KR20220104443A

KR20220104443A - 도로정보 변화 영역 보완 방법 및 시스템

Info

Publication number: KR20220104443A
Application number: KR1020210006727A
Authority: KR
Inventors: 표세영; 이진한
Original assignee: 네이버랩스 주식회사
Priority date: 2021-01-18
Filing date: 2021-01-18
Publication date: 2022-07-26
Also published as: JP2022111060A; KR102543871B1; JP7322121B2

Abstract

본 개시는 도로정보 변화 영역을 보완하는 방법을 제공한다. 도로정보 변화 영역 보완 방법은 이동체에 설치된 적어도 하나의 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 도로정보 데이터를 수신하는 단계, 수신된 복수의 도로정보 데이터에 기초하여 복수의 점 구름(point cloud) 데이터를 생성하는 단계, 생성된 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성하는 단계, 생성된 도로면 높이 데이터에 기초하여 생성된 복수의 점 구름 데이터를 보정하는 단계, 보정된 복수의 점 구름 데이터에 기초하여 정사 이미지(ortho-image)를 생성하는 단계를 포함한다.

Description

도로정보 변화 영역 보완 방법 및 시스템{METHOD AND SYSTEM FOR UPDATING ROAD INFORMATION CHANGES IN MAP DATA}

본 개시는 도로정보 변화 영역 보완 방법 및 시스템에 관한 것으로, 구체적으로, 이동체에 설치된 적어도 하나의 센서를 통해 입력되는 복수의 도로정보 데이터를 이용하여 지도 데이터를 업데이트하는 방법 및 시스템에 관한 것이다.

최근 자율 주행 차량이나 도로 주행 정보에 대한 관심과 중요성이 높아지면서, 도로의 차선, 노면 기호 등과 같이 차량이 주행하는데 있어서 필요한 정보를 담고 있는 고정밀지도(HD map: high definition map) 또는 로드-레이아웃 지도(road-layout map)의 구축이 진행되고 있다. 일반적으로 로드-레이아웃 지도는, 고정밀 항공사진을 이용해서 제작되는데, 항공 사진으로부터 필요한 도로 또는 구조물의 정보들을 추출해서 벡터 데이터로 생성 및 저장된다.

현재 도로의 최신 상태 또는 정보가 반영되어 있는지 여부에 따라 로드-레이아웃 지도의 정확성이 결정되기 때문에, 해당 지도에 표현된 도로의 차선, 노면 기호 등의 변화를 빠르게 탐지하고 로드-레이아웃 지도를 수정하여 최신성을 유지할 필요가 있다. 그러나, 로드-레이아웃 지도 상에서 언제 발생할지 모르는 변화를 검출하기 위해 고정밀 항공 사진을 주기적으로 취득하는 것은 고비용이 소요되므로 비효율적이다.

한편, 도로의 3차원 지도는 고가의 MMS(mobile mapping system) 장비를 이용한 지상 측량에 기반하여 제작되고 있다. MMS 장비들은 GPS(global positioning system)에 기반한 3차원 주행 경로에서 LIDAR(light detection and ranging) 또는 카메라로부터 얻은 포인트들의 3차원 좌표 등을 융합하여 3차원 지도를 생성한다. 이러한, MMS 기반 3차원 지도의 정밀도를 높이기 위해 지상의 보정점을 활용하여 3차원 지도를 최적화할 수 있으나, GPS 등의 측정 결과가 좋지 않을 경우 지도의 신뢰성이 떨어지는 문제가 발생한다. 또한, MMS 기반의 지상 측량 방식은 넓은 지역 지도를 제작하거나 도로의 변화를 감지하여 수정하기에는 많은 비용과 시간이 소요되는 문제점이 있다.

본 개시는 상기와 같은 문제를 해결하기 위한 도로정보 변화 영역 보완 방법, 기록 매체에 저장된 컴퓨터 프로그램 및 시스템(장치)을 제공한다.

본 개시는 방법, 시스템, 장치 또는 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따른 도로정보 변화 영역을 보완하는 방법은 이동체에 설치된 적어도 하나의 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 도로정보 데이터를 수신하는 단계, 수신된 복수의 도로정보 데이터에 기초하여 복수의 점 구름(point cloud) 데이터를 생성하는 단계, 생성된 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성하는 단계, 생성된 도로면 높이 데이터에 기초하여 생성된 복수의 점 구름 데이터를 보정하는 단계, 보정된 복수의 점 구름 데이터에 기초하여 정사 이미지(ortho-image)를 생성하는 단계를 포함한다.

본 개시의 일 실시예에 따르면, 상술한 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공된다.

본 개시의 일 실시예에 따른 도로정보 변화 영역 보완 시스템은 통신 모듈, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은, 이동체에 설치된 적어도 하나의 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 도로정보 데이터를 수신하고, 수신된 복수의 도로정보 데이터에 기초하여 복수의 점 구름 데이터를 생성하고, 생성된 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성하고, 생성된 도로면 높이 데이터에 기초하여 생성된 복수의 점 구름 데이터를 보정하고, 보정된 복수의 점 구름 데이터에 기초하여 정사 이미지를 생성하기 위한 명령어들을 포함한다.

본 개시의 다양한 실시예에 따르면, 고정밀의 항공 사진과 비교할 때 상대적으로 저비용으로 획득할 수 있는 MMS 데이터에 기초하여, 지도 데이터 상에서 도로정보 변화 영역에 대한 효과적인 업데이트를 실행할 수 있다.

본 개시의 다양한 실시예에서, MMS 차량에 설치된 스테레오 카메라를 통해 획득된 MMS 데이터를 이용하여, 기존의 항공 지도(즉, 미리 저장된 지도 데이터)와 동일한 자세의 뷰(view)에 해당하는 지도(즉, MMS 정사 지도)를 생성할 수 있다. 이에 따라, 사용자는 동일한 자세의 뷰에 해당하는 MMS 정사 지도와 미리 저장된 지도 데이터를 쉽게 비교 분석할 수 있다. 또한, 사용자는 미리 저장된 지도 데이터에 포함된 로드-레이아웃 정보의 변화 여부를 용이하게 판단할 수 있으며, 지도 데이터를 수정/보완할 수 있다.

본 개시의 다양한 실시예에서, 점 구름 데이터를 기반으로 도로면 높이 데이터, 정사 이미지 등을 생성하므로, 도로의 노면 굴곡 또는 그 변화에 대한 정확한 3차원 정보를 지도 데이터에 반영할 수 있다. 또한, 본 개시의 실시예들은, 노면 이외에도 건물이나 가로등/신호등 등의 3차원 좌표도 추출할 수 있다는 확장성을 갖는다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자("통상의 기술자"라 함)에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 도로정보 변화 영역 보완 시스템이 지도 데이터에서 도로정보 변화 영역을 보완하는 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 도로정보 변화 영역 보완 시스템의 내부 구성을 나타내는 블록도이다.
도 3은 본 개시의 일 실시예에 따른 도로정보 변화 영역 보완 시스템의 프로세서의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 도로정보 변화 영역 보완 방법을 나타내는 흐름도이다.
도 5는 본 개시의 일 실시예에 따른 카메라 센서를 통해 입력된 이미지 데이터 사이의 덴스 매칭을 통해 점 구름 데이터를 생성하는 동작의 예시를 나타내는 도면이다.
도 6은 본 개시의 일 실시예에 따른 도로면 높이 데이터를 생성하는 동작의 예시를 나타내는 도면이다.
도 7은 본 개시의 일 실시예에 따른 도로면 높이 데이터에 기초하여 점 구름 데이터를 보정하는 동작의 예시를 나타내는 도면이다.
도 8은 본 개시의 일 실시예에 따른 도로 위 객체를 추출하는 동작의 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따른 지도 데이터를 업데이트 하는 동작의 예시를 나타내는 도면이다.
도 10은 본 개시의 일 실시예에 따른 지도 데이터를 업데이트 하는 동작의 예시를 나타내는 도면이다.
도 11은 본 개시의 일 실시예에 따른 도로가 중첩되는 지도 데이터를 저장하는 동작의 예시를 나타내는 도면이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 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 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다.

명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만 '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시에서, '도로정보'는 차량이 도로를 주행하는데 있어서 필요한 다양한 정보를 포함할 수 있다. 예를 들면, 도로정보는, 백색 점선, 백색 실선, 황색 선, 청색 선, 정지선 등을 포함하는 도로의 차선, 직진, 좌회전, 우회전, 유턴, 진입금지 등을 포함하는 방향 표지, 주정차 금지 표지, 신호등, 과속 방지턱, 속도 제한 표지, 양보 표지 등을 포함하는 텍스트 및/또는 영상 정보, 도로 상 또는 그 주변에 배치된 가드레일, 육교, 건물 등을 포함하는 다양한 구조물에 관한 정보를 포함할 수 있다.

본 개시에서, '로드-레이아웃 지도(road-layout map)'는 벡터 형태로 저장된 지도 정보를 포함하는 디지털 지도 또는 고정밀 지도의 적어도 일부를 지칭할 수 있다. 좀 더 구체적으로, 로드-레이아웃 지도는, 도로 중심선, 경계선 등과 같은 차선 단위의 정보, 신호등, 표지판, 연석, 노면마크, 각종 구조물 등에 관한 정보가 벡터 형태로 저장된 지도를 의미할 수 있다. 예를 들어, 로드-레이아웃 지도는, 차선, 노면 기호들에 대한 3차원 공간 좌표(x, y, z), 종류, 연결성 정보를 포함할 수 있다. 로드-레이아웃 지도에서 상호 연결되어 있는 차선, 노면 기호 각각은 하나의 객체(object)로 표현될 수 있으며, 예를 들어, 노면 기호는 닫혀진 다각형으로 표현되고, 차선은 중심을 가로지르는 직선으로 표현될 수 있다.

본 개시에서, 'MMS(Mobile Mapping System)'은 다양한 측량센서를 차량에 탑재하고, 지도 데이터베이스 또는 지도정보 변화 영역 감지 및 보완 시스템과 상호 연동되도록 구성된 이동형 측량 시스템을 지칭할 수 있다. 예를 들어, MMS는, 차량이 도로를 주행하면서 스테레오 카메라, 라이다(LiDAR) 등과 같은 센서를 이용하여 도로 주변에 위치한 지형·지물의 위치 정보와 속성 정보를 정확하게 측정할 수 있는 시스템을 지칭할 수 있다.

본 개시에서, '도로정보 데이터'는 도로 또는 그 주변의 구조물에 관한 2차원 또는 3차원 정보를 표현하기 위한 도로 이미지, 로드-레이아웃 정보, 노면 정보, 주변 정보, 위치 정보 중 적어도 하나를 포함하는 데이터를 지칭할 수 있다.

도 1은 본 개시의 일 실시예에 따른 도로정보 변화 영역 보완 시스템(100)이 지도 데이터(110)에서 도로정보 변화 영역(112)을 보완하는 예시를 나타내는 도면이다. 도시된 바와 같이, 도로정보 변화 영역 보완 시스템(100)은, 지도 데이터 중에서 도로정보 변화 영역을 감지하는 동작(120), 해당 도로정보 변화 영역에 대한 MMS(Mobile Mapping System) 데이터를 수집하는 동작(140), MMS 데이터에 기반하여 MMS 정사(ortho) 이미지를 생성하는 동작(150) 및 MMS 정사 이미지를 지도 데이터에 반영하는 동작(170)을 포함할 수 있다.

도로정보 변화 영역 감지 동작(120)에서, 도로정보 변화 영역 보완 시스템(100)은 미리 저장된 지도 데이터(110)에서 도로정보가 변화한 영역(112)을 감지할 수 있다. 일 실시예에서, 도로정보 변화 영역 보완 시스템(100)은 지도 데이터(110) 중에서 도로정보가 변화한 영역(112)에 대한 위치 정보를 수집할 수 있다. 이를 위해, 제1 이동체(예를 들어, 도로정보 변경 영역 감지를 위한 어라운드(Around) 차량)가 지도 데이터(110)에 대응되는 영역의 도로를 주행하며, 제1 이동체에 설치된 카메라를 통해 실제 도로 이미지(또는 영상)를 수집할 수 있다. 이러한 도로 이미지는 도로의 차선, 노면 기호 등의 도로정보를 식별할 수 있는 영상 또는 이미지를 포함할 수 있다. 또한, 도로 이미지는 해당 이미지에 포함된 도로의 위치 정보를 포함할 수 있다.

도로정보 변화 영역 보완 시스템(100)은, 이렇게 수집된 도로 이미지와 미리 저장된 지도 데이터(110)를 비교하여, 미리 저장된 지도 데이터(110) 중 수집된 도로 이미지와 상이한, 즉, 도로정보가 변화한 영역(112)을 감지할 수 있다. 예를 들어, 도로정보 변화 영역 보완 시스템(100)은 제1 이동체에 설치된 카메라에 의해 도로 이미지(또는 영상)이 촬영된 위치 정보에 기초하여, 지도 데이터(110) 중에서 해당 위치에 대응하는 로드-레이아웃 지도를 추출할 수 있다. 또한, 도로정보 변화 영역 보완 시스템(100)은, 제1 이동체에 설치된 카메라에 의해 제공되는 위치 정보 및 카메라 파라미터를 이용하여 로드-레이아웃 지도를 영상화할 수 있다. 도로정보 변화 영역 보완 시스템(100)은, 카메라로부터 수신된 도로 이미지(또는 영상)과 영상화된 로드-레이아웃 지도(projected road-layout map)에 기초하여, 로드-레이아웃 지도 상에서 도로정보의 변화 여부 및 도로정보 변화 영역(112)을 감지할 수 있다. 이와 같이, 지도 데이터 및 도로 이미지를 기초로 도로정보 변화 영역(112)을 감지하는데 있어서, 도로정보 변화 영역 보완 시스템(100)은 인공신경망 모델(예를 들어, 거리척도 인공신경망 모델, 적대적 인공신경망 모델 등)을 사용할 수 있다.

그 후, MMS 데이터 수집 동작(140)에서, 제2 이동체(예를 들어, MMS 차량 등)(130)가 미리 저장된 지도 데이터(110) 중 도로정보가 변화한 영역(112)에 해당하는 위치의 도로를 주행함으로써, MMS 데이터를 수집할 수 있다. 예를 들어, MMS 데이터는 제2 이동체(130)의 일정 주기(예를 들어, 10Hz)마다 입력되는 복수의 도로정보 데이터를 포함할 수 있다. MMS 데이터는 제2 이동체(130)의 이동 간격마다 입력되는 복수의 도로정보 데이터를 포함할 수 있다. 이를 위해, 제2 이동체(130)에는 MMS 데이터를 수집하기 위한 센서들이 설치될 수 있다. 예를 들어, 제2 이동체(130)에는 MMS 데이터를 수집하기 위한 센서로서, 스테레오 카메라, 라이다(LiDAR), Radar, GPS, 휠인코더, IMU(Inertial Measurement Unit) 등이 설치될 수 있다.

여기서, 제2 이동체(130)에 설치된 센서들은 제1 이동체에 설치된 센서들에 비해 고사양의 센서 및/또는 고품질의 데이터(예를 들어, 고화질, 높은 정확도, 높은 정밀도를 갖는 데이터)를 수집하는 센서일 수 있다. 대안적으로 또는 추가적으로, 제2 이동체(130)에 설치된 센서들은 제1 이동체에 설치된 센서들에 비해 더 고차원의 데이터를 수집하도록 구성될 수 있다. 예를 들어, 제1 이동체에 설치된 센서들은, 도로정보 변경 여부를 1차로 감지하기 위해 도로를 촬영한 2차원 이미지(또는 영상)를 획득하기 위한 카메라를 포함하는 반면, 제2 이동체(130)에 설치된 센서들은, 지도 데이터를 업데이트 하기 위해 3차원 공간 데이터를 수집하기 위한 2개 이상의 카메라, 스테레오 카메라, 및/또는 라이다 센서를 포함할 수 있다.

도로정보 변화 영역 보완 시스템(100)은, MMS 데이터 수집 동작(140)에서, 제2 이동체(130)가 수집한 MMS 데이터를 수신할 수 있다. 예를 들어, 도로정보 변화 영역 보완 시스템(100)은 제2 이동체(130)에 설치된 센서들로부터 직접 네트워크를 통해 실시간으로 MMS 데이터를 수신할 수 있다. 다른 예에서, 도로정보 변화 영역 보완 시스템(100)은 제2 이동체(130)에 설치된 센서들에 의해 획득된 MMS 데이터가 저장된 메모리로부터 해당 MMS 데이터를 수신할 수 있다.

그러고 나서, 도로정보 변화 영역 보완 시스템(100)은, MMS 정사 이미지 생성 동작(150)에서, 수신된 MMS 데이터를 이용하여 MMS 정사 이미지를 생성할 수 있다. 구체적으로, 도로정보 변화 영역 보완 시스템(100)은, 수신된 MMS 데이터에 기초하여 복수의 점 구름(point cloud) 데이터를 생성하고, 생성된 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터(또는, DEM(Digital Elevation Model))를 생성할 수 있다. 또한, 도로정보 변화 영역 보완 시스템(100)은, 생성된 도로면 높이 데이터에 기초하여 생성된 복수의 점 구름 데이터를 보정하고, 보정된 복수의 점 구름 데이터에 기초하여 MMS 정사 이미지(160)를 생성할 수 있다.

MMS 정사 이미지의 지도 데이터 반영 동작(170)에서, 정사 이미지(160)와 미리 저장된 지도 데이터(110)에서의 영역(112) 사이의 도로정보가 비교되고, 도로정보의 변화 여부에 따라 지도 데이터(110)가 업데이트 될 수 있다. 예를 들어, 생성된 MMS 정사 이미지(160)와 미리 저장된 지도 데이터(110)에서의 영역(112)이 사용자에게 제공되고, 사용자는 해당 이미지와 지도 데이터의 영역을 직접 비교하여 미리 저장된 지도 데이터(110)에서의 영역(112)에 MMS 정사 이미지(160)를 반영할지 여부를 결정할 수 있다. 대안적으로 또는 추가적으로, 도로정보 변화 영역 보완 시스템(100)은, 미리 저장된 지도 데이터(110) 중 도로정보 변화 영역(112)에 생성된 MMS 정사 이미지(160)를 자동으로 반영할 수 있다.

도 2는 본 개시의 일 실시예에 따른 도로정보 변화 영역 보완 시스템(200)의 내부 구성을 나타내는 블록도이다. 도로정보 변화 영역 보완 시스템(200)은, 도로정보 변화 영역 보완 서비스를 제공하기 위한 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 애플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 컴퓨팅 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다.

도시된 바와 같이, 도로정보 변화 영역 보완 시스템(200)은 메모리(210), 프로세서(220), 통신 모듈(230) 및 입출력 인터페이스(240)를 포함할 수 있다. 메모리(210)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(210)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 도로정보 변화 영역 보완 시스템(200)에 포함될 수 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 도로정보 변화 영역 보완 시스템(200)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈을 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(210)에 로딩될 수 있다.

프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 모듈(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어, 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(230)은 도로정보 변화 영역 보완 시스템(200)이 다른 컴퓨팅 장치 또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 통신 모듈(230)을 통해, 도로정보 변화 영역 보완 시스템(200)은 이동체에 설치된 적어도 하나의 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 도로정보 데이터(예를 들어, MMS 데이터, 도로 이미지, 위치 정보 등)를 수신하거나, 디지털 지도 데이터베이스(DB)로부터 지도 데이터를 수신할 수 있다. 다른 예로서, 통신 모듈(230)을 통해, 도로정보 변화 영역 보완 시스템(200)은 생성된 정사 이미지를 다른 장치 및/또는 시스템으로 전송하거나, 생성된 정사 이미지가 반영된 지도 데이터를 디지털 지도 DB로 전송할 수 있다.

도로정보 변화 영역 보완 시스템(200)의 입출력 인터페이스(240)는 도로정보 변화 영역 보완 시스템(200)과 연결되거나 도로정보 변화 영역 보완 시스템(200)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 2에서는 입출력 인터페이스(240)가 프로세서(220)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(240)가 프로세서(220)에 포함되도록 구성될 수 있다. 일 실시예에서, 입출력 인터페이스(240)는, 생성된 정사 이미지와 지도 데이터에서의 도로정보 변화 영역을 출력할 수 있다. 사용자는 입출력 인터페이스(240)를 통해 출력된 정사 이미지와 지도 데이터에서의 도로 정보 변화 영역을 비교하여, 지도 데이터에서의 해당 영역에 정사 이미지를 반영할지 여부에 대한 정보를 다시 입출력 인터페이스(240)를 통해 입력할 수 있다. 도로정보 변화 영역 보완 시스템(200)은 도 2의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다.

도로정보 변화 영역 보완 시스템(200)의 프로세서(220)는 복수의 컴퓨팅 장치 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 일 실시예에서, 프로세서(220)는 수신된 복수의 도로정보 데이터에 기초하여 복수의 점 구름 데이터를 생성할 수 있다. 또한, 프로세서(220)는 생성된 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성할 수 있다. 추가적으로, 프로세서(220)는 생성된 도로면 높이 데이터에 기초하여 생성된 복수의 점 구름 데이터를 보정할 수 있다. 또한, 프로세서(220)는 보정된 복수의 점 구름 데이터에 기초하여 정사 이미지를 생성할 수 있다. 추가적으로, 프로세서(220)는, 지도 데이터에서의 도로 정보 변화 영역에 생성된 정사 이미지를 반영할지 여부에 대한 사용자 입력에 응답하여, 정사 이미지를 지도 데이터에 반영할 수 있다. 대안적으로, 프로세서(220)는, 지도 데이터 중 도로정보 변화 영역에 생성된 정사 이미지를 자동으로 반영할 수 있다

도 3은 본 개시의 일 실시예에 따른 도로정보 변화 영역 보완 시스템(200)의 프로세서(220)의 내부 구성을 나타내는 블록도이다. 도시된 바와 같이, 도로정보 변화 영역 보완 시스템(200)의 프로세서(220)는, 점 구름 데이터 생성 모듈(310), 도로면 높이 데이터 생성 모듈(320), 점 구름 데이터 보정 모듈(330) 및 정사 이미지 생성 모듈(340)을 포함할 수 있다. 프로세서(220)는 디지털 지도 DB(350)와 연결될 수 있다. 여기서, 디지털 지도 DB(350)에는, 도로의 차선, 노면 기호 등과 같이 차량이 주행하는 데 있어서 필요한 정보를 포함하는 고정밀 지도 데이터가 저장될 수 있다. 예를 들어, 디지털 지도 DB(350)에는 고정밀 항공 사진 그 자체 및/또는 고정밀 항공 사진에 기초하여 생성된 위치정보, 도로의 차선, 노면 기호 등의 공간 좌표, 그 구성요소들의 기하학적 정보(점, 선, 평면, 다각형 등의 연결 정보)를 포함하는 데이터가 저장될 수 있다. 디지털 지도 DB(350)에서 도로의 차선, 노면 기호 등 각각은 하나의 객체로 저장될 수 있으며, 각 객체들은 클래스 또는 식별자로 구분될 수 있다. 이러한 디지털 지도 DB(350)는 도로정보 변화 영역 보완 시스템의 외부 장치 및/또는 내부 장치에 포함될 수 있다.

점 구름 데이터 생성 모듈(310)은, 이동체에 설치된 적어도 하나의 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 도로정보 데이터를 수신할 수 있다. 예를 들어, 복수의 도로정보 데이터는, 스테레오 카메라에 의해 획득된 복수의 스테레오 이미지 데이터를 포함할 수 있다. 이 경우, 점 구름 데이터 생성 모듈(310)은, 이동체에 설치된 제1 카메라 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 제1 이미지 데이터를 수신하고, 이동체에 설치된 제2 카메라 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 제2 이미지 데이터를 수신할 수 있다. 그 후, 점 구름 데이터 생성 모듈(310)은 수신된 복수의 도로정보 데이터에 기초하여 복수의 점 구름 데이터를 생성할 수 있다. 예를 들어, 점 구름 데이터 생성 모듈(310)은 복수의 제1 이미지 데이터 및 복수의 제2 이미지 데이터 사이의 덴스 매칭(dense matching)을 통해 복수의 점 구름 데이터를 생성할 수 있다. 다른 예에서, 복수의 도로정보 데이터는, 라이다 센서에 의해 획득된 점 구름 데이터를 포함할 수 있다. 이 경우, 점 구름 데이터 생성 모듈(310)은, 수신된 도로정보 데이터로부터 간단히 점 구름 데이터를 추출할 수 있다.

도로면 높이 데이터 생성 모듈(320)은 생성된 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성할 수 있다. 예를 들어, 도로면 높이 데이터 생성 모듈(320)은 생성된 복수의 점 구름 데이터에 대해 이동체와의 거리에 반비례하는 값을 갖는 역 거리 가중치(inverse-distance weight)를 적용하여 도로면 높이 데이터를 생성할 수 있다.

점 구름 데이터 보정 모듈(330)은 생성된 도로면 높이 데이터에 기초하여 복수의 점 구름 데이터를 보정할 수 있다. 예를 들어, 점 구름 데이터 보정 모듈(330)은, 센서로부터 점 구름 데이터의 제1 포인트를 통과하는 가상의 선이 도로면 높이 데이터와 만나는 제2 포인트로 제1 포인트를 수정할 수 있다.

정사 이미지 생성 모듈(340)은 보정된 복수의 점 구름 데이터에 기초하여 정사 이미지를 생성할 수 있다. 이렇게 생성된 정사 이미지에 기초하여 미리 저장된 지도 데이터가 업데이트될 수 있다. 업데이트된 지도 데이터는 디지털 지도 DB(350)에 다시 저장될 수 있다. 예를 들어, 프로세서(220) 또는 도로정보 변화 영역 보완 시스템(200)은, 생성된 정사 이미지 및 미리 저장된 지도 데이터를 사용자 단말로 제공하고, 사용자 단말로부터 생성된 정사 이미지에 대한 사용 여부에 대한 응답을 수신하고, 수신된 응답에 기초하여, 생성된 정사 이미지를 미리 저장된 지도 데이터 중 대응되는 영역에 반영할 수 있다. 대안적으로 또는 추가적으로, 프로세서(220) 또는 도로정보 변화 영역 보완 시스템(200)은, 생성된 정사 이미지 및 미리 저장된 지도 데이터에 기초하여 미리 저장된 지도 데이터 중 도로정보 변화 영역을 감지하고, 미리 저장된 지도 데이터 중 도로정보 변화 영역에 생성된 정사 이미지를 반영할 수 있다. 추가적으로, 동일한 위치에 대하여 서로 상이한 복수의 정사 이미지가 존재하는 경우, 프로세서(220) 또는 도로정보 변화 영역 보완 시스템(200)은, 지도 데이터를 복수의 정사 이미지에 대응하는 복수의 레이어(layer) 형태로 업데이트할 수 있다.

일 실시예에서, 프로세서(220) 또는 도로정보 변화 영역 보완 시스템(200)은, 수신된 복수의 도로정보 데이터에 포함된 이미지 데이터로부터 도로 위 객체를 추출할 수 있다. 예를 들어, 인공신경망 기반의 시맨틱 세그멘테이션(semantic segmentation) 모델을 이용하여, 수신된 복수의 도로정보 데이터에 포함된 이미지 데이터로부터 도로 위 객체가 추출될 수 있다. 이 경우, 도로면 높이 데이터 생성 모듈(320)은 생성된 복수의 점 구름 데이터 중 추출된 도로 위 객체에 대응하는 점 구름 데이터를 제외한 점 구름 데이터에 기초하여, 도로면 높이 데이터를 생성할 수 있다.

도 4는 본 개시의 일 실시예에 따른 도로정보 변화 영역 보완 방법(400)을 나타내는 흐름도이다. 일 실시예에서, 도로정보 변화 영역 보완 방법(400)은 프로세서(예를 들어, 도로정보 변화 영역 보완 시스템(도 2의 200)의 적어도 하나의 프로세서)에 의해 수행될 수 있다.

도로정보 변화 영역 보완 방법(400)은, 프로세서가 이동체에 설치된 적어도 하나의 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 도로정보 데이터를 수신함으로써 개시될 수 있다(S410). 여기서, 수신된 복수의 도로정보 데이터는 도로정보 변화 영역에서 이동하는 이동체에 설치된 적어도 하나의 센서를 통해 입력된 도로정보 데이터일 수 있다. 이를 위해, 프로세서는 미리 저장된 지도 데이터 중에서 도로정보 변화 영역의 위치를 수신할 수 있다. 일 실시예에서, 프로세서는, 제1 카메라 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 제1 이미지 데이터를 수신하고, 제2 카메라 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 제2 이미지 데이터를 수신할 수 있다.

추가적으로, 프로세서는, 이동체의 주행궤적을 획득할 수 있다. 구체적으로, 프로세서는, 이동체의 주행궤적 획득을 위해, 수신된 복수의 도로정보 데이터 중 적어도 하나와 미리 저장된 지도 데이터를 매칭하여 이동체 또는 이동체에 설치된 적어도 하나의 센서의 자세를 보정할 수 있다. 예를 들어, 프로세서는 이동체의 센서에 의해 획득된 복수의 도로정보 데이터 중 적어도 하나에 기초하여 그 주변의 3차원 지도를 생성할 수 있으며, 3차원 지도 내 적어도 하나의 포인트의 좌표가 매칭되는 지도 데이터 내 포인트의 좌표에 대응되도록 보정 값을 결정할 수 있다. 여기서, 보정 값은, 3차원 지도와 지도 데이터에서 서로 매칭되는 정합 포인트(예를 들어, 차선, 정지선, 회단보도, 교통 기호 등과 같은 마커)의 좌표 간 오차에 기초하여 결정될 수 있다. 또한, 프로세서는, 보정 값에 기초하여, 이동체 또는 이동체에 설치된 적어도 하나의 센서의 자세를 보정할 수 있다.

프로세서는 수신된 복수의 도로정보 데이터에 기초하여 복수의 점 구름 데이터를 생성할 수 있다(S420). 일 실시예에서, 프로세서는 복수의 제1 이미지 데이터 및 복수의 제2 이미지 데이터 사이의 덴스 매칭을 통해 복수의 점 구름 데이터를 생성할 수 있다. 그 후, 프로세서는 생성된 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성할 수 있다(S430). 일 실시예에서, 프로세서는 생성된 복수의 점 구름 데이터에 대해 이동체와의 거리에 반비례하는 값을 갖는 역 거리 가중치를 적용하여 도로면 높이 데이터를 생성할 수 있다. 일 실시예에서, 프로세서는 수신된 복수의 도로정보 데이터에 포함된 이미지 데이터로부터 도로 위 객체를 추출하고, 생성된 복수의 점 구름 데이터 중 추출된 도로 위 객체에 대응하는 점 구름 데이터를 제외한 점 구름 데이터에 기초하여, 도로면 높이 데이터를 생성할 수 있다. 예를 들어, 프로세서는 인공신경망 기반의 시맨틱 세그멘테이션 모델을 이용하여, 수신된 복수의 도로정보 데이터에 포함된 이미지 데이터로부터 도로 위 객체를 추출할 수 있다.

프로세서는 생성된 도로면 높이 데이터에 기초하여 생성된 복수의 점 구름 데이터를 보정할 수 있다(S440). 일 실시예에서, 프로세서는 센서로부터 점 구름 데이터의 제1 포인트를 통과하는 가상의 선이 도로면 높이 데이터와 만나는 제2 포인트로 제1 포인트를 수정할 수 있다. 그 후, 프로세서는 보정된 복수의 점 구름 데이터에 기초하여 정사 이미지를 생성할 수 있다(S450).

일 실시예에서, 프로세서는 생성된 정사 이미지에 기초하여 미리 저장된 지도 데이터를 업데이트할 수 있다. 예를 들어, 프로세서는, 생성된 정사 이미지 및 미리 저장된 지도 데이터를 사용자 단말로 제공할 수 있다. 그 후, 프로세서는 사용자 단말로부터 생성된 정사 이미지에 대한 사용 여부에 대한 응답을 수신하고, 수신된 응답에 기초하여, 생성된 정사 이미지를 미리 저장된 지도 데이터 중 대응되는 영역에 반영할 수 있다. 대안적으로 또는 추가적으로, 프로세서는 생성된 정사 이미지 및 미리 저장된 지도 데이터에 기초하여 미리 저장된 지도 데이터 중 도로정보 변화 영역을 감지하고, 미리 저장된 지도 데이터 중 도로정보 변화 영역에 생성된 정사 이미지를 반영할 수 있다. 추가적으로, 동일한 위치에 대하여 서로 상이한 복수의 정사 이미지가 존재하는 경우, 프로세서는 지도 데이터를 복수의 정사 이미지에 대응하는 복수의 레이어 형태로 업데이트할 수 있다.

도 5는 본 개시의 일 실시예에 따른 카메라 센서를 통해 입력된 이미지 데이터(512, 514) 사이의 덴스 매칭을 통해 점 구름 데이터(520)를 생성하는 동작의 예시를 나타내는 도면이다. 점 구름 데이터 생성 모듈(310)은 복수의 도로정보 데이터를 수신하고, 수신된 복수의 도로정보 데이터에 기초하여 복수의 점 구름 데이터(520)를 생성할 수 있다. 일 실시예에서, 점 구름 데이터 생성 모듈(310)은 수신된 복수의 도로정보 데이터 사이의 덴스 매칭을 통해 복수의 점 구름 데이터(520)를 생성할 수 있다. 여기서, 도로정보 데이터는 카메라 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 이미지 데이터를 포함할 수 있다. 예를 들어, 도로정보 데이터는 이동체가 도로를 주행하며 일정 시간 간격마다 촬영한 이미지 데이터를 포함할 수 있다. 대안적으로 또는 추가적으로, 도로정보 데이터는 이동체가 도로를 주행하며 일정 거리 간격마다 촬영한 이미지 데이터를 포함할 수 있다.

도시된 바와 같이, 점 구름 데이터 생성 모듈(310)은 제1 카메라 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 제1 이미지 데이터(512) 및 제2 카메라 센서를 통해 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 제2 이미지 데이터(514)를 수신할 수 있다. 여기서, 제1 이미지 데이터(512) 및 제2 이미지 데이터(514)는 이동체가 도로를 주행하며 촬영한 이미지(또는 영상)을 지칭할 수 있다. 제1 카메라 센서 및 제2 카메라 센서는 동일한 객체를 다른 각도 및/또는 위치에서 촬영하도록 이동체에 설치될 수 있다. 예를 들어, 제1 카메라 센서 및 제2 카메라 센서는 스테레오 카메라를 구성하며, 제1 이미지 데이터(512)와 제2 이미지 데이터(514)는 스테레오 데이터에 해당할 수 있다. 점 구름 데이터 생성 모듈(310)은 수신된 제1 이미지 데이터(512) 및 제2 이미지 데이터(514) 사이의 덴스 매칭을 통해 점 구름 데이터를 생성할 수 있다.

일 실시예에서, 점 구름 데이터 생성 모듈(310)은 수신된 제1 이미지 데이터(512) 및 제2 이미지 데이터(514)를 기초로 3차원 이미지를 생성할 수 있다. 예를 들어, 점 구름 데이터 생성 모듈(310)은 동일한 객체를 왼쪽에서 촬영한 이미지와 오른쪽에서 촬영한 이미지 사이의 변화량 또는 시차(Disparity)를 이용하여 해당 객체의 3차원 이미지를 생성할 수 있다. 여기서, 시차는 카메라 센서와 객체 사이의 거리가 가까울수록 크고, 카메라 센서와 객체 사이의 거리가 멀수록 작게 산출될 수 있다. 점 구름 데이터 생성 모듈(310)은, 시차를 이용하여 이미지에 투영된 객체와의 거리를 산출할 수 있다.

점 구름 데이터 생성 모듈(310)은 덴스 매칭 알고리즘을 이용하여, 3차원 점 구름 데이터를 생성할 수 있다. 복수의 이미지 중 마스터(Master) 이미지의 각 픽셀(x, y)에 대해 거리(Depth 및/또는 Disparity)를 바꿔가며 각 뎁스(Depth)마다 인접 이미지들(Slave)과 얼마나 유사한지 또는 얼마나 차이가 있는지를 수치화하여 3차원 비용 볼륨(Cost Volume)을 생성할 수 있다. 여기서, 매칭 비용(Matching Cost)을 수치화하기 위해, AD(Absolute Difference), SAD(Sum of Absolute Difference), NCC(Normalized Cross-Correlation), Census(from SGM), DAISY 등의 방법이 사용될 수 있다. 3차원의 비용 볼륨은 다양한 노이즈를 포함하므로, 각 픽셀들이 인접한 4 방향 및/또는 8 방향으로 영향을 주고받으면서 가장 안정적인 거리 값을 찾기 위해, 점 구름 데이터 생성 모듈(310)은 신뢰 전파(Belief Propagation), SGM(Semi Global Matching), Graph Cut 등의 전역 최적화 기법(Global optimization)을 적용할 수 있다. 점 구름 데이터 생성 모듈(310)은 상술한 방법 이외의 공지된 다양한 방법을 통해, 이미지 데이터에 기초하여 점 구름 데이터를 생성할 수 있다.

도 6은 본 개시의 일 실시예에 따른 도로면 높이 데이터를 생성하는 동작의 예시를 나타내는 도면이다. 일 실시예에서, 프로세서(예를 들어, 프로세서(220) 또는 도로면 높이 데이터 생성 모듈(320))는 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성할 수 있다. 예를 들어, 프로세서는 생성된 복수의 점 구름 데이터를 평활화(smoothing)함으로써 도로면 높이 데이터를 생성할 수 있다. 도시된 바와 같이, 이동체(예를 들어, 적어도 2개의 카메라가 설치된 차량)는 도로면(즉, 노면)에 거의 수평한 방향으로 이미지를 촬영하기 때문에, 촬영된 이미지에 기초하여 생성된 도로면 높이 데이터에서 뎁스(depth)의 오차가 발생할 수 있다. 또한, 이러한 오차로 인해, 도로면 높이 데이터에 기반하여 생성된 지도 데이터(즉, 위에서 내려다보는 2차원 이미지 또는 평면 지도 데이터)에서 XY 방향으로 큰 오차가 발생할 수 있다. 예를 들어, 도로면 높이 데이터에서 1cm 정도의 수직 오차(vertical error)가 발생하는 경우(즉, 높이가 잘못 결정되는 경우), 2차원 이미지(또는, 평면 지도 데이터)에서는 6~7cm 정도의 큰 수평 에러(horizontal error)가 발생할 수 있다.

이러한 문제를 해결하기 위해, 프로세서는, 이동체에 설치된 카메라 센서가 촬영한 여러 장의 연속된 스테레오 이미지 데이터를 이용하여 생성한 점 구름 데이터들을 취합하여 평활화함으로써 도로면 높이 데이터를 생성할 수 있다. 일 실시예에서, 프로세서는 타겟 영역을 원하는 GSD(Gound Sampling Distance)(예를 들어, 8cm)의 그리드(Grid)(640)로 나누어 처리할 수 있다. 덴스 매칭의 결과에서 카메라 센서와의 거리가 가까운 부분은 오차가 비교적 작고, 거리가 먼 부분은 오차가 비교적 크게 나타나므로, 멀리 있는 객체일수록 정밀도가 떨어질 수 있다.

따라서, 프로세서는 복수의 점 구름 데이터에 대하여 이동체와의 거리(즉, 카메라 센서와의 거리)에 반비례하는 값을 갖는 역 거리 가중치를 적용하여 도로면 높이 데이터를 생성할 수 있다. 예를 들어, 프로세서는 제1 위치(610)에서 촬영된 스테레오 이미지 데이터를 이용하여 생성된 점 구름 데이터, 제2 위치(620)에서 촬영된 스테레오 이미지 데이터를 이용하여 생성된 점 구름 데이터 및 제3 위치(630)에서 촬영된 스테레오 이미지 데이터를 이용하여 생성된 점 구름 데이터 각각에 역 거리 가중치를 적용하여 취합함으로써 도로면 높이 데이터를 생성할 수 있다.

도 7은 본 개시의 일 실시예에 따른 도로면 높이 데이터에 기초하여 점 구름 데이터를 보정하는 동작의 예시를 나타내는 도면이다. 일 실시예에서, 프로세서(예를 들어, 프로세서(220) 또는 점 구름 데이터 보정 모듈(330))는 생성된 도로면 높이 데이터에 기초하여 복수의 점 구름 데이터를 보정할 수 있다. 예를 들어, 프로세서는 덴스 매칭을 통해 생성된 복수의 점 구름 데이터의 포인트가 도로면 높이 데이터에 매칭되도록 포인트의 위치를 보정할 수 있다. 도시된 바와 같이, 프로세서는 이동체에 설치된 센서(710)로부터 점 구름 데이터의 제1 포인트(720)를 통과하는 가상의 직선을 연장하여, 연장된 직선이 도로면 높이 데이터와 만나는 포인트를 제2 포인트(730)로 결정할 수 있다. 프로세서는 점 구름 데이터에서 제1 포인트(720)를 제2 포인트(730)로 수정(또는 대체)함으로써, 점 구름 데이터를 보정할 수 있다. 따라서, 점 구름 데이터는 도로면 높이 데이터에 정합하도록 보정될 수 있다.

프로세서는 보정된 점 구름 데이터들을 원하는 크기의 그리드(Grid)(예를 들어, 미리 저장된 지도 데이터의 해상도에 맞춘 8cm x 8cm 규격의 그리드)에 모아, 그리드 셀 별로 모인 포인트들에 대해 센서로부터의 거리에 대한 역 거리 가중치를 적용함으로써 정사 이미지(예를 들어, MMS 정사 이미지)를 생성할 수 있다. 도 7에서는 제1 포인트(720)가 센서(710)와 제2 포인트(730) 사이에 위치하도록 도시되어 있으나, 이에 한정되지 않는다. 예를 들어, 제2 포인트가 센서와 제1 포인트 사이에 위치할 수 있다. 이 경우, 프로세서는 이동체에 설치된 센서로부터 점 구름 데이터의 제1 포인트 사이의 가상의 직선이 도로면 높이 데이터와 만나는 포인트를 제2 포인트(즉, 보정된 포인트)로 결정할 수 있다.

도 8은 본 개시의 일 실시예에 따른 도로 위 객체를 추출하는 동작의 예시를 나타내는 도면이다. 일 실시예에서, 프로세서(예를 들어, 도로정보 변화 보완 시스템(200)의 적어도 하나의 프로세서)는 수신된 복수의 도로정보 데이터에 포함된 이미지 데이터(810)로부터 도로 위 객체를 추출할 수 있다. 여기서, 도로 위 객체는 도로정보(예를 들어, 차선, 노면 기호 등)와 관련이 없는 차량, 사람, 동물, 가로등, 표지판, 시설물 등을 지칭할 수 있다. 프로세서는 인공신경망 기반의 시맨틱 세그멘테이션 모델을 이용하여, 수신된 복수의 도로정보 데이터에 포함된 이미지 데이터(810)로부터 도로 위 객체를 추출할 수 있다. 예를 들어, 프로세서는 이미지 데이터(810)에 포함된 복수의 객체 각각의 클래스(또는 타입)를 결정할 수 있다. 세그멘테이션 결과(820)로서, 픽셀 단위로 복수의 객체 각각에 대하여 클래스 정보가 태깅(tagging)될 수 있다. 도시된 바와 같이, 도로 위 차량에 해당하는 픽셀들은 차량 클래스가 태깅되고, 가로등에 해당하는 픽셀들은 가로등 클래스가 태깅되고, 차선에 해당하는 픽셀들은 차선 클래스가 태깅됨으로써, 각 객체의 클래스가 구별될 수 있다.

복수의 도로정보 데이터에 기초하여 생성된 복수의 점 구름 데이터는, 각각의 포인트에 대하여 대응되는 객체의 클래스 정보를 포함할 수 있다. 즉, 복수의 점 구름 데이터에서 차량 객체와 대응하는 포인트에 차량 클래스가 태깅될 수 있다. 일 실시예에서, 프로세서는 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성하는 데 있어서, 생성된 복수의 점 구름 데이터 중 추출된 도로 위 객체에 대응되는 점 구름 데이터(즉, 도로 위 객체에 대응하는 포인트)를 제외한 점 구름 데이터에 기초하여, 도로면 높이 데이터를 생성할 수 있다. 이 경우, 프로세서가 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성하는데 있어서, 실제 도로면이 아닌 차량, 사람, 시설물 등의 도로 위 객체로 인한 영향을 제거할 수 있다.

도 9는 본 개시의 일 실시예에 따른 지도 데이터(900)를 업데이트 하는 동작의 예시를 나타내는 도면이다. 프로세서는 생성된 정사 이미지(예를 들어, MMS 정사 이미지)(920)에 기초하여 미리 저장된 지도 데이터(900)를 업데이트할 수 있다. 일 실시예에서, 프로세서는 생성된 정사 이미지(920) 및 미리 저장된 지도 데이터(900)(또는, 미리 저장된 지도 데이터 중 변화 감지 영역(910), 미리 저장된 지도 데이터 중 정사 이미지(920)와 대응되는 영역(910))를 사용자 단말로 제공하고, 사용자 단말로부터 생성된 정사 이미지(920)에 대한 사용 여부에 대한 응답을 수신할 수 있다. 프로세서는 수신된 응답에 기초하여, 생성된 정사 이미지(920)를 미리 저장된 지도 데이터 중 대응되는 영역(910)에 반영할 수 있다. 예를 들어, 사용자는 생성된 MMS 정사 이미지(920) 위에 기존의 로드-레이아웃 지도를 중첩하여 확인함으로써, 변경/신규/이동된 도로정보를 수정할 수 있다. 대안적으로, 사용자는 미리 저장된 항공 지도에 MMS 정사 이미지(920)를 중첩하여 확인함으로써 변화한 도로정보(예를 들어, 차선, 노면 정보 등 로드-레이아웃 정보)를 수정할 수 있다.

일 실시예에서, 프로세서는 미리 저장된 지도 데이터(900) 중 도로정보가 변화한 영역(910)에 생성된 정사 이미지(920)를 바로 덮어쓰기로 저장함으로써 지도 데이터를 업데이트할 수 있다. 즉, 프로세서는 기존의 지도 데이터(900)에서 생성된 MMS 정사 이미지와 대응되는 영역(910)에 MMS 정사 이미지(920)를 덮어쓰기로 저장함으로써 지도 데이터를 업데이트할 수 있다. 이 경우, 프로세서는 업데이트 이전 데이터를 복구할 수 없으나, 저장 용량, 메모리 등을 효율적으로 운용할 수 있다.

도 10은 본 개시의 일 실시예에 따른 지도 데이터(1000)를 업데이트 하는 동작의 예시를 나타내는 도면이다. 일 실시예에서, 프로세서는 지도 데이터(1000) 중 도로정보가 변화한 영역(1010)에 생성된 정사 이미지(1030, 1040)를 누적하여 저장함으로써 지도 데이터(1000)를 업데이트할 수 있다. 즉, 프로세서는 지도 데이터(1000)에서 생성된 MMS 정사 이미지(1030, 1040)와 대응되는 영역(1010)에 MMS 정사 이미지(1030, 1040)를 누적하여 저장함으로써 지도 데이터를 업데이트할 수 있다. 지도 데이터(1000)가 여러 번 업데이트된 경우, 업데이트된 영역에 대하여, 최초의 항공 정사 이미지(1020) 및 각 업데이트에 사용된 MMS 정사 이미지(1030, 1040)가 누적되어 저장될 수 있다. 또한, 최초의 항공 정사 이미지(1020) 및 각 업데이트에 사용된 MMS 정사 이미지(1030, 1040)는 도로정보 데이터 수집 날짜 및/또는 업데이트 날짜와 함께 저장될 수 있다.

도시된 바와 같이, 지도 데이터(1000) 중 도로정보가 변화한 영역(1010)에 대하여, 2014년04월25일에 생성된 최초의 항공 정사 이미지(1020), 2017년11월07일에 첫번째 업데이트로 생성된 제1 MMS 정사 이미지(1030), 2020년02월22일에 두번째 업데이트로 생성된 제2 MMS 정사 이미지(1040)가 누적되어 저장될 수 있다. 지도 데이터(1000)는 최종 업데이트된 버전의 지도 데이터가 기본 값으로 사용자들에게 제공되고, 별도의 요청이 있는 경우 이전 버전의 지도 데이터가 사용자들에게 제공될 수 있다.

이 후, 도로 이미지를 촬영하여 도로정보 변화 영역을 감지하는 데 있어서, 도로 이미지와 및 최종 업데이트된 버전의 지도 데이터를 기초로 도로정보 변화 영역을 감지할 수 있다. 추가적으로, MMS 정사 이미지를 새로 생성하여 지도 데이터를 업데이트하는 경우, 최종 업데이트된 버전의 지도 데이터와 새로 생성된 MMS 정사 이미지를 비교하여 지도 데이터를 업데이트할 수 있다.

도 11은 본 개시의 일 실시예에 따른 도로가 중첩되는 지도 데이터를 저장하는 동작의 예시를 나타내는 도면이다. 일 실시예에서, 고가도로, 로터리 등과 같이 동일한 위치에 2 이상의 도로가 중첩되는 경우, 프로세서는 하나의 파일에 여러 개의 레이어(layer) 형태로 지도 데이터를 저장할 수 있다. 예를 들어, 복수의 레이어 각각에 중첩되는 도로 각각에 대한 지도 데이터(예를 들어, 이미지 데이터, 도로 정보 데이터 등)를 저장할 수 있다. 이 경우, 위쪽 도로(예를 들어, 상판 도로, 도로면 고도가 높은 도로, 고가도로 등)가 우선적으로 노출되는 지도 데이터(1110)가 기본 값으로 사용자들에게 제공될 수 있고, 별도의 사용자의 요청이 있는 경우에 아래쪽 도로(예를 들어, 하판 도로, 도로면 고도가 낮은 도로, 지하 차도 등)가 우선적으로 노출되는 지도 데이터가 사용자들에게 제공될 수 있다.

도시된 바와 같이, 고가도로로 인해 동일한 위치에 2 개의 도로가 중첩되는 경우, 2 개의 레이어를 포함하는 파일 형태로 지도 데이터(1110)를 저장할 수 있다. 예를 들어, 제1 레이어에는 위쪽 도로에 대한 지도 데이터(1120)가 저장될 수 있고, 제2 레이어에는 아래쪽 도로에 대한 지도 데이터(1130)가 저장될 수 있다. 이에 따라, 사용자는 도로가 중첩되어 출력되는 지도 데이터(1110) 뿐만 아니라, 중첩된 도로 각각에 대한 지도 데이터(1120, 1130)를 개별적으로 제공받을 수 있으며, 각 레이어에서 도로 별로 지도 데이터를 업데이트할 수 있으므로, 지도 데이터를 업데이트하는 데 있어서 용이하다.

상술된 도로정보 변화 영역 보완 방법은, 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수도 있다. 기록매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록 매체 내지 저장매체도 들 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는 지의 여부는, 특정 어플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 어플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

소프트웨어로 구현되는 경우, 상기 기법들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 칭해진다.

예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본원에서 사용된 디스크(disk)와 디스크(disc)는, CD, 레이저 디스크, 광 디스크, DVD(digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들(disks)은 보통 자기적으로 데이터를 재생하고, 반면 디스크들(discs)은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.

소프트웨어 모듈은, RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시적인 저장 매체는, 프로세가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 연결될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 구성요소들로서 존재할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

100: 도로정보 변화 영역 보완 시스템
110: 지도 데이터
120: 도로정보 변화 영역 감지 동작
130: 이동체
140: MMS 데이터 수집 동작
150: MMS 정사 이미지 생성 동작
160: MMS 정사 이미지
170: MMS 정사 이미지의 지도 데이터 반영 동작

Claims

도로정보 변화 영역을 보완하는 방법에 있어서,
이동체에 설치된 적어도 하나의 센서를 통해 상기 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 도로정보 데이터를 수신하는 단계;
상기 수신된 복수의 도로정보 데이터에 기초하여 복수의 점 구름(point cloud) 데이터를 생성하는 단계;
상기 생성된 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성하는 단계;
상기 생성된 도로면 높이 데이터에 기초하여 상기 생성된 복수의 점 구름 데이터를 보정하는 단계; 및
상기 보정된 복수의 점 구름 데이터에 기초하여 정사 이미지(ortho-image)를 생성하는 단계
를 포함하는, 도로정보 변화 영역 보완 방법.
제1항에 있어서,
상기 적어도 하나의 센서를 통해 상기 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 도로정보 데이터를 수신하는 단계는,
제1 카메라 센서를 통해 상기 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 제1 이미지 데이터를 수신하는 단계; 및
제2 카메라 센서를 통해 상기 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 제2 이미지 데이터를 수신하는 단계
를 포함하는, 도로정보 변화 영역 보완 방법.
제2항에 있어서,
상기 수신된 복수의 도로정보 데이터에 기초하여 복수의 점 구름 데이터를 생성하는 단계는,
상기 복수의 제1 이미지 데이터 및 상기 복수의 제2 이미지 데이터 사이의 덴스 매칭(dense matching)을 통해 상기 복수의 점 구름 데이터를 생성하는 단계를 포함하는, 도로정보 변화 영역 보완 방법.
제1항에 있어서,
상기 생성된 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성하는 단계는,
상기 생성된 복수의 점 구름 데이터에 대해 상기 이동체와의 거리에 반비례하는 값을 갖는 역 거리 가중치(inverse-distance weight)를 적용하여 상기 도로면 높이 데이터를 생성하는 단계를 포함하는,
도로정보 변화 영역 보완 방법.
제1항에 있어서,
상기 생성된 도로면 높이 데이터에 기초하여 상기 생성된 복수의 점 구름 데이터를 보정하는 단계는,
상기 센서로부터 상기 복수의 점 구름 데이터의 제1 포인트를 통과하는 가상의 선이 상기 도로면 높이 데이터와 만나는 제2 포인트로 상기 제1 포인트를 수정하는 단계
를 포함하는, 도로정보 변화 영역 보완 방법.
제1항에 있어서,
상기 수신된 복수의 도로정보 데이터에 포함된 이미지 데이터로부터 도로 위 객체를 추출하는 단계를 더 포함하고,
상기 생성된 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성하는 단계는,
상기 생성된 복수의 점 구름 데이터 중 상기 추출된 도로 위 객체에 대응하는 점 구름 데이터를 제외한 점 구름 데이터에 기초하여, 상기 도로면 높이 데이터를 생성하는 단계를 포함하는, 도로정보 변화 영역 보완 방법.
제6항에 있어서,
상기 수신된 복수의 도로정보 데이터에 포함된 이미지 데이터로부터 도로 위 객체를 추출하는 단계는,
인공신경망 기반의 시맨틱 세그멘테이션(semantic segmentation) 모델을 이용하여, 상기 수신된 복수의 도로정보 데이터에 포함된 이미지 데이터로부터 도로 위 객체를 추출하는 단계를 포함하는, 도로정보 변화 영역 보완 방법.
제1항에 있어서,
상기 수신된 복수의 도로정보 데이터 중 적어도 하나와 미리 저장된 지도 데이터를 매칭하여 상기 이동체의 자세를 보정함으로써, 상기 이동체의 주행 궤적을 획득하는 단계
를 더 포함하는, 도로정보 변화 영역 보완 방법.
제1항에 있어서,
상기 생성된 정사 이미지에 기초하여 미리 저장된 지도 데이터를 업데이트하는 단계를 더 포함하는, 도로정보 변화 영역 보완 방법.
제9항에 있어서,
상기 생성된 정사 이미지에 기초하여 미리 저장된 지도 데이터를 업데이트 하는 단계는,
상기 생성된 정사 이미지 및 상기 미리 저장된 지도 데이터를 사용자 단말로 제공하는 단계;
상기 사용자 단말로부터 상기 생성된 정사 이미지에 대한 사용 여부에 대한 응답을 수신하는 단계; 및
상기 수신된 응답에 기초하여, 상기 생성된 정사 이미지를 상기 미리 저장된 지도 데이터 중 대응되는 영역에 반영하는 단계
를 포함하는, 도로정보 변화 영역 보완 방법.
제9항에 있어서,
상기 생성된 정사 이미지에 기초하여 미리 저장된 지도 데이터를 업데이트 하는 단계는,
상기 생성된 정사 이미지 및 상기 미리 저장된 지도 데이터에 기초하여 상기 미리 저장된 지도 데이터 중 도로정보 변화 영역을 감지하는 단계; 및
상기 미리 저장된 지도 데이터 중 상기 도로정보 변화 영역에 상기 생성된 정사 이미지를 반영하는 단계
를 포함하는, 도로정보 변화 영역 보완 방법.
제9항에 있어서,
상기 생성된 정사 이미지에 기초하여 미리 저장된 지도 데이터를 업데이트 하는 단계는,
동일한 위치에 대하여 서로 상이한 복수의 정사 이미지가 존재하는 경우, 상기 지도 데이터를 상기 복수의 정사 이미지에 대응하는 복수의 레이어(layer) 형태로 업데이트하는 단계를 포함하는, 도로정보 변화 영역 보완 방법.
제1항에 있어서,
미리 저장된 지도 데이터 중에서 도로정보 변화 영역의 위치를 수신하는 단계를 더 포함하고,
상기 수신된 복수의 도로정보 데이터는 상기 도로정보 변화 영역에서 이동하는 상기 이동체에 설치된 적어도 하나의 센서를 통해 입력된 도로정보 데이터인, 도로정보 변화 영역 보완 방법.
제1항 내지 제13항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
도로정보 변화 영역 보완 시스템에 있어서,
통신 모듈;
메모리; 및
상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
를 포함하고,
상기 적어도 하나의 프로그램은,
이동체에 설치된 적어도 하나의 센서를 통해 상기 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 도로정보 데이터를 수신하고, 상기 수신된 복수의 도로정보 데이터에 기초하여 복수의 점 구름(point cloud) 데이터를 생성하고, 상기 생성된 복수의 점 구름 데이터에 기초하여 도로면 높이 데이터를 생성하고, 상기 생성된 도로면 높이 데이터에 기초하여 상기 생성된 복수의 점 구름 데이터를 보정하고, 상기 보정된 복수의 점 구름 데이터에 기초하여 정사 이미지(ortho-image)를 생성하기 위한 명령어들을 포함하는, 도로정보 변화 영역 보완 시스템.
제15항에 있어서,
상기 적어도 하나의 센서는 적어도 두 개의 카메라 센서를 포함하고,
상기 적어도 하나의 프로그램은,
제1 카메라 센서를 통해 상기 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 제1 이미지 데이터를 수신하고, 제2 카메라 센서를 통해 상기 이동체의 일정 이동 간격 또는 주기마다 입력되는 복수의 제2 이미지 데이터를 수신하기 위한 명령어들을 더 포함하는, 도로정보 변화 영역 보완 시스템.
제16항에 있어서,
상기 적어도 하나의 프로그램은,
상기 복수의 제1 이미지 데이터 및 상기 복수의 제2 이미지 데이터 사이의 덴스 매칭(dense matching)을 통해 상기 복수의 점 구름 데이터를 생성하기 위한 명령어들을 더 포함하는, 도로정보 변화 영역 보완 시스템.
제15항에 있어서,
상기 적어도 하나의 프로그램은,
생성된 복수의 점 구름 데이터에 대해 상기 이동체와의 거리에 반비례하는 값을 갖는 역 거리 가중치(inverse-distance weight)를 적용하여 상기 도로면 높이 데이터를 생성하기 위한 명령어들을 더 포함하는, 도로정보 변화 영역 보완 시스템.
제15항에 있어서,
상기 적어도 하나의 프로그램은,
상기 센서로부터 상기 복수의 점 구름 데이터의 제1 포인트를 통과하는 가상의 선이 상기 도로면 높이 데이터와 만나는 제2 포인트로 상기 제1 포인트를 수정하기 위한 명령어들을 포함하는, 도로정보 변화 영역 보완 시스템.
제15항에 있어서,
상기 적어도 하나의 프로그램은,
상기 생성된 정사 이미지에 기초하여 미리 저장된 지도 데이터를 업데이트하기 위한 명령어들을 포함하는, 도로정보 변화 영역 보완 시스템.