KR20190009608A

KR20190009608A - 자동차 관계 데이터를 생성하는 방법 및 디바이스

Info

Publication number: KR20190009608A
Application number: KR1020170091609A
Authority: KR
Inventors: 최대규
Original assignee: 삼성전자주식회사
Priority date: 2017-07-19
Filing date: 2017-07-19
Publication date: 2019-01-29

Abstract

자동차 관계 데이터를 생성하는 방법에 있어서, 적어도 하나의 차선 및 소정 범위 내의 적어도 하나의 자동차에 대해 촬영된 도로 환경 이미지를 획득하는 단계; 상기 도로 환경 이미지의 분석 결과에 따라 차선의 위치 및 차선의 타입을 식별하는 단계; 상기 식별된 차선의 위치 및 차선의 타입에 따라 상기 소정 범위 내의 자동차의 위치를 판단하는 단계; 및 상기 판단 결과에 기초하여 자동차 관계 데이터를 생성하는 단계를 포함하는 방법이 개시된다.

Description

자동차 관계 데이터를 생성하는 방법 및 디바이스{Method and Device for Generating Car Relationship Data}

본 발명은 자동차 네트워크를 활용하기 위한 자동차 관계 데이터를 생성하는 방법 및 디바이스에 관한 것이다.

최근 다양한 통신 기술의 발전에 따라 자동차에 통신 기술을 도입하여 자동차간 통신을 수행하는 기술이 등장하였다. 즉, 자동차의 스마트화로 인해, 자동차는 단순한 기계적 디바이스에서 스마트카로 진화하고 있으며, 스마트카의 핵심 기술로 운전 중 도로 인프라 및 다른 자동차와 통신하면서 교통상황 등의 정보를 교환하거나 공유하는 기술인 자동차 통신 시스템이 주목받고 있다.

일반적으로 자동차 통신 시스템은 도로의 상황에 대한 정보를 획득하여 V2X(Vehicle to Everything) 통신 기반의 무선 자동차 네트워크를 활용하여 자동차들을 제어함으로써 자동차의 안전성과 교통의 효율성을 극대화할 수 있다. 도로의 상황에 대한 정보는 일반적으로 자동차 간의 관계를 나타내는 자동차 토폴로지 정보로 표현될 수 있다.

종래에는 자동차에 다양한 센서를 장착하여 센서를 이용하여 주변 자동차의 위치에 관한 정보를 획득하거나, Wi-Fi 신호와 같이 자동차 간의 RF 신호를 이용하여 자동차 간의 거리를 측정하거나, GPS를 활용하는 등의 방법을 사용하였다.

본 발명은 신뢰도 있는 도로의 상황에 대한 정보를 생성하는 방법을 제공하고자 한다.

상기와 같은 종래 기술의 문제를 해결하기 위한 일부 실시예는, 자동차 관계 데이터를 생성하는 방법에 있어서, 적어도 하나의 차선 및 소정 범위 내의 적어도 하나의 자동차에 대해 촬영된 도로 환경 이미지를 획득하는 단계; 상기 도로 환경 이미지의 분석 결과에 따라 차선의 위치 및 차선의 타입을 식별하는 단계; 상기 식별된 차선의 위치 및 차선의 타입에 따라 상기 소정 범위 내의 자동차의 위치를 판단하는 단계; 및 상기 판단 결과에 기초하여 자동차 관계 데이터를 생성하는 단계를 포함할 수 있다.

상기 소정 범위 내의 자동차의 위치를 판단하는 단계는, 상기 식별된 차선의 위치 및 차선의 타입에 따라 현재 주행 중인 차선의 앞에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하는 단계; 및 상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단하는 단계를 포함할 수 있다.

상기 차선의 위치 및 차선의 타입을 식별하는 단계는, 상기 도로 환경 이미지에 기초하여 차선의 형태, 차선의 색상, 차선의 연속 유무를 분석하는 단계; 상기 식별된 차선의 형태에 기초하여 차선의 타입이 직선 타입의 차선인지, 곡선 타입의 차선인지 식별하는 단계; 및 상기 식별된 차선의 색상, 차선의 연속 유무에 기초하여 현재 주행 중인 차선의 위치를 식별하는 단계를 포함할 수 있다.

상기 소정 범위 내의 자동차의 위치를 판단하는 단계는, 상기 식별된 차선의 형태가 직선 타입의 차선인 경우, 주행 방향의 소정의 거리 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하는 단계; 및 상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단하는 단계를 포함할 수 있다.

상기 주위 자동차의 위치를 판단하는 단계는, 상기 식별된 차선의 형태가 곡선 타입의 차선인 경우, 상기 도로 환경 이미지에 기초하여 곡선 타입의 차선의 곡률을 계산하는 단계; 상기 계산된 곡률에 따라 주행 경로를 예측하는 단계; 상기 예측된 주행 경로에 기초하여 주행 경로 상의 소정의 범위 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하는 단계; 및 상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단하는 단계를 포함할 수 있다.

상기 자동차 관계 데이터를 생성하는 단계는, 상기 도로 환경 이미지에 기초하여 상기 제 1 자동차와 상기 제 2 자동차 중 적어도 하나의 자동차 형태를 식별하는 단계; 상기 식별된 자동차 형태에 따라 자동차 형태별 번호판의 위치를 판단하는 단계; 및 상기 판단된 번호판의 위치에 기초하여 상기 제 1 자동차와 상기 제 2 자동차 중 적어도 하나의 자동차 번호 정보를 획득하는 단계; 상기 식별된 차선의 위치 및 상기 제 1 자동차와 상기 제 2 자동차의 자동차 번호에 기초하여 자동차 관계 데이터를 생성하는 단계를 포함할 수 있다.

상기 방법은, 상기 자동차 관계 데이터를 서버로 송신하는 단계를 더 포함하는 자동차 관계 데이터를 포함할 수 있다.

상기 방법은, 다른 자동차의 자동차 관계 데이터를 수신하는 단계; 및 상기 생성된 자동차 관계 데이터 및 상기 다른 자동차로부터 수신된 자동차 관계 데이터에 기초하여 자동차 토폴로지를 생성하는 단계를 더 포함할 수 있다.

상기 자동차 토폴로지를 생성하는 방법은, 상기 생성된 자동차 관계 데이터 및 상기 다른 자동차로부터 수신된 자동차 관계 데이터에 포함된 정보를 조합하여 적어도 하나의 자동차 간의 상대적 위치를 판단하는 단계; 상기 판단된 상대적 위치에 기초하여 현재 주행 중인 도로와 대응되는 소정의 공간에 각각의 자동차의 위치를 맵핑함으로써 자동차 토폴로지를 생성하는 단계를 포함할 수 있다.

상기 방법은, 추가적으로 수신된 자동차 관계 데이터가 존재하는 경우, 상기 생성된 자동차 토폴로지를 업데이트 하는 단계를 더 포함할 수 있다.

상기와 같은 종래 기술의 문제를 해결하기 위한 일부 실시예는, 상기 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.

상기와 같은 종래 기술의 문제를 해결하기 위한 일부 실시예는, 자동차 관계 데이터 생성 장치에 있어서 적어도 하나의 차선 및 소정 범위 내의 적어도 하나의 자동차에 대한 이미지인 도로 환경 이미지를 촬영하는 카메라; 및 상기 도로 환경 이미지의 분석 결과에 따라 차선의 위치 및 차선의 타입을 식별하고, 식별된 차선의 위치 및 차선의 타입에 따라 상기 소정 범위 내의 자동차의 위치를 판단하며, 상기 판단 결과에 기초하여 자동차 관계 데이터를 생성하는 프로세서를 포함할 수 있다.

상기 프로세서는, 상기 식별된 차선의 위치 및 차선의 타입에 따라 현재 주행 중인 차선의 앞에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하고, 상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단할 수 있다.

상기 프로세서는, 상기 도로 환경 이미지에 기초하여 차선의 형태, 차선의 색상, 차선의 연속 유무를 분석하고, 상기 식별된 차선의 형태에 기초하여 차선의 타입이 직선 타입의 차선인지, 곡선 타입의 차선인지 식별하고, 상기 식별된 차선의 색상, 차선의 연속 유무에 기초하여 현재 주행 중인 차선의 위치를 식별할 수 있다.

상기 프로세서는, 상기 식별된 차선의 형태가 직선 타입의 차선인 경우, 주행 방향의 소정의 거리 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하고, 상기 제 1 자동차 이외의 자동차를 상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단할 수 있다.

상기 프로세서는, 상기 식별된 차선의 형태가 곡선 타입의 차선인 경우, 상기 도로 환경 이미지에 기초하여 곡선 타입의 차선의 곡률을 계산하고, 상기 계산된 곡률에 따라 주행 경로를 예측하고, 상기 예측된 주행 경로에 기초하여 주행 경로 상의 소정의 범위 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하며, 상기 제 1 자동차 이외의 자동차를 상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단할 수 있다.

상기 프로세서는, 상기 도로 환경 이미지에 기초하여 상기 제 1 자동차와 상기 제 2 자동차 중 적어도 하나의 자동차 형태를 식별하고, 상기 식별된 자동차 형태에 따라 자동차 형태별 번호판의 위치를 판단하고, 상기 판단된 번호판의 위치에 기초하여 상기 제 1 자동차와 상기 제 2 자동차 중 적어도 하나의 자동차 번호 정보를 획득하며, 상기 식별된 차선의 위치 및 상기 제 1 자동차와 상기 제 2 자동차의 자동차 번호에 기초하여 자동차 관계 데이터를 생성할 수 있다.

상기 장치는, 다른 자동차의 자동차 관계 데이터를 수신하는 통신 인터페이스를 더 포함하며, 상기 프로세서는, 상기 생성된 자동차 관계 데이터 및 상기 다른 자동차로부터 수신된 자동차 관계 데이터에 기초하여 자동차 토폴로지를 생성할 수 있다.

상기 프로세서는, 상기 생성된 자동차 관계 데이터 및 상기 다른 자동차로부터 수신된 자동차 관계 데이터에 포함된 정보를 조합하여 적어도 하나의 자동차 간의 상대적 위치를 판단하고, 상기 판단된 상대적 위치에 기초하여 현재 주행 중인 도로와 대응되는 소정의 공간에 각각의 자동차의 위치를 맵핑함으로써 자동차 토폴로지를 생성할 수 있다.

상기와 같은 종래 기술의 문제를 해결하기 위한 일부 실시예는, 자동차 관계 데이터를 생성하는 서버에 있어서, 적어도 하나의 차선 및 소정 범위 내의 적어도 하나의 자동차에 대한 이미지인 도로 환경 이미지를 수신하는 통신 인터페이스; 및 상기 도로 환경 이미지의 분석 결과에 따라 차선의 위치 및 차선의 타입을 식별하고, 식별된 차선의 위치 및 차선의 타입에 따라 상기 소정 범위 내의 자동차의 위치를 판단하며, 상기 판단 결과에 기초하여 자동차 관계 데이터를 생성하는 프로세서를 포함할 수 있다.

도 1a 및 도 1b는 일부 실시예에 따른 자동차 관계 데이터를 이용하여 자동차를 제어하는 방법을 도시한다.
도 2는 일부 실시예에 따른 서버와 자동차 간의 통신을 통해 자동차 관계 데이터 및 차량 토폴로지를 생성하는 시스템을 도시한다.
도 3은 일부 실시예에 따른 자동차 간의 통신을 통해 자동차 관계 데이터 및 차량 토폴로지를 생성하는 시스템을 도시한다.
도 4는 일부 실시예에 따른 자동차 관계 데이터를 생성하는 방법의 순서도를 도시한다.
도 5은 일부 실시예에 따른 차선의 위치 및 차선의 타입을 식별하는 방법을 도시한다.
도 6 및 도 7은 일부 실시예에 따른 차선의 타입에 따른 선행하는 자동차를 판단하는 방법을 도시한다.
도 8은 일부 실시예에 따른 자동차 관계 데이터를 생성하는 방법의 세부 순서도를 도시한다.
도 9는 일부 실시예에 따른 자동차 관계 데이터를 도시한다.
도 10은 일부 실시예에 따른 도로 상의 자동차의 배열 및 자동차 관계 데이터를 도시한다.
도 11 및 도 12는 일부 실시예에 따른 자동차 토폴로지를 도시한다.
도 13은 일부 실시예에 따른 자동차 관계 데이터를 생성하는 디바이스의 블록도이다.
도 14는 일부 실시예에 따른 자동차 관계 데이터를 생성하는 서버의 블록도이다.
도 15는 일부 실시예에 따른 자동차 관계 데이터를 생성하는 디바이스의 세부 블록도이다.

본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.

명세서 전체에서, 어떤 부분이 다른 부분과 연결되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 전기적으로 연결되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 프로세싱하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.

명세서 전체에서 디바이스라 함은, 퍼스널 컴퓨터(Personal Computer), 휴대폰(Cellular Phone), 스마트 폰, TV, 타블렛, 노트북, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 냉장고, 세탁기, 청소기, 센서, 블랙박스, 자동차에 탑재 디바이스, 자동차에 탑재된 디바이스 내의 모듈, 자동차 그 자체를 포함할 수 있다. 물론 상기 예시에 제한되지 않으며, 다양한 디바이스들을 포함할 수 있다.

명세서 전체에서 자동차 토폴로지라 함은 적어도 하나의 자동차들이 구성하는 다양한 형태의 자동차 토폴로지에 관한 데이터를 의미할 수 있다. 즉, 자동차 토폴로지는 적어도 하나의 자동차의 배치 순서, 배치 구조 및 자동차간 거리 등 자동차의 배치의 물리적 형태에 관한 적어도 하나의 정보들을 포함하는 데이터를 의미할 수 있다.

명세서 전체에서 자동차 관계 데이터라 함은 운전자가 주행, 정차, 주차 중인 자동차 또는 자동차 내에 포함된 적어도 하나의 디바이스를 기준으로, 주행, 정차, 주차 중인 자동차 또는 자동차 내에 포함된 적어도 하나의 디바이스의 위치 및 소정의 범위 내의 자동차의 위치를 포함하는 데이터를 의미할 수 있다.

예를 들면, 자동차 관계 데이터는 현재 주행중인 차선의 위치가 1차선인지, 2차선인지에 대한 정보, 선행하는 자동차의 자동차 번호 정보, 근접 차선(예를 들면 주행중인 차선의 좌측 차선)에 주행중인 자동차의 자동차 번호 정보 등을 포함할 수 있다.

명세서 전체에서 도로 환경 이미지라 함은 적어도 하나의 차선, 적어도 하나의 자동차에 관해 촬영된 이미지로써, 자동차 또는 자동차가 포함하는 이미지 촬영 디바이스(예를 들면, 카메라, 캠코더, 각종 센서)로 촬영된 이미지를 포함할 수 있다.

명세서 전체에서 차선의 위치라 함은 자동차가 위치한 차선이 1차선인지, 2차선인지, 또는 3차선인지에 대한 정보를 의미할 수 있다. 또한 현재 주행중인 차선이라 함은 자동차 관계 데이터를 생성하는 디바이스 또는 자동차 관계 데이터를 생성하는 디바이스가 탑재된 자동차가 주행중인 차선을 의미할 수 있다.

명세서 전체에서 근접 차선이라 함은 현재 주행중인 차선에 근접한 차선을 의미할 수 있다. 예를 들면, 현재 자동차가 주행중인 차선이 2차선인 경우, 근접 차선은 1차선과 3차선을 포함할 수 있다.

명세서 전체에서 차선의 타입이라 함은 차선의 형태가 직선 차선인지 곡선 차선인지에 대한 정보를 의미할 수 있으며, 도로의 위치라 함은 도로의 지리학적 위치를 의미할 수 있다.

명세서 전체에서 선행하는 자동차이라 함은 현재 주행중인 자동차의 앞에 주행중인 자동차를 의미할 수 있다. 일부 실시예에 따르면, 선행하는 자동차란 소정의 거리 내에서 주행 중인 자동차 중 근접 차선이 아닌 동일 차선의 앞에서 주행 중인 자동차를 의미할 수 있다.

도 1a 및 도 1b는 일부 실시예에 따른 자동차 관계 데이터를 이용하여 자동차를 제어하는 방법을 도시한다.

앞서 설명한 V2X 통신은 자동차들 간의 통신을 뜻하는 V2V(Vehicle to Vehicle), 자동차와 개인에 의해 휴대되는 단말 간의 통신을 뜻하는 V2P(Vehicle to Pedestrian), 자동차와 도로변의 유닛(Roadside Unit, RSU)과 네트워크(Network) 간의 통신을 뜻하는 V2I/N(Vehicle to Infrastructure/Network)를 포함할 수 있다. V2X를 통한 통신을 이용하여 자동차 관계 데이터를 이용하면 다양한 자동차의 제어가 가능하다.

도 1a는 자동차 관계 데이터를 이용한 자동차의 제어의 일 예를 도시한다. 자동차들은 소정의 간격만을 유지하면서 대열을 이루도록 자동차를 제어될 수 있다. 즉, 자동차 간의 통신을 수행함으로써 제 1 자동차(11)과 제 2 자동차(12) 및 제 3 자동차(13)은 기차와 같이 연속적인 행렬이 유지되도록 제어될 수 있다. 자동차의 대열을 제어하기 위해서는 자동차간의 통신을 이용하여 생성된 제 1 자동차(11), 제 2 자동차(12) 및 제 3 자동차(13)의 배치 순서, 간격에 대한 정보인 자동차 관계 데이터가 필요하다.

도 1b는 자동차 관계 데이터를 이용한 자동차의 제어의 일 예를 도시한다. 충돌 사고가 발생한 경우, 소정의 자동차가 충돌을 회피하기 위해 선택한 행동은 다수의 다른 자동차에게 위험한 주행 상황을 야기할 수 있다. 자동차의 충돌 방지 시스템은 한대의 자동차만이 아닌 복수의 자동차의 주행을 조율하여 협력적인 방식으로 충돌을 회피할 수 있도록 할 수 있다.

예를 들면, 제 4 자동차(21)이 충돌 사고 때문에 회피해야 하는 경우, 제 4 자동차(21), 제 5 자동차(22) 및 제 6 자동차(23)과 함께 제어됨으로써, 제 4 자동차(21), 제 5 자동차(22) 및 제 6 자동차(23) 간의 추가 충돌 사고의 발생이 예방될 수 있다.

뿐만 아니라, 제 4 자동차(21)이 촬영한 영상 정보를 제 5 자동차(22) 및 제 6 자동차(23)에게 공유함으로써, 제 5 자동차(22) 및 제 6 자동차(23)이 제 4 자동차(21)에 가려져 보이지 않는 부분을 제거함으로써 안전성을 높일 수 있다. 충돌 사고의 예방 및 영상 정보의 공유를 위해서는 제 4 자동차(21), 제 5 자동차(22) 및 제 6 자동차(23) 간의 배치 순서, 간격에 대한 정보인 자동차 관계 데이터가 필요하다.

이하에서는 자동차 제어를 위한 자동차 관계 데이터를 생성하는 방법 및 디바이스에 대해 도시한다.

도 2는 일부 실시예에 따른 서버와 자동차 간의 통신을 통해 자동차 관계 데이터 및 차량 토폴로지를 생성하는 시스템을 도시한다.

도 2를 참조하면, 제 1 자동차(201)는 카메라(211)를 이용하여 제 2 자동차(202)를 촬영한다. 제 1 자동차(201)는 제 1 자동차(201)에 설치된 카메라(211)를 통해 제 2 자동차(202)에 대한 이미지를 획득할 수 있고, 획득한 이미지를 서버(203)에 전송할 수 있다.

일부 실시예에 따르면, 제 1 자동차(201)는 카메라(211)를 이용하여 제 2 자동차(202)뿐만 차선 및 소정 범위 내의 다른 자동차에 관한 이미지를 획득할 수도 있다. 즉, 제 1 자동차(201)는 도로 환경 이미지를 획득할 수 있다.

또한 일부 실시예에 따르면, 제 1 자동차(201)는 카메라(211)가 아닌 다양한 센서를 통해 도로 환경 이미지와 대응되는 정보를 획득할 수도 있다. 예를 들어, 제 1 자동차(201)는 라이다(RADAR) 센서, 근접 센서 등을 이용하여 도로 환경 이미지와 대응되는 정보를 획득할 수도 있으며, 카메라와 센서의 조합에 의해 도로 환경 이미지와 대응되는 정보를 획득할 수도 있다.

추가적으로, 도 2에 도시되어 있지 않지만, 제 2 자동차(202) 또한 제 2 자동차에 설치된 카메라를 이용하여 제 1 자동차가 획득한 도로 환경 이미지와는 상이한 도로 환경 이미지를 획득할 수 있다. 다시 말해서, 각 자동차는 각 자동차에 설치된 카메라를 이용하여 각 자동차와 대응하는 도로 환경 이미지를 획득할 수 있다.

일부 실시예에 따르면 제 1 자동차(201)는 획득한 도로 환경 이미지를 서버(203)에 전송할 수 있다. 서버(203)는 제 1 자동차(201)로부터 제 1 자동차(201)가 촬영한 도로 환경 이미지를 획득하고, 획득한 도로 환경 이미지를 분석할 수 있다. 서버(203)는 도로 환경 이미지를 분석하여 차선의 위치 및 차선의 타입을 식별하고, 소정 범위 내의 자동차의 위치를 판단할 수 있다. 또한 서버(203)는 도로 환경 이미지의 분석 결과에 기초하여 자동차 관계 데이터를 생성할 수도 있다.

또한 서버(203)는 제 2 자동차(202)로부터 제 2 자동차(202)가 촬영한 도로 환경 이미지를 획득하고, 획득한 도로 환경 이미지를 분석할 수도 있다. 서버(203)는 제 2 자동차(202)가 촬영한 도로 환경 이미지를 분석할 수도 있다. 즉 서버(203)는 적어도 하나의 자동차들로부터 각 자동차가 획득한 도로 환경 이미지를 수신하고, 수신된 적어도 하나의 도로 환경 이미지를 분석하고, 도로 환경 이미지를 분석하여 자동차 관계 데이터를 생성할 수 있다.

또한 서버(203)는 각 자동차와 대응되는 도로 환경 이미지에 기초하여 생성된 자동차 관계 데이터를 조합함으로써 자동차 토폴로지를 생성할 수 있다.

일부 실시예에 따르면, 제 1 자동차(201)가 직접 제 1 자동차(201)가 촬영한 도로 환경 이미지를 분석할 수 있다. 제 1 자동차(201)는 도로 환경 이미지를 분석하여 생성한 자동차 관계 데이터를 서버(203)로 송신할 수도 있다. 제 1 자동차(201)는 제 2 자동차(202)가 촬영한 도로 환경 이미지를 분석하여 자동차 관계 데이터를 생성할 수 있다. 서버(203)는 제 1 자동차(201)가 생성한 자동차 관계 데이터와 제 2 자동차(202)가 생성한 자동차 관계 데이터를 수신하고, 수신된 각 자동차 관계 데이터를 조합함으로써 자동차 토폴로지를 생성할 수 있다.

일부 실시예에 따르면, 도 2의 자동차 관계 데이터를 생성하는 시스템은 적어도 하나의 자동차(201 내지 202)와 서버(203)의 협동에 의해 구현될 수도 있고, 서버(203)를 제외한 적어도 하나의 자동차(201 내지 202) 간의 협동에 의해서 구현될 수도 있다. 서버(203)를 제외한 적어도 하나의 자동차(201 내지 202) 간의 협동에 의해 구현되는 시스템은 이하의 도 3에서 자세히 설명한다.

일부 실시예에 따르면, 생성된 자동차 관계 데이터들은 3GPP TR 22.886 V15.0.0 (2016-12, 3rd Generation Partnership Project; Technical Specification Group Services and System Aspects; Study on enhancement of 3GPP Support for 5G V2X Services (Release 15) 에 기재된 다양한 자동차 제어에 사용될 수 있다.

일 실시예에 따르면 다양한 자동차 분야에서 사용될 수 있는 자동차 관계 데이터 및 자동차 토폴로지를 효율적이면서도 신뢰도 있게 생성 또는 획득할 수 있다.

도 3은 일부 실시예에 따른 자동차 간의 통신을 통해 자동차 관계 데이터 및 차량 토폴로지를 생성하는 시스템을 도시한다.

일부 실시예에 따르면, 제 1 자동차(301)는 카메라를 이용하여 선행하는 자동차인 제 2 자동차(302) 및 근접 차선에 위치한 자동차인 제 3 자동차(303)에 대한 이미지인 도로 환경 이미지를 획득할 수 있다. 제 1 자동차(301)가 촬영한 도로 환경 이미지는 1차선부터 3차선까지의 차선(321 내지 323), 중앙선(325), 제 2 자동차(302) 및 제 3 자동차(303)가 포함된 이미지일 수 있다. 즉, 도로 환경 이미지는 적어도 하나의 차선, 적어도 하나의 자동차에 관해 촬영된 이미지로써, 자동차 또는 자동차가 포함하는 이미지 촬영 디바이스(예를 들면, 카메라, 캠코더, 각종 센서)로 촬영된 이미지를 포함할 수 있다.

일부 실시예에 따르면, 제 1 자동차(301)는 도로 환경 이미지를 분석하여 차선의 위치, 차선의 타입, 소정 범위 내의 자동차의 위치를 판단하고, 소정 범위 내의 자동차 번호를 확인하여 자동차 관계 데이터를 생성할 수 있다.

예를 들면, 제 1 자동차(301)는 도로 환경 이미지 내의 중앙선(325) 및 1 내지 3차선(321 내지 323)에 기초하여 제 1 자동차(301)가 1 차선 내지 3 차선(321 내지 323) 중 어떤 차선에 위치하는지 판단할 수 있다. 또한 제 1 자동차(301)는 제 2 자동차(302) 및 제 3 자동차(303) 중 어떤 자동차가 제 1 자동차(301)와 동일한 차선에서 선행하는 자동차인지, 어떤 자동차가 근접 차선에서 주행하는 자동차인지 판단할 수 있다.

일부 실시예에 따르면, 제 2 자동차(302) 및 제 3 자동차(303) 또한 제 1 자동차(301)와 동일한 방식으로 카메라를 이용하여 도로 환경 이미지를 획득할 수 있다.

일부 실시예에 따르면, 제 2 자동차(302) 및 제 3 자동차(303)는 획득한 도로 환경 이미지를 제 1 자동차(301)로 전송할 수 있다. 제 1 자동차(301)는 제 2 자동차(302) 및 제 3 자동차(303)가 획득한 도로 환경 이미지들을 획득하고, 제 1 자동차(301)가 획득한 도로 환경 이미지, 제 2 자동차(302)가 획득한 도로 환경 이미지를 분석할 수 있다.

뿐만 아니라, 제 1 자동차(301)는 제 1 자동차(301)가 획득한 도로 환경 이미지, 제 2 자동차(302)가 획득한 도로 환경 이미지 및 제 3 자동차(303)가 획득한 도로 환경 이미지 중 적어도 하나에 기초하여 자동차 관계 데이터를 생성할 수 있고, 생성한 자동차 관계 데이터를 조합함으로써 자동차 토폴로지를 생성할 수도 있다.

다시 말해서, 제 1 자동차 내지 제 3 자동차(301 내지 303)은 서버에 도로 환경 이미지를 전송하지 않고 제 1 자동차 내지 제 3 자동차(301 내지 303)간의 통신을 통해 자동차 관계 데이터 및 자동차 토폴로지를 생성할 수도 있다.

도 4는 일부 실시예에 따른 자동차 관계 데이터를 생성하는 방법의 순서도를 도시한다.

도 4의 디바이스는 자동차 관계 데이터를 생성하는 디바이스로써, 자동차에 탑재된 디바이스, 자동차 내에 탑재된 디바이스 내에 포함된 모듈 또는 자동차 자체를 포함할 수 있으며, 서버를 포함할 수도 있다. 물론 상기 예시에 제한되지 않는다.

단계 410에서, 디바이스는 적어도 하나의 차선 및 소정 범위 내의 적어도 하나의 자동차에 대해 촬영된 도로 환경 이미지를 획득할 수 있다.

일부 실시예에 따르면, 디바이스는 카메라를 이용하여 도로 환경 이미지를 획득할 수 있다. 또한 디바이스는 다른 디바이스로부터 도로 환경 이미지를 수신함으로써 도로 환경 이미지를 획득할 수도 있다. 예를 들면, 디바이스는 다른 자동차에 탑재된 디바이스가 획득한 도로 환경 이미지를 획득할 수도 있다.

일부 실시예에 따르면, 디바이스는 카메라 대신 라이다(RADAR) 센서, 근접 센서 등을 추가적으로 이용하여 도로 환경 이미지를 획득할 수도 있으며, 상기 예시에 제한되지 않는다.

단계 430에서, 디바이스는 도로 환경 이미지의 분석 결과에 따라 차선의 위치 및 차선의 타입을 식별할 수 있다.

디바이스가 획득한 도로 환경 이미지에는 차선의 형태, 차선의 색상, 차선의 연속 유무 등이 포함되어 있다. 따라서, 디바이스는 도로 환경 이미지에 기초하여 차선의 형태, 차선의 색상, 차선의 연속 유무를 분석하여, 차선의 위치, 차선의 타입을 식별할 수 있다. 예를 들면, 디바이스는 현재 주행 중인 차선의 위치가 1차선인지, 2차선인지 판단할 수 있고, 주행 중인 차선의 타입이 곡선 타입의 차선인지 직선 타입의 차선인지 식별할 수 있다.

일부 실시예에 따르면, 디바이스는 도로 환경 이미지 내에 포함된 중앙선이나 가드레일, 중앙분리대, 인도, 신호등, 간판이나 건물까지의 거리, 또는 위치에 기초하여 차선의 위치를 식별할 수 있으며, 상기 예시에 제한되지 않으며, 도로 환경 이미지 내의 모든 정보를 이용하여 차선의 위치를 식별할 수 있다.

또한 일부 실시예에 따르면, 디바이스는 도로 환경 이미지 내의 차선의 간격, 길이, 차선의 연속 유무 및 차선의 형태 중 적어도 하나에 기초하여 차선의 타입을 식별할 수 있으며, 상기 예시에 제한되지 않고, 도로 환경 이미지 내의 모든 정보를 이용하여 차선의 타입을 식별할 수 있다.

단계 450에서, 디바이스는 식별된 차선의 위치 및 차선의 타입에 따라 소정 범위 내의 자동차의 위치를 판단할 수 있다.

일부 실시예에 따르면, 식별된 차선의 형태가 직선 타입의 차선인 경우, 디바이스는 주행 방향의 소정의 거리 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단할 수 있다. 또한 디바이스는 제 1 자동차 이외의 자동차를 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단할 수 있다.

일부 실시예에 따르면, 상기 식별된 차선의 형태가 곡선 타입의 차선인 경우, 디바이스는 도로 환경 이미지에 기초하여 곡선 타입의 차선의 곡률을 계산하고, 계산된 곡률에 따라 주행 경로를 예측할 수 있다. 디바이스는 예측된 주행 경로에 기초하여 주행 경로 상의 소정의 범위 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하고, 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단할 수 있다.

단계 470에서, 디바이스는 판단 결과에 기초하여 자동차 관계 데이터를 생성할 수 있다.

디바이스는 단계 450에서의 제 1 자동차와 상기 제 2 자동차 중 적어도 하나의 자동차 형태를 식별하고, 식별된 자동차 형태에 따라 자동차 형태별 번호판의 위치를 판단할 수 있다. 디바이스는 판단된 번호판의 위치에 기초하여 단계 450의 제 1 자동차와 제 2 자동차 중 적어도 하나의 자동차 번호 정보를 획득할 수 있다. 디바이스는 획득한 자동차 번호 정보 및 식별된 차선의 위치에 따라 자동차 관계 데이터를 생성할 수 있다. 자동차 관계 데이터에 대한 내용은 도 9 내지 10에서 자세히 설명한다.

또한 앞서 설명한 바와 같이 디바이스는 단계 450에서 생성한 자동차 관계 데이터를 서버로 송신할 수도 있고, 다른 자동차가 생성한 자동차 관계 데이터를 수신할 수도 있다.

디바이스는 단계 디바이스가 생성한 자동차 관계 데이터 및 다른 자동차로부터 수신된 자동차 관계 데이터에 기초하여 자동차 토폴로지를 생성할 수 있다. 물론 도 2에서 설명한 바와 같이 서버가 자동차 토폴로지를 생성할 수도 있다. 자동차 토폴로지에 대한 내용은 도 11 내지 12에서 자세히 설명한다.

도 5은 일부 실시예에 따른 차선의 위치 및 차선의 타입을 식별하는 방법을 도시한다.

도 5에 도시된 이미지는 도로 환경 이미지(501)로써, 동일 차선의 선행하는 자동차, 근접 차선에서 주행하는 자동차 및 차선을 포함하는 이미지를 포함할 수 있다. 도로 환경 이미지(501)는 추가적으로 표지판, 가드레일, 주변 건물 등을 포함하는 이미지일 수 있으며, 상기 예시에 제한되지 않는다.

일부 실시예에 따르면, 디바이스는 도로 환경 이미지(501)를 분석할 수 있다. 예를 들면, 디바이스는 도로 환경 이미지(501)내의 차선(503)을 식별할 수 있다. 디바이스는 이미지 프로세싱을 통해, 도로 환경 이미지(501)로부터 차선의 형태, 차선의 색상, 차선의 연속 유무, 차선의 길이 등을 식별할 수 있으며, 상기 예시에 제한되지 않는다.

일부 실시예에 따르면, 디바이스는 식별된 차선(503)의 형태에 따라 차선(503)이 직선 타입의 차선인지 곡선 타입의 차선인지 식별할 수 있고, 곡선 타입의 차선인 경우 곡선의 차선이 형성하는 곡률을 계산할 수 있다.

또한 일부 실시예에 따르면 디바이스는 도로 환경 이미지(501)로부터 자동차 번호판(505)를 식별할 수 있다. 디바이스는 이미지 프로세싱을 통해 도로 환경 이미지(501)내의 자동차 형태를 식별하고, 식별된 자동차 형태에 따라 자동차 형태별 번호판(505)의 위치를 판단할 수 있다. 예를 들면, 디바이스는 차종, 자동차의 형태에 따라 자동차 번호판(505)이 위치할 부분을 예측하여 자동차 번호에 관한 정보를 획득할 수 있다.

일부 실시예에 따르면, 디바이스는 획득한 자동차 번호판(505)으로부터 획득한 자동차 번호 및 식별된 차선(503)에 관한 정보에 따라 자동차 관계 데이터를 생성할 수 있다.

도 6 및 도 7은 일부 실시예에 따른 차선의 타입에 따른 선행하는 자동차를 판단하는 방법을 도시한다.

앞서 설명한 바와 같이 디바이스는 도로 환경 이미지로부터 차선의 타입을 식별할 수 있다.

일부 실시예에 따르면, 식별된 차선의 형태가 직선 타입의 차선인 경우, 디바이스는 주행 방향의 소정의 거리 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단할 수 있다. 또한 디바이스는 제 1 자동차 이외의 자동차를 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단할 수 있다. 즉, 디바이스는 직선 차선을 주행한다고 판단한 경우 주행 방향의 소정 거리 앞에 위치한 자동차를 동일 차선의 선행하는 자동차로 판단할 수 있다.

그러나 곡선 타입의 차선인 경우, 근접 차선에 위치하는 자동차와 동일 차선의 선행하는 자동차의 구분이 다소 어려울 수 있다.

도 6을 참조하면, 도 6은 오른쪽으로 굽은 곡선 타입의 차선에서 제 1 자동차(601)에 탑재된 디바이스가 동일 차선의 선행하는 자동차를 식별하는 방법을 도시한다.

제 1 자동차(601)에 탑재된 디바이스는 주행 중인 차선이 곡선 타입의 차선임을 식별할 수 있다. 그러나 제 1 자동차(601)에 탑재된 디바이스 제 2 자동차(602) 및 제 3 자동차(603) 중 어느 자동차가 동일 차선의 선행하는 자동차인지 판단하기 어렵다. 단순히 제 1 자동차(601)와의 직선 거리만을 판단하는 경우 제 3 자동차(603)가 제 2 자동차(602)에 비해 더 가까울 수 있어 정확하게 판단하기 어렵다.

따라서, 제 1 자동차(601)에 탑재된 디바이스는 도로 환경 이미지에 기초하여 곡선 타입의 차선의 곡률을 계산할 수 있다. 예를 들면, 제 1 자동차(601)에 탑재된 디바이스는 차선 궤적의 각도를 이용하여 곡률을 계산하거나, 곡선 타입의 차선의 반지름을 이용하여 곡률을 계산할 수 있다. 물론 상기 예시에 제한되지 않으며 곡률 계산을 위한 다양한 방법을 사용할 수 있다.

제 1 자동차(601)에 탑재된 디바이스는 계산된 곡률에 따라 주행 경로를 예측할 수 있다. 즉, 제 1 자동차(601)에 탑재된 디바이스는 계산된 곡률에 따라 제 1 자동차(601)가 어떠한 경로로 이동하게 될지 주행 경로를 예측할 수 있다.

제 1 자동차(601)에 탑재된 디바이스는 예측된 주행 경로 상의 소정의 범위 내에 위치하는 자동차인 제 2 자동차(602)를 제 1 자동차(601)와 동일 차선에서 선행하는 자동차로 판단할 수 있고, 제 2 자동차(602) 이외의 다른 자동차인 제 3 자동차(603)를 근접 차선에 주행 중인 자동차로 판단할 수 있다.

도 7을 참조하면, 도 7은 왼쪽으로 굽은 곡선 타입의 차선에서 제 1 자동차(701)에 탑재된 디바이스가 동일 차선의 선행하는 자동차를 식별하는 방법을 도시한다. 도 6에서 설명한 방법과 동일하게, 제 1 자동차(701)에 탑재된 디바이스는 차선의 곡률을 판단하여 주행 경로를 예측함으로써, 제 2 자동차(702)가 제 1 자동차(701)와 동일 차선에서 선행하는 자동차로 판단할 수 있고, 제 2 자동차(702) 이외의 다른 자동차인 제 3 자동차(703)를 근접 차선에 주행 중인 자동차로 판단할 수 있다.

도 8은 일부 실시예에 따른 자동차 관계 데이터를 생성하는 방법의 세부 순서도를 도시한다.

도 8의 디바이스는 자동차 관계 데이터를 생성하는 디바이스로써, 자동차에 탑재된 디바이스, 자동차 내에 탑재된 디바이스 내에 포함된 모듈 또는 자동차 자체를 포함할 수 있으며, 서버를 포함할 수도 있다. 물론 상기 예시에 제한되지 않는다.

단계 801에서, 디바이스는 적어도 하나의 차선 및 소정 범위 내의 적어도 하나의 자동차에 대해 촬영된 도로 환경 이미지를 획득할 수 있다.

단계 803에서, 디바이스는 도로 환경 이미지의 분석 결과에 따라 차선의 위치 및 차선의 타입을 식별할 수 있다. 단계 801 내지 803은 앞서 설명한 바와 대응되므로 자세한 설명은 생략한다.

단계 805에서, 디바이스는 직선 타입의 차선인지 판단할 수 있다.

앞서 설명한 바와 같이 디바이스는 이미지 프로세싱을 통해 도로 환경 이미지에 포함된 차선의 형태, 차선의 길이, 색상, 차선의 간격 등을 분석함으로써 현재 주행중인 차선이 직선 타입의 차선인지, 곡선 타입의 차선인지 판단할 수 있다. 현재 주행중인 차선이 직선 타입의 차선이라 판단되는 경우, 단계 807로 진행하고, 현재 주행중인 차선이 직선 타입의 차선이 아니라고 판단되는 경우, 단계 811로 진행할 수 있다.

현재 주행 중인 차선이 직선 타입의 차선이라 판단된 경우, 단계 807에서, 디바이스는 주행 방향의 소정의 거리 내에 위치하는 자동차를 동일 차선의 선행하는 자동차로 판단할 수 있다. 즉, 디바이스는 소정의 간격 앞에 위치하는 자동차를 동일 차선의 선행하는 자동차로 판단할 수 있다.

단계 809에서, 디바이스는 판단 결과에 기초하여 자동차 관계 데이터를 생성할 수 있다. 이는 앞서 설명한 바와 대응되므로 자세한 설명은 생략한다.

현재 주행중인 차선이 직선 타입의 차선이 아니라고 판단되는 경우, 단계 811에서, 디바이스는 도로 환경 이미지에 기초하여 곡선 타입의 차선의 곡률을 계산할 수 있다. 앞서 설명한 바와 같이 차선의 곡률을 계산하는 방법에는 제한이 없다.

단계 813에서, 디바이스는 계산된 곡률에 따라 주행 경로를 예측할 수 있다.

또한 일부 실시예에 따르면, 디바이스는 계산된 곡률에 추가적으로 자동차의 주행 궤적을 고려하여 주행 경로를 예측할 수도 있고, 계산된 곡률 대신 자동차의 주행 궤적을 고려하여 주행 경로를 예측할 수도 있다.

단계 815에서, 디바이스는 예측된 주행 경로에 기초하여 주행 경로 상의 소정의 범위 내에 위치하는 자동차를 동일 차선의 선행하는 자동차로 판단할 수 있다.

다시 말해서, 디바이스는 단순히 가까운 거리에 위치하는 자동차가 아닌, 예측된 주행 경로 상에 위치하는 자동차를 동일 차선의 선행하는 자동차로 판단할 수 있다. 디바이스는 동일 차선의 선행하는 자동차와 근접 차선에서 주행하는 자동차를 판단한 후, 단계 809로 진행한다. 단계 809는 앞서 설명한 바와 대응되므로 자세한 설명은 생략한다.

동일 차선의 선행하는 자동차와 근접 차선에서 주행하는 자동차를 구분하는 이유는 정확한 자동차 관계 데이터 및/또는 정확한 자동차 토폴로지를 생성하기 위해서이다. 선행하는 자동차와 근접 자동차를 구분해야 정확한 자동차 관계 데이터를 생성하고, 정확한 자동차 관계 데이터를 조합해야 정확한 자동차 토폴로지를 생성할 수 있기 때문이다.

도 9는 일부 실시예에 따른 자동차 관계 데이터를 도시한다.

도 9는 제 1 자동차가 생성한 자동차 관계 데이터(910) 및 제 2 자동차가 생성한 자동차 관계 데이터(920)를 도시한다. 제 1 자동차는 제 1 자동차 자신의 자동차 번호 정보(02가 1234)와 현재 주행 중인 주행 차선에 대한 정보(주행차선: 1차선), 동일 차선의 선행하는 자동차의 자동차 번호에 대한 정보(01가 1234) 및 근접 차선에서 주행중인 자동차 번호에 대한 정보(01가 1235, 01가 1236)를 포함하는 자동차 관계 데이터(910)를 생성할 수 있다.

일부 실시예에 따르면, 자동차 관계 데이터의 구조는 주행 중인 도로의 차선의 개수에 따라 상이해질 수 있다. 제 1 자동차가 생성한 자동차 관계 데이터(910)를 참조하면, 자동차 관계 데이터를 포함하는 테이블은 테이블의 칸의 개수가 차선의 크기에 따라 결정되고, 왼쪽부터 1차선, 2차선, 3차선을 순서대로 나타낸다. 물론 1차선 주행 시 카메라의 촬영 각도, 촬영 방식에 따라 3차선이 보이지 않을 수 있으며, 3차선이 보이지 않는 경우에는 3차선에 대한 정보 없이 자동차 관계 데이터를 생성할 수도 있다.

또한 자동차 관계 데이터의 구조는 도로의 종류나 위치에 따라 상이해질 수 있다. 즉, 제 1 자동차가 고속 도로를 주행하거나 시내 도로를 주행하느냐에 따라 자동차 관계 데이터의 구조가 상이해질 수 있으며, 어떤 행정 구역의 도로를 주행하느냐에 따라 자동차 관계 데이터의 구조가 상이해질 수도 있다.

또한 일부 실시예에 따르면, 자동차 관계 데이터 내에 포함된 적어도 하나의 정보는 도로 환경 이미지를 통해 획득한 정보 또는 제 1 자동차가 저장하고 있는 정보일 수 있다.

다시 도 9를 참조하면, 제 2 자동차는 제 2 자동차 자신의 자동차 번호 정보(02가 1235)와 현재 주행 중인 주행 차선에 대한 정보(주행차선: N차선), 동일 차선의 선행하는 자동차의 자동차 번호에 대한 정보(01가 1235) 및 근접 차선에서 주행중인 자동차 번호에 대한 정보(01가 1234, 01가 1236)를 포함하는 자동차 관계 데이터(920)를 생성할 수 있다.

일부 실시예에 따르면, 제 2 자동차는 현재 자신이 주행하고 있는 차선이 몇 차선인지 정확히 알 수 없을수도 있다. 예를 들면, 주행 중인 차선의 좌측 및 우측 차선이 중앙선이나 인도, 가드레일 등이 아닌 일반 차선인 경우, 제 2 자동차는 현재 자신이 주행하고 있는 차선이 몇차선인지 정확히 알 수 없을 가능성이 존재한다.

도 9의 제 2 자동차가 생성한 자동차 관계 데이터(920)에 도시된 바와 같이, 제 2 자동차는 현재 자신이 주행하고 있는 차선이 몇 차선인지 정확히 알 수 없는 경우, N차선으로 표시한 자동차 관계 데이터를 생성할 수도 있다. 또한, 제 2 자동차는 제 1 자동차가 생성한 자동차 관계 데이터(910)를 제 2 자동차가 생성한 관계 데이터(920)와 조합함으로써 현재 자신이 주행 중인 차선을 유추할 수도 있다. 각 자동차가 생성한 관계 데이터의 조합은 도 10에서 설명한다.

추가적으로, 일부 실시예에 따르면 자동차 관계 데이터의 형태는 도 9에 도시된 바와 같이 테이블의 형태일 수도 있고, 프레임 또는 필드의 형태일 수도 있고, 단순히 숫자, 문자 또는 기호와 같은 약속된 형태의 데이터일 수 있으며 상기 예시에 제한되지 않는다.

도 10은 일부 실시예에 따른 도로 상의 자동차의 배열 및 자동차 관계 데이터를 도시한다.

도 10을 참조하면, 자동차 번호가 02가 1234인 제 1 자동차(1001)는 제 1 자동차 관계 데이터(1011)를 생성하고, 자동차 번호가 02가 1235인 제 2 자동차(1002)가 제 2 자동차 관계 데이터(1012)를 생성한다. 자동차 번호가 02가 1236인 제 3 자동차(1003)가 제 3 자동차 관계 데이터(1013)를 생성하고, 자동차 번호가 01가 1234인 제 4 자동차(1021)가 제 4 자동차 관계 데이터(1031)를 생성한다. 또한 자동차 번호가 01가 1235인 제 5 자동차(1022)가 제 5 자동차 관계 데이터(1032)를 생성하고, 자동차 번호가 01가 1236인 제 6 자동차(1023)가 제 6 자동차 관계 데이터(1033)를 생성한다.

도 10의 각각의 자동차 관계 데이터를 참조하면, 제 4 자동차 내지 제 6 자동차(1021 내지 1023) 앞의 선행하는 자동차는 없음을 알 수 있다. 물론, 선행하는 자동차란 제 4 자동차 내지 제 6 자동차(1021 내지 1023)의 소정의 간격 이내에서 선행하는 자동차를 의미하는 것이므로, 소정의 범위 밖에서 선행하는 자동차가 존재할 수도 있다.

또한 도 10의 제 3 자동차(1003)가 생성한 제 3 자동차 관계 데이터(1013) 및 제 6 자동차(1023)가 생성한 제 6 자동차 관계 데이터(1033)를 참조하면, 제 3 자동차(1003)와 제 6 자동차(1023)는 오른쪽 마지막 차선에서 주행 중임을 알 수 있다. 또한 제 3 자동차(1003)와 제 6 자동차(1023)는 바로 옆 차선의 자동차만을 식별할 수 있고, 1차선에 주행 중인 자동차는 식별할 수 없다.

일부 실시예에 따르면, 적어도 하나의 자동차는 자기 자신을 포함한 각 자동차가 생성한 각각의 자동차 관계 데이터를 조합하여 각 자동차의 상대적 위치(예를 들면, 어떤 자동차 옆에서 주행 중인지) 또는 절대적 위치(예를 들면, 주행 중인 차선)를 파악할 수 있다.

또한 일부 실시예에 따르면, 서버, 자동차 또는 자동차에 탑재된 디바이스는 자동차 관계 데이터를 조합함으로써, 자동차 토폴로지를 생성할 수 있다.

도 11 및 도 12는 일부 실시예에 따른 자동차 토폴로지를 도시한다.

일부 실시예에 따르면, 도 11의 자동차 토폴로지(1110)는 도 10에서 도시된 제 1 자동차 관계 데이터 내지 제 6 자동차 관계 데이터(1011 내지 1013 및 1031 내지 1033)을 조합함으로써 생성될 수 있다.

즉, 도 10의 제 1 자동차 내지 제 6 자동차(1001 내지 1003 및 1021 내지 1023)이 생성한 제 1 자동차 관계 데이터 내지 제 6 자동차 관계 데이터(1011 내지 1013 및 1031 내지 1033)을 조합함으로써 현재 도로의 차선과 차선에 주행 중인 자동차의 위치를 판단하고 도 11과 같이 각 차로 및 각 차로에 주행하고 있는 자동차들의 번호를 포함하는 자동차 토폴로지(1110)를 생성할 수 있다.

또한 일부 실시예에 따르면, 자동차 토폴로지(1110)에는 도 11과 같이 차선 정보 및 차량 번호가 포함될 수 있다. 차선 정보는 현재 주행중인 도로의 차선의 개수를 포함할 수 있다. 또한 자동차 토폴로지(1110)는 테이블 또는 리스트 형태로 각 차선에 주행 중인 자동차의 차량 번호가 주행 순서대로 포함될 수 있다.

추가적으로 자동차 토폴로지(1110)에는 도로명, 도로의 위치, 주변 랜드마크, 교통 사고, 교통량이나 정체 상황과 같은 교통 정보에 대한 정보가 추가적으로 포함될 수 있으며, 상기 예시에 제한되지 않는다.

또한 디바이스가 다른 자동차가 생성한 추가적인 자동차 관계 데이터를 수신하거나 또는 업데이트된 자동차 관계 데이터를 수신하면, 생성된 자동차 토폴로지(1110)를 업데이트할 수도 있다.

도 12는 자동차 토폴로지(1210)의 다른 실시예를 도시한다. 디바이스는 자동차 관계 데이터에 기초하여 자동차 간의 상대적인 위치를 판단할 수 있다. 또한 디바이스는 판단된 상대적 위치에 기초하여 현재 주행 중인 도로와 대응되는 소정의 공간에 각각의 자동차의 위치를 맵핑하여 자동차 관계 데이터 또는 자동차 토폴로지를 생성할 수 있다.

예를 들면, 디바이스는 도 12에서 도시된 바와 같이 도로 환경 이미지에 기초하여 현재 주행 중인 도로와 대응되는 소정의 공간을 표시할 수 있다. 일부 실시예에 따르면, 디바이스는 현재 주행 중인 도로와 대응되는 가상의 공간을 모델링할 수도 있고, 도로 환경 이미지 내지 별도의 이미지를 이용하여 현재 주행 중인 도로와 대응되는 소정의 공간을 표시할 수도 있다.

또한 디바이스는 현재 주행 중인 도로와 대응되는 소정의 공간에 자동차의 위치를 맵핑하여 자동차 토폴로지(1210)를 생성할 수 있다. 즉, 디바이스는 02가 1234 자동차(1201), 02가 1235 자동차(1202), 02가 1236 자동차(1203), 01가 1234 자동차(1204), 01가 1235 자동차(1205), 01가 1236 자동차(1206) 의 상대적 위치를 판단할 수 있다. 디바이스는 소정의 공간에 자동차들(1201 내지 1206)의 위치를 맵핑함으로써 현재 도로에서 주행중인 자동차들(1201 내지 1206)을 표시하는 자동차 토폴로지(1210)을 이미지로써 표시할 수 있다.

도 13은 일부 실시예에 따른 자동차 관계 데이터를 생성하는 디바이스의 블록도이다.

도 13에 도시된 바와 같이 일부 실시예에 따른 자동차 관계 데이터를 생성하는 디바이스(201)는 프로세서(1301) 및 카메라(1303)를 포함할 수 있다. 그러나 도 13에 도시된 구성 요소가 모두 디바이스(201)의 필수 구성 요소인 것은 아니다. 도 13에 도시된 구성 요소보다 많은 구성 요소에 의해 디바이스(201)가 구현될 수도 있고, 도 13에 도시된 구성 요소보다 적은 구성 요소에 의해 디바이스(201)가 구현될 수도 있다. 또한 앞서 설명한 바와 같이 디바이스(201)는 자동차 내에 포함될 수도 있고, 자동차 자체일 수도 있다.

프로세서(1301)는 통상적으로 디바이스(201)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1301)는 디바이스(201)에 저장된 프로그램을 실행함으로써, 디바이스(101)가 포함하는 구성요소들(예를 들면, 카메라(1303))을 전반적으로 제어할 수 있다.

일부 실시예에 따르면, 프로세서(1301)는 도로 환경 이미지의 분석 결과에 따라 차선의 위치 및 차선의 타입을 식별할 수 있다, 또한 프로세서(1301)는 식별된 차선의 위치 및 차선의 타입에 따라 소정 범위 내의 자동차의 위치를 판단할 수 있고 판단 결과에 기초하여 자동차 관계 데이터를 생성할 수 있다.

또한 일부 실시예에 따르면, 프로세서(1301)는 식별된 차선의 위치 및 차선의 타입에 따라 현재 주행 중인 차선의 앞에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단할 수 있다. 또한 프로세서(1301)는 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단할 수 있다.

일부 실시예에 따르면, 프로세서(1301)는 도로 환경 이미지에 기초하여 차선의 형태, 차선의 색상, 차선의 연속 유무를 분석하고, 식별된 차선의 형태에 기초하여 차선의 타입이 직선 타입의 차선인지, 곡선 타입의 차선인지 식별할 수 있다. 추가적으로, 프로세서(1301)는 식별된 차선의 색상, 차선의 연속 유무에 기초하여 현재 주행 중인 차선의 위치를 식별할 수 있다.

또한 일부 실시예에 따르면, 프로세서(1301)는 식별된 차선의 형태가 직선 타입의 차선인 경우, 주행 방향의 소정의 거리 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하고, 제 1 자동차 이외의 자동차를 상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단할 수 있다.

또한 일부 실시예에 따르면, 프로세서(1301)는 식별된 차선의 형태가 곡선 타입의 차선인 경우, 도로 환경 이미지에 기초하여 곡선 타입의 차선의 곡률을 계산하고, 상기 계산된 곡률에 따라 주행 경로를 예측하고, 상기 예측된 주행 경로에 기초하여 주행 경로 상의 소정의 범위 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단할 수 있다. 또한 프로세서(1301)는 제 1 자동차 이외의 자동차를 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단할 수 있다.

일부 실시예에 따르면, 프로세서(1301)는 도로 환경 이미지에 기초하여 동일 차선의 선행하는 자동차 또는 근접 차선에서 주행하는 자동차 중 적어도 하나의 자동차 형태를 식별하고, 식별된 자동차 형태에 따라 자동차 형태별 번호판의 위치를 판단할 수 있다, 프로세서(1301)는 판단된 번호판의 위치에 기초하여 동일 차선의 선행하는 자동차 또는 근접 차선에서 주행하는 자동차 중 적어도 하나의 자동차 번호 정보를 획득할 수 있다. 또한 프로세서(1301)는 식별된 차선의 위치 및 동일 차선의 선행하는 자동차 또는 근접 차선에서 주행하는 자동차 번호에 기초하여 자동차 관계 데이터를 생성할 수 있다.

추가적으로, 프로세서(1301)는 생성한 자동차 관계 데이터 및 다른 자동차로부터 수신된 자동차 관계 데이터에 기초하여 자동차 토폴로지를 생성할 수도 있다.

일부 실시예에 따르면, 프로세서(1301)는 생성된 자동차 관계 데이터 및 상기 다른 자동차로부터 수신된 자동차 관계 데이터에 포함된 정보를 조합하여 적어도 하나의 자동차 간의 상대적 위치를 판단하고, 판단된 상대적 위치에 기초하여 현재 주행 중인 도로와 대응되는 소정의 공간에 각각의 자동차의 위치를 맵핑함으로써 자동차 토폴로지를 생성할 수 있다. 또한 프로세서(1301)는 생성된 자동차 토폴로지를 업데이트할 수도 있다. .

일부 실시예에 따르면, 카메라(1303)는 적어도 하나의 차선 및 소정 범위 내의 적어도 하나의 자동차에 대한 이미지인 도로 환경 이미지를 촬영할 수 있다. 일부 실시예에 따르면, 카메라(1303)는 적어도 하나일 수 있다.

도 14는 일부 실시예에 따른 자동차 관계 데이터를 생성하는 서버의 블록도이다.

도 14에 도시된 바와 같이 일부 실시예에 따른 자동차 관계 데이터를 생성하는 서버(203)는 프로세서(1401) 및 통신 인터페이스(1403)를 포함할 수 있다. 그러나 도 14에 도시된 구성 요소가 모두 서버(203)의 필수 구성 요소인 것은 아니다. 도 14에 도시된 구성 요소보다 많은 구성 요소에 의해 서버(203)가 구현될 수도 있고, 도 14에 도시된 구성 요소보다 적은 구성 요소에 의해 서버(203)가 구현될 수도 있다.

프로세서(1401)는 통상적으로 서버(203)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1401)는 서버(203)에 저장된 프로그램을 실행함으로써, 서버(203)가 포함하는 구성요소들(예를 들면, 통신 인터페이스라(1403))을 전반적으로 제어할 수 있다.

앞서 설명한 바와 같이 디바이스(201)와 서버(203)와 자동차 관계 데이터 및/또는 자동차 토폴로지를 생성하기 위한 도 4의 단계를 부분적 또는 전체적으로 수행할 수 있다. 따라서 도 14의 서버(203)의 프로세서(1401)가 수행하는 동작은 도 13의 디바이스(201)의 프로세서(1301)가 수행하는 동작과 대응되므로 자세한 설명은 생략한다.

서버(203)는 도로 환경 이미지를 직접 촬영하는 대신 디바이스(201)에 탑재된 카메라가 획득한 도로 환경 이미지를 수신할 수 있다. 즉, 서버(203)의 통신 인터페이스(1403)는 적어도 하나의 차선 및 소정 범위 내의 적어도 하나의 자동차에 대한 이미지인 도로 환경 이미지를 수신할 수 있다.

또한 일부 실시예에 따르면, 통신 인터페이스(1403)는 3G, LTE와 같은 통신 방식뿐만 아니라 Bluetooth, Wi-Fi와 같은 통신 방식으로 도로 환경 이미지를 수신할 수도 있고, 하나 이상의 디바이스 각각으로부터 도로 환경 이미지를 수신할 수도 있다.

도 15는 일부 실시예에 따른 자동차 관계 데이터를 생성하는 디바이스의 세부 블록도이다.

도 15에 도시된 바와 같이 자동차 관계 데이터를 생성하는 디바이스(201)는 프로세서(1301) 및 카메라(1303) 외에도 센싱부(1501), 출력부(1503), 통신 인터페이스(1505), 사용자 인터페이스(1507) 및 메모리(1509)를 더 포함할 수도 있다. 그러나 도 15에 도시된 구성 요소가 모두 디바이스(201)의 필수 구성 요소인 것은 아니다. 도 15에 도시된 구성 요소보다 많은 구성 요소에 의해 디바이스(201)가 구현될 수도 있고, 도 15에 도시된 구성 요소보다 적은 구성 요소에 의해 디바이스(201)가 구현될 수도 있다.

프로세서(1301) 및 카메라(1303)의 동작은 앞서 설명한 바와 대응되므로 자세한 설명은 생략한다.

일부 실시예에 따르면, 센싱부(1503)는 지자기 센서(Magnetic sensor)(1521), 위치 센서(예컨대, GPS)(1522), 가속도 센서(Acceleration sensor)(1523), 기압 센서(1524), 온/습도 센서(1525), 근접 센서(1526), 적외선 센서(1527), RGB 센서(illuminance sensor)(1528) 및 자이로스코프 센서(1529) 중 적어도 하나를 포함할 수 있으나, 이에 한정되는 것은 아니다. 각 센서들의 기능은 그 명칭으로부터 당업자가 직관적으로 추론할 수 있으므로, 구체적인 설명은 생략하기로 한다. 또한 센싱부(1503)는 라이다 센서(미도시)를 추가적으로 포함할 수도 있다.

일부 실시예에 따르면, 프로세서(1301)는 카메라(1303)뿐만 아니라 센싱부(1503)가 구비한 다양한 센서를 이용하여 도로 환경 이미지를 획득할 수도 있다. 물론 프로세서(1301)는 자동차 관계 데이터 및 자동차 토폴로지 생성을 위한 추가적인 정보들을 획득하기 위해 센싱부(1503)가 구비한 다양한 센서를 이용할 수도 있다.

일부 실시예에 따르면 출력부(1503)는 CID 디스플레이(Central Information Display)(1510), HUD 디스플레이(Head Up Display) (1520) 및 오디오 출력부(1530)을 포함할 수 있다. 일부 실시예에 따르면, 오디오 출력부(1530)은 스피커일 수 있다. 추가적으로 출력부(1503)는 진동 모터(미도시)를 더 포함할 수 있다. 일부 실시예에 따르면, 출력부(1503)는 프로세서(1301)의 제어에 따라 다양한 형태, 다양한 조합으로 생성한 자동차 관계 데이터 또는 자동차 토폴로지를 표시할 수 있다.

일부 실시예에 따르면 통신 인터페이스(1505)는 다른 자동차 또는 서버와 통신을 수행할 수 있다. 즉, 통신 인터페이스(1505)는 다양한 주파수 대역 및 다양한 통신 방식을 이용하여 다른 자동차가 획득한 도로 환경 이미지, 자동차 관계 데이터 및 자동차 토폴로지 중 적어도 하나를 획득할 수 있다.

또한 통신 인터페이스(1505)는 카메라(1303)가 촬영한 도로 환경 이미지, 프로세서(1301)가 생성한 자동차 관계 데이터 및 자동차 토폴로지 중 적어도 하나를 다른 자동차 또는 서버로 송신할 수 있다.

또한 일부 실시예에 따르면, 통신 인터페이스(1505)는 다양한 통신 대역에서 다양한 통신 방식으로 통신을 수행하기 위한 모듈들을 포함할 수 있다. 예를 들면, 통신 인터페이스(1505)는 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 자기장 통신부(Near Field Communication), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부, 3G 통신부, LTE 통신부, TPEG 통신부, DMB 주파수 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.

일부 실시예에 따르면, 사용자 인터페이스(1507)는 사용자의 입력을 획득할 수 있다. 예를 들면, 사용자 인터페이스(1507)는 조이스틱, 터치스크린, 터치 패드, 버튼, 음성 등을 통해 사용자 입력을 수신할 수 있으며, 상기 예시에 제한되지 않는다.

일부 실시예에 따르면, 메모리(1509)는 프로세서(1301) 또는 통신 인터페이스(1505)의 프로세싱 및 제어를 위한 프로그램을 저장할 수 있고, 디바이스(201)로 입력되거나 디바이스(201)로부터 출력되는 데이터를 저장할 수도 있다.

일부 실시예에 따르면, 메모리(1509)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.

본 발명에 따른 디바이스는 프로세서, 프로그램 데이터를 저장하고 실행하는 메모리, 디스크 드라이브와 같은 영구 저장부(permanent storage), 외부 디바이스와 통신하는 통신 포트, 터치 패널, 키(key), 버튼 등과 같은 사용자 인터페이스 디바이스 등을 포함할 수 있다. 소프트웨어 모듈 또는 알고리즘으로 구현되는 방법들은 상기 프로세서상에서 실행 가능한 컴퓨터가 읽을 수 있는 코드들 또는 프로그램 명령들로서 컴퓨터가 읽을 수 있는 기록 매체 상에 저장될 수 있다. 여기서 컴퓨터가 읽을 수 있는 기록 매체로 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다.

본 발명에서 인용하는 공개 문헌, 특허 출원, 특허 등을 포함하는 모든 문헌들은 각 인용 문헌이 개별적으로 및 구체적으로 병합하여 나타내는 것 또는 본 발명에서 전체적으로 병합하여 나타낸 것과 동일하게 본 발명에 병합될 수 있다.

본 발명의 이해를 위하여, 도면에 도시된 바람직한 실시 예들에서 참조 부호를 기재하였으며, 본 발명의 실시 예들을 설명하기 위하여 특정 용어들을 사용하였으나, 특정 용어에 의해 본 발명이 한정되는 것은 아니며, 본 발명은 당업자에 있어서 통상적으로 생각할 수 있는 모든 구성 요소들을 포함할 수 있다.

본 발명은 기능적인 블록 구성들 및 다양한 프로세싱 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 본 발명은 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 디바이스들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다. 본 발명에의 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 본 발명은 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 본 발명은 전자적인 환경 설정, 신호 프로세싱, 및/또는 데이터 프로세싱 등을 위하여 종래 기술을 채용할 수 있다. 매커니즘’, ‘요소’, ‘수단’, ‘구성’과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 프로세싱들(routines)의 의미를 포함할 수 있다.

본 발명에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 본 발명의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 디바이스에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, ‘필수적인’, ‘중요하게’ 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

본 발명의 명세서(특히 특허청구범위에서)에서 ‘상기’의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다. 마지막으로, 본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

Claims

자동차 관계 데이터를 생성하는 방법에 있어서,
적어도 하나의 차선 및 소정 범위 내의 적어도 하나의 자동차에 대해 촬영된 도로 환경 이미지를 획득하는 단계;
상기 도로 환경 이미지의 분석 결과에 따라 차선의 위치 및 차선의 타입을 식별하는 단계;
상기 식별된 차선의 위치 및 차선의 타입에 따라 상기 소정 범위 내의 자동차의 위치를 판단하는 단계; 및
상기 판단 결과에 기초하여 자동차 관계 데이터를 생성하는 단계를 포함하는 자동차 관계 데이터 생성 방법.
제1항에 있어서,
상기 소정 범위 내의 자동차의 위치를 판단하는 단계는,
상기 식별된 차선의 위치 및 차선의 타입에 따라 현재 주행 중인 차선의 앞에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하는 단계; 및
상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단하는 단계를 포함하는 자동차 관계 데이터 생성 방법.
제1항에 있어서,
상기 차선의 위치 및 차선의 타입을 식별하는 단계는,
상기 도로 환경 이미지에 기초하여 차선의 형태, 차선의 색상, 차선의 연속 유무를 분석하는 단계;
상기 식별된 차선의 형태에 기초하여 차선의 타입이 직선 타입의 차선인지, 곡선 타입의 차선인지 식별하는 단계; 및
상기 식별된 차선의 색상, 차선의 연속 유무에 기초하여 현재 주행 중인 차선의 위치를 식별하는 단계를 포함하는 자동차 관계 데이터 생성 방법.
제2항에 있어서,
상기 소정 범위 내의 자동차의 위치를 판단하는 단계는,
상기 식별된 차선의 형태가 직선 타입의 차선인 경우, 주행 방향의 소정의 거리 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하는 단계; 및
상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단하는 단계를 포함하는 자동차 관계 데이터 생성 방법.
제2항에 있어서,
상기 소정 범위 내의 자동차의 위치를 판단하는 단계는,
상기 식별된 차선의 형태가 곡선 타입의 차선인 경우, 상기 도로 환경 이미지에 기초하여 곡선 타입의 차선의 곡률을 계산하는 단계;
상기 계산된 곡률에 따라 주행 경로를 예측하는 단계;
상기 예측된 주행 경로에 기초하여 주행 경로 상의 소정의 범위 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하는 단계; 및
상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단하는 단계를 포함하는 자동차 관계 데이터 생성 방법.
제2항에 있어서,
상기 자동차 관계 데이터를 생성하는 단계는,
상기 도로 환경 이미지에 기초하여 상기 제 1 자동차와 상기 제 2 자동차 중 적어도 하나의 자동차 형태를 식별하는 단계;
상기 식별된 자동차 형태에 따라 자동차 형태별 번호판의 위치를 판단하는 단계;
상기 판단된 번호판의 위치에 기초하여 상기 제 1 자동차와 상기 제 2 자동차 중 적어도 하나의 자동차 번호 정보를 획득하는 단계; 및
상기 식별된 차선의 위치 및 상기 제 1 자동차와 상기 제 2 자동차의 자동차 번호에 기초하여 자동차 관계 데이터를 생성하는 단계를 포함하는 자동차 관계 데이터 생성 방법.
제1항에 있어서,
상기 방법은,
상기 자동차 관계 데이터를 서버로 송신하는 단계를 더 포함하는 자동차 관계 데이터 생성 방법.
제1항에 있어서,
상기 방법은,
다른 자동차의 자동차 관계 데이터를 수신하는 단계; 및
상기 생성된 자동차 관계 데이터 및 상기 다른 자동차로부터 수신된 자동차 관계 데이터에 기초하여 자동차 토폴로지를 생성하는 단계를 더 포함하는 자동차 관계 데이터 생성 방법.
제8항에 있어서,
상기 자동차 토폴로지를 생성하는 방법은,
상기 생성된 자동차 관계 데이터 및 상기 다른 자동차로부터 수신된 자동차 관계 데이터에 포함된 정보를 조합하여 적어도 하나의 자동차 간의 상대적 위치를 판단하는 단계; 및
상기 판단된 상대적 위치에 기초하여 현재 주행 중인 도로와 대응되는 소정의 공간에 각각의 자동차의 위치를 맵핑함으로써 자동차 토폴로지를 생성하는 단계를 포함하는 자동차 관계 데이터 생성 방법.
제9항에 있어서,
상기 방법은,
수신된 자동차 관계 데이터가 존재하는 경우, 상기 생성된 자동차 토폴로지를 업데이트 하는 단계를 더 포함하는 자동차 관계 데이터 생성 방법.
적어도 하나의 차선 및 소정 범위 내의 적어도 하나의 자동차에 대한 이미지인 도로 환경 이미지를 촬영하는 카메라; 및
상기 도로 환경 이미지의 분석 결과에 따라 차선의 위치 및 차선의 타입을 식별하고, 식별된 차선의 위치 및 차선의 타입에 따라 상기 소정 범위 내의 자동차의 위치를 판단하며, 상기 판단 결과에 기초하여 자동차 관계 데이터를 생성하는 프로세서를 포함하는 자동차 관계 데이터 생성 장치.
제11항에 있어서,
상기 프로세서는,
상기 식별된 차선의 위치 및 차선의 타입에 따라 현재 주행 중인 차선의 앞에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하고, 상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단하는 것을 특징으로 하는 자동차 관계 데이터 생성 장치.
제11항에 있어서,
상기 프로세서는,
상기 도로 환경 이미지에 기초하여 차선의 형태, 차선의 색상, 차선의 연속 유무를 분석하고, 상기 식별된 차선의 형태에 기초하여 차선의 타입이 직선 타입의 차선인지, 곡선 타입의 차선인지 식별하고, 상기 식별된 차선의 색상, 차선의 연속 유무에 기초하여 현재 주행 중인 차선의 위치를 식별하는 것을 특징으로 하는 자동차 관계 데이터 생성 장치.
제12항에 있어서,
상기 프로세서는,
상기 식별된 차선의 형태가 직선 타입의 차선인 경우, 주행 방향의 소정의 거리 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하고, 상기 제 1 자동차 이외의 자동차를 상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단하는 것을 특징으로 하는 자동차 관계 데이터 생성 장치.
제12항에 있어서,
상기 프로세서는
상기 식별된 차선의 형태가 곡선 타입의 차선인 경우, 상기 도로 환경 이미지에 기초하여 곡선 타입의 차선의 곡률을 계산하고, 상기 계산된 곡률에 따라 주행 경로를 예측하고, 상기 예측된 주행 경로에 기초하여 주행 경로 상의 소정의 범위 내에 위치하는 자동차를 동일 차선의 선행하는 자동차인 제 1 자동차로 판단하며, 상기 제 1 자동차 이외의 자동차를 상기 제 1 자동차 이외의 자동차를 근접 차선에 위치하는 자동차인 제 2 자동차로 판단하는 것을 특징으로 하는 자동차 관계 데이터 생성 장치.
제12항에 있어서,
상기 프로세서는
상기 도로 환경 이미지에 기초하여 상기 제 1 자동차와 상기 제 2 자동차 중 적어도 하나의 자동차 형태를 식별하고, 상기 식별된 자동차 형태에 따라 자동차 형태별 번호판의 위치를 판단하고, 상기 판단된 번호판의 위치에 기초하여 상기 제 1 자동차와 상기 제 2 자동차 중 적어도 하나의 자동차 번호 정보를 획득하며, 상기 식별된 차선의 위치 및 상기 제 1 자동차와 상기 제 2 자동차의 자동차 번호에 기초하여 자동차 관계 데이터를 생성하는 것을 특징으로 하는 자동차 관계 데이터 생성 장치.
제11항에 있어서,
상기 장치는
다른 자동차의 자동차 관계 데이터를 수신하는 통신 인터페이스를 더 포함하며,
상기 프로세서는, 상기 생성된 자동차 관계 데이터 및 상기 다른 자동차로부터 수신된 자동차 관계 데이터에 기초하여 자동차 토폴로지를 생성하는 것을 특징으로 하는 자동차 관계 데이터 생성 장치.
제17항에 있어서,
상기 프로세서는,
상기 생성된 자동차 관계 데이터 및 상기 다른 자동차로부터 수신된 자동차 관계 데이터에 포함된 정보를 조합하여 적어도 하나의 자동차 간의 상대적 위치를 판단하고, 상기 판단된 상대적 위치에 기초하여 현재 주행 중인 도로와 대응되는 소정의 공간에 각각의 자동차의 위치를 맵핑함으로써 자동차 토폴로지를 생성하는 것을 특징으로 하는 자동차 관계 데이터 생성 장치.
적어도 하나의 차선 및 소정 범위 내의 적어도 하나의 자동차에 대한 이미지인 도로 환경 이미지를 수신하는 통신 인터페이스;
상기 도로 환경 이미지의 분석 결과에 따라 차선의 위치 및 차선의 타입을 식별하고, 식별된 차선의 위치 및 차선의 타입에 따라 상기 소정 범위 내의 자동차의 위치를 판단하며, 상기 판단 결과에 기초하여 자동차 관계 데이터를 생성하는 프로세서를 포함하는 자동차 관계 데이터 생성 서버.
제1항 내지 제10항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.