KR20190105285A - 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템 - Google Patents

이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템 Download PDF

Info

Publication number
KR20190105285A
KR20190105285A KR1020180025629A KR20180025629A KR20190105285A KR 20190105285 A KR20190105285 A KR 20190105285A KR 1020180025629 A KR1020180025629 A KR 1020180025629A KR 20180025629 A KR20180025629 A KR 20180025629A KR 20190105285 A KR20190105285 A KR 20190105285A
Authority
KR
South Korea
Prior art keywords
road
distorted
interest
region
trapezoidal
Prior art date
Application number
KR1020180025629A
Other languages
English (en)
Other versions
KR102055496B1 (ko
Inventor
최진욱
김상훈
최신웅
김희원
Original Assignee
재단법인 다차원 스마트 아이티 융합시스템 연구단
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 재단법인 다차원 스마트 아이티 융합시스템 연구단 filed Critical 재단법인 다차원 스마트 아이티 융합시스템 연구단
Priority to KR1020180025629A priority Critical patent/KR102055496B1/ko
Publication of KR20190105285A publication Critical patent/KR20190105285A/ko
Application granted granted Critical
Publication of KR102055496B1 publication Critical patent/KR102055496B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/18—Image warping, e.g. rearranging pixels individually
    • G06T3/0093—
    • G06K9/00798—
    • G06K9/3233—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 사다리꼴 형상의 관심영역을 사각 평면으로 보정하여 왜곡된 오브젝트에 대한 최종 오브젝트 데이터를 출력하는 오브젝트 디텍팅 방법 및 시스템에 관한 것으로, 주야간, 환경, 조도, 날씨, 시간 등의 환경 상태에 따라 관심영역의 넓이, 위치 및 개수를 변경하여 이미지 워핑 방식을 적용함으로써, 부가적인 장치 또는 기기 없이도 원거리에 위치하는 오브젝트를 효율적으로 검출할 수 있다.

Description

이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템{METHOD AND SYSTEM FOR OBJECT DETECTING USING IMAGE WARPING}
본 발명은 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템에 관한 것으로, 보다 상세하게는 사다리꼴 형상의 관심영역을 사각 평면으로 보정하여 왜곡된 오브젝트에 대한 최종 오브젝트 데이터를 출력하는 기술에 관한 것이다.
영상을 통한 정보 처리 기술에 대한 관심이 증가되고 있다. 특히, 차량 전방 또는 후방에 탑재된 카메라 또는 도로 위에 설치된 카메라를 통해 획득하는 영상을 이용하여 사고 유발 원인(이벤트, Event)를 방지 및 해결하기 위한 노력이 계속되고 있다.
차량 전방에 장착된 카메라를 통해 주행에 방해를 줄 수 있는 물체(예컨대, 차량, 사람, 동물 및 도로 장애물 등)의 존재 유무와 도로 위에 설치된 카메라를 통해 역주행하는 차량, 도로 위의 사람, 동물 및 무너진 도로 장애물의 존재 유무 및 주행에 방해를 주는 오브젝트의 위치를 알 수 있으면, 대형 사고를 방지할 수 있다.
하지만, 종래 영상 처리 기술은 이미지 데이터에서 근거리에 위치하는 오브젝트에 대한 디텍팅 인식률만 높을 뿐, 원거리에 위치하는 오브젝트에 대한 디텍팅 인식률은 현저히 낮다는 한계가 존재하였다. 예를 들면, 종래 영상 처리 기술은 원거리에 위치하는 오브젝트를 검출하기 위해 줌 인/줌 아웃(Zoom In/Zoom Out)을 사용하므로, 오브젝트에 대한 해상도가 떨어지므로 검출의 한계가 존재하였다.
이에 따라서, 근거리뿐만 아니라, 원거리에 위치하는 오브젝트에 대한 인식률을 향상시키는 방법이 요구된다.
한국등록특허 제10­1181294호(2012.09.04. 등록), "문제 발생신고 촬영대상지점 위치인식 방법과 문제 신고처리 시스템"
본 발명의 목적은 부가적인 장치 또는 기기 없이도, 원거리에 위치하는 오브젝트를 효율적으로 검출할 수 있는 기술을 제공하고자 한다.
또한, 본 발명의 목적은 이미지 워핑 방식을 이용함으로써, 일반적인 줌 인/줌 아웃에 비해 네트워크의 이해도 및 인식률을 향상시킬 수 있는 기술을 제공하고자 한다.
또한, 본 발명의 목적은 이미지 워핑 방식을 통해 획득되는 왜곡된 오브젝트를 보정없이 이용하여 학습시키고, 최종 오브젝트를 출력함으로써, 도로 이미지에서 획득되는 왜곡된 오브젝트에 대한 인식률 및 정확도를 향상시킬 수 있는 기술을 제공하고자 한다.
또한, 본 발명의 목적은 주야간, 환경, 조도, 날씨, 시간 등의 환경 상태에 따라 관심영역의 넓이, 위치, 개수 및 순서를 변경하여 이미지 워핑 방식을 적용함으로써, 도로 환경, 환경 상태 또는 이벤트 발생에 따른 보다 신속하고 정확한 최종 오브젝트를 출력할 수 있는 기술을 제공하고자 한다.
본 발명의 실시예에 따른 이미지 워핑(Image Warping) 방식을 이용한 오브젝트 디텍팅 시스템의 동작 방법에 있어서, 도로 형태 및 환경 상태에 따라 설정되며, 도로 이미지에 대해 복수 개로 형성된 사다리꼴 형상의 관심영역(Region of Interest, ROI)을 검출하는 단계, 상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 단계, 상기 보정된 관심영역에서 왜곡된 오브젝트를 획득하는 단계 및 왜곡된 형상에 관련된 결과 데이터를 포함하는 데이터베이스를 이용하여 상기 왜곡된 오브젝트에 대한 최종 오브젝트 데이터를 출력하는 단계를 포함한다.
상기 사다리꼴 형상의 관심영역을 검출하는 단계는 카메라로 인해 획득되는 상기 도로 이미지에서, 도로의 라인(lane) 및 기준선을 기준으로 원거리, 근거리, 차선 등의 도로 형태에 따라 분류된 기 설정된 관심영역의 넓이, 위치 및 개수를 변경하여 복수 개의 상기 사다리꼴 형상의 관심영역으로 검출할 수 있다.
상기 사다리꼴 형상의 관심영역을 검출하는 단계는 센서를 통해 센싱되는 주야간, 환경, 조도, 날씨와 시간의 환경 상태 및 도로 상에서 감지되는 사고 유발 원인(이벤트, Event)에 따라 기 설정된 관심영역의 넓이, 위치 및 개수를 변경하여 복수 개의 상기 사다리꼴 형상의 관심영역을 검출할 수 있다.
상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 단계는 상기 사다리꼴 형상의 관심영역 각각을 사각형의 평면으로 보정하여 조감도(Bird eye view)로 변환할 수 있다.
상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 단계는 상기 복수 개의 사다리꼴 형상의 관심영역 중 도로 형태, 환경 상태 및 사고 유발 원인(이벤트, Event) 중 적어도 어느 하나 이상에 따른 우선순위에 기초하여 상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정할 수 있다.
상기 왜곡된 오브젝트를 획득하는 단계는 상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 과정에서 발생되며, 상기 보정된 관심영역에 위치하는 상기 왜곡된 오브젝트를 획득할 수 있다.
상기 최종 오브젝트 데이터를 출력하는 단계는 상기 왜곡된 형상에 관련된 결과 데이터를 포함하는 데이터베이스를 기반으로, 머신 러닝(machine learning)을 이용하여 상기 왜곡된 오브젝트에 대한 차량, 사람, 동물 및 도로 장애물 중 적어도 어느 하나의 상기 최종 오브젝트 데이터를 출력할 수 있다.
상기 데이터베이스는 사다리꼴 형상을 사각 평면으로 보정하는 과정에서 발생 가능한 차량, 사람, 동물 및 도로 장애물 각각에 대한 상기 왜곡된 형상을 저장하여 유지할 수 있다.
상기 최종 오브젝트 데이터를 출력하는 단계는 도로 상에서 감지되는 사고 유발 원인(이벤트, Event)을 검출하기 위해 상기 왜곡된 오브젝트에 대한 상기 최종 오브젝트 데이터를 출력할 수 있다.
본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 시스템은 도로 형태 및 환경 상태에 따라 설정되며, 도로 이미지에 대해 복수 개로 형성된 사다리꼴 형상의 관심영역(Region of Interest, ROI)을 검출하는 관심영역 검출부, 상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 보정부, 상기 보정된 관심영역에서 왜곡된 오브젝트를 획득하는 왜곡된 오브젝트 획득부 및 왜곡된 형상에 관련된 결과 데이터를 포함하는 데이터베이스부를 이용하여 상기 왜곡된 오브젝트에 대한 최종 오브젝트 데이터를 출력하는 최종 오브젝트 출력부를 포함한다.
또한, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 시스템은 상기 왜곡된 오브젝트에 대한 상기 출력된 최종 오브젝트에 관련된 정보를 상기 데이터베이스부에 업데이트하는 시스템 제어부를 더 포함할 수 있다.
상기 관심영역 검출부는 카메라로 인해 획득되는 상기 도로 이미지에서, 도로의 라인(lane) 및 기준선을 기준으로 원거리, 근거리, 차선 등의 도로 형태에 따라 분류된 기 설정된 관심영역의 넓이, 위치 및 개수를 변경하여 복수 개의 상기 사다리꼴 형상의 관심영역으로 검출할 수 있다.
상기 보정부는 상기 복수 개의 사다리꼴 형상의 관심영역 중 도로 형태, 환경 상태 및 사고 유발 원인(이벤트, Event) 중 적어도 어느 하나 이상에 따른 우선순위에 기초하여 상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하여 조감도(Bird eye view)로 변환할 수 있다.
상기 최종 오브젝트 출력부는 상기 왜곡된 형상에 관련된 결과 데이터를 포함하는 상기 데이터베이스부를 기반으로, 머신 러닝(machine learning)을 이용하여 상기 왜곡된 오브젝트에 대한 차량, 사람, 동물 및 도로 장애물 중 적어도 어느 하나의 상기 최종 오브젝트 데이터를 출력할 수 있다.
상기 시스템 제어부는 상기 최종 오브젝트 출력부를 통해, 상기 왜곡된 오브젝트에 대한 상기 최종 오브젝트 데이터가 출력되지 않는 경우, 상기 왜곡된 오브젝트에 관련된 결과 데이터를 상기 데이터베이스부에 업데이트할 수 있다.
상기 시스템 제어부는 도로 형태 및 환경 상태에 기반하여, 도로 상에서 감지되는 사고 유발 원인(이벤트, Event)에 따라 우선적으로 특정 관심영역에서 상기 최종 오브젝트 데이터를 출력하도록 제어할 수 있다.
본 발명의 실시예에 따르면, 부가적인 장치 또는 기기 없이도, 원거리에 위치하는 오브젝트를 효율적으로 검출할 수 있다.
또한, 본 발명의 실시예에 따르면, 이미지 워핑 방식을 이용함으로써, 일반적인 줌 인/줌 아웃에 비해 네트워크의 이해도 및 인식률을 향상시킬 수 있다.
또한, 본 발명의 실시예에 따르면, 이미지 워핑 방식을 통해 획득되는 왜곡된 오브젝트를 보정없이 이용하여 학습시키고, 최종 오브젝트를 출력함으로써, 도로 이미지에서 획득되는 왜곡된 오브젝트에 대한 인식률 및 정확도를 향상시킬 수 있다.
또한, 본 발명의 실시예에 따르면, 주야간, 환경, 조도, 날씨, 시간 등의 환경 상태에 따라 관심영역의 넓이, 위치, 개수 및 순서를 변경하여 이미지 워핑 방식을 적용함으로써, 도로 환경, 환경 상태 또는 이벤트 발생에 따른 보다 신속하고 정확한 최종 오브젝트를 출력할 수 있다.
도 1은 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법의 흐름도를 도시한 것이다.
도 2 내지 도 5는 본 발명의 실시예에 따른 이미지 워핑을 이용하여 최종 오브젝트를 출력하는 예를 도시한 것이다.
도 6은 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 시스템의 세부 구성을 블록도로 도시한 것이다.
이하, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나 본 발명이 실시예들에 의해 제한되거나 한정되는 것은 아니다. 또한, 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
또한, 본 명세서에서 사용되는 용어(terminology)들은 본 발명의 바람직한 실시예를 적절히 표현하기 위해 사용된 용어들로서, 이는 시청자, 운용자의 의도 또는 본 발명이 속하는 분야의 관례 등에 따라 달라질 수 있다. 따라서, 본 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법의 흐름도를 도시한 것이다.
도 1의 방법은 도 6에 도시된 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 시스템에 의해 수행된다.
도 1을 참조하면, 단계 110에서, 도로 형태 및 환경 상태에 따라 설정되며, 원거리 및 근거리 영역에 의해 복수 개로 형성되는 사다리꼴 형상의 관심영역(Region of Interest, ROI)을 검출한다.
단계 110은 차량의 전방 또는 도로 상에 설치된 카메라로부터 획득되는 도로 이미지에서, 도로 형태를 기준으로 기 설정된 관심영역의 넓이, 위치 및 개수를 변경하여 복수 개의 사다리꼴 형상의 관심영역으로 검출하는 단계일 수 있다. 예를 들면, 카메라는 차량의 전방, 도로의 가로등 또는 구조물 상에 설치될 수 있으며, 개수는 한정되지 않는다. 또한, 카메라는 RGB 카메라 또는 적외선 카메라일 수 있으며, 이미지 센서일 수도 있다.
단계 110은 도로 이미지에서, 도로 형태에 따라 추출된 에지가 소정의 형태를 가지도록 영상을 워핑(Warping)하여 기 설정된 관심영역을 설정할 수 있다. 여기서, 워핑은 도로 이미지에서 도로 형태에 따라 추출된 에지가 소정의 형태를 가지도록 하는 영상 내 좌표 변환 조건을 설정하는 것으로, 단계 110은 설정한 좌표 변환 조건에 따라 이미지를 워핑할 수 있다. 이를 위해, 단계 110은 다양한 공지된 이미지 워핑(Image Warping) 기법을 이용할 수 있다.
일 예로, 도로 상에 설치된 카메라는 특정 위치에서의 차선, 도로 형태, 도로 넓이, 도로 길이, 주변 구조물 특징 및 주변 환경을 나타내는 특정 도로 형태에 대한 일정한 도로 이미지를 획득한다. 이 때, 카메라로부터 획득되는 도로 이미지는 도로의 라인(lane), 기준선을 기준으로 원거리, 근거리, 차선 등의 도로 형태에 따라 기 설정된 상기 관심영역을 포함할 수 있다.
다만, 단계 110은 기 설정된 관심영역의 넓이, 위치 및 개수를 변경할 수 있다. 예를 들면, 단계 110은 카메라 부근에 설치된 센서를 통해 센싱되는 주야간, 환경, 조도, 날씨와 시간의 환경 상태, 도로 형태 및 사고 유발 원인(이벤트, Event)이 발생한 위치에 따라 기 설정된 관심영역의 크기, 넓이, 위치 및 개수 중 적어도 어느 하나 이상을 변경하여 복수 개의 사다리꼴 형상의 관심영역을 검출할 수 있다.
또한, 단계 110은 도로 형태, 환경 상태에 따라 변화하는 관심영역의 크기, 넓이, 위치 및 개수에 따라서, 다양한 각도에서의 관심영역을 관찰할 수 있으며, 복수 개의 관심영역에 대한 순서 및 타이머에 따른 순차적인 영역을 지정할 수도 있다.
단계 120에서, 사다리꼴 형상의 관심영역을 사각 평면으로 보정한다.
예를 들면, 도로 이미지에서 기 설정된 관심영역은 원거리 및 근거리를 나타내는 사다리꼴 형상을 나타낼 수 있다. 이에, 단계 120은 사다리꼴 형상의 관심영역 각각을 사각형의 평면으로 보정하여 조감도(Bird eye view)로 변환하는 단계일 수 있다.
단계 120은 도로 형태, 환경 상태 및 사고 유발 원인(이벤트, Event) 중 적어도 어느 하나의 우선순위에 따라 복수 개의 사다리꼴 형상의 관심영역 중 임의의 관심영역을 선택하여 사각 평면으로 보정할 수 있다.
실시예에 따라서, 도로 상에서 사고 유발 원인(이벤트, Event)이 감지되는 위치, 사고가 발생한 도로 위치, 사고가 유발되는 특정 환경의 경우, 단계 120은 도로 이미지에서 복수의 사다리꼴 형상의 관심영역 중 상기 특정 환경에 대해 우선적으로 사각 평면으로 보정하여 최종 오브젝트 출력을 시도할 수 있다. 예를 들면, 단계 120은 눈이 많이 내리는 날에는 시야 확보가 원활하지 않은 원거리에 위치하는 관심영역에 대해 우선적으로 사각 평면으로의 보정을 수행할 수 있다.
다른 실시예에 따라서, 단계 120은 복수 개의 사다리꼴 형상의 관심영역 중 도로 형태 및 환경 상태에 따라 순서를 지정하여 순차적으로 사각 평면으로 보정할 수 있으며, 타이머 또는 다양한 각도에 따라 관심영역을 사각 평면으로 보정할 수도 있다. 예를 들면, 단계 120은 눈이 많이 내리는 날 근거리에서 사고 유발 원인이 발생한 경우, 사고 유발 원인이 발생한 근거리에 위치하는 관심영역에 대해 우선적으로 사각 평면으로의 보정을 수행하고, 그 다음으로 원거리에 위치하는 관심영역에 대해 우선적으로 사각 평면으로의 보정을 수행할 수도 있다.
단계 130에서, 보정된 관심영역에서 왜곡된 오브젝트를 획득한다.
단계 130은 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 과정에서 발생되며, 보정된 관심영역에 위치하는 왜곡된 오브젝트를 획득하는 단계일 수 있다. 보다 세부적으로, 사다리꼴 형상의 관심영역을 관심 영역 내 위치하는 오브젝트의 형상에 기반하여 정사각형, 직사각형 등의 사각 평면으로 보정하는 경우, 오브젝트의 형상이 왜곡될 수 있으며, 단계 130은 왜곡된 오브젝트를 획득할 수 있다. 이 때, 단계 130은 왜곡된 오브젝트의 크기, 화질, 왜곡된 형태 등을 형태 그대로 획득하는 것을 특징으로 한다.
단계 140에서, 왜곡된 형상에 관련된 결과 데이터를 포함하는 데이터베이스를 이용하여 왜곡된 오브젝트에 대한 최종 오브젝트 데이터를 출력한다.
단계 140은 왜곡된 형상에 관련된 결과 데이터를 포함하는 데이터베이스를 기반으로, 머신 러닝(machine learning)을 이용하여 왜곡된 오브젝트에 대한 차량, 사람, 동물 및 도로 장애물 중 적어도 어느 하나의 최종 오브젝트 데이터를 출력하는 단계일 수 있다.
이 때, 데이터베이스는 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 과정에서 발생 가능한 차량, 사람, 동물 및 도로 장애물 각각에 대한 왜곡된 오브젝트의 크기, 화질, 형태 등을 저장하여 유지할 수 있다. 상기 데이터베이스는 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템에 포함된 것일 수 있으며, 클라우드 기반의 외부 데이터베이스일 수도 있다.
단계 140은 데이터베이스를 기반으로, 왜곡된 오브젝트를 클라우드 기반의 머신 러닝(machine learning)을 적용하여 차량, 사람, 동물 및 도로 장애물 등의 최종 오브젝트를 출력할 수 있다. 예를 들면, 단계 140은 최종 오브젝트의 날짜, 시각 및 종류와 최종 오브젝트에 대한 이미지 또는 영상을 매칭시킨 최종 오브젝트 데이터를 출력할 수 있다.
도 2 내지 도 5는 본 발명의 실시예에 따른 이미지 워핑을 이용하여 최종 오브젝트를 출력하는 예를 도시한 것이다.
도 2를 참조하면, 차량의 전방 또는 도로 상에 설치된 카메라로부터 획득되는 도로 이미지(210)는 도로 형태를 기준으로 기 설정된 관심영역(201, 202, 203, 204)을 포함할 수 있다.
도로 이미지(210)는 도로 형태를 촬영하는 카메라로부터 획득되며, 카메라는 특정 위치에서의 차선, 도로 형태, 도로 넓이, 도로 길이, 주변 구조물 특징 및 주변 환경을 나타내는 특정 도로 형태에 대한 일정한 도로 이미지(210)를 획득할 수 있다. 예를 들면, 도로 이미지(210)는 고정된 도로 형태를 나타내며, 변화하는 환경 상태 또는 사고 유발 원인(이벤트, Event)을 포함할 수 있다.
이 때, 관심영역(201, 202, 203, 204)은 도로 이미지(210)에서의 도로 라인(lane) 또는 기준선을 기준으로 원거리, 근거리, 차선 등의 도로 형태에 따라 복수 개로 형성될 수 있다. 또한, 관심영역(201, 202, 203, 204)은 도 2에 도시된 바와 같이, 사다리꼴 형상을 나타낼 수 있다.
도 2에 도시된 바에 의하면, 차선을 기준으로 제1 관심영역(201) 및 제2 관심영역(202)으로 구분되며, 원거리 또는 근거리를 기준으로 제3 관심영역(203) 및 제4 관심영역(204)으로 구분될 수 있다.
다만, 도 2에서의 관심영역(201, 202, 203, 204)은 도로 형태, 환경 상태 또는 사고 유발 원인의 위치에 따라 넓이, 위치 및 개수가 변경될 수 있다. 예를 들면, 도로 형태가 변경되거나, 도로 주변에 구조물이 형성되거나, 실시간으로 환경 상태가 변화하는 경우, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 도로 위의 오브젝트를 보다 명확히 출력하기 위해 관심영역(201, 202, 203, 204)의 넓이, 위치 및 개수를 변경시킬 수 있다.
여기서, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 카메라를 통해 도로 형태를 감지하며, 카메라 부근에 위치하는 센서를 통해 주야간, 환경, 조도, 날씨와 시간을 센싱할 수 있다. 이에 따라서, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 도로 형태, 환경 상태 및 사고 유발 원인의 위치를 감지할 수 있으며, 감지 결과에 기반하여 관심영역(201, 202, 203, 204)의 넓이, 위치 및 개수를 변경시킬 수 있다.
도 3을 참조하면, 사고 유발 원인(이벤트, Event)이 발생한 경우, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 사고 유발 원인(이벤트, Event)이 발생한 도로 이미지(211)로부터 사고 유발 원인이 발생한 최종 오브젝트의 출력을 수행할 수 있다.
예를 들어 도 3을 참조하면, 사고 유발 원인(이벤트, Event)이 제3 관심영역(203)에서 발생된 것을 확인할 수 있으며, 제4 관심영역(204)에 오브젝트가 위치한 것을 확인할 수 있다.
이에 따라서, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 제3 관심영역(203) 및 제4 관심영역(204)에 대해 이미지 워핑(Image Warping)을 적용한다.
도 4a를 참조하면, 제3 관심영역을 보정한 이미지(220)는 왜곡된 오브젝트(221, 222)를 포함한다. 예를 들면, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 제3 관심영역(203)을 확장하고, 사다리꼴 형상의 제3 관심영역(203)을 직사각형 또는 정사각형의 사각 평면으로 보정하는 수행을 통해 왜곡된 오브젝트(221, 222)를 획득할 수 있다.
본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 사다리꼴 형상의 관심영역을 사이즈가 동일하도록 직사각형 또는 정사각형의 사각 평면으로 보정할 수 있으며, 제3 관심영역을 보정한 이미지(220) 및 제4 관심영역을 보정한 이미지(230) 각각에서 왜곡된 오브젝트(221, 222)를 획득할 수 있다.
왜곡된 오브젝트(221, 222)는 사이즈를 일정하게 형성하는 보정을 통해 크기, 화질, 형태 등이 왜곡될 수 있으며, 카메라를 기준으로 100m, 200m, 300m 거리에 따라 해상도가 낮아질 수 있다.
도 4a를 참조하면, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 제3 관심영역을 보정한 이미지(220)에서, 왜곡된 차량 오브젝트(221)와 왜곡된 사람 오브젝트(222)를 획득할 수 있다.
또한, 도 4b를 참조하면, 제4 관심영역을 보정한 이미지(230)는 제4 관심영역(204)에 위치하며, 사각 평면으로 보정되는 과정에서 발생된 왜곡된 차량 오브젝트들을 포함할 수 있다.
도 4a 및 도 4b에 도시된 바와 같이, 왜곡된 오브젝트(221, 222)가 획득되는 경우, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 왜곡된 형상에 관련된 결과 데이터를 포함하는 데이터베이스를 이용하여 왜곡된 오브젝트(221, 222)에 대한 최종 오브젝트를 출력한다.
예를 들면, 데이터베이스는 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 과정에서 발생 가능한 차량, 사람, 동물 및 도로 장애물 각각에 대한 왜곡된 오브젝트의 크기, 화질, 형태 등을 저장하여 유지할 수 있다. 상기 데이터베이스는 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템에 포함된 것일 수 있으며, 클라우드 기반의 외부 데이터베이스일 수도 있다.
본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 데이터베이스를 기반으로, 왜곡된 오브젝트를 클라우드 기반의 머신 러닝(machine learning)을 적용하여 차량, 사람, 동물 및 도로 장애물 등의 최종 오브젝트의 종류와, 날짜 및 시각을 포함하고, 최종 오브젝트에 대한 이미지 또는 영상을 매칭시킨 최종 오브젝트 데이터를 출력할 수 있다.
도 5를 참조하면, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 사고 유발 원인(이벤트, Event)에 따른 도로 이미지로부터 출력되는 최종 오브젝트 및 사고 유발 원인(이벤트, Event)의 검지일자, 검지시각, 검지종류와 해당 도로 이미지 또는 도로 영상을 포함하는 최종 오브젝트 데이터를 출력할 수 있다.
예를 들면, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 사고 유발 원인이 차량, 사람, 동물 및 도로 장애물 중 어느 것에 의해 발생된 것인지를 출력할 수 있으며, 시간의 흐름에 기초하여 최종 오브젝트의 이동 및 움직임을 출력할 수도 있다. 도 5에 도시된 바와 같이, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 사고 유발 원인이 보행자(또는 사람)에 의한 것인지, 차량의 역주행에 의한 것인지를 출력할 수 있으며, 날짜, 시각, 종류 및 이미지/영상을 매칭시킨 최종 오브젝트 데이터를 출력할 수 있다.
다만, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 사고 유발 원인이 발생되지 않더라도, 도로 형태 및 환경 상태에 따라 상기 최종 오브젝트 데이터를 출력할 수도 있다.
종래 기술에서는 도로 이미지(210)에서의 오브젝트를 검출하기 위해 제3 관심영역(203) 및 제4 관심영역(204)을 줌 인(Zoom In)한다. 예를 들어, 제3 관심영역(203)은 근거리 영역을 나타내므로 줌 인에 의한 오브젝트 검출의 큰 차이가 없다. 반면, 제4 관심영역(204)은 원거리 영역을 나타내므로 줌 인을 하더라도 오브젝트에 대한 식별이 불가능하였다.
즉, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 종래 기술의 한계를 극복하기 위한 것으로, 영상 왜곡을 최소화하면서 원거리에 위치하는 오브젝트에 대한 정확한 결과 데이터 추출을 위해 이미지 워핑(Image Warping) 방식을 적용한다. 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템은 도로 형태에 따른 사다리꼴 형상의 관심영역을 일정한 사이즈의 사각 평면으로 보정하여 왜곡된 오브젝트를 획득하고, 왜곡된 오브젝트의 형상이 저장되어 유지되는 데이터베이스 및 머신 러닝을 이용하여 원거리 또는 근거리에 위치하는 왜곡된 오브젝트에 대한 최종 오브젝트를 보다 정확하게 추출할 수 있다.
도 6은 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 시스템의 세부 구성을 블록도로 도시한 것이다.
도 6을 참조하면, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 시스템은 사다리꼴 형상의 관심영역을 사각 평면으로 보정하여 왜곡된 오브젝트에 대한 최종 오브젝트 데이터를 출력한다.
이를 위해, 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 시스템(600)은 관심영역 검출부(610), 보정부(620), 왜곡된 오브젝트 획득부(630) 및 최종 오브젝트 출력부(640)를 포함한다.
관심영역 검출부(610)는 도로 형태 및 환경 상태에 따라 설정되며, 원거리 및 근거리 영역에 의해 복수 개로 형성되는 사다리꼴 형상의 관심영역(Region of Interest, ROI)을 검출한다.
관심영역 검출부(610)는 차량의 전방 또는 도로 상에 설치된 카메라로부터 획득되는 도로 이미지에서, 도로 형태를 기준으로 기 설정된 관심영역의 넓이, 위치 및 개수를 변경하여 복수 개의 사다리꼴 형상의 관심영역으로 검출할 수 있다. 예를 들면, 카메라는 차량의 전방, 도로의 가로등 또는 구조물 상에 설치될 수 있으며, 개수는 한정되지 않는다. 또한, 카메라는 RGB 카메라 또는 적외선 카메라일 수 있으며, 이미지 센서일 수도 있다.
관심영역 검출부(610)는 도로 이미지에서, 도로 형태에 따라 추출된 에지가 소정의 형태를 가지도록 영상을 워핑(Warping)하여 기 설정된 관심영역을 설정할 수 있다. 여기서, 워핑은 도로 이미지에서 도로 형태에 따라 추출된 에지가 소정의 형태를 가지도록 하는 영상 내 좌표 변환 조건을 설정하는 것으로, 관심영역 검출부(610)는 설정한 좌표 변환 조건에 따라 이미지를 워핑할 수 있다. 이를 위해, 관심영역 검출부(610)는 다양한 공지된 이미지 워핑(Image Warping) 기법을 이용할 수 있다.
다만, 관심영역 검출부(610)는 기 설정된 관심영역의 넓이, 위치 및 개수를 변경할 수 있다. 예를 들면, 관심영역 검출부(610)는 카메라 부근에 설치된 센서를 통해 센싱되는 주야간, 환경, 조도, 날씨와 시간의 환경 상태, 도로 형태 및 사고 유발 원인(이벤트, Event)이 발생한 위치에 따라 기 설정된 관심영역의 크기, 넓이, 위치 및 개수 중 적어도 어느 하나 이상을 변경하여 복수 개의 사다리꼴 형상의 관심영역을 검출할 수 있다.
또한, 관심영역 검출부(610)는 도로 형태, 환경 상태에 따라 변화하는 관심영역의 크기, 넓이, 위치 및 개수에 따라서, 다양한 각도에서의 관심영역을 관찰할 수 있으며, 복수 개의 관심영역에 대한 순서 및 타이머에 따른 순차적인 영역을 지정할 수도 있다.
실시예에 따라서, 관심영역 검출부(610)는 제1 관심영역과 제2 관심영역 및 제3 관심영역과 제4 관심영역의 위치를 순차적으로 변경할 수 있으며, 제1 관심영역, 제2 관심영역, 제3 관심영역 및 제4 관심영역의 크기, 넓이, 위치 및 개수를 변경할 수도 있다.
보정부(620)는 사다리꼴 형상의 관심영역을 사각 평면으로 보정한다.
보정부(620)는 복수 개의 사다리꼴 형상의 관심영역 중 도로 형태 및 환경 상태의 우선순위에 따라 관심영역을 선택하여 사각 평면으로 보정하여 조감도(Bird eye view)로 변환할 수 있다.
보정부(620)는 도로 형태, 환경 상태 및 사고 유발 원인(이벤트, Event) 중 적어도 어느 하나의 우선순위에 따라 복수 개의 사다리꼴 형상의 관심영역 중 임의의 관심영역을 선택하여 사각 평면으로 보정할 수 있다.
실시예에 따라서, 도로 상에서 사고 유발 원인(이벤트, Event)이 감지되는 위치, 사고가 발생한 도로 위치, 사고가 유발되는 특정 환경의 경우, 보정부(620)는 도로 이미지에서 복수의 사다리꼴 형상의 관심영역 중 상기 특정 환경에 대해 우선적으로 사각 평면으로 보정하여 최종 오브젝트 출력을 시도할 수 있다. 예를 들면, 보정부(620)는 눈이 많이 내리는 날에는 시야 확보가 원활하지 않은 원거리에 위치하는 관심영역에 대해 우선적으로 사각 평면으로의 보정을 수행할 수 있다.
다른 실시예에 따라서, 보정부(620)는 복수 개의 사다리꼴 형상의 관심영역 중 도로 형태 및 환경 상태에 따라 순서를 지정하여 순차적으로 사각 평면으로 보정할 수 있으며, 타이머 또는 다양한 각도에 따라 관심영역을 사각 평면으로 보정할 수도 있다. 예를 들면, 보정부(620)는 눈이 많이 내리는 날 근거리에서 사고 유발 원인이 발생한 경우, 사고 유발 원인이 발생한 근거리에 위치하는 관심영역에 대해 우선적으로 사각 평면으로의 보정을 수행하고, 그 다음으로 원거리에 위치하는 관심영역에 대해 우선적으로 사각 평면으로의 보정을 수행할 수도 있다.
왜곡된 오브젝트 획득부(630)는 보정된 관심영역에서 왜곡된 오브젝트를 획득한다.
왜곡된 오브젝트 획득부(630)는 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 과정에서 발생되며, 왜곡된 오브젝트의 크기, 화질, 왜곡된 형태 등을 형태 그대로 획득할 수 있다. 보다 세부적으로, 사다리꼴 형상의 관심영역을 관심 영역 내 위치하는 오브젝트의 형상에 기반하여 정사각형, 직사각형 등의 사각 평면으로 보정하는 경우, 오브젝트의 형상이 왜곡될 수 있으며, 왜곡된 오브젝트 획득부(630)는 왜곡된 오브젝트를 획득할 수 있다.
최종 오브젝트 출력부(640)는 왜곡된 형상에 관련된 결과 데이터를 포함하는 데이터베이스부(660)를 이용하여 왜곡된 오브젝트에 대한 최종 오브젝트 데이터를 출력한다.
최종 오브젝트 출력부(640)는 왜곡된 형상에 관련된 결과 데이터를 포함하는 데이터베이스부(660)를 기반으로, 머신 러닝(machine learning)을 이용하여 왜곡된 오브젝트에 대한 차량, 사람, 동물 및 도로 장애물 중 적어도 어느 하나의 최종 오브젝트 데이터를 출력할 수 있다. 예를 들면, 최종 오브젝트 출력부(640)는 최종 오브젝트의 날짜, 시각 및 종류와 최종 오브젝트에 대한 이미지 또는 영상을 매칭시킨 최종 오브젝트 데이터를 출력할 수 있다.
이 때, 데이터베이스부(660)는 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 과정에서 발생 가능한 차량, 사람, 동물 및 도로 장애물 각각에 대한 왜곡된 오브젝트의 크기, 화질, 형태 등을 저장하여 유지할 수 있다. 실시예에 따라서, 데이터베이스부(660)는 본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 시스템(600)에 포함된 것일 수 있으며, 클라우드 기반의 외부 데이터베이스부(660)일 수도 있다.
본 발명의 실시예에 따른 이미지 워핑을 이용한 오브젝트 디텍팅 시스템(600)은 시스템 제어부(650)를 더 포함할 수 있다.
시스템 제어부(650)는 왜곡된 오브젝트에 대한 출력된 최종 오브젝트에 관련된 정보를 데이터베이스부(660)에 업데이트할 수 있다.
일 예로, 시스템 제어부(650)는 최종 오브젝트 출력부(640)를 통해, 왜곡된 오브젝트에 대한 최종 오브젝트가 출력되지 않는 경우, 왜곡된 오브젝트에 관련된 결과 데이터를 데이터베이스부(660)에 업데이트할 수 있다.
실시예에 따르면, 최종 오브젝트 출력부(640)가 왜곡된 오브젝트에 대해 사람과 도로 장애물의 두 가지 종류로 출력하는 경우, 시스템 제어부(650)는 상기 왜곡된 오브젝트에 대한 사람 또는 도로 장애물 중 확률이 비교적 높은 오브젝트로 판단할 수 있다. 이로 인해, 시스템 제어부(650)는 판단된 결과와 상기 왜곡된 오브젝트를 데이터베이스부(660)에 업데이트할 수 있다.
다른 예로, 시스템 제어부(650)는 왜곡된 오브젝트 획득부(630)를 통해 획득되는 왜곡된 오브젝트와, 왜곡된 오브젝트에 대해 출력되는 최종 오브젝트를 매칭시켜 데이터베이스부(660)에 학습시킬 수 있다.
시스템 제어부(650)는 도로 형태 및 환경 상태에 기반하여, 도로 상에서 감지되는 사고 유발 원인(이벤트, Event)에 따라 우선적으로 특정 관심영역에서 최종 오브젝트를 출력하도록 제어할 수 있다.
예를 들면, 시스템 제어부(650)는 카메라 및 센서 중 적어도 어느 하나 이상을 기반으로, 도로 상에서 사고 유발 원인(이벤트, Event)가 발생되거나, 사고가 유발되는 특정 날씨 환경 또는 특정 도로 환경인 경우, 사다리꼴 형상의 관심영역 중 우선순위를 선택하고, 그로 인한 관심영역 검출부(610), 보정부(620), 왜곡된 오브젝트 획득부(630) 및 최종 오브젝트 출력부(640)를 제어하여 최종 오브젝트 출력을 수행할 수 있다.
시스템 제어부(650)는 도로 이미지에서, 복수 개의 사다리꼴 형상의 관심영역 중 도로 형태 및 환경 상태에 따라 순서를 지정하여 순차적으로 사각 평면으로 보정하고, 그에 따른 최종 오브젝트 출력을 제어할 수 있으며, 타이머 또는 다양한 각도에 따라 관심영역을 선택하여 사각 평면으로 보정하고, 그에 따른 최종 오브젝트 출력을 제어할 수도 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/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, FPA(field programmable 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 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 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 기록 매체에 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. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD­ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기­광 매체(magneto­optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
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 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
201, 202, 203, 204: 관심영역(Region of Interest, ROI)
210: 도로 이미지
211: 사고 유발 원인(이벤트, Event)이 발생한 도로 이미지
220: 제3 관심영역을 보정한 이미지
221, 222: 왜곡된 오브젝트
230: 제4 관심영역을 보정한 이미지
600: 이미지 워핑을 이용한 오브젝트 디텍팅 시스템

Claims (16)

  1. 이미지 워핑(Image Warping) 방식을 이용한 오브젝트 디텍팅 시스템의 동작 방법에 있어서,
    도로 형태 및 환경 상태에 따라 설정되며, 도로 이미지에 대해 복수 개로 형성된 사다리꼴 형상의 관심영역(Region of Interest, ROI)을 검출하는 단계;
    상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 단계;
    상기 보정된 관심영역에서 왜곡된 오브젝트를 획득하는 단계; 및
    왜곡된 형상에 관련된 결과 데이터를 포함하는 데이터베이스를 이용하여 상기 왜곡된 오브젝트에 대한 최종 오브젝트 데이터를 출력하는 단계
    를 포함하는 이미지 워핑을 이용한 오브젝트 디텍팅 방법.
  2. 제1항에 있어서,
    상기 사다리꼴 형상의 관심영역을 검출하는 단계는
    카메라로 인해 획득되는 상기 도로 이미지에서, 도로의 라인(lane) 및 기준선을 기준으로 원거리, 근거리, 차선 등의 도로 형태에 따라 분류된 기 설정된 관심영역의 넓이, 위치 및 개수를 변경하여 복수 개의 상기 사다리꼴 형상의 관심영역으로 검출하는 이미지 워핑을 이용한 오브젝트 디텍팅 방법.
  3. 제2항에 있어서,
    상기 사다리꼴 형상의 관심영역을 검출하는 단계는
    센서를 통해 센싱되는 주야간, 환경, 조도, 날씨와 시간의 환경 상태 및 도로 상에서 감지되는 사고 유발 원인(이벤트, Event)에 따라 기 설정된 관심영역의 넓이, 위치 및 개수를 변경하여 복수 개의 상기 사다리꼴 형상의 관심영역을 검출하는 이미지 워핑을 이용한 오브젝트 디텍팅 방법.
  4. 제1항에 있어서,
    상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 단계는
    상기 사다리꼴 형상의 관심영역 각각을 사각형의 평면으로 보정하여 조감도(Bird eye view)로 변환하는 이미지 워핑을 이용한 오브젝트 디텍팅 방법.
  5. 제4항에 있어서,
    상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 단계는
    상기 복수 개의 사다리꼴 형상의 관심영역 중 도로 형태, 환경 상태 및 사고 유발 원인(이벤트, Event) 중 적어도 어느 하나 이상에 따른 우선순위에 기초하여 상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 것을 특징으로 하는 이미지 워핑을 이용한 오브젝트 디텍팅 방법.
  6. 제1항에 있어서,
    상기 왜곡된 오브젝트를 획득하는 단계는
    상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 과정에서 발생되며, 상기 보정된 관심영역에 위치하는 상기 왜곡된 오브젝트를 획득하는 이미지 워핑을 이용한 오브젝트 디텍팅 방법.
  7. 제1항에 있어서,
    상기 최종 오브젝트 데이터를 출력하는 단계는
    상기 왜곡된 형상에 관련된 결과 데이터를 포함하는 데이터베이스를 기반으로, 머신 러닝(machine learning)을 이용하여 상기 왜곡된 오브젝트에 대한 차량, 사람, 동물 및 도로 장애물 중 적어도 어느 하나의 상기 최종 오브젝트 데이터를 출력하는 이미지 워핑을 이용한 오브젝트 디텍팅 방법.
  8. 제7항에 있어서,
    상기 데이터베이스는
    사다리꼴 형상을 사각 평면으로 보정하는 과정에서 발생 가능한 차량, 사람, 동물 및 도로 장애물 각각에 대한 상기 왜곡된 형상을 저장하여 유지하는 이미지 워핑을 이용한 오브젝트 디텍팅 방법.
  9. 제7항에 있어서,
    상기 최종 오브젝트 데이터를 출력하는 단계는
    도로 상에서 감지되는 사고 유발 원인(이벤트, Event)을 검출하기 위해 상기 왜곡된 오브젝트에 대한 상기 최종 오브젝트 데이터를 출력하는 것을 특징으로 하는 이미지 워핑을 이용한 오브젝트 디텍팅 방법.
  10. 도로 형태 및 환경 상태에 따라 설정되며, 도로 이미지에 대해 복수 개로 형성된 사다리꼴 형상의 관심영역(Region of Interest, ROI)을 검출하는 관심영역 검출부;
    상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하는 보정부;
    상기 보정된 관심영역에서 왜곡된 오브젝트를 획득하는 왜곡된 오브젝트 획득부; 및
    왜곡된 형상에 관련된 결과 데이터를 포함하는 데이터베이스부를 이용하여 상기 왜곡된 오브젝트에 대한 최종 오브젝트 데이터를 출력하는 최종 오브젝트 출력부
    를 포함하는 이미지 워핑을 이용한 오브젝트 디텍팅 시스템.
  11. 제10항에 있어서,
    상기 왜곡된 오브젝트에 대한 상기 출력된 최종 오브젝트에 관련된 정보를 상기 데이터베이스부에 업데이트하는 시스템 제어부
    를 더 포함하는 이미지 워핑을 이용한 오브젝트 디텍팅 시스템.
  12. 제10항에 있어서,
    상기 관심영역 검출부는
    카메라로 인해 획득되는 상기 도로 이미지에서, 도로의 라인(lane) 및 기준선을 기준으로 원거리, 근거리, 차선 등의 도로 형태에 따라 분류된 기 설정된 관심영역의 넓이, 위치 및 개수를 변경하여 복수 개의 상기 사다리꼴 형상의 관심영역으로 검출하는 이미지 워핑을 이용한 오브젝트 디텍팅 시스템.
  13. 제10항에 있어서,
    상기 보정부는
    상기 복수 개의 사다리꼴 형상의 관심영역 중 도로 형태, 환경 상태 및 사고 유발 원인(이벤트, Event) 중 적어도 어느 하나 이상에 따른 우선순위에 기초하여 상기 사다리꼴 형상의 관심영역을 사각 평면으로 보정하여 조감도(Bird eye view)로 변환하는 이미지 워핑을 이용한 오브젝트 디텍팅 시스템.
  14. 제10항에 있어서,
    상기 최종 오브젝트 출력부는
    상기 왜곡된 형상에 관련된 결과 데이터를 포함하는 상기 데이터베이스부를 기반으로, 머신 러닝(machine learning)을 이용하여 상기 왜곡된 오브젝트에 대한 차량, 사람, 동물 및 도로 장애물 중 적어도 어느 하나의 상기 최종 오브젝트 데이터를 출력하는 이미지 워핑을 이용한 오브젝트 디텍팅 시스템.
  15. 제11항에 있어서,
    상기 시스템 제어부는
    상기 최종 오브젝트 출력부를 통해, 상기 왜곡된 오브젝트에 대한 상기 최종 오브젝트 데이터가 출력되지 않는 경우, 상기 왜곡된 오브젝트에 관련된 결과 데이터를 상기 데이터베이스부에 업데이트하는 이미지 워핑을 이용한 오브젝트 디텍팅 시스템.
  16. 제11항에 있어서,
    상기 시스템 제어부는
    도로 형태 및 환경 상태에 기반하여, 도로 상에서 감지되는 사고 유발 원인(이벤트, Event)에 따라 우선적으로 특정 관심영역에서 상기 최종 오브젝트 데이터를 출력하도록 제어하는 이미지 워핑을 이용한 오브젝트 디텍팅 시스템.
KR1020180025629A 2018-03-05 2018-03-05 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템 KR102055496B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180025629A KR102055496B1 (ko) 2018-03-05 2018-03-05 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180025629A KR102055496B1 (ko) 2018-03-05 2018-03-05 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20190105285A true KR20190105285A (ko) 2019-09-17
KR102055496B1 KR102055496B1 (ko) 2019-12-12

Family

ID=68069988

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180025629A KR102055496B1 (ko) 2018-03-05 2018-03-05 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102055496B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102173419B1 (ko) * 2020-07-14 2020-11-03 주식회사 아프로시스템즈 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템
WO2024144845A1 (en) * 2022-12-28 2024-07-04 Schlumberger Technology Corporation Systems and methods for generating three-dimensional models using captured video

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102307937B1 (ko) 2021-08-10 2021-10-05 건아정보기술 주식회사 측주식 감지카메라 차량속도 추출 시스템
KR102402272B1 (ko) 2022-01-12 2022-05-26 건아정보기술 주식회사 Ai 객체검지 기반의 차량 끼어들기 및 속도위반 복합 무인단속 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101181294B1 (ko) 2011-05-25 2012-09-10 (주)넷비젼텔레콤 문제 발생신고 촬영대상지점 위치인식 방법과 문제 신고처리 시스템
JP2014122894A (ja) * 2012-12-19 2014-07-03 Toyota Motor Engineering & Manufacturing North America Inc 車両のための装置及び方法、及び、その方法を実行するための命令を含む記憶媒体
KR20160044757A (ko) * 2014-10-16 2016-04-26 에스케이텔레콤 주식회사 교통상황 분석 방법 및 장치
KR20160056181A (ko) * 2014-11-11 2016-05-19 현대모비스 주식회사 차량 주행 보조 장치 및 차량 주행 보조 방법
KR20170064880A (ko) * 2015-12-02 2017-06-12 엘지전자 주식회사 차량 내 영상기록장치 및 그것의 제어 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101181294B1 (ko) 2011-05-25 2012-09-10 (주)넷비젼텔레콤 문제 발생신고 촬영대상지점 위치인식 방법과 문제 신고처리 시스템
JP2014122894A (ja) * 2012-12-19 2014-07-03 Toyota Motor Engineering & Manufacturing North America Inc 車両のための装置及び方法、及び、その方法を実行するための命令を含む記憶媒体
KR20160044757A (ko) * 2014-10-16 2016-04-26 에스케이텔레콤 주식회사 교통상황 분석 방법 및 장치
KR20160056181A (ko) * 2014-11-11 2016-05-19 현대모비스 주식회사 차량 주행 보조 장치 및 차량 주행 보조 방법
KR20170064880A (ko) * 2015-12-02 2017-06-12 엘지전자 주식회사 차량 내 영상기록장치 및 그것의 제어 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102173419B1 (ko) * 2020-07-14 2020-11-03 주식회사 아프로시스템즈 관심 검지 영역 확장 기법을 이용한 적응적 물체 검지 시스템
WO2024144845A1 (en) * 2022-12-28 2024-07-04 Schlumberger Technology Corporation Systems and methods for generating three-dimensional models using captured video

Also Published As

Publication number Publication date
KR102055496B1 (ko) 2019-12-12

Similar Documents

Publication Publication Date Title
KR102055496B1 (ko) 이미지 워핑을 이용한 오브젝트 디텍팅 방법 및 시스템
US11609101B2 (en) Image processing apparatus, image processing method, computer program and computer readable recording medium
US11138750B2 (en) Distance estimating method and apparatus
KR102385280B1 (ko) 차량의 주변 구역을 상황에 맞추어 포착하기 위한 카메라 시스템 및 방법
JP6829575B2 (ja) 画像処理装置、画像処理システム及び画像処理方法
US11341754B2 (en) Method and apparatus for auto calibration
US20200143179A1 (en) Infrastructure-free nlos obstacle detection for autonomous cars
US10455147B2 (en) Image processing method
JP2023504028A (ja) マップデータの更新
KR101920281B1 (ko) 차량 내에서 입력 영상 데이터로부터 객체를 검출하는 장치 및 방법
US20210396537A1 (en) Image processing apparatus, image processing method, computer program and computer readable recording medium
EP4307219A1 (en) Three-dimensional target detection method and apparatus
KR20190132984A (ko) 차량의 주변 구역을 포착하기 위한 카메라 시스템 및 방법
EP4136570A1 (en) Artificial intelligence and computer vision powered driving-performance assessment
JP5521217B2 (ja) 障害物検出装置、及び障害物検出方法
AU2022252806A1 (en) Traffic marker detection method and training method for traffic marker detection model
KR102133020B1 (ko) 어라운드 뷰 모니터링 시스템 및 딥러닝을 이용한 주차선 검출 방법
Vishwakarma et al. Analysis of lane detection techniques using opencv
ES2882103T3 (es) Detección y seguimiento a distancia de objetos
JP2007188269A (ja) 画像上移動物体追跡方法及び装置
KR101582348B1 (ko) 주차장 감시 방법 및 그 장치
US11107197B2 (en) Apparatus for processing image blurring and method thereof
Sawhney et al. Road Lane Detection Using Advanced Image Processing Techniques
US9045075B2 (en) Vehicle assistance device and method
KR102632655B1 (ko) 주정차 단속영상에서 대상차량의 주행여부를 판단하는영상분석방법, 그 영상분석을 수행하는 제어기 및 주정차단속시스템

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right