$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

스테레오 비전기반의 컬럼 검출과 조감도 맵핑을 이용한 전방 차량 검출 알고리즘
Forward Vehicle Detection Algorithm Using Column Detection and Bird's-Eye View Mapping Based on Stereo Vision 원문보기

정보처리학회논문지. The KIPS transactions. Part B. Part B, v.18B no.5, 2011년, pp.255 - 264  

이충희 (대구경북과학기술원) ,  임영철 (대구경북과학기술원) ,  권순 (대구경북과학기술원) ,  김종환 (대구경북과학기술원)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 스테레오 비전기반의 컬럼 검출과 조감도 맵핑을 이용한 전방 차량 검출 알고리즘을 제안한다. 제안된 알고리즘은 실제 복잡한 도로 환경에서 전방 차량을 강건하게 검출할 수 있다. 전체적인 알고리즘은 도로 특징기반의 컬럼 검출, 조감도 기반의 장애물체 세그멘테이션, 차량 특징기반의 영역 재결합, 차량 검증으로 크게 네 단계로 구성되어 있다. 먼저 v-시차맵상에서 최대 빈도값을 이용하여 도로 특징 정보만을 추출한 후, 이를 기반으로 컬럼 검출을 수행한다. 도로 특징 정보는 기존의 중앙값과 달리 도로 환경에 영향을 받지 않아 도로상의 장애물체 유무를 판단하는 기준으로 적절하다. 그러나 다수의 장애물체가 동일한 장애물체로 검출되는 것을 해결하기 위하여 조감도 기반의 세그멘테이션을 수행한다. 조감도는 시차맵과 카메라 정보를 기반으로 계산된 장애물체들의 위치를 평면상에 표시함으로써 장애물체를 쉽게 분리할 수 있다. 그러나 분리된 장애물체 중에는 동일한 장애물체인 경우도 있으므로, 도로상의 차량 특징을 기반으로 장애물체가 동일한지를 판단하여 재결합하는 과정을 수행한다. 마지막으로 시차맵과 그레이 영상기반의 차량 검증 단계를 수행하여 차량만 검출한다. 제안된 알고리즘을 실제 복잡한 도로 영상에 적용함으로써 차량 검증 성능을 검증한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In this paper, we propose a forward vehicle detection algorithm using column detection and bird's-eye view mapping based on stereo vision. The algorithm can detect forward vehicles robustly in real complex traffic situations. The algorithm consists of the three steps, namely road feature-based colum...

주제어

#스테레오 비전   #차량 검출   #컬럼 검출   #조감도   #장애물체 세그멘테이션  

참고문헌 (18)

  1. S. Zehang, B. George, and M. Ronald, "On-Road Vehicle Detection: A Review," IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.28, No.5, pp.694-711, 2006. 

    상세보기 crossref

  2. V. Kastinaki, M. Zervakis, and K. Kalaitozakis, "A survey of video processing techniques for traffic applications," Image, Vision, and Computing, Vol.21, No.4, pp.359-381, 2003. 

    상세보기 crossref

  3. A. Broggi, P. Cerri, and P. C. Antonello, "Multi-resolution vehicle detection using artificial vision," 2004 IEEE Intelligent Vehicles Symposium, pp.310- 314, 2004. 

  4. L. W. Tsai, J. W. Hsieh, and K. C. Fan, "Vehicle Detection Using Normalized Color and Edge Map," IEEE Transactions on Image Processing, Vol.16. No.3, pp.850-864, 2007. 

    상세보기 crossref

  5. C. Tzomakas and W. Seelen, "Vehicle Detection in Traffic Scenes Using Shadows," Technical report 98-06, Institute for Neuroinformatik, Ruht-university, 1998. 

  6. A. Broggi, M. Bertozzi, A. Fascioli, C.G.L., Bianco, and A. Piazzi, "Visual Perception of Obstacles and Vehicles for Platooning," IEEE Transactions on Intelligent Transportation Systems, Vol.1, No.3, pp.164-176, 2000. 

    상세보기 crossref

  7. H. G. Jung, Y. H. Lee, B. J. Kim, P. J. Yoon, and J. H. Kim, "Stereo Vision-Based Forward Obstacle Detection," International Journal of Automotive Technology, Vol.8, No.4, pp.493-504, 2007. 

    원문보기 상세보기

  8. G. Toulminet, M. Bertozzi, S. Mousset, A. Bensrhair, and A. Broggi, "Vehicle Detection by Means of Stereo Vision-Based Obstacles Features Extraction and Monocular Pattern Analysis," IEEE Transactions on Image Processing, Vol.15, No.8, pp.2364-2375, 2006. 

    상세보기 crossref

  9. R. Labayrade, D. Aubert, and J.-P. Tarel, "Real time obstacle detection on non flat road geometry through V-disparity representation," IEEE Intelligent Vehicles Symposium, Versailles, pp.646-651, 2002. 

  10. R. Labayrade, D. Aubert, "Onboard Road Obstacles Detection in Night Condition Using Binocular CCD Cameras," ESV 2003 Proceedings, pp.19-22, 2003. 

  11. Brendan M. Collins, Alain L. Kornhauser, "Stereo vision for obstacle detection in autonomous navigation," DARPA grand challenge Princeton university technical paper, May, 2006. 

  12. Chung-Hee Lee, Young-Chul Lim, Soon Kwon and Jong-Hun Lee, "Stereo Vision-Based Vehicle Detection Using a Road Feature and Disparity Histogram," Optical Engineering, Vol.50, No.2, pp.027004-027004-23, 2011. 

    상세보기 crossref

  13. 이충희, 임영철, 권순, 이종훈, "U-시차맵과 조감도를 이용한 스테레오 비전 기반의 장애물체 검출 및 차량 검증 방법," 대한 전자공학회, 제47권, 제6호, pp.86-96, 2010 

    원문보기 상세보기

  14. 이충희, 임영철, 권순, 이종훈, "스테레오 비전 기반의 도로 특징 정보 추출 및 장애물체 검출," 대한전자공학회, 제46권, 제6호, pp.28-37, 2009 

    원문보기 상세보기

  15. 이충희, 임영철, 권 순, 이종훈, "스테레오 비전 기반의 이동객체 용 실시간 환경 인식 시스템," 대한임베디드공학회, 제3권, 제3 호, pp.143-150, 2008 

  16. Chung-Hee Lee, Young-Chul Lim, Soon Kwon and Jong-Hun Lee, "Obstacle localization with a binarized v-disparity map using local maximum frequency values in stereo vision," International Conference on Signals, Circuits and Systems 2008, pp.1-4, Nov., 2008. 

  17. R. Hartley, and A. Zisserman, Multiple View Geometry, 2nd ed., Cambridge University Press, 2003. 

  18. T. Bdiri, F. Moutarde, and B. Steux, "Visual Object Categorization with New Keypoint-Based adaBoost Features," IEEE Intelligent Vehicles Symposium 2009, pp.393-398, 2009. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로