[논문]카메라와 도로평면의 기하관계를 이용한 모델 기반 곡선 차선 검출

장호진; 백승해; 박순용

doi:10.5302/j.icros.2015.14.9008

카메라와 도로평면의 기하관계를 이용한 모델 기반 곡선 차선 검출
Model-based Curved Lane Detection using Geometric Relation between Camera and Road Plane 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.21 no.2, 2015년, pp.130 - 136

장호진 (경북대학교 IT대학 컴퓨터학부) , 백승해 (경북대학교 IT대학 컴퓨터학부) , 박순용 (경북대학교 IT대학 컴퓨터학부)

Abstract ▼ AI-Helper

In this paper, we propose a robust curved lane marking detection method. Several lane detection methods have been proposed, however most of them have considered only straight lanes. Compared to the number of straight lane detection researches, less number of curved-lane detection researches has been investigated. This paper proposes a new curved lane detection and tracking method which is robust to various illumination conditions. First, the proposed methods detect straight lanes using a robust road feature image. Using the geometric relation between a vehicle camera and the road plane, several circle models are generated, which are later projected as curved lane models on the camera images. On the top of the detected straight lanes, the curved lane models are superimposed to match with the road feature image. Then, each curve model is voted based on the distribution of road features. Finally, the curve model with highest votes is selected as the true curve model. The performance and efficiency of the proposed algorithm are shown in experimental results.

주제어

AI 본문요약
AI-Helper

문제 정의

본 논문은 차량에 탑재된 카메라와 도로 평면의 기하 관계를 이용하여 곡선 차선을 검출하는 방법을 제시하였다. 제안한 방법은 강인한 차선 특징 추출 방법을 사용하여 직선 차선을 검출하고, 직선 차선에 곡선 모델을 적용한 곡선 차선의 후보를 생성한다.

가설 설정

가정1: 차선의 폭은 일정하다.
가정2: 차선영역은 도로영역보다 밝기값이 높다.

제안 방법

본 논문에서는 차선은 항상 도로보다 밝은 점을 이용하여 차선과 도로 면의 밝기 차이와 차선의 폭을 이용하여 조명에 강인한 특징을 추출하고, 특징 추출 결과를 이용하여 직선 차선을 검출한다. 다음으로 검출된 직선과 카메라 정보를 이용하여 3차원 도로 면에 13개의 곡선 후보를 생성한다.

대상 데이터

본 논문에서는 차선은 항상 도로보다 밝은 점을 이용하여 차선과 도로 면의 밝기 차이와 차선의 폭을 이용하여 조명에 강인한 특징을 추출하고, 특징 추출 결과를 이용하여 직선 차선을 검출한다. 다음으로 검출된 직선과 카메라 정보를 이용하여 3차원 도로 면에 13개의 곡선 후보를 생성한다. 마지막으로 특징 추출 결과를 곡선 후보에 보팅(voting)하여 최종적으로 곡선 차선을 결정한다.

데이터처리

따라서 본 논문에서는 기존의 알고리즘과의 성능 비교를 위하여 논문의 실험 영상과 비슷한 영상을 사용한 Mohamed[14]의 곡선 차선 검출 결과와 본 실험의 결과를 그림 12와 같이 비교하였다. 그림 13에서는 도로영상에서 차선 이외에 도로 마커(marker), 즉 학교구역의 표시나 차선이용 제한 표시 등이 있는 것을 알 수 있다.

이론/모형

차선을 검출하기 위해서는 먼저 차선 외의 잡음들을 제거하는 차선의 특징 추출과정이 필요하다. 본 논문에서는 기존에 연구된 조명환경에 강인한 차선 특징추출방법을 이용하였다[11]. 이 방법에서 특징 추출을 위해 사용되는 차선의 가정들은 다음과 같다.
직선 차선의 검출을 위해 본 논문에서는 참고문헌 [11]에서의 직선검출 방법을 이용하였다. 그림 5는 직선차선 검출을 위한 기술의 흐름도를 보여준다.

성능/효과

다양한 조명 환경의 실제 도로의 주행 영상을 이용하여 실험한 결과 처리속도는 15fps이고, 검출률은 약 90%이다. 반면 도로상에 차선이 보이지 않거나, 차선과 유사한 잡음이 존재할 경우 정확한 곡선의 검출이 어렵다.
본 논문에서 제안한 알고리즘의 평균 검출률은 90%로 Mohamed의 검출률 90%와 동일하지만 본 논문에서 실험에 사용한 영상은 노을, 그림자, 역광, 야간과 같은 다양한 조명 환경과, 주변에 주행하는 차량이 많고 잡음이 많은 복잡한 환경에서 수행한 결과이므로 제안하는 방법의 검출 성능이 더 뛰어나다고 판단된다.

후속연구

반면 도로상에 차선이 보이지 않거나, 차선과 유사한 잡음이 존재할 경우 정확한 곡선의 검출이 어렵다. 잡음에 강인한 곡선 차선검출을 위해서는 특징 추출 방법의 개선과 검출된 차량이 움직임 정보를 이용한 필터링 기법을 통한 추적과정이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	LDWS시스템에서 높은 성능을 보장받기 위해서 필요한 것은 무엇인가?	LDWS시스템에서 높은 성능을 보장 받기 위해서는 주행하고 있는 차선을 정확하게 검출하는 기술이 필요하다. 차선 검출을 위해서 레이더나 레이저 스캐너와 같은 센서를 사용하기도 하지만 비전센서를 이용하여 검출하는 것이 보다 일반적이다.
	비전센서를 사용하는 목적은 무엇인가?	LDWS시스템에서 높은 성능을 보장 받기 위해서는 주행하고 있는 차선을 정확하게 검출하는 기술이 필요하다. 차선 검출을 위해서 레이더나 레이저 스캐너와 같은 센서를 사용하기도 하지만 비전센서를 이용하여 검출하는 것이 보다 일반적이다. LDWS시스템에서 차선 검출을 위해 사용된 기존의 방법들에는 에지(edge) 정보를 이용하는 방법[4,5]과 컬러모델을 이용하는 방법[6], B-Snake를 이용하는 방법[7], 그리고 Perspective 변환을 이용하는 방법[8]등이 있다.
	가드레일과 보도블록이 일반적으로 도로면 보다 밝고, 폭 역시 차선과 유사하기 때문에 차선의 특징 추출 시 차선으로 검출되는 문제를 해결하기 위한 방법은 무엇인가?	가드레일과 보도블록은 일반적으로 도로면 보다 밝고, 폭 역시 차선과 유사하기 때문에 차선의 특징 추출 시 차선으로 검출되어 문제가 된다. 이를 제거하기 위해서는 차선 특징추출 방법의 개선 또는 스테레오 비전 카메라를 이용하여 도로 면과의 높이를 측정하여 제거할 수 있다.

참고문헌 (14)

J. S. Want and R. R. Knipling, "Single-vehicle roadway departure crashes: problem size assessment and statistical description," National Highway Traffic Safety Administration Technical Report, DTNH-22-91-C-03121, 1994.
E. Dagan, O. Mano, G. P. Stein, and A. Shashua, "Forward collision warning with a single camera," IEEE Intelligent Vehicles Symposium, pp. 37-42, 2004.
M. Chen, T. Jochem, and D. Pomerleau, "AURORA: a visionbased roadway departure warning system," IEEE Conference on Intelligent Robots and Systems, pp. 1-4, 1995.
W. Liu, H. Zhang, B. Duan, H. Yuan, and H. Zhao, "Visionbased real-time lane marking detection and tracking," 11th International IEEE Conference on Intelligent Transportation Systems (ITSC), pp. 49-54, 2008.
Y. Wang, E. K. Teoh, and D. Shen, "Lane detection and tracking using B-Snake," Image and Vision Computing, vol. 22, no. 4, pp. 269-280, 2004.

상세보기
K. Y. Chiu and S. F. Lin, "Lane detection using color-based segmentation," IEEE Conference on In Intelligent Vehicles Symposium, pp. 706-711, 2005.
J. Deng and Y. Han, "A real-time system of lane detection and tracking based on optimized RANSAC B-spline fitting," Proc. of the 2013 Research in Adaptive and Convergent Systems, pp. 157-164, 2013.
M. Aly, "Real time detection of lane markers in urban streets," IEEE Intelligent Vehicles Symposium, pp. 7-12, 2008.
M. Revilloud, D. Gruyer, and E. Pollard, "An improved approach for robust road marking detection and tracking applied to multi-lane estimation," IEEE Intelligent Vehicles Symposium, pp. 783-790, 2013.
Standard of Lane Painting Specification (In Korean), Ministry of land and Maritime, Korea, 2010.
H. J. Jang, S. H. Baek, and S. Y. Park, "Lane marking detection in various lighting conditions using robust feature extraction," International Conferences in Central Europe on Computer Graphics, Visualization and Computer Vision, 2014.
Regulation of Structure and Facility of Road Ministry of Land, Infrastructure and Transport (In Korean), Korea, 2014.
B. K. Shin, Z. Xu, and R. Klette, "Visual lane analysis and higher-order tasks: a concise review," Machine Vision and Applications, vol. 25, pp. 1519-1547, 2014.

상세보기
A. Mohamed, "Real time detection of lane Markers in urban streets," IEEE Intelligent Vehicles Symposium, pp. 7-12, 2008.

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