KR20210127121A - 도로 이벤트 검출 방법, 장치, 기기 및 저장매체 - Google Patents

도로 이벤트 검출 방법, 장치, 기기 및 저장매체 Download PDF

Info

Publication number
KR20210127121A
KR20210127121A KR1020210130546A KR20210130546A KR20210127121A KR 20210127121 A KR20210127121 A KR 20210127121A KR 1020210130546 A KR1020210130546 A KR 1020210130546A KR 20210130546 A KR20210130546 A KR 20210130546A KR 20210127121 A KR20210127121 A KR 20210127121A
Authority
KR
South Korea
Prior art keywords
road
event
road event
image
past period
Prior art date
Application number
KR1020210130546A
Other languages
English (en)
Inventor
차오 얀
차오 가오
시아오지에 가오
위잔 차이
Original Assignee
베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드
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 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드 filed Critical 베이징 바이두 넷컴 사이언스 테크놀로지 컴퍼니 리미티드
Publication of KR20210127121A publication Critical patent/KR20210127121A/ko

Links

Images

Classifications

    • G06K9/00798—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G01C21/3822—Road feature data, e.g. slope data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3848—Data obtained from both position sensors and additional sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Automation & Control Theory (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

본 출원은 도로 이벤트 검출 방법, 장치, 기기 및 저장매체를 개시하며, 데이터 처리 중의 인공지능, 빅데이터, 스마트 교통, 자율 주행, 클라우드 컴퓨팅 기술에 관한 것이다. 구체적인 구현 방안에 따르면, 복수의 차량이 하나의 과거 기간에 수집 및 리턴한 도로 이미지를 획득하고, 단일 프레임의 도로 이미지에 대해 이미지 처리를 수행하여 상기 도로 이미지에 포함된 도로 이벤트를 결정함으로써, 도로 이벤트 유형 및/또는 위치를 정확하게 포지셔닝할 수 있고; 나아가 도로 이벤트를 포함하는 멀티 프레임의 도로 이미지의 도로 이벤트 데이터에 대해 클러스터링하여, 상기 과거 기간 내에 발생한 모든 도로 이벤트 및 도로 이벤트 정보를 획득함으로써, 과거 기간 내에 발생한 모든 도로 이벤트를 정확하게 결정할 수 있고, 도로 이벤트의 유형 및/또는 위치를 정확하게 결정할 수 있으며, 도로 이벤트 검출 정확도를 향상시킨다.

Description

도로 이벤트 검출 방법, 장치, 기기 및 저장매체{ROAD EVENT DETECTION METHOD, APPARATUS, DEVICE AND STORAGE MEDIUM}
본 출원은 데이터 처리 중의 인공지능, 빅데이터, 스마트 교통, 자율 주행, 클라우드 컴퓨팅 기술에 관한 것으로, 특히 도로 이벤트 검출 방법, 장치, 기기 및 저장매체에 관한 것이다.
도로에서 발생한 도로 이벤트의 알림 정보를 맵에 추가하는 것은 전자맵의 일반 서비스 중 하나이다. 도로 이벤트에 대한 정확한 발견은 네비게이션 경로의 계획과 추천, 자율 주행 차량의 궤적 계획 등의 시나리오에 적용되어, 네비게이션 서비스의 정확성을 향상시키고, 자율 주행의 난이도를 낮출 수 있다.
현재, 도로에서 발생할 수 있는 도로 이벤트는 정체, 공사, 사고와 같은 유형의 이벤트를 포함하지만 이에 한정되지 않는다. 기존의 도로 이벤트 판단 방식은 차량의 GPS 궤적을 기초로, 도로의 정체 상황을 판단한다. 하지만, GPS 궤적을 통해 이벤트의 유형을 정확히 판단할 수 없고, GPS는 정밀도가 제한되므로, 이벤트가 발생한 정확한 위치(예컨대 이벤트가 발생한 차도)를 포지셔닝할 수 없으므로, 이벤트 검출 정확도가 낮다.
본 출원은 도로 이벤트 검출 방법, 장치, 기기 및 저장매체에 관한 것이다.
본 출원의 일 측면에 따르면, 도로 이벤트 검출 방법을 제공하며, 해당 방법은,
복수의 차량이 일 과거 기간 내에 수집하여 리턴한 도로 이미지를 획득하는 단계;
상기 도로 이미지에 대해 이미지 처리를 수행하여, 상기 도로 이미지에 포함된 도로 이벤트를 결정하는 단계;
도로 이벤트를 포함하는 모든 상기 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 상기 과거 기간 내에 발생한 도로 이벤트를 결정하되, 상기 도로 이벤트는 도로 이벤트 정보를 구비하고, 상기 도로 이벤트 정보는 이벤트 유형 및/또는 이벤트 위치 정보를 포함하는 단계;
각각의 상기 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트하는 단계를 포함한다.
본 출원의 일 측면에 따르면, 도로 이벤트 검출 장치를 제공하며, 해당 장치는, 도로 이미지 획득 모듈, 이벤트 검출 모듈 및 이벤트 정보 업데이트 모듈을 포함하되,
도로 이미지 획득 모듈은 복수의 차량이 일 과거 기간 내에 수집하여 리턴한 도로 이미지를 획득하고;
이벤트 검출 모듈은 상기 도로 이미지에 대해 이미지 처리를 수행하여, 상기 도로 이미지에 포함된 도로 이벤트를 결정하고, 도로 이벤트를 포함하는 모든 상기 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 상기 과거 기간 내에 발생한 도로 이벤트를 결정하되, 상기 도로 이벤트는 도로 이벤트 정보를 구비하고, 상기 도로 이벤트 정보는 이벤트 유형 및/또는 이벤트 위치 정보를 포함하고;
이벤트 정보 업데이트 모듈은 각각의 상기 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트한다.
본 출원의 일 측면에 따르면 전자기기를 제공하며, 해당 전자기기는,
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 연결되는 메모리;를 포함하되,
상기 메모리에 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 상술한 방법을 수행할 수 있도록 한다.
본 출원의 일 측면에 따르면, 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능 저장매체를 제공하며, 상기 컴퓨터 명령은 컴퓨터가 상술한 방법을 수행하도록 한다.
본 출원의 일 측면에 따르면, 컴퓨터 프로그램을 제공하며, 상기 컴퓨터 프로그램은 컴퓨터 판독 가능 저장 매체에 저장되고, 상기 컴퓨터 프로그램은 프로세서에 의해 실행될 때 상술한 어느 하나에 따른 방법을 구현한다.
본 출원의 기술은 도로 이벤트 검출 정확도를 향상시킨다.
본 부분에 기재되는 내용은 본 출원의 실시예의 핵심 또는 중요 특징을 특정하려는 목적이 아니며, 본 출원의 범위를 한정하는 것도 아닌 것으로 이해하여야 한다. 본 출원의 기타 특징은 아래의 명세서로부터 쉽게 이해할 수 있다.
첨부되는 도면은 본 방안을 더 충분히 이해하도록 제공되는 것으로서, 본 출원에 대한 한정은 아니다. 여기서,
도 1은 본 출원의 실시예에 따른 도로 이벤트 검출 시스템의 블록도이다.
도 2는 본 출원의 제1 실시예에 따른 도로 이벤트 검출 방법의 흐름도이다.
도 3은 본 출원의 제2 실시예에 따른 도로 이벤트 검출 방법의 흐름도이다.
도 4는 본 출원의 제2 실시예에 따른 이벤트 표지물을 나타내는 도면이다.
도 5는 본 출원의 제3 실시예에 따른 도로 이벤트 검출 장치를 나타내는 도면이다.
도 6은 본 출원의 실시예의 도로 이벤트 검출 방법을 구현하기 위한 전자기기의 블록도이다.
아래에서는 첨부 도면을 결합하여 본 출원의 예시적인 실시예에 대해 설명하며, 이해를 돕기 위하여 본 출원의 실시예의 다양한 세부 사항을 포함하며, 이들은 단지 예시적인 것으로만 간주하여야 한다. 따라서, 본 분야의 통상적인 지식을 가진 자라면, 여기에 기재되는 실시예에 대해 다양한 변경과 수정을 가할 수 있으며, 이는 본 출원의 범위와 정신을 벗어나지 않는다는 것을 이해하여야 한다. 마찬가지로, 명확성과 간결성을 위하여, 아래의 기재에서 공지 기능과 구조에 대한 설명을 생략한다.
본 출원은 도로 이벤트 검출 방법, 장치, 기기 및 저장매체를 제공하며, 데이터 처리 분야 중의 인공지능, 빅데이터, 스마트 교통 기술에 적용되어, 도로 이벤트 검출 정확도를 향상시키는 기술효과를 달성한다.
본 출원의 실시예에 따른 방법은 도 1에 도시된 도로 이벤트 검출 시스템에 적용될 수 있으며, 도 1에 도시된 바와 같이, 도로 이벤트 검출 시스템은 도로 이벤트 검출을 수행하기 위한 도로 이벤트 검출 장치(100), 복수의 차량(101), 및 전자맵(102)을 포함한다. 여기서, 복수의 차량(101)이 도로에서 주행하는 과정에서 도로 이미지를 수집하고(차량 주행 데이터를 수집할 수도 있다), 도로 이벤트 검출 장치(100)로 전송하며, 도로 이벤트 검출 장치(100)는 모든 차량이 수집 및 리턴한 도로 이미지와 차량 주행 데이터를 기초로, 도로 상에서 발생하고 있는 도로 이벤트를 검출한다. 실제 응용 시나리오에서, 예를 들어 도시, 지역 등과 같은 하나 또는 복수의 영역 범위를 설정할 수 있으며, 영역 범위 내의 도로에서 주행하는 모든 차량(101)이 수집 규칙에 따라 도로 이미지를 수집하고(차량 주행 데이터를 수집할 수도 있다) 도로 이벤트 검출 장치(100)로 리턴하며, 도로 이벤트 검출 장치(100)는 도로 이미지 검출 영역 범위 내의 도로 상에서 발생하고 있는 모든 도로 이벤트를 기초로, 도로 이벤트를 전자맵(102)으로 제공하여 사용되도록 할 수 있고, 도로 이벤트를 기초로 네비게이션 경로를 계획하는 것, 자율 주행 경로를 계획하는 것, 또는 사용자가 참조하도록 도로 이벤트 표시하는 것 등에 사용될 수 있다.
도 2는 본 출원은 제1 실시예에 따른 도로 이벤트 검출 방법의 흐름도이다. 도 2에 도시된 바와 같이, 해당 방법은 구체적으로 아래의 단계들을 포함한다.
단계(S201), 복수의 차량이 일 과거 기간 내에 수집하여 리턴한 도로 이미지를 획득한다.
여기서, 과거 기간은 최근의 일정한 기간일 수 있으며, 구체적으로 실제 응용 시나리오의 수요에 따라 설정할 수 있다.
예시적으로, 만약 전자맵이 일정한 시간 간격마다 도로 이벤트의 정보를 업데이트하여야 하면, 일정한 시간 간격마다 1회의 도로 이벤트 검출을 수행하여야 하며, 과거 기간은 이전 이격 기간일 수 있다. 설정된 간격의 기간을 기초로, 이전 기간이 끝나면, 이전 기간 내의 도로 이미지를 획득하고, 이전 기간 내의 도로 이미지를 기초로 이전 기간에 발생한 도로 이벤트를 검출한다.
본 실시예에서, 하나 또는 복수의 영역 범위를 설정할 수 있으며, 영역 범위는 도시 또는 지역 등일 수 있다. 영역 범위 내의 도로에서 주행하는 모든 차량이 수집 규칙에 따라 도로 이미지를 수집하고 도로 이벤트 검출 장치로 리턴한다. 도로 이벤트 검출 장치는 과거 기간 내에 영역 범위 내의 모든 도로에서 주행한 복수의 차량이 수집한 도로 이미지를 획득할 수 있다.
단계(S202), 도로 이미지에 대해 이미지 처리를 수행하여, 도로 이미지에 포함된 도로 이벤트를 결정한다.
과거 기간 내의 도로 이미지를 획득한 후, 각 프레임의 도로 이미지에 대해 이미지 처리를 수행하여, 도로 이미지에 포함된 도로 이벤트를 검출할 수 있다.
여기서, 도로 이벤트는 도로 이벤트 정보를 구비하고, 도로 이벤트 정보는 이벤트 유형 및/또는 이벤트 위치 정보를 포함한다. 이벤트 유형은, 도로 공사, 교통 통제, 사고, 정체를 포함하지만 이에 한정되지 않는다. 이벤트 위치 정보는 이벤트 존재 차도까지 구체화할 수 있다.
실제 응용 시, 도로 상의 도로 이벤트의 유형과 위치는 시간이 경과함에 따라 변하게 되며, 즉 도로 이벤트는 동적 이벤트이다.
단계(S203), 도로 이벤트를 포함하는 모든 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 과거 기간 내에 발생한 도로 이벤트를 결정하되, 도로 이벤트는 도로 이벤트 정보를 구비하고, 도로 이벤트 정보는 이벤트 유형 및/또는 이벤트 위치 정보를 포함한다.
