최근 차량 운전자들의 안전 운행을 보조하기 위해 운전자의 차량과 전방의 차량 간의 거리를 추정하고 안전거리 유무를 알려주기 위한 경보시스템이 개발되고 있다. 본 논문에서도 실제 도로 환경에서 전방의 주행 차량을 검출하여 차간 거리를 측정하고, 충돌 위험 상황을 감지하여 운전자에게 충돌 위험을 알리는 충돌경고시스템을 설계 및 구현하였다. 먼저 전방주시 카메라를 활용하여 촬영한 도로영상으로부터 도로와 차량에 해당하는 관심 영역을 추출하고, 관심 영역에서 전방 차량의 그림자 임계값 분석을 통해 전방 차량 객체를 추출한 후 전방 차량과의 거리를 계산하여 충돌 위험 경고를 알려준다. 주행 차량 검출 및 차간 거리 측정 결과를 기반으로 충돌경고시스템을 설계 및 구현하였으며, 실제 도로상황에 적용하여 실험한 결과 매우 높은 정확도를 나타내어 안전 운전에 대응할 수 있는 것으로 검증되었다.
최근 차량 운전자들의 안전 운행을 보조하기 위해 운전자의 차량과 전방의 차량 간의 거리를 추정하고 안전거리 유무를 알려주기 위한 경보시스템이 개발되고 있다. 본 논문에서도 실제 도로 환경에서 전방의 주행 차량을 검출하여 차간 거리를 측정하고, 충돌 위험 상황을 감지하여 운전자에게 충돌 위험을 알리는 충돌경고시스템을 설계 및 구현하였다. 먼저 전방주시 카메라를 활용하여 촬영한 도로영상으로부터 도로와 차량에 해당하는 관심 영역을 추출하고, 관심 영역에서 전방 차량의 그림자 임계값 분석을 통해 전방 차량 객체를 추출한 후 전방 차량과의 거리를 계산하여 충돌 위험 경고를 알려준다. 주행 차량 검출 및 차간 거리 측정 결과를 기반으로 충돌경고시스템을 설계 및 구현하였으며, 실제 도로상황에 적용하여 실험한 결과 매우 높은 정확도를 나타내어 안전 운전에 대응할 수 있는 것으로 검증되었다.
Recently, the warning system to aid drivers for safe driving is being developed. The system estimates the distance between the driver's car and the car before it and informs him of safety distance. In this paper, we designed and implemented the collision warning system which detects the car in front...
Recently, the warning system to aid drivers for safe driving is being developed. The system estimates the distance between the driver's car and the car before it and informs him of safety distance. In this paper, we designed and implemented the collision warning system which detects the car in front on the actual road situation and measures the distance between the cars in order to detect the risk situation for collision and inform the driver of the risk of collision. First of all, using the forward-looking camera, it extracts the interest area corresponding to the road and the cars from the image photographed from the road. From the interest area, it extracts the object of the car in front through the analysis on the critical value of the shadow of the car in front and then alerts the driver about the risk of collision by calculating the distance from the car in front. Based on the results of detecting driving cars and measuring the distance between cars, the collision warning system was designed and realized. According to the result of applying it in the actual road situation and testing it, it showed very high accuracy; thus, it has been verified that it can cope with safe driving.
Recently, the warning system to aid drivers for safe driving is being developed. The system estimates the distance between the driver's car and the car before it and informs him of safety distance. In this paper, we designed and implemented the collision warning system which detects the car in front on the actual road situation and measures the distance between the cars in order to detect the risk situation for collision and inform the driver of the risk of collision. First of all, using the forward-looking camera, it extracts the interest area corresponding to the road and the cars from the image photographed from the road. From the interest area, it extracts the object of the car in front through the analysis on the critical value of the shadow of the car in front and then alerts the driver about the risk of collision by calculating the distance from the car in front. Based on the results of detecting driving cars and measuring the distance between cars, the collision warning system was designed and realized. According to the result of applying it in the actual road situation and testing it, it showed very high accuracy; thus, it has been verified that it can cope with safe driving.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
제안 방법
입력된 도로영상을 차선 및 차간 인식 알고리즘에 적용하기 위해서는 먼저 도로영상에 대해서 전처리가 선행되어야 한다. 관심영역(Region of Interest : ROI)을 정하고, 그레이스케일(gray scale), 소벨 연산(sobel operation) 및 이진화(binarization)를 이용하여 차선과 차량의 특징을 추출한다. 이후전처리 한영역을 바탕으로허프 변환을적용하여 영상내 직선과차량 성분을검출하고, 검출된직선 성분을 분석하여 통계적으로 최대값 성분을 차선으로 인식한다.
차간 거리 산출 시스템은 차량의 전방 도로를 촬영하는 카메라, 촬영된 전방도로 영상을 그레이스케일, 소벨 연산, 이진화 및 허프 변환을 수행하는 영상처리부, 선행 차량의 후미 그림자를 검출하기 위한 관심영역에서 밝기가 설정된 임계값 이하인 영역을 검출하여 운전중인 차량과 선행 차량과의 차간 거리를 산출하는 거리 산출부를 포함한다. 그리고 거리 산출은 관심영역의 픽셀 좌표와 임계값 이하인 영역의 픽셀 좌표를 이용하여 선행 차량과 운전 중인 차량과의 차간 거리를 산출한다. 그림 10은 표 1의 차선검출 알고리즘과 표 2의 차간 인식 알고리즘을 이용하여 실제 도로 영상을 분석하여 차선 이탈 및 추돌 위험 경고를 사용자에게 알려주는 실험 화면이다.
차량 인식은 차량의 그림자 및 뒷바퀴의 어두운 색 성분이 임계값 이하이면, 이를 객체로 설정하여 차량 여부를 판단하였다. 그리고 관심영역의 픽셀 좌표의 y축 상의 최하점과 임계값 이하인 영역의 픽셀 좌표의 y축 상 최하점 간의 픽셀 수를 이용하여 선행 차량과의 차간 거리를 산출하였다.
이후전처리 한영역을 바탕으로허프 변환을적용하여 영상내 직선과차량 성분을검출하고, 검출된직선 성분을 분석하여 통계적으로 최대값 성분을 차선으로 인식한다. 또한, 전방 차량인식을 위해 관심영역에서 임계값이하이면 차량 객체로 설정하고 차량 여부를 식별하여 차간거리를 계산한다. 카메라 영상분석을 통한차선 및 차간 거리 인식 과정은 그림 1과 같다.
본 논문에서는 실제 도로 환경에서 충돌 위험 상황을 감지하고 실시간으로 차선 및 차간 인식을 통하여 차간 거리를 측정한 후 충돌 위험 경고를 발생시켜 안전 운전을 도와주는 충돌경고시스템(Collision Warning System)을 설계및 구현한다. 먼저 차량전방에 설치된 카메라를 활용하여 촬영한 도로영상으로부터 도로와 차량에 해당하는 관심 영역을 추출한다. 추출한 관심 영역에 대한 허프 변환을 통하여 직선 성분을 검출하고 확률 계산을 통하여 차선을 확정하여 필터링을 실시하고, 관심 영역에서 전방 차량의 그림자 임계값 분석을 통해 전방 차량 객체를 추출하여 전방 차량과의 거리를 계산한다.
주행 차량을 검출하여 차간 거리를 측정하여 운전자에게 충돌위험 경고를 알려주는 충돌경고시스템을 설계하여 구현하였다. 먼저 차선 추출의 정확도를 높이고 처리 속도를 향상시키기 위하여 각각 왼쪽과 오른쪽 차선으로 관심영역을 설정하고 허프 변환에 의한 직선 알고리즘을 적용하였다. 차량 인식은 차량의 그림자 및 뒷바퀴의 어두운 색 성분이 임계값 이하이면, 이를 객체로 설정하여 차량 여부를 판단하였다.
본 논문에서는 실제 도로 환경에서 충돌 위험 상황을 감지하고 실시간으로 차선 및 차간 인식을 통하여 차간 거리를 측정한 후 충돌 위험 경고를 발생시켜 안전 운전을 도와주는 충돌경고시스템(Collision Warning System)을 설계및 구현한다. 먼저 차량전방에 설치된 카메라를 활용하여 촬영한 도로영상으로부터 도로와 차량에 해당하는 관심 영역을 추출한다.
교통사고의 원인 중 하나인 운전자의 부주의를 줄이기 위해 차선을 이탈하고 차량이 근접할 때, 운전자에게 경보를 제공하는 시스템의 핵심적인 기술에 대한 연구가 진행되고있다. 본논문에서는 카메라영상을 통해 수집되는 전방 도로 영상을 분석하기 위해 관심 영역을 설정하고 그레이 스케일, 소벨 연산, 이진화, 허프 변환 등의 전처리 과정을 거쳐 색상 성분의 임계값을 얻고 윤곽을 찾아내는 방법으로 차선과 전방 차량을 검출하여 차간 거리를 계산하는 보다 효율적인 알고리즘을 제안하였다. 제안한 차량 검출 및 차간 거리 계산 알고리즘을 구현하여 실제 도로상황에 적용하여 실험한 결과 95% 이상의 인식률을 나타내어 안전 운전에 대응할 수 있는 것으로 입증되었다.
주행 차량을 검출하여 차간 거리를 측정하여 운전자에게 충돌위험 경고를 알려주는 충돌경고시스템을 설계하여 구현하였다. 먼저 차선 추출의 정확도를 높이고 처리 속도를 향상시키기 위하여 각각 왼쪽과 오른쪽 차선으로 관심영역을 설정하고 허프 변환에 의한 직선 알고리즘을 적용하였다.
차간 인식 알고리즘에 의해 차량을 인식하고, GPS(NMEA 0183) 수신기를 장착하여 차량 속도와 초음파 센서에 의한근접 차량거리를 검출하고, 측정한 실제차선의 거리 값과 차간 거리 값을 종합적으로 판단하여 차선 이탈 및 충돌 위험 경고 신호를 사용자에게 알린다.
먼저 차선 추출의 정확도를 높이고 처리 속도를 향상시키기 위하여 각각 왼쪽과 오른쪽 차선으로 관심영역을 설정하고 허프 변환에 의한 직선 알고리즘을 적용하였다. 차량 인식은 차량의 그림자 및 뒷바퀴의 어두운 색 성분이 임계값 이하이면, 이를 객체로 설정하여 차량 여부를 판단하였다. 그리고 관심영역의 픽셀 좌표의 y축 상의 최하점과 임계값 이하인 영역의 픽셀 좌표의 y축 상 최하점 간의 픽셀 수를 이용하여 선행 차량과의 차간 거리를 산출하였다.
차선 및 차량 검출을 통한 차간 거리 인식은 입력영상 중 관심영역을 설정하여 전처리 과정을 거친 후 차선과 차량을 검출하고 차간 거리를 측정함으로써 차량의 안전운전을 지원하는 충돌경고시스템에 적용될 수 있도록 하였다. 차선과 차량 인식과정은 다음과 같다.
먼저 차량전방에 설치된 카메라를 활용하여 촬영한 도로영상으로부터 도로와 차량에 해당하는 관심 영역을 추출한다. 추출한 관심 영역에 대한 허프 변환을 통하여 직선 성분을 검출하고 확률 계산을 통하여 차선을 확정하여 필터링을 실시하고, 관심 영역에서 전방 차량의 그림자 임계값 분석을 통해 전방 차량 객체를 추출하여 전방 차량과의 거리를 계산한다. 주행 차량 검출 및 차간 거리 측정 결과를 기반으로 충돌경고 시스템을 설계 및 구현하였으며, 실제 도로상황에 적용하여 실험한 결과 매우 높은 정확도를 나타내어 안전 운전에 대응할 수 있는 것으로 검증되었다.
카메라를 통해 얻어진 영상에서 차선을 검출하기 위해 여러 에지 추출 연산중에서 대각선 방향으로 강인성을 보이는 소벨 연산을 이용하여 에지를 검출한다[9].
두 구성은 완전히 다른 형식이 아니라 ⑴의 공식으로 상호변환이 가능하다. 영상처리 시에는 NTSC(National Television System Committee)에서 제시한 YIQ(밝기, 색상, 순도) 방식에 기초하여 그레이 스케일로 변환한다. 즉, 위의 행렬식으로 계산해보면 밝기 Y는 0.
차선을 검출하기 위하여 영상 좌표에서의 직선의 방정식을 파라미터 공간으로 변환하여 직선을 찾는 알고리즘은 허프 변환 알고리즘을 이용하여 차선을 검출한다.
성능/효과
본논문에서는 카메라영상을 통해 수집되는 전방 도로 영상을 분석하기 위해 관심 영역을 설정하고 그레이 스케일, 소벨 연산, 이진화, 허프 변환 등의 전처리 과정을 거쳐 색상 성분의 임계값을 얻고 윤곽을 찾아내는 방법으로 차선과 전방 차량을 검출하여 차간 거리를 계산하는 보다 효율적인 알고리즘을 제안하였다. 제안한 차량 검출 및 차간 거리 계산 알고리즘을 구현하여 실제 도로상황에 적용하여 실험한 결과 95% 이상의 인식률을 나타내어 안전 운전에 대응할 수 있는 것으로 입증되었다.
제안한 차선 및 차간 거리 인식 알고리즘을 구현하여 차량에 탑재한 후 주간과 야간의 좋은 조건, 흐린 날, 우천 시 등의 나쁜 조건의 실제 도로 상황에서 50여회의 도로 주행 시험을 실시하였고, 실험 과정에서 미세한 오류와 부작용 등을 해결하였다.
추출한 관심 영역에 대한 허프 변환을 통하여 직선 성분을 검출하고 확률 계산을 통하여 차선을 확정하여 필터링을 실시하고, 관심 영역에서 전방 차량의 그림자 임계값 분석을 통해 전방 차량 객체를 추출하여 전방 차량과의 거리를 계산한다. 주행 차량 검출 및 차간 거리 측정 결과를 기반으로 충돌경고 시스템을 설계 및 구현하였으며, 실제 도로상황에 적용하여 실험한 결과 매우 높은 정확도를 나타내어 안전 운전에 대응할 수 있는 것으로 검증되었다.
차량 그림자를 이용하여 주행 차량을 검출하고 차간 거리를 측정하여 운전자에게 충돌위험 경고를 알려주는 충돌위험경고시스템 및 시제품을 제작하여 실제 도로 환경에서 실시한 실험결과는 표6과 같다. 표3에서제시한 차선 이탈 경보 조건을 기준으로 실시한 차선 인식에 대한 실험에서 실선은95.3%, 점선은95.1%의인식률, 표 4에서 제시한 차량 충돌 위험 경보 조건을 기준으로 실시한 차량 인식 실험에서는 94.7%의 인식률을 나타내어 안전 운전에 도움이 될 수 있는 것으로 확인되었다.
질의응답
핵심어
질문
논문에서 추출한 답변
그레이 스케일이란 무엇인가?
그레이 스케일은 백색에서 흑색까지를 단계적으로 나누어 밝기의 정도를 나타낸 척도로 비디오 시스템의 점검뿐 아니라 디자이너를 위한 톤의 참조기준으로 사용되고 스튜디오에서 사용되는 모든 화면과 재료들의 반사를 점검하고 평가하는 데 사용되는 스케일이다. 그레이 스케일은 10단계의 밝기를 가지고 있는데 최소한 3% 반사에서 60% 반사까지가 포함되어 있고, 20 대 1의 톤의 범위를 취급한다.
충돌경고시스템의 차선 추출의 정확노를 높이고 처리 속도를 향상시키기 위하여 어떤 것을 적용하였는가?
주행 차량을 검출하여 차간 거리를 측정하여 운전자에게 충돌위험 경고를 알려주는 충돌경고시스템을 설계하여 구현하였다. 먼저 차선 추출의 정확도를 높이고 처리 속도를 향상시키기 위하여 각각 왼쪽과 오른쪽 차선으로 관심영역을 설정하고 허프 변환에 의한 직선 알고리즘을 적용하였다. 차량 인식은 차량의 그림자 및 뒷바퀴의 어두운 색 성분이 임계값 이하이면, 이를 객체로 설정하여 차량 여부를 판단하였다.
이진화는 어떤 이진화가 있는가?
이진화는 전역적(global) 이진화와 지역적(local) 이진화가 있으며, 전역적 이진화는 영상 전체 픽셀에 대하여 하나의 임계값을 사용하여 이진화 시키는 방법이고, 영상을 여러 개의 구역으로 분할하여 각 구역마다 다른 임계값을 사용하여 이진화를 수행하는 지역적 이진화 방법이 있다. 이진화 알고리즘은 식 (2)와 같으며, 그림 5의⒝는 소벨 연산을 적용한 영상에 대해 이진화를 수행한 결과 영상이다.
참고문헌 (12)
사이버경찰청, "차량증가 현황 및 교통사고 발생 현황," http://www.police.go.kr/
(주)티디엘, 2011년 지역 SW 융합지원사업(과제명: NEV 차량용 도로상황인지 제어시스템 개발) 최종 결과보고서, pp.153, 2011. 12.
배정호 외 4인, 단일차선추출 및 중심점 분석을 통한 차선 이탈점 검출 알고리즘, 정보처리학회논문지B 제16-B권 제1호, 35-46, 2009. 2.
Z. Sun, R. Miller, G. Bebies, and D. DiMeo, "A Real-time Precrash Vehicle Detection System," Sixth IEEE Workshop on Applications of Computer Vision(WACV'02), pp.171-178, 2012. 12.
배찬수 외 2인, 형태학과 색상 정보를 이용한 차선 인식 알고리즘, 전자공학회논문지 제48권(SD편) 제6호, pp.15-23, 2011. 6
M. Bertozzi, A. Boggi, A. Fascioli, R. Fscioli, "Stereo Inverse Perspective Mapping: Theory and Applications," Image and Vision Computing Vol.16, No.8, pp.585-590, 1998.
M. P. Dubuisson, A.K. Jain, "Object contour extraction using color and motion ," Proceedings CVPR '93 : Computer Vision and Pattern Recognition 1993, pp.471-476, 1993. 6.
R. Wang, Y. Xu, Libin, Y. Zhao, "A vision-based road edge detection algorithm," IEEE Intelligent Vehicle Symposium 2002, pp.141-147, 2002. 6.
A. Gern, U. Franke, P. Levi, "Advanced lane recognition-fusing vision and radar," IEEE Intelligent Vehicle Symposium 2000, pp.45-51, 2000. 10.
R. O. Duda, "Use of the Hough Transformation to detect Lines and Curves in Pictures," Communication of ACM, vol.15, pp.11-15, 1972.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.