KR102352360B1 - 운전자의 시선에 기반한 장애물 후보들에 대한 분석 우선순위를 이용하여 장애물을 분석하는 방법 및 시스템 - Google Patents

운전자의 시선에 기반한 장애물 후보들에 대한 분석 우선순위를 이용하여 장애물을 분석하는 방법 및 시스템 Download PDF

Info

Publication number
KR102352360B1
KR102352360B1 KR1020200031358A KR20200031358A KR102352360B1 KR 102352360 B1 KR102352360 B1 KR 102352360B1 KR 1020200031358 A KR1020200031358 A KR 1020200031358A KR 20200031358 A KR20200031358 A KR 20200031358A KR 102352360 B1 KR102352360 B1 KR 102352360B1
Authority
KR
South Korea
Prior art keywords
obstacle
obstacle candidate
driver
analysis
vehicle
Prior art date
Application number
KR1020200031358A
Other languages
English (en)
Other versions
KR20210115493A (ko
Inventor
김선우
도상현
이재복
Original Assignee
한양대학교 산학협력단
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 한양대학교 산학협력단 filed Critical 한양대학교 산학협력단
Priority to KR1020200031358A priority Critical patent/KR102352360B1/ko
Publication of KR20210115493A publication Critical patent/KR20210115493A/ko
Application granted granted Critical
Publication of KR102352360B1 publication Critical patent/KR102352360B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0062—Adapting control system settings
    • B60W2050/0075—Automatic parameter input, automatic initialising or calibrating means
    • B60W2050/009—Priority selection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B60W2420/42—
    • B60W2420/52—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/225—Direction of gaze
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/50—Barriers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/08—Predicting or avoiding probable or impending collision

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Mechanical Engineering (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Transportation (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Electromagnetism (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Traffic Control Systems (AREA)

Abstract

운전자의 시선에 미치지 않는 방향의 장애물 후보들에 대해 먼저 이미지 데이터들을 획득하여 분석함으로써, 운전자의 시선에 따른 장애물 후보들의 분석 우선순위의 부여하고, 부여된 분석 우선순위에 따라 장애물 후보들을 분석할 수 있는 장애물 분석 방법 및 시스템을 제공한다.

Description

운전자의 시선에 기반한 장애물 후보들에 대한 분석 우선순위를 이용하여 장애물을 분석하는 방법 및 시스템{METHOD AND SYSTEM FOR ANALYSING OBSTACLE USING ANALYSIS PRIORITY FOR OBSTACLE CANDIDATE BASED ON ATTENTION OF DRIVER}
아래의 설명은 운전자의 시선에 기반한 장애물 후보들에 대한 분석 우선순위를 이용하여 장애물을 분석하는 방법 및 시스템에 관한 것이다.
운전자가 탑승하여 주행하는 일반 차량에는 운전미숙, 부주의 등의 원인으로 보행자 및 장애물과의 충돌을 방지하기 위하여, 센서를 이용하여 외부 환경을 인지하고 충돌 위험을 운전자에게 경고하거나 능동적으로 감속하는 기술이 적용되고 있다.
또한, 차량 주행시 충돌에 대한 경고만으로도 운전자가 빠르게 반응하여 충돌을 방지할 수 있으며, 능동적인 반응까지 적용되어 안전 주행에 큰 도움이 되고 있다. 일반 차량의 경우 모든 물체와의 충돌을 방지해야 하기 때문에 운전자의 의도와 관계없이 수동/능동적인 개입이 안전 운전에 도움이 된다.
[선행문헌번호]
한국등록특허 제10-1628176호
운전자의 시선에 미치지 않는 방향의 장애물 후보들에 대해 먼저 이미지 데이터들을 획득하여 분석함으로써, 운전자의 시선에 따른 장애물 후보들의 분석 우선순위의 부여하고, 부여된 분석 우선순위에 따라 장애물 후보들을 분석할 수 있는 장애물 분석 방법 및 시스템을 제공한다.
차량에 포함된 컴퓨터 장치가 수행하는 장애물 분석 방법에 있어서, 상기 컴퓨터 장치가 포함하는 적어도 하나의 프로세서에 의해, 운전자의 주시 방향을 결정하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 차량의 레이더로부터 수집된 포인트 클라우드 데이터를 이용하여 장애물 후보를 선정하는 단계; 상기 적어도 하나의 프로세서에 의해, 상기 운전자의 주시 방향 및 상기 선정된 장애물 후보의 위치에 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하는 단계; 및 상기 적어도 하나의 프로세서에 의해, 상기 차량의 카메라로부터 수집된 이미지 데이터에서 상기 선정된 장애물 후보의 위치에 대응하는 장애물 후보 이미지 데이터를 상기 결정된 분석 우선순위에 따라 획득하여 순차적으로 분석하는 단계를 포함하는 장애물 분석 방법을 제공한다.
일측에 따르면, 상기 분석 우선순위를 결정하는 단계는, 상기 운전자의 주시 방향 및 상기 선정된 장애물 후보의 위치에 따라 결정되는 방향간의 각도가 클수록 상기 선정된 장애물 후보에 대해 상대적으로 더 높은 분석 우선순위를 부여하는 것을 특징으로 할 수 있다.
다른 측면에 따르면, 상기 분석 우선순위를 결정하는 단계는, 상기 차량과 상기 선정된 장애물 후보의 위치에 따라 결정되는 거리에 더 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 분석 우선순위를 결정하는 단계는, 상기 차량의 진행 방향에 더 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 분석하는 단계는, 상기 수집된 이미지 데이터에서 상기 분석 우선순위가 상대적으로 더 높은 장애물 후보의 위치에 대응하는 장애물 후보 이미지 데이터를 상기 수집된 이미지 데이터에서 먼저 획득하여 분석하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 장애물 후보를 선정하는 단계는, 포인트 클라우드 데이터로 구성된 학습 데이터를 이용하여 입력되는 포인트 클라우드 데이터에 대한 장애물 후보를 선정하도록 학습된 기계 학습 모듈에 상기 수집된 포인트 클라우드 데이터를 입력하여 장애물 후보를 선정하는 것을 특징으로 할 수 있다.
또 다른 측면에 따르면, 상기 운전자의 주시 방향을 결정하는 단계는, 상기 차량의 내부에 포함된 카메라를 통해 획득한 영상으로부터 상기 운전자의 주시점을 검출하여 상기 검출한 주시점에 따라 상기 운전자의 주시 방향을 결정하는 것을 특징으로 할 수 있다.
컴퓨터 장치와 결합되어 상기 방법을 컴퓨터 장치에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공한다.
상기 방법을 컴퓨터 장치에 실행시키기 위한 프로그램이 기록되어 있는 컴퓨터 판독 가능한 기록매체를 제공한다.
차량에 포함된 컴퓨터 장치에 있어서, 컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서를 포함하고, 상기 적어도 하나의 프로세서에 의해, 운전자의 주시 방향을 결정하고, 상기 차량의 레이더로부터 수집된 포인트 클라우드 데이터를 이용하여 장애물 후보를 선정하고, 상기 운전자의 주시 방향 및 상기 선정된 장애물 후보의 위치에 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하고, 상기 적어도 하나의 프로세서에 의해, 상기 차량의 카메라로부터 수집된 이미지 데이터에서 상기 선정된 장애물 후보의 위치에 대응하는 장애물 후보 이미지 데이터를 상기 결정된 분석 우선순위에 따라 획득하여 순차적으로 분석하는 것을 특징으로 하는 컴퓨터 장치를 제공한다.
운전자의 시선에 미치지 않는 방향의 장애물 후보들에 대해 먼저 이미지 데이터들을 획득하여 분석함으로써, 운전자의 시선에 따른 장애물 후보들의 분석 우선순위의 부여하고, 부여된 분석 우선순위에 따라 장애물 후보들을 분석할 수 있다.
도 1은 본 발명의 일실시예에 따른 주행 환경의 예를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다.
도 3은 본 발명의 일실시예에 따른 장애물 분석 방법의 예를 도시한 흐름도이다.
도 4는 본 발명의 일실시예에 있어서, 차량과 선정된 장애물 후보의 위치에 따라 결정되는 거리를 활용하는 예를 도시한 도면이다.
도 5는 본 발명의 일실시예에 있어서, 차량의 주행 방향을 활용하는 예를 도시한 도면이다.
이하, 실시예를 첨부한 도면을 참조하여 상세히 설명한다.
본 발명의 실시예들에 따른 장애물 분석 시스템은 차량에 포함된 적어도 하나의 컴퓨터 장치를 포함할 수 있으며, 본 발명의 실시예들에 따른 장애물 분석 방법은 장애물 분석 시스템에 포함된 적어도 하나의 컴퓨터 장치를 통해 수행될 수 있다. 이때, 컴퓨터 장치에는 본 발명의 일실시예에 따른 컴퓨터 프로그램이 설치 및 구동될 수 있고, 컴퓨터 장치는 구동된 컴퓨터 프로그램의 제어에 따라 본 발명의 실시예들에 따른 장애물 분석 방법을 수행할 수 있다. 상술한 컴퓨터 프로그램은 컴퓨터 장치와 결합되어 장애물 분석 방법을 컴퓨터에 실행시키기 위해 컴퓨터 판독 가능한 기록매체에 저장될 수 있다.
도 1은 본 발명의 일실시예에 따른 주행 환경의 예를 도시한 도면이다. 도 1은 차량(110)과 장애물들(120, 130 및 140)을 나타내고 있다. 이때, 운전자의 주시 방향(111)에 따른 시야(112)는 한정되어 있기 때문에 이러한 장애물들(120, 130 및 140)을 동시에 살펴보기 어렵다. 예를 들어, 도 1의 실시예에서, 장애물 1(120)과 장애물 2(130)는 운전자의 시야(112)에 포함될 가능성이 높으며, 이에 따라 운전자가 직접 장애물 1(120) 및 장애물 2(130)에 대응할 가능성이 높은 반면, 장애물 3(140)은 운전자의 시야(112)에서 벗어나 있기 때문에, 운전자가 직접 대응하기 어려울 수 있다.
본 실시예에서 차량에 포함된 컴퓨터 장치는 기본적으로 모든 장애물들에 대한 탐지 및 대응을 진행할 수 있으나, 더 위험한 장애물을 보다 빠르게 인지하여 대응하기 위해, 운전자의 시선을 활용할 수 있다. 예를 들어, 차량에 포함된 컴퓨터 장치는 운전자의 주시 방향(111)과 장애물들(120, 130 및 140)의 위치에 기반하여 결정되는 장애물들(120, 130 및 140)의 방향들(121, 131 및 141)에 기반하여 장애물들(120, 130 및 140) 각각에 대한 분석 우선순위를 결정할 수 있으며, 이러한 분석 우선순위에 따라 순차적으로 장애물들(120, 130 및 140)을 분석할 수 있다. 예를 들어, 장애물들(120, 130 및 140) 중 장애물 3(140)의 분석 우선순위가 가장 높게 결정되는 경우, 차량에 포함된 컴퓨터 장치는 장애물 3(140)을 가장 먼저 분석할 수 있다. 이처럼, 본 실시예에 따른 컴퓨터 장치는 분석 우선순위에 따라 순차적으로 장애물 후보들을 분석함으로써, 상대적으로 더 위험한 장애물을 상대적으로 더 빠르게 인지하여 대응할 수 있다.
도 2는 본 발명의 일실시예에 따른 컴퓨터 장치의 예를 도시한 블록도이다. 일례로, 앞서 설명한 차량에 포함된 컴퓨터 장치가 도 2를 통해 도시된 컴퓨터 장치(200)에 대응될 수 있다. 이러한 컴퓨터 장치(200)는 도 2에 도시된 바와 같이, 메모리(210), 프로세서(220), 통신 인터페이스(230) 그리고 입출력 인터페이스(240)를 포함할 수 있다.
