KR20130040595A - Method of automatically correcting an avm image - Google Patents

Method of automatically correcting an avm image Download PDF

Info

Publication number
KR20130040595A
KR20130040595A KR1020110105456A KR20110105456A KR20130040595A KR 20130040595 A KR20130040595 A KR 20130040595A KR 1020110105456 A KR1020110105456 A KR 1020110105456A KR 20110105456 A KR20110105456 A KR 20110105456A KR 20130040595 A KR20130040595 A KR 20130040595A
Authority
KR
South Korea
Prior art keywords
image
side image
distortion
standard pattern
adjacent
Prior art date
Application number
KR1020110105456A
Other languages
Korean (ko)
Other versions
KR101683923B1 (en
Inventor
김우성
Original Assignee
현대자동차주식회사
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 현대자동차주식회사 filed Critical 현대자동차주식회사
Priority to KR1020110105456A priority Critical patent/KR101683923B1/en
Publication of KR20130040595A publication Critical patent/KR20130040595A/en
Application granted granted Critical
Publication of KR101683923B1 publication Critical patent/KR101683923B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
    • B60R1/02—Rear-view mirror arrangements
    • B60R1/04—Rear-view mirror arrangements mounted inside vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image

Abstract

PURPOSE: A method for automatically correcting an AVM image distortion is provided to reduce a distortion phenomenon by displaying a point having the smallest difference between front/rear images and a side image. CONSTITUTION: An image recognition processing block stores a only standard pattern of a front image facing a side image from among front camera images in a knowledge base(S10). An image obtaining unit of the block obtains a recognition target side image(S12). An extracting unit of the block compares the side image adjacent to the front camera images with an accordance degree between standard patterns(S14). The distortion of the side image is reduced by opening or closing the side image(S16). [Reference numerals] (AA) Start; (BB) End; (S10) Recording only a standard pattern of an image adjacent to a side image among front camera images; (S12) Obtaining a side image to recognize; (S14) Comparing images of the side image, which are adjacent to the front camera images, with each recorded standard pattern with respect to accordance degrees; (S16) Reducing the distortion of the side image by adjusting the side image, thereby obtaining an image with the minimum error;

Description

ＡＶＭ 영상 왜곡 자동 보정 방법{Method of automatically correcting an AVM image}Method of automatically correcting an AVM image distortion

본 발명은 AVM 영상 왜곡 자동 보정 방법에 관한 것으로, 보다 상세하게는 AVM(Around View Monitoring) 영상의 왜곡현상을 자동으로 보정하는 방법에 관한 것이다.
The present invention relates to a method for automatically correcting AVM image distortion, and more particularly, to a method for automatically correcting a distortion phenomenon of an AVM (Around View Monitoring) image.

최근, 운전자의 차량 운전에 도움을 주고 차량 주변 상황을 쉽게 인지할 수 있도록 하는 AVM(Around View Monitoring) 차량이 출시되고 있다.Recently, an AVM (Around View Monitoring) vehicle has been introduced to assist a driver in driving a vehicle and to easily recognize a situation around the vehicle.

AVM(Around View Monitoring) 차량은 운전석에서 차량 주변 사방을 볼 수 있는 AVM 시스템을 장착한 차량이다.The AVM (Around View Monitoring) vehicle is equipped with an AVM system that can be seen from around the vehicle from the driver's seat.

AVM 시스템은 차량의 앞뒤, 좌우 사이드미러 하단에 모두 4개의 카메라를 장착하여 차량밖 사방을 차안의 모니터를 통해 볼 수 있도록 하는 시스템이다.
The AVM system is equipped with four cameras on the front, rear, left and right side mirrors so that the outside of the vehicle can be seen through the monitor in the car.

그런데, 종래의 AVM 차량에서 차량 주위 영상을 보면 정면/후면 영상과 수직 물체가 있는 측면 영상이 왜곡되어 보이는 문제가 발생되고 있다.However, when viewing the surrounding image of a vehicle in a conventional AVM vehicle, there is a problem that the front / rear image and the side image having a vertical object are distorted.

즉, 도 1에 예시한 바와 같이 측면 영상부분에 수직 물체가 있으면 보다 심하게 측면 영상 디스플레이시 왜곡됨을 알 수 있다.That is, as illustrated in FIG. 1, when there is a vertical object in the side image portion, it can be seen that the image is more severely distorted when displaying the side image.

그에 따라, 종래에는 개발 시험시 도 2에서와 같이 기존 정면/후면 카메라 영상과 측면 카메라 영상의 경계부분에 대해서 영상이 일치하도록 튜닝을 반복적으로 진행하고 있다.Accordingly, in the conventional development test, tuning is repeatedly performed so that an image coincides with a boundary portion of an existing front / rear camera image and a side camera image as shown in FIG. 2.

본 발명은 상기한 종래의 문제점을 해결하기 위해 제안된 것으로, AVM차량에서 정/후면 영상과 측면 영상의 경계부분의 왜곡을 자동으로 보정하도록 하는 AVM 영상 왜곡 자동 보정 방법을 제공함에 그 목적이 있다.
The present invention has been proposed to solve the above problems, and an object of the present invention is to provide an automatic AVM image distortion correction method for automatically correcting distortion of a boundary of a front / rear image and a side image in an AVM vehicle. .

상기와 같은 목적을 달성하기 위하여 본 발명의 바람직한 실시양태에 따른 AVM 영상 왜곡 자동 보정 방법은, 정면 카메라 영상 또는 후면 카메라 영상중에서 측면 영상과 이웃한 정면 또는 후면 영상의 표준 패턴을 지식베이스에 미리 기억시키는 단계; 인식하고자 하는 측면 영상을 획득하는 단계; 및 측면 영상중에서 정면 카메라 영상 또는 후면 카메라 영상과 인접한 측면 영상을 표준 패턴과 상호 비교하여 영상 왜곡도를 줄이는 단계;를 포함한다.In order to achieve the above object, AVM image distortion automatic correction method according to a preferred embodiment of the present invention, in the front and rear camera image of the front and rear images of the neighboring front or rear image in the knowledge base in advance Making a step; Obtaining a side image to be recognized; And comparing the side camera image adjacent to the front camera image or the rear camera image among the side images with a standard pattern to reduce image distortion.

바람직하게, 영상 왜곡도를 줄이는 단계는 정면 카메라 영상 또는 후면 카메라 영상과 인접한 측면 영상과 표준 패턴과의 일치 정도를 비교하되, 가장 에러가 작은 영상이 되도록 측면 영상을 펼치거나 줄여서 영상 왜곡도를 줄인다.
Preferably, the step of reducing the image distortion is to compare the degree of matching between the front side camera image or the rear side camera image and the adjacent side image and the standard pattern, but to reduce the image distortion by expanding or reducing the side image so that the image with the least error .

이러한 구성의 본 발명에 따르면, 정/후면 영상과 측면 영상 왜곡을 유사도법으로 두 영상 차이가 가장 작게 되는 점을 찾아 디스플레이해 줌으로써, 사용자가 느끼는 왜곡 현상을 현저히 줄인다.According to the present invention having such a configuration, the front / rear image and the side image distortion are found by using the similarity method to find and display the smallest point of difference between the two images, thereby significantly reducing the distortion phenomenon felt by the user.

이에 의해, 운전중에 발생할 수 있는 왜곡된 영상을 보정하여 물체 인식 성능을 높여 주차중 편의성 및 안정성을 높여준다.
This improves object recognition performance by correcting distorted images that may occur during driving, thereby increasing convenience and stability while parking.

도 1은 종래 측면 영상 부분에 수직 물체가 있을 경우에 발생되는 왜곡 현상을 보여주는 도면이다.
도 2는 종래 정면/후면 카메라 영상과 측면 카메라 영상의 경계부분에 대한 영상 일치를 위해 행하는 튜닝시의 화면예이다.
도 3은 본 발명의 실시예에 따른 AVM 영상 왜곡 자동 보정 방법에 적용되는 영상 인식 처리 블럭도이다.
도 4는 정면 영상과 측면 영상의 왜곡 보정을 설명하기 위해 예시된 화면이다.
도 5는 본 발명의 실시예에 따른 AVM 영상 왜곡 자동 보정 방법을 설명하기 위한 플로우차트이다.
도 6 내지 도 9는 본 발명의 실시예 설명에 채용되는 도면들이다.FIG. 1 is a diagram illustrating a distortion phenomenon occurring when a vertical object exists in a conventional side image part.
2 is a screen example of tuning performed for image matching of a boundary between a conventional front / rear camera image and a side camera image.
3 is a block diagram of an image recognition processing applied to an AVM image distortion automatic correction method according to an embodiment of the present invention.
4 is a screen exemplified for explaining distortion correction of a front image and a side image.
5 is a flowchart for describing an AVM image distortion automatic correction method according to an embodiment of the present invention.
6 to 9 are diagrams employed in describing an embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명의 실시예에 따른 AVM 영상 왜곡 자동 보정 방법에 대하여 설명하면 다음과 같다. 본 발명의 상세한 설명에 앞서, 이하에서 설명되는 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니된다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.Hereinafter, an AVM image distortion automatic correction method according to an embodiment of the present invention will be described with reference to the accompanying drawings. Prior to the detailed description of the present invention, terms and words used in the present specification and claims should not be construed as limited to ordinary or dictionary terms. Therefore, the embodiments described in the specification and the drawings shown in the drawings are only one of the most preferred embodiments of the present invention and do not represent all of the technical idea of the present invention, various modifications that can be replaced at the time of the present application It should be understood that there may be equivalents and variations.

도 3은 본 발명의 실시예에 따른 AVM 영상 왜곡 자동 보정 방법에 적용되는 영상 인식 처리 블럭도이다. 도 4는 정면 영상과 측면 영상의 왜곡 보정을 설명하기 위해 예시된 화면이다.3 is a block diagram of an image recognition processing applied to an AVM image distortion automatic correction method according to an embodiment of the present invention. 4 is a screen exemplified for explaining distortion correction of a front image and a side image.

도 3의 영상 인식 처리 블럭은 지식베이스(10), 영상 획득부(12), 전처리부(14), 추출부(16), 묘사부(18), 및 해석부(20)를 포함한다.The image recognition processing block of FIG. 3 includes a knowledge base 10, an image acquisition unit 12, a preprocessor 14, an extraction unit 16, a description unit 18, and an analysis unit 20.

지식베이스(10)는 정면 카메라 영상 또는 후면 카메라 영상중에서 측면 영상과 이웃한 정면 또는 후면 영상의 표준 패턴을 미리 저장하고 있다. 예를 들어, 정면 카메라 영상에서 측면 영상과 이웃한 도 4의 파랑색 부분에 대한 정보(표준 패턴 정보)가 지식베이스(10)에 미리 저장된다.The knowledge base 10 stores in advance a standard pattern of a side image and a neighboring front or rear image among the front camera image or the rear camera image. For example, information (standard pattern information) about the blue portion of FIG. 4 adjacent to the side image in the front camera image is stored in the knowledge base 10 in advance.

영상 획득부(12)는 디지털 캠코더나 카메라, 스캐너 등을 이용해서 영상처리에 이용할 수 있는 영상 데이터를 만든다. 영상 데이터는 BMP과 같이 디지털 형태로 저장된다. 예를 들어, 영상 획득부(12)는 측면 카메라로부터 측면에서 입력되는 영상을 획득한다. 여기서, 측면에서 입력되는 영상에는 정면 카메라 영상 또는 후면 카메라 영상과 인접한 측면 영상이 포함된다.The image acquisition unit 12 generates image data that can be used for image processing by using a digital camcorder, a camera, a scanner, or the like. Image data is stored in digital form, such as BMP. For example, the image acquisition unit 12 acquires an image input from the side camera from the side camera. Here, the image input from the side includes a side image adjacent to the front camera image or the rear camera image.

전처리부(14)는 지식베이스(10)의 정면 카메라 영상 또는 후면 카메라 영상, 영상 획득부(12)로부터의 측면 영상에 대하여 필터 또는 히스토그램 이퀄라이제이션(Histogram Equalization) 등의 방법을 이용하여 노이즈를 제거한다. 이러한 영상의 전처리는 꼭 필요한 절차는 아니며 영상의 상태나 인식 목적에 따라 생략될 수도 있다.The preprocessor 14 removes noise using a method such as a filter or histogram equalization for the front camera image or the rear camera image of the knowledge base 10 and the side image from the image acquirer 12. . The preprocessing of the image is not a necessary procedure and may be omitted depending on the state of the image or the purpose of recognition.

추출부(16)는 전처리부(14)로부터의 영상 및 지식베이스(10)의 영상을 통해 영상 내부에 필요한 영역을 추출해 낸다. 즉, 추출부(16)는 x,y 방향의 프로젝션(Projection) 또는 가능한 필터를 사용하여 영상 내부의 경계선(boundary) 또는 영역 정보를 구하게 된다.The extractor 16 extracts a region necessary in the image through the image from the preprocessor 14 and the image of the knowledge base 10. That is, the extraction unit 16 obtains boundary or area information inside the image by using projection in the x and y directions or a possible filter.

묘사부(18)는 추출부(16)로부터의 정보를 사람이 보기에 적합한 정보로 묘사한다. 즉, 추출부(16)로부터의 정보는 사람이 보기에 명확하지 못하다. 따라서, 묘사부(18)는 이를 사람에게 맞도록 해석한다.The depiction unit 18 depicts the information from the extraction unit 16 as information suitable for human viewing. In other words, the information from the extraction unit 16 is not clear to the human eye. Therefore, the description unit 18 interprets this to suit a person.

해석부(20)는 묘사부(18)로부터의 정보를 원하는 결과에 적합하도록 인식하고 해석한다. 즉, 해석부(20)는 지식베이스(10)를 이용하여 원하는 인식을 하여 결과를 출력한다.The analysis unit 20 recognizes and interprets the information from the description unit 18 so as to suit the desired result. That is, the analysis unit 20 outputs the result by performing the desired recognition using the knowledge base 10.

상술한 도 3에서는 추출부(16) 및 묘사부(18)가 정면 영상(또는 후면 영상)과 측면 영상의 왜곡 보정을 위해서 유사도법을 사용하여 왜곡을 보정시키는 것으로 이해할 수 있다. 여기서, 유사도법은 기본적으로 인식 장치 속에 문자의 종류에 따라 각각을 대표하는 표준 패턴만을 기억시켜 두고, 인식하고자 하는 임의의 영상 데이터와 각각의 표준 패턴과의 일치 정도를 일정한 기준으로 비교해서 가장 일치하는 표준패턴이 대표하는 카테고리(Category)를 임의의 카테고리(Category)로 판정하는 방법이다.In FIG. 3, the extraction unit 16 and the description unit 18 may be understood to correct the distortion using the similarity method to correct the distortion of the front image (or the rear image) and the side image. Here, the similarity method basically stores only standard patterns that represent each type according to the type of characters in the recognition device, and compares the degree of matching between any image data to be recognized with each standard pattern on a predetermined basis, and most matches. This is a method of determining a category represented by a standard pattern to be an arbitrary category.

도 5는 본 발명의 실시예에 따른 AVM 영상 왜곡 자동 보정 방법을 설명하기 위한 플로우차트이다. 도 6 내지 도 9는 본 발명의 실시예 설명에 채용되는 도면들이다. 후면 영상과 측면 영상의 경계 부분에 대한 영상 왜곡 자동 보정은 정면 영상과 측면 영상의 경계 부분에 대한 영상 왜곡 자동 보정과 동일하므로, 이하에서는 정면 영상과 측면 영상의 경계 부분에 대한 영상 왜곡 자동 보정에 대해서만 설명하여도 충분하리라 본다.5 is a flowchart for describing an AVM image distortion automatic correction method according to an embodiment of the present invention. 6 to 9 are diagrams employed in describing an embodiment of the present invention. Since the automatic image distortion correction for the boundary of the rear image and the side image is the same as the automatic image distortion correction for the boundary portion of the front image and the side image, hereinafter, the automatic image distortion correction for the boundary portions of the front image and the side image I think it will be enough to explain only.

먼저, 정면 카메라 영상중에서 측면 영상과 이웃한 정면 영상(도 4에서 ①)의 표준 패턴만을 지식베이스(10)에 미리 기억시켜 둔다(S10).First, only the standard pattern of the side image and the adjacent front image (1 in FIG. 4) is stored in the knowledge base 10 in advance in the front camera image (S10).

이어, 영상 획득부(12)가 인식하고자 하는 측면 영상을 획득한다(S12). 영상 획득부(12)는 획득한 측면 영상을 전처리부(14)를 통해 추출부(16)에게로 보낸다.Next, the image acquisition unit 12 acquires a side image to be recognized (S12). The image acquisition unit 12 transmits the acquired side image to the extraction unit 16 through the preprocessor 14.

그에 따라, 추출부(16)는 묘사부(8)와 함께, 정면 영상과 측면 영상의 경계 부분에 대한 영상 왜곡 자동 보정을 행한다. 다시 말해서, 측면 영상중에서 정면 카메라 영상과 인접한 측면 영상 및 각각의 표준 패턴의 일치 정도를 일정한 기준으로 비교한다(S14). 가장 에러가 작은(즉, 차이가 가장 작게 되는 부분) 영상이 되도록 측면 영상을 펼치거나 줄임으로써 영상 왜곡도를 줄인다(S16).Accordingly, the extraction unit 16, together with the depiction unit 8, performs automatic image distortion correction on the boundary portion of the front image and the side image. In other words, the degree of correspondence between the front camera image and the adjacent side image and each standard pattern among the side images is compared based on a predetermined reference (S14). The image distortion degree is reduced by unfolding or reducing the side image so as to have the image having the smallest error (that is, the portion where the difference is the smallest) (S16).

예를 들어, 도 6에서, 영문 T와 영문 I가 있을 때 두 문자가 서로 얼마나 유사한지 1:1로 비교해 보면, 왼쪽 문자(영문 T)는 비교 대상인 영문 I와 16개 점에서 차이가 난다는 것을 알 수 있다. 이와 같은 방법으로 측면 카메라 영상을 펼치거나 줄이는 방법을 사용하여 두 영상차이가 가장 작게 나는 영상을 디스플레이함으로써 운전자가 보이기에 왜곡이 가장 적게 느끼게 될 것이다.For example, in FIG. 6, when there is an English T and an English I, the two letters are compared with each other in a 1: 1 comparison, and the left letter (English T) is different from the English I which is a comparison target at 16 points. It can be seen that. In this way, by using the method of spreading or contracting the side camera image, the driver will feel the least distortion in the driver's view by displaying the image with the smallest difference between the two images.

따라서, 측면 카메라 영상을 펼치거나 줄이는 방법을 이용하여 도 4의 ② 부분을 점차 늘려가다 보면 왜곡이 가장 작아지는 영상을 얻을 수 있다. 즉, 측면 카메라 영상중에서 정면 카메라 영상과 인접한 측면 영상(도 4의 ②)을 늘려가면 도 4의 ①과 가장 차이가 작아지는 영상(도 7 참조)을 얻을 수 있다.Therefore, when the ② part of FIG. 4 is gradually increased using a method of expanding or reducing the side camera image, an image having the smallest distortion may be obtained. That is, when the side camera image adjacent to the front camera image (2 in FIG. 4) is increased among the side camera images, an image (see FIG. 7) having the smallest difference from ① in FIG. 4 may be obtained.

다시 말해서, 측면 카메라 영상중에서 정면 카메라 영상과 인접한 측면 영상(도 4의 ②)을 늘려가면서 도 4의 ① 부분(즉, 정면 카메라 영상중에서 측면 영상과 이웃한 정면 영상)과 비교시 차이나는 픽셀 단위(30*30)를 계산해 보면 도 8과 같은 그래프를 예시할 수 있다.In other words, while increasing the side image (2 in FIG. 4) adjacent to the front camera image in the side camera image, the pixel unit differs from the ① portion of FIG. 4 (that is, the front image adjacent to the side image in the front camera image). Calculating (30 * 30) can illustrate a graph as shown in FIG.

상술한 바와 같은 본 발명의 ＡＶＭ 영상 왜곡 자동 보정 방법을 AVM유니트내에 구현한다고 하면, 도 9의 좌측의 왜곡 보정전의 정면 카메라 영상이 도 9의 우측의 왜곡 보정후의 화면에서처럼 정면/측면 영상의 경계부분이 보다 자연스럽게 연결되어 왜곡없는 영상을 볼 수 있게 된다.If the automatic image distortion correction method of the present invention as described above is implemented in the AVM unit, the front camera image before the distortion correction on the left side of FIG. 9 is the boundary portion of the front / side image as in the screen after the distortion correction on the right side of FIG. The more natural connection, the more distortion-free images can be seen.

한편, 본 발명은 상술한 실시예로만 한정되는 것이 아니라 본 발명의 요지를 벗어나지 않는 범위내에서 수정 및 변형하여 실시할 수 있고, 그러한 수정 및 변형이 가해진 기술사상 역시 이하의 특허청구범위에 속하는 것으로 보아야 한다.
While the present invention has been described in connection with what is presently considered to be practical exemplary embodiments, it is to be understood that the invention is not limited to the disclosed embodiments, but, on the contrary, is intended to cover various modifications and equivalent arrangements included within the spirit and scope of the appended claims. You must see.

10 : 지식베이스 12 : 영상 획득부
14 : 전처리부 16 : 추출부
18 : 묘사부 20 : 해석부10: knowledge base 12: image acquisition unit
14: preprocessing unit 16: extraction unit
18: description unit 20: analysis unit

Claims (2)

정면 카메라 영상 또는 후면 카메라 영상중에서 측면 영상과 이웃한 정면 또는 후면 영상의 표준 패턴을 지식베이스에 미리 기억시키는 단계;
인식하고자 하는 측면 영상을 획득하는 단계; 및
상기 측면 영상중에서 상기 정면 카메라 영상 또는 후면 카메라 영상과 인접한 측면 영상을 상기 표준 패턴과 상호 비교하여 영상 왜곡도를 줄이는 단계;를 포함하는 것을 특징으로 하는 AVM 영상 왜곡 자동 보정 방법.
Storing in advance a standard pattern of a side image and a neighboring front or rear image among a front camera image or a rear camera image in a knowledge base;
Obtaining a side image to be recognized; And
And comparing the side camera image adjacent to the front camera image or the rear camera image among the side images with the standard pattern to reduce the image distortion degree.
청구항 1에 있어서,
상기 영상 왜곡도를 줄이는 단계는 상기 정면 카메라 영상 또는 후면 카메라 영상과 인접한 측면 영상과 상기 표준 패턴과의 일치 정도를 비교하되, 가장 에러가 작은 영상이 되도록 상기 측면 영상을 펼치거나 줄여서 영상 왜곡도를 줄이는 것을 특징으로 하는 AVM 영상 왜곡 자동 보정 방법.The method according to claim 1,
Reducing the image distortion level may compare the degree of matching between the front side camera image or the rear side camera image and the adjacent side image and the standard pattern, and expand or reduce the side image so as to have the smallest error image. AVM image distortion automatic correction method, characterized in that for reducing.
KR1020110105456A 2011-10-14 2011-10-14 Method of automatically correcting an AVM image KR101683923B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110105456A KR101683923B1 (en) 2011-10-14 2011-10-14 Method of automatically correcting an AVM image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110105456A KR101683923B1 (en) 2011-10-14 2011-10-14 Method of automatically correcting an AVM image

Publications (2)

Publication Number Publication Date
KR20130040595A true KR20130040595A (en) 2013-04-24
KR101683923B1 KR101683923B1 (en) 2016-12-08

Family

ID=48440378

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110105456A KR101683923B1 (en) 2011-10-14 2011-10-14 Method of automatically correcting an AVM image

Country Status (1)

Country Link
KR (1) KR101683923B1 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150360612A1 (en) * 2014-06-13 2015-12-17 Hyundai Mobis Co., Ltd. Around view monitoring apparatus and method thereof
KR20160092405A (en) 2015-01-27 2016-08-04 주식회사 만도 System and method of image stabilization for vehicle camera using portable terminal
US9517725B2 (en) 2014-09-19 2016-12-13 Hyundai Motor Company Auto revising system for around view monitoring and method thereof
KR20170018644A (en) * 2015-08-10 2017-02-20 (주)캠시스 Method and Apparatus for Compensating Camera Tolerance in Around View Monitoring System
CN108674314A (en) * 2018-04-03 2018-10-19 深圳市麦道微电子技术有限公司 The distortionless Display Processing Technology of input and output image scaled of inside-automobile rear mirror

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100948886B1 (en) * 2009-06-25 2010-03-24 주식회사 이미지넥스트 Tolerance compensating apparatus and method for automatic vehicle-mounted camera
KR20110047486A (en) * 2009-10-30 2011-05-09 동의대학교 산학협력단 Vehicle all directions monitoring system based on ???? network
KR20110067437A (en) * 2009-12-14 2011-06-22 (주) 에투시스템 Apparatus and method for processing image obtained by a plurality of wide angle camera
KR20110082873A (en) * 2010-01-12 2011-07-20 (주) 에투시스템 Image processing apparatus providing distacnce information in a composite image obtained from a plurality of image and method using the same

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100948886B1 (en) * 2009-06-25 2010-03-24 주식회사 이미지넥스트 Tolerance compensating apparatus and method for automatic vehicle-mounted camera
KR20110047486A (en) * 2009-10-30 2011-05-09 동의대학교 산학협력단 Vehicle all directions monitoring system based on ???? network
KR20110067437A (en) * 2009-12-14 2011-06-22 (주) 에투시스템 Apparatus and method for processing image obtained by a plurality of wide angle camera
KR20110082873A (en) * 2010-01-12 2011-07-20 (주) 에투시스템 Image processing apparatus providing distacnce information in a composite image obtained from a plurality of image and method using the same

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150360612A1 (en) * 2014-06-13 2015-12-17 Hyundai Mobis Co., Ltd. Around view monitoring apparatus and method thereof
US9669761B2 (en) * 2014-06-13 2017-06-06 Hyundai Mobis Co., Ltd. Around view monitoring apparatus and method thereof
US9517725B2 (en) 2014-09-19 2016-12-13 Hyundai Motor Company Auto revising system for around view monitoring and method thereof
KR20160092405A (en) 2015-01-27 2016-08-04 주식회사 만도 System and method of image stabilization for vehicle camera using portable terminal
KR20170018644A (en) * 2015-08-10 2017-02-20 (주)캠시스 Method and Apparatus for Compensating Camera Tolerance in Around View Monitoring System
CN108674314A (en) * 2018-04-03 2018-10-19 深圳市麦道微电子技术有限公司 The distortionless Display Processing Technology of input and output image scaled of inside-automobile rear mirror

Also Published As

Publication number Publication date
KR101683923B1 (en) 2016-12-08

Similar Documents

Publication Publication Date Title
KR102299847B1 (en) Face verifying method and apparatus
US9280702B2 (en) Image processing device and image processing method
KR100480781B1 (en) Method of extracting teeth area from teeth image and personal identification method and apparatus using teeth image
US8379958B2 (en) Image processing apparatus and image processing method
KR102415509B1 (en) Face verifying method and apparatus
KR20130040595A (en) Method of automatically correcting an avm image
WO2003081532A1 (en) Method and apparatus for the automatic detection of facial features
KR100857463B1 (en) Face Region Detection Device and Correction Method for Photo Printing
CA3153067C (en) Picture-detecting method and apparatus
JP3490910B2 (en) Face area detection device
US9762773B2 (en) Image processing apparatus and method for increasing sharpness of images
CN111814564A (en) Multispectral image-based living body detection method, device, equipment and storage medium
US20120201470A1 (en) Recognition of objects
KR101669447B1 (en) System and the method for recognizing drowsiness
KR102194511B1 (en) Representative video frame determination system and method using same
KR101724337B1 (en) Robust Edge Detection Method and System for Noise and Blur
KR20140134549A (en) Apparatus and Method for extracting peak image in continuously photographed image
KR102106468B1 (en) Apparatus and method for image processing
JP3578321B2 (en) Image normalizer
KR102212358B1 (en) Apparatus and method of masking some privacy areas of video in real time
KR102257883B1 (en) Face Recognition Apparatus and Method
CN112801002A (en) Facial expression recognition method and device based on complex scene and electronic equipment
JP3963789B2 (en) Eye detection device, eye detection program, recording medium for recording the program, and eye detection method
US20190370942A1 (en) Red-eye correction techniques
KR20050096484A (en) Decision of occlusion of facial features and confirmation of face therefore using a camera

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
FPAY Annual fee payment

Payment date: 20191127

Year of fee payment: 4