[논문]차량용 블랙박스를 위한 임베디드 차선감지 영상처리 알고리즘 개발

이수영; 류지형; 이창구

doi:10.5762/kais.2010.11.8.2942

초록
AI-Helper

차량용 블랙박스는 사고 순간의 영상, 위치, 시간, 그리고 충격량등의 정보를 기록함으로써 사고원인을 규명하기 위한 용도로 사용되고 있다. 하지만 이러한 기능과 더불어 운전자의 안전운전을 유도하여 사고를 미연에 방지하기 위한 기능이 보다 필요하다. 사고방지 기능의 대표적인 것이 차선이탈경보 기능이다. 차선이탈 경보기능을 구현하기 위해서는 차선인식을 위한 영상처리 과정이 선행되어야 하며 일반적으로 영상처리 알고리즘은 매우 많은 데이터량과 복잡한 알고리즘 구조 때문에 많은 계산량을 요구한다. 따라서 본 논문에서는 비교적 적은 계산으로 차량용 블랙박스의 실시간 도로영상으로부터 차선을 인식하는 효율적인 임베디드 영상처리 알고리즘에 관해 기술한다.

Abstract ▼ AI-Helper

Car black box helps to investigate the cause of accident by recording time, position and videos as well as shock information. In addition, the car black box need a function to support safe driving for preventing accident. The representative driving support function is a lane departure warning. In or...

Car black box helps to investigate the cause of accident by recording time, position and videos as well as shock information. In addition, the car black box need a function to support safe driving for preventing accident. The representative driving support function is a lane departure warning. In order to implement the function, it is necessary to carry out the image processing to detect the lane first. The image processing algorithm requires computational burden to handle so much data and complicated structure of algorithm. This paper describes the efficient image processing algorithm with relatively low amount of computation for car black box embedded platform to detect lanes from the real-time lane image.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 제한된 메모리 자원과 계산능력을 갖는 차량용 블랙박스 임베디드 플랫폼에 적용하기 위한 차선인식 영상처리 알고리즘을 개발하였다. 본 알고리즘은 다음과 같은 특징을 갖는다.
차량용 블랙박스와 같은 임베디드 플랫폼은 PC에 비해 메모리 용량과 계산능력이 매우 낮은 수준이므로 계산량의 측면에서 효율적인 차선인식 영상처리 알고리즘 개발이 필요하다. 본 논문에서는 차량용 블랙박스 카메라의 실시간 도로영상으로부터 차선을 인식하는 효율적인 임베디드 영상처리 알고리즘에 관해 기술한다.
각 국의 국가적 법정 의무화에 따라 조만간 차량 내비게이션 만큼 광범위하게 사용될 것으로 예상된다. 차량용 블랙박스를 위한 차선인식 영상처리는 별도의 장비 없이 블랙박스에 장착된 카메라와 소프트웨어를 통해 차선을 인식하고 운전자에게 차선이탈을 경보함으로써 안전운전을 통한 사고예방 효과를 높이기 위한 것이다. 차선인식 영상처리에 관해서는 오래전부터 많은 연구가 있어왔으나, 차량용 블랙박스 임베디드 플랫폼에 적용된 사례는 아직 많지 않은 상황이다.

제안 방법

▪Hough 변환에 의한 선분인식 과정에서 영상잡음 성분에 의한 차선인식 오류를 극복하기 위해 처리영역을 몇 개의 부영역으로 나누고, 각 부영역 처리결과를 정합하는 영역구분 Hough 변환 알고리즘을 구현하였다.
그러나 이러한 방법들은 많은 계산량을 필요로 하므로 임베디드 플랫폼에 적용하기에는 무리가 있다. 따라서 본 논문에서는 단순히 앞에서 설정된 영상처리 영역내의 각 화소들의 평균 명도값을 구하여 이를 임계값으로 설정하고 영상을 이진화하는 방법을 적용하였다. 다음 그림 7은 이를 통해 얻은 이진 영상이다.
본 논문에서 구현한 차선인식 알고리즘을 다양한 환경에서 실험을 통해 검증하였다. 그림 14 ~ 그림 17에서 좌측은 실제 도로영상이고, 우측은 영상처리 후에 얻은 차선인식 결과를 나타낸다.
따라서 잡음으로 인한 오류 직선들을 배제하고 실제 차선만을 검출하기 위한 필터 알고리즘이 필요하다. 본 논문에서는 이를 위해 영상처리 대상영역(ROI)을 그림 12와 같이 세개의 부영역으로 나누고, 각각의 부영역에 대해서 Hough 변환하여 차선 후보군들을 얻은 후, 이들 중에서 모든 부영역에 공통적으로 나타나는 차선 후보를 정합(matching)을 통해 탐색하여 실제 차선으로 선택하는 알고리즘을 구현하였다. 영상잡음으로 인한 차선후보는 한두개의 부영역에만 나타나지만, 실제 차선은 모든 부영역에 공통적으로 나타날 가능성이 높으므로 이를 통해 잡음에 의한 오류성분들을 배제할 수 있다.
차량의 주행과정에서 나타나는 차선은 영상에서 주로 수직방향으로 나타나기 때문에 본 논문에서는 수직방향 소벨 마스크만 적용하였다. 다음 그림은 전술한 영상처리 영역에 소벨 마스크를 적용하여 얻은 경계추출 결과를 보여준다.

이론/모형

컬러영상 포맷들 중에서 YUV420 형식은 RGB 형식에 비하여 영상 메모리를 적게 사용하므로 활용할 수 있는 메모리 자원이 적은 임베디드 시스템에서 주로 사용하는 형식이다. 본 논문에서 사용된 차량용 블랙박스도 컬러영상 포맷으로 YUV420 형식을 사용한다. YUV420 형식의 영상은 다음 식에 따라 RGB 형식 영상으로 변환될 수 있다:
이진화를 통해 얻은 백색(화소값 255)의 영상 특이점들로 부터 차선을 나타내는 직선 성분이 있는지를 판단하기 위해서 Hough 변환을 이용하였다. Hough 변환은 그림 8과 식 (2)와 (3)에서 설명하는 바와 같이 직선 y = ax + b 상의 점들을 기울기 a와 절편 b로 이루어지는 매개변수 공간상의 한 점으로 변환하는 것이다[10].

성능/효과

차선인식 영상처리 속도는 2장에서 기술한 바와 같이 본 논문에서 대상으로 삼았던 차량용 블랙박스 임베디드 플랫폼에서 2FPS (Frame Per Second) 정도로 낮았다. 이는 Hough 변환을 포함한 각 영상처리 단계에서 부동소수점 연산과 같은 복잡한 연산을 필요로 하기 때문이다.

후속연구

차선을 잘 따라가고 있는지를 판단하기 위해서는 차량의 양쪽으로, 즉 영상면의 좌우 양쪽에 계속 차선이 나타나는 지를 판단해야 하는데 이는 차선이 없는 도로, 혹은 잡음에 의한 차선인식 오류등 여러 가지 요인에 의해 판단오류를 일으킬 가능성이 높다. 따라서 차선을 잘 따르는지를 판단하기 보다는 현재 차선을 가로지르고 있는지, 즉 영상의 중앙부근에 차선이 나타나는 순간을 감지하는 것이 훨씬 판단 오류 가능성을 줄일 수 있을 것으로 생각된다.
▪시계열 영상처리 : 차선이 점선으로 표시되어 있는 경우는 영역구분 Hough 변환에서 모든 부영역에 걸쳐 차선이 나타나지 않으므로 차선으로 인식되지 않는 오류의 가능성이 있다. 본 논문에서의 영상처리는 각 순간의 정지영상만을 대상으로 하고 있으나, 이를 시계열 영상으로 확장해야할 필요가 있다.
여러 도로환경에서 대체로 잘 동작함을 확인하였으나 향후 다음의 문제들에 대한 추가개발이 필요할 것으로 판단된다.
이는 Hough 변환을 포함한 각 영상처리 단계에서 부동소수점 연산과 같은 복잡한 연산을 필요로 하기 때문이다. 처리 속도를 높이기 위해서는 별도의 영상처리 하드웨어, 또는 고속의 프로세서를 채택한 블랙박스를 개발해야 할 것으로 판단된다.
그러나 근래 통상 적으로 일컫는 차량용 블랙박스는 차량의 운행상태를 나타내는 다른 센서 데이터 보다는 주로 차량 전면에서의 영상만을 기록하므로 차량용 영상기록장치라는 표현이 보다 적당하다고 하겠다[1]. 향후에는 영상정보 뿐만 아니라 자동차내의 모든 운행 정보, 즉 엔진 회전수, GPS 정보, 브레이크, 가속페달, 조향각도, ABS 작동여부 등의 신호를 실시간으로 기록하는 진정한 의미의 차량용 블랙박스가 개발될 것으로 예상된다.
향후에는 차량용 블랙박스 단말기의 정보를 차량외부 네트워크를 이용해 교통사고 정보를 경찰, 119구조센터에 자동 통보함으로써 신속한 환자후송, 교통처리 등이 가능한 통합 정보시스템 구축이 가능할 것이다. 차량용 블랙박스의 일반적인 기능은 다음과 같다.

질의응답

핵심어	질문	논문에서 추출한 답변
	자동주행 시스템 관련 대표적인 연구는 무엇인가?	차선인식 영상처리 알고리즘은 차량 블랙박스와는 별도로 오래전부터 지능형 자동차의 자동주행 기능을 구현하기 위한 목적으로 연구되어 왔다. 자동주행 시스템 관련 대표적인 연구로는 1986년도에 설립된 UC Berkeley대학의 ITS(Institute of Transportation Studies)를 중심으로 수행되고 있는 캘리포니아 PATH(Partners for Advanced Transit and Highways) 프로젝트를 들 수 있다[3]. PATH 프로젝트는 교통류 및 교통정보에 관한 전략 연구, 운전자의 운전습관, 운전자와 자동차의 상호작용등 교통문제에 관한 광범위한 연구를 수행하고 있으며, 또한 지능형 교통 시스템(ITS: Intelligent Transportation System) 구현을 위하여 차선인식 영상처리 알고리즘 개발에 관한 연구를 진행하고 있다[4].
	차량용 블랙박스는 주로 어디에 사용되는가?	차량용 블랙박스는 사고 순간의 영상, 위치, 시간, 그리고 충격량등의 정보를 기록함으로써 사고원인을 규명하기 위한 용도로 사용되고 있다. 하지만 이러한 기능과 더불어 운전자의 안전운전을 유도하여 사고를 미연에 방지하기 위한 기능이 보다 필요하다.
	차량용 블랙박스의 일반적인 기능은 무엇인가?	▪사고 영상 저장 기능 : 충돌센서를 이용하여 주행중 발생하는 충돌사고를 감지하고, 사고 전후의 영상을 자동녹화, 영구폴더 생성 ▪차량 운행 데이터 기록 : 자동차의 ECU(Engine Control Unit) 및 GPS(Global Positioning System) 데이터와 연계하여 차량 운행시간, 평균속도, 위치등 운행상황을 기록 ▪기록된 운행 데이터 분석 : 사고 영상, 주행상황, 주변 교통상황, 기상 등 주요 데이터를 분석하여 사고시 원인규명

참고문헌 (10)

http://www.etnews.co.kr
G. Hamarneh, K. Althoff and R. Abu-Gharbieh, "Automatic Line Detection", Project Report for the Computer Vision Course, 1999.
http://www.path.berkeley.edu/PATH/Research
Z. Kim, "Robust Lane Detection and Tracking in Challenging Scenarios", IEEE Tr. on Intelligent Transportation Systems, vol. 9, no. 1, pp. 16-26, 2008.

상세보기
이준웅, "영상처리 기반의 차선인식 알고리즘", 제어자동화시스템공학회논문지, 제4권, 제6호, pp. 759-763, 1998.
최승욱, 이장명, "이동창을 이용한 차선인식 및 장애물 감지", 전자공학회논문지, 제36권, 제1호, pp. 93-103, 1999.
류지형, 이수영, 이창구, 김성도, "차량용 블랙박스를 위한 차선인식 소프트웨어 개발", 제어로봇시스템학회, 한국로봇학회 합동학술발표대회 논문집, pp. 231-233, 2009.
이은수 외, "차선이탈경보시스템", 우수신기술 지정, 지원사업 최종보고서, 정보통신부, 2004.
http://www.bns.co.kr
R. Jain, R. Kasturi and B. G. Schunck, Machine Vision, McGraw-Hill, 1995.

이 논문을 인용한 문헌

저자의 다른 논문 :

LOADING...

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

차량용 블랙박스를 위한 임베디드 차선감지 영상처리 알고리즘 개발
Development of Embedded Lane Detection Image Processing Algorithm for Car Black Box 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

차량용 블랙박스를 위한 임베디드 차선감지 영상처리 알고리즘 개발 Development of Embedded Lane Detection Image Processing Algorithm for Car Black Box 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (10)

이 논문을 인용한 문헌

저자의 다른 논문 :

이수영 (36) 이창구 (31)

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

차량용 블랙박스를 위한 임베디드 차선감지 영상처리 알고리즘 개발
Development of Embedded Lane Detection Image Processing Algorithm for Car Black Box 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper