초록이 없습니다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 있다. [8], 본 논문은 이러한 역할을 수행하기 위해 연구되고 있는 컴퓨터비전 시스템인 차선이탈경보 시스템과 장애물인지 시스템에 대해 소개한다.
• 이 가운데 대표적인 장애물이 차량이다. 본 논문에서는 저자가 제안한 바 있는 자차량 전방의 차량검출을 위한 단안비전 기반의 알고리즘들[4, 5] 가운데 논문 [4]에 제안된 방법을 소개한다.
• 본 논문에서는 저자의 논문(2)에 제안된 LDWS를 중심으로 차선표식의 경계검출, 검출된 경계의 기하학적 표현과 이를 토대로 차량이 주행 중인 차선을 이탈하는 것인지 판단하는 방법에 대해 정리한다. 그림 1은 참고문헌(2)의 LDWS 흐름도이다.
• 추돌에 대비하는 시스템으로 활용하기 위한 연구이다. LDWS나 LKS에 비해 컴퓨터비전에 대한 의존성은 떨어진다.

제안 방법

• TMOP는 현 좌측 영상의 PAF의 피크와 이전 좌측 영상의 PAF의 피크간에 대응되는 피크쌍을 찾는 과정이다. TMOP 결과를 가지고 SMOP의 에러를 제거한다. 그림 6(g)는 TMOP 이후의 결과를 나타낸 것이다.
• 하(Haar-like) 특징을 계산한다. 그리고 에이 다 부스트(AdaBoost) 알고리즘을 이용하여 차량과 비차량을 잘 분류하는 하특징을 선별하고 선별된 하특징의 가중치를 결정한후 선별된 하 특징값과 가중치를 가지고 분류기를 구축한다. 그리고 영상처리 알고리즘을 통해 추출된 차량 후보들이 차량인지 아닌지를 이 분류기에 의해 판단한다.
• 그리고 에이 다 부스트(AdaBoost) 알고리즘을 이용하여 차량과 비차량을 잘 분류하는 하특징을 선별하고 선별된 하특징의 가중치를 결정한후 선별된 하 특징값과 가중치를 가지고 분류기를 구축한다. 그리고 영상처리 알고리즘을 통해 추출된 차량 후보들이 차량인지 아닌지를 이 분류기에 의해 판단한다.
• 본 논문에서는 지능형자동차에 적용될 수 있는 컴퓨터 비전 시스템 세 가지를 소개했지만 이런 시스템 외에도 주차보조 시스템이나 도로 표지판 인식 시스템, 노면상태인식시스템, 교각인식 시 스템, 보행자 인식시스템 등 많은. 시스템이 개발되고 있다.
• (그림 3(b)). 이 예비 수직경계와 하단부를 기준으로 차량 폭과 높이에 해당하는 사각형영역을 취해 사각형 내의 밝기 값을 가지고 축대칭성을 분석한다. 미리 정해 놓은 축대칭성의 기준치(threshold value)를 초과하는 사각형을 차량후보의 바운딩박스(bounding box)로 선정한다(그림 3(c)).
• 수 있다는 점이다. 이 잘못된 피크를 제거할 목적으로 TMOPCtemporal matching of PAFs)를 실행한다. TMOP는 현 좌측 영상의 PAF의 피크와 이전 좌측 영상의 PAF의 피크간에 대응되는 피크쌍을 찾는 과정이다.
• 판단을 한다. 이때 현재 영상의 차선 경계 정보만으로 판정을 할 경우 현 입력 영상에서 추출한 정보가 에러라면 잘 못 판정할 가능성이 있으므로 과거의 몇 개 영상의 정보에 대해 선형회귀를 적용하여 파라메터들의 변화하는 경향성을 보고 차선이탈을 판정하는 방법을 도입했다. 이 방법을 사용함으로써 차선이탈 판정의 신뢰도는 날씨나 조명조건에 상관없이 거의 100%에 접근하였고, 따라서 상용화가 가능하였다.
• 이는 곧 영상에 차선경계의 표식 이잘 보인다는 의미이며 영상처리 결과에 의해 차량의 차선이탈 여부를 결정하는데 문제가 없음을 뜻한다. 이와 같이 LBPE결과와 하프변환 결과를 바탕으로 차선표식에 대한 가시성 분석을 수행하여 현 영상에서 차선경계에 대한 기하학적인 정보를 추출할지에 대한 여부를 결정한다.

성능/효과

• 이때 현재 영상의 차선 경계 정보만으로 판정을 할 경우 현 입력 영상에서 추출한 정보가 에러라면 잘 못 판정할 가능성이 있으므로 과거의 몇 개 영상의 정보에 대해 선형회귀를 적용하여 파라메터들의 변화하는 경향성을 보고 차선이탈을 판정하는 방법을 도입했다. 이 방법을 사용함으로써 차선이탈 판정의 신뢰도는 날씨나 조명조건에 상관없이 거의 100%에 접근하였고, 따라서 상용화가 가능하였다.

후속연구

• 앞으로 컴퓨터비전이 지능형자동차 분야에서 더 많은 주목을 받고 적용율이 높아지려면 변화무쌍한 자연환경에 대응할 수 있는 카메라와 렌즈개발은 필수적이며 영상처리 알고리즘도 실패에 대한 검증기능을 강화하고 동적 환경요인에 대한 분석이 철저히 이루어져야 한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기

저자의 다른 논문 :

이기용 (8) 송광열 (7) 이준웅 (31)