An Efficient Lane Detection Algorithm Based on Hough Transform and Quadratic Curve Fitting

Hough 변환과 2차 곡선 근사화에 기반한 효율적인 차선 인식 알고리즘

For the development of unmanned autonomous vehicle, it is essential to detect obstacles, especially vehicles, in the forward direction of navigation. In order to reliably exclude regions that do not contain obstacles and save a considerable amount of computational effort, it is often necessary to confine computation only to ROI(region of interest)s. A ROI is usually chosen as the interior region of the lane. We propose a computationally simple and efficient method for the detection of lanes based on Hough transform and quadratic curve fitting. The proposed method first employs Hough transform to get approximate locations of lanes, and then applies quadratic curve fitting to the locations computed by Hough transform. We have experimented the proposed method on real outdoor road scene. Experimental results show that our method gives accurate detection of straight and curve lanes, and is computationally very efficient.

무인 자율 주행 시스템의 개발에는 전방의 장애물 검출 및 거리 계산이 필수적이다. 전방 장애물 검출시 입력 영상에는 검출하고자 하는 도로면 상의 물체뿐만 아니라 도로 주변에 가로수, 표지판 둥 관심 외적인 요소들이 함께 존재한다. 이러한 관심 외적인 요소들을 제거하기 위해 탐색 영역을 차선의 안쪽으로 제안시켜 계산 시간을 단축하고 관심의 대상이 되는 물체만 검출하는 것이 필요하다. 본 논문에서는 관심의 대상이 되는 전방 장애물 검출을 위하여, 탐색영역을 제한하는 간단하고 효율적인 차선 검출 알고리즘을 제시한다. 제안된 알고리즘은 Hough 변환을 이용하여 차선으로 추측된 영역에 수평탐색 영역과 2차 곡선의 근사화를 이용하여 정확하게 직선 차선 및 곡률을 지닌 차선을 검출하게 된다. 실험 결과로부터 제안한 알고리즘이 직선의 차선 뿐만 아니라 곡률을 지닌 차선 검출을 효과적으로 수행할 수 있는 실시간 시스템에 적합하다는 것을 보여준다.