• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.11
• /
• pp.1437-1444
• /
• 2020

With the development of computer vision systems, many advances have been made in the fields of surveillance, biometrics, medical imaging, and autonomous driving. In the field of autonomous driving, in particular, the object detection technique using deep learning are widely used, and the paved road detection is a particularly crucial problem. Unlike the ROI detection algorithm used in general object detection, the structure of paved road in the image is heterogeneous, so the ROI-based object recognition architecture is not available. In this paper, we propose a deep neural network architecture for atypical paved road detection using Semantic segmentation network. In addition, we introduce the multi-scale semantic segmentation network, which is a network architecture specialized to the paved road detection. We demonstrate that the performance is significantly improved by the proposed method.

• Journal of KIISE:Software and Applications
• /
• v.28 no.2
• /
• pp.132-140
• /
• 2001

야외에서 인지되는 자연 경치는 다양한 개체, 빛의 산란, 또는 변화를 주는 많은 요소들 때문에 컴퓨터 영상처리에서 인식하기가 쉽지 않다. 본 논문에서는 다층 인지 신경망을 이용하여 도로가 포함된 야외영상에 나타나는 개체들을 인식하는 방법을 연구하였다. 자연 영상을 영역화한 후, 각각의 영역들에 대하여 색상과 기하학적인 특성에 근거하여 특성벡터를 추출하고 이를 신경망에 입력하여 각 영역을 구분하는 2단계의 알고리듬을 제안한다. 먼저 야외 영상들을 개선된 영역 확장법과 병합과정에 의하여 개체별로 영역화하였다. 영역화된 연상은 자연 영상과 함께 영상 데이타베이스에 저장되고, 이 자료들을 이용하여 각 영역의 특성벡터를 계산하였다. 이 특성 벡터를 구성된 신경망의 입력층에 전달하면, 각 영역은 27개의 개체 중의 하나로 출력층에서 인식된다. 제안된 방법은 학습에 사용된 데이타, 학스베 사용되지 않은 새로운 데이타, 그리고 모두 합하여 놓은 데이타의 세가지 데이타 군에서 무작위로 선별하여 인식률을 측정하였다. 학습된 데이타에서는 99.4%까지의 인식률을 보여주었고, 학습되지 않은 데이타에 대해서도 최고 89.1%까지의 인식률을 나타내었다. 제안된 방법은 평균적으로 88.1%~97.9%의 인식률을 보여주어 자연 경치의 인식에 신뢰성이 있는 방법으로 사용될 수 있음을 증명하였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.4 no.4
• /
• pp.201-208
• /
• 2015

This paper proposes a method for detecting the direction indicator shown in the road surface efficiently from the black box system installed on the vehicle. In the proposed method, the direction indicators are detected by inverse perspective mapping(IPM) and bag of visual features(BOF)-based NN classifier. In order to apply the proposed method to real-time environments, the candidated regions of direction indicator in an image only performs IPM, and BOF-based NN is used for the classification of feature information from direction indicators. The results of applying the proposed method to the road surface direction indicators detection and recognition, the detection accuracy was presented at least about 89%, and the method presents a relatively high detection rate in the various road conditions. Thus it can be seen that the proposed method is applied to safe driving support systems available.

• Proceedings of the Korean Information Science Society Conference
• /
• 1998.10c
• /
• pp.497-499
• /
• 1998

비젼 시스템을 바탕으로 한 무인 주행 시스템은 카메라로부터 입력된 영사에서 도로와 비 도로를 적절히 인식하여 그것을 바탕으로 주행을 위한 여러 장치들을 제어하는 시스템이라 할 수 있다. 한편 이와 같이 영상의 인식 결과가 핸들 제어나 속도 제어의 성능을 결정할 때 무엇보다 도로의 환경 변화에 강건한 비젼 시스템의 구현이 요구된다. 본 논문에서는 비젼 시스템과 핸들 제어 시스템 두 부분을 구현하였는데, 비젼 시스템에서는 입력 영상에 대해 학습이 가능한 Multilayer Perceptron(MLP)을 이용하여 도로와 비 도로를 적절한 신뢰도로 나눈 후 피라미드 알고리즘을 거쳐 최종 도로 영역을 추출해 낸다. 핸들 제어를 위해 도로 영역의 외곽선을 모델링한 후 차량의 주행 방향 벡터를 구한다. 그 값이 핸들 제어 시스템에서의 MLP의 입력이 되어 차량의 핸들 각도를 결정하게 된다. 끝으로 옥외 차량 시뮬레이션을 통하여 본 논문에서 제안된 알고리즘의 유용성을 확인한다.

• Journal of the Institute of Electronics Engineers of Korea SP
• /
• v.48 no.4
• /
• pp.86-97
• /
• 2011

This paper presents a novel algorithm to detect more accurate road lane with image sensor-based color classification and directional edge clustering. With treatment of road region and lane as a recognizable color object, the classification of color cues is processed by an iterative optimization of statistical parameters to each color object. These clustered color objects are taken into considerations as initial kernel information for color object detection and recognition. In order to improve the limitation of object classification using the color cues, the directional edge cures within the estimated region of interest in the lane boundary (ROI-LB) are clustered and combined. The results of color classification and directional edge clustering are optimally integrated to obtain the best detection of road lane. The characteristic of the proposed system is to obtain robust result to all real road environments because of using non-parametric approach based only on information of color and edge clustering without a particular mathematical road and lane model. The experimental results to the various real road environments and imaging conditions are presented to evaluate the effectiveness of the proposed method.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.82-85
• /
• 2009

본 논문에서는 실제 도로환경의 속도 표지판 영역 추출 및 인식 방법을 제안한다. 화소의 색상정보를 이용하여 속도 표지판 영역을 추출하고 추출된 속도 표지판 영역 안에서 숫자 영역만 다시 추출한다. 표지판의 경사여부를 판단하여 시계방향, 반시계방향으로 각각 표지판을 회전시켜 기울기를 보정한 후 인식을 행함으로써 인식률을 제고한다. 도로환경의 동영상을 대상으로 인식을 행한 결과 일반적인 속도표지판 뿐 아니라 기울어진 환경에서도 매우 강건한 인식 결과를 보인다.

• Proceedings of the KIEE Conference
• /
• 2008.07a
• /
• pp.1911-1912
• /
• 2008

본 논문에서는 효율성 높은 차선 인식을 위한 알고리즘을 제안한다. 입력된 영상을 배경영상과 도로 영상으로 나눈 후 도로영역에서 Hough 변환을 이용하여 차선을 검출하도록 한다. 규정된 도로 규격 정보를 활용하여 한쪽차선만이 인식되더라도 자동차의 차선이탈여부를 검출할 수 있도록 하는 알고리즘을 제안한다. 또한 영상의 잡음을 최소화하기 위한 알고리즘을 적용하여 차선 인식률을 높일 수 있는 방법을 연구한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.11a
• /
• pp.1199-1202
• /
• 2014

본 논문은 차량에 설치된 블랙박스 영상으로부터 도로 노면에 표시된 방향지시 기호를 효율적으로 검출하는 방안을 제안한다. 차량 내부에 설치된 블랙박스 영상은 카메라의 원근 효과로 인해 방향지시 기호 영역을 올바르게 검출하지 못하는 문제점이 존재한다. 따라서 제안한 연구에서는 원근 효과를 가진 입력 영상에서 역원근 변환 방법을 통해 원근 효과를 제거한 실세계 좌표로 맵핑한 평면 영상에서 방향지시 기호 영역을 신경망 검출기를 통해 검출한다. 입력 영상에서 역 원근 변환은 높은 계산량으로 인해 실시간 처리가 어려운 점이 존재한다. 이를 보완하기 위해 제안한 방안에서는 입력 영역의 도로노면 방향지시 기호 영역의 특징을 분석하여 도로노면 기호가 포함된 후보 ROI영역을 정의하고 후보 ROI 영역의 Gray 색상에서 역원근 변환을 수행한다. 제안한 방안을 도로노면 방향지시 기호 검출 및 인식 연구에 적용한 결과, 약 87% 이상 비교적 정확히 검출율을 제시하였으며, 다양한 도로 환경에서도 높은 검출율을 제시하였다. 따라서 제안한 방안을 운전자의 안전운전지원시스템에 적용함으로써 보다 정확한 도로정보 제공시스템 적용이 가능함을 알 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.94-97
• /
• 2009

본 논문에서는 실제 도로 환경에서의 실시간 차선 인식 방법을 제안한다. 전방주시카메라를 활용하여 촬영한 입력영상으로부터 도로영역에 해당하는 관심영역을 추출하고 반복적인 평균 명도를 측정하여 이진화함으로써 차선 특징을 검출하고 YCbCr 변환한 영상에 대한 실험 임계값을 적용하여 중앙선의 특징을 검출하였다. 이에 Canny 알고리즘을 이용한 에지 추출로 허프 변환시의 작업량을 최소화하였으며 허프 변환하여 얻은 차선 후보군으로부터 각도를 기반으로 필터링하여 통계적으로 우선순위가 높은 선분을 차선으로 인식하였다. 또한 실제 도로 환경에서 수집한 동영상으로 실험한 결과 강건한 차선 인식률을 보였다.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.19 no.3
• /
• pp.563-570
• /
• 2024

This paper proposes a method to recognize and track drivable lane areas to assist the driver. The main topic is designing a deep-based network that predicts drivable road areas using computer vision and deep learning technology based on images acquired in real time through a camera installed in the center of the windshield inside the vehicle. This study aims to develop a new model trained with data directly obtained from cameras using the YOLO algorithm. It is expected to play a role in assisting the driver's driving by visualizing the exact location of the vehicle on the actual road consistent with the actual image and displaying and tracking the drivable lane area. As a result of the experiment, it was possible to track the drivable road area in most cases, but in bad weather such as heavy rain at night, there were cases where lanes were not accurately recognized, so improvement in model performance is needed to solve this problem.