Detection and Recognition of Traffic Lights for Unmanned Autonomous Driving

무인 자율주행을 위한 신호등의 검출과 인식

Abstract

This research extracted traffic light from input video, recognized colors of traffic light, and suggested traffic light color recognizing algorithm applicable to manless autonomous vehicle or ITS by distinguishing signs. To extract traffic light, suggested algorithm extracted the outline with CEA(Canny Edge Algorithm), and applied HCT(Hough Circle Transform) to recognize colors of traffic light and improve the accuracy. The suggested method was applied to the video of stream acquired on the road. As a result, excellent rate of traffic light recognition was confirmed. Especially, ROI including traffic light in input video was distinguished and computing time could be reduced. In even area similar to traffic light, circle was not extracted or V value is low in HSV space, so it's failed in candidate area. So, accuracy of recognition rate could be improved.

본 연구는 입력 영상에서 교통 신호등을 검출하고, 신호등의 색상을 인식하며, 신호를 판별하여 무인 자율주행 차량이나 ITS(Intelligent Transportation System)에 적용할 수 있는 신호등 색상 인식 알고리즘을 제안하였다. 제안된 알고리즘은 교통신호등을 검출하기 위해 CEA(Canny Edge Algorithm)를 이용하여 외곽선을 추출하였고, 신호등의 색상을 인식하고 정확도를 높이기 위하여 HCT(Hough Circle Transform)를 적용하였다. 제안된 방법으로 주행도로상에서 획득한 스트림 영상에 적용한 결과, 우수한 신호등 색상 인식률을 확인할 수 있었다. 특히 입력영상에서 신호등이 존재할만한 ROI(Region Of Interest)로 구분하여 연산시간을 줄일 수 있었고, 신호등과 유사한 영역이라도 원이 검출되지 않거나 HSV 공간에서 V값이 낮아 후보영역에서 탈락시킴으로써 인식률의 정확도를 높일 수 있었다.

그림 2. 그룹화된 5개의 외곽선 방향 Fig. 2. Five grouped edge detections

그림 3. 사각형 검출 Fig. 3. Rectangular region detection

그림 4. HCT를 이용한 원 검출 Fig. 4. Circle detection using HCT

그림 5. 원의 최대 최소 크기 Fig. 5. Maximum and minimum size of circle

그림 6. S, V값 추출 Fig. 6. S and V value extraction

그림 7. 신호등에서 R, Y, G 색상 인식 Fig. 7. Recognition of R, Y, G Colors in Traffic Light

그림 8. 원 미검출 및 유사 색상 인식 Fig 8. Circle non-detection and similar color recognition

그림 1. 최초 관심영역 Fig. 1. Region of first interest