최근 자동차 회사뿐만 아니라, IT업계에서도 자율 주행 자동차의 상용화를 위한 개발의 움직임이 가속화되고 있다. 자율 주행 자동차를 위한 첨단 운전자 보조 장치(ADAS, Advanced Driver Assistance Systems)은 사람이 탑승하고 있는 상태에서, 주행 시 RADAR, ...
최근 자동차 회사뿐만 아니라, IT업계에서도 자율 주행 자동차의 상용화를 위한 개발의 움직임이 가속화되고 있다. 자율 주행 자동차를 위한 첨단 운전자 보조 장치(ADAS, Advanced Driver Assistance Systems)은 사람이 탑승하고 있는 상태에서, 주행 시 RADAR, LIDAR, 카메라, 초음파 등의 센서를 이용하여 차량의 충돌과 같은 사고를 방지하고, 운전자의 조작 없이 차량의 주행을 돕는 역할을 한다. 그 중에서도 카메라에 의한 영상 정보는 사람의 눈과 같은 역할로서, 주행 중 많은 정보를 얻을 수 있다. 이를 활용한 알고리즘 중 차선 유지 보조 장치(LKAS, Lane Keeping Assist System)는 운전자의 부주의로 인해 주행 시 차량이 차선을 벗어나려할 때 주행 중인 차선을 유지하도록 하는 알고리즘이다. 특히, 영상 인식 및 처리를 통한 정보 중 차선은 주행 시 가장 중요한 정보로 이용 된다. 이러한 영상 정보를 이용한 차선 인식 및 유지 알고리즘은 이미 여러 연구를 통해 진행되고 있지만, 임베디드 시스템에서의 실시간성을 보장하기 어렵거나, 비나 눈이 오는 악조건의 환경이나, 곡선 도로에서의 고신뢰성의 인식률을 갖지 못하는 치명적인 문제점이 있다. 본 논문에서는, 실시간 LKAS 동작을 위하여 기존의 차선 인식 알고리즘을 수정하여 더욱 강력한 차선 인식과 더불어 주변 차선, 곡선 도로에서의 차선 곡률 계산 알고리즘을 개발하였다. 기존의 차선 인식 알고리즘은 먼저, 도로 관심 영역(Road ROI)을 인식한 후, 역삼각형 모양의 차선 경계선의 관심 영역인 Λ-ROI을 설정하여 Λ-ROI 내부에서 주행 중인 본 차선을 강력히 찾아낸다. 이후 Λ-ROI 외부에서는 주변 차선 검색을 통하여 차량의 차선 이탈시 정확하고, 실시간으로 차선을 인식하는 알고리즘을 개발하였다. 또한, 직선 도로 뿐만 아니라 곡선 도로에서의 소실점 변화를 통하여 도로의 곡률을 계산하고, 차량이 차선을 이탈할 시에 경고 메시지 출력과 함께 차선 유지를 위한 차선 이탈률 정보를 제공하여 조향에 필요한 신호를 출력하는 알고리즘을 제안하였다. 제안하는 알고리즘의 성능 평가를 위하여 주간과 야간, 우설 등 다양한 환경 변수들과 빛과 그림자를 포함한 실제 주행 중 발생되는 각종 현상들을 차량에 장착된 블랙박스 영상을 통해 분석하였다. 이를 이용하여, 악조건의 환경에서도 96.2%의 인식률로 차선을 인식하는 강력한 알고리즘을 개발하였다. 그리고 이를 임베디드 시스템에서 구현하였고, 실시간으로 처리할 수 있음을 확인하였다.
최근 자동차 회사뿐만 아니라, IT업계에서도 자율 주행 자동차의 상용화를 위한 개발의 움직임이 가속화되고 있다. 자율 주행 자동차를 위한 첨단 운전자 보조 장치(ADAS, Advanced Driver Assistance Systems)은 사람이 탑승하고 있는 상태에서, 주행 시 RADAR, LIDAR, 카메라, 초음파 등의 센서를 이용하여 차량의 충돌과 같은 사고를 방지하고, 운전자의 조작 없이 차량의 주행을 돕는 역할을 한다. 그 중에서도 카메라에 의한 영상 정보는 사람의 눈과 같은 역할로서, 주행 중 많은 정보를 얻을 수 있다. 이를 활용한 알고리즘 중 차선 유지 보조 장치(LKAS, Lane Keeping Assist System)는 운전자의 부주의로 인해 주행 시 차량이 차선을 벗어나려할 때 주행 중인 차선을 유지하도록 하는 알고리즘이다. 특히, 영상 인식 및 처리를 통한 정보 중 차선은 주행 시 가장 중요한 정보로 이용 된다. 이러한 영상 정보를 이용한 차선 인식 및 유지 알고리즘은 이미 여러 연구를 통해 진행되고 있지만, 임베디드 시스템에서의 실시간성을 보장하기 어렵거나, 비나 눈이 오는 악조건의 환경이나, 곡선 도로에서의 고신뢰성의 인식률을 갖지 못하는 치명적인 문제점이 있다. 본 논문에서는, 실시간 LKAS 동작을 위하여 기존의 차선 인식 알고리즘을 수정하여 더욱 강력한 차선 인식과 더불어 주변 차선, 곡선 도로에서의 차선 곡률 계산 알고리즘을 개발하였다. 기존의 차선 인식 알고리즘은 먼저, 도로 관심 영역(Road ROI)을 인식한 후, 역삼각형 모양의 차선 경계선의 관심 영역인 Λ-ROI을 설정하여 Λ-ROI 내부에서 주행 중인 본 차선을 강력히 찾아낸다. 이후 Λ-ROI 외부에서는 주변 차선 검색을 통하여 차량의 차선 이탈시 정확하고, 실시간으로 차선을 인식하는 알고리즘을 개발하였다. 또한, 직선 도로 뿐만 아니라 곡선 도로에서의 소실점 변화를 통하여 도로의 곡률을 계산하고, 차량이 차선을 이탈할 시에 경고 메시지 출력과 함께 차선 유지를 위한 차선 이탈률 정보를 제공하여 조향에 필요한 신호를 출력하는 알고리즘을 제안하였다. 제안하는 알고리즘의 성능 평가를 위하여 주간과 야간, 우설 등 다양한 환경 변수들과 빛과 그림자를 포함한 실제 주행 중 발생되는 각종 현상들을 차량에 장착된 블랙박스 영상을 통해 분석하였다. 이를 이용하여, 악조건의 환경에서도 96.2%의 인식률로 차선을 인식하는 강력한 알고리즘을 개발하였다. 그리고 이를 임베디드 시스템에서 구현하였고, 실시간으로 처리할 수 있음을 확인하였다.
Recently, the IT industry the development of autonomous vehicles is accelerating. When a person is riding a vehicle, he uses sensors such as RADAR, LIDAR, camera, ultrasound, etc. to avoid collisions such as car collisions, and assists in driving the vehicle without the driver's operation. In partic...
Recently, the IT industry the development of autonomous vehicles is accelerating. When a person is riding a vehicle, he uses sensors such as RADAR, LIDAR, camera, ultrasound, etc. to avoid collisions such as car collisions, and assists in driving the vehicle without the driver's operation. In particular, the image information by the camera is the same as the human eye, and it can get a lot of information during the driving. Lane recognition and maintenance algorithms using these imaging information are already conducted through several studies. However, there is a fatal problem that can not be guaranteed in an embedded system, which is difficult to obtain, or is not a high degree of reliability on the road likes curves. In this thesis, various situation that occur during day-time, night-time, etc. were analyzed through black boxes imaged in the vehicle. Using this, a powerful algorithm was developed to recognize the lane with a perception rate of 96.2% even under adverse conditions. In addition, the curves were developed for the curves of curved roads as well as linear roads, and developed algorithms to provide lane departure information for lane keeping along with the warning message output when the vehicle is out of lane. It was implemented in real time that the embedded system was able to live in real time from Embedded to 29fps.
Recently, the IT industry the development of autonomous vehicles is accelerating. When a person is riding a vehicle, he uses sensors such as RADAR, LIDAR, camera, ultrasound, etc. to avoid collisions such as car collisions, and assists in driving the vehicle without the driver's operation. In particular, the image information by the camera is the same as the human eye, and it can get a lot of information during the driving. Lane recognition and maintenance algorithms using these imaging information are already conducted through several studies. However, there is a fatal problem that can not be guaranteed in an embedded system, which is difficult to obtain, or is not a high degree of reliability on the road likes curves. In this thesis, various situation that occur during day-time, night-time, etc. were analyzed through black boxes imaged in the vehicle. Using this, a powerful algorithm was developed to recognize the lane with a perception rate of 96.2% even under adverse conditions. In addition, the curves were developed for the curves of curved roads as well as linear roads, and developed algorithms to provide lane departure information for lane keeping along with the warning message output when the vehicle is out of lane. It was implemented in real time that the embedded system was able to live in real time from Embedded to 29fps.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.