KR20160070528A - 차량 운전 보조 장치 및 차량 운전 보조 장치의 동작 방법 - Google Patents
차량 운전 보조 장치 및 차량 운전 보조 장치의 동작 방법 Download PDFInfo
- Publication number
- KR20160070528A KR20160070528A KR1020140177582A KR20140177582A KR20160070528A KR 20160070528 A KR20160070528 A KR 20160070528A KR 1020140177582 A KR1020140177582 A KR 1020140177582A KR 20140177582 A KR20140177582 A KR 20140177582A KR 20160070528 A KR20160070528 A KR 20160070528A
- Authority
- KR
- South Korea
- Prior art keywords
- operations
- processor
- scheduling
- execution time
- frame
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000008859 change Effects 0.000 claims description 55
- 238000007781 pre-processing Methods 0.000 claims description 55
- 230000009471 action Effects 0.000 claims description 6
- 230000033001 locomotion Effects 0.000 abstract description 19
- 238000001514 detection method Methods 0.000 description 142
- 238000010586 diagram Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 19
- 238000005259 measurement Methods 0.000 description 18
- 230000002093 peripheral effect Effects 0.000 description 13
- 238000010276 construction Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 239000000725 suspension Substances 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 241001300198 Caperonia palustris Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 235000000384 Veronica chamaedrys Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R1/00—Optical viewing arrangements; Real-time viewing arrangements for drivers or passengers using optical image capturing systems, e.g. cameras or video systems specially adapted for use in or on vehicles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/296—Synchronisation thereof; Control thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/38—Outdoor scenes
-
- 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
- B60R16/03—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 supply of electrical power to vehicle subsystems or for
- B60R16/0315—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 supply of electrical power to vehicle subsystems or for using multiplexing techniques
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/955—Hardware or software architectures specially adapted for image or video understanding using specific electronic processors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/96—Management of image or video recognition tasks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/38—Outdoor scenes
- G06V20/39—Urban scenes
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
- H04N13/106—Processing image signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/10—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of camera system used
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R2300/00—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle
- B60R2300/20—Details of viewing arrangements using cameras and displays, specially adapted for use in a vehicle characterised by the type of display used
-
- 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
- B60W2900/00—Indexing codes relating to the purpose of, or problem solved of road vehicle drive control systems not otherwise provided for in groups B60W30/00
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Mechanical Engineering (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 스테레오 영상의 제1 프레임을 바탕으로 복수의 동작을 수행한 후, 상기 스테레오 영상의 제2 프레임을 바탕으로 복수의 동작을 수행하는 차량 운전 보조 장치의 동작 방법에 있어서, 상기 스테레오 영상을 획득하는 스테레오 카메라 모듈 및 상기 스테레오 카메라 모듈에서 상기 제1 프레임을 수신하여, 상기 제1 프레임에서, 상기 복수의 동작에 대한 제1 스케줄링을 수행하고, 상기 제1 스케줄링에 따라, 상기 복수의 동작을 수행하고, 상기 제1 스케줄링에 따른 상기 복수의 동작별 수행 시간을 측정하고, 상기 스테레오 카메라 모듈에서 상기 제2 프레임을 수신하여, 상기 제2 프레임에서, 상기 측정된 동작별 수행 시간에 기초하여, 상기 복수의 동작에 대한 제2 스케줄링을 수행하는 프로세서;를 포함하는 차량 운전 보조 장치에 관한 것이다.
Description
본 발명은 차량 운전 보조 장치 및 차량 운전 보조 장치의 동작 방법에 관한 것이며, 더욱 상세하게는 스테레오 영상의 프레임별로 복수의 동작별 수행 시간에 기초하여 복수의 동작에 대한 스케줄링을 수행하는 차량 운전 보조 장치 및 차량 운전 보조 장치의 동작 방법에 관한 것이다.
차량은 탑승하는 사용자가 원하는 방향으로 이동시키는 장치이다. 대표적으로 자동차를 예를 들 수 있다.
한편, 차량을 이용하는 사용자의 편의를 위해, 각 종 센서와 전자 장치 등이 구비되고 있는 추세이다. 특히, 사용자의 운전 편의를 위한 다양한 장치 등이 개발되고 있다.
최근 자율 주행차에 대한 관심이 증가되면서, 자율 주행차에 탑재되는 센서에 대한 연구가 활발히 진행되고 있다. 자율 주행차에 탑재되는 센서로 카메라, 적외선센서, 레이더, GPS, 라이더(Lidar), 자이로스코프 등이 있는데, 그 중 카메라는 사람의 눈을 대신하는 역할을 하는 센서로 중요한 위치를 차지하고 있다.
한편, 카메라로부터 획득되는 영상을 처리하는 프로세서는 프레임별로 복수의 동작을 수행한다. 일반적으로, 프로세서는 프레임별로 복수의 동작 각각에 기 할당된 시간에 맞춰 동작을 수행한다. 만약, 하나의 프레임에서 할당된 시간에 맞춰 복수의 동작을 수행하던 중에, 다음 프레임이 입력되는 경우, 전 프레임에서 끝까지 수행되지 못한 동작은 중지되고 다음 프레임에서의 복수의 동작을 수행되어야 하는 문제가 있다. 이경우, 프로세서에서 수행된 동작의 결과에 오류가 발생되는 문제가 있을 수 있다. 또한, 효율적으로 프로세서를 운영하지 못하는 문제가 있다.
본 발명은 스테레오 영상의 프레임별로 복수의 동작별 수행 시간에 기초하여 복수의 동작에 대한 스케줄링을 수행하는 차량 운전 보조 장치 및 차량 운전 보조 장치의 동작 방법을 제공하는데 그 목적이 있다.
상기 목적을 달성하기 위한 본 발명의 실시 예에 따른 차량 운전 보조는 장치는 스테레오 영상의 제1 프레임을 바탕으로 복수의 동작을 수행한 후, 상기 스테레오 영상의 제2 프레임을 바탕으로 복수의 동작을 수행하는 차량 운전 보조 장치의 동작 방법에 있어서, 상기 스테레오 영상을 획득하는 스테레오 카메라 모듈 및 상기 스테레오 카메라 모듈에서 상기 제1 프레임을 수신하여, 상기 제1 프레임에서, 상기 복수의 동작에 대한 제1 스케줄링을 수행하고, 상기 제1 스케줄링에 따라, 상기 복수의 동작을 수행하고, 상기 제1 스케줄링에 따른 상기 복수의 동작별 수행 시간을 측정하고, 상기 스테레오 카메라 모듈에서 상기 제2 프레임을 수신하여, 상기 제2 프레임에서, 상기 측정된 동작별 수행 시간에 기초하여, 상기 복수의 동작에 대한 제2 스케줄링을 수행하는 프로세서를 포함한다.
상기와 같이 구성되는 본 발명의 적어도 하나의 실시 예에 의한 효과는 다음과 같다.
첫째, 스테레오 카메라를 포함하는 차량 운전 보조 장치에 있어서, 기 수행된 동작별 수행 시간을 측정하여, 측정된 동작별 수행 시간에 기초하여 복수의 동작의 스케줄링을 수행하므로, 효율적으로 프로세서를 가용하는 효과가 있다.
둘째, 효율적으로 프로세서를 가용함으로써 프로세서 부하가 감소하는 효과가 있다.
셋째, 스테레오 영상을 보다 안정적으로 처리할 수 있는 효과가 있다.
넷째, 사용자에게 스테레오 영상의 안정적인 처리에 따른 정보제공을 할 수 있는 효과가 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시예에 따른 스테레오 카메라를 구비하는 차량의 외관을 도시한 도면이다.
도 2는 도 1의 차량에 부착되는 스테레오 카메라의 외관을 도시한 도면이다.
도 3a 내지 도 3b는 본 발명의 일실시예에 따른 차량 운전 보조 장치의 내부 블록도의 다양한 예를 예시한다.
도 4a 내지 도 4c는 도 3a 내지 도 3b의 프로세서의 내부 블록도의 다양한 예를 예시한다.
도 5a 내지 도 5b는 도 4a 내지 도 4b의 프로세서의 동작 설명에 참조되는 도면이다.
도 6a 내지 도 6b는 도 3a 내지 도 3b의 차량 운전 보조 장치의 동작 설명에 참조되는 도면이다.
도 7은 도 1의 차량 내부의 전자 제어 장치의 내부 블록도의 일예이다.
도 8a 내지 8b는 본 발명의 실시예에 따른, 차량 운전 보조 장치의 동작을 설명하는데 참조되는 플로우차트이다.
도 9는 본 발명의 실시예에 따라, 차량 운전 보조 장치를 설명하는데 참조되는 프로세서의 내부 블록도이다.
도 10은 본 발명의 실시예에 따라, 차량 운전 보조 장치에 복수의 프로세서가 구비되는 경우를 예시한다.
도 11a 내지 도 11b는 본 발명의 실시예에 따른 차량 운전 보조 장치의 동작을 설명하는데 참조되는 프로세서의 내부 블럭도이다.
도 12는 본 발명의 실시예에 따라, 같은 상황에서, 제1 동작 및 제2 동작의 수행 시간을 비교하는데 참조되는 도면이다.
도 13a 내지 도 17는 본 발명의 실시예에 따라, 서로 다른 상황에서, 제1 동작 및 제2 동작을 수행하는 경우, 수행시간을 비교하는데 참조되는 도면이다.
도 2는 도 1의 차량에 부착되는 스테레오 카메라의 외관을 도시한 도면이다.
도 3a 내지 도 3b는 본 발명의 일실시예에 따른 차량 운전 보조 장치의 내부 블록도의 다양한 예를 예시한다.
도 4a 내지 도 4c는 도 3a 내지 도 3b의 프로세서의 내부 블록도의 다양한 예를 예시한다.
도 5a 내지 도 5b는 도 4a 내지 도 4b의 프로세서의 동작 설명에 참조되는 도면이다.
도 6a 내지 도 6b는 도 3a 내지 도 3b의 차량 운전 보조 장치의 동작 설명에 참조되는 도면이다.
도 7은 도 1의 차량 내부의 전자 제어 장치의 내부 블록도의 일예이다.
도 8a 내지 8b는 본 발명의 실시예에 따른, 차량 운전 보조 장치의 동작을 설명하는데 참조되는 플로우차트이다.
도 9는 본 발명의 실시예에 따라, 차량 운전 보조 장치를 설명하는데 참조되는 프로세서의 내부 블록도이다.
도 10은 본 발명의 실시예에 따라, 차량 운전 보조 장치에 복수의 프로세서가 구비되는 경우를 예시한다.
도 11a 내지 도 11b는 본 발명의 실시예에 따른 차량 운전 보조 장치의 동작을 설명하는데 참조되는 프로세서의 내부 블럭도이다.
도 12는 본 발명의 실시예에 따라, 같은 상황에서, 제1 동작 및 제2 동작의 수행 시간을 비교하는데 참조되는 도면이다.
도 13a 내지 도 17는 본 발명의 실시예에 따라, 서로 다른 상황에서, 제1 동작 및 제2 동작을 수행하는 경우, 수행시간을 비교하는데 참조되는 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하에서는 도면을 참조하여 본 발명을 보다 상세하게 설명한다.
본 명세서에서 기술되는 차량은, 자동차, 오토바이를 포함하는 개념일 수 있다. 이하에서는, 차량에 대해 자동차를 위주로 기술한다.
한편, 본 명세서에서 기술되는 차량은, 엔진을 구비하는 차량, 엔진과 전기 모터를 구비하는 하이브리드 차량, 전기 모터를 구비하는 전기 차량 등을 모두 포함하는 개념일 수 있다. 이하에서는, 엔진을 구비하는 차량을 위주로 기술한다.
한편, 본 명세서에서 기술되는 차량 운전 보조 장치는, 첨단 차량 운전 보조 시스템(Advanced Driver Assistance Systems, ADAS) 또는 참단 차량 운전 보조 장치(Advanced Driver Assistance Apparatus, ADAA)라 할 수 있다. 이하에서는 본 발명의 다양한 실시예에 따른 차량의 차량 운전 보조 장치 및 이를 구비하는 차량에 대해 기술한다.
도 1은 본 발명의 일 실시예에 따른 스테레오 카메라를 구비하는 차량의 외관을 도시한 도면이다.
도면을 참조하면, 차량(200)은, 동력원에 의해 회전하는 바퀴(103FR,103FL,103RL,..), 차량(200)의 진행 방향을 조절하기 위한 핸들(150), 및 차량(200) 내부에 구비되는 스테레오 카메라(195)를 구비할 수 있다.
스테레오 카메라(195)는, 복수의 카메라를 구비할 수 있으며, 복수의 카메라에 의해 획득되는, 스테레오 영상은, 차량 운전 보조 장치(도 3의 100) 내에서 신호 처리될 수 있다.
한편, 도면에서는 스테레오 카메라(195)가 두 개의 카메라를 구비하는 것을 예시한다.
도 2는 도 1의 차량에 부착되는 스테레오 카메라의 외관을 도시한 도면이다.
도면을 참조하면, 스테레오 카메라 모듈(195)은, 제1 렌즈(193a)를 구비하는 제1 카메라(195a), 제2 렌즈(193b)를 구비하는 제2 카메라(195b)를 구비할 수 있다.
한편, 스테레오 카메라 모듈(195)은, 각각, 제1 렌즈(193a)와 제2 렌즈(193b)에 입사되는 광을 차폐하기 위한, 제1 광 차폐부(light shield)(192a), 제2 광 차폐부(192b)를 구비할 수 있다.
도면의 스테레오 카메라 모듈(195)은, 차량(200)의 천정 또는 전면 유리에 탈부착 가능한 구조일 수 있다.
이러한 스테레오 카메라 모듈(195)을 구비하는 차량 운전 보조 장치(도 3의 100)는, 스테레오 카메라 모듈(195)로부터, 차량 전방에 대한 스테레오 영상을 획득하고, 스테레오 영상에 기초하여, 디스패러티(disparity) 검출을 수행하고, 디스패러티 정보에 기초하여, 적어도 하나의 스테레오 영상에 대한, 오브젝트 검출을 수행하며, 오브젝트 검출 이후, 계속적으로, 오브젝트의 움직임을 트래킹할 수 있다.
도 3a 내지 도 3b는 본 발명의 일실시예에 따른 차량 운전 보조 장치의 내부 블록도의 다양한 예를 예시한다.
도 3a 내지 도 3b의 차량 운전 보조 장치(100)는, 스테레오 카메라(195)로부터 수신되는 스테레오 영상을, 컴퓨터 비젼(computer vision) 기반을 바탕으로 신호 처리하여, 차량 관련 정보를 생성할 수 있다. 여기서 차량 관련 정보는, 차량에 대한 직접적인 제어를 위한 차량 제어 정보, 또는 차량 운전자에게 운전 가이드를 위한 차량 운전 보조 정보를 포함할 수 있다.
먼저, 도 3a를 참조하면, 도 3a의 차량 운전 보조 장치(100)는, 통신부(120), 인터페이스부(130), 제1 메모리(140), 프로세서(170), 전원 공급부(190), 및 스테레오 카메라(195), 스테레오 카메라 구동부(196)를 포함할 수 있다.
통신부(120)는, 이동 단말기(600) 또는 서버(500)와 무선(wireless) 방식으로, 데이터를 교환할 수 있다. 특히, 통신부(120)는, 차량 운전자의 이동 단말기와, 무선으로 데이터를 교환할 수 있다. 무선 데이터 통신 방식으로는, 블루투스(Bluetooth), WiFi Direct, WiFi, APiX 등 다양한 데이터 통신 방식이 가능하다.
통신부(120)는, 이동 단말기(600) 또는 서버(500)로부터, 날씨 정보, 도로의 교통 상황 정보, 예를 들어, TPEG(Transport Protocol Expert Group) 정보를 수신할 수 있다. 한편, 차량 운전 보조 장치(100)에서, 스테레오 영상을 기반으로 파악한, 실시간 교통 정보를, 이동 단말기(600) 또는 서버(500)로 전송할 수도 있다.
한편, 사용자가 차량에 탑승한 경우, 사용자의 이동 단말기(600)와 차량 운전 보조 장치(100)는, 자동으로 또는 사용자의 애플리케이션 실행에 의해, 서로 페어링(pairing)을 수행할 수 있다.
인터페이스부(130)는, 차량 관련 데이터를 수신하거나, 프로세서(170)에서 처리 또는 생성된 신호를 외부로 전송할 수 있다. 이를 위해, 인터페이스부(130)는, 유선 통신 또는 무선 통신 방식에 의해, 차량 내부의 제어부(770), AVN(Audio Video Navigation) 장치(400), 센서부(760) 등과 데이터 통신을 수행할 수 있다.
인터페이스부(130)는, AVN 장치(400)와의 데이터 통신에 의해, 차량 주행과 관련한, 맵(map) 정보를 수신할 수 있다. 예를 들어, AVN 장치(400)는 네비게이션을 포함하고, 인터페이스부(130)는 상기 네비게이션으로부터 지도(map) 및 지도 상에서의 차량의 위치에 대한 정보를 수신하여, 프로세서(170)에 전달할 수 있다.
한편, 인터페이스부(130)는, 제어부(770) 또는 센서부(760)로부터, 센서 정보를 수신할 수 있다.
여기서, 센서 정보는, 차량의 슬립 정도, 차량 방향 정보, 차량 위치 정보(GPS 정보), 차량 각도 정보, 차량 속도 정보, 차량 가속도 정보, 차량 기울기 정보, 차량 전진/후진 정보, 배터리 정보, 연료 정보, 타이어 정보, 차량 램프 정보, 차량 내부 온도 정보, 차량 내부 습도 정보 중 적어도 하나를 포함할 수 있다.
이러한 센서 정보는, 휠 속도 센서, 헤딩 센서(heading sensor), 요 센서(yaw sensor), 자이로 센서(gyro sensor), 포지션 모듈(position module), 차량 전진/후진 센서, 휠 센서(wheel sensor), 차량 속도 센서, 차체 경사 감지센서, 배터리 센서, 연료 센서, 타이어 센서, 핸들 회전에 의한 스티어링 센서, 차량 내부 온도 센서, 차량 내부 습도 센서 등으로부터 획득될 수 있다. 한편, 포지션 모듈은, GPS 정보 수신을 위한 GPS 모듈을 포함할 수 있다.
한편, 센서 정보 중, 차량 주행과 관련한, 차량 방향 정보, 차량 위치 정보, 차량 각도 정보, 차량 속도 정보, 차량 기울기 정보 등을 차량 주행 정보라 명명할 수 있다.
제1 메모리(140)는, 프로세서(170)의 처리 또는 제어를 위한 프로그램 등, 차량 운전 보조 장치(100) 전반의 동작을 위한 다양한 데이터를 저장할 수 있다.
제1 메모리(140)는 프로세서(170)와 전기적으로 연결되어, 유닛에 대한 기본데이터, 유닛의 동작제어를 위한 제어데이터, 입출력되는 데이터를 저장할 수 있다. 제1 메모리(140)는 ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기 일 수 있다.
한편, 제1 메모리(140)는 측정된 복수의 동작별 수행 시간을 저장할 수 있다. 구체적으로, 제1 메모리(140)에 구비된 DB(141)는 수행 시간 측정부(950)에서 측정된 복수의 동작별 수행시간을 저장할 수 있다. 예를 들면, DB(141)는 제1 내지 제3 동작별 수행 시간을 프레임별로 저장할 수 있다.
오디오 출력부(미도시)는, 프로세서(170)로부터의 전기 신호를 오디오 신호로 변환하여 출력한다. 이를 위해, 스피커 등을 구비할 수 있다. 오디오 출력부(미도시)는, 입력부(110), 즉 버튼의 동작에 대응하는, 사운드를 출력하는 것도 가능하다.
오디오 입력부(미도시)는, 사용자 음성을 입력받을 수 있다. 이를 위해, 마이크를 구비할 수 있다. 수신되는 음성은, 전기 신호로 변환하여, 프로세서(170)로 전달될 수 있다.
프로세서(170)는, 차량 운전 보조 장치(100) 내의 각 유닛의 전반적인 동작을 제어한다.
특히, 프로세서(170)는, 컴퓨터 비젼(computer vision) 기반의 신호 처리를 수행한다. 이에 따라, 프로세서(170)는, 스테레오 카메라(195)로부터 차량 전방에 대한 스테레오 영상을 획득하고, 스테레오 영상에 기초하여, 차량 전방에 대한 디스패러티 연산을 수행하고, 연산된 디스패러티 정보에 기초하여, 스테레오 영상 중 적어도 하나에 대한, 오브젝트 검출을 수행하며, 오브젝트 검출 이후, 계속적으로, 오브젝트의 움직임을 트래킹할 수 있다.
특히, 프로세서(170)는, 오브젝트 검출시, 차선 검출(Lane Detection, LD), 주변 차량 검출(Vehicle Detection, VD), 보행자 검출(Pedestrian Detection,PD), 불빛 검출(Brightspot Detection, BD), 교통 표지판 검출(Traffic Sign Recognition, TSR), 도로면 검출 등을 수행할 수 있다.
그리고, 프로세서(170)는, 검출된 주변 차량에 대한 거리 연산, 검출된 주변 차량의 속도 연산, 검출된 주변 차량과의 속도 차이 연산 등을 수행할 수 있다.
한편, 프로세서(170)는 스테레오 영상을 기초로 주행중인 도로의 노면 정보를 생성할 수 있다. 예를 들어, 프로세서(170)는, 스테레오 이미지 내의 휘도 데이터의 차이에 기초하여, 드라이(dry) 상태, 젖음(wet) 상태, 눈(snow) 상태, 아이스(ice) 상태로 구분할 수 있다. 구체적으로는, 눈 상태의 휘도가 가장 높고, 드라이(dry) 상태, 아이스 상태, 젖음 상태 순서로, 휘도가 낮아질 수 있으며, 이를 구분하여, 각각 드라이(dry) 상태, 젖음(wet) 상태, 눈(snow) 상태, 아이스(ice) 상태로 구분할 수 있다. 다른 예로, 차량 운전 보조 장치(100)의 프로세서(170)는, 이미지 내의 광도(intensity)와 노출(exposure)에 기초하여, 드라이(dry) 상태, 젖음(wet) 상태, 눈(snow) 상태, 아이스(ice) 상태로 구분할 수 있다. 프로세서(170)는 도로 전방의 오르막 또는 내리막 및 노면 정보를 기초로 브레이크 구동부를 제어하기 위한 제어 신호를 제어부(770)에 출력할 수 있다.
한편, 프로세서(170)는, 통신부(120)를 통해, 날씨 정보, 도로의 교통 상황 정보, 예를 들어, TPEG(Transport Protocol Expert Group) 정보를 수신할 수 있다.
한편, 프로세서(170)는, 차량 운전 보조 장치(100)에서, 스테레오 영상을 기반으로 파악한, 차량 주변 교통 상황 정보를, 실시간으로 파악할 수도 있다.
한편, 프로세서(170)는, 인터페이스부(130)를 통해, AVN 장치(400)로부터 맵 정보 등을 수신할 수 있다.
한편, 프로세서(170)는, 인터페이스부(130)를 통해, 제어부(770) 또는 센서부(760)로부터, 센서 정보를 수신할 수 있다. 여기서, 센서 정보는, 차량 슬립 정보, 차량 방향 정보, 차량 위치 정보(GPS 정보), 차량 각도 정보, 차량 속도 정보, 차량 가속도 정보, 차량 기울기 정보, 차량 전진/후진 정보, 배터리 정보, 연료 정보, 타이어 정보, 차량 램프 정보, 차량 내부 온도 정보, 차량 내부 습도 정보 중 적어도 하나를 포함할 수 있다. 또한, 프로세서(170)는 인터페이스부(130)를 통해, 제어부(770)로부터 차량에 구비된 각 유닛의 제어 정보를 수신할 수 있다.
한편, 프로세서(170)는 차량(200)이 주행 중인 도로 중에서 스테레오 영상에 표시되는 영역을 제외한, 도로 정보를 내비게이션으로부터 제공받아 도로 상태를 예측할 수 있다. 구체적으로, 프로세서(170)는 스테레오 영상에 표시되지 않는 차량 전방 또는 후방 도로 상태를 예측할 수 있다. 여기서, 도로 상태는 도로의 커브, 터널 및 차선수를 포함할 수 있다.
한편, 프로세서(170)는 DSP(digital signal processor), ASIC(application specific integrated circuit) 또는 마이크로 컨트롤러(microcontroller)로 형성되어, 소정의 회로 보드 일면에 실장될 수 있다.
전원 공급부(190)는, 프로세서(170)의 제어에 의해, 각 구성요소들의 동작에 필요한 전원을 공급할 수 있다. 특히, 전원 공급부(190)는, 차량 내부의 배터리 등으로부터 전원을 공급받을 수 있다.
스테레오 카메라(195)는, 복수의 카메라를 구비할 수 있다. 이하에서는 도 2 등에서 기술한 바와 같이, 2개의 카메라를 구비하는 것으로 한다.
스테레오 카메라(195)는, 차량(200)의 천정 또는 위드 쉴드(wind shield)에 탈부착 가능할 수 있으며, 제1 렌즈(193a)를 구비하는 제1 카메라(195a), 제2 렌즈(193b)를 구비하는 제2 카메라(195b)를 구비할 수 있다.
한편, 스테레오 카메라(195)는, 각각, 제1 렌즈(193a)와 제2 렌즈(193b)에 입사되는 광을 차폐하기 위한, 제1 광 차폐부(light shield)(192a), 제2 광 차폐부(192b)를 구비할 수 있다.
다음, 도 3b를 참조하면, 도 3b의 차량 운전 보조 장치(100)는, 도 3a의 차량 운전 보조 장치(100)에 비해, 입력부(110) 디스플레이(180), 오디오 출력부(185)를 더 구비할 수 있다. 이하에서는 입력부(110), 디스플레이(180), 오디오 출력부(185)에 대한 설명만을 기술한다.
입력부(110)는, 차량 운전 보조 장치(100), 특히, 스테레오 카메라(195)에 부착되는 복수의 버튼 또는 터치 스크린을 구비할 수 있다. 복수의 버튼 또는 터치 스크린을 통해, 차량 운전 보조 장치(100)의 전원을 온 시켜, 동작시키는 것이 가능하다. 그 외, 다양한 입력 동작을 수행하는 것도 가능하다.
오디오 출력부(185)는, 프로세서(170)에서 처리된 오디오 신호에 기초하여 사운드를 외부로 출력한다. 이를 위해, 오디오 출력부(185)는, 적어도 하나의 스피커를 구비할 수 있다.
디스플레이(180)는, 차량 운전 보조 장치의 동작과 관련한 이미지를 표시할 수 있다. 이러한 이미지 표시를 위해, 디스플레이(180)는, 차량 내부 전면의 클러스터(cluster) 또는 HUD(Head Up Display)를 포함할 수 있다. 한편, 디스플레이(180)가 HUD 인 경우, 차량(200)의 전면 유리에 이미지를 투사하는 투사 모듈을 포함할 수 있다.
한편, 디스플레이(180)는 스케줄링에 따른 동작 수행에 기초한 화면을 출력할 수 있다. 예를 들면, 스케줄링부(910)에서 스케줄링을 수행하고, 스케줄링에 기초하여 동작 수행부(930)에서 복수의 동작이 수행되는 경우, 디스플레이(180)는 수행된 동작에 기초한 화면을 출력할 수 있다. 디스플레이(180)는 프로세서(170)의 제어에 따라, 제1 스케줄링에 따른 복수의 동작별 수행 또는 제2 스케줄링에 따른 복수의 동작별 수행에 기초한 화면을 표시할 수 있다. 디스플레이(180)는 프로세서(170)의 제어에 따라, 제1 스케줄링에 따른 제1 내지 제3 동작별 수행 또는 제2 스케줄링에 따른 제1 내지 제3 동작별 수행에 기초한 화면을 표시할 수 있다.
가령, 제1 스케줄링에 따라, 차선 검출(Lane Detection), 보행자 검출(Pedestrian Detection), 주변 차량 검출(Vehicle Detection)이 수행되는 경우, 차선 검출에 기초한 차선 표시 화면, 보행자 검출에 기초한, 보행자와의 거리 화면, 주변 차량 검출에 기초한 주변 차량의 속도 등이 디스플레이(180)에 표시될 수 있다.
도 4a 내지 도 4b는 도 3a 내지 도 3b의 프로세서의 내부 블록도의 다양한 예를 예시하고, 도 5a 내지 도 5b는 도 4a 내지 도 4b의 프로세서의 동작 설명에 참조되는 도면이다.
먼저, 도 4a를 참조하면, 도 4a는, 프로세서(170)의 내부 블록도의 일예로서, 차량 운전 보조 장치(100) 내의 프로세서(170)는, 영상 전처리부(410), 디스패러티 연산부(420), 오브젝트 검출부(434), 오브젝트 트래킹부(440), 및 어플리케이션부(450)를 포함할 수 있다.
영상 전처리부(image preprocessor)(410)는, 스테레오 카메라(195)로부터의 스테레오 영상을 수신하여, 전처리(preprocessing)를 수행한다.
구체적으로, 영상 전처리부(410)는, 스테레오 영상에 대한, 노이즈 리덕션(noise reduction), 렉티피케이션(rectification), 캘리브레이션(calibration), 색상 강화(color enhancement), 색상 공간 변환(color space conversion;CSC), 인터폴레이션(interpolation), 카메라 게인 컨트롤(camera gain control) 등을 수행할 수 있다. 이에 따라, 스테레오 카메라(195)에서 촬영된 스테레오 영상 보다 선명한 스테레오 영상을 획득할 수 있다.
디스패러티 연산부(disparity calculator)(420)는, 영상 전처리부(410)에서 신호 처리된, 스테레오 영상을 수신하고, 수신된 스테레오 영상들에 대한 스테레오 매칭(stereo matching)을 수행하며, 스테레오 매칭에 따른, 디스패러티 맵(dispartiy map)을 획득한다. 즉, 차량 전방에 대한, 스테레오 영상에 대한 디스패러티 정보를 획득할 수 있다.
이때, 스테레오 매칭은, 스테레오 영상들의 픽셀 단위로 또는 소정 블록 단위로 수행될 수 있다. 한편, 디스패러티 맵은, 스테레오 영상, 즉 좌,우 이미지의 시차(時差) 정보(binocular parallax information)를 수치로 나타낸 맵을 의미할 수 있다.
세그멘테이션부(segmentation unit)(432)는, 디스패러티 연산부(420)로부터의 디스페러티 정보에 기초하여, 스테레오 영상 중 적어도 하나에 대해, 세그먼트(segment) 및 클러스터링(clustering)을 수행할 수 있다.
구체적으로, 세그멘테이션부(432)는, 디스페러티 정보에 기초하여, 스테레오 영상 중 적어도 하나에 대해, 배경(background)과 전경(foreground)을 분리할 수 있다.
예를 들어, 디스패리티 맵 내에서 디스페러티 정보가 소정치 이하인 영역을, 배경으로 연산하고, 해당 부분을 제외시킬 수 있다. 이에 의해, 상대적으로 전경이 분리될 수 있다.
다른 예로, 디스패리티 맵 내에서 디스페러티 정보가 소정치 이상인 영역을, 전경으로 연산하고, 해당 부분을 추출할 수 있다. 이에 의해, 전경이 분리될 수 있다.
이와 같이, 스테레오 영상에 기반하여 추출된 디스페러티 정보 정보에 기초하여, 전경과 배경을 분리함으로써, 이후의, 오브젝트 검출시, 신호 처리 속도, 신호 처리 양 등을 단축할 수 있게 된다.
다음, 오브젝트 검출부(object detector)(434)는, 세그멘테이션부(432)로부터의 이미지 세그먼트에 기초하여, 오브젝트를 검출할 수 있다.
즉, 오브젝트 검출부(434)는, 디스페러티 정보 정보에 기초하여, 스테레오 영상 중 적어도 하나에 대해, 오브젝트를 검출할 수 있다.
구체적으로, 오브젝트 검출부(434)는, 스테레오 영상 중 적어도 하나에 대해, 오브젝트를 검출할 수 있다. 예를 들어, 이미지 세그먼트에 의해 분리된 전경으로부터 오브젝트를 검출할 수 있다.
다음, 오브젝트 확인부(object verification unit)(436)는, 분리된 오브젝트를 분류하고(classify), 확인한다(verify).
이를 위해, 오브젝트 확인부(436)는, 뉴럴 네트워크(neural network)를 이용한 식별법, SVM(Support Vector Machine) 기법, Haar-like 특징을 이용한 AdaBoost에 의해 식별하는 기법, 또는 HOG(Histograms of Oriented Gradients) 기법 등을 사용할 수 있다.
한편, 오브젝트 확인부(436)는, 제1 메모리(140)에 저장된 오브젝트들과, 검출된 오브젝트를 비교하여, 오브젝트를 확인할 수 있다.
예를 들어, 오브젝트 확인부(436)는, 차량 주변에 위치하는, 주변 차량, 차선, 도로면, 표지판, 위험 지역, 터널 등을 확인할 수 있다.
오브젝트 트래킹부(object tracking unit)(440)는, 확인된 오브젝트에 대한 트래킹을 수행한다. 예를 들어, 순차적으로, 획득되는 스테레오 영상들에 내의, 오브젝트를 확인하고, 확인된 오브젝트의 움직임 또는 움직임 벡터를 연산하며, 연산된 움직임 또는 움직임 벡터에 기초하여, 해당 오브젝트의 이동 등을 트래킹할 수 있다. 이에 따라, 차량 주변에 위치하는, 주변 차량, 차선, 도로면, 표지판, 위험 지역, 터널 등을 트래킹할 수 있게 된다.
다음, 어플리케이션부(450)는, 차량 주변에, 위치하는 다양한 오브젝트들, 예를 들어, 다른 차량, 차선, 도로면, 표지판 등에 기초하여, 차량(200)의 위험도 등을 연산할 수 있다. 또한, 앞차와의 추돌 가능성, 차량의 슬립 여부 등을 연산할 수 있다.
그리고, 어플리케이션부(450)는, 연산된 위험도, 추돌 가능성, 또는 슬립 여부 등에 기초하여, 사용자에게, 이러한 정보를 알려주기 위한, 메시지 등을, 차량 운전 보조 정보로서, 출력할 수 있다. 또는, 차량(200)의 자세 제어 또는 주행 제어를 위한 제어 신호를, 차량 제어 정보로서, 생성할 수도 있다.
도 4b는 프로세서의 내부 블록도의 다른 예이다.
도면을 참조하면, 도 4b의 프로세서(170)는, 도 4a의 프로세서(170)와 내부 구성 유닛이 동일하나, 신호 처리 순서가 다른 것에 그 차이가 있다. 이하에서는 그 차이만을 기술한다.
오브젝트 검출부(434)는, 스테레오 영상을 수신하고, 스테레오 영상 중 적어도 하나에 대해, 오브젝트를 검출할 수 있다. 도 4a와 달리, 디스패러티 정보에 기초하여, 세그먼트된 이미지에 대해, 오브젝트를 검출하는 것이 아닌, 스테레오 영상으로부터 바로 오브젝트를 검출할 수 있다.
다음, 오브젝트 확인부(object verification unit)(436)는, 세그멘테이션부(432)로부터의 이미지 세그먼트, 및 오브젝트 검출부(434)에서 검출된 오브젝트에 기초하여, 검출 및 분리된 오브젝트를 분류하고(classify), 확인한다(verify).
이를 위해, 오브젝트 확인부(436)는, 뉴럴 네트워크(neural network)를 이용한 식별법, SVM(Support Vector Machine) 기법, Haar-like 특징을 이용한 AdaBoost에 의해 식별하는 기법, 또는 HOG(Histograms of Oriented Gradients) 기법 등을 사용할 수 있다.
도 5a와 도 5b는, 제1 및 제2 프레임 구간에서 각각 획득된 스테레오 영상을 기반으로 하여, 도 4a의 프로세서(170)의 동작 방법 설명을 위해 참조되는 도면이다.
먼저, 도 5a를 참조하면, 제1 프레임 구간 동안, 스테레오 카메라(195)는, 스테레오 영상을 획득한다.
프로세서(170) 내의 디스패러티 연산부(420)는, 영상 전처리부(410)에서 신호 처리된, 스테레오 영상(FR1a,FR1b)를 수신하고, 수신된 스테레오 영상(FR1a,FR1b)에 대한 스테레오 매칭을 수행하여, 디스패러티 맵(dispartiy map)(520)을 획득한다.
디스패러티 맵(dispartiy map)(520)은, 스테레오 영상(FR1a,FR1b) 사이의 시차를 레벨화한 것으로서, 디스패러티 레벨이 클수록, 차량과의 거리가 가깝고, 디스패러티 레벨이 작을수록, 차량과의 거리가 먼 것으로 연산할 수 있다.
한편, 이러한 디스패러티 맵을 디스플레이 하는 경우, 디스패러티 레벨이 클수록, 높은 휘도를 가지고, 디스패러티 레벨이 작을수록 낮은 휘도를 가지도록 표시할 수도 있다.
도면에서는, 디스패러티 맵(520) 내에, 제1 차선 내지 제4 차선(528a,528b,528c,528d) 등이 각각 해당하는 디스패러티 레벨을 가지며, 공사 지역(522), 제1 전방 차량(524), 제2 전방 차량(526)이 각각 해당하는 디스패러티 레벨을 가지는 것을 예시한다.
세그멘테이션부(432)와, 오브젝트 검출부(434), 오브젝트 확인부(436)는, 디스패러티 맵(520)에 기초하여, 스테레오 영상(FR1a,FR1b) 중 적어도 하나에 대한, 세그먼트, 오브젝트 검출, 및 오브젝트 확인을 수행한다.
도면에서는, 디스패러티 맵(520)을 사용하여, 제2 스테레오 영상(FR1b)에 대한, 오브젝트 검출, 및 확인이 수행되는 것을 예시한다.
즉, 이미지(530) 내에, 제1 차선 내지 제4 차선(538a,538b,538c,538d), 공사 지역(532), 제1 전방 차량(534), 제2 전방 차량(536)이, 오브젝트 검출 및 확인이 수행될 수 있다.
다음, 도 5b를 참조하면, 제2 프레임 구간 동안, 스테레오 카메라(195)는, 스테레오 영상을 획득한다.
프로세서(170) 내의 디스패러티 연산부(420)는, 영상 전처리부(410)에서 신호 처리된, 스테레오 영상(FR2a,FR2b)를 수신하고, 수신된 스테레오 영상(FR2a,FR2b)에 대한 스테레오 매칭을 수행하여, 디스패러티 맵(dispartiy map)(540)을 획득한다.
도면에서는, 디스패러티 맵(540) 내에, 제1 차선 내지 제4 차선(548a,548b,548c,548d) 등이 각각 해당하는 디스패러티 레벨을 가지며, 공사 지역(542), 제1 전방 차량(544), 제2 전방 차량(546)이 각각 해당하는 디스패러티 레벨을 가지는 것을 예시한다.
세그멘테이션부(432)와, 오브젝트 검출부(434), 오브젝트 확인부(436)는, 디스패러티 맵(540)에 기초하여, 스테레오 영상(FR2a,FR2b) 중 적어도 하나에 대한, 세그먼트, 오브젝트 검출, 및 오브젝트 확인을 수행한다.
도면에서는, 디스패러티 맵(540)을 사용하여, 제2 스테레오 영상(FR2b)에 대한, 오브젝트 검출, 및 확인이 수행되는 것을 예시한다.
즉, 이미지(550) 내에, 제1 차선 내지 제4 차선(558a,558b,558c,558d), 공사 지역(552), 제1 전방 차량(554), 제2 전방 차량(556)이, 오브젝트 검출 및 확인이 수행될 수 있다.
한편, 오브젝트 트래킹부(440)는, 도 5a와 도 5b를 비교하여, 확인된 오브젝트에 대한 트래킹을 수행할 수 있다.
구체적으로, 오브젝트 트래킹부(440)는, 도 5a와 도 5b에서 확인된, 각 오브젝트들의 움직임 또는 움직임 벡터에 기초하여, 해당 오브젝트의 이동 등을 트래킹할 수 있다. 이에 따라, 차량 주변에 위치하는, 차선, 공사 지역, 제1 전방 차량, 제2 전방 차량 등에 대한 트래킹을 수행할 수 있게 된다.
도 6a 내지 도 6b는 도 3의 차량 운전 보조 장치의 동작 설명에 참조되는 도면이다.
먼저, 도 6a는, 차량 내부에 구비되는 스테레오 카메라(195)에서 촬영되는 차량 전방 상황을 예시한 도면이다. 특히, 차량 전방 상황을 버드 아이 뷰(bird eye view)로 표시한다.
도면을 참조하면, 왼쪽에서 오른쪽으로, 제1 차선(642a), 제2 차선(644a), 제3 차선(646a), 제4 차선(648a)이 위치하며, 제1 차선(642a)과 제2 차선(644a) 사이에 공사 지역(610a)이 위치하며, 제2 차선(644a)과 제3 차선(646a) 사이에 제1 전방 차량(620a)가 위치하며, 제3 차선(646a)과 제4 차선(648a) 사이에, 제2 전방 차량(630a)이 배치되는 것을 알 수 있다.
다음, 도 6b는 차량 운전 보조 장치에 의해 파악되는 차량 전방 상황을 각종 정보와 함께 표시하는 것을 예시한다. 특히, 도 6b와 같은 이미지는, 차량 운전 보조 장치에서 제공되는 디스플레이(180) 또는 AVN 장치(400)에서 표시될 수도 있다.
도 6b는, 도 6a와 달리, 스테레오 카메라(195)에서 촬영되는 이미지를 기반으로하여 정보 표시가 되는 것을 예시한다.
도면을 참조하면, 왼쪽에서 오른쪽으로, 제1 차선(642b), 제2 차선(644b), 제3 차선(646b), 제4 차선(648b)이 위치하며, 제1 차선(642b)과 제2 차선(644b) 사이에 공사 지역(610b)이 위치하며, 제2 차선(644b)과 제3 차선(646b) 사이에 제1 전방 차량(620b)가 위치하며, 제3 차선(646b)과 제4 차선(648b) 사이에, 제2 전방 차량(630b)이 배치되는 것을 알 수 있다.
차량 운전 보조 장치(100)는, 스테레오 카메라(195)에서 촬영되는 스테레오 영상을 기반으로 하여, 신호 처리하여, 공사 지역(610b), 제1 전방 차량(620b), 제2 전방 차량(630b)에 대한 오브젝트를 확인할 수 있다. 또한, 제1 차선(642b), 제2 차선(644b), 제3 차선(646b), 제4 차선(648b)을 확인할 수 있다.
한편, 도면에서는 공사 지역(610b), 제1 전방 차량(620b), 제2 전방 차량(630b)에 대한 오브젝트 확인을 나타내기 위해, 각각 테두리로 하이라이트되는 것을 예시한다.
한편, 차량 운전 보조 장치(100)는, 스테레오 카메라(195)에서 촬영되는 스테레오 영상을 기반으로 하여, 공사 지역(610b), 제1 전방 차량(620b), 제2 전방 차량(630b)에 대한 거리 정보를 연산할 수 있다.
도면에서는, 공사 지역(610b), 제1 전방 차량(620b), 제2 전방 차량(630b) 각각에 대응하는, 연산된 제1 거리 정보(611b), 제2 거리 정보(621b), 제3 거리 정보(631b)가 표시되는 것을 예시한다.
한편, 차량 운전 보조 장치(100)는, 제어부(770) 또는 센서부(760)로부터 차량에 대한 센서 정보를 수신할 수 있다. 특히, 차량 속도 정보, 기어 정보, 차량의 회전각(요각)이 변하는 속도를 나타내는 요 레이트 정보(yaw rate), 차량의 각도 정보를 수신할 수 있으며, 이러한 정보들을 표시할 수 있다.
도면에서는, 차량 전방 이미지 상부(670)에, 차량 속도 정보(672), 기어 정보(671), 요 레이트 정보(673)가 표시되는 것을 예시하며, 차량 전방 이미지 하부(680)에, 차량의 각도 정보(682)가 표시되는 것을 예시하나 다양한 예가 가능하다. 그 외, 차량의 폭 정보(683), 도로의 곡률 정보(681)가, 차량의 각도 정보(682)와 함께 표시될 수 있다.
한편, 차량 운전 보조 장치(100)는, 통신부(120) 또는 인터페이스부(130)를 통해, 차량 주행 중인 도로에 대한, 속도 제한 정보 등을 수신할 수 있다. 도면에서는, 속도 제한 정보(640b)가 표시되는 것을 예시한다.
차량 운전 보조 장치(100)는, 도 6b에 도시된 다양한 정보들을 디스플레이(180) 등을 통해 표시하도록 할 수 있으나, 이와 달리, 별도의 표시 없이, 각종 정보를 저장할 수도 있다. 그리고, 이러한 정보들을 이용하여, 다양한 어플리케이션에 활용할 수도 있다.
도 7은 도 1의 차량 내부의 전자 제어 장치의 내부 블록도의 일예이다.
도면을 참조하면, 차량(200)은 차량 제어를 위한 전자 제어 장치(700)를 구비할 수 있다. 전자 제어 장치(700)는, 상술한 차량 운전 보조 장치(100), 및 AVN 장치(400)와 데이터를 교환할 수 있다.
전자 제어 장치(700)는, 입력부(710), 통신부(720), 제2 메모리(740), 램프 구동부(751), 조향 구동부(752), 브레이크 구동부(753), 동력원 구동부(754), 썬루프 구동부(755), 서스펜션 구동부(756), 공조 구동부(757), 윈도우 구동부(758), 에어백 구동부(759), 센서부(760), 제어부(770), 표시부(780), 오디오 출력부(785), 전원 공급부(790)를 구비할 수 있다.
입력부(710)는, 차량(200) 내부에 배치되는 복수의 버튼 또는 터치 스크린을 구비할 수 있다. 복수의 버튼 또는 터치 스크린을 통해, 다양한 입력 동작을 수행하는 것이 가능하다.
통신부(720)는, 이동 단말기(600) 또는 서버(500)와 무선(wireless) 방식으로, 데이터를 교환할 수 있다. 특히, 통신부(720)는, 차량 운전자의 이동 단말기와, 무선으로 데이터를 교환할 수 있다. 무선 데이터 통신 방식으로는, 블루투스(Bluetooth), WiFi Direct, WiFi, APiX 등 다양한 데이터 통신 방식이 가능하다.
통신부(720)는, 이동 단말기(600) 또는 서버(500)로부터, 날씨 정보, 도로의 교통 상황 정보, 예를 들어, TPEG(Transport Protocol Expert Group) 정보를 수신할 수 있다.
한편, 사용자가 차량에 탑승한 경우, 사용자의 이동 단말기(600)와 전자 제어 장치(700)는, 자동으로 또는 사용자의 애플리케이션 실행에 의해, 서로 페어링을 수행할 수 있다.
제2 메모리(740)는, 제어부(770)의 처리 또는 제어를 위한 프로그램 등, 전자 제어 장치(700) 전반의 동작을 위한 다양한 데이터를 저장할 수 있다.
제2 메모리(740)는 제어부(770)와 전기적으로 연결되어, 유닛에 대한 기본데이터, 유닛의 동작제어를 위한 제어데이터, 입출력되는 데이터를 저장할 수 있다. 제2 메모리(740)는 ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기 일 수 있다.
램프 구동부(751)는, 차량 내,외부에 배치되는 램프의 턴 온/턴 오프를 제어할 수 있다. 또한, 램프의 빛의 세기, 방향 등을 제어할 수 있다. 예를 들어, 방향 지시 램프, 브레이크 램프 등의 대한 제어를 수행할 수 있다.
조향 구동부(752)는, 차량(200) 내의 조향 장치(steering apparatus)(미도시)에 대한 전자식 제어를 수행할 수 있다. 이에 의해, 차량의 진행 방향을 변경할 수 있다.
브레이크 구동부(753)는, 차량(200) 내의 브레이크 장치(brake apparatus)(미도시)에 대한 전자식 제어를 수행할 수 있다. 예를 들어, 바퀴에 배치되는 브레이크의 동작을 제어하여, 차량(200)의 속도를 줄일 수 있다. 다른 예로, 좌측 바퀴와 우측 바퀴에 각각 배치되는 브레이크의 동작을 달리하여, 차량(200)의 진행 방향을 좌측, 또는 우측으로 조정할 수 있다.
동력원 구동부(754)는, 차량(200) 내의 동력원에 대한 전자식 제어를 수행할 수 있다.
예를 들어, 화석 연료 기반의 엔진(미도시)이 동력원인 경우, 동력원 구동부(754)는, 엔진에 대한 전자식 제어를 수행할 수 있다. 이에 의해, 엔진의 출력 토크 등을 제어할 수 있다. 동력원 구동부(754)가 엔진인 경우, 제어부(770)의 제어에 따라, 엔진 출력 토크를 제한하여 차량의 속도를 제한할 수 있다.
다른 예로, 전기 기반의 모터(미도시)가 동력원인 경우, 동력원 구동부(754)는, 모터에 대한 제어를 수행할 수 있다. 이에 의해, 모터의 회전 속도, 토크 등을 제어할 수 있다.
썬루프 구동부(755)는, 차량(200) 내의 썬루프 장치(sunroof apparatus)(미도시)에 대한 전자식 제어를 수행할 수 있다. 예를 들어, 썬루프의 개방 또는 폐쇄를 제어할 수 있다.
서스펜션 구동부(756)는, 차량(200) 내의 서스펜션 장치(suspension apparatus)(미도시)에 대한 전자식 제어를 수행할 수 있다. 예를 들어, 도로면에 굴곡이 있는 경우, 서스펜션 장치를 제어하여, 차량(200)의 진동이 저감되도록 제어할 수 있다.
공조 구동부(757)는, 차량(200) 내의 공조 장치(air cinditioner)(미도시)에 대한 전자식 제어를 수행할 수 있다. 예를 들어, 차량 내부의 온도가 높은 경우, 공조 장치가 동작하여, 냉기가 차량 내부로 공급되도록 제어할 수 있다.
윈도우 구동부(758)는, 차량(200) 내의 서스펜션 장치(window apparatus)(미도시)에 대한 전자식 제어를 수행할 수 있다. 예를 들어, 차량의 측면의 좌,우 윈도우들에 대한 개방 또는 폐쇄를 제어할 수 있다.
에어백 구동부(759)는, 차량(200) 내의 서스펜션 장치(airbag apparatus)에 대한 전자식 제어를 수행할 수 있다. 예를 들어, 위험시, 에어백이 터지도록 제어할 수 있다.
센서부(760)는, 차량(100)의 주행 등과 관련한 신호를 센싱한다. 이를 위해, 센서부(760)는, 헤딩 센서(heading sensor), 요 센서(yaw sensor), 자이로 센서(gyro sensor), 포지션 모듈(position module), 차량 전진/후진 센서, 휠 센서(wheel sensor), 차량 속도 센서, 차체 경사 감지센서, 배터리 센서, 연료 센서, 타이어 센서, 핸들 회전에 의한 스티어링 센서, 차량 내부 온도 센서, 차량 내부 습도 센서 등을 구비할 수 있다.
이에 의해, 센서부(760)는, 차량 방향 정보, 차량 위치 정보(GPS 정보), 차량 각도 정보, 차량 속도 정보, 차량 가속도 정보, 차량 기울기 정보, 차량 전진/후진 정보, 배터리 정보, 연료 정보, 타이어 정보, 차량 램프 정보, 차량 내부 온도 정보, 차량 내부 습도 정보 등에 대한 센싱 신호를 획득할 수 있다.
한편, 센서부(760)는, 그 외, 가속페달센서, 압력센서, 엔진 회전 속도 센서(engine speed sensor), 공기 유량 센서(AFS), 흡기 온도 센서(ATS), 수온 센서(WTS), 스로틀 위치 센서(TPS), TDC 센서, 크랭크각 센서(CAS), 등을 더 구비할 수 있다.
제어부(770)는, 전자 제어 장치(700) 내의 각 유닛의 전반적인 동작을 제어할 수 있다. 여기서 제어부(770)는 ECU일 수 있다.
입력부(710)에 의한 입력에 의해, 특정 동작을 수행하거나, 센서부(760)에서 센싱된 신호를 수신하여, 차량 운전 보조 장치(100)로 전송할 수 있으며, AVN 장치(400)로부터 맵 정보를 수신할 수 있으며, 각 종 구동부(751,752, 753,754,756)의 동작을 제어할 수 있다.
또한, 제어부(770)는, 통신부(720)로부터 날씨 정보, 도로의 교통 상황 정보, 예를 들어, TPEG(Transport Protocol Expert Group) 정보를 수신할 수 있다.
표시부(780)는, 차량 운전 보조 장치의 동작과 관련한 이미지를 표시할 수 있다. 이러한 이미지 표시를 위해, 표시부(780)는, 차량 내부 전면의 클러스터(cluster) 또는 HUD(Head Up Display)를 포함할 수 있다. 한편, 표시부(780)가 HUD 인 경우, 차량(200)의 전면 유리에 이미지를 투사하는 투사 모듈을 포함할 수 있다. 한편, 표시부(780)는, 입력이 가능한, 터치 스크린을 포함할 수 있다.
오디오 출력부(785)는, 제어부(770)로부터의 전기 신호를 오디오 신호로 변환하여 출력한다. 이를 위해, 스피커 등을 구비할 수 있다. 오디오 출력부(785)는, 입력부(710), 즉 버튼의 동작에 대응하는, 사운드를 출력하는 것도 가능하다.
전원 공급부(790)는, 제어부(770)의 제어에 의해, 각 구성요소들의 동작에 필요한 전원을 공급할 수 있다. 특히, 전원 공급부(790)는, 차량 내부의 배터리(미도시) 등으로부터 전원을 공급받을 수 있다.
도 8a 내지 8b는 본 발명의 실시예에 따른, 차량 운전 보조 장치의 동작을 설명하는데 참조되는 플로우차트이다.
도 8a를 참조하면, 프로세서(170)는 스테레오 영상을 수신한다(S810). 스테레오 영상은 복수의 프레임을 포함할 수 있다. 차량 운전 보조 장치(100)에 포함된 스테레오 카메라 모듈(195)은 연속적으로 스테레오 영상을 획득하고, 프로세서(170)는 스테레오 카메라 모듈(195)로부터 연속적으로 스테레오 영상을 수신할 수 있다. 예를 들면, 프로세서(170)는 제1 프레임을 수신할 수 있다. 이후에, 프로세서(170)는 제2 프레임을 수신할 수 있다. 이후에, 프로세서(170)는 제3 프레임을 수신할 수 있다. 여기서, 제1 내지 제3 프레임은 획득되는 순서에 따라 스테레오 카메라 모듈(195)로부터 프로세서(170)에 전달되는 스테레오 영상일 수 있다. 제1 내지 제3 프레임은 시간의 흐름에 따라, 프로세서(170)에 수신되는 프레임을 나타내지만, 반드시 제1 프레임 다음에 제2 프레임이 수신되고, 제2 프레임 다음에 제3 프레임이 수신됨을 의미하지는 않을 수 있다. 즉, 제1 및 제2 프레임 사이에는 적어도 하나의 프레임이 포함될 수 있고, 제2 및 제3 프레임 사이에는 적어도 하나의 프레임일 포함될 수 있다.
스테레오 영상이 수신되면, 프로세서(170)는 전처리(preprocessing)를 수행할 수 있다(S815).
예를 들면, 프로세서(170)는, 스테레오 영상에 대한, 노이즈 리덕션(noise reduction), 렉티피케이션(rectification), 캘리브레이션(calibration), 색상 강화(color enhancement), 색상 공간 변환(color space conversion;CSC), 인터폴레이션(interpolation), 카메라 게인 컨트롤(camera gain control) 등을 수행할 수 있다. 이에 따라, 스테레오 카메라(195)에서 촬영된 스테레오 영상 보다 선명한 스테레오 영상을 획득할 수 있다.
한편, 프로세서(170)는 3D(Three Dimensional) 기반의 전처리 및 2D (Two Dimensional) 기반의 전처리를 수행할 수 있다. 예를 들면, 프로세서(170)는 3D 기반의 전처리를 수행할 수 있다. 여기서, 3D 기반의 전처리는 소정 오브젝트와의 거리를 검출하는 동작을 수행하는데 이용될 수 있다. 예를 들어, 프로세서(170)는 2D 기반의 전처리를 수행할 수 있다. 여기서, 2D 기반의 전처리는 오브젝트 검출 동작을 수행하는데 이용될 수 있다. 프로세서(170)는 동작 수행 시, 3D 또는 2D 기반의 전처리를 적절하게 선택하여 이용할 수 있다. 또는, 프로세서(170)는 3D 또는 2D 기반의 전처리를 조합하여 이용할 수 있다.
