KR20200054615A - 영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템 - Google Patents

영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템 Download PDF

Info

Publication number
KR20200054615A
KR20200054615A KR1020180138123A KR20180138123A KR20200054615A KR 20200054615 A KR20200054615 A KR 20200054615A KR 1020180138123 A KR1020180138123 A KR 1020180138123A KR 20180138123 A KR20180138123 A KR 20180138123A KR 20200054615 A KR20200054615 A KR 20200054615A
Authority
KR
South Korea
Prior art keywords
image
segment
lowest
pixels
point
Prior art date
Application number
KR1020180138123A
Other languages
English (en)
Other versions
KR102134811B1 (ko
Inventor
류홍근
Original Assignee
재단법인대구경북과학기술원
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 재단법인대구경북과학기술원 filed Critical 재단법인대구경북과학기술원
Priority to KR1020180138123A priority Critical patent/KR102134811B1/ko
Publication of KR20200054615A publication Critical patent/KR20200054615A/ko
Application granted granted Critical
Publication of KR102134811B1 publication Critical patent/KR102134811B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G06T5/007—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템에 관한 것으로, 더욱 상세하게는 관심영역의 세그먼트에 포함되는 복수의 최저점 검출할 수 있는 방법 및 시스템에 관한 것으로 영상을 변환하고 상기 영상 내에 포함되는 적어도 하나 이상의 세그먼트를 인식하는 단계; 및 상기 세그먼트에 포함되는 복수의 최저점을 검출하는 단계;를 포함하는 구성을 개시한다.

