| 1 |
1
도로 이미지에서 제 1 차선 후보 객체가 포함된 제 1 이미지를 획득하는 제 1 이미지 획득 모듈;블랍(Blob)들의 정보에 기반하여 상기 제 1 차선 후보 객체가 포함된 제 1 이미지에서 노이즈 블랍을 제거하고, 이를 기반으로 제 2 차선 후보 객체가 포함된 제 2 이미지를 획득하는 제 2 이미지 획득 모듈; 및상기 제 2 이미지에 포함된 제 2 차선 후보 객체를 검증하고, 상기 검증된 제 2 차선 후보 객체에 기반하여 차선을 인식하는 차선 인식 모듈을 포함하되,상기 제 2 이미지 획득 모듈은,상기 제 1 차선 후보 객체가 포함된 제 1 이미지에서 블랍들의 방향값을 산출하고, 상기 블랍들의 방향값에 해당하는 절대값이 기 설정된 방향 임계값보다 작은 블랍들을 제거하는 제 1 블랍 필터링부; 및상기 제 1 차선 후보 객체가 포함된 제 1 이미지에서 블랍들의 상호 유크리드 거리(mutual Euclidean distance)값을 산출하고, 상기 블랍들의 상호 유크리드 거리값이 기 설정된 거리 임계값보다 작은 블랍들을 제거하는 제 2 블랍 필터링부를 포함하는 차선 인식 장치
|
| 2 |
2
제 1 항에 있어서,상기 제 1 이미지 획득 모듈은,상기 도로 이미지를 입력받는 이미지 입력부;상기 도로 이미지 중 관심 영역(region of interest, ROI)을 설정하는 관심 영역 설정부;상기 관심 영역에 해당하는 이미지에서 원근 효과(perspective effect)를 제거하여 탑뷰(top view) 이미지를 획득하는 탑뷰 이미지 획득부; 및상기 탑뷰 이미지를 필터링하여 제 1 차선 후보 객체가 포함된 제 1 바이너리 이미지를 획득하는 제 1 바이너리 이미지 획득부를 포함하는 차선 인식 장치
|
| 3 |
3
제 2 항에 있어서,상기 탑뷰 이미지 획득부는,소실점 검출(vanishing point detection)에 기초한 역원근 매핑(inverse perspective mapping, IPM)을 통해, 상기 관심 영역에 해당하는 이미지에서 원근 효과(perspective effect)를 제거하여 상기 탑뷰 이미지를 획득하는 차선 인식 장치
|
| 4 |
4
제 2 항에 있어서,상기 제 1 바이너리 이미지 획득부는,라플라시안 오브 가우시안(Laplacian of Gaussian, LoG) 필터를 통해 상기 탑뷰 이미지를 필터링하여 버티컬 라인 세그먼트들(vertical line segments)이 포함된 이미지를 획득하고, 기 설정된 임계값(threshold)에 기반하여 상기 버티컬 라인 세그먼트들(vertical line segments)이 포함된 이미지를 이진화(thresholding)하여 상기 제 1 차선 후보 객체가 포함된 제 1 바이너리 이미지를 획득하는 차선 인식 장치
|
| 5 |
5
삭제
|
| 6 |
6
제 1 항에 있어서,상기 차선 인식 모듈은,상기 제 2 이미지에 포함된 제 2 차선 후보 객체가 의심스러운(doubtful) 블랍인지 판단하고, 상기 의심스러운(doubtful) 블랍을 기 저장된 포지티브(positive) 블랍 및 네거티브(negative) 블랍과 비교하여 분류하며, 상기 네거티브 블랍으로 분류된 의심스러운(doubtful) 블랍을 제거하여, 상기 제 2 이미지에 포함된 제 2 차선 후보 객체를 검증하는 차선 검증부; 및상기 검증된 제 2 차선 후보 객체를 최종 차선 후보 객체로 선택하고, 상기 최종 차선 후보 객체에 기반하여 차선을 인식하는 차선 인식부를 포함하는 차선 인식 장치
|
| 7 |
7
제 6 항에 있어서,상기 차선 검증부는,종횡비(aspect ratio)에 기반하여 상기 제 2 이미지에 포함된 제 2 차선 후보 객체가 의심스러운(doubtful) 블랍인지 판단하는 차선 인식 장치
|
| 8 |
8
제 6 항에 있어서,상기 차선 검증부는,상기 의심스러운(doubtful) 블랍을 HOG(histogram of oriented gradient) 및 SVM(support vector machine)을 통해 미리 학습되어 기 저장된 포지티브(positive) 블랍 및 네거티브(negative) 블랍과 비교하여 분류하는 차선 인식 장치
|
| 9 |
9
제 6 항에 있어서,상기 차선 인식부는,상기 최종 차선 후보 객체를 Hough transform 및 RANSAC line fitting을 통해 차선을 감지하는 차선 인식 장치
|
| 10 |
10
도로 이미지에서 제 1 차선 후보 객체가 포함된 제 1 이미지를 획득하는 단계;블랍(Blob)들의 정보에 기반하여 상기 제 1 차선 후보 객체가 포함된 제 1 이미지에서 노이즈 블랍을 제거하고, 이를 기반으로 제 2 차선 후보 객체가 포함된 제 2 이미지를 획득하는 단계; 및상기 제 2 이미지에 포함된 제 2 차선 후보 객체를 검증하고, 상기 검증된 제 2 차선 후보 객체에 기반하여 차선을 인식하는 단계를 포함하되,상기 제 2 차선 후보 객체가 포함된 제 2 이미지를 획득하는 단계는,상기 제 1 차선 후보 객체가 포함된 제 1 이미지에서 블랍들의 방향값을 산출하고, 상기 블랍들의 방향값에 해당하는 절대값이 기 설정된 방향 임계값보다 작은 블랍들을 제거하는 단계; 및상기 제 1 차선 후보 객체가 포함된 제 1 이미지에서 블랍들의 상호 유크리드 거리(mutual Euclidean distance)값을 산출하고, 상기 블랍들의 상호 유크리드 거리값이 기 설정된 거리 임계값보다 작은 블랍들을 제거하는 단계를 포함하는 차선 인식 방법
|
| 11 |
11
제 10 항에 있어서,상기 제 1 차선 후보 객체가 포함된 제 1 이미지를 획득하는 단계는,상기 도로 이미지를 입력받는 단계;상기 도로 이미지 중 관심 영역(region of interest, ROI)을 설정하는 단계;상기 관심 영역에 해당하는 이미지에서 원근 효과(perspective effect)를 제거하여 탑뷰(top view) 이미지를 획득하는 단계; 및상기 탑뷰 이미지를 필터링하여 제 1 차선 후보 객체가 포함된 제 1 바이너리 이미지를 획득하는 단계를 포함하는 차선 인식 방법
|
| 12 |
12
삭제
|
| 13 |
13
제 10 항에 있어서,상기 차선을 인식하는 단계는,상기 제 2 이미지에 포함된 제 2 차선 후보 객체가 의심스러운(doubtful) 블랍인지 판단하는 단계;상기 의심스러운(doubtful) 블랍을 기 저장된 포지티브(positive) 블랍 및 네거티브(negative) 블랍과 비교하여 분류하는 단계;상기 네거티브 블랍으로 분류된 의심스러운(doubtful) 블랍을 제거하여, 상기 제 2 이미지에 포함된 제 2 차선 후보 객체를 검증하는 단계; 및상기 검증된 제 2 차선 후보 객체를 최종 차선 후보 객체로 선택하고, 상기 최종 차선 후보 객체에 기반하여 차선을 인식하는 단계를 포함하는 차선 인식 방법
|
| 14 |
14
제 13 항에 있어서,상기 제 2 이미지에 포함된 제 2 차선 후보 객체가 의심스러운(doubtful) 블랍인지 판단하는 단계는,종횡비(aspect ratio)에 기반하여 상기 제 2 이미지에 포함된 제 2 차선 후보 객체가 의심스러운(doubtful) 블랍인지 판단하는 단계를 포함하는 차선 인식 방법
|
| 15 |
15
제 13 항에 있어서,상기 의심스러운(doubtful) 블랍을 기 저장된 포지티브(positive) 블랍 및 네거티브(negative) 블랍과 비교하여 분류하는 단계는,상기 의심스러운(doubtful) 블랍을 HOG(histogram of oriented gradient) 및 SVM(support vector machine)을 통해 미리 학습되어 기 저장된 포지티브(positive) 블랍 및 네거티브(negative) 블랍과 비교하여 분류하는 단계를 포함하는 차선 인식 방법
|
