KR20150084234A - 차량 및 차선 위치 검출 시스템 및 방법 - Google Patents

차량 및 차선 위치 검출 시스템 및 방법 Download PDF

Info

Publication number
KR20150084234A
KR20150084234A KR1020140004049A KR20140004049A KR20150084234A KR 20150084234 A KR20150084234 A KR 20150084234A KR 1020140004049 A KR1020140004049 A KR 1020140004049A KR 20140004049 A KR20140004049 A KR 20140004049A KR 20150084234 A KR20150084234 A KR 20150084234A
Authority
KR
South Korea
Prior art keywords
road
pixels
lane
driving
pixel
Prior art date
Application number
KR1020140004049A
Other languages
English (en)
Other versions
KR102016549B1 (ko
Inventor
김동신
Original Assignee
한화테크윈 주식회사
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 한화테크윈 주식회사 filed Critical 한화테크윈 주식회사
Priority to KR1020140004049A priority Critical patent/KR102016549B1/ko
Priority to PCT/KR2014/003288 priority patent/WO2015105239A1/ko
Publication of KR20150084234A publication Critical patent/KR20150084234A/ko
Application granted granted Critical
Publication of KR102016549B1 publication Critical patent/KR102016549B1/ko

Links

Images

Classifications

    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • G06T2207/30256—Lane; Road marking

Abstract

본 발명은 차량 및 차선 위치 검출 시스템 및 방법을 개시한다.
본 발명의 차량 차선 위치 검출 시스템은, 센서에 의해 획득한 도로 영상을 수퍼 픽셀들로 세그먼트화하는 세그먼트부; 상기 수퍼 픽셀들을 도로 영역을 구성하는 도로 픽셀과 상기 도로 영역에 인접하는 비도로 영역을 구성하는 비도로 픽셀로 분류하는 분류부; 상기 도로 픽셀과 비도로 픽셀이 혼재하는 경계 영역에서 복수의 소실선들을 생성하는 경계 검출부; 및 상기 복수의 소실선들로부터 선택된 소실선 쌍에 의해 후보 도로 영역을 생성하고, 상기 후보 도로 영역의 형태로부터 주행 위치를 추정하는 위치 추정부;를 포함할 수 있다.

Description

차량 및 차선 위치 검출 시스템 및 방법{System and methof of detecting vehicle and lane position}
본 발명은 차량 및 차선의 위치 검출 시스템 및 방법에 관한 것이다.
최근 정보통신 기술의 진전에 따라 차선이탈 경고 시스템(LDWS : Lane Departure Warning System)이나 차선유지와 같은 안전운전 보조시스템, 차량 자동 제어시스템 등이 개발되어 실용화가 급속하게 진행되고 있다.
한국등록특허 제0809417호
본 발명의 실시예는 주행 중인 차량이 진행 중인 차선의 위치와 도로에서의 상대적인 차량의 위치를 추정하여 자율주행이나 운전자의 주행을 도와줄 수 있는 차량 및 차선의 도로에서의 상대적인 위치 검출 시스템 및 방법을 제공하고자 한다.
본 발명의 실시예에 따른 차선 위치 검출 시스템은, 센서에 의해 획득한 도로 영상을 수퍼 픽셀들로 세그먼트화하는 세그먼트부; 상기 수퍼 픽셀들을 도로 영역을 구성하는 도로 픽셀과 상기 도로 영역에 인접하는 비도로 영역을 구성하는 비도로 픽셀로 분류하는 분류부; 상기 도로 픽셀과 비도로 픽셀이 혼재하는 경계 영역에서 복수의 소실선들을 생성하는 경계 검출부; 및 상기 복수의 소실선들로부터 선택된 소실선 쌍에 의해 후보 도로 영역을 생성하고, 상기 후보 도로 영역의 형태로부터 주행 위치를 추정하는 위치 추정부;를 포함할 수 있다.
상기 분류부는, 상기 수퍼 픽셀의 시각 특징 및 공간 특징 중 적어도 하나를 기초로 상기 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류할 수 있다.
상기 분류부는, 인접한 수퍼 픽셀들 간의 공간 정보를 이용하여 미분류 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류할 수 있다.
상기 경계 검출부는, 상기 경계 영역에 설정된 확률 분포에 대응하여 분포된 파티클들로부터 복수의 파티클 쌍을 선택하고, 상기 복수의 파티클 쌍에 의해 복수의 소실선들을 생성할 수 있다.
상기 경계 검출부는, 상기 소실선이 상기 도로 영역을 통과하지 않도록 상기 파티클 쌍을 선택할 수 있다.
상기 위치 추정부는, 도로 전체 폭 및 차선 폭을 기초로 상기 주행 위치 및 주행 차선을 추정할 수 있다.
상기 위치 추정부는, 복수의 소실선 쌍으로부터 추정된 복수의 주행 위치들로부터 후보군을 설정하고, 상기 후보군에 대해 도로 전체 폭 및 차선 폭을 기초로 상기 주행 위치 및 주행 차선을 추정할 수 있다.
상기 위치 추정부는, 상기 후보군에서 밀집도가 가장 높은 위치를 주행 위치로 추정하고, 상기 설정된 주행 위치에 대응하는 주행 차선을 추정할 수 있다.
본 발명의 실시예에 따른 차선 위치 검출 방법은, 센서에 의해 획득한 도로 영상을 수퍼 픽셀들로 세그먼트화하는 단계; 상기 수퍼 픽셀들을 도로 영역을 구성하는 도로 픽셀과 상기 도로 영역에 인접하는 비도로 영역을 구성하는 비도로 픽셀로 분류하는 단계; 상기 도로 픽셀과 비도로 픽셀이 혼재하는 경계 영역에서 복수의 소실선들을 생성하는 단계; 및 상기 복수의 소실선들로부터 선택된 소실선 쌍에 의해 후보 도로 영역을 생성하고, 상기 후보 도로 영역의 형태로부터 주행 위치를 추정하는 단계;를 포함할 수 있다.
상기 분류 단계는, 상기 수퍼 픽셀의 시각 특징 및 공간 특징 중 적어도 하나를 기초로 상기 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류하는 단계;를 포함할 수 있다.
상기 분류 단계는, 인접한 수퍼 픽셀들 간의 공간 정보를 이용하여 미분류 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류하는 단계;를 포함할 수 있다.
상기 후보 소실선 생성 단계는, 상기 경계 영역에 설정된 확률 분포에 대응하여 상기 경계 영역에 파티클들을 분포시키는 단계; 및 상기 분포된 파티클들로부터 복수의 파티클 쌍을 선택하고, 상기 복수의 파티클 쌍에 의해 복수의 소실선들을 생성하는 단계;를 포함할 수 있다.
상기 소실선이 상기 도로 영역을 통과하지 않도록 상기 파티클 쌍이 선택될 수 있다.
상기 주행 위치 추정 단계는, 도로 전체 폭 및 차선 폭을 기초로 상기 주행 위치 및 주행 차선을 추정하는 단계;를 포함할 수 있다.
상기 위치 추정 단계는, 복수의 소실선 쌍으로부터 추정된 복수의 주행 위치들로부터 후보군을 설정하는 단계; 및 상기 후보군에 대해 도로 전체 폭 및 차선 폭을 기초로 상기 주행 위치 및 주행 차선을 추정하는 단계;를 포함할 수 있다.
상기 주행 차선 추정 단계는, 상기 후보군의 밀집도가 가장 높은 위치를 주행 위치로 추정하고, 상기 설정된 주행 위치에 대응하는 주행 차선을 추정하는 단계;를 포함할 수 있다.
본 발명의 실시예는 주행 중인 차량과 차선의 상대적 위치를 추정함으로써 기존의 차량 위치 추정에 사용되는 고가의 DGPS(Differential Global Positioning System) 시스템을 저가의 시스템으로 대체할 수 있고, 자율주행이나 운전자의 차선 변경 등의 주행에 도움을 줄 수 있다.
도 1은 본 발명의 실시예에 따른 차량 및 차선 검출 시스템을 개략적으로 도시한 블록도이다.
도 2는 센서로부터 입력된 도로 영상을 나타낸 도면이다.
도 3은 도 2의 도로 영상을 수퍼 픽셀들로 세그먼트화한 세그먼트 영상을 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 도로 영역과 비도로 영역을 나타낸 예시도이다.
도 5는 본 발명의 실시예에 따른 도로 픽셀 및 비도로 픽셀로 분류된 결과를 개략적으로 도시한 예이다.
도 6은 본 발명의 실시예에 따른 도로 영역 및 비도로 영역 간의 경계 영역을 개략적으로 도시한 예시도이다.
도 7은 본 발명의 실시예에 따른 경계 영역에서 생성된 소실선들을 도시한 예시도이다.
도 8은 본 발명의 실시예에 따른 복수의 소실선 쌍들로부터 추정된 복수의 주행 위치들을 도시한 예시도이다.
도 9는 본 발명의 실시예에 따른 도로 영상에서 후보 주행 위치와 변환 영상에서 주행 중인 차선의 상대적 위치를 결정한 결과를 도시한 예시도이다.
도 10은 본 발명의 실시예에 따른 주행 중인 차량 및 차선의 위치를 검출하는 방법을 설명하는 흐름도이다.
도 11은 도 10의 픽셀 분류 방법을 설명하는 흐름도이다.
도 12는 도 10의 후보 소실선 생성 방법을 설명하는 흐름도이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
이하의 실시예에서, 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하의 실시예에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 이하의 실시예에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 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.
본 발명의 실시예들은 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 발명의 실시예들은 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다. 본 발명의 실시예의 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 본 발명의 실시예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 발명의 실시예들은 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. 매커니즘, 요소, 수단, 구성과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.
도 1은 본 발명의 실시예에 따른 차량 및 차선 검출 시스템을 개략적으로 도시한 블록도이다.
도로 기반 자율주행시스템은 차선 정보를 이용하여 자신의 위치를 보정하거나, GPS 등의 위치 센서(direct localization sensor)를 이용하여 주행 차선을 판단함으로써 차선 유지 또는 변경을 유도하여 안전 주행을 보장하는 시스템이다. 그러나 차선이 흐릿하거나 지워져 있는 경우 차선 정보만으로의 강건하게 차선을 인식하기 어렵다. 또한 정확한 항법장치는 고가이면서 에러가 누적되며, 자체적으로 에러를 보정하지 못한다. 그리고, 별도의 에러 보정 알고리즘을 사용하더라도 이는 맵(MAP) 기반이 아닌 알고리즘으로서 강건하지 않다.
본 발명의 실시예에 따른 차량 및 차선 위치 검출 시스템(1)은 현재 주행 중인 도로의 도로 영역과 도로 영역에 인접한 비도로 영역을 인식하여 차량 또는 이동 로봇과 같은 이동체의 위치를 검출할 수 있다. 따라서 본 발명의 실시예는 GPS와 같은 고가의 장비를 이용하지 않고 이동체 또는 이동체에 장착된 카메라의 위치를 추론할 수 있다.
이하에서는 이동체로서 차량을 일 예로 설명하겠으며, 이는 다른 이동체에 동일하게 적용할 수 있음은 물론이다. 차량 및 차선 위치 검출 시스템(1)은 도로 영역의 좌우 경계로부터 센서(2)의 위치까지 또는 센서(2)를 장착한 차량의 중앙 위치까지의 대략적인 거리정보, 즉 차량의 현재 주행 위치를 추정할 수 있다.
센서(2)는 주행 중인 차량에 부착된 영상 인식 장치로서, 예를 들어, 차량의 주변 영상을 획득하는 카메라일 수 있다. 센서(2)는 차량의 전방, 후방, 또는 측방에 설치될 수 있으며, 도로의 영상을 최적으로 획득할 수 있도록 적절한 위치에 선택 장착이 가능하다. 센서(2)에 의해 획득되는 주변 영상의 범위는 차량에 장착되는 센서(2)의 종류에 따라 달라질 수 있으며, 도로의 전체 폭 또는 현재 주행 중인 차선의 폭이 영상에 나타날 수 있도록 할 수 있다.
그러나, 본 발명의 실시예는 이에 한정되지 않고, 영상 인식 장치 외에 적외선 센서, 레이더(RADAR) 또는 라이다(LIDAR) 센서 등 다양한 센서들이 단독 또는 융합된 형태로 이용될 수 있다.
차량 및 차선 위치 검출 시스템(1)은 차량의 위치 정보를 정보제공장치(3)를 통해 운전자에게 제공할 수 있다.
정보제공장치(3)는 센서(2)로부터 획득된 영상 및 차량 및 차선 위치 검출 시스템(1)으로부터 주행 차선 검출 결과를 2차원 또는 3차원의 영상으로 제공하는 디스플레이 장치로서, 차량 및 차선 위치 검출 시스템(1)과 유선 또는 무선으로 연결될 수 있다. 정보제공장치(3)는 영상 또는 문자, 음성 등 다양한 방법으로 운전자에게 정보를 제공할 수 있으며, 영상 제공시 사용자와 합의된 방식으로 설정된 표시방법(예를 들어, 색상별로 차선과 비차선 안내 등)을 제공하여 사용자가 용이하게 인식할 수 있도록 할 수 있다. 정보제공장치(3)는 주행 차선 검출 결과를 버드 뷰 형태로 변환하여 제공할 수 있다.
정보제공장치(3)가 제공하는 도로의 범위는 센서(2)가 획득한 영상의 범위에 따라 달라질 수 있으며, 획득된 영상의 전체를 제공할 수도 있고 현재 주행하고 있는 방향의 도로만을 제공할 수도 있다.
도 1을 참조하면, 차량 및 차선 위치 검출 시스템(1)은 세그먼트부(11), 분류부(13), 경계 검출부(15) 및 위치 추정부(17)를 포함할 수 있다.
세그먼트부(11)는 차량 및 차선 검출 시스템(1)에 연결된 센서(2)로부터 도로 정보를 포함하는 도로 영상을 입력받는다. 도로 정보는 도로 면에 그려진 차선 표시(lane marking)를 포함할 수 있다.
세그먼트부(11)는 복수의 픽셀들로 구성된 도로 영상을 수퍼 픽셀들로 세그먼트화할 수 있다. 세그먼트부(11)는 도로 영상을 비슷한 특징을 갖는 균일 영역으로 분할할 수 있다. 이때 분할된 균일 영역을 수퍼 픽셀이라 한다. 각 수퍼 픽셀은 시각 특징(visual feature)을 나타내는 색상 분포(color distribution) 및 질감 분포(texture distribution), 공간 특징을 나타내는 중심 좌표(central mass position)로 표현될 수 있다. 세그먼트부(11)는 각 수퍼 픽셀의 시각 특징 및 공간 특징을 메모리(4)에 저장할 수 있다.
도 2는 센서(2)로부터 입력된 도로 영상을 나타낸 도면이고, 도 3은 도 2의 도로 영상을 수퍼 픽셀들로 세그먼트화한 세그먼트 영상을 나타낸 도면이다.
분류부(13)는 날씨, 조명, 차선 훼손 정도 등 다양한 환경 및 상황 하에서의 도로 영역 및 비도로 영역의 샘플들을 통해 도로 영역과 비도로 영역을 학습할 수 있다. 분류부(13)는 차선 위치 검출 결과를 반영하여 업데이트될 수 있다.
여기서, 비도로 영역은 도 4에 도시된 바와 같이, 도로 영상에서 도로 영역 외의 나머지 영역이 아닌, 도로 영역에 인접한 영역이다. 도로와 인접한 영역은 독특한 시각 특징을 가질 수 있다. 본 발명의 실시예에서는 도로 영역과 비도로 영역의 특징을 함께 이용함으로써 도로 영역을 더욱 정확하게 검출할 수 있다.
분류부(13)는 학습 결과에 따른 도로 영역 및 비도로 영역의 시각 특징 및 공간 특징을 기초로, 각 수퍼 픽셀을 도로 픽셀 및 비도로 픽셀로 분류할 수 있다. 분류부(13)는 수퍼 픽셀의 분류를 위해 ANN 분류기(Artificial Neural Network Classifier), 아다부스트 분류기(Adaboost Classifier), 나이브 베이즈 분류기(Naive Bayes Classifier) 또는 Support Vector Machine(SVM)을 포함할 수 있다. 본 발명의 실시예는 전술된 분류기에 한정되지 않으며, 특징 기반으로 수퍼 픽셀을 분류할 수 있는 다양한 분류기 또는 알고리즘이 수퍼 픽셀 분류에 적용될 수 있다.
분류부(13)는 도로 픽셀 또는 비도로 픽셀로 분류되지 않은 미분류 수퍼 픽셀을 인접 수퍼 픽셀과의 상관 관계를 기초로 도로 픽셀 또는 비도로 픽셀로 분류할 수 있다.
공간적으로 서로 인접하는 수퍼 픽셀들은 동일한 영역에 속할 가능성이 높은 것으로 예상할 수 있다. 분류부(13)는 수퍼 픽셀들을 삼각화하여 수퍼 픽셀들 간의 관계를 나타낼 수 있으며, 일 예로서, 들로네 삼각화 기법(Delaunay triangulation technique)을 적용할 수 있다. 그러나, 본 발명은 이에 한정되지 않고, 공간상 관계를 규정할 수 있는 다른 기법이 사용될 수 있음은 물론이다.
분류부(13)는 예를 들어, 마코프 랜덤 필드(Markov random field: MRF) 또는 조건부 랜덤 필드(Conditional random field: CRF) 기반으로 수퍼 픽셀들의 공간 상관도를 고려하여 미분류 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류할 수 있다. 그러나, 본 발명은 이에 한정되지 않고, 클러스터링을 수행할 수 있는 다른 기법이 사용될 수 있음은 물론이다.
분류부(13)는 도로 영역에 대한 특징 정보를 기초로 도로 픽셀을 분류하는 제1분류기와 비도로 영역에 대한 특징 정보를 기초로 비도로 픽셀을 분류하는 제2분류기에 의해 순차적으로 또는 병렬적으로 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류할 수 있다. 또는 분류부(13)는 도로 영역 및 비도로 영역에 대한 특징 정보를 기초로 하나의 분류기에 의해 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류할 수도 있다.
분류부(13)는 하나의 수퍼 픽셀이 도로 픽셀 및 비도로 픽셀로 중복 분류되는 경우, 기 설정된 분류 기준에 따라 임의로 도로 픽셀 또는 비도로 픽셀로 분류할 수 있다.
도 5는 도로 픽셀로 및 비도로 픽셀로 분류된 결과를 개략적으로 도시한 예이다. 분류부(13)의 출력은 수퍼 픽셀들의 분류 결과로서 도로 영역과 비도로 영역의 경계가 명확히 구분되지 않고, 도로 픽셀과 비도로 픽셀이 혼재하는 영역이 존재한다.
경계 검출부(15)는 도로 픽셀과 비도로 픽셀이 혼재하는 영역을 경계 영역으로 설정하고, 경계 영역에서 복수의 소실선들을 생성할 수 있다. 도 6은 도로 영역 및 비도로 영역 간의 경계 영역을 개략적으로 도시한 예시도이다.
경계 검출부(15)는 경계 영역에 파티클들을 생성하여 분포시킬 수 있다. 이때 경계 영역의 중심이 가장 높은 확률을 갖고 중심에서 멀어질수록 확률이 낮아지도록 확률 분포가 설정될 수 있다. 경계 영역의 파티클들은 설정된 확률 분포에 대응하여 분포될 수 있다.
경계 검출부(15)는 분포된 파티클들 중 임의의 파티클 쌍을 선택하여 소실선(vanishing line: VL)을 생성할 수 있다. 경계 검출부(15)는 파티클 쌍을 연결하는 소실선이 도로 영역을 지나지 않도록 파티클 쌍을 선택할 수 있다. 도 7은 경계 영역에서 생성된 소실선들을 도시한 예시도이다.
위치 추정부(17)는 복수의 소실선들로부터 임의의 소실선 쌍을 선택할 수 있다. 소실선 쌍은 좌측 도로 경계선 및 우측 도로 경계선의 경계선 쌍에 대응할 수 있다. 소실선 쌍에 의해 소실점이 예측되고, 소실선 쌍을 도로 경계선 쌍으로 하는 후보 도로 영역이 결정될 수 있다. 위치 추정부(17)는 후보 도로 영역의 형태로부터 센서(2)의 위치, 즉 차량의 주행 위치(차량 위치)를 추정할 수 있다. 도 8은 복수의 소실선 쌍들로부터 추정된 복수의 주행 위치(CP)들을 도시한 예시도이다.
위치 추정부(17)는 메모리(4) 내의 도로맵 데이터베이스를 이용하여 도로의 전체 폭 및 차선 폭을 포함하는 도로 정보를 추출하고, 추출된 도로 정보를 이용하여 주행 위치에 대응하는 현재 주행 중인 차선의 상대적 위치, 즉 전체 차선 중 몇 차선에서 주행하고 있는지를 추정할 수 있다.
위치 추정부(17)는 복수의 소실선 쌍으로부터 추정된 복수의 주행 위치들로부터 노이즈에 해당하는 주행 위치를 배제한 복수의 주행 위치들을 포함하는 주행 위치 후보군을 설정할 수 있다. 주행 위치가 밀집된 영역에서 떨어진 주행 위치는 실제 주행 위치일 가능성이 낮으므로 이를 노이즈로 판단하여 배제할 수 있다. 위치 추정부(17)는 주행 위치 후보군에 대해 도로 전체 폭 및 차선 폭을 기초로 상기 주행 위치가 속하는 주행 차선을 결정할 수 있다. 다른 예로서, 위치 추정부(17)는 주행 위치 후보군에서 확률이 가장 높은 위치, 즉 주행 위치의 밀집도가 가장 높은 위치를 최종 주행 위치로 설정하고, 설정된 주행 위치가 속하는 주행 차선을 결정할 수 있다.
위치 추정부(17)는 소실선으로 표현되는 도로 영역을 평행한 경계선으로 표현되는 도로 영역으로 변환할 수 있다. 정보제공장치(3)는 추정된 주행 위치를 변환된 영상에 표시할 수 있다. 위치 추정부(17)는 카메라 내부 파라미터 및 좌표 변환을 이용한 호모그래피(또는 와핑)에 의해 영상 변환을 수행할 수 있다. 호모그래피 또는 와핑에 의한 영상 변환은 공지된 기술이므로 상세한 설명은 생략하겠다.
도 9는 도로 영상에서 후보 주행 위치(X)로부터 실제 도로의 폭(L) 및 차선 폭을 반영하여 주행 중인 차선의 상대적 위치(X')를 결정한 결과를 도시한 예시도이다. 도 9의 실시예에서는 전체 3차선의 도로에서 2차선을 주행하고 있음을 알 수 있다.
도 10은 본 발명의 실시예에 따른 주행 중인 차량 및 차선의 위치를 검출하는 방법을 설명하는 흐름도이다. 도 11은 도 10의 픽셀 분류 방법을 설명하는 흐름도이다. 도 12는 도 10의 후보 소실선 생성 방법을 설명하는 흐름도이다.
도 10을 참조하면, 차량 및 차선 위치 검출 시스템은 센서로부터 도로 영상을 입력받고, 도로 영상을 수퍼 픽셀들로 세그먼트화할 수 있다(S101). 각 수퍼 픽셀의 시각 특징 및 공간 특징은 메모리에 저장될 수 있다. 시각 특징은 색상 분포(color distribution) 및 질감 분포(texture distribution)를 포함할 수 있다. 공간 특징은 중심 좌표(central mass position)를 포함할 수 있다.
차량 및 차선 위치 검출 시스템은 수퍼 픽셀들의 시각 특징 및 공간 특징을 기초로 수퍼 픽셀을 분류하여 도로 픽셀 및 비도로 픽셀로 분류할 수 있다(S103). 분류된 도로 픽셀들은 도로 영역을 구성하고, 비도로 픽셀들은 비도로 영역을 구성할 수 있다. 비도로 영역은 도로 영역 외의 나머지 영역이 아닌, 도로 영역에 인접한 영역이다.
도 11을 함께 참조하면, 차량 및 차선 위치 검출 시스템은 도로 영역과 비도로 영역에 대한 학습(training)을 통해 습득한 도로 영역에 대한 정보를 바탕으로 수퍼 픽셀들로부터 도로 픽셀을 분류할 수 있다(S113).
차량 및 차선 위치 검출 시스템은 분류된 도로 픽셀들 사이에 미분류 수퍼 픽셀이 존재하는 경우, 인접한 수퍼 픽셀들 간의 공간 정보를 이용하여 미분류 수퍼 픽셀을 도로 픽셀로 분류함으로써(S133) 개략적인 도로 영역을 검출할 수 있다(S153).
그리고, 차량 및 차선 위치 검출 시스템은 도로 영역과 비도로 영역에 대한 학습(training)을 통해 습득한 비도로 영역에 대한 정보를 바탕으로 수퍼 픽셀들로부터 비도로 픽셀을 분류할 수 있다(S113).
차량 및 차선 위치 검출 시스템은 분류된 비도로 픽셀들 사이에 미분류 수퍼 픽셀이 존재하는 경우, 인접한 수퍼 픽셀들 간의 공간 정보를 이용하여 미분류 수퍼 픽셀을 비도로 픽셀로 분류함으로써(S173) 개략적인 비도로 영역을 검출할 수 있다(S193).
차량 및 차선 위치 검출 시스템은 하나의 수퍼 픽셀이 도로 픽셀 및 비도로 픽셀로 중복 분류되는 경우, 기 설정된 분류 기준에 따라 임의로 도로 픽셀 또는 비도로 픽셀로 분류할 수 있다. 또한 차선 위치 검출 시스템은 도로 픽셀과 비도로 픽셀이 혼재하는 영역에서 미분류 수퍼 픽셀이 존재하는 경우 인접한 수퍼 픽셀들 간의 공간 정보 또는 기 설정된 분류 기준에 따라 미분류 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류할 수 있다.
차량 및 차선 위치 검출 시스템은 병렬적으로 또는 순차적으로 도로 픽셀 및 비도로 픽셀을 분류할 수 있다.
차량 및 차선 위치 검출 시스템은 도로 픽셀과 비도로 픽셀이 혼재하는 경계 영역에서 복수의 소실선들을 생성할 수 있다(S105).
도 12를 함께 참조하면, 차량 및 차선 위치 검출 시스템은 개략적인 도로 영역과 비도로 영역의 경계 영역을 설정할 수 있다(S115). 검출된 개략적인 도로 영역과 비도로 영역은 수퍼 픽셀들의 집합이므로, 도로 영역과 비도로 영역의 경계가 명확하지 않고, 경계 영역에는 도로 픽셀과 비도로 픽셀이 혼재할 수 있다. 차량 및 차선 위치 검출 시스템은 도로 픽셀과 비도로 픽셀이 혼재하는 일정 영역을 경계 영역으로 설정할 수 있다.
차량 및 차선 위치 검출 시스템은 경계 영역에 파티클들을 분포시킬 수 있다(S135). 차량 및 차선 위치 검출 시스템은 경계 영역에 확률 분포를 설정하고, 경계 영역에 파티클들을 생성하여 파티클들을 확률 분포에 대응하여 분포시킬 수 있다. 이때 경계 영역의 중심을 따라 가장 높은 확률이 설정되고, 중심에서 멀어질수록 확률이 낮아지도록 경계 영역에 확률 분포가 설정될 수 있다.
차량 및 차선 위치 검출 시스템은 분포된 파티클들 중 임의의 파티클 쌍을 선택하고, 파티클 쌍을 연결하는 소실선을 생성할 수 있다(S155). 이때 차량 및 차선 위치 검출 시스템은 파티클 쌍을 연결하는 소실선이 도로 영역을 지나지 않도록 파티클 쌍을 선택할 수 있다.
차량 및 차선 위치 검출 시스템은 소실선 쌍으로부터 후보 도로 영역을 생성하고, 후보 도로 영역의 형태로부터 주행 위치를 추정할 수 있다(S107). 차량 및 차선 위치 검출 시스템은 복수의 소실선들로부터 임의의 소실선 쌍을 선택할 수 있다. 소실선 쌍은 좌측 도로 경계선 및 우측 도로 경계선의 경계선 쌍에 대응할 수 있다. 한 쌍의 소실선에 의해 소실점이 예측되고, 소실선 쌍을 도로 경계선으로 하는 후보 도로 영역이 생성될 수 있다. 차량 및 차선 위치 검출 시스템은 후보 도로 영역의 형태로부터 도로 영상을 획득한 센서의 위치, 즉 차량의 주행 위치를 추정할 수 있다.
차량 및 차선 위치 검출 시스템은 도로맵 데이터베이스로부터 추출된 도로의 전체 폭 및 차선 폭을 포함하는 도로 정보를 추출하고, 추출된 도로 정보를 이용하여 주행 위치에 대응하는 현재 주행 중인 차선의 상대적 위치, 즉 전체 차선 중 몇 차선에서 주행하고 있는지를 추정할 수 있다.
차량 및 차선 위치 검출 시스템은 복수의 소실선 쌍으로부터 추정된 복수의 주행 위치들로부터 노이즈에 해당하는 주행 위치를 배제한 주행 위치 후보군을 설정할 수 있다. 차량 및 차선 위치 검출 시스템은 주행 위치 후보군에 대해 도로 전체 폭 및 차선 폭을 기초로 주행 위치가 속하는 주행 차선을 결정할 수 있다. 다른 예로서, 차량 및 차선 위치 검출 시스템은 주행 위치 후보군에서 밀집도가 가장 높은 위치를 주행 위치로 설정하고, 설정된 주행 위치에 대응하는 주행 차선을 결정할 수도 있다.
차량 및 차선 위치 검출 시스템에서 판단된 결과 영상은 디스플레이되어 운전자는 주행 도로에서 차량 위치 및 주행 차선을 파악할 수 있어 차선 이탈 여부 판단, 차선 변경 등의 운행에 도움을 받을 수 있다.
또한 자율주행 중 차량의 현재 위치를 알기 위해 사용되는 센서의 값에 노이즈 발생 시 이를 보정하기 위해 본 발명의 실시예에 따라 차량 위치를 검출하여 차량의 위치정보를 보정할 수 있다.
본 발명의 실시예는 실내 자율주행 로봇에 적용되어 라인 추적(Line Tracing)을 수행할 수 있다.
본 발명에 따른 차량 및 차선 위치 검출 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.

Claims (16)

  1. 센서에 의해 획득한 도로 영상을 수퍼 픽셀들로 세그먼트화하는 세그먼트부;
    상기 수퍼 픽셀들을 도로 영역을 구성하는 도로 픽셀과 상기 도로 영역에 인접하는 비도로 영역을 구성하는 비도로 픽셀로 분류하는 분류부;
    상기 도로 픽셀과 비도로 픽셀이 혼재하는 경계 영역에서 복수의 소실선들을 생성하는 경계 검출부; 및
    상기 복수의 소실선들로부터 선택된 소실선 쌍에 의해 후보 도로 영역을 생성하고, 상기 후보 도로 영역의 형태로부터 주행 위치를 추정하는 위치 추정부;를 포함하는 차량 및 차선 위치 검출 시스템.
  2. 제1항에 있어서, 상기 분류부는,
    상기 수퍼 픽셀의 시각 특징 및 공간 특징 중 적어도 하나를 기초로 상기 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류하는, 차량 및 차선 위치 검출 시스템.
  3. 제1항에 있어서, 상기 분류부는,
    인접한 수퍼 픽셀들 간의 공간 정보를 이용하여 미분류 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류하는, 차량 및 차선 위치 검출 시스템.
  4. 제1항에 있어서, 상기 경계 검출부는,
    상기 경계 영역에 설정된 확률 분포에 대응하여 분포된 파티클들로부터 복수의 파티클 쌍을 선택하고, 상기 복수의 파티클 쌍에 의해 복수의 소실선들을 생성하는, 차량 및 차선 위치 검출 시스템.
  5. 제4항에 있어서, 상기 경계 검출부는,
    상기 소실선이 상기 도로 영역을 통과하지 않도록 상기 파티클 쌍을 선택하는, 차선 위치 검출 시스템.
  6. 제1항에 있어서, 상기 위치 추정부는,
    도로 전체 폭 및 차선 폭을 기초로 도로상에서 상기 주행 위치 및 주행 차선을 추정하는, 차량 및 차선 위치 검출 시스템.
  7. 제1항에 있어서, 상기 위치 추정부는,
    복수의 소실선 쌍으로부터 추정된 복수의 주행 위치들로부터 후보군을 설정하고, 상기 후보군에 대해 도로 전체 폭 및 차선 폭을 기초로 상기 주행 위치 및 주행 차선을 추정하는, 차량 및 차선 위치 검출 시스템.
  8. 제7항에 있어서, 상기 위치 추정부는,
    상기 후보군에서 밀집도가 가장 높은 위치를 주행 위치로 추정하고, 상기 설정된 주행 위치에 대응하는 주행 차선을 추정하는, 차량 및 차선 위치 검출 시스템.
  9. 센서에 의해 획득한 도로 영상을 수퍼 픽셀들로 세그먼트화하는 단계;
    상기 수퍼 픽셀들을 도로 영역을 구성하는 도로 픽셀과 상기 도로 영역에 인접하는 비도로 영역을 구성하는 비도로 픽셀로 분류하는 단계;
    상기 도로 픽셀과 비도로 픽셀이 혼재하는 경계 영역에서 복수의 소실선들을 생성하는 단계; 및
    상기 복수의 소실선들로부터 선택된 소실선 쌍에 의해 후보 도로 영역을 생성하고, 상기 후보 도로 영역의 형태로부터 주행 위치를 추정하는 단계;를 포함하는 차량 및 차선 위치 검출 방법.
  10. 제9항에 있어서, 상기 분류 단계는,
    상기 수퍼 픽셀의 시각 특징 및 공간 특징 중 적어도 하나를 기초로 상기 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류하는 단계;를 포함하는, 차선 위치 검출 방법.
  11. 제9항에 있어서, 상기 분류 단계는,
    인접한 수퍼 픽셀들 간의 공간 정보를 이용하여 미분류 수퍼 픽셀을 도로 픽셀 또는 비도로 픽셀로 분류하는 단계;를 포함하는, 차선 위치 검출 방법.
  12. 제9항에 있어서, 상기 후보 소실선 생성 단계는,
    상기 경계 영역에 설정된 확률 분포에 대응하여 상기 경계 영역에 파티클들을 분포시키는 단계; 및
    상기 분포된 파티클들로부터 복수의 파티클 쌍을 선택하고, 상기 복수의 파티클 쌍에 의해 복수의 소실선들을 생성하는 단계;를 포함하는, 차량 및 차선 위치 검출 방법.
  13. 제12항에 있어서,
    상기 소실선이 상기 도로 영역을 통과하지 않도록 상기 파티클 쌍이 선택되는, 차량 및 차선 위치 검출 방법.
  14. 제9항에 있어서, 상기 주행 위치 추정 단계는,
    도로 전체 폭 및 차선 폭을 기초로 상기 주행 위치 및 주행 차선을 추정하는 단계;를 포함하는, 차량 및 차선 위치 검출 방법.
  15. 제9항에 있어서, 상기 위치 추정 단계는,
    복수의 소실선 쌍으로부터 추정된 복수의 주행 위치들로부터 후보군을 설정하는 단계; 및
    상기 후보군에 대해 도로 전체 폭 및 차선 폭을 기초로 상기 주행 위치 및 주행 차선을 추정하는 단계;를 포함하는, 차선 위치 검출 방법.
  16. 제15항에 있어서, 상기 주행 차선 추정 단계는,
    상기 후보군의 밀집도가 가장 높은 위치를 주행 위치로 추정하고, 상기 설정된 주행 위치에 대응하는 주행 차선을 추정하는 단계;를 포함하는, 차량 및 차선 위치 검출 방법.
KR1020140004049A 2014-01-13 2014-01-13 차량 및 차선 위치 검출 시스템 및 방법 KR102016549B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020140004049A KR102016549B1 (ko) 2014-01-13 2014-01-13 차량 및 차선 위치 검출 시스템 및 방법
PCT/KR2014/003288 WO2015105239A1 (ko) 2014-01-13 2014-04-16 차량 및 차선 위치 검출 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140004049A KR102016549B1 (ko) 2014-01-13 2014-01-13 차량 및 차선 위치 검출 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20150084234A true KR20150084234A (ko) 2015-07-22
KR102016549B1 KR102016549B1 (ko) 2019-08-30

Family

ID=53524051

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140004049A KR102016549B1 (ko) 2014-01-13 2014-01-13 차량 및 차선 위치 검출 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR102016549B1 (ko)
WO (1) WO2015105239A1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018117538A1 (ko) * 2016-12-23 2018-06-28 삼성전자 주식회사 차선 정보를 추정하는 방법 및 전자 장치
KR101882683B1 (ko) 2017-07-13 2018-07-30 한국건설기술연구원 Rtk-gnss를 이용한 도로 차선 위치정보 검출 시스템 및 그 방법
KR20190077953A (ko) * 2017-12-26 2019-07-04 영남대학교 산학협력단 도로검출 시스템 및 방법
CN110262447A (zh) * 2019-05-24 2019-09-20 南京航空航天大学 一种基于ann的acs闭环系统故障定位方法
KR20200095330A (ko) * 2019-01-31 2020-08-10 주식회사 스트라드비젼 세그먼테이션 스코어 맵 및 클러스터링 맵을 이용하여 자율 주행 차량의 주행 경로를 계획하기 위해 차선을 검출하는 포스트 프로세싱 방법 및 장치
KR20200115705A (ko) * 2019-03-08 2020-10-08 현대모비스 주식회사 자율주행용 클래스 레이블링 장치
CN113240180A (zh) * 2021-05-18 2021-08-10 国网河南省电力公司电力科学研究院 一种基于Bayes-Adaboost改进算法的输电线路舞动预警方法
US11436744B2 (en) 2016-12-23 2022-09-06 Samsung Electronics Co., Ltd. Method for estimating lane information, and electronic device

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105631880B (zh) * 2015-12-31 2019-03-22 百度在线网络技术（北京）有限公司 车道线分割方法和装置
CN106778551B (zh) * 2016-11-30 2020-07-31 南京理工大学 一种高速路段及城市道路车道线识别方法
CN107122713B (zh) * 2017-03-27 2020-07-28 华南理工大学 一种基于深度学习的似物性检测方法
CN107369160B (zh) * 2017-06-28 2020-04-03 苏州比格威医疗科技有限公司 一种oct图像中脉络膜新生血管分割算法
DE112019000122T5 (de) * 2018-02-27 2020-06-25 Nvidia Corporation Echtzeiterfassung von spuren und begrenzungen durch autonome fahrzeuge
CN109002795B (zh) * 2018-07-13 2021-08-27 清华大学 车道线检测方法、装置及电子设备
CN109389095B (zh) * 2018-10-24 2021-10-22 中车株洲电力机车研究所有限公司 一种路面标线图像识别方法和训练方法
CN112269907B (zh) * 2020-11-02 2021-09-03 山东万里红信息技术有限公司 一种物联网健康大数据的处理方法
CN113591777B (zh) * 2021-08-11 2023-12-08 宁波未感半导体科技有限公司 激光雷达信号处理方法、电子设备及存储介质
CN114889606B (zh) * 2022-04-28 2023-04-07 吉林大学 一种基于多传感融合的低成本高精定位方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010100554A (ko) * 2000-05-03 2001-11-14 정명식 재귀적 적응 필터를 이용한 비포장 도로 인식 시스템
KR100809417B1 (ko) 2006-09-28 2008-03-05 한국전자통신연구원 주행 차선의 상대적 위치 인식 장치 및 방법
JP2013187562A (ja) * 2012-03-05 2013-09-19 Nissan Motor Co Ltd 車両用後方視界支援装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4092308B2 (ja) * 2004-06-02 2008-05-28 トヨタ自動車株式会社 境界線検出装置
US8699754B2 (en) * 2008-04-24 2014-04-15 GM Global Technology Operations LLC Clear path detection through road modeling
KR101178508B1 (ko) * 2010-07-19 2012-09-07 포항공과대학교 산학협력단 차량 충돌 경보 시스템 및 방법
KR101225626B1 (ko) * 2010-07-19 2013-01-24 포항공과대학교 산학협력단 차선 인식 시스템 및 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010100554A (ko) * 2000-05-03 2001-11-14 정명식 재귀적 적응 필터를 이용한 비포장 도로 인식 시스템
KR100809417B1 (ko) 2006-09-28 2008-03-05 한국전자통신연구원 주행 차선의 상대적 위치 인식 장치 및 방법
JP2013187562A (ja) * 2012-03-05 2013-09-19 Nissan Motor Co Ltd 車両用後方視界支援装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018117538A1 (ko) * 2016-12-23 2018-06-28 삼성전자 주식회사 차선 정보를 추정하는 방법 및 전자 장치
US11436744B2 (en) 2016-12-23 2022-09-06 Samsung Electronics Co., Ltd. Method for estimating lane information, and electronic device
KR101882683B1 (ko) 2017-07-13 2018-07-30 한국건설기술연구원 Rtk-gnss를 이용한 도로 차선 위치정보 검출 시스템 및 그 방법
KR20190077953A (ko) * 2017-12-26 2019-07-04 영남대학교 산학협력단 도로검출 시스템 및 방법
KR20200095330A (ko) * 2019-01-31 2020-08-10 주식회사 스트라드비젼 세그먼테이션 스코어 맵 및 클러스터링 맵을 이용하여 자율 주행 차량의 주행 경로를 계획하기 위해 차선을 검출하는 포스트 프로세싱 방법 및 장치
KR20200115705A (ko) * 2019-03-08 2020-10-08 현대모비스 주식회사 자율주행용 클래스 레이블링 장치
US11386674B2 (en) 2019-03-08 2022-07-12 Hyundai Mobis Co., Ltd. Class labeling system for autonomous driving
CN110262447A (zh) * 2019-05-24 2019-09-20 南京航空航天大学 一种基于ann的acs闭环系统故障定位方法
CN110262447B (zh) * 2019-05-24 2020-07-28 南京航空航天大学 一种基于ann的acs闭环系统故障定位方法
CN113240180A (zh) * 2021-05-18 2021-08-10 国网河南省电力公司电力科学研究院 一种基于Bayes-Adaboost改进算法的输电线路舞动预警方法
CN113240180B (zh) * 2021-05-18 2022-08-05 国网河南省电力公司电力科学研究院 一种基于Bayes-Adaboost改进算法的输电线路舞动预警方法

Also Published As

Publication number Publication date
KR102016549B1 (ko) 2019-08-30
WO2015105239A1 (ko) 2015-07-16

Similar Documents

Publication Publication Date Title
KR102016549B1 (ko) 차량 및 차선 위치 검출 시스템 및 방법
CN115461258B (zh) 用于自主导航期间对象避让的方法
US20230054914A1 (en) Vehicle localization
CN112292711B (zh) 关联lidar数据和图像数据
US8406472B2 (en) Method and system for processing image data
US20150161454A1 (en) Lane detection system and method
CN105716567A (zh) 通过单眼图像获取设备侦测物体与机动车辆距离的方法
US20200125861A1 (en) Road line detection device and road line detection method
CN110543807A (zh) 验证障碍物候选的方法
Petrovai et al. A stereovision based approach for detecting and tracking lane and forward obstacles on mobile devices
JP2018048949A (ja) 物体識別装置
JP2014219801A (ja) 車両判別装置
CN113454692B (zh) 驾驶信息提供方法以及车辆地图提供服务器和方法
JP6815963B2 (ja) 車両用外界認識装置
Berriel et al. A particle filter-based lane marker tracking approach using a cubic spline model
KR20180047149A (ko) 충돌 위험 경고 장치 및 방법
CN110809767B (zh) 高级辅助驾驶系统和方法
KR102003387B1 (ko) 조감도 이미지를 이용한 교통 장애물의 검출 및 거리 측정 방법, 교통 장애물을 검출하고 거리를 측정하는 프로그램을 저장한 컴퓨터 판독가능 기록매체
JP2021092996A (ja) 計測システム、車両、計測方法、計測装置及び計測プログラム
JP2020201746A (ja) 距離推定装置、距離推定方法及び距離推定用コンピュータプログラム
JP7454685B2 (ja) 車両走行路内のデブリの検出
Park et al. Lane estimation by particle-filtering combined with likelihood computation of line boundaries and motion compensation
US11069049B2 (en) Division line detection device and division line detection method
JP2001250199A (ja) 走行コース推定装置
JP2017211765A (ja) 物体認識装置

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