KR20170132539A - 노면표시 분류 시스템 및 방법 - Google Patents

노면표시 분류 시스템 및 방법 Download PDF

Info

Publication number
KR20170132539A
KR20170132539A KR1020160063545A KR20160063545A KR20170132539A KR 20170132539 A KR20170132539 A KR 20170132539A KR 1020160063545 A KR1020160063545 A KR 1020160063545A KR 20160063545 A KR20160063545 A KR 20160063545A KR 20170132539 A KR20170132539 A KR 20170132539A
Authority
KR
South Korea
Prior art keywords
information
road surface
data
unit
feature information
Prior art date
Application number
KR1020160063545A
Other languages
English (en)
Inventor
박용완
박성현
Original Assignee
영남대학교 산학협력단
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 영남대학교 산학협력단 filed Critical 영남대학교 산학협력단
Priority to KR1020160063545A priority Critical patent/KR20170132539A/ko
Publication of KR20170132539A publication Critical patent/KR20170132539A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • 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
    • G06T2207/30236—Traffic on road, railway or crossing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명은 노면표시 분류 시스템 및 방법에 관한 것으로, 노면표시 정보에 대한 데이터베이스에서 노면표시를 분류할 수 있는 제1특징정보를 추출하는 정보학습부와 노면에서 수집한 노면정보에서 제2특징정보를 추출하는 정보 전처리부 및 상기 제1특징정보와 상기 제2특징정보의 유사성을 측정하여 측정 결과값에 따라 상기 노면정보를 분류하는 정보 분류부를 포함하는 것을 특징으로 하는 노면표시 분류 시스템을 제공한다. 이에 따라, 간단한 프로세싱에 의해 도로면의 노면표시를 분류할 수 있고, 또한, 본 발명은 2차원 레이저 스캐너를 이용하는바, 경제적 측면에서 유리하고, 환경과 무관하게 데이터를 획득하여 노면표시를 분류할 수 있는 이점이 있다.

Description

노면표시 분류 시스템 및 방법{Apparatus and method for classificating Road marking}
본 발명은 노면표시 분류 시스템 및 방법에 관한 것으로, 보다 자세하게는 차량에 설치된 라이다를 통해 수집한 라이다 데이터로부터 추출한 특징정보와 기저장된 노면표시 정보에 대한 데이터베이스로부터 추출한 특징정보를 비교하여 차량 전방 도로의 노면표시를 분류하는 것을 특징으로 하는 노면표시 분류 시스템 및 방법에 관한 것이다.
2010년 구글에서 무인자율주행차량을 발표한 이 후 무인자율주행차량에 대한 관심이 늘어나고 이 분야에 대한 연구가 활발히 진행되고 있다. 특히 무인자율주행차량의 경우 사람이 직접 차량을 주행할 때와 달리 도로면에 표시된 노면표시를 통해 주행 중인 도로의 주행방향을 결정하기 때문에 무인자율주행차량에 있어 노면표시 분류는 핵심 기술에 해당한다.
이와 관련하여 종래 기술은 차량전방에 부착된 카메라(비전센서)를 이용하여 차량전방의 도로를 촬영하고 촬영된 이미지를 바탕으로 도로면의 노면표시를 분류한다(한국등록특허공보 제10-1261409). 상기 카메라 기반 노면표시 분류는 개발이 쉽고 정확한 명령 및 제어가 가능한 장점을 가지고 있으나, 복잡한 프로세싱으로 인해 연산이 늦고, 어둡거나 빛이 매우 강한 환경에서 노면표시를 분류할 수 있는 영상을 획득하기 어려운 결정적인 문제점이 있다. 이러한 문제점을 해결하기 위해 3차원 레이저 스캐너 기반의 연구가 진행되고 있으나, 2차원 레이저 스캐너 대비 10~15배의 높은 가격으로 인해 상용화가 어렵다는 한계가 있었다.
대한민국 등록특허 제10-1261409호(2013.04.30.)
상기 노면표시 분류방법의 문제점들을 해결하기 위해 본 발명은 2차원 레이저 스캐너를 이용하여 노면표시를 분류하는 것을 특징으로 하는 노면표시 분류 시스템 및 방법의 제공을 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 실시예에 따르면, 노면표시 정보에 대한 데이터베이스에서 노면표시를 분류할 수 있는 제1특징정보를 추출하는 정보학습부; 노면에서 수집한 노면정보에서 제2특징정보를 추출하는 정보 전처리부; 및 상기 제1특징정보와 상기 제2특징정보의 유사성을 측정하여 측정 결과값에 따라 상기 노면정보를 분류하는 정보 분류부;를 포함하는 것을 특징으로 하는 노면표시 분류 시스템이 제공될 수 있다.
또한, 본 발명의 다른 실시예에 따르면, 정보학습부가 노면표시 정보에 대한 데이터베이스에서 노면표시를 분류할 수 있는 제1특징정보를 추출하는 제1단계; 정보 전처리부가 노면에서 수집한 노면정보에서 제2특징정보를 추출하는 제2단계; 및 정보 분류부가 상기 제1특징정보와 상기 제2특징정보의 유사성을 측정하여 측정 결과값에 따라 상기 노면정보를 분류하는 제3단계;를 포함하는 것을 특징으로 하는 노면표시 분류 방법이 제공될 수 있다.
본 발명에 따른 노면표시 분류 시스템 및 방법을 제공함으로써, 간단한 프로세싱에 의해 도로면의 노면표시를 분류할 수 있는 이점이 있다.
또한, 본 발명은 2차원 레이저 스캐너를 이용하는바, 경제적 측면에서 유리하고, 환경과 무관하게 데이터를 획득하여 노면표시를 분류할 수 있는 이점이 있다.
도 1은 본 발명의 실시예에 따른 노면표시 분류 시스템을 나타내는 설명도.
도 2는 본 발명의 실시예에 따른 데이터베이스에 저장된 직진표시에 대한 노면표시 정보의 일례.
도 3은 본 발명의 실시예에 따른 차량에 설치된 라이다를 나타내는 설명도.
도 4는 본 발명의 실시예에 따른 라이다의 동작원리와 그 정보의 형태를 나타내는 설명도.
도 5는 본 발명의 실시예에 따른 관심 영역 추출을 설명하는 설명도.
도 6a는 본 발명의 실시예에 따른 1차원 데이터 수집을 설명하는 설명도.
도 6b는 본 발명의 실시예에 따른 중간값 필터를 이용하여 1차원 데이터를 보정한 결과를 설명하는 설명도.
도 7은 본 발명의 실시예에 따른 1차원 데이터를 축적하여 노면표시 정보를 수집하고, 상기 노면표시 정보로부터 특징정보를 추출하는 과정을 설명하는 설명도.
도 8은 본 발명의 실시예에 따른 정보 분류부를 설명하는 설명도.
도 9는 본 발명의 실시예에 따른 노면표시 분류 방법의 흐름도.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 본 발명의 실시예를 첨부한 도면들을 참조하여 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 노면표시 분류 시스템을 나타내는 설명도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 노면표시 분류 시스템(1000)은 정보학습부(100), 정보 전처리부(200) 및 정보 분류부(300)를 포함할 수 있다.
본 발명의 실시예에 따른 상기 정보학습부(100)는 데이터구축부(110) 및 제1특징정보 추출부(120)를 포함할 수 있고, 노면표시 정보에 대한 데이터베이스에서 노면표시를 분류할 수 있는 제1특징정보를 추출할 수 있다.
본 발명의 실시예에 따른 상기 데이터구축부(110)는 분류하고자 하는 하나 이상의 노면표시에 대한 노면표시 정보를 저장할 수 있다. 또한, 본 발명의 실시예에 따른 상기 데이터구축부(110)는 상기 노면표시 정보가 저장된 데이터베이스 형태 일 수 있다.
상기 분류하고자 하는 하나 이상의 노면표시는 도로교통법 시행규칙 별표 6에 개시된 노면표시 및 노면표시의 규격에 대한 정보를 포함할 수 있다.
상기 노면표시 정보는 상기 노면표시 각각에 대하여 라이다를 통해 직접 측량하여 생성한 데이터와 실험을 통해 획득한 데이터를 행과 열로 표현한 2차원 데이터인 노면표시 정보를 포함할 수 있으며, 상기 노면표시 정보는 라이다를 부착한 차량의 속도에 따라 행의 길이를 달리하여 엑셀파일의 형태로 데이터구축부(110)에 저장될 수 있다.
예를 들어 분류하고자 하는 노면표시가 직진표시인 경우, 도 2와 같이 하나 이상의 노면표시 정보를 차량의 속도에 따라 행의 길이를 달리하여 엑셀파일의 형태로 데이터구축부(110)에 저장할 수 있다.
본 발명의 실시예에 따른 상기 제1특징정보 추출부(120)는 상기 데이터구축부(110)에 포함된 하나 이상의 노면표시 정보 각각에 대해 수직 방향의 열 투영 벡터를 획득하여 제1특징정보를 추출할 수 있다. 상기 제1특징정보 추출부(120)의 내용은 제2특징정보 추출부(270)의 내용과 동일하므로, 도 7에서 후술한다.
본 발명의 실시예에 따른 상기 정보 전처리부(200)는 데이터수집부(210), 관심영역추출부(220), 이진화부(230), 보정부(240), 객체분할부(250), 데이터축적부(260) 및 제2특징정보 추출부(270)를 포함할 수 있으며, 노면에서 수집한 노면표시 정보에서 제2특징정보를 추출할 수 있다.
도 3은 본 발명의 실시예에 따른 차량에 설치된 라이다를 나타내는 설명도, 도 4는 본 발명의 실시예에 따른 라이다의 동작원리와 그 정보의 형태를 나타내는 설명도, 도 5는 본 발명의 실시예에 따른 관심 영역 추출을 설명하는 설명도, 도 6a는 본 발명의 실시예에 따른 1차원 데이터 수집을 설명하는 설명도, 도 6b는 본 발명의 실시예에 따른 중간값 필터를 이용하여 1차원 데이터를 보정한 결과를 설명하는 설명도, 도 7은 본 발명의 실시예에 따른 1차원 데이터를 축적하여 노면표시 정보를 수집하고, 상기 노면표시 정보로부터 특징정보를 추출하는 과정을 설명하는 설명도이다.
도 3을 참조하면, 라이더(400)는 차량의 일측에 설치되어 레이저 송신방향에 대한 라이다 데이터를 수집한다. 상기 라이더(400)는 2차원 레이저 스캐너로서 모든 LIDAR 장비를 의미하고, 차량 내 단말장치와 통신하여 라이다 데이터를 상기 차량 내 단말장치에 전송할 수 있다.
본 발명의 실시예에 따른 상기 데이터수집부(210)는 상기 라이더(400)로부터 라이더(400)와 장애물 간의 거리 값을 의미하는 거리데이터와 장애물에 반사되어 돌아오는 반사 강도를 의미하는 신호세기데이터를 포함하는 제1라이다 데이터를 수집할 수 있다.
상기 제1라이다 데이터는 거리데이터와 신호세기데이터를 포함하며, 상기 거리데이터와 신호세기데이터는 도 4와 같이 16진수 형태의 숫자 배열로 구성될 수 있다. 상기 숫자 배열은 2차원 레이저 스캐너와 인지된 장애물 간의 거리 정보와 인지된 장애물의 신호세기 정보를 의미할 수 있다. 인지 범위 내에 장애물이 존재하지 않는 경우 0으로 표현되며, 인지 범위 내 장애물이 존재하는 경우 그 정보가 16진수로 표현될 수 있다.
본 발명의 실시예에 따른 상기 관심영역추출부(220)는 상기 제1라이다 데이터 중 기설정된 관심영역 내의 데이터인 제2라이다 데이터를 추출할 수 있다.
상기 기설정된 관심영역은 라이다를 설치한 차량이 주행 중인 차로에 대한 영역으로서, 거리데이터를 고려하여 관심 거리를 설정할 수 있으며, 도로의 폭을 고려하여 관심 각도를 설정할 수 있다. 본 발명의 일실시예로 라이다를 SICK LMS 511-Lite로 사용하여 거리데이터를 고려하고, 도로의 폭을 3.5m로 계산하는 경우, 도 5와 같이 관심 거리는 3m이며 관심 각도는 60°에 해당한다.
본 발명의 실시예에 따른 상기 이진화부(230)는 상기 제2라이다 데이터에 포함된 신호세기데이터를 기설정된 임계값과 비교하여 이진화할 수 있다.
구체적으로, 상기 이진화는 임계값을 설정하여 신호세기데이터와 비교하고, 상기 신호세기데이터가 임계값 이상일 경우 노면표시(1)로, 상기 신호세기데이터가 임계값 미만일 경우 아스팔트(0)로 수치화하는 과정을 포함할 수 있으며, 이를 통해 신호세기데이터를 이진화 할 수 있다.
본 발명의 실시예에 따른 상기 객체분할부(250)는 상기 이진화한 신호세기데이터의 연속성을 판단하여 연속적인 부분을 추출하고, 상기 이진화한 신호세기데이터의 연속적인 부분을 그룹화한 1차원 데이터를 수집할 수 있다.
상기 1차원 데이터를 수집하는 과정은 순차 분류(Sequential Classification) 기법을 이용할 수 있다.
구체적으로, 동일한 행의 이진화한 신호세기데이터 중
Figure pat00001
번째 열의 정보를
Figure pat00002
라 하고,
Figure pat00003
번째 이전 열의 정보를
Figure pat00004
,
Figure pat00005
번째 이후 열의 정보를
Figure pat00006
이라 하면, 노면표시 정보는 연속적으로 인지되어 획득되는 특성을 가지고 있는바, 임의의 점
Figure pat00007
에서 이전 열의 이진화한 신호세기데이터와 이후 열의 이진화한 신호세기데이터를 알 수 있다. 이를 통해 이진화한 신호세기데이터의 연속적인 부분을 판단할 수 있으며, 연속적인 부분을 추출하고 그룹화하여 1차원 데이터를 수집할 수 있다.
다만, 순차 분류 기법은 산탄잡음에 영향을 받는바, 상기 영향으로 손상된 이진화한 신호세기데이터를 보정하기 위해 중간값 필터를 사용할 수 있다. 상기 중간값 필터는 비선형 디지털 필터 기술로 영상 정보나 기타 정보로부터 잡음을 제거하는 목적으로 이용되며, 주어진 영역(Mask)의 크기를 결정하여 영역내의 정보를 정렬한 후 중간 크기의 정보를 선택하는 필터에 해당한다.
따라서, 본 발명의 실시예에 따른 상기 보정부(240)는 상기 이진화한 신호세기데이터의 불연속적인 부분을 중간값 필터를 이용하여 보정할 수 있다.
본 발명의 일실시예로 도 6a를 참조하면, 라이다를 통해 획득한 열의 정보 중 1이라는 기준 값을 통해 이진화한 신호세기데이터의 연속적인 부분을 그룹화하여 1차원 데이터를 수집하였고, 도 6b를 참조하면, 영역의 크기를 3으로 결정하고 상기 영역 내 이진화한 신호세기데이터의 평균값 크기로 선택하여 이진화한 신호세기데이터의 불연속적인 부분을 보정하였다.
본 발명의 일실시예로 도 7을 참조하여, 1차원 데이터를 축적하여 노면표시 정보를 수집하고, 상기 노면표시 정보로부터 특징정보를 추출하는 과정을 설명한다.
본 발명의 실시예에 따른 상기 데이터축적부(260)는 상기 1차원 데이터를 시간의 경과에 따라 축적하여 노면표시 정보를 수집할 수 있다.
구체적으로, 상기 1차원 데이터는 노면 표시에 있어 횡 방향의 한 단면 데이터를 의미하며, 한 단면에서 임계값을 넘은 데이터가 일정량 이상이 되면 데이터 누적을 시작하고, 노면 표시 전체에 대해 1차원 데이터를 수집하는바, 누적시간은 노면 표시의 횡의 길이 및 차량의 속도에 따라 결정된다. 도 7은 횡의 길이가 5.2m인 노면 표시에 대하여 차량의 속도를 10~40km로 하여 1차원 데이터를 축적한 결과이며, 이는 최소 0.5초에서 최대 2초의 누적시간을 통하여 1차원 데이터를 축적하여 노면표시 정보를 수집한 결과를 나타낸다.
상기 노면표시 정보는 상기 1차원 데이터를 한 단면의 정보로 누적하여 얻은 2차원 데이터를 포함할 수 있으며, 상기 2차원 데이터를 이용하면 3차원 라이다나 카메라에서 사용하는 다양한 패턴 인식 알고리즘을 적용할 수 있다.
본 발명의 실시예에 따른 상기 제2특징정보 추출부(270)는 상기 노면표시 정보에 대해 수직 방향의 열 투영 벡터를 획득하여 제2특징정보를 추출할 수 있다.
상기 수직 방향의 열 투영 벡터는 높은 차원을 낮은 차원으로 감소시키는 동시에 형상정보를 획득할 수 있는 기법으로, 본 발명에서는 특징정보 추출 후 분류 기법을 위해 상기 노면표시 정보에 대하여 수직 방향의 열 투영 벡터를 획득하는 방식으로 특징정보를 추출할 수 있다.
구체적으로, 도 7을 참조하면, 수집한 노면표시 정보에 대하여 노면표시(1)로 이진화 한 부분을 수직 방향으로 열 투영하여 특징정보를 추출하며, 상기 특징정보는 상기 수집한 노면표시 정보 중 노면표시(1)로 이진화 한 부분의 카운팅에 대한 정보가 포함될 수 있다.
위에서는 실시예를 참조하여 설명하였지만 상기 실시예는 본 발명의 일실시예로, 해당 기술 분야의 숙련된 당업자는 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음은 물론이다.
본 발명의 실시예에 따른 상기 정보 분류부(300)는 특징정보 결정부(310), 특징정보 비교부(320) 및 노면표시분류부(330)를 포함할 수 있으며, 상기 제1특징정보와 상기 제2특징정보의 유사성을 측정하여 측정 결과값에 따라 상기 노면정보를 분류할 수 있다.
도 8은 본 발명의 실시예에 따른 정보 분류부(300)를 설명하는 설명도이다.
도 8을 참조하면, 본 발명의 실시예에 따른 상기 특징정보 결정부(310)는 상기 수집한 노면표시 정보의 면적백분율을 판단하고, 상기 면적백분율을 기설정된 임계값과 비교하여 데이터베이스 내 하나 이상의 제1특징정보를 결정할 수 있다.
구체적으로, 상기 특징정보 결정부(310)는 상기 수집한 노면표시 정보의 면적백분율을 판단하고, 상기 면적백분율을 기설정된 임계값과 비교할 수 있다. 상기 기설정된 임계값은 총 면적의 30%인 값이 바람직하다.
상기 면적백분율이 기설정된 임계값 미만인 경우, 데이터베이스 내 하나 이상의 제1특징정보 중 직진표시, 우회전표시, 좌회전표시 등의 문자형 노면표시에 해당하는 하나 이상의 특징정보를 제3특징정보로서 결정할 수 있다. 상기 면적백분율이 기설정된 임계값 이상인 경우, 데이터베이스 내 하나 이상의 제1특징정보 중 횡단보도, 과속방지턱 등에 해당하는 하나 이상의 특징정보를 제4특징정보로서 결정할 수 있다.
본 발명의 실시예에 따른 상기 특징정보 비교부(320)는 자기상관 알고리즘, 상호상관 알고리즘 및 정규화 상호상관 알고리즘을 이용하여 상기 제1특징정보와 상기 제2특징정보를 각각 비교하여 유사도의 최대값을 결정할 수 있다.
구체적으로, 상기 특징정보 비교부(320)는 상기 제3특징정보 또는 제4특징정보와 제2특징정보를 상호상관 알고리즘을 이용하여 각각 비교하고, 상기 상호상관 알고리즘의 결과와 제3특징정보 또는 제4특징정보에 있어 자기상관 알고리즘을 거친 제5특징정보를 정규화 상호상관 알고리즘을 이용하여 각각 비교 한 후, 이에 따라 유사도를 결정할 수 있다. 상기 결정된 제3특징정보 또는 제4특징정보는 하나 이상일 수 있으므로, 상기 결정된 유사도가 하나 이상인 경우, 상기 특징정보 비교부(320)는 하나 이상의 유사도 중 최대값을 가지는 유사도를 결정하여 이를 최종 유사도로 결정할 수 있다.
본 발명의 실시예에 따른 상기 노면표시분류부(330)는 상기 유사도의 최대값에 대응하여 노면표시를 분류할 수 있다.
구체적으로, 유사도의 최대값이 기설정된 임계값 이상인 경우 상기 노면표시분류부(330)는 상기 유사도의 최대값에 대응하는 노면표시로 분류하고, 유사도의 최대값이 기설정된 임계값 미만인 경우 상기 노면표시분류부(330)는 후보군 이외의 것으로 분류할 수 있다.
상기 기설정된 임계값은 사용자 임의로 변경할 수 있으나, 80%인 것이 바람직하다.
도 9는 본 발명의 실시예에 따른 노면표시 분류 방법의 흐름도이다.
도 9를 참조하면, S100단계에서 데이터수집부(210)는 차량에 부착된 라이더(400)로부터 거리데이터와 신호데이터를 포함하는 제1라이다 데이터를 수집할 수 있고, 관심영역추출부(220)는 상기 라이다 데이터 중 기설정된 관심영역 내의 데이터인 제2라이다 데이터를 추출할 수 있다.
S200단계에서 이진화부(230)는 상기 제2라이다 데이터에 포함된 신호세기데이터를 기설정된 임계값과 비교하여 이진화할 수 있다. 객체분할부(250)는 순차 분류 기법을 이용하여, 상기 이진화한 신호세기데이터의 연속성을 판단하여 연속적인 부분을 추출할 수 있으며, 상기 이진화한 신호세기데이터의 연속적인 부분을 그룹화한 1차원 데이터를 수집할 수 있다. 또한, 데이터축적부(260)는 상기 1차원 데이터를 한 단면의 정보로 누적하여 얻은 2차원 데이터인 노면표시 정보를 수집할 수 있고, 제2특징정보 추출부(270)는 상기 노면표시 정보에 대해 수직 방향의 열 투영 벡터를 획득하여 제2특징정보를 추출할 수 있다.
S300단계에서 특징정보 결정부(310)는 상기 수집한 노면표시 정보의 면적백분율을 판단하고, 상기 면적백분율을 기설정된 임계값과 비교하여 데이터베이스 내 하나 이상의 제1특징정보를 결정할 수 있다. 구체적으로 상기 특징정보 결정부(310)는 상기 면적백분율이 기설정된 임계값 미만인 경우, 데이터베이스 내 하나 이상의 제1특징정보 중 직진표시, 우회전표시, 좌회전표시 등의 문자형 노면표시에 해당하는 하나 이상의 특징정보를 제3특징정보로서 결정할 수 있고, 상기 면적백분율이 기설정된 임계값 이상인 경우, 데이터베이스 내 하나 이상의 제1특징정보 중 횡단보도, 과속방지턱 등에 해당하는 하나 이상의 특징정보를 제4특징정보로서 결정할 수 있다.
S400단계에서 특징정보 비교부(320)는 상기 제3특징정보 또는 제4특징정보와 제2특징정보를 상호상관 알고리즘을 이용하여 각각 비교하고, 상기 상호상관 알고리즘의 결과와 제3특징정보 또는 제4특징정보에 있어 자기상관 알고리즘을 거친 제5특징정보를 정규화 상호상관 알고리즘을 이용하여 각각 비교 한 후, 이에 따라 유사도를 결정할 수 있다. 상기 결정된 제3특징정보 또는 제4특징정보는 하나 이상일 수 있으므로, 상기 결정된 유사도가 하나 이상인 경우, 상기 특징정보 비교부(320)는 하나 이상의 유사도 중 최대값을 가지는 유사도를 결정하여 이를 최종 유사도로 결정할 수 있다.
S500단계에서 노면표시분류부(330)는 상기 유사도의 최대값이 기설정된 정확도 이상인 경우 상기 노면표시분류부(330)는 상기 유사도의 최대값에 대응하는 노면표시로 분류하고, 유사도의 최대값이 기설정된 정확도 미만인 경우 상기 노면표시분류부(330)는 후보군 이외의 것으로 분류할 수 있다.
위에서는 실시예를 참조하여 설명하였지만 상기 실시예는 본 발명의 일실시예로, 해당 기술 분야의 숙련된 당업자는 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음은 물론이다.
상술한 실시예에 설명된 특징, 구조, 효과 등은 본 발명의 적어도 하나의 실시예에 포함되며, 반드시 하나의 실시예에만 한정되는 것은 아니다. 나아가, 각 실시예에서 예시된 특징, 구조, 효과 등은 실시예들이 속하는 분야의 통상의 지식을 가지는 자에 의하여 다른 실시예들에 대해서도 조합 또는 변형되어 실시 가능하다.
따라서 이러한 조합과 변형에 관계된 내용들은 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다. 또한, 이상에서 실시예들을 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 실시예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시예들에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부한 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.
100: 정보학습부
110: 데이터구축부
120: 제1특징정보 추출부
200: 정보 전처리부
210: 데이터수집부
220: 관심영역추출부
230: 이진화부
240: 보정부
250: 객체분할부
260: 데이터축적부
270: 제2특징정보 추출부
300: 정보 분류부
310: 특징정보 결정부
320: 특징정보 비교부
330: 노면표시분류부
400: 라이더
1000: 노면표시 분류 시스템

Claims (10)

  1. 노면표시 정보에 대한 데이터베이스에서 노면표시를 분류할 수 있는 제1특징정보를 추출하는 정보학습부;
    노면에서 수집한 노면정보에서 제2특징정보를 추출하는 정보 전처리부; 및
    상기 제1특징정보와 상기 제2특징정보의 유사성을 측정하여 측정 결과값에 따라 상기 노면정보를 분류하는 정보 분류부;를 포함하는 것을 특징으로 하는 노면표시 분류 시스템.
  2. 제1항에 있어서,
    상기 정보학습부는
    분류하고자 하는 하나 이상의 노면표시에 대한 노면표시 정보를 저장하는 데이터구축부; 및
    상기 노면표시 정보에 대해 수직 방향의 열 투영 벡터를 획득하여 상기 제1특징정보를 추출하는 제1특징정보 추출부;를 포함하는 것을 특징으로 하는 노면표시 분류 시스템.
  3. 제1항에 있어서,
    상기 정보 전 처리부는
    차량에 설치된 라이더로부터 거리데이터와 신호세기데이터를 포함하는 제1라이다 데이터를 수집하는 데이터수집부;
    상기 제1라이다 데이터 중 기설정된 관심영역 내의 데이터인 제2라이다 데이터를 추출하는 관심영역추출부;
    상기 제2라이다 데이터에 포함된 상기 신호세기데이터를 기설정된 임계값과 비교하여 이진화하는 이진화부;
    상기 이진화한 신호세기데이터의 연속성을 판단하여 연속적인 부분을 추출하고, 상기 이진화한 신호세기데이터의 연속적인 부분을 그룹화한 1차원 데이터를 수집하는 객체분할부;
    상기 1차원 데이터를 시간의 경과에 따라 축적하여 노면표시 정보를 수집하는 데이터축적부; 및
    상기 노면표시 정보에 대해 수직 방향의 열 투영 벡터를 획득하여 제2특징정보를 추출하는 제2특징정보 추출부;를 포함하는 것을 특징으로 하는 노면표시 분류 시스템.
  4. 제3항에 있어서,
    상기 정보 전 처리부는 상기 이진화한 신호세기데이터의 불연속적인 부분을 중간값 필터를 이용하여 보정하는 보정부;를 더 포함하는 것을 특징으로 하는 노면표시 분류 시스템.
  5. 제1항에 있어서,
    상기 정보 분류부는
    상기 수집한 노면표시 정보의 면적백분율을 판단하고, 상기 면적백분율을 기설정된 임계값과 비교하여 데이터베이스 내 하나 이상의 상기 제1특징정보를 결정하는 특징정보 결정부;
    자기상관 알고리즘, 상호상관 알고리즘 및 정규화 상호상관 알고리즘을 이용하여 상기 제1특징정보와 상기 제2특징정보를 각각 비교하여 유사도의 최대값을 결정하는 특징정보 비교부; 및
    상기 유사도의 최대값에 대응하여 노면표시를 분류하는 노면표시분류부;를 포함하는 것을 특징으로 하는 노면표시 분류 시스템.
  6. 정보학습부가 노면표시 정보에 대한 데이터베이스에서 노면표시를 분류할 수 있는 제1특징정보를 추출하는 제1단계;
    정보 전처리부가 노면에서 수집한 노면정보에서 제2특징정보를 추출하는 제2단계; 및
    정보 분류부가 상기 제1특징정보와 상기 제2특징정보의 유사성을 측정하여 측정 결과값에 따라 상기 노면정보를 분류하는 제3단계;를 포함하는 것을 특징으로 하는 노면표시 분류 방법.
  7. 제6항에 있어서,
    상기 제1단계는
    제1특징정보 추출부가 상기 노면표시 정보에 대해 수직 방향의 열 투영 벡터를 획득하여 제1특징정보를 추출하는 단계;를 포함하는 것을 특징으로 하는 노면표시 분류 방법.
  8. 제6항에 있어서,
    상기 제2단계는
    데이터수집부가 차량에 설치된 라이더로부터 거리데이터와 신호세기데이터를 포함하는 제1라이다 데이터를 수집하는 단계;
    관심영역추출부가 상기 제1라이다 데이터 중 기설정된 관심영역 내의 데이터인 제2라이다 데이터를 추출하는 단계;
    이진화부가 상기 제2라이다 데이터에 포함된 상기 신호세기데이터를 기설정된 임계값과 비교하여 이진화하는 단계;
    객체분할부가 상기 이진화한 신호세기데이터의 연속성을 판단하여 연속적인 부분을 추출하고, 상기 이진화한 신호세기데이터의 연속적인 부분을 그룹화한 1차원 데이터를 수집하는 단계;
    데이터축적부가 상기 1차원 데이터를 시간의 경과에 따라 축적하여 노면표시 정보를 수집하는 단계; 및
    제2특징정보 추출부가 상기 노면표시 정보에 대해 수직 방향의 열 투영 벡터를 획득하여 제2특징정보를 추출하는 단계;를 포함하는 것을 특징으로 하는 노면표시 분류 방법.
  9. 제8항에 있어서,
    상기 제2단계는
    보정부가 상기 이진화한 신호세기데이터의 불연속적인 부분을 중간값 필터를 이용하여 보정하는 단계; 를 더 포함하는 것을 특징으로 하는 노면표시 분류 방법.
  10. 제6항에 있어서,
    상기 제3단계는
    특징정보 결정부가 상기 수집한 노면표시 정보의 면적백분율을 판단하고, 상기 면적백분율을 기설정된 임계값과 비교하여 데이터베이스 내 하나 이상의 상기 제1특징정보를 결정하는 단계;
    특징정보 비교부가 자기상관 알고리즘, 상호상관 알고리즘 및 정규화 상호상관 알고리즘을 이용하여 상기 제1특징정보와 상기 제2특징정보를 각각 비교하여 유사도의 최대값을 결정하는 단계; 및
    노면표시분류부가 상기 유사도의 최대값에 대응하여 노면표시를 분류하는 단계; 를
    포함하는 것을 특징으로 하는 노면표시 분류 방법.
KR1020160063545A 2016-05-24 2016-05-24 노면표시 분류 시스템 및 방법 KR20170132539A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160063545A KR20170132539A (ko) 2016-05-24 2016-05-24 노면표시 분류 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160063545A KR20170132539A (ko) 2016-05-24 2016-05-24 노면표시 분류 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR20170132539A true KR20170132539A (ko) 2017-12-04

Family

ID=60921365

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160063545A KR20170132539A (ko) 2016-05-24 2016-05-24 노면표시 분류 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR20170132539A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102423218B1 (ko) 2021-07-16 2022-07-20 한국건설기술연구원 심층 신경망을 이용한 도로 노면 손상 및 장애물 동시 탐지 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체.

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102423218B1 (ko) 2021-07-16 2022-07-20 한국건설기술연구원 심층 신경망을 이용한 도로 노면 손상 및 장애물 동시 탐지 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체.

Similar Documents

Publication Publication Date Title
KR101411668B1 (ko) 교정 장치, 거리 측정 시스템, 교정 방법, 및 교정 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
EP3057063B1 (en) Object detection device and vehicle using same
EP3576008B1 (en) Image based lane marking classification
JP5297078B2 (ja) 車両の死角における移動物体を検知するための方法、および死角検知装置
KR101364727B1 (ko) 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치
KR101891460B1 (ko) 차도 위의 반사체를 인식하고 평가하기 위한 방법 및 장치
US20050232463A1 (en) Method and apparatus for detecting a presence prior to collision
US20100259609A1 (en) Pavement marker recognition device, pavement marker recognition method and pavement marker recognition program
US20100110193A1 (en) Lane recognition device, vehicle, lane recognition method, and lane recognition program
US9286512B2 (en) Method for detecting pedestrians based on far infrared ray camera at night
JP6054777B2 (ja) ステレオカメラ装置
JP6717240B2 (ja) 物標検出装置
JP5894201B2 (ja) 境界線認識装置
KR101663574B1 (ko) 야간 환경에서의 운전자 보조 시스템을 위한 위험 보행자 검출 방법 및 시스템
US10672141B2 (en) Device, method, system and computer-readable medium for determining collision target object rejection
Guo et al. Lane detection and tracking in challenging environments based on a weighted graph and integrated cues
CN111149131A (zh) 区划线识别装置
KR101406316B1 (ko) 차선 인식 장치 및 그 방법
JP2005316607A (ja) 画像処理装置及び画像処理方法
JP4937844B2 (ja) 歩行者検出装置
KR101264282B1 (ko) 관심영역 설정을 이용한 도로상 차량의 검출방법
JP5805619B2 (ja) 境界線認識装置
KR20160088986A (ko) 소실점 기반의 양안시차를 이용한 차선 검출 방법
JP2002367077A (ja) 交通渋滞判定装置及び交通渋滞判定方法
KR20170132539A (ko) 노면표시 분류 시스템 및 방법