DOI QR코드

DOI QR Code

차량 그림자를 이용한 주행 차량 검출 및 차간 거리 측정

Driving Vehicle Detection and Distance Estimation using Vehicle Shadow

  • 김태희 (동신대학교 정보보안학과) ;
  • 강문설 (광주대학교 컴퓨터공학과)
  • 투고 : 2012.03.26
  • 심사 : 2012.04.30
  • 발행 : 2012.08.31

초록

최근 차량 운전자들의 안전 운행을 보조하기 위해 운전자의 차량과 전방의 차량 간의 거리를 추정하고 안전거리 유무를 알려주기 위한 경보시스템이 개발되고 있다. 본 논문에서도 실제 도로 환경에서 전방의 주행 차량을 검출하여 차간 거리를 측정하고, 충돌 위험 상황을 감지하여 운전자에게 충돌 위험을 알리는 충돌경고시스템을 설계 및 구현하였다. 먼저 전방주시 카메라를 활용하여 촬영한 도로영상으로부터 도로와 차량에 해당하는 관심 영역을 추출하고, 관심 영역에서 전방 차량의 그림자 임계값 분석을 통해 전방 차량 객체를 추출한 후 전방 차량과의 거리를 계산하여 충돌 위험 경고를 알려준다. 주행 차량 검출 및 차간 거리 측정 결과를 기반으로 충돌경고시스템을 설계 및 구현하였으며, 실제 도로상황에 적용하여 실험한 결과 매우 높은 정확도를 나타내어 안전 운전에 대응할 수 있는 것으로 검증되었다.

Recently, the warning system to aid drivers for safe driving is being developed. The system estimates the distance between the driver's car and the car before it and informs him of safety distance. In this paper, we designed and implemented the collision warning system which detects the car in front on the actual road situation and measures the distance between the cars in order to detect the risk situation for collision and inform the driver of the risk of collision. First of all, using the forward-looking camera, it extracts the interest area corresponding to the road and the cars from the image photographed from the road. From the interest area, it extracts the object of the car in front through the analysis on the critical value of the shadow of the car in front and then alerts the driver about the risk of collision by calculating the distance from the car in front. Based on the results of detecting driving cars and measuring the distance between cars, the collision warning system was designed and realized. According to the result of applying it in the actual road situation and testing it, it showed very high accuracy; thus, it has been verified that it can cope with safe driving.

키워드

참고문헌

  1. 사이버경찰청, "차량증가 현황 및 교통사고 발생 현황," http://www.police.go.kr/
  2. (주)티디엘, 2011년 지역 SW 융합지원사업(과제명: NEV 차량용 도로상황인지 제어시스템 개발) 최종 결과보고서, pp.153, 2011. 12.
  3. 양지윤, "차선․차간 거리, '똑똑한 자동차에 맡겨 주세요'," CNB 저널 179호, 2010. 7.
  4. 배정호 외 4인, 단일차선추출 및 중심점 분석을 통한 차선 이탈점 검출 알고리즘, 정보처리학회논문지B 제16-B권 제1호, 35-46, 2009. 2.
  5. Z. Sun, R. Miller, G. Bebies, and D. DiMeo, "A Real-time Precrash Vehicle Detection System," Sixth IEEE Workshop on Applications of Computer Vision(WACV'02), pp.171-178, 2012. 12.
  6. 배찬수 외 2인, 형태학과 색상 정보를 이용한 차선 인식 알고리즘, 전자공학회논문지 제48권(SD편) 제6호, pp.15-23, 2011. 6
  7. M. Bertozzi, A. Boggi, A. Fascioli, R. Fscioli, "Stereo Inverse Perspective Mapping: Theory and Applications," Image and Vision Computing Vol.16, No.8, pp.585-590, 1998. https://doi.org/10.1016/S0262-8856(97)00093-0
  8. M. P. Dubuisson, A.K. Jain, "Object contour extraction using color and motion ," Proceedings CVPR '93 : Computer Vision and Pattern Recognition 1993, pp.471-476, 1993. 6.
  9. R. Wang, Y. Xu, Libin, Y. Zhao, "A vision-based road edge detection algorithm," IEEE Intelligent Vehicle Symposium 2002, pp.141-147, 2002. 6.
  10. A. Gern, U. Franke, P. Levi, "Advanced lane recognition-fusing vision and radar," IEEE Intelligent Vehicle Symposium 2000, pp.45-51, 2000. 10.
  11. R. O. Duda, "Use of the Hough Transformation to detect Lines and Curves in Pictures," Communication of ACM, vol.15, pp.11-15, 1972. https://doi.org/10.1145/361237.361242
  12. Buchsbaum, Walter H. Color TV Servicing, third edition. Englewood Cliffs, NJ: Prentice Hall, 1975

피인용 문헌

  1. 카메라 영상의 실시간 분석에 의한 차선 및 차간 인식 vol.16, pp.12, 2012, https://doi.org/10.6109/jkiice.2012.16.12.2665
  2. 수직 히스토그램 기반 그림자 제거 알고리즘을 이용한 영상 감지 시스템 설계 및 구현 vol.24, pp.1, 2012, https://doi.org/10.6109/jkiice.2020.24.1.91