드론을 활용한 도심부 차량별 차로변경 자동인식
Identification of Lane Changing on Arterial Road by Adopting Drone Image
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
최근 교통부문 4차 산업혁명의 키워드 중 하나인 자율주행차량이 대두되면서 이를 가능케하는 기술 중 운전자의 눈에 해당하는 카메라를 통한 영상처리 기술이 핵심요소기술로서 관심이 집중되고 있다. 자율주행차량과 더불어 세계 드론 시장 규모도 점차 증가함에 따라 국내·외 여러 기업, 기관 및 지자체 등에서 드론을 활용하기 위한 다양한 연구개발을 추진 중에 있다. 본 연구는 향후 자율주행차량 시대에 발맞추어 드론을 교통분야에 적용하기 위한 방안의 제시를 목적으로 하였다. 드론을 통해 획득된 영상데이터를 전처리한 후 이진화 및 모폴로지 기법의 적용을 통해 차량을 자동 인지하고 혼합 Gaussian을 이용해 차량 위치추적을 위한 레이블링을 수행하였다. Centroid 값 기준으로 차량 레이블링 수행 결과 전체 통과차량에 대한 레이블링율이 71%로 나타났다. 차선 검출을 위해 Gaussian Blur 기법과 픽셀 Y값 기준을 통해 이상치를 제거하고 개별 차선을 순차적으로 연결하였다. 이를 토대로 개별 차량 위치 인식을 통해 차량별 차로변경의 유무를 파악하였다. 실제 차로 변경 횟수와 비교·검증 결과 72% 인식률을 보이는 것으로 분석되었다.
Abstract
Recently, Autonomous vehicles, one of the keywords of fourth industrial revolution in the transportation, have been emerging, and image processing technology through cameras corresponding to driver's eyes is also becoming a core element technology. In addition to autonomous vehicles, The global drones market is gradually increasing, various researches and developments are being carried out to utilize drones in domestic and foreign companies, organizations and local governments. The purpose of this study is to suggest a method to apply drones to the transportation in the future with autonomous vehicles. After preprocessing the image data collected through the drone, the vehicle was detected through binarization and morphology, and the vehicle labeling was performed using the mixed Gaussian for vehicle tracking. As a result of vehicle labeling based on centroid value, the labeling rate for all passing vehicles was 71%. To detect the lane, the noise value is removed through the Gaussian Blur technique and the pixel Y value criterion and the individual lanes are connected in sequence. Based on this, we identified whether the vehicle was lane changing by recognizing individual vehicle location. As a result of comparison and verification with actual number of lane changing, recognition rate of lane changing was proved 72%.
참고문헌 (15)
- 강문설, "카메라 영상의 실시간 분석에 의한 차선 및 차간 인식", 한국정보통신학회논문지, 16(12), pp.2665~2674 (2012), 한국정보통신학회[DOI]
- "경찰청" (2017)[URL]
- "국토교통부" (2017)[URL]
- 김성도, "모서리 검출과 추적을 이용한 차선 감지 및 추적 알고리즘", 한국ITS학회 논문지, 10(3), pp.64~73 (2011), 한국ITS학회
- "모빌아이(Mobile Eye)" (2017)[URL]
- 배정호, "단일차선추출 및 중심점 분석을 통한 차선이탈검출 알고리즘", 정보처리학회 논문지, 16(1), pp.35~46 (2009), 한국정보처리학회
- 양희돈, "민간용 드론 산업 현황 및 기술 동향", 한국멀티미디어학회지, 20(1), pp.21~5 (2016), 한국멀티미디어학회
- 드론 핵심 기술 및 향후 과제, "윤광준", 한국인터넷진흥원, KISA, 15~17 (2015)
- 드론 시장 및 산업 동향, "이아름", 융합연구정책센터, 5~ (2017)
- "한국도로공사" (2017)[URL]
- 무인항공기(드론) 기술동향과산업전망, "한상철", KEIT, 54~69 (2015)
- Jun Li, "Deep Neural Network for Structural Prediction and Lane Detection in Traffic Scene", IEEE Transactions on Neural Networks and Learning Systems, 28(3), pp.690~703 (2017), IEEE
- Mohamed Aly, "Real time detection of lane markers in urban streets", 2008 IEEE Intelligent Vehicles Symposium, pp.7~12 (2008)
- Umar Ozgunalp, "Multiple Lane Detection Algorithm Based on Novel Dense Vanishing Point Estimation", IEEE Transactions on Intelligent Transportation Systems, 18(3), pp.621~632 (2017), IEEE
- Yue Wang, "Lane Detection Using Spline Model", Pattern Recognition Letters, 21(8), pp.677~689 (2000), Elsevier