[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR101364727B1 - 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치 - Google Patents

촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치 Download PDF

Info

Publication number
KR101364727B1
KR101364727B1 KR1020120109204A KR20120109204A KR101364727B1 KR 101364727 B1 KR101364727 B1 KR 101364727B1 KR 1020120109204 A KR1020120109204 A KR 1020120109204A KR 20120109204 A KR20120109204 A KR 20120109204A KR 101364727 B1 KR101364727 B1 KR 101364727B1
Authority
KR
South Korea
Prior art keywords
image
fog
estimating
area
detecting
Prior art date
Application number
KR1020120109204A
Other languages
English (en)
Inventor
류정호
이병희
양승봉
김기현
한영기
박연섭
Original Assignee
(주)한일에스티엠
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 (주)한일에스티엠 filed Critical (주)한일에스티엠
Priority to KR1020120109204A priority Critical patent/KR101364727B1/ko
Application granted granted Critical
Publication of KR101364727B1 publication Critical patent/KR101364727B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • 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
    • G06T7/529—Depth or shape recovery from texture

Landscapes

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

Abstract

본 발명은 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치에 관한 것으로, 본 발명의 안개 감지 방법은, 카메라에 의해 촬영되어 입력되는 영상을 분석하여 영상 내에서 안개 감지를 위해 분석이 필요한 유효영역을 검출하는 유효영역 검출과정; 및 검출한 유효 영역에 대해 주간 안개감지과정 및 야간 안개감지 과정으로 나누어 각각에 대해 안개 감지 분석을 실시하고, 그 결과에 따라 각각 시정거리를 계산하고 안개 상태를 판단하여 그 결과를 출력하는 안개감지과정을 포함하여 구성되며, 여기서 유효영역 검출과정은, 영상으로부터 도로 영역을 검출하고 영상 보정 매트릭스(Rectification matrix)를 추정하는 단계; 추정 정보가 포함된 영상에 대해 조명성분 추정을 통해 기준 깊이지도(Depth map)를 추정하고 히스토그램을 추정하는 단계; 및 영상 내 하늘 영역을 제거하기 위해 히스토그램이 추정된 영상 내 유효 영역의 마스크를 추출하는 단계;를 포함하여 구성됨으로써, 인간의 시야와 유사한 카메라를 이용하여 안개 발생여부를 검지하고 시정거리를 측정하여 운전자에게 안개의 상태정보를 제공해줄 수 있다.

