KR20220030689A

KR20220030689A - 에어백을 구비한 차량의 상해 예측 시스템 및 방법

Info

Publication number: KR20220030689A
Application number: KR1020200112322A
Authority: KR
Inventors: 이석민; 정가람
Original assignee: 현대모비스 주식회사
Priority date: 2020-09-03
Filing date: 2020-09-03
Publication date: 2022-03-11

Abstract

에어백의 쿠션 이미지 및 차량 상해 성능에 관련된 인자들을 입력 받고, 상기 쿠션 이미지를 전처리 하여 상기 쿠션의 형상에 대한 인자값을 생성하며, 상기 차량 상해 성능에 관련된 인자들과 상기 쿠션의 형상에 대한 인자값을 사전 학습된 상해 예측 모델에 적용하여 차량 충돌 시험의 상해 예측 결과를 출력하는 처리부; 및 상기 상해 예측 모델을 저장하는 저장부를 포함하는 에어백을 구비한 차량의 상해 예측 시스템이 개시된다.

Description

에어백을 구비한 차량의 상해 예측 시스템 및 방법{INJURY PREDICTION APPARATUS AND METHOD FOR VEHICLE WITH AIR BAG}

본 발명은 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 관한 것으로, 더욱 상세하게는 기계 학습 기법을 이용하여 실제 충격 시험을 거치지 않더라도 에어백의 형상에 따른 차량의 상해를 예측할 수 있는 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 관한 것이다.

일반적으로 차량에는 차량 충격 시 차량 내 탑승자들의 움직임을 구속하여 탑승자들을 안전하게 보호할 수 있는 에어백이 장착된다.

종래에, 에어백은, 개발 단계에서 사양을 설계한 후 샘플 발주를 통해 프로토 타입의 실물 에어백을 제작하고 실물 에어백에 충격 시험을 진행하는 방식으로 그 성능을 검증하고 있다.

이러한 종래의 에어백 개발 과정에서 실물 에어백을 이용하여 수행된 성능 시험 결과가 만족스럽지 못한 경우에는 다시 사양을 설계부터 진행하고 새로운 사양으로 프로토 타입의 실물을 제작한 후 실물 에어백을 다시 테스트하는 과정을 반복하여야 한다.

따라서, 종래의 에어백 개발 과정은 사양 설계, 샘플 발주 및 실물 검증에 시간이 매우 길게 소요될 뿐만 아니라 테스트를 위한 샘플 제작 비용 및 테스트 비용 등 많은 비용이 소요되는 문제가 발생 시킨다.

상기의 배경기술로서 설명된 사항들은 본 발명의 배경에 대한 이해 증진을 위한 것일 뿐, 이 기술분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술에 해당함을 인정하는 것으로 받아들여져서는 안 될 것이다.

이에 본 발명은, 기계 학습 기법을 이용하여 실제 충격 시험을 거치지 않더라도 에어백 사양에 따른 충격 시험의 상해를 예측할 수 있는 에어백을 구비한 차량의 상해 예측 시스템 및 방법을 제공하는 것을 해결하고자 하는 기술적 과제로 한다.

상기 기술적 과제를 해결하기 위한 수단으로서 본 발명은,

에어백의 쿠션 이미지 및 차량 상해 성능에 관련된 인자들을 입력 받고, 상기 쿠션 이미지를 전처리 하여 상기 쿠션의 형상에 대한 인자값을 생성하며, 상기 차량 상해 성능에 관련된 인자들과 상기 쿠션의 형상에 대한 인자값을 사전 학습된 상해 예측 모델에 적용하여 차량 충돌 시험의 상해 예측 결과를 출력하는 처리부; 및

상기 상해 예측 모델을 저장하는 저장부;

를 포함하는 에어백을 구비한 차량의 상해 예측 시스템을 제공한다.

본 발명의 일 실시형태에서, 상기 처리부는, 상기 쿠션 이미지에서 에지를 검출하고, 상기 쿠션 이미지를 복수의 셀로 분할하여 분할된 셀에서 검출된 에지까지의 최소 거리를 구하며, 상기 최소 거리에 대응되는 상기 쿠션의 형상에 대한 인자값을 도출하여 상기 상해 예측 모델에 적용할 수 있다.