Description

영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템{METHOD AND SYSTEM FOR DETECTING A PLURALITY OF LOWEST POINTS OF A SINGLE SEGMENT IN AN IMAGE}
본 발명은 영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템에 관한 것으로, 더욱 상세하게는 관심영역의 세그먼트에 포함되는 복수의 최저점 검출할 수 있는 방법 및 시스템에 관한 것이다.
최근 스마트 농업과 더불어 정밀 농업에 대한 관심이 증가하고 있다. 정밀 농업은 “apply the right treatment in the right place at the right time”으로 정의된다. 과수농업의 응용으로 과수원 농업 로봇 기술을 사용하여 적절한 농약 및 비료 분무와 관개를 가능하게 하여 농민의 작업량과 환경오염은 줄이고 생산성을 높일 수 있게 한다. 사과과수원에서 정밀농업을 구현하기 위해 주행경로 인식은 가장 기본적인 문제다. 주행경로를 인식하는 몇 가지 방법 중 과수나무와 지면의 경계지점들을 검출하고 이 점들을 연결하여 주행 가능한 공간을 추정하고 그 공간의 중심선을 계산하는 방법이 있다.
이를 위해 영상전치리 과정을 거친 흑백 영상에서 과수나무와 지면의 경계지점은 세그멘트의 지역적 다중최저지점으로 나타난다. 즉, 영상의 세그먼트는 단일 장애물이 아니라 복수의 장애물을 포함할 수 있고, 이 경우 단일 최저점을 검출하는 것은 장애물의 위치 검출의 정확도가 낮아지게 만들 수 있다. 따라서, 단일 세그멘트의 지역적 다중최저지점을 검출하는 기술이 필요한 실정이다.
따라서, 본 발명은 상기한 바와 같은 문제점을 해결하기 위한 것으로서, 영상 내의 단일 세그먼트에 포함되는 복수의 최저점을 검출할 수 있는 방법 및 시스템을 개시한다.
상기한 문제를 해결하기 위한 본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 방법은 영상을 변환하고 상기 영상 내에 포함되는 적어도 하나 이상의 세그먼트를 인식하는 단계; 및 상기 세그먼트에 포함되는 복수의 최저점을 검출하는 단계;를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 인식 단계는 상기 영상을 장애물 및 배경을 구분하는 흑백 영상으로 변환하는 단계; 및 상기 흑백 영상에서, 상기 장애물의 영역을 세그먼트로 인식하는 단계;를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 최저점 검출 단계는 상기 세그먼트에서 최저점 검출의 시작점을 지정하고 인접 픽셀로 기준점을 이동하는 단계; 상기 기준점의 인접 픽셀들에서 이동 전의 픽셀을 제외하고 세로축 값이 같거나 낮은 픽셀의 값을 순차적으로 검토하는 단계; 및 검토한 상기 인접 픽셀의 값이 1인 경우 해당 픽셀로 상기 기준점을 이동하고, 1의 값을 가지는 픽셀이 없는 경우 상기 기준점을 최저점으로 지정하고 이전 기준점으로 후진하는 단계;를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 최저점 지정 및 후진 단계는 동일한 세로축 값을 가지는 복수의 픽셀이 인접하여 연속되는 경우 상기 복수의 픽셀 중 상기 복수의 픽셀 수의 1/2 혹은 1/2+1에 위치한 픽셀을 최저점으로 지정할 수 있다.
상기한 문제를 해결하기 위한 본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 시스템은 영상을 변환하고 상기 영상 내에 포함되는 적어도 하나 이상의 세그먼트를 인식하는 영상입력부; 및 상기 세그먼트에 포함되는 복수의 최저점을 검출하는 최저점검출부;를 포함할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 영상입력부는 상기 영상을 장애물 및 배경을 구분하는 흑백 영상으로 변환하고, 상기 흑백 영상에서, 상기 장애물의 영역을 세그먼트로 인식할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 최저점검출부는 상기 세그먼트에서 최저점 검출의 시작점을 지정하고 인접 픽셀로 기준점을 이동하고, 상기 기준점의 인접 픽셀들에서 이동 전의 픽셀을 제외하고 세로축 값이 같거나 낮은 픽셀의 값을 순차적으로 검토하고, 검토한 상기 인접 픽셀의 값이 1인 경우 해당 픽셀로 상기 기준점을 이동하고, 1의 값을 가지는 픽셀이 없는 경우 상기 기준점을 최저점으로 지정하고 이전 기준점으로 후진하여 검출을 계속할 수 있다.
본 발명의 일 실시 예에 따르면, 상기 최저점검출부는 동일한 세로축 값을 가지는 복수의 픽셀이 인접하여 연속되는 경우 상기 복수의 픽셀 중 상기 복수의 픽셀 수의 1/2 혹은 1/2+1에 위치한 픽셀을 최저점으로 지정할 수 있다.
본 발명에 따르면, 기존의 방법에서는 불가능 했던 단일 세그먼트 내의 복수의 최저점을 검출할 수 있다.
또한, 동일한 세로축 값을 가지는 최저점이 복수로 포함되는 경우 그 중 하나를 최저점으로 선택하여 정확도를 높이고 데이터의 양을 감소시킬 수 있다.
한편, 본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다.
도 1은 본 발명의 일 실시 예에 따른 변환된 영상에 포함되는 복수의 세그먼트의 예시이다.
도 2는 본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 시스템의 블록도이다.
도 3은 본 발명의 일 실시 예에 따른 단일 세그먼트의 복수의 최저점 검출 결과를 도시한 것이다.
도 4는 본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 과정의 일 예시이다.
도 5는 본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 방법의 흐름도이다.
도 6은 본 발명의 일 실시 예에 따른 최저점 검출 방법의 알고리즘도이다.
이하, 첨부된 도면들을 참조하여 본 발명에 따른 '영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템'을 상세하게 설명한다. 설명하는 실시 예들은 본 발명의 기술 사상을 당업자가 용이하게 이해할 수 있도록 제공되는 것으로 이에 의해 본 발명이 한정되지 않는다. 또한, 첨부된 도면에 표현된 사항들은 본 발명의 실시 예들을 쉽게 설명하기 위해 도식화된 도면으로 실제로 구현되는 형태와 상이할 수 있다.
한편, 이하에서 표현되는 각 구성부는 본 발명을 구현하기 위한 예일 뿐이다. 따라서, 본 발명의 다른 구현에서는 본 발명의 사상 및 범위를 벗어나지 않는 범위에서 다른 구성부가 사용될 수 있다.
또한, 각 구성부는 순전히 하드웨어 또는 소프트웨어의 구성만으로 구현될 수도 있지만, 동일 기능을 수행하는 다양한 하드웨어 및 소프트웨어 구성들의 조합으로 구현될 수도 있다. 또한, 하나의 하드웨어 또는 소프트웨어에 의해 둘 이상의 구성부들이 함께 구현될 수도 있다.
또한, 어떤 구성요소들을 '포함'한다는 표현은, '개방형'의 표현으로서 해당 구성요소들이 존재하는 것을 단순히 지칭할 뿐이며, 추가적인 구성요소들을 배제하는 것으로 이해되어서는 안 된다.
도 1은 본 발명의 일 실시 예에 따른 변환된 영상에 포함되는 복수의 세그먼트의 예시이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 시스템 및 방법은 영상을 입력 받거나 획득할 수 있다. 상기 영상을 변환해 장애물과 배경을 구분할 수 있다. 상기 영상을 흑백영상으로 변환할 수 있다. 상기 흑백영상은 검은색 또는 흰색 1가지 색으로만 구성되는 영상을 의미할 수 있다. 본 발명의 일 실시 예에서 상기 흑백영상은 장애물이 위치하는 영역은 흰색, 그 외의 배경 영역은 검은색으로 표시될 수 있다. 상기 흑백영상은 장애물이 위치하는 영역은 검은색, 그 외의 배경 영역은 흰색으로 표시될 수 있다. 상기 흑백영상은 검은색 영역은 0, 흰색 영역은 1의 값을 가질 수 있다. 상기 영상의 흑백영상으로 변환하는 것을 이진(Binary) 변환이라고 할 수 있다.
변환된 상기 흑백영상은 흰색 또는 검은색 영역이 다른 색 영역으로 둘러 쌓여 폐쇄된 형태로 구성될 수 있다. 본 발명의 일 실시 예에 따르면, 상기 폐쇄된 형태의 영역을 세그먼트라고 할 수 있다. 변환된 상기 흑백 영상은 복수의 세그먼트를 포함할 수 있다. 상기 흑백 영상은 적어도 하나 이상의 세그먼트를 포함할 수 있다. 복수의 상기 세그먼트들은 최저점을 포함할 수 있다. 상기 최저점은 단일 세그먼트 내에 복수로 포함될 수 있다.
도 2는 본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 시스템의 블록도이다.
도 2를 참조하면, 본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 시스템은 영상입력부(210) 및 최저점검출부(220)를 포함할 수 있다.
상기 영상입력부(210)는 영상을 입력 받거나 획득할 수 있다. 상기 영상입력부(210)는 상기 영상을 변환해 장애물과 배경을 구분할 수 있다. 상기 영상입력부(210)는 상기 영상을 흑백영상으로 변환할 수 있다. 상기 흑백영상은 검은색 또는 흰색 1가지 색으로만 구성되는 영상을 의미할 수 있다. 본 발명의 일 실시 예에서 상기 흑백영상은 장애물이 위치하는 영역은 흰색, 그 외의 배경 영역은 검은색으로 표시될 수 있다. 상기 영상입력부(210)는 상기 흑백영상은 장애물이 위치하는 영역은 검은색, 그 외의 배경 영역은 흰색으로 표시될 수 있다. 상기 영상입력부(210)는 상기 흑백영상은 검은색 영역은 0, 흰색 영역은 1의 값을 가질 수 있다. 상기 영상의 흑백영상으로 변환하는 것을 이진(Binary) 변환이라고 할 수 있다.
상기 영상입력부(210)에서 변환된 상기 흑백영상은 흰색 또는 검은색 영역이 다른 색 영역으로 둘러 쌓여 폐쇄된 형태로 구성될 수 있다. 본 발명의 일 실시 예에 따르면, 상기 폐쇄된 형태의 영역을 세그먼트라고 할 수 있다. 변환된 상기 흑백 영상은 복수의 세그먼트를 포함할 수 있다. 상기 영상입력부(210)에서 상기 흑백 영상은 적어도 하나 이상의 세그먼트를 포함할 수 있다. 복수의 상기 세그먼트들은 최저점을 포함할 수 있다. 상기 최저점은 단일 세그먼트 내에 복수로 포함될 수 있다.
상기 최저점검출부(220)는 상기 영상 내의 세그먼트에서 최저점을 검출할 수 있다. 상기 최저점검출부(220)는 복수의 세그먼트들 각각의 최저점을 검출할 수 있다. 상기 최저점검출부(220)는 상기 세그먼트에서 복수의 최저점을 검출할 수 있다. 상기 최저점검출부(220)는 영상 내의 복수의 세그먼트 각각에 포함된 복수의 최저점을 검출하고 그 결과를 표시할 수 있다.
본 발명의 일 실시 예에 따르면 상기 최저점검출부(220)는 흑백영상 세그먼트 내 단일 최저점을 검출하여 목적물의 경계점을 결정한다. 세그멘트 내 모든 최저점을 모두 검출하여 과수의 경계지점 후보로 사용하는 것이 주행로를 추정하는데 있어 유리하다. 상기 최저점검출부(220)는 세그멘트의 최 좌측의 최상위 지점 경계 픽셀에서 시작하여 반시계방향으로 세그멘트의 경계를 따라 이동한다. 이동하면서 주위보다 저점이면 최저점으로 저장하고 구간으로 나타나는 경우 구간을 중심을 최저점으로 저장한다. 이런 방식으로 세그멘트 경계를 따라 이동하면서 최저점 검출을 처음 시작한 지점까지 지속 수행한다.
본 발명의 일 실시 예에 따르면, 상기 최저점검출부(220)는 흑백 세그멘트 영상은 일반적으로 영상의 픽셀 정보를 0과 1로 구분하고 0은 검은색 픽셀, 1은 흰색 픽셀로 표현된다. 세그멘트 최저지점 검출은 인접한 픽셀정보 1에 의해 위의 기준 세그멘트와 같이 구성되는 단일 세그멘트에서 세로축 기준으로 가장 낮은 위치에 존재하는 정보 1을 가지는 지점으로 결정된다.
상기 최저점검출부(220)는 기준 세그멘트 최좌측-최고지점을 기준 시작점으로 두고 현재 지점의 오른쪽 우선 확인 방법이나 왼쪽 우선 확인방법을 사용할 수 있다. 오른쪽 우선 확인 방법의 경우 시작점에서 세로축 기준 아래 방향으로 이동하는 것으로 확인 절차가 진행되고, 왼쪽 우선 확인 방법의 경우 시작점에서 가로축 기준 우측방향으로 이동하는 것으로 확인 절차가 진행된다. 확인 절차가 진행되는 과정에서는 직전 지점 픽셀에서 현재 지점 픽셀로 이동한 방향벡터를 기준으로 오른쪽 우선 방법의 경우, (현지 지점과 인접한 픽셀은 모두 8개, 이 8개 픽셀 중 직전지점 픽셀 1개 및 직전지점에서 현재 지점 픽셀로 이동하는 방향벡터 기준 우측에 접하고 현재 픽셀과도 접하는 1개 픽셀을 포함하는 2개 픽셀을 제외한 현지 지점 픽셀의 +90도 방향(우측)에 인접한 픽셀을 시작으로 반시계방향으로 -135도 방향(좌측후방) 까지 인접한 6개 픽셀 중 우측 인접 픽셀부터 정보값 1인지를 확인하는 과정을 반시계방향으로 순차적으로 수행한다. 이 과정에서 정보 1인 픽셀이 확인되면 해당 픽셀로 현재 지점 픽셀을 이동한다. 왼쪽 우선 방법의 경우는 이와 반대로 확인을 진행한다. 인접 6개의 픽셀을 모두 확인해도 정보 1인 픽셀이 없는 경우 이전 픽셀로 이동한다(후진).
상기 최저점검출부(220)는 이런 확인 과정 중 같은 세로축 갚을 가지는 픽셀이 다수일 경우 카운터를 수행하여, 전체 픽셀 수가 홀수일 경우 가운데 픽셀을 최저 지점 픽셀으로 결정하고, 전체 픽셀 수가 짝수인 경우 전체 픽셀 수의 1/2 혹은 전체 픽셀 수의 1/2+1에 위치한 픽셀을 최저 지점 픽셀로 결정 한다.
상기 최저점검출부(220)는 상기 세그먼트에서 최저점 검출의 시작점을 지정하고 인접 픽셀로 기준점을 이동하고, 상기 기준점의 인접 픽셀들에서 이동 전의 픽셀을 제외하고 세로축 값이 같거나 낮은 픽셀의 값을 순차적으로 검토하고, 검토한 상기 인접 픽셀의 값이 1인 경우 해당 픽셀로 상기 기준점을 이동하고, 1의 값을 가지는 픽셀이 없는 경우 상기 기준점을 최저점으로 지정하고 이전 기준점으로 후진하여 검출을 계속할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 단일 세그먼트의 복수의 최저점 검출 결과를 도시한 것이다.
도 3을 참조하면, 본 발명의 일 실시 예에 따른 알고리즘 개발용 기준 세그멘트에서 굵은 실선으로 표시된 점들은 부분적 최저점들(13개)이다. 즉, 단일 세그먼트임에도 그 형태에 따라 13개의 최저점을 포함할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 과정의 일 예시이다.
도 4를 참조하면, 일반적으로 흑백영상 세그먼트 내 단일 최저점을 검출하여 목적물의 경계점을 결정한다. 과수원영상을 통해 주행로 검출을 위해서는 비교적 간단한 영상전처리를 거쳐 단일 세그멘트에 단일 혹은 다중 목적물이 포함된다. 도 4(a)는 과수원 영상에서 주행로 검출을 위한 ROI 영역를 나타내었다. 도 4(b), (c)는 ROI 영역에 대해 흑백 세그멘트로 표현한 영상과 나무와 지면 경계 후보점들을 각각 나타내었다. 도 4(b)의 실선 내 화살표들이 지시하는 여러 세그멘트 최저점들이 존재하는 상황에서 단순히 단일 최저점을 검출하여 과수의 경계지점 후보로 사용하는 것은 정보의 손실이 크고 상대적으로 주행로를 추정하데 오류발생의 원인을 제공한다. 세그멘트 내 모든 최저점을 모두 검출하여 과수의 경계지점 후보로 사용하는 것이 주행로를 추정하는데 있어 유리하다.
도 5는 본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 방법의 흐름도이다.
도 5를 참조하면, 본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 방법은 영상을 변환하고 상기 영상 내에 포함되는 적어도 하나 이상의 세그먼트를 인식하는 단계(S510)를 포함할 수 있다.
S510 단계에서, 상기 영상입력부(210)는 영상을 입력 받거나 획득할 수 있다. 상기 영상입력부(210)는 상기 영상을 변환해 장애물과 배경을 구분할 수 있다. 상기 영상입력부(210)는 상기 영상을 흑백영상으로 변환할 수 있다. 상기 흑백영상은 검은색 또는 흰색 1가지 색으로만 구성되는 영상을 의미할 수 있다. 본 발명의 일 실시 예에서 상기 흑백영상은 장애물이 위치하는 영역은 흰색, 그 외의 배경 영역은 검은색으로 표시될 수 있다. 상기 영상입력부(210)는 상기 흑백영상은 장애물이 위치하는 영역은 검은색, 그 외의 배경 영역은 흰색으로 표시될 수 있다. 상기 영상입력부(210)는 상기 흑백영상은 검은색 영역은 0, 흰색 영역은 1의 값을 가질 수 있다. 상기 영상의 흑백영상으로 변환하는 것을 이진(Binary) 변환이라고 할 수 있다.
S510 단계에서, 상기 영상입력부(210)에서 변환된 상기 흑백영상은 흰색 또는 검은색 영역이 다른 색 영역으로 둘러 쌓여 폐쇄된 형태로 구성될 수 있다. 본 발명의 일 실시 예에 따르면, 상기 폐쇄된 형태의 영역을 세그먼트라고 할 수 있다. 변환된 상기 흑백 영상은 복수의 세그먼트를 포함할 수 있다. 상기 영상입력부(210)에서 상기 흑백 영상은 적어도 하나 이상의 세그먼트를 포함할 수 있다. 복수의 상기 세그먼트들은 최저점을 포함할 수 있다. 상기 최저점은 단일 세그먼트 내에 복수로 포함될 수 있다.
본 발명의 일 실시 예에 따른 영상 내 단일 세그먼트의 복수의 최저점 검출 방법은 상기 세그먼트에 포함되는 복수의 최저점을 검출하는 단계(S520)를 포함할 수 있다.
S520 단계에서, 상기 최저점검출부(220)는 상기 영상 내의 세그먼트에서 최저점을 검출할 수 있다. 상기 최저점검출부(220)는 복수의 세그먼트들 각각의 최저점을 검출할 수 있다. 상기 최저점검출부(220)는 상기 세그먼트에서 복수의 최저점을 검출할 수 있다. 상기 최저점검출부(220)는 영상 내의 복수의 세그먼트 각각에 포함된 복수의 최저점을 검출하고 그 결과를 표시할 수 있다.
S520 단계에서, 본 발명의 일 실시 예에 따르면 상기 최저점검출부(220)는 흑백영상 세그먼트 내 단일 최저점을 검출하여 목적물의 경계점을 결정한다. 세그멘트 내 모든 최저점을 모두 검출하여 과수의 경계지점 후보로 사용하는 것이 주행로를 추정하는데 있어 유리하다. 상기 최저점검출부(220)는 세그멘트의 최 좌측의 최상위 지점 경계 픽셀에서 시작하여 반시계방향으로 세그멘트의 경계를 따라 이동한다. 이동하면서 주위보다 저점이면 최저점으로 저장하고 구간으로 나타나는 경우 구간을 중심을 최저점으로 저장한다. 이런 방식으로 세그멘트 경계를 따라 이동하면서 최저점 검출을 처음 시작한 지점까지 지속 수행한다.
S520 단계에서, 본 발명의 일 실시 예에 따르면, 상기 최저점검출부(220)는 흑백 세그멘트 영상은 일반적으로 영상의 픽셀 정보를 0과 1로 구분하고 0은 검은색 픽셀, 1은 흰색 픽셀로 표현된다. 세그멘트 최저지점 검출은 인접한 픽셀정보 1에 의해 위의 기준 세그멘트와 같이 구성되는 단일 세그멘트에서 세로축 기준으로 가장 낮은 위치에 존재하는 정보 1을 가지는 지점으로 결정된다.
S520 단계에서, 상기 최저점검출부(220)는 기준 세그멘트 최좌측-최고지점을 기준 시작점으로 두고 현재 지점의 오른쪽 우선 확인 방법이나 왼쪽 우선 확인방법을 사용할 수 있다. 오른쪽 우선 확인 방법의 경우 시작점에서 세로축 기준 아래 방향으로 이동하는 것으로 확인 절차가 진행되고, 왼쪽 우선 확인 방법의 경우 시작점에서 가로축 기준 우측방향으로 이동하는 것으로 확인 절차가 진행된다. 확인 절차가 진행되는 과정에서는 직전 지점 픽셀에서 현재 지점 픽셀로 이동한 방향벡터를 기준으로 오른쪽 우선 방법의 경우, (현지 지점과 인접한 픽셀은 모두 8개, 이 8개 픽셀 중 직전지점 픽셀 1개 및 직전지점에서 현재 지점 픽셀로 이동하는 방향벡터 기준 우측에 접하고 현재 픽셀과도 접하는 1개 픽셀을 포함하는 2개 픽셀을 제외한) 현지 지점 픽셀의 +90도 방향(우측)에 인접한 픽셀을 시작으로 반시계방향으로 -135도 방향(좌측후방) 까지 인접한 6개 픽셀 중 우측 인접 픽셀부터 정보값 1인지를 확인하는 과정을 반시계방향으로 순차적으로 수행한다. 이 과정에서 정보 1인 픽셀이 확인되면 해당 픽셀로 현재 지점 픽셀을 이동한다. 왼쪽 우선 방법의 경우는 이와 반대로 확인을 진행한다. 인접 6개의 픽셀을 모두 확인해도 정보 1인 픽셀이 없는 경우 이전 픽셀로 이동한다(후진).
S520 단계에서, 상기 최저점검출부(220)는 이런 확인 과정 중 같은 세로축 갚을 가지는 픽셀이 다수일 경우 카운터를 수행하여, 전체 픽셀 수가 홀수일 경우 가운데 픽셀을 최저 지점 픽셀으로 결정하고, 전체 픽셀 수가 짝수인 경우 전체 픽셀 수의 1/2 혹은 전체 픽셀 수의 1/2+1에 위치한 픽셀을 최저 지점 픽셀로 결정 한다.
S520 단계에서, 상기 최저점검출부(220)는 상기 세그먼트에서 최저점 검출의 시작점을 지정하고 인접 픽셀로 기준점을 이동하고, 상기 기준점의 인접 픽셀들에서 이동 전의 픽셀을 제외하고 세로축 값이 같거나 낮은 픽셀의 값을 순차적으로 검토하고, 검토한 상기 인접 픽셀의 값이 1인 경우 해당 픽셀로 상기 기준점을 이동하고, 1의 값을 가지는 픽셀이 없는 경우 상기 기준점을 최저점으로 지정하고 이전 기준점으로 후진하여 검출을 계속할 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시 예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통 상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
도 6은 본 발명의 일 실시 예에 따른 최저점 검출 방법의 알고리즘도이다.
도 6을 참조하면, m은 행의 값을 의미하고 아래로 진행될수록 증가하는 값을 가질 수 있다. n은 열의 값을 의미하고 우측으로 진행할수록 증가하는 값을 가질 수 있다. 즉 영상 내에서 좌측 최 상단이 가장 낮은 m, n 값을 가지고 이동할수록 증가할 수 있다. flag은 조건에 따라 값이 변하는 값으로 0 및 1의 값을 가질 수 있다. Count는 조건에 따라 증감하는 값이다.
초기 시작점을 설정하면 상기 시작점의 좌표에 따라 m, n 값이 결정되고, Flag 값은0, Count 값도 0인 상태로 검출이 진행될 수 있다.
m값이 감소/유지 되는 경우 flag 값은 0이된다.
m값이 증가하는 경우 flag 값이 1이된다.
flag값이 1인 상태에서 n이 증가/유지되고, m이 감소하면 최저점으로 결정하고 flag와 count 값을 0으로 돌린 뒤 flag값이 0인 상태로 돌아간다.
flag값이 1인 상태에서 n이 감소/증가/유지되고, m이 증가하면 flag값을 1로 유지하고 다음 픽셀을 찾는다.
flag값이 1인 상태에서 n이 증가되고, m이 유지되면 flag값을 1로 하고 count 값을 1 증가시킨 뒤 다음 픽셀을 찾는다.
flag값이 1인 상태에서 n이 감소하고, m이 감소한 경우 count 값이 1이상이면 최저점으로 결정하고 flag와 count 값을 0으로 돌린 뒤 flag값이 0인 상태로 돌아간다.
flag값이 1인 상태에서 n이 감소하고, m이 감소한 경우 count 값이 0이면 flag값을 0으로 돌린 뒤 flag값이 0인 상태로 돌아간다.
flag값이 1인 상태에서 n이 감소하고, m이 유지된 경우 count 값이 0이면 flag값을 1로 하고 다음 픽셀을 찾는다.
flag값이 1인 상태에서 n이 감소하고, m이 유지된 경우 count 값이 1이상이면 최저점으로 결정하고 flag와 count 값을 0으로 돌린 뒤 flag값이 0인 상태로 돌아간다.

Claims (8)

  1. 영상을 변환하고 상기 영상 내에 포함되는 적어도 하나 이상의 세그먼트를 인식하는 단계; 및
    상기 세그먼트에 포함되는 복수의 최저점을 검출하는 단계;를 포함하는 영상 내 단일 세그먼트의 복수의 최저점 검출 방법.
  2. 제1항에 있어서,
    상기 인식 단계는,
    상기 영상을 장애물 및 배경을 구분하는 흑백 영상으로 변환하는 단계; 및
    상기 흑백 영상에서, 상기 장애물의 영역을 세그먼트로 인식하는 단계;를 포함하는 영상 내 단일 세그먼트의 복수의 최저점 검출 방법.
  3. 제1항에 있어서,
    상기 최저점 검출 단계는,
    상기 세그먼트에서 최저점 검출의 시작점을 지정하고 인접 픽셀로 기준점을 이동하는 단계;
    상기 기준점의 인접 픽셀들에서 이동 전의 픽셀을 제외하고 세로축 값이 같거나 낮은 픽셀의 값을 순차적으로 검토하는 단계; 및
    검토한 상기 인접 픽셀의 값이 1인 경우 해당 픽셀로 상기 기준점을 이동하고, 1의 값을 가지는 픽셀이 없는 경우 상기 기준점을 최저점으로 지정하고 이전 기준점으로 후진하는 단계;를 포함하는 영상 내 단일 세그먼트의 복수의 최저점 검출 방법.
  4. 제3항에 있어서,
    상기 최저점 지정 및 후진 단계는,
    동일한 세로축 값을 가지는 복수의 픽셀이 인접하여 연속되는 경우 상기 복수의 픽셀 중 상기 복수의 픽셀 수의 1/2 혹은 1/2+1에 위치한 픽셀을 최저점으로 지정하는 것을 특징으로 하는 영상 내 단일 세그먼트의 복수의 최저점 검출 방법.
  5. 영상을 변환하고 상기 영상 내에 포함되는 적어도 하나 이상의 세그먼트를 인식하는 영상입력부; 및
    상기 세그먼트에 포함되는 복수의 최저점을 검출하는 최저점검출부;를 포함하는 영상 내 단일 세그먼트의 복수의 최저점 검출 시스템.
  6. 제5항에 있어서,
    상기 영상입력부는,
    상기 영상을 장애물 및 배경을 구분하는 흑백 영상으로 변환하고, 상기 흑백 영상에서, 상기 장애물의 영역을 세그먼트로 인식하는 영상 내 단일 세그먼트의 복수의 최저점 검출 시스템.
  7. 제5항에 있어서,
    상기 최저점검출부는,
    상기 세그먼트에서 최저점 검출의 시작점을 지정하고 인접 픽셀로 기준점을 이동하고, 상기 기준점의 인접 픽셀들에서 이동 전의 픽셀을 제외하고 세로축 값이 같거나 낮은 픽셀의 값을 순차적으로 검토하고, 검토한 상기 인접 픽셀의 값이 1인 경우 해당 픽셀로 상기 기준점을 이동하고, 1의 값을 가지는 픽셀이 없는 경우 상기 기준점을 최저점으로 지정하고 이전 기준점으로 후진하여 검출을 계속하는 영상 내 단일 세그먼트의 복수의 최저점 검출 시스템.
  8. 제7항에 있어서,
    상기 최저점검출부는,
    동일한 세로축 값을 가지는 복수의 픽셀이 인접하여 연속되는 경우 상기 복수의 픽셀 중 상기 복수의 픽셀 수의 1/2 혹은 1/2+1에 위치한 픽셀을 최저점으로 지정하는 것을 특징으로 하는 영상 내 단일 세그먼트의 복수의 최저점 검출 시스템.
KR1020180138123A 2018-11-12 2018-11-12 영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템 KR102134811B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180138123A KR102134811B1 (ko) 2018-11-12 2018-11-12 영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180138123A KR102134811B1 (ko) 2018-11-12 2018-11-12 영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20200054615A true KR20200054615A (ko) 2020-05-20
KR102134811B1 KR102134811B1 (ko) 2020-07-16

Family

ID=70919715

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180138123A KR102134811B1 (ko) 2018-11-12 2018-11-12 영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102134811B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030067199A (ko) * 2002-02-07 2003-08-14 주식회사 하이닉스반도체 국부최대값을 이용한 에지발견 및 윤곽선 추출 방법
KR20120133352A (ko) * 2011-05-31 2012-12-10 관동대학교산학협력단 영상에서의 목표형상 검출장치 및 방법
KR20140030636A (ko) * 2012-09-03 2014-03-12 엘지이노텍 주식회사 차선 보정 시스템, 차선 보정 장치 및 이의 차선 보정 방법
KR101464489B1 (ko) * 2013-05-24 2014-11-25 모본주식회사 영상 인식 기반의 차량 접근 장애물 감지 방법 및 시스템
KR20150000331A (ko) * 2013-06-24 2015-01-02 주식회사 내비오닉스코리아 이미지 처리 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030067199A (ko) * 2002-02-07 2003-08-14 주식회사 하이닉스반도체 국부최대값을 이용한 에지발견 및 윤곽선 추출 방법
KR20120133352A (ko) * 2011-05-31 2012-12-10 관동대학교산학협력단 영상에서의 목표형상 검출장치 및 방법
KR20140030636A (ko) * 2012-09-03 2014-03-12 엘지이노텍 주식회사 차선 보정 시스템, 차선 보정 장치 및 이의 차선 보정 방법
KR101464489B1 (ko) * 2013-05-24 2014-11-25 모본주식회사 영상 인식 기반의 차량 접근 장애물 감지 방법 및 시스템
KR20150000331A (ko) * 2013-06-24 2015-01-02 주식회사 내비오닉스코리아 이미지 처리 방법 및 장치

Also Published As

Publication number Publication date
KR102134811B1 (ko) 2020-07-16

Similar Documents

Publication Publication Date Title
US20190050994A1 (en) Control method, non-transitory computer-readable storage medium, and control apparatus
US10803364B2 (en) Control method, non-transitory computer-readable storage medium for storing control program, and control apparatus
Levinson et al. Traffic light mapping, localization, and state detection for autonomous vehicles
US7317836B2 (en) Pose estimation based on critical point analysis
US20180113234A1 (en) System and method for obstacle detection
US9904845B2 (en) Body feature detection and human pose estimation using inner distance shape contexts
Gurram et al. Monocular depth estimation through virtual-world supervision and real-world sfm self-supervision
CN110796686A (zh) 目标跟踪方法及设备、存储装置
KR20210027778A (ko) 객체 검출 및 추적을 통한 이상행동 분석 장치 및 방법
CN110738688B (zh) 一种红外超弱运动目标检测方法
CN112171675B (zh) 一种移动机器人的避障方法、装置、机器人及存储介质
CN111354022A (zh) 基于核相关滤波的目标跟踪方法及系统
Sales et al. Vision-based autonomous navigation system using ann and fsm control
de Silva et al. Towards agricultural autonomy: crop row detection under varying field conditions using deep learning
Boumediene et al. Multi-ROI association and tracking with belief functions: application to traffic sign recognition
Tu et al. An efficient crop row detection method for agriculture robots
US11694342B2 (en) Apparatus and method for tracking multiple objects
CN111507161B (zh) 利用合并网络进行异质传感器融合的方法和装置
Liu et al. Video-based prediction for header-height control of a combine harvester
Badeka et al. Vision-based vineyard trunk detection and its integration into a grapes harvesting robot
Tombari et al. Stereo for robots: quantitative evaluation of efficient and low-memory dense stereo algorithms
Ciarfuglia et al. Pseudo-label generation for agricultural robotics applications
KR102134811B1 (ko) 영상 내 단일 세그먼트의 복수의 최저점 검출 방법 및 시스템
Yu et al. Shallow detail and semantic segmentation combined bilateral network model for lane detection
Li et al. Fish trajectory extraction based on object detection

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)