HSV Color Model Based Front Vehicle Extraction and Lane Detection using Shadow Information

그림자 정보를 이용한 HSV 컬러 모델 기반의 전방 차량 검출 및 차선 정보 검출

According as vehicles increases, system such as Advanced Drivers Assistance System(ADAS ) to inform forward situation to driver is required. In this paper, we proposes method to detect forward vehicles and lane from sequential color images by basis process to inform forward situation to driver. We detect a front vehicle using that shadow area exists on part under vehicles and that road area occupies many parts even if road traffic is confused. We detect lane information using that lane part is white order by reverse characteristic of shadow area. This method shows good result in case road is confused or there is direction indication to road. HSV color space is selected for color modeling. This method uses saturation component and value component in HSV color model to detect vehicles and lane. It uses statistics features of HSV component and position to know whether detected vehicles area is vehicles such as vehicles previous frame. To verify the effects of the proposed method, we capture the road images with notebook and CCD camera for PC and Present the results such as processing time, accuracy and vehicles detection against the images.

차량이 증가함에 따라 전방의 상황을 운전자에게 알려주기 위한 운전자 도움 시스템(Advanced Drivers Assistance System)과 같은 체계가 요구된다. 본 논문에서는 전방의 상황을 운전자에게 알려 주기 위한 기본과정으로 연속된 컬러 영상으로부터 영상처리만을 이용하여 전방의 차량과 차선을 검출하는 방법을 제안한다. 도로 전방의 상황은 차량이 많다고 하더라도 도로의 영역이 많은 부분을 차지하고 있으며, 차량이 있는 경우에 차량의 하단에 그림자와 같이 어두운 영역이 존재하는 점을 이용하여 전방의 차량을 검출한다. 그리고 차선은 그림자 영역의 반대 특징으로 횐색계열이라는 점을 이용하여 차선 정보를 추출한다. 이 방법은 도로가 혼잡하거나 도로상에 방향 표시가 있는 경우에도 좋은 결과를 보인다. 차량과 차선을 검출하는데는 HSV 컬러 모델에서 태도 성분과 명도 성분을 이용하여 후보점을 검출하고, 차량과 타선의 영역을 검출하며 에지 정보를 이용하여 차량의 영역을 결정한다. 그리고 검출된 차량 영역이 이전 프레임의 차량 영역과 같은 차량인지 알기 위해서는 HSV 성분과 위치 정보의 통계적 특징을 이용한다. 제안된 방식의 효과를 검증하기 위해 노트북 PC와 PC용 CCD 카메라로 도로에서의 영상을 촬영하고 차량 및 차선 검출 알고리즘을 적용한 처리 시간, 정확도 및 차량검지 결과를 보인다.