KR102191747B1

KR102191747B1 - 거리 측정 장치 및 방법

Info

Publication number: KR102191747B1
Application number: KR1020190035302A
Authority: KR
Inventors: 전국진; 김유미
Original assignee: 서울대학교산학협력단
Priority date: 2019-03-27
Filing date: 2019-03-27
Publication date: 2020-12-16
Also published as: KR20200114117A

Abstract

본 발명은 거리 측정 기술에 관한 것으로 더욱 상세하게는 가변조리개를 이용하여 취득한 복수의 영상 정보를 이용하여 거리를 측정하는 장치 및 방법에 관한 것이다. 본 발명의 일 실시 예에 따르면, 제작이 복잡하지 않고, 실시간으로 거리 측정이 가능하여 자동차, 로봇, 드론 등에 적용되는 경우 자율 주행 이동체에 활용될 수 있다.

Description

거리 측정 장치 및 방법{DISTANCE MEASUREMENT DEVICE AND METHOD}

본 발명은 거리 측정 기술에 관한 것으로 더욱 상세하게는 초점이 다른 복수의 영상정보를 이용하여 거리를 측정하는 거리 측정 장치 및 방법에 관한 것이다.

거리 측정 기술은 이동 로봇이나 자율 주행 차량 등의 자율 주행을 위한 핵심 기술이다. 이동 로봇은 신뢰성 있는 사물과의 거리 측정 결과에 기반하여 최적화된 경로 계획을 수립하고 이를 기반으로 안전한 운전 제어를 수행할 수 있다. 따라서, 근래에도 거리 측정 기술은 폭넓게 연구되고 있다.

특히 자율주행 차량의 핵심이 되는 기술은 첨단운전보조시스템 즉, ADAS(Advanced Driver Assistant System)이다. 첨단운전보조시스템은 크게 인지, 판단, 제어 총 세 분야의 기술로 구성된다. 첨단운전보조시스템의 핵심은 센서라고 할 수 있다. 첨단운전보조시스템의 인지 영역은 센서를 사용해 장애물, 도로표식, 교통신호 등을 인식하는 기술이다. 첨단운전보조시스템 센서는 크게 카메라, 레이더(Laser), 라이다(LiDAR )로 나눌 수 있다. 레이저 거리 센서(Laser Range Finder) 또는 라이더(LiDAR) 센서는 이동 로봇의 거리 측정을 위해 이용되는 대표적인 센서이다. 레이저 또는 라이더 거리 센서는 주변 환경에 대한 직관적인 정보를 제공하기 때문에 관측모델의 구현이 용이할 뿐만 아니라, 높은 정확도와 정밀도, 넓은 관측 범위, 조명에 강인함 등의 장점을 갖는다. 하지만, 레이저 또는 라이더 거리 센서는 아직까지 가격이 고가여서 적용에 한계가 있으며, 광학적 특이 환경, 예를 들어, 유리 또는 거울이 다수 존재하는 환경에서는 정확성을 보장할 수 없다. 또한 거리 측정에는 뛰어난 기능성이 있지만 영상을 추출할 수는 없어 영상 촬영과 거리 측정으로 동시에 하려면 별도의 영상촬영용 카메라를 따로 적용해야 한다.

반면 카메라는 영상을 촬영하면서 동시에 촬영한 영상에서의 객체를 추출하여 거리 측정도 가능하다. 하지만 단일 카메라로는 거리 측정이 어려울 뿐만 아니라 정확도도 낮다.

본 발명의 배경기술은 대한민국 공개특허 제10-2018-0078596호에 개시되어 있다.

본 발명은 가변조리개를 이용하여 취득한 복수의 영상정보를 이용하여 거리를 측정하는 거리 측정 장치를 제공한다.

또한, 본 발명은 복수의 카메라 모듈을 사용하지 않고 하나의 카메라 모듈을 이용하여 정확하게 거리를 측정하는 거리 측정 장치를 제공한다.

또한, 본 발명은 하나의 영상정보를 이용하지 않고 복수의 영상정보를 이용하여 더욱 정확성이 높은 거리 측정 장치를 제공한다.

또한, 본 발명은 거리 측정과 동시에 영상정보도 저장하는 거리 측정 장치를 제공한다.

본 발명의 일 측면에 따르면, 거리 측정 장치가 제공된다

본 발명의 일 실시 예에 따른 거리 측정 장치는 조리개 개구부의 직경을 조절하여 초점이 다른 이미지를 획득하는 카메라 모듈 및 카메라 모듈에서 획득된 초점이 다른 복수의 이미지를 이용하여 거리를 계산하는 거리 측정 모듈을 포함할 수 있다.

본 발명의 다른 일 측면에 따르면, 거리 측정 방법 및 이를 실행하는 컴퓨터 프로그램이 기록된 컴퓨터가 판독 가능한 기록매체가 제공된다.

본 발명의 일 실시 예에 따른 거리 측정 방법 및 이를 실행하는 컴퓨터 프로그램이 기록된 컴퓨터가 판독 가능한 기록매체는 가변조리개를 이용하여 초점이 다른 영상을 획득하는 단계, 초점이 다른 영상에서 거리 산출을 위한 객체를 탐지하는 단계, 객체의 착란원에 대한 픽셀 값을 계산하는 단계 및 픽셀 값의 차이로 거리를 추정하는 단계를 포함할 수 있다.

본 발명의 일 실시 예에 따르면, 제작이 복잡하지 않고, 실시간으로 거리 측정이 가능하여 자동차, 로봇, 드론 등에 적용되는 경우 자율 주행 이동체에 활용될 수 있다.

본 발명의 일 실시 예에 따르면, 하나의 카메라 모듈에서 촬상한 복수의 영상정보를 이용하여 거리를 정확하게 산출할 수 있다.

도 1은 본 발명의 일 실시 예에 따른 거리 측정 장치의 구성도.
도 2은 본 발명의 일 실시 예에 따른 거리 측정 장치의 블록도.
도 3는 본 발명의 일 실시 예에 따른 거리 측정 모듈의 블록도.
도 4는 본 발명의 일 실시 예에 따른 거리 측정 장치가 탈초점 깊이 알고리즘으로 깊이 맵을 추출하는 방법을 나타낸 도면.
도 5은 본 발명의 일 실시 예에 따른 거리 측정 장치가 획득한 영상에서 가변 조리개에 따른 초점면의 변화를 나타낸 도면.
도 6은 본 발명의 일 실시 예에 따른 거리측정 방법의 흐름도.
도 7은 본 발명의 일 실시 예에 따른 거리 측정 장치의 카메라 모듈 단면도.
도 8내지 도 10은 본 발명의 일 실시 예에 따른 거리 측정 장치의 빔을 나타낸 도면들.
도 11및 도 12는 본 발명의 일 실시 예에 따른 거리 측정 장치를 자율주행차에 장착하여 획득한 영상을 나타낸 도면들.
도 13은 본 발명의 일 실시 예에 따른 거리 측정 장치가 추출한 블러 값을 표시한 그래프.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 이를 상세한 설명을 통해 상세히 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

이하, 본 발명의 바람직한 실시 예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

도1은 본 발명의 일 실시 예에 따른 거리 측정 장치의 구성도이다.

도1을 참조하면, 거리 측정 장치(10)는 영상정보를 기초한 실시간 거리 정보를 제공하여 자동차, 로봇, 드론 등에 적용되어 자율주행차, 스마트 홈 및 스마트 팩토리 등에 적용될 수 있다.

도 2는 본 발명의 일 실시 예에 따른 거리 측정 장치의 블록도이다.

도 2을 참조하면, 본 발명의 일 실시 예에 따른 거리 측정 장치(10)는 카메라 모듈(100) 및 거리 측정 모듈(200)을 포함한다.

카메라 모듈(100)은 일반적인 카메라 또는 블랙박스와 같이 주변 영상과 조리개 개구부의 직경을 조절하여 초점이 다른 복수의 이미지를 동시에 획득한다. 카메라 모듈(100)은 촬영한 영상을 저장하고 동시에 초점이 다른 복수의 이미지는 거리 측정 모듈(200)에 전달한다. 예를 들면, 카메라 모듈(100)은 촬영한 영상을 블랙박스처럼 모니터링 영상으로 이용할 수도 있다. 또한 카메라 모듈(100)은 촬영한 영상을 자율주행차량에서 교통표지판 인식, 신호등 인식, 사각 지대 탐지, 차선 이탈 등을 판단하 데이터로 이용할 수도 있다.

카메라 모듈(100)은 가변조리개부(110) 및 카메라부(160)를 포함한다.

가변조리개부(110)는 초점이 다른 이미지를 획득하기 위해 조리개 개구부의 직경을 조절한다. 가변조리개부(110)는 카메라부(160) 앞단에 결합되며 예를 들면, 일반적인 카메라에 별도 수정없이 조립하는 방식으로도 이용할 수 있다.

카메라부(160)는 초점이 다른 복수의 영상정보들을 생성한다. 카메라부(160)는 카메라 렌즈, 이미지 센서 및 적외선 필터(IR 필터)를 포함한다.

카메라 렌즈는 이미지 센서에 빛을 전달한다.

적외선 필터는 적외선을 차단하는 필터로 이미지 센서가 가시광선 뿐만 아니라 근적외선 영역을 감지하므로 근적외선 영역을 반사시킨다.

이미지 센서는 적외선 필터를 통과한 빛을 전기적 신호로 변경하여 영상 정보를 생성한다.

거리 측정 모듈(200)은 초점이 다른 복수의 영상정보들을 이용하여 객체까지의 거리를 측정한다. 거리 측정 모듈(200)은 입력부(210) 및 거리 측정부(220)를 포함한다. 거리 측정 모듈(200)은 이하 도 3을 참조하여 더욱 상세히 설명한다.

도 3은 본 발명의 일 실시 예에 따른 거리 측정 모듈의 블록도이다.

도 3을 참조하면, 거리 측정 모듈(200)은 카메라 모듈(100)에서 생성된 영상 정보 중에 초점이 다른 영상을 비교하여 객체와의 거리를 측정한다. 거리 측정 모듈(200)은 탈초점 깊이(Depth From Defocus) 알고리즘을 이용하여 거리를 측정한다. 탈초점 깊이 알고리즘은 깊이 값과 블러(흐림)의 비례 관계를 이용하는 것으로 흐림의 양을 측정하여 깊이 값을 산출할 수 있다. 거리 측정 모듈(200)은 단일 이미지를 이용한 탈초점 깊이 알고리즘 방식에 비해 측정의 정확도를 높일 수 있다. 거리 측정 모듈(200)은 입력부(210) 및 거리 측정부(220)를 포함한다.

입력부(210)는 카메라 모듈(100)을 통해 가변조리개부(110)를 이용한 초점이 다른 복수의 영상 정보를 획득할 수 있다.

거리 측정부(220)는 초점이 다른 복수의 영상 정보를 이용하여 객체까지의 거리를 측정한다. 거리 측정부(220)는 더욱 상세하게는 큰 조리개를 이용하여 얻은 얕은 피사계 심도의 영상 정보와 작은 조리개를 이용하여 얻은 심도가 깊은 영상 정보를 이용하여 거리 정보를 추출한다. 거리 측정부(220)는 탐지부(221) 및 깊이 산출부(223)를 포함한다.

탐지부(221)는 영상 정보에서 거리를 측정할 객체를 검출한다. 탐지부(221)는 객체 탐지를 위한 알고리즘은 공지의 다양한 알고리즘을 적용할 수 있다. 탐지부(221)는 예를 들면, 물체인식 알고리즘 중 하나인 YOLO2 버전을 사용할 수 있다.

깊이 산출부(223)는 복수의 영상 정보에 포함된 객체까지의 거리를 산출한다. 거리 측정 장치(10)가 가변조리개를 이용해 획득한 초점이 맞지 않는 영상은 착란원(circle of confusion)을 형성하게 된다. 깊이 산출부(223)는 초점이 다른 복수의 영상에서 착란원의 픽셀 값의 차를 이용하여 거리를 산출한다. 깊이 산출부(223)는 가변조리개의 직경이 최소일 때 획득한 피사계 심도가 낮은 영상과 최대일 때 획득한 피사계 심도가 높은 영상은 각각 다른 착란원을 가지게 된다. 착란원의 지름은 픽셀의 크기로 나타낼 수 있다.

단일 이미지를 이용하는 탈초점 깊이 알고리즘은 아래의 [수학식1]로부터 흐려진 픽셀(blurred pixel)의 수를 정확하게 세어야 역으로 거리 환산할 수 있다.

[수학식1]에서 S1은 초점이 맞춰진 물체 평면의 거리, S2는 초점이 맞지 않은 물체의 가상 이미지의 거리, f는 유효 초점 거리 (EFL), f1은 렌즈에서 이미지 평면까지의 거리 및 c는 이미지 평면에서의 착란원(circle of confusion)의 지름이다.

단일 이미지를 이용한 탈초점 깊이 알고리즘은 흐려진 픽셀의 수를 정확히 세기 위해 어디까지가 블러된 구간인지 분석하는 기술이 필요하며 높은 정확도를 요구한다. 하지만 초점이 다른 두 장의 이미지로 탈초점 깊이 알고리즘 방식을 사용하게 되면 두 이미지 간 착란원의 픽셀값의 차를 이용하여 더 정확한 거리를 추출할 수 있다.

도 4는 본 발명의 일 실시 예에 따른 거리 측정 장치가 탈초점 깊이 알고리즘으로 깊이 맵을 추출하는 방법을 나타낸 도면이다

도 4를 참조하면, 거리 측정 장치(10)는 가변조리개를 이용하여 획득한 초점이 다른 영상을 탈초점 깊이 알고리즘으로 깊이 맵 정보를 추출한다.

도 5은 본 발명의 일 실시 예에 따른 거리 측정 장치가 획득한 영상에서 가변 조리개에 따른 초점면의 변화를 나타낸 도면이다.

도 5을 참조하면, 거리 측정 장치(10)가 가변조리개를 이용해 획득한 영상은 블러, 즉 초점이 맞지 않는 정도에 따라 착란원(circle of confusion)을 형성한다. 깊이 산출부(223)는 가변조리개의 직경이 최소일 때와 최대일 때 획득한 영상의 착란원을 이용한다. 이를 더욱 상세히 설명하면, 도 5에 표시된 S1은 초점이 맞춰진 물체 평면의 거리, S2는 초점이 맞지 않은 물체의 가상 이미지의 거리, f는 유효 초점 거리 (EFL), f1은 렌즈에서 이미지 평면까지의 거리, c는 이미지 평면에서의 착란원(circle of confusion)의 지름이다. 초점이 다른 두 장의 이미지로 탈초점 깊이 알고리즘 방식을 사용하게 되면 두 이미지 간 착란원의 픽셀 값의 차를 이용하여 더 정확한 거리를 추출할 수 있다.

표 1은 임의로 조성된 NYU-v2 데이터 세트로 여러가지 깊이 측정 방법을 수행하여 실제 거리와 각 방법으로 구한 값 사이의 상대 오차, 로그 오차 및 평균 제곱근 오차에 대한 결과를 나타낸 표이다. 본 발명에 따른 실시 예에 따른 거리 측정 방법은 SNU 방법으로 표시한다. 본 발명의 거리측정 방법(SNU 방법)의 상대오차는 0.028, 상용로그오차는 0.012 및 평균 제곱근 오차는 0.154이다. 표 1에 나타난 것과 같이 본 발명의 거리측정 방법이 여러가지 방법 중 가장 오차가 적은 것이 확인된다.

거리측정 방법 간의 오차 비교

방법	상대오차	상용로그오차	평균제곱근오차	입력 값
DFD	0.609	-	2.758	탈초점 단일 이미지
Saxena	0.349	-	1.214	초점 단일 이미지
DT	0.350	0.131	1.2	초점 단일 이미지
DCCRF	0.335	0.127	1.06	초점 단일 이미지
Eigen	0.215	-	0.907	초점 단일 이미지
DCNF	0.213	0.087	0.759	초점 단일 이미지
JCNF	0.201	0.077	0.708	초점 단일 이미지
Eigen	0.158	-	0.641	초점 단일 이미지
Anwar	0.094	0.039	0.347	초점 단일 이미지
SNU	0.028	0.012	0.154	탈초점 더블 이미지

상대오차, 상용로그 오차 및 평균 제곱근 오차는 [수학식2]를 이용하여 계산한다.

도 6은 본 발명의 일 실시 예에 따른 거리측정 방법의 흐름도이다.

도6을 참고하면, 단계 S610에서 거리 측정 장치(10)는 카메라 모듈(100)에서 가변조리개를 이용해 촬상한 초점이 다른 복수의 영상을 획득한다.

단계 S620에서 거리 측정 장치(10)는 획득한 초점이 다른 영상에서 거리 계산을 하기 위한 객체를 탐지한다.

단계 S630에서 거리 측정 장치(10)는 탈초점 깊이 알고리즘을 이용해 객체의 블러(흐림) 정도인 착란원의 지름을 계산한다.

단계 S640에서 거리 측정 장치(10) 탐지한 객체의 착란원의 픽셀 차이를 이용하여 거리를 산출한다.

도7은 본 발명의 일 실시 예에 따른 거리 측정 장치의 카메라 모듈 단면도이다.

도 7을 참조하면, 카메라 모듈(100)은 카메라부(160) 앞단에 조리개의 직경이 변하는 가변조리개부(110)를 결합할 수 있다. 거리 측정 장치(10)는 직경이 가변적인 가변조리개부(110)를 이용하여 초점이 다른 영상을 제공할 수 있다.

도 8 내지 도 10은 본 발명의 일 실시 예에 따른 거리 측정 장치의 가변 조리개부를 설명하기 위한 도면들이다.

도8을 참조하면, 가변조리개부(110)는 열팽창을 이용해 조리개 개구부의 직경을 가변적으로 변경시킬 수 있다. 가변조리개부(110)는 블레이드(120), 빔(130) 및 고정패드(140)를 포함한다. 고정패드(140)는 빔(130)과 결합되어 빔(130)을 고정시킨다. 예를 들면 2개의 고정패드(140)는 하나의 빔(130)을 고정시킬 수 있고, 고정패드(140)는 10개를 이용할 수 있다. 빔(130)은 일측은 고정패드(140)와 결합하고 타측은 블레이드(120)와 결합된다. 고정패드(140)에 전압이 인가되면 고정패드(140)와 결합된 빔(130)에 전류가 전달이 되어 열팽창이 발생한다. 열팽창이 발생한 빔(130)은 타측에 결합된 블레이드(120)에 변위를 발생시킨다. 블레이드(120)는 오각형으로 배치되어 변위가 발생하면 오각형의 크기가 작아져서 렌즈로 전달되는 광원의 양이 작아진다. 예를 들면 가변조리개부(110)는 실리콘 웨이퍼를 이용하여 제작될 수 있고, 전체 크기는 10.2mm X 10.2mm X 0.365mm일 수 있다.

도9를 참조하면, 빔(130)은 전류가 전달되면 열팽창이 발생하여 가변조리개의 직경이 변동시킬 수 있다. 빔(130)은 제1빔(131), 제2빔(132) 및 제3빔(133)을 포함한다. 제1빔(131)은 양측이 각각 고정패드(140)와 결합되고, 중심부에 제2빔(132)이 결합된다. 제2빔(132)은 일측은 제1빔(131)과 결합되고, 타측은 제3빔(133)과 결합되고, 제2빔(132)에 전달된 힘은 제3빔(133)으로 전달된다. 제3빔(133)과 결합되는 2개의 제2빔(132)은 서로 어긋나게 제3빔(133)에 결합됨으로 제3빔(133)이 반시계 방향으로 회전한다. 제3빔(133)의 타측은 블레이드(120)와 결합된다. 제3빔(133)이 반시계방향으로 회전하게 되면 타측에 결합된 블레이드(120)는 변위가 발생하고, 블레이드(120)는 내부 원 방향으로 이동하여 가변조리개의 직경을 변동시킨다.

도10을 참조하면, 제1빔(131)은 쉐브론(Chevron) 모양으로 양측은 고정패드(140)에 고정되고 중심부에 제2빔(132)이 결합될 수 있다. 제1빔(131)은 고정패드(140)로부터 전달된 인가전압에 따라 줄 발열(joule's heating)로 인해 열팽창이 발생한다. 고정패드(140)에 전압을 가하면, 제1빔(131)에 전류가 전달되고, 이때 줄 발열로 인해 제1빔(131)의 길이 방향으로 열팽창이 발생한다. 제1빔(131)의 양측은 쉐브론 모양(갈매기 모양)으로 비스듬하게 고정패드(140)에 고정된다. 기울어진 각도로 인해 제1빔(131)이 선형(linear) 방향으로 열팽창이 발생한다. 제1빔(131)의 일측이 고정패드(140)에 고정되어 있기 때문에 선형 확장은 제1빔(131)의 수직방향으로 발생하고, 제1빔(131)의 중심부에 결합된 제2빔(132)으로 전달된다. 제2빔(132)의 변위는 [수학식3]으로 계산할 수 있다.

다시 도 9를 참조하면, 제3빔(133)에 결합되는 제2빔(132)을 어긋나게 정렬하여 지렛대의 원리로 블레이드(120)의 변위를 증폭할 수 있다. 예를 들면 제3빔(133)에 결합되는 2개의 제2빔(132)을 서로 75㎛ 어긋나게 정렬할 수 있다.

지렛대의 원리로 증폭된 블레이드(120)의 변위는 [수학식4]를 이용하여 계산할 수 있다.

블레이드(120)는 5개로 이루어지고 오각형 형태로 배치되어 가변조리개의 기능을 한다. 블레이드(120)는 인가 전압에 따른 열 팽창으로 변위가 발생하여 조리개의 직경이 변경된다. 예를 들면 전압 없는 상태에서 조리개 직경은 1.6mm이고, 전압이 인가되는 경우 최소 0.46mm까지 변경될 수 있다.

본 발명의 일 실시 예에 따르면 전압인가에 따른 조리개 직경의 변화는 표2와 같다.

조리개의 직경변화

전압[V]	전류[A]	블레이드 변위[㎛]	개구부의 면적 비율 (%)
0	0	0	100.00
1	1.37	15.7	99.29
2	2.52	67.7	87.79
3	3.11	153	75.85

도 11및 도 12는 본 발명의 일 실시 예에 따른 거리 측정 장치를 자율주행차에 장착하여 획득한 영상을 나타낸 도면들이다.

도 11을 참조하여 예를 들면, 거리 측정 장치(10)는 라이다로부터 3D 포인트 클라우드(point cloud) 데이터와 본 발명의 거리 측정 장치를 통해 얻은 영상 데이터 값을 딥러닝 학습을 위한 데이터로 활용할 수 있다. 거리 측정 장치(10)는 영상에 대하여 연속적으로 거리 정보를 획득할 수 있다.

도 12을 참조하면, 거리 측정 장치(10)는 라이다가 획득한 영상을 기준 값으로 하여 입력부(210)가 F1.8과 F4.0의 가변조리개로 획득한 초점이 다른 영상의 블러 정도를 분석할 수 있다.

도 13은 본 발명의 일 실시 예에 따른 거리 측정 장치가 추출한 블러 값을 표시한 그래프이다.

도 13을 참조하면, 거리 측정 장치(10)는 거리가 증가할수록 각 영상의 블러 정도는 커지고, 영상 간의 블러 차이도 증가하는 경향성을 이용하여 거리를 측정할 수 있다.

상술한 본 발명의 실시 예들은 다양한 수단을 통해 구현될 수 있다. 예를 들어, 본 발명의 실시 예들은 하드웨어, 펌웨어(firmware), 소프트웨어 또는 그것들의 결합 등에 의해 구현될 수 있다. 펌웨어나 소프트웨어에 의한 구현의 경우, 본 발명의 실시 예들에 따른 방법은 이상에서 설명된 기능 또는 동작들을 수행하는 모듈, 절차 또는 함수 등의 형태로 구현될 수 있다. 소프트웨어 코드 등이 기록된 컴퓨터 프로그램은 컴퓨터 판독 가능 기록 매체 또는 메모리 유닛에 저장되어 프로세서에 의해 구동될 수 있다. 이와 같이, 본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

거리 측정 장치(10)
카메라 모듈(100)
가변조리개부(110)
블레이드(120)
빔(130)
제1빔(131)
제2빔(132)
제3빔(133)
고정패드(140)
카메라부(160)
거리 측정 모듈(200)
입력부(210)
거리 측정부(220)
탐지부(221)
깊이 산출부(223)

Claims

거리 측정 장치에 있어서,
조리개 개구부의 직경을 조절하여 초점이 다른 이미지를 획득하는 카메라 모듈; 및
상기 카메라 모듈에서 획득된 초점이 다른 복수개의 이미지를 이용하여 거리를 계산하는 거리 측정 모듈을 포함하되,
상기 카메라 모듈은
상기 조리개 개구부의 직경이 변하는 가변조리개부를 포함하고,
상기 가변조리개부는
고정패드에 전압을 인가하여 결합된 빔에 열팽창을 발생시키고,
상기 빔은
하나 이상을 어긋나게 정렬하여 일측에 결합된 블레이드의 변위를 증폭시켜 상기 조리개 개구부의 직경을 조절하는 거리 측정 장치.
제1항에 있어서,
상기 거리 측정 모듈은
상기 가변조리개부를 이용한 초점이 다른 영상을 획득하는 입력부; 및
상기 영상에서 객체까지의 거리를 산출하는 거리 측정부를 포함하는 거리 측정 장치.
제2항에 있어서,
상기 거리 측정부는,
상기 가변조리개부를 이용해 획득한 초점이 맞지 않는 복수의 영상에서 착란원(circle of confusion)의 픽셀 값의 차이를 이용하여 거리를 산출하는 깊이 산출부를 포함하는 거리 측정 장치.
제3항에 있어서,
상기 거리 측정부는
상기 영상에서 거리 산출을 위한 객체를 탐지하는 탐지부를 더 포함하는 거리 측정 장치.
거리 측정 장치에서 실행되는 거리 측정 방법에 있어서,
가변조리개를 이용하여 초점이 다른 영상을 획득하는 단계;
상기 초점이 다른 영상에 포함된 객체의 착란원에 대한 픽셀 값을 계산하는 단계; 및
상기 픽셀 값의 차이로 거리를 추정하는 단계를 포함하되,
상기 가변조리개는
고정패드에 전압을 인가하여 결합된 빔에 열팽창을 발생시키고,
상기 빔은
하나 이상을 어긋나게 정렬하여 일측에 결합된 블레이드의 변위를 증폭시켜 조리개 개구부의 직경을 조절하는 거리 측정 방법.
제5항에 있어서,
상기 초점이 다른 영상에 포함된 객체의 착란원에 대한 픽셀 값을 계산하는 단계는
탈초점 깊이 알고리즘을 이용해 탐지한 객체의 블러 정도인 착란원의 지름을 계산하는 것을 특징으로 하는 거리 측정 방법.
제5항에 있어서,
상기 초점이 다른 영상에서 거리 산출을 위한 객체를 탐지하는 단계를 더 포함하는 거리 측정 방법.
제5항 내지 제7항의 방법 중 어느 하나의 거리 측정 방법을 실행하는 컴퓨터 프로그램이 저장된 컴퓨터가 판독 가능한 기록매체.