KR102554208B1 - 차량 오염도 분석 기반 세차 서비스 제공 방법 및 시스템 - Google Patents

차량 오염도 분석 기반 세차 서비스 제공 방법 및 시스템 Download PDF

Info

Publication number
KR102554208B1
KR102554208B1 KR1020220032534A KR20220032534A KR102554208B1 KR 102554208 B1 KR102554208 B1 KR 102554208B1 KR 1020220032534 A KR1020220032534 A KR 1020220032534A KR 20220032534 A KR20220032534 A KR 20220032534A KR 102554208 B1 KR102554208 B1 KR 102554208B1
Authority
KR
South Korea
Prior art keywords
vehicle
car wash
area
contamination
degree
Prior art date
Application number
KR1020220032534A
Other languages
English (en)
Inventor
양석원
Original Assignee
양석원
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 양석원 filed Critical 양석원
Priority to KR1020220032534A priority Critical patent/KR102554208B1/ko
Application granted granted Critical
Publication of KR102554208B1 publication Critical patent/KR102554208B1/ko

Links

Images

Classifications

    • G06Q50/30—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S3/00—Vehicle cleaning apparatus not integral with vehicles
    • B60S3/04—Vehicle cleaning apparatus not integral with vehicles for exteriors of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw 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
    • 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
    • G06T2207/20081—Training; Learning
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mechanical Engineering (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Image Processing (AREA)

Abstract

본 발명의 실시예에 따르면, (a) 세차 박스에 연결되는 차량 진입로의 적어도 일측에 배치되는 카메라가, 상기 차량 진입로에 진입하는 차량의 이미지를 획득하는 단계; (b) 제어부가, 상기 이미지 내에서 차량의 각 부위에 대한 검지를 수행하는 단계; (c) 상기 제어부가, 상기 각 부위별로 오염 영역 및 손상 영역을 식별하고, 각 영역의 오염도 및 손상도를 분석하는 단계; 및 (d) 상기 제어부가 상기 세차 박스에 설치된 세차 기계를 제어하여, 오염도가 높은 부위일수록 세차 시간을 길게 할애하는 단계를 포함하는, 오염도 분석 기반 세차 서비스 제공 방법이 제공된다.

Description

차량 오염도 분석 기반 세차 서비스 제공 방법 및 시스템{METHOD AND SYSTEM FOR PROVIDING CAR WASH SERVICE BASED ON CAR POLLUTION LEVEL ANALYSIS}
본 발명은 차량 오염도 분석 기반 세차 서비스 제공 방법 및 시스템에 관한 것으로, 보다 상세하게는, 세차장에 진입하는 차량의 전면, 후면, 좌측, 우측에 대한 촬영 후 이미지에 대한 병합을 진행하고, 차량 오염도를 분석하여, 맞춤형 세차 서비스를 제공하기 위한 방법 및 시스템에 관한 것이다.
바쁜 현대인들은 차량에 대해 직접 세차를 하기 보다는 전문 세차 업체에 맡기거나, 기계 세차 시스템을 이용하여 세차를 하는 경우가 대부분이다.
기계 세차 시스템은 일반적으로 차량의 진입을 감지하여 세차 시스템이 가동되고, 브러시가 장착된 세차 모듈이 차량의 전면, 윗면, 옆면을 닦는 구조로 이루어진다. 또한, 폼 세차가 완료된 후에는, 고압수를 분무하는 과정을 수행하고, 드라이 모듈이 차량에 근접하여 고압 공기를 내뿜어 남은 물기를 제거한다.
그러나, 일반적인 기계 세차 시스템의 경우, 차량의 형태와는 무관하게 일률적인 세차 프로세스를 제공하는 바, 오염도가 심한 부위에 대해 집중적인 세차를 희망하는 운전자 입장에서는 세차 완성도에 대한 불만족이 많을 수밖에 없었다.
따라서, 기계 세차 시스템이라 할지라도, 차량의 오염도를 분석하여, 오염도에 따른 맞춤형 세차 서비스를 제공할 수 있는 서비스에 대한 개발이 필요하다.
본 발명은 종래 기술의 문제점을 해결하기 위한 것이다.
본 발명의 목적은, 차량의 각 부위에 대한 검지 및 분류를 하고, 각 부위에 대한 오염도 및 손상도를 분석한 후, 기계 세차 시스템을 통해서 세차 서비스를 제공하여 기계 세차라 할지라도 각 차량의 오염 특성 및 손상 특성에 맞는 최적화된 세차가 이루어질 수 있도록 하는 것이다.
본 발명의 목적은, 오염도에 비례하고 손상도에 반비례하는 세차 시간을 각 부위에 할애함으로써 차량의 청결도를 최대화할 수 있으면서도, 세차 시 차량 손상에 대한 추가적인 파손을 최소화하는 것이다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예에 따르면, (a) 세차 박스에 연결되는 차량 진입로의 적어도 일측에 배치되는 카메라가, 상기 차량 진입로에 진입하는 차량의 이미지를 획득하는 단계; (b) 제어부가, 상기 이미지 내에서 차량의 각 부위에 대한 검지를 수행하는 단계; (c) 상기 제어부가, 상기 각 부위별로 오염 영역 및 손상 영역을 식별하고, 각 영역의 오염도 및 손상도를 분석하는 단계; 및 (d) 상기 제어부가 상기 세차 박스에 설치된 세차 기계를 제어하여, 오염도가 높은 부위일수록 세차 시간을 길게 할애하는 단계를 포함하는, 오염도 분석 기반 세차 서비스 제공 방법이 제공된다.
상기 (b) 단계는, 차량이 존재하지 않는 경우의 이미지와 차량이 존재하는 이미지 간 차이를 이용하여, 상기 차량에 대한 객체 검출을 수행하는 단계를 포함할 수 있다.
상기 (c) 단계는, 마스크(Mask) R-CNN 알고리즘을 활용하여 획득된 모델을 통해 상기 오염 영역 및 손상 영역을 식별하는 단계를 포함할 수 있다.
상기 각 부위별 오염도는 해당 부위 내에 존재하는 오염 영역의 총 면적과 각 오염 영역의 오염도의 곱으로 표현될 수 있다.
본 발명의 다른 실시예에 따르면, 세차 박스에 연결되는 차량 진입로의 적어도 일측에 배치되며, 상기 차량 진입로에 진입하는 차량의 이미지를 획득하는 일 이상의 카메라; 상기 이미지 내에서 차량의 각 부위에 대한 검지를 수행하는, 차량 부위 검지부; 상기 각 부위별로 오염 영역 및 손상 영역을 식별하고, 각 영역의 오염도 및 손상도를 분석하는, 차량 오염도 분석부; 및 상기 세차 박스에 설치된 세차 기계를 제어하여, 오염도가 높은 부위일수록 세차 시간을 길게 할애하는, 세차 서비스 제공부를 포함하는, 오염도 분석 기반 세차 서비스 제공 시스템이 제공된다.
본 발명의 실시예에 따르면, 차량의 각 부위에 대한 검지 및 분류를 하고, 각 부위에 대한 오염도 및 손상도를 분석한 후, 기계 세차 시스템을 통해서 세차 서비스를 제공하는 바, 기계 세차라 할지라도 각 차량의 오염 특성 및 손상 특성에 맞는 최적화된 세차가 이루어질 수 있게 된다.
본 발명의 실시예에 따르면, 오염도에 비례하고 손상도에 반비례하는 세차 시간을 각 부위에 할애함으로써 차량의 청결도를 최대화할 수 있으면서도, 세차 시 차량 손상에 대한 추가적인 파손을 최소화할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따른 차량 오염도 분석 기반 세차 서비스 제공 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 제어부의 내부 구성을 나타내는 도면이다.
도 3은 본 발명의 일 실시예에 따른 차량 객체 검출의 과정을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 이미지 전처리를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따라 Mask R-CNN 알고리즘을 이용하여 차량의 각 부위를 검지한 결과를 나타내는 도면이다.
도 6은 본 발명의 일 실시예에 따른 차량 오염도 분석을 위해 생성된 학습 데이터의 일례를 나타내는 도면이다.
도 7은 본 발명의 일 실시예에 따른 각 차량 부위에 대한 오염도 분석 결과를 나타낸다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 바람직한 실시예들에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 차량 오염도 분석 기반 세차 서비스 제공 시스템의 개략적인 구성을 나타내는 도면이다.
도 1을 참조하면, 일 실시예에 따른 시스템은, 차량 진입로(100)의 적어도 일측에 배치되는 일 이상의 카메라(200), 차량 진입로(100)의 전방에 배치되는 세차 박스(300)를 포함하여 구성된다.
차량 진입로(100)는 세차 박스(300)와 연결되며, 세차 대상 차량이 차량 진입로(100)를 통해 진입하여 세차 박스(300)에 들어서게 된다. 이 때, 차량 진입로(100)의 적어도 일측에 배치되는 일 이상의 카메라(200)는 해당 세차 대상 차량의 이미지를 획득한다.
일 이상의 카메라(200)는 바람직하게 차량 진입로(100)의 양측에 각각 배치될 수 있다. 양측에 각각 카메라(200)가 배치되기 때문에, 차량의 전면, 후면, 좌측면, 우측면에 대한 촬영, 즉, 차량의 모든 표면에 대한 촬영이 가능해진다. 각 카메라(200)는 모두 PTZ(Pan Tilt Zoom) 카메라로 구현될 수 있다.
카메라(200)에 의해 획득된 영상은 카메라(200) 자체적으로 또는 다른 제어부(미도시됨)에 의해 분석될 수 있다. 제어부가 구비되는 경우, 카메라(200)로부터 획득된 영상은 유선 또는 무선 통신을 이용하여 제어부로 전송될 수 있다.
이하에서는, 카메라(200)로 획득된 영상에 대한 처리 방법에 대해 설명하기로 한다.
도 2는 카메라(200) 또는 카메라(200)에 의해 획득된 영상을 수신하는 제어부(400)의 내부 구성을 나타내는 도면이다.
설명의 편의를 위해, 제어부(400)의 내부 구성을 도 2에 도시하지만 동일한 구성이 카메라(200)의 내부에 포함될 수도 있다.
도 2를 참조하면, 제어부(400)는 전처리부(410), 차량 부위 검지부(420), 차량 오염도 분석부(430), 세차 서비스 제공부(440)를 포함하여 구성될 수 있다.
전처리부(410), 차량 부위 검지부(420), 차량 오염도 분석부(430), 세차 서비스 제공부(440)는 외부 장치와 통신할 수 있는 프로그램 모듈 또는 하드웨어들일 수 있다. 이러한 프로그램 모듈 또는 하드웨어는 운영 시스템, 응용 프로그램 모듈 및 기타 프로그램 모듈의 형태로 카메라(200), 제어부(400) 또는 이와 통신 가능한 다른 장치에 포함될 수 있으며, 물리적으로는 여러 가지 공지의 기억 장치 상에 저장될 수 있다. 한편, 이러한 프로그램 모듈 또는 하드웨어들은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
전처리부(410)는 카메라(200)에 의해 획득된 영상에 대해 객체를 검출하는 기능 및 전처리 기능을 수행한다. 카메라(200)는 차량의 전면부, 후면부, 측면부에 대한 촬영 영상을 획득하게 되는데, 영상에 있어서 차량, 즉, 객체를 감지하는 기능을 수행한다. 일 실시예에 따르면, 카메라(200)는 차량 진입로(100)를 실시간으로 촬영하고 있는데, 차량이 존재하지 않는 경우의 이미지와 차량이 존재하는 경우의 이미지를 비교하고, 그 이미지에 대한 상호 차이를 분석함으로써 효과적으로 객체를 검출해낼 수 있다. 도 3은 이러한 과정에 따른 차량 객체 검출 과정을 나타내는 도면이다.
또한, 전처리부(410)는 영상 내의 밝기, 픽셀 정보 등을 분석하여 정확한 인식 및 검지를 위한 재처리 알고리즘을 수행하고, 영상 흔들림에 대한 보정을 수행한다. 도 4는 영상 흔들림 보정 과정을 적용하기 전과 후의 모습을 나타낸다.
한편, 전처리부(410)는 딥러닝 알고리즘을 활용하여 저해상도 이미지를 고해상도 이미지로 변환하는 기능을 수행한다. 실외 환경에서 획득되는 이미지의 경우 날씨, 먼지 등으로 인해 영상의 화질이 좋지 않은 경우가 많은데, CNN, GAN 등의 알고리즘을 활용한 슈퍼 레졸루션(Super Resolution)을 수행할 수 있다. 이는 여러 겹으로 쌓은 다층 네트워크를 사용하여 저해상도 입력과 고해상도 출력 간의 비선형적 관계를 정밀하게 분석하여 정확한 변환을 가능하게 하는 합성곱 필터 파라미터를 학습한다. 일 실시예에 따르면, EDSR(Enhanced Deep Residual Networks)을 적용하여 이미지를 고해상도화시킬 수 있다.
다음으로, 차량 부위 검지부(420)는 차량의 전면부, 후면부, 좌측면부, 우측면부에 대한 검지를 수행한다. 이에는 마스크(Mask) R-CNN 알고리즘이 사용될 수 있다.
물체 검출 알고리즘은 여러 물체에 대해 어떤 물체인지 분류하는 이미지 분류와 그 물체가 어디 있는지 네모 박스(Bounding Box)를 통해 위치 정보를 나타내는 위치 문제 두 가지를 해내는 알고리즘이다.
Mask R-CNN 알고리즘에서 물체 검출 알고리즘으로 사용되는 알고리즘은 Faster R-CNN 알고리즘이다.
이미지 분할(Instance Segmentation) 알고리즘은 단순히 사진을 보고 분류하는 것에 그치지 않고 그 장면을 이해하는 알고리즘이다. 이 알고리즘의 목적은 사진에 있는 모든 픽셀을 해당하는 클래스로 분류하는 것이다. 여기서 주의할 점은 같은 클래스에 있는 것은 따로 구별하지 않는다는 것이다. 예를 들어, '인간'이라는 클래스 안에 사람1, 사람2가 있더라도 모두 '인간'으로만 구별하게 된다.
Mask R-CNN 알고리즘에서 이미지 분할 알고리즘으로 사용된 알고리즘은 FCN(Fully Convolutional Network) 알고리즘이다.
이 알고리즘이 제안되기 전에는 AlexNet, VGGNet 등 이미지 분류용 CNN 알고리즘을 이용하여 분류, 예측하였다. 이미지에 있는 물체가 어떤 클래스에 속하는지는 예측해낼 수 있지만, 그 물체가 어디에 존재하는지는 예측해낼 수 없다는 것이 분류용 CNN 알고리즘의 단점이다. FCN 알고리즘은 이러한 단점을 해결한 것으로서, 어떠한 크기의 입력 이미지도 허용하며 네트워크의 마지막 레이어를 컨볼루션 레이어로 활용함으로써 위치정보 손실 문제를 해결하였다.
차량 부위 검지부(420)는 상기와 같은 Mask R-CNN 알고리즘을 이용하여 차량의 각 부위, 예를 들면, 본네트, 좌측 범퍼, 우측 범퍼, 범퍼 중앙, 차량 윗면, 좌측 휀더, 우측 휀더, 운전석 문, 조수석 문, 좌측 뒷좌석 문, 우측 뒷좌석 문, 트렁크, 뒷 범퍼, 앞바퀴, 뒷바퀴 등을 검지하고 분류한다. 도 5는 Mask R-CNN 알고리즘을 이용하여 차량의 각 부위를 검지한 결과를 나타내는 도면이다.
차량 오염도 분석부(430)는 차량 부위 검지부(420)에 의해 검지 및 분류된 차량의 각 부위에 대해, 각각의 오염도 및 손상도를 분석한다.
오염도 및 손상도 분석 또한 Mask R-CNN을 기반으로 수행될 수 있다. 차량의 각 부위에 대한 오염도에 따른 복수의 이미지, 각 부위의 손상과 관련된 복수의 이미지에 대한 데이터 라벨링을 진행하고, Mask R-CNN 알고리즘을 통해 학습을 진행하여 별도의 모델을 구현한다. 도 6은 차량 오염도 분석을 위해 생성된 학습 데이터의 일례를 나타내는 도면이다.
이렇게 획득된 모델을 활용하여 시맨틱 분할(Semantic Segmentation)을 적용함으로써, 차량 표면의 오염 및 손상된 부분을 검출할 수 있다.
시맨틱 분할(Semantic Segmentation)은 이미지 내에 있는 물체들을 의미 있는 단위로 분할해내는 것이다. 구체적으로, 이미지의 각 픽셀이 어느 클래스에 속하는지 예측하는 것이다. 이렇게 이미지 내 모든 픽셀에 대해서 예측을 진행하기 때문에 밀도 예측(Dense Prediction)이라 부르기도 한다. 차량의 검지된 각각의 부위 내에서도, 손상 부위, 오염이 심한 부위가 존재하는데, 이러한 각 부위들을 분할해내는 것이 시맨틱 분할이다.
시맨틱 분할을 수행하면, 각 픽셀이 어느 클래스에 속하는지 알게 된다. 즉, 시맨틱 분할 알고리즘의 입력값은 컬러 이미지 또는 흑백 이미지고, 출력값은 각 픽셀의 예측된 클래스를 나타내는 분할 맵(Segmentation Map)이다. 이 분할 맵을 얻는 것이 시맨틱 분할의 실질적 목적이다. 시맨틱 분할의 가장 대표적인 모델 또한 FCN이다.
도 7은 상기의 과정을 통해 각 차량 부위에 대한 오염도 분석 결과를 나타낸다.
도 7에 도시된 바와 같이, 각 차량 부위 내에서 오염이 된 영역이 식별되도록 색상이 입혀질 수 있고, 분석된 오염의 정도에 따라 서로 다른 색상이 입혀질 수 있고, 오염이 심할수록 오염도의 수치가 높은 것으로 표시될 수도 있다. 기본적으로 오염은, 차량의 특정 부위 내에서, 다른 영역, 즉, 오염되지 않은 영역과 다른 색상 또는 특성을 보이는 영역으로 정의될 수 있으며, 오염되지 않은 영역과의 색상 또는 특성 차이가 클수록 오염도가 심한 것으로 판단할 수 있다.
한편, 차량의 손상은 균열, 찌그러짐 등으로 정의될 수 있는데, 상기 설명한 것과 동일한 이미지 라벨링 및 학습을 통해, 손상 부위를 식별할 수 있는 모델이 생성될 수 있으며, 차량의 각 부위에 대해 손상이 존재하는 영역은 오염도를 표시한 것과 다른 색상으로 표시될 수 있다. 손상의 정도 또한 균열의 크기, 찌그러짐의 정도와 면적에 따라 수치적으로 표현될 수도 있다. 즉, 손상의 정도(균일의 크기 또는 찌그러짐의 정도)가 클수록 해당 손상 부위에 대한 손상 정도는 큰 수치로 표현될 수 있다.
이러한 표시에 대한 확인은 제어부(400)와 유선 또는 무선으로 통신하는 출력부를 통해 이루어질 수 있다.
세차 서비스 제공부(440)는 차량 오염도 분석부(430)를 통해 분석된 결과를 토대로 세차 대상 차량에 대한 세차 서비스를 제공한다. 이는 세차 박스(300, 도 1 참조)에 설치된 세차 기계를 제어함으로써 수행될 수 있다.
차량 부위 검지부(420)에 의해 각 차량 부위에 대한 검지 및 분류가 완료되었고, 차량 오염도 분석부(430)에 의해 각 부위에 대한 오염도 및 각 부위 내에서의 오염 부위에 대한 분석이 완료되었기 때문에, 차량의 각 부분에 대한 오염 정도를 확인할 수 있게 된다.
일반적으로 기계 세차는 일정 시간 동안 브러쉬를 이용하여 차량의 전체 표면을 문지르게 되는데, 세차 서비스 제공부(440)는 오염도가 심한 부위일수록 해당 부위에 브러쉬가 머무는 시간이 길어지도록 제어할 수 있다.
또한, 차량의 손상 부위에 있어서는 브러쉬가 직접적으로 오랜 시간 닿아 있는 경우 손상이 더욱 심해질 수 있게 된다. 따라서, 세차 서비스 제공부(440)는 손상이 심한 부위에 있어서는 해당 부위에 대한 세차 시간을 단축시킬 수 있다.
차량의 각 부위(차량 부위 검지부(420)에 의해 검지 및 분류된 각 부위)의 오염의 정도는, 해당 부위 내에서 식별된 오염 영역의 총 면적과, 각 오염 영역의 오염도 수치에 대한 평균치의 곱으로서 계산될 수 있다. 또한, 차량의 각 부위의 손상 정도는, 해당 부위 내에서 식별된 손상 영역의 총 면적과, 각 손상 영역의 손상의 정도에 대한 평균치의 곱으로서 계산될 수 있다.
세차 서비스 제공부(440)는 검지 및 분류된 복수개의 부위들에 있어서, 오염의 정도(해당 부위 내에서 식별된 오염 영역의 총 면적과, 각 오염 영역의 오염도 수치에 대한 평균치의 곱)에 비례하고, 손상의 정도(당 부위 내에서 식별된 손상 영역의 총 면적과, 각 손상 영역의 손상의 정도에 대한 평균치의 곱)에 반비례하도록 각 부위에 대한 세차 시간을 설정할 수 있다.
세차 시간 설정 후에는, 각 부위에 대해 설정된 시간만큼 세차 기계 브러쉬를 통해 세차가 이루어지도록 제어할 수 있다.
본 발명의 실시예에 따르면, 차량의 각 부위에 대한 검지 및 분류를 하고, 각 부위에 대한 오염도 및 손상도를 분석한 후, 기계 세차 시스템을 통해서 세차 서비스를 제공하는 바, 기계 세차라 할지라도 각 차량의 오염 특성 및 손상 특성에 맞는 최적화된 세차가 이루어질 수 있게 된다.
본 발명의 실시예에 따르면, 오염도에 비례하고 손상도에 반비례하는 세차 시간을 각 부위에 할애함으로써 차량의 청결도를 최대화할 수 있으면서도, 세차 시 차량 손상에 대한 추가적인 파손을 최소화할 수 있게 된다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 차량 진입로
200: 카메라
300: 세차박스
400: 제어부
410: 전처리부
420: 차량 부위 검지부
430: 차량 오염도 분석부
440: 세차 서비스 제공부

Claims (5)

  1. (a) 세차 박스에 연결되는 차량 진입로의 적어도 일측에 배치되는 카메라가, 상기 차량 진입로에 진입하는 차량의 이미지를 획득하는 단계;
    (b) 제어부가, 상기 이미지 내에서 차량의 각 부위에 대한 검지를 수행하는 단계;
    (c) 상기 제어부가, 상기 각 부위별로 오염 영역 및 손상 영역을 식별하고, 각 부위별로 해당 부위 내에서 식별된 오염 영역의 총 면적과 해당 부위 내에서 식별된 각 오염 영역의 오염도 수치에 대한 평균치의 곱으로 정의되는 오염의 정도, 각 부위별로 해당 부위 내에서 식별된 손상 영역의 총 면적과 해당 부위 내에서 식별된 각 손상 영역의 손상도 수치에 대한 평균치의 곱으로 정의되는 손상의 정도를 산출하는 단계; 및
    (d) 상기 제어부가 상기 세차 박스에 설치된 세차 기계를 제어하여 상기 각 부위에 대한 세차가 이루어지도록 하되, 각 부위에 대한 세차 시간은 각 부위별 산출된 오염의 정도에 비례하고 각 부위별 산출된 손상의 정도에 반비례하도록 제어하는 단계를 포함하는, 오염도 분석 기반 세차 서비스 제공 방법.
  2. 제1항에 있어서,
    상기 (b) 단계는,
    차량이 존재하지 않는 경우의 이미지와 차량이 존재하는 이미지 간 차이를 이용하여, 상기 차량에 대한 객체 검출을 수행하는 단계를 포함하는, 오염도 분석 기반 세차 서비스 제공 방법.
  3. 제1항에 있어서,
    상기 (c) 단계는,
    마스크(Mask) R-CNN 알고리즘을 활용하여 획득된 모델을 통해 상기 오염 영역 및 손상 영역을 식별하는 단계를 포함하는, 오염도 분석 기반 세차 서비스 제공 방법.
  4. 삭제
  5. 세차 박스에 연결되는 차량 진입로의 적어도 일측에 배치되며, 상기 차량 진입로에 진입하는 차량의 이미지를 획득하는 일 이상의 카메라;
    상기 이미지 내에서 차량의 각 부위에 대한 검지를 수행하는, 차량 부위 검지부;
    상기 각 부위별로 오염 영역 및 손상 영역을 식별하고, 각 부위별로 해당 부위 내에서 식별된 오염 영역의 총 면적과 해당 부위 내에서 식별된 각 오염 영역의 오염도 수치에 대한 평균치의 곱으로 정의되는 오염의 정도, 각 부위별로 해당 부위 내에서 식별된 손상 영역의 총 면적과 해당 부위 내에서 식별된 각 손상 영역의 손상도 수치에 대한 평균치의 곱으로 정의되는 손상의 정도를 산출하는, 차량 오염도 분석부; 및
    상기 세차 박스에 설치된 세차 기계를 제어하여 상기 각 부위에 대한 세차가 이루어지도록 하되, 각 부위에 대한 세차 시간은 각 부위별 산출된 오염의 정도에 비례하고 각 부위별 산출된 손상의 정도에 반비례하도록 제어하는 세차 서비스 제공부를 포함하는, 오염도 분석 기반 세차 서비스 제공 시스템.
KR1020220032534A 2022-03-16 2022-03-16 차량 오염도 분석 기반 세차 서비스 제공 방법 및 시스템 KR102554208B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220032534A KR102554208B1 (ko) 2022-03-16 2022-03-16 차량 오염도 분석 기반 세차 서비스 제공 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220032534A KR102554208B1 (ko) 2022-03-16 2022-03-16 차량 오염도 분석 기반 세차 서비스 제공 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR102554208B1 true KR102554208B1 (ko) 2023-07-10

Family

ID=87155988

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220032534A KR102554208B1 (ko) 2022-03-16 2022-03-16 차량 오염도 분석 기반 세차 서비스 제공 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102554208B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100690279B1 (ko) * 2005-09-12 2007-03-09 주식회사 리트코 다목적 영상감지 시스템
KR20160094742A (ko) * 2015-02-02 2016-08-10 울산대학교 산학협력단 세차시스템 장치 및 그 세차 방법
KR20190060817A (ko) * 2017-04-11 2019-06-03 알리바바 그룹 홀딩 리미티드 이미지 기반의 차량 손상 판정 방법과 장치, 및 전자기기
KR102126166B1 (ko) * 2020-03-06 2020-06-25 김원태 스팀을 이용한 자동 세차 서비스를 제공하기 위한 방법 및 장치
KR20210059207A (ko) * 2019-11-15 2021-05-25 주식회사 세븐미어캣 인공지능 기반의 주차장 공유 시스템

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100690279B1 (ko) * 2005-09-12 2007-03-09 주식회사 리트코 다목적 영상감지 시스템
KR20160094742A (ko) * 2015-02-02 2016-08-10 울산대학교 산학협력단 세차시스템 장치 및 그 세차 방법
KR20190060817A (ko) * 2017-04-11 2019-06-03 알리바바 그룹 홀딩 리미티드 이미지 기반의 차량 손상 판정 방법과 장치, 및 전자기기
KR20210059207A (ko) * 2019-11-15 2021-05-25 주식회사 세븐미어캣 인공지능 기반의 주차장 공유 시스템
KR102126166B1 (ko) * 2020-03-06 2020-06-25 김원태 스팀을 이용한 자동 세차 서비스를 제공하기 위한 방법 및 장치

Similar Documents

Publication Publication Date Title
CN110261436B (zh) 基于红外热成像和计算机视觉的轨道故障检测方法及系统
US9449236B2 (en) Method for object size calibration to aid vehicle detection for video-based on-street parking technology
CN110033431B (zh) 钢桥表面锈蚀区域检测的非接触式检测装置及检测方法
TWI607901B (zh) 影像修補系統及其方法
US9214016B2 (en) Pantograph monitoring system and method
CN109657581B (zh) 基于双目相机行为检测的城市轨道交通闸机通行控制方法
CN110322522B (zh) 一种基于目标识别区域截取的车辆颜色识别方法
CN110596120A (zh) 玻璃边界缺陷检测方法、装置、终端及存储介质
US11410287B2 (en) System and method for artificial intelligence based determination of damage to physical structures
CN111223129A (zh) 检测方法、检测装置、监控设备和计算机可读存储介质
JP4245452B2 (ja) レンズの汚れ判定方法及び装置
Cord et al. Towards rain detection through use of in-vehicle multipurpose cameras
CN111739012A (zh) 基于转盘的摄像头模组白斑检测系统
CN108805184B (zh) 一种固定空间、车辆上的图像识别方法及系统
JP4701383B2 (ja) 視界不良評価方法および視界不良評価装置
CN110880184A (zh) 一种基于光流场进行摄像头自动巡检的方法及装置
CN114708532A (zh) 一种监控视频质量评估方法、系统及存储介质
CN113705351B (zh) 车辆定损方法、装置及设备
KR102554208B1 (ko) 차량 오염도 분석 기반 세차 서비스 제공 방법 및 시스템
JP6205712B2 (ja) 横断歩道検出装置および横断歩道検出方法
CN114332763A (zh) 工地车辆管理方法、设备、系统及计算机可读存储介质
CN112330544A (zh) 图像拖影的处理方法、装置、设备及介质
CN116403200A (zh) 基于硬件加速的车牌实时识别系统
CN116189038A (zh) 一种画面异常判定方法、装置、设备及存储介质
JP2019211921A (ja) 物体認識システムおよび物体認識方法

Legal Events

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