[논문]강인한 차선검출을 위한 명암대비 향상 전처리 기법

김현욱; 이재원; 홍성훈

강인한 차선검출을 위한 명암대비 향상 전처리 기법
A Method of Contrast Improvement Preprocessing For Robust Lane Detection 원문보기

한국정보처리학회 2013년도 제39회 춘계학술발표대회, 2013 May 10, 2013년, pp.359 - 362

김현욱 (전남대학교 전자컴퓨터공학과) , 이재원 (전남대학교 전자컴퓨터공학과) , 홍성훈 (전남대학교 전자컴퓨터공학부, 정보통신연구소)

초록
AI-Helper

최근 지능형 차량에 대한 관심이 늘어나면서 차선검출에 대한 관심도 많이 늘어나고 있다. 그 중에서도 실시간 적용을 위하여 연산량이 적은 허프변환을 이용한 차선검출 방법이 많이 연구되고 있다. 하지만 허프변환은 안개와 같은 열악한 환경에서와 같이 에지성분이 두드러지게 나타나지 않은 경우에 대해서는 정확한 차선검출이 어렵다는 단점을 가지고 있다. 따라서 본 논문에서는 열악한 환경의 영상에 차선의 에지를 강조하는 전처리를 수행하고 허프변환을 이용하여 차선검출을 수행하는 방식을 제시한다. 제안하는 전처리 방법은 처리 속도와 성능에서 기존의 전처리 기법과 비교하여 높은 처리속도와 차선 검출률을 보였다. 특히 안개와 같은 열악한 영상에서의 결과에서 기존의 전처리 방법보다 제안한 전처리 방법이 더 높은 검출률을 보였다.

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

향상된 에지정보를 이용하여 허프변환을 이용하여 차선을 검출한다. 또한 본 논문에서는 열악한 환경의 에지정보 향상을 위해 사용되는 전처리 과정을 기존의 차선검출 알고리즘에서 사용하던 전처리 알고리즘의 문제점인 큰 연산량을 줄이기 위해 영상의 전반적인 부분에 필터링을 하지 않고 에지정보를 향상 시키는 방법을 제안한다.

제안 방법

본 논문에서는 제안한 전처리 알고리즘과 기존의 Bilateral 필터를 이용한 전처리 알고리즘의 차선검출 결과를 비교하고, 차선검출에 걸리는 처리 시간과 차선검출 성공률을 비교하여 제안한 알고리즘의 객관적인 성능을 평가한다.
본 논문에서는 제안한 전처리 알고리즘과 기존의 Bilateral 필터를 이용한 전처리 알고리즘의 차선검출 결과를 비교하고, 차선검출에 걸리는 처리 시간과 차선검출 성공률을 비교하여 제안한 알고리즘의 객관적인 성능을 평가한다. 먼저 제안한 전처리 알고리즘과 기존의 Bilateral 필터를 이용한 차선검출 결과를 비교하여, 제안한 전처리 알고리즘의 성능을 평가한다.
본 논문에서 제시하는 전처리과정은 열악한 환경에서 획득한 영상의 대비를 강조하고 에지정보를 향상시키기 위해 관심영역의 최대 밝기값과 에지 강도를 이용한다. 이런 전처리 과정을 통해 구해진 개선된 입력영상으로부터 에지정보를 추출하고 허프변환을 이용하여 차선을 검출한다.
본 논문에서 제안하고 있는 차선검출 방법은 초기 관심영역에 에지정보 향상을 위해 관심영역의 최대 밝기값과 에지 강도를 이용한 전처리 과정을 통해 대비가 향상된 영상을 획득하고, 그 영상에서 차선의 에지정보를 향상시킨다. 향상된 에지정보를 이용하여 허프변환을 이용하여 차선을 검출한다.
표 2는 제안한 알고리즘과 Bilateral 필터를 이용한 차선 검출 방법을 안개가 짙게 낀 고속도로 블랙박스 동영상(그림 12의 마지막 줄 영상이 동영상 중 한 프레임)에 적용하여 차선 검출 성공률을 비교한 것이다. 비교 결과 Bilateral 필터를 이용한 전처리는 짙게 끼어있는 안개를 효과적으로 제거 하지 못하고 에지정보를 향상시키지 못해 차선을 검출하지 못했지만, 제안한 방법은 안개를 제거하고 차선의 윤곽선을 뚜렷하게 하여 차선을 검출했다.
일반적으로 안개 영상에서는 물체의 외형이 두드러지지 않는 특징을 가지고 있다. 이것은 안개로 인해 영상이 전반적으로 가우시안 형태의 노이즈가 더해진 형태와 유사하게 생각할 수 있기 때문에 본 논문에서는 일반적인 안개 제거 알고리즘을 변형하여 에지 강도를 이용해서, 안개를 제거하고 대비와 에지정보를 향상시켜 차선검출 성공률을 향상시킬 수 있는 전처리 방법을 제안하였다. 제안한 차선검출을 위한 전 처리 기법은 영상의 화소의 최대 밝기값과 에지강도를 이용한 변형된 안개 제거 알고리즘을 이용하여 안개가 낀 영상에서 안개를 제거하고 차선의 윤곽선을 향상시키는 전처리 방법을 제안하였다.
제안한 차선검출을 위한 전 처리 기법은 영상의 화소의 최대 밝기값과 에지강도를 이용한 변형된 안개 제거 알고리즘을 이용하여 안개가 낀 영상에서 안개를 제거하고 차선의 윤곽선을 향상시키는 전처리 방법을 제안하였다. 이것을 차선검출을 위한 전처리 단계에 적용하여 안개가 낀 환경에서의 강인한 차선검출 알고리즘을 구성하였다.
본 논문에서 제시하는 전처리과정은 열악한 환경에서 획득한 영상의 대비를 강조하고 에지정보를 향상시키기 위해 관심영역의 최대 밝기값과 에지 강도를 이용한다. 이런 전처리 과정을 통해 구해진 개선된 입력영상으로부터 에지정보를 추출하고 허프변환을 이용하여 차선을 검출한다.
이것은 안개로 인해 영상이 전반적으로 가우시안 형태의 노이즈가 더해진 형태와 유사하게 생각할 수 있기 때문에 본 논문에서는 일반적인 안개 제거 알고리즘을 변형하여 에지 강도를 이용해서, 안개를 제거하고 대비와 에지정보를 향상시켜 차선검출 성공률을 향상시킬 수 있는 전처리 방법을 제안하였다. 제안한 차선검출을 위한 전 처리 기법은 영상의 화소의 최대 밝기값과 에지강도를 이용한 변형된 안개 제거 알고리즘을 이용하여 안개가 낀 영상에서 안개를 제거하고 차선의 윤곽선을 향상시키는 전처리 방법을 제안하였다. 이것을 차선검출을 위한 전처리 단계에 적용하여 안개가 낀 환경에서의 강인한 차선검출 알고리즘을 구성하였다.
본 논문에서 제안하고 있는 차선검출 방법은 초기 관심영역에 에지정보 향상을 위해 관심영역의 최대 밝기값과 에지 강도를 이용한 전처리 과정을 통해 대비가 향상된 영상을 획득하고, 그 영상에서 차선의 에지정보를 향상시킨다. 향상된 에지정보를 이용하여 허프변환을 이용하여 차선을 검출한다. 또한 본 논문에서는 열악한 환경의 에지정보 향상을 위해 사용되는 전처리 과정을 기존의 차선검출 알고리즘에서 사용하던 전처리 알고리즘의 문제점인 큰 연산량을 줄이기 위해 영상의 전반적인 부분에 필터링을 하지 않고 에지정보를 향상 시키는 방법을 제안한다.

성능/효과

3종류 영상의 수행결과에서 공통적으로 Bilateral 전처리 기법은 열악한 환경에서 차선 검출에 실패하는 결과를 보인다. 반면에 제안한 전처리 알고리즘은 좌우측 차선의 에지가 뚜렷하게 보이는 것을 알 수 있다.
실험결과 제안한 알고리즘은 처리 속도와 성능에서 기존의 Bilateral 필터를 이용한 방법과 가우시안 필터 기반의 Retinex 알고리즘이 비교해 높은 처리속도와 차선검출률을 확인할 수 있었다. 특히 안개의 정도가 다른 영상을 통해 결과를 비교하여, 기존의 전처리 방법과 제안한 전처리 방법의 더 높은 검출률을 확인할 수 있었다.
실험결과 제안한 알고리즘은 처리 속도와 성능에서 기존의 Bilateral 필터를 이용한 방법과 가우시안 필터 기반의 Retinex 알고리즘이 비교해 높은 처리속도와 차선검출률을 확인할 수 있었다. 특히 안개의 정도가 다른 영상을 통해 결과를 비교하여, 기존의 전처리 방법과 제안한 전처리 방법의 더 높은 검출률을 확인할 수 있었다.
표 1은 Bilateral 필터와 Retinex, 제안한 전처리 방법의 처리시간을 비교한 것이다. 표에서 알 수 있듯이 제안한 방법은 Bilateral 필터나 Retinex 처리에 비해 훨씬 빠른 처리 시간을 보인다.

질의응답

핵심어	질문	논문에서 추출한 답변
	영상의 대비를 향상시키기 위해 적용하는 전처리 방법 중 Retinex를 이용한 방법의 장단점은?	형태학적 연산을 이용한 방법과 Bilateral 필터를 이용한 방법은 차선의 에지 정보는 잘 유지하지만, 열악한 환경에서 획득한 영상에서 안개를 제거하고 대비와 차선의 에지정보를 향상시키기에는 적당하지 않다. 또한 가우시안 필터와 미디언 필터를 이용한 Retinex 처리는 영상의 전역적인 부분에서 대비가 향상되어 시각적으로는 향상된 결과 영상을 얻을 수 있지만, 차선의 에지정보를 향상시키기에는 어려운 점이 있고 컨볼루션 (convolution)을 통한 필터링으로 인해 많은 연산량이 단점이다.
	차선검출에 많이 사용되는 기법은 무엇이 있는가?	이와 관련한 차선검출과 관련된 연구들 이 국내외에서 많이 진행되고 있다. 차선검출에 많이 사용되는 기법으로는 허프변환(Hough Transform)을 이용하는 방법[2]-[4], 히스토그램을 이용하는 방법[5], 에지 연결정보를 이용하는 방법[6], B-Snake 알고리즘을 적용하는 방법[7], 차선의 밝기값 및 기하학적 모델을 이용한 방법[8] 등이 있다. 하지만 이러한 방법들은 많은 영역을 탐색해야 하기 때문에 많은 연산량을 요구하는 문제를 가지고 있다.
	일반적인 허프변환을 이용한 차선 검출의 단점은?	일반적인 허프변환을 이용한 차선 검출은 주로 맑은 날씨에서 차선의 에지성분이나 컬러성분이 뚜렷하게 나타나는 경우에 한정되어 동작하는 것이 대부분이며 안개가 낀 날씨와 같이 물체의 외곽성분이 두드러지게 나타나지 않은 경우는 정확한 검출이 어렵다는 단점을 가지고 있다. 이러한 안개 끼거나 맑지 않은 날씨의 특징을 보완하기 위해서는 전처리 단계로 영상의 대비를 향상시키고 색상을 원색에 가깝도록 처리하는 전처리 과정이 필요하다.

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

강인한 차선검출을 위한 명암대비 향상 전처리 기법
A Method of Contrast Improvement Preprocessing For Robust Lane Detection 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

강인한 차선검출을 위한 명암대비 향상 전처리 기법 A Method of Contrast Improvement Preprocessing For Robust Lane Detection 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

성능/효과

질의응답

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

강인한 차선검출을 위한 명암대비 향상 전처리 기법
A Method of Contrast Improvement Preprocessing For Robust Lane Detection 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper