KR-20260061582-A - Apparatus and method for detecting status of surface of road

Abstract

본 발명의 실시예에 따르는 도로 상태 탐지 시스템은, RTK를 이용해 차량이 이동한 제1 거리를 산출하고, 휠센서를 이용해 차량이 이동한 제2 거리를 산출하고, 산출된 제1 및 제2 거리에 따르는 거리차이를 실시간으로 계산하여 구간별 도로의 정상 여부를 판단하고, 비정상으로 판단된 구간에서 가시광 영상과 열화상 영상을 획득하여 관제서버에 상기 거리차이, 상기 비정상 구간의 위치 및 상기 획득한 영상들을 무선 송출하는 차량단말; 및 수신된 데이터를 토대로 기존의 데이터와 비교하여 도로의 상태를 판단하고, 상기 비정상 구간의 위치에 상기 도로의 상태를 표시하고, 관련 정보를 유관기관에 전달하는 관제서버를 포함하고, 상기 차량은, 제1 위치에 형성되어 상기 도로의 가시광 영상을 획득하는 제1 카메라; 제2 위치에 형성되어 상기 도로의 열화상 영상을 획득하는 제2 카메라; 및 상기 차량의 후방 양측에 각각 형성되고, 상기 차량에 의해 탄성적으로 지지되면서, 상기 차량이 이동할 때 휠의 회전에 따라 상기 제2 거리를 각각 측정하도록 형성되는 휠센서들을 포함한다.

Inventors

• 김병석
• 강성권
• 구형규
• 황휘모

Assignees

• 제이아이엔시스템 주식회사

Dates

Publication Date

20260506

Application Date

20241028

Claims (5)

1. RTK를 이용해 차량이 이동한 제1 거리를 산출하고, 휠센서를 이용해 차량이 이동한 제2 거리를 산출하고, 산출된 제1 및 제2 거리에 따르는 거리차이를 실시간으로 계산하여 구간별 도로의 정상 여부를 판단하고, 비정상으로 판단된 구간에서 가시광 영상과 열화상 영상을 획득하여 관제서버에 상기 거리차이, 상기 비정상 구간의 위치 및 상기 획득한 영상들을 무선 송출하는 차량단말; 및 수신된 데이터를 토대로 기존의 데이터와 비교하여 도로의 상태를 판단하고, 상기 비정상 구간의 위치에 상기 도로의 상태를 표시하고, 관련 정보를 유관기관에 전달하는 관제서버를 포함하고, 상기 차량은, 제1 위치에 형성되어 상기 도로의 가시광 영상을 획득하는 제1 카메라; 제2 위치에 형성되어 상기 도로의 열화상 영상을 획득하는 제2 카메라; 및 상기 차량의 후방 양측에 각각 형성되고, 상기 차량에 의해 탄성적으로 지지되면서, 상기 차량이 이동할 때 휠의 회전에 따라 상기 제2 거리를 각각 측정하도록 형성되는 휠센서들을 포함하고, 상기 제2 거리는 상기 휠센서들을 통해 측정된 거리들의 평균값인 것을 특징으로 하는 도로 상태 탐지 시스템.
2. 제1항에 있어서, 상기 제1 및 제2 카메라로부터 획득한 영상들에 기 설정된 특이사항이 발생할 때, 구간에 관한 정보와 영상들을 저장하고, 상기 구간에서 상기 휠의 단위 시간당 회전수에 관한 정보와 상기 저장된 영상들을 상기 관제서버에 송출하는 것을 특징으로 하는 도로 상태 탐지 시스템.
3. 차량에 탑재된 RTK 장치와 상기 차량에 복수로 장착된 휠 센서를 이용한 도로 상태 탐지방법에 있어서, 상기 차량이 이동할 때, 상기 RTK 장치를 통해 상기 차량이 이동한 제1 거리를 산출하는 단계; 상기 휠 센서들을 이용해 상기 차량이 이동한 제2 거리를 산출하는 단계; 및 산출된 상기 제1 거리와 상기 제2 거리의 거리차이를 실시간으로 계산하여 도로의 정상 여부를 판단하는 단계를 포함하고, 상기 제2 거리는 상기 휠센서들을 통해 측정된 거리들의 평균값인 것을 특징으로 하는 도로 상태 탐지방법.
4. 제3항에 있어서, 상기 도로가 비정상이라고 판단된 구간에서 촬영된 가시광선 영상과 열화상 영상을 획득하는 단계: 및 상기 거리차이, 상기 비정상 구간의 위치, 상기 획득한 영상들을 관제서버로 전송하는 단계를 더 포함하는 도로 상태 탐지방법.
5. 제4항에 있어서, 상기 관제서버가 상기 거리차이, 상기 비정상 구간의 위치 및 상기 획득한 영상들을 토대로 기존의 데이터와 비교하여 도로의 상태를 판단하고, 상기 차량이 이동한 경로 상의 상기 비정상 구간의 위치에 상기 도로의 상태를 표시하고, 관련 정보를 유관기관에 전달하는 단계를 더 포함하는 도로 상태 탐지방법.

Description

도로 상태 탐지 시스템 및 그 방법{Apparatus and method for detecting status of surface of road} 본 발명은 도로의 블랙 아이스, 포트홀 등을 탐지할 수 있는 시스템 및 그 방법에 관한 것이다. 블랙아이스는 낮 동안 내린 눈이나 비가 아스팔트 도로의 틈새에 스며들었다가 밤사이에 도로의 기름, 먼지 등과 섞여 도로 위에 얇게 얼어붙는 것을 칭하고 '도로 결빙 현상'이라고도 한다. 운전자는 도로 주행 시 눈에 잘 띄지 않고 단순히 도로가 조금 젖은 것으로 생각하기 쉽기 때문에 매년 블랙아이스로 인한 사고가 증가하고 있는 추세이고 이를 방지하고자 기술 개발도 많이 추진 중이지만 설계상 시간과 비용이 너무 많이 발생하는 문제점이 있다. 이와 관련된 기술로서 대한민국 등록특허공보 제10-1041022호인 '운전자를 위한 도로 결빙 예보 관리 시스템 및 방법'은 정보 리드 신호 수신 시 임의의 도로의 구간에 설치되어 노면의 날씨 환경을 센싱하여 날씨 환경 정보를 무선으로 송신하는 적어도 하나의 결빙 데이터 수집 센서 모듈과, 카메라를 구비하고, 정보 수집 이벤트 발생 시 상기 정보 리드 신호를 상기 결빙 데이터 수집 센서 모듈로 송신하고, 상기 정보 리드 신호에 응답하여 상기 날씨 환경 정보를 수신받아 미리 저장되어 있는 결빙 예측 조건 정보들과 비교하여 결빙 예측 조건을 만족하면 도로 결빙 예측을 통지한 후, 상기 카메라를 구동하여 상기 결빙데이터 수집 센서 모듈에 의해 결빙 가능성이 있는 것으로 예측된 도로 구간을 촬영하고 촬영된 영상데이터를 분석하여 빛의 반사도에 따라 도로의 결빙 여부를 판단하여 통보하는 결빙 예측 장치를 포함한다. 상기 종래 기술 역시도 도로의 노면 날씨 환경을 센싱하기 위한 센서모듈을 다수 개 설치해야 함으로 설계 시간이 오래 걸리고 그 비용도 많이 소요되는 문제점이 있고 빛의 반사도에 따라 결빙 여부를 판단하지만 외부 조건에 의해서 반사도가 오탐지될 문제점이 있으며 결빙 예측 조건에 만족하지 않는 특수한 환경 발생시 결빙을 판단할 수 없는 문제점이 있었다. 도 1은 본 발명의 실시예에 따르는 차량의 평면을 도시한 도면. 도 2는 도 1에 도시된 차량의 측면을 도시한 도면. 도 3은 본 발명의 실시예에 따르는 도로 상태 탐지 시스템의 구성도. 도 4는 도 3의 제1 카메라를 통해 획득한 영상. 도 5는 도 3의 제2 카메라를 통해 획득한 영상. 도 6은 본 발명의 실시예에 따르는 도로 상태 탐지 방법을 설명하기 위한 도면. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다. 다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다. 본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다. 이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다. 본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다. 도 1은 본 발명의 실시예에 따르는 차량의 평면을 도시한 도면이고, 도 2는 도 1에 도시된 차량의 측면을 도시한 도면이고, 도 3은 본 발명의 실시예에 따르는 도로 상태 탐지 시스템의 구성도이고, 도 4는 도 3의 제1 카메라를 통해 획득한 영상이고, 도 5는 도 3의 제2 카메라를 통해 획득한 영상이다. 도 1 내지 도 5를 참조하면, 본 발명의 실시예에 따르는 도로 상태 탐지 시스템(10)은 차량단말(100)과 관제서버(200)를 포함한다. 차량단말(100)은 차량(110)에 장착된다. 차량(110)에 제1 카메라(111), 제2 카메라(112) 및 휠센서(120, 130)가 구비된다. 제1 카메라(111)는 차량(110)의 제1 위치에 장착되어 도로의 가시광 영상을 획득하도록 형성된다. 여기서 제1 위치는 차량(110)의 앞부분 또는 뒷부분이 될 수 있다. 제2 카메라(112)는 차량(110)의 제2 위치에 장착되어 도로의 열화상 영상을 획득하도록 형성된다. 여기서 제2 위치는 차량(110)의 앞부분 또는 뒷부분이 될 수 있다. 제1 및 제2 카메라(111, 112)는 차량(110)에서 동일한 위치에 서로 인접하게 장착될 수도 있다. 획득한 영상들에서 빛 반사 또는 온도 감지를 통해 도로의 상태를 감지할 수 있다. 이 때, 인공지능 기반의 영상분석 방법이 적용될 수 있다. 일 예로, 제1 카메라(111)를 스테레오 카메라로 형성하고, 인공지능 기반의 인식 알고리즘을 이용하여 사전에 검출된 블랙아이스, 포트홀, 침수 등에 대한 학습 모델을 생성하고, 이를 반복 학습하여 현재 영상에서의 블랙아이스, 포트홀, 침수 등을 인식한다. 제어부는 데이터 어노데이션(data annotation)으로 인식된 블랙아이스, 포트홀, 침수 등을 설정하고 블랙아이스, 포트홀, 침수 등에 대한 데이터를 가공하여 바운딩 박스(bounding box)를 표시 및 분류하고, 욜로(YOLO : You Only Look Once) 아키텍쳐를 통해 선택된 블랙아이스, 포트홀, 침수 등에 대한 학습 모델을 반복 학습하여 블랙아이스, 포트홀, 침수 등을 검출할 수 있다. 휠센서(120, 130)들은 복수로 형성될 수 있다. 휠센서(120, 130)들은 차량(110)의 뒷부분에 형성될 수 있다. 휠센서(120, 130)들은 2개로 구현되는 경우 각각 차량(110)의 후방 양측에 형성된다. 휠센서(120, 130)들은 휠(122, 132)과 휠을 지지하는 탄성지지부(121, 131)를 포함하여 형성될 수 있다. 차량단말(100)은 통신부(140), RTK장치(150), 제어부(160) 및 저장부(170)를 포함한다. RTK장치는 RTK GPS 기반으로 차량(110)의 정밀한 위치를 측정하기 위한 것으로 차량(110)이 이동한 제1 거리를 산출하도록 형성된다. 그리고, 휠센서(120, 130)를 이용해서 차량(110)이 이동한 제2 거리를 산출할 수 있다. RTK장치를 이용하여 차량(110)이 이동한 제1 거리를 산출할 때, 휠센서(120, 130)는 휠의 단위 시간당 휠의 회전을 감지하여 제2 거리를 산출한다. 예를 들어, 휠의 외주가 50cm 라면, 1분간 50회전시 50*50인 2500cm의 거리를 1분동안 이동한 것으로 산출할 수 있다. 휠센서(120, 130)를 2개로 구현했을 때, 제2 거리는 제1 휠센서와 제2 휠센서에서 산출된 거리의 평균값(이하, '센서 평균값'이라고 한다.)이 될 수 있다. 제1 휠센서에서 산출된 제2-1 거리와 제2 휠센서에서