JP2024520399A - 車線マップ上の対象物の位置を決定するための方法及び装置 - Google Patents

Abstract

本開示は、車線マップ上の対象物の位置を決定するための方法及び装置に関する。本開示の一実施形態に係る方法は、車両に搭載されたカメラで撮影された画像データを取得することができる。また、方法は、画像データに対して所定の処理を実行することによって、画像データに含まれる複数の特徴の特徴情報を生成することができる。さらに、方法は、画像データに含まれる複数の特徴間の相関度に基づいて、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定することができる。さらに、方法は、車両の車線マップ上の位置情報及び複数の画像データ上の特徴位置情報に基づいて、車線マップ上の対象物の位置を決定することができる。

Description

本発明は、車線マップ上の対象物の位置を決定するための方法及び装置に関する。

道路で走行中の車両は、道路に含まれる複数の車線のうちいずれか一つの車線上で走行することができる。車両は走行中に頻繁に車線を変更することができ、道路上の車線の数が変わる状況も頻繁に発生する。

情報通信技術と車両産業の融合により急速に車両のスマート化が進んでいる。スマート化により、車両は単純な機械的装置からスマートカーに進化しており、特にスマートカーの核心技術として自動運転が注目されている。自動運転とは、運転者がハンドルやアクセルペダル、ブレーキなどを操作しなくても車両が自ら目的地まで行く技術である。

自動運転に関連する様々な付加機能が継続的に開発されており、各種データを利用して走行環境を認知及び判断して自動車を制御することによって、搭乗者に安全な自動運転経験を提供できる方法に関する研究が求められている。

近年では、車両が走行する道路上に位置したり、道路周辺に位置する各種対象物（例えば、信号機、道路標識、ハンプなど）をより少ない演算量でより正確にマップ上に表示するための研究が必要な実情である。

前述した背景技術は、発明者が本発明の導出のために保有していたり、本発明の導出過程で習得した技術情報であり、必ずしも本発明の出願前に一般公衆に公開された公知技術とは限らない。

本発明は、車線マップ上の対象物の位置を決定するための方法及び装置を提供することにある。本発明が解決しようとする課題は、以上で述べた課題に限定されず、言及されていない本発明の他の課題及び利点は、下記の説明によって理解され得、本発明の実施形態でより明確に理解されるであろう。さらに、本発明が解決しようとする課題及び利点は、特許請求の範囲に示された手段及びその組み合わせで実現できることが分かるであろう。

上述した技術的課題を達成するための技術的手段として、本開示の第１態様は、車線マップ上の対象物の位置を決定する方法において、車両に搭載されたカメラで撮影された画像データを取得するステップと、前記画像データに対して所定の処理を実行することによって、前記画像データに含まれる複数の特徴の特徴情報（ｆｅａｔｕｒｅ ｉｎｆｏｒｍａｔｉｏｎ）を生成するステップと、前記画像データに含まれる前記複数の特徴間の相関度に基づいて、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定するステップと、前記車両の車線マップ上の位置情報及び前記複数の画像データ上の特徴位置情報に基づいて前記車線マップ上の対象物の位置を決定するステップとを含む、方法を提供することができる。

本開示の第２態様は、車線マップ上の対象物の位置を決定するための装置において、少なくとも１つのプログラムが記憶されたメモリ及び前記少なくとも１つのプログラムを実行することによって演算を実行するプロセッサを含み、前記プロセッサは、車両に搭載されたカメラで撮影された画像データを取得し、前記画像データに対して所定の処理を実行することによって、前記画像データに含まれる複数の特徴の特徴情報（ｆｅａｔｕｒｅ ｉｎｆｏｒｍａｔｉｏｎ）を生成し、前記画像データに含まれる前記複数の特徴間の相関度に基づいて、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定し、前記車両の車線マップ上の位置情報及び前記複数の画像データ上の特徴位置情報に基づいて前記車線マップ上の対象物の位置を決定する、装置を提供することができる。

本開示の第３態様は、第１態様による方法をコンピュータで実行するためのプログラムを記録したコンピュータで読み取り可能な記録媒体を提供することができる。

その他にも、本発明を実装するための他の方法、他のシステム及び前記方法を実行するためのコンピュータプログラムが記憶されたコンピュータで読み取り可能な記録媒体がさらに提供され得る。

前述したもの以外の他の態様、特徴、利点が、以下の図面、特許請求の範囲及び発明の詳細な説明から明確になるであろう。

前述した本開示の課題解決手段によると、画像データ全体を用いず、対象物に対するメタデータに該当する特徴情報を活用し、複数の画像データ内で同じ対象物が何であるかを決定することによって、データ軽量化が可能である。

図１は、一実施形態に係る自動運転方式を説明するための図である。 図２は、一実施形態に係る自動運転方式を説明するための図である。 図３は、一実施形態に係る自動運転方式を説明するための図である。 図４は、一実施形態に係る画像データに含まれる複数の対象物の例を説明するための図である。 図５ａは、一実施形態に係る画像データに含まれる特徴情報を説明するための図である。 図５ｂは、一実施形態に係る画像データに含まれる特徴情報を説明するための図である。 図６ａは、一実施形態に係る画像データ内の特徴集約を説明するための例示的な図である。 図６ｂは、一実施形態に係る画像データ内の特徴集約を説明するための例示的な図である。 図７は、一実施形態に係る車線マップ上の対象物の位置を決定する方法を説明するための例示的な図である。 図８は、一実施形態に係る車両の位置情報と画像上の特徴位置とに基づいて対象物の位置を決定する方法を説明するための例示的な図である。 図９は、一実施形態に係る複数の走行軌跡を用いて車線マップ上の対象物の位置を決定する方法を説明するための例示的な図である。 図１０は、一実施形態に係る車線フィッティング及び対象物フィッティング方法を説明するための例示的な図である。 図１１は、一実施形態に係る車線マップ上の対象物の位置を決定する方法のフローチャートである。 図１２は、一実施形態に係る対象物位置決定装置のブロック図である。

本開示は、車線マップ上の対象物の位置を決定するための方法及び装置に関する。本開示の一実施形態に係る方法は、車両に搭載されたカメラで撮影された画像データを取得することができる。また、方法は、画像データに対して所定の処理を実行することによって、画像データに含まれる複数の特徴の特徴情報を生成することができる。さらに、方法は、画像データに含まれる複数の特徴間の相関度に基づいて、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定することができる。さらに、方法は、車両の車線マップ上の位置情報及び複数の画像データ上の特徴位置情報に基づいて、車線マップ上の対象物の位置を決定することができる。

本発明の利点及び特徴、並びにそれらを達成する方法は、添付の図面と共に詳細に説明される実施形態を参照すれば明確になるであろう。しかしながら、本発明は、以下に提示される実施形態に限定されるものではなく、互いに異なる様々な形態で実装され得、本発明の思想及び技術範囲に含まれる全ての変換、均等物から代替物を含むものと理解されるべきである。以下に提示される実施形態は、本発明の開示を完全にし、本発明が属する技術分野において通常の知識を有する者に発明の範疇を完全に知らせるために提供されるものである。本発明を説明することにおいて、関連する公知技術に対する具体的な説明が本発明の要旨を阻害する可能性があると判断される場合、その詳細な説明を省略する。

本出願で使用される用語は、単に特定の実施形態を説明するために使用されたものであり、本発明を限定しようとする意図ではない。単数の表現は、文脈上明らかに別段の意味を持たない限り、複数の表現を含む。本出願において、「含む」または「有する」などの用語は、本明細書に記載の特徴、数字、ステップ、動作、構成要素、部品、またはそれらを組み合わせたものが存在することを指定するものであり、１つまたは複数の他の特徴や数字、ステップ、動作、構成要素、部品、またはそれらを組み合わせたものの存在または追加の可能性を予め排除しないことと理解されるべきである。

本開示の一部の実施形態は、機能的なブロック構成及び様々な処理ステップで表現され得る。そのような機能ブロックの一部または全部は、特定の機能を実行する様々な数のハードウェア及び／またはソフトウェア構成で具現され得る。例えば、本開示の機能ブロックは、１つ以上のマイクロプロセッサによって具現されるか、所定の機能のための回路構成によって具現され得る。さらに、例えば、本開示の機能ブロックは、様々なプログラミングまたはスクリプト言語で具現され得る。機能ブロックは、１つ以上のプロセッサで実行されるアルゴリズムで具現され得る。さらに、本開示は、電子的環境設定、信号処理及び／またはデータ処理などのために従来技術を採用することができる。「メカニズム」、「要素」、「手段」及び「構成」などの用語は広く使用され得、機械的で物理的な構成に限定されない。

さらに、図面に示された構成要素間の接続線または接続部材は、機能的接続及び／または物理的または回路的接続を例示的に示したものにすぎない。実際の装置では、代替可能または追加された様々な機能的接続、物理的接続、または回路接続によって構成要素間の接続が示され得る。

以下において、「車両」とは、自動車、バス、オートバイ、キックボードまたはトラックなどのように機関を有して人または物を移動させるために用いられるあらゆる種類の輸送手段を意味することができる。

以下、添付の図面を参照して本開示を詳細に説明する。

図１～図３は、一実施形態に係る自動運転方式を説明するための図である。

図１を参照すると、本発明の一実施形態に係る自動運転装置は、車両に取り付けられて自動運転車両１０を具現することができる。自動運転車両１０に取り付けられる自動運転装置は、周辺の状況情報を収集するための様々なセンサを含むことができる。一例として、自動運転装置は、自動運転車両１０の前面に取り付けられたイメージセンサ及び／またはイベントセンサを介して、前方で走行中の先行車両２０の動きを感知することができる。自動運転装置は、自動運転車両１０の前面はもちろん、となり車線で走行中の他の走行車両３０と、自動運転車両１０周辺の歩行者等を感知するためのセンサとをさらに含むことができる。

自動運転車両周辺の状況情報を収集するためのセンサのうちの少なくとも１つは、図１に示すように、所定の画角ＦｏＶを有することができる。一例として、自動運転車両１０の前面に取り付けられたセンサが図１に示すような画角ＦｏＶを有する場合、センサの中央から検出される情報が比較的高い重要度を有することができる。これは、センサの中央から検出される情報に、先行車両２０の動きに対応する情報がほとんど含まれ得るためである。

自動運転装置は、自動運転車両１０のセンサが収集した情報をリアルタイムで処理して自動運転車両１０の動きを制御する一方、センサが収集した情報のうち少なくとも一部はメモリ装置に記憶させることができる。

図２を参照すると、自動運転装置４０は、センサ部４１、プロセッサ４６、メモリシステム４７及び車体制御モジュール４８などを含むことができる。センサ部４１は、複数のセンサ４２～４５を含み、複数のセンサ４２～４５は、イメージセンサ、イベントセンサ、照度センサ、ＧＰＳ装置及び加速度センサなどを含むことができる。

センサ４２～４５が収集したデータはプロセッサ４６に送信され得る。プロセッサ４６は、センサ４２～４５が収集したデータをメモリシステム４７に記憶し、センサ４２～４５が収集したデータに基づいて車体制御モジュール４８を制御して車両の動きを決めることができる。メモリシステム４７は、２つ以上のメモリ装置と、メモリ装置を制御するためのシステムコントローラとを含むことができる。メモリ装置のそれぞれは１つの半導体チップで提供され得る。

メモリシステム４７のシステムコントローラの他に、メモリシステム４７に含まれる各メモリ装置はメモリコントローラを含むことができ、メモリコントローラはニューラルネットワークなどの人工知能（ＡＩ）演算回路を含むことができる。メモリコントローラは、センサ４２～４５またはプロセッサ４６から受信したデータに所定の重みを付与して演算データを生成し、演算データをメモリチップに記憶させることができる。

図３は、自動運転装置が搭載された自動運転車両のセンサが取得した映像データの一例を示す図である。図３を参照すると、映像データ５０は自動運転車両の前面に取り付けられたセンサが取得したデータであってもよい。したがって、映像データ５０は、自動運転車両の前面部５１、自動運転車両と同じ車線の先行車両５２、自動運転車両周辺の走行車両５３及び背景５４などを含むことができる。

図３に示す実施形態に係る映像データ５０において、自動運転車両の前面部５１と背景５４が表れる領域のデータは、自動運転車両の走行に影響を及ぼす可能性がほとんどないデータであってもよい。言い換えれば、自動運転車両の前面部５１と背景５４は、比較的重要度の低いデータと見なすことができる。

一方、先行車両５２との距離及び走行車両５３の車線変更の動きなどは、自動運転車両の安全な走行において非常に重要な要素であり得る。したがって、映像データ５０において先行車両５２及び走行車両５３などが含まれる領域のデータは、自動運転車両の走行において比較的高い重要度を有することができる。

自動運転装置のメモリ装置は、センサから受信した映像データ５０の領域別に重みを異なるように付与して記憶することができる。一例として、先行車両５２と走行車両５３などが含まれる領域のデータには高い重みを付与し、自動運転車両の前面部５１と背景５４が表れる領域のデータには低い重みを付与することができる。

図４は、一実施形態に係る画像データに含まれる複数の対象物の例を説明するための図である。

特定の時点に車両に搭載されたカメラから取得された画像データは、複数の対象物を含むことができる。

対象物に関する情報は、対象物種類情報及び対象物属性情報を含む。ここで、対象物種類情報は、対象物の種類を示すインデックス情報であり、大きな範囲のグループと詳細範囲のクラスとで構成される。また、対象物属性情報は、対象物の現在の状態に関する属性情報を示すものであり、動き情報、回転情報、交通情報、色情報及び可視性情報を含む。

一実施形態において、対象物種類情報に含まれるグループ及びクラスは、以下の表１のように設定され得るが、これらに限定されない。

また、対象物属性情報に含まれる情報には、Ａｃｔｉｏｎ、Ｒｏｔａｔｅ、Ｔｒａｆｆｉｃ ｉｎｆｏ、ｃｏｌｏｒ、Ｖｉｓｉｂｉｌｉｔｙ情報が含まれ得る。

Ａｃｔｉｏｎ情報は、対象物の動き情報を表し、停車、駐車、移動などに定義され得る。車両の場合、停車、駐車、移動が対象物属性情報として決定され得、信号機などの動けない対象物の場合、デフォルト値である停止で対象物属性情報が決定され得る。

Ｒｏｔａｔｅ情報は、対象物の回転情報を表し、正面、背面、水平（ｈｏｒｉｚｏｎｔａｌ）、垂直（ｖｅｒｔｉｃａｌ）及び側面などに定義され得る。車両の場合、正面、背面及び側面に対象物属性情報が定められ得、横または縦方向の信号機はそれぞれ水平または垂直に対象物属性情報が定められ得る。

Ｔｒａｆｆｉｃ ｉｎｆｏは、対象物の交通情報を意味し、交通標識の指示、注意、規制及び補助標識などに定義され得る。Ｃｏｌｏｒは、対象物の色情報を意味し、対象物の色、信号機及び交通標識の色を表すことができる。

例えば、特定の車両の対象物属性情報は、停車、正面、赤及びｖｉｓｉｂｉｌｉｔｙ ｌｅｖｅｌ ３と決定され得る。

図４を参照すると、カメラから取得された画像４００に含まれる対象物は、信号機、標識、現在の走行車線（ｅｇｏ－ｌａｎｅ）、交差点、ロードマーキングまたはハンプなどであることができるが、これらに限定されない。

図５ａ～図５ｂは、一実施形態に係る画像データに含まれる特徴情報を説明するための図である。

車両が道路を走行するにつれて、車両に搭載されたカメラから複数の画像データを取得され得る。

車両に搭載されたカメラから取得された画像データ５１０は、対象物５１１を含むことができる。図５ａを参照すると、対象物５１１は信号機であることができる。

画像データは、所定の大きさＭ×Ｎ（Ｍ、Ｎは自然数）を有することができる。複数の画像データは同じ対象物５１１を含むことができるが、車両が道路に沿って走行するにつれて、車両と対象物５１１の相対位置は変化し続け、これによって同じ対象物５１１であっても各画像データ内での位置が異なるようになる。

各画像データにおいて同じ対象物が何であるかを決定するために画像データ全体を用いる場合、データ送信量及び演算量がかなり大きくなる。これにより、車両に搭載される装置においてエッジコンピューティングを通じての処理が困難であり、リアルタイム分析も困難である。

図５ｂを参照すると、画像データ５２０に含まれる特徴５２１が示されている。特徴５２１は対象物５１１のメタデータであり、特徴情報には対象物種類情報（グループ、クラス等）、画像データ５２０上の対象物５１１の位置情報、対象物５１１の大きさ情報などが含まれ得る。図５ｂを参照すると、特徴情報は、該当対象物５１１が信号機クラスに該当するという情報と、矩形形状を有するという情報と、対象物５１１の左下の頂点が画像データ上の（ｍ、ｎ）に位置するという情報と、対象物５１１の大きさがａ×ｂという情報とを含むことができる。

本開示では、画像データ全体を用いることなく、対象物のメタデータに該当する特徴情報を活用することによって、複数の画像データ内で同じ対象物が何であるかを決定することができる。

図６ａ～図６ｂは、一実施形態に係る画像データ内の特徴集約を説明するための例示的な図である。

図６ａを参照すると、特定の時点に車両に搭載されたカメラから取得された画像データが示されている。第１画像データ６１０は第１時点に取得された画像データであり、第２画像データ６２０は第１時点から所定の時間が経過した後の第２時点に取得された画像データである。

一方、第１画像６０１及び第２画像６０２は説明を補足するためのものであり、カメラで撮影された実際の道路の様子を示している。

第１画像データ６１０と第２画像データ６２０には同じ対象物を含まれている。

車線マップ上の対象物の位置を決定する装置（以下、「対象物位置決定装置」）は、複数の画像データにおいて同じ対象物を示す複数の特徴を決定することができる。

図６ａを参照すると、第１画像データ６１０では、第１特徴グループ６１１と第２特徴グループ６１２とが互いに隣接して位置することができる。すなわち、第１特徴グループ６１１及び第２特徴グループ６１２に対応する対象物と車両との間の距離が離れている場合、第１特徴グループ６１１及び第２特徴グループ６１２に対応する対象物間の実際の距離差は反映されず、第１画像データ６１０上では対象物が互いに隣接して位置することができる。

一方、第２画像データ６２０では、第１特徴グループ６２１と第２特徴グループ６２２とが互いにある程度離れた位置に位置することができる。すなわち、第１画像データ６１０を撮影した際の車両の位置に比べて、第１特徴グループ６１１及び第２特徴グループ６１２に対応する対象物と車両との距離が近くなった場合、第１特徴グループ６１１及び第２特徴グループ６１２に対応する対象物間の実際の距離差はさらに反映され、第２画像データ６２０上では、対象物が互いにある程度離れた位置に位置することができる。

一方、第１画像データ６１０及び第２画像データ６２０において、第１特徴グループ６１１、６２１は同じ対象物を示し、第２特徴グループ６１２、６２２は同じ対象物を示すが、画像データによって大きさも異なることができる。

第１画像データ６１０及び第２画像データ６２０の例のように、車両が走行する過程で撮影した画像データ上には、同じ対象物を示す複数の特徴が含まれ得るが、車両が走行する過程で車両と対象物との間の位置が時間の経過によって変化するにつれて、複数の特徴の位置、大きさ、位置関係及び配置関係などは各画像データ上において互いに異なるようになる。

対象物位置決定装置は、複数の画像データ内の特徴を集約（ａｇｇｒｅｇａｔｉｏｎ）することによって、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定することができる。

対象物位置決定装置は、画像データに含まれる複数の特徴間の相関度に基づいて、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定することができる。相関度は、複数の特徴間の配置関係及び大きさ関係などに基づいて決定することができるが、相関度を決定する因子はこれに限定されない。

一実施形態において、対象物位置決定装置は、グラフ－マッチング（ｇｒａｐｈ－ｍａｔｃｈｉｎｇ）方法を用いて複数の画像データにおいて同じ対象物を示す複数の特徴を決定することができる。

対象物位置決定装置は、画像データにおいてキー（ｋｅｙ）特徴を含む複数の特徴をノードとして指定し、複数の特徴間の接続関係をリンクとして設定して、ノードとリンクからなるグラフを登録することができる。さらに、対象物位置決定装置は、互いに異なる画像データから登録されたグラフ間の比較を通じて、各画像データ内でキー特徴が同じ対象物を示すかどうかを決定することができる。

具体的には、対象物位置決定装置は、第１画像データの第１特徴６１１ａ及び第２画像データ６２０の第２特徴６２１ａを選択し、第１特徴６１１ａ及び第２特徴６２１ａ周辺の他の特徴を探索することができる。対象物位置決定装置は、第１特徴６１１ａ周辺の第１隣接特徴（ｎｅｉｇｈｂｏｒ ｆｅａｔｕｒｅ）６１１ｂと類似の属性を有する第２隣接特徴６２１ｂが第２特徴６２１ａの周辺に存在する場合、第１隣接特徴６１１ｂ及び第２隣接特徴６２１ｂのそれぞれに対し、第１特徴６１１ａ及び第２特徴６２１ａをキー（ｋｅｙ）特徴とするグラフとして登録することができる。ここで、属性は、クラス（ｃｌａｓｓ）、特徴の縦／横比、距離及び角度のうち少なくとも１つを含むことができる。

