객체기반의 적응적 관심영역을 활용한 차선인식 알고리즘 개발
Development of Driving Lane Prediction Algorithm Utilizing Adaptive ROI based on Object
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 자율주행 시 카메라를 통한 차선인식 알고리즘의 개발에 있어 차선 영역의 예측 정확도를높이기 위해 ROI(Region of Interest)를 적용하는 방법을 제안하였다. 자율주행 알고리즘에서 차선인식의 응용개발에서 특히, 카메라를 이용한 차선 인식 방법에서는 차선의 유실, 도로위의 차량, 자연적인 장애물 등 다양한 환경적 요인으로 인해 차선 인식이 어려워지는 경우가 있다. 이러한 문제점을 개선하기 위해, 카메라를통해 영상을 입력받은 후 차선 검출이 필요할 곳을 추정하여 ROI를 설정하고 Deeplab-V3를 채용하여 타 차량 영역을 제거한 후 원근 변환 및 전 처리 과정과 허프 변환을 통해 차선 인식을 구현하는 알고리즘을 제안하였다. 실험을 위한 테스트영상은 차선 인식에 영향을 줄 수 있는 차량요소가 많은 도심지 주행 영상을 사용하였다. 특정영역에 대한 ROI설정을 적용한 결과 타 차량 영역을 제거하고 차선을 인식한 경우 차선인식정확도를 높일 수 있었다.
Abstract
In this paper, we proposed a method of applying ROI to the lane prediction area in the lane recognition algorithm through the camera in autonomous driving. In the lane recognition method using a camera, lane recognition may be difficult due to environmental factors such as vehicles and obstacles on the road. In order to solve this problem, after getting an image through a camera, an ROI is allocated by estimating where lane detection is needed, and after removing the area of another vehicle adopting Deeplab-V3, lane recognition is performed through perspective, pre-processing, and Hough transformation. An algorithm that implements above transformations is proposed. A test image for the experiment used an urban driving image with many vehicle elements that can affect lane recognition. As a result of the experiment which setting the ROI for a specific area, it was possible to increase the accuracy of lane recognition by removing other vehicle areas and recognizing lanes.
참고문헌 (10)
- "Article 2, Paragraph 1-3"[URL]
- 이상호, "잡음에 강인한 스테레오 카메라 기반 ROI 알고리즘에 관한 연구", 한국정보기술학회논문지, 18(12), pp.87~94 (2020), 한국정보기술학회[DOI]
- "Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation" (2018)[URL]
- GaAe-Ryu, "OI based Object Extracting Method using Image Feature", Master, pp.2016
- 조명원, "ROI 추출을 위한 기계 학습 기반 영상 전처리 기법", 한국정보기술학회논문지, 17(11), pp.115~120 (2019), 한국정보기술학회[DOI]
- SangKyun Woo, "Real Time Lane Recognition Algorithm Utilizing Dynamic ROI", Proc. of Fall Conf. of The Korean Society of Automotive Engineers, 3, pp.1142~1146 (2004)
- 조재현, "다중 ROI에서 영상 화질 표준화 및 선택적 허프 변환 알고리즘을 통한 고성능의 차선 인식 알고리즘", 전자공학회논문지, 52(2), pp.148~161 (2015), 대한전자공학회
- Sasha Targ, "Resnet in Resnet: Generalizing Residual Architectures", ICLR 2016 (2016)
- Yazan Hamzeh, "A Review of Detection and Removal of Raindrops in Automotive Vision Systems", Journal of Imaging, 7(3), pp.52~ (2021), MDPI AG[DOI]
- K. He, "Deep residual learning for image recognition", Proc. of the IEEE Conference on CVPR, pp.770~778 (2016)