메모리(210)는 컴퓨터에서 판독 가능한 기록매체로서, RAM(random access memory), ROM(read only memory) 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치(permanent mass storage device)를 포함할 수 있다. 여기서 ROM과 디스크 드라이브와 같은 비소멸성 대용량 기록장치는 메모리(210)와는 구분되는 별도의 영구 저장 장치로서 컴퓨터 장치(200)에 포함될 수도 있다. 또한, 메모리(210)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 메모리(210)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 메모리(210)로 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 실시예에서 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 인터페이스(230)를 통해 메모리(210)에 로딩될 수도 있다. 예를 들어, 소프트웨어 구성요소들은 네트워크(260)를 통해 수신되는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 컴퓨터 장치(200)의 메모리(210)에 로딩될 수 있다.
프로세서(220)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(210) 또는 통신 인터페이스(230)에 의해 프로세서(220)로 제공될 수 있다. 예를 들어 프로세서(220)는 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.
통신 인터페이스(230)는 네트워크(260)를 통해 컴퓨터 장치(200)가 다른 장치와 서로 통신하기 위한 기능을 제공할 수 있다. 일례로, 컴퓨터 장치(200)의 프로세서(220)가 메모리(210)와 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청이나 명령, 데이터, 파일 등이 통신 인터페이스(230)의 제어에 따라 네트워크(260)를 통해 다른 장치들로 전달될 수 있다. 역으로, 다른 장치로부터의 신호나 명령, 데이터, 파일 등이 네트워크(260)를 거쳐 컴퓨터 장치(200)의 통신 인터페이스(230)를 통해 컴퓨터 장치(200)로 수신될 수 있다. 통신 인터페이스(230)를 통해 수신된 신호나 명령, 데이터 등은 프로세서(220)나 메모리(210)로 전달될 수 있고, 파일 등은 컴퓨터 장치(200)가 더 포함할 수 있는 저장 매체(상술한 영구 저장 장치)로 저장될 수 있다.
입출력 인터페이스(240)는 입출력 장치(250)와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 입력 장치는 마이크, 키보드 또는 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커와 같은 장치를 포함할 수 있다. 다른 예로 입출력 인터페이스(240)는 터치스크린과 같이 입력과 출력을 위한 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수도 있다. 입출력 장치(250) 중 적어도 하나는 컴퓨터 장치(200)와 하나의 장치로 구성될 수도 있다. 예를 들어, 스마트폰이나 내비게이션과 같이 터치스크린, 마이크, 스피커 등이 컴퓨터 장치(200)에 포함된 형태로 구현될 수 있다.
또한, 다른 실시예들에서 컴퓨터 장치(200)는 도 2의 구성요소들보다 더 적은 혹은 더 많은 구성요소들을 포함할 수도 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 예를 들어, 컴퓨터 장치(200)는 상술한 입출력 장치(250) 중 적어도 일부를 포함하도록 구현되거나 또는 트랜시버(transceiver), 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수도 있다.
도 3은 본 발명의 일실시예에 따른 장애물 분석 방법의 예를 도시한 흐름도이다. 본 실시예에 따른 장애물 분석 방법은 컴퓨터 장치(200)에 의해 수행될 수 있다. 이때, 컴퓨터 장치(200)의 프로세서(220)는 메모리(210)가 포함하는 운영체제의 코드나 적어도 하나의 컴퓨터 프로그램의 코드에 따른 제어 명령(instruction)을 실행하도록 구현될 수 있다. 여기서, 프로세서(220)는 컴퓨터 장치(200)에 저장된 코드가 제공하는 제어 명령에 따라 컴퓨터 장치(200)가 도 3의 방법이 포함하는 단계들(310 내지 340)을 수행하도록 컴퓨터 장치(200)를 제어할 수 있다.
단계(310)에서 컴퓨터 장치(200)는 운전자의 주시 방향을 결정할 수 있다. 일례로, 컴퓨터 장치(200)는 차량의 내부에 포함된 카메라를 통해 획득한 영상으로부터 운전자의 주시점을 검출하여 검출한 주시점에 따라 운전자의 주시 방향을 결정할 수 있다. 이러한 카메라는 차량 자체가 포함하는 카메라일 수도 있으나, 스마트폰, 내비게이션 및/또는 블랙박스 장치 등과 같이 컴퓨터 장치(200)에 연결되는 별도의 장치가 포함하는 카메라일 수도 있다. 운전자의 얼굴을 인식하고, 인식된 얼굴에 따라 운전자의 주시 방향을 결정하는 기술은 이미 잘 알려진 기술들을 활용할 수 있다.
단계(320)에서 컴퓨터 장치(200)는 차량의 레이더로부터 수집된 포인트 클라우드 데이터를 이용하여 장애물 후보를 선정할 수 있다. 레이더는 마이크로파(극초단파, 10cm~100cm 파장) 정도의 전자기파나 레이저를 물체에 발사시켜 그 물체에서 반사되는 전자기파나 레이저를 수신하여 물체와의 거리, 방향, 고도 등을 알아내는 무선감시장치일 수 있다. 전자기파나 레이저의 진행 방향에 장애물이 위치하는 경우, 장애물이 위치하는 영역에 의해 반사되는 전자기파나 레이저에 의해 레이더는 다수의 포인트들이 클라우드를 형성하는 데이터(이하, '포인트 클라우드 데이터')를 얻게 된다. 다시 말해, 컴퓨터 장치(200)는 포인트 클라우드 데이터를 형성하는 위치에 장애물 후보가 존재함을 인식할 수 있게 된다. 이를 위해, 컴퓨터 장치(200)는 포인트 클라우드 데이터로 구성된 학습 데이터를 이용하여 입력되는 포인트 클라우드 데이터에 대한 장애물 후보를 선정하도록 학습된 기계 학습 모듈을 활용할 수 있다. 이 경우, 컴퓨터 장치(200)는 레이더를 통해 수집된 포인트 클라우드 데이터를 기계 학습 모듈에 입력하여 장애물 후보를 선정할 수 있게 된다. 이러한 기계 학습 모듈은 DNN(Deep Neural Network), CNN(Convolutional Neural Network) 또는 RNN(Recurrent Neural Network)과 같은 신경망에 기반하거나 또는 SVM(Support Vector Machine)과 같은 분류 모델에 기반할 수 있다.
단계(330)에서 컴퓨터 장치(200)는 운전자의 주시 방향 및 선정된 장애물 후보의 위치에 기반하여 선정된 장애물 후보에 대한 분석 우선순위를 결정할 수 있다. 예를 들어, 컴퓨터 장치(200)는 운전자의 주시 방향 및 선정된 장애물 후보의 위치에 따라 결정되는 방향간의 각도에 기반하여 선정된 장애물 후보에 대한 분석 우선순위를 결정할 수 있다. 보다 구체적인 예로, 컴퓨터 장치(200)는 운전자의 주시 방향 및 선정된 장애물 후보의 위치에 따라 결정되는 방향간의 각도가 클수록 선정된 장애물 후보에 대해 상대적으로 더 높은 분석 우선순위를 부여할 수 있다. 상술한 각도가 클수록 해당 장애물 후보는 운전자의 시야에서 벗어나 있을 확률이 높으며, 따라서 상대적으로 더 위험한 장애물일 가능성이 존재한다. 이에, 컴퓨터 장치(200)는 이러한 장애물 후보에 더 높은 분석 우선순위를 부여하여 해당 장애물 후보가 더 빠르게 분석되도록 할 수 있다.
다른 실시예에서, 컴퓨터 장치(200)는 차량과 선정된 장애물 후보의 위치에 따라 결정되는 거리에 더 기반하여 선정된 장애물 후보에 대한 분석 우선순위를 결정할 수 있다. 예를 들어, 운전자의 주시 방향 및 선정된 장애물 후보의 위치에 따라 결정되는 방향간의 각도가 동일/유사한 두 장애물 후보들에 대해서는 거리가 더 가까운 장애물 후보에 상대적으로 더 높은 분석 우선순위가 부여될 수 있다. 보다 구체적인 예로, 각도에 따른 스코어와 거리에 따른 스코어가 합산된 가중치에 따라 분석 유선순위가 부여될 수 있다.
또 다른 실시예에서, 컴퓨터 장치(200)는 차량의 진행 방향에 더 기반하여 선정된 장애물 후보에 대한 분석 우선순위를 결정할 수 있다. 차량의 진행 방향과 무관한 장애물 후보의 경우에는 상대적으로 분석 우선순위를 낮게 부여할 수 있다. 보다 구체적인 예로, 각도에 따른 스코어와 거리에 따른 스코어, 그리고 차량의 진행 방향과 장애물 후보의 위치에 따른 스코어가 합산된 가중치에 따라 분석 유선순위가 부여될 수 있다.
단계(340)에서 컴퓨터 장치(200)는 차량의 카메라로부터 수집된 이미지 데이터에서 선정된 장애물 후보의 위치에 대응하는 장애물 후보 이미지 데이터를 결정된 분석 우선순위에 따라 획득하여 순차적으로 분석할 수 있다. 이때, 컴퓨터 장치(200)는 수집된 이미지 데이터에서 분석 우선순위가 높은 장애물 후보의 위치에 대응하는 장애물 후보 이미지 데이터를 수집된 이미지 데이터에서 먼저 획득하여 분석할 수 있다. 예를 들어, 레이더로부터 수집된 포인트 클라우드 데이터만으로는 장애물의 종류나 장애물의 위치 및 크기 등을 정확하게 분석하기 어렵기 때문에, 카메라로부터 수집되는 이미지 데이터가 더 활용될 수 있다. 이 경우, 이미지 데이터에서 정확한 장애물을 인식하는 것은 일정 시간이 요구되기 때문에 컴퓨터 장치(200)는 이러한 운전자의 시선에 기반한 분석 우선순위에 따라 순차적으로 장애물 후보들을 분석함으로써 상대적으로 더 위험한 장애물을 상대적으로 더 빠르게 인지하여 대응할 수 있게 된다.
도 4는 본 발명의 일실시예에 있어서, 차량과 선정된 장애물 후보의 위치에 따라 결정되는 거리를 활용하는 예를 도시한 도면이다. 도 4는 차량(110)과 장애물 A(410) 및 장애물 B(420)를 나타내고 있다. 이때, 운전자의 주시 방향(111)과 장애물 A(410)의 위치에 따라 결정되는 방향(411)간의 제1 각도, 그리고 운전자의 주시 방향(111)과 장애물 B(420)의 위치에 따라 결정되는 방향(421)간의 제2 각도만을 고려하는 경우, 장애물 B(420)에 더 높은 분석 우선순위가 결정될 수 있다. 그러나, 본 실시예에서는 장애물 A(410)가 장애물 B(420)보다 더 가까이에 존재하기 때문에 장애물 A(410)를 먼저 분석해야 할 필요성이 존재한다. 이에 앞서 설명한 컴퓨터 장치(200)는 각도에 따른 스코어와 거리에 따른 스코어를 각각 산출한 후 합산하여 합산된 스코어에 따른 가중치에 따라 장애물 A(410) 및 장애물 B(420) 각각의 분석 우선순위를 결정할 수 있다. 다시 말해, 운전자의 주시 방향(111)에 대해 상대적으로 더 큰 각도에 위치하는 장애물 B(420)보다 차량(110)에 상대적으로 더 가까운 장애물 A(410)가 더 높은 분석 우선순위를 가질 수도 있게 된다.
도 5는 본 발명의 일실시예에 있어서, 차량의 주행 방향을 활용하는 예를 도시한 도면이다. 도 5는 차량(110)과 장애물 a(510) 및 장애물 b(520)를 나타내고 있다. 차량(110)과 장애물 a(510)간의 거리, 그리고 차량(110)과 장애물 b(520)간의 거리는 동일하다고 가정한다. 이 경우, 운전자의 주시 방향(111)과 장애물 a(510)의 위치에 따라 결정되는 방향(511)간의 제1 각도, 그리고 운전자의 주시 방향(111)과 장애물 b(520)의 위치에 따라 결정되는 방향(521)간의 제2 각도만을 고려하는 경우, 장애물 b(520)에 더 높은 분석 우선순위가 결정될 수 있다. 그러나, 본 실시예에서는 차량(110)의 진행 방향(530)에 장애물 a(510)가 존재하기 때문에 장애물 a(510)를 먼저 분석해야 할 필요성이 존재한다. 이에 앞서 설명한 컴퓨터 장치(200)는 각도에 따른 스코어, 그리고 차량의 진행 방향(530)과의 장애물들(510 및 520) 각각의 위치에 따른 스코어를 각각 산출한 후 합산하여 합산된 스코어에 따른 가중치에 따라 장애물 a(510) 및 장애물 b(520) 각각의 분석 우선순위를 결정할 수 있다. 다시 말해, 운전자의 주시 방향(111)에 대해 상대적으로 더 큰 각도에 위치하는 장애물 b(520)보다 차량(110)의 진행 방향(530)과 관련성이 더 높은 장애물 a(510)가 더 높은 분석 우선순위를 가질 수도 있게 된다.
이와 같이, 본 발명의 실시예들에 따르면, 운전자의 시선에 미치지 않는 방향의 장애물 후보들에 대해 먼저 이미지 데이터들을 획득하여 분석함으로써, 운전자의 시선에 따른 장애물 후보들의 분석 우선순위의 부여하고, 부여된 분석 우선순위에 따라 장애물 후보들을 분석할 수 있다.
이상에서 설명된 시스템 또는 장치는 하드웨어 구성요소, 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (15)

  1. 차량에 포함된 컴퓨터 장치가 수행하는 장애물 분석 방법에 있어서,
    상기 컴퓨터 장치가 포함하는 적어도 하나의 프로세서에 의해, 운전자의 주시 방향을 결정하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 차량의 레이더로부터 수집된 포인트 클라우드 데이터를 이용하여 장애물 후보를 선정하는 단계;
    상기 적어도 하나의 프로세서에 의해, 상기 운전자의 주시 방향 및 상기 선정된 장애물 후보의 위치에 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하는 단계; 및
    상기 적어도 하나의 프로세서에 의해, 상기 차량의 카메라로부터 수집된 이미지 데이터에서 상기 선정된 장애물 후보의 위치에 대응하는 장애물 후보 이미지 데이터를 상기 결정된 분석 우선순위에 따라 획득하여 순차적으로 분석하되, 상기 분석 우선순위가 상대적으로 더 높은 장애물 후보의 위치에 대응하는 장애물 후보 이미지 데이터를 상기 수집된 이미지 데이터에서 먼저 획득하여 분석하는 단계
    를 포함하는 장애물 분석 방법.
  2. 제1항에 있어서,
    상기 분석 우선순위를 결정하는 단계는,
    상기 운전자의 주시 방향 및 상기 선정된 장애물 후보의 위치에 따라 결정되는 방향간의 각도에 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하는 것을 특징으로 하는 장애물 분석 방법.
  3. 제1항에 있어서,
    상기 분석 우선순위를 결정하는 단계는,
    상기 운전자의 주시 방향 및 상기 선정된 장애물 후보의 위치에 따라 결정되는 방향간의 각도가 클수록 상기 선정된 장애물 후보에 대해 상대적으로 더 높은 분석 우선순위를 부여하는 것을 특징으로 하는 장애물 분석 방법.
  4. 제1항에 있어서,
    상기 분석 우선순위를 결정하는 단계는,
    상기 차량과 상기 선정된 장애물 후보의 위치에 따라 결정되는 거리에 더 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하는 것을 특징으로 하는 장애물 분석 방법.
  5. 제1항에 있어서,
    상기 분석 우선순위를 결정하는 단계는,
    상기 차량의 진행 방향에 더 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하는 것을 특징으로 하는 장애물 분석 방법.
  6. 삭제
  7. 제1항에 있어서,
    상기 장애물 후보를 선정하는 단계는,
    포인트 클라우드 데이터로 구성된 학습 데이터를 이용하여 입력되는 포인트 클라우드 데이터에 대한 장애물 후보를 선정하도록 학습된 기계 학습 모듈에 상기 수집된 포인트 클라우드 데이터를 입력하여 장애물 후보를 선정하는 것을 특징으로 하는 장애물 분석 방법.
  8. 제1항에 있어서,
    상기 운전자의 주시 방향을 결정하는 단계는,
    상기 차량의 내부에 포함된 카메라를 통해 획득한 영상으로부터 상기 운전자의 주시점을 검출하여 상기 검출한 주시점에 따라 상기 운전자의 주시 방향을 결정하는 것을 특징으로 하는 장애물 분석 방법.
  9. 제1항 내지 제5항, 제7항 또는 제8항 중 어느 한 항의 방법을 컴퓨터 장치에 실행시키기 위한 컴퓨터 프로그램이 기록되어 있는 컴퓨터 판독 가능한 기록매체.
  10. 차량에 포함된 컴퓨터 장치에 있어서,
    컴퓨터에서 판독 가능한 명령을 실행하도록 구현되는 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로세서에 의해,
    운전자의 주시 방향을 결정하고,
    상기 차량의 레이더로부터 수집된 포인트 클라우드 데이터를 이용하여 장애물 후보를 선정하고,
    상기 운전자의 주시 방향 및 상기 선정된 장애물 후보의 위치에 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하고,
    상기 적어도 하나의 프로세서에 의해, 상기 차량의 카메라로부터 수집된 이미지 데이터에서 상기 선정된 장애물 후보의 위치에 대응하는 장애물 후보 이미지 데이터를 상기 결정된 분석 우선순위에 따라 획득하여 순차적으로 분석하되, 상기 분석 우선순위가 상대적으로 더 높은 장애물 후보의 위치에 대응하는 장애물 후보 이미지 데이터를 상기 수집된 이미지 데이터에서 먼저 획득하여 분석하는 것
    을 특징으로 하는 컴퓨터 장치.
  11. 제10항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 운전자의 주시 방향 및 상기 선정된 장애물 후보의 위치에 따라 결정되는 방향간의 각도에 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하는 것
    을 특징으로 하는 컴퓨터 장치.
  12. 제10항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 운전자의 주시 방향 및 상기 선정된 장애물 후보의 위치에 따라 결정되는 방향간의 각도가 클수록 상기 선정된 장애물 후보에 대해 상대적으로 더 높은 분석 우선순위를 부여하는 것
    을 특징으로 하는 컴퓨터 장치.
  13. 제10항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 차량과 상기 선정된 장애물 후보의 위치에 따라 결정되는 거리에 더 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하는 것
    을 특징으로 하는 컴퓨터 장치.
  14. 제10항에 있어서,
    상기 적어도 하나의 프로세서에 의해,
    상기 차량의 진행 방향에 더 기반하여 상기 선정된 장애물 후보에 대한 분석 우선순위를 결정하는 것
    을 특징으로 하는 컴퓨터 장치.
  15. 삭제
KR1020200031358A 2020-03-13 2020-03-13 운전자의 시선에 기반한 장애물 후보들에 대한 분석 우선순위를 이용하여 장애물을 분석하는 방법 및 시스템 KR102352360B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200031358A KR102352360B1 (ko) 2020-03-13 2020-03-13 운전자의 시선에 기반한 장애물 후보들에 대한 분석 우선순위를 이용하여 장애물을 분석하는 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200031358A KR102352360B1 (ko) 2020-03-13 2020-03-13 운전자의 시선에 기반한 장애물 후보들에 대한 분석 우선순위를 이용하여 장애물을 분석하는 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20210115493A KR20210115493A (ko) 2021-09-27
KR102352360B1 true KR102352360B1 (ko) 2022-01-18

Family

ID=77926165

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200031358A KR102352360B1 (ko) 2020-03-13 2020-03-13 운전자의 시선에 기반한 장애물 후보들에 대한 분석 우선순위를 이용하여 장애물을 분석하는 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102352360B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115235485A (zh) * 2022-07-08 2022-10-25 松灵机器人(深圳)有限公司 作业地图构建方法、装置、割草机器人以及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005284797A (ja) * 2004-03-30 2005-10-13 Honda Motor Co Ltd 走行安全装置
JP2008189139A (ja) 2007-02-05 2008-08-21 Mazda Motor Corp 車両用運転支援装置
JP5327321B2 (ja) * 2009-06-04 2013-10-30 トヨタ自動車株式会社 車両用周辺監視装置及び車両用周辺監視方法
JP2014153874A (ja) * 2013-02-07 2014-08-25 Denso Corp 物標認識装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101912453B1 (ko) * 2012-02-17 2018-10-26 현대모비스 주식회사 장애물 검출 및 충돌 경보 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005284797A (ja) * 2004-03-30 2005-10-13 Honda Motor Co Ltd 走行安全装置
JP2008189139A (ja) 2007-02-05 2008-08-21 Mazda Motor Corp 車両用運転支援装置
JP5327321B2 (ja) * 2009-06-04 2013-10-30 トヨタ自動車株式会社 車両用周辺監視装置及び車両用周辺監視方法
JP2014153874A (ja) * 2013-02-07 2014-08-25 Denso Corp 物標認識装置

Also Published As

Publication number Publication date
KR20210115493A (ko) 2021-09-27

Similar Documents

Publication Publication Date Title
JP7239703B2 (ja) 領域外コンテキストを用いたオブジェクト分類
US11531894B1 (en) Neural networks for object detection
US20200331476A1 (en) Automatic lane change with minimum gap distance
EP3315388B1 (en) Spring system-based change lane approach for autonomous vehicles
US20220309920A1 (en) Controlling vehicle-infrastructure cooperated autonomous driving
JP7271467B2 (ja) 自動運転の制御方法、装置、電子機器及び記憶媒体
CN113366495A (zh) 搜索自主车辆传感器数据存储库
JP2015155878A (ja) 車両用障害物検出装置
US11807269B2 (en) Method for vehicle avoiding obstacle, electronic device, and computer storage medium
US20210139025A1 (en) Apparatus for preventing vehicle collision and method thereof
JP6413898B2 (ja) 歩行者判定装置
US20230192084A1 (en) Autonomous vehicle, control system for sharing information with autonomous vehicle, and method thereof
KR102352360B1 (ko) 운전자의 시선에 기반한 장애물 후보들에 대한 분석 우선순위를 이용하여 장애물을 분석하는 방법 및 시스템
KR20200080394A (ko) 서비스 로봇의 동작 제어 방법 및 장치
KR102179835B1 (ko) 무선통신을 포함한 차량센서 기반의 객체선정 알고리즘 및 주변차량 주행 의도를 고려한 경로 예측 방법 및 시스템
US10901413B2 (en) System and method for controlling operation of an autonomous vehicle
KR102602271B1 (ko) 인공신경망을 이용한 주행 차량의 충돌 가능성 판단 방법 및 장치
JP2020154913A (ja) 物体検出装置及び方法、交通支援サーバ、コンピュータプログラム及びセンサ装置
KR102267287B1 (ko) Lstm 기반 미래 위협 요소 예측 방법 및 장치
KR102305673B1 (ko) 카메라와 v2v를 이용한 주변차량 차선변경 의도 및 경로 예측 방법
KR102365785B1 (ko) 운전자의 주시 방향에 따라 선정된 주변차량의 출발 알림을 제공하는 방법 및 시스템
KR102682215B1 (ko) 레이더 센서 포인트 클라우드 데이터를 이용한 물체 검출 기술
US11887481B2 (en) Rear view collision warning indication and mitigation
KR102494084B1 (ko) 다개체 강화학습 시스템 및 방법
US20230184900A1 (en) Validation of a lidar system based on an asymmetric illumination pattern

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant