은지를 판단할 수 있다(620). 단계(620)에서 차량의 속도가 제2 임계값보다 작다고 판단되면, 인식 장치는 블러가 제2 타입 블러에 해당한다고 결정할 수 있다(650). 단계(620)에서 차량의 속도가 제2 임계값보다 크거나 같다고 판단되면, 인식 장치는 블러가 제1 타입 블러에 해당한다고 결정할 수 있다(630).
도 7은 다른 실시예에 따른 객체를 인식하는 방법을 나타낸 흐름도이다. 도 7을 참조하면, 일 실시예에 따른 인식 장치는 카메라 또는 이미지 센서로부터 입력 영상을 획득할 수 있다(710). 이와 함께 인식 장치는 감지 센서로부터 차량의 제어 정보를 획득할 수 있다(730). 인식 장치는 예를 들어, 입력 영상이 획득된 시점에 대응하는 차량의 제어 정보를 획득할 수 있다. 도 7의 실시예에서는 입력 영상의 획득 이후에 차량의 제어 정보를 획득하는 것으로 기재하였으나, 차량의 제어 정보를 획득하는 시점이 반드시 이에 한정되는 것은 아니다.
인식 장치는 입력 영상에서 블러 검출(발생) 여부를 판단할 수 있다(720). 단계(720)에서 블러가 검출되지 않았다고 판단되면, 인식 장치는 입력 영상으로부터 객체를 검출 및 인식할 수 있다(780).
단계(720)에서 블러가 검출되었다고 판단되면, 인식 장치는 단계(730)에서 획득한 차량의 제어 정보를 이용하여 블러 타입을 결정할 수 있다(740).
인식 장치는 결정된 블러 타입이 제1 블러 타입인지를 판단할 수 있다(750). 단계(750)에서 블러 타입이 제1 블러 타입이라고 판단되면, 인식 장치는 모션 필터를 이용하여 입력 영상으로부터 블러를 제거할 수 있다(760).
단계(750)에서 블러 타입이 제1 블러 타입이 아니라고 판단되면(다시 말해 제2 블러 타입이라면), 인식 장치는 디포커싱 필터를 이용하여 입력 영상으로부터 블러를 제거할 수 있다(770).
인식 장치는 블러가 제거된 입력 영상으로부터 객체를 검출 및 인식할 수 있다(780).
도 8은 다른 실시예에 따른 객체를 인식하는 방법을 나타낸 흐름도이다. 도 8을 참조하면, 일 실시예에 따른 인식 장치는 조도 센서를 이용하여 입력 영상이 획득된 시점의 조도를 획득할 수 있다(810). 인식 장치는 입력 영상이 획득된 시점의 조도에 기초하여, 블러의 발생 여부를 판단할 수 있다. 보다 구체적으로, 인식 장치는 입력 영상이 획득된 시점의 조도가 조도 임계치 보다 작은지를 판단할 수 있다(820). 조도 임계치는 예를 들어, 10 룩스(Lux)일 수 있다. 실시예에 따라서, 인식 장치는 조도가 낮은 야간 또는 매우 흐린 날에 촬영된 입력 영상에 대하여 전술한 객체를 인식하는 방법을 적용할 수 있다. 인식 장치는 입력 영상이 획득된 시점의 조도를 조도 임계치와 비교함으로써 입력 영상이 야간 또는 매우 흐린 날에 획득된 영상인지를 판단할 수 있다. 단계(820)에서 조도가 조도 임계치보다 크거가 같다고 판단되면, 인식 장치는 동작을 종료할 수 있다.
단계(820)에서 조도가 조도 임계치보다 작다면 판단되면, 인식 장치는 블러의 발생 여부를 판단할 수 있다(830). 이하, 단계(830) 내지 단계(870)의 과정은 도 2의 단계(210) 내지 단계(250)의 과정과 동일하므로 해당 부분의 설명을 참고하기로 한다.
도 9는 일 실시예에 따른 객체를 인식하는 장치의 블록도이다. 도 9를 참조하면, 일 실시예에 따른 인식 장치(900)는 프로세서(920)를 포함한다. 인식 장치(900)는 센서들(910), 메모리(930), 통신 인터페이스(940), 및 디스플레이 장치(950)를 더 포함할 수 있다.
센서들(910), 프로세서(920), 메모리(930), 통신 인터페이스(940), 및 디스플레이 장치(950)는 통신 버스(905)를 통해 서로 통신할 수 있다. 센서들(910)은 예를 들어, 이미지 센서, 가속도계 센서, 주행 기록계, 자이로 센서, 라이다, 레이더, IMU 센서 등을 포함할 수 있다. 센서들(910)은 차량의 제어 정보를 감지 또는 획득할 수 있다. 차량의 제어 정보는 예를 들어, 차량의 조향 각도, 차량의 속도, 차량의 좌,우 방향 지시등 사용 여부 등을 포함할 수 있다. 센서들(910)은 조도 센서를 더 포함할 수 있다. 조도 센서는 입력 영상이 획득된 시점의 조도를 획득할 수 있다.
인식 장치(900)는 통신 인터페이스(940)를 통해 센서들(910)의 센싱 정보를 수신할 수 있다. 실시예에 따라서, 통신 인터페이스(940)는 인식 장치(900)의 외부로부터 입력 영상 및 센싱 정보 등을 수신할 수 있다.
프로세서(920)는 입력 영상에서 블러의 발생 여부를 판단한다. 프로세서(920)는 블러의 발생 여부를 기초로, 차량의 제어 정보를 이용하여 블러의 블러 타입을 결정한다. 프로세서(920)는 차량의 제어 정보를 이용하여 블러가 제1 블러 타입과 제2 블러 타입 중 어느 블러 타입에 해당하는지를 결정할 수 있다.
프로세서(920)는 결정된 블러 타입에 대응하는 블러 제거 방법을 선택하고, 선택된 블러 제거 방법을 이용하여 입력 영상에서 블러를 제거한다. 프로세서(920)는 블러가 제거된 입력 영상을 이용하여 입력 영상에 포함된 객체를 인식한다.
프로세서(920)는 입력 영상의 에지 부분에 대한 선명도에 기초하여 블러의 발생 여부를 판단할 수 있다. 프로세서(920)는 입력 영상을 부분 영상들로 분할하고, 부분 영상들 각각에 대응하는 그래디언트 매그니튜드 값을 산출할 수 있다. 프로세서(920)는 그래디언트 매그니튜드 값과 임계값 간의 비교 결과에 기초하여 블러의 발생 여부를 판단할 수 있다.
프로세서(920)는 예를 들어, 차량의 조향 각도가 제1 임계값보다 크거나 같은지 여부, 차량의 속도가 제2 임계값보다 크거나 같은지 여부, 및 차량의 좌,우 방향 지시등이 사용되었는지 여부 중 어느 하나 또는 이들의 조합에 기초하여 블러의 블러 타입을 결정할 수 있다. 프로세서(920)는 블러가 제1 블러 타입으로 결정된 경우, 제1 필터를 이용하는 블러 제거 방법을 선택하고, 블러가 제2 블러 타입으로 결정된 경우, 제2 필터를 이용하는 블러 제어 방법을 선택할 수 있다.
프로세서(920)는 입력 영상이 획득된 시점의 조도에 기초하여, 블러의 발생 여부를 판단할 수 있다.
또한, 프로세서(920)는 도 1 내지 도 8을 통해 전술한 적어도 하나의 방법 또는 적어도 하나의 방법에 대응되는 알고리즘을 수행할 수 있다 프로세서(920)는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다. 예를 들어, 하드웨어로 구현된 데이터 처리 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array)를 포함할 수 있다. 프로세서(920)는 프로그램을 실행하고, 인식 장치(900)를 제어할 수 있다. 프로세서(920)에 의하여 실행되는 프로그램 코드는 메모리(930)에 저장될 수 있다.
메모리(930)는 이미지 센서를 통해 획득된 입력 영상을 저장할 수 있다. 또한, 메모리(930)는 프로세서(920)에 의해 블러가 처리된 입력 영상 및/또는 블러가 처리된 입력 영상으로부터 인식된 객체를 저장할 수 있다. 메모리(930)는 상술한 프로세서(920)에서의 처리 과정에서 생성되는 다양한 정보들을 저장할 수 있다. 이 밖에도, 메모리(930)는 각종 데이터와 프로그램 등을 저장할 수 있다. 메모리(930)는 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(930)는 하드 디스크 등과 같은 대용량 저장 매체를 구비하여 각종 데이터를 저장할 수 있다.
디스플레이 장치(950)는 프로세서(920)에 의해 블러가 처리된 입력 영상 및/또는 블러가 처리된 입력 영상으로부터 인식된 객체를 표시할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 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 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 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 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
　이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
900: 인식 장치
905: 통신 버스
910: 센서들
920: 프로세서
930: 메모리
940: 통신 인터페이스
950: 디스플레이 장치

Claims (17)

  1. 차량에 의해 캡쳐된 입력 영상에서 블러(blur)의 발생 여부를 판단하는 단계;
    상기 블러의 발생 여부를 기초로, 상기 차량의 회전을 나타내는 제어 정보를 이용하여 상기 블러의 블러 타입을 결정하는 단계;
    상기 결정된 블러 타입에 대응하는 블러 제거(de-blur) 방법을 선택하는 단계;
    상기 선택된 블러 제거 방법을 이용하여 상기 입력 영상에서 상기 블러를 제거하는 단계; 및
    상기 블러가 제거된 입력 영상을 이용하여 상기 입력 영상에 포함된 객체를 인식하는 단계
    를 포함하는, 객체를 인식하는 방법.
  2. 제1항에 있어서,
    상기 블러의 발생 여부를 판단하는 단계는
    상기 입력 영상의 에지(edge) 부분에 대한 선명도에 기초하여 상기 블러의 발생 여부를 판단하는 단계
    를 포함하는, 객체를 인식하는 방법.
  3. 제1항에 있어서,
    상기 블러의 발생 여부를 판단하는 단계는
    상기 입력 영상을 부분 영상들로 분할하는 단계;
    상기 부분 영상들 각각에 대응하는 그래디언트 매그니튜드(Gradient Magnitude) 값을 산출하는 단계; 및
    상기 그래디언트 매그니튜드 값과 임계값 간의 비교 결과에 기초하여 상기 블러의 발생 여부를 판단하는 단계
    를 포함하는, 객체를 인식하는 방법.
  4. 삭제
  5. 제1항에 있어서,
    상기 블러 타입을 결정하는 단계는
    상기 차량의 조향 각도가 제1 임계값보다 크거나 같은지 여부, 및 상기 차량의 좌,우 방향 지시등이 사용되었는지 여부 중 어느 하나 또는 이들의 조합에 기초하여, 상기 블러가 제1 블러 타입과 제2 블러 타입 중 어느 블러 타입에 해당하는지를 결정하는 단계
    를 포함하는, 객체를 인식하는 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 블러 제거 방법을 선택하는 단계는
    상기 블러가 제1 블러 타입으로 결정된 경우, 제1 필터를 이용하는 블러 제거 방법을 선택하는 단계; 및
    상기 블러가 제2 블러 타입으로 결정된 경우, 제2 필터를 이용하는 블러 제어 방법을 선택하는 단계
    를 포함하는, 객체를 인식하는 방법.
  8. 삭제
  9. 삭제
  10. 차량에 의해 캡쳐된 입력 영상에서 블러의 발생 여부를 판단하고, 상기 블러의 발생 여부를 기초로, 상기 차량의 회전을 나타내는 제어 정보를 이용하여 상기 블러의 블러 타입을 결정하고, 상기 결정된 블러 타입에 대응하는 블러 제거 방법을 선택하고, 상기 선택된 블러 제거 방법을 이용하여 상기 입력 영상에서 상기 블러를 제거하며, 상기 블러가 제거된 입력 영상을 이용하여 상기 입력 영상에 포함된 객체를 인식하는 프로세서
    를 포함하는, 객체를 인식하는 장치.
  11. 제10항에 있어서,
    상기 프로세서는
    상기 입력 영상의 에지 부분에 대한 선명도에 기초하여 상기 블러의 발생 여부를 판단하는, 객체를 인식하는 장치.
  12. 제10항에 있어서,
    상기 프로세서는
    상기 입력 영상을 부분 영상들로 분할하고, 상기 부분 영상들 각각에 대응하는 그래디언트 매그니튜드 값을 산출하며, 상기 그래디언트 매그니튜드 값과 임계값 간의 비교 결과에 기초하여 상기 블러의 발생 여부를 판단하는, 객체를 인식하는 장치.
  13. 삭제
  14. 제10항에 있어서,
    상기 프로세서는
    상기 차량의 조향 각도가 제1 임계값보다 크거나 같은지 여부, 및 상기 차량의 좌,우 방향 지시등이 사용되었는지 여부 중 어느 하나 또는 이들의 조합에 기초하여, 상기 블러의 블러 타입을 결정하는, 객체를 인식하는 장치.
  15. 삭제
  16. 삭제
  17. 제10항에 있어서,
    상기 입력 영상이 획득된 시점의 조도를 획득하는 조도 센서
    를 더 포함하고,
    상기 프로세서는
    상기 입력 영상이 획득된 시점의 조도에 기초하여, 상기 블러의 발생 여부를 판단하는, 객체를 인식하는 장치.
KR1020180000622A 2018-01-03 2018-01-03 객체를 인식하는 방법 및 장치 KR102521656B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020180000622A KR102521656B1 (ko) 2018-01-03 2018-01-03 객체를 인식하는 방법 및 장치
US16/163,707 US10936851B2 (en) 2018-01-03 2018-10-18 Method and apparatus for recognizing object

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180000622A KR102521656B1 (ko) 2018-01-03 2018-01-03 객체를 인식하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20190095567A KR20190095567A (ko) 2019-08-16
KR102521656B1 true KR102521656B1 (ko) 2023-04-13

Family

ID=67059725

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180000622A KR102521656B1 (ko) 2018-01-03 2018-01-03 객체를 인식하는 방법 및 장치

Country Status (2)

Country Link
US (1) US10936851B2 (ko)
KR (1) KR102521656B1 (ko)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112492293A (zh) * 2019-08-22 2021-03-12 北京奇虎科技有限公司 图像模糊诊断方法、装置及安防中控设备
CN110706176A (zh) * 2019-09-29 2020-01-17 Tcl移动通信科技（宁波）有限公司 录像的静态处理方法、装置及计算机可读存储介质
US11127119B1 (en) * 2020-03-17 2021-09-21 GM Global Technology Operations LLC Systems and methods for image deblurring in a vehicle
US11798139B2 (en) * 2020-11-17 2023-10-24 GM Global Technology Operations LLC Noise-adaptive non-blind image deblurring
JP2023083067A (ja) * 2021-12-03 2023-06-15 キヤノン株式会社 画像処理装置、撮像装置、画像処理装置の制御方法およびプログラム
KR102593677B1 (ko) * 2022-06-28 2023-10-25 주식회사 포딕스시스템 객체 검출 이미지 전처리 장치 및 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070008182A1 (en) * 2005-06-08 2007-01-11 Denso Corporation Image processing device for vehicle
US20160048952A1 (en) * 2014-08-15 2016-02-18 Nikon Corporation Algorithm and device for image processing
US20160100160A1 (en) * 2014-10-02 2016-04-07 Vivotek Inc. Blurry image detecting method and related camera and image processing system

Family Cites Families (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101118317B (zh) 2002-02-27 2010-11-03 Cdm光学有限公司 波前编码成像系统的优化图像处理
WO2004001667A2 (en) * 2002-06-21 2003-12-31 The Trustees Of Columbia University In The City Of New York Systems and methods for de-blurring motion blurred images
EP1605402A2 (en) 2004-06-10 2005-12-14 Sony Corporation Image processing device and method, recording medium, and program for blur correction
US20060271286A1 (en) * 2005-05-27 2006-11-30 Outland Research, Llc Image-enhanced vehicle navigation systems and methods
JP2007293494A (ja) 2006-04-24 2007-11-08 Denso Corp 車両制御装置
US20080137982A1 (en) 2006-12-06 2008-06-12 Ayahiro Nakajima Blurring determination device, blurring determination method and printing apparatus
ATE519193T1 (de) 2006-12-06 2011-08-15 Mobileye Technologies Ltd Detektion und erkennung von verkehrszeichen
JP4458151B2 (ja) 2007-11-06 2010-04-28 ソニー株式会社 自動撮像装置、自動撮像制御方法、画像表示システム、画像表示方法、表示制御装置、表示制御方法
TWI381719B (zh) 2008-02-18 2013-01-01 Univ Nat Taiwan 穩定全幅式視訊之方法
JP4960907B2 (ja) 2008-03-11 2012-06-27 富士フイルム株式会社 撮影装置および撮影方法
US20110044554A1 (en) 2009-08-21 2011-02-24 Konica Minolta Systems Laboratory, Inc. Adaptive deblurring for camera-based document image processing
JP5421999B2 (ja) * 2009-10-09 2014-02-19 パナソニック株式会社 車両用周囲監視装置
KR101094304B1 (ko) 2010-02-23 2011-12-19 삼성모바일디스플레이주식회사 표시 장치 및 그의 영상 처리 방법
US8827514B2 (en) 2010-08-06 2014-09-09 Toyota Jidosha Kabushiki Kaisha Vehicle light distribution control apparatus and method
US8830360B1 (en) 2010-08-25 2014-09-09 Sri International Method and apparatus for optimizing image quality based on scene content
US9043129B2 (en) 2010-10-05 2015-05-26 Deere & Company Method for governing a speed of an autonomous vehicle
WO2012077367A1 (ja) * 2010-12-08 2012-06-14 トヨタ自動車株式会社 車両用情報伝達装置
WO2012077202A1 (ja) * 2010-12-08 2012-06-14 トヨタ自動車株式会社 車両用情報伝達装置
US9030528B2 (en) 2011-04-04 2015-05-12 Apple Inc. Multi-zone imaging sensor and lens array
US9035796B2 (en) 2011-11-07 2015-05-19 Ford Global Technologies Reduce speed ahead information delivery
WO2013107037A1 (en) 2012-01-20 2013-07-25 Thomson Licensing Blur measurement
US9143687B2 (en) * 2012-03-14 2015-09-22 University Of Dayton Method of analyzing motion blur using double discrete wavelet transform
US9221461B2 (en) 2012-09-05 2015-12-29 Google Inc. Construction zone detection using a plurality of information sources
JP6105880B2 (ja) 2012-09-11 2017-03-29 キヤノン株式会社 撮像装置およびその制御方法
EP2775448A1 (en) * 2013-03-06 2014-09-10 Thomson Licensing Deblurring of an image from a sequence of images
KR101787996B1 (ko) 2013-04-11 2017-10-19 주식회사 만도 차선 추정 장치 및 그 방법
US9230473B2 (en) 2013-06-24 2016-01-05 Microsoft Technology Licensing, Llc Dual duty cycle OLED to enable dynamic control for reduced motion blur control with constant brightness in augmented reality experiences
KR102072014B1 (ko) 2013-09-16 2020-01-31 에스케이 텔레콤주식회사 영상 흔들림 보정을 이용한 영상 안정화 장치 및 방법
US9365214B2 (en) 2014-01-30 2016-06-14 Mobileye Vision Technologies Ltd. Systems and methods for determining the status of a turn lane traffic light
KR101631439B1 (ko) 2014-05-29 2016-06-17 엘지전자 주식회사 카메라, 및 이를 구비한 차량
KR101437920B1 (ko) 2014-07-04 2014-11-04 세안기술 주식회사 카메라 이미지를 이용한 진동변위 측정 시 카메라 흔들림 보정방법
US9892296B2 (en) * 2014-11-12 2018-02-13 Joseph E. Kovarik Method and system for autonomous vehicles
US20160255323A1 (en) * 2015-02-26 2016-09-01 Dual Aperture International Co. Ltd. Multi-Aperture Depth Map Using Blur Kernels and Down-Sampling
JP6649178B2 (ja) * 2016-05-24 2020-02-19 株式会社東芝 情報処理装置、および、情報処理方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070008182A1 (en) * 2005-06-08 2007-01-11 Denso Corporation Image processing device for vehicle
US20160048952A1 (en) * 2014-08-15 2016-02-18 Nikon Corporation Algorithm and device for image processing
US20160100160A1 (en) * 2014-10-02 2016-04-07 Vivotek Inc. Blurry image detecting method and related camera and image processing system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
손휘곤 외 1명, Bilateral 필터의 Sigma 편차를 이용한 차량 영상 Deblur 알고리즘, 전기전자학회논문지, Vol.19 (2015.06.30.) 1부.*

Also Published As

Publication number Publication date
KR20190095567A (ko) 2019-08-16
US20190205614A1 (en) 2019-07-04
US10936851B2 (en) 2021-03-02

Similar Documents

Publication Publication Date Title
KR102521656B1 (ko) 객체를 인식하는 방법 및 장치
US20240286649A1 (en) Predicting and responding to cut in vehicles and altruistic responses
KR102541561B1 (ko) 차량의 주행을 위한 정보를 제공하는 방법 및 그 장치들
US9619719B2 (en) Systems and methods for detecting traffic signs
US9697430B2 (en) Method and apparatus for identifying road signs
US10402665B2 (en) Systems and methods for detecting traffic signs
US9569673B2 (en) Method and device for detecting a position of a vehicle on a lane
Negru et al. Image based fog detection and visibility estimation for driving assistance systems
JP6045889B2 (ja) 車載用制御装置
JP6358552B2 (ja) 画像認識装置および画像認識方法
EP2928182B1 (en) Onboard image processing system
CN111091037B (zh) 用于确定驾驶信息的方法和设备
KR102519662B1 (ko) 영상 획득 방법 및 영상 획득 장치
KR102564856B1 (ko) 차선을 검출하는 방법 및 장치
CN105049784A (zh) 用于基于图像的视距估计的方法和设备
EP3545464A1 (en) Information processing device, imaging device, equipment control system, mobile object, information processing method, and computer-readable recording medium
US20180012068A1 (en) Moving object detection device, image processing device, moving object detection method, and integrated circuit
JP7498364B2 (ja) 雨、侵入光および汚れがある場合のカメラの画像の補正
JP7195200B2 (ja) 車載装置、車載システムおよび周辺監視方法
JP2018073275A (ja) 画像認識装置
EP3410345A1 (en) Information processing apparatus and non-transitory recording medium storing thereon a computer program
Cario et al. Lane detection and tracking problems in lane departure warning systems
JP6718025B2 (ja) 車両周辺の小物体領域を識別する装置及び方法
CN114973208B (zh) 车辆盲区监测预警方法及相关设备
KR101759270B1 (ko) 차량 후보 검출 장치 및 그 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant