KR20170065894A - 차량용 랜드마크 검출 장치 및 방법 - Google Patents

Abstract

본 발명은 차량에 사용되는 랜드마크 검출 장치 및 방법에 관한 것으로서, 본 발명의 일 실시예에 따른 랜드마크 검출 장치는, 차량에 구비된 적어도 하나의 카메라에 의해 촬영된 영상을 수신하는 인터페이스부 및 상기 인터페이스부로부터 제공되는 상기 입력 영상에 대한 영상 처리를 수행하는 프로세서를 포함한다. 이때, 상기 프로세서는 상기 입력 영상에 대응하는 이진 영상을 생성하고, 상기 이진 영상에 포함된 복수의 관심 픽셀들을 서로 이격된 복수의 객체들로 라벨링하며, 상기 복수의 객체들간의 유사도를 기초로, 상기 복수의 객체들을 적어도 하나의 군집으로 분류하고, 상기 입력 영상으로부터 상기 각 군집에 대응하는 후보 관심 영역을 추출한다.

Description

차량용 랜드마크 검출 장치 및 방법{LAND MARK DETECTING APPARATUS AND LAND MARK DETECTION METHOD FOR VEHICLE}

본 발명은 랜드마크 검출 장치 및 방법에 관한 것으로서, 보다 상세하게는 차량에 구비된 카메라로부터 제공되는 영상 기반의 랜드마크 검출 장치 및 방법에 관한 것이다.

차량이란, 차륜을 구동시켜 사람이나 화물 등을 어느 장소로부터 다른 장소로 운송하는 장치를 말한다. 예컨대, 오토바이와 같은 2륜차, 세단과 같은 4륜차는 물론 기차 등이 차량에 속한다.

차량을 이용하는 사용자의 안전 및 편의를 증대하기 위해, 각종 센서와 전자 장치 등을 차량에 접목하기 위한 기술 개발이 가속화되고 있는 추세이다. 특히, 사용자의 운전 편의를 위해 개발된 다양한 기능(예, smart cruise control, lane keeping assistance)을 제공하는 시스템이 차량에 탑재되고 있다.

최근에는, 차량 전방에 위치하는 교통 표지판을 인식하는 TSR(Traffic Sign Recognition) 기능을 통해 운전자에게 유용한 정보를 제공하고 있으나, 지면에 형성된 랜드 마크를 검출하여 이에 대한 정보를 제공하는 기술은 미흡한 실정이다.

특히, 랜드 마크는 지면에 형성되어 있어, 운전자의 시야에서는 잘 보이지 않는바, 운전자는 랜드 마크의 존재조차 모르고 주행하는 경우가 빈번히 발생하고 있다.

본 발명은 차량에 구비된 카메라로부터 제공되는 입력 영상으로부터 지면에 형성된 랜드 마크를 검출할 수 있는 랜드마크 검출 장치 및 방법을 제공하는 것을 그 목적으로 한다.

본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상기 또는 다른 목적을 달성하기 위해 본 발명의 일 측면에 따르면, 차량에 구비된 적어도 하나의 카메라에 의해 촬영된 영상을 수신하는 인터페이스부 및 상기 인터페이스부로부터 제공되는 상기 입력 영상에 대한 영상 처리를 수행하는 프로세서를 포함하는 랜드마크 검출 장치가 제공된다. 이때, 상기 프로세서는 상기 입력 영상에 대응하는 이진 영상을 생성하고, 상기 이진 영상에 포함된 복수의 관심 픽셀들을 서로 이격된 복수의 객체들로 라벨링하며, 상기 복수의 객체들간의 유사도를 기초로, 상기 복수의 객체들을 적어도 하나의 군집으로 분류하고, 상기 입력 영상으로부터 상기 각 군집에 대응하는 후보 관심 영역을 추출한다

또한, 상기 입력 영상은, AVM 영상일 수 있다.

또한, 상기 프로세서는, 상기 입력 영상을 그레일 영상으로 변환하고, 상기 그레이 영상에 엣지 검출 필터를 적용하여, 상기 복수의 관심 픽셀들을 포함하는 상기 이진 영상을 생성할 수 있다.

또한, 상기 엣지 검출 필터는, 상기 그레이 영상의 모든 픽셀들 중, 기 설정된 임계값보다 큰 밝기값을 가지는 픽셀들을 검출하도록 구성된 DoG(Difference of Guassian) 필터일 수 있다.

또한, 상기 프로세서는, 상기 복수의 객체들 중, 노이즈에 해당하는 객체를 제거할 수 있다.

또한, 상기 프로세서는, 상기 객체별 관심 픽셀의 개수를 산출하고, 상기 복수의 객체들 중, 제1 값보다 작거나, 제2 값보다 큰 개수의 관심 픽셀들을 포함하는 객체를 상기 노이즈로 인식하되, 상기 제2 값은 제1 값보다 클 수 있다.

또한, 상기 프로세서는, 상기 복수의 객체들 중 어느 하나를 나머지 객체와 구별하기 위한 바운딩 박스를 상기 객체별로 생성하고, 상기 복수의 바운딩 박스들 중, 제1 사이즈보다 작거나, 제2 사이즈보다 큰 사이즈를 가지는 바운딩 박스에 대응하는 객체를 상기 노이즈로 인식하되, 상기 제2 사이즈는 상기 제1 사이즈보다 클 수 있다.

또한, 상기 프로세서는, 상기 객체별로 적어도 하나의 표본점을 샘플링하고, 상기 샘플링된 표본점들 간의 연결선을 기초로, 상기 객체별로 다른 객체와의 인접 여부를 판단할 수 있다.

또한, 상기 프로세서는, 상기 복수의 객체들에 포함된 두 객체 중, 어느 한 객체의 표본점과 다른 한 객체의 표본점 간의 연결선의 길이를 기초로, 상기 두 객체가 서로 인접하는지 판단할 수 있다.

또한, 상기 프로세서는, 들로네 삼각분할법(delaunay triangulation)을 통해, 상기 연결선을 생성할 수 있다.

또한, 상기 프로세서는, 상기 복수의 객체들 중 어느 두 객체가 서로 인접한 것으로 판단 시, 상기 두 객체 각각의 색상, 사이즈 및 그래디언트 중 적어도 하나를 기초로, 상기 두 객체 간의 유사도를 산출하고, 상기 두 객체 간의 유사도가 기 설정된 기준값 이상인 경우, 상기 두 객체를 동일한 군집으로 분류할 수 있다.

또한, 상기 프로세서는, 이미지 단어집(Bag of Visual Word)을 이용하여, 상기 후보 관심 영역별 카테고리를 분류할 수 있다.

한편, 본 발명의 다른 측면에 따르면, 차량에 구비된 카메라로부터 입력 영상을 수신하는 단계, 상기 입력 영상의 픽셀별 밝기값(intensity)을 기초로, 이진 영상을 생성하는 단계, 상기 이진 영상에 포함된 복수의 관심 픽셀들을 서로 이격된 복수의 객체들로 라벨링하는 단계, 상기 복수의 객체들간의 유사도를 기초로, 상기 복수의 객체들을 적어도 하나의 군집으로 분류하는 단계 및 상기 입력 영상으로부터 상기 각 군집에 대응하는 후보 관심 영역을 추출하는 단계를 포함하는, 차량용 랜드마크 검출 방법이 제공된다.

또한, 상기 이진 영상을 생성하는 단계는, 상기 입력 영상을 그레일 영상으로 변환하는 단계 및 상기 그레이 영상에 엣지 검출 필터를 적용하여, 상기 이진 영상을 생성하는 단계를 포함할 수 있다.

본 발명에 따른 랜드마크 검출 장치 및 방법의 효과에 대해 설명하면 다음과 같다.

본 발명의 실시예들 중 적어도 하나에 따르면, 차량에 구비된 카메라로부터 제공되는 입력 영상으로부터 지면에 형성된 랜드 마크를 검출할 수 있다. 특히, 조명에 의한 조도 차이가 크거나 플레어 현상(flare effect)이 나타나는 실내 주차장과 같은 다양한 환경에서 촬영된 입력 영상으로부터 지면에 형성된 랜드 마크를 보다 이용하게 검출할 수 있다.

또한, 본 발명의 실시예들 중 적어도 하나에 따르면, 입력 영상에서 랜드 마크를 형성하는 픽셀(즉, 관심 픽셀)들로 이루어지는 객체별 크기에 따라, 노이즈에 해당하는 객체를 제외한 나머지 객체로부터 랜드 마크를 검출함으로써, 랜드 마크의 검출 정확성을 향상할 수 있다.

또한, 본 발명의 실시예들 중 적어도 하나에 따르면, 검출된 객체들에 대응하는 관심 영역의 카테고리를 분류함으로써, 특정 카테고리의 관심 영역이 가리키는 랜드 마크에 대한 인식 속도를 높일 수 있다.

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명과 관련된 차량의 블록 다이어그램을 보여준다.
도 2는 본 발명과 관련된 차량의 외관을 도시한 도면이다. 설명의 편의를 위해, 차량은 4륜 자동차인 것으로 가정한다.
도 3a 내지 도 3c는 도 1을 참조하여 전술한 외부 카메라를 설명하는 데에 참조되는 도면이다.
도 4는 도 1을 참조하여 전술한 차량의 일 예를 보여준다. 설명의 편의를 위해, 차량은 4륜 자동차인 것으로 가정한다.
도 5는 도 1에 도시된 제어부의 내부 블록 다이어그램의 일 예를 보여준다.
도 6a 및 도 6b는 도 5에 도시된 제어부의 동작 설명에 참조되는 도면이다.
도 7은 본 발명의 일 실시예에 따른 랜드마크 검출 장치의 예시적인 블록 다이어그램을 보여준다.
도 8은 본 발명의 일 실시예에 따른 랜드마크 검출 장치가 수행하는 예시적인 프로세스의 플로우 챠트를 보여준다.
도 9는 본 발명의 일 실시예에 따른 랜드마크 검출 장치가 DoG 필터를 이용하여 이진 영상을 생성하는 방법의 개념을 설명하기 위해 참조되는 도면이다.
도 10은 본 발명의 일 실시예에 따른 랜드마크 검출 장치가 DoG 필터를 이용하여 생성한 다른 이진 영상의 일 예를 보여준다.
도 11은 본 발명의 일 실시예에 따른 랜드마크 검출 장치가 이진 영상의 관심 픽셀들을 적어도 하나의 객체로 분류하는 방법을 설명하기 위해 참조되는 도면이다.
도 12 내지 도 14는 본 발명의 일 실시예에 따른 랜드마크 검출 장치가 이진 영상의 관심 픽셀들을 적어도 하나의 객체로 분류하는 방법의 일 예를 보여준다.
도 15는 본 발명의 일 실시예에 따른 랜드마크 검출 장치가 서로 다른 객체들을 적어도 하나의 군집으로 그룹화하는 방법의 일 예를 설명하는 데에 참조되는 도면이다.
도 16a 내지 도 16c는 본 발명의 일 실시예에 따른 랜드마크 검출 장치가 이진 영상의 객체들을 그룹화하는 방법의 일 예를 설명하는 데에 참조되는 도면이다.
도 17a 및 도 17b는 본 발명의 일 실시예에 따른 랜드마크 검출 장치가 입력 영상으로부터 관심 영역을 추출하는 방법을 설명하기 위해 참조되는 도면이다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 또한, 어떤 구성요소가 다른 구성요소를 "제어"한다는 것은, 어떤 구성요소가 다른 구성요소를 직접적으로 제어하는 것은 물론, 제3의 구성요소의 중개를 통해 제어하는 것까지 포괄하는 의미로 이해되어야 할 것이다. 또한, 어떤 구성요소가 다른 구성요소에 정보 내지 신호를 "제공"한다는 것은, 어떤 구성요소가 다른 구성요소에 직접 제공하는 것은 물론, 제3의 구성요소의 중개를 통해 제공하는 것까지 포괄하는 의미로 이해되어야 할 것이다.

단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

본 출원에서, "포함한다" 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 명세서에서 기술되는 차량은, 동력원으로서 엔진을 구비하는 내연기관 차량, 동력원으로서 엔진과 전기 모터를 구비하는 하이브리드 차량, 동력원으로서 전기 모터를 구비하는 전기 차량 등을 모두 포함하는 개념일 수 있다.

도 1은 본 발명과 관련된 차량(100)의 블록 다이어그램을 보여준다.

차량(100)은 통신부(110), 입력부(120), 메모리(130), 출력부(140), 차량 구동부(150), 센싱부(160), 제어부(170), 인터페이스부(180) 및 전원부(190)를 포함할 수 있다.

통신부(110)는 차량(100)과 외부 기기(예, 휴대 단말, 외부 서버, 타차량)과의 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다. 또한, 통신부(110)는 차량(100)을 하나 이상의 망(network)에 연결하는 하나 이상의 모듈을 포함할 수 있다.

통신부(110)는 방송 수신 모듈(111), 무선 인터넷 모듈(112), 근거리 통신 모듈(113), 위치 정보 모듈(114) 및 광통신 모듈(115)을 포함할 수 있다.

방송 수신 모듈(111)은 방송 채널을 통하여 외부의 방송 관리 서버로부터 방송 신호 또는 방송 관련된 정보를 수신한다. 여기서, 방송은 라디오 방송 또는 TV 방송을 포함한다.

무선 인터넷 모듈(112)은 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 차량(100)에 내장되거나 외장될 수 있다. 무선 인터넷 모듈(112)은 무선 인터넷 기술들에 따른 통신망에서 무선 신호를 송수신하도록 이루어진다.

무선 인터넷 기술로는 예를 들면, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), WiBro(Wireless Broadband), WiMAX(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등이 있으며, 상기 무선 인터넷 모듈(112)은 상기에서 나열되지 않은 인터넷 기술까지 포함한 범위에서 적어도 하나의 무선 인터넷 기술에 따라 데이터를 송수신하게 된다. 예를 들면, 무선 인터넷 모듈(112)은 외부 서버와 무선으로 데이터를 교환할 수 있다. 무선 인터넷 모듈(112)은 외부 서버로부터 날씨 정보, 도로의 교통 상황 정보(예를 들면, TPEG(Transport Protocol Expert Group))정보를 수신할 수 있다.

근거리 통신 모듈(113)은 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication), Wi-Fi(Wireless-Fidelity), Wi-Fi Direct, Wireless USB(Wireless Universal Serial Bus) 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다.

이러한, 근거리 통신 모듈(113)은 근거리 무선 통신망(Wireless Area Networks)을 형성하여, 차량(100)과 적어도 하나의 외부 디바이스 사이의 근거리 통신을 수행할 수 있다. 예를 들면, 근거리 통신 모듈(113)은 탑승자의 휴대 단말과 무선으로 데이터를 교환할 수 있다. 근거리 통신 모듈(113)은 휴대 단말이나 외부 서버로부터 날씨 정보, 도로의 교통 상황 정보(예를 들면, TPEG(Transport Protocol Expert Group))를 수신할 수 있다. 가령, 사용자가 차량(100)에 탑승한 경우, 사용자의 휴대 단말과 차량(100)은 자동으로 또는 사용자의 애플리케이션 실행에 의해, 서로 페어링을 수행할 수 있다.

위치 정보 모듈(114)은 차량(100)의 위치를 획득하기 위한 모듈로서, 그의 대표적인 예로는 GPS(Global Positioning System) 모듈이 있다. 예를 들면, 차량은 GPS모듈을 활용하면, GPS 위성에서 보내는 신호를 이용하여 차량의 위치를 획득할 수 있다.

광통신 모듈(115)은 광발신부 및 광수신부를 포함할 수 있다.

광수신부는 광(light)신호를 전기 신호로 전환하여, 정보를 수신할 수 있다. 광수신부는 광을 수신하기 위한 포토 다이오드(PD, Photo Diode)를 포함할 수 있다. 포토 다이오드는 빛을 전기 신호로 전환할 수 있다. 예를 들면, 광수신부는 전방 차량에 포함된 광원에서 방출되는 광을 통해, 전방 차량의 정보를 수신할 수 있다.

광발신부는 전기 신호를 광 신호로 전환하기 위한 발광 소자를 적어도 하나 포함할 수 있다. 여기서, 발광 소자는 LED(Light Emitting Diode)인 것이 바람직하다. 광발신부는 전기 신호를 광 신호로 전환하여, 외부에 발신한다. 예를 들면, 광 발신부는 소정 주파수에 대응하는 발광소자의 점멸을 통해, 광신호를 외부에 방출할 수 있다. 실시예에 따라, 광발신부는 복수의 발광 소자 어레이를 포함할 수 있다. 실시예에 따라, 광발신부는 차량(100)에 구비된 램프와 일체화될 수 있다. 예를 들면, 광발신부는 전조등, 후미등, 제동등, 방향 지시등 및 차폭등 중 적어도 어느 하나일 수 있다. 예를 들면, 광통신 모듈(115)은 광 통신을 통해 타차량과 데이터를 교환할 수 있다.

입력부(120)는 운전 조작 수단(121), 마이크로 폰(123) 및 사용자 입력부(124)를 포함할 수 있다.

운전 조작 수단(121)은 차량(100) 운전을 위한 사용자 입력을 수신한다. 운전 조작 수단(121)은 조향 입력 수단(121a), 쉬프트 입력 수단(121b), 가속 입력 수단(121c), 브레이크 입력 수단(121d)을 포함할 수 있다.

조향 입력 수단(121a)은 사용자로부터 차량(100)의 진행 방향 입력을 수신한다. 조향 입력 수단(121a)은 스티어링 휠을 포함할수 있다. 실시예에 따라, 조향 입력 수단(121a)은 터치 스크린, 터치 패드 또는 버튼으로 형성될 수도 있다.

쉬프트 입력 수단(121b)은 사용자로부터 차량(100)의 주차(P), 전진(D), 중립(N), 후진(R)의 입력을 수신한다. 쉬프트 입력 수단(121b)은 레버 형태로 형성되는 것이 바람직하다. 실시예에 따라, 쉬프트 입력 수단(121b)은 터치 스크린, 터치 패드 또는 버튼으로 형성될 수도 있다.

가속 입력 수단(121c)은 사용자로부터 차량(100)의 가속을 위한 입력을 수신한다. 브레이크 입력 수단(121d)은 사용자로부터 차량(100)의 감속을 위한 입력을 수신한다. 가속 입력 수단(121c) 및 브레이크 입력 수단(121d)은 페달 형태로 형성되는 것이 바람직하다. 실시예에 따라, 가속 입력 수단(121c) 또는 브레이크 입력 수단(121d)은 터치 스크린, 터치 패드 또는 버튼으로 형성될 수도 있다.

카메라(122)는 차량(100)의 실내 일측에 배치되어, 차량(100)의 실내 영상을 생성한다. 예컨대, 카메라(122)는 대쉬보드 표면, 루프 표면, 리어 뷰 미러 등 차량(100)의 다양한 위치에 배치되어, 차량(100)의 탑승자를 촬영할 수 있다. 이 경우, 카메라(122)는 차량(100)의 운전석을 포함하는 영역에 대한 실내 영상을 생성할 수 있다. 또한, 카메라(122)는 차량(100)의 운전석 및 보조석을 포함하는 영역에 대한 실내 영상을 생성할 수 있다. 카메라(122)에 의해 생성되는 실내 영상은 2차원 영상 및/또는 3차원 영상일 수 있다. 3차원 영상을 생성하기 위해, 카메라(122)는 스테레오 카메라, 깊이 카메라 및 3차원 레이저 스캐너 중 적어도 하나를 포함할 수 있다. 카메라(122)는 자신이 생성한 실내 영상을, 이와 기능적으로 결합된 제어부(170)로 제공할 수 있다. 카메라(122)는 '실내 카메라'로 명명될 수 있다.

제어부(170)는 카메라(122)로부터 제공되는 실내 영상을 분석하여, 각종 오브젝트를 검출할 수 있다. 예컨대, 제어부(170)는 실내 영상 중 운전석 영역에 대응하는 부분으로부터 운전자의 시선 및/또는 제스처를 검출할 수 있다. 다른 예로, 제어부(170)는 실내 영상 중 운전석 영역을 제외한 실내 영역에 대응하는 부분으로부터 동승자의 시선 및/또는 제스처를 검출할 수 있다. 물론, 운전자와 동승자의 시선 및/또는 제스처는 동시에 검출될 수도 있다.

마이크로 폰(123)은 외부의 음향 신호를 전기적인 데이터로 처리할 수 있다. 처리된 데이터는 차량(100)에서 수행 중인 기능에 따라 다양하게 활용될 수 있다. 마이크로폰(123)은 사용자의 음성 명령을 전기적인 데이터로 전환할 수 있다. 전환된 전기적인 데이터는 제어부(170)에 전달될 수 있다.

한편, 실시예에 따라, 카메라(122) 또는 마이크로폰(123)는 입력부(120)에 포함되는 구성요소가 아닌, 센싱부(160)에 포함되는 구성요소일 수도 있다.

사용자 입력부(124)는 사용자로부터 정보를 입력받기 위한 것이다. 사용자 입력부(124)를 통해, 정보가 입력되면, 제어부(170)는 입력된 정보에 대응되도록 차량(100)의 동작을 제어할 수 있다. 사용자 입력부(124)는 터치식 입력수단 또는 기계식 입력 수단을 포함할 수 있다. 실시예에 따라, 사용자 입력부(124)는 스티어링 휠의 일 영역에 배치될 수 있다. 이경우, 운전자는 스티어링 휠을 잡은 상태에서, 손가락으로 사용자 입력부(124)를 조작할 수 있다.

입력부(120)는 복수의 버튼 또는 터치 센서를 구비할 수 있다. 복수의 버튼 또는 터치 센서를 통해, 다양한 입력 동작을 수행하는 것도 가능하다.

센싱부(160)는 차량(100)의 주행 등과 관련한 신호를 센싱한다. 이를 위해, 센싱부(160)는 충돌 센서, 스티어링 센서(steering sensor), 속도 센서, 경사 센서, 중량 감지 센서, 헤딩 센서(heading sensor), 요 센서(yaw sensor), 자이로 센서(gyro sensor), 포지션 모듈(position module), 차량 전진/후진 센서, 배터리 센서, 연료 센서, 타이어 센서, 핸들 회전에 의한 스티어링 센서, 차량 내부 온도 센서, 차량 내부 습도 센서, 초음파 센서, 적외선 센서, 레이더, 라이다 등을 포함할 수 있다.

이에 의해, 센싱부(160)는 차량 충돌 정보, 차량 방향 정보, 차량 위치 정보(GPS 정보), 차량 각도 정보, 차량 속도 정보, 차량 가속도 정보, 차량 기울기 정보, 차량 전진/후진 정보, 배터리 정보, 연료 정보, 타이어 정보, 차량 램프 정보, 차량 내부 온도 정보, 차량 내부 습도 정보, 스티어링 휠 회전 각도 등에 대한 센싱 신호를 획득할 수 있다. 또한, 제어부(170)는 차량(100)에 구비된 카메라, 초음파 센서, 적외선 센서, 레이더 및 라이다 중 적어도 어느 하나에 의해 획득된 외부 환경 정보를 기초로, 차량(100)의 가속, 감속, 방향 전환 등을 위한 제어신호를 생성할 수 있다. 여기서, 외부 환경 정보란, 주행 중인 차량(100)으로부터 소정 거리 범위 내에 위치하는 각종 오브젝트와 관련된 정보일 수 있다. 예를 들어, 외부 환경 정보에는, 차량(100)으로부터 100m 내의 거리에 위치하는 장애물의 수, 장애물까지의 거리, 장애물의 크기, 장애물의 유형 등에 관한 정보가 포함될 수 있다.

한편, 센싱부(160)는 그 외, 가속페달센서, 압력센서, 엔진 회전 속도 센서(engine speed sensor), 공기 유량 센서(AFS), 흡기 온도 센서(ATS), 수온 센서(WTS), 스로틀 위치 센서(TPS), TDC 센서, 크랭크각 센서(CAS) 등을 더 포함할 수 있다.

센싱부(160)는 생체 인식 정보 감지부를 포함할 수 있다. 생체 인식 정보 감지부는 탑승자의 생체 인식 정보를 감지하여 획득한다. 생체 인식 정보는 지문 인식(Fingerprint) 정보, 홍채 인식(Iris-scan) 정보, 망막 인식(Retina-scan) 정보, 손모양(Hand geo-metry) 정보, 안면 인식(Facial recognition) 정보, 음성 인식(Voice recognition) 정보를 포함할 수 있다. 생체 인식 정보 감지부는 탑승자의 생체 인식 정보를 센싱하는 센서를 포함할 수 있다. 여기서, 카메라(122) 및 마이크로 폰(123)이 센서로 동작할 수 있다. 생체 인식 정보 감지부는 카메라(122)를 통해, 손모양 정보, 안면 인식 정보를 획득할 수 있다.

센싱부(160)는 차량(100)의 외부를 촬영하는 적어도 하나 이상의 카메라(161)를 포함할 수 있다. 카메라(161)는 '외부 카메라'로 명명될 수 있다. 예를 들어, 센싱부(160)는 차량 외관의 서로 다른 위치에 배치되는 복수의 카메라(161)들을 포함할 수 있다. 이러한 카메라(161)는 이미지 센서와 영상 처리 모듈을 포함할 수 있다. 카메라(161)는 이미지 센서(예를 들면, CMOS 또는 CCD)에 의해 얻어지는 정지영상 또는 동영상을 처리할 수 있다. 영상 처리 모듈은 이미지 센서를 통해 획득된 정지영상 또는 동영상을 가공하여, 필요한 정보를 추출하고, 추출된 정보를 제어부(170)에 전달할 수 있다.

카메라(161)는 이미지 센서(예를 들면, CMOS 또는 CCD)와 영상 처리 모듈을 포함할 수 있다. 또한, 카메라(161)는 이미지 센서에 의해 얻어지는 정지영상 또는 동영상을 처리할 수 있다. 영상 처리 모듈은 이미지 센서를 통해 획득된 정지영상 또는 동영상을 가공할 수 있다. 또한, 카메라(161)는 신호등, 교통 표지판, 보행자, 타차량 및 노면 중 적어도 하나를 포함하는 영상을 획득할 수 있다.

출력부(140)는 제어부(170)에서 처리된 정보를 출력하기 위한 것으로, 디스플레이부(141), 음향 출력부(142) 및 햅틱 출력부(143)를 포함할 수 있다.

디스플레이부(141)는 적어도 하나의 디스플레이를 포함하고, 제어부(170)에서 처리되는 정보를 각 디스플레이에 표시할 수 있다. 예를 들면, 디스플레이부(141)는 차량 관련 정보를 표시할 수 있다. 여기서, 차량 관련 정보는, 차량에 대한 직접적인 제어를 위한 차량 제어 정보, 또는 차량 운전자에게 운전 가이드를 위한 차량 운전 보조 정보를 포함할 수 있다. 또한, 차량 관련 정보는, 현재 차량의 상태를 알려주는 차량 상태 정보 또는 차량의 운행과 관련되는 차량 운행 정보를 포함할 수 있다.

디스플레이부(141)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전자잉크 디스플레이(e-ink display) 중에서 적어도 하나를 포함할 수 있다.

디스플레이부(141)는 적어도 하나의 디스플레이를 포함할 수 있다. 디스플레이부(141)에 복수의 디스플레이가 포함되는 경우, 각각의 디스플레이는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성되는 터치 스크린을 포함할 수 있다. 또한, 각각의 디스플레이는 차량(100) 실내의 서로 다른 위치에 배치될 수 있다. 예컨대, 어느 한 디스플레이는 차량(100)의 대쉬보드의 조수석 측에 배치되고, 다른 한 디스플레이는 차량(100)의 운전석 시트의 헤트레스트 뒷면에 배치될 수 있다. 일 실시예에서, 디스플레이부(141)는 후술할 디스플레이(200)를 포함할 수 있다.

터치 스크린은 차량(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(124)로써 기능함과 동시에, 차량(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.

이경우, 디스플레이부(141)는 터치 방식에 의하여 제어 명령을 입력 받을 수 있도록, 디스플레이부(141)에 대한 터치를 감지하는 터치센서를 포함할 수 있다. 이를 이용하여, 디스플레이부(141)에 대하여 터치가 이루어지면, 터치센서는 상기 터치를 감지하고, 제어부(170)는 이에 근거하여 상기 터치에 대응하는 제어명령을 발생시키도록 이루어질 수 있다. 터치 방식에 의하여 입력되는 내용은 문자 또는 숫자이거나, 각종 모드에서의 지시 또는 지정 가능한 메뉴항목 등일 수 있다.

한편, 디스플레이부(141)는 운전자가 운전을 함과 동시에 차량 상태 정보 또는 차량 운행 정보를 확인할 수 있도록 클러스터(cluster)를 포함할 수 있다. 클러스터는 대시보드 위에 위치할 수 있다. 이경우, 운전자는 시선을 차량 전방에 유지한채로 클러스터에 표시되는 정보를 확인할 수 있다.

한편, 실시예에 따라, 디스플레이부(141)는 HUD(Head Up Display)를 포함할 수 있다. HUD는 투사 모듈을 포함하고, 투사 모듈은 제어부(170)의 제어에 따라, 윈드 쉴드를 향하여 소정 정보에 대응하는 표시광을 출력할 수 있다. 이에 따라, 사용자는 윈드 쉴드를 통해, 상기 소정 정보에 대응하는 가상 이미지를 제공받을 수 있다.

음향 출력부(142)는 제어부(170)로부터의 전기 신호를 오디오 신호로 변환하여 출력한다. 이를 위해, 음향 출력부(142)는 스피커 등을 구비할 수 있다. 음향 출력부(142)는, 사용자 입력부(124) 동작에 대응하는 사운드를 출력하는 것도 가능하다.

햅틱 출력부(143)는 촉각적인 출력을 발생시킨다. 예를 들면, 햅틱 출력부(143)는 스티어링 휠, 안전 벨트, 시트를 진동시켜, 사용자가 출력을 인지할 수 있게 동작할 수 있다.

차량 구동부(150)는 차량 각종 장치의 동작을 제어할 수 있다. 차량 구동부(150)는 동력원 구동부(151), 조향 구동부(152), 브레이크 구동부(153), 램프 구동부(154), 공조 구동부(155), 윈도우 구동부(156), 에어백 구동부(157), 썬루프 구동부(158) 및 와이퍼 구동부(159) 중 적어도 하나 이상을 포함할 수 있다.

동력원 구동부(151)는 차량(100) 내의 동력원에 대한 전자식 제어를 수행할 수 있다. 동력원 구동부(151)는 차량(100)의 속도를 증가시키는 가속 장치 및 차량(100)의 속도를 감소시키는 감속 장치를 포함할 수 있다.

예를 들면, 화석 연료 기반의 엔진(미도시)이 동력원인 경우, 동력원 구동부(151)는, 엔진에 대한 전자식 제어를 수행할 수 있다. 이에 의해, 엔진의 출력 토크 등을 제어할 수 있다. 동력원 구동부(151)가 엔진인 경우, 제어부(170)의 제어에 따라, 엔진 출력 토크를 제한하여 차량의 속도를 제한할 수 있다.

다른 예로, 전기 기반의 모터(미도시)가 동력원인 경우, 동력원 구동부(151)는 모터에 대한 제어를 수행할 수 있다. 이에 의해, 모터의 회전 속도, 토크 등을 제어할 수 있다.

조향 구동부(152)는 조향 장치(steering apparatus)를 포함할 수 있다. 이에, 조향 구동부(152)는 차량(100) 내의 조향 장치(steering apparatus)에 대한 전자식 제어를 수행할 수 있다. 예를 들어, 조향 구동부(152)에는 조향토크센서, 조향각센서 및 조향모터가 구비될 수 있고, 운전자가 스티어링 휠에 가하는 조향토크는 조향토크센서에 의해 감지될 수 있다. 조향 구동부(152)는 차량(100)의 속도 및 조향토크 등을 기초로, 조향모터에 인가되는 전류의 크기와 방향을 변경함으로써, 조향력과 조향각을 제어할 수 있다. 또한, 조향 구동부(152)는 조향각센서에 의해 획득된 조향각 정보를 기초로, 차량(100)의 주행방향이 제대로 조절되고 있는 상태인지 판단할 수 있다. 이에 의해, 차량의 주행 방향을 변경할 수 있다. 또한, 조향 구동부(152)는 차량(100)이 저속 주행 시에는 조향모터의 조향력을 증가시켜 스티어링 휠의 무게감을 낮추고, 차량(100)이 고속 주행 시에는 조향모터의 조향력을 감소시켜 스티어링 휠의 무게감을 높일 수 있다. 또한, 차량(100)의 자율 주행 기능이 실행된 경우, 조향 구동부(152)는 운전자가 스티어링 휠을 조작하는 상황(예, 조향토크가 감지되지 않는 상황)에서도, 센싱부(160)가 출력하는 센싱 신호 또는 제어부(170)가 제공하는 제어신호 등을 기초로, 조향모터가 적절한 조향력을 발생시키도록 제어할 수도 있다.

브레이크 구동부(153)는 차량(100) 내의 브레이크 장치(brake apparatus)(미도시)에 대한 전자식 제어를 수행할 수 있다. 예를 들면, 바퀴에 배치되는 브레이크의 동작을 제어하여, 차량(100)의 속도를 줄일 수 있다. 다른 예로, 좌측 바퀴와 우측 바퀴에 각각 배치되는 브레이크의 동작을 달리하여, 차량(100)의 진행 방향을 좌측, 또는 우측으로 조정할 수 있다.

램프 구동부(154)는 차량 내, 외부에 배치되는 적어도 하나 이상의 램프의 턴 온/턴 오프를 제어할 수 있다. 램프 구동부(154)는 조명 장치를 포함할 수 있다. 또한, 램프 구동부(154)는 조명 장치에 포함된 램프 각각이 출력하는 빛의 세기, 방향 등을 제어할 수 있다. 예를 들면, 방향 지시 램프, 헤드램프, 브레이크 램프 등의 대한 제어를 수행할 수 있다.

공조 구동부(155)는 차량(100) 내의 공조 장치(air cinditioner)(미도시)에 대한 전자식 제어를 수행할 수 있다. 예를 들면, 차량 내부의 온도가 높은 경우, 공조 장치가 동작하여, 냉기가 차량 내부로 공급되도록 제어할 수 있다.

윈도우 구동부(156)는 차량(100) 내의 윈도우 장치(window apparatus)에 대한 전자식 제어를 수행할 수 있다. 예를 들면, 차량의 측면의 좌,우 윈도우들에 대한 개방 또는 폐쇄를 제어할 수 있다.

에어백 구동부(157)는 차량(100) 내의 에어백 장치(airbag apparatus)에 대한 전자식 제어를 수행할 수 있다. 예를 들면, 위험시, 에어백이 터지도록 제어할 수 있다.

썬루프 구동부(158)는 차량(100) 내의 썬루프 장치(sunroof apparatus)(미도시)에 대한 전자식 제어를 수행할 수 있다. 예를 들면, 썬루프의 개방 또는 폐쇄를 제어할 수 있다.

와이퍼 구동부(159)는 차량(100)에 구비된 와이퍼(14a, 14b)에 대한 제어를 수행할 수 있다. 예를 들어, 와이퍼 구동부(159)는 사용자 입력부(124)를 통해 와이퍼를 구동할 것을 명령하는 사용자 입력을 수신 시, 사용자 입력에 따라 와이퍼(14a, 14b)의 구동 횟수, 구동 속도 등에 대한 전자식 제어를 수행할 수 있다. 다른 예를 들어, 와이퍼 구동부(159)는 센싱부(160)에 포함된 레인센서(rain sensor)의 센싱 신호를 기초로, 빗물의 양 또는 세기를 판단하여, 사용자 입력없이도 와이퍼(14a, 14b)를 자동적으로 구동할 수 있다.

한편, 차량 구동부(150)는 서스펜션 구동부(미도시)를 더 포함할 수 있다. 서스펜션 구동부는 차량(100) 내의 서스펜션 장치(suspension apparatus)(미도시)에 대한 전자식 제어를 수행할 수 있다. 예를 들면, 도로면에 굴곡이 있는 경우, 서스펜션 장치를 제어하여, 차량(100)의 진동이 저감되도록 제어할 수 있다.

메모리(130)는 제어부(170)와 전기적으로 연결된다. 메모리(170)는 유닛에 대한 기본데이터, 유닛의 동작제어를 위한 제어데이터, 입출력되는 데이터를 저장할 수 있다. 메모리(190)는 하드웨어적으로, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기 일 수 있다. 메모리(130)는 제어부(170)의 처리 또는 제어를 위한 프로그램 등, 차량(100) 전반의 동작을 위한 다양한 데이터를 저장할 수 있다.

인터페이스부(180)는 차량(100)에 연결되는 다양한 종류의 외부 기기와의 통로 역할을 수행할 수 있다. 예를 들면, 인터페이스부(180)는 휴대 단말과 연결 가능한 포트를 구비할 수 있고, 상기 포트를 통해, 휴대 단말과 연결할 수 있다. 이경우, 인터페이스부(180)는 휴대 단말과 데이터를 교환할 수 있다.

인터페이스부(180)는 턴 시그널 정보를 수신할 수 있다. 여기서, 턴 시그널 정보는 사용자에 의해 입력된 좌회전 또는 우회전을 위한 방향 지시등의 턴 온(turn on) 시그널일 수 있다. 차량(100)의 사용자 입력부(도 1의 124)를 통해, 좌측 또는 우측 방향 지시등 턴 온 입력이 수신되는 경우, 인터페이스부(180)는 좌측 또는 우측 방향 턴 시그널 정보를 수신할 수 있다.

인터페이스부(180)는 차량 속도 정보, 스티어링 휠의 회전 각도 정보 또는 기어 쉬프트 정보를 수신할 수 있다. 인터페이스부(180)는 차량의 센싱부(160)를 통해 센싱된 차량 속도 정보, 스티어링 휠 회전 각도 정보, 또는 기어 쉬프트 정보를 수신할 수 있다. 또는, 인터페이스부(180)는 차량의 제어부(170)로부터 차량 속도 정보, 스티어링 휠 회전 각도 정보 또는 기어 쉬프트 정보를 수신할 수 있다. 한편, 여기서, 기어 쉬프트 정보는, 차량의 변속 레버가 어느 상태에 있는지에 대한 정보일 수 있다. 예를 들면, 기어 쉬프트 정보는 변속 레버가 주차(P), 후진(R), 중립(N), 주행(D), 1 내지 다단 기어 상태 중 어느 하나 중 어느 상태에 있는지에 대한 정보일 수 있다.

인터페이스부(180)는 차량(100)의 사용자 입력부(124)를 통해 수신되는 사용자 입력을 수신할 수 있다. 인터페이스부(180)는 사용자 입력을 차량(100)의 입력부(120)로부터 수신하거나, 제어부(170)를 거쳐 수신할 수 있다.

인터페이스부(180)는 외부 기기로부터 획득된 정보를 수신할 수 있다. 예를 들면, 차량(100)의 통신부(110)를 통해 외부 서버로부터 신호등 변경 정보가 수신되는 경우, 인터페이스부(180)는 상기 신호등 변경 정보를 제어부(170)로부터 수신할 수 있다.

제어부(170)는, 차량(100) 내의 각 유닛의 전반적인 동작을 제어할 수 있다. 제어부(170)는 ECU(Electronic Contol Unit)로 명명될 수 있다.

제어부(170)는 하드웨어적으로, ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 제어부(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 제어부(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

전원부(190)는 제어부(170)의 제어에 따라, 각 구성요소들의 동작에 필요한 전원을 공급할 수 있다. 특히, 전원부(170)는, 차량 내부의 배터리(미도시) 등으로부터 전원을 공급받을 수 있다.

AVN(Audio Video Navigation) 장치(미도시)는 제어부(170)와 데이터를 교환할 수 있다. 제어부(170)는 AVN 장치 또는 별도의 내비게이션 장치로부터 내비게이션 정보를 수신할 수 있다. 여기서, 여기서, 내비게이션 정보는 설정된 목적지 정보, 상기 목적지에 따른 경로 정보, 차량 주행과 관련한, 맵(map) 정보 또는 차량 위치 정보를 포함할 수 있다.

한편, 도 1에 도시된 구성요소들 중 일부는 차량(100)를 구현하는데 있어서 필수적인 것이 아닐 수 있다. 따라서, 본 명세서 상에서 설명되는 차량(100)은 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.

도 2는 본 발명과 관련된 차량(100)의 외관을 도시한 도면이다. 설명의 편의를 위해, 차량(100)은 4륜 자동차인 것으로 가정한다.

도 2를 참조하면, 차량(100)은 동력원에 의해 회전하는 타이어(11a-11d), 차량(100)의 진행 방향을 조절하기 위한 스티어링 휠(12), 헤드램프(13a, 13b), 와이퍼(14a, 14b)을 포함할 수 있다.

본 발명의 실시예에 따른 차량(100)의 제어부(170)는 카메라(161)를 이용하여 차량 주변 영상을 생성하고, 생성된 주변 영상에서 정보를 검출하며, 검출된 정보를 기초로 차량(100)과 관련된 임의의 동작을 실행하기 위한 제어 신호를 구동부(150)에 출력할 수 있다. 예컨대, 제어부(170)는 제어 신호를 기초로 조향 장치 등을 제어할 수 있다.

한편, 차량(100)의 전고(H)는 접지면으로부터 차체의 가장 높은 곳까지의 길이로서, 차량(100)의 탑승자나 적재물의 무게나 위치 등에 따라, 소정 범위 내에서 변경될 수 있다. 또한, 차량(100)는 차체의 최저 지점과 노면 사이는 최저 지상고(G)만큼 이격될 수 있다. 이에 따라, 최저 지상고(G)보다 낮은 높이를 가지는 물체에 의한 차체 손상을 막을 수 있다.

또한, 차량(100)의 전방 좌우 타이어(11a, 11b) 간의 간격과 후방 좌우 타이어(11c, 11d) 간의 간격은 동일한 것으로 가정한다. 이하에서는, 전륜 좌측 타이어(11a)의 내측과 우측 타이어(11b)의 내측 사이의 거리와 후륜 좌측 타이어(11c)의 내측과 우측 타이어(11d)의 내측 사이의 거리는 동일한 값(T)인 것으로 가정한다.

또한, 차량(100)의 전폭(O)은 도시된 바와 같이, 사이드 미러(예, 전동 접이식 사이드 미러)를 제외한 차량(100)의 차체 좌측 끝단부터 우측 끝단 간의 최대 거리로 정의될 수 있다.

도 3a는 도 1을 참조하여 전술한 카메라(161)가 스테레오 카메라인 경우를 예시한다.

도 3a를 참조하여, 카메라(161)는 제1 렌즈(311)를 구비하는 제1 카메라(310), 제2 렌즈(321)를 구비하는 제2 카메라(320)를 구비할 수 있다. 또한, 제1 렌즈(311)와 제2 렌즈(312)는 소정 간격만큼 이격되어, 특정 시점에 동일한 피사체에 대한 서로 다른 두 장의 이미지를 획득할 수 있다.

또한, 카메라(161)는 제1 렌즈(311)와 제2 렌즈(321)에 입사되는 광을 차폐하기 위한, 제1 광 차폐부(light shield)(312), 제2 광 차폐부(322)를 구비할 수 있다.

도면의 카메라(161)는 차량(100)의 천정 또는 윈드쉴드에 탈부착 가능한 구조일 수 있다.

이러한 카메라(161)는 제1 및 제2 카메라(310, 320)로부터, 차량 전방에 대한 스테레오 이미지를 획득할 수 있다. 또한, 스테레오 이미지에 기초하여, 디스패러티(disparity) 검출을 수행하고, 디스패러티 정보에 기초하여, 적어도 하나의 스테레오 이미지에 나타나는 적어도 하나의 오브젝트(예, 보행자, 신호등, 도로, 차선, 타차량)에 대한 검출을 수행할 수 있다. 오브젝트 검출 이후, 계속적으로 오브젝트의 움직임을 트래킹할 수 있다.

도 3b 및 도 3c를 참조하면, 차량(100) 외관의 서로 다른 위치에는 4개의 카메라들(161a, 161b, 161c, 161d)이 장착될 수 있다. 4개의 카메라들(161a, 161b, 161c, 161d) 각각은 전술한 카메라(161)와 동일할 수 있다.

도 3b를 참조하면, 복수의 카메라들(161a, 161b, 161c, 161d)는 각각 차량(100)의 전방, 좌측, 우측 및 후방에 배치될 수 있다. 복수의 카메라들(161a, 161b, 161c, 161d) 각각은 도 1에 도시된 카메라(161)에 포함되는 것일 수 있다.

전방 카메라(161a)는 윈드 쉴드 부근, 앰블럼 부근 또는 라디에이터 그릴 부근에 배치될 수 있다.

좌측 카메라(161b)는 좌측 사이드 미러를 둘러싸는 케이스 내에 배치될 수 있다. 또는, 좌측 카메라(161b)는 좌측 사이드 미러를 둘러싸는 케이스 외부에 배치될 수 있다. 또는, 좌측 카메라(161b)는 좌측 프런트 도어, 좌측 리어 도어 또는 좌측 휀더(fender) 외측 일 영역에 배치될 수 있다.

우측 카메라(161c)는 우측 사이드 미러를 둘러싸는 케이스 내에 배치될 수 있다. 또는 우측 카메라(161c)는, 우측 사이드 미러를 둘러싸는 케이스 외부에 배치될 수 있다. 또는, 우측 카메라(161c)는 우측 프런트 도어, 우측 리어 도어 또는 우측 펜더(fender) 외측 일 영역에 배치될 수 있다.

한편, 후방 카메라(161d)는 후방 번호판 또는 트렁크 스위치 부근에 배치될 수 있다.

복수의 카메라(161a, 161b, 161c, 161d)에서 촬영된 각각의 이미지는 제어부(170)에 전달되고, 제어부(170)는 상기 각각의 이미지를 합성하여, 차량 주변 영상을 생성할 수 있다.

또한, 도 3b에서는 차량(100) 외관에 4대의 카메라들이 장착되는 것으로 도시하였지만, 본 발명은 카메라의 개수에 한정되지 않으며, 더 적거나 많은 수의 카메라가 도 3b에 도시된 위치와는 다른 위치에 장착될 수도 있음을 명시한다.

도 3c를 참조하면, 합성 영상(400)은 전방 카메라(161a)에 의해 촬영된 외부 영상에 대응하는 제1 이미지 영역(401), 좌측 카메라(161b)에 의해 촬영된 외부 영상에 대응하는 제2 이미지 영역(402), 우측 카메라(161c)에 의해 촬영된 외부 영상에 대응하는 제3 이미지 영역(403) 및 후방 카메라(161d)에 의해 촬영된 외부 영상에 대응하는 제4 이미지 영역(404)을 포함할 수 있다. 합성 영상(400)은 어라운드 뷰 모니터링(AVM: around view monitoring) 영상으로 명명될 수 있다.

한편, 합성 영상(400) 생성 시, 합성 영상(400)에 포함된 어느 두 외부 영상 간에는 경계선(411, 412, 413, 414)이 발생한다. 이러한 경계 부분은 이미지 블렌딩(blending) 처리하여 자연스럽게 표시될 수 있다.

한편, 복수의 영상들 간의 경계에는 경계선(411, 412, 413, 414)이 표시될 수 있다. 또한, 합성 영상(400)의 중앙에는 차량(100)을 가리키는 것으로 기 설정된 이미지가 포함될 수 있다.

또한, 합성 영상(400)은 차량(100)의 실내에 장착된 디스플레이 장치 상에 표시될 수 있다.

도 4는 도 1을 참조하여 전술한 차량(100)의 일 예를 보여준다. 설명의 편의를 위해, 차량(100)은 4륜 자동차인 것으로 가정한다.

도 4를 참조하면, 차량(100)은 적어도 하나 이상의 레이더(162), 라이다(163) 및 초음파 센서(164)를 포함할 수 있다.

레이더(162)는 차량(100)의 일측에 장착되어, 차량(100)의 주변을 향하여 전자기파를 발사하고, 차량(100)의 주변에 존재하는 각종 오브젝트에서 반사되는 전자기파를 수신할 수 있다. 예를 들어, 레이더(162)는 어느 한 오브젝트에 의해 반사되어 돌아온 전자기파의 시간을 측정하여, 해당 오브젝트의 거리, 방향, 고도 등과 관련된 정보를 획득할 수 있다.

라이다(163)는 차량(100)의 일측에 장착되어, 차량(100)의 주변을 향하여 레이저를 발사할 수 있다. 라이다(163)에 의해 발사된 레이저는 산란되거나 반사되어 차량(100)으로 되돌아올 수 있고, 라이다(163)는 레이저가 되돌아오는 시간, 강도, 주파수의 변화, 편광 상태의 변화를 기초로, 차량(100)의 주변에 위치하는 타겟의 거리, 속도, 형상 등의 물리적 특성에 대한 정보를 획득할 수 있다.

초음파 센서(164)는 차량(100)의 일측에 장착되어, 차량(100)의 주변을 향하여 초음파를 발생시킨다. 초음파 센서(164)에 의해 발생되는 초음파는 주파수(약, 20KHz 이상)가 높고 파장이 짧은 특성을 가진다. 이러한 초음파 센서(164)는 주로 차량(100)과 근접한 장애물 등을 인식하는 데에 이용될 수 있다.

도 4에 도시된 레이더(162), 라이다(163) 및 초음파 센서(164)은 도 1에 도시된 센싱부(160)에 포함되는 센서들일 수 있다. 또한, 실시예에 따라, 레이더(162), 라이다(163) 및 초음파 센서(164)는 도 4에 도시된 것과는 다른 위치에 다른 개수로 장착될 수 있다는 것은 당업자에게 자명하다.

도 5는 도 1에 도시된 제어부(170)의 내부 블록 다이어그램의 일 예를 보여준다.

도 5를 참조하면, 제어부(170)는, 영상 전처리부(510), 디스패러티 연산부(520), 오브젝트 검출부(534), 오브젝트 트래킹부(540), 및 어플리케이션부(550)를 포함할 수 있다.

영상 전처리부(image preprocessor)(510)는 도 1에 도시된 카메라들(161, 122)로부터 제공되는 이미지를 수신하여, 전처리(preprocessing)를 수행할 수 있다.

구체적으로, 영상 전처리부(510)는 이미지에 대한, 노이즈 리덕션(noise reduction), 렉티피케이션(rectification), 캘리브레이션(calibration), 색상 강화(color enhancement), 색상 공간 변환(color space conversion;CSC), 인터폴레이션(interpolation), 카메라 게인 컨트롤(camera gain control) 등을 수행할 수 있다. 이에 따라, 카메라(161, 122)에서 촬영된 스테레오 이미지 보다 선명한 이미지를 획득할 수 있다.

디스패러티 연산부(disparity calculator)(520)는 영상 전처리부(510)에서 신호 처리된, 이미지를 수신하고, 수신된 이미지들에 대한 스테레오 매칭(stereo matching)을 수행하며, 스테레오 매칭에 따른, 디스패러티 맵(dispartiy map)을 획득할 수 있다. 즉, 차량 전방에 대한, 스테레오 이미지에 대한 디스패러티 정보를 획득할 수 있다.

이때, 스테레오 매칭은, 스테레오 이미지들의 픽셀 단위로 또는 소정 블록 단위로 수행될 수 있다. 한편, 디스패러티 맵은, 스테레오 이미지, 즉 좌,우 이미지의 시차(時差) 정보(binocular parallax information)를 수치로 나타낸 맵을 의미할 수 있다.

세그멘테이션부(segmentation unit)(532)는 디스패러티 연산부(520)로부터의 디스페러티 정보에 기초하여, 이미지 중 적어도 하나에 대해, 세그먼트(segment) 및 클러스터링(clustering)을 수행할 수 있다.

구체적으로, 세그멘테이션부(532)는 디스페러티 정보에 기초하여, 스테레오 이미지 중 적어도 하나에 대해, 배경(background)과 전경(foreground)을 분리할 수 있다.

예를 들면, 디스패리티 맵 내에서 디스페러티 정보가 소정치 이하인 영역을, 배경으로 연산하고, 해당 부분을 제외시킬 수 있다. 이에 의해, 상대적으로 전경이 분리될 수 있다.

다른 예로, 디스패리티 맵 내에서 디스페러티 정보가 소정치 이상인 영역을, 전경으로 연산하고, 해당 부분을 추출할 수 있다. 이에 의해, 전경이 분리될 수 있다.

이와 같이, 스테레오 이미지에 기반하여 추출된 디스페러티 정보 정보에 기초하여, 전경과 배경을 분리함으로써, 이후의, 오브젝트 검출시, 신호 처리 속도, 신호 처리 양 등을 단축할 수 있게 된다.

다음, 오브젝트 검출부(object detector)(534)는 세그멘테이션부(532)로부터의 이미지 세그먼트에 기초하여, 오브젝트를 검출할 수 있다.

즉, 오브젝트 검출부(534)는 디스페러티 정보 정보에 기초하여, 이미지 중 적어도 하나에 대해, 오브젝트를 검출할 수 있다.

구체적으로, 오브젝트 검출부(534)는 이미지 중 적어도 하나에 대해, 오브젝트를 검출할 수 있다. 예를 들면, 이미지 세그먼트에 의해 분리된 전경으로부터 오브젝트를 검출할 수 있다.

다음, 오브젝트 확인부(object verification unit)(536)는 분리된 오브젝트를 분류하고(classify), 확인할 수 있다(verify).

이를 위해, 오브젝트 확인부(536)는 뉴럴 네트워크(neural network)를 이용한 식별법, SVM(Support Vector Machine) 기법, Haar-like 특징을 이용한 AdaBoost에 의해 식별하는 기법, 또는 HOG(Histograms of Oriented Gradients) 기법 등을 사용할 수 있다.

한편, 오브젝트 확인부(536)는 메모리(130)에 저장된 오브젝트들과, 검출된 오브젝트를 비교하여, 오브젝트를 확인할 수 있다.

예를 들면, 오브젝트 확인부(536)는 차량 주변에 위치하는 주변 차량, 차선, 도로면, 표지판, 위험 지역, 터널 등을 확인할 수 있다.

오브젝트 트래킹부(object tracking unit)(540)는 확인된 오브젝트에 대한 트래킹을 수행할 수 있다. 예를 들면, 순차적으로, 획득되는 스테레오 이미지들에 내의, 오브젝트를 확인하고, 확인된 오브젝트의 움직임 또는 움직임 벡터를 연산하며, 연산된 움직임 또는 움직임 벡터에 기초하여, 해당 오브젝트의 이동 등을 트래킹할 수 있다. 이에 따라, 차량 주변에 위치하는, 주변 차량, 차선, 도로면, 표지판, 위험 지역, 터널 등을 트래킹할 수 있게 된다.

다음, 어플리케이션부(550)는 차량(100) 주변에, 위치하는 다양한 오브젝트들(예, 타차량, 차선, 도로면, 표지판 등)에 기초하여, 차량(100)의 위험도 등을 연산할 수 있다. 또한, 앞차와의 추돌 가능성, 차량의 슬립 여부 등을 연산할 수 있다.

그리고, 어플리케이션부(550)는 연산된 위험도, 추돌 가능성, 또는 슬립 여부 등에 기초하여, 사용자에게, 이러한 정보를 알려주기 위한, 메시지 등을, 차량 운전 보조 정보로서, 출력할 수 있다. 또는, 차량(100)의 자세 제어 또는 주행 제어를 위한 제어 신호를, 차량 제어 정보로서, 생성할 수도 있다.

한편, 실시예에 따라, 제어부(170)는 영상 전처리부(510), 디스페러티 연산부(520), 세그먼테이션부(532), 오브젝트 검출부(534), 오브젝트 확인부(536), 오브젝트 트래킹부(540) 및 어플리케이션부(550) 중 일부만을 포함할 수 있다. 가령, 카메라(161, 122)가 2차원 영상만을 제공하는 카메라인 경우, 디스패러티 연산부(520)는 제외될 수 있다.

도 6a 및 도 6b는 도 5에 도시된 제어부(170)의 동작 설명에 참조되는 도면이다.

도 6a와 도 6b는 제1 및 제2 프레임 구간에서 각각 획득된 스테레오 이미지를 기반으로 하여, 도 5의 제어부(170)의 동작 방법 설명을 위해 참조되는 도면이다.

먼저, 도 6a를 참조하면, 카메라(161)가 스테레오 카메라인 경우, 카메라(161)는 제1 프레임 구간 동안, 스테레오 이미지를 획득한다.

제어부(170) 내의 디스패러티 연산부(520)는 영상 전처리부(510)에서 신호 처리된, 스테레오 이미지(FR1a, FR1b)를 수신하고, 수신된 스테레오 이미지(FR1a, FR1b)에 대한 스테레오 매칭을 수행하여, 디스패러티 맵(dispartiy map)(620)을 획득한다.

디스패러티 맵(dispartiy map)(620)은 스테레오 이미지(FR1a, FR1b) 사이의 시차를 레벨화한 것으로서, 디스패러티 레벨이 클수록, 차량과의 거리가 가깝고, 디스패러티 레벨이 작을수록, 차량과의 거리가 먼 것으로 연산할 수 있다.

한편, 이러한 디스패러티 맵을 디스플레이 하는 경우, 디스패러티 레벨이 클수록, 높은 휘도를 가지고, 디스패러티 레벨이 작을수록 낮은 휘도를 가지도록 표시할 수도 있다.

도면에서는, 디스패러티 맵(620) 내에, 제1 차선 내지 제4 차선(628a, 628b, 628c, 628d) 등이 각각 해당하는 디스패러티 레벨을 가지며, 공사 지역(622), 제1 전방 차량(624), 제2 전방 차량(626)이 각각 해당하는 디스패러티 레벨을 가지는 것을 예시한다.

세그멘테이션부(532)와, 오브젝트 검출부(534), 오브젝트 확인부(536)는 디스패러티 맵(620)에 기초하여, 스테레오 이미지(FR1a, FR1b) 중 적어도 하나에 대한, 세그먼트, 오브젝트 검출, 및 오브젝트 확인을 수행한다.

도면에서는, 디스패러티 맵(620)을 사용하여, 제2 스테레오 이미지(FR1b)에 대한, 오브젝트 검출, 및 확인이 수행되는 것을 예시한다.

즉, 이미지(630) 내에, 제1 차선 내지 제4 차선(638a, 638b, 638c, 638d), 공사 지역(632), 제1 전방 차량(634), 제2 전방 차량(636)이, 오브젝트 검출 및 확인이 수행될 수 있다.

다음, 도 6b를 참조하면, 제2 프레임 구간 동안, 스테레오 카메라(161)는, 스테레오 이미지를 획득한다.

제어부(170) 내의 디스패러티 연산부(520)는 영상 전처리부(510)에서 신호 처리된, 스테레오 이미지(FR2a, FR2b)를 수신하고, 수신된 스테레오 이미지(FR2a, FR2b)에 대한 스테레오 매칭을 수행하여, 디스패러티 맵(dispartiy map)(640)을 획득한다.

도면에서는, 디스패러티 맵(640) 내에, 제1 차선 내지 제4 차선(648a, 648b, 648c, 648d) 등이 각각 해당하는 디스패러티 레벨을 가지며, 공사 지역(642), 제1 전방 차량(644), 제2 전방 차량(646)이 각각 해당하는 디스패러티 레벨을 가지는 것을 예시한다.

세그멘테이션부(532)와 오브젝트 검출부(534), 오브젝트 확인부(536)는, 디스패러티 맵(640)에 기초하여, 스테레오 이미지(FR2a, FR2b) 중 적어도 하나에 대한, 세그먼트, 오브젝트 검출, 및 오브젝트 확인을 수행한다.

도면에서는, 디스패러티 맵(640)을 사용하여, 제2 스테레오 이미지(FR2b)에 대한, 오브젝트 검출, 및 확인이 수행되는 것을 예시한다.

즉, 이미지(650) 내에 제1 차선 내지 제4 차선(658a, 658b, 658c, 658d), 공사 지역(652), 제1 전방 차량(654), 제2 전방 차량(656)이, 오브젝트 검출 및 확인이 수행될 수 있다.

한편, 오브젝트 트래킹부(540)는 도 6a와 도 6b를 비교하여, 확인된 오브젝트에 대한 트래킹을 수행할 수 있다.

구체적으로, 오브젝트 트래킹부(540)는 도 6a와 도 6b에서 확인된, 각 오브젝트들의 움직임 또는 움직임 벡터에 기초하여, 해당 오브젝트의 이동 등을 트래킹할 수 있다. 이에 따라, 차량 주변에 위치하는, 차선, 공사 지역, 제1 전방 차량, 제2 전방 차량 등에 대한 트래킹을 수행할 수 있게 된다.

도 7은 본 발명의 일 실시예에 따른 랜드마크 검출 장치(200)의 예시적인 블록 다이어그램을 보여준다.

도 7을 참조하면, 랜드마크 검출 장치(200)는, 인터페이스부(210), 메모리(220), 프로세서(230) 및 전원 공급부(240)를 포함할 수 있다.

인터페이스부(210)는, 차량(100)에 포함된 다른 유닛으로부터 데이터를 수신하거나, 프로세서(230)에서 처리 또는 생성된 신호를 외부로 전송할 수 있다. 예를 들어, 인터페이스부(270)는 유선 통신 또는 무선 통신을 통해, 차량(100)의 입력부(120), 출력부(140), 센싱부(160), 차량 구동부(150) 및 제어부(170) 중 적어도 하나와 데이터를 송수신할 수 있다.

인터페이스부(210)는 차량이 위치하는 도로에 형성된 마크, 랜드 마크(land mark)에 대한 센싱 정보를 수신할 수 있다. 상기 센싱 정보는 센싱부(160)에 의해 생성되는 것일 수 있고, 인터페이스부(210)는 센싱부(160) 또는 제어부(170)로부터 상기 센싱 정보를 수신할 수 있다.

랜드 마크에 대한 센싱 정보에는, 카메라(161)에 의해 촬영된 입력 영상이 포함될 수 있다. 이때, 상기 입력 영상은, 카메라(161)에 의해 촬영된 원본 컬러 영상이거나, 상기 원본 영상을 마치 위에서 내려다보는 것과 같은 뷰로 변환한 AVM 영상일 수 있다. AVM 영상은 도 4를 참조하여 전술한 합성 영상(400)의 일 유형일 수 있다.

인터페이스부(210)는, 차량(100) 주변에 존재하는 적어도 하나의 오브젝트에 대한 정보를 수신할 수 있다. 예를 들면, 인터페이스부(210)는 센싱부(160)에 의해 랜드 마크에 인접하게 위치하는 보행자나 타차량 등과 같은 오브젝트가 검출되는 경우, 검출된 오브젝트의 위치, 이동 속도, 이동 방향 등에 관한 정보를 수신할 수 있다.

메모리(220)는, 프로세서(230)의 처리 또는 제어를 위한 프로그램 등, 랜드마크 검출 장치(200) 전반의 동작을 위한 다양한 데이터를 저장할 수 있다.

이러한 메모리(220)는 ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 하드웨어적 저장 매체들 중 적어도 하나를 포함하여, 상기 다양한 데이터를 저장할 수 있다.

프로세서(230)는, 랜드마크 검출 장치(200)에 포함된 각 구성 요소의 전반적인 동작을 제어할 수 있다. 또한, 실시예에 따라, 프로세서(230)는 인터페이스부(210)를 통해 연결되는 차량(100)의 구성 요소의 동작을 제어할 수도 있다. 예컨대, 프로세서(230)는 주차 관련 정보를 표시하도록 출력부(140)에 포함된 디스플레이(141)를 제어할 수 있다.

이러한 프로세서(230)는 ASICs (application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적 유닛 중 적어도 하나를 이용하여 구현될 수 있다.

프로세서(230)는, 센싱부(160)로부터 제공되는 정보 또는 데이터를 기초로, 랜드 마크가 그려진 영역을 검출하고, 검출된 영역에 대한 후보 관심 영역을 생성할 수 있다.

일 실시예에서, 인터페이스부(210)에 의해 입력 영상을 수신되면, 프로세서(230)는 상기 입력 영상을 전처리하여, 차량(100)이 위치하는 도로의 소정 범위 내에 형성된 적어도 하나의 랜드 마크를 검출할 수 있다.

구체적으로, 프로세서(230)는 입력 영상으로부터 기 설정된 밝기 변화도가 나타나는 엣지(또는 윤곽선)들을 검출할 수 있다. 랜드 마크는 다른 객체와의 구별이 용이하도록 흰색이나 황색 등으로 도로에 형성되는 바, 프로세서(230)는 입력 영상을 적어도 한가지 이상의 방향으로 스캔하여, 입력 영상에 나타나는 윤곽선들을 검출할 수 있다. 일 예로, 프로세서(230)는 입력 영상을 이진 영상(binary image)로 변환하고, 상기 그레이 영상에 엣지 검출 필터를 적용하여, 이진 영상을 생성할 수 있다. 엣지 검출 필터로는, DoG(Difference of Guassian) 필터가 이용될 수 있다. 이에 따라, 이진 영상에는 기 설정된 임계값보다 큰 밝기값을 가지는 픽셀들인 관심 픽셀들(즉, 엣지들 이루는 픽셀들)이 나머지 픽셀의 색상(예, 흑색)과는 다른 색상(예, 백색)으로 표현될 수 있다.

또한, 프로세서(230)는 이진 영상에 포함된 복수의 관심 픽셀들을 서로 이격된 복수의 객체들로 라벨링할 수 있다. 예컨대, 프로세서(230)는 관심 픽셀별로 소정의 마스크를 적용하여 인접한 다른 관심 픽셀을 탐색하고, 서로 인접한 관심 픽셀들은 서로 인접하지 않은 관심 픽셀들과는 다른 값으로 라벨링할 수 있다. 이에 따라, 동일한 값으로 라벨링된 관심 픽셀들은 동일한 객체로 분류될 수 있다. 이때, 각 객체는 적어도 하나의 관심 픽셀로 이루어질 수 있다.

또한, 프로세서(230)는 라벨링을 통해 분류된 복수의 객체들 중, 노이즈에 해당하는 객체가 존재하는 경우, 이를 제거할 수 있다.

일 실시예에서, 프로세서(230)는 복수의 객체들 중, 소정값 미만의 크기를 가지는 객체를 이진 영상으로부터 제거할 수 있다. 일 예로, 프로세서(230)는 제1 값보다 작은 수의 관심 픽셀을 포함하는 객체를 노이즈로 인식하여 제거할 수 있다. 이때, 프로세서(230)는 speckle 필터가 이용될 수 있다. 다른 예로, 프로세서(230)는 각 객체를 둘러싸는 소정 형상(예, 직사각형)의 바운딩 박스를 생성하고, 제1 사이즈보다 작은 바운딩 박스로 둘러싸인 객체를 노이즈로 인식하여 제거할 수 있다. 이에 따라, 도로의 이물질, 그림자 등에 의해 형성된 지나치게 작은 크기의 마킹에 대응하는 객체가 제거될 수 있다.

일 실시예에서, 프로세서(230)는 복수의 객체들 중, 소정값을 초과하는 크기를 가지는 객체를 이진 영상으로부터 제거할 수 있다. 일 예로, 프로세서(230)는 제2 값(>제1 값)보다 큰 수의 관심 픽셀을 포함하는 객체를 노이즈로 인식하여 제거할 수 있다. 다른 예로, 프로세서(230)는 각 객체를 둘러싸는 소정 형상(예, 직사각형)의 바운딩 박스를 생성하고, 제2 사이즈(>제1 사이즈)보다 큰 바운딩 박스로 둘러싸인 객체를 노이즈로 인식하여 제거할 수 있다. 이에 따라, 이에 따라, 도로의 주차선 등 지나치게 큰 크기의 마킹에 대응하는 객체가 제거될 수 있다.

또한, 프로세서(230)는 복수의 객체들을 적어도 하나의 군집으로 분류할 수 있다. 이때, 군집으로 분류되는 복수의 객체들은 전술한 노이즈에 대응하는 객체를 제외한 나머지 객체들일 수 있다. 구체적으로, 프로세서(230)는 복수의 객체들 각각으로부터 복수의 포인트들을 샘플링하고, 샘플링된 포인트들을 이용하여, 상기 객체별로 다른 객체와의 인접 여부를 판단할 수 있다.

예를 들어, 프로세서(230)는 어느 한 객체에서 샘플링된 포인트들과 다른 하나에서 샘플링된 포인트들 간의 연결선들을 생성할 수 있다. 이때, 상기 연결선은 들로네 삼각분할법(delaunay triangulation)을 통해 생성될 수 있다.

프로세서(230)는 생성된 연결선들 중 적어도 하나의 길이를 기초로 두 객체 간의 거리를 산출하며, 두 객체 간의 거리가 기 설정된 기준 거리 미만인 경우, 두 객체가 서로 인접한 것으로 판단할 수 있다. 또는, 프로세서(230)는 두 객체가 연결선들 중 적어도 하나에 의해 직접 연결되는 경우, 두 객체가 서로 인접한 것으로 판단할 수 있다.

만약, 전술한 판단 결과, 어느 한 객체와 다른 객체가 서로 인접한 것으로 판단 시, 프로세서(230)는 서로 인접하는 것으로 판단된 두 객체들 간의 유사도를 산출하고, 산출된 유사도를 기초로 두 객체를 하나의 군집으로 분류할지 결정할 수 있다. 이때, 두 객체들 간의 유사도는, 두 객체 각각의 색상, 사이즈 및 그래디언트 중 적어도 하나를 기초로 산출되는 것일 수 있다. 예컨대, 프로세서는 두 객체 간의 색상 차이, 사이즈 차이 및 그래디언트 차이 각각에 서로 같거나 다른 가중치를 부여한 후 합산한 값이 기 설정된 기준값 이상인 경우, 두 객체를 동일한 군집으로 분류할 수 있다.

전술한 방법을 통해 군집 분류가 완료되면, 프로세서(230)는 분류된 군집별 후보 관심 영역을 입력 영상에 설정할 수 있다. 다시 말해, 프로세서(230)는 입력 영상으로부터 각 군집에 대응하는 후보 관심 영역을 추출할 수 있다.

이어, 프로세서(230)는 각각의 후보 관심 영역이 유효 관심 영역인지 아니면 비유효 관심 영역인지 판단할 수 있다. 여기서, 유효 관심 영역이란, 차량이나 운전자에게 유용한 정보를 제공하는 마크를 포함하는 영역을 의미한다. 이때, 프로세서(230)는 이미지 단어집(Bag of Visual Word)을 이용하여, 각의 후보 관심 영역이 유효 관심 영역인지 판단하거나, 카테고리를 분류할 수 있다.

예컨대, 도로에 형성된 마크들로부터 검출된 후보 관심 영역들 중, 방향 지시선 등 운전자에게 차량의 주행과 관련된 정보를 제공하기 위해 의도적으로 형성된 마크에 대응하는 영역은 유효 관심 영역으로 판단되고, 맨홀이나 포트홀 등 그 외의 마크에 대응하는 영역은 비유효 관심 영역으로 판단될 수 있다.

이와 함께 또는 별개로, 프로세서(230)는 유효 관심 영역 각각의 카테고리를 분류할 수 있다. 즉, 프로세서(230)는 특정 유효 관심 영역이 문자, 숫자, 기호 중 어느 형태의 마크로 이루어져있는지 판단할 수 있다. 예컨대, 프로세서(230)는 SIFT 기법(Scale-Invariant Feature Transform)을 통해 유효 관심 영역별로 특징점들(key points)과 상기 특징점들에 대한 기술자(descriptor)를 산출하고, 미리 트래이닝된 SVM(Support Vector Machine)을 이용하여, 유효 관심 영역별 카테고리를 분류할 수 있다.

전원 공급부(240)는, 프로세서(230)의 제어에 의해, 각 구성요소들의 동작에 필요한 전원을 공급할 수 있다. 전원 공급부(240)는, 차량(100) 내부의 배터리 등으로부터 전원을 공급받을 수 있다.

랜드마크 검출 장치(200)의 동작은 도 7을 참조하여 전술한 실시예들에 한정되는 것은 아니며, 이하의 도면들을 참조하여 보다 구체적으로 설명하기로 한다.

도 8은 본 발명의 일 실시예에 따른 랜드마크 검출 장치(200)가 수행하는 예시적인 프로세스(S800)의 플로우 챠트를 보여준다.

단계 S810에서, 랜드마크 검출 장치(200)는 랜드마크 검출 모드에 진입할 수 있다. 구체적으로, 프로세서(230)는 기 설정된 이벤트의 발생 시, 랜드마크 검출 모드에 진입할 수 있다. 이 경우, 상기 이벤트는 프로세서(230)가 주차 지원 모드에 진입하도록 사전에 정해지는 특정 상황과 관련된 데이터 내지는 정보로서, 이벤트 발생 여부에 관한 정보는 입력부(120), 센싱부(160) 또는 제어부(170)로부터 인터페이스부(210)를 거쳐 제공되는 것일 수 있다.

예를 들어, 기 설정된 이벤트는, (i) 랜드마크 검출 모드로의 진입을 지시하는 사용자 입력(예, 음성, 터치, 클릭, 제스처)의 수신 이벤트, (ii)기 설정된 지역으로의 도착 이벤트 및 (iii)차량의 시동이 턴온되는 이벤트 중 적어도 어느 하나를 포함할 수 있다.

다만, 랜드마크 검출 모드로의 진입을 위해 미리 정해지는 이벤트의 종류가 위에서 열거된 예시에 한정되는 것은 아니고, 그 밖에 다른 종류의 이벤트가 사전에 정해질 수 있음은 물론이다. 또한, 단계 S810은 실시예에 따라 생략될 수 있다.

단계 S820에서, 랜드마크 검출 장치(200)는 차량(100)으로부터 제공되는 입력 영상을 수신할 수 있다. 일 실시예에서, 프로세서(230)는 랜드마크 검출 모드 진입 시, 인터페이스부(210)를 통해 제어부(170)에 입력 영상의 제공을 요청할 수 있다. 제어부(170)는 프로세서(230)의 요청에 응답하여, 카메라(161a-161d, 도 3 참조)에 의해 촬영되는 외부 영상 또는 서로 다른 방향에 대한 복수의 외부 영상들을 탑뷰 형태로 변환한 AVM 영상을 주차 지원 장치에게 제공할 수 있다.

단계 S830에서, 랜드마크 검출 장치(200)는 입력 영상을 이용하여 이진 영상을 생성할 수 있다. 구체적으로, 프로세서(230)는 입력 영상을 그레이 영상으로 변환하고, 그레이 영상에 나타나는 엣지 영역이 나머지 영역과 구별되도록 표시되는 이진 영상을 생성할 수 있다. 일 예로, 프로세서(230)는 그레이 영상에 엣지 검출 필터 중 하나인 DoG(Difference of Guassian) 필터를 적용하여 이진 영상인 DoG 영상을 생성할 수 있다. DoG 영상은 그레이 영상의 모든 픽셀들 중, 기 설정된 임계값보다 큰 밝기값을 가지는 픽셀인 관심 픽셀들이 나머지 픽셀과는 다른 색상으로 표현한다.

단계 S840에서, 랜드마크 검출 장치(200)는 이진 영상에 포함된 관심 픽셀들을 복수의 객체들로 라벨링할 수 있다. 구체적으로, 프로세서(230)는 관심 픽셀들 중 서로 인접한 픽셀에는 동일한 값을 부여하고, 서로 인접하지 않은 픽셀에는 상이한 값을 부여할 수 있다. 이에 따라, 특정 객체에 포함된 관심 픽셀들은 서로 동일한 특정 값을 가지고, 상기 특정 객체와는 다른 객체에 포함된 관심 픽셀들은 상기 특정 값과는 다른 값을 가지게 된다.

또한, 프로세서(230)는 복수의 객체들 중, 기 설정된 조건을 만족하지 않는 객체는 노이즈로 인식하여 제거할 수 있다. 예컨대, 전술한 바와 같이, (i)특정 객체에 포함된 픽셀의 개수가 제1 값 미만이거나 제2 값(>제1 값)을 초과하는 경우 및 (ii)특정 객체를 둘어싸는 바운딩 박스의 사이즈가 제1 사이즈 미만이거나 제2 사이즈(>제1 사이즈)를 초과하는 경우, 상기 특정 객체를 노이즈로 인식하여 제거할 수 있다.

단계 S850에서, 랜드마크 검출 장치(200)는 복수의 객체들을 적어도 하나의 군집으로 분류할 수 있다. 예컨대, 프로세서(230)는 들로네 삼각분할법을 이용하여 복수의 객체들 간의 연결선을 생성하고, 복수의 객체들 중 어느 두 객체에 대하여, 미리 정해진 조건인 (i) 두 객체를 직접 연결하는 연결선이 존재할 것 및 (ii)두 객체를 연결하는 직접 연결선의 길이가 기준 길이 미만일 것을 만족하는 경우, 두 객체에 대한 유사도를 산출할 수 있다. 만약, 두 객체에 대한 유사도가 기준값 이상인 경우, 프로세서(230)는 두 객체를 동일한 군집으로 분류할 수 있다. 프로세서(230)는 복수의 객체들 각각에 대하여 상기 미리 정해진 조건을 적용하여, 복수의 객체들을 적어도 하나의 군집으로 분류할 수 있다.

단계 S860에서, 랜드마크 검출 장치(200)는 분류된 군집에 대응하는 후보 관심 영역을 입력 영상으로부터 추출할 수 있다. 즉, 프로세서(230)는 분류된 군집 각각에 대응하는 부분을 둘러싸는 후보 관심 영역을 입력 영상에 설정할 수 있다.

단계 S870에서, 랜드마크 검출 장치(200)는 후보 관심 영역의 카테고리를 분류할 수 있다. 구체적으로, 프로세서(230)는 후보 관심 영역에 의해 지시되는 마크가 운전자에게 유용한 정보를 제공하기 위해 의도적으로 형성된 랜드마크인지(즉, 후보 관심 영역이 유효 관심 영역)인지 판단하고, 후보 관심 영역이 문자, 숫자 및 기호 중 어느 하나 또는 둘 이상의 조합으로 이루어지는 것인지 분류할 수 있다.

도 9는 본 발명의 일 실시예에 따른 랜드마크 검출 장치(200)가 DoG 필터를 이용하여 이진 영상을 생성하는 방법의 개념을 설명하기 위해 참조되는 도면이다.

도 9를 참조하면, 프로세서(230)는 입력 영상을 그레이 영상(910)으로 변환하고, 그레이 영상(910)를 DoG 필터를 적용하여, 이진 영상인 DoG 영상(920)을 생성할 수 있다.

구체적으로, DoG 필터는 하기의 수학식 1로 표현되는 가우스 함수 G_σ(x,y)를 이용하여 그레이 영상(910)을 평탄화(smoothing)할 수 있다.

여기서, σ는 그레이 영상(910)을 평탄화하기 위해 미리 정해지는 분산값일 수 있다. σ의 크기에 따라, 그레이 영상(910)이 평탄화되는 정도가 결정된다.

가령, 그레이 영상(910)이 I(x,y)으로 표현된다고 가정할 때, 그레이 영상(910)은 하기의 수학식 2에 의해 평탄화될 수 있다.

즉, 수학식 2에 따라, 가우스 함수인 G_σ(x, y)와 그레이 영상(910)인 I(x, y) 간의 콘볼루션(convolution)이 수행되어, σ에 대응하는 평탄화 영상 g_σ(x, y)이 생성될 수 있다.

DoG 필터는 수학식 3을 이용하여 그레이 영상(910)인 I(x, y)으로부터 DoG 영상(920)인 DoG(x, y)을 생성할 수 있다.

즉, DoG(x, y)은 제1 분산값(σ1)에 대응하는 평탄화 영상(911)인 g_σ1(x, y)과 제2 분산값(σ2)에 대응하는 평탄화 영상(912)인 g_σ2(x, y)의 차이에 대응하는 영상(920)일 수 있다.

이에 따라, 도시된 바와 같이, DoG 영상(920)에는 그레이 영상(910)에서 기 설정된 밝기값 이상인 관심 픽셀들이 나머지 픽셀들과는 다른 색상으로 표현될 수 있다.

도 10은 본 발명의 일 실시예에 따른 랜드마크 검출 장치(200)가 DoG 필터를 이용하여 생성한 다른 이진 영상의 일 예를 보여준다.

도 10의 (a)는 차량이 주행 중인 특정 시점에서 제공되는 입력 영상(1000)을 예시하고, 도 10의 (b)는 입력 영상(1000)에 대한 그레이 영상(1010)을 예시한다. 카메라(161)가 차량이 위치하는 지면을 촬영함에 따라, 입력 영상(1000)과 그레이 영상(1010)에는 지면에 형성된 마크들이 나타날 수 있다. 예컨대, 그레이 영상(1010)을 참조하면, 도시된 바와 같이, 차량의 우측에는 '주차선' 마크(1011)가 형성되고, 후방에는 문자 형식의 '일방통행' 마크(1012)가 형성되며, 차량의 좌측에 기호 형식의 '화살표' 마크(1013), 문자 형식의 '출구' 마크(1014) 및 선 형식의 '차선' 마크(1015)가 형성될 수 있다. 그 밖에, 차량의 전방에는 맨홀에 의한 마크(1016)가 형성되고, 기타 이물질, 그림자, 조명 등으로 인한 마크가 형성될 수 있다.

도 10의 (c)는 도 10의 (b)에 도시된 그레이 영상(1010)에 대한 DoG 영상(1020)을 예시한다. 즉, 그레이 영상(1010)에 도 9를 참조하여 전술한 DoG 필터를 적용한 결과 영상(1020)을 보여준다. DoG 영상(1020)에는 전술한 마크들(1011-1015)이 제1 색(예, 백색)으로 나타나고, 나머지 영역들이 제2 색(예, 흑색)으로 나타날 수 있다.

한편, DoG 필터와 같은 엣지 검출 필터의 특성 상, DoG 영상(1020)과 같은 이진 영상에는 랜드 마크가 아닌 마크에 의한 객체가 노이즈로 포함될 수 있다. 예컨대, 도 10에 도시된 DoG 영상(1020)에서, '주차선' 마크(1011)에 대응하는 객체, 맨홀에 의한 마크(1016)에 대응하는 객체들은 노이즈일 수 있다. 이러한 노이즈를 적절히 제거하는 것이 필요하다. 이에 대하여, 도 11을 참조하여 설명을 계속하기로 한다.

도 11은 본 발명의 일 실시예에 따른 랜드마크 검출 장치(200)가 이진 영상의 관심 픽셀들을 적어도 하나의 객체로 분류하는 방법을 설명하기 위해 참조되는 도면이다.

도 11의 (a)는 이진 영상의 일 영역에 포함된 픽셀들을 예시한다. 도시된 바와 같이, 이진 영상은 관심 픽셀들(P1)과 비관심 픽셀들(P2)로 이루어질 수 있다. 여기서, 비관심 픽셀들(P2)은 이진 영상을 구성하는 모든 픽셀들 중 관심 픽셀들(P1)을 제외한 나머지 픽셀들을 의미할 수 있다. 각각의 관심 픽셀(P1)은 제1 색으로 표현되고, 각각의 비관심 픽셀(P2)은 제2 색으로 표현될 수 있다.

프로세서(230)는 미리 정해진 마스크를 이용하여, 어느 한 관심 픽셀(P1)에 이웃하는 다른 관심 픽셀(이하, 이웃 픽셀이라고 칭함)의 존재 여부를 판단하고, 이웃 픽셀들에 동일한 값을 할당할 수 있다. 이러한 과정을 이진 영상의 모든 픽셀에 적용하여, 복수의 관심 픽셀들(P1)을 적어도 하나의 객체로 분류할 수 있다.

도 11의 (b)는 제1 마스크를 이용하여 도 11의 (a)에 도시된 11개의 관심 픽셀을 분류한 결과를 예시한다. 예컨대, 제1 마스크(M1)는 어느 한 관심 픽셀을 기준으로 4방향(예, 상하좌우)으로 연결된 다른 관심 픽셀을 찾도록 형성된 마스크일 수 있다. 프로세서(230)는 제1 마스크(M1)를 관심 픽셀(P1)별로 적용하면서 이웃 픽셀을 검출할 수 있다. 이에 따라, 11개의 관심 픽셀들(P1)을 '1'이 할당된 관심 픽셀들로 이루어진 객체와 '2'가 할당된 관심 픽셀들로 이루어진 객체로 분류할 수 있다.

도 11의 (c)는 도 11의 (b)와 달리, 제2 마스크를 이용하여 도 11의 (a)에 도시된 11개의 관심 픽셀을 분류한 결과를 예시한다. 예컨대, 제2 마스크(M2)는 어느 한 관심 픽셀을 기준으로 8방향(예, 상하좌우 및 대각선)로 연결된 다른 관심 픽셀을 찾도록 형성된 마스크일 수 있다. 프로세서(230)는 제2 마스크(M2)를 관심 픽셀(P1)별로 적용하면서 이웃 픽셀을 검출할 수 있다. 이에 따라, 11개의 관심 픽셀들(P1) 전체에 동일한 값이 할당되어 단일의 객체로 분류될 수 있다.

프로세서(230)는 분류된 객체별로 관심 픽셀의 개수를 산출할 수 있다. 예컨대, 도 11의 (b)에서 '1'이 할당된 객체에 포함된 관심 픽셀의 개수는 5개이고, '2'가 할당된 객체에 포함된 관심 픽셀의 개수는 6개이다. 이후, 프로세서(230)는 객체별로 포함된 관심 픽셀들의 개수가 기 설정된 제1 값(예, 10)보다 작거나 제2 값(예, 300)보다 큰 경우, 해당 객체를 노이즈로 인식하여 제거할 수 있다.

또는, 프로세서(230)는 분류된 객체별 사이즈를 산출할 수 있다. 예컨대, 도 11의 (b)에서 '1'이 할당된 객체의 사이즈로서 x 방향 최대 픽셀 수인 3과 y방향 최대 픽셀 수인 3의 곱인 9를 산출할 수 있다. 다른 예로, 도 11의 (b)에서 '2'가 할당된 객체의 사이즈로서 x 방향 최대 픽셀 수인 2와 y방향 최대 픽셀 수인 3의 곱인 6를 산출할 수 있다. 또 다른 예로, 도 11의 (c)에서 '1'이 할당된 객체의 사이즈로서 x 방향 최대 픽셀 수인 4와 y방향 최대 픽셀 수인 6의 곱인 24를 산출할 수 있다. 이후, 프로세서(230)는 객체별로 사이즈가 기 설정된 제1 사이즈(예, 50)보다 작거나 제2 사이즈(예, 500)보다 큰 경우, 해당 객체를 노이즈로 인식하여 제거할 수 있다.

도 12 내지 도 14는 본 발명의 일 실시예에 따른 랜드마크 검출 장치(200)가 이진 영상의 관심 픽셀들을 적어도 하나의 객체로 분류하는 방법의 일 예를 보여준다.

도 12는 도 11을 참조하여 전술한 방법을 통해 도 10의 (c)에 도시된 DoG 영상(1020)에서 제1 타입의 노이즈를 제거한 제1 노이즈 제거 영상(1200)을 예시한다. 여기서, 제1 타입의 노이즈는, 복수의 객체들 중 제1 값보다 작은 개수의 관심 픽셀을 포함하거나 제1 사이즈보다 작은 사이즈를 가지는 객체를 의미할 수 있다.

도 10의 (c)와 비교할 때, 제1 노이즈 제거 영상(1200)에는 작은 반점(speckle) 형태의 객체들이 더 이상 나타나지 않을 수 있다.

도 13은 도 11을 참조하여 전술한 방법을 통해 도 12에 도시된 제1 노이즈 제거 영상(1200)에서 제2 타입의 노이즈를 제거한 제2 노이즈 제거 영상(1300)을 예시한다. 여기서, 제2 타입의 노이즈는, 복수의 객체들 중 제2 값보다 큰 개수의 관심 픽셀을 포함하거나 제2사이즈보다 작은 사이즈를 가지는 객체를 의미할 수 있다. 여기서, 제2 값 또는 제2 사이즈는 차량의 크기를 기초로 정해지는 것일 수 있다.

도 10의 (c) 및 도 12와 비교할 때, 제2 노이즈 제거 영상(1300)에는 과도하게 큰 객체(예, 입력 영상(1000)에서 차량의 면적이나 좌우 길이보다 크게 나타나는 객체)가 더 이상 나타나지 않을 수 있다. 예를 들어, 도 10의 (b)에 도시된 그레이 영상(1010) 속 '주차선' 마크(1011)에 대응하는 객체가 제2 타입의 노이즈로 인식되어, 제2 노이즈 제거 영상(1300)에는 나타나지 않을 수 있다.

도 14는 복수의 객체들을 서로 다른 색으로 분류한 라벨링 영상(1400)의 일 예를 보여준다. 라벨링 영상(1400)에서는 특정값이 할당된 관심 픽셀로 이루어진 객체가 다른 값이 할당된 관심 픽셀로 이루어진 객체와는 다른 색상으로 표현할 수 있다.

한편, 도 12 및 도 13에서는 이진 영상(1020)에서 제1 타입의 노이즈를 제거한 후 제2 타입의 노이즈를 제거하는 것으로 예시하였으나, 이에 본 발명의 범위가 ??덩되는 것은 아니다. 일 예로, 제2 타입의 노이즈를 제거한 후 제1 타입의 노이즈를 제거하거나, 제1 타입 및 제2 타입의 노이즈가 동시에 제거될 수도 있다.

한편, 도 12 내지 도 14와 같은 과정을 통해 획득된 객체들은 어느 하나는 그 자체가 단일의 랜드 마크를 구성하는 것이거나, 다른 객체와 함께 단일의 랜드 마크를 구성하는 것일 수 있다. 예를 들어, 도 10의 (b)에 도시된 랜드 마크(1012)를 이루는 어느 한 객체인 'ㅇ'은, 동일 랜드 마크(1012)의 다른 객체인 'ㅣ', 'ㄹ', 'ㅂ', 'ㅏ' 등과 하나의 군집으로 처리되어야 하는 반면, 다른 랜드 마크(1013)를 이루는 화살표 객체와는 다른 군집으로 처리되어야 한다. 이하에서는 공통의 랜드 마크를 구성하는 어느 한 객체를 다른 객체와 동일 군집으로 분류하기 위한 방법을 설명하기로 한다.

도 15는 본 발명의 일 실시예에 따른 랜드마크 검출 장치(200)가 서로 다른 객체들을 적어도 하나의 군집으로 그룹화하는 방법의 일 예를 설명하는 데에 참조되는 도면이다.

도 15의 (a)를 참조하면, 프로세서(230)는 도 11과 같은 방법으로 분류된 각 객체로부터 적어도 하나의 포인트를 샘플링할 수 있다. 이하에서는, 샘플링된 포인트를 '표본점'이라고 칭하기로 한다.

가령, 임의의 이진 영상의 제1 객체(1510)에서 2개의 표본점(Ps)이 샘플링되고, 제2 객체(1520)에서 5개의 표본점(Ps)이 샘플링되며, 제3 객체(1530)에서 2개의 표본점(Ps)이 샘플링되고, 제4 객체(1540)에서 1개의 표본점(Ps)이 샘플링 된 것으로 가정하자.

이 경우, 프로세서(230)는 들로네 삼각분할법을 이용하여, 총 10개의 표본점(Ps)들을 복수의 연결선으로 연결하여, 도 15의 (b)와 같이 10개의 표본점(Ps)들에 의해 정의되는 영역을 복수의 삼각형으로 분할할 수 있다. 이때, 삼각형의 모서리는 서로 다른 두 표본점(Ps)을 연결하는 연결선일 수 있다.

예컨대, 도시된 바와 같이, 들로네 삼각분할법을 적용한 결과, 제1 객체(1510)의 표본점(Ps)과 제2 객체(1510)의 표본점(Ps)을 직접 연결하는 연결선(L1), 제2 객체(1520)의 표본점(Ps)과 제3 객체(1530)의 표본점(Ps)을 직접 연결하는 연결선(L2) 및 제3 객체(1530)의 표본점(Ps)과 제4 객체(1540)의 표본점(Ps)을 직접 연결하는 연결선(L3)이 생성될 수 있다. 또한, 동일 객체(1520)의 서로 다른 표본점(Ps)을 연결하는 연결선(L4)이 생성될 수 있다. 또한, 제1 객체(1510)의 표본점(Ps)을 제3 객체(1530)나 제4 객체(1540)의 표본점(Ps)과 직접 연결하는 연결선은 생성되지 않을 수 있다.

프로세서(230)는 도 15의 (b)에 도시된 것과 같은 복수의 연결선들 중, 동일한 객체의 표본점들을 연결하는 연결선을 삭제할 수 있다. 예를 들어, 도 15의 (c)와 같이, 제2 객체(1520)의 표본점(Ps)을 연결하는 연결선(L4)을 삭제할 수 있다.

또한, 프로세서(230)는 도 15의 (b) 또는 도 15의 (c)에 도시된 것과 같은 복수의 연결선들 중, 기준 길이를 초과하는 연결선을 삭제할 수 있다. 예를 들어, 제1 객체(1510)와 제2 객체(1520)를 연결하는 연결선(L1) 및 제2 객체(1520)와 제3 객체(1530)를 연결하는 연결선(L2)의 길이는 기준 길이 이하이고, 제3 객체(1530)와 제4 객체(1530)를 연결하는 연결선(L3)의 길이가 기준 길이를 초과하는 경우, 프로세서(230)는 도 15의 (d)와 같이, 연결선(L3)을 삭제할 수 있다.

이후, 프로세서(230)는 삭제되지 않은 나머지 연결선들에 의해 직간접적으로 연결된 복수의 객체들 간의 유사도를 산출할 수 있다. 예를 들어, 제1 객체(1510)는 연결선(L1)에 의해 제2 객체(1520)와 직접 연결되고, 제2 객체(1520)는 연결선(L2)에 의해 제3 객체(1530)와 직접 연결되는바, 프로세서(230)는 제1 내지 제3 객체(1530) 간의 유사도를 산출할 수 있다. 만약, 제1 내지 제3 객체(1530) 간의 유사도가 기 설정된 기준값 이상인 경우, 프로세서(230)는 제1 내지 제3 객체(1530)를 단일의 동일 군집으로 분류할 수 있다. 물론, 제4 객체(1540)는 제1 내지 제3 객체(1530)가 속하는 군집과는 다른 군집으로 분류될 수 있음은 당업자에게 자명하다.

도 16a 내지 도 16c는 본 발명의 일 실시예에 따른 랜드마크 검출 장치(200)가 이진 영상의 객체들을 그룹화하는 방법의 일 예를 설명하는 데에 참조되는 도면이다. 이해를 돕기 위해, 도 13에 도시된 노이즈 제거 영상(1300)을 기준으로 설명하기로 한다.

도 16a는 노이즈 제거 영상(1300) 속 객체별 표본점(Ps)들을 들로네 삼각분할법을 통해 연결하여 복수의 연결선들이 생성된 영상(1600a)을 예시한다. 전술한 바와 같이, 각각의 객체마다 복수의 표본점들이 샘플링될 수 있고, 특정 객체의 표본점은 연결선에 의해 동일 객체의 다른 표본점과 연결되거나, 다른 객체의 표본점과 연결될 수 있다.

도 16b는 도 16a에 도시된 영상(1600a)의 연결선들 중, 동일 객체의 표본점들을 연결하는 연결선들이 삭제된 영상(1600b)을 예시한다. 즉, 프로세서(230)는 생성된 모든 연결선들 중, 객체들 간의 그룹화 여부를 결정하는 데에 불필요한 동일 객체의 서로 다른 표본점들을 연결하는 연결선들을 삭제하여, 연결선들의 총 개수를 저감할 수 있다. 이에 따라, 객체들 간의 그룹화 여부를 결정하는 데에 요구되는 연산량이 대폭 저감될 수 있다.

도 16c는 도 16b에 도시된 영상(1600b)의 연결선들 중, 길이가 기준값보다 긴 연결선들이 삭제된 영상(1600c)을 예시한다. 즉, 프로세서(230)는 도 16b에 도시된 영상(1600b)의 연결선들 중, 길이가 기준값 미만인 연결선들만을 포함하는 영상(1600c)을 생성할 수 있다. 예컨대, 도시된 바와 같이, 영상(1600c)에는, '일방통행' 마크(1012)의 'ㅇ'에 대응하는 객체와 'ㅣ'에 대응하는 객체를 연결하는 연결선들이 나타나는 반면, 'ㅇ'에 대응하는 객체와 '화살표' 마크(1013)에 대응하는 객체를 연결하는 연결선들은 더 이상 나타나지 않을 수 있다.

프로세서(230)는 적어도 하나의 연결선에 의해 직접적 또는 간접적으로 연결되는 둘 이상의 객체들 간의 유사도를 산출할 수 있다. 예를 들어, 일방통행' 마크(1012)를 기준으로 설명하면, 전술한 'ㅇ'에 대응하는 객체와 직접 연결되는 'ㅣ'에 대응하는 객체 간의 유사도를 산출할 수 있다. 또한, 'ㅣ'에 대응하는 객체와 직접 연결되는 'ㄹ'에 대응하는 객체 간의 유사도를 산출할 수 있다. 또한, 'ㅣ'에 대응하는 객체와 간접 연결되는 'ㅂ'에 대응하는 객체 간의 유사도를 산출할 수 있다. 즉, '일방통행' 마크(1012)를 구성하는 각각의 객체들이 서로 직간접적으로 연결되어 있는 경우, 프로세서(230)는 '일방통행' 마크(1012)의 자음과 모음 각각에 대응하는 객체들 간의 유사도를 동시에 또는 순차적으로 산출할 수 있다. 물론 다른 마크들에 포함된 객체들에 대하여도 동일한 방식을 통해 유사도가 산출될 수 있다.

구체적인 예를 들어, 프로세서(230)는 'ㅇ'에 대응하는 객체와 'ㅣ'에 대응하는 객체 각각의 색상(입력 영상에 나타나는 색상), 사이즈 및 그래디언트를 산출하고, 두 객체 간의 색상 차이, 사이즈 차이 및 그래디언트 차이 각각에 소정의 가중치를 적용한 후 이를 합산한 값을 기준값과 비교한 결과에 따라, 'ㅇ'에 대응하는 객체와 'ㅣ'에 대응하는 객체를 동일한 군집으로 그룹화할 수 있다. 물론, 색상, 사이즈, 그래디언트 외의 다른 파라미터를 추가적으로 고려하여, 객체들을 그룹화할 수도 있다.

도 17a 및 도 17b는 본 발명의 일 실시예에 따른 랜드마크 검출 장치(200)가 입력 영상으로부터 관심 영역을 추출하는 방법을 설명하기 위해 참조되는 도면이다.

도 17a는, 도 16c에 도시된 영상(1600c)을 기준으로 그룹화된 군집에 대응하는 후보 관심 영역을 도 10의 (a)에 도시된 입력 영상(1000)에 설정한 영상(1700a)을 예시한다. 일 예로, 프로세서(230)는 미리 정해진 형상(예, 직사각형)으로 각 군집을 둘러싸는 후보 관심 영역을 입력 영상(1000)에 설정할 수 있다.

즉, 프로세서(230)는 각 군집별 후보 관심 영역을 입력 영상(1000)에 설정할 수 있다. 한편, 실제의 랜드 마크(예, 도 10의 (b)의 부호 1012-1014 참조)를 구성하는 군집에 대응하는 후보 관심 영역(즉, 유효 관심 영역)과 함께, 도 12 및 도 13을 참조하여 전술한 바와 같은 노이즈 제거 과정의 수행 후에도 남아있는 객체가 속하는 군집에 대응하는 후보 관심 영역(즉, 비유효 관심 영역)이 입력 영상(1000)에 설정될 수 있으며, 비유효 관심 영역을 적절히 필터링하는 것이 필요하다.

도 17b는, 영상(1700a)에서 비유효 관심 영역을 제거한 영상(1700b)을 예시한다. 즉, 도 16c에 도시된 영상(1600c) 속 군집들에 대응하는 모든 후보 관심 영역들 중 유효 관심 영역(1701-1703)만이 설정된 영상(1700b)을 보여준다.

일 실시예에서, 프로세서(230)는 이미지 단어집(Bag of Visual Word)을 이용하여, 모든 후보 관심 영역들 중, 비유효 관심 영역을 제거하고, 유효 관심 영역별 카테고리를 분류할 수 있다.

구체적으로, 프로세서(230)는 SIFT 기법(Scale-Invariant Feature Transform) 또는 SURF 기법(Speeded Up Robust Features)을 통해 후보 관심 영역별로 특징점들(key points)과 상기 특징점들에 대한 기술자(descriptor)들을 산출할 수 있다. 이어, 프로세서(230)는 K-mean 군집화 알고리즘 등을 통해, 특징점들(key points) 각각을 미리 정해진 이미지 사전(dictionary 또는 codebook)에 포함된 어느 하나의 이미지 단어(visual word)로 크러스터링함으로써, 특징 벡터값들로 이루어진 히스토그램을 생성할 수 있다. 여기서, 특징 벡터값은, 특징점별 히스토그램 값에 대응하는 것일 수 있다. 예컨대, 프로세서(230)는 특징점들(key points)에 대한 벡터 양자화(vector quantization)를 수행할 수 있다.

다음, 프로세서(230)는 테스트 이미지들을 통해 미리 트래이닝된 SVM(Support Vector Machine)에 상기 생성된 히스토그램을 입력하여, 각각의 후보 관심 영역별 카테고리를 분류할 수 있다. 만약, 특정 후보 관심 영역에 대응하는 카테고리가 검색되지 않는 경우, 프로세서(230)는 상기 특정 후보 관심 영역이 비유효 관심 영역인 것으로 처리할 수 있다.

한편, 프로세서(230)는 유효 관심 영역별 카테고리를 고려하여, 각 유효 관심 영역에 대응하는 랜드 마크를 인식할 수 있다.

가령, 제1 유효 관심 영역에 대응하는 제1 랜드 마크가 문자에 대응하는 제1 카테고리로 분류되고, 제2 유효 관심 영역에 대응하는 제2 랜드 마크가 문자에 대응하는 제2 카테고리로 분류된 것으로 가정하자.

이 경우, 프로세서(230)는 메모리(220)에 기 저장된 문자 템플릿들을 제1 랜드 마크와 비교하여, 제1 랜드 마크를 인식할 수 있다. 일 예로, 도 10의 (b)에 도시된 랜드 마크(1012)는 문자 템플릿들과 비교될 수 있다. 또한, 프로세서(230)는 메모리(220)에 기 저장된 기호 템플릿들을 제2 랜드 마크와 비교하여, 제2 랜드 마크를 인식할 수 있다. 일 예로, 도 10의 (b)에 도시된 랜드 마크(1013)는 기호 템플릿들과 비교될 수 있다. 이에 따라, 유효 관심 영역별 인식 속도가 현저히 향상될 수 있다.

이상에서 설명한 본 발명의 실시예는 장치 및 방법을 통해서만 구현이 되는 것은 아니며, 본 발명의 실시예의 구성에 대응하는 기능을 실현하는 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시예의 기재로부터 본 발명이 속하는 기술분야의 전문가라면 쉽게 구현할 수 있는 것이다.

또한, 이상에서 설명한 본 발명은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니라, 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수 있다.

100: 차량
200: 랜드마크 검출 장치

Claims (14)

1. 차량에 구비된 적어도 하나의 카메라에 의해 촬영된 영상을 수신하는 인터페이스부; 및
   상기 인터페이스부로부터 제공되는 상기 입력 영상에 대한 영상 처리를 수행하는 프로세서를 포함하고,
   상기 프로세서는,
   상기 입력 영상에 대응하는 이진 영상을 생성하고,
   상기 이진 영상에 포함된 복수의 관심 픽셀들을 서로 이격된 복수의 객체들로 라벨링하며,
   상기 복수의 객체들간의 유사도를 기초로, 상기 복수의 객체들을 적어도 하나의 군집으로 분류하고,
   상기 입력 영상으로부터 상기 각 군집에 대응하는 후보 관심 영역을 추출하는, 차량용 랜드마크 검출 장치.
2. 제1항에 있어서,
   상기 입력 영상은,
   AVM 영상인, 차량용 랜드마크 검출 장치.
3. 제1항에 있어서,
   상기 프로세서는,
   상기 입력 영상을 그레일 영상으로 변환하고,
   상기 그레이 영상에 엣지 검출 필터를 적용하여, 상기 복수의 관심 픽셀들을 포함하는 상기 이진 영상을 생성하는, 차량용 랜드마크 검출 장치.
4. 제3항에 있어서,
   상기 엣지 검출 필터는,
   상기 그레이 영상의 모든 픽셀들 중, 기 설정된 임계값보다 큰 밝기값을 가지는 픽셀들을 검출하도록 구성된 DoG(Difference of Guassian) 필터인, 차량용 랜드마크 검출 장치.
5. 제1항에 있어서,
   상기 프로세서는,
   상기 복수의 객체들 중, 노이즈에 해당하는 객체를 제거하는, 차량용 랜드마크 검출 장치.
6. 제5항에 있어서,
   상기 프로세서는,
   상기 객체별 관심 픽셀의 개수를 산출하고,
   상기 복수의 객체들 중, 제1 값보다 작거나, 제2 값보다 큰 개수의 관심 픽셀들을 포함하는 객체를 상기 노이즈로 인식하되,
   상기 제2 값은 제1 값보다 큰, 차량용 랜드마크 검출 장치.
7. 제5항에 있어서,
   상기 프로세서는,
   상기 복수의 객체들 중 어느 하나를 나머지 객체와 구별하기 위한 바운딩 박스를 상기 객체별로 생성하고,
   상기 복수의 바운딩 박스들 중, 제1 사이즈보다 작거나, 제2 사이즈보다 큰 사이즈를 가지는 바운딩 박스에 대응하는 객체를 상기 노이즈로 인식하되,
   상기 제2 사이즈는 상기 제1 사이즈보다 큰, 차량용 랜드마크 검출 장치.
8. 제1항에 있어서,
   상기 프로세서는,
   상기 객체별로 적어도 하나의 표본점을 샘플링하고,
   상기 샘플링된 표본점들 간의 연결선을 기초로, 상기 객체별로 다른 객체와의 인접 여부를 판단하는, 차량용 랜드마크 검출 장치.
9. 제8항에 있어서,
   상기 프로세서는,
   상기 복수의 객체들에 포함된 두 객체 중, 어느 한 객체의 표본점과 다른 한 객체의 표본점 간의 연결선의 길이를 기초로, 상기 두 객체가 서로 인접하는지 판단하는, 차량용 랜드마크 검출 장치.
10. 제8항에 있어서,
    상기 프로세서는,
    들로네 삼각분할법(delaunay triangulation)을 통해, 상기 연결선을 생성하는, 차량용 랜드마크 검출 장치.
11. 제8항에 있어서,
    상기 프로세서는,
    상기 복수의 객체들 중 어느 두 객체가 서로 인접한 것으로 판단 시, 상기 두 객체 각각의 색상, 사이즈 및 그래디언트 중 적어도 하나를 기초로, 상기 두 객체 간의 유사도를 산출하고,
    상기 두 객체 간의 유사도가 기 설정된 기준값 이상인 경우, 상기 두 객체를 동일한 군집으로 분류하는, 차량용 랜드마크 검출 장치.
12. 제1항에 있어서,
    상기 프로세서는,
    이미지 단어집(Bag of Visual Word)을 이용하여, 상기 후보 관심 영역별 카테고리를 분류하는, 차량용 랜드마크 검출 장치.
13. 차량에 구비된 카메라로부터 입력 영상을 수신하는 단계;
    상기 입력 영상의 픽셀별 밝기값(intensity)을 기초로, 이진 영상을 생성하는 단계;
    상기 이진 영상에 포함된 복수의 관심 픽셀들을 서로 이격된 복수의 객체들로 라벨링하는 단계;
    상기 복수의 객체들간의 유사도를 기초로, 상기 복수의 객체들을 적어도 하나의 군집으로 분류하는 단계; 및
    상기 입력 영상으로부터 상기 각 군집에 대응하는 후보 관심 영역을 추출하는 단계를 포함하는, 차량용 랜드마크 검출 방법.
14. 제13항에 있어서,
    상기 이진 영상을 생성하는 단계는,
    상기 입력 영상을 그레일 영상으로 변환하는 단계; 및
    상기 그레이 영상에 엣지 검출 필터를 적용하여, 상기 이진 영상을 생성하는, 차량용 랜드마크 검출 방법.
    

Images