WO2012011715A2 - 차량 충돌 경보 시스템 및 방법 - Google Patents

차량 충돌 경보 시스템 및 방법 Download PDF

Info

Publication number
WO2012011715A2
WO2012011715A2 PCT/KR2011/005292 KR2011005292W WO2012011715A2 WO 2012011715 A2 WO2012011715 A2 WO 2012011715A2 KR 2011005292 W KR2011005292 W KR 2011005292W WO 2012011715 A2 WO2012011715 A2 WO 2012011715A2
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
image
area
distance
collision warning
Prior art date
Application number
PCT/KR2011/005292
Other languages
English (en)
French (fr)
Other versions
WO2012011715A3 (ko
Inventor
한영인
서용덕
송영기
박종민
최현철
오세영
Original Assignee
주식회사 이미지넥스트
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 주식회사 이미지넥스트 filed Critical 주식회사 이미지넥스트
Publication of WO2012011715A2 publication Critical patent/WO2012011715A2/ko
Publication of WO2012011715A3 publication Critical patent/WO2012011715A3/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/095—Predicting travel path or likelihood of collision
    • B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention

Definitions

  • the present invention relates to a vehicle collision warning system and method, and more particularly, to a system and method for detecting a vehicle ahead of the vehicle using an image captured by a camera and alerting whether or not a vehicle collision.
  • the conventional vehicle detection method using the shadow or the symmetry of the vehicle is fast to calculate, but it is difficult to apply in a complicated road environment or rainy weather.
  • methods using 'Histogram of Oriented Gradient' or 'Gabor filter' are robust, but it takes a long time to operate, which makes it impossible to process in real time even on PC.
  • AdaBoost AdaBoost
  • an object of the present invention is to provide a system and method capable of quickly and accurately detecting a vehicle ahead of a vehicle with a small amount of calculation using an image captured by a camera to alert a vehicle collision.
  • Vehicle collision warning method for solving the technical problem, the step of pre-processing the image obtained from the camera module mounted on his vehicle as an integrated image, the size of the vehicle detection window within a predetermined range Detecting a vehicle candidate region by applying an Adaboost algorithm to the integrated image, adjusting whether the detected vehicle candidate region is a valid vehicle region, and clustering the verified valid vehicle region Determining a vehicle area corresponding to the front vehicle, obtaining a distance between the front vehicle and the vehicle using the determined vehicle region, and when the distance between the front vehicle and the vehicle is less than a predetermined criterion Determining a crash alert condition, and the vehicle If it meets the stone alert condition and a step of generating a vehicle collision alarm.
  • the range of the vehicle detection window size may be obtained based on the possible image width of the vehicle to be detected according to the position on the integrated image.
  • the detected vehicle candidate region When both the left and right vertical edges and the lower horizontal edge are detected in the detected vehicle candidate region, it may be determined that the detected vehicle candidate region is valid.
  • the method may further include obtaining a shadow area corresponding to the determined vehicle area, and correcting a position of a front vehicle corresponding to the determined vehicle area by using the shadow area.
  • the shadow area binarizes a resultant image obtained by performing histogram smoothing on a grayscale image of the image acquired by the camera module, and when the shadow width is shorter than a predetermined standard among the dark areas classified through the binarization. Can be obtained by performing filtering on.
  • the distance between the vehicle and the front vehicle may be obtained based on the obtained lower portion of the shadow area.
  • the distance between the own vehicle and the front vehicle may be obtained based on the lower center portion of the determined vehicle area.
  • the vehicle collision warning condition is determined to be satisfied, where x left , x right , x center Is the actual coordinates of the left side, right side and the center of the front vehicle, W may be the width of the vehicle.
  • the vehicle collision warning system includes an image preprocessing module for preprocessing an image obtained from a camera module mounted on a vehicle, and an integral image, and adjusting the size of the vehicle detection window within a predetermined range.
  • a vehicle corresponding to a front vehicle is detected by applying an Adaboost algorithm to an image to detect a candidate vehicle region, verifying whether the detected vehicle candidate region is a valid vehicle region, and performing clustering on the verified valid vehicle region.
  • a vehicle detection module for determining an area, a distance measuring module for obtaining a distance between the front vehicle and the vehicle using the determined vehicle region, and a vehicle collision warning when the distance between the front vehicle and the vehicle is less than a predetermined reference Determine the condition, the vehicle crash warning condition If you're satisfied with including an alarm module that generates a vehicle collision alarm.
  • the front vehicle can be detected quickly and accurately with a small amount of calculation.
  • the front vehicle warning system can be implemented at a relatively low cost by using an image acquired by one camera without installing expensive equipment such as a radar or a laser.
  • FIG. 1 is a block diagram provided to explain a vehicle collision warning system according to an embodiment of the present invention.
  • FIG. 2 is a block diagram showing in more detail the vehicle collision warning system according to an embodiment of the present invention.
  • FIG. 3 is a flowchart provided to explain the operation of the vehicle collision warning system according to the present invention.
  • FIG. 4 is a diagram illustrating an actual distance coordinate system and an image coordinate system used in a vehicle detection operation.
  • FIG. 5 is a flowchart illustrating the vehicle detection step of FIG. 3 in more detail.
  • FIG. 6 is a flowchart illustrating the vehicle area detection step of FIG. 5 in more detail.
  • FIG. 7 is a diagram provided to explain an example of obtaining a vehicle region by clustering a vehicle candidate region detected by using the Adboost algorithm.
  • FIG. 8 is a diagram provided to explain a criterion in which two areas are clustered into one vehicle area.
  • FIG. 9 is a view provided to explain vehicle position correction using vehicle shadow information according to the present invention.
  • FIG. 10 is a flowchart illustrating the vehicle distance calculating step of FIG. 3 in more detail.
  • FIG. 11 is a detailed flowchart illustrating determining whether a vehicle collision warning condition of FIG. 3 is satisfied.
  • FIG. 1 is a block diagram provided to explain a vehicle collision warning system according to an embodiment of the present invention.
  • a vehicle collision warning system 200 receives an image obtained from a camera module 100 installed in a vehicle (not shown), and there is a risk of collision between a vehicle and another vehicle based on the image. Can alarm.
  • the vehicle refers to a vehicle on which the camera module 100 and the vehicle collision warning system 200 are mounted.
  • the camera module 100 is installed in a vehicle and performs a function of acquiring an image (a vehicle front image) of a traveling direction of the vehicle.
  • the camera module 100 transmits the acquired image to the vehicle collision warning system 200 in real time.
  • the camera module 100 is an apparatus capable of acquiring an image of the front of the vehicle, and may include a lens having a large angle of view, such as a wide angle lens or a fisheye lens, and may include a pinhole camera.
  • the camera module 100 may acquire a 3D object as a 2D image through a lens having a wide angle of view of about 60 ° to about 120 °.
  • FIG. 2 is a block diagram showing in more detail the vehicle collision warning system according to an embodiment of the present invention.
  • the vehicle collision warning system 200 may include an image preprocessing module 210, a vehicle detection module 230, a distance measuring module 250, and an alarm module 270.
  • the image preprocessing module 210 receives a vehicle front image from the camera module 100, calculates an integral image thereof, and outputs the integrated image.
  • the vehicle detection module 230 detects a vehicle by using an integrated image input from the image preprocessing module 210.
  • the distance measuring module 250 measures a distance between the vehicle detected by the vehicle detection module 230 and the own vehicle.
  • the alarm module 270 generates an alarm when there is a possibility of collision between the detected vehicle and the own vehicle.
  • the alarm module 270 may include an output means such as a speaker or an alarm lamp.
  • an alarm message may be output through a monitor of a terminal such as navigation.
  • FIG. 3 is a flowchart provided to explain the operation of the vehicle collision warning system according to the present invention.
  • the image preprocessing module 210 receives a vehicle front image from the camera module 100 (S310), calculates an integral image thereof, and outputs the integrated image (S330). More specifically, the image preprocessing module 210 converts the grayscale image into a grayscale image when the front image of the vehicle input from the camera module 100 is an RGB color image, and then outputs the calculated image as an integrated image. Meanwhile, the image preprocessing module 210 may additionally perform a function of correcting a distortion or an error in an image input from the camera module 100.
  • the vehicle detection module 230 detects another vehicle in front of the vehicle using the integrated image calculated by the image preprocessing module 210 (S350).
  • the vehicle detection operation of step S350 will be described in more detail with reference to FIGS. 4 and 5.
  • FIG. 4 is a diagram illustrating an actual distance coordinate system and an image coordinate system used in a vehicle detection operation
  • FIG. 5 is a flowchart illustrating the vehicle detection step of FIG. 3 in more detail.
  • FIG. 4 shows an actual distance coordinate system starting from the center of the front of the vehicle, and (b) shows an image coordinate system used in an image captured in front of the vehicle.
  • the vehicle detection module 230 calculates a vehicle detection target region for an integrated image input from the image preprocessing module 210 (S3510).
  • the vehicle detection target area may be set within a range of 3M to 30M in front of the own vehicle.
  • the reason for calculating the vehicle detection target area is that it is more efficient to perform the vehicle detection operation only in the area where collision is more likely than to detect the vehicle over the entire area of the vehicle front image. Therefore, the range of the vehicle detection subject region can be appropriately adjusted according to the embodiment.
  • Equation 1 a relationship in which the coordinates (X, Y) in the actual distance coordinate system correspond to the coordinates (u, v) in the image coordinate system is defined by Equation 1 below, the calculation for the vehicle detection target region may be performed as follows.
  • (X, Y) is the coordinate in the actual distance coordinate system
  • (u, v) is the coordinate in the image coordinate system
  • u ' is the u-coordinate in the image coordinate system before the perspective projection is applied
  • v' is the point before the perspective projection application.
  • V coordinate in the image coordinate system s denotes the perspective projection ratio
  • a matrix (PT: Perspective Transform) converts coordinates (X, Y) in the actual distance coordinate system into coordinates (u ', v') of the image coordinate system. It is a matrix. It is generally known to find the components of the matrix PT, and thus detailed description thereof will be omitted.
  • the vehicle detection target region for the corresponding range may be obtained by the following equation 2 on the vehicle front image.
  • v 3m and v 30m are vertical coordinates v on an image corresponding to 3m and 30m in front of the vehicle, respectively. That is, the vehicle detection target area is obtained as an area in which the vertical coordinate v is in the range of 3 m to v 30 m on the image.
  • the vehicle detection module 230 detects a vehicle area within the vehicle detection target area (S3530). Referring to Figure 6 will be described in more detail the vehicle area detection step (S3530).
  • FIG. 6 is a flowchart illustrating the vehicle area detection step of FIG. 5 in more detail.
  • the detection of the vehicle area is performed by a method of verifying through the AdaBoost algorithm while sequentially scanning the vehicle detection target area by using vehicle detection windows of various sizes.
  • the Adaboost algorithm can be composed of a learning phase and a detection phase, and the learning phase is a cascade of strong classifiers composed of a plurality of weak classifiers with samples similar to the object to be detected. Set to.
  • the detection step determines whether the vehicle is a vehicle area by applying the strong classifier set in advance and applying the strong classifier of the next stage when the conditions are met in the previous strong classifier. If any one of the strong classifier conditions is not satisfied, it is not the vehicle area, so the classification of the area is stopped and the process proceeds to the next window.
  • the size of the vehicle detection window is determined by first calculating the possible image width of the vehicle to be detected according to the position on the image (S3531). Since the width of the actual vehicle is in the range of approximately 1.5m to 2.5m, the vehicle detection window size can be calculated based on the following equation (3).
  • x 'and y' are the x, y coordinates and z 'is the reverse perspective projection ratio in the actual coordinate system before the reverse perspective projection is applied.
  • u, v are the coordinates in the image coordinate system
  • the matrix IPT: Inverse Perspective Transform
  • Obtaining the components of the matrix IPT is generally known, and thus detailed description thereof will be omitted.
  • the coordinate on the lower left side of the detection target vehicle in the image coordinate system is (u, v), and the coordinate in the corresponding actual distance coordinate system is (x L , y).
  • the coordinates (x R , y) of the lower right side of the vehicle to be detected in the actual distance coordinate system are (x L + 1.5m, y).
  • (x L + 2.5m, y) ie, x L + 1.5m ⁇ x R ⁇ x L + 2.5m).
  • 'x L + 1.5m' is the minimum value (x R, min ) that the x coordinate value of the lower right side of the vehicle to be detected can have
  • 'x L + 2.5m' is the maximum value (x R, max ).
  • the coordinates of the lower right side of the vehicle correspond to (u min , v) and the widest vehicle width when the vehicle width is smallest. It is placed between (u max , v) corresponding to. Therefore, the maximum width (W min ) and the fastest width (W max ) of the vehicle on the image in front of the vehicle are obtained as 'u max -u' and 'u min -u', respectively, and are used as the minimum width and the maximum width of the vehicle detection window. Can be.
  • the vehicle detection module 230 When the maximum width and the minimum width of the vehicle detection window are obtained in step S3531, the vehicle detection module 230 next adjusts the vehicle detection window size within the range of the maximum width and the minimum width of the vehicle detection window, and then adjusts the boost.
  • a vehicle candidate region is detected using an AdaBoost algorithm (S3533).
  • the vehicle detection module 230 verifies whether or not the vehicle candidate region is a valid vehicle region with respect to the rectangular vehicle candidate region found through the Ad Boost algorithm (S3535). If both the left and right vertical edges and the bottom horizontal edges are detected within the vehicle candidate area found through the AD Boost algorithm, it is determined as a valid vehicle area.
  • the horizontal and vertical edges may appear corresponding to the boundary between the vehicle and the background.
  • Step S3537 will be described with reference to FIG. 7.
  • FIG. 7 is a diagram provided to explain an example of obtaining a vehicle region by clustering a vehicle candidate region detected by using the Adboost algorithm.
  • a plurality of effective vehicle regions such as illustrated by a rectangle for one vehicle, can be detected. Therefore, by obtaining clustering operations between regions of similar size and close distances to obtain one recognized region for each vehicle, one vehicle region can be obtained for each vehicle as shown in FIG. 7 (a).
  • FIG. 8 is a diagram provided to explain a criterion in which two areas are clustered into one vehicle area.
  • a criterion clustered into the vehicle region may be set to satisfy the following equation (4).
  • W large , and W small mean the width of the large area and the small area among W 1 and W 2 , respectively, and f overlap and f size can be used by selecting a value between 1 and 0 as appropriate.
  • the clustering criterion according to Equation 4 is just an example, and other clustering criteria may be used.
  • the distance measuring module 250 calculates a distance between the vehicle in front of the vehicle and the vehicle corresponding to the detected vehicle region (S370).
  • the detected distance to the front vehicle can be calculated by converting the coordinates on the image of the lower end of the recognized vehicle area into a position on the actual distance coordinate system in an IPT matrix.
  • the lower end of the vehicle area detected using the Adaboost algorithm does not coincide with the floor position of the vehicle on the image.
  • FIG. 9 is a view provided to explain vehicle position correction using vehicle shadow information according to the present invention.
  • FIG. 9 since the shadow of a vehicle on the road appears as illustrated in FIG. 9A in an environment in which the road surface is wet, the position of the bottom of the vehicle cannot be predicted using this. Therefore, if the shadow portion is filtered as shown in Fig. 9 (b), the bottom portion of the shadow area is matched with the actual floor position of the vehicle as shown in Fig. 9 (c). Therefore, when the shadow information of the front vehicle is available, it is desirable to correct the position of the front vehicle using this.
  • step S370 of calculating the distance between the front vehicle and the own vehicle will be described in detail with reference to FIG. 10.
  • FIG. 10 is a flowchart illustrating the vehicle distance calculating step of FIG. 3 in more detail.
  • the distance measuring module 250 determines whether shadow information is available (S371).
  • the distance measurement module 250 converts the coordinates of the lower center of the front vehicle area obtained in step S350 into an IPT matrix to a position on the actual distance coordinate system, thereby converting The distance between the own vehicles is obtained (S373).
  • the position of the front vehicle is corrected using the shadow information (S375).
  • the shadow information may obtain shadow information of the vehicle by binarizing the resultant image obtained by performing histogram smoothing on the grayscale image obtained by the image preprocessing module 210.
  • the grayscale image may be binarized based on a predetermined brightness to divide a dark area and a bright area. In this way, the remaining dark areas classified through the binarization are filtered except for the part corresponding to the shadow area of the vehicle.
  • the filtering method since the width of the smallest vehicle is about 1.5m, when the shadow width (dark area) is shorter than 1.5m, only the shadow area of the vehicle can be obtained by filtering.
  • the position of the vehicle area may be corrected with respect to the corresponding vehicle area based on the bottom part of the shadow area.
  • the bottom part of the shadow may be obtained by scanning up and down one third of the area based on the detected bottom part of the vehicle area.
  • the correction is made to the bottom of the vehicle area.
  • the distance between the front vehicle and the own vehicle is calculated based on the corrected position of the vehicle region (S377).
  • the warning module 270 determines whether the collision warning condition is satisfied (S380).
  • step S380 will be described in more detail.
  • FIG. 11 is a detailed flowchart illustrating determining whether a vehicle collision warning condition of FIG. 3 is satisfied.
  • the lane information is not valid (S383-N)
  • the actual coordinates of the left side (x left ), the right side (x right ), and the center (x center ) are obtained for the recognized front vehicles using the IPT matrix.
  • the width W of the vehicle is input from the user or preset.
  • three cases as shown in Equation 5 below can cause a collision between a vehicle and a vehicle ahead.
  • the warning module 270 when it is determined that the own vehicle and the front vehicle satisfy the collision warning condition using the lane information or the vehicle width (S380-Y), the warning module 270 generates a collision warning (S390).
  • Embodiments of the invention include a computer readable medium containing program instructions for performing various computer-implemented operations.
  • This medium records a program for executing the vehicle collision warning method described above.
  • the media may include, alone or in combination with the program instructions, data files, data structures, and the like. Examples of such media include magnetic media such as hard disks, floppy disks and magnetic tape, optical recording media such as CDs and DVDs, floppy disks and program commands such as magnetic-optical media, ROM, RAM, flash memory, and the like.
  • Hardware devices configured to store and perform such operations.
  • the medium may be a transmission medium such as an optical or metal wire, a waveguide, or the like including a carrier wave for transmitting a signal specifying a program command, a data structure, and the like.
  • program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like.
  • the present invention can be used in a system and method for detecting a vehicle ahead of the vehicle using the image taken by the camera and alerting whether the vehicle collides.

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

본 발명은 차량 충돌 경보 시스템 및 방법에 관한 것이다. 본 발명에 따른 방법은, 자기 차량에 장착된 카메라 모듈에서 획득된 영상을 적분 영상으로 전처리하는 단계, 차량 검출 윈도우의 크기를 미리 정해진 범위 내에서 조정하면서 상기 적분 영상에 대해서 아다부스트 알고리즘을 적용하여 차량 후보 영역을 검출하는 단계, 상기 검출된 차량 후보 영역이 유효한 차량 영역인지 여부를 검증하는 단계, 상기 검증된 유효한 차량 영역에 대해 클러스터링을 수행하여 전방 차량에 대응하는 차량 영역을 결정하는 단계, 상기 결정된 차량 영역을 이용하여 상기 전방 차량과 상기 자기 차량과의 거리를 구하는 단계, 상기 전방 차량과 상기 자기 차량의 거리가 미리 정해진 기준 이하인 경우 차량 충돌 경보 조건을 판단하는 단계, 그리고 상기 차량 충돌 경보 조건을 만족하는 경우 차량 충돌 경보를 발생하는 단계를 포함한다.

Description

차량 충돌 경보 시스템 및 방법
본 발명은 차량 충돌 경보 시스템 및 방법에 관한 것으로, 보다 상세하게는 카메라로 촬영한 이미지를 이용하여 전방 차량을 검출하고 차량 충돌 여부를 경보할 수 있는 시스템 및 방법에 관한 것이다.
종래 그림자나 차량의 대칭성을 이용한 차량 검출 방법은 연산은 빠르지만 복잡한 도로 환경이나 우천시 등의 환경에서는 적용하기 힘들었다. 한편 'Histogram of Oriented Gradient'나 'Gabor filter'를 이용한 방법들은 강인하지만 연산시간이 오래 걸려 PC 기반에서도 실시간 처리가 불가능한 문제점이 있었다.
그리고 기존의 아다부스트(AdaBoost)를 이용한 차량검출 알고리즘들은 먼저 그림자와 차량의 에지(edge)에 대한 가정을 바탕으로 차량 후보 영역을 찾은 후에 해당 후보 영역을 아다부스트(Adaboost) 알고리즘을 이용하여 검증하는 방법을 사용한다. 그런데 이러한 종래 방법에 따른 알고리즘들은 차량 영역을 찾는 전처리 과정이 매우 오래 걸리는 문제점이 있었다.
따라서 본 발명이 해결하고자 하는 과제는 카메라로 촬영한 이미지를 이용하여 적은 연산량으로 전방 차량을 신속하고 정확하게 검출하여 차량 충돌 여부를 경보할 수 있는 시스템 및 방법을 제공하는 것이다.
이러한 기술적 과제를 해결하기 위한 본 발명의 한 실시예에 따른 차량 충돌 경보 방법은, 자기 차량에 장착된 카메라 모듈에서 획득된 영상을 적분 영상으로 전처리하는 단계, 차량 검출 윈도우의 크기를 미리 정해진 범위 내에서 조정하면서 상기 적분 영상에 대해서 아다부스트 알고리즘을 적용하여 차량 후보 영역을 검출하는 단계, 상기 검출된 차량 후보 영역이 유효한 차량 영역인지 여부를 검증하는 단계, 상기 검증된 유효한 차량 영역에 대해 클러스터링을 수행하여 전방 차량에 대응하는 차량 영역을 결정하는 단계, 상기 결정된 차량 영역을 이용하여 상기 전방 차량과 상기 자기 차량과의 거리를 구하는 단계, 상기 전방 차량과 상기 자기 차량의 거리가 미리 정해진 기준 이하인 경우 차량 충돌 경보 조건을 판단하는 단계, 그리고 상기 차량 충돌 경보 조건을 만족하는 경우 차량 충돌 경보를 발생하는 단계를 포함한다.
상기 차량 검출 윈도우 크기의 범위는 상기 적분 영상 상의 위치에 따른 검출 대상 차량의 가능한 영상 폭을 기초로 구해질 수 있다.
상기 검출된 차량 후보 영역 내에 좌우의 수직 에지 및 하단의 수평 에지가 모두 검출되면, 상기 검출된 차량 후보 영역이 유효한 것으로 판단할 수 있다.
상기 방법은, 상기 결정된 차량 영역에 대응하는 그림자 영역을 구하는 단계, 그리고 상기 그림자 영역을 이용하여 상기 결정된 차량 영역에 대응하는 전방 차량의 위치를 보정하는 단계를 더 포함할 수 있다.
상기 그림자 영역은, 상기 카메라 모듈에서 획득된 영상의 그레이스케일(grayscale) 영상에 대해서 히스토그램 평활화를 수행하여 얻어진 결과 영상을 이진화하고, 상기 이진화를 통해 분류된 어두운 영역 중에서 그림자 폭이 일정 기준보다 짧은 경우에 대해 필터링을 수행함으로써 구해질 수 있다.
상기 구해진 그림자 영역의 밑 부분을 기준으로 상기 자기 차량과 상기 전방 차량의 거리를 구할 수 있다.
상기 결정된 차량 영역에 대응하는 그림자 영역이 구해지지 않는 경우, 상기 결정된 차량 영역의 하단 중앙부를 기준으로 상기 자기 차량과 상기 전방 차량의 거리를 구할 수 있다.
상기 자기 차량과 상기 전방 차량의 거리가 미리 정해진 기준 이하인 경우 차량 충돌 경보 조건 만족 여부를 판단하고, 상기 전방 차량과 상기 자기 차량이 동일 차선에 있거나, 다음 수학식
Figure PCTKR2011005292-appb-I000001
을 만족하면, 상기 차량 충돌 경보 조건을 만족하는 것으로 판단하되, 여기서, xleft, xright, xcenter는 상기 전방 차량의 왼쪽 사이드, 오른쪽 사이드 및 가운데의 실제 좌표이고, W는 상기 자기 차량의 폭일 수 있다.
본 발명의 다른 실시예에 따른 차량 충돌 경보 시스템은, 자기 차량에 장착된 카메라 모듈에서 획득된 영상을 적분 영상으로 전처리하는 영상 전처리 모듈, 차량 검출 윈도우의 크기를 미리 정해진 범위 내에서 조정하면서 상기 적분 영상에 대해서 아다부스트 알고리즘을 적용하여 차량 후보 영역을 검출하고, 상기 검출된 차량 후보 영역이 유효한 차량 영역인지 여부를 검증하며, 상기 검증된 유효한 차량 영역에 대해 클러스터링을 수행하여 전방 차량에 대응하는 차량 영역을 결정하는 차량 검출 모듈, 상기 결정된 차량 영역을 이용하여 상기 전방 차량과 상기 자기 차량과의 거리를 구하는 거리 측정 모듈, 그리고 상기 전방 차량과 상기 자기 차량의 거리가 미리 정해진 기준 이하인 경우 차량 충돌 경보 조건을 판단하고, 상기 차량 충돌 경보 조건을 만족하는 경우 차량 충돌 경보를 발생하는 경보 모듈을 포함한다.
본 발명에 의하면, 적은 연산량으로 전방 차량을 신속하고 정확하게 검출할 수 있다. 또한 레이더나 레이저 등의 고가 장비를 설치하지 않고도 하나의 카메라로 획득된 영상을 이용하여 전방 차량 경보 시스템을 비교적 저가로 구현할 수 있는 장점이 있다.
도 1은 본 발명의 실시예에 따른 차량 충돌 경보 시스템을 설명하기 위해 제공되는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 차량 충돌 경보 시스템을 보다 상세하게 나타낸 블록도이다.
도 3은 본 발명에 따른 차량 충돌 경보 시스템의 동작을 설명하기 위해 제공되는 흐름도이다.
도 4는 차량 검출 동작에서 사용되는 실제거리 좌표계와 영상 좌표계를 도시한 도면이다.
도 5는 도 3의 차량 검출 단계를 보다 상세하게 나타낸 흐름도이다.
도 6은 도 5의 차량 영역 검출 단계를 보다 자세히 나타낸 흐름도이다.
도 7은 아다부스트 알고리즘을 이용하여 검출된 차량 후보 영역을 클러스터링하여 차량 영역을 구하는 예를 설명하기 위해 제공되는 도면이다.
도 8은 두 영역이 하나의 차량 영역으로 클러스터링 되는 기준을 설명하기 위해 제공되는 도면이다.
도 9는 본 발명에 따른 차량 그림자 정보를 이용한 차량 위치 보정을 설명하기 위해 제공되는 도면이다.
도 10은 도 3의 차량 거리 계산 단계를 보다 자세히 나타낸 흐름도이다.
도 11은 도 3의 차량 충돌 경보 조건 만족 여부를 판단하는 단계를 보다 자세히 나타낸 흐름도이다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 차량 충돌 경보 시스템을 설명하기 위해 제공되는 블록도이다.
도 1을 참고하면, 먼저 차량 충돌 경보 시스템(200)은 차량(도시하지 않음)에 설치된 카메라 모듈(100)로부터 획득된 영상을 전달받고, 이를 기초로 자기 차량과 다른 차량이 충돌 위험이 있는 경우 경보할 수 있다. 여기서 자기 차량은 카메라 모듈(100)과 차량 충돌 경보 시스템(200)이 탑재된 차량을 의미한다.
카메라 모듈(100)은 차량에 설치되어 차량의 진행 방향에 대한 영상(차량 전방 영상)을 획득하는 기능을 수행한다. 카메라 모듈(100)은 획득된 영상을 실시간으로 차량 충돌 경보 시스템(200)에 전달한다. 카메라 모듈(100)은 차량 전방의 영상을 획득할 수 있는 장치로써, 광각 렌즈 또는 어안 렌즈와 같이 화각이 큰 렌즈를 구비할 수 있으며 핀홀 카메라를 포함할 수 있다. 카메라 모듈(100)은 60°에서 120°정도의 넓은 화각을 가지는 렌즈를 통해 3차원의 피사체를 2차원의 영상으로 획득할 수 있다.
그러면 도 2를 참고하여 본 발명에 따른 차량 충돌 경보 시스템에 대해 보다 자세하게 설명한다.
도 2는 본 발명의 일 실시예에 따른 차량 충돌 경보 시스템을 보다 상세하게 나타낸 블록도이다.
차량 충돌 경보 시스템(200)은 영상 전처리 모듈(210), 차량 검출 모듈(230), 거리 측정 모듈(250) 및 경보 모듈(270)을 포함할 수 있다.
영상 전처리 모듈(210)은 카메라 모듈(100)로부터 차량 전방 영상을 입력받고 그에 대한 적분 영상(integral image)을 계산하여 출력한다.
차량 검출 모듈(230)은 영상 전처리 모듈(210)에서 입력되는 적분 영상을 이용하여 차량을 검출하는 기능을 수행한다.
거리 측정 모듈(250)은 차량 검출 모듈(230)에서 검출된 차량과 자기 차량과의 거리를 측정하는 기능을 수행한다.
경보 모듈(270)은 검출된 차량과 자기 차량이 충돌 가능성이 있는 경우 경보를 발생한다. 이를 위해 경보 모듈(270)은 스피커 또는 경보등과 같은 출력 수단을 포함할 수 있다. 물론 실시예에 따라서는 네비게이션 등과 같은 단말의 모니터 등을 통해 경보 메시지를 출력할 수도 있다.
그러면 도 3을 참고하여 본 발명에 따른 차량 충돌 경보 시스템의 동작을 자세하게 설명한다.
도 3은 본 발명에 따른 차량 충돌 경보 시스템의 동작을 설명하기 위해 제공되는 흐름도이다.
먼저 영상 전처리 모듈(210)은 카메라 모듈(100)로부터 차량 전방 영상을 입력받고(S310), 그에 대한 적분 영상(integral image)을 계산하여 출력한다(S330). 보다 자세하게는 영상 전처리 모듈(210)은 카메라 모듈(100)에서 입력된 차량 전방 영상이 RGB 컬러 영상일 경우 그레이스케일(grayscale) 영상으로 변환한 후 이를 적분 영상으로 계산하여 출력한다. 한편 영상 전처리 모듈(210)은 카메라 모듈(100)에서 입력된 영상에 왜곡, 오류가 있을 경우 이를 보정하는 기능을 추가적으로 수행할 수도 있다.
다음으로 차량 검출 모듈(230)은 영상 전처리 모듈(210)에서 계산된 적분 영상을 이용하여 전방의 다른 차량을 검출한다(S350). 단계(S350)의 차량 검출 동작에 대해 도 4 및 도 5를 참고하여 보다 자세히 설명한다.
도 4는 차량 검출 동작에서 사용되는 실제거리 좌표계와 영상 좌표계를 도시한 도면이고, 도 5는 도 3의 차량 검출 단계를 보다 상세하게 나타낸 흐름도이다.
도 4에서 (a)는 차량의 전면 중심을 원점으로 하는 실제 거리 좌표계를 나타내고 있으며, (b)는 차량 전방을 촬영한 영상에서 사용되는 영상 좌표계를 나타내고 있다.
먼저 차량 검출 모듈(230)은 영상 전처리 모듈(210)에서 입력된 적분 영상에 대한 차량 검출 대상 영역을 계산한다(S3510). 차량 검출 대상 영역은 자기 차량의 전방 3M ~ 30M 범위 내로 설정될 수 있다. 이렇게 차량 검출 대상 영역을 계산하는 이유는 차량 전방 영상의 전 영역에 걸쳐 차량을 검출하는 것보다, 충돌 가능성이 높은 영역에 대해서만 차량 검출 동작을 수행하는 것이 효율적이기 때문이다. 따라서 실시예에 따라 차량 검출 대상 영역의 범위를 적절하게 조정할 수 있다.
실제 거리 좌표계에서 좌표(X, Y)가 영상 좌표계에서 좌표(u, v)에 대응하는 관계가 아래 수학식 1에 의해 정의된다고 가정하면, 차량 검출 대상 영역에 대한 계산은 아래와 같이 이루어질 수 있다.
수학식 1
Figure PCTKR2011005292-appb-M000001
여기서 (X,Y)는 실제거리 좌표계에서의 좌표이고, (u,v)는 영상 좌표계에서의 좌표이며, u'는 원근 투영 적용 전의 영상 좌표계에서의 u 좌표이고, v'는 원근 투영 적용 전의 영상 좌표계에서의 v 좌표이며, s는 원근 투영비를 나타내며, 행렬(PT: Perspective Transform)은 실제 거리 좌표계에서의 좌표(X,Y)를 영상 좌표계의 좌표(u', v')로 변환하는 행렬이다. 행렬(PT)의 성분을 구하는 것은 일반적으로 알려져 있으므로 자세한 설명은 생략한다.
그러면, 실제 거리 좌표계에서 차량 검출 대상 영역이 자기 차량의 전방 3M ~ 30M 범위 내로 설정된 경우, 해당 범위에 대한 차량 검출 대상 영역은 차량 전방 영상 상에서 다음 수학식 2에 의해 구해질 수 있다.
수학식 2
Figure PCTKR2011005292-appb-M000002
여기서, v3m, v30m 는 각각 차량 전방 3m와, 30m에 해당하는 영상 상의 수직 좌표(v)이다. 즉 차량 검출 대상 영역은 영상 상에서 수직 좌표(v)가 v3m ~ v30m 범위 내인 영역으로 구해진다.
다음으로 차량 검출 모듈(230)은 차량 검출 대상 영역 내에서 차량 영역을 검출한다(S3530). 도 6을 참고하여 차량 영역 검출 단계(S3530)를 보다 자세히 설명한다.
도 6은 도 5의 차량 영역 검출 단계를 보다 자세히 나타낸 흐름도이다.
차량 영역의 검출은 다양한 크기의 차량 검출 윈도우를 이용하여 차량 검출 대상 영역을 순차적으로 스캔하면서 아다부스트(AdaBoost) 알고리즘을 통해 검증하는 방법으로 수행된다. 아다부스트 알고리즘은 학습 단계와 검출 단계로 이루어질 수 있으며, 학습 단계는 검출 대상과 유사한 샘플들을 구비하여 다수개의 약분류기(weak classifier)들로 구성되는 강한 분류기(strong classifier)들을 단계적(cascade)으로 사전에 설정한다. 검출 단계는 사전에 설정된 강한 분류기들을 단계적으로 적용해 이전의 강한 분류기에서 조건이 부합되면 다음 단계의 강한 분류기를 적용시키는 방법으로 차량영역인지 여부를 판단한다. 하나의 강한 분류기 조건이라도 만족하지 못하면 차량영역이 아니기 때문에 해당 영역에 대한 분류를 중단하고 다음 윈도우에 대한 검증으로 넘어간다. 그리고 최종단계의 강한 분류기까지의 조건을 모두 만족한다면 차량영역으로 판단한다. 그런데 자기 차량으로부터 거리에 따라 검출 대상 차량의 영상 크기가 달라진다. 예컨대 자기 차량과 멀어질수록 검출 대상 차량의 영상 크기는 작아진다. 따라서 영상 상의 위치에 따른 검출 대상 차량의 가능한 영상 폭을 먼저 계산하여 차량 검출 윈도우의 크기를 정한다(S3531). 실제 차량의 폭은 대략 1.5m ~ 2.5m 범위 내에 있기 때문에 이를 기초로 다음 수학식 3을 이용하면 차량 검출 윈도우 크기를 계산할 수 있다.
수학식 3
Figure PCTKR2011005292-appb-M000003
여기서 x', y'는 역원근 투영 적용 전의 실제 좌표계에서 x, y 좌표, z'는 역 원근 투영비로 실제 좌표계는 으로 얻어진다. u, v는 영상 좌표계에서의 좌표이며, 행렬(IPT: Inverse Perspective Transform)은 영상 좌표계에서의 좌표(u, v)를 실제 거리 좌표계에서의 좌표(x', y', z')로 변환하는 행렬이다. 행렬(IPT)의 성분을 구하는 것은 일반적으로 알려져 있으므로 자세한 설명은 생략한다.
먼저 영상 좌표계에서 검출 대상 차량의 좌측 하단의 좌표가 (u,v)이고, 그에 대응하는 실제 거리 좌표계에서 좌표가 (xL, y)라고 가정한다. 그러고 앞에서 설명한 것처럼 실제 차량의 폭은 대략 1.5m ~ 2.5m 범위 내에 있는 것을 이용하면, 실제 거리 좌표계에서 검출 대상 차량의 우측 하단의 좌표(xR, y)는 (xL+1.5m, y)과 (xL+2.5m, y) 범위 내에 있게 된다(즉 xL+1.5m ≤ xR ≤ xL+2.5m 이다). 여기서 'xL+1.5m'은 검출 대상 차량의 우측 하단의 x 좌표값이 가질 수 있는 최소값(xR,min)이고, 'xL+2.5m'은 최대값(xR,max)이 된다.
그러면 이렇게 구해진 검출 대상 차량의 우측 하단의 좌표(xR, y)를 다시 행렬(PT: Perspective Transform)을 통해 영상 좌표계 상으로 변환하면, 수학식 3에서와 같이 좌표 (umin, v), (umax, v)를 구할 수 있다. 여기서 f'min, f'max는 각각 (xR,min, y)와 (xR,max, y)를 영상 좌표계로 변환할 때 이용되는 원근 투영비이다.
결론적으로 영상 좌표계에서 검출 대상 차량의 좌측 하단의 좌표가 (u,v)라고 가정할 때, 차량 우측 하단의 좌표는 차량 폭이 가장 작을 때에 해당하는 (umin, v)와 차량 폭이 가장 넓을 때에 해당하는 (umax, v) 사이에 위치하게 된다. 따라서 차량 전방 영상 상에서 차량의 최대 폭(Wmin)과 최속 폭(Wmax)은 각각 'umax-u'와 'umin-u'로 구해지며, 차량 검출 윈도우의 최소 폭과 최대 폭으로 이용될 수 있다.
단계(S3531)에서 차량 검출 윈도우의 최대 폭과 최소 폭이 구해지면, 다음으로 차량 검출 모듈(230)은 차량 검출 윈도우의 최대 폭과 최소 폭의 범위 내에서 차량 검출 윈도우 크기를 조정하면서 아다부스트(AdaBoost) 알고리즘을 이용하여 차량 후보 영역을 검출한다(S3533). 이렇게 단계(S3531)에서 결정된 윈도우 크기 내에서 차량 후보 영역에 대한 검출 연산을 하면 되므로, 연산량을 줄일 수 있고 빠르게 차량 영역을 검출할 수 있다.
이후 차량 검출 모듈(230)은 아다부스트 알고리즘을 통해 찾아진 사각형의 차량 후보 영역에 대해 유효한 차량 영역인지 여부를 검증한다(S3535). 아다부스트 알고리즘을 통해 찾아진 차량 후보 영역 내에서 좌우의 수직 에지(edge)와 하단의 수평 에지가 모두 검출된 경우 유효한 차량 영역으로 판단한다. 여기서 수평, 수직 에지는 차량과 배경의 경계에 대응하여 나타날 수 있다.
차량 검출 대상 영역 전체에 대해서 차량 후보 영역 검출을 위한 스캔이 완료되면, 유효 차량 영역으로 인식된 영역들을 크기가 비슷하고 거리가 가까운 영역들끼리 클러스터링을 하여 차량 영역을 얻는다(S3537). 단계(S3537)에 대해서 도 7을 참고하여 설명한다.
도 7은 아다부스트 알고리즘을 이용하여 검출된 차량 후보 영역을 클러스터링하여 차량 영역을 구하는 예를 설명하기 위해 제공되는 도면이다.
도 7(a)에서 보는 것처럼 아다부스트 알고리즘을 이용하면 하나의 차량에 대해서 사각형으로 예시된 것과 같은 복수 개의 유효 차량 영역이 검출될 수 있다. 따라서 차량마다 하나의 인식된 영역을 얻기 위해서 크기가 비슷하고 거리가 가까운 영역들끼리 클러스터링 동작을 수행함으로써 도 7(b)에서 보는 것처럼 각 차량 마다 하나의 차량 영역을 구할 수 있게 된다.
도 8은 두 영역이 하나의 차량 영역으로 클러스터링 되는 기준을 설명하기 위해 제공되는 도면이다.
도 8을 참고하면, 'W1'의 폭을 가지는 영역과, 'W2'의 폭을 가지는 영역이 각각 (x1, y1), (x2, y2)를 중심으로 가진다고 가정할 때, 두 영역이 하나의 차량 영역으로 클러스터링 되는 기준을 다음 수학식 4를 만족하는 경우로 설정할 수 있다.
수학식 4
Figure PCTKR2011005292-appb-M000004
Wlarge, 와 Wsmall 은 각각 W1과 W2 중에서 큰 영역의 폭과 작은 영역의 폭을 의미하고, foverlap과 fsize는 1~0 사이의 값을 적절하게 선택하여 사용할 수 있다. 수학식 4에 의한 클러스터링 기준은 일 예일 뿐이며, 다른 클러스터링 기준을 사용하는 것도 가능하다.
다시 도 3을 참고하면, 자기 차량의 전방에 있는 차량이 검출되면, 거리 측정 모듈(250)은 검출된 차량 영역에 대응하는 전방 차량과 자기 차량과의 거리를 계산한다(S370). 검출된 전방 차량과의 거리는 인식된 차량 영역의 하단의 이미지 상의 좌표를 IPT 행렬로 실제 거리 좌표계 상의 위치로 변환함으로써 계산할 수 있다. 다만 아다부스트 알고리즘을 이용하여 검출된 차량 영역의 하단은 영상 상의 차량의 바닥 위치와 일치하지 않는 경우가 많다.
도 9를 참고하여 본 발명에 따른 차량 그림자 정보 이용에 대해 설명한다.
도 9는 본 발명에 따른 차량 그림자 정보를 이용한 차량 위치 보정을 설명하기 위해 제공되는 도면이다.
도 9를 참고하면, 도로면이 젖어 있는 환경 등에서 도로상의 차량 그림자는 도 9(a)에 예시된 것처럼 나타나기 때문에 이를 이용해 차량의 밑바닥의 위치를 예측할 수 없다. 따라서 이 그림자 부분을 도 9(b)에서와 같이 필터링 하면 도 9(c)에 나타낸 것과 같이 그림자 영역의 밑 부분이 실제 차량의 바닥 위치와 일치하게 된다. 따라서 전방 차량의 그림자 정보를 이용할 수 있을 경우 이를 이용하여 전방 차량의 위치를 보정하는 것이 바람직하다.
그러면 도 10을 이용하여 전방 차량과 자기 차량과의 거리를 계산하는 단계(S370)에 대해 보다 자세히 설명한다.
도 10은 도 3의 차량 거리 계산 단계를 보다 자세히 나타낸 흐름도이다.
도 10을 참고하면, 먼저 거리 측정 모듈(250)은 그림자 정보의 사용 가능 여부를 판단한다(S371).
그림자 정보를 사용할 수 없는 경우(S371-N), 거리 측정 모듈(250)은 단계(S350)에서 구해진 전방 차량 영역의 하단 중앙부의 좌표를 IPT 행렬로 실제 거리 좌표계 상의 위치로 변환함으로써, 전방 차량과 자기 차량 사이의 거리를 구한다(S373).
한편 그림자 정보를 사용할 수 있는 경우(S371-Y), 그림자 정보를 이용하여 전방 차량의 위치를 보정한다(S375). 그림자 정보는 영상 전처리 모듈(210)에서 구해진 그레이스케일(grayscale) 영상에 대해 히스토그램 평활화를 수행하여 얻어진 결과 영상을 이진화를 함으로써 차량의 그림자 정보를 구할 수 있다. 보다 자세하게는 그레이스케일 이미지에 대해 미리 정해진 밝기를 기준으로 이진화를 하여 어두운 영역과 밝은 영역을 나눌 수 있다. 이렇게 이진화를 통해 분류된 어두운 영역 중에서 차량의 그림자 영역에 대응하는 부분을 제외한 나머지 부분을 필터링한다. 필터링 방법은 가장 작은 차량의 폭이 1.5m 정도 되므로 그림자 폭(어두운 영역)이 1.5m 보다 짧은 경우 필터링을 함으로써 차량의 그림자 영역만을 구할 수 있다. 이렇게 그림자 영역이 구해지면 해당 차량 영역에 대해서는 그림자 영역의 밑 부분을 기준으로 차량 영역의 위치를 보정할 수 있다. 한편 필터링된 그림자 영역의 밑 부분을 찾기 위해서는 검출된 차량 영역의 밑 부분을 기준으로 1/3 만큼의 영역에 대해서 상하로 스캐닝하여 그림자 밑 부분을 구할 수 있다. 이렇게 그림자 영역의 밑 부분이 구해지면 이를 차량 영역의 밑 부분으로 보정한다.
다음으로 보정된 차량 영역의 위치를 기준으로 전방 차량과 자기 차량 사이의 거리를 구한다(S377).
다시 도 3을 참고하면, 전방 차량과의 거리가 구해지면, 경보 모듈(270)은 충돌 경보 조건을 만족하는지 판단한다(S380).
도 11을 참고하여 단계(S380)를 보다 자세히 설명한다.
도 11은 도 3의 차량 충돌 경보 조건 만족 여부를 판단하는 단계를 보다 자세히 나타낸 흐름도이다.
도 11을 참고하면, 먼저 전방 차량이 경보 거리 내에 있는지 판단한다(S381). 그리고 전방 차량이 경보 거리 내에 있는 경우 차선 정보가 유효한지 판단한다(S383).
차선 정보가 유효한 경우(S383-Y), 전방 차량이 동일 차선에 위치하는지 여부에 따라 충돌 경보 조건의 만족 여부를 판단한다(S385). 주행 도로상의 차선 정보를 검출하는 방법에 대해서는 당업자에게 이미 잘 알려져 있으므로, 차선 검출 방법에 대해서는 자세한 설명을 생략한다.
차선 정보가 유효하지 않은 경우(S383-N), 인식된 전방 차량의 폭 기반으로 충돌 조건을 만족하는지 판단한다(S387). 우선 IPT 행렬을 이용하여 인식된 전방의 차량들에 대해서 왼쪽 사이드(xleft)와 오른쪽 사이드(xright) 그리고 가운데(xcenter)의 실제 좌표를 얻는다. 자기 차량의 폭(W)은 사용자로부터 입력받거나 미리 설정되어 있다. 그리고 현재 차량이 직선으로 이동한다고 가정하면 다음 수학식 5와 같은 세 가지 경우가 자기 차량과 전방 차량이 충돌 가능한 상황이 된다.
수학식 5
Figure PCTKR2011005292-appb-M000005
이와 같이, 차선 정보 또는 차량 폭을 이용하여 자기 차량과 전방 차량이 충돌 경보 조건을 만족하는 것으로 판단되면(S380-Y), 경보 모듈(270)은 충돌 경보를 발생한다(S390).
본 발명의 실시예는 다양한 컴퓨터로 구현되는 동작을 수행하기 위한 프로그램 명령을 포함하는 컴퓨터로 읽을 수 있는 매체를 포함한다. 이 매체는 앞서 설명한 차량 충돌 경보 방법을 실행시키기 위한 프로그램을 기록한다. 이 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 이러한 매체의 예에는 하드디스크, 플로피디스크 및 자기 테이프와 같은 자기 매체, CD 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 자기-광 매체, 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 구성된 하드웨어 장치 등이 있다. 또는 이러한 매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상에서 본 발명의 바람직한 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.
본 발명은 카메라로 촬영한 이미지를 이용하여 전방 차량을 검출하고 차량 충돌 여부를 경보할 수 있는 시스템 및 방법에 이용될 수 있다.

Claims (18)

  1. 자기 차량에 장착된 카메라 모듈에서 획득된 영상을 적분 영상으로 전처리하는 단계,
    차량 검출 윈도우의 크기를 미리 정해진 범위 내에서 조정하면서 상기 적분 영상에 대해서 아다부스트 알고리즘을 적용하여 차량 후보 영역을 검출하는 단계,
    상기 검출된 차량 후보 영역이 유효한 차량 영역인지 여부를 검증하는 단계,
    상기 검증된 유효한 차량 영역에 대해 클러스터링을 수행하여 전방 차량에 대응하는 차량 영역을 결정하는 단계,
    상기 결정된 차량 영역을 이용하여 상기 전방 차량과 상기 자기 차량과의 거리를 구하는 단계,
    상기 전방 차량과 상기 자기 차량의 거리가 미리 정해진 기준 이하인 경우 차량 충돌 경보 조건을 판단하는 단계, 그리고
    상기 차량 충돌 경보 조건을 만족하는 경우 차량 충돌 경보를 발생하는 단계
    를 포함하는 차량 충돌 경보 방법.
  2. 제 1 항에서,
    상기 차량 검출 윈도우 크기의 범위는 상기 적분 영상 상의 위치에 따른 검출 대상 차량의 가능한 영상 폭을 기초로 구해지는 차량 충돌 경보 방법.
  3. 제 1 항에서,
    상기 검출된 차량 후보 영역 내에 좌우의 수직 에지 및 하단의 수평 에지가 모두 검출되면, 상기 검출된 차량 후보 영역이 유효한 것으로 판단하는 차량 충돌 경보 방법.
  4. 제 1 항에서,
    상기 결정된 차량 영역에 대응하는 그림자 영역을 구하는 단계, 그리고
    상기 그림자 영역을 이용하여 상기 결정된 차량 영역에 대응하는 전방 차량의 위치를 보정하는 단계
    를 더 포함하는 차량 충돌 경보 방법.
  5. 제 4 항에서,
    상기 그림자 영역은,
    상기 카메라 모듈에서 획득된 영상의 그레이스케일(grayscale) 영상에 대해서 히스토그램 평활화를 수행하여 얻어진 결과 영상을 이진화하고, 상기 이진화를 통해 분류된 어두운 영역 중에서 그림자 폭이 일정 기준보다 짧은 경우에 대해 필터링을 수행함으로써 구해지는 차량 충돌 경보 방법.
  6. 제 5 항에서,
    상기 구해진 그림자 영역의 밑 부분을 기준으로 상기 자기 차량과 상기 전방 차량의 거리를 구하는 차량 충돌 경보 방법.
  7. 제 1 항에서,
    상기 결정된 차량 영역에 대응하는 그림자 영역이 구해지지 않는 경우, 상기 결정된 차량 영역의 하단 중앙부를 기준으로 상기 자기 차량과 상기 전방 차량의 거리를 구하는 차량 충돌 경보 방법.
  8. 제 7 항에 있어서,
    상기 자기 차량과 상기 전방 차량의 거리가 미리 정해진 기준 이하인 경우 차량 충돌 경보 조건 만족 여부를 판단하는 차량 충돌 경보 방법.
  9. 제 8 항에서,
    상기 전방 차량과 상기 자기 차량이 동일 차선에 있거나,
    다음 수학식
    Figure PCTKR2011005292-appb-I000002
    을 만족하면, 상기 차량 충돌 경보 조건을 만족하는 것으로 판단하되, 여기서, xleft, xright, xcenter는 상기 전방 차량의 왼쪽 사이드, 오른쪽 사이드 및 가운데의 실제 좌표이고, W는 상기 자기 차량의 폭인 차량 충돌 경보 방법.
  10. 자기 차량에 장착된 카메라 모듈에서 획득된 영상을 적분 영상으로 전처리하는 영상 전처리 모듈,
    차량 검출 윈도우의 크기를 미리 정해진 범위 내에서 조정하면서 상기 적분 영상에 대해서 아다부스트 알고리즘을 적용하여 차량 후보 영역을 검출하고, 상기 검출된 차량 후보 영역이 유효한 차량 영역인지 여부를 검증하며, 상기 검증된 유효한 차량 영역에 대해 클러스터링을 수행하여 전방 차량에 대응하는 차량 영역을 결정하는 차량 검출 모듈,
    상기 결정된 차량 영역을 이용하여 상기 전방 차량과 상기 자기 차량과의 거리를 구하는 거리 측정 모듈, 그리고
    상기 전방 차량과 상기 자기 차량의 거리가 미리 정해진 기준 이하인 경우 차량 충돌 경보 조건을 판단하고, 상기 차량 충돌 경보 조건을 만족하는 경우 차량 충돌 경보를 발생하는 경보 모듈
    을 포함하는 차량 충돌 경보 시스템.
  11. 제 10 항에서,
    상기 차량 검출 윈도우 크기의 범위는 상기 적분 영상 상의 위치에 따른 검출 대상 차량의 가능한 영상 폭을 기초로 구해지는 차량 충돌 경보 시스템.
  12. 제 10 항에서,
    상기 검출된 차량 후보 영역 내에 좌우의 수직 에지 및 하단의 수평 에지가 모두 검출되면, 상기 검출된 차량 후보 영역이 유효한 것으로 판단하는 차량 충돌 경보 시스템.
  13. 제 10 항에서,
    상기 거리 측정 모듈은,
    상기 결정된 차량 영역에 대응하는 그림자 영역을 구하고, 상기 그림자 영역을 이용하여 상기 결정된 차량 영역에 대응하는 전방 차량의 위치를 보정하는 차량 충돌 경보 시스템.
  14. 제 13 항에서,
    상기 그림자 영역은,
    상기 카메라 모듈에서 획득된 영상의 그레이스케일(grayscale) 영상에 대해서 히스토그램 평활화를 수행하여 얻어진 결과 영상을 이진화하고, 상기 이진화를 통해 분류된 어두운 영역 중에서 그림자 폭이 일정 기준보다 짧은 경우에 대해 필터링을 수행함으로써 구해지는 차량 충돌 경보 시스템.
  15. 제 14 항에서,
    상기 구해진 그림자 영역의 밑 부분을 기준으로 상기 자기 차량과 상기 전방 차량의 거리를 구하는 차량 충돌 경보 시스템.
  16. 제 10 항에서,
    상기 결정된 차량 영역에 대응하는 그림자 영역이 구해지지 않는 경우, 상기 결정된 차량 영역의 하단 중앙부를 기준으로 상기 자기 차량과 상기 전방 차량의 거리를 구하는 차량 충돌 경보 시스템.
  17. 제 16 항에 있어서,
    상기 자기 차량과 상기 전방 차량의 거리가 미리 정해진 기준 이하인 경우 차량 충돌 경보 조건 만족 여부를 판단하는 차량 충돌 경보 시스템.
  18. 제 17 항에서,
    상기 전방 차량과 상기 자기 차량이 동일 차선에 있거나,
    다음 수학식
    Figure PCTKR2011005292-appb-I000003
    을 만족하면, 상기 차량 충돌 경보 조건을 만족하는 것으로 판단하되, 여기서, xleft, xright, xcenter는 상기 전방 차량의 왼쪽 사이드, 오른쪽 사이드 및 가운데의 실제 좌표이고, W는 상기 자기 차량의 폭인 차량 충돌 경보 시스템.
PCT/KR2011/005292 2010-07-19 2011-07-19 차량 충돌 경보 시스템 및 방법 WO2012011715A2 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20100069538A KR101178508B1 (ko) 2010-07-19 2010-07-19 차량 충돌 경보 시스템 및 방법
KR10-2010-0069538 2010-07-19

Publications (2)

Publication Number Publication Date
WO2012011715A2 true WO2012011715A2 (ko) 2012-01-26
WO2012011715A3 WO2012011715A3 (ko) 2012-05-10

Family

ID=45497283

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2011/005292 WO2012011715A2 (ko) 2010-07-19 2011-07-19 차량 충돌 경보 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR101178508B1 (ko)
WO (1) WO2012011715A2 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021379A (zh) * 2014-06-09 2014-09-03 北京航空航天大学 一种车辆辅助驾驶中车辆间距的计算方法
WO2015105239A1 (ko) * 2014-01-13 2015-07-16 삼성테크윈 주식회사 차량 및 차선 위치 검출 시스템 및 방법
CN108974018A (zh) * 2018-08-31 2018-12-11 辽宁工业大学 一种基于机器视觉的汽车前向防碰撞预警装置及其监测方法
CN109859526A (zh) * 2019-01-18 2019-06-07 长安大学 一种超车时前方目标车辆运动姿态实时观测装置及方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101464489B1 (ko) * 2013-05-24 2014-11-25 모본주식회사 영상 인식 기반의 차량 접근 장애물 감지 방법 및 시스템
KR101665340B1 (ko) * 2015-01-28 2016-10-13 한국기술교육대학교 산학협력단 전방 장애물 감지 장치
KR101966801B1 (ko) 2016-07-26 2019-08-13 경성대학교 산학협력단 롤러 주변의 장애물 감지 방법

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080004832A (ko) * 2006-07-06 2008-01-10 삼성전자주식회사 차량 검출 방법 및 장치
JP2008009843A (ja) * 2006-06-30 2008-01-17 Honda Motor Co Ltd 障害物判別装置
KR20090083184A (ko) * 2008-01-29 2009-08-03 주식회사 만도 영상을 이용한 전후방 차량 검출 방법
JP2009276200A (ja) * 2008-05-14 2009-11-26 Hitachi Ltd 車載用物体検知装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008009843A (ja) * 2006-06-30 2008-01-17 Honda Motor Co Ltd 障害物判別装置
KR20080004832A (ko) * 2006-07-06 2008-01-10 삼성전자주식회사 차량 검출 방법 및 장치
KR20090083184A (ko) * 2008-01-29 2009-08-03 주식회사 만도 영상을 이용한 전후방 차량 검출 방법
JP2009276200A (ja) * 2008-05-14 2009-11-26 Hitachi Ltd 車載用物体検知装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015105239A1 (ko) * 2014-01-13 2015-07-16 삼성테크윈 주식회사 차량 및 차선 위치 검출 시스템 및 방법
CN104021379A (zh) * 2014-06-09 2014-09-03 北京航空航天大学 一种车辆辅助驾驶中车辆间距的计算方法
CN104021379B (zh) * 2014-06-09 2017-04-19 北京航空航天大学 一种车辆辅助驾驶中车辆间距的计算方法
CN108974018A (zh) * 2018-08-31 2018-12-11 辽宁工业大学 一种基于机器视觉的汽车前向防碰撞预警装置及其监测方法
CN108974018B (zh) * 2018-08-31 2023-06-16 辽宁工业大学 一种基于机器视觉的汽车前向防碰撞预警监测方法
CN109859526A (zh) * 2019-01-18 2019-06-07 长安大学 一种超车时前方目标车辆运动姿态实时观测装置及方法

Also Published As

Publication number Publication date
KR101178508B1 (ko) 2012-09-07
KR20120009591A (ko) 2012-02-02
WO2012011715A3 (ko) 2012-05-10

Similar Documents

Publication Publication Date Title
US10551198B2 (en) Apparatus and method for providing guidance information using crosswalk recognition result
WO2012011715A2 (ko) 차량 충돌 경보 시스템 및 방법
JP4871909B2 (ja) 物体認識装置、および物体認識方法
JP4654163B2 (ja) 車両の周囲環境認識装置及びシステム
EP2031571B1 (en) Vehicle type determination device, program, and method
JP5223675B2 (ja) 車両検知装置，車両検知方法並びに車両検知プログラム
JP4416039B2 (ja) 縞模様検知システム、縞模様検知方法および縞模様検知用プログラム
EP3432265A1 (en) Image processing device, apparatus control system, image pickup device, image processing method, and program
JP3849505B2 (ja) 障害物監視装置及びプログラム
JP6678552B2 (ja) 車種判別装置および車種判別方法
JP5983729B2 (ja) 白線検出装置、白線検出フィルタ装置及び白線検出方法
KR101705061B1 (ko) 차량 번호판의 글자 인식을 위한 번호판 검출방법
JP5062091B2 (ja) 移動体識別装置、コンピュータプログラム及び光軸方向特定方法
EP3428876A1 (en) Image processing device, apparatus control system, imaging device, image processing method, and program
JP3779229B2 (ja) 識別方法、識別装置、及び交通制御システム
WO2020204350A2 (ko) 어라운드 뷰 모니터링 시스템을 이용한 자율 주행 차량을 위한 이동 경로 생성 장치 및 방법
CN109886120B (zh) 一种斑马线检测方法及系统
JP2018073049A (ja) 画像認識装置、画像認識システム、及び画像認識方法
KR20130059190A (ko) 스테레오 비전을 이용한 차량검출과 차간거리 산출 방법 및 그 장치
JP6582891B2 (ja) 空車枠特定システム、方法およびプログラム
JP2006134339A (ja) 識別方法、識別装置、及び交通制御システム
KR102629639B1 (ko) 차량용 듀얼 카메라 장착 위치 결정 장치 및 방법
WO2023277219A1 (ko) 환경 변화 적응형 특징 생성기를 적용한 차량용 경량 딥러닝 처리 장치 및 방법
WO2022107911A1 (ko) 다중 특징 추출기를 적용한 차량용 경량 딥러닝 처리 장치 및 방법
JP2000163692A (ja) 車種判別装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 11809842

Country of ref document: EP

Kind code of ref document: A2

NENP Non-entry into the national phase in:

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 11809842

Country of ref document: EP

Kind code of ref document: A2