• Proceedings of the Korea Contents Association Conference
• /
• 2004.11a
• /
• pp.453-456
• /
• 2004

In this paper, we propose the method of lane and obstacle detection using edge and horizontal projection. we convert color image to gray image and detect edge. After lane detection using edge, we detect the obstacle using horizontal projection in the region of lane. The simulation shows that our method is able to detect lane and obstacle in the place of monotonous light.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.01a
• /
• pp.377-380
• /
• 2022

본 논문에서는 모바일 기반 AR 환경에서 RGB카메라로부터 얻은 영상 분석과 DB 기반의 특징점(Feature point) 매칭을 통하여 보다 정확하게 위험 상황을 알려줄 수 있는 프레임워크를 제안한다. 본 논문에서는 RANSAC(Random sample consensus)기반의 다중 평면 방식을 이용한 특징점을 추출하고 분석하여 영상에 존재하는 장애물을 감지한다. RGB카메라로 얻은 영상을 기반으로 장애물을 검출하는 접근법은 영상에 의존하기 때문에 조명에 따른 특징점 검출이 부정확하고, 조명이나 자연광 또는 날씨에 영향을 많이 받기 때문에 어둡거나 흐린 날씨에서는 장애물 검출이 어려워진다. 이 문제를 완화하기 위해 본 논문에서는 DB기반의 특징점 매칭을 통해 조명에 관계없이 장애물을 효율적이고 정확하게 감지한다. 특징점 매칭을 이용하려면 우선 영상에서 특징점이 안정적으로 추출될 수 있는 환경인, 조명이나 자연광이 충분한 환경에서 감지된 장애물 정보를 데이터베이스화 하여 저장한다. 조명이 충분하지 않은 환경에서 사용자가 사전에 저장된 지역에 근접할 경우 특징점 분석이 아닌 DB 기반 특징점 매칭을 통해 위험 요소를 감지한다. 우리의 방법은 조명의 여부의 관계없이 효과적으로 위험을 감지할 수 있기 때문에 다양한 분야에 활용될 수 있다.

• Journal of the Institute of Electronics Engineers of Korea SC
• /
• v.43 no.3 s.309
• /
• pp.8-15
• /
• 2006

Obstacle detection is an important task for many mobile robot applications. The methods using stereo vision and optical flow are computationally expensive. Therefore, this paper presents a vision-based obstacle detection method using only two view images. The method uses a single passive camera and odometry, performs in real-time. The proposed method is an obstacle detection method using 3D reconstruction from taro views. Processing begins with feature extraction for each input image using Dr. Lowe's SIFT(Scale Invariant Feature Transform) and establish the correspondence of features across input images. Using extrinsic camera rotation and translation matrix which is provided by odometry, we could calculate the 3D position of these corresponding points by triangulation. The results of triangulation are partial 3D reconstruction for obstacles. The proposed method has been tested successfully on an indoor mobile robot and is able to detect obstacles at 75msec.

• Proceedings of the KIEE Conference
• /
• 2003.07d
• /
• pp.2058-2060
• /
• 2003

본 논문에서는 이동로봇의 실시간 영상처 리와 장애물 검출을 위한 알고리즘를 제시하였다. 단일 비젼 시스템을 사용하여 복도의 경계선을 추출하기 위하여 개선된 허프 트랜스폼 알고리즘을 적용하고 많은 연산량을 수행하기 위한 방법으로 레이져 포인터를 이용한 장애물 검출을 한다. 레이져 포인터의 레이져 빔이 장애물에 반사되어지는 정도를 영상처리를 통해 처리한 후 장애물의 유무를 판단하게 된다. 실험을 통하여 제시한 알고리즘의 우수성을 확인하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2012.11a
• /
• pp.120-121
• /
• 2012

자동차 산업에서 중요 화두로 떠오르고 있는 지능형 자동차 개발에 있어서, 영상처리를 이용하여 다양한 편의와 안전을 제공하며 더 나아가서는 자동주행을 목표로 하는 여러 가지 영상인식 방법들이 개발되고 있다. 본 논문은 자동 주행 분야에서 가장 중요한 문제들 중의 하나인 장애물 검출에 관한 것으로서, 여러 장애물들 중에 요금소나 진입통제 지역에 자주 나타나는 크로스 바 검출을 위한 알고리즘을 제안한다. 크로스 바의 경우 그 두께가 작아서 레이더로 잘 검출되지 않으므로 특히 영상처리로 검출을 해야 할 장애물에 속한다. 본 논문에서는 도로 상에 일반적으로 존재하는 크로스 바의 특징을 기반으로 한 영상 처리를 통해 바를 검출한다. 먼저 색상과 모양 정보를 이용하여 크로스 바의 노란색 영역이라고 판단되는 부분을 추출한다. 이들 가운데 수평을 이루고 있는 부분이 존재하면 크로스 바로 판단한다. 실험 결과는 제안하는 알고리즘이 제동거리 밖에서 정확하게 크로스 바를 검출함을 보여준다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2007.10c
• /
• pp.398-403
• /
• 2007

본 논문에서는 스테레오 비전을 이용하여 지하철 선로에 존재하는 장애물을 검출하는 기법을 제안한다. 본 논문에서는 두 대의 아날로그 카메라를 이용하여 좌우 영상을 획득하며, 영역 기반 정합을 이용하여 영상의 불균형을 계산한다. 불균형 영상의 배경을 매 프레임에서 갱신하고 현재 프레임의 불균형과의 차이에 의해 선로상의 장애물을 검출한다. 실내 역사에서 임의로 투척한 신문지, 상자, 인형과 임의로 진압한 사람을 모두 검출하였으며, 한 대의 카메라를 이용하는 기법에서 해결하기 어려운 배경과 비슷한 색상을 가지는 물체도 모두 검출하였다. 따라서 제안하는 기법은 선로상의 위험물을 검출하는 핵심 기술로 이용될 수 있다.

• Proceedings of the KIEE Conference
• /
• 2002.06a
• /
• pp.114-119
• /
• 2002

본 논문에서는 자율 이동 로봇의 장애물에 대한 실시간 충돌 회피 동작의 문제에 대하여, 로봇이 장애물과 충돌하지 않는 안정적인 회피 동작과 유연한 궤적 생성, 그리고 효과적인 최적의 조향 동작을 계획할 수 있게 하기 위하여 레이저 스케닝 센서를 이용한 지역 장애물 회피 방법을 제안한다. 레이저 센서를 이용한 로봇의 안전한 방향 탐색은 자율 이동 로봇이 검출할 수 있는 최대의 검출 영역에서부터 로봇의 중심점을 향해 순차적으로 임계치를 줄여가는 동안 나타나는 무충돌 안전 구간과 충돌 구간을 정의함으로서 구성된다. 제안한 안전 방향 구간 탐색에 의한 로봇의 장애물 회피 동작의 성능 실험은 최적 방향의 탐색 성능을 평가하며, 실제의 이동 로봇을 이용하여 실험한 결과에 대하여 고찰하고 결론을 내린다.

• Journal of the Korean Society for Aviation and Aeronautics
• /
• v.5 no.1
• /
• pp.65-79
• /
• 1997

In this study, we deviced side warning system that is necessary to the ground operation of aircraft. The system consist of obstacle detection part, transmission part, receive part, and warning part. We used TOF(Time Of Flight) method using 40kHz ultrasonic wave as the obstacle detection part. The 447MHz RF module was applied to the transmission and receive part. The warning part is activated by the computer using received distance data. The detection system attach to the left/right side edge of main wing and horizontal stabilizer. We have decided 10m obstacle detection range. The result of experiment was satisfactory.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2009.01a
• /
• pp.185-188
• /
• 2009

단일 카메라 영상으로 입력되는 환경 정보에 대해서 보도에 대한 길의 소실점과 보도 영역에 대한 정보를 획득하는 방법과 보도 영역에 대해 블록 세그멘테이션을 통하여 장애물과 같은 물체 영역을 구분한다. 소실정과 보도 영역을 획득하기 위한 방법으로 에지영상에서 보도의 외곽선 정보를 추출하도록 한다. 이를 위해 체인코드를 이용하여 특정한 방향으로 향하는 직선 성분을 검출하도록 한다 보도 영역 내에 존재하는 물체의 영역을 구분하기 위해서 영역을 특정 크기를 가지는 블록으로 구분하고 각 블록이 가지는 평균 컬러 정보를 이용하여 영역을 세그멘테이션 한다. 세그멘테이션을 통해 얻은 영역을 통해 보도의 영역과 장애물의 영역을 구분하고 각 장애물의 위치를 계산하다. 알고리즘의 평가를 위해 실내의 복도 환경과 단순한 형태를 가지는 실외 환경에서 획득한 영상을 이용하여 실험하였다.

• Journal of the Korea Computer Graphics Society
• /
• v.27 no.5
• /
• pp.63-71
• /
• 2021

Among drone autonomous flight technologies, obstacle avoidance is a very important technology that can prevent damage to drones or surrounding environments and prevent danger. Although the LiDAR sensor-based obstacle avoidance method shows relatively high accuracy and is widely used in recent studies, it has disadvantages of high unit price and limited processing capacity for visual information. Therefore, this paper proposes an obstacle avoidance algorithm for drones using camera-based PPO(Proximal Policy Optimization) reinforcement learning, which is relatively inexpensive and highly scalable using visual information. Drone, obstacles, target points, etc. are randomly located in a learning environment in the three-dimensional space, stereo images are obtained using a Unity camera, and then YOLov4Tiny object detection is performed. Next, the distance between the drone and the detected object is measured through triangulation of the stereo camera. Based on this distance, the presence or absence of obstacles is determined. Penalties are set if they are obstacles and rewards are given if they are target points. The experimennt of this method shows that a camera-based obstacle avoidance algorithm can be a sufficiently similar level of accuracy and average target point arrival time compared to a LiDAR-based obstacle avoidance algorithm, so it is highly likely to be used.