KR20130094997A - 장애물 검출 및 충돌 경보 장치 및 방법 - Google Patents

Abstract

본 발명은 장애물 검출 및 충돌 경보 장치 및 방법에 관한 것으로서, 본 발명에 따른 장애물 검출 및 충돌 경보 장치는 차량 위치에 대한 인식 값, 장애물에 대한 감지 값 카메라로부터 획득된 영상데이터를 토대로 장애물이 탐지되면 기계 학습 기법을 이용하여 근거리 및 원거리에 있는 장애물 움직임을 실시간으로 정확하게 검출하고, 검출된 결과를 운전자에게 알리는 것을 특징으로 한다. 본 발명에 따르면, 주성분 분석법과 장애물 영상 특징값을 이용하여 장애물 검출 성능을 크게 향상시킬 수 있고, 자동으로 장애물을 탐지하고 움직임을 검출하며 경보를 울려 알려줌으로써 운전자가 별도로 조작할 필요가 없어 편리하며, 데이터의 특징 벡터를 추출하고 기계 학습 알고리즘(SVM)을 사용하여 분류함으로써 복잡도를 감소시킬 수 있다. 또한, 센서 및 장애물 영상정보를 이용하여 장애물 움직임 검출 및 충돌 위험 경보를 수행함으로써, 조명이나 포즈 등에 의해서도 다른 장애물을 정확히 검출할 수 있고, 경보를 울림으로써 움직이는 장애물과의 충돌 위험을 감소시켜 종래기술의 오류를 크게 줄일 수 있으며, 시스템을 제어하기 위한 센서 및 카메라만 추가 구비하면 되므로 개발 비용이 저렴하고, 기계 학습 알고리즘을 사용하고 스피커를 이용하는 시스템상 개발이므로 경제적이고 환경에 전혀 유해하지 않다.

Description

장애물 검출 및 충돌 경보 장치 및 방법{Apparatus And Method Detectinc Obstacle And Alerting Collision}

본 발명은 장애물 검출 및 충돌 경보 장치 및 방법에 관한 것으로서, 보다 구체적으로는 주차시 장애물을 검출하여 충돌을 경보 하는 장치 및 방법에 관한 것이다.

기존의 자동 주차 시스템은 도 1에 도시된 바와 같이, 자동 위치 인식부, 주차 공간 판단부, 주차 경로 생성부, 주차 경로 추종부 및 시스템 관리부를 포함한다.

자동 위치 인식부는 차량 정보(Steering Angle, Wheel Pulse, Yaw-rate, Temperature 등)를 받아서 차량의 상태 및 위치를 판단하여 궤적 산출/제어 모듈에 전달한다.

주차 공간 판단부는 센서로부터 받은 정보를 이용하여 주차 공간을 판단하고, 차량의 주차 목표점을 연산하여 궤적산출/제어 모듈의 주차 경로 생성부에 전달한다.

주차 경로 생성부는 주차 공간 판단부로부터 받은 주차 공간 연산 결과를 받아서, 주차 유도 궤적을 산출한다.

주차 경로 추종부는 주차 공간 판단부로부터 받은 차량 주변의 장애물 정보와 주차 경로 생성부로부터 받은 주차 궤적을 이용하여 주차 공간 추종을 유도한다.

시스템 관리부는 자동 주차 시스템을 구성하는 각 블록을 통합 관리하는 기능을 수행한다.

주차 공간 판단부는 도 2에 도시된 바와 같이, 초음파 센서의 거리로부터 주차 가능 공간을 탐색하고 판단한다. 주차 가능 여부는 주차 방식과 경로 생성 방식에 연관된다. 초음파 센서에 의해 측정된 거리와 차량 위치 인식부의 위치 정보를 이용하여 현재 차량의 위치를 파악하고 두 정보를 이용하여 맵을 구성하며, 적용할 경로 계획법에 따라 주차 가능 여부를 판정한다.

