[논문]스테레오 기법을 이용한 차량의 검출 및 추적에 관한 연구

윤세진; 우동민; 공길영

문제 정의

next state = (predicted state) + (filter gain * innovation) 또한 상태 공분산을 계산하는 부분은 Filter Gain을 구하고 공분산 행렬을 갱신하는데 목적이 있다.

가설 설정

본 연구에서는 도로면 부분과 차량이 있는 돌출 부분을 분리하여 검출하기 위해 우선 차량이 있는 부분의 정의를 다음과 같이 가정한다.
표적 추적 문제를 해결하기 위해 사용되는 보편적인 가정은 표적의 측정치가 백색 가우시안 잡음(white Gaussian noiseX 포함한다고 보는 것이다. 이 가설을 사용하면 표적 추적 문제는 칼만 필터나 또는 다른 복잡한 비선형 필터에 의해서 해결할 수 있으며 가정된 잡음 모델과 실제 잡음의 차이는 결국 추산되는 표적의 위치 및 속도에 오차를 유발하게 된다.
표적 추적 문제를 해결하기 위해 사용되는 보편적인 가정은 표적의 측정치가 백색 가우시안 잡음(white Gaussian noiseX 포함한다고 보는 것이다. 이 가설을 사용하면 표적 추적 문제는 칼만 필터나 또는 다른 복잡한 비선형 필터에 의해서 해결할 수 있으며 가정된 잡음 모델과 실제 잡음의 차이는 결국 추산되는 표적의 위치 및 속도에 오차를 유발하게 된다.

제안 방법

검출된 차량의 진행방향을 추적하기 위해서 우선 차량의 기준이 되는 하나의 점을 설정해야 하는데 본 논문에서는 차량에 대한 데이터가 많이 검출되는 후미등 부분의 중점을 그기준점으로 잡았다. 또한 각각의 초기값은 영상의 크기가 200 X 400임에 따라 픽셀의 오른쪽 하단을 처음 시작점으로 간주하여, X좌표는 200, y좌표는 400으로 초기값을 설정하였다.
그러나 위의 기법은 연산량이 많아 연산속도에 그 문제점이 있어 하나의 영상에 대하여 4개의 해상도로 제한시킨 피라미드로 단순화하여 구성하였다.
다 해상도 스테레오 정합의 결과로 발생된 불일치 영상은 도로 면의 부분과 돌출 면의 부분에 대한 정보를 제공하였다. 그러나 야간에는 차량의 전조등, 후미등을 제외한 부분은 돌출된 부분으로 나타나지 않았다.
다 해상도 기법이 효율적이다. 따라서 본 논문에서는 개발된 스테레오 방식 알고리즘의 정합 과정을 수행함에 있어서 저해상도 불일치로 시작하여 궁극적으로 고해상도의 불일치를 계산하는 보다 정확하고, 안정적인 불일치 결정 방법을 수행 한다.[1]
실제로 돌출된 높이가 클수록 해당 불일치의 값은 크게 나타났다. 따라서 영이 아닌 불일치를 가지는 부분을 돌출부로 판정하였다. 그림 11은 그림 10의 불일치 영상을 이치화하여 돌출부를 나타낸 영상이다[4] 그림 11에서 보면 차량 내부의 부분들이 일부 바닥 면으로 나타난 것을 볼 수 있는데, 이것을 여러 부분으로 구성되는 차량을 하나의 윤곽으로 인식하기 위해 윤곽선 검출을 수행하였다.
또한 스테레오 정합의 픽셀 정렬 오차롤 최소화하기 위해본 논문에서 적용된 방법은 정렬 오차가 윈도우 중심에서 최소가 된다는 가정 하에 각 픽셀에 중심으로부터의 거리에 반비례하도록 가중치를 설정한 WCC를 사용하였다. (2m+l)x (2n+l) 윈도우의 WCC 정합 점수는 식 (1)과 같이 정의된다.
스테레오 정합의 신뢰도를 높이기 위해 본 과제에서는 다 해상도 기법에 의한 정합 알고리즘을 채용하였다. 또한 정합의 기준이 되는 함수를 WCC(Weighted Cross Correlation)을 적용하여 안정적인 정합 점수가 나오도록 하였다. 이러한 지능적인 기법의 채용으로 안정적이고 고 신뢰도의 차량 검출이 가능하였다.
스테레오 정합의 신뢰도를 높이기 위해 본 과제에서는 다 해상도 기법에 의한 정합 알고리즘을 채용하였다. 또한 정합의 기준이 되는 함수를 WCC(Weighted Cross Correlation)을 적용하여 안정적인 정합 점수가 나오도록 하였다. 이러한 지능적인 기법의 채용으로 안정적이고 고 신뢰도의 차량 검출이 가능하였다.
본 논문에서는 3차원 형상인식에 근거한 스테레오 방식 알고리즘은 2대의 카메라에 의해 취득된 영상들을 연관시킴으로써 영상의 모든 지점에 대해 바닥 면 부분과 돌출 부분두 가지중 한 가지로서 결정한다. 실제로 일반적인 3차원 기법은 두개의 영상의 모든 점을 연관하여 완전한 3차원 형상을 구하는 것을 목표하고 있다.
본 논문에서는 스테레오 영상을 바닥면 영상으로 변환, 다 해상도 정합에 의하여 차량의 불일치 영상을 검출, 이치화, 영역 확장 기법 (region growing method)[9]를 이용하여 차량을 검출하고, 검출된 차량의 위치에 대한 데이타를 기반으로 Kalman 필테8][1이를 이용하여 추적함으로써 차량의 정보에 대해서 좀더 신속하고 정확한 결과를 유도한다. 제안된 기법은 차량의 검출에 어려움이 많은 야간의 영상에서 좀더 탁월한 성능을 나타낸다.
본 논문에서는 초기 파라미터 중에서 #와 x(#)의 초기값을 0으로, # 그리고 &Q)의 초기값은 1로 설정하여 Kalman 필터의 알고리즘을 수행하였다.
상기 설명된 스테레오 정합 과정을 예시하기 위해서 그림 8에 나타난 야간영상에 대해 스테레오 정합을 수행하였다. 이 영상에는 전조등이 강하게 도로 바닥면에 조사되어, 기존의 영상 검지 방법으로는 차량의 안정적인 검출이 매우 어려운 형태의 영상이다.
스테레오 정합을 수행한다. 스테레오 정합의 신뢰도를 높이기 위해 본 과제에서는 다 해상도 기법에 의한 정합 알고리즘을 채용하였다. 또한 정합의 기준이 되는 함수를 WCC(Weighted Cross Correlation)을 적용하여 안정적인 정합 점수가 나오도록 하였다.

이론/모형

변환된다. 신경망을 이용한 보정 방법[2]을 사용할 수도 있으나, 본 영상의 도로면이 비교적 평평하므로, 이단계 방식의 카메라 보정 방법이 채용되었다. 그러나 신경망 보정 방법의 결과도 이와 비숫한 형태로 나타났다.
이 두 가지 측정치가 널리 사용되지만, CC 정합 점수가 Lambertian 반사 모델에서의 점진적인 변화에 강인하므로 CC 정합 점수가 일반적인 영상에 가장 많이 쓰이므로 본 논문에서 사용되었다.
이를 위해 카메라 보정이 수행된다. 카메라 보정 기법으로는 일반적으로 널리 사용되는 2단계 기법에 의한 카메라 보정알고리즘을 적용하였다.[2] 그러나 이 방법은 완전한 평면에서만이 적용가능한데, 도로 면은 약간의 굴곡이 포함되므로 적절치 않다.

성능/효과

이 기법은 어느 하나의 기준이 되는 씨앗점을 중심으로 연산에 의해서 그 영역을 차츰 넓혀감으로써, 궁극적으로, 원하는 크기까지 그 영역을 넓혀가는 것을 말한다.(9) 차량을 검출하였을 경우 차량의 온전한 모양이 나오지 않고, 부분적으로만 검출되었을 때 검출된 부분의 근처점을 중심으로 차츰 영역을 넓혀서 온전한 차량의 영역을 찾아나가는 방법으로 사용될 수 있다. 이 방법은 차츰 영역을 넓혀서 궁극적으로 적당한 영역을 만든다는 장점이 있지만, 연산전에 기준 되는 화소의 위치 및 화소에 대한 정보를 가지고 있어야 한다는 단점이 있다.
차량의 인식률에 대하여 기존의 프레임간 차영상 방식이나 배경화면 제거방식과 비교하였을 때 개선된 결과를 도출하였다. 기존의 두 + 지 방식의 단점, 즉 프레임간 차영상 방식의 차량이 정지 또는 서행했을 경우의 검출의 한계성, 배경화면 제거방식의 난 씨 또는 빛에 대한 제약조건, 등을 보완하여 좀더 신뢰성을갓는 결과를 도출하였다. 연산시간에 대해서도 프레임간 차 영 상 방식 보다 신뢰 성있는 결과를 도출할 수 있는 배 경화면세거 방식과 비교하였을 때 향상된 결과를 도출하였다.
위의 결과로 볼 때 연산시간은 제안된 기법보다 빠른 프레임간 차영상 방식보다는 느렸지만 인식률은 상당히 뛰어난 것을 볼 수 있었다. 또한 배경화면 제거방식과 비교하였을 때 연산시간과 인식률의 모든 부분에서 그 우월함을 판단할 수 있었다.
기존의 두 + 지 방식의 단점, 즉 프레임간 차영상 방식의 차량이 정지 또는 서행했을 경우의 검출의 한계성, 배경화면 제거방식의 난 씨 또는 빛에 대한 제약조건, 등을 보완하여 좀더 신뢰성을갓는 결과를 도출하였다. 연산시간에 대해서도 프레임간 차 영 상 방식 보다 신뢰 성있는 결과를 도출할 수 있는 배 경화면세거 방식과 비교하였을 때 향상된 결과를 도출하였다. 검출된 영상으로 Kalman 필터를 이용하여 추적하였을 경우 또한.
스테레오 영상에서 좌 . 우 영상의 바닥면 변환과 스테레오 정합에 의한 차량 검출을 하였을 때 야간영상일 경우에 전조등이나 후미등에 의한 오인식이나, 주간 영상일 경우에 흙이나 오염물질에 의한 오인식율을 돌출부로 인식하는 기준 값을 적절히 조절함으로써 현저히 감소하였다. 차량의 인식률에 대하여 기존의 프레임간 차영상 방식이나 배경화면 제거방식과 비교하였을 때 개선된 결과를 도출하였다.
3초로 기존의 프레임간 차영상 방식보다는 조금 떨어졌지만 인식률은 114대의 차량을 검출하여, 기존의 프레임간 차 영상 방식과 배경화면 제거방식보다 상회하는 95%의 결과를 도출하였다. 위의 결과로 볼 때 연산시간은 제안된 기법보다 빠른 프레임간 차영상 방식보다는 느렸지만 인식률은 상당히 뛰어난 것을 볼 수 있었다. 또한 배경화면 제거방식과 비교하였을 때 연산시간과 인식률의 모든 부분에서 그 우월함을 판단할 수 있었다.
좀더 신속하고 정확한 결과를 유도한다. 제안된 기법은 차량의 검출에 어려움이 많은 야간의 영상에서 좀더 탁월한 성능을 나타낸다.
우 영상의 바닥면 변환과 스테레오 정합에 의한 차량 검출을 하였을 때 야간영상일 경우에 전조등이나 후미등에 의한 오인식이나, 주간 영상일 경우에 흙이나 오염물질에 의한 오인식율을 돌출부로 인식하는 기준 값을 적절히 조절함으로써 현저히 감소하였다. 차량의 인식률에 대하여 기존의 프레임간 차영상 방식이나 배경화면 제거방식과 비교하였을 때 개선된 결과를 도출하였다. 기존의 두 + 지 방식의 단점, 즉 프레임간 차영상 방식의 차량이 정지 또는 서행했을 경우의 검출의 한계성, 배경화면 제거방식의 난 씨 또는 빛에 대한 제약조건, 등을 보완하여 좀더 신뢰성을갓는 결과를 도출하였다.
차량 인식률과 연산속도를 비교한 표이다. 총 120대의 차량을 기준으로 인식률과 연산속도를 실험하였을 때, 프레임 간 차영상 방식은 연산시간은 0.8초로 빠르나 인식률이 97 대의 차량을 검출함으로써 80.8%의 상당히 저조한 인식률을 나타냈으며, 배경화면 제거방식은 프레임간 차영상 방식과 비교하였을 때, 108대의 차량을 검출하여 90.%로 인식률에서는 많은 향상이 있었지만 연산시간에서는 2.5초로 연산속도에서 문제점을 드러냈다. 하지만 제안된 기법은 연산속도가 1.
검출된 영상으로 Kalman 필터를 이용하여 추적하였을 경우 또한. 측정치에 대한 예측치는 급속도로 측정치에 수렴함으로써 신뢰 성있는 결과를 도출하였다. 그러 나 앞에서 말한 요구 조건대로 도로가 평평한 평면이어야 한다는 것이다.
5초로 연산속도에서 문제점을 드러냈다. 하지만 제안된 기법은 연산속도가 1.3초로 기존의 프레임간 차영상 방식보다는 조금 떨어졌지만 인식률은 114대의 차량을 검출하여, 기존의 프레임간 차 영상 방식과 배경화면 제거방식보다 상회하는 95%의 결과를 도출하였다. 위의 결과로 볼 때 연산시간은 제안된 기법보다 빠른 프레임간 차영상 방식보다는 느렸지만 인식률은 상당히 뛰어난 것을 볼 수 있었다.

후속연구

스테레오 기법을 이용한 차량의 검출 및 추적 시스템은 실제 도로에서의 교통의 흐름이나 유고 등을 신속하게 파악하는데 많은 도움이 될 것으로 기대된다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

스테레오 기법을 이용한 차량의 검출 및 추적에 관한 연구
A Study on Vehicle Extraction and Tracking Using Stereo 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

이론/모형

성능/효과

후속연구

참고문헌 (10)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

스테레오 기법을 이용한 차량의 검출 및 추적에 관한 연구 A Study on Vehicle Extraction and Tracking Using Stereo 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

이론/모형

성능/효과

후속연구

참고문헌 (10)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

스테레오 기법을 이용한 차량의 검출 및 추적에 관한 연구
A Study on Vehicle Extraction and Tracking Using Stereo 원문보기

AI 본문요약
AI-Helper