WO2022131396A1 - 운전석을 포함한 차량의 실내 장치를 자동으로 조절하기 위한 방법 및 이를 위한 장치 - Google Patents

운전석을 포함한 차량의 실내 장치를 자동으로 조절하기 위한 방법 및 이를 위한 장치 Download PDF

Info

Publication number
WO2022131396A1
WO2022131396A1 PCT/KR2020/018450 KR2020018450W WO2022131396A1 WO 2022131396 A1 WO2022131396 A1 WO 2022131396A1 KR 2020018450 W KR2020018450 W KR 2020018450W WO 2022131396 A1 WO2022131396 A1 WO 2022131396A1
Authority
WO
WIPO (PCT)
Prior art keywords
vehicle
information
body structure
vehicle occupant
data
Prior art date
Application number
PCT/KR2020/018450
Other languages
English (en)
French (fr)
Inventor
박종준
Original Assignee
주식회사 모빌린트
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 모빌린트 filed Critical 주식회사 모빌린트
Priority to PCT/KR2020/018450 priority Critical patent/WO2022131396A1/ko
Publication of WO2022131396A1 publication Critical patent/WO2022131396A1/ko
Priority to US18/334,242 priority patent/US20230322173A1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R11/02—Arrangements for holding or mounting articles, not otherwise provided for for radio sets, television sets, telephones, or the like; Arrangement of controls thereof
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/013—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over
    • B60R21/0134—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting collisions, impending collisions or roll-over responsive to imminent contact with an obstacle, e.g. using radar systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/01—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents
    • B60R21/015—Electrical circuits for triggering passive safety arrangements, e.g. airbags, safety belt tighteners, in case of vehicle accidents or impending vehicle accidents including means for detecting the presence or position of passengers, passenger seats or child seats, and the related safety parameters therefor, e.g. speed or timing of airbag inflation in relation to occupant position or seat belt use
    • B60R21/01512—Passenger detection systems
    • B60R21/0153—Passenger detection systems using field detection presence sensors
    • B60R21/01538—Passenger detection systems using field detection presence sensors for image processing, e.g. cameras or sensor arrays
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/02—Occupant safety arrangements or fittings, e.g. crash pads
    • B60R21/16—Inflatable occupant restraints or confinements designed to inflate upon impact or impending impact, e.g. air bags
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R21/00—Arrangements or fittings on vehicles for protecting or preventing injuries to occupants or pedestrians in case of accidents or other traffic risks
    • B60R21/02—Occupant safety arrangements or fittings, e.g. crash pads
    • B60R21/16—Inflatable occupant restraints or confinements designed to inflate upon impact or impending impact, e.g. air bags
    • B60R21/20—Arrangements for storing inflatable members in their non-use or deflated condition; Arrangement or mounting of air bag modules or components
    • B60R21/207—Arrangements for storing inflatable members in their non-use or deflated condition; Arrangement or mounting of air bag modules or components in vehicle seats
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R22/00—Safety belts or body harnesses in vehicles
    • B60R22/48—Control systems, alarms, or interlock systems, for the correct application of the belt or harness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R22/00—Safety belts or body harnesses in vehicles
    • B60R22/48—Control systems, alarms, or interlock systems, for the correct application of the belt or harness
    • B60R2022/4808—Sensing means arrangements therefor

Definitions

  • the present specification relates to a method for adjusting an indoor device of a vehicle, and more particularly, to a method for automatically adjusting an indoor device of a vehicle including a driver's seat of a vehicle occupant, and an apparatus supporting the same.
  • the user must perform the location of the vehicle's indoor devices, such as the vehicle's seat, rearview mirror, side mirror, and display device that outputs contents, each time the service is used according to his or her body structure. There is discomfort.
  • An object of the present invention is to provide a method for automatically adjusting indoor devices in a vehicle, such as a vehicle.
  • an object detection device installed outside the vehicle and configured to obtain image data of a vehicle occupant located within a predetermined distance from the vehicle, the image data is provided between the vehicle and the vehicle includes distance information indicating a distance between passengers;
  • An AI device for extracting body structure information on the body structure of the vehicle occupant from the image data using a skeletonization-related deep learning algorithm, wherein the body structure information is selected from the body structure of the vehicle occupant
  • At least one of body part position information on the position of each body part related to the control of the indoor device, body part size information on the size of each body part, or specific information on the body part having a specific feature among the body structure of the vehicle occupant includes one; a sensing device for detecting whether a specific door of the vehicle is opened or closed; and a control device for adjusting an indoor device related to a passenger seat corresponding to the specific door based on the extracted body structure information.
  • the control device controls to adjust the indoor device based on the extracted body structure information.
  • the size of each body part is calculated based on distance information included in the image data.
  • the specific information is characterized in that whether the vehicle occupant is pregnant or disabled.
  • each body part related to the control of the indoor device is characterized in that it is an eye, elbow, knee, waist, arm, leg, upper body or neck.
  • the vehicle of the present specification further includes an output unit, and the control device controls the output unit to output a notification signal indicating that the acquisition of the image data is completed in a visual, auditory, olfactory or tactile form. do it with
  • the object detection apparatus is characterized in that it is composed of one stereo camera, two cameras, or one ultrasonic sensor and one camera.
  • the indoor device includes at least one of a seat of the passenger seat corresponding to the specific door, a steering wheel, a rearview mirror, a side mirror, a display device disposed on the rear seat of the vehicle, a massage device, an airbag, or a seat belt. characterized.
  • control device is characterized in that when the vehicle occupant is an infant or a child, the airbag or the seat belt is adjusted.
  • the present specification provides a method for controlling an indoor device of a vehicle, comprising: acquiring image data of a vehicle occupant located within a predetermined distance from the vehicle through an object detection device installed outside the vehicle; includes distance information indicating a distance between a vehicle and an occupant of the vehicle; extracting body structure information on the body structure of the vehicle occupant from the image data using a skeletonization-related deep learning algorithm, wherein the body structure information is selected from among the body structures of the vehicle occupant in the indoor At least one of body part position information on the position of each body part related to the control of the device, body part size information on the size of each body part, or specific information on the body part having a specific feature among the body structure of the vehicle occupant includes; and when it is detected that a specific door of the vehicle is opened, adjusting an indoor device related to a passenger seat corresponding to the specific door based on the extracted body structure information.
  • the present specification has an effect of increasing user convenience by acquiring image data of a vehicle occupant and automatically adjusting a seat of the passenger seat or indoor devices in the vehicle using body structure information of the vehicle occupant through this.
  • FIG. 1 is a control block diagram of a vehicle according to an embodiment of the present invention.
  • FIG. 2 is a block diagram of an AI device according to an embodiment of the present invention.
  • FIG. 4 is a flowchart illustrating an example of a method for controlling an indoor device of a vehicle proposed in the present specification.
  • FIG. 5 is a diagram illustrating an example of skeletonizing a human body structure through a deep learning algorithm that makes a skeleton.
  • FIG. 6 is a flowchart illustrating an example of a method for controlling an indoor device of a vehicle proposed in the present specification.
  • first, second, etc. may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another. For example, without departing from the scope of the present invention, a first component may be referred to as a second component, and similarly, a second component may also be referred to as a first component.
  • a vehicle is defined as a means of transport running on a road or track.
  • the vehicle is a concept including a car, a train, and a motorcycle.
  • the vehicle may be a concept including both an internal combustion engine vehicle having an engine as a power source, a hybrid vehicle having an engine and an electric motor as a power source, and an electric vehicle having an electric motor as a power source.
  • the vehicle may be a vehicle owned by an individual.
  • the vehicle may be a shared vehicle.
  • FIG. 1 is a control block diagram of a vehicle according to an embodiment of the present invention.
  • a vehicle 10 includes a user interface device 100 , an object detection device 110 , a communication device 120 , a driving manipulation device 130 , a main ECU 140 , and a vehicle driving device 150 . ), a sensing unit 160 , a location data generating device 170 , an AI device 180 , and an output unit 190 .
  • the object detecting device 110 , the communication device 120 , the driving manipulation device 130 , the main ECU 140 , the vehicle driving device 150 , the sensing unit 160 , and the position data generating device 170 are each electrical signal may be implemented as an electronic device that generates and exchanges electrical signals with each other.
  • the user interface device 100 is a device for communication between a vehicle and a user.
  • the user interface device may receive a user input and provide the user with information generated in the vehicle.
  • the vehicle may implement a user interface (UI) or a user experience (UX) through a user interface device.
  • UI user interface
  • UX user experience
  • the user interface device may include an input device, an output device, and a user monitoring device.
  • the object detecting apparatus 110 may generate information about an object outside the vehicle.
  • the information about the object may include at least one of information on the existence of the object, location information of the object, distance information between the vehicle and the object, and relative speed information between the vehicle and the object.
  • the object detecting apparatus may detect an object outside the vehicle.
  • the object detecting apparatus may include at least one sensor capable of detecting an object outside the vehicle.
  • the object detection apparatus may include at least one of a camera, a radar, a lidar, an ultrasonic sensor, and an infrared sensor.
  • the object detection apparatus may provide data on an object generated based on a sensing signal generated by a sensor to at least one electronic device included in the vehicle.
  • the camera may generate information about an object outside the vehicle by using the image.
  • the camera may include at least one lens, at least one image sensor, and at least one processor that is electrically connected to the image sensor to process a received signal, and generate data about the object based on the processed signal.
  • the camera may be at least one of a mono camera, a stereo camera, and an Around View Monitoring (AVM) camera.
  • the camera may obtain position information of an object, information about a distance from an object, or information about a relative speed with respect to an object by using various image processing algorithms.
  • the camera may acquire distance information and relative velocity information from an object based on a change in the size of the object over time from the acquired image.
  • the camera may acquire distance information and relative speed information with respect to an object through a pinhole model, road surface profiling, or the like.
  • the camera may acquire distance information and relative velocity information from an object based on disparity information in a stereo image obtained from the stereo camera.
  • the camera may be mounted at a position where a field of view (FOV) can be secured in the vehicle in order to photograph the outside of the vehicle.
  • the camera may be disposed adjacent to the front windshield in the interior of the vehicle to acquire an image of the front of the vehicle.
  • the camera may be placed around the front bumper or radiator grill.
  • the camera may be disposed adjacent to the rear glass in the interior of the vehicle to acquire an image of the rear of the vehicle.
  • the camera may be placed around the rear bumper, trunk or tailgate.
  • the camera may be disposed adjacent to at least one of the side windows in the interior of the vehicle in order to acquire an image of the side of the vehicle.
  • the camera may be disposed around a side mirror, a fender, or a door.
  • the radar may generate information about an object outside the vehicle using radio waves.
  • the radar may include an electromagnetic wave transmitter, an electromagnetic wave receiver, and at least one processor that is electrically connected to the electromagnetic wave transmitter and the electromagnetic wave receiver, processes a received signal, and generates data about an object based on the processed signal.
  • the radar may be implemented in a pulse radar method or a continuous wave radar method in terms of a radio wave emission principle.
  • the radar may be implemented as a frequency modulated continuous wave (FMCW) method or a frequency shift keyong (FSK) method according to a signal waveform among continuous wave radar methods.
  • FMCW frequency modulated continuous wave
  • FSK frequency shift keyong
  • the radar detects an object based on an electromagnetic wave, a time of flight (TOF) method or a phase-shift method, and detects the position of the detected object, the distance to the detected object, and the relative speed.
  • the radar may be placed at a suitable location outside of the vehicle to detect objects located in front, rear or side of the vehicle.
  • the lidar may generate information about an object outside the vehicle by using laser light.
  • the lidar may include at least one processor that is electrically connected to the light transmitter, the light receiver, and the light transmitter and the light receiver, processes the received signal, and generates data about the object based on the processed signal. .
  • the lidar may be implemented in a time of flight (TOF) method or a phase-shift method.
  • TOF time of flight
  • Lidar can be implemented as driven or non-driven. When implemented as a driving type, the lidar is rotated by a motor and can detect objects around the vehicle. When implemented as a non-driven type, the lidar may detect an object located within a predetermined range with respect to the vehicle by light steering.
  • the vehicle may include a plurality of non-driven lidars.
  • LiDAR detects an object based on a time of flight (TOF) method or a phase-shift method with a laser light medium, and calculates the position of the detected object, the distance to the detected object, and the relative speed. can be detected.
  • the lidar may be placed at a suitable location outside of the vehicle to detect an object located in front, rear or side of the vehicle.
  • the communication apparatus 120 may exchange signals with a device located outside the vehicle.
  • the communication device may exchange signals with at least one of an infrastructure (eg, a server, a broadcasting station), another vehicle, and a terminal.
  • the communication device may include at least one of a transmit antenna, a receive antenna, a radio frequency (RF) circuit capable of implementing various communication protocols, and an RF element to perform communication.
  • RF radio frequency
  • the communication apparatus may exchange a signal with an external device based on C-V2X (Cellular V2X) technology.
  • C-V2X Cellular V2X
  • the C-V2X technology may include LTE-based sidelink communication and/or NR-based sidelink communication.
  • communication devices communicate with external devices based on IEEE 802.11p PHY/MAC layer technology and IEEE 1609 Network/Transport layer technology-based Dedicated Short Range Communications (DSRC) technology or WAVE (Wireless Access in Vehicular Environment) standard.
  • DSRC or WAVE standard
  • DSRC technology is a communication standard prepared to provide an Intelligent Transport System (ITS) service through short-distance dedicated communication between in-vehicle devices or between roadside devices and vehicle-mounted devices.
  • DSRC technology may use a frequency of 5.9 GHz band and may be a communication method having a data transmission rate of 3 Mbps to 27 Mbps.
  • IEEE 802.11p technology can be combined with IEEE 1609 technology to support DSRC technology (or WAVE standard).
  • the communication apparatus of the present invention may exchange signals with an external device by using only one of the C-V2X technology or the DSRC technology.
  • the communication device of the present invention may exchange signals with an external device by hybridizing C-V2X technology and DSRC technology.
  • the driving operation device 130 is a device that receives a user input for driving. In the manual mode, the vehicle may be driven based on a signal provided by the driving manipulation device 130 .
  • the driving manipulation device 130 may include a steering input device (eg, a steering wheel), an acceleration input device (eg, an accelerator pedal), and a brake input device (eg, a brake pedal).
  • the main ECU 140 may control the overall operation of at least one electronic device included in the vehicle.
  • the main ECU may be expressed as a control unit, a processor, or the like.
  • the control unit may be referred to as an application processor (AP), a processor, a control module, a controller, a microcontroller, a microprocessor, and the like, and the processor includes hardware, firmware, and the like. (firmware), software, or a combination thereof.
  • the controller may include an application-specific integrated circuit (ASIC), another chipset, a logic circuit, and/or a data processing device.
  • ASIC application-specific integrated circuit
  • the main ECU controls to adjust the passenger seat-related indoor device corresponding to a specific door of the vehicle based on body structure information extracted by applying a skeletonization-related deep learning algorithm from the image data obtained by the object detection device.
  • the main ECU controls to adjust the indoor device based on the extracted body structure information.
  • the main ECU controls to adjust the airbag or the seat belt when the vehicle occupant is an infant or a child.
  • the vehicle driving device 150 is a device for electrically controlling various vehicle driving devices in the vehicle.
  • the vehicle drive device 150 may include a power train drive control device, a chassis drive control device, a door/window drive control device, a safety device drive control device, a lamp drive control device, and an air conditioning drive control device.
  • the power train drive control device may include a power source drive control device and a transmission drive control device.
  • the chassis drive control device may include a steering drive control device, a brake drive control device, and a suspension drive control device.
  • the safety device drive control device may include a safety belt drive control device for seat belt control.
  • the vehicle driving device 150 includes at least one electronic control device (eg, a control ECU (Electronic Control Unit)).
  • a control ECU Electronic Control Unit
  • the sensing unit 160 or the sensing device may sense the state of the vehicle.
  • the sensing unit 160 may include an inertial measurement unit (IMU) sensor, a collision sensor, a wheel sensor, a speed sensor, an inclination sensor, a weight sensor, a heading sensor, a position module, and a vehicle. It may include at least one of a forward/reverse sensor, a battery sensor, a fuel sensor, a tire sensor, a steering sensor, a temperature sensor, a humidity sensor, an ultrasonic sensor, an illuminance sensor, and a pedal position sensor. Meanwhile, an inertial measurement unit (IMU) sensor may include one or more of an acceleration sensor, a gyro sensor, and a magnetic sensor.
  • IMU inertial measurement unit
  • the sensing unit 160 may generate state data of the vehicle based on a signal generated by at least one sensor.
  • the vehicle state data may be information generated based on data sensed by various sensors provided inside the vehicle.
  • the sensing unit 160 may include vehicle attitude data, vehicle motion data, vehicle yaw data, vehicle roll data, vehicle pitch data, vehicle collision data, vehicle direction data, vehicle angle data, and vehicle speed. data, vehicle acceleration data, vehicle inclination data, vehicle forward/reverse data, vehicle weight data, battery data, fuel data, tire pressure data, vehicle interior temperature data, vehicle interior humidity data, steering wheel rotation angle data, vehicle exterior illumination Data, pressure data applied to the accelerator pedal, pressure data applied to the brake pedal, vibration data, and the like may be generated.
  • the sensing unit may detect whether a specific door of the vehicle is opened or closed.
  • the location data generating device 170 may generate location data of the vehicle.
  • the location data generating apparatus may include at least one of a Global Positioning System (GPS) and a Differential Global Positioning System (DGPS).
  • GPS Global Positioning System
  • DGPS Differential Global Positioning System
  • the location data generating apparatus may generate location data of the vehicle based on a signal generated by at least one of GPS and DGPS.
  • the location data generating apparatus 170 may correct location data based on at least one of an Inertial Measurement Unit (IMU) of the sensing unit 160 and a camera of the object detecting apparatus 110 .
  • IMU Inertial Measurement Unit
  • the location data generating device may be referred to as a Global Navigation Satellite System (GNSS).
  • GNSS Global Navigation Satellite System
  • the vehicle may include an internal communication system.
  • a plurality of electronic devices included in the vehicle may exchange signals through an internal communication system.
  • a signal may contain data.
  • the internal communication system may use at least one communication protocol (eg, CAN, LIN, FlexRay, MOST, Ethernet).
  • the vehicle may perform the method proposed in this specification by additionally including the block diagram of the AI device of FIG. 2 . That is, the vehicle proposed in the present specification may individually include an AI device or each component including an AI processor and memory, which will be described later.
  • FIG. 2 is a block diagram of an AI device according to an embodiment of the present invention.
  • the AI device 20 may include an electronic device including an AI module capable of performing AI processing, or a server including the AI module.
  • the AI device may be included as a component of at least a part of an electronic device to perform at least a part of AI processing together.
  • the AI device may include an AI processor 21 , a memory 25 and/or a communication unit 27 .
  • the AI device is a computing device capable of learning a neural network, and may be implemented in various electronic devices such as a server, a desktop PC, a notebook PC, and a tablet PC.
  • the AI processor can learn a neural network using a program stored in memory.
  • the AI processor may learn a neural network for recognizing vehicle-related data.
  • the neural network for recognizing vehicle-related data may be designed to simulate a human brain structure on a computer, and may include a plurality of network nodes having weights that simulate neurons of the human neural network.
  • the plurality of network modes may transmit and receive data according to a connection relationship, respectively, so as to simulate a synaptic activity of a neuron in which a neuron sends and receives a signal through a synapse.
  • the neural network may include a deep learning model developed from a neural network model.
  • a plurality of network nodes can exchange data according to a convolutional connection relationship while being located in different layers.
  • neural network models include deep neural networks (DNN), convolutional deep neural networks (CNN), Recurrent Boltzmann Machine (RNN), Restricted Boltzmann Machine (RBM), deep trust It includes various deep learning techniques such as neural networks (DBN, deep belief networks) and deep Q-networks, and can be applied to fields such as computer vision, speech recognition, natural language processing, and voice/signal processing.
  • the processor performing the above-described function may be a general-purpose processor (eg, CPU), but may be an AI-only processor (eg, GPU) for artificial intelligence learning.
  • a general-purpose processor eg, CPU
  • an AI-only processor eg, GPU
  • the memory may store various programs and data necessary for the operation of the AI device.
  • the memory may be implemented as a non-volatile memory, a volatile memory, a flash-memory, a hard disk drive (HDD), or a solid state drive (SDD).
  • the memory is accessed by the AI processor, and reading/writing/modification/deletion/update of data by the AI processor may be performed.
  • the memory may store a neural network model (eg, the deep learning model 26 ) generated through a learning algorithm for data classification/recognition according to an embodiment of the present invention.
  • the AI processor 21 may include a data learning unit 22 that learns a neural network for data classification/recognition.
  • the data learning unit 22 may learn a criterion regarding which training data to use to determine data classification/recognition and how to classify and recognize data using the training data.
  • the data learning unit 22 may learn the deep learning model by acquiring learning data to be used for learning and applying the acquired learning data to the deep learning model.
  • the data learning unit 22 may be manufactured in the form of at least one hardware chip and mounted on the AI device 20 .
  • the data learning unit 22 may be manufactured in the form of a dedicated hardware chip for artificial intelligence (AI), or is manufactured as a part of a general-purpose processor (CPU) or graphics-only processor (GPU) to the AI device 20 . may be mounted.
  • the data learning unit 22 may be implemented as a software module.
  • the software module When implemented as a software module (or a program module including instructions), the software module may be stored in a computer-readable non-transitory computer readable medium.
  • the at least one software module may be provided by an operating system (OS) or may be provided by an application.
  • OS operating system
  • the data learning unit 22 may include a training data acquiring unit 23 and a model learning unit 24 .
  • the training data acquisition unit 23 may acquire training data required for a neural network model for classifying and recognizing data.
  • the training data acquisition unit 23 may acquire vehicle data and/or sample data to be input to the neural network model as training data.
  • the model learning unit 24 may use the acquired training data to learn the neural network model to have a criterion for determining how to classify predetermined data.
  • the model learning unit 24 may train the neural network model through supervised learning using at least a portion of the learning data as a criterion for determination.
  • the model learning unit 24 may learn the neural network model through unsupervised learning for discovering a judgment criterion by self-learning using learning data without guidance.
  • the model learning unit 24 may train the neural network model through reinforcement learning using feedback on whether the result of the situation determination according to the learning is correct.
  • the model learning unit 24 may train the neural network model by using a learning algorithm including an error back-propagation method or a gradient decent method.
  • the model learning unit 24 may store the learned neural network model in a memory.
  • the model learning unit 24 may store the learned neural network model in the memory of the server connected to the AI device 20 through a wired or wireless network.
  • the data learning unit 22 further includes a training data preprocessing unit (not shown) and a training data selection unit (not shown) to improve the analysis result of the recognition model or to save resources or time required for generating the recognition model You may.
  • the learning data preprocessor may preprocess the acquired data so that the acquired data can be used for learning for situation determination.
  • the training data preprocessor may process the acquired data into a preset format so that the model learning unit 24 may use the acquired training data for image recognition learning.
  • the learning data selection unit may select data necessary for learning from among the learning data acquired by the learning data acquiring unit 23 or the training data preprocessed by the preprocessing unit.
  • the selected training data may be provided to the model learning unit 24 .
  • the learning data selector may select, as the learning data, only data about an object included in the specific region by detecting a specific region among images acquired through a vehicle camera.
  • the data learning unit 22 may further include a model evaluation unit (not shown) in order to improve the analysis result of the neural network model.
  • the model evaluator may input evaluation data to the neural network model and, when an analysis result output from the evaluation data does not satisfy a predetermined criterion, cause the model learning unit 22 to learn again.
  • the evaluation data may be predefined data for evaluating the recognition model.
  • the model evaluation unit may evaluate as not satisfying a predetermined criterion when, among the analysis results of the learned recognition model for the evaluation data, the number or ratio of evaluation data for which the analysis result is not accurate exceeds a preset threshold. have.
  • the communication unit 27 may transmit the AI processing result by the AI processor 21 to an external electronic device.
  • the external electronic device may be defined as an autonomous vehicle.
  • the AI device 20 may be defined as another vehicle or a 5G network that communicates with the autonomous driving module vehicle.
  • the AI device 20 may be implemented by being functionally embedded in an autonomous driving module provided in a vehicle.
  • the 5G network may include a server or module that performs autonomous driving-related control.
  • the AI device 20 may be implemented through a home server.
  • the AI device 20 shown in FIG. 2 has been described as functionally divided into the AI processor 21, the memory 25, the communication unit 27, etc., the above-mentioned components are integrated into one module and the AI module Note that it may also be called
  • DNN Deep Neural Network
  • a deep neural network is an artificial neural network (ANN) composed of several hidden layers between an input layer and an output layer. Deep neural networks can model complex non-linear relationships like general artificial neural networks.
  • each object may be expressed as a hierarchical configuration of image basic elements.
  • the additional layers may aggregate the characteristics of the gradually gathered lower layers.
  • DNN deep neural network
  • data required for learning the POI data generation model may be input to the input layer of the DNN, and meaningful data that a user can use may be generated through the output layer while passing through the hidden layers.
  • an artificial neural network used for such a deep learning method is collectively referred to as a DNN, but if meaningful data can be output in a similar manner, of course, other deep learning methods may be applied.
  • FIG. 4 is a flowchart illustrating an example of a method for controlling an indoor device of a vehicle proposed in the present specification.
  • the vehicle acquires image data of a vehicle occupant within a predetermined radius from the vehicle by using an object detecting device provided outside the vehicle (S410).
  • the object detection device may refer to one stereo camera or two cameras configured as one set.
  • the two cameras may be side cameras attached to both sides of the vehicle.
  • the object detection apparatus may include one ultrasonic sensor and one camera.
  • the vehicle occupant may refer to a person riding in the driver's seat of the vehicle, the passenger seat of the vehicle, or the rear seat of the vehicle.
  • the image data may include distance information between the vehicle and the vehicle occupant.
  • the vehicle extracts body structure information related to the body structure of the vehicle occupant by using an artificial intelligence (AI) algorithm such as skeletonization-related deep learning from image data obtained based on the object detection device. do (S420).
  • AI artificial intelligence
  • AI algorithm for extracting the body structure information of the vehicle occupant different AI algorithms may be used for each vehicle.
  • the vehicle may collect history data of using the vehicle in the past for each user who uses the shared vehicle service through an AI algorithm used to extract body structure information. Accordingly, the vehicle is able to adjust the position of the seat, the backrest, etc. of the seat where the user is to ride without re-acquiring the image data previously salpinn based on the historical data of the user using the vehicle.
  • the position detected immediately through detection of whether the seat for the user is the left or the right using the result that the vehicle occupant generally rides in the back seat of the vehicle is high It is possible to automatically adjust the position of the rear seat seat, the backrest, and the angle of the display position provided on the rear seat.
  • the body structure information includes location information on the location of a major part of the body related to a part that needs to be adjusted when boarding a vehicle among the body structure of a vehicle occupant, size information on the size of the major part, or a specific item among the body structure. It may include at least one of the specific item information.
  • the specific information it may be whether the vehicle occupant is pregnant or whether a specific body part is disabled.
  • An example of the main part of the body may be an eye, an elbow, a knee, a height, a waist, and each joint.
  • the vehicle sets a passenger seat (eg, a driver's seat, a passenger seat, a rear seat) for a vehicle occupant to ride so as to be optimized for the vehicle occupant based on a predetermined schedule rule based on the extracted body structure information, or or (2) a boarding space for a vehicle occupant to ride is set to be optimized for the vehicle occupant (S430).
  • a passenger seat eg, a driver's seat, a passenger seat, a rear seat
  • a boarding space for a vehicle occupant to ride is set to be optimized for the vehicle occupant (S430).
  • the handle position adjustment, the seat position adjustment, the side and rearview mirror position adjustment, the backrest adjustment, etc. may be adjusted to fit the vehicle occupant.
  • the position of the passenger seat seat, the position of the display device, and the massage chair may be adjusted to fit the vehicle occupant.
  • the vehicle uses an object detection device installed outside the vehicle (eg, one stereo camera or two cameras facing the same direction) to obtain distance information about the distance between the vehicle and the vehicle occupant and the body size of the vehicle occupant.
  • Image data including body size information and image information representing an overall image of a vehicle occupant are acquired.
  • the object detection device includes (1) two cameras (eg, cameras provided on both sides) facing the same direction (or the same point), (2) one stereo camera, or (3) a rear detection sensor ( ultrasound, radar, lidar, etc.) and a rear-view camera.
  • the vehicle uses a deep learning algorithm that skeletonizes an image of a person by inputting the acquired image data as an input.
  • 5 shows an example in which a human body structure is skeletonized through a deep learning algorithm for skeletonizing, and information about each position and each size of the body structure is shown.
  • the body structure information may include information on the location of the body structure, that is, location information of eyes, elbows, knees, waist, arms, legs, upper body, neck, and the like.
  • the vehicle may extract size information on the size of the vehicle occupant's body by using the obtained distance information between the vehicle and the vehicle occupant.
  • the vehicle may extract disability information on specific information about the body structure of the vehicle occupant, ie, whether the vehicle occupant is pregnant, whether the vehicle occupant has a disability, and the like.
  • the vehicle may be set to optimize a seat on which the vehicle occupant rides, a related indoor space, or a convenience device installed in the indoor space, based on the extracted information related to the body structure.
  • the steps to be described below may be performed after body structure information is obtained by the object detecting apparatus and a signal indicating that image scanning for a vehicle occupant is finished is output.
  • the signal indicating that the scan is finished may be a visual signal, an auditory signal, a tactile signal, or an olfactory signal. It could be 'light'.
  • the vehicle is equipped with a sensing unit, particularly a vibration sensor, on each door to detect a sound such as 'knock' generated from each door.
  • a sensing unit particularly a vibration sensor
  • the vehicle may distinguish which door the vehicle occupant uses to get into the vehicle.
  • the vehicle when the vehicle detects a knock on a specific door by a vehicle occupant, or detects that the door of a specific door is opened, the vehicle knows from which passenger seat the vehicle occupant boards. can Thereafter, the vehicle obtains image data of the vehicle occupant through the object detection device, and extracts body structure information on the body structure from the image data. Thereafter, the vehicle adjusts a seat to be boarded by the vehicle occupant based on the body structure information.
  • the method 1 has the advantage that the vehicle occupant can know where the seat is to be boarded in advance before boarding the vehicle, but it is inconvenient that the vehicle occupant has to wait outside the vehicle for a certain period of time to additionally obtain information on the body structure of the vehicle occupant. there may be
  • the vehicle first obtains body structure information on the body structure of the vehicle occupant using the object detection device. Then, after the vehicle detects or receives a signal indicating that the scan for the vehicle occupant is finished, it detects that a door is knocked on a specific door of the vehicle through a sensing unit or that a specific door of the vehicle is opened Upon detection, the vehicle adjusts a seat corresponding to the detected door or automatically adjusts an indoor space or a convenience device provided in the indoor space based on the body structure information.
  • the method 2 unlike the method 1, there is no inconvenience in that the vehicle occupant has to wait outside a predetermined time before boarding the vehicle.
  • the vehicle occupant uses a smartphone to automatically adjust a specific seat or convenience device in the interior space through the smartphone, focusing on opening/closing the vehicle door, A vehicle occupant may designate a passenger seat in advance through a smartphone connected to the vehicle. In this case, after the vehicle obtains the body structure information of the vehicle occupant, the vehicle immediately adjusts the passenger seat designated by the smartphone based on the obtained body structure information.
  • Method 4 is a case in which an object detecting device such as a camera capable of scanning the body structure of a vehicle occupant is provided for each door or can be distinguished for each door, that is, the object detecting device is matched as one individual product for each passenger seat.
  • the object detecting device relates to a method of adjusting the passenger's seat by being able to know which door a vehicle occupant boards without using a sensing unit, that is, a vibration sensor, as in method 2 .
  • the vehicle acquires image data including at least one of an image of a vehicle occupant, distance information about a distance between the vehicle and the vehicle occupant, or specific information about a specific body structure by using the object detection device.
  • the vehicle extracts body structure information of the vehicle occupant by using a deep learning algorithm that skeletonizes the obtained image data.
  • the body structure information may be location information of major parts related to the adjustment of the passenger seat, ie, eyes, elbows, knees, waist, arms, legs, upper body, and neck, among body structures.
  • the vehicle extracts size information on the size of a body structure and specific information on specific matters such as whether the vehicle occupant is pregnant or disabled by using the distance information between the vehicle and the vehicle occupant.
  • Method 1 is a method that considers the comfort of the vehicle occupant, and obtains body structure information on the body structure of the vehicle occupant and adjusts the angle of the position of the passenger seat seat or the position of the display device provided in front of the passenger seat to fit the vehicle occupant. way.
  • Method 2 is a method in consideration of the safety of the vehicle occupant, and is a method of obtaining body structure information on the body structure of the vehicle occupant and adjusting the positions of the seat belt and the airbag of the passenger seat to fit the vehicle occupant.
  • the vehicle can control the starting point of the seat belt for the vehicle occupant to be lower than in the normal case, that is, when the vehicle occupant is an adult.
  • the operation of the airbag may be controlled to minimize damage to infants or children who are occupants of the vehicle.
  • FIG. 6 is a flowchart illustrating an example of a method for controlling an indoor device of a vehicle proposed in the present specification.
  • the vehicle acquires image data of a vehicle occupant located within a predetermined distance from the vehicle through an object detecting device installed outside the vehicle ( S610 ).
  • the object detection apparatus may include one stereo camera or two cameras.
  • the object detection apparatus may include one ultrasonic sensor and one camera.
  • the image data may include distance information indicating a distance between the vehicle and the vehicle occupant.
  • the vehicle extracts body structure information on the body structure of the vehicle occupant from the image data using a skeletonization-related deep learning algorithm (S620).
  • the body structure information may include body part position information for each position of each body part related to the adjustment of the indoor device among the body structure of the vehicle occupant, body part size information for each size of the body part, or the vehicle occupant's body structure information. It may include at least one of specific information about a body part having a specific point among body structures.
  • each body part related to the control of the indoor device may be an eye, an elbow, a knee, a waist, an arm, a leg, an upper body, a neck, and the like.
  • the specific information may include whether the vehicle occupant is pregnant or disabled.
  • the size of each body part may be calculated based on distance information included in the image data.
  • the vehicle adjusts the passenger seat-related indoor device corresponding to the specific door based on the extracted body structure information ( S630 ).
  • the indoor device may include at least one of a seat of a passenger seat corresponding to the specific door, a steering wheel, a rearview mirror, a side mirror, a display device disposed on the rear seat of the vehicle, a massage device, an airbag, and a seat belt.
  • the airbag or the seat belt may be adjusted when the vehicle occupant is an infant or a child.
  • the vehicle may control the indoor device to be adjusted based on the extracted body structure information.
  • the vehicle may output a notification signal indicating that the acquisition of the image data is completed in a visual, auditory, olfactory or tactile form.
  • the vehicle may further include an output unit to output the notification signal.
  • the output unit is for generating an output related to visual, auditory or tactile sense, and this may include a display unit, a sound output module, an alarm unit, a haptic module, and the like.
  • the display unit displays (outputs) information processed in the vehicle.
  • the display unit includes a liquid crystal display (LCD), a thin film transistor-liquid crystal display (TFT LCD), an organic light-emitting diode (OLED), a flexible display, 3 It may include at least one of a dimensional display (3D display).
  • Some of these displays may be configured as a transparent type or a light-transmitting type so that the outside can be viewed through them. This may be referred to as a transparent display, and a representative example of the transparent display is a TOLED (Transparant OLED).
  • the rear structure of the display unit may also be configured as a light-transmissive structure.
  • Embodiments according to the present invention may be implemented by various means, for example, hardware, firmware, software, or a combination thereof.
  • an embodiment of the present invention provides one or more application specific integrated circuits (ASICs), digital signal processors (DSPs), digital signal processing devices (DSPDs), programmable logic devices (PLDs), FPGAs ( field programmable gate arrays), a processor, a controller, a microcontroller, a microprocessor, and the like.
  • ASICs application specific integrated circuits
  • DSPs digital signal processors
  • DSPDs digital signal processing devices
  • PLDs programmable logic devices
  • FPGAs field programmable gate arrays
  • an embodiment of the present invention may be implemented in the form of modules, procedures, functions, etc. that perform the functions or operations described above.
  • the software code may be stored in the memory and driven by the processor.
  • the memory may be located inside or outside the processor, and may transmit/receive data to and from the processor by various known means.

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 명세서는 차량의 실내 장치를 조절하기 위한 방법에 관한 것이다. 보다 구체적으로, 상기 방법은 상기 차량의 외부에 설치된 오브젝트 검출 장치를 통해 상기 차량과 소정 거리 내에 위치한 차량 탑승자의 이미지 데이터를 획득하는 단계; 스켈레톤(skeleton)화 관련 딥러닝(deep learning) 알고리즘을 이용하여 상기 이미지 데이터로부터 상기 차량 탑승자의 신체 구조에 대한 신체 구조 정보를 추출하는 단계; 및 상기 차량의 특정 도어(door)가 열림을 감지한 경우, 상기 추출된 신체 구조 정보에 기초하여 상기 특정 도어에 대응하는 탑승석 관련 실내 장치를 조절하는 단계를 포함하는 것을 특징으로 한다.

Description

운전석을 포함한 차량의 실내 장치를 자동으로 조절하기 위한 방법 및 이를 위한 장치
본 명세서는 차량의 실내 장치를 조절하기 위한 방법에 관한 것으로서, 보다 상세하게는 차량 탑승자의 운전석을 포함한 차량의 실내 장치를 자동으로 조절하기 위한 방법 및 이를 지원하는 장치에 관한 것이다.
최근 쏘카 등과 같은 공유 차량 서비스 또는 카카오 블랙 등과 같은 고급 택시 서비스를 이용하는 사용자가 증가하고 있으며, 해당 서비스를 정기적으로 이용하는 횟수도 증가하고 있다. 따라서, 사용자가 해당 서비스를 이용하는 경우, 해당 사용자가 차량에 탑승하기 전에 자동으로 해당 사용자가 탑승할 좌석 또는 해당 좌석과 관련된 차량 실내 장치의 자동 조절이 필요할 수 있다. 이러한 자동 조절이 수행되기 위해서는 사용자의 신체 구조가 모두 다르기 때문에 이를 고려하여 좌석 또는 차량 내 실내 장치의 자동 조절을 할 수 있는 기술이 개발되어야 한다. 그렇지 않은 경우, 해당 서비스를 이용할 때마다 사용자는 자신의 신체 구조에 맞게 차량의 시트, 백미러, 사이드 미러, 콘텐츠가 출력되는 디스플레이 장치 등 차량의 실내 장치들의 위치를 서비스를 이용할 때마다 매번 수행해야 하는 불편함이 있다.
따라서, 본 명세서는 상기와 같은 사용자의 불편을 최소화하기 위해 차량의 외부에 설치된 오브젝트 검출 장치를 통해 차량 탑승자의 이미지 데이터를 획득하고, 이에 따른 차량 탑승자의 신체 구조를 파악함으로써 차량 탑승자의 탑승석의 시트 등과 같은 차량 내 실내 장치들을 자동으로 조절하기 위한 방법을 제공함에 목적이 있다.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 명세서는 실내 장치를 조절하기 위한 차량에 있어서, 상기 차량의 외부에 설치되며, 상기 차량과 소정 거리 내에 위치한 차량 탑승자의 이미지 데이터를 획득하기 위한 오브젝트 검출 장치, 상기 이미지 데이터는 상기 차량과 상기 차량 탑승자 사이의 거리를 나타내는 거리 정보를 포함하며; 스켈레톤(skeleton)화 관련 딥러닝(deep learning) 알고리즘을 이용하여 상기 이미지 데이터로부터 상기 차량 탑승자의 신체 구조에 대한 신체 구조 정보를 추출하는 AI 장치, 상기 신체 구조 정보는 상기 차량 탑승자의 신체 구조 중에서 상기 실내 장치의 조절과 관련된 신체 부위 각각의 위치에 대한 신체 부위 위치 정보, 상기 신체 부위 각각의 크기에 대한 신체 부위 크기 정보 또는 상기 차량 탑승자의 신체 구조 중에서 특이 사항을 가지는 신체 부위의 특이 사항 정보 중 적어도 하나를 포함하며; 상기 차량의 특정 도어(door)의 개폐 여부를 감지하는 센싱 장치; 및 상기 추출된 신체 구조 정보에 기초하여 상기 특정 도어에 대응하는 탑승석 관련 실내 장치를 조절하는 제어 장치를 포함하는 것을 특징으로 한다.
또한, 본 명세서에서 상기 제어 장치는 상기 센싱 장치에 의해 상기 특정 도어의 열림이 감지된 경우, 상기 추출된 신체 구조 정보에 기초하여 상기 실내 장치를 조절하도록 제어하는 것을 특징으로 한다.
또한, 본 명세서에서 각 신체 부위의 크기는 상기 이미지 데이터에 포함되는 거리 정보에 기초하여 산출되는 것을 특징으로 한다.
또한, 본 명세서에서 상기 특이 사항 정보는 상기 차량 탑승자의 임신 여부 또는 장애 여부인 것을 특징으로 한다.
또한, 본 명세서에서 상기 실내 장치의 조절과 관련된 각 신체 부위는 눈, 팔꿈치, 무릎, 허리, 팔, 다리, 상체 또는 목인 것을 특징으로 한다.
또한, 본 명세서의 상기 차량은 출력부를 더 포함하고, 상기 제어 장치는 상기 이미지 데이터의 획득이 끝났음을 알리는 알림 신호를 시각적, 청각적, 후각적 또는 촉각적 형태로 출력하도록 출력부를 제어하는 것을 특징으로 한다.
또한, 본 명세서에서 상기 오브젝트 검출 장치는 1개의 스테레오 카메라, 2개의 카메라 또는 1개의 초음파센서와 1개의 카메라로 구성되는 것을 특징으로 한다.
또한, 본 명세서에서 상기 실내 장치는 상기 특정 도어에 대응하는 탑승석의 시트, 운전대, 백미러, 사이드미러, 상기 차량 뒷자석에 배치되는 디스플레이 장치, 안마 장치, 에어백 또는 안전벨트 중 적어도 하나를 포함하는 것을 특징으로 한다.
또한, 본 명세서에서 상기 제어 장치는 상기 차량 탑승자가 유아 또는 어린이인 경우, 상기 에어백 또는 상기 안전벨트를 조절하는 것을 특징으로 한다.
또한, 본 명세서는 차량의 실내 장치를 조절하기 위한 방법에 있어서, 상기 차량의 외부에 설치된 오브젝트 검출 장치를 통해 상기 차량과 소정 거리 내에 위치한 차량 탑승자의 이미지 데이터를 획득하는 단계, 상기 이미지 데이터는 상기 차량과 상기 차량 탑승자 사이의 거리를 나타내는 거리 정보를 포함하며; 스켈레톤(skeleton)화 관련 딥러닝(deep learning) 알고리즘을 이용하여 상기 이미지 데이터로부터 상기 차량 탑승자의 신체 구조에 대한 신체 구조 정보를 추출하는 단계, 상기 신체 구조 정보는 상기 차량 탑승자의 신체 구조 중에서 상기 실내 장치의 조절과 관련된 신체 부위 각각의 위치에 대한 신체 부위 위치 정보, 상기 신체 부위 각각의 크기에 대한 신체 부위 크기 정보 또는 상기 차량 탑승자의 신체 구조 중에서 특이 사항을 가지는 신체 부위의 특이 사항 정보 중 적어도 하나를 포함하며; 및 상기 차량의 특정 도어(door)가 열림을 감지한 경우, 상기 추출된 신체 구조 정보에 기초하여 상기 특정 도어에 대응하는 탑승석 관련 실내 장치를 조절하는 단계를 포함하는 것을 특징으로 한다.
본 명세서는 차량 탑승자의 이미지 데이터를 획득하고, 이를 통해 차량 탑승자의 신체 구조 정보를 이용해 탑승석의 시트 또는 차량 내 실내 장치들을 자동으로 조절함으로써 사용자의 편의성을 증대시킬 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 차량의 제어 블럭도이다.
도 2는 본 발명의 일 실시예에 따른 AI 장치의 블록도이다.
도 3은 본 발명이 적용될 수 있는 DNN 모델의 예시이다.
도 4는 본 명세서에서 제안하는 차량의 실내 장치를 조절하기 위한 방법의 일례를 나타낸 순서도이다.
도 5는 스켈레톤화해주는 딥러닝 알고리즘을 통해 사람의 신체 구조를 스켈레톤화한 일례를 나타낸 도이다.
도 6은 본 명세서에서 제안하는 차량의 실내 장치를 조절하기 위한 방법의 일례를 나타낸 순서도이다.
본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 명세서에 개시된 기술의 사상을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 명세서에 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 명세서에서 사용되는 기술적인 용어가 본 명세서에 개시된 기술의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 본 명세서에 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 명세서에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥 상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
본 명세서에서 사용되는 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예들을 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
또한, 본 명세서에 개시된 기술을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 기술의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 기술의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 그 기술의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
차량의 구성 요소
본 명세서에서 사용하는 차량은 도로나 선로 위를 주행하는 수송 수단으로 정의된다. 상기 차량은, 자동차, 기차, 오토바이를 포함하는 개념이다. 차량은, 동력원으로서 엔진을 구비하는 내연기관 차량, 동력원으로서 엔진과 전기 모터를 구비하는 하이브리드 차량, 동력원으로서 전기 모터를 구비하는 전기 차량 등을 모두 포함하는 개념일 수 있다. 차량은 개인이 소유한 차량일 수 있다. 차량은, 공유형 차량일 수 있다.
도 1은 본 발명의 실시예에 따른 차량의 제어 블럭도이다.
도 1을 참조하면, 차량(10)은, 사용자 인터페이스 장치(100), 오브젝트 검출 장치(110), 통신 장치(120), 운전 조작 장치(130), 메인 ECU(140), 차량 구동 장치(150), 센싱부(160), 위치 데이터 생성 장치(170), AI 장치(180) 및 출력부(190)을 포함할 수 있다. 오브젝트 검출 장치(110), 통신 장치(120), 운전 조작 장치(130), 메인 ECU(140), 차량 구동 장치(150), 센싱부(160) 및 위치 데이터 생성 장치(170)는 각각 전기적 신호를 생성하고, 상호 간에 전기적 신호를 교환하는 전자 장치로 구현될 수 있다.
사용자 인터페이스 장치(100)는, 차량과 사용자와의 소통을 위한 장치이다. 사용자 인터페이스 장치는, 사용자 입력을 수신하고, 사용자에게 차량에서 생성된 정보를 제공할 수 있다. 차량은, 사용자 인터페이스 장치를 통해, UI(User Interface) 또는 UX(User Experience)를 구현할 수 있다. 사용자 인터페이스 장치는, 입력 장치, 출력 장치 및 사용자 모니터링 장치를 포함할 수 있다.
오브젝트 검출 장치(110)는, 차량 외부의 오브젝트에 대한 정보를 생성할 수 있다. 오브젝트에 대한 정보는, 오브젝트의 존재 유무에 대한 정보, 오브젝트의 위치 정보, 차량과 오브젝트와의 거리 정보 및 차량과 오브젝트와의 상대 속도 정보 중 적어도 어느 하나를 포함할 수 있다. 오브젝트 검출 장치는, 차량 외부의 오브젝트를 검출할 수 있다. 오브젝트 검출 장치는, 차량 외부의 오브젝트를 검출할 수 있는 적어도 하나의 센서를 포함할 수 있다. 오브젝트 검출 장치는, 카메라, 레이다, 라이다, 초음파 센서 및 적외선 센서 중 적어도 하나를 포함할 수 있다. 오브젝트 검출 장치는, 센서에서 생성되는 센싱 신호에 기초하여 생성된 오브젝트에 대한 데이터를 차량에 포함된 적어도 하나의 전자 장치에 제공할 수 있다.
카메라는 영상을 이용하여 차량 외부의 오브젝트에 대한 정보를 생성할 수 있다. 카메라는 적어도 하나의 렌즈, 적어도 하나의 이미지 센서 및 이미지 센서와 전기적으로 연결되어 수신되는 신호를 처리하고, 처리되는 신호에 기초하여 오브젝트에 대한 데이터를 생성하는 적어도 하나의 프로세서를 포함할 수 있다.
카메라는, 모노 카메라, 스테레오 카메라, AVM(Around View Monitoring) 카메라 중 적어도 어느 하나일 수 있다. 카메라는, 다양한 영상 처리 알고리즘을 이용하여, 오브젝트의 위치 정보, 오브젝트와의 거리 정보 또는 오브젝트와의 상대 속도 정보를 획득할 수 있다. 예를 들면, 카메라는, 획득된 영상에서, 시간에 따른 오브젝트 크기의 변화를 기초로, 오브젝트와의 거리 정보 및 상대 속도 정보를 획득할 수 있다. 예를 들면, 카메라는, 핀홀(pin hole) 모델, 노면 프로파일링 등을 통해, 오브젝트와의 거리 정보 및 상대 속도 정보를 획득할 수 있다. 예를 들면, 카메라는, 스테레오 카메라에서 획득된 스테레오 영상에서 디스패러티(disparity) 정보를 기초로 오브젝트와의 거리 정보 및 상대 속도 정보를 획득할 수 있다.
카메라는, 차량 외부를 촬영하기 위해 차량에서 FOV(field of view) 확보가 가능한 위치에 장착될 수 있다. 카메라는, 차량 전방의 영상을 획득하기 위해, 차량의 실내에서, 프런트 윈드 쉴드에 근접하게 배치될 수 있다. 카메라는, 프런트 범퍼 또는 라디에이터 그릴 주변에 배치될 수 있다. 카메라는, 차량 후방의 영상을 획득하기 위해, 차량의 실내에서, 리어 글라스에 근접하게 배치될 수 있다. 카메라는, 리어 범퍼, 트렁크 또는 테일 게이트 주변에 배치될 수 있다. 카메라는, 차량 측방의 영상을 획득하기 위해, 차량의 실내에서 사이드 윈도우 중 적어도 어느 하나에 근접하게 배치될 수 있다. 또는, 카메라는, 사이드 미러, 휀더 또는 도어 주변에 배치될 수 있다.
레이다는 전파를 이용하여 차량 외부의 오브젝트에 대한 정보를 생성할 수 있다. 레이다는, 전자파 송신부, 전자파 수신부 및 전자파 송신부 및 전자파 수신부와 전기적으로 연결되어, 수신되는 신호를 처리하고, 처리되는 신호에 기초하여 오브젝트에 대한 데이터를 생성하는 적어도 하나의 프로세서를 포함할 수 있다. 레이다는 전파 발사 원리상 펄스 레이다(Pulse Radar) 방식 또는 연속파 레이다(Continuous Wave Radar) 방식으로 구현될 수 있다. 레이다는 연속파 레이다 방식 중에서 신호 파형에 따라 FMCW(Frequency Modulated Continuous Wave)방식 또는 FSK(Frequency Shift Keyong) 방식으로 구현될 수 있다. 레이다는 전자파를 매개로, TOF(Time of Flight) 방식 또는 페이즈 쉬프트(phase-shift) 방식에 기초하여, 오브젝트를 검출하고, 검출된 오브젝트의 위치, 검출된 오브젝트와의 거리 및 상대 속도를 검출할 수 있다. 레이다는, 차량의 전방, 후방 또는 측방에 위치하는 오브젝트를 감지하기 위해 차량의 외부의 적절한 위치에 배치될 수 있다.
라이다는, 레이저 광을 이용하여, 차량 외부의 오브젝트에 대한 정보를 생성할 수 있다. 라이다는, 광 송신부, 광 수신부 및 광 송신부 및 광 수신부와 전기적으로 연결되어, 수신되는 신호를 처리하고, 처리된 신호에 기초하여 오브젝트에 대한 데이터를 생성하는 적어도 하나의 프로세서를 포함할 수 있다. 라이다는, TOF(Time of Flight) 방식 또는 페이즈 쉬프트(phase-shift) 방식으로 구현될 수 있다. 라이다는, 구동식 또는 비구동식으로 구현될 수 있다. 구동식으로 구현되는 경우, 라이다는, 모터에 의해 회전되며, 차량 주변의 오브젝트를 검출할 수 있다. 비구동식으로 구현되는 경우, 라이다는, 광 스티어링에 의해, 차량을 기준으로 소정 범위 내에 위치하는 오브젝트를 검출할 수 있다. 차량은 복수의 비구동식 라이다를 포함할 수 있다. 라이다는, 레이저 광 매개로, TOF(Time of Flight) 방식 또는 페이즈 쉬프트(phase-shift) 방식에 기초하여, 오브젝트를 검출하고, 검출된 오브젝트의 위치, 검출된 오브젝트와의 거리 및 상대 속도를 검출할 수 있다. 라이다는, 차량의 전방, 후방 또는 측방에 위치하는 오브젝트를 감지하기 위해 차량의 외부의 적절한 위치에 배치될 수 있다.
통신 장치(120)는, 차량 외부에 위치하는 디바이스와 신호를 교환할 수 있다. 통신 장치는, 인프라(예를 들면, 서버, 방송국), 타 차량, 단말기 중 적어도 어느 하나와 신호를 교환할 수 있다. 통신 장치는, 통신을 수행하기 위해 송신 안테나, 수신 안테나, 각종 통신 프로토콜이 구현 가능한 RF(Radio Frequency) 회로 및 RF 소자 중 적어도 어느 하나를 포함할 수 있다.
예를 들어, 통신 장치는 C-V2X(Cellular V2X) 기술을 기반으로 외부 디바이스와 신호를 교환할 수 있다. 예를 들어, C-V2X 기술은 LTE 기반의 사이드링크 통신 및/또는 NR 기반의 사이드링크 통신을 포함할 수 있다.
예를 들어, 통신 장치는 IEEE 802.11p PHY/MAC 계층 기술과 IEEE 1609 Network/Transport 계층 기술 기반의 DSRC(Dedicated Short Range Communications) 기술 또는 WAVE(Wireless Access in Vehicular Environment) 표준을 기반으로 외부 디바이스와 신호를 교환할 수 있다. DSRC (또는 WAVE 표준) 기술은 차량 탑재 장치 간 혹은 노변 장치와 차량 탑재 장치 간의 단거리 전용 통신을 통해 ITS(Intelligent Transport System) 서비스를 제공하기 위해 마련된 통신 규격이다. DSRC 기술은 5.9GHz 대역의 주파수를 사용할 수 있고, 3Mbps~27Mbps의 데이터 전송 속도를 가지는 통신 방식일 수 있다. IEEE 802.11p 기술은 IEEE 1609 기술과 결합되어 DSRC 기술 (혹은 WAVE 표준)을 지원할 수 있다.
본 발명의 통신 장치는 C-V2X 기술 또는 DSRC 기술 중 어느 하나만을 이용하여 외부 디바이스와 신호를 교환할 수 있다. 또는, 본 발명의 통신 장치는 C-V2X 기술 및 DSRC 기술을 하이브리드하여 외부 디바이스와 신호를 교환할 수 있다.
운전 조작 장치(130)는, 운전을 위한 사용자 입력을 수신하는 장치이다. 메뉴얼 모드인 경우, 차량은, 운전 조작 장치(130)에 의해 제공되는 신호에 기초하여 운행될 수 있다. 운전 조작 장치(130)는, 조향 입력 장치(예를 들면, 스티어링 휠), 가속 입력 장치(예를 들면, 가속 페달) 및 브레이크 입력 장치(예를 들면, 브레이크 페달)를 포함할 수 있다.
메인 ECU(140)는, 차량 내에 구비되는 적어도 하나의 전자 장치의 전반적인 동작을 제어할 수 있다. 상기 메인 ECU는 제어부, 프로세서 등으로 표현될 수 있다.
상기 제어부는 어플리케이션 프로세서(Application Processor:AP), 프로세서, 제어 모듈, 컨트롤러(controller), 마이크로 컨트롤러(micro controller), 마이크로프로세서(microprocessor)등으로 호칭 될 수 있으며, 상기 프로세서는 하드웨어(hardware), 펌웨어(firmware), 소프트웨어, 또는 이들의 결합에 의해 구현될 수 있다. 상기 제어부는 ASIC(application-specific integrated circuit), 다른 칩셋, 논리 회로 및/또는 데이터 처리 장치를 포함할 수 있다.
상기 메인 ECU는 상기 오브젝트 검출 장치에 의해 획득된 이미지 데이터로부터 스켈레톤화 관련 딥러닝 알고리즘을 적용하여 추출된 신체 구조 정보에 기초하여 차량의 특정 도어에 대응하는 탑승석 관련 실내 장치를 조절하도록 제어한다.
또한, 상기 메인 ECU는 후술할 센싱부에 의해 특정 도어의 열림이 감지된 경우, 상기 추출된 신체 구조 정보에 기초하여 상기 실내 장치를 조절하도록 제어한다.
또한, 상기 메인 ECU는 상기 차량 탑승자가 유아 또는 어린이인 경우, 상기 에어백 또는 상기 안전벨트를 조절하도록 제어한다.
차량 구동 장치(150)는, 차량 내 각종 차량 구동 장치를 전기적으로 제어하는 장치이다. 차량 구동 장치(150)는, 파워 트레인 구동 제어 장치, 샤시 구동 제어 장치, 도어/윈도우 구동 제어 장치, 안전 장치 구동 제어 장치, 램프 구동 제어 장치 및 공조 구동 제어 장치를 포함할 수 있다. 파워 트레인 구동 제어 장치는, 동력원 구동 제어 장치 및 변속기 구동 제어 장치를 포함할 수 있다. 샤시 구동 제어 장치는, 조향 구동 제어 장치, 브레이크 구동 제어 장치 및 서스펜션 구동 제어 장치를 포함할 수 있다. 한편, 안전 장치 구동 제어 장치는, 안전 벨트 제어를 위한 안전 벨트 구동 제어 장치를 포함할 수 있다.
차량 구동 장치(150)는, 적어도 하나의 전자적 제어 장치(예를 들면, 제어 ECU(Electronic Control Unit))를 포함한다.
센싱부(160) 또는 센싱 장치는, 차량의 상태를 센싱할 수 있다. 센싱부(160)는, IMU(inertial measurement unit) 센서, 충돌 센서, 휠 센서(wheel sensor), 속도 센서, 경사 센서, 중량 감지 센서, 헤딩 센서(heading sensor), 포지션 모듈(position module), 차량 전진/후진 센서, 배터리 센서, 연료 센서, 타이어 센서, 스티어링 센서, 온도 센서, 습도 센서, 초음파 센서, 조도 센서, 페달 포지션 센서 중 적어도 어느 하나를 포함할 수 있다. 한편, IMU(inertial measurement unit) 센서는, 가속도 센서, 자이로 센서, 자기 센서 중 하나 이상을 포함할 수 있다.
센싱부(160)는, 적어도 하나의 센서에서 생성되는 신호에 기초하여, 차량의 상태 데이터를 생성할 수 있다. 차량 상태 데이터는, 차량 내부에 구비된 각종 센서에서 감지된 데이터를 기초로 생성된 정보일 수 있다. 센싱부(160)는, 차량 자세 데이터, 차량 모션 데이터, 차량 요(yaw) 데이터, 차량 롤(roll) 데이터, 차량 피치(pitch) 데이터, 차량 충돌 데이터, 차량 방향 데이터, 차량 각도 데이터, 차량 속도 데이터, 차량 가속도 데이터, 차량 기울기 데이터, 차량 전진/후진 데이터, 차량의 중량 데이터, 배터리 데이터, 연료 데이터, 타이어 공기압 데이터, 차량 내부 온도 데이터, 차량 내부 습도 데이터, 스티어링 휠 회전 각도 데이터, 차량 외부 조도 데이터, 가속 페달에 가해지는 압력 데이터, 브레이크 페달에 가해지는 압력 데이터, 진동 데이터 등을 생성할 수 있다.
또한, 상기 센싱부는 차량의 특정 도어(door)의 개폐 여부를 감지할 수 있다.
위치 데이터 생성 장치(170)는, 차량의 위치 데이터를 생성할 수 있다. 위치 데이터 생성 장치는, GPS(Global Positioning System) 및 DGPS(Differential Global Positioning System) 중 적어도 어느 하나를 포함할 수 있다. 위치 데이터 생성 장치는, GPS 및 DGPS 중 적어도 어느 하나에서 생성되는 신호에 기초하여 차량의 위치 데이터를 생성할 수 있다. 실시예에 따라, 위치 데이터 생성 장치(170)는, 센싱부(160)의 IMU(Inertial Measurement Unit) 및 오브젝트 검출 장치(110)의 카메라 중 적어도 어느 하나에 기초하여 위치 데이터를 보정할 수 있다. 위치 데이터 생성 장치는, GNSS(Global Navigation Satellite System)로 명명될 수 있다.
차량은, 내부 통신 시스템을 포함할 수 있다. 차량에 포함되는 복수의 전자 장치는 내부 통신 시스템을 매개로 신호를 교환할 수 있다. 신호에는 데이터가 포함될 수 있다. 내부 통신 시스템은, 적어도 하나의 통신 프로토콜(예를 들면, CAN, LIN, FlexRay, MOST, 이더넷)을 이용할 수 있다.
또한, 도 1에 도시된 블록도 이외 상기 차량은 도 2의 AI 장치 블록도를 추가로 포함하여 본 명세서에서 제안하는 방법을 수행할 수 있다. 즉, 본 명세서에서 제안하는 차량은 후술할 AI 프로세서, 메모리 등을 포함하는 AI 장치나 각 구성 요소를 개별적으로 포함할 수 있다.
AI 장치 블록도
도 2는 본 발명의 일 실시예에 따른 AI 장치의 블록도이다.
상기 AI 장치(20)는 AI 프로세싱을 수행할 수 있는 AI 모듈을 포함하는 전자 기기 또는 상기 AI 모듈을 포함하는 서버 등을 포함할 수 있다. 또한, 상기 AI 장치는 전자기기의 적어도 일부의 구성으로 포함되어 AI 프로세싱 중 적어도 일부를 함께 수행하도록 구비될 수도 있다.
상기 AI 장치는 AI 프로세서(21), 메모리(25) 및/또는 통신부(27)를 포함할 수 있다.
상기 AI 장치는 신경망을 학습할 수 있는 컴퓨팅 장치로서, 서버, 데스크탑 PC, 노트북 PC, 태블릿 PC 등과 같은 다양한 전자 장치로 구현될 수 있다.
AI 프로세서는 메모리에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서는 차량 관련 데이터를 인식하기 위한 신경망을 학습할 수 있다. 여기서, 차량 관련 데이터를 인식하기 위한 신경망은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 갖는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 모드들은 뉴런이 시냅스(synapse)를 통해 신호를 주고 받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고 받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 신경망 모델의 예는 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.
한편, 전술한 바와 같은 기능을 수행하는 프로세서는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.
메모리는 AI 장치의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리는 비 휘발성 메모리, 휘발성 메모리, 플래시 메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SDD) 등으로 구현할 수 있다. 메모리는 AI 프로세서에 의해 액세스되며, AI 프로세서에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리는 본 발명의 일 실시예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥 러닝 모델(26))을 저장할 수 있다.
한편, AI 프로세서(21)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(22)를 포함할 수 있다. 데이터 학습부(22)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(22)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.
데이터 학습부(22)는 적어도 하나의 하드웨어 칩 형태로 제작되어 AI 장치(20)에 탑재될 수 있다. 예를 들어, 데이터 학습부(22)는 인공지능(AI)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 범용 프로세서(CPU) 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 AI 장치(20)에 탑재될 수도 있다. 또한, 데이터 학습부(22)는 소프트웨어 모듈로 구현될 수 있다. 소프트웨어 모듈(또는 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록 매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 애플리케이션에 의해 제공될 수 있다.
데이터 학습부(22)는 학습 데이터 획득부(23) 및 모델 학습부(24)를 포함할 수 있다.
학습 데이터 획득부(23)는 데이터를 분류하고 인식하기 위한 신경망 모델에 필요한 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터 획득부(23)는 학습 데이터로서, 신경망 모델에 입력하기 위한 차량 데이터 및/또는 샘플 데이터를 획득할 수 있다.
모델 학습부(24)는 상기 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류할지에 관한 판단 기준을 가지도록 학습할 수 있다. 이 때 모델 학습부(24)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또는 모델 학습부(24)는 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통해 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 학습에 따른 상황 판단의 결과가 올바른지에 대한 피드백을 이용하여 강화 학습(reinforcement learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 신경망 모델을 학습시킬 수 있다.
신경망 모델이 학습되면, 모델 학습부(24)는 학습된 신경망 모델을 메모리에 저장할 수 있다. 모델 학습부(24)는 학습된 신경망 모델을 AI 장치(20)와 유선 또는 무선 네트워크로 연결된 서버의 메모리에 저장할 수도 있다.
데이터 학습부(22)는 인식 모델의 분석 결과를 향상시키거나, 인식 모델의 생성에 필요한 리소스 또는 시간을 절약하기 위해 학습 데이터 전처리부(미도시) 및 학습 데이터 선택부(미도시)를 더 포함할 수도 있다.
학습 데이터 전처리부는 획득된 데이터가 상황 판단을 위한 학습에 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 예를 들어, 학습 데이터 전처리부는, 모델 학습부(24)가 이미지 인식을 위한 학습을 위하여 획득된 학습 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.
또한, 학습 데이터 선택부는, 학습 데이터 획득부(23)에서 획득된 학습 데이터 또는 전처리부에서 전처리된 학습 데이터 중 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(24)에 제공될 수 있다. 예를 들어, 학습 데이터 선택부는, 차량의 카메라를 통해 획득한 영상 중 특정 영역을 검출함으로써, 특정 영역에 포함된 객체에 대한 데이터만을 학습 데이터로 선택할 수 있다.
또한, 데이터 학습부(22)는 신경망 모델의 분석 결과를 향상시키기 위하여 모델 평가부(미도시)를 더 포함할 수도 있다.
모델 평가부는, 신경망 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(22)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인식 모델을 평가하기 위한 기 정의된 데이터일 수 있다. 일 예로, 모델 평가부는 평가 데이터에 대한 학습된 인식 모델의 분석 결과 중, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정되 임계치를 초과하는 경우, 소정 기준을 만족하지 못한 것으로 평가할 수 있다.
통신부(27)는 AI 프로세서(21)에 의한 AI 프로세싱 결과를 외부 전자 기기로 전송할 수 있다.
여기서 외부 전자 기기는 자율 주행 차량으로 정의될 수 있다. 또한, 상기 AI 장치(20)는 상기 자율 주행 모듈 차량과 통신하는 다른 차량 또는 5G 네트워크로 정의될 수 있다. 한편, 상기 AI 장치(20)는 차량 내에 구비된 자율주행 모듈에 기능적으로 임베딩되어 구현될 수도 있다. 또한, 상기 5G 네트워크는 자율 주행 관련 제어를 수행하는 서버 또는 모듈을 포함할 수 있다. 또한, AI 장치(20)는 홈 서버를 통해 구현될 수도 있다.
한편, 도 2에 도시된 AI 장치(20)는 AI 프로세서(21)와 메모리(25), 통신부(27) 등으로 기능적으로 구분하여 설명하였지만, 전술한 구성요소들이 하나의 모듈로 통합되어 AI 모듈로 호칭될 수도 있음을 밝혀둔다.
DNN(Deep Neural Network) 모델
도 3은 본 발명이 적용될 수 있는 DNN 모델의 예시이다.
심층 신경망(Deep Neural Network, DNN)은 입력층(input layer)과 출력층(output layer) 사이에 여러 개의 은닉층(hidden layer)들로 이루어진 인공신경망(Artificial Neural Network, ANN)이다. 심층 신경망은 일반적인 인공신경망과 마찬가지로 복잡한 비선형 관계(non-linear relationship)들을 모델링할 수 있다.
예를 들어, 사물 식별 모델을 위한 심층 신경망 구조에서는 각 객체가 이미지 기본 요소들의 계층적 구성으로 표현될 수 있다. 이때, 추가 계층들은 점진적으로 모여진 하위 계층들의 특징들을 규합시킬 수 있다. 심층 신경망의 이러한 특징은, 비슷하게 수행된 인공신경망에 비해 더 적은 수의 유닛(unit, node)들 만으로도 복잡한 데이터를 모델링할 수 있게 해준다.
은닉층의 개수가 많아질수록 인공신경망이　'깊어졌다(deep)'고 부르며, 이렇게　충분히 깊어진 인공신경망을 러닝 모델로 사용하는 머신러닝 패러다임을 바로　딥러닝(Deep Learning)이라고 한다. 그리고, 이러한 딥러닝을 위해 사용하는 충분히 깊은 인공신경망이　심층 신경망(DNN: Deep neural network)이라고 통칭된다.
본 발명에서 DNN의 입력층에 POI 데이터 생성 모델을 학습시키기 위해 요구되는 데이터들이 입력될 수 있고, 이들은 은닉층들을 거치면서, 사용자가 사용할 수 있는 의미있는 데이터가 출력층을 통해 생성될 수 있다.
본 발명의 명세서 상에서는 이러한 딥러닝 방식을 위해 사용되는 인공신경망을 DNN으로 통칭하고 있으나, 이와 유사한 방식으로 의미있는 데이터를 출력할 수 있다면, 다른 방식의 딥러닝 방식이 적용될 수 있음은 물론이다.
운전석을 포함한 차량 실내 장치의 스마트 조절 방법
도 4는 본 명세서에서 제안하는 차량의 실내 장치를 조절하기 위한 방법의 일례를 나타낸 순서도이다.
먼저, 차량은 상기 차량의 외부에 구비된 오브젝트 검출 장치를 이용하여 상기 차량으로부터 일정 반경 이내의 차량 탑승자에 대한 이미지 데이터를 획득한다(S410).
상기 오브젝트 검출 장치는 1개의 스테레오 카메라 또는 하나의 세트로 구성된 2대의 카메라를 의미할 수 있다. 상기 오브젝트 검출 장치가 2대의 카메라인 경우, 상기 2대의 카메라는 차량의 양 사이드에 부착되는 사이드 카메라일 수 있다.
또는, 상기 오브젝트 검출 장치는 1개의 초음파센서와 1개의 카메라로 구성될 수 있다.
여기서, 차량 탑승자는 차량의 운전석, 또는 차량의 보조석, 또는 차량의 뒷좌석으로 탑승하는 사람을 의미할 수 있다.
상기 이미지 데이터는 상기 차량과 상기 차량 탑승자 사이의 거리 정보를 포함할 수 있다.
다음으로, 상기 차량은 상기 오브젝트 검출 장치에 기초하여 획득된 이미지 데이터에서 스켈레톤(skeleton)화 관련 딥러닝 등과 같은 AI(Artificial Intelligence) 알고리즘을 사용하여 상기 차량 탑승자의 신체 구조와 관련된 신체 구조 정보를 추출한다(S420).
상기 차량 탑승자의 신체 구조 정보를 추출하기 위한 AI 알고리즘은 차량마다 서로 다른 AI 알고리즘이 사용될 수 있다.
사용자가 공유 차량 서비스를 이용할 때, 상기 차량은 신체 구조 정보 추출에 사용되는 AI 알고리즘을 통해 상기 공유 차량 서비스를 이용하는 사용자 별로 과거에 차량을 이용한 히스토리 데이터를 수집할 수 있다. 따라서, 상기 차량은 해당 차량을 이용하는 사용자의 히스토리 데이터에 기초하여 앞서 살핀 이미지 데이터를 다시 획득하지 않고도 사용자가 탑승할 좌석의 시트의 위치, 등받이 등을 조절할 수 있게 된다.
또한, 사용자가 고급 택시 서비스를 이용하는 경우, 일반적으로 차량 탑승자는 차량의 뒷자석에 탑승하는 경우가 높은 결과를 이용하여 사용자가 탑승할 좌석이 왼쪽인지 또는 오른쪽인지에 대한 감지만을 통해 바로 감지된 위치의 뒷좌석 시트의 위치, 등받이, 뒷자석에 구비되는 디스플레이 위치의 각도 등을 자동으로 조절할 수 있다.
상기 신체 구조 정보는 차량 탑승자의 신체 구조 중에서 차량에 탑승할 때 조절이 필요한 부분과 관련된 신체의 주요 부위의 위치에 대한 위치 정보, 상기 주요 부위의 크기에 대한 크기 정보 또는 상기 신체 구조 중에서 특이 사항이 있는 특이 사항 정보 중 적어도 하나를 포함할 수 있다.
상기 특이 사항 정보의 일례로는, 차량 탑승자의 임신 여부, 특정 신체 부위의 장애 여부 등일 수 있다.
상기 신체의 주요 부위의 일례로는, 눈, 팔꿈치, 무릎, 키, 허리, 각 관절 등일 수 있다.
다음으로, 상기 차량은 상기 추출된 신체 구조 정보에 기초하여 미리 정해진 일정 규칙에 기초하여 (1) 차량 탑승자에 최적화되도록 차량 탑승자가 탑승할 탑승석(예: 운전석, 조수석, 뒷자석)을 설정하거나 또는 (2) 상기 차량 탑승자에 최적화되도록 차량 탑승자가 탑승할 탑승 공간을 설정한다(S430).
여기서, 상기 차량 탑승자에 최적화되도록 탑승석을 설정하는 것의 일례로는, 상기 차량 탑승자에 맞도록 핸들의 위치 조절, 시트의 위치 조절, 사이드 및 백미러의 위치 조절, 등받이 조절 등일 수 있다.
또한, 상기 차량 탑승자에 최적화되도록 상기 탑승 공간을 설정하는 일례로는, 상기 차량 탑승자에 맞도록 탑승석 시트의 위치 조절, 디스플레이 장치의 위치 조절, 안마 의자의 조절 등일 수 있다.
다음으로, 오브젝트 검출 장치를 통해 차량 탑승자를 스캔하여 이미지 데이터를 획득하는 방법에 대해 보다 구체적으로 살펴본다.
먼저, 차량은 상기 차량의 외부에 설치된 오브젝트 검출 장치(예: 1개의 스테레오 카메라 또는 같은 방향을 향하는 2대의 카메라)를 사용하여 차량과 차량 탑승자와의 거리에 대한 거리 정보, 차량 탑승자의 신체 크기에 대한 신체 크기 정보 및 차량 탑승자의 전체적인 이미지를 나타내는 이미지 정보를 포함하는 이미지 데이터를 획득한다.
보다 구체적으로, 상기 오브젝트 검출 장치는 (1) 같은 방향(또는 같은 지점)을 향하는 2대의 카메라(예: 양 사이드에 구비된 카메라), (2) 1대의 스테레오 카메라 또는 (3) 후방감지센서(초음파, 레이더, 라이다 등) 및 후방 카메라 등일 수 있다.
이후, 상기 차량은 상기 획득된 이미지 데이터를 입력으로 사람의 이미지를 스켈레톤화해주는 딥러닝 알고리즘을 이용하여 탑승석의 시트, 휠, 핸들, 백미러, 사이드미러, 디스플레이 장치, 뒷좌석의 안마 의자와 같은 각종 편의 조절 장치, 에어백 및 안전벨트와 같은 각종 안전장치 등 차량 탑승자에 따라 최적화된 셋팅을 위해 요구되는 신체 구조 정보를 추출한다 (도 5 참고). 도 5는 스켈레톤화해주는 딥러닝 알고리즘을 통해 사람의 신체 구조를 스켈레톤화한 일례를 나타내며, 신체 구조의 각 위치 및 각 크기에 대한 정보를 나타내고 있다.
상기 신체 구조 정보는 신체 구조의 위치에 대한 정보 즉, 눈, 팔꿈치, 무릎, 허리, 팔, 다리, 상체, 목 등의 위치 정보를 포함할 수 있다. 또한, 상기 차량은 상기 획득된 차량과 차량 탑승자와의 거리 정보를 사용하여 차량 탑승자 신체의 크기에 대한 크기 정보를 추출할 수 있다. 또한, 상기 차량은 차량 탑승자의 신체 구조의 특이사항에 대한 특이 정보 즉, 차량 탑승자의 임신 여부, 차량 탑승자의 장애 여부 등에 장애 정보를 추출할 수 있다.
이후, 상기 차량은 상기 추출된 신체 구조와 관련된 정보에 기초하여 상기 차량 탑승자가 탑승하는 좌석, 관련된 실내 공간 또는 실내 공간에 설치된 편의 장치 등을 최적화하도록 설정할 수 있다.
다음으로, 차량 탑승자가 탑승하는 차량의 위치 즉, 차량 탑승자가 운전석, 조수석 또는 뒷좌석 중 어느 탑승석으로 탑승하는지를 구분하는 방법에 대해 구체적으로 살펴보기로 한다.
후술할 단계는 오브젝트 검출 장치에 의해 신체 구조 정보가 획득되어 차량 탑승자에 대한 이미지 스캔이 끝났음을 알리는 신호가 출력된 이후에 수행될 수 있다.
상기 스캔이 끝났음을 알리는 신호는 시각적 신호, 청각적 신호, 촉각적 신호 또는 후각적 신호일 수 있으며, 청각적 신호의 일례로는, '삐삐'와 같은 소리일 수 있으며, 시각적 신호의 일례로는, '라이트' 일 수 있다.
또한, 차량 탑승자가 어느 위치의 차량 도어를 열고 탑승했는지를 구분하기 위해, 차량은 각 도어에 센싱부 특히, 진동 센서를 구비하고 있어, 각 도 어에서 발생되는 '노크' 등과 같은 소리를 감지할 수 있다.
다음의 방법들(방법 1 내지 방법 3)을 통해, 차량은 차량 탑승자가 어느 쪽의 도어를 이용하여 탑승하는지를 구분할 수 있다.
방법 1
방법 1의 경우, 차량은 특정 도어에서 차량 탑승자에 의해 노크하는 소리를 감지하거나, 또는 특정 도어의 문이 열리는 것을 감지하는 경우, 상기 차량은 차량 탑승자가 어느 쪽의 탑승석을 통해 탑승을 하는지 알 수 있다. 이후, 상기 차량은 오브젝트 검출 장치를 통해 차량 탑승자에 대한 이미지 데이터를 획득하고, 상기 이미지 데이터로부터 신체 구조에 대한 신체 구조 정보를 추출한다. 이후, 상기 차량은 상기 신체 구조 정보에 기초하여 차량 탑승자의 탑승 예정인 좌석을 조절한다.
즉, 방법 1은 차량 탑승자가 차량에 탑승하기 전에 미리 탑승하는 좌석이 어딘지 알 수 있다는 장점은 있으나, 차량 탑승자의 신체 구조 정보를 추가로 획득하기 위해 차량 탑승자가 차량 밖에서 일정 시간 기다려야 하는 불편함이 있을 수 있다.
방법 2
방법 2는 방법 1과 달리, 차량은 오브젝트 검출 장치를 사용하여 차량 탑승자의 신체 구조에 대한 신체 구조 정보를 먼저 획득한다. 그리고, 상기 차량은 상기 차량 탑승자에 대한 스캔이 끝남음을 알리는 신호를 감지 또는 수신한 이후, 상기 차량의 특정 도어에서 센싱부를 통해 도어를 노크하는 것을 감지하거나 또는 상기 차량의 특정 도어가 열렸음을 감지한 경우, 상기 차량은 상기 신체 구조 정보에 기초하여 상기 감지된 도어에 해당하는 좌석을 조절하거나 또는, 실내 공간 또는 실내 공간에 구비되는 편의 장치를 자동으로 조절한다.
즉, 방법 2는 방법 1과 달리 차량 탑승자가 차량 탑승 전 일정 시간 밖에서 기다려야하는 불편함이 없다.
방법 3
방법 3의 경우, 공유 자동차 서비스의 경우, 차량 탑승자는 스마트폰을 이용하여 차량의 문을 열고/닫는 것에 착안하여, 특정 좌석, 또는 실내 공간의 편의 장치를 스마트폰을 통해 자동으로 조절하기 위해, 차량 탑승자는 상기 차량과 연결된 스마트폰을 통해 탑승석을 미리 지정할 수 있다. 이 경우, 차량은 차량 탑승자의 신체 구조 정보를 획득한 이후, 바로 상기 스마트폰에 의해 지정된 탑승석을 상기 획득된 신체 구조 정보에 기초하여 조절한다.
방법 4
방법 4는 차량 탑승자의 신체 구조를 스캔할 수 있는 카메라와 같은 오브젝트 검출 장치가 각 도어 별로 구비되어 있거나 또는 도어 별로 구분할 수 있는 경우 즉, 상기 오브젝트 검출 장치가 하나의 개별 제품으로 탑승석 별로 하나씩 매칭되어 있는 경우, 방법 2와 같이 센싱부 즉, 진동 센서를 이용하지 않고도, 차량 탑승자가 어느 도어로 탑승하는지를 알 수 있어 차량 탑승자의 탑승석을 조절하는 방법에 관한 것이다.
마지막으로, 차량이 오브젝트 검출 장치를 통해 차량 탑승자의 이미지를 스캔한 후, 탑승석을 자동으로 조절하기 위해 이미지 데이터에서 어떤 정보를 활용하는지에 대해 보다 구체적으로 살펴보기로 한다.
차량은 오브젝트 검출 장치를 사용하여 차량 탑승자의 이미지, 차량과 차량 탑승자의 거리에 대한 거리 정보 또는 신체 구조의 특이 사항에 대한 특이 정보 중 적어도 하나를 포함하는 이미지 데이터를 획득한다.
그리고, 상기 차량은 상기 획득된 이미지 데이터를 스켈레톤화하는 딥러닝 알고리즘을 이용하여 차량 탑승자의 신체 구조 정보를 추출한다.
상기 신체 구조 정보는 신체 구조 중에서 탑승석의 조절과 관련된 주요 부위 즉, 눈, 팔꿈치, 무릎, 허리, 팔, 다리, 상체, 목 등의 위치 정보 등일 수 있다.
그리고, 상기 차량은 상기 차량과 차량 탑승자 간의 거리 정보를 사용하여 신체 구조의 크기에 대한 크기 정보 및 상기 차량 탑승자의 임신 여부, 장애 여부 등과 같은 특이 사항에 대한 특이 정보를 추출한다.
다음으로, 고급 차량 서비스와 같이 차량 탑승자가 일반적으로 차량의 뒷자석을 이용하는 경우, 차량의 뒷좌석을 포함하는 실내 공간 또는 실내 공간의 편의 장치를 제어하는 방법에 대해 구체적으로 살펴본다.
방법 1
방법 1은 차량 탑승자의 편안함을 고려한 방법으로, 차량 탑승자의 신체 구조에 대한 신체 구조 정보를 획득하여 상기 차량 탑승자에 맞도록 탑승석 시트의 위치 또는 탑승석 앞에 구비되는 디스플레이 장치 위치의 각도를 조절하는 방법이다.
방법 2
방법 2는 차량 탑승자의 안전을 고려한 방법으로, 차량 탑승자의 신체 구조에 대한 신체 구조 정보를 획득하여 상기 차량 탑승자에 맞도록 탑승석의 안전 벨트 및 에어백의 위치를 조절하는 방법이다. 특히, 차량 탑승자가 유아 또는 어린이인 경우, 상기 차량은 차량 탑승자를 위한 안전 벨트의 시작점을 보통의 경우 즉, 차량 탑승자가 어른일 때보다 아래에 있도록 제어할 수 있다.
또한, 상기 차량 탑승자가 유아 또는 어린이인 경우, (차량 충돌 시) 에어백으로 인해 2차 충격이 발생될 수 있기 때문에, 상기 차량은 차량 탑승자가 유아 또는 어린이임을 감지한 경우, 상기 에어백이 동작되지 않도록 하거나 또는 상기 차량 탑승자인 유아 또는 어린이의 피해가 최소화되도록 에어백의 동작을 제어할 수 있다.
위의 방법 1 및 방법 2 외에도, (1) 차량 탑승자의 편안함을 고려하여, 각종 인포테인먼트(정보와 오락을 전달하는 앞좌석의 뒷면에 달린 테블릿)를 위한 디스플레이 위치의 각도를 조절하거나 또는 (2) 차량 탑승자의 편안함을 고려하여, 차량의 뒷자석에 설치되는 안마 기능을 갖는 안마 장치를 조절할 수 있다.
도 6은 본 명세서에서 제안하는 차량의 실내 장치를 조절하기 위한 방법의 일례를 나타낸 순서도이다.
먼저, 차량은 상기 차량의 외부에 설치된 오브젝트 검출 장치를 통해 상기 차량과 소정 거리 내에 위치한 차량 탑승자의 이미지 데이터를 획득한다(S610).
상기 오브젝트 검출 장치는 1개의 스테레오 카메라 또는 2개의 카메라를 포함하여 구성될 수 있다.
또는, 상기 오브젝트 검출 장치는 1개의 초음파센서와 1개의 카메라로 구성될 수 있다.
상기 이미지 데이터는 상기 차량과 상기 차량 탑승자 사이의 거리를 나타내는 거리 정보를 포함할 수 있다.
다음으로, 상기 차량은 스켈레톤(skeleton)화 관련 딥러닝(deep learning) 알고리즘을 이용하여 상기 이미지 데이터로부터 상기 차량 탑승자의 신체 구조에 대한 신체 구조 정보를 추출한다(S620).
여기서, 상기 신체 구조 정보는 상기 차량 탑승자의 신체 구조 중에서 상기 실내 장치의 조절과 관련된 신체 부위 각각의 위치에 대한 신체 부위 위치 정보, 상기 신체 부위 각각의 크기에 대한 신체 부위 크기 정보 또는 상기 차량 탑승자의 신체 구조 중에서 특이 사항을 가지는 신체 부위의 특이 사항 정보 중 적어도 하나를 포함할 수 있다.
여기서, 상기 실내 장치의 조절과 관련된 각 신체 부위는 눈, 팔꿈치, 무릎, 허리, 팔, 다리, 상체, 목 등일 수 있다.
여기서, 상기 특이 사항 정보는 상기 차량 탑승자의 임신 여부 또는 장애 여부 등일 수 있다.
여기서, 각 신체 부위의 크기는 상기 이미지 데이터에 포함되는 거리 정보에 기초하여 산출될 수 있다.
다음으로, 상기 차량의 특정 도어(door)가 열림을 감지한 경우, 상기 차량은 상기 추출된 신체 구조 정보에 기초하여 상기 특정 도어에 대응하는 탑승석 관련 실내 장치를 조절한다(S630).
상기 실내 장치는 상기 특정 도어에 대응하는 탑승석의 시트, 운전대, 백미러, 사이드미러, 상기 차량 뒷자석에 배치되는 디스플레이 장치, 안마 장치, 에어백 또는 안전벨트 중 적어도 하나를 포함할 수 있다.
여기서, 상기 에어백 또는 상기 안전벨트는 상기 차량 탑승자가 유아 또는 어린이인 경우 조절될 수 있다.
보다 구체적으로, 상기 차량의 센싱 장치에 의해 상기 특정 도어의 열림이 감지된 경우, 상기 차량은 상기 추출된 신체 구조 정보에 기초하여 상기 실내 장치를 조절하도록 제어할 수 있다.
추가적으로, 상기 차량은 상기 이미지 데이터의 획득이 끝났음을 알리는 알림 신호를 시각적, 청각적, 후각적 또는 촉각적 형태로 출력할 수 있다. 여기서, 도 1에 도시된 바와 같이 상기 알림 신호를 출력하기 위해 상기 차량은 출력부를 더 포함할 수 있다.
즉, 출력부는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 이에는 디스플레이부, 음향 출력 모듈, 알람부 및 햅틱 모듈 등이 포함될 수 있다.
디스플레이부는 상기 차량에서 처리되는 정보를 표시(출력)한다. 디스플레이부는 액정 디스플레이(LCD: liquid crystal display), 박막 트랜지스터 액정 디스플레이(TFT LCD: thin film transistor-liquid crystal display), 유기 발광 다이오드(OLED: organic light-emitting diode), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다.
이들 중 일부 디스플레이는 그를 통해 외부를 볼 수 있도록 투명형 또는 광투과형으로 구성될 수 있다. 이는 투명 디스플레이라 호칭될 수 있는데, 상기 투명 디스플레이의 대표적인 예로는 TOLED(Transparant OLED) 등이 있다. 디스플레이부의 후방 구조 또한 광 투과형 구조로 구성될 수 있다.
이상에서 설명된 실시 예들은 본 발명의 구성요소들과 특징들이 소정 형태로 결합된 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려되어야 한다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 본 발명의 실시 예를 구성하는 것도 가능하다. 본 발명의 실시 예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시 예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다. 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시 예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함시킬 수 있음은 자명하다.
본 발명에 따른 실시 예는 다양한 수단, 예를 들어, 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다. 하드웨어에 의한 구현의 경우, 본 발명의 일 실시 예는 하나 또는 그 이상의 ASICs(application specific integrated circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서, 콘트롤러, 마이크로 콘트롤러, 마이크로 프로세서 등에 의해 구현될 수 있다.
펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 일 실시 예는 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차, 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드는 메모리에 저장되어 프로세서에 의해 구동될 수 있다. 상기 메모리는 상기 프로세서 내부 또는 외부에 위치하여, 이미 공지된 다양한 수단에 의해 상기 프로세서와 데이터를 주고 받을 수 있다.
본 발명은 본 발명의 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있음은 통상의 기술자에게 자명하다. 따라서, 상술한 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
본 발명의 운전석을 포함한 차량의 실내 장치를 자동으로 조절하기 위한 방안은 차량에 적용되는 예를 중심으로 설명하였으나, 이외에도 해당 방법이 적용될 수 있는 다양한 제품에 적용하는 것이 가능하다.

Claims (10)

  1. 실내 장치를 조절하기 위한 차량에 있어서,
    상기 차량의 외부에 설치되며, 상기 차량과 소정 거리 내에 위치한 차량 탑승자의 이미지 데이터를 획득하기 위한 오브젝트 검출 장치,
    상기 이미지 데이터는 상기 차량과 상기 차량 탑승자 사이의 거리를 나타내는 거리 정보를 포함하며;
    스켈레톤(skeleton)화 관련 딥러닝(deep learning) 알고리즘을 이용하여 상기 이미지 데이터로부터 상기 차량 탑승자의 신체 구조에 대한 신체 구조 정보를 추출하는 AI 장치,
    상기 신체 구조 정보는 상기 차량 탑승자의 신체 구조 중에서 상기 실내 장치의 조절과 관련된 신체 부위 각각의 위치에 대한 신체 부위 위치 정보, 상기 신체 부위 각각의 크기에 대한 신체 부위 크기 정보 또는 상기 차량 탑승자의 신체 구조 중에서 특이 사항을 가지는 신체 부위의 특이 사항 정보 중 적어도 하나를 포함하며;
    상기 차량의 특정 도어(door)의 개폐 여부를 감지하는 센싱 장치; 및
    상기 추출된 신체 구조 정보에 기초하여 상기 특정 도어에 대응하는 탑승석 관련 실내 장치를 조절하는 제어 장치를 포함하는 것을 특징으로 하는 차량.
  2. 제1 항에 있어서, 상기 제어 장치는,
    상기 센싱 장치에 의해 상기 특정 도어의 열림이 감지된 경우, 상기 추출된 신체 구조 정보에 기초하여 상기 실내 장치를 조절하도록 제어하는 것을 특징으로 하는 차량.
  3. 제1 항에 있어서,
    각 신체 부위의 크기는 상기 이미지 데이터에 포함되는 거리 정보에 기초하여 산출되는 것을 특징으로 하는 차량.
  4. 제1 항에 있어서,
    상기 특이 사항 정보는 상기 차량 탑승자의 임신 여부 또는 장애 여부인 것을 특징으로 하는 차량.
  5. 제1 항에 있어서,
    상기 실내 장치의 조절과 관련된 각 신체 부위는 눈, 팔꿈치, 무릎, 허리, 팔, 다리, 상체 또는 목인 것을 특징으로 하는 차량.
  6. 제1 항에 있어서,
    출력부를 더 포함하고,
    상기 제어 장치는 상기 이미지 데이터의 획득이 끝났음을 알리는 알림 신호를 시각적, 청각적, 후각적 또는 촉각적 형태로 출력하도록 상기 출력부를 제어하는 것을 특징으로 하는 차량.
  7. 제1 항에 있어서,
    상기 오브젝트 검출 장치는 1개의 스테레오 카메라, 2개의 카메라 또는 1개의 초음파센서와 1개의 카메라로 구성되는 것을 특징으로 하는 차량.
  8. 제1항에 있어서,
    상기 실내 장치는 상기 특정 도어에 대응하는 탑승석의 시트, 운전대, 백미러, 사이드미러, 상기 차량 뒷자석에 배치되는 디스플레이 장치, 안마 장치, 에어백 또는 안전벨트 중 적어도 하나를 포함하는 것을 특징으로 하는 차량.
  9. 제8 항에 있어서, 상기 제어 장치는,
    상기 차량 탑승자가 유아 또는 어린이인 경우, 상기 에어백 또는 상기 안전벨트를 조절하는 것을 특징으로 하는 차량.
  10. 차량의 실내 장치를 조절하기 위한 방법에 있어서,
    상기 차량의 외부에 설치된 오브젝트 검출 장치를 통해 상기 차량과 소정 거리 내에 위치한 차량 탑승자의 이미지 데이터를 획득하는 단계,
    상기 이미지 데이터는 상기 차량과 상기 차량 탑승자 사이의 거리를 나타내는 거리 정보를 포함하며;
    스켈레톤(skeleton)화 관련 딥러닝(deep learning) 알고리즘을 이용하여 상기 이미지 데이터로부터 상기 차량 탑승자의 신체 구조에 대한 신체 구조 정보를 추출하는 단계,
    상기 신체 구조 정보는 상기 차량 탑승자의 신체 구조 중에서 상기 실내 장치의 조절과 관련된 신체 부위 각각의 위치에 대한 신체 부위 위치 정보, 상기 신체 부위 각각의 크기에 대한 신체 부위 크기 정보 또는 상기 차량 탑승자의 신체 구조 중에서 특이 사항을 가지는 신체 부위의 특이 사항 정보 중 적어도 하나를 포함하며; 및
    상기 차량의 특정 도어(door)가 열림을 감지한 경우, 상기 추출된 신체 구조 정보에 기초하여 상기 특정 도어에 대응하는 탑승석 관련 실내 장치를 조절하는 단계를 포함하는 것을 특징으로 하는 방법.
PCT/KR2020/018450 2020-12-16 2020-12-16 운전석을 포함한 차량의 실내 장치를 자동으로 조절하기 위한 방법 및 이를 위한 장치 WO2022131396A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2020/018450 WO2022131396A1 (ko) 2020-12-16 2020-12-16 운전석을 포함한 차량의 실내 장치를 자동으로 조절하기 위한 방법 및 이를 위한 장치
US18/334,242 US20230322173A1 (en) 2020-12-16 2023-06-13 Method for automatically controlling vehicle interior devices including driver`s seat and apparatus therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2020/018450 WO2022131396A1 (ko) 2020-12-16 2020-12-16 운전석을 포함한 차량의 실내 장치를 자동으로 조절하기 위한 방법 및 이를 위한 장치

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/334,242 Continuation US20230322173A1 (en) 2020-12-16 2023-06-13 Method for automatically controlling vehicle interior devices including driver`s seat and apparatus therefor

Publications (1)

Publication Number Publication Date
WO2022131396A1 true WO2022131396A1 (ko) 2022-06-23

Family

ID=82057625

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/018450 WO2022131396A1 (ko) 2020-12-16 2020-12-16 운전석을 포함한 차량의 실내 장치를 자동으로 조절하기 위한 방법 및 이를 위한 장치

Country Status (2)

Country Link
US (1) US20230322173A1 (ko)
WO (1) WO2022131396A1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100513879B1 (ko) * 2003-08-08 2005-09-09 현대자동차주식회사 조수석용 에어백의 전개압력 조절방법
KR20190075988A (ko) * 2016-10-26 2019-07-01 오캠 테크놀로지스 리미티드 이미지를 분석하고 피드백을 제공하는 웨어러블 기기 및 방법
KR20190090367A (ko) * 2019-07-11 2019-08-01 엘지전자 주식회사 차량 탑승자 상태 감지방법 및 차량 탑승자 상태 감지장치
KR20190095908A (ko) * 2018-11-21 2019-08-16 엘지전자 주식회사 탑승자 모니터링 방법 및 이를 위한 장치
KR102083385B1 (ko) * 2018-08-28 2020-03-02 여의(주) 영상 추출 데이터의 동작 인지에 기초하는 위험 상황 판단 방법
JP2020123352A (ja) * 2019-01-30 2020-08-13 株式会社ストラドビジョンＳｔｒａｄｖｉｓｉｏｎ，Ｉｎｃ． 人の状態認識を基盤として身体部位の長さ及び顔情報を使用して乗客の身長及び体重を予測する方法及び装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100513879B1 (ko) * 2003-08-08 2005-09-09 현대자동차주식회사 조수석용 에어백의 전개압력 조절방법
KR20190075988A (ko) * 2016-10-26 2019-07-01 오캠 테크놀로지스 리미티드 이미지를 분석하고 피드백을 제공하는 웨어러블 기기 및 방법
KR102083385B1 (ko) * 2018-08-28 2020-03-02 여의(주) 영상 추출 데이터의 동작 인지에 기초하는 위험 상황 판단 방법
KR20190095908A (ko) * 2018-11-21 2019-08-16 엘지전자 주식회사 탑승자 모니터링 방법 및 이를 위한 장치
JP2020123352A (ja) * 2019-01-30 2020-08-13 株式会社ストラドビジョンＳｔｒａｄｖｉｓｉｏｎ，Ｉｎｃ． 人の状態認識を基盤として身体部位の長さ及び顔情報を使用して乗客の身長及び体重を予測する方法及び装置
KR20190090367A (ko) * 2019-07-11 2019-08-01 엘지전자 주식회사 차량 탑승자 상태 감지방법 및 차량 탑승자 상태 감지장치

Also Published As

Publication number Publication date
US20230322173A1 (en) 2023-10-12

Similar Documents

Publication Publication Date Title
US11461636B2 (en) Neural network applications in resource constrained environments
US10576994B1 (en) Autonomous system operator cognitive state detection and alerting
CN108860154B (zh) 驾驶员监视装置以及驾驶员监视方法
WO2020010822A1 (en) Adaptive driver monitoring for advanced driver-assistance systems
WO2017057060A1 (ja) 運転制御装置、および運転制御方法、並びにプログラム
WO2017057059A1 (ja) 運転制御装置、および運転制御方法、並びにプログラム
KR102267331B1 (ko) 자율 주행 차량과 이를 이용한 보행자 안내 시스템 및 방법
KR20190106845A (ko) 자율 주행 차량의 탑승자 인식 및 승하차 지원 장치 및 방법
WO2019069581A1 (ja) 画像処理装置及び画像処理方法
WO2021002519A1 (ko) 차량용 광고 제공 장치 및 차량용 광고 제공 방법
US10560253B2 (en) Systems and methods of controlling synchronicity of communication within a network of devices
KR102232646B1 (ko) 운전석을 포함한 차량의 실내 장치를 자동으로 조절하기 위한 방법 및 이를 위한 장치
EP3836119A1 (en) Information processing device, mobile body, information processing method, and program
WO2021002517A1 (ko) 공유형 차량 관리 장치 및 공유형 차량의 관리 방법
WO2020241971A1 (ko) 교통 사고 처리 장치 및 교통 사고 처리 방법
WO2021256411A1 (ja) 信号処理装置、調光制御方法、信号処理プログラム、及び調光システム
WO2021002515A1 (ko) 전자 장치 및 전자 장치의 동작 방법
WO2022131396A1 (ko) 운전석을 포함한 차량의 실내 장치를 자동으로 조절하기 위한 방법 및 이를 위한 장치
WO2020203240A1 (ja) 情報処理装置および情報処理方法
WO2021215559A1 (ko) 차량을 모니터링하는 방법 및 장치
WO2020145440A1 (ko) 차량용 전자 장치 및 차량용 전자 장치의 동작 방법
WO2020004886A1 (ko) 통신용 ecu
WO2021002505A1 (ko) 자율 주행 차량용 전자 장치 및 자율 주행 차량용 전자 장치의 동작 방법
US20230295963A1 (en) Door control device, storage medium storing computer program for door control, and method for door control
WO2021040059A1 (ko) 차량용 전자 장치 및 그의 동작 방법

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: 20966050

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20966050

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205 DATED 19/10/2023)