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.
제안 방법
- 표지판 인식을 위해서 먼저 입력영상을 전처리 과정을 거친 후 RGB 컬러모델을 Gray Scale 모델로 변환한다. Canny 함수를 통하여 에지를 추출한 후 FindContour 로 윤곽선 검출 후 표지판 이미지와 윤곽선 이미지를 비교하여 인식한다. 이 후, 가우시안 필터로 노이즈 제거를 위한 스무딩(blur) 작업을 수행한다.
- 컴퓨터에 아두이노를 USB 를 통하여 연결하여 작성된 블루투스 통신 코드를 입력해주면 컴퓨터 내부의 블루투스 기능과 아두이노 사이에서 통신 동작 하는 것을 설명한다. 구현된 아두이노는 무선 웹카메라의 영상을 PC 에 입력 받은후 OpenCV 를 이용하여 분석된 영상을 각 상태에 따라 값을 정의해주었으며, 그 값들이 블루투스 통신을 통하여 PC 에서 아두이노로 전송되어 각 상황에 맞는 명령들을 실행하게 된다.
- 이것은 각종 센서를 통해 정보값을 받아들이며 그 값을 통해 모터 장치를 통제함으로써 환경과 상호작용이 가능한 물건을 만들어낼 수 있다. 모형자동차는 적외선 센서를 이용한 라인트레이서의 원리를 기초로 하였으며 블루투스통신을 이용하여 구현되었다. 모형자동차가 신호등과 표지판을 검출하기 위해서 OpenCV 를 활용하였다.
- 변환된 HSV 이미지는 Hue, Saturation, Value 라는 세가지의 영상 정보를 가지고 이를 통해서 원하고자 하는 부분을 추출해낼 수 있다. 색깔 검출에 사용하고자하는 초록색, 빨강색의 영역인 범위의 임계값(threshold value)을 선택하여 이진화된 영상을 추출한다.
- 신호등을 검출을 정확하게 하기 위해 1 차적으로 색을 검출한 후, 그 영역을 실제로 보이는 신호등 원의 크기로 추출하여 통합시켜 세밀한 신호등 인식 알고리즘을 구현하였다. 이진화된 이미지를 사용하여 원을 추출한 후 OpenCV 라이브러리를 이용한 Houghcircles 를 사용하여 원을 그려주는 방식을 사용하였다.
- 모형자동차가 신호등과 표지판을 검출하기 위해서 OpenCV 를 활용하였다. 신호등의 색검출을 하기 위해서 RGB 컬러공간을 HSV 로 변환한 값을 통하여 검출하였다. 표지판 검출 기술은 카메라를 통해 입력으로 들어온 영상에서 표지판으로 추정되는 영역을 포착하여 표지판 고유의 색상, 형태, 윤곽선 특징을 이용하여 검출하였다.
- 첫 번째로 도로 양 사이드를 따라가는 것을 설계하는 것은 여러 가지 어려움이 따르는 것을 확인할 수 있어 길을 라인트레이서로 잡고 한선을 따라가는 차선의 선택으로 실행을 하게 되었다.
- 신호등의 색검출을 하기 위해서 RGB 컬러공간을 HSV 로 변환한 값을 통하여 검출하였다. 표지판 검출 기술은 카메라를 통해 입력으로 들어온 영상에서 표지판으로 추정되는 영역을 포착하여 표지판 고유의 색상, 형태, 윤곽선 특징을 이용하여 검출하였다.
대상 데이터
- 구동 가능성을 시험하기 위한 모형 자동차를 만들기 위하여 아두이노를 사용하였다. 아두이노는 오픈소스를 기반으로 한 단일 보드 마이크로 컨트롤러이다.
- 모형자동차의 구성은 아두이노 우노 R3, 아두이노 모터쉴드, 블루투스모듈, DC 모터(더블기어박스), 무선카메라, 적외선 센서 모듈로 구성되어 있다. 모형자동차에는 DC 모터 2개를 이용하였으며 모터쉴드를 통하여 모터의 방향, PWM, 브레이크 기능을 쉽게 구현할 수 있었다.
데이터처리
- 표지판 검출을 위해서 SetTrackbarPos 함수를 이용하였으며 Threshold 값을 50 으로 설정해주었다. 원본그림과 영상의 그림을 비교하여 확인받은 match 값을 Motorcontrol 에 넣어 case 구문에 씨리얼 통신을 통하여 블루투스 통신을 하여 명령을 전송한다.
이론/모형
- 모형자동차는 적외선 센서를 이용한 라인트레이서의 원리를 기초로 하였으며 블루투스통신을 이용하여 구현되었다. 모형자동차가 신호등과 표지판을 검출하기 위해서 OpenCV 를 활용하였다. 신호등의 색검출을 하기 위해서 RGB 컬러공간을 HSV 로 변환한 값을 통하여 검출하였다.
- 신호등 인식을 위해서는 색깔검출 알고리즘과 원검출 알고리즘을 이용한다. 카메라부터 획득된 영상은 기본적으로 RGB 이미지이므로 이 이미지를 HSV 색 모델로 변환한다.
- 이진화된 이미지를 사용하여 원을 추출한 후 OpenCV 라이브러리를 이용한 Houghcircles 를 사용하여 원을 그려주는 방식을 사용하였다. 이때 사용된 Houghcircles 라는 함수는 픽셀기반의 래스터 화상(Raster image)에서 기하학적 성분(Geometric Primitives)을 추출하는 방법으로 OpenCV 라이브러리를 사용하였다.
- 신호등을 검출을 정확하게 하기 위해 1 차적으로 색을 검출한 후, 그 영역을 실제로 보이는 신호등 원의 크기로 추출하여 통합시켜 세밀한 신호등 인식 알고리즘을 구현하였다. 이진화된 이미지를 사용하여 원을 추출한 후 OpenCV 라이브러리를 이용한 Houghcircles 를 사용하여 원을 그려주는 방식을 사용하였다. 이때 사용된 Houghcircles 라는 함수는 픽셀기반의 래스터 화상(Raster image)에서 기하학적 성분(Geometric Primitives)을 추출하는 방법으로 OpenCV 라이브러리를 사용하였다.
- 표지판 인식을 위해서 먼저 입력영상을 전처리 과정을 거친 후 RGB 컬러모델을 Gray Scale 모델로 변환한다. Canny 함수를 통하여 에지를 추출한 후 FindContour 로 윤곽선 검출 후 표지판 이미지와 윤곽선 이미지를 비교하여 인식한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.