본 발명의 일 실시형태에서, 상기 처리부는, 상기 복수의 셀의 각 변에서 법선을 그어 상기 법선과 해당 변이 만나는 점으로부터 상기 법선과 상기 에지가 만나는 점 사이의 법선 길이를 구하고 상기 각 변에 대응되는 법선의 길이 중 최소 길이를 해당 셀에 대한 상기 최소 거리로 결정할 수 있다.

본 발명의 일 실시형태에서, 상기 에지는, 상기 에어백의 봉제선, 상기 에어백의 테더 및 상기 에어백의 벤트 홀 중 적어도 하나에 해당할 수 있다.

본 발명의 일 실시형태에서, 상기 쿠션의 형상에 대한 인자값은, 사전 설정된 최소값 및 사전 설정된 최대값 사이의 값으로 표현되며, 상기 최소 길이가 사전 설정된 최대 기준값 이상인 경우에는 상기 쿠션의 형상에 대한 인자값이 상기 최대값으로 결정되고, 상기 최소 길이가 사전 설정된 최소 기준값 이하인 경우 상기 쿠션의 형상에 대한 인자값이 상기 최소값으로 결정되며, 상기 최소 길이가 상기 최대 기준값과 상기 최소 기준값 사이인 경우 상기 쿠션의 형상에 대한 인자값은 그 비율에 따라 상기 최소값 및 상기 최대값 사이의 값을 가질 수 있다.

본 발명의 일 실시형태에서, 상기 상해 성능에 관련된 인자는, 상기 에어백의 테더 길이, 상기 에어백의 벤트 홀 사이즈, 상기 에어백의 인플레이터 몰수, 상기 에어백의 인플레이터 내압, 상기 에어백의 인플레이터 온도 중 적어도 일부를 포함하는 에어백 관련 인자를 포함할 수 있다.

상기 기술적 과제를 해결하기 위한 다른 수단으로서 본 발명은,

처리부가, 에어백의 쿠션 이미지 및 차량 상해 성능에 관련된 인자들을 입력 받아 레이블링 하는 단계;

상기 처리부가, 상기 쿠션 이미지를 전처리 하여 상기 쿠션의 형상에 대한 인자값을 도출하는 단계; 및

상기 차량 상해 성능에 관련된 인자들과 상기 쿠션의 형상에 대한 인자값을 사전 학습된 상해 예측 모델에 적용하여 차량 충돌 시험의 상해 예측 결과를 출력하는 단계;

를 포함하는 에어백을 구비한 차량의 상해 예측 방법을 제공한다.

본 발명의 일 실시형태에서, 상기 도출하는 단계는, 상기 처리부가, 상기 쿠션 이미지에서 에지를 검출하고, 상기 쿠션 이미지를 복수의 셀로 분할하여 분할된 셀에서 검출된 에지까지의 최소 거리를 구하며, 상기 최소 거리에 대응되는 상기 쿠션의 형상에 대한 인자값을 도출하여 상기 상해 예측 모델에 적용할 수 있다.

본 발명의 일 실시형태에서, 상기 도출하는 단계는, 상기 처리부가, 상기 복수의 셀의 각 변에서 법선을 그어 상기 법선과 해당 변이 만나는 점으로부터 상기 법선과 상기 에지가 만나는 점 사이의 법선 길이를 구하고 상기 각 변에 대응되는 법선의 길이 중 최소 길이를 해당 셀에 대한 상기 최소 거리로 결정할 수 있다.

상기 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 따르면, 상해 성능 평가용 테스트 차량을 제작하여 실제 충돌 시험을 거치지 않더라도 원하는 사양의 충돌 테스트에 의한 상해 성능 평가 결과를 획득할 수 있으므로 비용과 시간을 절감할 수 있다.

특히, 상기 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 따르면, 차량에 설치되는 에어백의 개발 관점에서 볼 때, 에어백 설계 후 실제 프로토 타입의 샘플을 제작하고 충격 테스트를 통해 에어백의 성능을 확인할 필요가 없이 상해 예측 모델을 통해 에어백 형상이나 설계에 관련된 인자만 수정하여 상해 성능을 확인할 수 있으므로, 에어백 설계나 테스트에 소요되는 비용과 시간을 현저하게 절약할 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템을 도시한 구성도이다.
도 2는 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 적용되는 상해 예측 모델을 기계 학습 시키는 과정을 도시한 흐름도이다.
도 3은 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 적용되는 에어백 쿠션 이미지의 전처리 과정을 도시한 흐름도이다.
도 3은 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 적용되는 에어백 쿠션 이미지의 전처리 과정을 도시한 흐름도이다.
도 4는 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 적용되는 에어백 쿠션 이미지의 전처리 과정에 사용되는 에어백 이미지의 일례를 도시한 도면이다.
도 5는 도 4는 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 적용되는 에어백 쿠션 이미지의 전처리 과정에서 형상 관련 데이터를 도출하는 기법을 설명하는 도면이다.
도 6은 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 방법을 도시한 도면이다.

이하, 첨부의 도면을 참조하여 다양한 실시 형태에 따른 에어백을 구비한 차량의 상해 예측 시스템 및 방법을 상세하게 설명하기로 한다.

도 1은 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템을 도시한 구성도이다.

도 1을 참조하면, 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템은, 에어백의 쿠션 이미지 및 차량 상해 성능에 관련된 인자들을 입력 받고, 입력 받은 쿠션 이미지를 전처리하여 에어백 쿠션의 형상에 대한 데이터를 생성하며, 입력 받은 인자와 전처리를 통해 생성된 에어백 쿠션의 형상에 대한 데이터를 사전 학습된 상해 예측 모델에 적용하여 상해 예측 결과를 출력하는 처리부(10) 및 상해 예측 모델을 저장하는 저장부(20)를 포함하여 구성될 수 있다.

처리부(10)는 상해 예측을 위해 입력되는 차량 상해 성능에 관련된 인자들을 레이블링 하고 레이블링 된 인자들을 사전 학습된 상해 예측 모델(21)에 적용하여 상해 예측 모델(21)이 출력하는 상해 예측 결과를 출력할 수 있다. 출력되는 상해 예측 결과는 상해 예측 모델(21)의 학습에 사용된 데이터에 따라 다양할 수 있으나, 차량 탑승자의 머리, 목, 허리 등과 같이 신체의 특정 위치 별 상해 성능을 수치화하여 출력할 수 있다. 예를 들어, 당 기술 분야에 알려진 미국 고속도로안전보험협회(IIHS)의 충돌 테스트 등과 같은 특정 차량 충돌 테스트의 결과치가 상해 예측 결과로 적용될 수 있다.

처리부(10)는 상해 예측 모델(21)의 입력으로 사용되는 에어백의 쿠션 형상에 대한 데이터를 생성하기 위해 입력 받은 에어백 쿠션 이미지(에어백 쿠션을 촬영한 디지털 이미지)를 상해 예측 모델에 적용하기 이전 전처리하여 상해 예측 모델에 적용할 수 있는 에어백 쿠션의 형상에 관련된 데이터를 생성하는 이미지 전처리부(11)를 포함할 수 있다. 물론, 이미지 전처리부(11)가 생성하는 에어백 쿠션의 형상에 관련된 데이터는 상해 예측 모델(21)을 학습 시키는데 적용될 수 있다.

이미지 전처리부(10)는 쿠션 이미지를 복수의 셀로 구분하고 구분된 각 셀에서 쿠션의 봉제라인 등과 같이 쿠션이 부풀어 오르는 크기에 영향을 미치는 인자들까지의 최소 거리를 도출하여 출력할 수 있다. 더욱 구체적인, 이미지 전처리부(10)의 동작에 대해서는 후술하기로 한다.

처리부(10)는 저장부(20)에 저장된 상해 예측 모델(21)을 학습시키기 위한 기계 학습부(12)를 포함할 수 있으며, 학습된 상해 예측 모델(21)에 차량 상해 관련 인자 및 전처리된 에어백 쿠션 관련 데이터를 적용하여 상해 성능을 예측하는 상해 예측부(13)를 포함할 수 있다.

저장부(20)는 상해 관련 인자와 에어백 쿠션 이미지에서 도출된 데이터를 적용하여 상해 성능을 출력하는 상해 예측 모델(21)이 저장할 수 있다. 또한, 저장부(20)는 상해 예측 모델(21)의 기계 학습에 적용되는 데이터 및 상해 예측 모델(21)을 이용하여 상해 결과를 도출하는데 사용되는 여러 데이터를 저장할 수 있다.

상해 예측 모델의 기계 학습

도 2는 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 적용되는 상해 예측 모델을 기계 학습 시키는 과정을 도시한 흐름도이다.

전술한 바와 같이, 처리부(10)에 구비된 기계 학습부(12)는 저장부(20)에 저장된 상해 예측 모델(21)을 기계 학습 시킬 수 있다.

우선, 처리부(10)의 기계 학습부(12)는 상해 관련 인자를 입력 받아 레이블링 할 수 있으며, 해당 상해 관련 인자에 따른 상해 성능 결과를 입력 받을 수 있다(S11). 단계(S11)에서 입력되는 데이터들은 기 수행된 차량의 상해 성능 테스트에서 도출된 결과로서, 여러 차량에 대해 기 수행된 상해 성능 테스트의 데이터들을 저장한 데이터 베이스로부터 획득될 수 있다.

다음의 표 1은 기계 학습부(12)에서 상해 예측 모델(21)을 기계 학습 시키기 위해 입력 받는 인자 또는 데이터들의 예를 나타낸다.

	상해 성능 관련 인자					상해 성능 결과
	쿠션형상 (X1)	테더길이 (X2)	벤트홀 사이즈(X3)	차종 (X4)	...	머리 (Y1)	목 (Y2)	...
사양 1	전처리 데이터	...	...	...	...	...	...	...
사양 2	...	...	...	...	...	...	...	...
...	...	...	...	...	...	...	...	...
사양 N	...	...	...	...	...	...	...	...

표 1에 나타난 바와 같이, 상해 성능 관련 인자는 에어백 쿠션 형상, 에어백 테더 길이, 에어백 벤트홀 사이즈, 인플레이터 몰수, 인플레이터 내압, 인플레이터 온도 등 차량에 설치된 에어백의 설계 인자들이 포함될 수 있다. 또한, 에어백의 설계 인자들과 관련이 없는 다른 인자들로서, 차종, 충돌 모드, 상해 테스트 적용 더미의 종류, 차량의 시트 착좌 상태, 시트 종류, 시트 벨트의 하중 등이 상해 성능 관련 인자가 될 수 있다.

이어, 이미지 전처리부(11)는 에어백 쿠션 이미지에서 에어백 쿠션의 형상에 관련된 데이터를 도출하여 기계 학습부(12)로 제공할 수 있다(S12). 여기서, 이미지 전처리부(11)에 의해 수행되는 이미지 전처리 과정(S12)과 전술한 단계(S11)의 수행 순서는 서로 변경될 수도 있고 동시에 이루어질 수도 있다.

이어, 기계 학습부(12)는 표 1에 나타난 것과 같은 상해 성능 인자, 이미지 전처리부(11)에서 제공하는 에어백 쿠션 형상 관련 데이터 및 상해 성능 테스트 결과를 상해 예측 모델(21)에 적용하여 상해 예측 모델(21)의 기계 학습을 수행할 수 있다(S13). 상해 예측 모델(21)의 구체적인 구조는 당 기술 분야에 알려진 여러 신경망 구조 중 하나를 선택적으로 적용할 수 있다. 상해 예측 모델(21)의 구체적인 구조는 본 발명의 중요 기술 사상과 관련이 없으므로 그에 대한 상세한 설명은 생략하기로 한다.

사전에 마련된 상해 관련 인자, 에어백 쿠션 이미지 및 그에 따른 상해 성능 테스트 결과를 모두 적용하면 상해 예측 모델이 구축된다(S14).

에어백 쿠션 이미지의 전처리

도 3은 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 적용되는 에어백 쿠션 이미지의 전처리 과정을 도시한 흐름도이고, 도 4는 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 적용되는 에어백 쿠션 이미지의 전처리 과정에 사용되는 에어백 이미지의 일례를 도시한 도면이며, 도 5는 도 4는 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템 및 방법에 적용되는 에어백 쿠션 이미지의 전처리 과정에서 형상 관련 데이터를 도출하는 기법을 설명하는 도면이다.

먼저, 이미지 전처리(11)는 에어백 쿠션 이미지가 입력되면 에어백 쿠션 이미지에서 에지(경계선)을 검출할 수 있다(S121). 디지털 이미지에서 에지를 검출하는 기법은 디지털 이미지 내 픽셀들의 휘도값 차이 등을 이용하여 이루어질 수 있는 것으로, 그 상세한 기법은 당 기술분야에 이미 다양하게 공지되어 있어 에지 검출에 관한 추가의 설명은 생략하기로 한다.

도 4에 도시한 에어백 쿠션 이미지를 참고하면, 에어백 쿠션이 전개된 상태에서 촬영한 이차원 이미지에서 에지로 인식되는 부분은 에어백 쿠션(30) 자체의 테두리 이외에, 에어백 쿠션(30)의 외곽 봉제선(31)이나 에어백 쿠션(30)에 마련된 테더(32) 또는 벤트 홀(33)이 위치한 영역이 될 수 있다. 이러한 봉제선(31), 테더(32) 및 벤트 홀(33)은 에어백 쿠션의 전개 시 부풀어 오르는 크기에 영향을 미치는 요소이다.

즉, 이 에지 영역에 해당하는 부분은 에어백 쿠션의 전개 시 공기가 주입되는 공간에 영향을 미치는 요소로, 에지 영역에서 거리가 먼 영역일수록 많이 부풀어 올라 많은 공기가 주입될 수 있고, 에지 영역에서 거리가 가까운 영역일수록 적게 부풀어 올라 적은 공기가 주입된다. 즉, 에어백 쿠션의 전개 시 형상은 이 에지 영역의 위치에 따라 영향을 받게 된다.

이미지 전처리부(12)는 이러한 에지에 해당하는 봉제선(31), 테더(32) 및 벤트 홀(33)의 위치를 고려한 에어백 쿠션의 형상을 수치화하여 출력하는 것이다.

이어, 이미지 전처리부(12)는 에어백 쿠션 이미지를 복수의 셀로 분할할 수 있다. 도 5에 나타난 것과 같이, 이미지 전처리부(12)는 에어백 쿠션에 해당하는 이미지를 사각형의 셀(C1-C6)로 분할할 수 있다. 도 5는 분할 셀의 일부만 도시한 것으로 에어백 쿠션에 해당하는 영역 전체가 복수의 셀로 분할될 수 있다.

이어, 이미지 전처리부(12)는 각 셀(C1-C6)에서 에지까지의 최소 거리를 구하고 구한 최소거리를 해당 셀의 인자값으로 출력할 수 있다. 이미지 전처리부(12)가 최소 거리를 구하는 기법으로, 각 셀(C1-C6)의 각 변에서 수직인 방향으로 법선을 그어 법선과 해당 변이 만나는 점에서 법선과 에지가 만나는 점까지의 법선의 길이를 구하고, 각 변에 대해 구한 법선의 길이 중 최소 길이를 갖는 법선의 길이를 최소 거리로 결정할 수 있다.

전술한 바와 같이, 각 셀에서 에지까지의 최소 길이는 해당 셀이 위치한 부분에 주입되는 공기의 양에 대응되는 것으로 볼 수 있다. 각 셀에서 에지까지의 최소 길이에 대응되는 인자값은 사전에 설정될 수 있다. 예를 들어, 인자값은 0 내지 1 사이의 값으로 나타날 수 있으며, 각 셀에서 에지까지의 최소 길이가 사전 설정된 최대 기준값 이상인 경우에는 인자값이 1으로 결정되고, 각 셀에서 에지까지의 최소 길이가 사전 설정된 최소 기준값 이하인 경우 인자값이 0으로 결정되며, 각 셀에서 에지까지의 최소 길이가 최대 기준값과 최소 기준값 사이인 경우 그 비율에 따라 0과 1 사이의 값을 가질 수 있다.

이미지 전처리부(12)에서 도출된 각 셀의 최소 거리에 해당하는 인자값은 기계 학습부(12)로 제공되어 상세 예측 모델(21)을 학습시키는데 사용될 수 있으며, 상해 예측부(13)에 제공되어 상세 예측 모델(21)을 적용한 상해 성능 도출에도 사용될 수 있다.

상해 예측 모델을 이용한 상해 성능 평가

도 6은 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 방법을 도시한 도면이다.

도 6에 도시된 것과 같이, 본 발명의 일 실시형태에 따른 에어백을 구비한 차량의 상해 예측 방법은 전술한 상해 예측 시스템에 의해 구현되는 것으로, 처리부(10)가 평가 대상 차량의 상해 관련 인자를 입력 받고 레이블링을 수행하는 단계(S31), 처리부(10) 내 이미지 전처리부(12)가 에어백의 쿠션 이미지를 입력 받고 쿠션 이미지를 분할하는 셀의 인자값을 도출하는 단계(S32) 및 처리부(10)의 상해 예측부(13)가 학습된 상해 예측 모델(21)에 상해 관련 인자 및 셀의 인자값들을 입력하여 상해 성능 평가 결과를 도출하는 단계(S33)를 포함하여 구성될 수 있다.

이상에서 설명한 바와 같이, 본 발명의 여러 실시형태에 따른 에어백을 구비한 차량의 상해 예측 시스템 및 방법은, 상해 성능 평가용 테스트 차량을 제작하여 실제 충돌 시험을 거치지 않더라도 원하는 사양의 충돌 테스트에 의한 상해 성능 평가 결과를 획득할 수 있으므로 비용과 시간을 절감할 수 있다.

특히, 차량에 설치되는 에어백의 개발 관점에서 볼 때, 에어백 설계 후 실제 프로토 타입의 샘플을 제작하고 충격 테스트를 통해 에어백의 성능을 확인할 필요가 없이 상해 예측 모델을 통해 에어백 형상이나 설계에 관련된 인자만 수정하여 상해 성능을 확인할 수 있으므로, 에어백 설계나 테스트에 소요되는 비용과 시간을 현저하게 절약할 수 있다.

이상에서 본 발명의 특정한 실시형태에 관련하여 도시하고 설명하였지만, 이하의 특허청구범위에 의해 제공되는 본 발명의 기술적 사상을 벗어나지 않는 한도 내에서, 본 발명이 다양하게 개량 및 변화될 수 있다는 것은 당 기술분야에서 통상의 지식을 가진 자에게 있어서 자명할 것이다.

10: 처리부 11: 이미지 전처리부
12: 기계 학습부 13: 상해 예측부
20: 저장부 21: 상해 예측 모델

Claims

에어백의 쿠션 이미지 및 차량 상해 성능에 관련된 인자들을 입력 받고, 상기 쿠션 이미지를 전처리 하여 상기 쿠션의 형상에 대한 인자값을 생성하며, 상기 차량 상해 성능에 관련된 인자들과 상기 쿠션의 형상에 대한 인자값을 사전 학습된 상해 예측 모델에 적용하여 차량 충돌 시험의 상해 예측 결과를 출력하는 처리부; 및
상기 상해 예측 모델을 저장하는 저장부;
를 포함하는 에어백을 구비한 차량의 상해 예측 시스템.
청구항 1에 있어서, 상기 처리부는,
상기 쿠션 이미지에서 에지를 검출하고, 상기 쿠션 이미지를 복수의 셀로 분할하여 분할된 셀에서 검출된 에지까지의 최소 거리를 구하며, 상기 최소 거리에 대응되는 상기 쿠션의 형상에 대한 인자값을 도출하여 상기 상해 예측 모델에 적용하는 것을 특징으로 하는 에어백을 구비한 차량의 상해 예측 시스템.
청구항 2에 있어서, 상기 처리부는,
상기 복수의 셀의 각 변에서 법선을 그어 상기 법선과 해당 변이 만나는 점으로부터 상기 법선과 상기 에지가 만나는 점 사이의 법선 길이를 구하고 상기 각 변에 대응되는 법선의 길이 중 최소 길이를 해당 셀에 대한 상기 최소 거리로 결정하는 것을 특징으로 하는 에어백을 구비한 차량의 상해 예측 시스템.
청구항 2에 있어서, 상기 에지는,
상기 에어백의 봉제선, 상기 에어백의 테더 및 상기 에어백의 벤트 홀 중 적어도 하나에 해당하는 것을 특징으로 하는 에어백을 구비한 차량의 상해 예측 시스템.
청구항 2에 있어서,
상기 쿠션의 형상에 대한 인자값은, 사전 설정된 최소값 및 사전 설정된 최대값 사이의 값으로 표현되며, 상기 최소 길이가 사전 설정된 최대 기준값 이상인 경우에는 상기 쿠션의 형상에 대한 인자값이 상기 최대값으로 결정되고, 상기 최소 길이가 사전 설정된 최소 기준값 이하인 경우 상기 쿠션의 형상에 대한 인자값이 상기 최소값으로 결정되며, 상기 최소 길이가 상기 최대 기준값과 상기 최소 기준값 사이인 경우 상기 쿠션의 형상에 대한 인자값은 그 비율에 따라 상기 최소값 및 상기 최대값 사이의 값을 갖는 것을 특징으로 하는 에어백을 구비한 차량의 상해 예측 시스템.
청구항 1에 있어서, 상기 상해 성능에 관련된 인자는,
상기 에어백의 테더 길이, 상기 에어백의 벤트홀 사이즈, 상기 에어백의 인플레이터 몰수, 상기 에어백의 인플레이터 내압, 상기 에어백의 인플레이터 온도 중 적어도 일부를 포함하는 에어백 관련 인자를 포함하는 것을 특징으로 하는 에어백을 구비한 차량의 상해 예측 시스템.
처리부가, 에어백의 쿠션 이미지 및 차량 상해 성능에 관련된 인자들을 입력 받아 레이블링 하는 단계;
상기 처리부가, 상기 쿠션 이미지를 전처리 하여 상기 쿠션의 형상에 대한 인자값을 도출하는 단계; 및
상기 차량 상해 성능에 관련된 인자들과 상기 쿠션의 형상에 대한 인자값을 사전 학습된 상해 예측 모델에 적용하여 차량 충돌 시험의 상해 예측 결과를 출력하는 단계;
를 포함하는 에어백을 구비한 차량의 상해 예측 방법.
청구항 7에 있어서, 상기 도출하는 단계는,
상기 처리부가, 상기 쿠션 이미지에서 에지를 검출하고, 상기 쿠션 이미지를 복수의 셀로 분할하여 분할된 셀에서 검출된 에지까지의 최소 거리를 구하며, 상기 최소 거리에 대응되는 상기 쿠션의 형상에 대한 인자값을 도출하여 상기 상해 예측 모델에 적용하는 것을 특징으로 하는 에어백을 구비한 차량의 상해 예측 방법.
청구항 8에 있어서, 상기 도출하는 단계는,
상기 처리부가, 상기 복수의 셀의 각 변에서 법선을 그어 상기 법선과 해당 변이 만나는 점으로부터 상기 법선과 상기 에지가 만나는 점 사이의 법선 길이를 구하고 상기 각 변에 대응되는 법선의 길이 중 최소 길이를 해당 셀에 대한 상기 최소 거리로 결정하는 것을 특징으로 하는 에어백을 구비한 차량의 상해 예측 방법.
청구항 8에 있어서, 상기 에지는,
상기 에어백의 봉제선, 상기 에어백의 테더 및 상기 에어백의 벤트 홀 중 적어도 하나에 해당하는 것을 특징으로 하는 에어백을 구비한 차량의 상해 예측 방법.
청구항 8에 있어서,
상기 쿠션의 형상에 대한 인자값은, 사전 설정된 최소값 및 사전 설정된 최대값 사이의 값으로 표현되며, 상기 최소 길이가 사전 설정된 최대 기준값 이상인 경우에는 상기 쿠션의 형상에 대한 인자값이 상기 최대값으로 결정되고, 상기 최소 길이가 사전 설정된 최소 기준값 이하인 경우 상기 쿠션의 형상에 대한 인자값이 상기 최소값으로 결정되며, 상기 최소 길이가 상기 최대 기준값과 상기 최소 기준값 사이인 경우 상기 쿠션의 형상에 대한 인자값은 그 비율에 따라 상기 최소값 및 상기 최대값 사이의 값을 갖는 것을 특징으로 하는 에어백을 구비한 차량의 상해 예측 방법.
청구항 7에 있어서, 상기 상해 성능에 관련된 인자는,
상기 에어백의 테더 길이, 상기 에어백의 벤트홀 사이즈, 상기 에어백의 인플레이터 몰수, 상기 에어백의 인플레이터 내압, 상기 에어백의 인플레이터 온도 중 적어도 일부를 포함하는 에어백 관련 인자를 포함하는 것을 특징으로 하는 에어백을 구비한 차량의 상해 예측 방법.