$\require{mediawiki-texvc}$

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.

YOLOv8 알고리즘 기반의 주행 가능한 도로 영역 인식과 실시간 추적 기법에 관한 연구
Research on Drivable Road Area Recognition and Real-Time Tracking Techniques Based on YOLOv8 Algorithm 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.19 no.3, 2024년, pp.563 - 570  

서정희 (동명대학교 컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 운전자의 운행 보조 역할로 주행 가능한 차선 영역을 인식하고 추적하는 방법을 제안한다. 주요 주제는 차량 내부의 앞 유리 중앙에 설치된 카메라를 통해 실시간으로 획득한 영상을 기반으로 컴퓨터 비전과 딥 러닝 기술을 활용하여 주행 가능한 도로 영역을 예측하는 심층 기반 네트워크를 설계한다. 본 연구는 YOLOv8 알고리즘을 이용하여 카메라에서 직접 획득한 데이터로 훈련한 새로운 모델을 개발하는 것을 목표한다. 실제 도로에서 자신의 차량의 정확한 위치를 실제 영상과 일치하게 시각화하여 주행 가능한 차선 영역을 표시 및 추적함으로써 운전자 운행의 보조하는 역할을 기대한다. 실험 결과, 대부분 주행 가능한 도로 영역의 추적이 가능했으나 밤에 비가 심하게 오는 경우와 같은 악천후에서 차선이 정확하게 인식되지 않는 경우가 발생하여 이를 해결하기 위한 모델의 성능 개선이 필요하다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes a method to recognize and track drivable lane areas to assist the driver. The main topic is designing a deep-based network that predicts drivable road areas using computer vision and deep learning technology based on images acquired in real time through a camera installed in the ...

주제어

#차선 추출   #주행 가능 도로 영역 인식   #딥 러닝   #시각적 표현  

표/그림 (6)

참고문헌 (21)

  1. Y. Kortli, S. Gabsi, L. F. C. L. Y. Voon, M. Jridi, M. Merzougui, and M Atri, "Deep embedded hybrid CNN-LSTM network for lane detection on NVIDIA Jetson Xavier NX," Knowledge-Based Systems, vol. 240, 2022, pp. 1-17.？ 

  2. H. Komori and K. Onoguchi, "Driving Lane Detection based on Recognition of Road Boundary Situation," 2018 Digital Image Computing: Techniques and Applications (DICTA), Canberra, ACT, Australia, Dec. 2018, pp. 1-8.？ 

  3. A. A. Mamun, P. P. Em, M. J. Hossen, B. Jahan, and A. Tahabilder, "A deep learning approach for lane marking detection applying encode-decode instant segmentation network," Heliyon, vol. 9, no. 3, Mar. 2023, pp. 1-19.？ 

  4. I. Ramadani A., Eko M. Yuniarno, and R. F. Rachmadi, "Lane Departure Warning based on Road Marking Detection using Mask Region-based Convolutional Neural Networks," 2022 International Conference on Electrical Engineering, Computer and Information Technology, Jember, Indonesia, Nov. 2022, pp. 60-64.？ 

  5. Y.-C. Chan, Y.-C. Lin, and P.-C. Chen, "Lane Mark and Drivable Area Detection Using a Novel Instance Segmentation Scheme," Proceedings of the 2019 IEEE/SICE International Symposium on System Integration, Paris, France, Jan. 2019, pp. 502-506.？ 

  6. H. Gajjar, S. Sanyal, and M. Shah, "A comprehensive study on lane detecting autonomous car using computer vision," Expert Systems With Applications, vol. 233, no. 15, Dec. 2023, pp. 1-15.？ 

  7. S. Bisht, N. Sukumar, and P. Sumathi, "Integration of Hough Transform and Inter-Frame Clustering for Road Lane Detection and Tracking," 2022 IEEE International Instrumentation and Measurement Technology Conference (I2MTC), Ottawa, ON, Canada, May 2022, pp. 1-6.？ 

  8. A. Istiningrum, U. Salamah, and N. P. T. Prakisya, "Lane Detection With Conditions of Rain and Night Illumination Using Hough Transform," 2022 5th International Conference on Information and Communications Technology (ICOIACT), Yogyakarta, Indonesia, 2022, pp. 429-434.？ 

  9. S. Liu, L. Lu, X. Zhong, and J. Zeng, "Effective Road Lane Detection and Tracking Method Using Line Segment Detector," Proceedings of the 37th Chinese Control Conference, Wuhan, China, July 2018, pp. 5222-5227.？ 

  10. M. Guerrieri and G. Parla, "Flexible and stone pavements distress detection and measurement by deep learning and low-cost detection devices," Engineering Failure Analysis, vol. 141, Nov. 2022, pp. 1-18.？ 

  11. M. Singh, G. Jagyasi, H. Pachar, and S. Kingsly, "High Accuracy Lane Line Detection System using Enhanced Yolo V3," 2023 IEEE World Conference on Applied Intelligence and Computing (AIC), Sonbhadra, India, July 2023, pp. 675-680.？ 

  12. Y. Qian, J. M. Dolan, and M. Yang, "DLT-Net: Joint Detection of Drivable Areas, Lane Lines, and Traffic Objects," IEEE Transactions On Intelligent Transportation Systems, vol. 21, no. 11, Nov. 2020, pp. 4670-4679.？ 

    상세보기

  13. V. Kamath and R. A., "Deep learning based object detection for resource constrained devices: Systematic review, future trends and challenges ahead," Neurocomputing, vol. 531, 2023, pp. 34-60.？ 

  14. D. Qiao, X. Wu, and T. Wang, "A Lane Recognition Based on Line-CNN Network," 2020 Asia-Pacific Conference on Image Processing, Electronics and Computers (IPEC), Dalian, China, Apr. 2020, pp. 96-100.？ 

  15. J. Zhang, F. Yan, W. Liu, and T. Deng, "A Robust Lane Detection Model via Vertical Spatial Convolutions," 2021 IEEE Intelligent Transportation Systems Conference (ITSC), Indianapolis, USA. Sept. 2021, pp. 2835-2840.？ 

  16. U. Shukla, A. Mishra, S G. Jasmine, V Vaidehi, and S. Ganesan, "A Deep Neural Network Framework for Road Side Analysis and Lane Detection," Procedia Computer Science, vol. 165, 2019, pp. 252-258.？ 

    상세보기

  17. P. Lu, S. Xu, and H. Peng, "Graph-Embedded Lane Detection," IEEE Transactions On Image Processing, vol. 30, Feb. 2021, pp. 2977-2988.？ 

    상세보기

  18. L.-C. Chen, G. Papandreou, I. Kokkinos, K. Murphy, and A. L. Yuille, "DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs," IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 40, no. 4, Apr. 2018, pp. 834-848.？ 

    상세보기

  19. B. Kim, M. Park, J. Kim, Y. Do, S. Oh, and H. Yoon, "Analysis Temporal Variations Marine Debris by using Raspberry Pi and YOLOv5," J. of The Korea Institute of Electronic Communication Sciences, vol. 17, no. 6, 2022, pp. 1249-1258.？ 

  20. B. Kim, Y. Im, S. Shin, J. Lee, and S. Chu, "Analysis of Floating Population in Schools Using Open Source Hardware and Deep Learning-Based Object Detection Algorithm," J. of The Korea Institute of Electronic Communication Sciences, vol. 17, no. 1, 2022, pp. 91-98.？ 

  21. M. Choi and M. Moon, "Analysis System for Public Interest Report Video of Traffic Law Violation based on Deep Learning Algorithms," J. of The Korea Institute of Electronic Communication Sciences, vol. 18, no. 1, 2023, pp. 63-70. 

관련 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