KR20200042100A - 이미지 변환 장치 및 방법 - Google Patents

이미지 변환 장치 및 방법 Download PDF

Info

Publication number
KR20200042100A
KR20200042100A KR1020180122245A KR20180122245A KR20200042100A KR 20200042100 A KR20200042100 A KR 20200042100A KR 1020180122245 A KR1020180122245 A KR 1020180122245A KR 20180122245 A KR20180122245 A KR 20180122245A KR 20200042100 A KR20200042100 A KR 20200042100A
Authority
KR
South Korea
Prior art keywords
image
point
input image
lane
image conversion
Prior art date
Application number
KR1020180122245A
Other languages
English (en)
Other versions
KR102519666B1 (ko
Inventor
이재우
현윤석
구자후
장철훈
지대현
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020180122245A priority Critical patent/KR102519666B1/ko
Priority to US16/531,859 priority patent/US11062153B2/en
Priority to CN201910969783.7A priority patent/CN111046719A/zh
Publication of KR20200042100A publication Critical patent/KR20200042100A/ko
Application granted granted Critical
Publication of KR102519666B1 publication Critical patent/KR102519666B1/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—
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/536—Depth or shape recovery from perspective effects, e.g. by using vanishing points
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

이미지 변환 장치 및 방법이 제공된다. 이미지 변환 장치는 입력 이미지에 나타난 차로 경계선의 변곡점에 기초하여 입력 이미지를 복수의 영역 이미지들로 분할하고, 각 영역 이미지마다 소실점 및 변환 관계를 계산하며, 계산된 변환 관계에 기초하여 전체 입력 이미지에 대한 도로 프로파일 데이터를 생성할 수 있다.

Description

이미지 변환 장치 및 방법{DEVICE AND METHOD TO CONVERT IMAGE}
이하, 이미지를 변환하는 기술이 제공된다.
자율주행(예를 들어, ADAS(Advanced Driver Assistance System) 등) 에서는 ACC(Active Cruise Control) 기술이 필수적이다. ACC 기술은 현재 차량이 주행하고 있는 차로 내에서 선행하는 차량의 속도를 센싱하고, 차량이 선행하는 차량과 일정거리를 유지하며 주행함으로써 충돌하지 않도록, 차량의 속도를 조절하는 기술이다.
현재 출시되고 있는 차량들 중 일부는 원하는 타겟 속도를 입력하면, 선행하는 차량이 없는 경우 타겟 속도로 주행하고, 선행하는 차량이 나타나면 그에 맞추어 속도를 줄여서 일정 거리를 유지하는 기능을 포함하고 있다. 이러한 기술 구현을 위해서는 주변 객체의 위치를 정확하게 추정할 필요가 있다.
일 실시예에 따르면 이미지 변환 방법은 전방 도로에 대한 입력 이미지를 복수의 영역 이미지(region image)들로 분할(segment)하는 단계; 상기 분할된 영역 이미지들 중 각 영역 이미지에 대해 소실점(vanishing point)을 결정하는 단계; 상기 소실점에 기초하여 각 영역 이미지의 2차원 좌표를 3차원 좌표로 변환하는 변환 관계(translation relation)를 계산하는 단계; 및 각 영역 이미지마다 계산된 상기 변환 관계에 기초하여, 상기 분할된 영역 이미지들로부터 도로 프로파일 데이터(road profile data)를 생성하는 단계를 포함할 수 있다.
상기 입력 이미지를 복수의 영역 이미지들로 분할하는 단계는, 상기 입력 이미지로부터 차로 경계선을 식별하는 단계; 상기 식별된 차로 경계선의 변곡점(inflection point)을 계산하는 단계; 및 상기 계산된 변곡점을 기준으로 상기 입력 이미지를 복수의 영역 이미지들로 분할하는 단계를 포함할 수 있다.
상기 변곡점을 계산하는 단계는, 상기 식별된 차로 경계선을 복수의 구간들(sections)로 분할하는 단계; 상기 복수의 구간들의 각각에 나타난 일부 경계선(partial line)의 기울기(slope)를 산출하는 단계; 및 상기 일부 경계선의 기울기에 기초하여, 상기 변곡점을 계산하는 단계를 포함할 수 있다.
상기 변곡점을 계산하는 단계는, 일부 경계선들 중 인접한 두 일부 경계선 간의 기울기 차이(slope difference)가 임계 차이(threshold difference)를 초과하는 경우에 응답하여, 상기 인접한 두 일부 경계선 사이의 지점을 상기 변곡점으로 결정하는 단계를 포함할 수 있다.
상기 계산된 변곡점을 기준으로 상기 입력 이미지를 복수의 영역 이미지들로 분할하는 단계는, 상기 입력 이미지에서 상기 변곡점을 포함하는 수평선을 기준으로 상기 입력 이미지를 분할하는 단계를 포함할 수 있다.
상기 변곡점을 계산하는 단계는, 상기 입력 이미지에서 복수의 차로 경계선들이 검출된 경우에 응답하여, 상기 복수의 차로 경계선들 중 상기 입력 이미지의 중심에 가장 가까운 차로 경계선을 선택하는 단계; 및 상기 선택된 차로 경계선의 변곡점을 계산하는 단계를 포함할 수 있다.
상기 분할된 영역 이미지들 중 각 영역 이미지에 대해 소실점을 결정하는 단계는, 각 영역 이미지에 나타난 차로 경계선들을 연장하는 단계; 및 상기 연장된 차로 경계선들이 서로 교차하는 지점을 해당 영역 이미지에 대한 소실점으로 결정하는 단계를 포함할 수 있다.
상기 연장된 차로 경계선들이 서로 교차하는 지점을 해당 영역 이미지에 대한 소실점으로 결정하는 단계는, 상기 연장된 차로 경계선들이 복수의 지점들에서 교차하는 경우에 응답하여, 상기 복수의 지점들에 기초하여 단일 지점을 상기 소실점으로 결정하는 단계를 포함할 수 있다.
상기 변환 관계를 계산하는 단계는, 상기 분할된 영역 이미지들에 대해, 이미지 센서의 시야각의 중심축에 평행한 평면을 기준으로 하는 경사도(inclination level)를 상기 소실점에 기초하여 산출하는 단계를 포함할 수 있다.
상기 도로 프로파일 데이터를 생성하는 단계는, 상기 입력 이미지의 각 지점들의 물리 위치(physical location)에 대한 좌표를 포함하는 상기 도로 프로파일 데이터를 생성하는 단계를 포함할 수 있다.
일 실시예에 따른 이미지 변환 장치는 전방 도로에 대한 입력 이미지를 획득하는 이미지 획득부; 및 상기 입력 이미지를 복수의 영역 이미지(region image)들로 분할하고, 상기 분할된 영역 이미지들 중 각 영역 이미지에 대해 소실점을 결정하며, 상기 소실점에 기초하여 각 영역 이미지의 2차원 좌표를 3차원 좌표로 변환하는 변환 관계를 계산하고, 각 영역 이미지마다 계산된 상기 변환 관계에 기초하여, 상기 분할된 영역 이미지들로부터 도로 프로파일 데이터를 생성하는 프로세서를 포함할 수 있다.
도 1은 일 실시예에 따른 이미지 변환을 설명하는 도면이다.
도 2는 일 실시예에 따른 이미지 변환 방법을 설명하는 흐름도이다.
도 3은 일 실시예에 따른 이미지 분할을 설명하는 흐름도이다.
도 4는 일 실시예에 따른 영역 이미지의 예시를 설명하는 도면이다.
도 5는 일 실시예에 따라 산출된 변곡점에 기초한 영역 분할을 설명하는 도면이다.
도 6은 일 실시예에 따른 변곡점 검출을 설명하는 도면이다.
도 7은 일 실시예에 따른 소실점의 결정을 설명하는 흐름도이다.
도 8은 일 실시예에 따른 영역 이미지들 별 소실점을 설명하는 도면이다.
도 9는 일 실시예에 따른 변환 관계의 계산 및 도로 프로파일 데이터의 생성을 설명하는 도면이다.
도 10은 일 실시예에 따른 이미지 변환 장치의 구성을 설명하는 블록도이다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수 개의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 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.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 따른 이미지 변환을 설명하는 도면이다.
일 실시예에 따르면, 이미지 변환 장치는 제1 뷰(first view)에서 획득된 입력 이미지(110)를 제2 뷰(second view)의 출력 이미지(120)로 변환할 수 있다. 예를 들어, 도 1에서 제1 뷰는 투시 뷰(perspective view)일 수 있고, 제2 뷰는 탑뷰(top view)일 수 있다. 이미지 변환 장치는 제1 뷰의 입력 이미지(110)를 제2 뷰의 출력 이미지(120)로 변환하기 위한 변환 관계(translation relation)를 계산할 수 있다.
예를 들어, 자율주행 시스템에서 주행을 하기 위한 기본적인 동작들은, 차로(lane)를 검출하는 동작, 차로의 중앙에서 주행을 유지하는 동작, 및 선행 차량과의 거리를 유지하는 동작을 포함할 수 있다. 카메라 기반의 자율주행 시스템에서 상술한 동작들이 모노큘러 카메라(monocular camera)에 의해 획득된 이미지에 기초하여 수행될 수 있다. 자율주행 차량은 모노큘러 카메라를 통해 획득된 이미지에 기초하여 주변의 객체 또는 배경(예를 들어, 도로)까지의 위치 관계를 알아냄(finding)으로써, 상술한 동작들을 수행할 수 있다.
일 실시예에 따른 이미지 변환 장치는 자율주행 차량으로 구현될 수 있다. 이미지 변환 장치는 제1 뷰의 입력 이미지(110)를 제2 뷰의 출력 이미지(120)로 변환하는 변환 관계를 통해, 입력 이미지(110)의 픽셀들이 실제 물리 세계 영역(physical world domain)의 어느 지점에 매핑되는지를 결정할 수 있다. 따라서 이미지 변환 장치는 입력 이미지(110)에 포함된 각 픽셀의 2차원 좌표에 대응하는 3차원 좌표를 결정할 수 있다.
예를 들어, 이미지 변환 장치는 카메라의 외재적 파라미터(extrinsic parameter)에 기초하여 지면에 대한 호모그래피 행렬(homography matrix)을 산출할 수 있다. 이미지 변환 장치는 입력 이미지(110)의 각 픽셀을 상술한 호모그래피 행렬에 기초하여 변환할 수 있다. 이미지 변환 장치는 제1 뷰의 입력 이미지(110)를 호모그래피 행렬에 의해 변환시킴으로써, 제2 뷰의 출력 이미지(120)를 획득할 수 있다.
자율 주행 차량은 상술한 호모그래피 변환을 통해 획득된 물리 세계 영역의 차로 경계선 정보(lane line information)를 획득한 후 피팅(fitting)을 수행할 수 있다. 또한 자율주행 차량은 이러한 모노 카메라에 기반하여 획득된 정보를 이용하여, 선행 차량까지의 거리를 추정할 수도 있다. 예를 들어, 자율주행 차량은 제1 뷰의 입력 이미지(110)에서 선행 차량을 포함하는 바운딩 박스를 검출하고, 바운딩 박스를 제2 뷰로 투영(projection)시킴으로써, 투영된 바운딩 박스까지의 거리를 추정할 수 있다.
다만, 도로의 경사도가 달라지는 경우, 하나의 호모그래피만을 이용한 변환의 정확도가 감소할 수 있다. 경사도가 없다고 가정된 호모그래피 행렬을 이용하여 경사도가 있는 도로의 타겟 지점을 변환할 경우, 왜곡이 발생하기 때문이다. 이미지 변환 장치는 정밀하게 제1 뷰의 입력 이미지(110)를 제2 뷰의 출력 이미지(120)로 변환하기 위해, 경사도에 따라 구분된 영역마다 다른 호모그래피 행렬을 계산할 수 있다.
예를 들어, 아래에서는 이미지 변환 장치의 전방에 위치된 도로의 경사도가 달라지는 경우에도 이미지 변환 장치가 제1 뷰의 입력 이미지(110)를 제2 뷰의 출력 이미지(120)로 정확하게 변환하는 변환 관계를 계산하는 과정을 설명한다. 일 실시예에 따른 이미지 변환 장치는 제1 뷰의 입력 이미지(110)로부터 정확한 도로 프로파일 데이터를 생성할 수 있고, 이러한 도로 프로파일 정보를 통해 정확한 차로 경계선 검출 및 선행 차량과의 거리 검출을 수행할 수 있다. 참고로, 도로 프로파일 정보는, 이미지 변환 장치를 기준으로 전방의 도로의 경사도, 위치, 높낮이, 및 굴곡 등을 정의하는 프로파일 정보를 나타낼 수 있다.
도 2는 일 실시예에 따른 이미지 변환 방법을 설명하는 흐름도이다.
일 실시예에 따른 이미지 변환 장치는, 입력 이미지에 나타난 도로의 경사도에 따라 영역을 구분할 수 있고, 영역 별로 입력 이미지의 2차원 좌표를 3차원 좌표로 변환하는 변환 관계를 산출할 수 있다.
우선, 단계(210)에서 이미지 변환 장치는 전방 도로에 대한 입력 이미지를 복수의 영역 이미지(region image)들로 분할(segment)할 수 있다. 이미지 변환 장치는 이미지 획득부를 포함할 수 있고, 이미지 획득부는 전방을 관측(observe)할 수 있다. 예를 들어, 이미지 변환 장치가 차량에 장착된 경우, 이미지 획득부는 광축(optical axis)이 차량의 길이 축(longitudinal axis)과 평행하도록 배치될 수 있다. 이미지 획득부의 광축은, 이미지 획득부의 시야각의 중심축에 대응할 수 있다. 이미지 변환 장치는 상술한 이미지 획득부를 통해 전방에 대한 입력 이미지를 획득할 수 있다. 이미지 변환 장치는 입력 이미지 중에서 도로에 대응하는 영역을 추출할 수 있다. 이미지 변환 장치는 도로에 대응하는 영역을 복수의 영역 이미지들로 분할할 수 있다. 예를 들어, 이미지 변환 장치는 입력 이미지에서 검출된 차로 경계선의 변곡점에 기초하여, 입력 이미지를 영역 이미지들로 분할할 수 있다. 영역 이미지는 입력 이미지에서 도로에 해당하는 영역을 포함하는 이미지를 나타낼 수 있다. 영역 이미지 분할은 하기 도 3 내지 도 6에서 상세히 설명한다.
그리고 단계(220)에서 이미지 변환 장치는 분할된 영역 이미지들 중 각 영역 이미지에 대해 소실점(vanishing point)을 결정할 수 있다. 소실점은 제1 뷰(예를 들어, 투시도 뷰(perspective view))에서, 이미지에 나타난 두 차로 경계선이 연장되었을 때 서로 교차하는 지점을 나타낼 수 있다. 이미지 변환 장치는 영역 이미지마다 소실점을 각각 산출할 수 있다. 소실점의 산출은 하기 도 7 및 도 8에서 설명한다.
이어서 단계(230)에서 이미지 변환 장치는 소실점에 기초하여 각 영역 이미지의 2차원 좌표를 3차원 좌표로 변환하는 변환 관계(translation relation)를 계산할 수 있다. 변환 관계는, 영역 이미지에 포함된 픽셀의 2차원 좌표를 물리 세계에서의 3차원 좌표로 변환하는 관계를 나타낼 수 있다. 변환 관계는 하기 도 9에서 상세히 설명한다.
그리고 단계(240)에서 이미지 변환 장치는 각 영역 이미지마다 계산된 변환 관계에 기초하여, 분할된 영역 이미지들로부터 도로 프로파일 데이터(road profile data)를 생성할 수 있다. 도로 프로파일 데이터는 상술한 바와 같이, 도로의 면(face), 경사도, 도로에 포함된 타겟 지점들의 위치들을 정의하는 프로파일 데이터를 나타낼 수 있다. 예를 들어, 도로 프로파일 데이터는, 입력 이미지의 2차원 픽셀 좌표로부터 변환된, 3차원 물리적 좌표들의 집합일 수 있다.
상술한 바와 같이 이미지 변환 장치는 도로의 경사도에 따라 분할된 영역 이미지 별로 변환 관계를 산출함으로써, 도로의 경사도 변화에 최적화된 변환 관계를 결정할 수 있다. 따라서 이미지 변환 장치는 2차원 픽셀 좌표를 2차원 물리적 좌표로 변환하는 동작에서 발생하는 왜곡을 최소화할 수 있다.
참고로, 이미지 변환 장치가 도 2에서 상술한 동작들을 도시된 순서대로 수행하는 것으로 한정하는 것은 아니다. 이미지 변환 장치는 도 2에서 설명된 동작들 중 일부 또는 전체 동작을 순차적으로 또는 병렬적으로 수행할 수도 있다. 예를 들어, 이미지 변환 장치는 단계(210)에서 분할된 영역 이미지들 중 한 영역 이미지에 대해 단계들(220, 230)에 따라 소실점 및 변환 관계를 계산하고, 그 후 다음 영역 이미지에 대해 단계들(220, 230)에 따라 소실점 및 변환 관계를 계산할 수도 있다.
아래 도 2는 상술한 단계(210)에서 입력 이미지를 도로의 경사도에 따라 복수의 영역 이미지들로 분할하는 동작을 설명한다.
도 3은 일 실시예에 따른 이미지 분할을 설명하는 흐름도이다.
우선, 단계(311)에서 이미지 변환 장치는 입력 이미지로부터 차로 경계선을 식별할 수 있다. 일 실시예에 따른 이미지 변환 장치는 입력 이미지의 도로 영역에서, 차로 경계선을 식별할 수 있다. 차로 경계선은 차로를 정의하는 선으로서, 도로면에 페인팅된 실선 또는 점선 등일 수 있고, 도로의 외곽을 따라 배치된 연석(kerb) 등일 수도 있다. 이미지 변환 장치는 차로 경계선이 점선으로 식별된 경우, 해당 점선을 보간(interpolate)함으로써 실선 형태로 차로 경계선을 검출할 수 있다. 또한, 이미지 변환 장치는 도로가 복수의 차로들로 구성된 경우, 복수의 차로들을 정의하는 복수의 차로 경계선들을 각각 구별하여 식별할 수도 있다.
