본 논문에서는 다양한 특징점들을 이용하여 아스팔트 도로의 포트홀을 검출하는 방법을 제안한다. 포트홀 검출에서의 분할, 후보, 결정 단계 들은 특징점 들의 특성에 따라 추출된 값들에 의해 처리된다. 분할 단계에서는 히스토그램과 형태학 필터의 닫힘 연산을 이용하여 포트홀 검출을 위한 어두운 영역을 추출한다. 후보 단계에서는 포트홀 후보 영역을 정하기 위하여 크기, 밀도 등 다양한 특징점들을 이용하여 포트홀 후보 영역을 추출한다. 또한 마지막 결정 단계에서는 후보 영역과 배경 영역과의 특징점들의 비교를 통해서 후보 영역이 포트홀 여부를 판단한다. 실험 결과, 제안하는 방법이 기존 포트홀 검출 방법 보다 향상된 결과를 보이고 포트홀과 유사한 형태들과 구분하는 향상된 결과를 보인다.
본 논문에서는 다양한 특징점들을 이용하여 아스팔트 도로의 포트홀을 검출하는 방법을 제안한다. 포트홀 검출에서의 분할, 후보, 결정 단계 들은 특징점 들의 특성에 따라 추출된 값들에 의해 처리된다. 분할 단계에서는 히스토그램과 형태학 필터의 닫힘 연산을 이용하여 포트홀 검출을 위한 어두운 영역을 추출한다. 후보 단계에서는 포트홀 후보 영역을 정하기 위하여 크기, 밀도 등 다양한 특징점들을 이용하여 포트홀 후보 영역을 추출한다. 또한 마지막 결정 단계에서는 후보 영역과 배경 영역과의 특징점들의 비교를 통해서 후보 영역이 포트홀 여부를 판단한다. 실험 결과, 제안하는 방법이 기존 포트홀 검출 방법 보다 향상된 결과를 보이고 포트홀과 유사한 형태들과 구분하는 향상된 결과를 보인다.
In this paper, we propose a pothole detection method in asphalt pavement using various features. Segmentation, candidate, and decision steps of pothole detection are processed according to the values which are derived from feature characteristics. Segmentation step, we use histogram and closing oper...
In this paper, we propose a pothole detection method in asphalt pavement using various features. Segmentation, candidate, and decision steps of pothole detection are processed according to the values which are derived from feature characteristics. Segmentation step, we use histogram and closing operation of morphology filter which extracts dark regions for pothole detection. Candidate step, we extract candidate regions of pothole using various features such as size, compactness, etc. Finally, decision step, candidate regions are decided whether pothole or not using comparison of pothole and background's features. Experimental results show that our proposed pothole detection method has better results than existing methods and good performance in discrimination of pothole and similar patterns.
In this paper, we propose a pothole detection method in asphalt pavement using various features. Segmentation, candidate, and decision steps of pothole detection are processed according to the values which are derived from feature characteristics. Segmentation step, we use histogram and closing operation of morphology filter which extracts dark regions for pothole detection. Candidate step, we extract candidate regions of pothole using various features such as size, compactness, etc. Finally, decision step, candidate regions are decided whether pothole or not using comparison of pothole and background's features. Experimental results show that our proposed pothole detection method has better results than existing methods and good performance in discrimination of pothole and similar patterns.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서 다양한 특징점들을 이용하여 포트홀 검출하는 방법을 제안하였다. 기존 알고리즘은 표준 편차와 같은 단순한 특징점을 이용하여 포트홀과 유사 형태를 구별하지 못한다.
본 논문에서는 다양한 특징점들을 이용하여 포트홀 검출하는 방법을 제안한다. 제안하는 알고리즘은 분할, 후보, 결정 단계로 나뉜다.
제안 방법
그 다음 size, compactness, ellipticity, linearity,등 특징점들을 이용하여 후보 영역을 추출한다.
기존 알고리즘은 표준 편차와 같은 단순한 특징점을 이용하여 포트홀과 유사 형태를 구별하지 못한다. 그러나 제안하는 알고리즘에서는 다양한 특징점을 이용하여 정확하게 구별하여 포트홀을 검출한다.
값이 0이면 정확한 검출로 판단한다. 기존 방법[3]과 제안하는 방법을 비교하기 위하여 영역 분할과 후보 영역 추출하는 부분은 동일한 조건으로 하고 판단하는 조건만을 각각 제안하는 방법에 따라 다르게 적용하였다.
또한 마지막 결정 단계에서는 후보 영역과 배경 영역과의 특징점들의 비교를 통해서 후보 영역이 포트홀 여부를 판단한다. 기존의 방법들과 비교하여 새로운 특징점들을 이용함으로써 신뢰할 수 있는 포트홀 검출 알고리즘을 제안한다.
포트홀을 타원형으로만 가정한 것은 잘못된 검출을 가져올 수 있으며 포트홀 내부 영역이 주변 배경 영역 보다 표준 편차가 크다는 가정은 잘못된 결과를 얻을 수 있다. 따라서 제안한 방법은 주변 영역과 포트홀로 추정되는 영역의 다양한 특징점들을 비교함으로써 보다 정확한 검출을 할 수 있도록 한다.
마지막 단계에서는 다음과 같이 전 단계에서 포트홀로 가정되는 영역과 배경영역과의 표준편차를 비교하여 검출한다.
본 논문에서 특징점 기반 포트홀 검출 방법은 입력 영상을 경계가 있는 영역들로 나누는 분할(Segmentation)부, 특징점들을 이용하여 후보 영역을 정하는 후보(Candidate)부, 특징점 정보에 따라 후보 영역과 주변 영역을 비교하여 포트홀 영역 검출하는 결정(Decision)부로 나뉜다. 분할(Segmentation)부, 후보(Candidate)부, 결정(Decision)부 등 각 부들이 동작하기 전에 필요한 파라미터들을 초기화한다.
본 절에서 영상을 분할하고, 영상정보를 이용하여 특징점(feature)들을 추출하고, 이에 따라 분할된 영역들을 비교하여 후보 영역에서 검출하고자 하는 포트홀 영역을 판단하는 영상 정보를 이용한 포트홀 검출 방법을 제안한다.
이때 판단하기 위하여 표준편차(standard deviation), 히스토그램 등의 특징점들을 사용한다. 특히 본 알고리즘에서는 히스토그램에서 정렬된 히스토그램 교차(ordered histogram intersection) 특징점을 사용함으로써 기존 방법들이 얼룩, 패치, 조명, 그늘 등과 포트홀과 구분하지 못한 것을 구분할 수 있다.
그림 6은 실험에 사용하는 30개의 테스트 영상들에서 일부 영상을 보여준다. 제안하는 알고리즘의 임계치는 실험적으로 각 임계치가 가장 적합하게 다양한 포트홀과 유사 형태를 비교하여 구별할 수 있도록 값을 정하였다.
첫 번째 단계로, 이진 영상으로 만드는 영상 분할이 있다. 칼라 영상을 그레이 영상으로 만들고 미디언 필터링을 이용하여 잡음을 제거한다. 그리고 Histogram shape-based thresholding 방법[3, 5]을 이용하여 이진 영상으로 분할한다.
대상 데이터
제안하는 알고리즘 포트홀 검출 결과와 기존 알고리즘[3]과의 검출 성능을 비교하기 위하여 포트홀을 포함한 아스팔트 영상들과 포함하지 않은 아스팔트 영상들을 실험의 테스트 영상들로 사용하였다. 그림 6은 실험에 사용하는 30개의 테스트 영상들에서 일부 영상을 보여준다.
이론/모형
칼라 영상을 그레이 영상으로 만들고 미디언 필터링을 이용하여 잡음을 제거한다. 그리고 Histogram shape-based thresholding 방법[3, 5]을 이용하여 이진 영상으로 분할한다. 이때 영상 분할은 다음 식과 같이 포트홀의 포함될 수 있는 영역과 배경 영역으로 나눌 수 있다.
분할부는 입력영상의 히스토그램을 이용하여 이진영상을 만들어 포트홀과 주변 영역을 분할할 수 있도록 한다. 이때 이진 영상을 생성하기 위하여 histogram shaped thresholding 방법, Otsu 방법, maximum entropy 방법 등을 이용할 수 있다. 다음 식과 그림 2와 같이 입력 영상을 받아 이진 영상으로 만든다.
또한 포트홀이 타원형의 형태를 가진다고 가정하고 완전한 타원형을 가지지 못하고 일부 그림자만 가진 포트홀로 의심되는 영역은 타원형 형태의 영역으로 만든다. 이를 위하여 다음 그림과 같이 형태학 필터를 이용한 세선화와 타원형 피팅 방법을 사용한다.
이때 판단하기 위하여 표준편차(standard deviation), 히스토그램 등의 특징점들을 사용한다. 특히 본 알고리즘에서는 히스토그램에서 정렬된 히스토그램 교차(ordered histogram intersection) 특징점을 사용함으로써 기존 방법들이 얼룩, 패치, 조명, 그늘 등과 포트홀과 구분하지 못한 것을 구분할 수 있다. 따라서 포트홀로 잘못 검출하는 오류를 피한다.
성능/효과
그러나 제안하는 알고리즘은 정렬된 히스토그램 교차, 후보 영역의 내·외곽 표준 편차, 평균 등의 특징점들을 사용함으로써 보다 정확하게 포트홀을 검출할 수 있다.
아스팔트 도로에서 콘크리트 도로로 변하는 위치에서 포트홀을 잘못 검출하는 결과를 보였으나 추후 결정부에 콘크리트에 해당하는 특징점을 추가하여 제거할 수 있다. 또한 영상에 따라 커다란 포트홀의 전체를 검출하지 못하고 포트홀의 일부 영역만을 후보 영역으로 추출하여 포트홀의 일부분만을 검출하는 결과를 보였다. 다음 그림 8과 같이 얼룩 영상은 기존 알고리즘에서는 포트홀로 검출하나 제안하는 알고리즘은 포트홀로 검출하지 않는다.
제안하는 포트홀 검출에서의 분할, 후보, 결정 단계들은 특징점 들의 특성에 따라 추출된 값들에 의해 처리된다. 실험 결과, 제안하는 방법이 기존 포트홀 검출 방법 보다 향상된 결과를 보이고 포트홀과 유사한 패치, 얼룩, 크랙 등의 형태들과 구분하는 향상된 결과를 보인다.
따라서 표준편차를 이용하는 기존 방법[3]에서는 실제 얼룩인 후보 영역이 배경 영역보다 큰 표준 편차를 가지므로, 후보 영역을 포트홀로 판정하여 검출하는 오류를 갖게 된다. 제안하는 방법은 수식 8에서 보이는 바와 같이 특징점들로 후보영역의 표준편차, 정렬된 히스토그램 교차, 후보영역의 외곽, 내부 영역간의 표준편차, 평균 차이를 사용함으로써 정확한 포트홀 검출을 보인다. 다음 표 1은 각 실험 영상의 포함하는 포트홀 개수, 특징과 검출 결과를 나타낸다.
그러나 기존 제안한 검출 방법의 특성들만으로 실제 도로에서 생기는 다양한 포트홀의 검출을 할 수 없다. 포트홀을 타원형으로만 가정한 것은 잘못된 검출을 가져올 수 있으며 포트홀 내부 영역이 주변 배경 영역 보다 표준 편차가 크다는 가정은 잘못된 결과를 얻을 수 있다. 따라서 제안한 방법은 주변 영역과 포트홀로 추정되는 영역의 다양한 특징점들을 비교함으로써 보다 정확한 검출을 할 수 있도록 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
포트홀 검출 방법 중 3D 복원 방법의 단점은 무엇인가?
진동을 이용한 방법은 직접적인 접촉과 도로의 연결 부위 등의 잘못된 검출 등으로 인하여 신뢰할 수 있는 접근 방법이 될 수 없다. 3D 복원 방법은 고비용의 레이져 스캐너를 이용하기 때문에 효율적이지 못하다. 영상 기반 방법은 영상을 획득하여 분석함으로써 포트홀을 검출한다.
포트홀 검출이 중요한 이유는 무엇인가?
포트홀은 아스팔트 도로의 구조적인 결함을 알리는 중요한 단서이다. 따라서 포트홀을 신뢰할 수 있게 검출이 필요하다.
포트홀을 검출하는 방법에는 무엇이 있는가?
포트홀을 검출하는 다양한 방법들이 제안되었다. 진동[1], 3D 복원[2], 그리고 영상[3]을 기반으로 한 방법들이 있다. 진동을 이용한 방법은 직접적인 접촉과 도로의 연결 부위 등의 잘못된 검출 등으로 인하여 신뢰할 수 있는 접근 방법이 될 수 없다.
참고문헌 (10)
J. Eriksson, L. Girod, B. Hull, R. Newton, S. Madden, H. Balakrishna, "The pothole patrol: using a mobile sensor network for road surface monitoring," Proceeding of the 6th international conference on Mobile systems, applications, and services, pp. 29-39, 2008.
K. T. Chang, J. R. Chang, and J. K. Liu, "Detection of pavement distresses using 3D laser scanning technology," Computing in Civil Engineering, pp. 1-11, 2005.
C. Koch and I. Brilakis, "Pothole detection in asphalt pavement image," Advanced Engineering Informatics, vol. 25, no. 3, pp. 507-515, 2011.
R. S. Adhikari, O. Moselhi, and A. Bagchi, "Image-based retrieval of concrete crack properties," Journal of the International Society for Geotechnology, vol. 11, no. 2, pp. 315-321, 2012.
G. W. Zack, W. E. Rogers, and S. A. Latt, "Automatic measurement of sister chromatid exchange frequency," J. Histochem. Cytochem. vol. 25, no. 7, pp. 741-753, 1977
N. Otsu, "A threshold selection method from gray-level histograms," IEEE Trans. Systems, Man, and Cybernetics, vol. SMC-9, no. 1, pp. 62-66, Jan. 1979.
T. Leung and J. Malik, "Representing and recognizing the visual appearance of materials using three-dimensional textons, " Int. J. Comput. Vision, vol. 43, pp. 29-44, 2001
C. Schmid, "Constructing models for content-based image retrieval," in Proc. of the IEEE Conference on Computer Vision and Pattern Recognition, vol. 2, pp. 39-45, 2001
Young-Ro Kim and Sung-Soo Dong, "Noise Estimation Using Edge Detection," Journal of The Institute of Electronics Engineers of Korea, vol. 50, no. 5, pp. 281-286, 2013.
Seung-Chan, Jeong-Moon Byun, and Gyeonghwan Kim, "A time recursive approach for do-interlacing using improved ELA and motion compensation based on hi-directional BMA," Journal of The Institute of Electronics Engineers of Korea, SP, vol. 41, no. 5, pp. 87-97, 2004.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.