한편, 주차 공간은 장애물의 움직임에 따라 달라질 수 있으므로 정확한 주차 공간 판단을 위해서는 장애물 움직임을 검출할 수 있어야 한다.

그러나 종래의 장애물 움직임 검출 기술은 휴먼 컴퓨터 인터페이스, 비디오 감시 시스템, 장애물을 이용한 영상 검색 등의 다양한 응용분야가 생기면서 그 중요성이 커지고 있으나, 실생활에서 사용하기에 알고리즘의 탐지 신뢰성이 낮고, 검출 속도가 만족스럽지 못하며 장애물 움직임을 인식하지 못하는 문제점이 있다.

종래의 장애물 움직임 검출 기술은 주로 차량에 장착한 카메라를 이용하여 차량 근처의 충돌 가능성이 있는 장애물을 감지하는 것이며, 이러한 감지 결과를 운전자에게 미리 알려줘 충돌에 대비할 수 있도록 하였다.

차량에 장착되는 장애물 검출 장치는 운전석에서 사각으로 되어있는 차량의 전후, 좌우 구역의 장애물을 탐지하여 운전자에게 알려주는 것이다. 도 3에 도시된 바와 같이, 차량의 프런트 범퍼에 센서 2개, 리어 범퍼에 센서 2개를 달아서 장애물을 감지한다.

센서 탐지 구역은 센서를 중심으로 거의 반구형의 형태로, 장애물이 감지되면 컨트롤 유닛을 통해 버저를 일정 간격으로 울리도록 설계되어 있어서 운전자가 장애물의 위치를 파악하기 어려운 실정이다.

이러한 시스템들의 장애물 인식 방법은 카메라 영상으로부터 장애물의 후보영역을 확보한 후, 장애물의 유무를 판별하여 실제 장애물의 존재 여부를 확인한다.

이를 위해 장애물 샘플 패턴으로부터 결정 바운더리(decision boundary)를 학습시켜 장애물 인식에 적용하고 있다. 그 대표적인 방법은 MLP(Multi Layer Perceptron)이다. MLP를 통한 학습 방법은 주어진 샘플데이터로부터 에러만을 최소화시키는 기법이다.

이하에서 종래의 장애물 검출 시스템의 문제점을 보다 구체적으로 설명하면, 장애물 검출에 있어서 높은 오류가 발생한다.

운전 경험자인 경우에도 협소한 장소에 차량을 주차할 경우 장애물 인식 오류로 인해 타인의 차량 또는 차량의 앞에 위치하고 있는 벽면과 충돌할 수 있다. 또한, 주차 장소의 여유가 있다 하더라도 돌과 같이 낮은 물체는 시스템에 의해 인식되지 못하여 주차 도중 차량 하부가 손상될 수도 있다.

이는 단순한 센서 장착만으로 거리 측정만이 가능할 뿐, 사각지대인 차량 상방향의 장애물 탐지는 어렵기 때문이다.

부정확한 탐지 알고리즘을 사용한다.

MLP 방법은 주어진 샘플 데이터로부터의 에러만을 최소화하여, 학습 데이터에서는 높은 정확도를 보장하나, 비학습 데이터에서는 낮은 정확도를 보인다. 장애물 영상 탐지와 같이 빛의 밝기, 위치, 형태 등의 다양한 변화가 생기는 환경을 고려할 때, 샘플 데이터 수가 광대하지 않으면 신뢰성을 확보하기 어렵다.

장애물 움직임의 인식이 불가하다.

종래 기술은 차량의 전후방 범퍼에 장착된 거리감지센서로부터 근접되는 장애물의 거리를 감지하여 운전자에게 경고가 수행되므로, 장애물의 움직임은 판단하지 못하는 문제점이 있다.

장애물 충돌 위험에 대해 부정확하게 경보한다.

자동 주차 보조 시스템의 주차 제어시 장애물이 갑자기 나타날 경우, 센서의 장애물 위치 인식 오차로 주차 공간에 있는 장애물을 잘못 인식하면, 주차 공간에 제대로 주차할 수 없거나 갑자기 나타난 장애물 또는 주차 공간 내의 장애물과 충돌할 수도 있다.

