자율주행 차량은 사람의 안전, 환경, 노령화 등의 문제 해결에 새로운 대안으로 부상하고 있다. 또한, 이러한 기술개발은 다른 산업 분야에 파급효과가 매우 크다. 하지만, 이에 따르는 문제점들이 발생한다. 자율주행 차량에 의한 인명 피해는 점점 증가하고 있는 실정이다. 활동성이 없는 물체에 대한 충돌 사고는 다소 줄어들고 있지만, 반대로 활동성을 가진 장애물에 대한 기술 개발은 아직 미미한 편이다. 이에, 본 연구에서는 자율주행차량에서 가장 큰 문제점으로 나타나고 있는 도로 위의 활동성이 있는 장애물을 추출하는 방안을 제안한다. 먼저, 자동차 카메라에 의해 획득한 연속적인 영상에서 핵심장면을 추출한 후, 장면에 포함되어 있는 장애물들에 대한 활동성의 크기와 활동의 반복성 정보를 이용하여 활동성 장애물을 추출하는 것을 제안하였다. 핵심장면은 영역분할과 병합을 통하여 산출한다. 이러한 결과를 바탕으로 영역의 픽셀 별로 빈도의 크기를 산출하고, 활동성의 빈번하게 나타나는 정보를 이용하여 장애물의 활동의 크기를 계산하였다. 사람이 직접 추출한 결과와 비교했을 때 추출 정확도는 다소 떨어지지만 만족할 만한 결과를 얻을 수 있었다. 따라서 제안된 연구가 자율주행의 문제점들을 해소하고 인명사고를 줄이는 방안에 기여할 것으로 사료된다.
Self-driving vehicles are increasing as new alternatives to solving problems such as human safety, environment and aging. And such technology development has a great ripple effect on other industries. However, various problems are occurring. The number of casualties caused by self-driving is increasing. Although the collision of fixed obstacles is somewhat decreasing, on the contrary, the technology by active obstacles is still insignificant. Therefore, in this study, in order to solve the core problem of self-driving vehicles, we propose a method of extracting active obstacles on the road. First, a center scene is extracted from a continuous image. In addition, it was proposed to extract activity obstacles using activity size and activity repeatability information from objects included in the center scene. The center scene is calculated using region segmentation and merging. Based on these results, the size of the frequency for each pixel in the region was calculated and the size of the activity of the obstacle was calculated using information that frequently appears in activity. Compared to the results extracted directly by humans, the extraction accuracy was somewhat lower, but satisfactory results were obtained. Therefore, it is believed that the proposed method will contribute to solving the problems of self-driving and reducing human accidents.
E. Park, C. Yu, and J. Choi, "Development of a lateral control system for autonomous vehicles using information fusion of vision and IMU sense", Journal of Institute of Control Robotics and Systems, Vol. 21, No. 3, pp.179-186, Mar. 2015.https://doi.org/10.5302/J.ICROS.2015.14.9009
U. Lee, S. Yun, I. Shim, S. Shin, J. Choi, J. oh, H. Shim, I. Kwon, and S. Choi, "Development of autonomous vehicles capable of environmental awareness and collision avoidance on complex roads", Journal of Institute of Robots and humans, Vol. 10, No. 2, pp.20-31, May 2013.
G. An et al "Vehicle/driving autonomous driving technology", Journal of electronic engineering, Vol. 41, No. 1, pp. 30-37, 2014
C. Badue, R. Guidolini, R. Carneiro, P. Azevedo, V. Cardoso, A. Forechi, L. Jesus, R. Berriel, T. Paixao, F. Mutz, L. Veronese, T. Santos, and A. Souza, "Self-Driving Cars: A Survey", arXiv: 1901.04407v2, 2019
H. Kim, W. Kang, B. Park, C. Roh, Y. Kim, and L. Lim, "Improved Road Infrastructures to Strengthen Driving Safety of Automated Driving Car", KICT 2019-055, Dec. 2019
S. Chang, W. Chen, H. Meng, H. Sundaram, and D. Zhong, "VideoQ: An automated content based video search system using visual cues," Proc of ACM Multimedia Conference, Nov. 1997
Hong LU, Yap-Peng Tan, "An efficient graph theoretic approach to video scene clustering," Information, Communication and Signal Processing, 2003 and the Fourth Pacific Rim Conference on Multimedia. Processing of the 2003 Joint. Conference of the Fourth International Conference on, Vol. 3, pp.1782-1786, 15-18 Dec. 2003
W. Y. Ma and B. S. Manjunath, "NETRA: A Toolbox for Navigating Large Image Databases," Proc. IEEE International Conference on Image Processing, Santa Barbara, Vol. 1, 1997, pp. 568-571.