크랙 실링 자동화 장비의 비젼 시스템은 도로면의 영상을 획득하고 이를 컴퓨터로 처리하여 도로면의 랙을 탐지, 분석 및 맵핑하는 역할을 수행하는 것이다. 그러나 실제 도로에는 크랙과 함께 오일 자국, 타이어 자국, 차선, 기 실링된 크랙 등의 수많은 노이즈들을 포함하고 있기 때문에 비젼 시스템을 통해 얻어진 노이즈가 포함된 도로면 영상을 기반으로 크랙을 자동으로 탐지하고 맵핑하는 것은 매우 어려우며 이러한 노이즈는 크랙의 정확한 탐지 및 맵핑의 커다란 방해 요소이기 때문에 이들의 제거가 선결되어야만 한다. 따라서 본 연구에서는 획득된 도로면 영상으로부터 크랙을 탐지하고 맵핑하기 이전에 실링되어질 크랙을 정확히 인지(recognition)하기 위한 노이즈 제거 알고리즘을 제안하고자 한다.
크랙 실링 자동화 장비의 비젼 시스템은 도로면의 영상을 획득하고 이를 컴퓨터로 처리하여 도로면의 랙을 탐지, 분석 및 맵핑하는 역할을 수행하는 것이다. 그러나 실제 도로에는 크랙과 함께 오일 자국, 타이어 자국, 차선, 기 실링된 크랙 등의 수많은 노이즈들을 포함하고 있기 때문에 비젼 시스템을 통해 얻어진 노이즈가 포함된 도로면 영상을 기반으로 크랙을 자동으로 탐지하고 맵핑하는 것은 매우 어려우며 이러한 노이즈는 크랙의 정확한 탐지 및 맵핑의 커다란 방해 요소이기 때문에 이들의 제거가 선결되어야만 한다. 따라서 본 연구에서는 획득된 도로면 영상으로부터 크랙을 탐지하고 맵핑하기 이전에 실링되어질 크랙을 정확히 인지(recognition)하기 위한 노이즈 제거 알고리즘을 제안하고자 한다.
Machine vision algorithms, which are composed of noise elimination algorithm, crack detection and mapping algorithm, and path planning algorithm, are required for sealing crack networks effectively and automation of crack sealing.. Noise elimination algorithm is the first step so that computer take ...
Machine vision algorithms, which are composed of noise elimination algorithm, crack detection and mapping algorithm, and path planning algorithm, are required for sealing crack networks effectively and automation of crack sealing.. Noise elimination algorithm is the first step so that computer take cognizance of cracks effectively. Noises should be removed because common road includes a lot of noises(mark of oil, tire, traffic lane, and sealed crack) that make it difficult the computer to acknowledge cracks accurately. The objective of this paper is to propose noise elimination algorithm, prove the efficiency of the algorithm through coding. The result of the coding is represented in this paper as well.
Machine vision algorithms, which are composed of noise elimination algorithm, crack detection and mapping algorithm, and path planning algorithm, are required for sealing crack networks effectively and automation of crack sealing.. Noise elimination algorithm is the first step so that computer take cognizance of cracks effectively. Noises should be removed because common road includes a lot of noises(mark of oil, tire, traffic lane, and sealed crack) that make it difficult the computer to acknowledge cracks accurately. The objective of this paper is to propose noise elimination algorithm, prove the efficiency of the algorithm through coding. The result of the coding is represented in this paper as well.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구의 목표는 도로면 크랙 실링 자동화 장비에 입력된 도로 영상에서 크랙을 제외한 모든 노이즈를 제거하는 알고리즘을 개발하는 것이다. 이를 위해 전처리 과정에 히스토그램 분석, 이진화 기법을 사용하였다.
제안 방법
이를 위해 전처리 과정에 히스토그램 분석, 이진화 기법을 사용하였다. 노이즈를 제거하기 위하여 연속성 검사, 밝기 검사 기법을 개발하였으며, 이를 조합하여 노이즈 제거 알고리즘을 개발하였다. 향후에는 Fuzzy Set을 비롯한 인공지능 기법을 활용하여 좀 더 지능적인 요소를 추가하는 연구를 수행하고자 한다.
또한 보수시공 시 크랙을 폭 L2-2cm로 절삭하도록 되어 있으며 실제시 공시 2cm 정도 절삭하는 것이 통례이다. 따라서 본 연구에서는 크랙을 절삭한 이후의 상태인 폭 2cm 길이 15cm 이상인 것으로 정의하였고 그 이외의 것은 노이즈로 적용하여 노이즈 제거 알고리즘을 적용하였다.
특히, 도로면 영상의 노이즈를 제거하는 것은 단일 영상 처리 기법으로 해결할 수 있는 작업이 아니며, 다양한 기법의 적절한 활용이 필요한 작업이다. 따라서 본 연구의 노이즈 제거 알고리즘은 히스토그램 분석, 이진화의 전처리 작업과 노이즈 저)거의 본 처리 작업으로 구성되어 있으며, 전처리 작업에 활용한 두 기법은 기존의 기법을 활용하였고, 본 처리 작업의 연속성 검사, 밝기 검사알고리즘은 직접 개발하였다. 그림 1은 노이즈 제거의 프로세스와 각각에 사용된 기법을 도시한 것이다.
이진화의 방법은 고정 임계값 처리(Tresholding), 불규칙 잡음 방법, 불규칙 패턴 방법, 최소 오차 방법, 오차 분산 방법 등이 있으나, 본 연구에서는 가장 일반적이고, 빠른 계산을 수행할 수 있는 고정 임계값 방법을 응용하였다. 이진화는 0-255의 값을 갖는 흑백 영상을 검은색과 횐색 2가지색만을 갖도록 변환하는 것이다.
이론/모형
본 연구에서는 임의의 도로 영상의 이진화를 수행하고 필요한 기준 밝기 값을 결정하기 위하여 히스토그램 분석 기법을 활용하였다.
본 연구의 목표는 도로면 크랙 실링 자동화 장비에 입력된 도로 영상에서 크랙을 제외한 모든 노이즈를 제거하는 알고리즘을 개발하는 것이다. 이를 위해 전처리 과정에 히스토그램 분석, 이진화 기법을 사용하였다. 노이즈를 제거하기 위하여 연속성 검사, 밝기 검사 기법을 개발하였으며, 이를 조합하여 노이즈 제거 알고리즘을 개발하였다.
성능/효과
박스의 크기가 7픽셀보다 크다면 모든 크랙이 삭제될 가능성이 많고, 너무 작다면 노이즈가 남게 된다. 따라서 박스의 크기를 절반보다 조금 작게 하는 것이 효과적이었다. 이러한 과정을 거쳐 최종적으로 노이즈까지 제거한 노이즈 제거 최종 결과는 그림 8과 같다.
이것은 영상 처리 과정에서 많은 불필요한 부분이 제거된 것으로 작업 속도 역시 개선될 수 있다. 본 연구에 있어 고정 임계값은 히스토그램 분석을 통하여 산출하였으며 이를 통해 충분한 결과를 얻을 수 있었다(그림 3).
여기서 박스의 크기는 수 차례의 시험을 통해 정의하였다. 영상에서 1픽셀의 크기는 약 2.65mm이고, 절삭한 크랙의 폭이 2cm이므로 약 7픽셀이 크랙의 폭이 되므로 크기가 3픽셀일 때 가장 효과적이었다. 박스의 크기가 7픽셀보다 크다면 모든 크랙이 삭제될 가능성이 많고, 너무 작다면 노이즈가 남게 된다.
후속연구
노이즈를 제거하기 위하여 연속성 검사, 밝기 검사 기법을 개발하였으며, 이를 조합하여 노이즈 제거 알고리즘을 개발하였다. 향후에는 Fuzzy Set을 비롯한 인공지능 기법을 활용하여 좀 더 지능적인 요소를 추가하는 연구를 수행하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.