선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 이 같은 문제를 해결하기 위해 차량 주위 근거리 영상 정보를 이용하여 차선을 검출하는 방법을 제안한다. 4대의 어안 렌즈 카메라를 차량의 전후좌우에 장착한 후 차량 주위의 각기 다른 방향을 촬영한 영상을 취득한다.
- 본 논문에서는 차량에 부착된 4대의 어안렌즈 카메라로 차량 주위 전방향을 촬영하여 하나의 정합영상을 생성하고, 이 영상에서 차량 주위 근거리 정보로 차선을 검출하는 알고리즘을 제안하였다. 이에 따라 기존에 안개와 같이 가시거리가 짧아지는 상황에서도 차선 검출이 가능하였고, 실험결과를 통해 제안하는 방법이 실선 구간에서는 안정적으로 검출한다는 것을 알 수 있었다.
제안 방법
- 차선 검출 단계에서는 각각의 관심 영역 영상으로 부터 차선과 도로 간의 밝기 차이 특성을 이용하여 차선 후보 영역을 검출한다. 검출된 후보 영역으로 차선을 모델링하고 판별과정을 통해 최종 차선을 검출한다. 차선 추적 단계에서는 차선 검출의 오류를 보정 하고 차선이 존재하지 않는 구간에서도 지속적으로 차선 검출을 수행할 수 있도록 칼만 필터 기반의 추적을 수행한다.
- 정합 영상 영역이 넓을수록 처리속도가 늦어지는 문제가 있기 때문에 최소한의 정합 영상을 이용하여 추가적인 검출 알고리즘을 수행하는 것이 중요하다. 본 논문에서 제안하는 차선 검출 알고리즘은 정합 영상에서 4개의 관심영역만을 이용하여 효과적으로 차선을 검출한다.
- 본 논문에서는 검출된 차선의 \(x\)축 중심점들을 시작점으로 지정하고 RGB색상 정보를 활용하여 영역 확장 방법으로 차선영역을 검출하였다(그림 5(b) 오른쪽 열). 이 방법은 관심영역 전체에서 침식연산을수행하는 것보다 더 빠른 수행속도를 가진다.
- 본 연구에서는 캘리브레이션에 필요한 정보인 초점거리(\(f\))와 광학중심(\(C_x\), \(C_y\))을 사용자가 대략적으로 추정하여 그림 3(b)와 같이 영상 왜곡을 보정하고 추후 비선형 최적화 방법으로 이용하여 최적의 초점거리와 광학 중심 정보를 알아낸다.
- 왜곡을 보정한 4개의 영상을 정합하여 하나의 정합영상을 생성하기 위해서 왜곡을 보정한 영상과 정합영상간의 호모그래피를 구한다. 호모그래피를 구하기 위하여 그림 3(c)과 같이 차량 주변에 체커보드 패턴을 설치하여 촬영하였다.
- A에서 어안 렌즈의 초점 거리와 광학 중심을 사용자가 대략적으로 결정하였기 때문에 정합 영상에서 왜곡이 완전히 제거되지 않은 것을 확인할 수 있다. 이러한 문제를 해결하기 위하여 비선형 최적화를 이용하여 최적의 초점거리와 광학 중심 위치를 결정하였고 그림 3(d)의 오른쪽 그림에서 보는 것과 같이 왜곡이 보정된 정합 영상을 획득하였다.
- 차선 검출 알고리즘은 지능형 자동차 시스템에서 이미 활발히 연구되어 온 분야이다. 이전에 제안된 차선 검출 방법들은 단일 혹은 스테레오 카메라를 이용하여 차량의 전방을 촬영하고 이 영상을 이용하여 차선 검출을 수행하였다. 하지만 전방 영상은 안개나 비와 같은 기상환경에 의해 가시거리가 짧아지고 차선 검출을 할 수 없는 문제가 발생한다.
- 취득한 영상들의 왜곡을 보정하고 평면 시점으로 투영 변환하여 하나의 영상으로 정합한다. 정합영상에서 적응적 이진화 방법을 이용하여 차선후보영역을 검출하고 검출된 차선후보영역들을 직선으로 모델링하여 차선을 검출한다. 검출한 차선 영역을 칼만 필터로 추적 및 보정하여 차선이 존재하지 않는 구간에서도 차선을 안정적으로 검출한다.
- 영상 정합의 정확도와 효율성을 높이기 위해 다양한 왜곡 제거를 동반한 정합 방법이 제안되었다. 제안된 방법에는 원통형 모델로 수평방향의 왜곡을 제거하고 사용자에 의해 설정된 영상 간 대응점으로 영상을 정합하는 방법[3]과 주차선과 같이 직선 성분을 가지는 고정된 인공 설치물을 이용하여 왜곡을 보정하고 평면시점으로 투영 변환하여 영상을 정합 하는 방법[4] 등이 있다.
- 제안하는 차선 검출 알고리즘은 크게 차선 검출과 차선 추적의 두단계로 나누어진다. 차선 검출 단계에서는 각각의 관심 영역 영상으로 부터 차선과 도로 간의 밝기 차이 특성을 이용하여 차선 후보 영역을 검출한다.
- 차선에 대한 효율적인 표현과 추적에 쉽게 활용하기 위해 검출된 차선 반응 정보를 이용하여 차선 모델을 생성한다. 차선 모델은 직선 형태와 곡선 형태를 적용할 수 있는데 정합 영상의 경우 곡선 구간을 포함한 대부분의 차선이 직선 형태로 나타나고 전후방 영상의 정확도가 떨어지기 때문에 본 논문에서는 직선 형태의 차선 모델을 적용하였다. 하지만 검출된 차선 후보 영역에 오검출이 포함되었을 수도 있고, 2개 이상의 차선이 한쪽에 같이 있는 경우가 있기에 검출된 차선 후보 영역이 참인지 판별하거나 자차 주행로에 알맞은 차선을 선택하는 과정이 필요하다.
- 차선 변경 등의 차량의 움직임에 따라 측정되는 차선 각도(Θ)와 차량으로부터의 거리(ρ)가 변하게 되는데, 검출된 최종 차선 정보를 기반으로 칼만 필터를 이용하여 이러한 변화를 부드럽게 추정한다.
- 차선에 대한 효율적인 표현과 추적에 쉽게 활용하기 위해 검출된 차선 반응 정보를 이용하여 차선 모델을 생성한다. 차선 모델은 직선 형태와 곡선 형태를 적용할 수 있는데 정합 영상의 경우 곡선 구간을 포함한 대부분의 차선이 직선 형태로 나타나고 전후방 영상의 정확도가 떨어지기 때문에 본 논문에서는 직선 형태의 차선 모델을 적용하였다.
대상 데이터
- 본 논문에서 제안하는 방법을 검증하기 위하여 4대의 어안렌즈가 장착된 차량으로 고속도로와 일반도로를 주행하여 주행 시 차량 주위 전방향 영상정보를 취득하였다. 맑은 날씨에 촬영하였으며, 고속도로 에서는 80km/h, 일반도로에서는 60km/h의 속도로 주행하였다.
- 차량 주변 360도의 시야각을 가지는 영상을 확보하기 위하여 그림1에서 보는 것과 같이 차량에 4대의 어안렌즈 카메라를 장착하였다. 하나의 어안렌즈의 시야각이 180도를 넘기 때문에 취득된 각 영상은 어안렌즈로 인한 방사 왜곡을 가지고 영상을 정합하기 전에 어안렌즈 모델을 이용하여 왜곡을 보정하는 과정이 필요하다.
- 생성된 차선 모델은 그림 7(a)와 같이 ρ와 Θ로 표현될 수 있다. 차량의 좌우 중 한쪽에 차선 모델이 2개 이상 같이 있는 경우에는 이들 차선 모델들 중 차량과 가장 가까운 모델을 최종차선으로 선정한다.(그림 5(c))
- 촬영한 영상을 차선 상황별로 2분 길이의 동영상으로 편집하였다. 총 3개 (고속도로 2개, 일반도로 1개)의 동영상을 취득하였고, 이들 구간을 표 1과 같이 분류하였다. 일반도로에서는 실선 차선만 존재하는 구간이 없기에 따로 분류하지 않았다.
이론/모형
- 어안렌즈 카메라로 촬영한 영상은 그림3(a)와 같이 영상 주변부로 갈수록 왜곡이 심한 방사 왜곡이 발생한다. 이러한 왜곡을 효과적으로 보정하기 위하여 어안렌즈 모델을 이용하여 캘리브레이션을 수행한다. 어안렌즈 모델에 따라 왜곡된 점의 위치는 다음 등거리 투영 공식에 따라 추정한다.
성능/효과
- 이 방법은 관심영역 전체에서 침식연산을수행하는 것보다 더 빠른 수행속도를 가진다. 본 논문에서는 실험적으로 제안하는 방법이 관심영역 전체에서 침식 연산을 수행하여 차선영역을 검출하는 것보다 평균적으로 4.83배 빠른 수행속도를 가진다는 것을 확인하였다.
- 본 논문에서는 차량에 부착된 4대의 어안렌즈 카메라로 차량 주위 전방향을 촬영하여 하나의 정합영상을 생성하고, 이 영상에서 차량 주위 근거리 정보로 차선을 검출하는 알고리즘을 제안하였다. 이에 따라 기존에 안개와 같이 가시거리가 짧아지는 상황에서도 차선 검출이 가능하였고, 실험결과를 통해 제안하는 방법이 실선 구간에서는 안정적으로 검출한다는 것을 알 수 있었다. 점선 구간에서는 실선 구간에 비해 상대적으로 낮은 정확도를 보이는데, 이는 차선 정보가 지속적으로 존재하지 않는 점선 구간에서 추적 알고리즘이 차량의 움직임에 빠르게 대응하지 못하기 때문이다.
-
(ⅰ) 관심영역의 선정
정합영상에서 상대적으로 전방과 후방 카메라를 이용하여 취득한차선 정보는 차량의 흔들림에 따라 부정확한 위치를 보이고 화질 역시 떨어지는 것을 확인할 수 있다. 이에 반해 좌우 카메라에서 촬영한 차선은 차량 흔들림에 영향을 적게 받고 선명한 차선 영역이 촬영되는것을 확인할 수 있다.
- 차선 감지의 정확도는 기준 정보와 감지된 차선 정보가 전방 20m 거리 이내에서 20cm 이내의 오차를 보일 때 제대로 검출한 것으로 판단하였다. 도로 구간별 차선 검출 정확도는 표 1과 같다.
후속연구
- 점선 구간에서는 실선 구간에 비해 상대적으로 낮은 정확도를 보이는데, 이는 차선 정보가 지속적으로 존재하지 않는 점선 구간에서 추적 알고리즘이 차량의 움직임에 빠르게 대응하지 못하기 때문이다. 향후 차량의 조향 정보를 추적에 활용하여 더욱 안정적이고 높은 차선 검출 정확도를 획득하는 알고리즘을 연구할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.