1 |
1
광학 카메라 통신(Optical Camera Communication, OCC)을 기반으로 전방 도로의 굽힘 정도를 파악할 수 있는 도로 형태 판단 방법으로서,차량에 구비된 단안 카메라를 이용하여 전방차량의 복수의 후미등 사이의 실제 간격 정보 및 상기 복수의 후미등의 실제 크기 정보를 수신하는 단계;상기 단안 카메라를 통해 상기 전방차량의 복수의 후미등 이미지를 획득하여, 상기 획득한 복수의 후미등 이미지에서 상기 전방차량의 복수의 후미등 좌표를 설정하는 단계;상기 획득한 복수의 후미등 이미지의 크기 비교를 통해 상기 전방 도로의 굽힘 방향을 결정하는 단계; 및상기 수신한 전방차량의 복수의 후미등 사이의 실제 간격 정보, 상기 복수의 후미등의 실제 크기 정보 및 상기 전방차량의 복수의 후미등 좌표로부터 산출된 이미지 기반 후미등 사이의 간격에 기초하여 기설정된 수학적 알고리즘으로 상기 전방 도로의 도로 굽힘 각도를 산출하는 단계를 포함하되,상기 기설정된 수학적 알고리즘으로 상기 전방 도로의 도로 굽힘 각도를 산출하는 단계는,상기 수신한 전방차량의 복수의 후미등 사이의 실제 간격 정보 및 상기 복수의 후미등의 실제 크기 정보에 기초하여 단위 픽셀 당 거리를 계산하는 단계;상기 단위 픽셀 당 거리를 기반으로 상기 획득한 전방차량의 복수의 후미등 이미지에서 상기 복수의 후미등 사이의 거리를 산출하는 단계;상기 수신한 전방차량의 복수의 후미등 사이의 실제 간격과 상기 산출한 이미지 기반 복수의 후미등 사이의 거리에 기반하여 가상 삼각형을 생성하는 단계; 및상기 가상 삼각형을 분석하여 코사인 함수를 이용해 상기 전방 도로의 도로 굽힘 각도를 산출하는 단계를 포함하는,도로 형태 판단 방법
|
2 |
2
제 1 항에 있어서,상기 수신한 전방차량의 복수의 후미등 사이의 실제 간격 정보, 상기 복수의 후미등의 실제 크기 정보 및 상기 전방차량의 복수의 후미등 좌표로부터 산출된 이미지 기반 후미등 사이의 간격에 기초하여 기 학습된 인공신경망을 통해 상기 전방 도로의 도로 굽힘 각도를 예측하는 단계; 및상기 기설정된 수학적 알고리즘으로 산출한 상기 전방 도로의 도로 굽힘 각도와 상기 인공신경망을 통해 예측한 상기 전방 도로의 도로 굽힘 각도를 비교한 결과에 기반하여 상기 전방 도로의 최종 도로 굽힘 각도를 도출하는 단계를 더 포함하는,도로 형태 판단 방법
|
3 |
3
제 1 항에 있어서,상기 가상 삼각형을 생성하는 단계는,상기 단안 카메라를 통해 획득한 상기 전방차량의 복수의 후미등 이미지에 투영된 복수의 후미등 좌표에 기초하여 가상 삼각형 중 하나의 직선을 설정하는 단계;상기 직선을 기준으로 하여, 상기 단안 카메라를 이용하여 수신한 상기 전방차량의 복수의 후미등 사이의 실제 간격 정보에 기초하여 상기 가상 삼각형 중 다른 하나의 직선을 설정하는 단계;상기 전방차량의 복수의 후미등 이미지에 투영된 복수의 후미등 크기에 기초하여, 상기 복수의 후미등의 좌측 후미등 영역과 우측 후미등 영역의 크기를 비교하는 단계; 및비교 결과, 상기 복수의 후미등 중 크기가 작은 후미등 영역 측의 각이 직각이고, 상기 복수의 후미등 중 크기가 큰 후미등 영역 측의 각이 상기 두 직선의 사잇각인 가상 삼각형을 생성하는 단계를 포함하는,도로 형태 판단 방법
|
4 |
4
제 2 항에 있어서,상기 기 학습된 인공신경망을 통해 상기 전방 도로의 도로 굽힘 각도를 예측하는 단계는,상기 단안 카메라에서 수집되는 복수의 후미등의 이미지를 입력으로 하여 상기 전방 도로의 도로 굽힘 각도를 출력하도록 훈련된 머신 러닝 기반의 학습 모델에 기반하여 상기 전방차량의 복수의 후미등 이미지에서 상기 전방 도로의 도로 굽힘 각도를 예측하는 단계를 포함하는,도로 형태 판단 방법
|
5 |
5
제 4 항에 있어서,상기 기 학습된 인공신경망은,상기 단안 카메라에서 수집된 복수의 후미등 이미지에서 좌측 후미등 좌표, 우측 후미등 좌표, 상기 좌측 후미등과 우측 후미등의 수평 좌표 차이, 및 상기 좌측 후미등과 우측 후미등의 수직 좌표 차이가 상기 기 학습된 인공신경망의 입력 벡터로 설정되는 단계; 및상기 입력 벡터에 의해 상기 머신 러닝 기반의 학습 모델에서 추론된 출력 벡터인 전방 도로의 도로 굽힘 각도가 레이블로 설정되는 단계를 포함하는 훈련 페이즈(phase)에 의해 훈련된,도로 형태 판단 방법
|
6 |
6
제 4 항에 있어서,상기 기 학습된 인공신경망은,상기 단안 카메라에서 수집된 복수의 후미등 이미지에서 원하지 않는 픽셀을 제외하는 단계;상기 전방 도로의 도로 굽힘 각도가 다른 차량의 복수의 후미등 이미지가 적어도 두 개 이상의 히든 레이어에 의해 추론되도록 하는 단계; 및업데이트 된 가중치를 이용하여 상기 전방 도로의 도로 굽힘 각도가 예측되도록 하는 단계를 포함하는 훈련 페이즈에 의해 훈련된,도로 형태 판단 방법
|
7 |
7
제 2 항에 있어서,상기 전방 도로의 최종 도로 굽힘 각도를 도출하는 단계는,상기 수학적 알고리즘으로 산출한 상기 전방 도로의 도로 굽힘 각도와 상기 인공신경망을 통해 예측한 상기 전방 도로의 도로 굽힘 각도의 차이값과 임계값을 비교하는 단계를 포함하고,상기 차이값과 임계값을 비교하는 단계는,상기 차이값이 임계값 이하이면, 상기 인공신경망을 통해 예측한 상기 전방 도로의 도로 굽힘 각도를 상기 전방 도로의 최종 도로 굽힘 각도로 도출하고, 상기 차이값이 임계값을 초과하면, 상기 수학적 알고리즘으로 산출한 상기 전방 도로의 도로 굽힘 각도와 상기 인공신경망을 통해 예측한 도로 굽힘 각도 데이터를 삭제하는 단계를 포함하는,도로 형태 판단 방법
|
8 |
8
제 2 항에 있어서,상기 수신한 복수의 후미등의 실제 크기 정보와 상기 획득한 복수의 후미등 이미지에 의해 검출된 복수의 후미등 크기에 기초하여, 상기 복수의 후미등의 좌측 후미등과 우측 후미등의 크기를 비교하는 단계를 더 포함하며,상기 좌측 후미등과 우측 후미등의 크기가 다른 경우에, 상기 수학적 알고리즘 및 상기 인공신경망을 통해 상기 전방 도로의 도로 굽힘 각도를 산출하는,도로 형태 판단 방법
|
9 |
9
제 1 항에 있어서,상기 단안 카메라를 이용하여 상기 전방차량의 복수의 후미등으로부터 상기 전방차량의 식별 정보 및 상기 전방차량의 상태 정보 중 적어도 하나 이상을 수신하는 단계를 더 포함하는,도로 형태 판단 방법
|
10 |
10
제 1 항에 있어서,상기 단안 카메라를 이용하여 상기 전방차량의 복수의 후미등으로부터 상기 전방차량의 식별 정보 및 상기 전방차량의 상태 정보와, 상기 전방차량의 복수의 후미등 사이의 실제 간격 정보 및 상기 복수의 후미등의 실제 크기 정보를 동시에 수신하는 단계를 더 포함하는,도로 형태 판단 방법
|
11 |
11
제 1 항에 있어서,상기 정보를 수신하는 단계는,상기 단안 카메라를 통해 롤링 셔터 방식으로 상기 전방차량의 복수의 후미등으로부터 데이터를 수신하는 단계를 포함하는,도로 형태 판단 방법
|
12 |
12
제 2 항에 있어서,상기 도출한 상기 전방 도로의 최종 도로 굽힘 각도가 설정 각도 이상인지 확인하는 단계; 및상기 전방 도로의 최종 도로 굽힘 각도가 설정 각도 이상이면, 경고 메시지를 출력하는 단계를 더 포함하는,도로 형태 판단 방법
|
13 |
13
광학 카메라 통신(Optical Camera Communication, OCC)을 기반으로 전방 도로의 굽힘 정도를 파악할 수 있는 도로 형태 판단 장치로서,메모리; 및상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 명령들을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서는,차량에 구비된 단안 카메라를 이용하여 전방차량의 복수의 후미등 사이의 실제 간격 정보 및 상기 복수의 후미등의 실제 크기 정보를 수신하는 동작;상기 단안 카메라를 통해 상기 전방차량의 복수의 후미등 이미지를 획득하여, 상기 획득한 복수의 후미등 이미지에서 상기 전방차량의 복수의 후미등 좌표를 설정하는 동작;상기 획득한 복수의 후미등 이미지의 크기 비교를 통해 전방 도로의 굽힘 방향을 결정하는 동작; 및상기 수신한 전방차량의 복수의 후미등 사이의 실제 간격 정보, 상기 복수의 후미등의 실제 크기 정보 및 상기 전방차량의 복수의 후미등 좌표로부터 산출된 이미지 기반 후미등 사이의 간격에 기초하여 기설정된 수학적 알고리즘으로 전방 도로의 도로 굽힘 각도를 산출하는 동작을 수행하도록 구성되며,상기 기설정된 수학적 알고리즘으로 전방 도로의 도로 굽힘 각도를 산출하는 동작은,상기 수신한 전방차량의 복수의 후미등 사이의 실제 간격 정보 및 상기 복수의 후미등의 실제 크기 정보에 기초하여 단위 픽셀 당 거리를 계산하는 동작;상기 단위 픽셀 당 거리를 기반으로 상기 획득한 전방차량의 복수의 후미등 이미지에서 상기 복수의 후미등 사이의 거리를 산출하는 동작;상기 수신한 전방차량의 복수의 후미등 사이의 실제 간격과 상기 산출한 이미지 기반 복수의 후미등 사이의 거리에 기반하여 가상 삼각형을 생성하는 동작; 및상기 가상 삼각형을 분석하여 코사인 함수를 이용해 상기 전방 도로의 도로 굽힘 각도를 산출하는 동작을 포함하는,도로 형태 판단 장치
|
14 |
14
제 13 항에 있어서,상기 적어도 하나의 프로세서는,상기 수신한 전방차량의 복수의 후미등 사이의 실제 간격 정보, 상기 복수의 후미등의 실제 크기 정보 및 상기 전방차량의 복수의 후미등 좌표로부터 산출된 이미지 기반 후미등 사이의 간격에 기초하여 기 학습된 인공신경망을 통해 상기 전방 도로의 도로 굽힘 각도를 예측하는 동작; 및상기 기설정된 수학적 알고리즘으로 산출한 상기 전방 도로의 도로 굽힘 각도와 상기 인공신경망을 통해 예측한 상기 전방 도로의 도로 굽힘 각도를 비교한 결과에 기반하여 상기 전방 도로의 최종 도로 굽힘 각도를 도출하는 동작을 더 수행하도록 구성되는,도로 형태 판단 장치
|
15 |
15
제 13 항에 있어서,상기 가상 삼각형을 생성하는 동작은,상기 단안 카메라를 통해 획득한 상기 전방차량의 복수의 후미등 이미지에 투영된 복수의 후미등 좌표에 기초하여 가상 삼각형 중 하나의 직선을 설정하는 동작,상기 직선을 기준으로 하여, 상기 단안 카메라를 이용하여 수신한 상기 전방차량의 복수의 후미등 사이의 실제 간격 정보에 기초하여 상기 가상 삼각형 중 다른 하나의 직선을 설정하는 동작,상기 전방차량의 복수의 후미등 이미지에 투영된 복수의 후미등 크기에 기초하여, 상기 복수의 후미등의 좌측 후미등 영역과 우측 후미등 영역의 크기를 비교하는 동작, 및비교 결과, 상기 복수의 후미등 중 크기가 작은 후미등 영역 측의 각이 직각이고, 상기 복수의 후미등 중 크기가 큰 후미등 영역 측의 각이 상기 두 직선의 사잇각인 가상 삼각형을 생성하는 동작을 포함하는,도로 형태 판단 장치
|
16 |
16
제 14 항에 있어서,상기 기 학습된 인공신경망을 통해 상기 전방 도로의 도로 굽힘 각도를 예측하는 동작은,상기 단안 카메라에서 수집되는 복수의 후미등의 이미지를 입력으로 하여 상기 전방 도로의 도로 굽힘 각도를 출력하도록 훈련된 머신 러닝 기반의 학습 모델에 기반하여 상기 전방차량의 복수의 후미등 이미지에서 상기 전방 도로의 도로 굽힘 각도를 예측하는 동작을 포함하는,도로 형태 판단 장치
|
17 |
17
제 16 항에 있어서,상기 기 학습된 인공신경망은,상기 단안 카메라에서 수집된 복수의 후미등 이미지에서 좌측 후미등 좌표, 우측 후미등 좌표, 상기 좌측 후미등과 우측 후미등의 수평 좌표 차이, 및 상기 좌측 후미등과 우측 후미등의 수직 좌표 차이가 상기 기 학습된 인공신경망의 입력 벡터로 설정되는 단계; 및상기 입력 벡터에 의해 상기 머신 러닝 기반의 학습 모델에서 추론된 출력 벡터인 전방 도로의 도로 굽힘 각도가 레이블로 설정되는 단계를 포함하는 훈련 페이즈(phase)에 의해 훈련된,도로 형태 판단 장치
|
18 |
18
제 16 항에 있어서,상기 기 학습된 인공신경망은,상기 단안 카메라에서 수집된 복수의 후미등 이미지에서 원하지 않는 픽셀을 제외하는 단계;상기 전방 도로의 도로 굽힘 각도가 다른 차량의 복수의 후미등 이미지가 적어도 두 개 이상의 히든 레이어에 의해 추론되도록 하는 단계; 및업데이트 된 가중치를 이용하여 상기 전방 도로의 도로 굽힘 각도가 예측되도록 하는 단계를 포함하는 훈련 페이즈에 의해 훈련된,도로 형태 판단 장치
|
19 |
19
제 14 항에 있어서,상기 전방 도로의 최종 도로 굽힘 각도를 도출하는 동작은,상기 수학적 알고리즘으로 산출한 상기 전방 도로의 도로 굽힘 각도와 상기 인공신경망을 통해 예측한 상기 전방 도로의 도로 굽힘 각도의 차이값과 임계값을 비교하는 동작을 포함하고,상기 차이값과 임계값을 비교하는 동작은,상기 차이값이 임계값 이하이면, 상기 인공신경망을 통해 예측한 상기 전방 도로의 도로 굽힘 각도를 상기 전방 도로의 최종 도로 굽힘 각도로 도출하고, 상기 차이값이 임계값을 초과하면, 상기 수학적 알고리즘으로 산출한 상기 전방 도로의 도로 굽힘 각도와 상기 인공신경망을 통해 예측한 상기 전방 도로의 도로 굽힘 각도 데이터를 삭제하는 동작을 포함하는,도로 형태 판단 장치
|
20 |
20
제 14 항에 있어서,상기 수신한 복수의 후미등의 실제 크기 정보와 상기 획득한 복수의 후미등 이미지에 의해 검출된 복수의 후미등 크기에 기초하여, 상기 복수의 후미등의 좌측 후미등과 우측 후미등의 크기를 비교하는 동작을 더 수행하도록 구성되며,상기 좌측 후미등과 우측 후미등의 크기가 다른 경우에, 상기 수학적 알고리즘 및 상기 인공신경망을 통해 상기 전방 도로의 도로 굽힘 각도를 산출하는,도로 형태 판단 장치
|