이처럼 주차 차량은 움직이는 장애물을 검출해서 장애물을 통과해야한다. 주차 차량 좌,우,측면에 위치한 주차 차량이 복잡하게 주차되어 있거나 장애물을 통과하기 위한 주차 공간이 좁은 경우, 운전자에게 움직이는 장애물의 위치를 알려주지 않으면 주차 차량은 주변 장애물과 일정 간격을 유지할 수 없어서 장애물의 움직임이 실시간으로 검출되더라도 장애물과 충돌할 위험성이 높다.

또한 후방 장애물을 감지하여 운전자에게 경보할 경우 운전자가 카메라의 영상만을 가지고 장애물을 인식함에 따라, 야간이나 안개 등 악천후에 따른 장애물 인식률이 낮아져 충돌하는 경우가 발생할 수도 있다.

본 발명은 상기와 같은 문제점을 감안하여 창출한 것으로서, 차량 위치에 대한 인식 값, 장애물에 대한 감지 값 카메라로부터 획득된 영상데이터를 토대로 장애물이 탐지되면 기계 학습 기법을 이용하여 근거리 및 원거리에 있는 장애물 움직임을 실시간으로 정확하게 검출하고, 검출된 결과를 운전자에게 알리는 장애물 검출 및 충돌 경보 장치 및 방법을 제공하는 데 그 목적이 있다.

전술한 목적을 달성하기 위하여, 본 발명의 일면에 따른 자동 주차 시스템의 장애물 검출 및 출동 경보 장치는 입력된 영상 신호에서 밝기 변화가 확인되면 장애물 영역과 비장애물 영역을 구분하는 SVM의 결정 경계(decision boundary)를 이용하여 장애물 영역을 검출하는 장애물 움직임 검출기; 및 검출된 장애물의 위치에 따라 그에 대응되는 스피커를 통해 운전자에게 장애물이 있음을 알려 장애물과 충돌하지 않도록 하는 충돌 위험 경보부를 포함한다.

본 발명의 다른 면에 따른 자동 주차 시스템의 장애물 검출 및 출동 경보 방법은 입력된 영상 신호에서 밝기 변화가 확인되면 장애물 영역과 비장애물 영역을 구분하는 SVM의 결정 경계(decision boundary)를 이용하여 장애물 영역을 검출하는 단계; 및 검출된 장애물과 충돌하지 않도록 검출된 장애물의 위치에 따라 그에 대응되는 스피커를 통해 운전자에게 알리는 단계를 포함한다.

본 발명에 따르면, 주성분 분석법과 장애물 영상 특징값을 이용하여 장애물 감지 성능을 크게 향상시킬 수 있다.

자동으로 장애물을 탐지하고 움직임을 검출하고 경보를 울려 알려줌으로써 운전자가 별도로 조작할 필요가 없어 편리하다.

데이터의 특징 벡터를 추출하고 기계 학습 알고리즘(SVM)을 사용하여 분류함으로써 복잡도를 감소시킬 수 있다.

센서 및 장애물 영상정보를 이용하여 장애물 움직임 검출 및 충돌 위험 경보를 수행함으로써, 조명이나 포즈 등에 의해서도 다른 장애물을 정확히 검출할 수 있다. 또한 경보를 울림으로써 움직이는 장애물과의 충돌 위험을 감소시켜 종래기술의 오류를 크게 줄일 수 있다.

시스템을 제어하기 위한 센서 및 카메라만 추가 구비하면 되므로 개발 비용이 저렴하다.

기계 학습 알고리즘을 사용하고 스피커를 이용하는 시스템상 개발이므로 경제적이고 환경에 전혀 유해하지 않다.

도 1 내지 도 3은 종래의 기술을 설명하기 위한 도면.
도 4는 본 발명의 일 실시예에 따른 장애물 검출 및 충돌 경보 장치를 설명하기 위한 블럭도.
도 5는 도 4를 보다 구체적으로 설명하기 위한 블럭도.
도 6은 장애물 움직임 검출기를 설명하기 위한 블럭도.
도 7은 초음파 센서 및 스피커 장착 위치를 설명하기 위한 도면.
도 8은 본 발명의 일 실시예에 따른 장애물 검출 및 충돌 경보 방법을 설명하기 위한 흐름도.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 용이하게 이해할 수 있도록 제공되는 것이며, 본 발명은 청구항의 기재에 의해 정의된다. 한편, 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자 이외의 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

이하, 도 4 내지 도 7을 참조하여 본 발명의 일 실시예에 따른 장애물 검출 및 충돌 경보 장치를 설명한다. 도 4는 본 발명의 일 실시예에 따른 장애물 검출 및 충돌 경보 장치를 설명하기 위한 블럭도이고, 도 5는 도 4를 보다 구체적으로 설명하기 위한 블럭도이며, 도 6은 장애물 움직임 검출기를 설명하기 위한 블럭도이며, 도 7은 초음파 센서 및 스피커 장착 위치를 설명하기 위한 도면이다.

도 4에 도시된 바와 같이, 본 발명의 장애물 검출 및 충돌 경보 장치는 차량 위치 인식부(110), 센서부(120), 카메라 영상부(130), 장애물 탐지부(140), 장애물 움직임 검출기(150) 및 충돌 위험 경보부(160)를 포함한다.

차량 위치 인식부(110)는 도 5에 도시된 바와 같이, 차량의 조향 방향 및 조향각을 감지하는 Steering Angle(조향각 센서, 111), Wheel Pulse(휠 펄스 센서, 112), Yawrate(요 각속도 센서, 113),Temperature(온도 센서, 114)를 포함한다.

센서부(120)는 신호와 장애물 탐지를 위한 Ultrasonic sensor(초음파 신호 센서, 121)를 포함한다.

카메라 영상부(130)는 카메라(131)를 포함한다.

장애물 탐지부(140)는 입력된 영상으로부터 특징 벡터를 추출한다.

차량 위치 인식부(110)는 조향각 센서(111)에 의해 측정된 값( 차량 핸들의 조향 각도에 의한 신호를 측정한 값)을 통해 차량의 위치와 움직임을 실시간으로 감지한다.

센서부(120)는 차량의 측방, 전후방의 장애물을 탐지하며, 장애물 탐지부(140)는 센서부(120)에 의해 측정된 값을 통해 장애물의 존재 여부를 판단한다.

장애물 움직임 검출기(150)는 카메라(131)로부터 영상 데이터 값을 얻어 학습 데이터로 이용한다.

예컨대, 장애물 움직임 검출기(150)는 영상 신호가 입력되면, 입력된 영상 신호에서 밝기 변화가 있는지를 확인한다. 밝기 변화가 있으면 장애물 영역과 비장애물 영역을 구분는 SVM의 결정 경계(decision boundary)를 이용하여 장애물 영역을 검출 후 움직임 감지신호를 출력한다.

충돌 위험 경보부는(160)는 장애물 움직임 검출기(150)로부터 움직임 감지 신호가 입력되면, 스피커를 통해 운전자에게 장애물이 있음을 알려 장애물과 충돌하지 않도록 한다. 장애물과의 거리가 약 50cm가 되면 표시등을 점멸시키고 버저가 단발적으로 계속 울리도록 컨트롤 유닛을 제어한다. 또한,장애물에 가까이 접근할수록 그 주기를 빠르게 하고, 20cm 이내가 되면 표시등이 연속 점등되도록 함과 동시에 버저도 연속적으로 울리도록 한다.

이하에서 장애물 움직임 검출기에 대해 보다 상세하게 설명하면, 장애물 특징을 이용한 장애물 움직임 검출기(150)는 도 6에 도시된 바와 같이, 프레임 메모리(151), 특징값 추출부(152), 제1 임계값 설정부(153), 비교부(154), 이치화부(155), 가산기(156), 움직임 판별부(157) 및 움직임 검출부(158)를 포함한다.

프레임 메모리(151)는 카메라 영상부로부터, 영상을 취득하여 저장한다.

감산기(159)는 저장된 이전 영상과 현재 입력된 영상과의 밝기값에 대한 차영상을 구한다.

특징값 추출부(152)는 장애물 움직임 검출을 위해 특징 값을 추출한다. 특징값으로 평균, 표준편차, 정규분포, 히스토그램을 포함한다.

제1 임계값 설정부(153)는 특징값 추출부로부터 장애물 움직임이 있다고 가정하는 화소 경계값을 설정한다.

비교부(154)는 감산기에 의해 구해진 이전 영상과 현재 입력 영상의 밝기값에 대한 차영상과 제1 임계값을 비교한다. 제1 임계값보다 차영상의 값이 큰 경우, 장애물 움직임 있는 화소로 판단하고, 작은 경우는 장애물 움직임이 없는 화소로 판단한다.

이치화부(155)는 밝기값 변화의 유무에 따라 +1, -1값을 할당한다. 밝기값 변화가 있는 화소는 +1 값을 할당하고, 변화가 없는 화소는 -1 값을 할당한다. 이런 과정을 통해 영상을 이진화한다.

가산기(156)는 이진화된 영상에서 장애물 움직임이 있는 화소들의 전체 합을 구한다.

장애물 움직임 판별부(157)는 전체 입력 영상에서 밝기값 변화가 있는지의 유무를 계산한 후, 그 변화에 따라 장애물 움직임 영역이 있는지 판단하고, 움직임이 있는 화소들의 전체 합이 임계값보다 크면 현재 입력 영상에서 장애물 움직임이 있다고 판별한다.

장애물 움직임 검출부(158)는 장애물 움직임 영역이 있는 경우, 움직임 영역이 있는 부분에 장애물 특성의 유무를 판별하고, 장애물이 있다면 장애물 움직임 검출 신호를 출력한다. 일차적으로 판별된 영상 중에서 장애물 영상을 검출한다. 장애물 영상이 있는 경우, 최종적으로 장애물 움직임이 있는 것이므로 장애물 움직임 검출 신호를 출력한다.

장애물 움직임 검출부(158)는 M-grid Gabor Wavelet 기반 후보 영역 검출부, 저해상도 SVM 기반 후보 영역 검출부, 고해상도 SVM 기반 후보 영역 검출부를 포함한다.

M-grid Gabor Wavelet 기반 후보 영역 검출부는 움직임이 있다고 판별된 영역에 특정 패턴을 적용시켜 장애물이 존재할 가능성이 있는 후보 영역을 검출한다. 카메라 영상 시퀀스가 프레임 단위로 입력되면, 모든 가능한 위치에 M like shape grid를 매치해 특징 벡터를 추출하고, 평균 벡터와의 거리를 계산한다. 평균 벡터와의 거리가 기 학습에 의해 얻어진 최대치 거리보다 작으면 장애물 영역이라고 판단하여 장애물이 존재하는 후보 영역을 검출한다.

저해상도 SVM 기반 후보 영역 검출부는 기 학습 단계에서 정규화된 다수의 장애물 영상(N X N 화소 크기)들에 대해 주성분 분석법(PCA, PrincipleComponentAnalysis)을 수행하여 N개의 eigen 벡터를 사용하여 특징 벡터를 추출한다. PCA를 이용해 영상 특징 벡터가 표현하고 있던 분산을 최대화하는 방향으로 특징 공간을 선형 사영하여 차원을 줄인다. 분산을 이용하여 고유값과 특징 벡터를 구한다. 고유값들의 크기순으로 나열하여 이에 해당하는 원하는 차원의 특징 벡터를 추출한다. 일반적으로 누적 기여율(누적분산)이 전체 고유값 합의 99%를 차지하는 k개를 선택한다.

추출된 장애물 특징 벡터들과 비장애물 특징 벡터들을 SVM에 인가하여 장애물 클래스와 비장애물 클래스를 구분할 수 있는 결정 경계(Decision boundary)를 얻는다. 검출 단계에서는 M-grid Gabor Wavelet 기반 후보 영역 검출부에서 장애물이라고 판단된 후보 지점을 중심으로 가능한 부분 영상(Observation window)들을 모두 조사하여 기학습된 결정 경계에서 의해 장애물 후보 영역을 찾는다.

고해상도 SVM기반 최종 장애물 검출부는 저해상도 SVM 기반 후보 영역 검출부의 학습 및 검출 단계와 유사한 방법으로 학습 단계에서 2N X 2N 화소크기의 장애물 영상을 사용하고, 2N개의 eigen 벡터를 사용해 특징을 추출한다. 검출 단계에서 저해상도 SVM 기반 후보 영역 검출부를 수행하여 검출된 장애물이라고 판단되는 후보 영역을 중심으로 고해상도 SVM을 이용해 최종적으로 장애물을 검출한다.

한편, 장애물 움직임 검출기(150)는 도 7에 도시된 바와 같이, 차량 전방의 장애물의 움직임을 감지하는 전방 초음파 센서(4개), 측방의 장애물의 움직임을 감지하는 측방 초음파 센서(2개), 후방의 장애물의 움직임을 감지하는 후방 초음파 센서(4개) 및 스피커부를 포함하고, 스피커부는 각 센서가 장착된 위치에 장착된다.

장애물 움직임 검출기(150)로부터 장애물 움직임 검출 신호가 출력되면, 위치에 따라 전방 스피커, 측방 스피커, 후방 스피커는 경고음을 출력한다.

예컨대, 장애물의 움직임이 전방에서 검출되면 전방 스피커가 작동하고, 측방에서 검출되면 측방 스피커가 작동하며, 후방에서 검출되면 후방 스피커가 경고음을 출력하여 운전자에게 충돌 위험을 알린다.

장애물과의 거리가 약 50cm가 되면 표시등을 점멸시키고 버저를 단발적으로 계속 울리도록 컨트롤 유닛을 제어한다. 또한, 장애물에 가까이 접근할수록 그 주기를 빠르게 하고, 20cm 이내가 되면 표시등은 연속 점등되도록 함과 동시에 버저도 연속적으로 울리도록 한다.

전술한 바와 같이, 본 발명에 의하면, 차량의 프런트 범퍼에 초음파 센서 4개, 리어 범퍼에 초음파 센서 4개, 측면에 2개 총 10개의 센서를 장착하고, 이를 통해 장애물 움직임을 검출함으로써 장애물 움직임 검출 영역을 넓힐 수 있다. 주성분 분석법과 장애물 영상 특징값을 이용함으로써 검출 및 경보 성능을 크게 향상시킬 수 있다. 장애물 특징을 이용하여 움직임을 검출함으로써 보다 지능적인 검출을 통해 자동 주차 성능을 높일 수 있다. 필요 영상만을 저장할 수 있어서 영상 저장 용량을 효율적으로 사용할 수 있다. 또한, 전체 영상에서 장애물을 찾지 않고, 밝기 변화가 있는 영상에 대해서만 장애물 영역을 검출함으로써 계산량을 줄일 수 있고, SVM을 사용함으로써 적은 수의 support vector로 결정 바운더리를 효과적으로 표현하여 연산량을 크게 줄여 장애물 검출 분류 속도를 향상시킬 수 있으며, 더 큰 margin을 얻게 함으로써 높은 신뢰성을 보장할 수 있다.

이상, 도 4 내지 도 7을 참조하여 본 발명의 일 실시예에 따른 장애물 검출 및 충돌 경보 장치를 설명하였고, 이하에서는 도 8을 참조하여 본 발명의 일 실시예에 따른 장애물 검출 및 충돌 경보 방법을 설명한다. 도 8은 본 발명의 일 실시예에 따른 장애물 검출 및 충돌 경보 방법을 설명하기 위한 흐름도이다.

도 8에 도시된 바와 같이, 차량 위치 값, 장애물 위치 값, 장애물 영상데이터 값 등이 입력 여부에 따라(S800), 장애물 탐지 여부를 판단한다(S801).

즉, 차량 위치 값, 장애물 위치 값, 장애물 영상데이터 값 등이 입력되면, 장애물을 탐지하는 것으로 결정하고, 차량 위치 값, 장애물 위치 값, 장애물 영상데이터 값 등이 입력되지 않으면, 장애물을 탐지하지 않는다.

단계(S801) 판단결과, 장애물을 탐지하는 것으로 결정한 경우, 현재 입력되는 영상과 이미 저장되어 있는 이전 영상의 밝기값에 대한 차 영상을 토대로 전체 입력 영상에서 밝기값 변화가 있는지 없는지를 계산한다(S802).

밝기값 변환에 의하여 움직임 영역이 있을 경우 충돌 위험 경보부를 동작시켜, 움직임 영역이 있는 영상 전체에 사람의 장애물특성이 있는지 없는지 판별한다(S803).

입력영상에서 장애물영역이 있는 경우, 움직임 감지신호를 출력한다(S804).

감지된 장애물의 위치에 따라 스피커가 경고음을 출력하여 운전자에게 충돌 위험을 알린다.

예컨대, 장애물 움직임이 전방 영역이면(S805), 전방 스피커 경보를 발생하고(S806), 장애물 움직임이 측방 영역이면(S807), 측방 스피커 경보를 발생하며(S808), 장애물 움직임이 후방 영역이면(S809), 후방 스피커 경보를 발생한다(S810).

이상 바람직한 실시예와 첨부도면을 참조하여 본 발명의 구성에 관해 구체적으로 설명하였으나, 이는 예시에 불과한 것으로 본 발명의 기술적 사상을 벗어나지 않는 범주내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 안되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.

110 : 차량 위치 인식부 120 : 센서부
130 : 카메라 영상부 140 : 장애물 탐지부
150 : 장애물 움직임 검출기 160 : 충돌 위험 경보부

Claims (6)

1. 자동 주차 시스템의 장애물 검출 및 출동 경보 장치에 있어서,
   입력된 영상 신호에서 밝기 변화가 확인되면 장애물 영역과 비장애물 영역을 구분하는 SVM의 결정 경계(decision boundary)를 이용하여 장애물 영역을 검출하는 장애물 움직임 검출기; 및
   검출된 장애물의 위치에 따라 그에 대응되는 스피커를 통해 운전자에게 장애물이 있음을 알려 장애물과 충돌하지 않도록 하는 충돌 위험 경보부
   를 포함하는 장애물 검출 및 충돌 경보 장치.
2. 제1항에 있어서, 상기 장애물 움직임 검출기는,
   전체 입력 영상에서 밝기값 변화가 있는지의 유무를 계산한 후, 그 변화에 따라 장애물 움직임 영역이 있는지를 판단하고, 움직임이 있는 화소들의 전체 합이 임계값보다 크면 현재 입력 영상에서 장애물 움직임이 있다고 판별하는 장애물 움직임 판별부; 및
   장애물 움직임 영역이 있는 경우, 움직임 영역이 있는 부분에 장애물 특성의 유무를 판별하고, 판별된 영상 중에서 장애물 영상을 검출하며, 장애물 영상이 검출되면, 장애물 움직임이 있는 것이므로 판단하여 장애물 움직임 검출 신호를 출력하는 장애물 움직임 검출부를 포함하는 것
   인 장애물 검출 및 충돌 경보 장치.
3. 제2항에 있어서, 장애물 움직임 검출부는,
   움직임이 있다고 판별된 영역에 특정 패턴을 적용시켜 장애물이 존재할 가능성이 있는 후보 영역을 검출하는 M-grid Gabor Wavelet 기반 후보 영역 검출부;
   기 학습 단계에서 정규화된 다수의 장애물 영상(N X N 화소 크기)들에 대해 주성분 분석법(PCA, PrincipleComponentAnalysis)을 수행하고 N개의 eigen 벡터를 사용하여 특징 벡터를 추출하고, 추출된 장애물 특징 벡터들과 비장애물 특징 벡터들을 SVM에 인가하여 장애물 클래스와 비장애물 클래스를 구분할 수 있는 결정 경계(Decision boundary)를 얻어 검출된 상기 후보 영역을 중심으로 가능한 부분 영상(Observation window)들을 모두 조사하여 기학습된 결정 경계에서 의해 장애물 후보 영역을 찾는 저해상도 SVM 기반 후보 영역 검출부; 및
   학습 단계에서 2N X 2N 화소크기의 장애물 영상을 사용하고, 2N개의 eigen 벡터를 사용하여 장애물 특징을 추출하는 고해상도 SVM기반 최종 장애물 검출부를 포함하며,
   검출 단계에서 상기 저해상도 SVM 기반 후보 영역 검출부를 수행하여 검출된 장애물이라고 판단되는 후보 영역을 중심으로 상기 고해상도 SVM을 이용해 최종적으로 장애물을 검출하는 것
   인 장애물 검출 및 충돌 경보 장치.
4. 자동 주차 시스템의 장애물 검출 및 출동 경보 방법에 있어서,
   입력된 영상 신호에서 밝기 변화가 확인되면 장애물 영역과 비장애물 영역을 구분하는 SVM의 결정 경계(decision boundary)를 이용하여 장애물 영역을 검출하는 단계; 및
   검출된 장애물과 충돌하지 않도록 검출된 장애물의 위치에 따라 그에 대응되는 스피커를 통해 운전자에게 알리는 단계
   를 포함하는 장애물 검출 및 충돌 경보 방법.
5. 제4항에 있어서, 상기 검출하는 단계는,
   전체 입력 영상에서 밝기값 변화가 있는지의 유무를 계산한 후, 그 변화에 따라 장애물 움직임 영역이 있는지를 판단하여, 움직임이 있는 화소들의 전체 합이 임계값보다 크면 현재 입력 영상에서 장애물 움직임이 있다고 판별하는 단계; 및
   장애물 움직임 영역이 있는 경우, 움직임 영역이 있는 부분에 장애물 특성의 유무를 판별하고, 판별된 영상 중에서 장애물 영상을 검출하여, 장애물 영상이 검출되면, 장애물 움직임이 있는 것이므로 판단하며, 장애물 움직임 검출 신호를 출력하는 단계를 포함하는 것
   인 장애물 검출 및 충돌 경보 방법.
6. 제2항에 있어서, 상기 출력하는 단계는,
   움직임이 있다고 판별된 영역에 특정 패턴을 적용시켜 장애물이 존재할 가능성이 있는 M-grid Gabor Wavelet 기반 후보 영역을 검출하는 단계;
   기 학습 단계에서 정규화된 다수의 장애물 영상(N X N 화소 크기)들에 대해 주성분 분석법(PCA, PrincipleComponentAnalysis)을 수행하고, N개의 eigen 벡터를 사용하여 특징 벡터를 추출하며, 추출된 장애물 특징 벡터들과 비장애물 특징 벡터들을 SVM에 인가하여 장애물 클래스와 비장애물 클래스를 구분할 수 있는 결정 경계(Decision boundary)를 얻어 검출된 상기 후보 영역을 중심으로 가능한 부분 영상(Observation window)들을 조사하여 기학습된 결정 경계에서 의해 장애물 후보 영역을 찾는 단계; 및
   기 학습 단계에서 2N X 2N 화소 크기의 장애물 영상을 사용하고, 2N개의 eigen 벡터를 사용하여 장애물 특징을 추출하는 단계를 포함하는 것
   인 장애물 검출 및 충돌 경보 방법.

Images