최근 자율 주행 차량 기술과 Advanced Driver Assistance Systems (ADAS)에 대한 관심이 급증하면서 주행 중 또는 정차된 차량 주변 환경을 인식하고 그 결과를 이용하는 기술이 화두가 되고 있다. 그 중, 차량 인식 기술은 차량의 사각지대 인식 시스템, 전방 장애물 인식 시스템 등에 큰 도움을 주어 치명적인 교통사고를 예방하고 차량 운행 안전에 도움을 줄 수 있다. 이에 본 논문에서는 차량의 사각지대를 감시하여 차량을 인식하고 경보할 수 있는 ...
최근 자율 주행 차량 기술과 Advanced Driver Assistance Systems (ADAS)에 대한 관심이 급증하면서 주행 중 또는 정차된 차량 주변 환경을 인식하고 그 결과를 이용하는 기술이 화두가 되고 있다. 그 중, 차량 인식 기술은 차량의 사각지대 인식 시스템, 전방 장애물 인식 시스템 등에 큰 도움을 주어 치명적인 교통사고를 예방하고 차량 운행 안전에 도움을 줄 수 있다. 이에 본 논문에서는 차량의 사각지대를 감시하여 차량을 인식하고 경보할 수 있는 알고리즘을 제안한다. 본 논문에서는 차량의 후방 카메라 영상을 이용하여 자차량의 사각지대에 진입하는 차량들을 감시하고 경보해주는 통합 알고리즘을 제안하였으며, 더불어 이에 대한 속도 개선 방안을 제시하고 전체적인 성능 평가를 수행하였다. 제안 알고리즘은 그림자 영역 판단을 통한 관심 영역 추출, 광류 측정을 통한 관심 물체 판단, Histogram of Oriented Gradient (HOG) 특징과 Support Vector Machine (SVM) 분류기를 이용한 차량 인식 과정, 과거 판단 결과를 고려하는 경보 알고리즘 순으로 실행된다. 알고리즘의 속도를 개선하는 방법으로는 HOG 특징을 선택적으로 사용하여 SVM의 계산 부담을 줄여주는 방안을 제안하였다. 제안 방법들은 모두 정확도와 재현율이라는 객관적 지표를 이용하여 성능을 평가하였으며, 실제 상황에 적용이 가능할 수 있을 정도의 결과를 보였다. 또한 전체 알고리즘의 계산 속도는 실시간 처리가 가능한 속도를 보여주어 자율 주행 차량 및 ADAS에서 활용이 기대된다. 주제어 : 자율주행자동차, ADAS, 사각지대, 후방카메라, HOG특징, SVM, 그림자추출, 광류추정
최근 자율 주행 차량 기술과 Advanced Driver Assistance Systems (ADAS)에 대한 관심이 급증하면서 주행 중 또는 정차된 차량 주변 환경을 인식하고 그 결과를 이용하는 기술이 화두가 되고 있다. 그 중, 차량 인식 기술은 차량의 사각지대 인식 시스템, 전방 장애물 인식 시스템 등에 큰 도움을 주어 치명적인 교통사고를 예방하고 차량 운행 안전에 도움을 줄 수 있다. 이에 본 논문에서는 차량의 사각지대를 감시하여 차량을 인식하고 경보할 수 있는 알고리즘을 제안한다. 본 논문에서는 차량의 후방 카메라 영상을 이용하여 자차량의 사각지대에 진입하는 차량들을 감시하고 경보해주는 통합 알고리즘을 제안하였으며, 더불어 이에 대한 속도 개선 방안을 제시하고 전체적인 성능 평가를 수행하였다. 제안 알고리즘은 그림자 영역 판단을 통한 관심 영역 추출, 광류 측정을 통한 관심 물체 판단, Histogram of Oriented Gradient (HOG) 특징과 Support Vector Machine (SVM) 분류기를 이용한 차량 인식 과정, 과거 판단 결과를 고려하는 경보 알고리즘 순으로 실행된다. 알고리즘의 속도를 개선하는 방법으로는 HOG 특징을 선택적으로 사용하여 SVM의 계산 부담을 줄여주는 방안을 제안하였다. 제안 방법들은 모두 정확도와 재현율이라는 객관적 지표를 이용하여 성능을 평가하였으며, 실제 상황에 적용이 가능할 수 있을 정도의 결과를 보였다. 또한 전체 알고리즘의 계산 속도는 실시간 처리가 가능한 속도를 보여주어 자율 주행 차량 및 ADAS에서 활용이 기대된다. 주제어 : 자율주행자동차, ADAS, 사각지대, 후방카메라, HOG특징, SVM, 그림자추출, 광류추정
Recently, interest in the autonomous vehicle and ADAS (Advanced Driver Assistance Systems) are rapidly increasing. And the monitoring of surrounding environment of a vehicle became one of the critical issues for safe driving. One of them, the recognition of vehicle is a key technology for FCW (Forwa...
Recently, interest in the autonomous vehicle and ADAS (Advanced Driver Assistance Systems) are rapidly increasing. And the monitoring of surrounding environment of a vehicle became one of the critical issues for safe driving. One of them, the recognition of vehicle is a key technology for FCW (Forward Collision Warning) or BSM(Blind Spot Monitoring) of ADAS in order to prevent. In this paper, we proposed the method that monitors the blind spot of ego-vehicle and alarms the approaching vehicles. The proposed algorithm is composed of several steps. The First step is ROI (Region Of Interest) extraction using searching the vehicle’s shadow. Second, making interest object decision using optical flow. The third step is vehicle recognition using HOG (Histogram of Oriented Gradient) feature with SVM (Support Vector Machine) classifier. Finally, the last step is an alarm algorithm that considers past results. Also, we suggested the fast algorithm of the proposed algorithm and evaluated it. To reduce the computational burden of SVM, we proposed the method by selecting an optional subset of HOG features as a fast algorithm. We evaluated the performance of proposed algorithm via precision and recall as an objective measures and we got a quite satisfactory results. Since the proposed algorithm enabled real-time processing, so it can be expected to be applied the autonomous vehicles or ADAS. Keyword : Autonomous vehicle, ADAS, Blind Spot, Rear-view Camera, HOG feature, SVM, Shadow extraction, Optical flow
Recently, interest in the autonomous vehicle and ADAS (Advanced Driver Assistance Systems) are rapidly increasing. And the monitoring of surrounding environment of a vehicle became one of the critical issues for safe driving. One of them, the recognition of vehicle is a key technology for FCW (Forward Collision Warning) or BSM(Blind Spot Monitoring) of ADAS in order to prevent. In this paper, we proposed the method that monitors the blind spot of ego-vehicle and alarms the approaching vehicles. The proposed algorithm is composed of several steps. The First step is ROI (Region Of Interest) extraction using searching the vehicle’s shadow. Second, making interest object decision using optical flow. The third step is vehicle recognition using HOG (Histogram of Oriented Gradient) feature with SVM (Support Vector Machine) classifier. Finally, the last step is an alarm algorithm that considers past results. Also, we suggested the fast algorithm of the proposed algorithm and evaluated it. To reduce the computational burden of SVM, we proposed the method by selecting an optional subset of HOG features as a fast algorithm. We evaluated the performance of proposed algorithm via precision and recall as an objective measures and we got a quite satisfactory results. Since the proposed algorithm enabled real-time processing, so it can be expected to be applied the autonomous vehicles or ADAS. Keyword : Autonomous vehicle, ADAS, Blind Spot, Rear-view Camera, HOG feature, SVM, Shadow extraction, Optical flow
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.