1 |
1
차량에서의 이동 객체 출현을 탐지하는 방법에 있어서,도로에서의 주행 가능 영역과 나머지 영역을 분류하는 제 1 학습 분류 모델 및 장애물 영역을 추출하는 제 2학습 분류 모델에 기초하여, 주행시 촬영한 주행 영상으로부터 도로에서의 주행 가능 영역과 장애물 영역을 추출하는 단계;미리 설정한 제약 조건에 따라 도로와 장애물을 분할하는 분할 경계를 추출하되, 경계를 이루는 픽셀들의 에너지 함수가 최소가 되도록 하는 경계를 상기 분할 경계로서 추출하는 단계; 상기 분할 경계에 위치하는 장애물의 높이를 각각 추정하고, 장애물의 높이 변화가 임계값 이상이 되는 영역을 잠재적 위험 영역으로 특정하는 단계; 및상기 주행 영상에 영상 처리에 기반한 이동객체 탐지 알고리즘을 적용하여 이동객체를 탐지하는 단계를 포함하되,상기 이동객체를 탐지하는 단계는 상기 주행 영상 중 상기 잠재적 위험 영역에 대하여 슬라이딩 윈도우의 배치 밀도를 가장 높게 설정하여 이동객체를 탐지하는 단계를 포함하는 이동 객체 탐지 방법
|
2 |
2
제 1 항에 있어서,상기 제 1 학습 분류 모델은 컬러 기반 형태, 대상체의 윤곽선 및 영상에서의 광흐름(optical flow) 정보를 특징 정보로서 학습한 것으로, 이들 특징 정보들을 기초로 각 영상의 주행 가능 영역과 나머지 영역을 분류하는 것이고,상기 제 2 학습 분류 모델은 상기 광흐름 정보, 질감 정보 및 색상 정보를 특징 정보로서 학습한 것으로, 이들 특징 정보들을 기초로 각 영상의 장애물 영역을 분류하는 것인 이동 객체 탐지 방법
|
3 |
3
제 1 항에 있어서,상기 탐지된 이동 객체의 주변에 하이라이트 표시를 오버레이하여 디스플레이를 통해 출력하는 단계를 더 포함하는 이동 객체 탐지 방법
|
4 |
4
제 1 항에 있어서,상기 분할 경계를 추출하는 단계는 상기 미리 설정한 제약 조건으로서, 상기 도로와 장애물의 경계는 수평선과 같거나 그 보다 낮은 위치에 존재한다는 제 1 제약 조건, 상기 도로와 장애물의 경계를 구성하는 점들은 연속적이며, 상기 영상을 수평방향으로 횡단한다는 제 2 제약 조건 및 경계선을 구성하는 점들은 주변에 위치하는 픽셀들에서만 영향을 받는다는 제 3 제약 조건을 사용하는 것인 이동 객체 탐지 방법
|
5 |
5
제 1 항에 있어서,상기 잠재적 위험 영역으로 특정하는 단계는미리 설정된 영상의 특징 정보를 기초로 경계선으로부터 수직 상방으로 탐색하면서 특징 정보가 일치하는 정도를 기초로 각 장애물의 높이를 추정하되,상기 영상의 특징 정보로는 광흐름 정보, 질감 정보 및 색상 정보를 사용하는 것인 이동 객체 탐지 방법
|
6 |
6
차량에서의 이동 객체 출현을 탐지하는 장치에 있어서,자율 주행 차량에 배치된 카메라로부터 수신한 주행 영상이 저장되고, 위험 탐지 방법을 구현하는 프로그램이 저장된 메모리 및상기 메모리에 저장된 프로그램을 실행하여 상기 주행 영상으로부터 위험 탐지 동작을 실행하는 프로세서를 포함하되,상기 프로세서는 도로에서의 주행 가능 영역과 나머지 영역을 분류하는 제 1 학습 분류 모델 및 장애물 영역을 추출하는 제 2학습 분류 모델에 기초하여, 주행시 촬영한 영상으로부터 도로에서 주행 가능 영역과 장애물 영역을 추출하고, 미리 설정한 제약 조건에 따라 도로와 장애물을 분할하는 분할 경계를 추출하되, 경계를 이루는 픽셀들의 에너지 함수가 최소가 되도록 하는 경계를 상기 분할 경계로서 추출하고, 상기 분할 경계에 위치하는 장애물의 높이를 각각 추정하고, 장애물의 높이 변화가 임계값 이상이 되는 영역을 잠재적 위험 영역으로 특정하고, 상기 도로 영상에 영상 처리에 기반한 이동객체 탐지 알고리즘을 적용하여 이동객체를 탐지하되, 상기 프로세서는 상기 영상 중 상기 잠재적 위험 영역에 대하여 슬라이딩 윈도우의 배치 밀도를 가장 높게 설정하여 이동객체를 탐지하는 것인 이동 객체 탐지 장치
|
7 |
7
제 6 항에 있어서,상기 제 1 학습 분류 모델은 컬러 기반 형태, 대상체의 윤곽선 및 영상에서의 광흐름(optical flow) 정보를 특징 정보로서 학습한 것으로, 이들 특징 정보들을 기초로 각 영상의 주행 가능 영역과 나머지 영역을 분류하는 것이고,상기 제 2 학습 분류 모델은 상기 광흐름 정보, 질감 정보 및 색상 정보를 특징 정보로서 학습한 것으로, 이들 특징 정보들을 기초로 각 영상의 장애물 영역을 분류하는 것인 이동 객체 탐지 장치
|
8 |
8
제 6 항에 있어서,상기 프로세서는 상기 탐지된 이동 객체의 주변에 하이라이트 표시를 오버레이하여 상기 자율 주행 차량에 배치된 디스플레이를 통해 출력하는 것인 이동 객체 탐지 장치
|
9 |
9
제 6 항에 있어서,상기 프로세서는 상기 미리 설정한 제약 조건으로서, 상기 도로와 장애물의 경계는 수평선과 같거나 그 보다 낮은 위치에 존재한다는 제 1 제약 조건, 상기 도로와 장애물의 경계를 구성하는 점들은 연속적이며, 상기 영상을 수평방향으로 횡단한다는 제 2 제약 조건 및 경계선을 구성하는 점들은 주변에 위치하는 픽셀들에서만 영향을 받는다는 제 3 제약 조건을 사용하는 것인 이동 객체 탐지 장치
|
10 |
10
제 6 항에 있어서,상기 프로세서는 미리 설정된 영상의 특징 정보를 기초로 경계선으로부터 수직 상방으로 탐색하면서 특징 정보가 일치하는 정도를 기초로 각 장애물의 높이를 추정하되, 상기 영상의 특징 정보로는 광흐름 정보, 질감 정보 및 색상 정보를 사용하는 것인 이동 객체 탐지 장치
|
11 |
11
제1항에 있어서,상기 이동객체를 탐지하는 단계는 상기 주행 영상 중 상기 잠재적 위험 영역에 대하여 상기 이동객체 탐지 알고리즘을 가장 우선적으로 적용하는 단계를 포함하는, 이동 객체 탐지 방법
|
12 |
12
제6항에 있어서,상기 프로세서는 상기 주행 영상 중 상기 잠재적 위험 영역에 대하여 상기 이동객체 탐지 알고리즘을 가장 우선적으로 적용하여 이동객체를 탐지하는 것인, 이동 객체 탐지 장치
|