그리고 단계(312)에서 이미지 변환 장치는 식별된 차로 경계선의 변곡점(inflection point)을 계산할 수 있다. 일 실시예에 따른 이미지 변환 장치는 입력 이미지를 도로의 경사도 별 영역 이미지들로 분할하기 위해 변곡점을 검출할 수 있다. 예를 들어, 차로가 직선 도로라고 가정할 경우, 차로를 정의하는 차로 경계선의 기울기가 입력 이미지에서 변화할 수 있다. 차량으로부터 언덕에 대응하는 지점 이전까지의 차로 경계선의 기울기는 언덕이 시작되는 지점부터의 차로 경계선의 기울기와 다를 수 있다. 변곡점은 차로 경계선의 기울기가 변화하는 지점이므로, 변곡점은 도로의 경사도가 변화하는 임계 지점(critical point)에 대응할 수 있다. 변곡점은 하나의 지점일 수 있으나, 이로 한정하는 것은 아니고 복수의 지점들로 나타날 수도 있다. 이러한 변곡점의 검출은 하기 도 5 및 도 6에서 상세히 설명한다.
이어서 단계(313)에서 이미지 변환 장치는 계산된 변곡점을 기준으로 입력 이미지를 복수의 영역 이미지들로 분할할 수 있다. 예를 들어, 이미지 변환 장치는 입력 이미지에서 변곡점을 포함하는 수평선을 기준으로 입력 이미지를 분할할 수 있다. 변곡점이 1개인 경우, 이미지 변환 장치는 입력 이미지를 2개의 영역 이미지들로 분할할 수 있다. 또한, 변곡점이 복수의 지점들인 경우, 이미지 변환 장치는 입력 이미지를 그에 대응하는 복수개의 영역 이미지들로 분할할 수 있다. 예를 들어, 변곡점이 k개의 지점인 경우, 이미지 변환 장치는 입력 이미지를 k+1개의 영역 이미지들로 분할할 수 있다. 여기서, k는 1이상의 정수일 수 있다.
도 4는 일 실시예에 따른 영역 이미지의 예시를 설명하는 도면이다.
도 2의 단계(210)에서 상술한 바와 같이 이미지 변환 장치는 입력 이미지(410)를 복수의 영역 이미지들로 분할할 수 있다. 예를 들어, 이미지 변환 장치는 제1 뷰의 입력 이미지(410)에서 도로 영역을 식별할 수 있다. 이미지 변환 장치가 차량에 장착된 경우, 이미지 변환 장치의 이미지 획득부의 시야각에 따라, 입력 이미지(410)의 일부(예를 들어, 도 4에서 하단부)는 장애물(obstacle)(예를 들어, 차량의 본넷)을 포함할 수 있다. 이미지 변환 장치는 해당 장애물을 제외하고, 도로 영역을 식별할 수 있다. 참고로, 도 4, 도 5, 도 8, 및 도 9에서 입력 이미지(410, 510, 810, 910)의 최하단 영역은 장애물(예를 들어, 본네트)에 의해 가려진 영역으로서, 이미지 변환 장치는 장애물을 포함하는 영역을 배제할 수 있다.
일 실시예에 따른 이미지 변환 장치는 도로 영역으로부터 복수의 영역 이미지들을 분할할 수 있다. 예를 들어, 도 4에서는 변곡점에 기초하여, 이미지 변환 장치가 입력 이미지(410)를 제1 영역 이미지(411) 및 제2 영역 이미지(412)로 분할할 수 있다. 다만, 영역 이미지의 개수를 2개로 한정하는 것은 아니다. 이미지 변환 장치는 입력 이미지(410)를 n개의 영역 이미지들로 분할할 수도 있다. 여기서, n은 2이상의 정수일 수 있다.
참고로, 영역 이미지 분할의 기준을 변곡점으로 한정하는 것도 아니다. 예를 들어, 이미지 변환 장치는 도로의 경사도 변화를 정확하게 반영하기 위해서 변곡점을 이용하는 것으로서, 반드시 변곡점을 이용할 필요 없이, 입력 이미지(410)의 도로 영역을 수직 등간격으로 분할할 수도 있다.
아래 도 5에서는 변곡점에 기초한 영역 분할을 설명한다.
도 5는 일 실시예에 따라 산출된 변곡점에 기초한 영역 분할을 설명하는 도면이다.
일 실시예에 따르면 이미지 변환 장치는 입력 이미지(510)에서 차로 경계선에서 기울기 차이가 크게 변화하는 지점을 변곡점(590)으로 결정할 수 있다. 예를 들어, 이미지 변환 장치는 일부 경계선들 중 인접한 두 일부 경계선 간의 기울기 차이(slope difference)가 임계 차이(threshold difference)를 초과하는 경우에 응답하여, 인접한 두 일부 경계선 사이의 지점을 변곡점(590)으로 결정할 수 있다.
도 5에서 차로 경계선은 제1 일부 경계선(521) 및 제2 일부 경계선(522)으로 구분될 수 있다. 이미지 변환 장치는 제1 일부 경계선(521)의 기울기 및 제2 일부 경계선(522)의 기울기 간의 각도 차이(530)를 산출할 수 있다. 이미지 변환 장치는 각도 차이(530)가 임계 각도를 초과하는 경우에 응답하여, 제1 일부 경계선(521) 및 제2 일부 경계선(522)이 만나는 지점을 변곡점(590)으로 결정할 수 있다.
이러한 변곡점(590)을 검출하는 동작의 예시를 하기 도 6에서 설명한다.
도 6은 일 실시예에 따른 변곡점 검출을 설명하는 도면이다.
일 실시예에 따른 이미지 변환 장치는 식별된 차로 경계선(620)을 복수의 구간들(sections)로 분할할 수 있다. 이미지 변환 장치는 복수의 구간들의 각각에 나타난 일부 경계선(partial line)의 기울기(slope)를 산출할 수 있다. 이미지 변환 장치는 일부 경계선의 기울기에 기초하여, 변곡점을 계산할 수 있다. 구간(section)은 입력 이미지가 분할된 단위 영역을 나타낼 수 있다. 이미지 변환 장치는, 각 구간에 나타난 일부 경계선의 가장 아래 지점(bottom point)으로부터 가장 위 지점(top point) 사이의 기울기를 해당 구간에 대한 기울기로 결정할 수 있다. 각 구간에 나타난 일부 경계선의 기울기는 변곡점을 결정하는데 사용될 수 있다.
예를 들어, 도 6에서 이미지 변환 장치는 입력 이미지(610)를 4개의 구간들로 분할할 수 있다. 이미지 변환 장치는 입력 이미지(610)에서 도로 영역을 4개의 구간들로 분할할 수 있다. 이미지 변환 장치는 차로 경계선(620)에 대해 각 구간에 대응하는 기울기를 산출할 수 있다. 이미지 변환 장치는 차로 경계선(620)의 제1 구간(611) 및 제2 구간(612) 사이의 기울기 차이에 대응하는 제1 각도(631), 제2 구간(612) 및 제3 구간(613) 사이의 기울기 차이에 대응하는 제2 각도(632), 제3 구간(613) 및 제4 구간(614) 사이의 기울기 차이에 대응하는 제3 각도(633)를 산출할 수 있다. 이미지 변환 장치는 두 구간들 사이의 기울기 차이에 대응하는 각도가 임계 각도를 초과하는 경우에 응답하여, 두 구간의 일부 경계선들이 서로 만나는 지점을 변곡점으로 결정할 수 있다. 도로의 경사도 변화에 따라, 변곡점이 나타나지 않거나, 2개 이상의 변곡점이 나타날 수도 있다.
도 6에서는 입력 이미지(610)를 4개의 구간들로 분할하는 예시를 설명하였으나, 이로 한정하는 것은 아니다. 이미지 변환 장치는 입력 이미지(610)를 m개의 구간들로 분할할 수도 있다. 여기서, m은 2이상의 정수일 수 있다.
또한, 이미지 변환 장치는 입력 이미지(610)의 서로 인접한 3개의 구간들에서, 하단의 구간에 대응하는 기울기 및 상단의 구간에 대응하는 기울기 간의 기울기 차이가 구간 임계값(section threshold value)을 초과하는 경우에 응답하여, 중간 구간에 변곡점이 있는 것으로 결정할 수 있다. 이미지 변환 장치는 중간 구간을 복수의 서브 구간(sub section)으로 분할하고, 각 서브 구간에 대해 차로 경계선(620)의 기울기 변화가 임계값을 초과하는 지점을 변곡점으로 결정할 수 있다. 예를 들어, 도 6에서 제2 구간(612)에 대응하는 기울기 및 제4 구간(614)에 대응하는 기울기 간의 기울기 차이가 구간 임계값을 초과하는 경우에 응답하여, 이미지 변환 장치는 제3 구간(613) 내에 변곡점이 존재하는 것으로 판단할 수 있다. 이미지 변환 장치는 제3 구간(613)을 복수의 서브 구간들로 분할하여, 각 서브 구간의 기울기에 기초하여 변곡점을 검색할 수 있다.
아울러, 이미지 변환 장치는 입력 이미지(610)에서 복수의 차로 경계선(620)들이 검출된 경우에 응답하여, 복수의 차로 경계선(620)들 중 입력 이미지(610)의 중심에 가장 가까운 차로 경계선(620)을 선택할 수 있다. 이미지 변환 장치는 선택된 차로 경계선(620)의 변곡점을 계산할 수 있다. 이미지의 중심에 가까울 차로 경계선(620)일수록, 보다 선명하고 이미지 획득부의 시야각을 벗어날 가능성이 상대적으로 낮기 때문이다.
일 실시예에 따른 이미지 변환 장치는 변곡점까지의 거리(예를 들어, 깊이(depth))를 결정할 수 있다. 이미지 변환 장치는 변곡점까지의 거리를 간접적으로 추정하거나, 직접 검출할 수도 있다.
아래 도 7에서는 상술한 바에 따라 분할된 영역 이미지들에 대한 소실점을 결정하는 동작을 설명한다.
도 7은 일 실시예에 따른 소실점의 결정을 설명하는 흐름도이다. 도 8은 일 실시예에 따른 영역 이미지들 별 소실점을 설명하는 도면이다.
일 실시예에 따른 이미지 변환 장치는 결정된 소실점들에 대해 입력 이미지 상에서의 픽셀 위치를 결정할 수 있다.
우선, 단계(721)에서 이미지 변환 장치는 각 영역 이미지에 나타난 차로 경계선들을 연장할 수 있다. 예를 들어, 도 8에 도시된 바와 같이 이미지 변환 장치는 입력 이미지에서 제1 영역 이미지의 차로 경계선들(821)을 연장할 수 있다. 이미지 변환 장치는 제2 영역 이미지의 차로 경계선들(822)을 연장할 수 있다.
그리고 단계(722)에서 이미지 변환 장치는 연장된 차로 경계선들이 서로 교차하는 지점을 해당 영역 이미지에 대한 소실점으로 결정할 수 있다. 예를 들어, 이미지 변환 장치는 제1 영역 이미지의 연장된 차로 경계선들(821)이 교차하는 지점을 제1 소실점(841)으로 결정할 수 있다. 이미지 변환 장치는 제2 영역 이미지의 연장된 차로 경계선들(822)이 교차하는 지점을 제2 소실점(842)으로 결정할 수 있다. 이미지 변환 장치는 차로 경계선의 연장선들이 교차하는 지점의 입력 이미지 상의 픽셀 좌표를 소실점의 픽셀 좌표로 결정할 수 있다.
참고로, 도 8에서는 각 영역 이미지에서 2개의 차로 경계선들이 연장되는 예시를 설명하였으나, 이로 한정하는 것은 아니다. 이미지 변환 장치는 도로를 구성하는 차로 개수에 따라, 3개 이상의 차로 경계선들을 연장시킬 수도 있다. 이 경우, 연장된 차로 경계선들이 단일 지점에서 교차할 수도 있으나, 복수의 지점에서 교차할 수도 있다. 일 실시예에 따른 이미지 변환 장치는 연장된 차로 경계선들이 복수의 지점들에서 교차하는 경우에 응답하여, 복수의 지점들에 기초하여 단일 지점을 소실점으로 결정할 수 있다. 예를 들어, 이미지 변환 장치는 연장된 차로 경계선들이 교차하는 복수의 지점들의 평균 지점(average point)을 해당 영역 이미지에 대한 소실점으로 결정할 수도 있다.
이미지 변환 장치는 현재 차량이 주행 중인 차로의 차로 경계선을 연장함으로써 소실점을 검색할 수 있으나, 이로 한정하는 것은 아니다. 이미지 변환 장치는 다른 차로의 차로 경계선을 연장하여 소실점을 결정할 수도 있다.
또한, 도 7에 도시된 바로 동작 순서를 한정하지 않는다. 예를 들어 이미지 변환 장치는 제1 영역 이미지에 대해 차로 경계선을 연장하여 제1 소실점을 결정하고, 그 후 제2 영역 이미지에 대해 차로 경계선을 연장하여 제2 소실점을 결정할 수도 있다.
아래 도 9에서 이미지 변환 장치는 각 영역 이미지마다 결정된 소실점 및 해당 영역 이미지의 시작 지점까지의 거리에 기초하여, 해당 영역 이미지에서의 픽셀 좌표를 물리 좌표로 변환하는 변환 관계를 계산할 수 있다.
도 9는 일 실시예에 따른 변환 관계의 계산 및 도로 프로파일 데이터의 생성을 설명하는 도면이다.
일 실시예에 따른 이미지 변환 장치는 이미지 획득부(901)를 기준으로, 입력 이미지(910)의 각 픽셀을 물리 좌표로 변환하는 변환 관계를 영역 이미지마다 산출할 수 있다. 예를 들어, 도 9에서 입력 이미지(910)는 제1 영역(911)에 대응하는 제1 영역 이미지 및 제2 영역(912)에 대응하는 제2 영역 이미지로 분할될 수 있다. 도 9에서 이미지 획득부(901)의 시야각의 중심축은 Zc축에 대응할 수 있다. Yc축은 이미지 획득부(901)가 위치된 지면에 대해 수직인 축을 나타낼 수 있다. Xc축은 Zc축 및 Yc축에 직교하는 축으로서, 이미지 변환 장치가 차량에 장착된 경우, 차량의 가로 축(lateral axis)에 대응할 수 있다. 도 9에서 이미지 획득부(901)의 물리 좌표가 (X1, Y1, Z1)으로 도시되었는데, 하기 수학식들에서는 이미지 획득부(901)의 해당 좌표를 원점으로 가정한다.
우선, 이미지 변환 장치는 이미지 획득부(901)에 가장 가까운 영역(예를 들어, 제1 영역(911))의 제1 영역 이미지의 픽셀 좌표를 물리 좌표로 변환하는 제1 변환 관계를 하기 수학식 1 내지 수학식 3과 같이 계산할 수 있다. 픽셀 좌표는 입력 이미지(910)에 나타난 타겟 지점의 입력 이미지(910) 상에서의 좌표를 나타낼 수 있다.
[수학식 1]
Figure pat00001
[수학식 2]
Figure pat00002
[수학식 3]
Figure pat00003
상술한 수학식 1 내지 수학식 3에서, x, y, 및 z는 각각 이미지 획득부의 위치를 원점으로 하는, 타겟 지점의 물리 위치로서 x좌표, y좌표, 및 z좌표를 나타낼 수 있다. 상수 y0는 차량에 장착된 이미지 획득부(901)의 지면으로부터의 높이를 나타낼 수 있다. 상술한 수학식 2 및 수학식 3에서 xim은 입력 이미지(910)에서 타겟 지점을 지시하는 픽셀 좌표의 x좌표, yim은 입력 이미지(910)에서 타겟 지점을 지시하는 픽셀 좌표의 y좌표를 나타낼 수 있다. 상술한 수학식 1 내지 수학식 3에서 px는 입력 이미지(910)에서 제1 영역 이미지의 소실점의 x좌표, py는 입력 이미지(910)에서 제1 영역 이미지의 소실점의 y좌표를 나타낼 수 있다. fx 는 카메라 파라미터로서, 예를 들어, 이미지 센서를 구성하는 센싱 엘리먼트(예를 들어, 픽셀 엘리먼트)의 x축 길이로 초점 길이를 나눈 값(예를 들어, 초점 길이를 x축에서의 픽셀 개수로 표현한 값)을 나타낼 수 있다. fy는 카메라 파라미터로서, 예를 들어, 센싱 엘리먼트의 y축 길이로 초점 길이를 나눈 값을 나타낼 수 있다. 예를 들어, 초점 길이 f=300um이고, 1개 픽셀 엘리먼트의 y축 길이가 2um인 경우, fy는 150 pixel이 될 수 있다.
상술한 수학식 1 내지 수학식 3은 이미지 센서의 광축과 평행한 평면에 대해서만 적용될 수 있다. 예를 들어, 이미지 변환 장치는 차량으로부터 변곡점에 대응하는 타겟 지점까지의 제1 영역(911)에 속하는 픽셀 좌표들을 상술한 수학식 1 내지 수학식 3에 따른 변환 관계에 기초하여, 물리 좌표로 변환할 수 있다. 입력 이미지(910)에서 검출된 변곡점 이후의 영역에서는 도로(980)의 경사도가 변화하기 때문이다. 경사도는 상술한 바와 같이, 이미지 획득부의 광축에 평행한 평면(예를 들어, 이미지 획득부가 위치한 지면)에 대해 도로가 이루는 각도로서, 도 9에서는
Figure pat00004
로 도시되었다.
일 실시예에 따른 이미지 변환 장치는 분할된 영역 이미지들에 대해, 이미지 센서의 시야각의 중심축에 평행한 평면을 기준으로 하는 경사도(inclination level)를 소실점에 기초하여 산출할 수 있다. 이미지 변환 장치는 제2 영역(912)의 제2 영역 이미지에 대한 경사도를 하기 수학식 4와 같이 산출할 수 있다.
[수학식 4]
Figure pat00005
상술한 수학식 4에서
Figure pat00006
는 경사도,
Figure pat00007
는 경사각, py2는 제2 영역 이미지에 나타난 일부 경계선들의 제2 소실점의 y좌표, py1은 제1 영역 이미지에 나타난 일부 경계선들의 제1 소실점의 y좌표를 나타낼 수 있다. 경사각
Figure pat00008
는 이미지 획득부(901)가 위치한 지면을 기준으로, 제2 영역 이미지에서 타겟 지점이 위치한 물리적 평면이 지면과 이루를 각도를 나타낼 수 있다. 경사도
Figure pat00009
는 경사각
Figure pat00010
에 대응하는 값으로서, 상술한 수학식 4에서는 탄젠트 값일 수 있다.
이미지 변환 장치는 영역 이미지들의 각각마다, 해당 영역 이미지에 대해 계산된 소실점, 카메라 파라미터, 카메라 높이, 해당 영역 이미지의 경사도, 및 해당 영역 이미지의 시작 깊이에 기초하여, 해당 영역 이미지에 속하는 타겟 지점(target point)의 2차원 픽셀 좌표를 3차원 좌표로 변환하는 변환 관계를 계산할 수 있다.
예를 들어, 이미지 변환 장치는 제2 영역(912)의 제2 영역 이미지의 픽셀 좌표를 물리 좌표로 변환하는 제2 변환 관계를 하기 수학식 5 내지 수학식 7과 같이 계산할 수 있다.
[수학식 5]
Figure pat00011
[수학식 6]
Figure pat00012
[수학식 7]
Figure pat00013
상술한 수학식 5 내지 수학식 7에서 xim은 입력 이미지(910)에서 타겟 지점의 x좌표, yim은 입력 이미지(910)에서 타겟 지점의 y좌표를 나타낼 수 있다. 상술한 수학식 5 내지 수학식 7에서 px2는 입력 이미지(910)에서 제2 영역 이미지의 소실점의 x좌표, py2는 입력 이미지(910)에서 제2 영역 이미지의 소실점의 y좌표를 나타낼 수 있다. fx 및 fy는 카메라 파라미터를 나타낼 수 있다. 상술한 수학식 7과 같이 타겟 지점의 높이는 이미지 획득부(901)의 높이인 상수 y0로부터 경사도
Figure pat00014
에 따라 달라질 수 있다. 상술한 수학식 5 내지 수학식 7에서 z0는 제1 영역 이미지 및 제2 영역 이미지를 구분하는 변곡점까지의 이미지 획득부(901)로부터의 거리를 나타낼 수 있다. 따라서, z0는 이미지 획득부(901)로부터 제2 영역(912)까지의 거리를 나타낼 수 있다.
참고로, 상술한 수학식 5 내지 수학식 7은 변곡점에 기초하여 분할된 복수의 영역 이미지들의 각각에 대한 범용 관계(예를 들어, 범용 식)을 나타낼 수 있다. 예를 들어, 제1 영역 이미지에 대응하는 타겟 지점들은 경사도
Figure pat00015
=0이고, 변곡점까지의 거리 z0=0을 가정할 수 있고, 이들을 상술한 수학식 5 내지 수학식 7에 대입하면, 상술한 수학식 1 내지 수학식 3과 동일한 것을 알 수 있다.
따라서 이미지 변환 장치는 변곡점에 기초하여 분할된 복수의 영역 이미지들의 각각에 대한 변환 관계를 이미지 획득부(901)로부터 가까운 순서에 따라 순차적으로 계산할 수 있다. 예를 들어, 이미지 변환 장치는 임의의 영역 이미지에 대해 변곡점, 소실점, 및 상술한 수학식 5 내지 수학식 7에 따른 변환 관계를 계산한 후, 그 다음 영역 이미지에 대해 변곡점, 소실점 및 변환 관계를 계산할 수 있다. 이와 같이 이미지 변환 장치는 복수의 영역 이미지들에 대해 순차적으로 반복하여 변환 관계를 계산할 수 있다.
일 실시예에 따른 이미지 변환 장치는 입력 이미지(910)의 각 지점들(971)의 물리 위치(physical location)(972)에 대한 좌표를 포함하는 도로(980) 프로파일 데이터를 생성할 수 있다. 상술한 바와 같이 도로 프로파일 데이터는 입력 이미지(910)에 나타난 각 타겟 지점이 실제로 물리 세계에 배치되었을 때 도로(980)의 형상을 정의하는 프로파일 데이터일 수 있다. 도로 프로파일 데이터는 제2 뷰(예를 들어, 탑뷰)의 출력 이미지로 변환될 수도 있다.
일 실시예에 따른 이미지 변환 장치는 변곡점에 기초하여 구분된 영역 이미지들마다 최적화된 변환 관계를 산출함으로써, 정확한 도로 프로파일 데이터를 생성할 수 있다. 예를 들어, 이미지 변환 장치는 각 영역 이미지에 대해 객체(예를 들어, 차량, 건물, 가로수 및 동물 등)로 식별된 타겟 지점을 배제하고, 해당 영역 이미지에 대해 산출된 변환 관계를 나머지 타겟 지점에 대해 적용함으로써 도로 프로파일 데이터를 생성할 수 있다.
도 10은 일 실시예에 따른 이미지 변환 장치의 구성을 설명하는 블록도이다.
이미지 변환 장치(1000)는 이미지 획득부(1010), 프로세서(1020), 및 메모리(1030)를 포함할 수 있다.
이미지 획득부(1010)는 전방 도로에 대한 입력 이미지를 획득할 수 있다. 이미지 획득부(1010)는 예를 들어, 이미지 센서로서 컬러 카메라로 구현될 수 있다. 다만, 이미지 센서의 종류를 이로 한정하는 것은 아니고, 적외선 센서 등으로 구현될 수도 있다.
프로세서(1020)는 입력 이미지를 복수의 영역 이미지(region image)들로 분할할 수 있다. 프로세서(1020)는 분할된 영역 이미지들 중 각 영역 이미지에 대해 소실점을 결정할 수 있다. 프로세서(1020)는 소실점에 기초하여 각 영역 이미지의 2차원 좌표를 3차원 좌표로 변환하는 변환 관계를 계산할 수 있다. 프로세서(1020)는 각 영역 이미지마다 계산된 변환 관계에 기초하여, 분할된 영역 이미지들로부터 도로 프로파일 데이터를 생성할 수 있다. 다만, 프로세서(1020)의 동작을 이로 한정하는 것은 아니고, 프로세서(1020)는 도 1 내지 도 9에 따른 동작들을 수행할 수도 있다.
메모리(1030)는 이미지 변환 방법을 수행하는데 요구되는 데이터를 임시적으로 또는 영구적으로 저장할 수 있다. 예를 들어, 메모리(1030)는 각 영역 이미지에 대해 산출된 변환 관계, 각 영역 이미지의 변환 관계에 기초하여 산출된 도로 프로파일 데이터 등을 저장할 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 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 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. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 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), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical 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 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다.　 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.
1000: 이미지 변환 장치
1010: 이미지 획득부
1020: 프로세서
1030: 메모리

Claims (20)

  1. 이미지 변환 방법에 있어서,
    전방 도로에 대한 입력 이미지를 복수의 영역 이미지(region image)들로 분할(segment)하는 단계;
    상기 분할된 영역 이미지들 중 각 영역 이미지에 대해 소실점(vanishing point)을 결정하는 단계;
    상기 소실점에 기초하여 각 영역 이미지의 2차원 좌표를 3차원 좌표로 변환하는 변환 관계(translation relation)를 계산하는 단계; 및
    각 영역 이미지마다 계산된 상기 변환 관계에 기초하여, 상기 분할된 영역 이미지들로부터 도로 프로파일 데이터(road profile data)를 생성하는 단계
    를 포함하는 이미지 변환 방법.
  2. 제1항에 있어서,
    상기 입력 이미지를 복수의 영역 이미지들로 분할하는 단계는,
    상기 입력 이미지로부터 차로 경계선을 식별하는 단계;
    상기 식별된 차로 경계선의 변곡점(inflection point)을 계산하는 단계; 및
    상기 계산된 변곡점을 기준으로 상기 입력 이미지를 복수의 영역 이미지들로 분할하는 단계
    를 포함하는 이미지 변환 방법.
  3. 제2항에 있어서,
    상기 변곡점을 계산하는 단계는,
    상기 식별된 차로 경계선을 복수의 구간들(sections)로 분할하는 단계;
    상기 복수의 구간들의 각각에 나타난 일부 경계선(partial line)의 기울기(slope)를 산출하는 단계; 및
    상기 일부 경계선의 기울기에 기초하여, 상기 변곡점을 계산하는 단계
    를 포함하는 이미지 변환 방법.
  4. 제3항에 있어서,
    상기 변곡점을 계산하는 단계는,
    일부 경계선들 중 인접한 두 일부 경계선 간의 기울기 차이(slope difference)가 임계 차이(threshold difference)를 초과하는 경우에 응답하여, 상기 인접한 두 일부 경계선 사이의 지점을 상기 변곡점으로 결정하는 단계
    를 포함하는 이미지 변환 방법.
  5. 제2항에 있어서,
    상기 계산된 변곡점을 기준으로 상기 입력 이미지를 복수의 영역 이미지들로 분할하는 단계는,
    상기 입력 이미지에서 상기 변곡점을 포함하는 수평선을 기준으로 상기 입력 이미지를 분할하는 단계
    를 포함하는 이미지 변환 방법.
  6. 제2항에 있어서,
    상기 변곡점을 계산하는 단계는,
    상기 입력 이미지에서 복수의 차로 경계선들이 검출된 경우에 응답하여, 상기 복수의 차로 경계선들 중 상기 입력 이미지의 중심에 가장 가까운 차로 경계선을 선택하는 단계; 및
    상기 선택된 차로 경계선의 변곡점을 계산하는 단계
    를 포함하는 이미지 변환 방법.
  7. 제1항에 있어서,
    상기 분할된 영역 이미지들 중 각 영역 이미지에 대해 소실점을 결정하는 단계는,
    각 영역 이미지에 나타난 차로 경계선들을 연장하는 단계; 및
    상기 연장된 차로 경계선들이 서로 교차하는 지점을 해당 영역 이미지에 대한 소실점으로 결정하는 단계
    를 포함하는 이미지 변환 방법.
  8. 제7항에 있어서,
    상기 연장된 차로 경계선들이 서로 교차하는 지점을 해당 영역 이미지에 대한 소실점으로 결정하는 단계는,
    상기 연장된 차로 경계선들이 복수의 지점들에서 교차하는 경우에 응답하여, 상기 복수의 지점들에 기초하여 단일 지점을 상기 소실점으로 결정하는 단계
    를 포함하는 이미지 변환 방법.
  9. 제1항에 있어서,
    상기 변환 관계를 계산하는 단계는,
    상기 분할된 영역 이미지들에 대해, 이미지 센서의 시야각의 중심축에 평행한 평면을 기준으로 하는 경사도(inclination level)를 상기 소실점에 기초하여 산출하는 단계
    를 포함하는 이미지 변환 방법.
  10. 제1항에 있어서,
    상기 도로 프로파일 데이터를 생성하는 단계는,
    상기 입력 이미지의 각 지점들의 물리 위치(physical location)에 대한 좌표를 포함하는 상기 도로 프로파일 데이터를 생성하는 단계
    를 포함하는 이미지 변환 방법.
  11. 제1항 내지 제10항 중 어느 한 항의 방법을 수행하기 위한 명령을 포함하는 하나 이상의 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
  12. 이미지 변환 장치에 있어서,
    전방 도로에 대한 입력 이미지를 획득하는 이미지 획득부; 및
    상기 입력 이미지를 복수의 영역 이미지(region image)들로 분할하고, 상기 분할된 영역 이미지들 중 각 영역 이미지에 대해 소실점을 결정하며, 상기 소실점에 기초하여 각 영역 이미지의 2차원 좌표를 3차원 좌표로 변환하는 변환 관계를 계산하고, 각 영역 이미지마다 계산된 상기 변환 관계에 기초하여, 상기 분할된 영역 이미지들로부터 도로 프로파일 데이터를 생성하는 프로세서
    를 포함하는 이미지 변환 장치.
  13. 제12항에 있어서,
    상기 프로세서는,
    상기 입력 이미지로부터 차로 경계선을 식별하고, 상기 식별된 차로 경계선의 변곡점을 계산하며, 상기 계산된 변곡점을 기준으로 상기 입력 이미지를 복수의 영역 이미지들로 분할하는,
    이미지 변환 장치.
  14. 제13항에 있어서,
    상기 프로세서는,
    상기 식별된 차로 경계선을 복수의 구간들(sections)로 분할하고, 상기 복수의 구간들의 각각에 나타난 일부 경계선(partial line)의 기울기(slope)를 산출하며, 상기 일부 경계선의 기울기에 기초하여, 상기 변곡점을 계산하는,
    이미지 변환 장치.
  15. 제14항에 있어서,
    상기 프로세서는,
    일부 경계선들 중 인접한 두 일부 경계선 간의 기울기 차이(slope difference)가 임계 차이(threshold difference)를 초과하는 경우에 응답하여, 상기 인접한 두 일부 경계선 사이의 지점을 상기 변곡점으로 결정하는,
    이미지 변환 장치.
  16. 제13항에 있어서,
    상기 프로세서는,
    상기 입력 이미지에서 상기 변곡점을 포함하는 수평선을 기준으로 상기 입력 이미지를 분할하는,
    이미지 변환 장치.
  17. 제13항에 있어서,
    상기 프로세서는,
    상기 입력 이미지에서 복수의 차로 경계선들이 검출된 경우에 응답하여, 상기 복수의 차로 경계선들 중 상기 입력 이미지의 중심에 가장 가까운 차로 경계선을 선택하고, 상기 선택된 차로 경계선의 변곡점을 계산하는,
    이미지 변환 장치.
  18. 제12항에 있어서,
    상기 프로세서는,
    각 영역 이미지에 나타난 차로 경계선들을 연장하고, 상기 연장된 차로 경계선들이 서로 교차하는 지점을 해당 영역 이미지에 대한 소실점으로 결정하는,
    이미지 변환 장치.
  19. 제12항에 있어서,
    상기 프로세서는,
    상기 분할된 영역 이미지들에 대해, 이미지 센서의 시야각의 중심축에 평행한 평면을 기준으로 하는 경사도(inclination level)를 상기 소실점에 기초하여 산출하는,
    이미지 변환 장치.
  20. 제12항에 있어서,
    상기 프로세서는,
    상기 입력 이미지의 각 지점들의 물리 위치(physical location)에 대한 좌표를 포함하는 상기 도로 프로파일 데이터를 생성하는,
    이미지 변환 장치.
KR1020180122245A 2018-10-15 2018-10-15 이미지 변환 장치 및 방법 KR102519666B1 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020180122245A KR102519666B1 (ko) 2018-10-15 2018-10-15 이미지 변환 장치 및 방법
US16/531,859 US11062153B2 (en) 2018-10-15 2019-08-05 Apparatus and method for converting image
CN201910969783.7A CN111046719A (zh) 2018-10-15 2019-10-12 用于转换图像的设备和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180122245A KR102519666B1 (ko) 2018-10-15 2018-10-15 이미지 변환 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20200042100A true KR20200042100A (ko) 2020-04-23
KR102519666B1 KR102519666B1 (ko) 2023-04-07

Family

ID=70161302

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180122245A KR102519666B1 (ko) 2018-10-15 2018-10-15 이미지 변환 장치 및 방법

Country Status (3)

Country Link
US (1) US11062153B2 (ko)
KR (1) KR102519666B1 (ko)
CN (1) CN111046719A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022114283A1 (ko) * 2020-11-24 2022-06-02 주식회사 넥스트칩 지면 요철 결정 전자 장치 및 그 동작방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102633140B1 (ko) * 2018-10-23 2024-02-05 삼성전자주식회사 주행 정보를 결정하는 방법 및 장치
US10997740B2 (en) * 2019-07-15 2021-05-04 Here Global B.V. Method, apparatus, and system for providing real-world distance information from a monocular image
CN111578839B (zh) * 2020-05-25 2022-09-20 阿波罗智联(北京)科技有限公司 障碍物坐标处理方法、装置、电子设备及可读存储介质
KR20210148756A (ko) * 2020-06-01 2021-12-08 삼성전자주식회사 경사 추정 장치 및 이의 동작 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001160137A (ja) * 1999-09-22 2001-06-12 Fuji Heavy Ind Ltd 監視システムの距離補正装置、および監視システムの消失点補正装置
JP2011192226A (ja) * 2010-03-17 2011-09-29 Hitachi Automotive Systems Ltd 車載用環境認識装置及び車載用環境認識システム
JP2017010553A (ja) * 2015-06-24 2017-01-12 株式会社リコー 道路境界物の検出方法及び検出装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0827127B1 (en) * 1996-08-28 2006-10-04 Matsushita Electric Industrial Co., Ltd. Local positioning apparatus, and method therefor
KR100472823B1 (ko) 2002-10-21 2005-03-08 학교법인 한양학원 차선 인식 방법 및 시스템
JP4355535B2 (ja) 2003-08-07 2009-11-04 株式会社岩根研究所 ３６０度画像変換処理装置
JP2005251106A (ja) * 2004-03-08 2005-09-15 Mitsubishi Electric Corp 車線認識装置
KR100663024B1 (ko) 2004-07-20 2006-12-28 엘지전자 주식회사 고도별 상이한 이미지 표현 방법
WO2011097306A1 (en) 2010-02-04 2011-08-11 Sony Corporation 2d to 3d image conversion based on image content
US9533539B2 (en) * 2011-10-20 2017-01-03 GM Global Technology Operations LLC Vehicle suspension system and method of using the same
CN103164851B (zh) 2011-12-09 2016-04-20 株式会社理光 道路分割物检测方法和装置
KR101655204B1 (ko) 2014-06-20 2016-09-22 주식회사 세인전장 3차원 그래픽 모델을 이용한 영상처리 장치 및 그 방법
JP2017156965A (ja) 2016-03-01 2017-09-07 トヨタ自動車株式会社 道路領域検出装置
CN105869109B (zh) 2016-03-28 2018-12-07 长安大学 基于不同高度逆投影面的停车和抛落物区分方法
US10102435B2 (en) * 2016-08-10 2018-10-16 Omnivision Technologies, Inc. Lane departure warning system and associated methods
JP7044513B2 (ja) * 2017-10-23 2022-03-30 株式会社Soken 道路認識装置
KR20200046437A (ko) * 2018-10-24 2020-05-07 삼성전자주식회사 영상 및 맵 데이터 기반 측위 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001160137A (ja) * 1999-09-22 2001-06-12 Fuji Heavy Ind Ltd 監視システムの距離補正装置、および監視システムの消失点補正装置
JP2011192226A (ja) * 2010-03-17 2011-09-29 Hitachi Automotive Systems Ltd 車載用環境認識装置及び車載用環境認識システム
JP2017010553A (ja) * 2015-06-24 2017-01-12 株式会社リコー 道路境界物の検出方法及び検出装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022114283A1 (ko) * 2020-11-24 2022-06-02 주식회사 넥스트칩 지면 요철 결정 전자 장치 및 그 동작방법

Also Published As

Publication number Publication date
CN111046719A (zh) 2020-04-21
US20200117920A1 (en) 2020-04-16
KR102519666B1 (ko) 2023-04-07
US11062153B2 (en) 2021-07-13

Similar Documents

Publication Publication Date Title
CN111024040B (zh) 距离估计方法和设备
KR102519666B1 (ko) 이미지 변환 장치 및 방법
KR102628654B1 (ko) 차선을 표시하는 방법 및 장치
US11670087B2 (en) Training data generating method for image processing, image processing method, and devices thereof
KR102585219B1 (ko) 차량 속도 제어 방법 및 장치
KR102267562B1 (ko) 무인자동주차 기능 지원을 위한 장애물 및 주차구획 인식 장치 및 그 방법
EP2779025B1 (en) Method and system for detecting road edge
KR102455632B1 (ko) 스테레오 매칭 방법 및 장치
CN111086521A (zh) 校准方法、校准装置以及非暂时性计算机记录媒体
EP3324359B1 (en) Image processing device and image processing method
CN107491065B (zh) 利用障碍物的地面边界信息检测物体的侧面的方法和装置
JP2017162116A (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
US11200432B2 (en) Method and apparatus for determining driving information
CN112631266A (zh) 一种移动机器人感知障碍信息的方法、装置
US10657392B2 (en) Object detection device, object detection method, and program
KR20210061069A (ko) 3차원 객체를 표시하는 방법 및 장치
JPWO2017154389A1 (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
JP2018025906A (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
CN114119724A (zh) 一种调整用于自动驾驶的高度图的网格间距的方法
KR102003387B1 (ko) 조감도 이미지를 이용한 교통 장애물의 검출 및 거리 측정 방법, 교통 장애물을 검출하고 거리를 측정하는 프로그램을 저장한 컴퓨터 판독가능 기록매체
JP6660367B2 (ja) 車外環境認識装置
US20230386223A1 (en) Electronic device for determining bumps and depressions on ground and operation method thereof
KR101977503B1 (ko) 도로 성분의 분포에 기초하여 객체를 검출하는 방법 및 장치
KR102400726B1 (ko) 이미지에 기초한 차량 검출 방법 및 장치
CN118229751A (zh) 一种距离检测方法、车辆及计算机可读存储介质

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant