KR102534031B1 - 도로 기호 및 문자 추출방법 - Google Patents

도로 기호 및 문자 추출방법 Download PDF

Info

Publication number
KR102534031B1
KR102534031B1 KR1020210009542A KR20210009542A KR102534031B1 KR 102534031 B1 KR102534031 B1 KR 102534031B1 KR 1020210009542 A KR1020210009542 A KR 1020210009542A KR 20210009542 A KR20210009542 A KR 20210009542A KR 102534031 B1 KR102534031 B1 KR 102534031B1
Authority
KR
South Korea
Prior art keywords
data
cluster
processing unit
symbol
noise
Prior art date
Application number
KR1020210009542A
Other languages
English (en)
Other versions
KR20220106894A (ko
Inventor
박동일
김재웅
최경민
따룬
Original Assignee
주식회사 드림티엔에스
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 주식회사 드림티엔에스 filed Critical 주식회사 드림티엔에스
Priority to KR1020210009542A priority Critical patent/KR102534031B1/ko
Publication of KR20220106894A publication Critical patent/KR20220106894A/ko
Application granted granted Critical
Publication of KR102534031B1 publication Critical patent/KR102534031B1/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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/483—Details of pulse systems
    • G01S7/486—Receivers
    • G01S7/487—Extracting wanted echo signals, e.g. pulse detection
    • G01S7/4876—Extracting wanted echo signals, e.g. pulse detection by removing unwanted signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06T5/002—
    • G06T5/005—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)

Abstract

본 발명의 일 실시예에 따른 도로 기호 및 문자 추출방법은, 데이터 처리부(20)가 데이터 획득부(10)로부터 추출한 이동 궤적 데이터상에 기호 및 문자 추출경로(100)를 설정하는 제1 단계(S10); 상기 데이터 처리부(20)가 상기 기호 및 문자 추출경로(100)에 따른 상기 데이터 획득부(10)의 스캔 데이터(205)로부터 제1 클러스터 데이터 그룹(200)을 생성하고, 제1, 2, 3, 4 노이즈 클러스터(201, 202, 203, 204)와 노이즈 데이터인 중앙선(400), 차선(500) 및 경계선(600)을 제거하는 제2 단계(S20); 상기 데이터 처리부(20)가 상기 제1 클러스터 데이터 그룹(200)으로부터 기호(700) 및 문자(800)의 그룹화를 통해 제2 클러스터 데이터 그룹(300)을 생성하는 제3 단계(S30); 상기 데이터 처리부(20)가 상기 제2 클러스터 데이터 그룹(300)의 기호(700) 및 문자(800)에 대한 이미지(900)를 생성하는 제4 단계(S40); 상기 데이터 처리부(20)가 상기 이미지(900)로부터 기호(700) 및 문자(800)를 추출하는 제5 단계(S50); 및 상기 데이터 처리부(20)가 상기 이미지(900)로부터 추출된 상기 기호(700) 및 문자(800)와, 상기 기호(700) 및 문자(800)의 위치 데이터를 정밀도로지도 제작에 사용가능한 포맷으로 변환하는 제6 단계(S60);를 포함할 수 있다.

Description

도로 기호 및 문자 추출방법{Method of road symbol and text extraction}
본 발명은 도로 기호 및 문자 추출방법에 관한 것으로, 보다 상세하게는 모바일 맵핑 시스템(Mobile Mapping System, MMS)의 장비가 수집한 데이터로부터 색상 값 및 인텐시티 값을 적용하여 정밀도로지도(HD map)의 제작에 사용가능한 도로면의 기호 및 문자를 추출할 수 있는 도로 기호 및 문자 추출방법에 관한 것이다.
차량의 무인자율화(자율주행차량)는 크게 주위 환경을 인식하는 단계와, 인식된 환경으로부터 주행경로를 계획하는 단계, 그리고 계획된 경로를 따라 주행하는 단계로 구성될 수 있다.
이러한 차량 주변의 환경에 대한 인식 기술은, 자율주행차량이 주행을 목표로 하는 대상환경에 따라 달라지게 되는데, 특히, 기존의 유인차량이 주행하도록 설계 및 시공된 도로환경에서 자율주행을 하기 위해서는, 도로에 존재하는 다양한 규칙을 인식하는 기술이 필수적으로 요구될 수 있다.
또한, 도로에 존재하는 다양한 규칙인 도로면의 기호 및 문자를 검출하는 기술을 구현하는데 여러 문제점이 있다. 통상적으로 도로면의 정보를 흰색, 노란색 등의 제한된 색상으로만 도포하며, 도로면의 정보는 날씨 상황 및 조명의 세기, 차선과 유사한 색을 갖는 차량 등으로 인하여 일률적으로 판단할 수 없는 문제가 있다. 특히, 자율주행차량이 변화하는 도로면의 기호 및 문자에 즉각적으로 대응하려면, 자율주행의 차량을 위한 정밀도로지도에 자율주행차량이 정확히 인식할 수 있게 처리된 도로면의 기호 및 문자에 대한 정보가 반영될 필요가 있다.
한국등록특허 제10-1992398호(2019.06.18. 등록)
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 모바일 맵핑 시스템의 장비가 수집한 데이터로부터 색상 값 및 인텐시티 값을 적용하여 정밀도로지도의 제작에 사용가능한 도로면의 기호 및 문자를 추출할 수 있는 도로 기호 및 문자 추출방법을 제공하는데 목적이 있다.
또한, 본 발명은 도로면의 기호 및 문자를 추출을 통해 종래에 수작업으로 이루어진 정밀도로지도의 제작과정을 자동화시키는데 목적이 있다.
다만, 본 발명에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 기술적 방법으로서, 본 발명의 일 실시예에 따른 도로 기호 및 문자 추출방법은, 데이터 처리부(20)가 데이터 획득부(10)로부터 추출한 이동 궤적 데이터상에 기호 및 문자 추출경로(100)를 설정하는 제1 단계(S10); 상기 데이터 처리부(20)가 상기 기호 및 문자 추출경로(100)에 따른 상기 데이터 획득부(10)의 스캔 데이터(205)로부터 제1 클러스터 데이터 그룹(200)을 생성하고, 제1, 2, 3, 4 노이즈 클러스터(201, 202, 203, 204)와 노이즈 데이터인 중앙선(400), 차선(500) 및 경계선(600)을 제거하는 제2 단계(S20); 상기 데이터 처리부(20)가 상기 제1 클러스터 데이터 그룹(200)으로부터 기호(700) 및 문자(800)의 그룹화를 통해 제2 클러스터 데이터 그룹(300)을 생성하는 제3 단계(S30); 상기 데이터 처리부(20)가 상기 제2 클러스터 데이터 그룹(300)의 기호(700) 및 문자(800)에 대한 이미지(900)를 생성하는 제4 단계(S40); 상기 데이터 처리부(20)가 상기 이미지(900)로부터 기호(700) 및 문자(800)를 추출하는 제5 단계(S50); 및 상기 데이터 처리부(20)가 상기 이미지(900)로부터 추출된 상기 기호(700) 및 문자(800)와, 상기 기호(700) 및 문자(800)의 위치 데이터를 정밀도로지도 제작에 사용가능한 포맷으로 변환하는 제6 단계(S60);를 포함할 수 있다.
또한, 상기 제1 단계(S10)는, 상기 데이터 처리부(20)가 관성측정유닛(11)으로부터 이동 궤적 데이터를 추출하는 단계(S11); 상기 데이터 처리부(20)가 상기 이동 궤적 데이터에 포함되는 LiDAR 스캐너(12)의 이동경로와 높이 값을 이용하여 LiDAR 스캐너(12)의 현재 위치, 이동방향 및 이동경로를 취득하는 단계(S12); 및 상기 데이터 처리부(20)가 상기 LiDAR 스캐너(12)의 이동경로를 따라 상기 기호 및 문자 추출경로(100)를 설정하는 단계(S13);를 포함할 수 있다.
그리고 상기 제2 단계(S20)는, 상기 데이터 처리부(20)가 상기 기호 및 문자 추출경로(100)에 따른 LiDaR 스캐너(12)의 스캔 데이터(205)를 취득하는 단계(S21); 상기 데이터 처리부(20)가 기설정되는 색상 값과 인텐시티 값의 범위 외 데이터를 상기 스캔 데이터(205)로부터 제거하여(S22), 상기 제1 클러스터 데이터 그룹(200)를 생성하는 단계(S23); 상기 데이터 처리부(20)가 상기 제1 클러스터 데이터 그룹(200)으로부터 상기 제1, 2, 3, 4 노이즈 클러스터(201, 202, 203, 204)를 순차적으로 제거하는 단계(S24); 및 상기 데이터 처리부(20)가 상기 제1 클러스터 데이터 그룹(200)으로부터 인식되는 상기 중앙선(400), 차선(500) 및 경계선(600)을 제거하는 단계(S25);를 포함할 수 있다.
또한, 상기 제1 노이즈 클러스터(201)는, 상기 색상 값의 범위에 포함된 제1 색 또는 제2 색의 계열이면서 상기 인텐시티 값에 포함된 기설정된 범위의 반사 값이되, 점선 형태의 포인트가 상기 제1 클러스터 데이터 그룹(200)의 평균과 대비하여 극히 적거나 많은 노이즈 데이터일 수 있다.
그리고 상기 제2 노이즈 클러스터(202)는, 상기 데이터 처리부(20)의 피팅 알고리즘을 기반으로 평면 피팅시킨 상기 제1 클러스터 데이터 그룹(200) 중 기설정된 공차 범위 내에 80 % 이상 포함되지 않는 노이즈 데이터일 수 있다.
또한, 상기 제3 노이즈 클러스터(203)는, 상기 데이터 처리부(20)에 의해 상기 제2 노이즈 클러스터(202)가 제거된 제1 클러스터 데이터 그룹(200)의 평면 피팅 데이터의 법선방향과 궤적 진행방향의 각도 값에 따른 좌표계로부터 Z축 방향으로 수직하는 노이즈 데이터일 수 있다.
그리고 상기 제4 노이즈 클러스터(204)는, 상기 데이터 처리부(20)에 의해 상기 제3 노이즈 클러스터(203)가 제거된 제1 클러스터 데이터 그룹(200)의 평균 높이 값 및 LiDAR 스캐너(12)의 높이 값을 이용하여 검출되는 도로면의 높이 값과 높이 값이 다른 노이즈 데이터일 수 있다.
또한, 상기 데이터 처리부(20)는, 상기 제1, 2, 3, 4 노이즈 클러스터(201, 202, 203, 204)가 제거된 제1 클러스터 데이터 그룹(200)을 도로면의 높이 값의 평면에 투영시키고, 상기 제1 클러스터 데이터 그룹(200)에 포함된 클러스터 데이터의 포인트를 반전시켜 2차원 포인트로 변환한 후, MBR(Minimum Bounding Rectangle) 계산법을 적용하여 상기 클러스터 데이터를 직사각형의 형태로 추출하며, 상기 클러스터 데이터의 직사각형 축 중 가장 긴 축의 벡터를 도로면의 진행방향으로 설정하고, 상기 도로면의 진행방향 전, 후의 클러스터 데이터 중 직사각형의 형태로 반복 추출되는 클러스터 데이터를 상기 중앙선(400), 차선(500) 및 경계선(600)으로 인식한 후 제거할 수 있다.
그리고 상기 데이터 처리부(20)는, 상기 색상 값의 범위에 포함된 제1 색 계열의 포인트로 이루어지는 차선 클러스터를 상기 중앙선(400)으로 인식하고, 상기 색상 값의 범위에 포함된 제2 색 계열의 포인트로 이루어지는 차선 클러스터를 상기 차선(500)으로 인식할 수 있다.
또한, 상기 제3 단계(S30)는, 상기 데이터 처리부(20)가 상기 기호(700)의 클러스터 포인트 간 거리와, 상기 문자(800)의 클러스터 포인트 간 거리를 계산하는 단계(S31); 상기 데이터 처리부(20)가 상기 기호(700) 및 문자(800)의 클러스터 포인트 간 거리가 기설정된 공차 범위 내인지 판단하는 단계(S32); 및 상기 데이터 처리부(20)가 상기 공차 범위 밖의 기호(700) 또는 문자(800)를 서로 다른 그룹의 기호(700) 또는 문자(800)로 판단하거나(S33), 상기 공차 범위 이내의 기호(700) 또는 문자(800)를 동일 그룹의 기호(700) 또는 문자(800)로 판단하는 단계(S34);를 포함할 수 있다.
그리고 상기 제5 단계(S50)는, 상기 데이터 처리부(20)가 OCR 알고리즘 및 딥러닝 기술을 적용하여 상기 이미지(900)가 생성될 때마다 상기 이미지(900)로부터 기호(700) 및 문자(800)를 추출할 수 있다.
본 발명에 따르면, 색상 값 및 인텐시티 값을 적용하여 정밀도로지도의 제작에 사용가능한 도로면의 기호 및 문자를 추출할 수 있어, 기호 및 문자의 인식 오류에 따른 자율주행차량의 교통사고를 방지할 수 있다.
다만, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 도로 기호 및 문자 추출방법을 수행하기 위한 추출 시스템에 대한 개략적인 블록도이다.
도 2는 본 발명의 일 실시예에 따른 도로 기호 및 문자 추출방법의 과정을 나타내는 개략적인 흐름도이다.
도 3은 도 2의 단계 'S10'에 대한 구체적인 과정을 나타내는 개략적인 흐름도이다.
도 4는 도 3의 단계 'S13'에서 설정되는 기호 및 문자 추출경로를 나타내는 도면이다.
도 5는 도 2의 단계 'S20'에 대한 구체적인 과정을 나타내는 개략적인 흐름도이다.
도 6은 본 발명의 데이터 처리부가 취득하는 스캔 데이터를 나타내는 도면이다.
도 7은 본 발명의 데이터 처리부가 생성하는 제1 클러스터 데이터 그룹을 나타내는 도면이다.
도 8은 본 발명의 데이터 처리부가 평면 피팅시킨 제1 클러스터 데이터 그룹을 나타내는 도면이다.
도 9는 본 발명의 데이터 처리부에 의해 제2 노이즈 클러스터가 제거된 제1 클러스터 데이터 그룹의 평면 피팅 데이터를 나타내는 도면이다.
도 10은 제3 노이즈 클러스터가 포함된 제1 클러스터 데이터 그룹의 평면 피팅 데이터를 나타내는 도면이다.
도 11은 제3 노이즈 클러스터가 제거된 제1 클러스터 데이터 그룹의 평면 피팅 데이터를 나타내는 도면이다.
도 12는 제1, 2, 3, 4 노이즈 클러스가 제거된 제1 클러스터 데이터 그룹을 평면에 투영시킨 상태의 도면이다.
도 13은 제1 클러스터 데이터 그룹의 클러스터 데이터를 직사각형 형태로 추출한 상태의 도면이다.
도 14는 본 발명의 데이터 처리부가 인식하는 중앙선, 차선 및 경계선을 인식한 상태의 도면이다.
도 15는 중앙선, 차선 및 경계선이 제거된 제1 클러스터 데이터 그룹을 나타내는 도면이다.
도 16은 도 2의 'S30'에 대한 구체적인 과정을 나타내는 개략적인 흐름도이다.
도 17은 본 발명의 데이터 처리부가 문자의 클러스터 포인트 간 거리를 계산하는 과정을 나타내는 도면이다.
도 18은 본 발명의 데이터 처리부가 공차 범위 이내의 문자를 동일 그룹의 문자로 판단하는 과정을 나타내는 도면이다.
도 19는 도 2의 'S40'에 대한 구체적인 과정을 나타내는 개략적인 흐름도이다.
도 20는 본 발명의 데이터 처리부가 픽셀 사이즈에 맞게 그리드를 생성한 상태의 도면이다.
도 21은 그리드에 투영된 제2 클러스터 데이터 그룹의 포인트를 나타내는 도면이다.
도 22는 본 발명의 데이터 처리부가 생성한 이미지를 나타내는 도면이다.
이하에서는, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
이하에서는, 첨부된 도면들을 참조하여 바람직한 실시예의 도로 기호 및 문자 추출방법에 대해 자세히 설명하도록 하겠다.
추출 시스템(1)은 도로 기호 및 문자 추출방법을 수행하는 시스템으로서, 도 1에 도시된 바와 같이 데이터 획득부(10) 및 데이터 처리부(20)로 이루어질 수 있다.
데이터 획득부(10)는 MMS(Mobile Mapping System)을 위한 자율주행차량에 설치되는 장비로서 관성측정유닛(11), LiDAR 스캐너(12), 카메라(13), GPS(14), 주행거리 측정장치(15) 및 관성항법장치(16)가 구비될 수 있다. 다만, 데이터 획득부(10)는 상기 구성요소로 한정하는 것은 아니며, 정밀도로지도(HD MAP)를 제작함에 있어 필요한 구성요소가 더 구비될 수도 있다.
관성측정유닛(11)은 자율주행차량의 속도, 방향, 중력, 가속도 등을 측정하기 위해 하나 이상의 가속도계(Accelerometer), 하나 이상의 자이로스코프(gyroscope) 및 지자계(Earth magnetic field) 센서로 축을 이룰 수 있다.
LiDAR 스캐너(12)는 광학 펄스로 비춘 후 물체로부터 반사되는 반송 신호의 특징인 시간과 강도, 주파수의 변화, 편광 상태의 변화 등을 기반으로 자율주행차량 주변의 도로 시설물 및 주변차량에 대한 3차원 데이터를 수집할 수 있다.
여기서, 도로 시설물에는 데이터 획득부(10)가 인식해야 하는 중앙선(400), 차선(500), 경계선(600), 도로면의 기호(700) 및 문자(800)를 비롯하여 신호등, 표지판, 연석, 각종 구조물(예: 나무, 가로등)에 대한 데이터가 포함될 수 있고, 문자(800)는 한글명, 영문명, 숫자 중 적어도 하나로 이루어질 수 있다.
카메라(13)는 복수로 구비되어 LiDAR 스캐너(12)가 인식하지 못하는 자율주행차량 주변의 도로 시설물 및 주변차량을 인식할 수 있다. 이에, LiDAR 스캐너(12)와 카메라(13)는 동시에 동작되는 것이 바람직하다.
GPS(14)는 수신지점과 인공위성과의 거리를 측정하여 그 거리의 벡터를 교차시켜 자율주행차량의 위치를 추정할 수 있다.
주행거리 측정장치(15)는 자율주행차량의 주행거리를 측정하는 장치로서, 자율주행차량의 바퀴 회전 수를 기반으로 자율주행차량의 주행거리를 측정할 수 있다.
관성항법장치(16)는 관성측정유닛(11)으로부터 얻은 가속도, 각속도를 적분하여 MS 차량의 속도를 계산하며, 자율주행차량의 속도를 다시 적분하여 자율주행차량의 이동거리를 계산하고, 자율주행차량의 이동거리를 시작지점에 더하여 자율주행차량의 현재 위치를 계산할 수 있다.
데이터 처리부(20)는 데이터 획득부(10)가 수집하는 데이터들을 추출(또는 수신)하며, 도 2에 도시된 도로 기호 및 문자 추출방법의 과정을 수행하기 위한 알고리즘이 기저장될 수 있다.
도 2를 참조하면, 데이터 처리부(20)는 데이터 획득부(10)로부터 추출한 이동 궤적 데이터를 기반으로 기호 및 문자 추출경로(100)를 설정할 수 있다(S10).
여기서, 이동 궤적 데이터는 데이터 획득부(10)로부터 추출할 수 있는 LiDAR 스캐너(12)의 이동경로와 높이 값을 포함할 수 있다.
도 3을 참조하면, 기호 및 문자 추출경로(100)를 설정하는 과정(S10)은 이동 궤적 추출 과정(S11), LiDAR 스캐너(12)의 궤적 판단 과정(S12) 및 기호 및 문자 추출경로(100) 설정 과정(S13)을 포함할 수 있다.
구체적인 일례로, 데이터 처리부(20)는 관성측정유닛(11)으로부터 이동 궤적 데이터를 추출한 후(S11), 이동 궤적 데이터에 포함되는 LiDAR 스캐너(12)의 이동경로와 높이 값을 이용하여 LiDAR 스캐너(12)의 현재 위치, 이동방향 및 이동경로를 취득할 수 있으며(S12), LiDAR 스캐너(12)의 이동경로를 따라 도 4에 도시된 바와 같이 기호 및 문자 추출경로(100)를 설정할 수 있다(S13).
다시 도 2를 참조하면, 데이터 처리부(20)는 기호 및 문자 추출경로(100)를 설정 과정(S10) 후에 제1 클러스터 데이터 그룹(200)을 생성하고, 노이즈 클러스터(201, 202, 203, 204)와 노이즈 데이터인 중앙선(400), 차선(500), 경계선(600)을 제거할 수 있다(S20).
도 5를 참조하면, 클러스터 데이터 그룹(200) 생성, 노이즈 클러스터(201, 202, 203, 204) 및 노이즈 데이터 제거 과정(S20)은 스캔 데이터(205) 취득 과정(S21), 데이터 필터링 과정(S22), 제1 클러스터 데이터 그룹(200) 생성 과정(S23), 제1, 2, 3, 4 노이즈 클러스터(201, 202, 203, 204) 제거 과정(S24) 및 중앙선(400), 차선(500), 경계선(600) 제거 과정(S25)을 포함할 수 있다.
구체적인 일례로, 데이터 처리부(20)는 도 6에 도시된 바와 같이 LiDaR 스캐너(12)로부터 기호 및 문자 추출경로(100)에 따른 스캔 데이터(205)를 취득한 후(S21), 기설정되는 색상 값과 인텐시티(Intensity) 값의 범위 외 데이터를 스캔 데이터(205)로부터 제거하여(S22), 도 7에 도시된 바와 같이 제1 클러스터 데이터 그룹(200)를 생성할 수 있으며(S23), 제1, 2, 3, 4 노이즈 클러스터(201, 202, 203, 204)를 순차적으로 제거할 수 있고(S24), 기호(700) 및 문자(800)를 제외한 중앙선(400), 차선(500), 경계선(600)을 제거할 수 있다(S25).
여기서, 색상 값에는 노란색 계열인 제1 색 계열의 색상과 흰색 계열인 제2 색 계열의 색상이 포함될 수 있으며, 인텐시티 값에는 기설정된 범위의 반사 값이 포함될 수 있다. 이에, 데이터 처리부(20)는 데이터 필터링 과정(S22)에서 스캔 데이터(205)에서 제1 색 계열의 색상 또는 제2 색 계열의 색상이 아니거나 반사 값의 범위에 포함되지 않는 데이터를 스캔 데이터(205)로부터 제거하여 제1 클러스터 데이터 그룹(200)을 생성할 수 있다.
또한, 제1 노이즈 클러스터(201)는 제1 색 또는 제2 색 계열이면서 기설정되는 반사 값의 범위에 포함되되, 점선 형태의 포인트가 제1 클러스터 데이터 그룹(200)의 평균과 대비하여 극히 적거나 많은 노이즈 데이터일 수 있다.
그리고 제2 노이즈 클러스터(202)는 데이터 처리부(20)가 도 8에 도시된 바와 같이 피팅 알고리즘을 기반으로 제1 클러스터 데이터 그룹(200)을 평면 피팅시킨 후, 상기 평면 피팅된 제1 클러스터 데이터 그룹(200) 중 기설정된 공차(Tolerance) 범위 내에 80 % 이상 포함되지 않아 평평한 형태로 이루어지지 않는 노이즈 데이터일 수 있다.
또한, 제3 노이즈 클러스터(203)는 도 9에 도시된 바와 같이 제2 노이즈 클러스터(202)가 제거된 제1 클러스터 데이터 그룹(200)의 평면 피팅 데이터가 생성된 후, 도 10에 도시된 바와 같이 상기 평면 피팅 데이터의 법선방향과 궤적 진행방향의 각도 값에 따른 좌표계로부터 Z축 방향으로 수직하는 노이즈 데이터일 수 있다.
그리고 제4 노이즈 클러스터(204)는 도 11에 도시된 바와 같이 제3 노이즈 클러스터(203)가 제거된 평면 피팅 데이터가 생성된 후, 제1 클러스터 데이터 그룹(200)의 평균 높이 값과 LiDAR 스캐너(12)의 높이 값을 통해 검출되는 도로면의 높이 값과 높이 값이 다른 노이즈 데이터일 수 있다.
또한, 제1, 2, 3, 4 노이즈 클러스터(201, 202, 203, 204)가 순차적으로 제거되면, 데이터 처리부(20)는 도 12에 도시된 바와 같이 제1, 2, 3, 4 노이즈 클러스터(201, 202, 203, 204)가 제거된 제1 클러스터 데이터 그룹(200)을 도로면의 높이 값의 평면에 투영시킬 수 있고, 제1 클러스터 데이터 그룹(200)에 포함된 클러스터 데이터의 포인트를 반전시켜 2차원 포인트로 변환한 후, 도 13에 도시된 바와 같이 최소 경계 사각형(Minimum Bounding Rectangle, MBR) 계산법을 적용하여 제1 클러스터 데이터 그룹(200)의 클러스터 데이터를 직사각형 형태로 추출할 수 있으며, 추출한 직사각형의 축 중 가장 긴 축의 벡터(Vector)를 도로면의 진행방향을 설정할 수 있고, 도로면의 진행방향의 전, 후를 검토하여 도 14에 도시된 바와 같이 클러스터 데이터 중 직사각형의 형태로 반복 추출되는 클러스터 데이터를 중앙선(400), 차선(500) 및 경계선(600)을 인식할 수 있으며, 도 15에 도시된 바와 같이 중앙선(400), 차선(500) 및 경계선(600)을 제거할 수 있다. 이때, 제1 클러스터 데이터 그룹(200)에 포함된 클러스터 데이터인 기호(700) 및 문자(800)는 일부에서 직사각형이 발생되되, 반복적으로 추출되지 않으므로 데이터 처리부(20)에 의해 제거되지 않는다.
한편, 중앙선(400), 차선(500) 및 경계선(600)의 인식 과정에서, 데이터 처리부(20)는 제1 색(노란색) 계열의 포인트로 이루어지는 차선 클러스터를 중앙선(400), 제2 색(흰색) 계열의 포인트로 이루어지는 차선 클러스터를 차선(500) 및 도로와 인도롤 구분하는 위치의 제1 색 또는 제2 색 계열의 포인트로 이루어지는 차선 클러스터를 경계선(600)으로 인식할 수 있다.
다만, 제1 색(노란색) 계열의 포인트로 이루어지는 차선 클러스터는 반드시 중앙선(400)으로 인식되는 것은 아니며, 중앙선(400)이 차량의 U턴 허용구역을 표시하기 위해 제1 색 계열의 포인트가 아닌 제2 색 계열의 포인트로 이루어지는 경우, 데이터 처리부(20)는 중앙선(400)과의 위치 및 방향성을 고려하여 제2 색 계열의 차선 클러스터를 중앙선(400)으로 인식할 수 있다.
다시 도 2를 참조하면, 데이터 처리부(20)는 제1 클러스터 데이터 그룹(200) 생성 및 노이즈 클러스터(201, 202, 203, 204) 제거 과정(S20) 후에 제1 클러스터 데이터 그룹(200)에 남게되는 기호(700) 및 문자(800)를 그룹화하고, 그룹화된 기호(700) 및 문자(800)를 포함하는 제2 클러스터 데이터 그룹(300)을 생성할 수 있다(S30).
도 16을 참조하면, 제2 클러스터 데이터 그룹(300) 생성 과정(S30)은 기호(700)의 클러스터 포인트 간 거리와, 문자(800)의 클러스터 포인트 간 거리를 계산하는 과정(S31), 기호(700) 및 문자(800)의 클러스터 포인트 간 거리가 기설정된 공차 범위 내인지 판단 과정(32)를 포함할 수 있다.
구체적인 일례로, 데이터 처리부(20)는 인접한 기호(700)의 클러스터 포인트 간 거리와 도 17에 도시된 바와 같이 인접한 문자(800)의 클러스터 포인트 간 거리를 계산할 수 있으며(S31), 기호(700) 및 문자(800)의 클러스터 포인트 간 거리가 기설정된 공차 범위 내인지 판단할 수 있다(S32). 이때, 기설정된 공차 범위는 추출 시스템(1)의 사용자에 의해 변경될 수 있다.
기호(700) 및 문자(800)의 클러스터 포인트 간 거리를 판단 후, 만약 기호(700) 또는 문자(800)의 클러스터 포인트 간 거리가 기설정된 공차 범위 밖인 경우(S32-NO), 데이터 처리부(20)는 공차 범위 밖의 기호(700) 또는 문자(800)를 서로 다른 그룹의 기호(700) 또는 문자(800)로 판단할 수 있다(S33).
이와 달리 만약, 기호(700) 또는 문자(800)의 클러스터 포인트 간 거리가 기설정된 공차 범위 이내인 경우(S32-YES), 데이터 처리부(20)는 도 18에 도시된 바와 같이 기설정된 공차 범위 이내의 기호(700) 또는 문자(800)를 동일 그룹의 기호(700) 또는 문자(800)로 판단할 수 있다(S34).
다시 도 2를 참조하면, 데이터 처리부(20)는 제2 클러스터 데이터 그룹(300) 생성 후에 제2 클러스터 데이터 그룹(300)에 포함된 기호(700) 및 문자(800)에 대한 이미지(900)를 생성할 수 있다(S40).
도 19를 참조하면, 이미지(900) 생성 과정(S40)은 그리드(910) 생성 과정(S41), 제2 클러스터 데이터 그룹(300)의 포인트 투사 과정(S42), 제2 클러스터 데이터 그룹(300)의 포인트의 투영 과정(S43), 그리드 색상 입력 과정(S44) 및 픽셀 데이터 변환 과정(S45)를 포함할 수 있다.
구체적인 일례로, 데이터 처리부(20)는 도 20에 도시된 바와 같이 이미지(900)를 생성하기 위한 픽셀(pixel) 사이즈를 설정한 후에 픽셀 사이즈에 맞게 그리드(910)를 생성할 수 있고(S41), 기호(700) 및 문자(800)를 포함한 제2 클리스터 데이터 그룹(300)을 평면 피팅시킨 후에 상기 제2 클리스터 데이터 그룹(300)의 포인트를 평면에 투사시킬 수 있으며(S42), 도 21에 도시된 바와 같이 평면에 투사된 제2 클리스터 데이터 그룹(300)의 포인트를 그리드(910)에 투영시킬 수 있고(S43), 포인트가 투영된 그리드의 색상을 포인트의 색상으로 입력할 수 있으며(S44), 각 그리드의 데이터를 취합한 후에 픽셀 데이터로 변환하여 도 22에 도시된 바와 같이 JPG, GIF, PNG 등의 포맷으로 구성되는 이미지(900)를 생성할 수 있다(S45).
다시 도 2를 참조하면, 데이터 처리부(20)는 이미지(900)를 생성한 후에 기호(700) 및 문자(800)를 추출할 수 있다(S50).
이때, 데이터 처리부(20)는 OCR 알고리즘 및 딥러닝 기술을 적용하여 이미지(900)로부터 기호(700) 및 문자(800)를 추출할 수 있고, OCR 알고리즘 및 딥러닝 기술을 적용함에 따라, 이미지(900)가 생성될 때마다 상기 이미지(900)로부터 기호(700) 및 문자(800)를 자동적으로 추출하는 것이 바람직하다.
그리고 데이터 처리부(20)는 이미지(900)로부터 추출된 기호(700) 및 문자(800)와 기호(700) 및 문자(800)의 x, y 좌표와 높이를 포함하는 기호(700) 및 문자(800)의 위치 데이터를 데이터베이스에 저장한 후, 정밀도로지도의 제작에 사용가능한 SHP 포맷의 파일로 변환할 수 있다(S60).
이를 통해, 본원발명의 도로 기호 및 문자 추출방법은 정밀도로지도의 제작에 사용가능한 도로면의 기호 및 문자를 추출할 수 있다.
상술한 바와 같이 개시된 본 발명의 바람직한 실시예들에 대한 상세한 설명은 당업자가 본 발명을 구현하고 실시할 수 있도록 제공되었다. 상기에서는 본 발명의 바람직한 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 본 발명의 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 예를 들어, 당업자는 상술한 실시예들에 기재된 각 구성을 서로 조합하는 방식으로 이용할 수 있다. 따라서, 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다.
본 발명은 본 발명의 정신 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다. 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.
1: 추출 시스템, 10: 데이터 획득부,
11: 관성측정유닛, 12: LiDAR 스캐너,
13: 카메라, 14: GPS,
15: 거리측정 표시기, 20: 데이터 처리부,
100: 기호 및 문자 추출경로, 200: 제1 클리스터 데이터 그룹,
201: 제1 노이즈 클러스터, 202: 제2 노이즈 클러스터,
203: 제3 노이즈 클러스터, 204: 제4 노이즈 클러스터,
205: 스캔 데이터, 300: 제2 클리스터 데이터 그룹,
400: 중앙선, 500: 차선,
600: 경계선, 700: 기호,
800: 문자, 900: 이미지,
910: 그리드.

Claims (11)

  1. 데이터 처리부(20)가 데이터 획득부(10)로부터 추출한 이동 궤적 데이터상에 기호 및 문자 추출경로(100)를 설정하는 제1 단계(S10);
    상기 데이터 처리부(20)가 상기 기호 및 문자 추출경로(100)에 따른 상기 데이터 획득부(10)의 스캔 데이터(205)로부터 제1 클러스터 데이터 그룹(200)을 생성하고, 제1, 2, 3, 4 노이즈 클러스터(201, 202, 203, 204)와 노이즈 데이터인 중앙선(400), 차선(500) 및 경계선(600)을 제거하는 제2 단계(S20);
    상기 데이터 처리부(20)가 상기 제1 클러스터 데이터 그룹(200)으로부터 기호(700) 및 문자(800)의 그룹화를 통해 제2 클러스터 데이터 그룹(300)을 생성하는 제3 단계(S30);
    상기 데이터 처리부(20)가 상기 제2 클러스터 데이터 그룹(300)의 기호(700) 및 문자(800)에 대한 이미지(900)를 생성하는 제4 단계(S40);
    상기 데이터 처리부(20)가 상기 이미지(900)로부터 기호(700) 및 문자(800)를 추출하는 제5 단계(S50); 및
    상기 데이터 처리부(20)가 상기 이미지(900)로부터 추출된 상기 기호(700) 및 문자(800)와, 상기 기호(700) 및 문자(800)의 위치 데이터를 정밀도로지도 제작에 사용가능한 포맷으로 변환하는 제6 단계(S60);를 포함하고,
    상기 제2 단계(S20)는,
    상기 데이터 처리부(20)가 상기 기호 및 문자 추출경로(100)에 따른 LiDaR 스캐너(12)의 스캔 데이터(205)를 취득하는 단계(S21);
    상기 데이터 처리부(20)가 기설정되는 색상 값과 인텐시티 값의 범위 외 데이터를 상기 스캔 데이터(205)로부터 제거하여(S22), 상기 제1 클러스터 데이터 그룹(200)를 생성하는 단계(S23);
    상기 데이터 처리부(20)가 상기 제1 클러스터 데이터 그룹(200)으로부터 상기 제1, 2, 3, 4 노이즈 클러스터(201, 202, 203, 204)를 순차적으로 제거하는 단계(S24); 및
    상기 데이터 처리부(20)가 상기 제1 클러스터 데이터 그룹(200)으로부터 인식되는 상기 중앙선(400), 차선(500) 및 경계선(600)을 제거하는 단계(S25);를 포함하는 것을 특징으로 하는 도로 기호 및 문자 추출방법.
  2. 제 1 항에 있어서,
    상기 제1 단계(S10)는,
    상기 데이터 처리부(20)가 관성측정유닛(11)으로부터 이동 궤적 데이터를 추출하는 단계(S11);
    상기 데이터 처리부(20)가 상기 이동 궤적 데이터에 포함되는 LiDAR 스캐너(12)의 이동경로와 높이 값을 이용하여 LiDAR 스캐너(12)의 현재 위치, 이동방향 및 이동경로를 취득하는 단계(S12); 및
    상기 데이터 처리부(20)가 상기 LiDAR 스캐너(12)의 이동경로를 따라 상기 기호 및 문자 추출경로(100)를 설정하는 단계(S13);를 포함하는 것을 특징으로 하는 도로 기호 및 문자 추출방법.
  3. 삭제
  4. 제 1 항에 있어서,
    상기 제1 노이즈 클러스터(201)는,
    상기 색상 값의 범위에 포함된 제1 색 또는 제2 색의 계열이면서 상기 인텐시티 값에 포함된 기설정된 범위의 반사 값이되, 점선 형태의 포인트가 상기 제1 클러스터 데이터 그룹(200)의 평균과 대비하여 극히 적거나 많은 노이즈 데이터인 것을 특징으로 하는 도로 기호 및 문자 추출방법.
  5. 제 1 항에 있어서,
    상기 제2 노이즈 클러스터(202)는,
    상기 데이터 처리부(20)의 피팅 알고리즘을 기반으로 평면 피팅시킨 상기 제1 클러스터 데이터 그룹(200) 중 기설정된 공차 범위 내에 80 % 이상 포함되지 않는 노이즈 데이터인 것을 특징으로 하는 도로 기호 및 문자 추출방법.
  6. 제 5 항에 있어서,
    상기 제3 노이즈 클러스터(203)는,
    상기 데이터 처리부(20)에 의해 상기 제2 노이즈 클러스터(202)가 제거된 제1 클러스터 데이터 그룹(200)의 평면 피팅 데이터의 법선방향과 궤적 진행방향의 각도 값에 따른 좌표계로부터 Z축 방향으로 수직하는 노이즈 데이터인 것을 특징으로 하는 도로 기호 및 문자 추출방법.
  7. 제 1 항에 있어서,
    상기 제4 노이즈 클러스터(204)는,
    상기 데이터 처리부(20)에 의해 상기 제3 노이즈 클러스터(203)가 제거된 제1 클러스터 데이터 그룹(200)의 평균 높이 값 및 LiDAR 스캐너(12)의 높이 값을 이용하여 검출되는 도로면의 높이 값과 높이 값이 다른 노이즈 데이터인 것을 특징으로 하는 도로 기호 및 문자 추출방법.
  8. 제 1 항에 있어서,
    상기 데이터 처리부(20)는,
    상기 제1, 2, 3, 4 노이즈 클러스터(201, 202, 203, 204)가 제거된 제1 클러스터 데이터 그룹(200)을 도로면의 높이 값의 평면에 투영시키고,
    상기 제1 클러스터 데이터 그룹(200)에 포함된 클러스터 데이터의 포인트를 반전시켜 2차원 포인트로 변환한 후, MBR(Minimum Bounding Rectangle) 계산법을 적용하여 상기 클러스터 데이터를 직사각형의 형태로 추출하며,
    상기 클러스터 데이터의 직사각형 축 중 가장 긴 축의 벡터를 도로면의 진행방향으로 설정하고,
    상기 도로면의 진행방향 전, 후의 클러스터 데이터 중 직사각형의 형태로 반복 추출되는 클러스터 데이터를 상기 중앙선(400), 차선(500) 및 경계선(600)으로 인식한 후 제거하는 것을 특징으로 하는 도로 기호 및 문자 추출방법.
  9. 제 8 항에 있어서,
    상기 데이터 처리부(20)는,
    상기 색상 값의 범위에 포함된 제1 색 계열의 포인트로 이루어지는 차선 클러스터를 상기 중앙선(400)으로 인식하고, 상기 색상 값의 범위에 포함된 제2 색 계열의 포인트로 이루어지는 차선 클러스터를 상기 차선(500)으로 인식하는 것을 특징으로 하는 도로 기호 및 문자 추출방법.
  10. 제 1 항에 있어서,
    상기 제3 단계(S30)는,
    상기 데이터 처리부(20)가 상기 기호(700)의 클러스터 포인트 간 거리와, 상기 문자(800)의 클러스터 포인트 간 거리를 계산하는 단계(S31);
    상기 데이터 처리부(20)가 상기 기호(700) 및 문자(800)의 클러스터 포인트 간 거리가 기설정된 공차 범위 내인지 판단하는 단계(S32); 및
    상기 데이터 처리부(20)가 상기 공차 범위 밖의 기호(700) 또는 문자(800)를 서로 다른 그룹의 기호(700) 또는 문자(800)로 판단하거나(S33), 상기 공차 범위 이내의 기호(700) 또는 문자(800)를 동일 그룹의 기호(700) 또는 문자(800)로 판단하는 단계(S34);를 포함하는 것을 특징으로 하는 도로 기호 및 문자 추출방법.
  11. 제 1 항에 있어서,
    상기 제5 단계(S50)는,
    상기 데이터 처리부(20)가 OCR 알고리즘 및 딥러닝 기술을 적용하여 상기 이미지(900)가 생성될 때마다 상기 이미지(900)로부터 기호(700) 및 문자(800)를 추출하는 것을 특징으로 하는 도로 기호 및 문자 추출방법.
KR1020210009542A 2021-01-22 2021-01-22 도로 기호 및 문자 추출방법 KR102534031B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210009542A KR102534031B1 (ko) 2021-01-22 2021-01-22 도로 기호 및 문자 추출방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210009542A KR102534031B1 (ko) 2021-01-22 2021-01-22 도로 기호 및 문자 추출방법

Publications (2)

Publication Number Publication Date
KR20220106894A KR20220106894A (ko) 2022-08-01
KR102534031B1 true KR102534031B1 (ko) 2023-05-19

Family

ID=82844214

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210009542A KR102534031B1 (ko) 2021-01-22 2021-01-22 도로 기호 및 문자 추출방법

Country Status (1)

Country Link
KR (1) KR102534031B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102536364B1 (ko) * 2022-08-01 2023-05-30 주식회사 플로틱 로케이션 코드 맵핑 방법
CN117115382B (zh) * 2023-10-25 2024-02-09 腾讯科技（深圳）有限公司 地图道路绘制方法、装置、计算机设备和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101992398B1 (ko) 2017-11-10 2019-06-24 연세대학교 산학협력단 도로 기호 및 차선 인식 방법 및 장치
KR102083909B1 (ko) * 2018-10-23 2020-03-04 주식회사 모빌테크 포인트 클라우드 맵 기반의 자율주행차량용 차선데이터 정보 자동 추출 방법
KR102052114B1 (ko) * 2018-12-13 2019-12-04 한국도로공사 고정밀 전자지도 갱신을 위한 객체 변화 탐지 시스템 및 방법

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Markus Schreiber 외 2명, Detecting symbols on road surface for mapping and localization using OCR, 17th International IEEE Conference on Intelligent Transportation Systems (2014.11.20.) 1부.*
Yongtao Yu 외 4명, Learning Hierarchical Features for Automated Extraction of Road Markings From 3-D Mobile LiDAR Point Clouds, IEEE (2014.09.04.) 1부.*
한국 등록특허공보 제10-2052114호(2019.12.04.) 1부.*
한국 등록특허공보 제10-2083909호(2020.03.04.) 1부.*

Also Published As

Publication number Publication date
KR20220106894A (ko) 2022-08-01

Similar Documents

Publication Publication Date Title
KR101319471B1 (ko) 부감 화상 생성장치, 부감 화상 생성방법 및 기록매체
US11670087B2 (en) Training data generating method for image processing, image processing method, and devices thereof
US8625851B2 (en) Measurement apparatus, measurement method, and feature identification apparatus
JP5062498B2 (ja) 風景マッチング用参照データ生成システム及び位置測位システム
CN111542860A (zh) 用于自主车辆的高清地图的标志和车道创建
WO2018113451A1 (zh) 一种地图数据系统、其生成和使用方法及应用
EP2372605A2 (en) Image processing system and position measurement system
KR102534031B1 (ko) 도로 기호 및 문자 추출방법
CN108428254A (zh) 三维地图的构建方法及装置
JP5557472B2 (ja) 道路レーンデータ生成装置、道路レーンデータ生成方法および道路レーンデータ生成プログラム
KR102475042B1 (ko) 정밀 지도 구축 장치 및 방법
JP5435294B2 (ja) 画像処理装置及び画像処理プログラム
KR102371849B1 (ko) 차선추출 방법
JP7204087B2 (ja) 対象物認識装置
KR102540624B1 (ko) 항공 라이다를 이용한 지도 생성 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램
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
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
JP6837626B1 (ja) 地物データの生成システム、地物データベース更新システム及び地物データの生成方法
JP7308772B2 (ja) データ処理装置、データ処理方法及びデータ処理プログラム
Imai et al. Automatic Generation of Road Feature Identification Models from Point Cloud Data Using HD Maps
CN118015132A (zh) 一种车辆行驶数据的处理方法、装置及存储介质
JP2022117835A (ja) 地物データの生成装置及び地物データの生成方法

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