対象物位置決定装置は、第１特徴６１１ａ周辺の全ての特徴を対象に探索するステップ及び登録するステップを繰り返すことができる。対象物位置決定装置は、第１特徴６１１ａ周辺の全ての特徴を対象にグラフ構成を試みた後、特徴の数、登録されたキー特徴の類似度（例えば、大きさまたは隣接特徴との大きさ関係など）に基づいて、第１特徴６１１ａと第２特徴６２１ａとの間の類似度を算出することができる。対象物位置決定装置は、第２画像データ６２０の第２特徴６２１ａを除いた残りの特徴に対し、探索するステップ、グラフとして登録するステップ、繰り返すステップ及び類似度を算出するステップを実行することにより、第１画像データ６１０の第１特徴６１１ａと最も類似度が高い第２画像データ６２０の第２特徴６２１ａが、同じ対象物を示すと決定することができる。

本開示では、画像データ全体を用いることなく、対象物のメタデータに該当する特徴情報を活用することができる。これにより、本開示では、車両が走行する過程において車両と対象物との位置が時間の経過によって変化するにつれて、複数の特徴の位置、大きさ、位置関係及び配置関係等が各画像データ上で互いに異なるようになっても、複数の画像データ内で同じ対象物が何であるかを決定することができる。

一方、対象物位置決定装置は、グラフに含まれる特徴が同じ深度（ｄｅｐｔｈ）を有すると決定することができる。同じ深度を有するというのは、道路の横方向（車両の走行方向）位置が同じであるか、所定の範囲内（例えば、１ｍ）であることを意味することができる。

対象物位置決定装置は、所定の特徴に対して後処理を実行する場合、同じ深度を有するグラフに含まれる残りの特徴に対しても同じ後処理を実行することができる。

図６ａを参照すると、対象物位置決定装置は、第１特徴グループ６１１、６２１に含まれる複数の特徴が互いに同じ深度を有し、第２特徴グループ６１２、６２２に含まれる複数の特徴は互いに同じ深度を有すると決定することができる。この場合、対象物位置決定装置は、第１特徴グループ６１１、６２１に含まれる所定の特徴に対して位置を補正する場合、第１特徴グループ６１１、６２１に含まれる残りの特徴に対しても同じく位置を補正することができる。

図６ｂを参照すると、特定の時点に車両に搭載されたカメラから取得された画像データが示されている。車両の走行中に車両の道路の縦方向位置を変更され得る（例えば、車線変更）。第１画像データ６３０は道路の第１走行車線を走行する車両から撮影された画像データであり、第２画像データ６４０は道路の追越車線を走行する車両から撮影された画像データである。

一方、第１画像６０３及び第２画像６０４は説明を補足するためのものであり、カメラで撮影された実際の道路の様子を示している。

第１画像データ６３０と第２画像データ６４０には同じ対象物を含まれている。

対象物位置決定装置は、複数の画像データにおいて同じ対象物を示す複数の特徴を決定することができる。

図６ｂを参照すると、第１画像データ６３０では、第１特徴グループ６３１と第２特徴グループ６３２とが互いに隣接して位置することができる。また、第１特徴グループ６３１は、第２特徴グループ６３２の右側に位置することができる。すなわち、車両が第１走行車線を走行している状態で撮影した第１画像データ６３０上では、車両と複数の対象物との相対位置関係によって、第１特徴グループ６３１と第２特徴グループ６３２との間の配置関係が上述したように決定され得る。

一方、第２画像データ６４０では、第１特徴グループ６４１と第２特徴グループ６４２とが互いにある程度離れた位置に位置することができる。また、第１特徴グループ６４１は、第２特徴グループ６４２の左側に位置することができる。すなわち、車両が追越車線を走行している状態で撮影した第２画像データ６４０上では、車両と複数の対象物との相対位置関係によって、第１特徴グループ６４１と第２特徴グループ６４２との間の配置関係が上述したように決定され得る。

一方、第１画像データ６３０及び第２画像データ６４０において、第１特徴グループ６３１、６４１は同じ対象物を示し、第２特徴グループ６３２、６４２は同じ対象物を示すが、画像データによって大きさも異なることができる。

第１画像データ６３０及び第２画像データ６４０の例のように、車両が走行する過程で撮影した画像データ上には、同じ対象物を示す複数の特徴が含まれ得るが、車両がどの車線を走行するかによって車両と対象物との間の位置が変わることで、複数の特徴の位置、大きさ、位置関係及び配置関係などは各画像データ上において互いに異なるようになる。

対象物位置決定装置は、複数の画像データ内の特徴を集約することによって、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定することができる。

対象物位置決定装置は、画像データに含まれる複数の特徴間の相関度に基づいて、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定することができる。

図６ｂで上述した方法を用いて、対象物位置決定装置は、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定することができる。

本開示では、画像データ全体を用いる代わりに、対象物のメタデータに該当する特徴情報を活用することができる。これにより、本開示では、車両が互いに異なる車線で走行して車両と対象物との位置が変わることによって、複数の特徴の位置、大きさ、位置関係及び配置関係等が各画像データ上で互いに異なるようになっても、複数の画像データ内で同じ対象物が何であるかを決定することができる。

図７は、一実施形態に係る車線マップ上の対象物の位置を決定する方法を説明するための例示的な図である。

対象物位置決定装置は、車両に搭載されたＧＰＳを用いて車両の位置情報を取得することができる。車両の位置情報は、車線マップ上の位置情報であってもよい。

また、対象物位置決定装置は、複数の画像データ内で同じ対象物に該当すると決定された複数の特徴の画像データ内の位置情報を用いて、車線マップ上の対象物の位置を決定することができる。

図７を参照すると、図６ａ～図６ｂで説明したように、第１画像データ６３０及び第２画像データ６４０において、第１特徴グループ６３１、６４１は同じ対象物を示し、第２特徴グループ６３２、６４２は同じ対象物を示すことができる。

一実施形態において、対象物位置決定装置は、車両に接続された位置確認装置を介して取得された車線マップ上の位置情報と、第１画像データ６３０及び第２画像データ６４０を用いて車線マップ上の対象物の位置を決定することができる。一方、対象物位置決定装置は、車線マップ上の対象物の位置を決定するために１つまたは３つ以上の画像データを用いることもできる。

図７を参照すると、対象物位置決定装置は、第１特徴グループ６３１、６４１に対応する第１対象物グループ７１０の位置及び第２特徴グループ６３２、６４２に対応する第２対象物グループ７２０の位置を決定し、車線マップ７００上に表示することができる。

図８は、一実施形態に係る車両の位置情報と画像上の特徴位置とに基づいて対象物の位置を決定する方法を説明するための例示的な図である。

図８を参照すると、車両８００は、走行経路に沿って第１位置から第２位置に移動している。

対象物位置決定装置は、車両８００に搭載されたＧＰＳまたは車両に接続された位置確認装置などを用いて車両８００の位置情報を取得することができる。対象物位置決定装置は、車両８００の位置情報を用いて車両８００の車線マップ上の位置情報を取得することができる。

対象物位置決定装置は、車両８００に搭載されたカメラ８３０から車両８００の周辺（前方、側方、後方など）の画像データ８１０ａ、８１０ｂを取得することができる。

第１画像データ８１０ａは、車両８００が第１位置に位置したときカメラ８３０で撮影された画像データであり、第２画像データ８１０ｂは、車両８００が第２位置に位置したときカメラ８３０で撮影された画像データである。

第１画像データ８１０ａには第１特徴８１１が含まれ、第２画像データ８１０ｂには第２特徴８１２が含まれ得る。第１特徴８１１と第２特徴８１２は同じ対象物である信号機８２０を示す。

第１特徴８１１と第２特徴８１２は同じ対象物を示すが、車両８００が第１位置から第２位置に移動すると、車両８００と信号機８２０間の相対距離が変わり、これによって車両８００のカメラ８３０で撮影された各画像データ８１０ａ、８１０ｂ内で信号機８２０を示す特徴８１１、８１２の位置及び大きさなどが変わるようになる。

対象物位置決定装置は、車両８００の車線マップ上の位置情報及び画像データ８１０ａ、８１０ｂ上の特徴８１１、８１２位置情報に基づいて、車線マップ上の対象物８２０の位置を決定することができる。

一実施形態において、対象物位置決定装置は、距離測定方式を用いて車線マップ上の対象物８２０の位置を決定することができるが、車線マップ上の対象物８２０の位置を決定する方法はこれに限定されない。

一実施形態において、対象物位置決定装置はカメラ８３０の姿勢値を取得することができる。カメラ８３０の姿勢値は、カメラ８３０の設置位置、設置方向及び設置角度に関する因子を含むことができる。

図８を参照すると、対象物位置決定装置は、カメラ８３０の姿勢値を考慮し、カメラ８３０から出発して画像データ８１０ａ、８１０ｂ上の特徴８１１、８１２を通過する仮想の光線（ｒａｙｓ）が交わる点の位置を決定することができる。

具体的には、車両８００が第１位置から第２位置に走行中であってもよい。第１位置に位置する車両８００のカメラ８３０で撮影された第１画像データ８１０ａには、対象物８２０を示す特徴８１１が表示され、第２位置に位置する車両８００のカメラ８３０で撮影された第２画像データ８１０ｂには、対象物８２０を示す特徴８１２が表示され得る。対象物位置決定装置は、第１位置の車両８００のカメラ８３０から出発して第１画像データ８１０ａ上の特徴８１１を通過する仮想の第１光線８４１と、第２位置の車両８００のカメラ８３０から出発して第２画像データ８１０ｂ上の特徴８１２を通過する仮想の第２光線８４２が互いに交わる点の位置８５０を決定することができる。

対象物位置決定装置は、車両８００の移動距離及び仮想の光線が交わる点の位置に基づいて、車線マップ上の対象物８２０の位置を決定することができる。

具体的には、対象物位置決定装置は、第１光線８４１及び第２光線８４２が交わる点の位置８５０と、車両８００が第１位置から第２位置に移動した距離とを用いて、対象物８２０の車線マップ上の位置を決定することができる。

一実施形態において、対象物位置決定装置は、車両８００の姿勢値をさらに取得することができる。車両８００の姿勢値は、車両８００が走行中の道路の傾斜度、車両８００のタイヤ間の空気圧差及び車両８００の操舵角に関する因子を含むことができる。

対象物位置決定装置は、カメラ８３０の姿勢値及び車両８００の姿勢値を考慮し、カメラ８３０から出発して画像データ８１０ａ、８１０ｂ上の特徴８１１、８１２を通過する仮想の光線（ｒａｙｓ）が交わる点の位置を決定することができる。

図９は、一実施形態に係る複数の走行軌跡を用いて車線マップ上の対象物の位置を決定する方法を説明するための例示的な図である。

図９を参照すると、所定の道路を走行した車両の第１軌跡９１０及び第２軌跡９２０が示されている。図９において、第１－１対象物９１１の位置及び第１－２対象物９２１の位置は、車両が第１軌跡９１０に沿って走行する過程で撮影された複数の画像データに基づいて決定された位置である。また、第２－１対象物９１２の位置及び第２－２対象物９２２の位置は、車両が第２軌跡９２０に沿って走行する過程で撮影された複数の画像データに基づいて決定された位置である。

第１－１対象物９１１及び第１－２対象物９２１は第１グループ対象物と呼び、第２－１対象物９１２及び第２－２対象物９２２は第２グループ対象物と呼ぶことにする。

対象物位置決定装置は、第１グループ対象物を用いて第１グラフを構成し、第２グループ対象物を用いて第２グラフを構成し、第１グラフ及び第２グラフ間の類似度比較を通じて第１グループ対象物と第２グループ対象物において同じ対象物を決定することができる。

具体的には、対象物位置決定装置は、対象物間の相関度を算出するために、車両別または時間別に生成された所定の対象物を対象として、所定の対象物の周辺（例えば、車線から類似の距離及び方向）に同じクラスの対象物が存在する場合、グラフに登録し、位置などに基づいて類似度を計算して最も類似度の高い対象物を同じ対象物であると決定することができる。

対象物位置決定装置は、第１－１対象物９１１の周辺に同じクラスの第１－２対象物９２１が存在する場合、第１－１対象物９１１と第１－２対象物９２１とで第１グラフを構成し、第２－１対象物９１２と第２－２対象物９２２とで第２グラフを構成することができる。対象物位置決定装置は、グラフにおいて各対象物をキー（ｋｅｙ）対象物として類似度を比較することによって、各グラフで同じ対象物が何であるかを決定することができる。

図９において、対象物位置決定装置は、第１－１対象物９１１と第２－１対象物９１２が同じ対象物を示し、第１－２対象物９２１と第２－２対象物９２２とが同じ対象物を示すと決定することができる。

対象物位置決定装置は、同じ対象物と決定された対象物の位置を集約し、各対象物の最終位置を車線マップ９００上に表示することができる。

図９において、対象物位置決定装置は、第１－１対象物９１１と第１－２対象物９２１の位置を集約し、第１－３対象物９３１の位置を最終位置として決定することができる。また、対象物位置決定装置は、第２－１対象物９１２と第２－２対象物９２２の位置を集約し、第２－３対象物９３２の位置を最終位置として決定することができる。

図１０は、一実施形態に係る車線フィッティング及び対象物フィッティング方法を説明するための例示的な図である。

対象物位置決定装置は、車両に接続された位置確認装置を用いて車両の走行軌跡を取得することができる。位置確認装置はＧＰＳであってもよく、以下では位置確認装置としてＧＰＳが用いられることを前提とする。また、対象物位置決定装置は、取得された走行軌跡を車線マップ１０００にマッピングし、走行軌跡を車線マップ１０００に表示することができる。

図１０を参照すると、対象物位置決定装置は、車両に搭載されたＧＰＳを用いて第１走行軌跡１０１１を取得し、これを車線マップ１０００に表示することができる。

一方、様々な原因により車両に搭載されたＧＰＳで受信したＧＰＳ信号は誤差を有し得る。例えば、車両が建物が密集した路地間を通過する場合、ＧＰＳ信号の受信が一時的に不安定になる可能性がある。あるいは、建物のガラス面によって反射される電波のため、車両は誤差を有するＧＰＳ信号を受信する可能性がある。

対象物位置決定装置は、車両の現在の走行車線を決定することができる。現在の走行車線の情報は、特徴情報に含まれる情報であってもよい。

対象物位置決定装置は、車両の現在の走行車線が所定の車線１０３０であると決定することができる。この場合、対象物位置決定装置は、ＧＰＳ信号から取得した第１走行軌跡１０１１が所定の車線１０３０と不一致であると確認することができる。具体的には、対象物位置決定装置は、ＧＰＳ信号から取得した第１走行軌跡１０１１が所定の車線１０３０間の離隔距離を算出し、離隔距離が閾値を超える場合、第１走行軌跡１０１１が所定の車線１０３０と不一致であると決定することができる。これは、車両が現在所定の車線１０３０で走行しているにもかかわらず、ＧＰＳ信号の誤差により第１走行軌跡１０１１と所定の車線１０３０とが不一致となる場合の可能性がある。

対象物位置決定装置は、特徴情報に含まれる現在の走行車線に基づいて、車両の走行軌跡が車線マップ上の車線にフィッティングされるように車線フィッティング（ｌａｎｅ ｆｉｔｔｉｎｇ）を行うことができる。

具体的には、対象物位置決定装置は、車両の走行軌跡と車線マップ上の車線表示線との間の離間距離及び曲率などを考慮して車線フィッティングを行うことができる。対象物位置決定装置は、車両の走行軌跡のうち少なくとも一部は直線移動させ、少なくとも一部の曲率を調整することによって、車両の走行軌跡が現在の走行車線に該当する車線マップ上の車線表示線に一致するように車線フィッティングを行うことができる。

図１０を参照すると、対象物位置決定装置は、車両の第１走行軌跡１０１１の少なくとも一部は直線移動させ、少なくとも一部の曲率を調整して第２走行軌跡１０１２として補正することによって、車線マップ上の所定の車線１０３０にフィッティングされるように車線フィッティングを行うことができる。

一実施形態において、車線マップ１０００に対象物１０２１を表示することができる。対象物位置決定装置は、車線マップ１０００上の対象物の位置が車線フィッティング結果に連動してフィッティングされるように対象物フィッティング（ｏｂｊｅｃｔ ｆｉｔｔｉｎｇ）を行うことができる。

図１０を参照すると、対象物位置決定装置は、車両の第１走行軌跡１０１１が第２走行軌跡１０１２に補正されたのと同じように、第１対象物１０２１の位置を第２対象物１０２２の位置に補正することによって対象物フィッティングを行うことができる。

一方、前記車線フィッティングは、図６～図７で上述した画像集約が完了する前及び／または完了した後に行われ得る。

図１１は、一実施形態に係る車線マップ上の対象物の位置を決定する方法のフローチャートである。

図１１に示す車両の現在の車線を決定する方法は、前述の図面で説明した実施形態に関連するため、以下省略された内容であっても、前述の図面で説明した内容は図１１の方法にも適用することができる。

図１１を参照すると、ステップ１１１０においてプロセッサは、車両に搭載されたカメラで撮影された画像データを取得することができる。

ステップ１１２０において画像データに対して所定の処理を実行することによって、画像データに含まれる複数の特徴の特徴情報を生成することができる。

所定の処理は、画像データから特徴情報を生成することができる処理方式であれば制限なく該当され得る。具体的には、所定の処理は、画像データから対象物種類情報（グループ、クラスなど）、画像データ上の対象物の位置情報、対象物の大きさ情報などを生成することができる処理方式を含むことができる。例えば、所定の処理は、Ｔｒａｆｆｉｃ ｌｉｇｈｔｓ ｄｅｔｅｃｔｉｏｎ（ＤＬＤ）、Ｔｒａｆｆｉｃ ｓｉｇｎｓ ｄｅｔｅｃｔｉｏｎ（ＴＳＤ）、Ｅｇｏ－ｌａｎｅ ｒｅｃｏｇｎｉｔｉｏｎ（ＥＬＲ）、Ｉｎｔｅｒｓｅｃｔｉｏｎ ｒｅｃｏｇｎｉｔｉｏｎ（ＥＬＲ）、Ｒｏａｄ ｍａｒｋｉｎｇｓ ｄｅｔｅｃｔｉｏｎ（ＲＭＤ）、Ｂｕｍｐ ｒｅｃｏｇｎｉｔｉｏｎ（ＢＲ）などのためのモジュールによって具現され得る。

ステップ１１３０において画像データに含まれる複数の特徴間の相関度に基づいて、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定することができる。

プロセッサは、複数の画像データを集約（ａｇｇｒｅｇａｔｉｏｎ）することによって、前記複数の画像データにおいて同じ対象物に該当する複数の特徴を決定することができる。

プロセッサは、グラフ－マッチング（ｇｒａｐｈ－ｍａｔｃｈｉｎｇ）方法を用いて、複数の画像データにおいて同じ対象物を示す複数の特徴を決定することができる。

プロセッサは、第１画像データの第１特徴及び第２画像データの第２特徴を選択し、第１特徴及び第２特徴周辺の他の特徴を探索することができる。プロセッサは、第１特徴周辺の第１隣接特徴（ｎｅｉｇｈｂｏｒ ｆｅａｔｕｒｅ）と類似の属性を有する第２隣接特徴が第２特徴周辺に存在する場合、第１隣接特徴及び第２隣接特徴のそれぞれに対して第１特徴及び第２特徴をキー（ｋｅｙ）特徴とするグラフとして登録することができる。ここで、属性は、クラス（ｃｌａｓｓ）、特徴の縦／横比、距離及び角度のうち少なくとも１つを含むことができる。

プロセッサは、第１特徴周辺の全ての特徴を対象に探索するステップ及び登録するステップを繰り返すことができる。プロセッサは、第１特徴周辺の全ての特徴を対象にグラフ構成を試みた後、特徴の数、登録されたキー特徴の類似度（例えば、大きさ、隣接特徴との大きさ関係など）に基づいて、第１特徴と第２特徴との間の類似度を算出することができる。プロセッサは、第２画像データの第２特徴を除く残りの特徴について、探索するステップ、グラフとして登録するステップ、繰り返すステップ及び類似度を算出するステップを実行することによって、第１画像データの第１特徴と最も類似度が高い第２画像データの第２特徴が、同じ対象物を示すと決定することができる。

プロセッサは、グラフに含まれる特徴は同じ深度（ｄｅｐｔｈ）を有すると決定することができる。

プロセッサは、所定の特徴に対して後処理を実行する場合、同じ深度を有するグラフに含まれる残りの特徴に対しても同じ後処理を実行することができる。

ステップ１１４０においてプロセッサは、車両の車線マップ上の位置情報及び複数の画像データ上の特徴位置情報に基づいて、車線マップ上の対象物の位置を決定することができる。

プロセッサは、車両に接続された位置確認装置を用いて車両の車線マップ上の位置情報を取得することができる。

プロセッサは、車両の車線マップ上の位置情報及び画像データ上の特徴位置情報に基づいて対象物の位置を決定することができる。

プロセッサは、複数の画像データにおいて同じ対象物に該当すると決定された複数の特徴の位置情報を用いて対象物の位置を決定することができる。

一実施形態において、対象物は、信号機、道路標識、道路マーク、現在の走行車線、交差点及びハンプのうち少なくとも１つを含むことができる。

一実施形態において、プロセッサは、車両に接続された位置確認装置を用いて前記車両の走行軌跡を取得することができる。また、プロセッサは、特徴情報に含まれる現在の走行車線に基づいて、車両の走行軌跡が前記車線マップ上の車線にフィッティングされるように車線フィッティング（ｌａｎｅ ｆｉｔｔｉｎｇ）を行うことができる。

一実施形態において、プロセッサは、車線マップ上の対象物の位置が車線フィッティング結果に連動してフィッティングされるように対象物フィッティング（ｏｂｊｅｃｔ ｆｉｔｔｉｎｇ）を行うことができる。

一実施形態において、プロセッサは、所定の道路を走行した車両の第１軌跡から決定された第１グループ対象物の第１位置を車線マップ上に表示することができる。また、プロセッサは、所定の道路を走行した車両の第２軌跡から決定された第２グループ対象物の第２位置を車線マップ上に表示することができる。また、プロセッサは、第１グループ対象物と第２グループ対象物とで同じ対象物を決定し、同じ対象物と決定された対象物の位置を集約して各対象物の最終位置を車線マップ上に表示することができる。

一実施形態において、プロセッサは、前記第１グループ対象物を用いて第１グラフを構成し、第２グループ対象物を用いて第２グラフを構成し、第１グラフ及び第２グラフ間の類似度比較を通じて第１グループ対象物と第２グループ対象物において同じ対象物を決定することができる。

図１２は、一実施形態に係る対象物位置決定装置のブロック図である。

図１２を参照すると、対象物位置決定装置１２００は、通信部１２１０、プロセッサ１２２０及びＤＢ１２３０を含むことができる。図１２の対象物位置決定装置１２００には、実施形態に関する構成要素のみが図示されている。したがって、図１２に図示された構成要素以外に他の汎用的な構成要素がさらに含まれる可能性があるということを当該技術分野の通常の技術者であれば理解できる。また、一実施形態において、対象物位置決定装置１２００は通信部１２１０を含まなくてもよい。

通信部１２１０は、外部サーバまたは外部装置と有線／無線通信ができるようにする１つ以上の構成要素を含むことができる。例えば、通信部１２１０は、近距離通信部（図示せず）、移動通信部（図示せず）及び放送受信部（図示せず）のうち少なくとも１つを含むことができる。

ＤＢ１２３０は、対象物位置決定装置１２００内で処理される各種データを記憶するハードウェアで、プロセッサ１２２０の処理及び制御のためのプログラムを記憶することができる。ＤＢ１２３０は決済情報、ユーザ情報などを記憶することができる。

ＤＢ１２３０は、ＤＲＡＭ（ｄｙｎａｍｉｃ ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、ＳＲＡＭ（ｓｔａｔｉｃ ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）などのＲＡＭ（ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、ＲＯＭ（ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（ｅｌｅｃｔｒｉｃａｌｌｙ ｅｒａｓａｂｌｅ ｐｒｏｇｒａｍｍａｂｌｅ ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）、ＣＤ－ＲＯＭ、ブルーレイまたは他の光学ディスクストレージ、ＨＤＤ（ｈａｒｄ ｄｉｓｋ ｄｒｉｖｅ）、ＳＳＤ（ｓｏｌｉｄ ｓｔａｔｅ ｄｒｉｖｅ）、またはフラッシュメモリを含むことができる。

プロセッサ１２２０は、対象物位置決定装置１２００の全般的な動作を制御する。例えば、プロセッサ１２２０はＤＢ１２３０に記憶されたプログラムを実行することで、入力部（図示せず）、ディスプレイ（図示せず）、通信部１２１０、ＤＢ１２３０などを全般的に制御することができる。プロセッサ１２２０は、ＤＢ１２３０に記憶されたプログラムを実行することで、対象物位置決定装置１２００の動作を制御することができる。

プロセッサ１２２０は、図１～図１１で上述した対象物位置決定装置の動作のうち少なくとも一部を制御することができる。

プロセッサ１２２０は、ＡＳＩＣｓ（ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔｓ）、ＤＳＰｓ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒｓ）、ＤＳＰＤｓ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｉｎｇ ｄｅｖｉｃｅｓ）、ＰＬＤｓ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｄｅｖｉｃｅｓ）、ＦＰＧＡｓ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙｓ）、制御機（ｃｏｎｔｒｏｌｌｅｒｓ）、マイクロコントローラ（ｍｉｃｒｏ－ｃｏｎｔｒｏｌｌｅｒｓ）、マイクロプロセッサ（ｍｉｃｒｏｐｒｏｃｅｓｓｏｒｓ）、その他の機能実行のための電気的ユニットのうち少なくとも一つを利用して具現され得る。

一実施形態として、対象物位置決定装置１２００は、移動性を有する電子装置であることができる。例えば、交通情報提供装置８００はスマートフォン、タブレットＰＣ、ＰＣ、スマートＴＶ、ＰＤＡ（ｐｅｒｓｏｎａｌ ｄｉｇｉｔａｌ ａｓｓｉｓｔａｎｔ）、ラップトップ、メディアプレーヤー、ナビゲーション、カメラが搭載されたデバイス及びその他のモバイル電子装置で具現され得る。また、対象物位置決定装置１２００は通信機能及びデータプロセッシング機能を備えた時計、眼鏡、ヘアバンド及び指輪などのウェアラブル装置で具現され得る。

他の実施形態として、対象物位置決定装置１２００は、車両内に埋め込まれる電子装置であってもよい。例えば、対象物位置決定装置１２００は、生産過程後、チューニング（ｔｕｎｉｎｇ）を通じて車両内に挿入される電子装置であってもよい。

また他の実施形態として、対象物位置決定装置１２００は、車両の外部に位置するサーバであってもよい。サーバはネットワークを介して通信し、命令、コード、ファイル、コンテンツ、サービスなどを提供するコンピュータ装置または複数のコンピュータ装置で具現され得る。サーバは車両に搭載された装置から車両の移動経路を決定するために必要なデータを受信し、受信したデータに基づいて車両の移動経路を決定することができる。

また別の実施形態として、対象物位置決定装置１２００で実行されるプロセスは、移動性を有する電子装置、車両内に埋め込まれる電子装置及び車両の外部に位置するサーバのうち少なくとも一部によって実行され得る。

本発明に係る実施形態は、コンピュータ上で様々な構成要素を介して実行することができるコンピュータプログラムの形態で実装され得、そのようなコンピュータプログラムはコンピュータで読み取り可能な媒体に記録され得る。このとき、媒体は、ハードディスク、フロッピーディスク及び磁気テープなどの磁気媒体、ＣＤ－ＲＯＭ及びＤＶＤなどの光記録媒体、フロプティカルディスク（ｆｌｏｐｔｉｃａｌ ｄｉｓｋ）などの光磁気記録媒体（ｍａｇｎｅｔｏ－ｏｐｔｉｃａｌ ｍｅｄｉｕｍ）、及びＲＯＭ、ＲＡＭ、フラッシュメモリなどのようなプログラム命令語を記憶及び実行するように特別に構成されたハードウェア装置を含むことができる。

一方、前記コンピュータプログラムは、本発明のために特別に設計及び構成されているか、コンピュータソフトウェア分野の当業者に公知され使用可能なものであってもよい。コンピュータプログラムの例には、コンパイラによって作成されるような機械語コードだけでなく、インタプリタなどを使用し、コンピュータによって実行され得る高級言語コードも含まれ得る。

一実施形態によれば、本開示の様々な実施形態に係る方法は、コンピュータプログラム製品（ｃｏｍｐｕｔｅｒ ｐｒｏｇｒａｍ ｐｒｏｄｕｃｔ）に含まれて提供され得る。コンピュータプログラム製品は、商品として販売者及び購入者の間で取引され得る。コンピュータプログラム製品は、デバイスで読み取り可能な記憶媒体（例えば、ｃｏｍｐａｃｔ ｄｉｓｃ ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ（ＣＤ－ＲＯＭ））の形態で配布されるか、またはアプリケーションストア（例えば、プレイストア（商標））を介して、または２つのユーザ装置間で直接、オンラインで配布（例えば、ダウンロードまたはアップロード）され得る。オンライン配布の場合、コンピュータプログラム製品の少なくとも一部は、製造元のサーバ、アプリケーションストアのサーバ、または中継サーバのメモリなどの機器で読み取ることができる記憶媒体に少なくとも一時的に記憶されるか、一時的に生成され得る。

本発明に係る方法を構成するステップについて明らかに順序を記載したり反したりする記載がない場合、前記ステップは適当な順序で行われ得る。必ずしも前記ステップの記載順序に従って本発明が限定されるものではない。本発明において、すべての例または例示的な用語（例えば、等）の使用は、単に本発明を詳細に説明するためのものであり、特許請求の範囲によって限定されない限り、前記の例または例示的な用語によって本発明の範囲が限定されるものではない。さらに、当業者は、様々な修正、組み合わせ及び変更が追加された特許請求の範囲またはその均等物の範囲内で設計条件及び要因によって構成され得ることを理解するであろう。

したがって、本発明の思想は、前記説明した実施形態に限定されて決められてはならず、後述する特許請求の範囲のみならず、この特許請求の範囲と均等またはこれから等価的に変更された全ての範囲は、本発明の思想の範疇に属するとするといえるだろう。

Claims (13)

1. 車線マップ上の対象物の位置を決定する方法において、
   車両に搭載されたカメラで撮影された画像データを取得するステップと、
   前記画像データに対して所定の処理を実行することによって、前記画像データに含まれる複数の特徴の特徴情報（ｆｅａｔｕｒｅ ｉｎｆｏｒｍａｔｉｏｎ）を生成するステップと、
   前記画像データに含まれる前記複数の特徴間の相関度に基づいて、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定するステップと、
   前記車両の車線マップ上の位置情報及び前記複数の画像データ上の特徴位置情報に基づいて、前記車線マップ上の対象物の位置を決定するステップと
   を含む、方法。
2. 前記対象物は、信号機、道路標識、道路マーク及びハンプのうち少なくとも１つを含む、請求項１に記載の方法。
3. 前記同じ対象物に該当する複数の特徴を決定するステップは、
   複数の画像データ内の特徴を集約（ａｇｇｒｅｇａｔｉｏｎ）することによって、前記複数の画像データにおいて同じ対象物に該当する複数の特徴を決定するステップ
   を含む、請求項１に記載の方法。
4. 前記同じ対象物に該当する複数の特徴を決定するステップは、
   グラフ－マッチング（ｇｒａｐｈ－ｍａｔｃｈｉｎｇ）方法を用いて、複数の画像データにおいて同じ対象物を示す複数の特徴を決定するステップ
   を含む、請求項１に記載の方法。
5. 第１画像データの第１特徴及び第２画像データの第２特徴を選択するステップと、
   前記第１特徴及び前記第２特徴周辺の他の特徴を探索するステップと、
   前記第１特徴周辺の第１隣接特徴（ｎｅｉｇｈｂｏｒ ｆｅａｔｕｒｅ）と類似の属性を有する第２隣接特徴が前記第２特徴周辺に存在する場合、前記第１隣接特徴及び前記第２隣接特徴のそれぞれに対して前記第１特徴及び前記第２特徴をキー（ｋｅｙ）特徴とするグラフとして登録するステップと、
   前記第１特徴周辺の全ての特徴を対象として前記探索するステップ及び前記登録するステップを繰り返すステップと、
   前記第１特徴周辺の全ての特徴を対象としてグラフ構成を試みた後、特徴の数、登録されたキー特徴の類似度に基づいて、前記第１特徴と前記第２特徴との間の類似度を算出するステップと、
   前記第２画像データの前記第２特徴を除いた残りの特徴に対し、前記探索するステップ、前記グラフとして登録するステップ、前記繰り返すステップ及び前記類似度を算出するステップを実行することによって、前記第１画像データの前記第１特徴と最も類似度が高い前記第２画像データの前記第２特徴が同じ対象物を示すと決定するステップと
   を含む、請求項４に記載の方法。
6. 前記方法は、
   前記グラフに含まれる特徴は、同じ深度（ｄｅｐｔｈ）を有すると決定するステップ
   をさらに含む、請求項５に記載の方法。
7. 前記方法は、
   所定の特徴に対して後処理を実行する場合、同じ深度を有する前記グラフに含まれる残りの特徴に対しても同じ後処理を実行するステップ
   を含む、請求項６に記載の方法。
8. 前記属性は、クラス（ｃｌａｓｓ）、特徴の縦／横比、距離及び角度のうち少なくとも１つを含む、請求項５に記載の方法。
9. 前記方法は、
   前記車両に接続された位置確認装置を用いて前記車両の前記車線マップ上の位置情報を取得するステップ
   をさらに含む、請求項１に記載の方法。
10. 前記方法は、
    所定の道路を走行した車両の第１軌跡から決定された第１グループ対象物の第１位置を前記車線マップ上に表示するステップと、
    前記所定の道路を走行した車両の第２軌跡から決定された第２グループ対象物の第２位置を前記車線マップ上に表示するステップと、
    前記第１グループ対象物と前記第２グループ対象物とで同じ対象物を決定し、前記同じ対象物と決定された対象物の位置を集約して各対象物の最終位置を前記車線マップ上に表示するステップと
    をさらに含む、請求項１に記載の方法。
11. 前記各対象物の最終位置を前記車線マップ上に表示するステップは、
    前記第１グループ対象物を用いて第１グラフを構成し、前記第２グループ対象物を用いて第２グラフを構成し、前記第１グラフ及び前記第２グラフ間の類似度比較を通じて前記第１グループ対象物と前記第２グループ対象物において同じ対象物を決定するステップ
    を含む、請求項１０に記載の方法。
12. 車線マップ上の対象物の位置を決定するための装置において、
    少なくとも１つのプログラムが記憶されたメモリと、
    前記少なくとも１つのプログラムを実行することによって演算を実行するプロセッサとを含み、
    前記プロセッサは、
    車両に搭載されたカメラで撮影された画像データを取得し、
    前記画像データに対して所定の処理を実行することによって、前記画像データに含まれる複数の特徴の特徴情報（ｆｅａｔｕｒｅ ｉｎｆｏｒｍａｔｉｏｎ）を生成し、
    前記画像データに含まれる前記複数の特徴間の相関度に基づいて、複数の画像データにおいて同じ対象物に該当する複数の特徴を決定し、
    前記車両の車線マップ上の位置情報及び前記複数の画像データ上の特徴位置情報に基づいて、前記車線マップ上の対象物の位置を決定する、装置。
13. 請求項１に記載の方法をコンピュータで実行するためのプログラムを記録したコンピュータで読み取り可能な記録媒体。

Images