Description

촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치{Method and Apparatus for detecting fog using the processing of pictured image}
본 발명은 안개 감지 방법 및 장치에 관한 것으로, 더욱 상세하게는, 인간의 시야와 유사한 카메라를 이용하여 안개 발생여부를 검지하고 시정거리를 측정하여, 운전자에게 안개의 상태정보를 제공해줄 수 있는 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치에 관한 것이다.
최근 안개로 인한 교통사고 위험성이 사회적 문제로 대두됨에 따라 도로 설계 시 안개 발생에 대비한 안전 위험 표시 시설물의 설치 사업이 적극적으로 이루어지고 있다. 이를 위한 하나의 방법으로, 안개 발생 및 시정 상태를 측정하고 이를 통해 운전자에게 경고하기 위해 안개 경보 시스템이 개발 및 설치되고 있다.
그런데, 안개 경보 시스템의 핵심 장치인 안개 센서는 한화로 6 천만원을 호가하는 고가의 장비로서, 주요 안개 발생 지역에만 설치하더라도 많은 예산이 소요되는 문제점이 있다. 또한 안개 센서는 기본적으로 30~50cm떨어진 좁은 광 감지 영역(Optical sensitive zone)을 가지므로, 눈이나 비의 영향을 크게 받으며 안개의 밀도가 불균일할 경우 정확성이 현저히 떨어지는 문제점이 있다.
한편, 카메라 영상을 이용한 안개 감지 및 시정측정은 인간의 시정 감각과 유사하고 안개 감지 센서에 비해 저렴하다는 측면에서 많은 연구자들에 의해 연구되고 있다.
현재까지 CCD 카메라를 이용한 시정측정의 주요 연구는 크게 색차를 이용한 시정측정방법과, 별도의 시정표지와 시설을 이용한 시정측정방법으로 나눌 수 있다.
첫째, 색차를 이용한 시정측정방법은 입력된 영상의 인식을 위해 영상 데이터를 개선, 변형시키는 작업을 선행한 후 HSI(Hue;색상, Saturation;채도, Intensity;명도) 컬러공간에서 색차와 색상차, 채도차 그리고 명도차를 분석하여 시정을 측정하였다.
또한, 색차를 이용한 시정측정방법의 다른 예로, 빛 반사에 의해 왜곡된 영상을 보정한 후 입력영상 중 가장 맑은 영상을 기준영상으로 하여 혼탁계수를 단계적으로 변화시킴으로써 애뮬레이션 영상을 생성하고 각각에 대해 HSI 컬러에 대한 색차를 분석하고, 실제 관측영상과 관측데이터를 참조하여 시정거리를 측정하는 방법을 사용하였다.
색차를 이용한 시정측정방법은 맑은 날과 안개 낀 날의 색체학적 분석을 통해 코쉬미더(Koschmieder)가 주장한 흑백대비 이론의 한계를 극복할 수 있는 방법으로 그 의미가 있으나, 야간의 경우에 관한 연구결과는 아직 없으며, 일반적으로 색차분법만으로는 야간 시정측정이 어려울 수 있다.
둘째, 별도의 시정표지와 시설을 이용한 시정측정방법은, 대표적인 측정 예로 2004년도에 제안된 도 1을 예로 들 수 있다.
도시된 바와 같이, 도로의 측면 북쪽 방향으로 6개의 표지를 20m, 40m, 100m, 150m, 200m, 300m 떨어져 있는 곳에 설치하고, 폴의 상단에 CCD(Charge Coupled Device) 카메라와 IR(Infrared Ray)카메라를 설치하였다. 그리고 40m 표지에 안개센서(VPF-710)를 설치하여 약 2년에 걸쳐 데이터를 수집한 후 실험하였다. 이 방법은 미리 설정된 ROI에 대한 대비(contrast)의 변화를 이용하여 맑은 날씨를 기준으로 주간 및 야간의 경우에 상대적인 시정거리측정이 가능한 방법을 제시하고 있다.
그런데, 이러한 방법은 카메라를 이용한 시정거리측정의 다양한 특성과 방법에 대해 설명하고 있으나, 별도의 표지와 시설을 이용하고 있으며 절대적 시정거리가 아닌 상대적 시정거리를 산출하는 문제점이 있다.
도 1과 유사한 방법으로, 도 2와 같이 2008년도에 제안된 파노라마 카메라를 이용하여 도로 상 일정 거리에 표지판을 설치한 후 영상 내 각 영역을 분할하여 시정 거리를 계산하는 방법이 제안되었다. 또한, 도 3과 같이 2010년도에 제안된 거리 내 격자 패턴을 설치하여 흰색과 검정색의 명암대비를 이용하여 시정거리를 계산하는 방법이 제안되었다.
종래와 같이, 보조 시설물을 이용하여 시정거리를 측정하는 방법은 별도의 목표물을 설치가 필요함에 따라 별도의 비용이 발생되는 문제점이 있다. 또한, 종래의 시정거리 측정방법은 새벽과 같이 주야간 구분이 애매한 경우 시정 계산에 어려움이 따르게 되는 문제점이 있다. 이에 따라, 비교적 넓은 영역에 대한 시정 거리 측정이 가능하고, 저렴한 비용으로 시정 거리를 측정할 수 있는 방법이 요구된다.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 기존에 안개 센서를 이용하는 방법에 따른 비용적 부담과 기술적 한계를 극복하여 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치를 제공하는데 있다.
본 발명의 다른 목적은, 인간의 시야와 유사한 카메라를 이용하여 안개 발생여부를 검지하고, 시정거리를 측정하여, 운전자에게 안개의 상태정보를 제공해줄 수 있는 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치를 제공하는데 있다.
상기와 같은 목적을 달성하기 위한 본 발명의 실시예에 따른 촬영된 영상의 처리를 이용한 안개 감지 방법은, 카메라에 의해 촬영되어 입력되는 영상을 분석하여 영상 내에서 안개 감지를 위해 분석이 필요한 유효영역을 검출하는 유효영역 검출과정; 및 검출한 상기 유효 영역에 대해 주간 안개감지과정 및 야간 안개감지 과정으로 나누어 각각에 대해 안개 감지 분석을 실시하고, 그 결과에 따라 각각 시정거리를 계산하고 안개 상태를 판단하여 그 결과를 출력하는 안개감지과정;을 포함한다.
여기서, 상기 유효영역 검출과정은, 상기 영상으로부터 도로 영역을 검출하고 영상 보정 매트릭스(Rectification matrix)를 추정하는 단계; 추정 정보가 포함된 영상에 대해 조명성분 추정을 통해 기준 깊이지도(Depth map)를 추정하고 히스토그램을 추정하는 단계; 및 영상 내 하늘 영역을 제거하기 위해 상기 히스토그램이 추정된 영상 내 유효 영역의 마스크를 추출하는 단계;를 포함한다.
또한, 상기 주간 안개감지 과정은, 실시간 입력되는 상기 영상을 이용하여 정의된 주기 동안 누적을 통해 카메라 움직임 및 노이즈, 이동물체 등에 의한 간섭을 최소화 하기위한 비 이동 영역 생성(Make Non-Movement Area) 단계; 상기 영상 내 조명 성분을 추정하는 단계; 및 추정된 상기 조명 성분을 이용한 깊이지도(Depth map)를 추정하고 깊이 지도의 히스토그램 분석을 통한 시정 영역 검출 및 시정거리 추정 단계;를 포함한다.
한편, 상기 야간 안개감지 과정은, 상기 영상으로부터 광원 위치를 추정하는 단계; 거리별 가로등의 불빛 영역을 검출하는 단계; 및 상기 불빛 영역이 검출된 영상에 대해 불빛 분산 정도를 검출하는 단계;를 포함한다.
상기 야간 안개감지 과정은, 상기 영상으로부터 광원 위치를 추정하는 단계; 차량의 불빛을 검출 및 추적하는 단계; 상기 검출 및 추적 결과를 이용하여 시정거리를 측정하는 단계;를 포함한다.
한편, 상기 도로영역검출 및 영상보정매트릭스추정 단계는, 상기 영상이 입력되면, 입력영상의 채도영상을 생성하는 단계; 상기 채도영상에서 에지(가장자리)를 검출하는 단계; 상기 에지가 검출된 영상에 대해 허프 변환을 수행하는 단계; 상기 허프 변환된 영상에 대해 로컬 최적화를 통해 도로 영역을 검출하는 단계; 상기 도로 영역에 대한 한 쌍의 경계선을 추출하는 단계; 및 상기 경계선이 추출된 영상에 대해 보정 요소를 추정하여 상기 경계선을 기준으로 영상을 보정하는 단계;를 포함한다.
상기 기준 깊이지도 추정단계는, 상기 영상이 입력되면, 암 채널(Dark channel extraction)을 추출하는 단계; 상기 암 채널이 추출된 영상에 대해 대기 산란광을 추출하는 단계; 상기 대기 산란광이 추출된 영상에 대해 트랜스미션(transmission)을 추정하는 단계; 및 상기 트랜스미션 및 거리를 매칭시켜 상기 영상의 깊이 지도를 추정하는 단계;를 포함한다.
한편, 상기와 같은 목적을 달성하기 위한 본 발명의 실시예에 따른 촬영된 영상의 처리를 이용한 안개 감지 장치는, 네트워크를 통해 통신 접속된 카메라로부터 실시간 촬영된 영상을 수신하는 카메라 인터페이스; 상기 영상에 대한 영상 인식 분석을 통해 안개 상태를 감지하는 영상 인식 모듈; 상기 영상에 대한 인식된 결과 정보를 화면에 표출 및 저장하는 어플리케이션부; 상기 영상에 대한 인식된 결과 정보인 안개 상태 정보를 표시할 수 있는 외부 표시장치로 전송하는 디스플레이 인터페이스; 및 시스템을 운용하는 운영체제(OS);를 포함하며,
상기 영상 인식 모듈은, 상기 카메라에 의해 촬영되어 입력되는 영상을 분석하여 영상 내에서 안개 감지를 위해 분석이 필요한 유효영역을 검출하고, 검출한 상기 유효 영역에 대해 주간 안개감지과정 및 야간 안개감지 과정으로 나누어 각각에 대해 안개 감지 분석을 실시한 후 그 결과에 따라 각각 시정거리를 계산하고 안개 상태를 판단하여 그 결과를 출력한다.
본 발명에 따르면, 촬영된 영상의 처리를 이용하여 안개를 감지함에 따라, 기존에 안개 센서를 이용하는 방법에 따른 비용적 부담과 기술적 한계를 극복할 수 있고, 인간의 시야와 유사한 카메라를 이용하여 안개 발생여부를 검지하고, 시정거리를 측정하여, 운전자에게 안개의 상태정보를 제공해줄 수 있도록 하는 장점이 있다.
도 1은 종래에 시정표지와 시설물을 이용하여 시정거리를 측정하기 위한 예를 도시한 도면이다.
도 2는 종래에 파노라마 카메라와 영역 분할을 이용하여 시정거리를 측정하기 위한 예를 도시한 도면이다.
도 3은 종래에 겨가 패턴과 명암 대비를 이용하여 시정거리를 측정하기 위한 예를 도시한 도면이다.
도 4는 본 발명의 바람직한 실시예에 따른 촬영된 영상의 처리를 이용한 안개 감지 시스템의 구성을 개략적으로 도시한 도면이다.
도 5는 본 발명의 실시예에 따라 도 4에 도시된 영상인식서버의 상세 구성을 도시한 블록도이다.
도 6은 본 발명의 실시예에 따라 도 4에 도시된 영상인식서버의 영상인식모듈을 이용한 촬영된 영상의 처리를 이용한 안개 감지 방법을 도시한 흐름도이다.
도 7은 본 발명의 실시예에 따라 도로(활주로)의 이미지와 채도 이미지의 예를 도시한 도면이다.
도 8은 본 발명의 실시예에 따라 도로 영역 검출 및 보정 매트릭스 추정 단계의 흐름을 도시한 흐름도이다.
도 9는 본 발명의 실시예에 따라 도 8의 각 흐름별로 얻어지는 결과 영상을 도시한 도면이다.
도 10은 본 발명의 실시예에 따라 영상 보상 및 호모그래피 결과 영상을 도시한 도면이다.
도 11은 본 발명의 실시예에 따라 적용되는 영상의 안개 감지를 위한 모델링 예를 도시한 도면이다.
도 12는 본 발명의 실시예에 따라 영상으로부터 깊이지도를 추정하는 과정을 도시한 전체 흐름도이다.
도 13은 본 발명의 실시예에 따라 영상으로부터 트랜스미션 추정 결과 영상을 도시한 도면이다.
도 14는 본 발명의 실시예에 따라 에지(가장자리) 검출 및 허프 변환을 통해 얻어지는 하늘영역과 유효영역이 표시된 영상을 도시한 도면이다.
도 15는 본 발명의 실시예에 따라 눈이나 비와 같은 환경적 간섭 요소에 의해 오류가 발생된 영상의 예를 도시한 도면이다.
도 16은 본 발명의 실시예에 따라 프레임 누적을 통한 비 이동영역이 생성된 예를 도시한 도면이다.
도 17은 본 발명의 실시예에 따라 안내 농도별 깊이지도 및 히스토그램의 변화를 도시한 도면이다.
도 18은 본 발명의 실시예에 따라 옅은 안개와 짙은 안개 상황시에 최대 가시 지점을 표시한 도면이다.
도 19는 본 발명의 실시예에 적용하기 위한 도로 주변에 설치된 가로등을 도시한 도면이다.
도 20은 본 발명의 실시예에 따라 광원 위치 추정 과정의 상세 단계를 도시한 흐름도이다.
도 21은 본 발명의 실시예에 따라 야간 영상 광원 추정 예를 도시한 도면이다.
도 22는 본 발명의 실시예에 따라 가로등 불빛 영역 가우시안 그래프의 예를 도시한 도면이다.
도 23은 본 발명의 실시예에 따라 안개 증가에 따른 가우시안 그래프 형태의 변화 예를 도시한 도면이다.
이하, 본 발명의 바람직한 실시예들을 첨부한 도면을 참조하여 상세히 설명한다. 도면들 중 동일한 구성요소들은 가능한 한 어느 곳에서든지 동일한 부호들로 나타내고 있음에 유의해야 한다. 또한 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 상세한 설명은 생략한다.
도 4는 본 발명의 바람직한 실시예에 따른 촬영된 영상의 처리를 이용한 안개 감지 시스템의 구성을 개략적으로 도시한 도면이다.
도시된 바와 같이, 본 발명의 안개 감지 시스템은 카메라부(100), 영상인식서버(200), 및 가변표시부(Variable Message Sign: VMS)(300)를 포함하여 구성된다.
카메라부(100)는 실시간으로 렌즈에 입사되는 영상을 촬영하고, 촬영된 영상을 유선 네트워크(50)를 통해 통신 접속된 영상인식서버(200)로 전송한다. 여기서, 카메라부(100)와 영상인식서버(200)는 무선 네트워크를 통해서도 통신 연결되도록 구성할 수 있다.
영상인식서버(200)는 카메라부(100)로부터 실시간 촬영되어 입력되는 영상을 획득하여 획득한 영상을 분석하여 영상 내에 안개 상태를 실시간으로 감지한다. 또한, 영상인식서버(200)는 분석 결과에 따라 안개 발생 상태를 시간, 요일, 월별로 저장한다. 뿐만 아니라, 영상인식서버(200)는 분석 결과에 따른 안개 상태 정보를, 기 설정된 통신 프로토콜에 의해 통신 접속된 가변표시부(VMS)(300)로 전송한다.
가변표시부(VMS)(300)는 영상인식서버(200)로 전송된 안개 상태 정보에 기초하여, 표시부를 통해 운전자에게 경고 메시지를 표시한다.
도 5는 본 발명의 실시예에 따라 도 4에 도시된 영상인식서버(200)의 상세 구성을 도시한 블록도이다.
도시된 바와 같이, 영상인식서버(200)는 아날로그 또는 디지털 영상을 촬영하는 카메라부(100)와의 통신 연결을 위한 인터페이스를 담당하는 카메라 인터페이스(210), 영상 인식 분석을 통해 안개 상태를 감지하는 영상 인식 모듈(220), 인식된 결과 정보를 화면에 표출 및 저장하는 어플리케이션부(230), 가변표시부(300) 등으로 안개 상태 정보를 표출해주는 디스플레이 인터페이스(240)와, 운영체제(OS)(250)를 포함하여 구성된다.
도 6은 본 발명의 실시예에 따라 도 4에 도시된 영상인식서버(200)의 영상인식모듈(220)을 이용한 촬영된 영상의 처리를 이용한 안개 감지 방법을 도시한 흐름도이다.
도시된 안개 감지 방법은 크게 유효영역 검출과정(S100)과 안개감지과정(S200)로 구성된다.
