이미지 분석을 통한 도로 표면 상태 감지 알고리즘
Algorithms for Identification of Road Surface Conditions by Image Analysis
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
날씨 변화에 따라 도로 표면은 다양한 상태로 변화하며, 이에 따라 적절한 조치를 취함으로써 원활한 교통 소통과 안전에 도움이 될 수 있다. 본 연구는 기존에 이미 설치되어 있거나 손쉽게 추가할 수 있는 카메라 장비를 활용하여 도로의 영상만으로 표면 상태를 감지하는 알고리즘의 개발에 초점을 두고 있다. 주광 하의 아스팔트 도로 이미지를 분석하여, 도로 표면을 마른 땅, 젖은 땅, 빙판, 쌓인 눈의 네 가지로 분류하는 알고리즘을 제안하였다. 영상 취득 장치를 통해 얻은 영상으로부터 각 픽셀에 대해 수직 편광 성분에 대한 수평 편광 성분의 비율을 계산하여 편광 계수를 얻어 편광 계수가 1.3 이상인 부분은 젖은 땅으로 분류하도록 하였다. 젖은 땅을 제외한 나머지 부분에 대해서는 3차 웨이블릿 패킷 변환을 통해 시간-주파수 분석을 수행하였으며, 대부분의 성분이 DC(direct current)에 집중되어 있다는 성질을 이용하여 쌓인 눈 영역을 분류하였다. 또한 촬영된 이미지로부터 추출한 영상 템플릿을 이용하여 마른 땅과 빙판의 표준적인 주파수 특성을 구하여, 대상 영상이 어느 쪽에 가까운 특성을 보이는지를 판단하여 최종적으로 마른 땅과 빙판을 구분하였다. 실험을 통해 다양한 영상에서 제안한 알고리즘이 비교적 잘 동작함을 확인하였으며, 이는 영상만으로 도로 표면 상태를 감지할 수 있는 가능성을 보여준 것이라 할 수 있다.
Abstract
surface condition varies with change of the weather, and proper measures can be helpful in improving traffic conditions and safety. In this research, we focused on developing a road surface supervision technique only using images drawn from existing or easily installable cameras. We introduce an algorithm that classifies road surfaces into four different categories, dry, wet, icy, and snowy surfaces by analyzing asphalt-paved road images taken in daylight. By using images from the device, polarization coefficients, the proportions of horizontally polarized components to vertically polarized components, are calculated, and regions with over 1.3 polarization coefficients are classified as wet surfaces. Except for wet surfaces, our algorithm applies time-frequency analysis to other parts by using the third order wavelet packet transform, and picks out snowy regions by recognizing their property that most frequency components of snowy parts are concentrated on the DC(direct current). In addition, by using the average frequency characteristics of dry and icy surfaces from image templates, we can decide which is closer to a test image, and finally identify dry and icy surfaces. We confirmed through experiments that the proposed algorithm works well on various images. This can be interpreted as an indication that image-only road surface condition supervision is probable.
참고문헌 (6)
- "Texture classification using wavelet transform", 24, pp.1513~1521 (2003)
- "Color Texture Classification using Wavelet Transform" (2005)
- "Radon Transform Orientation Estimation for Rotation Invariant Texture Analysis Institute of Electrical and Electronics Engineers(IEEE)", 27(6) (2005)
- "Texture Classification Using Dominant Wavelet Packet Energy Features" (2000)
- "Wavelets and Filter Banks" (1996), Wellesley-Cambridge Press
- "A study of the road surfacecondition detection technique for deployment on a vehicle", 24, pp.183~188 (2003)