한편, 전처리 수행은, 프로세서(170)에 구비된 전처리부(410)에서 수행될 수 있다.
전처리 수행 후, 프로세서(170)는 복수의 동작에 대한 스케줄링을 수행할 수 있다(S820). 여기서, 스케줄링은 복수의 동작별로 수행 시간을 예측하고, 복수의 동작별로 수행 순서를 설정하는 동작일 수 있다. 이때, 프로세서(170)는 복수의 동작별로 측정된 수행 시간에 기초하여 스케줄링을 수행할 수 있다. 여기서, 측정된 수행 시간은 S895단계에서 측정된 수행 시간일 수 있다. 또는, 측정된 수행 시간은 S897단계에서 DB(141)에 저장된 수행 시간일 수 있다.
프로세서(170)는 스테레오 카메라 모듈(195)에서 제1 프레임을 수신하여, 제1 프레임에서 복수의 동작에 대한 제1 스케줄링을 수행할 수 있다. 이후에, 프로세서(170)는 제1 스케줄링에 따라, 복수의 동작을 수행할 수 있다. 이후에, 프로세서(170)는 제1 스케줄링에 따른 복수의 동작별 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 스테레오 카메라 모듈(195)에서 제2 프레임을 수신하여, 제2 프레임에서 복수의 동작에 대한 제2 스케줄링을 수행할 수 있다. 이때, 프로세서(170)는 측정된 복수의 동작별 수행 시간에 기초하여 제2 스케줄링을 수행할 수 있다.
예를 들어, 프로세서(170)는 스테레오 카메라 모듈(195)에서 제1 프레임을 수신하여, 제1 프레임에서 제1 내지 제3 동작에 대한 제1 스케줄링을 수행할 수 있다. 이후에, 프로세서(170)는 제1 스케줄링에 따라, 제1 내지 제3 동작을 수행할 수 있다. 이후에, 프로세서(170)는 제1 스케줄링에 따른 제1 내지 제3 동작별 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 스테레오 카메라 모듈(195)에서 제2 프레임을 수신하여, 제2 프레임에서 제1 내지 제3 동작에 대한 제2 스케줄링을 수행할 수 있다. 이때, 프로세서(170)는 측정된 제1 내지 제3 동작별 수행 시간에 기초하여 제2 스케줄링을 수행할 수 있다.
한편, 제2 스케줄링 수행후, 프로세서(170)는 제2 스케줄링에 따라, 복수의 동작을 수행할 수 있다. 이후에, 프로세서(170)는 제2 스케줄링에 따른, 복수의 동작별 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 측정된 제1 스케줄링에 따른 복수의 동작별 수행시간과, 측정된 제2 스케줄링에 따른 복수의 동작별 수행시간을 기초로, 복수의 동작별 수행 시간의 변화량을 산출할 수 있다.
예를 들면, 프로세서(170)는 제1 스케줄링에 따라, 제1 동작을 수행하고, 제1 동작 수행 시간을 측정할 수 있다. 또한, 프로세서(170)는 제2 스케줄링에 따라, 제1 동작을 수행하고, 제1 동작 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제1 스케줄링에 따른 제1 동작 수행 시간 및 제2 스케줄링에 따른 제1 동작 수행 시간을 기초로, 제1 동작 수행 시간의 변화량을 산출할 수 있다.
예를 들면, 프로세서(170)는 제1 스케줄링에 따라, 제2 동작을 수행하고, 제2 동작 수행 시간을 측정할 수 있다. 또한, 프로세서(170)는 제2 스케줄링에 따라, 제2 동작을 수행하고, 제2 동작 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제1 스케줄링에 따른 제2 동작 수행 시간 및 제2 스케줄링에 따른 제2 동작 수행 시간을 기초로, 제2 동작 수행 시간의 변화량을 산출할 수 있다.
예를 들면, 프로세서(170)는 제1 스케줄링에 따라, 제3 동작을 수행하고, 제3 동작 수행 시간을 측정할 수 있다. 또한, 프로세서(170)는 제2 스케줄링에 따라, 제3 동작을 수행하고, 제3 동작 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제1 스케줄링에 따른 제3 동작 수행 시간 및 제2 스케줄링에 따른 제3 동작 수행 시간을 기초로, 제3 동작 수행 시간의 변화량을 산출할 수 있다.
한편, 스테레오 카메라 모듈(195)에서 제3 프레임을 수신하여, 제3 프레임에서, 제1 내지 제3 동작에 대한 제3 스케줄링을 수행하는 경우, 프로세서(170)는 동작별 수행 시간의 변화량을 반영할 수 있다. 예를 들면, 프로세서(170)는 측정된 제2 스케줄링에 따른 제1 내지 제3 동작의 수행 시간에 제1 내지 제3 동작별 수행 시간의 변화량을 각각 더하여, 제1 내지 제3 동작별 수행 시간을 예측할 수 있다. 이후에, 프로세서(170)는 제1 내지 제3 동작별 수행 순서를 설정할 수 있다.
스케줄링은 프로세서(170)에 구비된 스케줄링부(910)에서 수행될 수 있다. 구체적으로, 스케줄링부(910)에 포함된 수행시간 예측부(913)는 복수의 동작별로 수행시간을 예측할 수 있다. 스케줄링부(910)에 포함된 수행 순서 설정부(915)는 복수의 동작에 대한 수행 순서를 설정할 수 있다.
스케줄링에 대해서는 도 8b를 참조하여 상세하게 설명한다.
스케줄링이 완료된 경우, 프로세서(170)는 스케줄링에 따라, 복수의 동작을 수행할 수 있다(S890). 복수의 동작은 동작 수행부(930)에서 수행될 수 있다.
예를 들면, 동작 수행부(930)는, 제1 프레임에서 제1 스케줄링에 따라, 제1 동작(931), 제2 동작(932) 및 제3 동작(933)을 수행할 수 있다. 또한, 동작 수행부(930)는 제2 프레임에서 제2 스케줄링에 따라, 제1 동작(931), 제2 동작(932) 및 제3 동작(933)을 수행할 수 있다. 또한, 동작 수행부(930)는 제3 프레임에서 제3 스케줄링에 따라, 제1 동작(931), 제2 동작(932) 및 제3 동작(933)을 수행할 수 있다.
스케줄링에 따른 동작이 수행된 후, 프로세서(170)는 복수의 동작별로 수행 시간을 측정할 수 있다(S895).
예를 들면, 프로세서(170)는 제1 프레임에서, 제1 스케줄링에 따른 제1 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 프로세서(170)는 제2 프레임에서, 제2 스케줄링에 따른 제1 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 프로세서(170)는 제3 프레임에서, 제3 스케줄링에 따른 제1 동작을 수행하는데 걸리는 시간을 측정할 수 있다.
예를 들면, 프로세서(170)는 제1 프레임에서, 제1 스케줄링에 따른 제2 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 프로세서(170)는 제2 프레임에서, 제2 스케줄링에 따른 제2 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 프로세서(170)는 제3 프레임에서, 제3 스케줄링에 따른 제2 동작을 수행하는데 걸리는 시간을 측정할 수 있다.
예를 들면, 프로세서(170)는 제1 프레임에서, 제1 스케줄링에 따른 제3 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 프로세서(170)는 제2 프레임에서, 제2 스케줄링에 따른 제3 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 프로세서(170)는 제3 프레임에서, 제3 스케줄링에 따른 제3 동작을 수행하는데 걸리는 시간을 측정할 수 있다.
복수의 동작별 수행 시간 측정은 수행 시간 측정부(950)에서 수행될 수 있다.
복수의 동작별 수행시간 측정이 완료된 경우, 프로세서(170)는 측정된 수행 시간을 DB(141)에 저장할 수 있다(S897). 여기서, DB(141)는 제1 메모리(140)에 구비된 소정의 데이터 베이스를 의미할 수 있다.
예를 들어, 프로세서(170)는 제1 프레임에서, 측정된 제1 내지 제3 동작 수행 시간을 DB(141)에 저장할 수 있다. 예를 들면, 프로세서(170)는 제2 프레임에서, 측정된 제1 내지 제3 동작 수행 시간을 DB(141)에 저장할 수 있다. 예를 들면, 프로세서(170)는 제3 프레임에서, 측정된 제1 내지 제3 동작 수행 시간을 DB(141)에 저장할 수 있다.
도 8b는 본 발명의 실시예에 따른, 도 8a에서 S820단계의 상세 플로우 차트이다.
도 8b를 참조하면, 전처리 수행 후, 프로세서(170)는 복수의 동작별 수행 시간을 예측할 수 있다(S825).
프로세서(170)는 전 프레임에서 측정된 복수의 동작별 수행 시간을 기초로 다음 프레임에서 복수의 동작별 수행 시간을 예측할 수 있다.
제1 실시 예에 의하면, 프로세서(170)는 제1 프레임에서 측정된 복수의 동작별 수행 시간을 기초로, 제2 프레임에서 복수의 동작별 수행 시간을 예측할 수 있다. 프로세서(170)는 제2 프레임에서 측정된 복수의 동작별 수행 시간을 기초로, 제3 프레임에서 복수의 동작별 수행 시간을 예측할 수 있다.
제2 실시 예에 의하면, 프로세서(170)는 제1 스케줄링에 따른 복수의 동작별 수행 시간을 측정한다. 이후에, 프로세서(170)는 제2 스케줄링에 따른 복수의 동작별 수행 시간을 측정한다. 이후에, 프로세서(170)는 측정된 제1 스케줄링에 따른 복수의 동작별 수행시간과, 측정된 제2 스케줄링에 따른 복수의 동작별 수행시간을 기초로, 복수의 동작별 수행 시간의 변화량을 산출할 수 있다. 이후에, 제3 프레임에서, 복수의 동작에 대한 제3 스케줄링을 수행하는 경우, 프로세서(170)는 동작별 수행 시간의 변화량을 반영할 수 있다. 예를 들면, 프로세서(170)는 측정된 제2 스케줄링에 따른 복수의 동작별 수행 시간에 복수의 동작별 수행 시간의 변화량을 각각 더하여, 복수의 동작별 수행 시간을 예측할 수 있다.
한편, 복수의 동작별 수행 시간의 변화량은 연속적으로 산출될 수 있다. 예를들면, 프로세서(170)는 제1 및 제2 프레임에서의 동작별 수행 시간에 따른 수행 시간의 변화량을 산출할 수 있다. 또한, 프로세서(170)는 제2 및 제3 프레임에서의 동작별 수행 시간에 따른 수행 시간의 변화량을 산출할 수 있다. 또한, 프로세서(170)는 제3 및 제4 프레임에서의 동작별 수행 시간에 따른 수행 시간의 변화량을 산출할 수 있다. 이경우, 각각의 수행 시간의 변화량은 최소값, 최대값, 평균값을 가질 수 있다. 실시예에 따라, 프로세서(170)는 누적되어 저장된 수행 시간의 변화량 중에서 최대값을 기준으로 복수의 동작별 수행 시간을 예측할 수 있다. 이경우, 수행 시간 예측에 오차가 발생할 확률이 적어지는 장점이 있다.
제1 실시 예에 의하면, 프로세서(170)는 제1 스케줄링에 따른, 제1 동작 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제2 스케줄링 수행 시, 측정된 제1 스케줄링에 따른 제1 동작 수행 시간을 기초로, 제2 프레임에서 제1 동작 수행 시간을 예측할 수 있다. 또한, 프로세서(170)는 제2 스케줄링에 따른, 제1 동작 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제3 스케줄링 수행 시, 측정된 제2 스케줄링에 따른, 제1 동작 수행 시간을 기초로, 제3 프레임에서 제1 동작 수행 시간을 예측할 수 있다.
제2 실시 예에 의하면, 프로세서(170)는 제1 스케줄링에 따른, 제1 동작의 수행 시간을 측정할 수 있다. 또한, 프로세서(170)는 제2 스케줄링에 따른, 제1 동작의 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제1 스케줄링에 따른 제1 동작 수행 시간 및 제2 스케줄링에 따른 제1 동작 수행 시간을 기초로, 제1 동작 수행 시간의 변화량을 산출할 수 있다. 이후에, 프로세서(170)는 제2 스케줄링에 따른 제1 동작의 수행 시간에 제1 동작 수행 시간의 변화량을 더하여, 제3 스케줄링에서 제1 동작의 수행 시간을 예측할 수 있다.
제1 실시 예에 의하면, 프로세서(170)는 제1 스케줄링에 따른 제2 동작 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제2 스케줄링 수행 시, 측정된 제1 스케줄링에 따른 제2 동작 수행 시간을 기초로, 제2 프레임에서 제2 동작 수행 시간을 예측할 수 있다. 또한, 프로세서(170)는 제2 스케줄링에 따른 제2 동작 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제3 스케줄링 수행 시, 측정된 제2 스케줄링에 따른 제2 동작 수행 시간을 기초로, 제3 프레임에서 제2 동작 수행 시간을 예측할 수 있다.
제2 실시 예에 의하면, 프로세서(170)는 제1 스케줄링에 따른, 제2 동작의 수행 시간을 측정할 수 있다. 또한, 프로세서(170)는 제2 스케줄링에 따른, 제2 동작의 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제1 스케줄링에 따른 제2 동작 수행 시간 및 제2 스케줄링에 따른 제2 동작 수행 시간을 기초로, 제2 동작 수행 시간의 변화량을 산출할 수 있다. 이후에, 프로세서(170)는 제2 스케줄링에 따른 제1 동작의 수행 시간에 제2 동작 수행 시간의 변화량을 더하여, 제3 스케줄링에서 제1 동작의 수행 시간을 예측할 수 있다.
제1 실시 예에 의하면, 프로세서(170)는 제1 스케줄링에 따른 제3 동작 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제2 스케줄링 수행 시, 측정된 제1 스케줄링에 따른 제3 동작 수행 시간을 기초로, 제2 프레임에서 제3 동작 수행 시간을 예측할 수 있다. 또한, 프로세서(170)는 제2 스케줄링에 따른 제3 동작 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제3 스케줄링 수행 시, 측정된 제2 스케줄링에 따른 제3 동작 수행 시간을 기초로, 제3 프레임에서 제3 동작 수행 시간을 예측할 수 있다.
제2 실시 예에 의하면, 프로세서(170)는 제1 스케줄링에 따른, 제3 동작의 수행 시간을 측정할 수 있다. 또한, 프로세서(170)는 제2 스케줄링에 따른, 제3 동작의 수행 시간을 측정할 수 있다. 이후에, 프로세서(170)는 제1 스케줄링에 따른 제3 동작 수행 시간 및 제2 스케줄링에 따른 제3 동작 수행 시간을 기초로, 제3 동작 수행 시간의 변화량을 산출할 수 있다. 이후에, 프로세서(170)는 제2 스케줄링에 따른 제1 동작의 수행 시간에 제2 동작 수행 시간의 변화량을 더하여, 제3 스케줄링에서 제3 동작의 수행 시간을 예측할 수 있다.
한편, 프로세서(170)는 제1 동작의 수행 시간 예측시, 기준 시간 이상의 범위에서 예측할 수 있다. 여기서, 제1 동작은 복수의 동작 중 필수적으로 수행되어야 하는 동작일 수 있다. 또한, 제1 동작은 기준 시간 이상 수행되지 않는 경우, 동작 수행의 결과가 현저하게 떨어지는 동작일 수 있다. 가령, 보행자 검출(Pedestrian Detection) 동작이 25msec 미만으로 수행되는 경우, 정확한 검출이 이루어지지 않을 때, 프로세서(170)는 보행자 검출을 25msec 이상의 범위에서 예측할 수 있다.
복수의 동작별 수행 시간 예측 후, 프로세서(170)는 복수의 동작별 수행 예측 시간을 합산할 수 있다(S830). 예를 들면, 프로세서(170)는 제1 내지 제3 동작별 수행 예측 시간을 합산할 수 있다.
이후에, 프로세서(170)는 복수의 동작별 수행 순서를 설정할 수 있다(S835).
예를 들어, 프로세서(170)는 소정의 기준에 의해, 제1 내지 제3 동작 중 어느 동작을 선순위로 수행하고, 어느 동작을 후순위로 수행할지 여부를 설정할 수 있다.
여기서, 수행 순서는 S825단계에서 예측된 복수의 동작별 수행 시간이 짧은 순서대로 선순위에 배치되도록 설정할 수 있다. 가령, 예측된 수행 시간이 제1 동작, 제2 동작, 제3 동작 순으로 긴 경우, 프로세서(170)는 제1 동작, 제2 동작 및 제3 동작의 순으로 수행 순서를 설정할 수 있다. 이경우, 예측된 수행 시간이 짧은 동작을 먼저 수행함으로써, 제한된 시간에 보다 많은 동작을 수행할 수 있는 장점이 있다.
여기서, 수행 순서는 차량의 주행 환경 또는 외부 환경을 반영하여 설정될 수 있다. 프로세서(170)는 스테레오 카메라 모듈(195)로부터 수신되는 스테레오 영상을 기초로 주행 환경 또는 외부 환경을 판단할 수 있다. 또는, 프로세서(170)는 인터페이스부(130)를 통해 수신되는, 각종 센서 정보를 기초로 주행 환경 또는 외부 환경을 판단할 수 있다. 이때, 주행 환경은, 차량이 주행하는 도로의 종류가 고속 도로, 국도, 시골 도로 및 도심 도로 중 어느 하나일 수 있다. 또한, 외부 환경은, 차량이 주행하는 구간의 상태, 차량 주행 시의 날씨의 상태 및 차량이 주행하는 시간 중 어느 하나일 수 있다.
여기서, 수행 순서는, 기 설정된 디폴트(default) 순위에 따라 설정될 수 있다. 예를 들어, 복수의 동작별 수행 시간이 측정되기 이전에, 프로세서(170)는 기 설정된 디폴트 순위에 따라 수행 순서를 설정할 수 있다. 즉, 전 프레임에서 복수의 동작 수행 시간을 측정할 수 없는 경우, 프로세서(170)는 기 설정된 디폴트 순위에 따라 수행 순서를 설정할 수 있다. 가령, 최초로 수행 순서를 설정하는 경우나, 에러가 발생되고 난 후 수행 순서를 설정하는 경우, 프로세서(170)는 기 설정된 디폴트 순위에 따라 수행 순서를 설정할 수 있다. 또는, 프로세서(170)는 소정의 환경에서 기 설정된 디폴트 순위에 따라 수행 순서를 설정할 수 있다. 가령, 차량의 외부 환경이, 터널 진입 또는 진출 구간인 경우, 일출 또는 일몰 시간인 경우 및, 비 또는 눈이 오는 날씨인 경우 중 어느 하나의 경우, 프로세서(170)는 기 설정된 디폴트 순위에 따라 수행 순서를 설정할 수 있다.
한편, 복수의 동작 중 필수적으로 수행되어야 하는 동작이 있는 경우, 프로세서(170)는 필수 수행 동작을 최우선순위로 설정할 수 있다. 가령, 제1 동작이 차량 안전 운행 관련 동작인 경우, 프로세서(170)는 수행 순서에서, 제1 동작을 최우선순위로 설정할 수 있다. 예를 들어, 프로세서(170)는 복수의 동작 중, 보행자 안전에 관련된, 보행자 검출(Pedestrian Detection)을 수행 순서에서 최우선 순위로 설정할 수 있다. 메모리(140)는 필수적으로 수행되어야 하는 동작 리스트를 미리 저장할 수 있다. 프로세서(170)는 메모리(140)에 저장된 리스트에 따라, 수행 순서에서, 우선 순위를 먼저 설정한 후, 이후의 순서를 설정할 수 있다.
한편, 제2프레임에서, 복수의 동작 중 필수적으로 수행되어야 하는 동작이 있는 경우, 프로세서(170)는 필수 수행 동작을 최우선순위로 설정할 수 있다. 가령, 제2 프레임에서, 제1 동작이 차량 안전 운행 관련 동작인 경우, 프로세서(170)는 수행 순서에서, 제1 동작을 최우선순위로 설정할 수 있다. 이후에, 스테레오 카메라 모듈(195)에서 상기 제3 프레임을 수신하여, 제3 프레임에서, 상기 제1 내지 제3 동작에 대한 제3 스케줄링을 수행하는 경우, 프로세서(170)는 반복하여, 수행 순서에서, 제1 동작을 최우선순위로 설정할 수 있다.
동작 수행 순서가 설정된 후, 프로세서(170)는 합산된 수행 예측 시간이 임계값 이상인지 판단할 수 있다(S840). 여기서, 임계값은 프로세서(170)가 처리할 수 있는 한계값을 의미할 수 있다. 예를 들어, 연속적으로 수신되는 복수의 프레임에 있어서, 다음 프레임이 수신되기 이전에 현재 프레임의 동작을 완료해야한다. 이경우, 임계값은 다음 프레임이 수신되기 이전에, 현재 프레임에서, 프로세서(170)의 동작 수행 가능 시간을 의미할 수 있다. 가령, 제1 프레임에서 복수의 동작을 수행한 후, 제2 프레임에서 복수의 동작을 수행하는 경우, 프로세서(170)는 제1 프레임에서 수행하는 복수의 동작은 제2 프레임을 수신하기 이전에 수행되어야 한다. 이경우, 임계값은 제2 프레임이 수신되기 이전에, 제1 프레임에서, 프로세서(170)의 동작 수행 가능 시간을 의미할 수 있다.
합산된 수행 예측 시간이 임계값 이상이 아닌 경우, 프로세서(170)는 스케줄링에 따른 복수의 동작을 수행할 수 있다(S890).
합산된 수행 예측 시간이 임계값 이상인 경우, 프로세서(170)는 복수의 동작 중에서 제외 가능한 동작이 존재하는지 판단할 수 있다(S845). 예를 들어, 프로세서(170)는 제1 내지 제3 동작 중에서 제외 가능한 동작이 존재하는지 판단할 수 있다.
만약, 제외 가능한 동작이 존재하는 경우, 프로세서(170)는 제외 가능하다고 판단된 동작을 제외할 수 있다(S850). 예를 들어, 제1 동작이 제외 가능한 동작으로 판단된 경우, 프로세서(170)는 제1 동작을 제외할 수 있다. 가령, 차량이 고속 도로 주행 하는 경우, 고속 도로에는 보행자가 없기 때문에, 보행자 검출은 제외될 수 있다. 이런 상황에서, 합산된 수행 예측 시간이 임계값 이상인 경우, 프로세서(170)는 복수의 동작 중에서 보행자 검출 동작을 제외 가능한 동작으로 판단할 수 있다.
한편, 제외된 동작은 다음 프레임에서 스케줄링 하는 경우, 수행 순서에서 선순위에 배치될 수 있다. 예를 들어, 제2 프레임에서, 제1 동작이 제외된 상태에서, 프로세서(170)는 제3 프레임을 수신하여, 제3 프레임에서, 상기 제1 내지 제3 동작에 대한 제3 스케줄링을 하는 경우, 프로세서(170)는 제1 동작을 수행 순서에서 선순위에 배치할 수 있다.
한편, 제외된 동작은 다음 프레임에서 스케줄링 하는 경우, 수행 순서에서 다른 동작의 측정된 수행 시간을 고려하여 선순위에 배치될 수 있다. 예를 들어, 제2 프레임에서, 제1 동작이 제외된 상태에서, 프로세서(170)는 제3 프레임을 수신하여, 제3 프레임에서, 상기 제1 내지 제3 동작에 대한 제3 스케줄링을 하는 경우, 프로세서(170)는 제2 및 제3 동작의 수행 시간을 고려하여 수행 순서를 설정한다. 구체적으로, 제2 및 제3 동작중 어느 하나가 수행 시간이 기 설정된 기준값 이상인 경우, 프로세서(170)는 기준값 이상의 수행 시간을 갖는 동작을 중요 동작으로 판단할 수 있다. 이때, 프로세서(170)는, 수행 순서에서, 기준값 이상의 수행 시간을 갖는 동작을 제1 동작 보다 선순위에 배치할 수 있다.
제외 가능하다고 판단된 동작을 제외한 후, 프로세서(170)는 복수의 동작별 수행 예측 시간을 합산하고(S825), 복수의 동작별 수행 순서를 설정한 후(S835), 다시, 합산된 수행 예측 시간이 임계값 이상인지 판단할 수 있다(S840).
만약, 제외 가능한 동작이 존재하지 않는 경우, 프로세서(170)는 복수의 동작의 수행 예측 시간을 조정할 수 있다(S855). 예를 들면, 프로세서(170)는 제1 내지 제3 동작 중 적어도 어느 하나의 동작의 수행 예측 시간을 조정할 수 있다. 가령, 제1 동작의 수행 예측 시간이, 제2 동작 및 제3 동작의 수행 예측 시간에 비해 과도하게 긴 경우, 프로세서(170)는 제1 동작의 수행 예측 시간을 줄일 수 있다. 가령, 제1 내지 제3 동작의 수행 예측 시간이 비슷한 경우, 프로세서(170)는 제1 내지 제3 동작의 수행 예측 시간을 각각 줄일 수 있다.
수행 예측 시간을 조정한 후, 프로세서(170)는 복수의 동작별 수행 예측 시간을 합산하고(S825), 복수의 동작별 수행 순서를 설정한 후(S835), 다시, 합산된 수행 예측 시간이 임계값 이상인지 판단할 수 있다(S840).
도 9는 본 발명의 실시예에 따라, 차량 운전 보조 장치를 설명하는데 참조되는 프로세서의 내부 블록도이다.
도 9를 참조하면, 프로세서(170)는 전처리부(410), 스케줄링부(910), 동작 수행부(930) 및 수행 시간 측정부(950)를 포함할 수 있다.
프로세서(170)는 스테레오 카메라 모듈(195)로부터, 스테레오 영상을 수신한다(S810). 스테레오 영상은 복수의 프레임을 포함할 수 있다. 차량 운전 보조 장치(100)에 포함된 스테레오 카메라 모듈(195)은 연속적으로 스테레오 영상을 획득하고, 프로세서(170)는 스테레오 카메라 모듈(195)로부터 연속적으로 스테레오 영상을 수신할 수 있다. 예를 들면, 프로세서(170)는 제1 프레임을 수신할 수 있다. 이후에, 프로세서(170)는 제2 프레임을 수신할 수 있다. 이후에, 프로세서(170)는 제3 프레임을 수신할 수 있다. 여기서, 제1 내지 제3 프레임은 획득되는 순서에 따라 스테레오 카메라 모듈(195)로부터 프로세서(170)에 전달되는 스테레오 영상일 수 있다. 제1 내지 제3 프레임은 시간의 흐름에 따라, 프로세서(170)에 수신되는 프레임을 나타내지만, 반드시 제1 프레임 다음에 제2 프레임이 수신되고, 제2 프레임 다음에 제3 프레임이 수신됨을 의미하지는 않을 수 있다. 즉, 제1 및 제2 프레임 사이에는 적어도 하나의 프레임이 포함될 수 있고, 제2 및 제3 프레임 사이에는 적어도 하나의 프레임일 포함될 수 있다.
전처리부(410)는, 스테레오 카메라 모듈(195)로부터 스테레오 영상을 수신하여, 전처리를 수행할 수 있다.
예를 들면, 프로세서(170)는, 스테레오 영상에 대한, 노이즈 리덕션(noise reduction), 렉티피케이션(rectification), 캘리브레이션(calibration), 색상 강화(color enhancement), 색상 공간 변환(color space conversion;CSC), 인터폴레이션(interpolation), 카메라 게인 컨트롤(camera gain control) 등을 수행할 수 있다. 이에 따라, 스테레오 카메라(195)에서 촬영된 스테레오 영상 보다 선명한 스테레오 영상을 획득할 수 있다.
한편, 전처리부(410)는 3D 기반의 전처리 및 2D 기반의 전처리를 수행할 수 있다. 예를 들면, 전처리부(410)는 3D 기반의 전처리를 수행할 수 있다. 가령, 3D 기반의 전처리는 소정 오브젝트와의 거리를 검출하는 동작을 수행하는데 이용될 수 있다. 예를 들어, 전처리부(410)는 2D 기반의 전처리를 수행할 수 있다. 가령, 2D 기반의 전처리는 오브젝트 검출 동작을 수행하는데 이용될 수 있다. 전처리부(410)는 동작 수행 시, 3D 또는 2D 기반의 전처리를 적절하게 선택하여 이용할 수 있다. 또는, 전처리부(410)는 3D 또는 2D 기반의 전처리를 조합하여 이용할 수 있다.
스케줄링부(910)는, 복수의 동작에 대한 스케줄링을 수행할 수 있다. 여기서, 스케줄링은 복수의 동작별로 수행 시간을 예측하고, 복수의 동작별로 수행 순서를 설정하는 동작일 수 있다. 스케줄링부(910)는 복수의 동작별로 측정된 수행 시간에 기초하여 스케줄링을 수행할 수 있다. 여기서, 측정된 수행 시간은 수행 시간 측정부(950)에서 측정된 수행 시간일 수 있다. 또는, 측정된 수행 시간은 DB(141)에 저장된 수행 시간일 수 있다.
예를 들어, 스케줄링부(910)는 제1 프레임을 수신하여, 제1 프레임에서 제1 내지 제3 동작에 대한 제1 스케줄링을 수행할 수 있다. 이후에, 동작 수행부(930)는 제1 스케줄링에 따라, 제1 내지 제3 동작을 수행할 수 있다. 이후에, 수행 시간 측정부(950)는 제1 스케줄링에 따른 제1 내지 제3 동작별 수행 시간을 측정할 수 있다. 이후에, 스케줄링부(910)는 제2 프레임을 수신하여, 제2 프레임에서 제1 내지 제3 동작에 대한 제2 스케줄링을 수행할 수 있다. 이때, 스케줄링부(910)는 측정된 제1 내지 제3 동작별 수행 시간에 기초하여 제2 스케줄링을 수행할 수 있다.
한편, 제2 스케줄링 수행후, 동작 수행부(930)는 제2 스케줄링에 따라, 제1 내지 제3 동작을 수행할 수 있다. 이후에, 수행 시간 측정부(950)는 제2 스케줄링에 따른, 제1 내지 제3 동작별 수행 시간을 측정할 수 있다. 이후에, 스케줄링부(910)는 측정된 제1 스케줄링에 따른 제1 내지 제3 동작별 수행시간과, 측정된 제2 스케줄링에 따른 제1 내지 제3 동작별 수행시간을 기초로, 제1 내지 제3 동작별 수행 시간의 변화량을 산출할 수 있다.
구체적으로, 스케줄링부(910)는 변화량 산출부(911), 수행 시간 예측부(913), 수행 순서 설정부(915) 및 판단부(917)을 포함할 수 있다.
변화량 산출부(911)는, 복수의 동작별 수행 시간의 변화량을 산출할 수 있다.
예를 들면, 변화량 산출부(911)는 제1 스케줄링에 따른 복수의 동작 수행 시간 및 제2 스케줄링에 따른 복수의 동작 수행 시간을 기초로, 복수의 동작 수행별 변화량을 산출할 수 있다.
예를 들면, 변화량 산출부(911)는 제1 스케줄링에 따른 제1 동작 수행 시간 및 제2 스케줄링에 따른 제1 동작 수행 시간을 기초로, 제1 동작 수행 시간의 변화량을 산출할 수 있다.
예를 들면, 변화량 산출부(911)는 제1 스케줄링에 따른 제2 동작 수행 시간 및 제2 스케줄링에 따른 제2 동작 수행 시간을 기초로, 제2 동작 수행 시간의 변화량을 산출할 수 있다.
예를 들면, 변화량 산출부(911)는 제1 스케줄링에 따른 제3 동작 수행 시간 및 제2 스케줄링에 따른 제3 동작 수행 시간을 기초로, 제3 동작 수행 시간의 변화량을 산출할 수 있다.
한편, 수행 시간의 변화량은 누적되어 DB(141)에 저장될 수 있다.
한편, 복수의 동작별 수행 시간의 변화량은 연속적으로 산출될 수 있다. 예를들면, 변화량 산출부(911)는 제1 및 제2 프레임에서의 동작별 수행 시간에 따른 수행 시간의 변화량을 산출할 수 있다. 또한, 변화량 산출부(911)는 제2 및 제3 프레임에서의 동작별 수행 시간에 따른 수행 시간의 변화량을 산출할 수 있다. 또한, 변화량 산출부(911)는 제3 및 제4 프레임에서의 동작별 수행 시간에 따른 수행 시간의 변화량을 산출할 수 있다. 이경우, 각각의 수행 시간의 변화량은 최소값, 최대값, 평균값을 가질 수 있다. 실시예에 따라, 변화량 산출부(911)는 누적되어 저장된 수행 시간의 변화량 중에서 최대값을 기준으로 복수의 동작별 수행 시간을 예측할 수 있다. 이경우, 수행 시간 예측에 오차가 발생할 확률이 적어지는 장점이 있다.
수행 시간 예측부(913)는, 복수의 동작별 수행 시간을 예측할 수 있다.
수행 시간 예측부(913)는 전 프레임에서 측정된 복수의 동작별 수행 시간을 기초로 다음 프레임에서 복수의 동작별 수행 시간을 예측할 수 있다.
제1 실시예에 의하면, 수행 시간 예측부(913)는 제1 프레임에서 측정된 복수의 동작별 수행 시간을 기초로, 제2 프레임에서 복수의 동작별 수행 시간을 예측할 수 있다. 수행 시간 예측부(913)는 제2 프레임에서 측정된 복수의 동작별 수행 시간을 기초로, 제3 프레임에서 복수의 동작별 수행 시간을 예측할 수 있다.
제2 실시 예에 의하면, 수행 시간 측정부(950)는 제1 스케줄링에 따른 복수의 동작별 수행 시간을 측정한다. 이후에, 수행 시간 측정부(950)는 제2 스케줄링에 따른 복수의 동작별 수행 시간을 측정한다. 이후에, 변화랑 산출부(911)는 측정된 제1 스케줄링에 따른 복수의 동작별 수행시간과, 측정된 제2 스케줄링에 따른 복수의 동작별 수행시간을 기초로, 복수의 동작별 수행 시간의 변화량을 산출할 수 있다. 이후에, 제3 프레임에서, 복수의 동작에 대한 제3 스케줄링을 수행하는 경우, 수행 시간 예측부(913)는 동작별 수행 시간의 변화량을 반영할 수 있다. 예를 들면, 수행 시간 예측부(913)는 측정된 제2 스케줄링에 따른 복수의 동작별 수행 시간에 복수의 동작별 수행 시간의 변화량을 각각 더하여, 복수의 동작별 수행 시간을 예측할 수 있다.
제1 실시예에 의하면, 수행 시간 측정부(950)는 제1 스케줄링에 따른, 제1 동작 수행 시간을 측정할 수 있다. 이후에, 수행 시간 예측부(913)는 제2 스케줄링 수행 시, 측정된 제1 스케줄링에 따른, 제1 동작 수행 시간을 기초로, 제2 프레임에서 제1 동작 수행 시간을 예측할 수 있다. 또한, 수행 시간 측정부(950)는 제2 스케줄링에 따른, 제1 동작 수행 시간을 측정할 수 있다. 이후에, 수행 시간 예측부(915)는 제3 스케줄링 수행 시, 측정된 제2 스케줄링에 따른, 제1 동작 수행 시간을 기초로, 제3 프레임에서 제1 동작 수행 시간을 예측할 수 있다.
제2 실시 예에 의하면, 수행 시간 측정부(950)는 제1 스케줄링에 따른, 제1 동작의 수행 시간을 측정할 수 있다. 또한, 수행 시간 측정부(950)는 제2 스케줄링에 따른, 제1 동작의 수행 시간을 측정할 수 있다. 이후에, 변화량 산출부(911)는 제1 스케줄링에 따른 제1 동작 수행 시간 및 제2 스케줄링에 따른 제1 동작 수행 시간을 기초로, 제1 동작 수행 시간의 변화량을 산출할 수 있다. 이후에, 수행시간 예측부(915)는 제2 스케줄링에 따른 제1 동작의 수행 시간에 제1 동작 수행 시간의 변화량을 더하여, 제3 스케줄링에서 제1 동작의 수행 시간을 예측할 수 있다.
제1 실시예에 의하면, 수행 시간 측정부(950)는 제1 스케줄링에 따른, 제2 동작 수행 시간을 측정할 수 있다. 이후에, 수행 시간 예측부(913)는 제2 스케줄링 수행 시, 측정된 제1 스케줄링에 따른, 제2 동작 수행 시간을 기초로, 제2 프레임에서 제2 동작 수행 시간을 예측할 수 있다. 또한, 수행 시간 측정부(950)는 제2 스케줄링에 따른, 제2 동작 수행 시간을 측정할 수 있다. 이후에, 수행 시간 예측부(915)는 제3 스케줄링 수행 시, 측정된 제2 스케줄링에 따른, 제2 동작 수행 시간을 기초로, 제3 프레임에서 제2 동작 수행 시간을 예측할 수 있다.
제2 실시 예에 의하면, 수행 시간 측정부(950)는 제1 스케줄링에 따른, 제2 동작의 수행 시간을 측정할 수 있다. 또한, 수행 시간 측정부(950)는 제2 스케줄링에 따른, 제2 동작의 수행 시간을 측정할 수 있다. 이후에, 변화량 산출부(911)는 제1 스케줄링에 따른 제2 동작 수행 시간 및 제2 스케줄링에 따른 제2 동작 수행 시간을 기초로, 제2 동작 수행 시간의 변화량을 산출할 수 있다. 이후에, 수행시간 예측부(915)는 제2 스케줄링에 따른 제1 동작의 수행 시간에 제2 동작 수행 시간의 변화량을 더하여, 제3 스케줄링에서 제1 동작의 수행 시간을 예측할 수 있다.
제1 실시 예에 의하면, 수행 시간 측정부(950)는 제1 스케줄링에 따른 제3 동작 수행 시간을 측정할 수 있다. 이후에, 수행 시간 예측부(913)는 제2 스케줄링 수행 시, 측정된 제1 스케줄링에 따른, 제3 동작 수행 시간을 기초로, 제2 프레임에서 제3 동작 수행 시간을 예측할 수 있다. 또한, 수행 시간 측정부(950)는 제2 스케줄링에 따른, 제3 동작 수행 시간을 측정할 수 있다. 이후에, 수행 시간 예측부(915)는 제3 스케줄링 수행 시, 측정된 제2 스케줄링에 따른 제3 동작 수행 시간을 기초로, 제3 프레임에서 제3 동작 수행 시간을 예측할 수 있다.
제2 실시 예에 의하면, 수행 시간 측정부(950)는 제1 스케줄링에 따른, 제3 동작의 수행 시간을 측정할 수 있다. 또한, 수행 시간 측정부(950)는 제2 스케줄링에 따른, 제3 동작의 수행 시간을 측정할 수 있다. 이후에, 변화량 산출부(911)는 제1 스케줄링에 따른 제3 동작 수행 시간 및 제2 스케줄링에 따른 제3 동작 수행 시간을 기초로, 제3 동작 수행 시간의 변화량을 산출할 수 있다. 이후에, 수행시간 예측부(915)는 제2 스케줄링에 따른 제1 동작의 수행 시간에 제2 동작 수행 시간의 변화량을 더하여, 제3 스케줄링에서 제3 동작의 수행 시간을 예측할 수 있다.
한편, 수행 시간 예측부(913)는 제1 동작의 수행 시간 예측시, 기준 시간 이상의 범위에서 예측할 수 있다. 여기서, 제1 동작은 복수의 동작 중 필수적으로 수행되어야 하는 동작일 수 있다. 또한, 제1 동작은 기준 시간 이상 수행되지 않는 경우, 동작 수행의 결과가 현저하게 떨어지는 동작일 수 있다. 가령, 보행자 검출(Pedestrian Detection) 동작이 25msec 미만으로 수행되는 경우, 정확한 검출이 이루어지지 않을 때, 수행 시간 예측부(913)는 보행자 검출을 25msec 이상의 범위에서 예측할 수 있다.
수행 순서 설정부(915)는, 복수의 동작별 수행 순서를 설정할 수 있다. 예를 들어, 수행 순서 설정부(915)는 소정의 기준에 의해, 제1 내지 제3 동작 중 어느 동작을 선순위로 수행하고, 어느 동작을 후순위로 수행할지 여부를 설정할 수 있다.
여기서, 수행 순서는 수행 시간 예측부(913)로부터 예측된 복수의 동작별 수행 시간이 짧은 순서대로 선순위에 배치되도록 설정할 수 있다. 가령, 예측된 수행 시간이 제1 동작, 제2 동작, 제3 동작 순으로 긴 경우, 수행 순서 설정부(915)는 제1 동작, 제2 동작 및 제3 동작의 순으로 수행 순서를 설정할 수 있다. 이경우, 예측된 수행 시간이 짧은 동작을 먼저 수행함으로써, 제한된 시간에 보다 많은 동작을 수행할 수 있는 장점이 있다.
여기서, 수행 순서는 차량의 주행 환경 또는 외부 환경을 반영하여 설정될 수 있다. 한편, 프로세서(170)는 주행 환경 및 외부 환경 판단부(미도시)를 더 포함할 수 있다. 주행 환경 및 외부 환경 판단부(미도시)는 스테레오 카메라 모듈(195)로부터 수신되는 스테레오 영상을 기초로 주행 환경 또는 외부 환경을 판단할 수 있다. 또는, 주행 환경 및 외부 환경 판단부(미도시)는 인터페이스부(130)를 통해 수신되는, 각종 센서 정보를 기초로 주행 환경 또는 외부 환경을 판단할 수 있다. 이때, 주행 환경은, 차량이 주행하는 도로의 종류가 고속 도로, 국도, 시골 도로 및 도심 도로 중 어느 하나일 수 있다. 또한, 외부 환경은, 차량이 주행하는 구간의 상태, 차량 주행 시의 날씨의 상태 및 차량이 주행하는 시간 중 어느 하나일 수 있다.
여기서, 수행 순서는, 기 설정된 디폴트(default) 순위에 따라 설정될 수 있다. 예를 들어, 복수의 동작별 수행 시간이 측정되기 이전에, 수행 순서 설정부(915)는 기 설정된 디폴트 순위에 따라 수행 순서를 설정할 수 있다. 즉, 전 프레임에서 복수의 동작 수행 시간을 측정할 수 없는 경우, 수행 순서 설정부(915)는 기 설정된 디폴트 순위에 따라 수행 순서를 설정할 수 있다. 가령, 최초로 수행 순서를 설정하는 경우나, 에러가 발생되고 난 후 수행 순서를 설정하는 경우, 수행 순서 설정부(915)는 기 설정된 디폴트 순위에 따라 수행 순서를 설정할 수 있다. 또는, 수행 순서 설정부(915)는 소정의 환경에서 기 설정된 디폴트 순위에 따라 수행 순서를 설정할 수 있다. 가령, 차량의 외부 환경이, 터널 진입 또는 진출 구간인 경우, 일출 또는 일몰 시간인 경우 및, 비 또는 눈이 오는 날씨인 경우 중 어느 하나의 경우, 수행 순서 설정부(915)는 기 설정된 디폴트 순위에 따라 수행 순서를 설정할 수 있다.
한편, 복수의 동작 중 필수적으로 수행되어야 하는 동작이 있는 경우, 수행 순서 설정부(915)는 필수 수행 동작을 최우선순위로 설정할 수 있다. 가령, 제1 동작이 차량 안전 운행 관련 동작인 경우, 수행 순서 설정부(915)는 수행 순서에서, 제1 동작을 최우선순위로 설정할 수 있다. 예를 들어, 수행 순서 설정부(915)는 복수의 동작 중, 보행자 안전에 관련된, 보행자 검출(Pedestrian Detection)을 수행 순서에서 최우선 순위로 설정할 수 있다. 메모리(140)는 필수적으로 수행되어야 하는 동작 리스트를 미리 저장할 수 있다. 수행 순서 설정부(915)는 메모리(140)에 저장된 리스트에 따라, 수행 순서에서, 우선 순위를 먼저 설정한 후, 이후의 순서를 설정할 수 있다.
한편, 제2프레임에서, 복수의 동작 중 필수적으로 수행되어야 하는 동작이 있는 경우, 수행 순서 설정부(915)는 필수 수행 동작을 최우선순위로 설정할 수 있다. 가령, 제2 프레임에서, 제1 동작이 차량 안전 운행 관련 동작인 경우, 수행 순서 설정부(915)는 수행 순서에서, 제1 동작을 최우선순위로 설정할 수 있다. 이후에, 스테레오 카메라 모듈(195)에서 상기 제3 프레임을 수신하여, 제3 프레임에서, 상기 제1 내지 제3 동작에 대한 제3 스케줄링을 수행하는 경우, 수행 순서 설정부(915)는 반복하여, 수행 순서에서, 제1 동작을 최우선순위로 설정할 수 있다.
판단부(917)는, 복수의 동작별 수행 예측 시간을 합산하고, 합산된 수행 예측 시간이 임계값 이상인지 판단할 수 있다. 예를 들어, 판단부(917)는 제1 동작 내지 제3 동작의 수행 예측 시간을 합산하고, 합산된 수행 예측 시간이 임계값 이상인지 판단할 수 있다.
여기서, 임계값은 프로세서(170)가 처리할 수 있는 한계값을 의미할 수 있다. 예를 들어, 연속적으로 수신되는 복수의 프레임에 있어서, 다음 프레임이 수신되기 이전에 현재 프레임의 동작을 완료해야한다. 이경우, 임계값은 다음 프레임이 수신되기 이전에, 현재 프레임에서, 프로세서(170)의 동작 수행 가능 시간을 의미할 수 있다. 가령, 제1 프레임에서 복수의 동작을 수행한 후, 제2 프레임에서 복수의 동작을 수행하는 경우, 프로세서(170)는 제1 프레임에서 수행하는 복수의 동작은 제2 프레임을 수신하기 이전에 수행되어야 한다. 이경우, 임계값은 제2 프레임이 수신되기 이전에, 제1 프레임에서, 프로세서(170)의 동작 수행 가능 시간을 의미할 수 있다.
합산된 수행 예측 시간이 임계값 이상이 아닌 경우, 동작 수행부(930)는 스케줄링에 따른 복수의 동작을 수행할 수 있다.
합산된 수행 예측 시간이 임계값 이상인 경우, 판단부(917)는 복수의 동작 중에서 제외 가능한 동작이 존재하는지 판단할 수 있다. 예를 들어, 판단부(917)는 제1 내지 제3 동작 중에서 제외 가능한 동작이 존재하는지 판단할 수 있다.
만약, 제외 가능한 동작이 존재하는 경우, 판단부(917)는 제외 가능하다고 판단된 동작을 제외할 수 있다. 예를 들어, 제1 동작이 제외 가능한 동작으로 판단된 경우, 판단부(917)는 제1 동작을 제외할 수 있다. 가령, 차량이 고속 도로 주행 하는 경우, 고속 도로에는 보행자가 없기 때문에, 보행자 검출은 제외될 수 있다. 이런 상황에서, 합산된 수행 예측 시간이 임계값 이상인 경우, 판단부(917)는 복수의 동작 중에서 보행자 검출 동작을 제외 가능한 동작으로 판단할 수 있다.
한편, 제외된 동작은 다음 프레임에서 스케줄링 하는 경우, 수행 순서에서 선순위에 배치될 수 있다. 예를 들어, 제2 프레임에서, 제1 동작이 제외된 상태에서, 제3 프레임을 수신하여, 제3 프레임에서, 상기 제1 내지 제3 동작에 대한 제3 스케줄링을 하는 경우, 수행 순서 설정부(915)는 제1 동작을 수행 순서에서 선순위에 배치할 수 있다.
한편, 제외된 동작은 다음 프레임에서 스케줄링 하는 경우, 수행 순서에서 다른 동작의 측정된 수행 시간을 고려하여 선순위에 배치될 수 있다. 예를 들어, 제2 프레임에서, 제1 동작이 제외된 상태에서, 제3 프레임을 수신하여, 제3 프레임에서, 상기 제1 내지 제3 동작에 대한 제3 스케줄링을 하는 경우, 수행 순서 설정부(915)는 제2 및 제3 동작의 수행 시간을 고려하여 수행 순서를 설정한다. 구체적으로, 제2 및 제3 동작중 어느 하나가 수행 시간이 기 설정된 기준값 이상인 경우, 수행 순서 설정부(915)는, 수행 순서에서, 기준값 이상의 수행 시간을 갖는 동작을 제1 동작 보다 선순위에 배치할 수 있다.
제외 가능하다고 판단된 동작을 제외한 후, 판단부(917)는 복수의 동작별 수행 예측 시간을 합산할 수 있다. 수행 순서 설정부(915)는 복수의 동작별 수행 순서를 설정할 수 있다. 판단부(917)는 다시 합산된 수행 예측 시간이 임계값 이상인지 판단할 수 있다.
만약, 제외 가능한 동작이 존재하지 않는 경우, 수행 시간 예측부(913)는 복수의 동작의 수행 예측 시간을 조정할 수 있다. 예를 들면, 수행 시간 예측부(913)는 제1 내지 제3 동작 중 적어도 어느 하나의 동작의 수행 예측 시간을 조정할 수 있다. 가령, 제1 동작의 수행 예측 시간이, 제2 동작 및 제3 동작의 수행 예측 시간에 비해 과도하게 긴 경우, 수행 시간 예측부(913)는 제1 동작의 수행 예측 시간을 줄일 수 있다. 가령, 제1 내지 제3 동작의 수행 예측 시간이 비슷한 경우, 수행 시간 예측부(913)는 제1 내지 제3 동작의 수행 예측 시간을 각각 줄일 수 있다.
수행 예측 시간을 조정한 후, 판단부(917)는 복수의 동작별 수행 예측 시간을 합산할 수 있다. 수행 순서 설정부(915)는 복수의 동작별 수행 순서를 설정할 수 있다. 판단부(917)는 다시 합산된 수행 예측 시간이 임계값 이상인지 판단할 수 있다.
동작 수행부(930)는, 도 4a 내지 도 4b에서 설명한 디스패러티 연산부(420), 세그먼테이션부(432), 오브젝트 검출부(434), 오브젝트 확인부(436), 오브젝트 트래킹부(440) 및 어플리케이션부(450)을 포함하는 개념일 수 있다. 본 명세서에서, 복수의 동작에 오브젝트 검출을 주로 예시하여 설명하나, 본 명세서에서 복수의 동작은 오브젝트 검출에 한정되지 아니한다. 즉, 본 명세서에서 복수의 동작은 프로세서(170)에서 수행 가능한 모든 동작을 포함하는 개념일 수 있다.
동작 수행부(930)는 스케줄링에 따라, 복수의 동작을 수행할 수 있다. 예를 들면, 동작 수행부(930)는, 제1 프레임에서 제1 스케줄링에 따라, 제1 동작(931), 제2 동작(932) 및 제3 동작(933)을 수행할 수 있다. 또한, 동작 수행부(930)는 제2 프레임에서 제2 스케줄링에 따라, 제1 동작(931), 제2 동작(932) 및 제3 동작(933)을 수행할 수 있다. 또한, 동작 수행부(930)는 제3 프레임에서 제3 스케줄링에 따라, 제1 동작(931), 제2 동작(932) 및 제3 동작(933)을 수행할 수 있다. 본 도에서는 제3 동작(933)까지만 예시하였지만 제3 동작(933) 이상의 동작도 수행될 수 있음은 물론이다.
예를 들면, 동작 수행부(930)는 차선 검출(Lane Detection, LD), 주변 차량 검출(Vehicle Detection, VD), 보행자 검출(Pedestrian Detection,PD), 불빛 검출(Brightspot Detection, BD), 교통 표지판 검출(Traffic Sign Recognition, TSR), 도로면 검출, 자전거 검출(Bicyle Detection, BD), 모터 사이클 검출(Motor Cycle Detection, MCD), 하이빔어시스턴스(High Beam Assistance) 등을 수행할 수 있다.
수행 시간 측정부(950)는, 복수의 동작별로 수행 시간을 측정할 수 있다.
예를 들면, 수행 시간 측정부(950)는 제1 프레임에서, 제1 스케줄링에 따른 제1 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 수행 시간 측정부(950)는 제2 프레임에서, 제2 스케줄링에 따른 제1 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 수행 시간 측정부(950)는 제3 프레임에서, 제3 스케줄링에 따른 제1 동작을 수행하는데 걸리는 시간을 측정할 수 있다.
예를 들면, 수행 시간 측정부(950)는 제1 프레임에서, 제1 스케줄링에 따른 제2 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 수행 시간 측정부(950)는 제2 프레임에서, 제2 스케줄링에 따른 제2 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 수행 시간 측정부(950)는 제3 프레임에서, 제3 스케줄링에 따른 제2 동작을 수행하는데 걸리는 시간을 측정할 수 있다.
예를 들면, 수행 시간 측정부(950)는 제1 프레임에서, 제1 스케줄링에 따른 제3 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 수행 시간 측정부(950)는 제2 프레임에서, 제2 스케줄링에 따른 제3 동작을 수행하는데 걸리는 시간을 측정할 수 있다. 또한, 수행 시간 측정부(950)는 제3 프레임에서, 제3 스케줄링에 따른 제3 동작을 수행하는데 걸리는 시간을 측정할 수 있다.
한편, 복수의 동작별 측정된 수행 시간은 DB(141)에 저장될 수 있다. 여기서, DB(141)는 제1 메모리(140)에 구비된 소정의 데이터 베이스를 의미할 수 있다.
도 10은 본 발명의 실시예에 따라, 차량 운전 보조 장치에 복수의 프로세서가 구비되는 경우를 예시한다.
도 10을 참조하면, 프로세서(170)는 복수일 수 있다. 예를 들면, 제1 프로세서(1010), 제2 프로세서(1020) 및 제3 프로세서(1030)을 포함할 수 있다. 도면에서 제3 프로세서(1030)까지 예시하였지만 그 이상의 프로세서를 더 포함할 수 있다.
복수의 프로세서(1010, 1020. 1030)가 구비되는 경우, 복수의 동작이 복수의 프로세서(1010, 1020, 1030)에 나뉘어 수행될 수 있다.
예를 들면, 제1 프로세서(1010)는 메인 프로세서일 수 있다. 제1 프로세서(1010)는 도 9를 참조하여 설명한, 전처리부(410), 스케줄링부(910), 제1 동작 수행부(930a) 및 제1 수행 시간 측정부(950a)를 포함할 수 있다. 제2 프로세서(1020) 및 제3 프로세서(1030)는 서브 프로세서일 수 있다. 제2 프로세서(1020)는 제2 동작 수행부(930b) 및 제2 수행 시간 측정부(950b)를 포함할 수 있다. 제3 프로세서(1030)는 제3 동작 수행부(930c) 및 제3 수행 시간 측정부(950c)를 포함할 수 있다. 각각의 유닛의 동작은 도 9를 참조하여 설명한 바와 같다.
이하에서는, 제1 프로세서(1010) 및 제2 프로세서(1020)의 동작을 기준으로 설명한다.
제1 프로세서(1010)는, 측정된 복수의 동작별 수행 시간에 기초하여, 복수의 동작별 수행 시간을 예측할 수 있다. 제1 프로세서(1010)는 예측된 복수의 동작별 수행 시간에 기초하여 제1 프로세서(1010) 및 제2 프로세서(1020)에서 수행되는 동작을 분배할 수 있다. 제1 프로세서(1030)는 제1 프로세서(1010) 및 제2 프로세서(1020)에서 각각 수행되는 동작별 수행 순서를 설정할 수 있다.
예를 들면, 제1 프로세서(1010)는 측정된 동작별 수행 시간에 기초하여, 제1 내지 제3 동작별 수행 시간을 예측할 수 있다. 제1 프로세서(1010)는 예측된 제1 내지 제3 동작별 수행 시간에 기초하여, 제1 프로세서(1010)에 제1 동작 및 제2 동작이 수행되도록 분배하고, 제2 프로세서(1020)에 제3 동작이 수행되도록 분배할 수 있다. 제1 프로세서(1010)는 제1 프로세서(1010)에 분배된 제1 및 제2 동작과 제2 프로세서(1020)에 분배된 제3 동작 각각의 수행 순서를 설정할 수 있다.
한편, 제1 프로세서(1010)에 제1 동작 및 제2 동작이 분배되고, 제2 프로세서(1020)에 제3 동작이 분배된 경우, 제1 프로세서(1010)는 제1 및 제2 동작별 수행 시간을 측정하여 합산할 수 있다. 제1 프로세서(1010)는 합산된 예측 수행 시간이 임계값 이상인지 판단할 수 있다. 여기서, 임계값은 제1 프로세서(1010)가 처리할 수 있는 한계값을 의미할 수 있다. 예를 들어, 연속적으로 수신되는 복수의 프레임에 있어서, 다음 프레임이 수신되기 이전에 현재 프레임의 동작을 완료해야한다. 이경우, 임계값은 다음 프레임이 수신되기 이전에, 현재 프레임에서, 제1 프로세서(1010)의 동작 수행 가능 시간을 의미할 수 있다.
만약, 합산된 예측 수행 시간이 임계값 이상인 경우, 제1 프로세서(1010)는 제1 및 제2 동작 중 어느 하나의 동작을 제2 프로세서(1020)로 재분배할 수 있다. 이경우, 제2 프로세서(1020)는 재분배된 동작을 더 수행할 수 있다. 즉, 제2 프로세서(1020)는 제1 및 제2 동작 중 어느 하나의 동작을 더 수행할 수 있다.
한편, 제1 프로세서(1010)에 포함된 전처리부(410)는 2D 및 3D 기반의 전처리를 수행할 수 있다. 이때, 제1 프로세서(1010)는 2D 기반의 전처리를 바탕으로 수행하는 제1 및 제2 동작은 제1 프로세서(1010)에 분배하고, 3D 기반의 전처리를 바탕으로 수행하는 제3 동작은 제2 프로세서(1020)에 분배할 수 있다. 이경우, 제1 프로세서(1010)는 제1 및 제2 동작별 수행 시간을 측정하여 합산하고, 합산된 예측 수행 시간이 임계값 이상인지 판단할 수 있다. 여기서, 임계값은 제1 프로세서(1010)가 처리할 수 있는 한계값을 의미할 수 있다. 예를 들어, 연속적으로 수신되는 복수의 프레임에 있어서, 다음 프레임이 수신되기 이전에 현재 프레임의 동작을 완료해야한다. 이경우, 임계값은 다음 프레임이 수신되기 이전에, 현재 프레임에서, 제1 프로세서(1010)의 동작 수행 가능 시간을 의미할 수 있다.
만약, 합산된 예측 수행 시간이 임계값 이상인 경우, 제1 프로세서(1010)는 제1 및 제2 동작 중 어느 하나의 동작을 제2 프로세서(1020)로 재분배할 수 있다. 이경우, 제2 프로세서(1020)는 재분배된 동작을 더 수행할 수 있다. 여기서, 제2 프로세서(1020)는 3D 기반의 전처리를 바탕으로 재분배된 동작을 더 수행할 수 있다. 즉, 제2 프로세서(1020)는 제1 및 제2 동작 중 어느 하나의 동작을 3D 기반의 전처리를 바탕으로 더 수행할 수 있다.
상술한 바와 같이, 제1 프로세서(1010) 및 제2 프로세서(1020)에서 수행되는 동작을 유연하게 분배함으로써, 효율적으로 프로세서(170)를 가용할 수 있다. 또한, 안정적인 프로세서(170)의 동작 수행이 가능하다.
한편, 제1 프로세서(1010)는 예측된 동작별 수행 시간을 바탕으로, 제1 프로세서(1010)에서 수행되는 동작 및 제2 프로세서(1020)에서 수행되는 동작이 균형을 이르도록 분배할 수 있다. 가령, 예측된 제1 동작 수행 시간이 30msec이고, 예측된 제2 동작 수행 시간이 10msec이며, 예측된 제3 동작 수행 시간이 5msec인 경우, 제1 프로세서(1010)는 제1 및 제2 프로세서(1010, 1020)에 걸리는 부하가 균형을 이루도록, 제1 동작을 제1 프로세서(1010)에 분배하고, 제2 및 제3 동작을 제2 프로세서(1020)에 분배할 수 있다.
도 11a 내지 도 11b는 본 발명의 실시예에 따른 차량 운전 보조 장치의 동작을 설명하는데 참조되는 프로세서의 내부 블럭도이다.
도 11a은 스케줄링부(910) 및 수행 시간 측정부(950)를 구비하지 않는 프로세서(170)의 내부 블럭도를 도시한다.
도 11a를 참조하면, 프로세서(170)는 전처리부(410), 동작 수행부(930)를 포함할 수 있다.
전처리부(410)는 스테레오 카메라 모듈(195)로부터 스테레오 영상을 수신하여, 전처리를 수행할 수 있다. 예를 들면, 전처리부(410)는 3D 기반(Engine 3D)의 전처리 및 2D 기반(Engine 2D)의 전처리를 수행할 수 있다.
동작 수행부(930)는 전처리를 기초로, 기 설정된 순서 및 시간에 따라, 복수의 동작을 수행할 수 있다. 예를 들면, 동작 수행부(930)는, 기 설정된 순서 및 시간에 따라, 차선 검출(Lane Detection, LD), 주변 차량 검출(Vehicle Detection, VD), 보행자 검출(Pedestrian Detection,PD), 불빛 검출(Brightspot Detection, BD), 교통 표지판 검출(Traffic Sign Recognition, TSR), 도로면 검출, 자전거 검출(Bicyle Detection, BD), 모터 사이클 검출(Motor Cycle Detection, MCD), 하이빔어시스턴스(High Beam Assistance) 등을 수행할 수 있다. 이경우, 복수의 동작 각각의 처리 시간 및 수행 순서가 정해져 있어 가변 상황에 대비하기 어려운 문제가 있을 수 있다.
도 11b는 스케줄링부(910) 및 수행 시간 측정부(950)를 구비하는 프로세서(170)의 내부 블럭도를 도시한다.
도 11b를 참조하면, 프로세서(170)는 전처리부(410), 스케줄링부(910), 동작 수행부(930) 및 수행 시간 측정부(950)을 포함한다.
전처리부(410)는, 스테레오 카메라 모듈(195)로부터 스테레오 영상을 수신하여, 전처리를 수행할 수 있다. 예를 들면, 전처리부(410)는 3D 기반(Engine 3D)의 전처리 및 2D 기반(Engine 2D)의 전처리를 수행할 수 있다.
스케줄링부(910)는, 복수의 동작에 대한 스케줄링을 수행할 수 있다. 여기서, 스케줄링은 복수의 동작별로 수행 시간을 예측하고, 복수의 동작별로 수행 순서를 설정하는 동작일 수 있다. 스케줄링부(910)는 복수의 동작별로 측정된 수행 시간에 기초하여 스케줄링을 수행할 수 있다. 여기서, 측정된 수행 시간은 수행 시간 측정부(950)에서 측정된 수행 시간일 수 있다. 또는, 측정된 수행 시간은 DB(141)에 저장된 수행 시간일 수 있다.
동작 수행부(930)는 스케줄링에 따라, 복수의 동작을 수행할 수 있다. 예를 들면, 동작 수행부(930)는, 스케줄링부(910)에서 수행된 스케줄링에 따라, 차선 검출(Lane Detection, LD), 주변 차량 검출(Vehicle Detection, VD), 보행자 검출(Pedestrian Detection,PD), 불빛 검출(Brightspot Detection, BD), 교통 표지판 검출(Traffic Sign Recognition, TSR), 도로면 검출, 자전거 검출(Bicyle Detection, BD), 모터 사이클 검출(Motor Cycle Detection, MCD), 하이빔어시스턴스(High Beam Assistance) 등을 수행할 수 있다.
수행 시간 측정부(950)는, 복수의 동작별로 수행 시간을 측정할 수 있다. 복수의 동작별 측정된 수행 시간은 DB(141)에 저장될 수 있다. 또한, 복수의 동작별 측정된 수행 시간은 스케줄링부(910)에 전달될 수 있다.
이경우, 스케줄링에 기초하여 복수의 동작이 수행되므로, 안정적이고 효율적으로 차량 보조 장치(100)에서 복수의 동작이 수행되는 효과가 있다. 또한, 차량 보조 장치(100) 성능 향상으로 인해, 차량에 탑승하는 사용자에 보다 나은 편의를 제공할 수 있다.
도 12는 본 발명의 실시예에 따라, 같은 상황에서, 제1 동작 및 제2 동작의 수행 시간을 비교하는데 참조되는 도면이다.
도 12의 (a) 및 (b)는 각각 서로 다른 구간의 고속도로 주행할때, 스테레오 카메라 모듈(195)을 통해 획득되는 영상을 도시한다.
도 12의 (a)에서, 프로세서(170)는 주변 차량 검출(Vehicle Detection)을 수행할 수 있다. 이때, 프로세서(170)는 주변 차량 검출 동작 수행 시간을 12.334msec로 측정할 수 있다. 또한, 프로세서(170)는 차선 검출(Lane Detection)을 수행할 수 있다. 이때, 프로세서(170)는 차선 검출 동작 수행 시간을 17.874msec로 측정할 수 있다.
도 12의 (b)에서, 프로세서(170)는 주변 차량 검출(Vehicle Detection)을 수행할 수 있다. 이때, 프로세서(170)는 주변 차량 검출 동작 수행 시간을 7.634msec로 측정할 수 있다. 또한, 프로세서(170)는 차선 검출(Lane Detection)을 수행할 수 있다. 이때, 프로세서(170)는 차선 검출 동작 수행 시간을 23.747msec로 측정할 수 있다.
만약, 프로세서(170)가 처리할 수 있는 한계값은 33msec이고, 주변 차량 검출에는 11msec로, 차선 검출에는 22msec로 시간을 할당된다고 가정한다. 이경우, 도 11(a)에 도시된 바와 같이, 스케줄링 없이 동작을 수행하는 경우, 도 12의 (a)에서, 차선 검출은 할당된 시간안에서 정상적으로 수행될 수 있지만, 주변 차량 검출은 할당된 시간이 초과되어 정상적으로 수행될 수 없다.
또한 도 12의 (b)에서는, 주변 차량 검출은 할당된 시간안에서 정상적으로 수행될 수 있지만, 차선 검출은 할당된 시간이 초과되어 정상적으로 수행될 수 없다.
이와 같이, 프로세서(170)가 주변 차량 검출 동작 및 차선 검출 동작을 모두 수행할 수 있는 능력을 가짐에도, 각각의 동작에 일괄적인 시간 할당으로 인해, 주변 차량 검출 동작 및 차선 검출 동작을 모두 수행하지 못하는 문제가 있다.
만약, 도 11(b)에 도시된 바와 같이, 전 프레임을 기초로 스케줄링을 한후 동작을 수행하는 경우, 도 12의 (a)에서, 프로세서(170)는 주변 차량 검출 수행 시간을 12.334msec를 기초로 예측할 수 있고, 차선 검출 수행 시간을 17.874msec를 기초로 예측할 수 있다. 이때, 예측된 각각의 시간에 기초하여 시간을 할당할 수 있으므로, 12.334msec와 17.874msec의 합인 30.198msec이, 한계값인 33msec 이하이므로, 주변 차량 검출 및 차선 검출 모두 정상적으로 수행될 수 있다.
또한, 도 12의 (b)에서도, 프로세서(170)는 주변 차량 검출 수행 시간을 7.634msec를 기초로 예측할 수 있고, 차선 검출 수행 시간을 23.747msec를 기초로 예측할 수 있다. 이때, 예측된 각각의 시간에 기초하여 시간을 할당할 수 있으므로, 7.634msec와 23.747msec의 합인 31.381이, 한계값인 33msec 이하이므로, 주변 차량 검출 및 차선 검출 모두 정상적으로 수행될 수 있다.
도 13a 내지 도 17는 본 발명의 실시예에 따라, 서로 다른 상황에서, 제1 동작 및 제2 동작을 수행하는 경우, 수행시간을 비교하는데 참조되는 도면이다.
도 13 a 내지 도 13b는 차량 전용 도로를 주행할때, 스테레오 카메라 모듈(195)을 통해 획득되는 영상을 기초로 하는 주변 차량 검출(Vehicle Detection) 동작을 설명하는데 참조된다.
먼저 도 13a를 참조하면, 스테레오 카메라 모듈(195)로부터 수신되는 영상에서, 프로세서(170)는 5대의 주변 차량(1310)을 검출할 수 있다.
이때, 도 13b에 도시된 바와 같이, 프레임(X축)에 따른 측정 수행 시간(VD) 및 수행 시간의 변화량(VD diff)을 그래프로 표시할 수 있다.
도 13b의 (a)는 500프레임에서의 측정 수행 시간(VD) 및 수행 시간 변화량(VD diff)를 나타내고, 도 13b의 (b)는 도 13b의 (a)에서 소정 부분을 확대하여 50프레임에서의 측정 수행 시간(VD) 및 수행 시간 변화량(VD diff)를 나타낸다.
도 13b의 (a)에서는 주변 차량 검출(VD) 측정 수행 시간이 급격한 변화가 있는 것과 같이 보이지만, 도 13b의 (b)에 도시된 바와 같이, 도 13b의 (a)의 일 부분을 확대하면, 변화의 폭은 완만함을 확인할 수 있다.
주변 차량 검출 수행 시간 변화량(VD diff)는 이전 프레임과 다음 프레임의 측정 수행 시간 변화량을 나타낸다. 주변 차량 검출 수행 시간 변화량(VD diff)은 큰 차이 없이 거의 일정하게 유지되는 것을 확인할 수 있다.
결국, 프레임별로, 차량 수행 시간에 변화가 크지 않기 때문에, 이전 프레임에서, 측정된 주변 차량 검출 동작 수행시간을 기초로, 다음 프레임에서, 주변 차량 검출 동작 수행시간을 예측할 수 있다. 또한, 이전 프레임에서, 산출된 주변 차량 검출 수행 시간 변화량을 기초로, 다음 프레임에서, 주변 차량 검출 동작 수행시간을 예측할 수 있다.
도 14a 내지 도 14b는 이면도로를 주행할때, 스테레오 카메라 모듈(195)을 통해 획득되는 영상을 기초로 하는 보행자 검출(Pedestrian Detection)을 동작을 설명하는데 참조된다.
도 14a를 참조하면, 스테레오 카메라 모듈(195)로부터 수신되는 영상에서, 프로세서(170)는 1대의 주변 차량(1410)을 검출할 수 있다. 또한, 프로세서(170)는 5명의 보행자(1420)를 검출할 수 있다.
이때, 도 14b에 도시된 바와 같이, 프레임(X축)에 따른 측정 수행 시간(PD) 및 수행 시간의 변화량(PD diff)을 그래프로 표시할 수 있다.
도 14b의 (a)는 500프레임에서의 측정 수행 시간(PD) 및 수행 시간 변화량 (PD diff)을 나타내고, 도 14b의 (b)는 도 14b의 (a)에서 소정 부분을 확대하여 50프레임에서의 측정 수행 시간(PD) 및 수행 시간 변화량(PD diff)를 나타낸다.
도 14b의 (a)에서는 보행자 검출(PD) 측정 수행 시간이 급격한 변화가 있는 것과 같이 보이지만, 도 14b의 (b)에 도시된 바와 같이, 도 14b의 (a)의 일 부분을 확대하면, 변화의 폭은 완만함을 확인할 수 있다.
보행자 검출 수행 시간 변화량(PD diff)는 이전 프레임과 다음 프레임의 측정 수행 시간 변화량을 나타낸다. 보행자 검출 수행 시간 변화량(PD diff)은 큰 차이 없이 거의 일정하게 유지되는 것을 확인할 수 있다.
결국, 프레임별로, 차량 수행 시간에 변화가 크지 않기 때문에, 이전 프레임에서, 측정된 보행자 검출 동작 수행시간을 기초로, 다음 프레임에서, 보행자 검출 동작 수행시간을 예측할 수 있다. 또한, 이전 프레임에서, 산출된 보행자 검출 수행 시간 변화량을 기초로, 다음 프레임에서, 보행자 검출 동작 수행시간을 예측할 수 있다.
도 15a 내지 도 15b는 차량 전용 도로를 주행할때, 스테레오 카메라 모듈(195)을 통해 획득되는 영상을 기초로 하는 주변 차량 검출(Vehicle Detection) 및 보행자 검출 (Pedestrian Detection)동작을 설명하는데 참조된다.
도 15a를 참조하면, 스테레오 카메라 모듈(195)로부터 수신되는 영상에서, 프로세서(170)는 5대의 주변 차량(1510)을 검출할 수 있다. 또한, 프로세서(170)는 1명의 보행자(1520)를 검출할 수 있다.
도 15b를 참조하면, 차량이 많은 차량 전용 도로에서, 주변 차량 검출(VD)은 보행자 검출(PD)에 비해 더 많은 시간이 소요된다. 본 도면에서, 일반적으로, 보행자 검출(PD)이 주변 차량 검출(VD)에 비해 더 많은 시간이 소요됨을 고려할 때, 비교적 주변 차량 검출(VD)이 보행자 검출(PD)에 비해 많은 시간이 소요되는 것으로 해석될 수 있다.
또한, 이면 도로를 주행하는 경우(도 16b)와 비교할때, 차량 전용 도로의 주변 차량 검출(VD)이 이면 도로의 주변 차량 검출(VD)에 비해 더 많은 시간이 소요된다.
한편, 보행자가 적은 이면 도로에서, 보행자 검출(PD)은 주변 차량 검출(VD)에 비해 더 적은 시간이 소요된다. 또한, 이면 도로를 주행하는 경우(도 16b)와 비교할때, 차량 전용 도로의 보행자 검출(PD)이 이면 도로의 보행자 검출(PD)에 비해 더 적은 시간이 소요된다.
결국, 차량 전용 도로에서는 주변 차량 검출(VD)이 보행자 검출(PD)보다 더 많은 시간이 요구될 수 있다. 또한, 차량 전용 도로의 경우, 주변 차량 검출(VD)이 보행자 검출(PD)에 비해 우선하여 수행되는 경우, 더 효율적으로 프로세서(170)를 운영할 수 있다.
도 16a 내지 도 16b는 이면도로를 주행할때, 스테레오 카메라 모듈(195)을 통해 획득되는 영상을 기초로 하는 보행자 검출(Pedestrian Detection)을 동작을 설명하는데 참조된다.
도 16a를 참조하면, 스테레오 카메라 모듈(195)로부터 수신되는 영상에서, 프로세서(170)는 1대의 주변 차량(1610)을 검출할 수 있다. 또한, 프로세서(170)는 5명의 보행자(1620)를 검출할 수 있다.
도 16b를 참조하면, 보행자가 많은 이면 도로에서, 보행자 검출(PD)은 주변 차량 검출(VD)에 비해 더 많은 시간이 소요된다. 또한, 차량 전용 도로를 주행하는 경우(도 15b)와 비교할때, 이면 도로의 보행자 검출(PD)이 차량 전용 도로의 보행자 검출(PD)에 비해 더 많은 시간이 소요된다.
한편, 주변 차량이 적은 이면 도로에서, 주변 차량 검출(VD)은 보행자 검출(PD)에 비해 더 적은 시간이 소요된다. 또한, 차량 전용 도로를 주행하는 경우(도 15b)와 비교할때, 이면 도로의 주변 차량 검출(VD)이 차량 전용 도로의 주변 차량 검출(VD)에 비해 더 적은 시간이 소요된다.
결국, 이면 도로에서는 보행자 검출(PD)이 주변 차량 검출(VD) 보다 더 많은 수행 시간이 요구될 수 있다. 또한, 이면 도로의 경우, 보행자 검출(PD)이 주변 차량 검출(VD)에 비해 우선하여 수행되는 경우, 더 효율적으로 프로세서(170)를 운영할 수 있다.
도 17의 (a)는 이면 도로(도 16a) 및 차량 전용 도로(도 15a)에서의 주변 차량 검출(VD)에 소요되는 시간을 그래프로 나타낸다.
주변 차량 검출(VD)에 소요되는 시간의 최소값, 최대값, 평균값을 비교해 보면, 각각에서, 차량 전용 도로에서 주변 차량 검출(VD, 1720)에 소요되는 시간이 더 큼을 알 수 있다. 결국, 이면 도로의 경우(1710)보다 차량 전용 도로에서 주변 차량 검출(VD, 1720)에 예측되는 수행 시간이 더 많아야, 정확하고 효율적으로 프로세서(170) 운영이 가능함을 알 수 있다.
도 17의 (b)는 이면 도로(도 16a) 및 차량 전용 도로(도 15a)에서의 보행자 검출(PD)에 소요되는 시간을 그래프로 나타낸다.
보행자 검출(PD)에 소요되는 시간의 최소값, 최대값, 평균값을 비교해 보면, 최소값에서는 비슷하나, 최대값 및 평균값에서는 이면 도로에서 보행자 검출(PD, 1730)에 소요되는 시간이 더 큼을 알 수 있다. 결국, 차량 전용 도로의 경우(1740)보다 이면 도로에서 보행자 검출(PD, 1730)에 예측되는 수행 시간이 더 많아야, 정확하고 효율적으로 프로세서(170) 운영이 가능함을 알 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 상기 컴퓨터는 프로세서(170) 또는 제어부(770)를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 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.
100 : 차량 운전 보조 장치
140 : 제1 메모리
141 : DB
195 : 스테레오 카메라
170 : 프로세서
180 : 디스플레이
410 : 전처리부
910 : 스케줄링부
930 : 동작수행부
950 : 수행 시간 예측부
140 : 제1 메모리
141 : DB
195 : 스테레오 카메라
170 : 프로세서
180 : 디스플레이
410 : 전처리부
910 : 스케줄링부
930 : 동작수행부
950 : 수행 시간 예측부
Claims (22)
- 스테레오 영상의 제1 프레임을 바탕으로 복수의 동작을 수행한 후, 상기 스테레오 영상의 제2 프레임을 바탕으로 복수의 동작을 수행하는 차량 운전 보조 장치의 동작 방법에 있어서,
상기 스테레오 영상을 획득하는 스테레오 카메라 모듈; 및
상기 스테레오 카메라 모듈에서 상기 제1 프레임을 수신하여, 상기 제1 프레임에서, 상기 복수의 동작에 대한 제1 스케줄링을 수행하고,
상기 제1 스케줄링에 따라, 상기 복수의 동작을 수행하고, 상기 제1 스케줄링에 따른 상기 복수의 동작별 수행 시간을 측정하고,
상기 스테레오 카메라 모듈에서 상기 제2 프레임을 수신하여, 상기 제2 프레임에서, 상기 측정된 동작별 수행 시간에 기초하여, 상기 복수의 동작에 대한 제2 스케줄링을 수행하는 프로세서;를 포함하는 차량 운전 보조 장치. - 제 1항에 있어서,
상기 프로세서는, 제2 스케줄링 수행시,
상기 측정된 동작별 수행 시간에 기초하여, 상기 복수의 동작별로 수행 시간을 예측하고, 상기 복수의 동작별 수행 순서를 설정하는 차량 운전 보조 장치. - 제 2항에 있어서,
상기 프로세서는, 제2 스케줄링 수행시,
상기 예측된 복수의 동작별 수행 시간을 합산하고, 합산된 수행 예측 시간이 임계값 이상인 경우, 상기 복수의 동작 중 어느 하나의 동작을 제외하는 차량 운전 보조 장치. - 제 3항에 있어서,
상기 프로세서는, 제2 스케줄링 수행시,
상기 합산된 예측 시간이 임계값 이상인 경우, 상기 복수의 동작 중에 수행 제외 가능 동작이 있는지 판단하고, 수행 제외 가능한 동작이 없는 경우, 상기 복수의 동작 중 적어도 어느 하나의 동작의 수행 예측 시간을 조정하는 차량 운전 보조 장치. - 제 2항에 있어서,
상기 수행 순서는, 상기 예측된 복수의 동작별로 수행 시간이 짧은 순서대로 선순위에 배치되도록 설정되는 차량 운전 보조 장치. - 제 2항에 있어서,
상기 수행 순서는, 상기 차량의 주행 환경 또는 외부 환경을 반영하여 설정되는 차량 운전 보조 장치. - 제 2항에 있어서,
상기 수행 순서는, 기 설정된 디폴트 순위에 따라 설정되는 차량 운전 보조 장치. - 제 3항에 있어서,
상기 제외된 동작은, 상기 스테레오 카메라 모듈에서 제3 프레임을 수신하여, 제3 프레임에서, 상기 복수의 동작에 대한 제3 스케줄링을 하는 경우, 선순위에 배치되도록 설정되는 차량 운전 보조 장치. - 제 8항에 있어서,
상기 제외된 동작은 제1 동작이고,
상기 스테레오 카메라 모듈에서 상기 제3 프레임을 수신하여, 제3 프레임에서, 상기 복수의 동작에 대한 제3 스케줄링 수행 시, 상기 복수의 동작에서 상기 제1 동작을 제외한 중 어느 하나의 측정된 수행 시간이 기준값 이상인 경우,
상기 프로세서는, 상기 기준값 이상인 동작을 상기 제1 동작 보다 선순위에 배치되도록 설정하는 차량 운전 보조 장치. - 제 2항에 있어서,
상기 프로세서는, 상기 제2 스케줄링을 수행시, 상기 복수의 동작 중 제1 동작이 상기 차량 안전 운행 관련한 동작인 경우, 상기 제1 동작을 최우선순위로 설정하는 차량 운전 보조 장치. - 제 10항에 있어서,
상기 제1 동작은, 상기 스테레오 카메라 모듈에서 제3 프레임을 수신하여, 제3 프레임에서, 상기 복수의 동작에 대한 제3 스케줄링을 수행하는 경우, 최우선순위에 배치되도록 설정되는 차량 운전 보조 장치. - 제 2항에 있어서,
상기 프로세서는, 상기 복수의 동작 중 제1 동작의 수행 시간 예측시, 기준 시간 이상의 범위에서 예측하는 차량 운전 보조 장치. - 제 1항에 있어서,
상기 프로세서는 제1 프로세서 및 제2 프로세서를 포함하고,
상기 제1 프로세서는, 상기 제2 스케줄링 수행시, 상기 측정된 동작별 수행 시간에 기초하여 상기 복수의 동작별 수행 시간을 예측하고,
상기 예측된 동작별 수행 시간에 기초하여 상기 제1 프로세서 및 상기 제2 프로세서에서 수행되는 동작을 분배하고,
상기 제1 프로세서 및 상기 제2 프로세서 분배된 동작별 수행 순서를 설정하는 차량 운전 보조 장치. - 제 13항에 있어서,
상기 제1 프로세서는, 상기 예측된 동작별 수행 시간을 바탕으로, 상기 제1 프로세서에서 수행되는 동작 및 상기 제2 프로세서에서 수행되는 동작이, 균형을 이루도록 분배하는 차량 운전 보조 장치. - 제 13항에 있어서,
상기 제1 프로세서에 상기 복수의 동작 중에서 제1 및 제2 동작이 분배되고, 상기 제2 프로세서에 상기 복수의 동작 중에서 제3 동작이 분배되는 경우, 상기 제1 프로세서는, 상기 제1 및 제2 동작별 수행 시간을 측정하여 합산하고, 합산된 예측 수행 시간이 임계값 이상인지 판단하고,
상기 합산된 예측 수행 시간이 임계값 이상인 경우, 상기 제2 프로세서는, 상기 제1 및 제2 동작 중 어느 하나의 동작을 더 수행하는 차량 운전 보조 장치. - 제 13항에 있어서,
상기 제1 프로세서는, 제2 스케줄링 수행 전에 2D 및 3D 기반의 전처리를 수행하고,
상기 제1 프로세서에 복수의 동작중에서 상기 2D 기반의 전처리를 바탕으로 수행하는 제1 및 제2 동작을 분배하고, 복수의 동작중에서 상기 제2 프로세서에 상기 3D 기반의 전처리를 바탕으로 수행하는 제3 동작을 분배하고,
상기 제1 및 제2 동작별 수행 시간을 측정하여 합산하고, 합산된 예측 수행 시간이 임계값 이상인지 판단하고,
상기 합산된 예측 수행 시간이 임계값 이상인 경우, 상기 제2 프로세서는 상기 3D 기반의 전처리를 바탕으로 상기 제1 및 제2 동작 중 어느 하나의 동작 및 상기 제3 동작을 수행하는 차량 운전 보조 장치. - 제 1항에 있어서,
상기 프로세서는, 상기 제2 스케줄링에 따라, 상기 복수의 동작을 수행하고, 상기 제2 스케줄링에 따른, 상기 복수의 동작별 수행 시간을 측정하는 차량 운전 보조 장치. - 제 17항에 있어서,
상기 프로세서는, 상기 측정된, 제1 스케줄링에 따른, 상기 복수의 동작별 수행시간과 상기 측정된, 제2 스케줄링에 따른, 상기 복수의 동작별 수행시간을 기초로, 상기 복수의 동작별 수행 시간 변화량을 산출하는 차량 운전 보조 장치. - 제 18항에 있어서,
상기 프로세서는, 상기 스테레오 카메라 모듈에서 제3 프레임을 수신하여, 제3 프레임에서, 상기 복수의 동작에 대한 제3 스케줄링을 수행하는 경우, 상기 동작별 수행 시간 변화량을 반영하는 차량 운전 보조 장치. - 제 1항에 있어서,
상기 제1 스케줄링에 따른 복수의 동작별 수행 또는 상기 제2 스케줄링에 따른 복수의 동작별 수행에 기초한 화면을 출력하는 디스플레이;를 더 포함하는 차량 운전 보조 장치. - 제 1항에 있어서,
상기 측정된 상기 복수의 동작별 수행 시간을 저장하는 메모리;를 더 포함하는 차량 운전 보조 장치. - 스테레오 영상의 제1 프레임을 바탕으로 복수의 동작을 수행한 후, 상기 스테레오 영상의 제2 프레임을 바탕으로 복수의 동작을 수행하는 차량 운전 보조 장치의 동작 방법에 있어서,
스테레오 카메라 모듈로부터 상기 제1 프레임을 수신하여, 상기 제1 프레임에서, 상기 복수의 동작에 대한 제1 스케줄링(scheduling)을 수행하는 단계;
상기 제1 스케줄링에 따라, 상기 복수의 동작을 수행하고 상기 복수의 동작별 수행 시간을 측정하는 단계;
상기 스테레오 카메라 모듈로부터 상기 제2 프레임을 수신하여, 상기 제2 프레임에서, 상기 측정된 동작별 수행 시간에 기초하여, 상기 복수의 동작에 대한 제2 스케줄링을 수행하는 단계; 및
상기 제1 스케줄링에 따른 상기 복수의 동작별 수행 또는 상기 제2 스케줄링에 따른 상기 복수의 동작별 수행에 기초한 화면을 디스플레이부에 출력하는 단계;를 포함하는 차량 운전 보조 장치의 동작 방법.
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140177582A KR101822892B1 (ko) | 2014-12-10 | 2014-12-10 | 차량 운전 보조 장치 및 차량 운전 보조 장치의 동작 방법 |
CN201510309687.1A CN106183989B (zh) | 2014-12-10 | 2015-06-08 | 车辆驾驶辅助装置及车辆驾驶辅助装置的动作方法 |
EP15003301.7A EP3032457A3 (en) | 2014-12-10 | 2015-11-19 | Driver assistance for a vehicle |
US14/951,615 US9894348B2 (en) | 2014-12-10 | 2015-11-25 | Driver assistance for a vehicle |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020140177582A KR101822892B1 (ko) | 2014-12-10 | 2014-12-10 | 차량 운전 보조 장치 및 차량 운전 보조 장치의 동작 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20160070528A true KR20160070528A (ko) | 2016-06-20 |
KR101822892B1 KR101822892B1 (ko) | 2018-01-29 |
Family
ID=54707498
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020140177582A KR101822892B1 (ko) | 2014-12-10 | 2014-12-10 | 차량 운전 보조 장치 및 차량 운전 보조 장치의 동작 방법 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9894348B2 (ko) |
EP (1) | EP3032457A3 (ko) |
KR (1) | KR101822892B1 (ko) |
CN (1) | CN106183989B (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019190171A1 (ko) * | 2018-03-30 | 2019-10-03 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107534736B (zh) * | 2016-03-30 | 2020-04-28 | 华为技术有限公司 | 终端的图像配准方法、装置和终端 |
US10650304B2 (en) | 2016-05-11 | 2020-05-12 | Magna Electronics Inc. | Vehicle driving assist system with enhanced data processing |
JP6656129B2 (ja) | 2016-09-28 | 2020-03-04 | 日立オートモティブシステムズ株式会社 | 画像処理装置、撮像装置 |
EP4078434A2 (de) * | 2019-12-20 | 2022-10-26 | ZF Friedrichshafen AG | Steuergerät für ein fahrerassistenzsystem und fahrerassistenzsystem |
US11741718B2 (en) * | 2021-05-18 | 2023-08-29 | Hitachi Astemo, Ltd. | Light interference detection during vehicle navigation |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7010788B1 (en) * | 2000-05-19 | 2006-03-07 | Hewlett-Packard Development Company, L.P. | System for computing the optimal static schedule using the stored task execution costs with recent schedule execution costs |
US6611664B2 (en) * | 2000-06-26 | 2003-08-26 | Kabushiki Kaisha Topcon | Stereo image photographing system |
JP4153522B2 (ja) | 2003-07-11 | 2008-09-24 | 株式会社日立製作所 | 画像処理カメラシステム及び画像処理カメラ制御方法 |
WO2006123754A1 (ja) * | 2005-05-20 | 2006-11-23 | Toyota Jidosha Kabushiki Kaisha | 車両用画像処理装置 |
JP4372804B2 (ja) | 2007-05-09 | 2009-11-25 | トヨタ自動車株式会社 | 画像処理装置 |
US8250579B2 (en) * | 2008-06-27 | 2012-08-21 | Oracle America, Inc. | Method for stage-based cost analysis for task scheduling |
WO2010038851A1 (ja) | 2008-10-02 | 2010-04-08 | 日立オートモティブシステムズ株式会社 | 車両走行に関する情報処理装置 |
JP5441626B2 (ja) | 2009-11-06 | 2014-03-12 | 日立オートモティブシステムズ株式会社 | 車載用マルチアプリ実行装置 |
EP2442550B1 (en) * | 2010-10-14 | 2015-06-17 | Sony Corporation | Image capturing device, system and method |
JP6035842B2 (ja) * | 2012-04-25 | 2016-11-30 | ソニー株式会社 | 撮像装置、撮像処理方法、画像処理装置および撮像処理システム |
JP6051608B2 (ja) * | 2012-06-19 | 2016-12-27 | 市光工業株式会社 | 車両周辺対象物検出装置 |
CN112580456A (zh) * | 2014-05-14 | 2021-03-30 | 御眼视觉技术有限公司 | 用于路缘检测和行人危险评估的***和方法 |
-
2014
- 2014-12-10 KR KR1020140177582A patent/KR101822892B1/ko active IP Right Grant
-
2015
- 2015-06-08 CN CN201510309687.1A patent/CN106183989B/zh not_active Expired - Fee Related
- 2015-11-19 EP EP15003301.7A patent/EP3032457A3/en not_active Ceased
- 2015-11-25 US US14/951,615 patent/US9894348B2/en not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019190171A1 (ko) * | 2018-03-30 | 2019-10-03 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
US11430137B2 (en) | 2018-03-30 | 2022-08-30 | Samsung Electronics Co., Ltd. | Electronic device and control method therefor |
Also Published As
Publication number | Publication date |
---|---|
US20160173858A1 (en) | 2016-06-16 |
CN106183989A (zh) | 2016-12-07 |
EP3032457A1 (en) | 2016-06-15 |
CN106183989B (zh) | 2018-12-18 |
KR101822892B1 (ko) | 2018-01-29 |
EP3032457A3 (en) | 2016-09-07 |
US9894348B2 (en) | 2018-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101641490B1 (ko) | 차량 운전 보조 장치 및 이를 구비한 차량 | |
KR101565007B1 (ko) | 차량 운전 보조 장치 및 이를 구비한 차량 | |
KR101579098B1 (ko) | 스테레오 카메라, 이를 구비한 차량 운전 보조 장치, 및 차량 | |
KR101582572B1 (ko) | 차량 운전 보조 장치 및 이를 구비한 차량 | |
KR101631439B1 (ko) | 카메라, 및 이를 구비한 차량 | |
KR101618551B1 (ko) | 차량 운전 보조 장치 및 이를 구비한 차량 | |
KR101822892B1 (ko) | 차량 운전 보조 장치 및 차량 운전 보조 장치의 동작 방법 | |
KR101565006B1 (ko) | 차량용 어라운드뷰 제공 장치 및 이를 구비한 차량 | |
EP2950237A1 (en) | Driver assistance apparatus capable of performing distance detection and vehicle including the same | |
KR101611261B1 (ko) | 스테레오 카메라, 이를 구비한 차량 운전 보조 장치, 및 차량 | |
KR20160136932A (ko) | 운전자 보조 장치 및 그 제어방법 | |
KR20170028125A (ko) | 차량 운전 보조 장치 및 차량 | |
KR101632179B1 (ko) | 차량 운전 보조 장치 및 이를 구비한 차량 | |
KR101698781B1 (ko) | 차량 운전 보조 장치 및 이를 구비한 차량 | |
KR20170140284A (ko) | 차량 운전 보조 장치 및 차량 | |
KR101641491B1 (ko) | 차량 운전 보조 장치 및 이를 구비한 차량 | |
KR20150070832A (ko) | 차량 운전 보조 장치 및 이를 구비한 차량 | |
KR101980547B1 (ko) | 차량 운전 보조 장치 및 차량 | |
KR20150072942A (ko) | 차량 운전 보조 장치 및 이를 구비한 차량 | |
KR101872477B1 (ko) | 차량 | |
KR101567405B1 (ko) | 차량용 어라운드뷰 제공 장치 및 이를 구비한 차량 | |
KR20160092403A (ko) | 차량 운전 보조 장치 및 차량 운전 보조 장치의 제어 방법 | |
KR101647728B1 (ko) | 차량 운전 보조 장치 및 이를 구비한 차량 | |
KR20170033195A (ko) | 차량 운전 보조 장치 및 차량 | |
KR20150074751A (ko) | 차량 운전 보조 장치 및 이를 구비한 차량 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |