KR20170032403A - 사발형 이미징 시스템에서의 물체 추적 - Google Patents

사발형 이미징 시스템에서의 물체 추적 Download PDF

Info

Publication number
KR20170032403A
KR20170032403A KR1020177004236A KR20177004236A KR20170032403A KR 20170032403 A KR20170032403 A KR 20170032403A KR 1020177004236 A KR1020177004236 A KR 1020177004236A KR 20177004236 A KR20177004236 A KR 20177004236A KR 20170032403 A KR20170032403 A KR 20170032403A
Authority
KR
South Korea
Prior art keywords
vehicle
virtual
identified object
plane
intersection
Prior art date
Application number
KR1020177004236A
Other languages
English (en)
Other versions
KR102240197B1 (ko
Inventor
카이-울리히 숄
코바 나트로시빌리
Original Assignee
인텔 코포레이션
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 인텔 코포레이션 filed Critical 인텔 코포레이션
Publication of KR20170032403A publication Critical patent/KR20170032403A/ko
Application granted granted Critical
Publication of KR102240197B1 publication Critical patent/KR102240197B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • 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
    • B60R1/20—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
    • B60R1/22—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 for viewing an area outside the vehicle, e.g. the exterior of the vehicle
    • B60R1/23—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 for viewing an area outside the vehicle, e.g. the exterior of the vehicle with a predetermined field of view
    • B60R1/27—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 for viewing an area outside the vehicle, e.g. the exterior of the vehicle with a predetermined field of view providing all-round vision, e.g. using omnidirectional cameras
    • G06K9/00805—
    • G06T3/0018—
    • G06T3/0062—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G06T3/047—Fisheye or wide-angle transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/12—Panospheric to cylindrical image transformations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/536—Depth or shape recovery from perspective effects, e.g. by using vanishing points
    • 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/698—Control of cameras or camera modules for achieving an enlarged field of view, e.g. panoramic image capture
    • H04N5/23238—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/10—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of camera system used
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/30—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/30—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing
    • B60R2300/303—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of image processing using joined images, e.g. multiple camera images
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
    • B60R2300/80—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the intended use of the viewing arrangement
    • 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

Abstract

차량으로부터의 물체의 거리를 결정하기 위한 기술은 차량의 어안 카메라에 의해 생성된 어안 이미지 내에 캡처된 물체를 식별하기 위한 컴퓨팅 디바이스를 포함한다. 컴퓨팅 디바이스는 차량 밖에 위치하고, 차량에 대한 식별된 물체의 위치에 기초하여 가상 평면들의 사전 정의된 세트로부터 선택된, 선택된 가상 평면 상에 식별된 물체의 윤곽을 투영한다. 컴퓨팅 디바이스는 선택된 가상 평면 상의 투영된 윤곽의 하부를 식별하고, 차량이 위치하는 평면과 일치하는 기준 평면과의 가상 라인의 교점을 결정한다. 가상 라인은 투영된 윤곽의 식별된 하부 및 어안 카메라 각각을 통과한다. 컴퓨팅 디바이스는 결정된 교점 및 투영된 윤곽의 식별된 하부에 기초하여 차량에 대한 식별된 물체의 위치를 결정한다.

Description

사발형 이미징 시스템에서의 물체 추적{TRACKING OBJECTS IN BOWL-SHAPED IMAGING SYSTEMS}
관련 미국 특허 출원의 상호 참조
본원은 2014년 9월 18일자로 출원된 "TRACKING OBJECTS IN BOWL-SHAPED IMAGING SYSTEMS"라는 명칭의 미국 실용 특허 출원 제14/490,369호에 대해 우선권을 주장한다.
후방 카메라와 같은 차량 탑재 카메라 시스템들이 고급 차량에서 그리고 심지어 일부 저가 차량에서조차 주축이 되었다. 특정 구현에 따라, 차량 카메라 시스템은 개선된 시야(vision), 자동화된 평행 주차, 및/또는 다른 목적을 위해 사용될 수 있다. 예를 들어, 차량 탑재 카메라에 의해 캡처된 이미지는 차량의 내비게이션 시스템 디스플레이 스크린 상에 표시되어, 차량의 장애물 없는 후방 뷰(즉, 후방 미러보다 양호함) 또는 오버헤드 뷰(즉, 차량 주위를 보여줌)를 운전자에게 제공할 수 있다. 일부 차량 탑재 카메라 시스템에서는, 차량의 주위 전체(즉, 360도 전체)를 캡처하기 위해 여러 카메라가 차량에 탑재될 수 있다. 이러한 차량 탑재 카메라 시스템은 차량 주위를 캡처하는 데 필요한 카메라의 수를 최소화하기 위해 어안 렌즈를 갖는 카메라(즉, 어안 카메라)와 같은 광각 카메라를 이용할 수 있다.
소정 상황에서, 차량 기반 안전 메커니즘이 차량에 대한 특정 물체의 거리를 결정하는 것이 유리할 수 있다. 예로서, 차량내 컴퓨팅 시스템은 차량 백업 센서를 이용하여, 물체가 임계 거리 내에 있을 때 운전자에게 경고하거나 차량을 자동으로 멈출 수 있다. 차량과 같은 특정 기준점에 대한 물체의 거리를 결정하기 위한 다양한 기술 및 메커니즘이 존재한다. 예로서, 차량내 컴퓨팅 시스템은 레이더, 포토닉 믹서 디바이스(PMD), 스테레오 카메라, 근접/모션 센서, 및/또는 다른 센서를 이용하여 차량으로부터의 물체의 거리를 결정할 수 있다.
여기서 설명되는 개념은 첨부 도면에 한정이 아니라 예시적으로 도시된다. 도시의 간명화를 위해, 도면에 도시되는 요소는 반드시 축척으로 도시되지는 않는다. 적절한 것으로 간주되는 경우, 도면 사이에서 대응하거나 유사한 요소를 지시하기 위해 참조 라벨이 반복되었다.
도 1은 차량을 둘러싸고 있는 물리적 환경을 표시하고, 차량으로부터의 물체의 거리를 결정하기 위한 차량의 차량내 컴퓨팅 시스템의 적어도 하나의 실시예의 간략화된 블록도이다.
도 2는 도 1의 차량의 적어도 하나의 실시예를 간략화하여 나타낸 도면이다.
도 3은 도 1의 차량내 컴퓨팅 시스템에 의해 설정된 환경의 적어도 하나의 실시예의 간략화된 블록도이다.
도 4는 가상 사발형 투영면(virtual bowl-shaped projection surface)의 적어도 하나의 실시예를 간략하게 나타낸 도면이다.
도 5-6은 도 1의 차량내 컴퓨팅 시스템에 의해 차량으로부터의 물체의 거리를 결정하기 위한 방법의 적어도 일 실시예의 간이 흐름도이다.
도 7은 도 1의 차량내 컴퓨팅 시스템을 이용하여 칼만 필터를 적용함으로써 차량에 대한 물체의 위치를 결정하기 위한 방법의 적어도 일 실시예의 간이 흐름도이다.
도 8은 도 2의 차량 주위의 가상 평면들의 배열의 간이도이다.
도 9는 도 8의 가상 평면들 중 하나 상에 투영된 식별된 물체의 윤곽의 간이도이다.
도 10은 칼만 필터의 적어도 일 실시예의 간이 블록도이다.
도 11은 차량에 대한 물체의 결정된 위치의 간이도이다.
본 개시의 개념은 다양한 변경 및 대안 형태가 가능하지만, 그의 특정 실시예는 도면에 예시적으로 도시되었으며, 여기서 상세히 설명된다. 그러나, 본 개시의 개념을 개시되는 특정 형태로 한정하고자 하는 의도는 없으며, 오히려 본 개시 및 첨부된 청구범위에 따른 모든 변경, 균등물 및 대안을 커버하는 것을 의도한다는 것을 이해해야 한다.
본 명세서에서 하나의 실시예(one embodiment)", "일 실시예(an embodiment)", "예시적인 실시예(an illustrative embodiment)" 등에 대한 언급은 설명된 실시예가 특정 특징, 구조 또는 특성을 포함할 수 있지만, 모든 실시예가 반드시 그 특정 특징, 구조 또는 특성을 포함할 수도 있고 포함하지 않을 수도 있다는 것을 지시한다. 또한, 이러한 구문들은 반드시 동일한 실시예를 지칭하는 것은 아니다. 또한, 특정 특징, 구조 또는 특성이 실시예와 관련하여 설명될 때, 명시적으로 설명되든지 아니든지 간에, 이러한 특징, 구조 또는 특성을 다른 실시예들과 관련하여 시행하는 것은 본 기술분야의 통상의 기술자의 지식 내에 있다고 제시된다. 게다가, "A, B 및 C 중 적어도 하나"의 형태로 리스트에 포함된 아이템은 (A); (B); (C); (A 및 B); (B 및 C); (A 및 C); 또는 (A, B, 및 C)를 의미할 수 있다는 것을 알아야 한다. 유사하게, "A, B 또는 C 중 적어도 하나"의 형태로 리스트에 포함된 아이템은 (A); (B); (C); (A 및 B); (B 및 C); (A 및 C); 또는 (A, B, 및 C)를 의미할 수 있다.
개시된 실시예들은, 일부 경우에, 하드웨어, 펌웨어, 소프트웨어 또는 이들의 임의의 조합으로 구현될 수 있다. 개시된 실시예들은 또한 하나 이상의 프로세서에 의해 판독 및 실행될 수 있는, 하나 이상의 일시적인 또는 비일시적인 머신 판독가능 (예를 들어, 컴퓨터 판독가능) 저장 매체에 의해 전달 또는 그에 저장된 명령어들로서 구현될 수 있다. 머신 판독가능 저장 매체는 머신에 의해 판독가능한 형태로 정보를 저장하거나 전송하기 위한 임의의 저장 디바이스, 메커니즘 또는 다른 물리적 구조체(예를 들어, 휘발성 또는 비휘발성 메모리, 매체 디스크(media disc) 또는 다른 매체 디바이스(media device))로서 구현될 수 있다.
도면들에서, 일부 구조적 또는 방법 특징들은 특정 배열들 및/또는 순서들로 도시될 수 있다. 그러나, 이러한 특정 배열들 및/또는 순서들은 요구되지 않을 수 있다는 점이 인식되어야 한다. 오히려, 일부 실시예들에서, 이러한 특징들은 예시적인 도면들에 도시된 것과는 상이한 방식 및/또는 순서로 배열될 수 있다. 추가적으로, 특정 도면 내의 구조 또는 방법 특징의 포함은 이러한 특징이 모든 실시예에서 요구된다고 암시하는 것을 의미하지는 않으며, 일부 실시예들에서는 포함되지 않을 수도 있고 다른 특징들과 결합될 수도 있다.
이제, 도 1을 참조하면, 예시적인 실시예에서, 차량(100)은 본원에서 설명된 기능들을 수행할 수 있는 임의의 유형의 컴퓨팅 시스템으로서 구현될 수 있는 차량내 컴퓨팅 시스템(102)을 포함한다. 예시적인 실시예에서, 차량(100)은 바퀴 달린 승용차(예컨대, 자동차, 트럭, 트럭-트랙터, 버스 등)으로서 구현된다. 그렇지만, 다른 실시예들에서, 차량(100)은 다른 유형의 차량(예컨대, 레일 운행 트롤리(rail-driven trolley), 무인 차량, 또는 설명되는 기술들 및 메커니즘들의 적용에 적합한 다른 차량) 또는 다른 이동 가능 장치로서 구현될 수 있다는 것을 알아야 한다. 본 명세서에서 설명된 바와 같이, 차량내 컴퓨팅 시스템(102)은 어안 이미지를 캡처하고, 어안 이미지를 가상 사발형 투영면 상에 투영하여 운전자가 볼 수 있는 대응하는 사발형 이미지를 생성하도록 구성된다.
게다가, 차량내 컴퓨팅 시스템(102)은 차량(100) 주위에서 물체를 식별하고, 차량(100)에 대한 그 물체의 거리 및/또는 위치를 결정한다. 특히, 예시적인 실시예에서, 차량내 컴퓨팅 시스템(102)은 식별된 물체의 윤곽을 특정 가상 평면에 투영한다(도 8-9 참조). 차량내 컴퓨팅 시스템(102)은 또한 가상 평면 상의 투영된 윤곽의 하부(예로서, 윤곽을 둘러싸는 박스의 하부 중간 지점)를 식별하고, 가상 라인(즉, 투영된 윤곽의 하부 및 대응하는 어안 이미지를 캡처한 어안 카메라를 통과하는 라인)과 기준 평면의 교점을 결정한다. 따라서, 차량내 컴퓨팅 시스템(102)은 예시적인 실시예에서 물체(예로서, 보행자)가 지면에 서 있거나 달리 위치하는 것으로 가정한다는 것을 알아야 한다. 아래에 더 상세히 설명되는 바와 같이, 차량내 컴퓨팅 시스템(102)은 결정된 교점 및 투영된 윤곽의 하부에 기초하여 (예로서, 그러한 파라미터에 기초하는 칼만 필터를 적용함으로써) 차량(100)에 대한 식별된 물체의 위치를 결정한다. 따라서, 차량내 컴퓨팅 시스템(102)은 레이더, 포토닉 믹서 디바이스(PMD), 스테레오 카메라, 근접/모션 센서, 및/또는 물체 거리를 결정하기 위해 전통적으로 사용되는 다른 센서를 사용하지 않고 차량(100)으로부터의 물체의 거리 및 상대 위치를 결정한다는 것을 알아야 한다. 오히려, 차량내 컴퓨팅 시스템(102)은 본 명세서에 설명되는 주위 차량 모니터링 시스템을 사용한다.
일부의 실시예들에서, 차량내 컴퓨팅 시스템(102)은 차량내 인포테인먼트 시스템, 내비게이션 시스템, 및/또는 다른 차량 기반 컴퓨팅 시스템으로서 구현될 수 있거나, 그 일부를 형성할 수 있다. 다른 실시예들에서, 차량내 컴퓨팅 시스템(102)은 그 대신에, 단독형 컴퓨팅 디바이스 또는 컴퓨팅 시스템으로서 구현될 수도 있다. 또한, 일부 실시예들에서, 원격 컴퓨팅 디바이스가 차량내 컴퓨팅 시스템(102)과 통신 결합될 수 있고, 본원에 기술되는 기능들 중 하나 이상을 (예컨대, 원격적으로) 수행하고 결과들을 네트워크(예컨대, 유선 또는 무선 통신 네트워크)를 통해 차량내 컴퓨팅 시스템(102)으로 통신하도록 구성될 수 있다. 이러한 실시예들에서, 원격 컴퓨팅 디바이스는 차량내 컴퓨팅 시스템(102)과 통신하고 본원에서 설명된 기능들을 수행할 수 있는 임의의 유형의 컴퓨팅 디바이스(예컨대, 서버, 데스크탑 컴퓨터, 랩탑 컴퓨터, 태블릿 컴퓨터, 노트북, 넷북, 울트라북™, 셀룰러 폰, 스마트폰, 개인 정보 단말기(personal digital assistant), 모바일 인터넷 디바이스, 웨어러블 컴퓨팅 디바이스, 하이브리드 디바이스, 및/또는 임의의 다른 컴퓨팅/통신 디바이스)로서 구현될 수도 있다.
도 1에 도시된 바와 같이, 예시적인 차량내 컴퓨팅 시스템(102)은 프로세서(110), 입출력("I/O") 서브시스템(112), 메모리(114), 데이터 저장소(116), 디스플레이(118), 카메라 시스템(120), 사용자 인터페이스(122), 및 일부 실시예들에서 하나 이상의 주변 디바이스(124)를 포함한다. 그에 부가하여, 카메라 시스템(120)은 하나 이상의 카메라들(126)을 포함하고, 사용자 인터페이스(122)는 가상 카메라 제어(128)를 포함한다. 물론, 차량내 컴퓨팅 시스템(102)은 다른 실시예들에서, 전형적인 컴퓨팅 디바이스에서 보편적으로 발견되는 것들과 같은 다른 또는 추가적인 컴포넌트들(예컨대, 통신 회로, 다양한 입력 디바이스들, 및/또는 다른 컴포넌트들)을 포함할 수도 있다. 덧붙여, 일부 실시예들에서, 예시적 컴포넌트들 중 하나 이상은 또 다른 컴포넌트에 통합되거나 다른 컴포넌트의 일부를 형성할 수 있다. 예를 들어, 메모리(114) 또는 그 부분들은 일부의 실시예들에서 프로세서(110) 내에 포함될 수도 있다.
프로세서(110)는 본 명세서에 설명된 기능들을 수행할 수 있는 임의의 유형의 프로세서로서 구현될 수 있다. 예를 들어, 프로세서는 단일 또는 멀티코어 프로세서(들), 디지털 신호 프로세서, 마이크로컨트롤러, 또는 다른 프로세서 또는 처리/제어 회로로서 구현될 수 있다. 유사하게, 메모리(114)는 본원에서 설명된 기능들을 수행할 수 있는 임의의 유형의 휘발성 또는 비휘발성 메모리 또는 데이터 저장소로서 구현될 수도 있다. 동작시에, 메모리(114)는 운영 체제들, 애플리케이션들, 프로그램들, 라이브러리, 및 드라이버들과 같이, 차량내 컴퓨팅 시스템(102)의 동작 동안에 사용되는 다양한 데이터 및 소프트웨어를 저장할 수도 있다. 메모리(114)는 프로세서(110), 메모리(114), 및 차량내 컴퓨팅 시스템(102)의 다른 컴포넌트들과의 입력 동작들을 용이하게 하기 위한 회로 및/또는 컴포넌트들로서 구현될 수도 있는 I/O 서브시스템(112)을 통해 프로세서(110)에 통신 결합된다. 예를 들어, I/O 서브시스템(112)은 메모리 제어기 허브, 입출력 제어 허브, 펌웨어 디바이스, 통신 링크(즉, 점대점 링크, 버스 링크, 와이어, 케이블, 광 가이드, 인쇄 회로 보드 트레이스 등) 및/또는 입출력 동작을 용이하게 하기 위한 다른 컴포넌트 및 서브시스템으로서 구현될 수 있거나 이들을 포함할 수 있다. 일부 실시예들에서, I/O 서브시스템(112)은 시스템 온 칩(SoC)의 부분을 형성할 수도 있고, 프로세서(110), 메모리(114), 및 차량내 컴퓨팅 시스템(102)의 다른 컴포넌트들과 함께, 단일 집적 회로 칩 상에서 포함될 수도 있다.
데이터 저장소(116)는 예를 들어 메모리 디바이스들 및 회로들, 메모리 카드들, 하드 디스크 드라이브들, 고체 상태 드라이브들 또는 다른 데이터 저장 디바이스들과 같이, 데이터의 단기 또는 장기 저장을 위해 구성된 임의의 유형의 디바이스 또는 디바이스들로서 구현될 수 있다. 데이터 저장소(116) 및/또는 메모리(114)는, 이하에서 논의되는 바와 같이, 차량내 컴퓨팅 시스템(102)의 동작 동안, 예를 들어, 캡처 및 처리된 이미지, 컴포넌트 파라미터(예로서, 카메라(126)의 고유 파라미터), 카메라 시스템(120)의 기하구조에 관한 데이터, 및/또는 차량내 컴퓨팅 시스템(102)의 동작에 유용한 다른 데이터와 같은 다양한 데이터를 저장할 수 있다.
차량내 컴퓨팅 시스템(102)의 디스플레이(118)는 정보를 차량내 컴퓨팅 시스템(102)의 사용자(예컨대, 차량(100)의 운전자 또는 승객)에게 표시할 수 있는 임의의 하나 이상의 디스플레이 스크린으로서 구현될 수 있다. 디스플레이(118)는, 예를 들어, LCD(liquid crystal display), LED(light emitting diode) 디스플레이, CRT(cathode ray tube) 디스플레이, 플라즈마 디스플레이, 홀로그래픽 또는 다른 3차원(3D) 디스플레이, 및/또는 다른 디스플레이 기술을 비롯한, 임의의 적당한 디스플레이 기술로서 구현될 수 있거나 이를 다른 방식으로 사용할 수 있다. 단일의 디스플레이(118)만이 도 1에 예시되어 있지만, 차량내 컴퓨팅 시스템(102)은 동일하거나 상이한 콘텐츠가 서로 동시에 또는 순차적으로 표시될 수 있는 다수의 디스플레이 또는 디스플레이 스크린을 포함할 수 있다는 것을 알아야 한다. 디스플레이(118)는 다양한 차량 동작 파라미터들 및/또는 차량 인포테인먼트 정보(예컨대, 라디오 방송국, 온도 제어 등)가 표시되는 범용 디스플레이로서 구현될 수 있다. 대안적으로, 디스플레이(118)는, 이하에서 논의되는 바와 같이, 카메라 시스템(120)에 의해 생성되는 이미지들을 표시하는 특수 목적 디스플레이로서 구현될 수 있다.
카메라 시스템(120)은 차량(100)의 주위 환경 또는, 보다 상세하게는, 차량내 컴퓨팅 시스템(102)의 주위 환경의 이미지들을 캡처하는 데 사용될 수 있는 하나 이상의 카메라(126)를 포함한다. 예시적인 실시예에서, 카메라 시스템(120)의 카메라들(126)이 차량(100)의 360도 주위 전체 또는 그의 상당 부분을 캡처하기 위해 적당히 이격된다는 것을 알아야 한다. 그에 부가하여, 일부 실시예들에서, 카메라들(126)의 서로에 대한 그리고/또는 차량(100)에 대한 배치와 관련된 기하 구조가 알려져 있거나 결정될 수 있다.
카메라들(126) 각각은 스틸 카메라, 비디오 카메라, 웹캠, 또는 비디오 및/또는 이미지들을 캡처할 수 있는 다른 디바이스와 같은, 이미지들을 캡처하는 데 적당한 임의의 주위 또는 일체형 디바이스로서 구현될 수 있다. 예시적인 실시예에서, 카메라들(126) 각각은 차량(100)의 주위 전체 또는 거의 전체의 캡처를 용이하게 하는 어안 카메라로서 구현된다. 물론, 다른 실시예들에서, 예를 들어, 차량(100)의 유형, 사용되는 카메라들(126)의 유형, 사용되는 카메라(126)들의 수 및/또는 다른 기준들에 따라, 다른 유형의 광각 또는 협각 카메라들이 사용될 수 있다. 그에 부가하여, 카메라 시스템(120)은 이러한 다양한 기준들에 따라 차량(100)의 주위를 캡처하는 2개 이상의 카메라들(126)을 포함할 수 있다. 예시적 실시예에서, 카메라 시스템(120)은 차량(100)의 주위 전체를 캡처하는 데 필요한 카메라(126)의 수를 최소화하면서 이를 행하기 위해 차량(100)에 탑재되거나 통합되는 4개의 어안 카메라(126)(예로서, 어안 렌즈를 갖는 카메라(126))를 포함한다. 예로서, 도 2의 예시적인 실시예에 도시된 바와 같이, 카메라(126)는 차량(100)의 4개의 측면(즉, 앞, 뒤, 운전자 측, 승객 측) 각각에 탑재될 수 있다. 물론, 다른 실시예들에서, 차량내 컴퓨팅 시스템(102)은 상이한 수, 유형, 및/또는 상대적 배치의 카메라들(126)을 이용할 수 있다. 예를 들어, 다른 실시예에서, 카메라들(126)은 차량(100) 주위의 다른 위치들에(예컨대, 차량(100)의 코너들에) 배치될 수 있다. 특정 실시예에 따라서, 카메라 시스템(120)의 카메라(126)는 동일한 유형 또는 상이한 유형일 수 있다. 예로서, 일부 실시예에서, 카메라 시스템(120)의 카메라(126) 중 하나 이상은 어안 렌즈를 가질 수 있고, 카메라(126) 중 하나 이상은 전통적인 렌즈를 가질 수 있다.
사용자 인터페이스(122)는 차량내 컴퓨팅 시스템(102)의 사용자가 차량내 컴퓨팅 시스템(102)과 상호작용할 수 있게 한다. 예를 들어, 이하에서 논의되는 바와 같이, 사용자는 차량(100)의 주위를 디스플레이(118) 상에 표시하기 위해 차량내 컴퓨팅 시스템(102)과 상호작용할 수 있다. 그에 따라, 일부 실시예들에서, 사용자 인터페이스(122)는 하나 이상의 가상 및/또는 물리 버튼, 노브, 스위치, 키패드, 터치스크린, 및/또는 I/O 기능을 가능하게 하는 다른 메커니즘을 포함한다. 예를 들어, 일부 실시예들에서, 사용자 인터페이스(122)는 차량(100)의 내비게이션 또는 인포테인먼트 시스템과 통합될 수 있다. 앞서 논의된 바와 같이, 사용자 인터페이스(122)는, 예시적인 실시예에서, 가상 카메라 제어(128)를 포함한다. 가상 카메라 제어(128)는 차량내 컴퓨팅 시스템(102)의 사용자가 (예컨대, 가상 카메라를 "이동"시킴으로써) 차량내 컴퓨팅 시스템(102)의 가상 카메라(202)(도 2 참조)의 시야를 변경할 수 있게 한다. 이하에서 상세히 논의되는 바와 같이, 가상 카메라(202)는 카메라들(126) 중 하나에 의해 캡처되는 단일의 이미지 또는 다수의 카메라들(126)(예컨대, 인접한 카메라들(126))에 의해 캡처되는 이미지들의 조합에 대응할 수 있는, 디스플레이(118) 상에 렌더링될 이미지를 "캡처"한다. 그에 따라, 가상 카메라(202)를 회전시키거나 다른 방식으로 움직이고 그로써 가상 카메라(202)의 시야를 변경하는 것에 의해, 표시되는 이미지가 차량내 컴퓨팅 시스템(102)의 사용자에 의해 조절될 수 있다. 이하에서 추가로 상세히 논의되는 바와 같이, 사발형 이미지가 카메라들(126)에 의해 캡처되고 차량내 컴퓨팅 시스템(102)에 의해 처리된 차량(100)의 주위의 이미지들에 기초하여 생성된다. 그에 따라, 일부 실시예들에서, 사발형 이미지가 다수의 카메라들(126)로부터의 시야들의 조합을 포함할 수 있는, 가상 카메라(202)의 시야에 기초하여 디스플레이(118) 상에 렌더링될 수 있다. 예를 들어, 사발형 이미지가 (예컨대, 상단/하단으로부터, 멀리/가까이서, 사발형 이미지의 내부/외부로부터, 기타 등등으로부터) 가상 카메라(202)에 의해 "캡처"되는 투시도에 기초하여 사발형 이미지가 표시될 수 있다.
일부 실시예들에서, 차량내 컴퓨팅 시스템(102)은 또한 하나 이상의 주변 디바이스들(124)을 포함할 수 있다. 주변 디바이스들(124)은 스피커들, 마이크로폰들, 추가적인 저장소 디바이스들, 및 기타 등등과 같은 임의의 수의 추가적인 주변 또는 인터페이스 디바이스들을 포함할 수도 있다. 주변 디바이스들(124) 내에 포함된 특정한 디바이스들은 예로서 (예컨대, 차량내 컴퓨팅 시스템(102)이 단독형 시스템인지, 또는 추가로 큰 차량내 인포테인먼트 시스템 내에 포함되든지 간에) 차량내 컴퓨팅 시스템(102)의 유형 및/또는 의도된 이용에 의존할 수 있다. 특정 실시예에 따라, 차량내 컴퓨팅 시스템(102)의 하나 이상의 컴포넌트(예를 들어, 가상 카메라 제어(128) 및/또는 주변 디바이스(124))가 생략될 수 있다는 것을 알아야 한다.
이제, 도 3을 참조하면, 사용시에, 차량내 컴퓨팅 시스템(102)은 차량(100) 주위의 물리적 환경을 표시하고, 차량(100)으로부터의 물체의 거리를 결정하기 위한 환경(300)을 설정한다. 위에서 설명되고 아래에서 더 상세히 설명되는 바와 같이, 차량내 컴퓨팅 시스템(102)은 외부 센서를 사용하지 않고 차량(100)으로부터의 물체의 거리를 결정한다. 대신, 차량내 컴퓨팅 시스템(102)은 물체의 윤곽을 가상 평면에 투영하고, 가상 평면 내의 투영된 윤곽의 하부에 기초하여 칼만 필터를 적용하여 물체의 위치를 결정한다.
차량내 컴퓨팅 시스템(102)의 예시적인 환경(300)은 이미지 캡처링 모듈(302), 사발 생성 모듈(304), 디스플레이 모듈(306), 카메라 제어 모듈(308), 물체 투영 모듈(310) 및 위치 결정 모듈(312)을 포함한다. 게다가, 물체 투영 모듈(310)은 물체 식별 모듈(314), 윤곽 결정 모듈(316) 및 가상 평면 결정 모듈(318)을 포함한다. 예시적인 위치 결정 모듈(312)은 기하구조 결정 모듈(320) 및 칼만 필터 모듈(322)을 포함한다. 환경(300)의 모듈 각각은 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 조합으로서 구현될 수 있다. 예를 들어, 환경(300)의 모듈, 논리, 및 다른 컴포넌트 각각은 차량내 컴퓨팅 시스템(102)의 프로세서(110) 또는 다른 하드웨어 컴포넌트(들)의 일부를 형성하거나 그에 의해 설정 또는 실행될 수 있다. 또한, 일부 실시예들에서, 예시적인 모듈들 중 하나 이상은 다른 모듈의 일부를 형성할 수 있고/있거나, 하나 이상의 예시적인 모듈은 독립형 또는 독립 모듈로 구현될 수 있다. 일부 실시예들에서, 2013년 12월 19일에 출원된 국제 특허 출원 일련번호 PCT/US2013/076644에 기술된 하나 이상의 기술 및/또는 모듈은 차량내 컴퓨팅 시스템(102)에 의해 이용될 수 있고/있거나 여기에 기술된 환경(300)에 포함될 수 있다는 것을 이해해야 한다. 유사하게, 여기에 기술된 기술 및/또는 모듈은 국제 특허 출원 일련번호 PCT/US2013/076644에 기술된 차량내 컴퓨팅 시스템의 일부 실시예에서 이용될 수 있다.
이미지 캡처링 모듈(302)은 카메라들(126) 각각의 시야 내의 장면들의 이미지들/비디오를 캡처하기 위해 카메라 시스템(120)의 카메라들(126)을 제어한다. 특정 실시예에 따라, 이미지 캡처링 모듈(302)은 이미지들을 연속적으로(예컨대, 비디오 스트림으로서), 주기적으로, 시간 또는 조건 입력들에 응답하여, 이들의 조합으로서, 또는 다른 방식에 기초하여 캡처하라고 각각의 카메라(126)에 지시할 수 있다. 예를 들어, 차량(100)의 변속기가 후진 모드에 있을 때 그리고/또는 차량(100)이 특정 임계 속도 미만으로 움직이고 있을 때, 카메라들(126)은 이미지들을 캡처할 수 있다.
사발 생성 모듈(304)은 카메라 시스템(120)의 카메라들(126)에 의해 캡처되는 이미지들 또는 그의 처리된 버전들(예컨대, 결합 이미지들)이 차량내 컴퓨팅 시스템(102)의 사용자(예컨대, 차량(100)의 운전자)가 보도록 투영될 수 있는 가상 사발형 투영면(402)(도 4 참조)을 생성한다. 대부분의 차량내 이미지 시스템들에서, 차량 탑재 카메라들에 의해 캡처되는 이미지들의 가시화는 차량이 있는 기준 평면(404)(도 4 참조) 상에 위치하지 않은 물체들의 상당한 왜곡을 유발한다. 예시적인 실시예에서, 가상 사발형 투영면(402)은, 예를 들어, 가상 사발형 투영면(402)의 평탄도, 가상 사발형 투영면(402)과 기준 평면(404) 사이의 평탄도 변화, 및 기준 평면(404)에서의 사발형 투영면(402)의 편평도와 같은 특별히 정의된 기하학적 특성들을 가진다. 예시적 실시예에서, 사발 생성 모듈(304)은 차량(100)의 크기(예를 들어, 길이, 폭, 높이, 기타 등등) 및/또는 다른 특징(예로서, 사발 높이, 수평 오프셋, 적응 비율 등)과 관련된 다양한 파라미터에 기초하여 가상 사발형 투영면(402)의 바람직한 기하 구조를 결정하고, (예로서, 가상 사발형 투영면(402)의 각각의 수평 슬라이스(406)를 형성함으로써) 가상 사발형 투영면(402)을 형성한다. 각각의 수평 슬라이스는 일부 실시예에서 특정 실시예에 의존하는 폭(예로서, 불균일한 폭)을 가질 수 있다.
예시적인 실시예에서, 차량(100) 또는 그의 가상 표현이 기준 평면(404) 상의 사발형 투영면(402) 내부에 배치되도록 가상 사발형 투영면(402)이 형성된다는 것을 알아야 한다. 이하에서 상세히 기술되는 바와 같이, 그러한 정보에 기초하여, 사발 생성 모듈(304)은 차량(100)의 길이를 따라 사발형 투영면(402)의 수직 슬라이스(408)(도 4 참조)의 장반축(major semi-axis) 및 단반축(minor semi-axis)을 결정한다. 그에 부가하여, 사발 생성 모듈(304)은 가상 사발형 투영면(402)의 각각의 수평 슬라이스에 대해(예컨대, 하단(410)부터 상단(412)까지), 수직 슬라이스(408)의 장반축 및 단반축에 기초한 대응하는 수평 슬라이스의 장반축 및 대응하는 수평 슬라이스의 장반축과 단반축 사이의 적응 비율에 기초한 대응하는 수평 슬라이스의 단반축을 결정한다. 후술하는 바와 같이, 예시적 실시예에서, 적응 비율은 선형으로 변하며, 사발형 투영면(402)의 상단(412)에서 약 1(즉, 1.0)이고, 사발형 투영면(402)의 하단(410)에서 차량(100)의 길이를 차량(100)의 폭으로 나눈 값(즉, 차량 길이/차량 폭)과 동일하다. 따라서, 사발형 투영면(402)의 최상단 수평 슬라이스는 원형 기하 형상을 가지며, 최하단 수평 슬라이스는 비원형인 타원형 기하 형상을 갖는다(즉, 최하단 수평 슬라이스는 그의 장축이 그의 단축과 동일하지 않은 타원형을 정의한다). 사발형 투영면(402)의 가장 큰 수평 슬라이스는 표면(402)의 수직 중간을 향한다.
사발 생성 모듈(304)은 가상 사발형 투영면(402)을 생성하기 위해 수평 슬라이스들을 결합한다. 예를 들어, 사발 생성 모듈(304)은 사발형 투영면(402)의 수평 슬라이스들을 적층하고 그 슬라이스들을 서로 병합하여, 결과적인 사발형 투영면(402)을 형성할 수 있다. 그에 부가하여, 사발 생성 모듈(304)은 평평한 기준 평면(404)(또는 보다 구체적으로는, 부분적 평면)인 사발의 하단(410)을 생성하고 병합할 수 있다. 사발형 투영면(402)의 상단(412)이 부분적으로 개방되어 있고 차량(100) 위쪽의 환경의 부분들이 사발형 투영면(402)의 상단 부분 상에 투영될 수 있다는 것을 알아야 한다. 예시적 실시예에서, 기준 평면(404)에 인접하는 생성된 가상 사발형 투영면(402)의 섹션이 필터링되거나 평탄화된다. 즉, 사발형 투영면(402)의 하단 부분은 사발형 투영면(402)의 상단 부분이 사발형 투영면(402)의 상단(412)에 접근하는 것보다 낮은 레이트로 사발형 투영면(402)의 하단(410)(즉, 기준 평면(404))에 접근한다.
예시적인 실시예에서, 사발형 투영면(402) 상에 투영된 이미지(본 명세서에서 "사발형 이미지"로 지칭됨)는 사발형 투영면(402)과 관련하여 전술한 특징을 포함할 것이라는 것을 알아야 한다(즉, 사발형 이미지는 상단 부분의 도함수의 절대값보다 작은 절대값을 갖는 도함수를 갖는 하단 부분을 포함할 것이다). 또한, 사발형 투영면(402)의 하단 부분은 임의의 장소에서의 표면의 도함수가 명확하도록(즉, 특이성이 존재하지 않도록) 사발형 투영면(402)의 기준 평면(404)과 병합된다. 사발 생성 모듈(304)은 가상 사발형 투영면 및 사발형 이미지를 생성하기 위해 임의의 적합한 이미지 필터, 알고리즘, 기술 및 / 또는 메커니즘을 사용할 수 있다는 것을 알아야 한다. 물론, 일부 실시예에서, 사발 생성 모듈(304)은 여기서 설명되는 도 4의 가상 사발형 투영면(402)과 다른 특징을 갖는 가상 사발형 투영면을 생성할 수 있다.
디스플레이 모듈(306)은 차량내 컴퓨팅 시스템(102)의 사용자가 보도록 하기 위해 이미지들을 디스플레이(118) 상에 렌더링한다. 예를 들어, 디스플레이 모듈(306)은, 사발형 이미지를 생성하여 사발형 이미지 또는 그의 한 부분을 디스플레이(118) 상에 표시하기 위해, 하나 이상의 어안 이미지, 처리된 이미지 및/또는 다른 유형의 이미지를 사발 생성 모듈(304)에 의해 생성된 가상 사발형 투영면(402) 상에 "투영"할 수 있다. 물론, 일부 실시예들에서, 생성된 이미지들 또는 결합된 이미지들이 종래의 의미로 사발형 투영면(402) 상에 "투영"되지 않고; 오히려 생성된 이미지들 또는 결합된 이미지들은 이미지(들)가 사발형 투영면(402) 상에 투영된 것처럼 앞서 논의된 특징들을 포함하는 사발 형상을 갖도록 변경될 수 있다는 것을 알아야 한다.
위에 지시된 바와 같이, 일부 실시예들에서, 디스플레이 모듈(306)은 차량내 컴퓨팅 시스템(102)의 가상 카메라(202)의 시야 내의 사발형 이미지의 부분들만을 렌더링할 수 있다. 그에 따라, 사발형 이미지가 3차원 표면 상에 "투영"되는 이미지로서 구현될 수 있지만, 디스플레이(118)는, 일부 실시예들에서, 사발형 이미지의 2차원 투시도를 렌더링할 수 있다. 예시적인 실시예에서, 카메라 제어 모듈(308)은 가상 카메라(202)의 투시도를 결정하고, 가상 카메라 제어(128)와 연계하여, 차량내 컴퓨팅 시스템(102)의 사용자가 차량내 컴퓨팅 시스템(102)의 가상 카메라(202)의 시야를 변경할 수 있게 한다.
물체 투영 모듈(310)은 식별된 물체(즉, 그의 윤곽)를 복수의 가상 평면으로부터 선택된 가상 평면 상에 투영하도록 구성된다. 전술한 바와 같이, 예시적인 실시예에서, 물체 투영 모듈(310)은 물체 식별 모듈(314), 윤곽 결정 모듈(316) 및 가상 평면 결정 모듈(318)을 포함한다.
물체 식별 모듈(314)은 차량(100) 주위의 물체를 식별한다. 특히, 예시적인 실시예에서, 물체 식별 모듈(314)은 어안 카메라(126) 중 하나에 의해 캡처된 어안 이미지 내의 물체를 식별한다. 물체 식별 모듈(314)은 그렇게 하기 위해 임의의 적절한 기술, 알고리즘 및/또는 메커니즘을 이용할 수 있다는 것을 알아야 한다. 예를 들어, 일부 실시예에서, 물체는 2013년 12월 19일자로 출원된 국제 특허 출원 일련번호 PCT/US2013/076644에 기술된 하나 이상의 광 흐름, 분할 및/또는 분류 기술을 사용하여 식별될 수 있다. 일부 실시예에서, 차량내 컴퓨팅 시스템(102)은 차량(100)에 대한 이동 물체의 거리만을 결정하므로, 물체 식별 모듈(314)은 차량(100)에 대해 움직이는 물체(예를 들어, 보행자)를 식별한다. 전술한 바와 같이, 예시적인 실시예에서, 차량내 컴퓨팅 시스템(102)은 차량(100)으로부터의 물체의 거리를 결정할 때 물체가 기준 평면 상에 위치한다고 가정한다. 따라서, 일부 실시예에서, 물체 식별 모듈(314)은 (예로서, 물체의 거리를 결정하기 전에) 식별된 물체가 실제로 기준 평면에 위치하는지 또는 대략 기준 평면 상에 위치하는지를 결정할 수 있다. 물론, 기술 및 알고리즘이 차량(100)으로부터의 단일 물체의 거리를 결정하는 것과 관련하여 설명되지만, 일부 실시예에서, 차량내 컴퓨팅 시스템(102)은 차량(100)으로부터의 다수의 물체 및/또는 물체 집합/세트의 거리를 결정할 수 있다.
윤곽 결정 모듈(316)은 캡처된 어안 이미지에서 식별된 물체의 윤곽을 가상 평면으로 투영하기 위해 결정한다. 윤곽 결정 모듈(316)은 임의의 적합한 기술, 알고리즘 및/또는 메커니즘을 사용하여 물체의 윤곽을 결정할 수 있음을 이해해야 한다. 예를 들어, 윤곽 결정 모듈(316)은 에지 검출 알고리즘(예를 들어, Canny 에지 검출, Sobel 필터 등), 이미지 분할 알고리즘(예를 들어, 유역 분할, 피라미드 분할 등) 및/또는 다른 이미지 필터/알고리즘을 사용하여 식별된 물체의 윤곽을 결정할 수 있다. 물론, 일부 실시예에서, 차량내 컴퓨팅 시스템(102)은 물체의 식별에 의해 물체의 윤곽을 결정할 수 있다. 즉, 어안 이미지 내의 물체를 식별하기 위해 차량내 컴퓨팅 시스템(102)에 의해 사용되는 기술, 알고리즘 및/또는 메커니즘(예를 들어, 특정 에지 검출 및 분할 알고리즘)이 동시에 물체의 윤곽을 결정할 수 있다.
일부 실시예에서, 경계 박스가 어안 이미지 내의 물체의 식별된 윤곽 주위에 배치될 수 있고, 차량(100)으로부터의 물체의 거리 및/또는 물체의 치수를 추정하는 데 사용될 수 있음을 알아야 한다. 그러나, 카메라(126)의 경사각 및 어안 이미지의 어안 왜곡은 예를 들어 물체의 실제 치수보다 훨씬 큰 경계 박스를 초래할 수 있다. 다시 말해, 이러한 구현은 일부 상황에서 부정확하거나 신뢰할 수 없는 결과를 제공할 수 있다. 따라서, 예시적인 실시예에서, 물체의 윤곽이 가상 평면에 투영되어 이러한 에러를 최소화 또는 감소시킨다. 특히, 가상 평면 결정 모듈(318)은 물체의 윤곽을 투영할 복수의 가상 평면(802) 중에서 가상 평면(802)(도 8 참조)을 선택한다. 아래에 더 상세히 설명하는 바와 같이, 가상 평면(802)은 특정 배열로 구성될 수 있고, 투영을 위해 선택된 특정 가상 평면(802)은 예를 들어 식별된 물체의 대략적인 위치 및/또는 물체를 캡처한 어안 카메라(126)의 위치에 기초하여 선택될 수 있다. 물체 투영 모듈(310)은 도 9에 도시된 바와 같이 물체의 윤곽을 선택된 가상 평면 상에 투영한다.
위치 결정 모듈(312)은 차량(100)에 대한 물체의 위치를 결정한다. 전술한 바와 같이, 예시적인 실시예에서, 위치 결정 모듈(312)은 기하구조 결정 모듈(320) 및 칼만 필터 모듈(322)을 포함한다. 기하구조 결정 모듈(320)은 예를 들어 물체의 투영된 윤곽의 기하학적 특징 및/또는 차량내 컴퓨팅 시스템(102)에 의해 생성되거나 결정된 다른 컴포넌트 및/또는 가상 구조에 대한 투영된 윤곽의 관계와 같은 다양한 기하학적 특징 및 관계를 결정하도록 구성된다. 기하구조 결정 모듈(320)은 도 9에 도시된 바와 같이 선택된 가상 평면에 투영된 물체의 윤곽의 하부를 결정한다. 특히, 예시적인 실시예에서, 기하구조 결정 모듈(320)은 가상 평면(802)에 투영된 물체의 윤곽(904)에 대한 경계 박스(902)를 결정하고, 경계 박스(902)의 하부 중간 지점(906)을 결정한다. 또한, 기하구조 결정 모듈(320)은 물체 윤곽의 하부(예를 들어, 하부 중간 지점(906)) 및 물체의 윤곽이 투영된 어안 이미지를 캡처한 어안 카메라(126)(예를 들어, 카메라(126)의 중심) 양자를 통과하는(즉, 교차하는) 라인을 결정한다. 부가적으로, 기하구조 결정 모듈(320)은 기준 평면(예를 들어, 기준 평면(404)을 포함하는 평면)과 그 라인의 교점을 결정한다.
위치 결정 모듈(312)은 결정된 교점 및 물체의 윤곽의 하부(예를 들어, 경계 박스(902)의 하부 중간 지점(906))에 기초하여 차량(100)에 대한 물체의 위치를 결정한다. 특히, 예시적인 실시예에서, 칼만 필터 모듈(322)은 교점 및 물체의 윤곽의 하부에 기초하여 차량(100)에 대한 물체의 위치를 결정하기 위해 칼만 필터(예를 들어, 확장 칼만 필터)를 적용한다. 예를 들어, 정의된 상태 벡터, 상태 전이 행렬 및 측정 벡터에 기초하여 상태를 추정하기 위해 칼만 필터가 적용될 수 있다는 것을 이해해야 한다. 도 7과 관련하여 이하에서 더 상세하게 설명되는 바와 같이, 예시적인 실시예에서, 칼만 필터는 교점에 대응하는 상태 벡터, 물체 윤곽의 하부에 대응하는 측정 벡터 및 브라운 운동에 대응하는 상태 전이 행렬을 사용하여 적용된다. 예를 들어, 아래에 설명된 바와 같이, 차량내 컴퓨팅 시스템(102)은 전술한 기준 평면을 통과하는 라인의 교점을 정의하는 분석 방정식을 결정(또는 검색)하고, 칼만 필터를 반복적으로 적용하여 상태 벡터(예로서, 교점)가 반복적으로 추정되게 한다. 벡터 관계의 비선형성으로 인한 공분산을 처리하기 위해 야코비안도 사용된다.
이제, 도 5-6을 참조하면, 차량내 컴퓨팅 시스템(102)은 차량(100)으로부터의 물체의 거리를 결정하는 방법(500)을 실행할 수 있다. 전술한 바와 같이, 여기에 설명된 방법은 일반적으로 어안 카메라(126) 및 그러한 카메라(126)에 의해 생성된 어안 이미지와 관련하여 설명되지만; 이 방법은 다른 유형의 카메라(126) 및/또는 이미지에도 적용 가능하다. 예시적인 방법(500)은 차량내 컴퓨팅 시스템(102)이 하나의 어안 카메라(126)로부터 어안 이미지를 수신하는 도 5의 블록(502)에서 시작한다. 전술한 바와 같이, 예시적인 실시예에서, 차량(100)은 예를 들어 차량(100)의 전체 360도 주위를 캡처하도록 전략적으로 배치된 4개의 어안 카메라(126)를 포함한다. 따라서, 차량내 컴퓨팅 시스템(102)은 캡처된 어안 이미지 중 하나를 선택하여, 선택된 어안 이미지를 캡처한 어안 카메라(126)의 시야에 대응하는 차량(100) 주위에 임의 물체가 존재하는지를 결정하고, 존재하는 경우에 식별된 물체의 거리를 결정할 수 있다.
블록 504에서, 차량내 컴퓨팅 시스템(102)은 수신/선택된 어안 이미지에서 물체를 식별한다. 전술한 바와 같이, 차량내 컴퓨팅 시스템(102)은 그렇게 하기 위한 임의의 적합한 기술, 알고리즘 및/또는 메커니즘을 이용할 수 있다. 예를 들어, 일부 실시예에서, 차량내 컴퓨팅 시스템(102)은 어안 이미지 내의 물체를 식별하기 위해 에지 검출, 이미지 분할, 광 흐름, 물체 분류 및/또는 다른 기술을 이용할 수 있다. 특히, 일부 실시예에서, 차량내 컴퓨팅 시스템(102)은 2013년 12월 19일자로 출원된 국제 특허 출원 일련번호 PCT/US2013/076644에 기술된 하나 이상의 기술을 이용할 수 있다. 전술한 바와 같이, 일부 실시예에서, 차량내 컴퓨팅 시스템(102)은 어안 이미지 내에 캡처된 임의의 이동 물체(예를 들어, 보행자)가 있는지를 결정한다. 물론, 일부 실시예에서, 차량내 컴퓨팅 시스템(102)은 어안 이미지 내의 다수의 물체를 식별할 수 있으며, 이 경우 차량내 컴퓨팅 시스템(102)은 차량내 컴퓨팅 시스템(102)으로부터의 거리를 결정할 식별된 물체 중 하나를 선택한다.
블록 506에서, 차량내 컴퓨팅 시스템(102)은 물체가 캡처된 어안 이미지에서 식별되었는지를 결정한다. 그렇지 않은 경우, 방법(500)은 블록 502로 복귀하여, 차량내 컴퓨팅 시스템(102)은 다른 어안 이미지를 수신한다. 예를 들어, 일부 실시예에서, 차량내 컴퓨팅 시스템(102)은 다른 어안 카메라(126) 중 하나에 의해 캡처된 어안 이미지를 선택하여, 그 어안 카메라(126)의 시야 내에 임의의 물체가 존재하는지를 결정한다. 그러나, 물체가 식별된 경우, 블록 508에서 차량내 컴퓨팅 시스템(102)은 식별된 물체의 윤곽을 결정한다. 전술한 바와 같이, 그에 따라, 차량내 컴퓨팅 시스템(102)은 예로서 에지 검출 알고리즘(예로서, Canny 에지 검출, Sobel 필터 등), 이미지 분할 알고리즘(예로서, 유역 분할, 피라미드 분할 등) 및/또는 기타 이미지 필터/알고리즘을 이용할 수 있다. 또한, 사용된 특정 실시예 및 알고리즘에 따라, 차량내 컴퓨팅 시스템(102)은 어안 이미지 내의 물체를 식별하고 어안 이미지에서 물체의 윤곽을 동시에 결정할 수 있다.
블록 510에서, 차량내 컴퓨팅 시스템(102)은 물체의 윤곽을 특정 가상 평면 상에 투영한다. 그에 따라, 차량내 컴퓨팅 시스템(102)은 블록 512에서 물체의 윤곽을 투영할 복수의 가상 평면(802) 중의 가상 평면(802)(도 8 참조)을 선택한다. 예시적인 실시예에서, 차량내 컴퓨팅 시스템(102)은 도 8에 도시된 배열에서 8개의 가상 평면(802)(즉, 가상 평면(804, 806, 808, 810, 812, 814, 816, 818))의 세트를 생성 또는 결정한다. 특히, 도 8의 예시적인 실시예에서, 가상 평면(804, 812)은 차량(100)의 측면(820)에 평행하다. 또한, 가상 평면(808, 816)은 차량(100)의 배면(822)에 평행하고 차량(100)의 측면(820)에 수직이다. 가상 평면(806, 814)은 서로 평행하고, 가상 평면(804, 808)에 대해 45도 각도를 이룬다. 또한, 가상 평면(810, 818)은 서로 평행하고, 가상 평면(806, 814)에 수직이고, 가상 평면(808, 812)에 대해 45도 각도를 이룬다. 게다가, 예시적인 실시예에서, 가상 평면(804, 806, 808, 810, 812, 814, 816, 818) 각각은 기준 평면(즉, 차량(100)이 배치된 평면과 일치하는 평면)에 수직이다.
일부 실시예에서, 8개의 가상 평면(802)이 존재하는 예시적인 실시예와 상이한 수의 가상 평면(802)이 있을 수 있다는 것을 이해해야 한다. 또한, 일부 실시예에서, 차량내 컴퓨팅 시스템(102)에 의해 생성/결정되는 복수의 가상 평면(802)은 차량(100)의 카메라 시스템(120)에 어안 카메라(126)가 있는 것보다 적어도 2배 많은 가상 평면(802)을 포함한다. 예로서, 일부 실시예에서, 가상 평면(802)은 각각의 어안 카메라(126)의 광축에 수직으로 배치될 수 있으며, 가상 평면(802)은 수직 배치된 가상 평면(802) "사이에" 각지게 배치될 수 있다. 전술한 바와 같이, 차량내 컴퓨팅 시스템(102)이 물체의 윤곽을 투영할 특정 가상 평면(802)을 선택하는 방식은 특정 실시예에 따라 달라질 수 있다. 일부 실시예에서, 차량내 컴퓨팅 시스템(102)은 식별된 물체에 가장 가까운(예를 들어, 가상 사발형 투영면(402) 상의 물체의 투영에 가장 가까운) 가상 평면(802)을 선택한다. 예를 들어, 예시적인 실시예에서, 어안 이미지가 전방 카메라(126)에 의해 캡처된 경우, 차량내 컴퓨팅 시스템(102)은 물체의 윤곽의 투영을 위해 가상 평면(806, 808, 810) 중 하나를 선택할 수 있다. 다른 실시예에서, 차량내 컴퓨팅 시스템(102)은 어안 카메라(126)(즉, 물체의 윤곽이 식별된 어안 이미지를 캡처한 카메라(126))와 (예로서, 투영면(402) 상의) 식별된 물체의 대략적인 위치와 교차하는 라인을 결정할 수 있다. 그러한 실시예에서, 차량내 컴퓨팅 시스템(102)은 라인이 교차하는 가상 평면(802)(예를 들어, 라인이 카메라(126)의 방향으로부터 최초로 교차하는 가상 평면(802))을 결정하고, 물체의 윤곽을 그 가상 평면(802) 상에 투영할 수 있다. 즉, 차량내 컴퓨팅 시스템(102)은 물체의 윤곽을 물체의 일반적인 방향에 있는 가상 평면(802) 상에 투영할 수 있다.
블록 514에서, 차량내 컴퓨팅 시스템(102)은 투영된 물체의 윤곽의 하부를 식별한다. 차량내 컴퓨팅 시스템(102)은 그렇게 하기 위한 임의의 적합한 기술, 알고리즘 및/또는 메커니즘을 이용할 수 있음을 알아야 한다. 예시적인 실시예에서, 차량내 컴퓨팅 시스템(102)은 블록 516에서 가상 평면(802) 상의 물체의 윤곽(904)에 대한 경계 박스(902)를 결정한다. 도 9에 도시된 바와 같이, 경계 박스(902)는 가상 평면(802)에 투영된 물체의 윤곽(904)을 경계 짓는 가장 작은 직사각형 박스이다. 물론, 다른 실시예에서, 경계 박스(902)는 예로서 다른 크기, 형상 및/또는 다른 특성을 갖도록 구성될 수 있다. 블록 518에서, 차량내 컴퓨팅 시스템(102)은 경계 박스(902)의 하부 중간 지점(906)을 식별한다. 전술한 바와 같이, 일부 실시예에서, 차량내 컴퓨팅 시스템(102)은 식별된 물체가 기준 평면 상에 위치한다고 가정한다. 따라서, 일부 실시예에서, 하부 중간 지점(906)은 물체가 기준 평면과 접촉하는 지점(예를 들어, 보행자의 발)의 가상 평면(802)에 대한 투영으로서 간주될 수 있음을 이해해야 한다.
이제, 도 6을 참조하면, 블록 520에서, 차량내 컴퓨팅 시스템(102)은 투영된 물체의 윤곽의 하부 및 물체의 윤곽이 투영된 어안 이미지를 캡처한 어안 카메라(126) 양자를 통과하는(즉, 교차하는) 가상 라인을 생성하거나 결정한다. 특히, 블록 522에서, 차량내 컴퓨팅 시스템(102)은 예시적인 실시예에서 하부 중간 지점(906) 및 카메라(126)의 중심을 통과하는 라인을 결정한다. 블록 524에서, 차량내 컴퓨팅 시스템(102)은 결정된 라인과 기준 평면의 교점을 결정한다.
전술한 바와 같이, 일부 실시예에서, 차량내 컴퓨팅 시스템(102)의 카메라 시스템(120) 및/또는 다른 컴포넌트의 기하 구조는 공지되거나 결정 가능하다. 따라서, 차량내 컴퓨팅 시스템(102)은 좌표계를 설정하고, 좌표계 내의 차량내 컴퓨팅 시스템(102)의 다양한 컴포넌트 및/또는 가상 구조 표현(예를 들어, 가상 평면(802), 라인, 교점, 하부 중간 지점(906), 기준 평면 등)의 위치를 결정할 수 있다. 예를 들어, 기준 평면은 좌표계에서 벡터
Figure pct00001
및
Figure pct00002
에 의해 정의될 수 있다. 또한, 투영된 물체의 윤곽의 하부(예를 들어, 하부 중간 지점(906))는
Figure pct00003
로 표현될 수 있으며, 카메라(126)(예를 들어, 중심 지점)는
Figure pct00004
로 표현될 수 있고, 라인과 기준 평면의 교점은
Figure pct00005
로 표현될 수 있다. 여기에 설명된 공지 기하구조 및/또는 계산에 의해, 투영된 물체의 윤곽의 하부 및 카메라(126)의 위치에 대한 좌표 값이 예시적인 실시예에서 알려지거나 결정 가능하다는 것을 이해해야 한다. 따라서, 블록 526에서, 차량내 컴퓨팅 시스템(102)은
Figure pct00006
및
Figure pct00007
에 따라 교점의 좌표 값을 정의하는 분석 방정식을 결정할 수 있다. 일부 실시예에서, 분석 방정식은 차량내 컴퓨팅 시스템(102) 또는 다른 컴퓨팅 디바이스에 의해 사전 계산될 수 있고, 후속 사용을 위해 차량내 컴퓨팅 시스템(102)의 메모리(114) 및/또는 데이터 저장소(116)에 저장될 수 있다. 따라서, 경로(530)에 의해 도시된 바와 같이, 분석 방정식은 일부 실시예에서 한 번만 계산될 수 있고, 이후에 (예를 들어, 특정 지점에 대한 좌표 값을 평가하기 위해, 칼만 필터와 같은 필터로의 반복 추정을 위해 그리고/또는 다른 적절한 목적을 위해) 방정식 자체의 재계산 없이 반복적으로 이용될 수 있다.
블록 528에서, 차량내 컴퓨팅 시스템(102)은 결정된 교점 및 물체의 윤곽의 하부(예를 들어, 하부 중간 지점(906))에 기초하여 차량(100)에 대한 물체의 위치를 결정한다. 전술한 바와 같이, 일부 실시예에서, 차량내 컴퓨팅 시스템(102)은 (예를 들어, 교점 및 물체의 윤곽의 하부에 기초하여) 차량(100)에 대한 물체의 위치를 결정하기 위해 칼만 필터를 적용할 수 있다. 그렇게 하기 위해, 차량내 컴퓨팅 시스템(102)은 도 7에 도시된 방법(700)을 실행할 수 있다. 예시적인 방법(700)은 블록 702에서 시작하여, 차량내 컴퓨팅 시스템(102)은 칼만 필터에 대한 상태 벡터를 결정한다. 특히, 블록 704에서, 차량내 컴퓨팅 시스템(102)은
Figure pct00008
에 따라 칼만 필터의 상태 벡터를 결정한다. 즉, 칼만 필터의 상태 벡터는 전술한 교점에 기초한다.
블록 706에서, 차량내 컴퓨팅 시스템(102)은 칼만 필터에 대한 측정 벡터를 결정한다. 예시적인 실시예에서, 블록 708에서, 차량내 컴퓨팅 시스템(102)은
Figure pct00009
에 따라 칼만 필터의 측정 벡터를 결정한다. 즉, 칼만 필터의 측정 벡터는 가상 평면(802) 상의 물체의 하부(예를 들어, 하부 중간 지점(906))를 정의하는 지점이다. 예시적인 실시예의 상태 벡터 및 측정 벡터는 비선형인 관계
Figure pct00010
및
Figure pct00011
를 갖는다는 것을 이해해야 한다. 따라서, 예시적인 실시예에서, 표준 선형 칼만 필터가 아니라 확장 칼만 필터가 사용된다. 또한, 비선형성 때문에, 예시적인 실시예에서 공분산을 직접 사용하기보다는 야코비안이 이용된다. 따라서, 블록 710에서, 차량내 컴퓨팅 시스템(102)은 물체의 위치를 결정할 때 칼만 필터와 함께 사용하기 위한 야코비안을 결정한다. 특히, 블록 712에서, 차량내 컴퓨팅 시스템(102)은 다음에 따라 야코비안을 결정한다.
Figure pct00012
블록 714에서, 차량내 컴퓨팅 시스템(102)은 칼만 필터에 대한 상태 전이 행렬을 결정한다. 예시적인 실시예에서, 물체(예를 들어, 보행자)가 어떻게 움직일 수 있는지에 대한 선험적 지식이 없다는 것이 또한 인식되어야 한다. 즉, 물체가 보행자라고 가정한다고 해도 보행자는 주어진 시점에 임의의 특정 방향으로 움직일 수 있다. 따라서, 블록 716에서, 차량내 컴퓨팅 시스템(102)은 예시적인 실시예에서 브라운 운동을 표현하기 위해 다음에 따라 상태 전이 행렬을 결정한다.
Figure pct00013
즉, 상태 전이 행렬은 예시적인 실시예에서 상수 값의 행렬이다. 그러한 실시예에서, 상태 전이 행렬을 결정하는 것은 차량내 컴퓨팅 시스템(102)의 메모리(114) 및/또는 데이터 저장소(116)로부터 행렬 또는 대응하는 데이터 값을 검색하는 것을 구성할 수 있다는 것을 이해해야 한다. 물론, 다른 실시예에서, 상태 전이 행렬은 (예를 들어, 물체의 이동에 관한 정보가 알려질 때) 달리 결정될 수 있다.
블록 718에서, 차량내 컴퓨팅 시스템(102)은 결정된 상태 벡터, 측정 벡터, 상태 전이 행렬 및 야코비안에 기초하여 확장 칼만 필터를 적용하여 물체의 위치를 결정한다. 전술한 바와 같이, 경로(720)에 의해 도시된 바와 같이, 일부 실시예에서, 확장 칼만 필터(또는 다른 적절한 필터)는 전술한 교점을 추정하고, 따라서 차량(100)에 대한 물체의 위치를 추정하기 위해 반복적으로 적용될 수 있다. 따라서, 확장 칼만 필터는 상태 벡터의 추정을 생성하기 위해 상태 벡터, 측정 벡터, 야코비안 및/또는 상태 전이 행렬에 대해 결정된 분석 방정식에 기초하여 반복적으로 적용될 수 있다.
이제, 도 10을 참조하면, 여기에 설명된 차량내 컴퓨팅 시스템(102)에 의해 이용될 수 있는 칼만 필터(1000)의 예시적인 실시예가 도시된다. 예시적인 칼만 필터(1000)는 4개의 반복 적용되는 스테이지를 포함하고, 입력을 수신하고, 출력을 생성한다는 것을 이해해야 한다. 특히, 칼만 필터(1000)의 스테이지(1002)는 상태 벡터의 하나 이상의 이전 추정치
Figure pct00014
및 대응하는 에러 공분산 행렬
Figure pct00015
를 입력으로서 수신하고,
Figure pct00016
에 따라 칼만 이득
Figure pct00017
를 결정한다. 칼만 필터(1000)의 스테이지(1004)는 전술한 측정 벡터의 값
Figure pct00018
및
Figure pct00019
에 더하여 칼만 이득을 입력으로서 수신하고,
Figure pct00020
에 따라 측정치
Figure pct00021
로 상태 벡터의 추정치
Figure pct00022
를 갱신하고, 상태 벡터의 출력
Figure pct00023
및
Figure pct00024
을 생성한다. 예시적인 실시예에서, 전술한 교점을 정의하는 분석 방정식을 이용하여 상태 벡터로부터
Figure pct00025
가 결정된다는 것을 알아야 한다(도 6의 블록 526 참조). 칼만 필터(1000)의 스테이지(1006)는
Figure pct00026
에 따라 에러 공분산의 갱신된 추정치를 계산한다. 또한, 칼만 필터(1000)의 스테이지(1008)는
Figure pct00027
및
Figure pct00028
에 따라 상태 벡터 및 에러 공분산의 추정치를 미리 투영한다. 이 단락의 식에서 설명된 바와 같이, x는 상태 벡터를 나타내고, z는 측정 벡터를 나타내며, P는 상태 벡터 추정치의 에러 공분산 행렬을 나타내고, K는 칼만 이득을 나타내고, R은 측정 에러 공분산 행렬을 나타내고, Q는 프로세스 잡음 공분산 행렬을 나타내고, H는 전술한 야코비안을 나타내고,
Figure pct00029
는 상태 전이 행렬을 나타내고, I는 항등 행렬을 나타내며, k는 특정 반복을 나타내며, "hat" 심벌은 추정치를 나타낸다.
전술한 바와 같이, 특정 실시예에 따라, 방법(500)은 차량내 컴퓨팅 시스템(102)에 의해 실행되어 칼만 필터를 적용하거나 하지 않고 식별된 물체의 위치를 결정할 수 있다. 도 11에 도시된 바와 같이, 차량내 컴퓨팅 시스템(102)은 칼만 필터가 적용되는지 여부에 따라 물체의 결정된 위치에 대한 상이한 결과를 관찰한다. 특히, 전술한 바와 같이 칼만 필터를 적용하지 않고 결정된 물체의 위치(1102)와 칼만 필터를 적용하여 결정된 물체의 위치(1104)가 도 11에 도시된다. 물체의 결정된 위치(1104)는 위치(1102)보다 물체의 실제 위치를 더 정확하게 추정한다는 것을 이해해야 한다. 즉, 직접 추정은 칼만 필터의의 적용을 포함하는 본 명세서에 설명된 기술보다 덜 일관되고 정확한 결과를 초래한다.
예
본 명세서에 개시된 기술의 예시적인 예가 아래에 제공된다. 기술의 실시예는 이하에 설명되는 예들 중 임의의 하나 이상 및 임의의 조합을 포함할 수 있다.
예 1은 차량으로부터의 물체의 거리를 결정하기 위한 컴퓨팅 디바이스를 포함하고, 상기 컴퓨팅 디바이스는 어안 이미지를 캡처하기 위한 어안 카메라; (i) 상기 어안 이미지 내에 캡처된 물체를 식별하고, (ii) 상기 차량 밖에 위치하고, 상기 차량에 대한 상기 식별된 물체의 위치에 기초하여 가상 평면들의 사전 정의된 세트로부터 선택된, 선택된 가상 평면 상에 상기 식별된 물체의 윤곽을 투영하기 위한 물체 투영 모듈; 및 (i) 상기 선택된 가상 평면 상의 상기 투영된 윤곽의 하부를 식별하고, (ii) 상기 차량이 위치하는 평면과 일치하는 기준 평면과의 가상 라인의 교점을 결정하고 - 상기 가상 라인은 상기 투영된 윤곽의 상기 식별된 하부 및 상기 어안 카메라 각각을 통과함 -, (iii) 상기 결정된 교점 및 상기 투영된 윤곽의 상기 식별된 하부에 기초하여 상기 차량에 대한 상기 식별된 물체의 위치를 결정하기 위한 위치 결정 모듈을 포함한다.
예 2는 예 1의 내용을 포함하고, 상기 차량에 대한 상기 식별된 물체의 위치를 결정하는 것은 상기 결정된 교점 및 상기 투영된 윤곽의 상기 식별된 하부에 기초하여 칼만 필터를 적용하는 것을 포함한다.
예 3은 예 1 및 2 중 어느 하나의 내용을 포함하고, 상기 칼만 필터를 적용하는 것은
Figure pct00030
에 따라 상기 칼만 필터의 상태 벡터를 결정하고;
Figure pct00031
에 따라 상기 칼만 필터의 측정 벡터를 결정하고; 상기 결정된 상태 벡터 및 상기 결정된 측정 벡터에 기초하여 상기 칼만 필터를 적용하는 것을 포함하며, 여기서
Figure pct00032
및
Figure pct00033
는 상기 교점의 3차원 좌표이고,
Figure pct00034
및
Figure pct00035
는 상기 식별된 물체의 상기 하부의 3차원 좌표이다.
예 4는 예 1 내지 3 중 어느 하나의 내용을 포함하고, 상기 칼만 필터를 적용하는 것은 다음 식에 따라 야코비안을 결정하고,
Figure pct00036
상기 결정된 상태 벡터, 상기 결정된 측정 벡터 및 상기 결정된 야코비안에 기초하여 확장 칼만 필터를 적용하는 것을 포함하며, 여기서
Figure pct00037
및
Figure pct00038
는 상기 어안 카메라의 3차원 좌표이다.
예 5는 예 1 내지 4 중 어느 하나의 내용을 포함하며, 상기 식별된 물체의 윤곽을 투영하는 것은 상기 식별된 물체에 가장 가깝고 상기 식별된 물체의 윤곽을 투영할 가상 평면을 선택하는 것을 포함한다.
예 6은 예 1 내지 5 중 어느 하나의 내용을 포함하며, 상기 식별된 물체의 윤곽을 투영하는 것은 상기 어안 카메라 및 상기 식별된 물체의 위치와 교차하는 기준 라인을 결정하고, 상기 기준 라인이 교차하는 가상 평면에 상기 식별된 물체의 윤곽을 투영하는 것을 포함한다.
예 7은 예 1 내지 6 중 어느 하나의 내용을 포함하며, 상기 투영된 윤곽의 하부를 식별하는 것은 상기 가상 평면 상의 상기 투영된 윤곽의 경계 박스를 결정하고, 상기 경계 박스의 하부의 중간 지점을 식별하는 것을 포함한다.
예 8은 예 1 내지 7 중 어느 하나의 내용을 포함하고, 상기 교점은 상기 어안 카메라의 중심과 상기 경계 박스의 하부의 중간 지점의 교점이다.
예 9는 예 1 내지 8 중 어느 하나의 내용을 포함하며, 상기 경계 박스는 상기 투영된 윤곽을 경계 짓는 최소의 직사각형 박스이다.
예 10은 예 1 내지 9 중 어느 하나의 내용을 포함하며, 상기 기준 평면과의 상기 라인의 교점을 결정하는 것은
Figure pct00039
및
Figure pct00040
에 따라 상기 교점을 결정하는 것을 포함하며, 여기서
Figure pct00041
및
Figure pct00042
는 상기 교점의 3차원 좌표이고,
Figure pct00043
및
Figure pct00044
는 상기 어안 카메라의 3차원 좌표이고,
Figure pct00045
및
Figure pct00046
는 상기 식별된 물체의 하부의 3차원 좌표이다.
예 11은 예 1 내지 10 중 어느 하나의 내용을 포함하며, 상기 가상 평면들의 사전 정의된 세트는 상기 차량의 어안 카메라들이 존재하는 것보다 적어도 2배 많은 가상 평면들을 포함한다.
예 12는 예 1 내지 11 중 어느 하나의 내용을 포함하며, 상기 가상 평면들의 사전 정의된 세트의 각각의 가상 평면은 상기 기준 평면에 수직이다.
예 13은 예 1 내지 12 중 어느 하나의 내용을 포함하며, 상기 가상 평면들의 사전 정의된 세트는 8개의 가상 평면으로 구성되고; 상기 8개의 가상 평면 중 제1 및 제2 가상 평면은 상기 차량의 측면과 평행하고; 상기 8개의 가상 평면 중 제3 및 제4 가상 평면은 상기 차량의 배면에 평행하고 상기 차량의 측면에 수직이며; 상기 8개의 가상 평면 중 제5 및 제6 가상 평면은 서로 평행하고, 상기 제1 및 제3 가상 평면에 대해 45도의 각을 이루며; 상기 8개의 가상 평면 중 제7 및 제8 가상 평면은 서로 평행하고, 상기 제5 및 제6 가상 평면에 수직이고, 상기 제1 및 제3 가상 평면에 대해 45도의 각을 이루며; 가상 평면들의 상기 사전 정의된 세트의 각각의 가상 평면은 상기 기준 평면에 수직이다.
예 14는 예 1 내지 13 중 어느 하나의 내용을 포함하고, 상기 물체 투영 모듈은 상기 캡처된 어안 이미지 내의 상기 식별된 물체의 윤곽을 추가로 결정한다.
예 15는 예 1 내지 예 14 중 어느 하나의 내용을 포함하고, 상기 컴퓨팅 디바이스는 차량내 컴퓨팅 시스템으로서 구현된다.
예 16은 차량으로부터의 물체의 거리를 상기 차량의 컴퓨팅 디바이스에 의해 결정하기 위한 방법을 포함하고, 상기 방법은 상기 컴퓨팅 디바이스에 의해, 상기 차량의 어안 카메라에 의해 생성된 어안 이미지 내에 캡처된 물체를 식별하는 단계; 상기 컴퓨팅 디바이스에 의해, 상기 차량 밖에 위치하고, 상기 차량에 대한 상기 식별된 물체의 위치에 기초하여 가상 평면들의 사전 정의된 세트로부터 선택된, 선택된 가상 평면 상에 상기 식별된 물체의 윤곽을 투영하는 단계; 상기 컴퓨팅 디바이스에 의해, 상기 선택된 가상 평면 상의 상기 투영된 윤곽의 하부를 식별하는 단계; 상기 컴퓨팅 디바이스에 의해, 상기 차량이 위치하는 평면과 일치하는 기준 평면과의 가상 라인의 교점을 결정하는 단계 - 상기 가상 라인은 상기 투영된 윤곽의 상기 식별된 하부 및 상기 어안 카메라 각각을 통과함 -; 및 상기 컴퓨팅 디바이스에 의해, 상기 결정된 교점 및 상기 투영된 윤곽의 상기 식별된 하부에 기초하여 상기 차량에 대한 상기 식별된 물체의 위치를 결정하는 단계를 포함한다.
예 17은 예 16의 내용을 포함하고, 상기 차량에 대한 상기 식별된 물체의 위치를 결정하는 단계는 상기 결정된 교점 및 상기 투영된 윤곽의 상기 식별된 하부에 기초하여 칼만 필터를 적용하는 단계를 포함한다.
예 18은 예 16 및 17 중 어느 하나의 내용을 포함하고, 상기 칼만 필터를 적용하는 단계는
Figure pct00047
에 따라 상기 칼만 필터의 상태 벡터를 결정하는 단계;
Figure pct00048
에 따라 상기 칼만 필터의 측정 벡터를 결정하는 단계; 상기 결정된 상태 벡터 및 상기 결정된 측정 벡터에 기초하여 상기 칼만 필터를 적용하는 단계를 포함하며, 여기서
Figure pct00049
및
Figure pct00050
는 상기 교점의 3차원 좌표이고,
Figure pct00051
및
Figure pct00052
는 상기 식별된 물체의 하부의 3차원 좌표이다.
예 19는 예 16 내지 18 중 어느 하나의 내용을 포함하고, 상기 칼만 필터를 적용하는 단계는 다음 식에 따라 야코비안을 결정하는 단계:
Figure pct00053
및
상기 결정된 상태 벡터, 상기 결정된 측정 벡터 및 상기 결정된 야코비안에 기초하여 확장 칼만 필터를 적용하는 단계
를 포함하며, 여기서
Figure pct00054
및
Figure pct00055
는 상기 어안 카메라의 3차원 좌표이다.
예 20은 예 16 내지 19 중 어느 하나의 내용을 포함하며, 상기 식별된 물체의 윤곽을 투영하는 단계는 상기 식별된 물체에 가장 가깝고 상기 식별된 물체의 윤곽을 투영할 가상 평면을 선택하는 단계를 포함한다.
예 21은 예 16 내지 20 중 어느 하나의 내용을 포함하며, 상기 식별된 물체의 윤곽을 투영하는 단계는 상기 어안 카메라 및 상기 식별된 물체의 위치와 교차하는 기준 라인을 결정하는 단계; 및 상기 기준 라인이 교차하는 가상 평면에 상기 식별된 물체의 윤곽을 투영하는 단계를 포함한다.
예 22는 예 16 내지 21 중 어느 하나의 내용을 포함하며, 상기 투영된 윤곽의 하부를 식별하는 단계는 상기 가상 평면 상의 상기 투영된 윤곽의 경계 박스를 결정하는 단계; 및 상기 경계 박스의 하부의 중간 지점을 식별하는 단계를 포함한다.
예 23은 예 16 내지 22 중 어느 하나의 내용을 포함하고, 상기 기준 평면과의 상기 라인의 교점을 결정하는 단계는 상기 어안 카메라의 중심과 상기 경계 박스의 하부의 상기 중간 지점의 교점을 결정하는 단계를 포함한다.
예 24는 예 16 내지 23 중 어느 하나의 내용을 포함하며, 상기 경계 박스는 상기 투영된 윤곽을 경계 짓는 최소 직사각형 박스이다.
예 25는 예 16 내지 24 중 어느 하나의 내용을 포함하며, 상기 기준 평면과의 상기 라인의 교점을 결정하는 단계는
Figure pct00056
및
Figure pct00057
에 따라 상기 교점을 결정하는 단계를 포함하며, 여기서
Figure pct00058
및
Figure pct00059
는 상기 교점의 3차원 좌표이고,
Figure pct00060
및
Figure pct00061
는 상기 어안 카메라의 3차원 좌표이고,
Figure pct00062
및
Figure pct00063
는 상기 식별된 물체의 하부의 3차원 좌표이다.
예 26은 예 16 내지 25 중 어느 하나의 내용을 포함하며, 상기 선택된 가상 평면에 상기 식별된 물체의 윤곽을 투영하는 단계는 상기 차량의 어안 카메라들이 존재하는 것보다 적어도 2배 많은 가상 평면들을 포함하는 가상 평면들의 사전 정의된 세트로부터 상기 선택된 가상 평면을 선택하는 단계를 포함한다.
예 27은 예 16 내지 26 중 어느 하나의 내용을 포함하며, 상기 가상 평면들의 사전 정의된 세트의 각각의 가상 평면은 상기 기준 평면에 수직이다.
예 28은 예 16 내지 27 중 어느 하나의 내용을 포함하며, 상기 선택된 가상 평면에 상기 식별된 물체의 윤곽을 투영하는 단계는 8개의 가상 평면으로 구성된 가상 평면들의 사전 정의된 세트로 상기 선택된 가상 평면을 선택하는 단계를 포함하고; 상기 8개의 가상 평면 중 제1 및 제2 가상 평면은 상기 차량의 측면과 평행하고; 상기 8개의 가상 평면 중 제3 및 제4 가상 평면은 상기 차량의 배면에 평행하고 상기 차량의 측면에 수직이며; 상기 8개의 가상 평면 중 제5 및 제6 가상 평면은 서로 평행하고, 상기 제1 및 제3 가상 평면에 대해 45도의 각을 이루며; 상기 8개의 가상 평면 중 제7 및 제8 가상 평면은 서로 평행하고, 상기 제5 및 제6 가상 평면에 수직이고, 상기 제1 및 제3 가상 평면에 대해 45도의 각을 이루며; 상기 가상 평면들의 사전 정의된 세트의 각각의 가상 평면은 상기 기준 평면에 수직이다.
예 29는 예 16 내지 28 중 어느 하나의 내용을 포함하고, 상기 컴퓨팅 디바이스에 의해, 상기 캡처된 어안 이미지 내의 상기 식별된 물체의 윤곽을 결정하는 단계를 추가로 포함한다.
예 30은 예 16 내지 예 29 중 어느 하나의 내용을 포함하고, 상기 컴퓨팅 디바이스는 차량내 컴퓨팅 시스템으로서 구현된다.
예 31은 컴퓨팅 디바이스로서, 프로세서; 및 상기 프로세서에 의해 실행될 때 상기 컴퓨팅 디바이스로 하여금 예 16 내지 30 중 어느 하나의 방법을 수행하게 하는 복수의 명령어를 저장한 메모리를 포함하는 컴퓨팅 디바이스를 포함한다.
예 32는 컴퓨팅 디바이스에 의한 실행에 응답하여 상기 컴퓨팅 디바이스로 하여금 예 16 내지 30 중 어느 하나의 방법을 수행하게 하는 저장된 복수의 명령어를 포함하는 하나 이상의 머신 판독 가능 저장 매체를 포함한다.
예 33은 차량으로부터의 물체의 거리를 결정하기 위한 컴퓨팅 디바이스를 포함하고, 상기 컴퓨팅 디바이스는 상기 차량의 어안 카메라에 의해 생성된 어안 이미지 내에 캡처된 물체를 식별하기 위한 수단; 상기 차량 밖에 위치하고, 상기 차량에 대한 상기 식별된 물체의 위치에 기초하여 가상 평면들의 사전 정의된 세트로부터 선택된, 선택된 가상 평면 상에 상기 식별된 물체의 윤곽을 투영하기 위한 수단; 상기 선택된 가상 평면 상의 상기 투영된 윤곽의 하부를 식별하기 위한 수단; 상기 차량이 위치하는 평면과 일치하는 기준 평면과의 가상 라인의 교점을 결정하기 위한 수단 - 상기 가상 라인은 상기 투영된 윤곽의 상기 식별된 하부 및 상기 어안 카메라 각각을 통과함 -; 및 상기 결정된 교점 및 상기 투영된 윤곽의 상기 식별된 하부에 기초하여 상기 차량에 대한 상기 식별된 물체의 위치를 결정하기 위한 수단을 포함한다.
예 34는 예 33의 내용을 포함하고, 상기 차량에 대한 상기 식별된 물체의 위치를 결정하기 위한 수단은 상기 결정된 교점 및 상기 투영된 윤곽의 상기 식별된 하부에 기초하여 칼만 필터를 적용하기 위한 수단을 포함한다.
예 35는 예 33 및 34 중 어느 하나의 내용을 포함하고, 상기 칼만 필터를 적용하기 위한 수단은
Figure pct00064
에 따라 상기 칼만 필터의 상태 벡터를 결정하기 위한 수단;
Figure pct00065
에 따라 상기 칼만 필터의 측정 벡터를 결정하기 위한 수단; 상기 결정된 상태 벡터 및 상기 결정된 측정 벡터에 기초하여 상기 칼만 필터를 적용하기 위한 수단을 포함하며, 여기서
Figure pct00066
및
Figure pct00067
는 상기 교점의 3차원 좌표이고,
Figure pct00068
및
Figure pct00069
는 상기 식별된 물체의 하부의 3차원 좌표이다.
예 36은 예 33 내지 35 중 어느 하나의 내용을 포함하고, 상기 칼만 필터를 적용하기 위한 수단은 다음 식에 따라 야코비안을 결정하기 위한 수단:
Figure pct00070
및
상기 결정된 상태 벡터, 상기 결정된 측정 벡터 및 상기 결정된 야코비안에 기초하여 확장 칼만 필터를 적용하기 위한 수단
을 포함하며, 여기서
Figure pct00071
및
Figure pct00072
는 상기 어안 카메라의 3차원 좌표이다.
예 37은 예 33 내지 36 중 어느 하나의 내용을 포함하며, 상기 식별된 물체의 윤곽을 투영하기 위한 수단은 상기 식별된 물체에 가장 가깝고 상기 식별된 물체의 윤곽을 투영할 가상 평면을 선택하기 위한 수단을 포함한다.
예 38은 예 33 내지 37 중 어느 하나의 내용을 포함하며, 상기 식별된 물체의 윤곽을 투영하기 위한 수단은 상기 어안 카메라 및 상기 식별된 물체의 위치와 교차하는 기준 라인을 결정하기 위한 수단; 및 상기 기준 라인이 교차하는 가상 평면에 상기 식별된 물체의 윤곽을 투영하기 위한 수단을 포함한다.
예 39는 예 33 내지 38 중 어느 하나의 내용을 포함하며, 상기 투영된 윤곽의 하부를 식별하기 위한 수단은 상기 가상 평면 상의 상기 투영된 윤곽의 경계 박스를 결정하기 위한 수단; 및 상기 경계 박스의 하부의 중간 지점을 식별하기 위한 수단을 포함한다.
예 40은 예 33 내지 39 중 어느 하나의 내용을 포함하고, 상기 기준 평면과의 상기 라인의 교점을 결정하기 위한 수단은 상기 어안 카메라의 중심과 상기 경계 박스의 하부의 중간 지점의 교점을 결정하기 위한 수단을 포함한다.
예 41은 예 33 내지 40 중 어느 하나의 내용을 포함하며, 상기 경계 박스는 상기 투영된 윤곽을 경계 짓는 최소의 직사각형 박스이다.
예 42는 예 33 내지 41 중 어느 하나의 내용을 포함하며, 상기 기준 평면과의 상기 라인의 교점을 결정하기 위한 수단은
Figure pct00073
및
Figure pct00074
에 따라 상기 교점을 결정하기 위한 수단을 포함하며, 여기서
Figure pct00075
및
Figure pct00076
는 상기 교점의 3차원 좌표이고,
Figure pct00077
및
Figure pct00078
는 상기 어안 카메라의 3차원 좌표이고,
Figure pct00079
및 는 상기 식별된 물체의 하부의 3차원 좌표이다.
예 43은 예 33 내지 42 중 어느 하나의 내용을 포함하며, 상기 선택된 가상 평면에 상기 식별된 물체의 윤곽을 투영하기 위한 수단은 상기 차량의 어안 카메라들이 존재하는 것보다 적어도 2배 많은 가상 평면들을 포함하는 가상 평면들의 사전 정의된 세트로부터 상기 선택된 가상 평면을 선택하기 위한 수단을 포함한다.
예 44는 예 33 내지 43 중 어느 하나의 내용을 포함하며, 상기 가상 평면들의 사전 정의된 세트의 각각의 가상 평면은 상기 기준 평면에 수직이다.
예 45는 예 33 내지 44 중 어느 하나의 내용을 포함하며, 상기 선택된 가상 평면에 상기 식별된 물체의 윤곽을 투영하기 위한 수단은 8개의 가상 평면으로 구성된 가상 평면들의 사전 정의된 세트로부터 상기 선택된 가상 평면을 선택하기 위한 수단을 포함하고; 상기 8개의 가상 평면 중 제1 및 제2 가상 평면은 상기 차량의 측면과 평행하고; 상기 8개의 가상 평면 중 제3 및 제4 가상 평면은 상기 차량의 배면에 평행하고 상기 차량의 측면에 수직이며; 상기 8개의 가상 평면 중 제5 및 제6 가상 평면은 서로 평행하고, 상기 제1 및 제3 가상 평면에 대해 45도의 각도를 이루며; 상기 8개의 가상 평면 중 제7 및 제8 가상 평면은 서로 평행하고, 상기 제5 및 제6 가상 평면에 수직이고, 상기 제1 및 제3 가상 평면에 대해 45도의 각도를 이루며; 상기 가상 평면들의 사전 정의된 세트의 각각의 가상 평면은 상기 기준 평면에 수직이다.
예 46은 예 33 내지 45 중 어느 하나의 내용을 포함하고, 상기 캡처된 어안 이미지 내의 상기 식별된 물체의 윤곽을 결정하기 위한 수단을 추가로 포함한다.
예 47은 예 33 내지 예 46 중 어느 하나의 내용을 포함하고, 상기 컴퓨팅 디바이스는 차량내 컴퓨팅 시스템으로서 구현된다.

Claims (25)

  1. 차량으로부터의 물체의 거리를 결정하기 위한 컴퓨팅 디바이스로서,
    어안 이미지(fisheye image)를 캡처하기 위한 어안 카메라;
    (i) 상기 어안 이미지 내에 캡처된 물체를 식별하고, (ii) 상기 차량 밖에 위치하고, 상기 차량에 대한 상기 식별된 물체의 위치에 기초하여 가상 평면들의 사전 정의된 세트로부터 선택된, 선택된 가상 평면 상에 상기 식별된 물체의 윤곽을 투영하기 위한 물체 투영 모듈; 및
    (i) 상기 선택된 가상 평면 상의 상기 투영된 윤곽의 하부를 식별하고, (ii) 상기 차량이 위치하는 평면과 일치하는 기준 평면(ground plane)과의 가상 라인의 교점을 결정하고 - 상기 가상 라인은 상기 투영된 윤곽의 상기 식별된 하부 및 상기 어안 카메라 각각을 통과함 -, (iii) 상기 결정된 교점 및 상기 투영된 윤곽의 상기 식별된 하부에 기초하여 상기 차량에 대한 상기 식별된 물체의 위치를 결정하기 위한 위치 결정 모듈
    을 포함하는 컴퓨팅 디바이스.
  2. 제1항에 있어서,
    상기 차량에 대한 상기 식별된 물체의 위치를 결정하는 것은 상기 결정된 교점 및 상기 투영된 윤곽의 상기 식별된 하부에 기초하여 칼만 필터(Kalman filter)를 적용하는 것을 포함하는 컴퓨팅 디바이스.
  3. 제2항에 있어서,
    상기 칼만 필터를 적용하는 것은
    Figure pct00081
    에 따라 상기 칼만 필터의 상태 벡터를 결정하고;
    Figure pct00082
    에 따라 상기 칼만 필터의 측정 벡터를 결정하고;
    상기 결정된 상태 벡터 및 상기 결정된 측정 벡터에 기초하여 상기 칼만 필터를 적용하는 것
    을 포함하며,
    Figure pct00083
    및
    Figure pct00084
    는 상기 교점의 3차원 좌표이고,
    Figure pct00085
    및
    Figure pct00086
    는 상기 식별된 물체의 상기 하부의 3차원 좌표인 컴퓨팅 디바이스.
  4. 제3항에 있어서,
    상기 칼만 필터를 적용하는 것은
    다음 식에 따라 야코비안(Jacobean)을 결정하고,
    Figure pct00087

    상기 결정된 상태 벡터, 상기 결정된 측정 벡터 및 상기 결정된 야코비안에 기초하여 확장 칼만 필터를 적용하는 것
    을 포함하며,
    Figure pct00088
    및
    Figure pct00089
    는 상기 어안 카메라의 3차원 좌표인 컴퓨팅 디바이스.
  5. 제1항에 있어서,
    상기 식별된 물체의 윤곽을 투영하는 것은 상기 식별된 물체에 가장 가깝고 상기 식별된 물체의 윤곽을 투영할 가상 평면을 선택하는 것을 포함하는 컴퓨팅 디바이스.
  6. 제1항에 있어서,
    상기 식별된 물체의 윤곽을 투영하는 것은
    상기 어안 카메라 및 상기 식별된 물체의 위치와 교차하는 기준 라인을 결정하고,
    상기 기준 라인이 교차하는 가상 평면에 상기 식별된 물체의 윤곽을 투영하는 것
    을 포함하는 컴퓨팅 디바이스.
  7. 제1항에 있어서,
    상기 투영된 윤곽의 하부를 식별하는 것은
    상기 가상 평면 상의 상기 투영된 윤곽의 경계 박스(bounding box)를 결정하고,
    상기 경계 박스의 하부의 중간 지점을 식별하는 것
    을 포함하는 컴퓨팅 디바이스.
  8. 제7항에 있어서,
    상기 교점은 상기 어안 카메라의 중심과 상기 경계 박스의 하부의 중간 지점의 교점인 컴퓨팅 디바이스.
  9. 제7항에 있어서,
    상기 경계 박스는 상기 투영된 윤곽을 경계 짓는 최소의 직사각형 박스인 컴퓨팅 디바이스.
  10. 제1항에 있어서,
    상기 기준 평면과의 상기 라인의 교점을 결정하는 것은
    Figure pct00090
    및
    Figure pct00091
    에 따라 상기 교점을 결정하는 것
    을 포함하며,
    Figure pct00092
    및
    Figure pct00093
    는 상기 교점의 3차원 좌표이고,
    Figure pct00094
    및
    Figure pct00095
    는 상기 어안 카메라의 3차원 좌표이고,
    Figure pct00096
    및
    Figure pct00097
    는 상기 식별된 물체의 하부의 3차원 좌표인 컴퓨팅 디바이스.
  11. 제1항 내지 제10항 중 어느 한 항에 있어서,
    상기 가상 평면들의 사전 정의된 세트는 상기 차량의 어안 카메라들이 존재하는 것보다 적어도 2배 많은 가상 평면들을 포함하는 컴퓨팅 디바이스.
  12. 제1항 내지 제10항 중 어느 한 항에 있어서,
    상기 가상 평면들의 사전 정의된 세트의 각각의 가상 평면은 상기 기준 평면에 수직인 컴퓨팅 디바이스.
  13. 제1항 내지 제10항 중 어느 한 항에 있어서,
    상기 가상 평면들의 사전 정의된 세트는 8개의 가상 평면으로 구성되고;
    상기 8개의 가상 평면 중 제1 및 제2 가상 평면은 상기 차량의 측면과 평행하고;
    상기 8개의 가상 평면 중 제3 및 제4 가상 평면은 상기 차량의 배면에 평행하고 상기 차량의 측면에 수직이며;
    상기 8개의 가상 평면 중 제5 및 제6 가상 평면은 서로 평행하고, 상기 제1 및 제3 가상 평면에 대해 45도의 각을 이루며;
    상기 8개의 가상 평면 중 제7 및 제8 가상 평면은 서로 평행하고, 상기 제5 및 제6 가상 평면에 수직이고, 상기 제1 및 제3 가상 평면에 대해 45도의 각을 이루며;
    상기 가상 평면들의 사전 정의된 세트의 각각의 가상 평면은 상기 기준 평면에 수직인 컴퓨팅 디바이스.
  14. 제1항 내지 제10항 중 어느 한 항에 있어서,
    상기 컴퓨팅 디바이스는 차량내(in-vehicle) 컴퓨팅 시스템으로서 구현되는 컴퓨팅 디바이스.
  15. 차량으로부터의 물체의 거리를 상기 차량의 컴퓨팅 디바이스에 의해 결정하기 위한 방법으로서,
    상기 컴퓨팅 디바이스에 의해, 상기 차량의 어안 카메라에 의해 생성된 어안 이미지 내에 캡처된 물체를 식별하는 단계;
    상기 컴퓨팅 디바이스에 의해, 상기 차량 밖에 위치하고, 상기 차량에 대한 상기 식별된 물체의 위치에 기초하여 가상 평면들의 사전 정의된 세트로부터 선택된, 선택된 가상 평면 상에 상기 식별된 물체의 윤곽을 투영하는 단계;
    상기 컴퓨팅 디바이스에 의해, 상기 선택된 가상 평면 상의 상기 투영된 윤곽의 하부를 식별하는 단계;
    상기 컴퓨팅 디바이스에 의해, 상기 차량이 위치하는 평면과 일치하는 기준 평면과의 가상 라인의 교점을 결정하는 단계 - 상기 가상 라인은 상기 투영된 윤곽의 상기 식별된 하부 및 상기 어안 카메라 각각을 통과함 -; 및
    상기 컴퓨팅 디바이스에 의해, 상기 결정된 교점 및 상기 투영된 윤곽의 상기 식별된 하부에 기초하여 상기 차량에 대한 상기 식별된 물체의 위치를 결정하는 단계
    를 포함하는 방법.
  16. 제15항에 있어서,
    상기 차량에 대한 상기 식별된 물체의 위치를 결정하는 단계는 상기 결정된 교점 및 상기 투영된 윤곽의 상기 식별된 하부에 기초하여 칼만 필터를 적용하는 단계를 포함하는 방법.
  17. 제16항에 있어서,
    상기 칼만 필터를 적용하는 단계는
    Figure pct00098
    에 따라 상기 칼만 필터의 상태 벡터를 결정하는 단계;
    Figure pct00099
    에 따라 상기 칼만 필터의 측정 벡터를 결정하는 단계;
    상기 결정된 상태 벡터 및 상기 결정된 측정 벡터에 기초하여 상기 칼만 필터를 적용하는 단계
    를 포함하며,
    Figure pct00100
    및
    Figure pct00101
    는 상기 교점의 3차원 좌표이고,
    Figure pct00102
    및
    Figure pct00103
    는 상기 식별된 물체의 하부의 3차원 좌표인 방법.
  18. 제17항에 있어서,
    상기 칼만 필터를 적용하는 단계는
    다음 식에 따라 야코비안을 결정하는 단계:
    Figure pct00104
    및
    상기 결정된 상태 벡터, 상기 결정된 측정 벡터 및 상기 결정된 야코비안에 기초하여 확장 칼만 필터를 적용하는 단계
    를 추가로 포함하며,
    Figure pct00105
    및
    Figure pct00106
    는 상기 어안 카메라의 3차원 좌표인 방법.
  19. 제15항에 있어서,
    상기 식별된 물체의 윤곽을 투영하는 단계는 상기 식별된 물체에 가장 가깝고 상기 식별된 물체의 윤곽을 투영할 가상 평면을 선택하는 단계를 포함하는 방법.
  20. 제15항에 있어서,
    상기 식별된 물체의 윤곽을 투영하는 단계는
    상기 어안 카메라 및 상기 식별된 물체의 위치와 교차하는 기준 라인을 결정하는 단계; 및
    상기 기준 라인이 교차하는 가상 평면에 상기 식별된 물체의 윤곽을 투영하는 단계
    를 포함하는 방법.
  21. 제15항에 있어서,
    상기 투영된 윤곽의 하부를 식별하는 단계는
    상기 가상 평면 상의 상기 투영된 윤곽의 경계 박스를 결정하는 단계; 및
    상기 경계 박스의 하부의 중간 지점을 식별하는 단계
    를 포함하는 방법.
  22. 제21항에 있어서,
    상기 기준 평면과의 상기 라인의 교점을 결정하는 단계는 상기 어안 카메라의 중심과 상기 경계 박스의 하부의 중간 지점의 교점을 결정하는 단계를 포함하는 방법.
  23. 제15항에 있어서,
    상기 기준 평면과의 상기 라인의 교점을 결정하는 단계는
    Figure pct00107
    및
    Figure pct00108
    에 따라 상기 교점을 결정하는 단계
    를 포함하며,
    Figure pct00109
    및
    Figure pct00110
    는 상기 교점의 3차원 좌표이고,
    Figure pct00111
    및
    Figure pct00112
    는 상기 어안 카메라의 3차원 좌표이고,
    Figure pct00113
    및
    Figure pct00114
    는 상기 식별된 물체의 하부의 3차원 좌표인 방법.
  24. 제15항에 있어서,
    상기 선택된 가상 평면에 상기 식별된 물체의 윤곽을 투영하는 단계는 상기 차량의 어안 카메라들이 존재하는 것보다 적어도 2배 많은 가상 평면들을 포함하는 가상 평면들의 사전 정의된 세트로부터 상기 선택된 가상 평면을 선택하는 단계를 포함하고, 상기 가상 평면들의 사전 정의된 세트의 각각의 가상 평면은 상기 기준 평면에 수직인 방법.
  25. 컴퓨팅 디바이스에 의한 실행에 응답하여 상기 컴퓨팅 디바이스로 하여금 제15항 내지 제24항 중 어느 한 항의 방법을 수행하게 하는 저장된 복수의 명령어를 포함하는 하나 이상의 머신 판독 가능 저장 매체.
KR1020177004236A 2014-09-18 2015-08-18 사발형 이미징 시스템에서의 물체 추적 KR102240197B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/490,369 2014-09-18
US14/490,369 US9437001B2 (en) 2014-09-18 2014-09-18 Tracking objects in bowl-shaped imaging systems
PCT/US2015/045652 WO2016043898A1 (en) 2014-09-18 2015-08-18 Tracking objects in bowl-shaped imaging systems

Publications (2)

Publication Number Publication Date
KR20170032403A true KR20170032403A (ko) 2017-03-22
KR102240197B1 KR102240197B1 (ko) 2021-04-14

Family

ID=55526197

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177004236A KR102240197B1 (ko) 2014-09-18 2015-08-18 사발형 이미징 시스템에서의 물체 추적

Country Status (6)

Country Link
US (2) US9437001B2 (ko)
EP (1) EP3195587A4 (ko)
JP (1) JP6453449B2 (ko)
KR (1) KR102240197B1 (ko)
CN (1) CN106573576B (ko)
WO (1) WO2016043898A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230081243A (ko) * 2021-11-30 2023-06-07 윤현주 Xr 환경 구축을 위한 다중 프로젝션 시스템에서의 roi 추적 및 최적화 기술

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10442355B2 (en) 2014-09-17 2019-10-15 Intel Corporation Object visualization in bowl-shaped imaging systems
US20160162743A1 (en) * 2014-12-05 2016-06-09 Magna Electronics Inc. Vehicle vision system with situational fusion of sensor data
DE102016211227A1 (de) * 2016-06-23 2017-12-28 Conti Temic Microelectronic Gmbh Verfahren und Fahrzeugsteuersystem zum Erzeugen von Abbildungen eines Umfeldmodells und entsprechendes Fahrzeug
US9953432B2 (en) 2016-08-17 2018-04-24 David M. Smith Systems and methods of detecting motion
US10733697B2 (en) 2016-12-27 2020-08-04 Intel IP Corporation Convolutional neural network for wide-angle camera images
US10606767B2 (en) * 2017-05-19 2020-03-31 Samsung Electronics Co., Ltd. Ethernet-attached SSD for automotive applications
WO2019038901A1 (ja) * 2017-08-25 2019-02-28 株式会社ソシオネクスト 補正装置、補正プログラム及び記録媒体
CN108363985B (zh) * 2018-03-06 2023-06-06 深圳市易成自动驾驶技术有限公司 目标对象感知系统测试方法、装置及计算机可读存储介质
DE102018203590A1 (de) 2018-03-09 2019-09-12 Conti Temic Microelectronic Gmbh Surroundview-System mit angepasster Projektionsfläche
US10984553B2 (en) 2018-05-01 2021-04-20 Continental Automotive Systems, Inc. Real-time trailer coupler localization and tracking
US11198340B2 (en) * 2018-05-01 2021-12-14 Continental Automotive Systems, Inc. Coupler and tow-bar detection for automated trailer hitching via cloud points
CN110606021A (zh) * 2018-06-15 2019-12-24 华创车电技术中心股份有限公司 行车影像辅助系统
JP7208356B2 (ja) * 2018-09-26 2023-01-18 コーヒレント・ロジックス・インコーポレーテッド 任意の世界ビューの生成
GB2581191B (en) * 2019-02-08 2022-02-16 Jaguar Land Rover Ltd Image system for a vehicle
CN111401114B (zh) * 2019-02-12 2023-09-19 深圳市艾为智能有限公司 一种基于受限光流场横穿物体检测装置的横穿物体检测方法
CN111612812B (zh) * 2019-02-22 2023-11-03 富士通株式会社 目标物检测方法、检测装置和电子设备
CN112150554B (zh) * 2019-06-28 2023-08-04 杭州海康威视数字技术股份有限公司 画面显示方法、装置、终端和存储介质
CN112580402A (zh) * 2019-09-30 2021-03-30 广州汽车集团股份有限公司 一种单目视觉行人测距方法及其系统、车辆、介质
US11423605B2 (en) * 2019-11-01 2022-08-23 Activision Publishing, Inc. Systems and methods for remastering a game space while maintaining the underlying game simulation

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011254436A (ja) * 2010-06-04 2011-12-15 Toshiba Alpine Automotive Technology Corp 移動体検出装置及び移動体検出方法
US20140169627A1 (en) * 2011-04-25 2014-06-19 Magna International Inc. Image processing method for detecting objects using relative motion

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4502733B2 (ja) * 2004-07-15 2010-07-14 ダイハツ工業株式会社 障害物測定方法及び障害物測定装置
JP4934308B2 (ja) * 2005-10-17 2012-05-16 三洋電機株式会社 運転支援システム
US7576639B2 (en) * 2006-03-14 2009-08-18 Mobileye Technologies, Ltd. Systems and methods for detecting pedestrians in the vicinity of a powered industrial vehicle
JP4861772B2 (ja) * 2006-08-28 2012-01-25 富士通株式会社 移動体標定プログラム、該プログラムを記録した記録媒体、移動体標定装置、および移動体標定方法
US9126533B2 (en) * 2007-02-23 2015-09-08 Aisin Aw Co., Ltd. Driving support method and driving support device
WO2009144994A1 (ja) * 2008-05-29 2009-12-03 富士通株式会社 車両用画像処理装置、車両用画像処理方法
US20110298988A1 (en) * 2010-06-04 2011-12-08 Toshiba Alpine Automotive Technology Corporation Moving object detection apparatus and moving object detection method
EP2511137B1 (en) 2011-04-14 2019-03-27 Harman Becker Automotive Systems GmbH Vehicle Surround View System
EP2523163B1 (en) * 2011-05-10 2019-10-16 Harman Becker Automotive Systems GmbH Method and program for calibrating a multicamera system
JP5875272B2 (ja) * 2011-07-22 2016-03-02 キヤノン株式会社 ３次元計測方法
EP2554434B1 (en) * 2011-08-05 2014-05-21 Harman Becker Automotive Systems GmbH Vehicle surround view system
CN102509098B (zh) * 2011-10-08 2013-05-15 天津大学 一种鱼眼图像车辆识别方法
KR101440847B1 (ko) * 2013-02-25 2014-11-04 중앙대학교 산학협력단 어안 렌즈를 이용한 3차원 왜곡 장치 및 방법
EP3085074B1 (en) 2013-12-19 2020-02-26 Intel Corporation Bowl-shaped imaging system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011254436A (ja) * 2010-06-04 2011-12-15 Toshiba Alpine Automotive Technology Corp 移動体検出装置及び移動体検出方法
US20140169627A1 (en) * 2011-04-25 2014-06-19 Magna International Inc. Image processing method for detecting objects using relative motion

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Coupled Detection and Trajectory Estimation for Multi-Object Tracking, IEEE, 2007. *
Dynamic 3D Scene Analysis from a Moving Vehicle, IEEE, 2007. *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230081243A (ko) * 2021-11-30 2023-06-07 윤현주 Xr 환경 구축을 위한 다중 프로젝션 시스템에서의 roi 추적 및 최적화 기술

Also Published As

Publication number Publication date
CN106573576A (zh) 2017-04-19
JP6453449B2 (ja) 2019-01-16
US10262394B2 (en) 2019-04-16
US20160086333A1 (en) 2016-03-24
US20160371843A1 (en) 2016-12-22
WO2016043898A1 (en) 2016-03-24
EP3195587A4 (en) 2018-08-22
JP2017538304A (ja) 2017-12-21
CN106573576B (zh) 2019-06-18
US9437001B2 (en) 2016-09-06
EP3195587A1 (en) 2017-07-26
KR102240197B1 (ko) 2021-04-14

Similar Documents

Publication Publication Date Title
KR20170032403A (ko) 사발형 이미징 시스템에서의 물체 추적
US11354891B2 (en) Image capturing apparatus, monitoring system, image processing apparatus, image capturing method, and non-transitory computer readable recording medium
KR101811157B1 (ko) 사발형 영상 시스템
EP3195584B1 (en) Object visualization in bowl-shaped imaging systems
WO2020172842A1 (zh) 车辆智能驾驶控制方法及装置、电子设备和存储介质
KR20210104107A (ko) 주시 영역 검출 방법, 장치 및 전자 디바이스
WO2019000945A1 (zh) 车载摄像机测距方法及装置、存储介质和电子设备
KR20180045745A (ko) 이동체에서의 객체 검출 장치 및 방법
US10832428B2 (en) Method and apparatus for estimating a range of a moving object
EP2924612A1 (en) Object detection device, object detection method, and computer readable storage medium comprising object detection program
US20130142388A1 (en) Arrival time estimation device, arrival time estimation method, arrival time estimation program, and information providing apparatus
CN114821544A (zh) 感知信息生成方法、装置、车辆、电子设备及存储介质
CN110895675B (zh) 用于确定3d空间中的对象的特征点的坐标的方法
US20240112363A1 (en) Position estimation system, position estimation method, and program
Cheng et al. Panorama parking assistant system with improved particle swarm optimization method
JP2012113573A (ja) 接触可能性検知装置、接触可能性検知方法、及びプログラム
CN112172669B (zh) 多数据源后视图像显示方法、装置、电子设备及存储介质

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