유효영역 검출과정(S100)은 영상으로부터 도로 영역을 검출하고 영상 보정 매트릭스(Rectification matrix)를 추정하며(S110), 조명성분 추정을 통해 기준 깊이지도(Depth map)를 추정하고 히스토그램을 추정하며(S120), 영상 내 하늘 영역의 경우 안개 감지를 위해 필요치 않기 때문에 이를 제거하기 위해 영상 내 유효 영역의 마스크를 추출하는 단계(S130)로 이루어진다.
안개감지과정(S200)은 영상의 밝기 분석을 통해 주간 또는 야간 상황을 판단한 후, 주간 안개감지 과정(S210) 및 야간 안개감지 과정(S260)으로 나뉜다.
주간 안개감지 과정(S210)은 실시간 입력 영상을 이용하여 정의된 주기 동안 누적을 통해 카메라 움직임 및 노이즈, 이동물체 등에 의한 간섭을 최소화 하기위한 비 이동 영역 생성(Make Non-Movement Area) 단계(S211), 영상 내 조명 성분 추정 단계(S212), 추정된 조명성분을 이용한 깊이지도(Depth map)를 추정하고 깊이 지도의 히스토그램 분석을 통한 가시 영역 검출 및 가시거리 추정 단계(S213)로 구성된다. 그 결과에 따라 안개가 감지되지 않은 경우에는 깊이지도 히스토그램 특성 훈련을 수행하고(S215), 안개가 감지되면 시정거리 계산 및 안개상태(경고단계)를 판단한다(S217). 그 결과에 따라 판단된 안개상태정보를 출력한다(S267).
야간 안개감지 과정(S260)은 광원 위치를 추정하는 단계(S261), 거리별 가로등 불빛의 히스토그램 평균, 분산 추정단계와 차량의 불빛 검출 및 추적하는 단계(S264)와 그 결과를 이용하여 가시거리를 측정한다(S265). 그리고 추청 결과를 이용한 시정거리를 계산하고 계산 결과에 따라 안개상태를 판단한다(S266). 그 결과에 따라 판단된 안개상태정보를 출력한다(S267).
이하, 도 6의 유효영역 검출과정(S100)을 각 단계별로 보다 상세하게 설명한다.
먼저, 도로 영역을 검출 및 영상 보정 매트릭스(Rectification matrix) 추정단계(S110)에 대해 설명한다.
도 7의 a)는 도로(활주로)의 이미지이고, 도 7의 b)는 도로 활주로의 채도 이미지이다. 이와 같이, 본 발명에서는 영상 내 도로의 경우 도로 자체의 채도특성이 낮고, 도로 양끝의 경계가 존재한다는 가정을 할 수 있다.
도 8은 본 발명의 실시예에 따라 도로 영역 검출 및 보정 매트릭스 추정 단계의 흐름을 도시한 흐름도이고, 도 9는 도 8의 각 흐름별로 얻어지는 결과 영상을 도시한 도면이다.
즉, 영상이 입력되면(S111), 입력영상의 채도영상을 생성한(S112) 후 영상의 에지(가장자리)를 검출한다(S113). 도 9의 a)는 입력영상이고, b)는 채도성분 및 에지가 처리된 영상이다.
이후, 영상에 대해 허프 변환을 수행한(S114) 후 로컬 최적화를 통해 도로 영역을 검출한다(S115). 도 9의 c)는 허프 변환된 영상이고, d)는 로컬 최적화를 통해 도로 영역이 검출된 영상이다.
이에 따라, 도로 영역에 대한 한 쌍의 경계선을 추출하고(S116), 보정 요소를 추정하여 경계선을 기준으로 영상을 보정한다(S117). 도 9의 e)는 한 쌍의 경계선 추출을 통해 얻어진 도로 영역의 결과 영상이다.
실제 영상 보정은 카메라 내부 상수 중 가로, 세로의 단위 거리당 해상도와 사용자 입력을 통한 차도 폭을 이용하여 거리측정이 가능하다.
도로영역 검출 후 영상 내 거리 측정을 위해서는 입력 영상을 카메라의 내부 파라메터와 이전 과정에서 검출된 도로 외곽선 한 쌍의 교점을 소실점하여 평면도(topview) 형태로 영상을 보상한 후 픽셀 간의 거리를 이용하여 거리를 측정하는 방법이 가능하다. 입력 영상과 평면도 영상 간의 관계는 평면과 평면 간의 관계인 호모그래피 매트릭스(Homography matrix)로 표현이 가능하며, 이 매트릭스를 이용하여 실제 공간과 영상 내 좌표와의 거리측정이 가능하다. 이렇게 얻어진 영상은 도 10에 도시되어 있다.
다음으로, 조명성분 추정을 통해 기준 깊이지도(Depth map)를 추정하고 히스토그램을 추정하는 단계(S120)에 대해 설명한다.
영상처리에서 안개 영상 감지를 위해 사용되는 모델은 도 11 및 수학식 1과 같다.
Figure 112012079715163-pat00001
즉, 안개영상(I(x))은 전체 조명 성분과 고유의 반사성분(J(x)t(x))로 표현되며, 이 식을 응용하면 영상의 Depth map(t(x)) 을 추정할 수 있다. 이와 같은 깊이지도 추정과정의 전체 흐름도는 도 12와 같다.
영상이 입력되면(S121), 암 채널(Dark channel extraction)을 추출하고(S122), 대기 산란광을 추출한(S123) 후 트랜스미션(transmission)을 추정하고(S124) 트랜스미션 및 거리를 매칭시켜 깊이 지도를 얻는다(S125).
깊이지도 추정과정에서 암 채널(dark channel) 추출 과정(S122)은 영상 각 픽셀의 색상 요소 중 가장 최소값을 추출하는 단계로 nxn크기의 패치를 이용하여 추출할 수 있다. 이와 관련된 수식은 아래 수학식 2와 같다.
Figure 112012079715163-pat00002
위의 암 채널 추출 후 대개 대기 산란광은 영상 내 가장 밝은 패치(patch) 값을 이용하여 얻어질 수 있으며, 오차를 줄이기 위해 영상 내 패치 중 가장 밝은 영역들 중 상위 10%의 평균을 이용하여 얻을 수 있다.
암 채널과 대기 산란광 추정 후 트랜스미션(Transmission) 추정을 위해 도 11의 안개 감지 모델을 다시 살펴보면 영상 합성 알고리즘 등에서 볼 수 있는 알파 지도(Alpha map)와 유사하다는 판단을 할 수 있으며, 본 알고리즘에서는 라플레시안 커널(Laplacian kernel)을 이용하여 깊이 지도를 추정한다. 추정은 다음 수학식 3과 같은 비용함수(E(t))를 최소화하는 t(x)를 추정하면 된다.
Figure 112012079715163-pat00003
여기에서 t~는 이전 과정에서 추정된 대기 산란광 값과 암 채널 추정과정을 이용하여 수학식 4와 표현된다.
Figure 112012079715163-pat00004
여기서 L은 라플레시안 커널(Laplacian kernel)로 영상의 각 픽셀(i,j)의 값을 추정하기 위해 아래 수학식 5와 같이 정의된다.
Figure 112012079715163-pat00005
이 식에서 Ii와 Ij는 입력영상의 색상이고, δij는 크로네커 델타(Kronecker delta)이며, μk와 ∑k는 윈도우wk의 평균과 공분산이다. U3은 3x3 크기의 항등행렬이다.
수학식 3 내지 수학식 5를 이용하면 최적의 트랜스미션(t~)은 수학식 6과 같이 얻어질 수 있으며 보통 ρ의 경우 경험적 추정을 통해 얻어진다.
Figure 112012079715163-pat00006
위 수학식 6에 의해 얻어진 값은 먼 거리에 따라 값의 변화를 갖고 있지만 실제 거리와의 관계는 정의할 수 없다. 이 관계를 정의하기 위해 S100 단계에서 추정된 호모그래피 매트릭스(Homography matrix)를 이용하여 거리별 트랜스미션 값의 범위를 맵핑하여 깊이 지도를 추정하며, 이를 기준으로 실시간 입력 영상에 대한 조명 성분 추정 및 트랜스미션 추정을 통해 안개에 의한 가시거리를 측정한다.
도 13의 a)는 입력 영상일 나타낸 것이고, b)는 암 채널 추출 영상이며, c)는 트랜스미션 추정 영상이다.
마지막으로, 영상 내 유효 영역의 마스크를 추출하는 단계(S130)에 대해 설명한다.
영상 내 가시영역 판단을 위해 우선 영상 내 유효 영역을 판단해야한다. 이는 영상 내 하늘과 지면을 구분하기 위한 것으로 일반적으로 영상 내 하늘 부분에서는 안개 감지를 위해 에지검출 및 히스토그램 비교 등을 위한 정보를 추출하기 어렵기 때문이다. 영상 내 거리가 무한대인 지점이라 하는 것은 보통 소실점과 이와 만나는 수평선을 무한대 거리인 지점으로 판단한다. 이를 위해 본 안개감지 시스템에서는 에지(가장자리) 검출 및 허프 변환 등의 알고리즘을 통해 도 14와 같이 소실점을 찾음으로 무한대 거리인 지점을 판단한다. 또한 소실점을 기준으로 위쪽 영역 내에서 하늘 영역을 추출한다. 이와 같은 무한대 거리 지점 검출은 초기 시스템 설치 후 캘리브레이션 과정에서 한번만 수행되며, 추출된 결과를 이용하여 가시 영역 판단 시 사용된다.
이하, 도 6의 안개감지과정(S200)을 각 단계별로 보다 상세하게 설명한다.
먼저, 주간 안개감지 과정(S210)에 대해 설명한다.
비 이동 영역 생성(S211)
카메라를 통해 영상 분석할 때 오류를 발생시키는 가장 큰 요소 중 하나는 눈, 비 등의 환경적 간섭 및 카메라 자체의 노이즈, 검지하고자하는 대상이 아닌 물체 등에 의한 오류 등이다. 보통 이러한 요소들은 영상 내 고주파 성분을 포함하고 있으며, 이에 대한 영향을 최소화하기 위해 본 소프트웨어에서는 정의된 주기의 영상을 누적한 평균 영상을 이용한다. 보통 카메라 노이즈나 이동차량, 눈, 비의 경우 영상 내 고주파(빠르게 변하는) 성분을 갖고 있기 때문에 일정 주기의 영상 누적을 통해 이러한 간섭을 줄일 수 있다. 도 15는 눈이나 비와 같은 환경적 간섭 요소에 의해 오류가 발생된 영상의 예를 도시한 도면이다.
실제 안개 감지의 경우 입력되는 매 프레임을 처리해서 결과를 알려주는 즉각적 시스템이 아니고, 또한 안개 생성 속도가 빠르지 않기 때문에 적용에 지장이 없다. 도 16은 프레임 누적을 통한 비 이동영역이 생성된 예를 도시한 도면이다.
깊이지도(Depth map) 추정 및 히스토그램 분석(S213)
실시간 입력되는 영상에서 안개 여부를 판단하기 위해서는 초기화 과정에서 진행했던 깊이지도 추정과정을 반복함으로써 안개 여부 및 가시거리를 측정한다. 실제 안개가 없는 맑은 날의 경우 깊이 지도와 안개 상황의 깊이 지도를 비교해보면 도 17과 같이 히스토그램의 평균 및 분산의 값이 변함을 알 수 있다.
또한 안개 농도에 따라 깊이 지도는 보이지 않는 영역에서 최소의 값을 갖기 때문에 초기화 과정에서 획득한 도로 영역 중 안개에 따라 최소의 값을 갖는 위치(카메라와 가장 먼 위치) 추출 후 보정 매트릭스(Rectification matrix)를 통해 변환하여 시정거리를 측정할 수 있다. 도 18은 옅은 안개와 짙은 안개 상황시에 최대 가시 지점을 표시한 도면이다.
다음으로, 야간 안개감지 과정(S260)에 대해 설명한다.
야간 안개 감지는 도로 주변에 설치된 가로등 불빛의 산란 정도와 차량 헤드라이트 검출을 통한 차량의 최후 검지거리를 이용하여 안개 감지 및 시정거리를 측정한다. 보편적으로 가로등의 경우 도로 주변 일정 높이에 일정 거리를 두고 설치되기 때문에 각 가로등의 거리를 사용자 설정이나 이전 검출된 도로 영역 거리 추출을 위한 보정 매트릭스를 이용할 수 있고, 영상 내 최대 보여지는 가로등의 수를 이용하여 대략적인 가시거리를 정의 할 수 있다. 하지만 보다 정확한 가시 거리측정을 위해 이동하는 차량을 검출 및 추적하여 도로 상 최종 추적 위치를 추출한다.
도 19는 도로 주변에 설치된 가로등을 도시한 도면이다. 이와 같은 야간 안개감지 과정은 아래와 같다.
광원 위치 추정(S261)
야간 안개감지 과정을 수행하기 위해 우선적으로 영상 내 있는 모든 광원의 위치를 검출하여야 하는데 본 광원 위치 추정의 전체 흐름도는 도 20과 같다.
즉, 영상이 입력되면(S261a), 회색성분을 추출하고(S261b) 가우시안의 라플레시안 필터링을 거쳐(S261c), 빛 성분을 추출하고(S261d) 추출된 빛 성분의 타입을 분류한다(S261e).
이러한 과정에서 야간 영상의 광원의 경우 대개 원형으로 나타나며, 광원 중심은 광도가 높아 포화(Saturation) 되고 주변으로 갈수록 광도가 줄어드는 특성을 띈다. 이러한 특성을 기반으로 실시간 입력되는 컬러 영상의 밝기 성분(Gray, Intensity)을 추출하여 정의된 크기의 LoG(Laplacian of Gaussian) 필터링 후 이진화, 외곽선 추적 및 중심기준 원 형태를 나타내는 위치를 검출한다. 영상 내 전체적 광원 추출 후 각 광원에 대해 가로등 후보 광원과 차량헤드라이트 후보 광원을 분류한다. 이때 가로등의 경우 도로변 주변의 수직으로 설치되며, 일정거리를 두고 이동하지 않는 광원들을 후보로 정의하고, 차량의 경우 검출된 광원 위치 주변에 일정거리 내에 있는 비슷한 지름을 갖는 광원이 있으면 이를 한 쌍으로 차량 후보 광원으로 분류한다.
도 21은 야간 영상 광원 추정 예를 도시한 도면이다. 도 21의 a)는 야간 원 영상이고, b)는 라플레이스 커널을 이용한 광원 후보 검출 영상이고, c)는 광원 추정 영상이다.
가로등 불빛 영역 검출(S262) 및 불빛 산란정도 측정(S263)
야간 영상 내 가로등은 S100 단계에서 검출된 가로등 후보 광원 위치가 시간에 따라 움직이지 않는 특성 및 도로에 수직인 위치에 설치된다는 특징을 이용하여 쉽게 검출할 수 있다. 이후 안개 검지는 불빛의 한 산란 정도를 이용하여 검지되는데 이는 불빛의 경우 광원 중심 기준으로 대개 도 22와 같이 가우시안 형태로 불빛이 산란되는 특성을 기준으로 사전 훈련된 통계적인 평균 및 분산을 이용하여 안개 정도를 검출한다.
도 23은 안개 증가에 따른 가우시안 그래프 형태의 변화 예를 도시한 도면이다.
도시된 그래프와 같이 비나 안개 시 가로등 불빛의 경우 산란정도가 심하지 않기 때문에 광원을 중심으로 가파른 기울기를 같은 형태의 가우시안 그래프형태를 띄며, 안개 시 산란정도가 심하기 때문에 광원을 최대값은 약간 감소한 상태에서 완만한 형태의 가우시안 그래프 형태를 띠게 된다.
차량 불빛 검출(S264) 및 추적과 거리측정(S265)
S100 단계를 통해 검출된 차량 불빛을 이용하여 가시거리를 측정하기 위해서는 연속적으로 입력되는 프레임 내에서 검출된 차량 불빛을 추적해야하며, 추적된 차량 중 카메라와 가장 가까운 거리에서 먼 곳으로 이동하는 차량의 최후 검출 위치를 추출해야 한다. 대개 차량의 불빛의 경우 도로면과 수직으로, 이동 시 높이 변화가 없고 도로면에서 일정 높이에 있기 때문에 검출된 위치를 초기화 과정에서 획득한 보상 매트릭스(Rectification matrix)를 이용한 변환을 그대로 적용할 수 있다. 본 알고리즘에서 차량 추적의 경우는 이전 검출되었던 차량 불빛 쌍들과 현재 검출된 차량 불빛 쌍들에서 가장 가까운 위치에 있는 비슷한 지름을 갖는 불빛 쌍이 같은 차량의 것으로 정의하여 추정을 수행한다.
안개 단계 판단(S266) 및 출력(S267)
안개 단계 판단 및 출력 과정에서는 주간 및 야간 안개 검지 과정을 통해 계산된 가시거리를 이용하여 아래 표 1과 같이 거리별 단계를 구분한다. 구분된 결과에 따라 안개 시 사전 정의된 메시지를 가변표시부(300)로 전송한다.
Figure 112012079715163-pat00007
이상에서는 본 발명에서 특정의 바람직한 실시예에 대하여 도시하고 또한 설명하였다. 그러나 본 발명은 상술한 실시예에 한정되지 아니하며, 특허 청구의 범위에서 첨부하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형 및 균등한 타 실시가 가능할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 첨부한 특허청구범위에 의해서만 정해져야 할 것이다.

Claims (15)

  1. 카메라에 의해 촬영되어 입력되는 영상을 분석하여 영상 내에서 안개 감지를 위해 분석이 필요한 유효영역을 검출하는 유효영역 검출과정; 및
    검출한 상기 유효 영역에 대해 주간 안개감지과정 및 야간 안개감지 과정으로 나누어 각각에 대해 안개 감지 분석을 실시하고, 그 결과에 따라 각각 시정거리를 계산하고 안개 상태를 판단하여 그 결과를 출력하는 안개감지과정;을 포함하며,
    상기 유효영역 검출과정은,
    상기 영상으로부터 도로 영역을 검출하고 영상 보정 매트릭스(Rectification matrix)를 추정하는 단계;
    추정 정보가 포함된 영상에 대해 조명성분 추정을 통해 기준 깊이지도(Depth map)를 추정하고 히스토그램을 추정하는 단계; 및
    영상 내 하늘 영역을 제거하기 위해 상기 히스토그램이 추정된 영상 내 유효 영역의 마스크를 추출하는 단계;를 포함하는 촬영된 영상의 처리를 이용한 안개 감지 방법.
  2. 삭제
  3. 제 1항에 있어서,
    상기 주간 안개감지 과정은,
    실시간 입력되는 상기 영상을 이용하여 정의된 주기 동안 누적을 통해 카메라 움직임 및 노이즈, 이동물체 등에 의한 간섭을 최소화 하기위한 비 이동 영역 생성(Make Non-Movement Area) 단계;
    상기 영상 내 조명 성분을 추정하는 단계; 및
    추정된 상기 조명 성분을 이용한 깊이지도(Depth map)를 추정하고 깊이 지도의 히스토그램 분석을 통한 시정 영역 검출 및 시정거리 추정 단계;를 포함하는 촬영된 영상의 처리를 이용한 안개 감지 방법.
  4. 제 1항에 있어서,
    상기 야간 안개감지 과정은,
    상기 영상으로부터 광원 위치를 추정하는 단계;
    거리별 가로등의 불빛 영역을 검출하는 단계; 및
    상기 불빛 영역이 검출된 영상에 대해 불빛 분산 정도를 검출하는 단계;를 포함하는 촬영된 영상의 처리를 이용한 안개 감지 방법.
  5. 제 1항에 있어서,
    상기 야간 안개감지 과정은,
    상기 영상으로부터 광원 위치를 추정하는 단계;
    차량의 불빛을 검출 및 추적하는 단계;
    상기 검출 및 추적 결과를 이용하여 시정거리를 측정하는 단계;를 포함하는 촬영된 영상의 처리를 이용한 안개 감지 방법.
  6. 제 1항에 있어서,
    상기 도로영역검출 및 영상보정매트릭스추정 단계는,
    상기 영상이 입력되면, 입력영상의 채도영상을 생성하는 단계;
    상기 채도영상에서 에지(가장자리)를 검출하는 단계;
    상기 에지가 검출된 영상에 대해 허프 변환을 수행하는 단계;
    상기 허프 변환된 영상에 대해 로컬 최적화를 통해 도로 영역을 검출하는 단계;
    상기 도로 영역에 대한 한 쌍의 경계선을 추출하는 단계; 및
    상기 경계선이 추출된 영상에 대해 보정 요소를 추정하여 상기 경계선을 기준으로 영상을 보정하는 단계;를 포함하는 촬영된 영상의 처리를 이용한 안개 감지 방법.
  7. 제 6항에 있어서,
    상기 기준 깊이지도 추정단계는,
    상기 영상이 입력되면, 암 채널(Dark channel extraction)을 추출하는 단계;
    상기 암 채널이 추출된 영상에 대해 대기 산란광을 추출하는 단계;
    상기 대기 산란광이 추출된 영상에 대해 트랜스미션(transmission)을 추정하는 단계; 및
    상기 트랜스미션 및 거리를 매칭시켜 상기 영상의 깊이 지도를 추정하는 단계;를 포함하는 촬영된 영상의 처리를 이용한 안개 감지 방법.
  8. 제 3항에 있어서,
    상기 비 이동 영역 생성 단계에서는 기 정의된 주기의 영상이 누적된 평균 영상을 이용하여 상기 비 이동 영역을 생성하는 촬영된 영상의 처리를 이용한 안개 감지 방법.
  9. 제 4항 또는 제 5항에 있어서,
    상기 광원 위치 추정 단계는,
    상기 영상이 입력되면 회색성분을 추출하는 단계;
    상기 회색성분이 추출된 영상에 대해 가우시안의 라플레시안 필터링을 수행하는 단계;
    상기 필터링된 영상으로부터 빛 성분을 추출하는 단계; 및
    상기 추출된 빛 성분의 타입을 분류하는 단계;를 포함하는 촬영된 영상의 처리를 이용한 안개 감지 방법.
  10. 제 9항에 있어서,
    상기 광원 위치 추정 단계는, 상기 영상에 포함된 가로등 중에서 도로변 주변의 수직으로 설치되며, 일정거리를 두고 이동하지 않는 광원들을 상기 광원의 위치 추정 대상 후보로 선택하는 것을 특징으로 하는 촬영된 영상의 처리를 이용한 안개 감지 방법.
  11. 제 9항에 있어서,
    상기 광원 위치 추정 단계는, 상기 영상에 포함된 차량 불빛 중에서 검출된 광원 위치 주변에 일정거리 내에 있는 기 설정된 허용 차이 내의 지름을 갖는 한 쌍 차량 광원을 상기 광원의 위치 추정 대상 후보로 선택하는 것을 특징으로 하는 촬영된 영상의 처리를 이용한 안개 감지 방법.
  12. 네트워크를 통해 통신 접속된 카메라로부터 실시간 촬영된 영상을 수신하는 카메라 인터페이스;
    상기 영상에 대한 영상 인식 분석을 통해 안개 상태를 감지하는 영상 인식 모듈;
    상기 영상에 대한 인식된 결과 정보를 화면에 표출 및 저장하는 어플리케이션부;
    상기 영상에 대한 인식된 결과 정보인 안개 상태 정보를 표시할 수 있는 외부 표시장치로 전송하는 디스플레이 인터페이스; 및
    시스템을 운용하는 운영체제(OS);를 포함하며,
    상기 영상 인식 모듈은,
    상기 카메라에 의해 촬영되어 입력되는 영상을 분석하여 영상 내에서 안개 감지를 위해 분석이 필요한 유효영역을 검출하고, 검출한 상기 유효 영역에 대해 주간 안개감지과정 및 야간 안개감지 과정으로 나누어 각각에 대해 안개 감지 분석을 실시한 후 그 결과에 따라 각각 시정거리를 계산하고 안개 상태를 판단하여 그 결과를 출력하며,
    상기 영상 인식 모듈은,
    상기 영상으로부터 도로 영역을 검출하고 영상 보정 매트릭스(Rectification matrix)를 추정하고, 추정 정보가 포함된 영상에 대해 조명성분 추정을 통해 기준 깊이지도(Depth map)를 추정하고 히스토그램을 추정하며, 영상 내 하늘 영역을 제거하기 위해 상기 히스토그램이 추정된 영상 내 유효 영역의 마스크를 추출하여, 상기 영상에 대한 유효영역을 검출하는 것을 특징으로 하는 촬영된 영상의 처리를 이용한 안개 감지 장치.
  13. 삭제
  14. 제 12항에 있어서,
    상기 영상 인식 모듈은,
    상기 영상이 입력되면, 입력영상의 채도영상을 생성하고, 상기 채도영상에서 에지(가장자리)를 검출하며, 상기 에지가 검출된 영상에 대해 허프 변환을 수행하고, 상기 허프 변환된 영상에 대해 로컬 최적화를 통해 도로 영역을 검출하며, 상기 도로 영역에 대한 한 쌍의 경계선을 추출하고, 상기 경계선이 추출된 영상에 대해 보정 요소를 추정하여 상기 경계선을 기준으로 영상을 보정하여, 상기 도로영역검출 및 영상보정매트릭스 추정을 수행하는 것을 특징으로 하는 촬영된 영상의 처리를 이용한 안개 감지 장치.
  15. 제 14항에 있어서,
    상기 영상 인식 모듈은,
    상기 영상이 입력되면, 암 채널(Dark channel extraction)을 추출하는 단계;
    상기 암 채널이 추출된 영상에 대해 대기 산란광을 추출하고, 상기 대기 산란광이 추출된 영상에 대해 트랜스미션(transmission)을 추정하며, 상기 트랜스미션 및 거리를 매칭시켜 상기 영상의 깊이 지도를 추정하여 상기 기준 깊이지도 추정하는 것을 특징으로 하는 촬영된 영상의 처리를 이용한 안개 감지 장치.
KR1020120109204A 2012-09-28 2012-09-28 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치 KR101364727B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120109204A KR101364727B1 (ko) 2012-09-28 2012-09-28 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120109204A KR101364727B1 (ko) 2012-09-28 2012-09-28 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101364727B1 true KR101364727B1 (ko) 2014-02-20

Family

ID=50271411

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120109204A KR101364727B1 (ko) 2012-09-28 2012-09-28 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101364727B1 (ko)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101840761B1 (ko) * 2017-04-18 2018-03-21 조재찬 영상 인식 감지 장치 및 그 방법
KR101867869B1 (ko) * 2018-01-29 2018-06-29 블루카이트주식회사 가로등 기반 재난 대응 시스템
KR101949968B1 (ko) * 2018-06-04 2019-02-21 주식회사 유에스티21 안개 성분이 포함된 이미지의 시정거리를 결정하는 장치 및 방법
KR20190070825A (ko) * 2017-12-13 2019-06-21 국민대학교산학협력단 광학 카메라 통신을 이용하는 광원 검출 방법 및 장치
CN110097762A (zh) * 2019-03-25 2019-08-06 南京微达电子科技有限公司 一种道路视频图像低能见度刻度估算方法及系统
CN110378865A (zh) * 2019-04-28 2019-10-25 湖南师范大学 一种复杂背景下的雾天能见度智能分级识别方法及系统
KR102095299B1 (ko) * 2018-11-07 2020-03-31 (주)시정 야간 시정계
US10853685B2 (en) 2017-04-03 2020-12-01 Hanwha Techwin Co., Ltd. Method and apparatus for detecting fog from image
KR20210044127A (ko) * 2019-10-14 2021-04-22 주식회사 에드오션 영상 분석 기반 가시거리 측정 및 경보 시스템 및 방법
KR102267517B1 (ko) * 2020-07-22 2021-06-22 재단법인 서울특별시 서울기술연구원 도로 안개감지 장치 및 그 감지 방법
CN113436283A (zh) * 2021-06-24 2021-09-24 长安大学 团雾检测方法、系统、装置、存储介质及前端装置
KR102346752B1 (ko) 2021-11-04 2022-01-03 주식회사 케이피엔 저시정 영상개선 기능을 갖는 영상처리 시스템 및 이의 영상처리 방법
KR102356907B1 (ko) * 2021-06-17 2022-02-08 주식회사 인피닉 인공지능 학습용 데이터의 메타데이터 입력 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램
KR102460705B1 (ko) * 2021-08-31 2022-11-03 (주)유에스티21 인공지능을 기반으로 하는 촬영영상을 이용한 해무 판별 방법 및 그 장치
KR102471542B1 (ko) * 2022-01-04 2022-11-28 재단법인 서울특별시 서울기술연구원 Cctv 개방정보를 이용한 야간 도로 안개감지 시스템 및 그 감지 방법
KR20230024093A (ko) 2021-08-11 2023-02-20 충북대학교 산학협력단 영상처리 기반의 안개 감지 장치
KR102544504B1 (ko) * 2022-08-18 2023-06-20 (주)에스알디코리아 안개 인식 소산 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002116008A (ja) 2000-10-11 2002-04-19 Fujitsu Ltd 距離測定装置及び映像監視装置
KR101032160B1 (ko) * 2009-10-06 2011-05-02 충주대학교 산학협력단 카메라를 이용한 도로 시정 측정 시스템 및 그 방법
KR20110066987A (ko) * 2009-12-12 2011-06-20 주식회사하남엔지니어링 우수농산물을 위한 통합원격관제 및 관리시스템
JP2011205252A (ja) 2010-03-24 2011-10-13 Nippon Telegr & Teleph Corp <Ntt> 映像品質客観評価装置及び方法及びプログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002116008A (ja) 2000-10-11 2002-04-19 Fujitsu Ltd 距離測定装置及び映像監視装置
KR101032160B1 (ko) * 2009-10-06 2011-05-02 충주대학교 산학협력단 카메라를 이용한 도로 시정 측정 시스템 및 그 방법
KR20110066987A (ko) * 2009-12-12 2011-06-20 주식회사하남엔지니어링 우수농산물을 위한 통합원격관제 및 관리시스템
JP2011205252A (ja) 2010-03-24 2011-10-13 Nippon Telegr & Teleph Corp <Ntt> 映像品質客観評価装置及び方法及びプログラム

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10853685B2 (en) 2017-04-03 2020-12-01 Hanwha Techwin Co., Ltd. Method and apparatus for detecting fog from image
KR101840761B1 (ko) * 2017-04-18 2018-03-21 조재찬 영상 인식 감지 장치 및 그 방법
KR20190070825A (ko) * 2017-12-13 2019-06-21 국민대학교산학협력단 광학 카메라 통신을 이용하는 광원 검출 방법 및 장치
KR101993063B1 (ko) * 2017-12-13 2019-06-26 국민대학교산학협력단 광학 카메라 통신을 이용하는 광원 검출 방법 및 장치
KR101867869B1 (ko) * 2018-01-29 2018-06-29 블루카이트주식회사 가로등 기반 재난 대응 시스템
KR101949968B1 (ko) * 2018-06-04 2019-02-21 주식회사 유에스티21 안개 성분이 포함된 이미지의 시정거리를 결정하는 장치 및 방법
KR102095299B1 (ko) * 2018-11-07 2020-03-31 (주)시정 야간 시정계
CN110097762A (zh) * 2019-03-25 2019-08-06 南京微达电子科技有限公司 一种道路视频图像低能见度刻度估算方法及系统
CN110378865A (zh) * 2019-04-28 2019-10-25 湖南师范大学 一种复杂背景下的雾天能见度智能分级识别方法及系统
KR102259981B1 (ko) * 2019-10-14 2021-06-02 주식회사 에드오션 영상 분석 기반 가시거리 측정 및 경보 시스템 및 방법
KR20210044127A (ko) * 2019-10-14 2021-04-22 주식회사 에드오션 영상 분석 기반 가시거리 측정 및 경보 시스템 및 방법
KR102267517B1 (ko) * 2020-07-22 2021-06-22 재단법인 서울특별시 서울기술연구원 도로 안개감지 장치 및 그 감지 방법
US11398054B2 (en) 2020-07-22 2022-07-26 Seoul Institute Of Technology Apparatus and method for detecting fog on road
KR102356907B1 (ko) * 2021-06-17 2022-02-08 주식회사 인피닉 인공지능 학습용 데이터의 메타데이터 입력 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램
CN113436283A (zh) * 2021-06-24 2021-09-24 长安大学 团雾检测方法、系统、装置、存储介质及前端装置
CN113436283B (zh) * 2021-06-24 2024-01-30 长安大学 团雾检测方法、系统、装置、存储介质及前端装置
KR20230024093A (ko) 2021-08-11 2023-02-20 충북대학교 산학협력단 영상처리 기반의 안개 감지 장치
KR102460705B1 (ko) * 2021-08-31 2022-11-03 (주)유에스티21 인공지능을 기반으로 하는 촬영영상을 이용한 해무 판별 방법 및 그 장치
KR102346752B1 (ko) 2021-11-04 2022-01-03 주식회사 케이피엔 저시정 영상개선 기능을 갖는 영상처리 시스템 및 이의 영상처리 방법
KR102471542B1 (ko) * 2022-01-04 2022-11-28 재단법인 서울특별시 서울기술연구원 Cctv 개방정보를 이용한 야간 도로 안개감지 시스템 및 그 감지 방법
KR102544504B1 (ko) * 2022-08-18 2023-06-20 (주)에스알디코리아 안개 인식 소산 시스템

Similar Documents

Publication Publication Date Title
KR101364727B1 (ko) 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치
CN112215306B (zh) 一种基于单目视觉与毫米波雷达融合的目标检测方法
CN101918980B (zh) 跑道监视系统和方法
RU2636120C2 (ru) Устройство обнаружения трехмерных объектов
Hautière et al. Real-time disparity contrast combination for onboard estimation of the visibility distance
Hautière et al. Towards fog-free in-vehicle vision systems through contrast restoration
Negru et al. Image based fog detection and visibility estimation for driving assistance systems
JP3822515B2 (ja) 障害物検知装置及びその方法
US9070023B2 (en) System and method of alerting a driver that visual perception of pedestrian may be difficult
US7970178B2 (en) Visibility range estimation method and system
CN108197523B (zh) 基于图像转换及轮廓邻域差异的夜间车辆检测方法及系统
CN105049784B (zh) 用于基于图像的视距估计的方法和设备
JP2007234019A (ja) 車両画像領域特定装置およびその方法
CN106096512B (zh) 利用深度摄像头对车辆或行人进行识别的检测装置及方法
KR101191308B1 (ko) 지능형 운송 시스템의 도로 및 차선 검출 시스템 및 방법
GB2503328A (en) Method and system for determining vehicle speed using contact points between the tyres and the road
KR20130051681A (ko) 노면 표식물 인식 시스템 및 방법
KR101026778B1 (ko) 차량 영상 검지 장치
JP2011209896A (ja) 障害物検知装置、障害物検知方法及び障害物検知プログラム
Hautiere et al. Meteorological conditions processing for vision-based traffic monitoring
KR101381580B1 (ko) 다양한 조명 환경에 강인한 영상 내 차량 위치 판단 방법 및 시스템
KR102259981B1 (ko) 영상 분석 기반 가시거리 측정 및 경보 시스템 및 방법
CN109978842A (zh) 一种基于摄像头图像的能见度解析方法
Wan et al. Vehicle detection algorithm based on light pairing and tracking at nighttime
Hautière¹ et al. Perception through scattering media for autonomous vehicles

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170210

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180209

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190212

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20200203

Year of fee payment: 7