단일 프레임 도로 이미지에 대해 도로 이벤트 검출을 수행한 후, 단일 프레임 도로 이미지의 검출 결과를 기초로, 도로 이벤트를 포함하는 모든 도로 이미지를 선별할 수 있다.
해당 단계에서, 도로 이벤트를 포함하는 모든 도로 이미지의 도로 이벤트의 관련 정보를 기초로, 클러스터링을 수행하여, 과거 기간 내에 설정 영역 범위 내의 모든 도로에서 발생한 도로 이벤트를 획득한다. 해당 클러스터링 결과는 도로 이벤트의 도로 이벤트 정보를 포함한다.
단계(S204), 각 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트한다.
과거 기간 내에 발생한 도로 이벤트를 획득한 후, 각 도로 이벤트의 도로 이벤트 정보를 맵 데이터에 업데이트하여, 업데이트된 후의 최신 도로 이벤트 정보를 포함하는 맵 데이터를 기초로, 네비게이션 경로, 자율 주행 경로 등을 정확하게 계획하도록 할 수 있다.
본 출원의 실시예에 따르면 복수의 차량이 일 과거 기간에 수집 및 리턴한 도로 이미지를 획득하고, 단일 프레임 도로 이미지에 대해 이미지 처리를 수행하여 도로 이미지에 포함된 도로 이벤트를 결정함으로써, 도로 이벤트 유형 및/또는 위치를 정확하게 포지셔닝할 수 있고; 나아가 도로 이벤트를 포함하는 멀티 프레임의 도로 이미지의 도로 이벤트 데이터에 대해 클러스터링을 수행하여, 과거 기간 내에 발생한 모든 도로 이벤트 및 도로 이벤트 정보를 획득함으로써, 과거 기간 내에 발생한 모든 도로 이벤트를 정확하게 결정할 수 있고, 도로 이벤트의 유형 및/또는 위치를 정확하게 결정할 수 있으며, 도로 이벤트 검출 정확도를 향상시킨다.
도 3은 본 출원의 제2 실시예에 따른 도로 이벤트 검출 방법의 흐름도이다. 상술한 제1 실시예의 기초 상에서, 본 실시예는, 크라우드 소싱 리턴 방식으로 복수의 차량이 일 과거 기간 내에 수집하여 리턴한 도로 이미지를 획득함으로써, 설정 영역 범위 내의 모든 도로를 전면적으로 커버할 수 있는 도로 이미지를 획득할 수 있다. 나아가, 도로 이벤트를 포함하는 모든 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 과거 기간 내에 발생한 도로 이벤트를 결정한 후, 각 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트하기 전에, 또한 과거 기간 내에 차량의 주행 궤적을 기초로, 도로 이벤트에 대해 검증하고; 검증 결과를 기초로, 과거 기간 내에 발생한 도로 이벤트에 대해 선별함으로써, 도로 이벤트 오경보 상황을 방지하고, 맵 데이터 상의 도로 이벤트의 정확도를 향상시킬 수 있다.
도 3에 도시된 바와 같이, 해당 방법은 구체적으로 아래의 단계들을 포함한다.
단계(S301), 복수의 차량으로 데이터 리턴 임무를 발송하되, 데이터 리턴 임무는 복수의 차량이 수집 규칙에 따라 도로 이미지를 수집 및 리턴하도록 지시한다.
여기서, 수집 규칙은, 제1 시간 간격 또는 제1 거리 간격에 따라 도로 이미지를 수집 및 리턴하거나, 또는 현재 발생한 도로 이벤트의 기설정 범위 내에서 제2 시간 간격 또는 제2 거리 간격에 따라 도로 이미지를 수집 및 리턴하는 것을 포함한다. 제2 시간 간격은 제1 시간 간격보다 작고, 제2 거리 간격은 제1 거리 간격보다 작다.
차량은 현재 위치를 기초로, 현재 발생한 도로 이벤트의 기설정 범위 내에 위치하는지를 결정하고, 만약 어느 도로 이벤트의 기설정 범위 내에 위치하지 않으면, 제1 시간 간격 또는 제1 거리 간격으로 도로 이미지를 수집 및 리턴하면 된다. 만약 차량이 현재 발생한 어느 도로 이벤트의 기설정 범위 내에 위치하면, 제2 시간 간격 또는 제2 거리 간격으로 도로 이미지를 수집 및 리턴한다.
이로써, 이미 발생한 도로 이벤트의 기설정 범위 내의 도로 구간에 대하여, 더 짧은 거리 간격 또는 더 높은 빈도로 도로 이미지를 수집함으로써, 이미 검출된 도로 이벤트에 대하여, 도로 이벤트 주위의 도로에서 더 많은 도로 이미지를 수집하고, 이미 도로 이벤트가 발생한 도로 구간에 더 많은 관심을 모아, 더 정확하게 도로 이벤트를 업데이트할 수 있다.
한편, 기설정 범위는 실제 응용 시나리오의 수요에 따라 설정할 수 있으며, 본 실시예는 이에 대해 구체적으로 한정하지 않는다. 제1 시간 간격, 제2 시간 간격, 제1 거리 간격, 제2 거리 간격은 모두 실제 응용 시나리오에 따라 설정 및 조정할 수 있으며, 본 실시예는 이에 대해 구체적으로 한정하지 않는다.
선택적으로, 데이터 리턴 임무는 또한 복수의 차량이 수집 규칙에 따라 차량의 위치, 속도, 브레이크 정보 등의 주행 데이터 등을 수집 및 리턴하도록 지시할 수 있다. 여기서, 차량의 위치는 실시간으로 포지셔닝한 GPS 위치일 수 있다. 차량이 매번 리턴한 위치를 기초로, 차량의 과거 기간 내의 주행 궤적을 얻을 수 있다. 한편, 데이터 리턴 임무가 차량이 리턴할 것을 요구하는 데이터는 실제 응용 시나리오의 수요에 따라 설정 및 조정할 수 있으며, 여기서는 구체적으로 한정하지 않는다.
본 실시예에서 크라우드 소싱 리턴하는 방식으로 도로 이미지와 차량 주행 데이터를 획득하는 데이터 수집 방식은, 전문적인 도로 측정 기기 또는 기타 이미지 수집 장치를 추가할 필요가 없으므로, 원가를 절감시킬 수 있다.
단계(S302), 복수의 차량이 발송한 도로 이미지를 수신한다.
본 실시예에서, 상술한 단계(S301, S302)를 통해, 크라우드 소싱 리턴하는 방법으로, 복수의 차량이 일 과거 기간 내에 수집하여 리턴한 도로 이미지를 획득하고, 획득한 모든 도로 이미지는 설정 영역 범위 내의 모든 도로를 전면적으로 커버할 수 있다. 또한, 이미 검출된 도로 이벤트에 대해, 도로 이벤트 주위의 도로에서 더 많은 도로 이미지를 수집하고, 이미 발생한 도로 이벤트의 도로 구간에 더 많은 관심을 모아, 더욱 정확하게 도로 이벤트를 업데이트할 수 있다.
단계(S303), 도로 이미지에 대해 이미지 처리를 수행하여, 도로 이미지에 포함된 도로 이벤트를 결정한다.
여기서, 도로 이벤트는 도로 이벤트 정보를 구비하고, 도로 이벤트 정보는 이벤트 유형 및/또는 이벤트 위치 정보를 포함한다.
본 실시예에서, 해당 단계는 구체적으로 아래와 같은 방식으로 구현될 수 있다.
도로 이미지 중의 차도 위치, 및 도로 이미지에 나타난 이벤트 표지물의 위치를 검출하고; 도로 이미지 중의 차도 위치, 및 도로 이미지에 나타난 이벤트 표지물의 위치를 기초로, 만약 이벤트 표지물이 어느 차도 내에 나타난 것으로 결정되면, 도로 이미지에 도로 이벤트가 포함되어 있는 것으로 결정한다.
구체적으로, 도로 이미지에 대해 이미지 처리를 수행하여, 도로 이미지 중의 차선의 위치와 이벤트 표지물 및 그 위치를 인식하고, 차선의 위치를 기초로 인접한 두 차선 사이의 차도의 위치를 결정하고, 도로 이미지 중의 차도 위치, 및 도로 이미지에 나타난 이벤트 표지물의 위치를 기초로, 이벤트 표지물이 어느 차도 내에 출현 여부를 결정하고, 만약 이벤트 표지물이 어느 차도 내에 나타난 것으로 결정되면, 도로 이미지에 도로 이벤트가 포함되어 있는 것으로 결정할 수 있고, 또한 도로 이벤트가 위치한 차도를 결정할 수 있으며, 도로 이벤트가 발생한 차도의 정확한 포지셔닝을 구현할 수 있다.
만약 도로 이미지로부터 이벤트 표지물이 발견되지 않거나, 이벤트 표지물이 존재하지만 이벤트 표지물이 어느 차도 내에도 존재하지 않는 것으로 인식되면, 해당 도로 이미지에 도로 이벤트가 포함되어 있지 않는 것으로 결정할 수 있다.
나아가, 이벤트 표지물이 나타난 차도를 도로 이벤트가 위치한 차도로 결정하고; 이벤트 표지물의 유형을 기초로, 도로 이벤트의 이벤트 유형을 결정함으로써, 도로 이미지에 포함된 도로 이벤트의 유형과 존재하는 차도를 정확하게 인식할 수 있다.
나아가, 차량의 주행 궤적을 결합하여, 해당 도로 이미지 수집 시 차량의 해당 도로 상에서의 위치를 결정하여, 해당 도로 이벤트가 발생한 위치를 획득할 수 있다.
본 실시예에서, 어느 유형의 도로 이벤트의 이벤트 표지물은 해당 유형의 도로 이벤트가 발생한 것을 나타내기 위한 물체로서, 해당 이벤트 표지물이 차도에 나타날 때, 이벤트 표지물이 존재하는 위치에 대응되는 유형의 도로 이벤트가 발생하였음을 의미한다. 예를 들어, 만약 도로 이벤트가 공사이면, 공사 유형의 이벤트 표지물은 안전콘, 공사 인원, 공사 벽체, 공사 안내판 등을 포함할 수 있으며, 만약 도로 이미지 중 어느 차도 내에 어느 한가지 이벤트 표지물이 나타나면, 해당 지점에 공사 이벤트가 존재한다는 것을 의미할 수 있다. 예를 들어, 도 4에 도시된 도로 이미지(40)에서, 안전콘(41, 42)이 맨 좌측 차도 내에 나타났으며, 이는 해당 차도 내에 공사 이벤트가 발생한 것을 의미하고, 도로 이미지를 기초로 수집한 지점으로부터 추가적으로 공사 이벤트 발생 지점을 결정할 수 있다.
사전에 각종 유형의 도로 이벤트 중의 이벤트 표지물을 총결하고, 모든 이벤트 표지물의 이미지 특징을 획득하여, 도로 이미지로부터 이벤트 표지물을 인식하기 위해 사용한다.
선택적으로, 도로 이미지에 대해 이미지 처리를 수행하여, 그 중의 차선과 이벤트 표지물을 인식하는 과정은, 구체적으로 종래기술에 따른 이미지로부터 이미 알려진 물체 이미지 특징을 인식하는 방법으로 구현될 수 있으며, 여기에서는 구체적으로 한정하지 않는다.
선택적으로, 도로 이미지에 대해 이미지 처리를 수행하여, 도로 이미지에 포함된 도로 이벤트를 결정하는 과정은, 딥러닝 기반 뉴럴 네트워크 모델을 사용하여, 대량의 트레이닝 데이터를 이용하여 뉴럴 네트워크 모델에 대해 트레이닝하고, 트레이닝된 뉴럴 네트워크 모델은 이미지 특징을 추출하고, 분석하여 이미지에 포함된 도로 이벤트의 유형 및 위치한 차도를 획득함으로써, 차도 수준의 도로 이벤트의 정확한 인식을 구현할 수 있다.
단계(S304), 도로 이벤트 및 도로 이벤트의 이벤트 유형과 위치한 차도를 기초로, 도로 이벤트를 포함하는 모든 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 과거 기간 내에 발생한 도로 이벤트, 및 도로 이벤트의 도로 이벤트 정보를 결정한다.
본 실시예에서, 해당 단계는 아래와 같은 방식으로 구현될 수 있다.
도로 이벤트를 포함하는 도로 이미지를 목표 이미지로 하여, 목표 이미지 수집 시 차량의 위치와 방향각을 획득하고; 목표 이미지에 포함된 도로 이벤트 및 도로 이벤트의 이벤트 유형과 위치한 차도, 및 목표 이미지 수집 시 차량의 위치와 방향각을 기초로, 밀도 기반 클러스터링을 수행하며, 획득한 클러스터링 결과는 과거 기간 내에 발생한 도로 이벤트를 포함하고, 도로 이벤트의 이벤트 위치 정보는 위치한 차도, 시작 위치 좌표와 종료 위치 좌표를 포함한다.
구체적으로, 각 프레임의 도로 이벤트를 포함하는 목표 이미지에 대하여, 해당 목표 이미지를 수집한 차량의 과거 기간 내의 주행 궤적 및 목표 이미지의 수집 시간을 기초로, 해당 목표 이미지 수집 시 차량의 위치를 획득할 수 있으며, 해당 목표 이미지 수집 시 차량의 위치를 목표 이미지 중 도로 이벤트 발생 위치로 할 수 있다.
해당 목표 이미지를 수집한 차량의 과거 기간 내의 주행 궤적 및 목표 이미지의 수집 시간을 기초로, 해당 목표 이미지 수집 시 차량의 방향각을 더 결정할 수 있다. 상술한 단계(S303)를 통해 해당 목표 이미지에 포함된 도로 이벤트의 유형 및 위치한 차도를 획득한다.
각 목표 이미지에 포함된 도로 이벤트의 이벤트 유형과 위치한 차도, 및 목표 이미지 수집 시 차량의 위치와 방향각을 하나의 도로 이벤트 데이터로 하여, 모든 목표 이미지에 대응되는 도로 이벤트 데이터에 대해 밀도 기반 클러스터링을 수행하여, 클러스터링 결과를 획득한다. 클러스터링 결과는 과거 기간 내에 발생한 도로 이벤트를 포함하고, 도로 이벤트의 이벤트 위치 정보는 위치한 차도, 시작 위치 좌표와 종료 위치 좌표를 포함함으로써, 영역 범위 내의 모든 도로 이벤트의 이벤트 유형과 위치한 차도, 시작 위치 좌표와 종료 위치 좌표 등의 이벤트 위치 정보를 정확하게 결정할 수 있으므로, 차도 수준의 도로 이벤트의 정확한 검출을 구현할 수 있다.
선택적으로, 밀도 기반 클러스터링 방법은DBSCAN(Density-Based Spatial Clustering of Applications with Noise), 또는 DBSCAN의 최적화 알고리즘, 또는 기타 밀도 기반 클러스터링 알고리즘 등을 사용할 수 있으며, 본 실시예는 여기에서 구체적으로 한정하지 않는다.
해당 단계는 도로 이벤트를 포함하는 모든 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 과거 기간 내에 발생한 도로 이벤트를 결정하는 일 구체적인 구현형태이다.
일 선택적인 구현형태에서, 해당 목표 이미지 수집 시 차량의 위치를 결정한 후, 해당 목표 이미지를 수집한 수집 장치의 캘리브레이션 파라미터와 해당 목표 이미지 수집 시 차량의 위치를 기초로, 목표 이미지 중 도로 이벤트의 정확한 위치를 더 결정할 수 있다. 각각의 목표 이미지에 포함된 도로 이벤트의 이벤트 유형과 위치한 차도, 목표 이미지 중 도로 이벤트의 정확한 위치, 및 목표 이미지 수집 시 차량 주행 방향을 하나의 도로 이벤트 데이터로 하여, 모든 목표 이미지에 대응되는 도로 이벤트 데이터에 대해 밀도 기반 클러스터링을 수행하여, 클러스터링 결과를 획득한다. 클러스터링 결과는 과거 기간 내에 발생한 도로 이벤트를 포함할 수도 있고, 도로 이벤트의 이벤트 위치 정보는 위치한 차도, 시작 위치 좌표와 종료 위치 좌표를 포함하며, 이에 따라 영역 범위 내의 모든 도로 이벤트의 이벤트 유형과 위치한 차도, 시작 위치 좌표와 종료 위치 좌표 등의 이벤트 위치 정보를 정확하게 결정함으로써, 차도 수준의 도로 이벤트의 정확한 검출을 구현할 수 있다.
단계(S305), 과거 기간 내의 차량의 주행 궤적을 기초로, 도로 이벤트에 대해 검증을 수행한다.
본 실시예에서, 과거 기간 내에 발생한 도로 이벤트를 획득한 후, 과거 기간 내의 차량의 주행 궤적을 기초로, 도로 이벤트에 대해 추가적으로 검증할 수 있다.
해당 단계는 아래와 같은 방식으로 구현될 수 있다.
도로 이벤트의 이벤트 위치 정보를 기초로, 도로 이벤트의 발생 영역을 결정하고; 과거 기간 내의 차량의 주행 궤적을 기초로, 도로 이벤트의 발생 영역에 궤적 이상 존재 여부를 결정하고; 만약 도로 이벤트의 발생 영역에 궤적 이상이 존재하지 않으면, 도로 이벤트가 존재하지 않는 것으로 결정한다.
여기서, 도로 이벤트의 발생 영역은 도로 이벤트 발생 시, 차량이 통행 불가능한 영역일 수 있다.
구체적으로, 도로 이벤트의 이벤트 위치 정보는 도로 이벤트가 발생한 차도, 시작 위치 좌표와 종료 위치 좌표를 포함하고, 도로 이벤트가 발생한 차도, 시작 위치 좌표와 종료 위치 좌표를 기초로, 도로 이벤트의 발생 영역을 결정할 수 있다.
실제 시나리오에서, 도로에 도로 이벤트가 발생하였을 때, 차량은 도로 이벤트 발생 영역 내에서 통행할 수 없으므로, 차량 감속, 저속 주행, 우회 등의 행위가 발생하게 되며, 주행 궤적에 이상이 발생하는 바, 예를 들어 현저한 정체, 또는 현저한 우회 행위 궤적이 나타난다.
차량의 주행 궤적을 기초로, 궤적 마이닝 방법을 통해 이상 궤적, 및 이상 궤적이 위치한 도로 구간을 인식한다.
나아가, 이상 궤적이 위치한 도로 구간과 도로 이벤트의 발생 영역을 비교함으로써, 도로 이벤트의 발생 영역에 궤적 이상 존재 여부를 결정할 수 있다.
선택적으로, 과거 기간 내의 차량의 주행 궤적은 기타 네비게이션 애플리케이션, 맵 애플리케이션 등으로부터 획득한 과거 기간 내의 차량 주행 궤적일 수 있고, 크라우드 소싱 기반 리턴 방식으로 복수의 차량으로부터 리턴되는 주행 궤적 등을 포함할 수도 있으며, 현재의 영역 범위에 대해 획득할 수 있고, 획득 후 현재 영역 범위 내의 데이터를 선별할 수도 있다.
단계(S306), 검증 결과를 기초로, 과거 기간 내에 발생한 도로 이벤트에 대해 선별한다.
만약 도로 이벤트의 발생 영역에 궤적 이상이 존재하면, 추가적으로 도로 이벤트가 확실히 존재하고, 해당 영역 내에 확실히 도로 이벤트가 발생한 것으로 결정할 수 있다.
선택적으로, 대량의 차량 주행 궤적을 기초로, 궤적 이상인 영역을 정확하게 결정하고, 궤적 이상인 영역 범위를 기초로, 추가적으로 도로 이벤트의 시작 위치 좌표와 종료 위치 좌표를 보정하여, 도로 이벤트의 시작 위치 좌표와 종료 위치 좌표가 더욱 정확하도록 할 수 있다.
해당 단계에서, 만약 검증 결과를 기초로 어느 도로 이벤트가 존재하지 않는 것으로 결정되면, 해당 영역 내에서는 차량의 정상적인 통행에 영향을 미치지 않는 것을 의미하므로, 도로 이벤트가 발생하지 않은 것으로 결정할 수 있고, 이때 해당 도로 이벤트를 과거 기간 내에 발생한 도로 이벤트로부터 삭제함으로써, 현재 존재하지 않는 도로 이벤트의 오경보를 방지하고, 전자맵 상의 도로 이벤트 정보의 정확성을 향상시킬 수 있다.
단계(S307), 각 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트한다.
본 실시예에서, 과거 기간 내에 발생한 도로 이벤트를 획득한 후, 도로 이벤트의 도로 이벤트 정보를 기초로 맵 데이터를 업데이트할 수 있으며, 이에 따라 업데이트 후 도로 이벤트의 도로 이벤트 정보를 포함하는 맵 데이터를 기초로, 정확하게 네비게이션 경로를 계획하거나, 또는 자율 주행 경로를 계획할 수 있으며, 한편, 도로 이벤트의 도로 이벤트 정보를 네비게이션 계획 경로 상에 표시하여, 사용자가 참조 선택하도록 제공할 수도 있다.
선택적으로, 과거 기간의 길이를 조정하여, 맵 데이터 중 도로 이벤트 정보의 업데이트 빈도를 조정함으로써, 도로 이벤트 정보의 실시간 업데이트를 구현할 수 있다.
일 가능한 시나리오에서, 과거 기간 내에 발생한 도로 이벤트는 해당 과거 기간 내에 발생하기 시작한 새로 증가된 도로 이벤트로서, 맵 데이터에는 해당 도로 이벤트의 아무런 정보도 포함되어 있지 않을 수 있으며, 제1 도로 이벤트로 이러한 도로 이벤트를 가리킬 수 있다.
과거 기간 내에 발생한 제1 도로 이벤트에 대하여, 만약 맵 데이터에 제1 도로 이벤트가 포함되어 있지 않으면, 제1 도로 이벤트를 맵 데이터에 추가한다. 이에 따라, 새로 증가된 도로 이벤트의 도로 이벤트 정보를 적시에 맵 데이터에 추가할 수 있다.
일 가능한 시나리오에서, 과거 기간 내에 발생한 도로 이벤트는 과거 기간 이전에 이미 발생한 것이고, 과거 기간 내에도 발생되고 있는 도로 이벤트일 수 있고, 해당 도로 이벤트의 위치 정보가 변화될 수 있으며, 제2 도로 이벤트로 이러한 도로 이벤트를 가리킬 수 있다.
과거 기간 내에 발생한 제2 도로 이벤트에 대하여, 만약 맵 데이터에 제2 도로 이벤트가 이미 포함되어 있으면, 맵 데이터 중 제2 도로 이벤트의 도로 이벤트 정보를 업데이트한다. 이에 따라, 적시에 맵 데이터에 이미 존재하는 도로 이벤트의 도로 이벤트 정보를 업데이트하여, 맵 데이터 중 도로 이벤트 정보의 정확성을 향상시킬 수 있다.
일 가능한 시나리오에서, 과거 기간 이전에 발생한, 또한 과거 기간 이전에 이미 사라진 도로 이벤트이지만, 맵 데이터에 해당 도로 이벤트의 도로 이벤트 정보가 여전히 포함되어 있는 경우에 대해여, 제3 도로 이벤트로 이러한 도로 이벤트를 가리킬 수 있다.
맵 데이터에 포함된 제3 도로 이벤트에 대하여, 만약 과거 기간 내에 발생한 도로 이벤트에 제3 도로 이벤트가 포함되어 있지 않으면, 제3 도로 이벤트를 맵 데이터로부터 삭제한다. 이에 따라, 이미 사라진 도로 이벤트의 도로 이벤트 정보를 적시에 맵 데이터로부터 삭제함으로써, 맵 데이터 중 도로 이벤트 정보의 정확성을 향상시킨다.
본 실시예는 크라우드 소싱 리턴하는 방식으로 도로 이미지 및 차량 주행 데이터(주행 궤적, 속도, 브레이크 정보 등을 포함하지만 이에 한정되지 않는다)를 획득하고, 이미지 분석 및 GPS 궤적 분석을 결합하는 방식을 통해, 실시간으로 통합 분석 처리하여, 차도 수준의 도로 이벤트를 획득하여, 임의의 도로 조건에서의 차도 수준의 도로 이벤트를 판단할 수 있다.
도 5는 본 출원의 제3 실시예에 따른 도로 이벤트 검출 장치를 나타내는 도면이다. 본 출원의 실시예에 따른 도로 이벤트 검출 장치는 도로 이벤트 검출 방법 실시예에 따른 처리 프로세스를 수행할 수 있다. 도 5에 도시된 바와 같이, 해당 도로 이벤트 검출 장치(50)는, 도로 이미지 획득 모듈(501), 이벤트 검출 모듈(502) 및 이벤트 정보 업데이트 모듈(503)을 포함한다.
구체적으로, 도로 이미지 획득 모듈(501)은 복수의 차량이 일 과거 기간 내에 수집하여 리턴한 도로 이미지를 획득한다.
이벤트 검출 모듈(502)은 도로 이미지에 대해 이미지 처리를 수행하여, 도로 이미지에 포함된 도로 이벤트를 결정한다.
이벤트 검출 모듈(502)은 또한 도로 이벤트를 포함하는 모든 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 과거 기간 내에 발생한 도로 이벤트를 결정하되, 도로 이벤트는 도로 이벤트 정보를 구비하고, 도로 이벤트 정보는 이벤트 유형 및/또는 이벤트 위치 정보를 포함한다.
이벤트 정보 업데이트 모듈(503)은 각 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트한다.
본 출원의 실시예에 따른 장치는 구체적으로 상술한 제1 실시예에 따른 방법 실시예를 수행할 수 있으며, 여기서는 구체적인 기능에 대한 반복되는 설명을 생략한다.
본 출원의 실시예에 따르면 복수의 차량이 하나의 과거 기간에 수집 및 리턴한 도로 이미지를 획득하고, 단일 프레임 도로 이미지에 대해 이미지 처리를 수행하여 도로 이미지에 포함된 도로 이벤트를 결정함으로써, 도로 이벤트 유형 및/또는 위치를 정확하게 포지셔닝할 수 있고; 나아가 도로 이벤트를 포함하는 멀티 프레임의 도로 이미지의 도로 이벤트 데이터에 대해 클러스터링하여, 과거 기간 내에 발생한 모든 도로 이벤트 및 도로 이벤트 정보를 획득함으로써, 과거 기간 내에 발생한 모든 도로 이벤트를 정확하게 결정할 수 있고, 도로 이벤트의 유형 및/또는 위치를 정확하게 결정할 수 있으며, 도로 이벤트 검출 정확도를 향상시킨다.
상술한 제3 실시예의 기초 상에서, 본 출원의 제4 실시예에서 도로 이미지 획득 모듈은 또한,
복수의 차량으로 데이터 리턴 임무를 발송하되, 데이터 리턴 임무는 복수의 차량이 수집 규칙에 따라 도로 이미지를 수집 및 리턴하도록 지시하되, 수집 규칙은, 제1 시간 간격 또는 제1 거리 간격에 따라 도로 이미지를 수집 및 리턴하는 것, 또는 현재 발생한 도로 이벤트의 기설정 범위 내에서 제2 시간 간격 또는 제2 거리 간격에 따라 도로 이미지를 수집 및 리턴하는 것을 포함하고, 제2 시간 간격은 제1 시간 간격보다 작고, 제2 거리 간격은 제1 거리 간격보다 작으며; 복수의 차량이 발송한 도로 이미지를 수신한다.
일 선택적인 실시형태에서, 이벤트 검출 모듈은 또한,
도로 이미지 중의 차도 위치, 및 도로 이미지에 나타난 이벤트 표지물의 위치를 검출하고; 도로 이미지 중의 차도 위치, 및 도로 이미지에 나타난 이벤트 표지물의 위치를 기초로, 만약 이벤트 표지물이 어느 차도 내에 나타난 것으로 결정되면, 도로 이미지에 도로 이벤트가 포함되어 있는 것으로 결정한다.
일 선택적인 실시형태에서, 이벤트 검출 모듈은 또한,
이벤트 표지물이 나타난 차도를 도로 이벤트가 위치한 차도로 결정하고; 이벤트 표지물의 유형을 기초로, 도로 이벤트의 이벤트 유형을 결정한다.
일 선택적인 실시형태에서, 이벤트 검출 모듈은 또한,
도로 이벤트 및 도로 이벤트의 이벤트 유형과 위치한 차도를 기초로, 도로 이벤트를 포함하는 모든 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 과거 기간 내에 발생한 도로 이벤트, 및 도로 이벤트의 도로 이벤트 정보를 결정한다.
일 선택적인 실시형태에서, 이벤트 검출 모듈은 또한,
도로 이벤트를 포함하는 도로 이미지를 목표 이미지로 하여, 목표 이미지 수집 시 차량의 위치와 방향각을 획득하고; 목표 이미지에 포함된 도로 이벤트 및 도로 이벤트의 이벤트 유형과 위치한 차도, 및 목표 이미지 수집 시 차량의 위치와 방향각을 기초로, 밀도 기반 클러스터링을 수행하며, 획득한 클러스터링 결과는 과거 기간 내에 발생한 도로 이벤트를 포함하고, 도로 이벤트의 이벤트 위치 정보는 위치한 차도, 시작 위치 좌표와 종료 위치 좌표를 포함한다.
일 선택적인 실시형태에서, 이벤트 검출 모듈은 또한,
과거 기간 내의 차량의 주행 궤적을 기초로, 도로 이벤트에 대해 검증을 수행하고; 검증 결과를 기초로, 과거 기간 내에 발생한 도로 이벤트에 대해 선별한다.
일 선택적인 실시형태에서, 이벤트 검출 모듈은 또한,
도로 이벤트의 이벤트 위치 정보를 기초로, 도로 이벤트의 발생 영역을 결정하고; 과거 기간 내의 차량의 주행 궤적을 기초로, 도로 이벤트의 발생 영역에 궤적 이상 존재 여부를 결정하고; 만약 도로 이벤트의 발생 영역에 궤적 이상이 존재하지 않으면, 도로 이벤트가 존재하지 않는 것으로 결정한다.
일 선택적인 실시형태에서, 이벤트 검출 모듈은 또한,
만약 검증 결과를 기초로 어느 도로 이벤트가 존재하지 않는 것으로 결정되면, 해당 도로 이벤트를 과거 기간 내에 발생한 도로 이벤트로부터 삭제한다.
일 선택적인 실시형태에서, 이벤트 검출 모듈은 또한,
만약 도로 이벤트의 발생 영역에 궤적 이상이 존재하면, 도로 이벤트가 확실히 존재하는 것으로 결정한다
일 선택적인 실시형태에서, 이벤트 정보 업데이트 모듈은 또한,
과거 기간 내에 발생한 제1 도로 이벤트에 대하여, 만약 맵 데이터에 제1 도로 이벤트가 포함되어 있지 않으면, 제1 도로 이벤트를 맵 데이터에 추가한다.
일 선택적인 실시형태에서, 이벤트 정보 업데이트 모듈은 또한,
과거 기간 내에 발생한 제2 도로 이벤트에 대하여, 만약 맵 데이터에 제2 도로 이벤트가 이미 포함되어 있으면, 맵 데이터 중 제2 도로 이벤트의 도로 이벤트 정보를 업데이트한다.
일 선택적인 실시형태에서, 이벤트 정보 업데이트 모듈은 또한,
맵 데이터에 포함된 제3 도로 이벤트에 대하여, 만약 과거 기간 내에 발생한 도로 이벤트에 제3 도로 이벤트가 포함되어 있지 않으면, 제3 도로 이벤트를 맵 데이터로부터 삭제한다.
본 출원의 실시예에 따른 장치는 구체적으로 상술한 제2 실시예에 따른 방법 실시예를 수행할 수 있으며, 여기서는 구체적인 기능에 대한 반복되는 설명을 생략한다.
본 실시예는 크라우드 소싱 리턴하는 방식을 통해 도로 이미지 및 차량 주행 데이터(주행 궤적, 속도, 브레이크 정보 등을 포함하지만 이에 한정되지 않는다)를 획득하고, 이미지 분석 및 GPS 궤적 분석을 결합하는 방식을 사용하여, 실시간으로 통합 분석 처리하여, 차도 수준의 도로 이벤트를 획득함으로써, 임의의 도로 조건에서의 차도 수준의 도로 이벤트를 판단할 수 있다.
본 출원의 실시예에 따르면, 본 출원은 전자기기와 판독 가능 저장매체를 더 제공한다.
본 출원의 실시예에 따르면, 본 출원은 컴퓨터 프로그램을 더 제공하며, 컴퓨터 프로그램은 컴퓨터 판독 가능 저장 매체에 저장되며, 전자기기의 적어도 하나의 프로세서는 판독 가능 저장 매체로부터 컴퓨터 프로그램을 판독할 수 있고, 적어도 하나의 프로세서는 컴퓨터 프로그램을 실행하여 전자기기가 상술한 어느 하나의 실시예에 따른 방안을 수행하도록 한다.
도 6에 도시된 바와 같이, 본 출원의 실시예에 따른 도로 이벤트 검출 방법을 위한 전자기기의 블록도이다. 전자기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 워크 스테이션, 개인 정보 단말, 서버, 블레이드 서버, 대형 컴퓨터, 및 기타 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 의미한다. 전자기기는 개인 정보 단말, 셀 폰, 스마트 폰, 웨어러블 기기 및 기타 유사한 컴퓨팅 장치와 같은 다양한 형태의 모바일 장치를 의미할 수도 있다. 본문에 개시된 부재, 이들의 연결 및 관계, 및 이들의 기능은 단지 예시적인 것이며, 본문에 개시된 것 및/또는 요구하는 본 출원의 구현을 한정하려는 의도가 아니다.
도 6에 도시된 바와 같이, 해당 전자기기(600)는 하나 또는 복수의 프로세서(601), 메모리(602), 및 각 부재를 연결시키기 위한 고속 인터페이스와 저속 인터페이스를 포함하는 인터페이스를 포함한다. 각각의 부재는 서로 다른 버스를 통해 서로 연결되며, 공통 메인보드에 장착되거나 수요에 따라 기타 방식으로 장착될 수 있다. 프로세서는 전자기기(600) 내에서 실행되는 명령을 처리할 수 있으며, 메모리 또는 메모리 상에 저장되어 외부 입력/출력 장치(예컨대, 인터페이스에 커플링된 디스플레이 기기) 상에 GUI의 그래픽 정보를 표시하는 명령을 포함할 수 있다. 기타 실시형태에서, 수요에 따라, 복수의 프로세서 및/또는 복수의 버스와 복수의 메모리를 같이 사용할 수 있다. 마찬가지로, 복수의 전자기기(600)를 연결할 수 있으며, 각각의 기기는 부분 필요한 조작을 제공한다(예를 들어, 서버 어레이, 한 세트의 블레이드 서버, 또는 멀티 프로세서 시스템으로서). 도 6은 하나의 프로세서(601)를 예로 든다.
메모리(602)는 바로 본 출원에 따른 비일시적 컴퓨터 판독 가능 저장매체이다. 여기서, 메모리에는 적어도 하나의 프로세서에 의해 실행될 수 있는 명령이 저장되어, 적어도 하나의 프로세서가 본 출원에 따른 도로 이벤트 검출 방법을 수행하도록 한다. 본 출원의 비일시적 컴퓨터 판독 가능 저장매체는 컴퓨터 명령을 저장하고, 해당 컴퓨터 명령은 컴퓨터가 본 출원에 따른 도로 이벤트 검출 방법을 수행하도록 한다.
메모리(602)는 비일시적 컴퓨터 판독 가능 저장매체로서, 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행 가능 프로그램 및 모듈, 예컨대 본 출원의 실시예에 따른 도로 이벤트 검출 방법에 대응되는 프로그램 명령/모듈(예를 들어, 도 5에 도시된 도로 이미지 획득 모듈(501), 이벤트 검출 모듈(502) 및 이벤트 정보 업데이트 모듈(503))을 저장할 수 있다. 프로세서(601)는 메모리(602)에 저장된 비일시적 소프트웨어 프로그램, 명령 및 모듈을 실행함으로써, 서버의 다양한 기능 응용 및 데이터 처리를 수행한다. 즉, 상술한 방법 실시예 중 도로 이벤트 검출 방법을 구현한다.
메모리(602)는 프로그램 저장 영역과 데이터 저장 영역을 포함할 수 있다. 여기서, 프로그램 저장 영역은 운영체제, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있다. 데이터 저장 영역은 도로 이벤트 검출을 위한 전자기기(600)의 사용에 따라 발생되는 데이터 등을 저장할 수 있다. 한편, 메모리(602)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 비일시적 메모리를 포함할 수도 있으며, 예를 들어 적어도 하나의 자기 저장 장치, 플래시 메모리, 또는 기타 비일시적 솔리드 스테이트 저장 장치가 있다. 일부 실시예에서, 메모리(602)는 선택적으로 프로세서(601)에 대해 원격으로 설치되는 메모리를 포함할 수 있다. 이러한 원격 메모리는 네트워크를 통해 도로 이벤트 검출을 위한 전자기기(600)에 연결될 수 있다. 상술한 네트워크의 실예로서 인터넷, 인트라넷, 근거리 통신망, 이동 통신망 및 그 조합을 포함하지만 이에 한정되지 않는다.
도로 이벤트 검출을 위한 전자기기(600)는 입력장치(603)와 출력장치(604)를 더 포함할 수 있다. 프로세서(601), 메모리(602), 입력장치(603) 및 출력장치(604)는 버스 또는 기타 방식으로 연결될 수 있으며, 도 6에서는 버스를 통해 연결되는 것을 예시하고 있다.
입력장치(603)는 입력되는 숫자 또는 문자 부호 정보를 수신할 수 있고, 도로 이벤트 검출을 위한 전자기기의 사용자 설정 및 기능 제어에 대한 키 신호 입력을 생성할 수 있다. 예를 들어 터치 스크린, 키패드, 마우스, 트랙패드, 터치패널, 지시레버, 하나 또는 복수의 마우스 버튼, 트랙 볼, 조종 레버 등의 입력장치가 있다. 출력장치(604)는 디스플레이 기기, 보조 조명 장치(예를 들어, LED) 및 촉각 피드백 장치(예를 들어, 진동모터) 등을 포함할 수 있다. 해당 디스플레이 기기는, 액정 디스플레이(LCD), 발광 다이오드(LED) 디스플레이와 플라즈마 디스플레이 등을 포함할 수 있지만 이에 한정되지 않는다. 일부 실시형태에서, 디스플레이 기기는 터치 스크린일 수 있다.
여기에 기재되는 시스템 및 기술의 다양한 실시형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(전용 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시형태는 하나 또는 복수의 컴퓨터 프로그램에서 구현되는 것을 포함할 수 있고, 해당 하나 또는 복수의 컴퓨터 프로그램은 적어도 하나의 프로그래머블 프로세서를 포함하는 프로그래머블 시스템 상에서 실행 및/또는 해석될 수 있으며, 해당 프로그래머블 프로세서는 전용 또는 범용 프로그래머블 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력장치, 및 적어도 하나의 출력장치로부터 데이터와 명령을 수신할 수 있으며, 데이터와 명령을 해당 저장 시스템, 해당 적어도 하나의 입력장치, 및 해당 적어도 하나의 출력장치로 전송한다.
이러한 컴퓨터 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 또는 코드라고도 지칭)은 프로그래머블 프로세서의 기계적 명령을 포함하고, 고급 프로세스 및/또는 객체 지향 프로그래밍 언어, 및/또는 어셈블리/기계적 언어를 이용하여 이러한 컴퓨터 프로그램을 실시할 수 있다. 예컨대 본문에서 사용되는 용어 "기계 판독 가능 매체"와 "컴퓨터 판독 가능 매체"는 기계적 명령 및/또는 데이터를 프로그래머블 프로세서로 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기, 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그래머블 논리 디바이스(PLD))를 가리키고, 기계 판독 가능 신호인 기계적 명령을 수신하는 기계 판독 가능 매체를 포함한다. 용어 "기계 판독 가능 신호"는 기계적 명령 및/또는 데이터를 프로그래머블 프로세서로 제공하기 위한 임의의 신호를 가리킨다.
사용자와의 인터랙션을 제공하기 위하여, 컴퓨터 상에서 본 명세서에 기재되는 시스템 및 기술을 실시할 수 있으며, 해당 컴퓨터는 사용자에게 정보를 표시하기 위한 표시장치(예를 들어, CRT(캐소드레이 튜브) 또는 LCD(액정 디스플레이) 모니터); 및 키보드와 지향 장치(예를 들어, 마우스 또는 트랙볼)를 구비하고, 사용자는 해당 키보드와 해당 지향 장치를 통해 입력을 컴퓨터로 제공할 수 있다. 기타 종류의 장치는 사용자와의 인터랙션을 제공할 수도 있다. 예를 들어, 사용자에게 제공되는 피드백은 임의의 형태의 센싱 피드백(예를 들어, 시각적 피드백, 청각적 피드백, 또는 촉각적 피드백)일 수 있고; 임의의 형태(사운드 입력, 음성 입력 또는 촉각 입력)을 통해 사용자로부터의 입력을 수신할 수 있다.
여기에 기재되는 시스템과 기술은 백그라운드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버로서), 또는 중간부재를 포함하는 컴퓨팅 시스템(예를 들어, 응용 서버), 또는 프론트 엔드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 유저 인터페이스 또는 인터넷 브라우저를 구비하는 사용자 컴퓨터, 사용자는 해당 그래픽 유저 인터페이스 또는 해당 인터넷 브라우저를 통해 여기에 기재되는 시스템 및 기술의 실시형태와 인터랙션할 수 있다), 또는 이러한 백그라운드 부재, 중간 부재, 또는 프론트 엔드 부재를 포함하는 임의의 조합의 컴퓨팅 시스템에서 실시될 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 시스템의 부재를 서로 연결시킬 수 있다. 통신 네트워크의 예시로서, 근거리 통신망(LAN), 광역 통신망(WAN) 및 인터넷을 포함한다.
컴퓨터 시스템은 클라이언트와 서버를 포함할 수 있다. 클라이언트와 서버는 일반적으로 서로 멀리 떨어져 있으며, 통상적으로 통신 네트워크를 통해 인터랙션한다. 상응한 컴퓨터 상에서 실행되며 서로 클라이언트 - 서버 관계를 가지는 컴퓨터 프로그램을 통해 클라이언트와 서버의 관계를 생성한다. 서버는 클라우드 서버일 수 있고, 클라우드 컴퓨팅 서버 또는 클라우드 호스트라고도 불리우며, 클라우드 컴퓨팅 서비스 시스템 중의 일 호스트 제품으로서, 기존의 물리 호스트와 가상 전용 서버("Virtual Private Server", 또는 "VPS"로 약칭)에 존재하는 관리 상의 어려움이 크고, 서비스 확장이 약한 흠결을 해결한다. 서버는 분포식 시스템의 서버, 또는 블록 체인이 결합된 서버일 수도 있다.
상술한 다양한 형태의 프로세스를 사용하여 단계를 재배열, 추가 또는 삭제할 수 있다는 것을 이해하여야 한다. 예를 들어, 본 출원에 기재된 각 단계는 병열로 수행될 수 있고 순차적으로 수행될 수도 있고 서로 다른 순서로 수행될 수도 있으며, 본 출원에 개시된 기술적 해결수단이 원하는 결과를 얻을 수만 있다면, 본 명세서에서는 이에 대해 한정하지 않는다.
상술한 구체적인 실시형태는 본 출원의 보호범위에 대한 한정이 아니다. 본 분야의 통상의 지식을 가진 자라면, 설계 요구와 기타 요소를 기초로, 다양한 수정, 조합, 서브 조합 및 대체를 수행할 수 있다는 것 이해하여야 한다. 본 출원의 사상과 원칙 내에서 이루어진 모든 수정, 동등한 치환 및 개선 등은 모두 본 출원의 보호 범위 내에 포함되어야 한다.

Claims (29)

  1. 복수의 차량이 일 과거 기간 내에 수집하여 리턴한 도로 이미지를 획득하는 단계;
    상기 도로 이미지에 대해 이미지 처리를 수행하여, 상기 도로 이미지에 포함된 도로 이벤트를 결정하는 단계;
    도로 이벤트를 포함하는 모든 상기 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 상기 과거 기간 내에 발생한 도로 이벤트를 결정하되, 상기 도로 이벤트는 도로 이벤트 정보를 구비하고, 상기 도로 이벤트 정보는 이벤트 유형 및 이벤트 위치 정보 중 적어도 하나를 포함하는 단계;
    각각의 상기 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트하는 단계를 포함하는 도로 이벤트 검출 방법.
  2. 제1항에 있어서,
    복수의 차량이 일 과거 기간 내에 수집하여 리턴한 도로 이미지를 획득하는 상기 단계는,
    상기 복수의 차량으로 데이터 리턴 임무를 발송하되, 상기 데이터 리턴 임무는 상기 복수의 차량이 수집 규칙에 따라 도로 이미지를 수집 및 리턴하도록 지시하되, 상기 수집 규칙은, 제1 시간 간격 또는 제1 거리 간격에 따라 도로 이미지를 수집 및 리턴하는 것, 또는 현재 발생한 도로 이벤트의 기설정 범위 내에서 제2 시간 간격 또는 제2 거리 간격에 따라 도로 이미지를 수집 및 리턴하는 것을 포함하고, 상기 제2 시간 간격은 상기 제1 시간 간격보다 작고, 상기 제2 거리 간격은 상기 제1 거리 간격보다 작은 단계;
    상기 복수의 차량으로부터 발송되는 도로 이미지를 수신하는 단계를 포함하는 도로 이벤트 검출 방법.
  3. 제1항에 있어서,
    상기 도로 이미지에 대해 이미지 처리를 수행하여, 상기 도로 이미지에 포함된 도로 이벤트를 결정하는 상기 단계는,
    상기 도로 이미지 중의 차도 위치, 및 상기 도로 이미지에 나타난 이벤트 표지물의 위치를 검출하는 단계;
    상기 도로 이미지 중의 차도 위치, 및 상기 도로 이미지에 나타난 이벤트 표지물의 위치를 기초로, 상기 이벤트 표지물이 차도 내에 나타난 것으로 결정되면, 상기 도로 이미지에 도로 이벤트가 포함되어 있는 것으로 결정하는 단계를 포함하는 도로 이벤트 검출 방법.
  4. 제3항에 있어서,
    상기 도로 이미지에 대해 이미지 처리를 수행하여, 상기 도로 이미지에 포함된 도로 이벤트를 결정하는 상기 단계 이후에,
    상기 이벤트 표지물이 나타난 차도를 상기 도로 이벤트가 위치한 차도로 결정하는 단계;
    상기 이벤트 표지물의 유형을 기초로, 상기 도로 이벤트의 이벤트 유형을 결정하는 단계를 더 포함하는 도로 이벤트 검출 방법.
  5. 제4항에 있어서,
    도로 이벤트를 포함하는 모든 상기 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 상기 과거 기간 내에 발생한 도로 이벤트를 결정하는 상기 단계는,
    상기 도로 이벤트 및 상기 도로 이벤트의 이벤트 유형과 위치한 차도를 기초로, 도로 이벤트를 포함하는 모든 상기 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 상기 과거 기간 내에 발생한 도로 이벤트, 및 상기 도로 이벤트의 도로 이벤트 정보를 결정하는 단계를 포함하는 도로 이벤트 검출 방법.
  6. 제5항에 있어서,
    상기 도로 이벤트 및 상기 도로 이벤트의 이벤트 유형과 위치한 차도를 기초로, 도로 이벤트를 포함하는 모든 상기 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 상기 과거 기간 내에 발생한 도로 이벤트, 및 상기 도로 이벤트의 도로 이벤트 정보를 결정하는 상기 단계는,
    도로 이벤트를 포함하는 도로 이미지를 목표 이미지로 하여, 상기 목표 이미지 수집 시 차량의 위치와 방향각을 획득하는 단계;
    상기 목표 이미지에 포함된 도로 이벤트 및 상기 도로 이벤트의 이벤트 유형과 위치한 차도, 및 상기 목표 이미지 수집 시 차량의 위치와 방향각을 기초로, 밀도 기반 클러스터링을 수행하고, 획득한 클러스터링 결과는 상기 과거 기간 내에 발생한 도로 이벤트를 포함하고, 상기 도로 이벤트의 이벤트 위치 정보는 위치한 차도, 시작 위치 좌표와 종료 위치 좌표를 포함하는 도로 이벤트 검출 방법.
  7. 제1항에 있어서,
    각각의 상기 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트하는 상기 단계 이전에,
    상기 과거 기간 내의 차량의 주행 궤적을 기초로, 상기 도로 이벤트에 대해 검증을 수행하는 단계;
    검증 결과를 기초로, 상기 과거 기간 내에 발생한 도로 이벤트에 대해 선별을 수행하는 단계를 더 포함하는 도로 이벤트 검출 방법.
  8. 제7항에 있어서,
    상기 과거 기간 내의 차량의 주행 궤적을 기초로, 상기 도로 이벤트에 대해 검증을 수행하는 단계는,
    상기 도로 이벤트의 이벤트 위치 정보를 기초로, 상기 도로 이벤트의 발생 영역을 결정하는 단계;
    상기 과거 기간 내의 차량의 주행 궤적을 기초로, 상기 도로 이벤트의 발생 영역에 궤적 이상 존재 여부를 결정;
    상기 도로 이벤트의 발생 영역에 궤적 이상이 존재하지 않으면, 상기 도로 이벤트가 존재하지 않는 것으로 결정하는 단계를 포함하는 도로 이벤트 검출 방법.
  9. 제8항에 있어서,
    검증 결과를 기초로, 상기 과거 기간 내에 발생한 도로 이벤트에 대해 선별을 수행하는 상기 단계는,
    상기 검증 결과를 기초로 어느 도로 이벤트가 존재하지 않는 것으로 결정되면, 해당 도로 이벤트를 상기 과거 기간 내에 발생한 도로 이벤트로부터 삭제하는 단계를 포함하는 도로 이벤트 검출 방법.
  10. 제8항에 있어서,
    상기 과거 기간 내의 상기 복수의 차량의 주행 궤적을 기초로, 상기 도로 이벤트의 발생 영역에 궤적 이상 존재 여부를 결정하는 상기 단계 이후에, 상기 도로 이벤트 검출 방법은,
    상기 도로 이벤트의 발생 영역에 궤적 이상이 존재하면, 상기 도로 이벤트가 확실히 존재하는 것으로 결정하는 단계를 더 포함하는 도로 이벤트 검출 방법.
  11. 제1항 내지 제10항 중 어느 한 항에 있어서,
    각각의 상기 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트하는 상기 단계는,
    상기 과거 기간 내에 발생한 제1 도로 이벤트에 대하여, 상기 맵 데이터에 상기 제1 도로 이벤트가 포함되어 있지 않으면, 상기 제1 도로 이벤트를 상기 맵 데이터에 추가하는 단계를 포함하는 도로 이벤트 검출 방법.
  12. 제1항 내지 제10항 중 어느 한 항에 있어서,
    각각의 상기 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트하는 상기 단계는,
    상기 과거 기간 내에 발생한 제2 도로 이벤트에 대하여, 상기 맵 데이터에 상기 제2 도로 이벤트가 포함되어 있으면, 상기 맵 데이터 중 상기 제2 도로 이벤트의 도로 이벤트 정보를 업데이트하는 단계를 포함하는 도로 이벤트 검출 방법.
  13. 제1항 내지 제10항 중 어느 한 항에 있어서,
    각각의 상기 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트하는 상기 단계는,
    상기 맵 데이터에 포함된 제3 도로 이벤트에 대하여, 상기 과거 기간 내에 발생한 도로 이벤트에 상기 제3 도로 이벤트가 포함되어 있지 않으면, 상기 제3 도로 이벤트를 상기 맵 데이터로부터 삭제하는 단계를 포함하는 도로 이벤트 검출 방법.
  14. 도로 이미지 획득 모듈, 이벤트 검출 모듈 및 이벤트 정보 업데이트 모듈을 포함하고,
    도로 이미지 획득 모듈은 복수의 차량이 일 과거 기간 내에 수집하여 리턴한 도로 이미지를 획득하고;
    이벤트 검출 모듈은 상기 도로 이미지에 대해 이미지 처리를 수행하여, 상기 도로 이미지에 포함된 도로 이벤트를 결정하고, 도로 이벤트를 포함하는 모든 상기 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 상기 과거 기간 내에 발생한 도로 이벤트를 결정하되, 상기 도로 이벤트는 도로 이벤트 정보를 구비하고, 상기 도로 이벤트 정보는 이벤트 유형 및 이벤트 위치 정보 중 적어도 하나를 포함하고;
    이벤트 정보 업데이트 모듈은 각각의 상기 도로 이벤트의 도로 이벤트 정보를 기초로, 맵 데이터를 업데이트하는 도로 이벤트 검출 장치.
  15. 제14항에 있어서, 상기 도로 이미지 획득 모듈은 또한,
    상기 복수의 차량으로 데이터 리턴 임무를 발송하되, 상기 데이터 리턴 임무는 상기 복수의 차량이 수집 규칙에 따라 도로 이미지를 수집 및 리턴하도록 지시하되, 상기 수집 규칙은, 제1 시간 간격 또는 제1 거리 간격에 따라 도로 이미지를 수집 및 리턴하는 것, 또는 현재 발생한 도로 이벤트의 기설정 범위 내에서 제2 시간 간격 또는 제2 거리 간격에 따라 도로 이미지를 수집 및 리턴하는 것을 포함하고, 상기 제2 시간 간격은 상기 제1 시간 간격보다 작고, 상기 제2 거리 간격은 상기 제1 거리 간격보다 작으며;
    상기 복수의 차량으로부터 발송되는 도로 이미지를 수신하는 도로 이벤트 검출 장치.
  16. 제14항에 있어서, 상기 이벤트 검출 모듈은 또한,
    상기 도로 이미지 중의 차도 위치, 및 상기 도로 이미지에 나타난 이벤트 표지물의 위치를 검출하고;
    상기 도로 이미지 중의 차도 위치, 및 상기 도로 이미지에 나타난 이벤트 표지물의 위치를 기초로, 상기 이벤트 표지물이 차도 내에 나타난 것으로 결정되면, 상기 도로 이미지에 도로 이벤트가 포함되어 있는 것으로 결정하는 도로 이벤트 검출 장치.
  17. 제16항에 있어서, 상기 이벤트 검출 모듈은 또한,
    상기 이벤트 표지물이 나타난 차도를 상기 도로 이벤트가 위치한 차도로 결정하고; 상기 이벤트 표지물의 유형을 기초로, 상기 도로 이벤트의 이벤트 유형을 결정하는 도로 이벤트 검출 장치.
  18. 제17항에 있어서, 상기 이벤트 검출 모듈은 또한,
    상기 도로 이벤트 및 상기 도로 이벤트의 이벤트 유형과 위치한 차도를 기초로, 도로 이벤트를 포함하는 모든 상기 도로 이미지에 대해 멀티 프레임 데이터 클러스터링을 수행하여, 상기 과거 기간 내에 발생한 도로 이벤트, 및 상기 도로 이벤트의 도로 이벤트 정보를 결정하는 도로 이벤트 검출 장치.
  19. 제18항에 있어서, 상기 이벤트 검출 모듈은 또한,
    도로 이벤트를 포함하는 도로 이미지를 목표 이미지로 하여, 상기 목표 이미지의 수집 시 차량의 위치와 방향각을 획득하고;
    상기 목표 이미지에 포함된 도로 이벤트 및 상기 도로 이벤트의 이벤트 유형과 위치한 차도, 및 상기 목표 이미지 수집 시 차량의 위치와 방향각을 기초로, 밀도 기반 클러스터링을 수행하고, 획득한 클러스터링 결과는 상기 과거 기간 내에 발생한 도로 이벤트를 포함하고, 상기 도로 이벤트의 이벤트 위치 정보는 위치한 차도, 시작 위치 좌표와 종료 위치 좌표를 포함하는 도로 이벤트 검출 장치.
  20. 제14항에 있어서, 상기 이벤트 검출 모듈은 또한,
    상기 과거 기간 내의 차량의 주행 궤적을 기초로, 상기 도로 이벤트에 대해 검증을 수행하고; 검증 결과를 기초로, 상기 과거 기간 내에 발생한 도로 이벤트에 대해 선별을 수행하는 도로 이벤트 검출 장치.
  21. 제20항에 있어서, 상기 이벤트 검출 모듈은 또한,
    상기 도로 이벤트의 이벤트 위치 정보를 기초로, 상기 도로 이벤트의 발생 영역을 결정하고;
    상기 과거 기간 내의 차량의 주행 궤적을 기초로, 상기 도로 이벤트의 발생 영역에 궤적 이상 존재 여부를 결정하고;
    상기 도로 이벤트의 발생 영역에 궤적 이상이 존재하지 않으면, 상기 도로 이벤트가 존재하지 않는 것으로 결정하는 도로 이벤트 검출 장치.
  22. 제21항에 있어서, 상기 이벤트 검출 모듈은 또한,
    상기 검증 결과를 기초로 어느 도로 이벤트가 존재하지 않는 것으로 결정되면, 해당 도로 이벤트를 상기 과거 기간 내에 발생한 도로 이벤트로부터 삭제하는 도로 이벤트 검출 장치.
  23. 제21항에 있어서, 상기 이벤트 검출 모듈은 또한,
    상기 도로 이벤트의 발생 영역에 궤적 이상이 존재하면, 상기 도로 이벤트가 확실히 존재하는 것으로 결정하는 도로 이벤트 검출 장치.
  24. 제14항 내지 제23항 중 어느 한 항에 있어서, 상기 이벤트 정보 업데이트 모듈은 또한,
    상기 과거 기간 내에 발생한 제1 도로 이벤트에 대하여, 상기 맵 데이터에 상기 제1 도로 이벤트가 포함되어 있지 않으면, 상기 제1 도로 이벤트를 상기 맵 데이터에 추가하는 도로 이벤트 검출 장치.
  25. 제14항 내지 제23항 중 어느 한 항에 있어서, 상기 이벤트 정보 업데이트 모듈은 또한,
    상기 과거 기간 내에 발생한 제2 도로 이벤트에 대하여, 상기 맵 데이터에 상기 제2 도로 이벤트가 포함되어 있으면, 상기 맵 데이터 중 상기 제2 도로 이벤트의 도로 이벤트 정보를 업데이트하는 도로 이벤트 검출 장치.
  26. 제14항 내지 제23항 중 어느 한 항에 있어서, 상기 이벤트 정보 업데이트 모듈은 또한,
    상기 맵 데이터에 포함된 제3 도로 이벤트에 대하여, 상기 과거 기간 내에 발생한 도로 이벤트에 상기 제3 도로 이벤트가 포함되어 있지 않으면, 상기 제3 도로 이벤트를 상기 맵 데이터로부터 삭제하는 도로 이벤트 검출 장치.
  27. 전자기기에 있어서,
    적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 통신 연결되는 메모리;를 포함하되,
    상기 메모리에 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령은 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 제1 항 내지 제10 항 중 어느 한 항에 따른 도로 이벤트 검출 방법을 수행할 수 있도록 하는 전자기기.
  28. 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능 저장매체에 있어서,
    상기 컴퓨터 명령은 컴퓨터가 제1 항 내지 제10 항 중 어느 한 항에 따른 도로 이벤트 검출 방법을 수행하도록 하는 저장매체.
  29. 컴퓨터 판독 가능 저장매체에 저장된 컴퓨터 프로그램에 있어서,
    상기 컴퓨터 프로그램은 프로세서에 의해 실행될 때 제1 항 내지 제10 항 중 어느 한 항에 따른 도로 이벤트 검출 방법을 구현하는 컴퓨터 프로그램.
KR1020210130546A 2020-12-11 2021-10-01 도로 이벤트 검출 방법, 장치, 기기 및 저장매체 KR20210127121A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011449694.9A CN112581763A (zh) 2020-12-11 2020-12-11 道路事件检测的方法、装置、设备和存储介质
CN202011449694.9 2020-12-11

Publications (1)

Publication Number Publication Date
KR20210127121A true KR20210127121A (ko) 2021-10-21

Family

ID=75131824

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210130546A KR20210127121A (ko) 2020-12-11 2021-10-01 도로 이벤트 검출 방법, 장치, 기기 및 저장매체

Country Status (5)

Country Link
US (1) US20220051032A1 (ko)
EP (1) EP3933345A3 (ko)
JP (1) JP2022031902A (ko)
KR (1) KR20210127121A (ko)
CN (1) CN112581763A (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114973165A (zh) * 2022-07-14 2022-08-30 浙江大华技术股份有限公司 一种事件识别算法的测试方法、装置及电子设备
KR102444222B1 (ko) * 2022-03-29 2022-09-22 주식회사 엠큐닉 고정밀 도로지도의 갱신 시스템 및 방법
KR102660024B1 (ko) * 2023-08-09 2024-04-23 뱀부스 주식회사 도로 이벤트 탐지 방법 및 그 장치

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221677B (zh) * 2021-04-26 2024-04-16 阿波罗智联(北京)科技有限公司 一种轨迹异常检测方法、装置、路侧设备和云控平台
CN114003672B (zh) * 2021-10-22 2023-04-07 北京百度网讯科技有限公司 一种道路动态事件的处理方法、装置、设备和介质
US20230152104A1 (en) * 2021-11-18 2023-05-18 Johnson Controls Tyco IP Holdings LLP Methods and apparatuses for implementing integrated image sensors
CN114863709A (zh) * 2022-04-26 2022-08-05 北京百度网讯科技有限公司 道路数据处理方法、装置、电子设备和存储介质
CN114771576A (zh) * 2022-05-19 2022-07-22 北京百度网讯科技有限公司 行为数据处理方法、自动驾驶车辆的控制方法及自动驾驶车辆
CN115063974A (zh) * 2022-06-08 2022-09-16 中国第一汽车股份有限公司 道路施工检测方法、装置、车载终端、车辆及介质
CN115115944B (zh) * 2022-06-23 2024-01-09 北京百度网讯科技有限公司 地图数据查验方法、装置、电子设备和介质
CN114913470B (zh) * 2022-07-11 2022-10-28 浙江大华技术股份有限公司 一种事件检测方法及装置
CN115359658B (zh) * 2022-08-17 2024-06-11 阿里云计算有限公司 交通事件的检测方法、装置、设备、存储介质及程序产品
CN116739457B (zh) * 2023-08-11 2023-10-20 北京博数智源人工智能科技有限公司 用于露天矿山安全分析的生产状态数据处理方法及系统
CN117953252B (zh) * 2024-03-26 2024-05-31 贵州道坦坦科技股份有限公司 高速公路资产数据自动化采集方法及系统

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3445116B2 (ja) * 1997-09-10 2003-09-08 ダイハツ工業株式会社 情報提供システムの制御方法
CN105355039A (zh) * 2015-10-23 2016-02-24 张力 路况信息处理方法及设备
US10962982B2 (en) * 2016-07-21 2021-03-30 Mobileye Vision Technologies Ltd. Crowdsourcing the collection of road surface information
CN109325548B (zh) * 2018-10-23 2021-03-23 北京旷视科技有限公司 图像处理方法、装置、电子设备及存储介质
CN111402612A (zh) * 2019-01-03 2020-07-10 北京嘀嘀无限科技发展有限公司 一种交通事件通知方法及装置
JP7420816B2 (ja) * 2019-01-24 2024-01-23 モービルアイ ビジョン テクノロジーズ リミテッド 車両ナビゲーションのためのイベント情報のクラスタ化
CN109974734A (zh) * 2019-04-02 2019-07-05 百度在线网络技术（北京）有限公司 一种用于ar导航的事件上报方法、装置、终端及存储介质
CN110364008B (zh) * 2019-08-16 2021-12-07 腾讯科技（深圳）有限公司 路况确定方法、装置、计算机设备和存储介质
CN110991320B (zh) * 2019-11-29 2023-09-26 阿波罗智能技术(北京)有限公司 路况检测方法和装置、电子设备、存储介质
CN111563425B (zh) * 2020-04-22 2023-04-07 蘑菇车联信息科技有限公司 交通事件识别方法及电子设备
CN111553319A (zh) * 2020-05-14 2020-08-18 北京百度网讯科技有限公司 用于获取信息的方法和装置
CN111611955B (zh) * 2020-05-28 2023-09-26 百度在线网络技术（北京）有限公司 可通行施工道路的识别方法、装置、设备及存储介质
CN111930872A (zh) * 2020-08-17 2020-11-13 武汉中海庭数据技术有限公司 一种高精度地图更新方法、服务器及可读存储介质
CN112053563B (zh) * 2020-09-16 2023-01-20 阿波罗智联(北京)科技有限公司 可用于边缘计算平台、云控平台的事件检测方法及设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102444222B1 (ko) * 2022-03-29 2022-09-22 주식회사 엠큐닉 고정밀 도로지도의 갱신 시스템 및 방법
CN114973165A (zh) * 2022-07-14 2022-08-30 浙江大华技术股份有限公司 一种事件识别算法的测试方法、装置及电子设备
CN114973165B (zh) * 2022-07-14 2022-10-25 浙江大华技术股份有限公司 一种事件识别算法的测试方法、装置及电子设备
KR102660024B1 (ko) * 2023-08-09 2024-04-23 뱀부스 주식회사 도로 이벤트 탐지 방법 및 그 장치

Also Published As

Publication number Publication date
EP3933345A3 (en) 2022-05-04
JP2022031902A (ja) 2022-02-22
US20220051032A1 (en) 2022-02-17
CN112581763A (zh) 2021-03-30
EP3933345A2 (en) 2022-01-05

Similar Documents

Publication Publication Date Title
KR20210127121A (ko) 도로 이벤트 검출 방법, 장치, 기기 및 저장매체
JP7292338B2 (ja) 自動運転機能制御方法、装置、電子機器及び記憶媒体
US20200042800A1 (en) Image acquiring system, terminal, image acquiring method, and image acquiring program
CN111583668B (zh) 交通拥堵检测方法、装置、电子设备和存储介质
JP7314213B2 (ja) 車両測位方法、装置、電子デバイス、記憶媒体及びプログラム
CN111680362B (zh) 一种自动驾驶仿真场景获取方法、装置、设备及存储介质
CN111739344B (zh) 一种预警方法、装置及电子设备
US20210224553A1 (en) Event detection method and apparatus for cloud control platform, device, and storage medium
CN112634611B (zh) 用于识别路况的方法、装置、设备以及存储介质
JPWO2017212639A1 (ja) 情報処理装置、計測装置及び制御方法
EP3961582A2 (en) Method and apparatus for controlling vehicle and electronic device
CN110765227A (zh) 道路交通网络模型构建方法及装置
KR20210074245A (ko) 지도 품질의 검출 처리 방법, 장치, 전자기기 및 저장매체
US11798408B2 (en) Green wave speed determination method, electronic device and storage medium
CN111006681B (zh) 一种辅助导航方法、装置、设备和介质
CN112101223B (zh) 检测方法、装置、设备和计算机存储介质
JP2021173745A (ja) 車両が位置する車線を決定する方法、装置、機器、および記憶媒体
CN111693064A (zh) 路况信息处理方法、装置、设备和介质
CN114964274A (zh) 地图更新方法、路径规划方法、装置、电子设备及介质
CN111674388B (zh) 用于车辆弯道行驶的信息处理方法和装置
CN114387410B (zh) 道路数据融合的地图生成方法、装置以及电子设备
CN113011298A (zh) 截断物体样本生成、目标检测方法、路侧设备和云控平台
US20230065341A1 (en) Road data monitoring method and apparatus, electronic device and storage medium
CN113656526B (zh) 电子地图的实现方法、装置、电子设备和介质
CN115657494A (zh) 虚拟对象仿真方法、装置、设备及存储介质

Legal Events

Date Code Title Description
E902 Notification of reason for refusal