[发明专利]基于人工神经网络的投射信息识别装置及其方法

说明书

本发明涉及基于人工神经网络的投射信息识别装置及其方法，所述装置能够基于人工神经网络学习由相邻车辆投射在路面上的信息(投射信息)并且还对投射在基于车辆的行驶方向确定的感兴趣区域(ROI)上的信息进行识别。所述装置包括：对象检测装置，其基于第一卷积神经网络(CNN)来检测图像中的对象；投射信息分类装置，其对所述对象检测装置检测到的对象中位于路面上的投射信息进行分类；以及控制器，其对位于感兴趣区域(ROI)中的投射信息进行识别。

相关申请的交叉引用

本申请要求2019年5月21日提交的韩国专利申请No.10-2019-0059207的优先权和权益，该申请的全部内容以引用的方式并入本文。

技术领域

本发明涉及一种基于人工神经网络识别由相邻车辆投射在路面上的信息(投射信息)的技术。

背景技术

本部分中的陈述仅提供涉及本发明的背景信息并且不构成现有技术。

一般而言，深度学习或深度神经网络是一种机器学习，并且其包括输入与输出之间的多层人工神经网络(artificial neural network，ANN)。根据结构、待解决的问题或目的，这种人工神经网络可以包括卷积神经网络(Convolution Neural Network，CNN)或循环神经网络(Recurrent Neural Network，RNN)。

深度学习用于解决各种问题，例如，分类、回归、定位、检测、分割等。具体地，在自动驾驶系统中，语义分割和对象检测技术已被用于识别动态或静态障碍物的位置和类型。

语义分割是指基于具有相同语义含义的像素，通过对像素进行分类和预测将图像划分为若干分割部分，以在图像中找到所需的对象，从而不仅确定在图像中存在哪些对象，而且还准确地识别出具有相同含义的像素(相同对象)的位置。

对象检测是指对图像中的对象的类型进行分类和预测，并且通过对边框进行回归预测找到对象的位置信息，从而不仅识别出图像中存在哪种对象，而且识别出对象的位置信息，不仅仅是简单的分类。

近来，已经开发了信息投射技术以减少或避免交通事故。例如，以标记(例如，符号、字符等)的形式将车辆的方向信息(例如，转弯信号信息)、车辆的状态信息(例如，制动信息)等投射在路面上。

车辆的驾驶员可以预测前车是否可能进行左转弯、右转弯或停车，从而辅助车辆的安全驾驶。然而，已经发现，由于该传统技术依赖于驾驶员来识别投射的标记，所以当车辆以驾驶员不参与车辆驾驶的自动驾驶模式运行时，可能无法利用该技术。因此，自动驾驶车辆可能无法通过利用由相邻车辆投射在路面上的这种标记来提高驾驶安全性。

发明内容

本发明的一方面提供一种基于人工神经网络的投射信息识别装置及方法，其能够基于人工神经网络学习由相邻车辆投射在路面上的信息(投射信息)，并且基于所述学习对投射在对应于车辆的行驶方向的感兴趣区域(region of interest，ROI)上的信息进行识别，从而提高了车辆的行驶安全性。

本发明的构思要解决的技术问题不限于上述问题，本发明所属领域的技术人员通过以下描述将清楚地理解本文未提及的任何其它技术问题。还应当显而易见的是，本发明的目的和优点可以通过所附权利要求中特别指出的手段和组合来实现。

根据本发明的一个方面，一种基于人工神经网络的投射信息识别装置包括：对象检测装置，其基于第一卷积神经网络(Convolution Neural Network，CNN)来检测图像中的对象；投射信息分类装置，其对所述对象检测装置检测到的对象中位于路面上的投射信息进行分类；以及控制器，其基于由所述投射信息分类装置分类的投射信息来识别位于对应于车辆的行驶方向的感兴趣区域(ROI)中的投射信息。