• 한국멀티미디어학회논문지
• /
• 제16권4호
• /
• pp.430-443
• /
• 2013

운전자에게 차량의 현재 위치 및 도로 주변 상황 인지는 안전하고 쾌적한 운전 환경 조성을 위해 반드시 필요한 정보들이다. 본 논문에서는 도로시설물 및 도로표지 등의 도로정보를 모니터링 하고 시각적으로 알리기 위해 도로주행영상 내 좌표정보 결합 및 시점변환 기법을 이용한 도로주행환경 자동인식 기술을 제안한다. 제안한 방법은 차량 내 탑재된 카메라와 GPS를 이용하여 공간정보가 반영된 도로주행영상을 생성한 후, 생성 영상의 시점 변환 및 정합, 도로정보 검출을 수행하여 사용자에게 도로정보를 시각적으로 제공할 수 있도록 한다. 제안한 방법을 도로 주행 영상에서 실험한 결과, 도로주행영상 내 GPS 좌표정보의 결합 시간은 66.5ms, 교통 표지판 검출율은 95.83%, 프레임당 표지판 검출 처리 시간은 평균 227.45ms 이었다. 따라서 15프레임/초 이하의 입력 동영상에 대하여 효과적으로 도로주행환경을 자동으로 인식하는 것이 가능함을 확인하였다.

• 한국대기환경학회지
• /
• 제34권5호
• /
• pp.735-747
• /
• 2018

Rainfall depth is an important meteorological information. Generally, high spatial resolution rainfall data such as road-level rainfall data are more beneficial. However, it is expensive to set up sufficient Automatic Weather Systems to get the road-level rainfall data. In this paper, we propose to use deep learning to recognize rainfall depth from road surveillance videos. To achieve this goal, we collect a new video dataset and propose a procedure to calculate refined rainfall depth from the original meteorological data. We also propose to utilize the differential frame as well as the optical flow image for better recognition of rainfall depth. Under the Temporal Segment Networks framework, the experimental results show that the combination of the video frame and the differential frame is a superior solution for the rainfall depth recognition. The final model is able to achieve high performance in the single-location low sensitivity classification task and reasonable accuracy in the higher sensitivity classification task for both the single-location and the multi-location case.

• 제어로봇시스템학회논문지
• /
• 제4권6호
• /
• pp.759-764
• /
• 1998

We propose a novel algorithm capable of recognizing the road lane by image processing. Considering the fact that the direction and location of road lane are maintained similarly in successive images we formulate a function to represent the property. However, as noises play the role of making a lot of similar patterns appear and disappear in the road image, keeping of robustness in the lane detection has been known a difficult work. To overcome this problem, we introduce the following three ideas: 1) design of a function based on an edge direction and magnitude, 2) construction of a recursive filter to estimate the function recursively for successive images, 3) principal axis-based line fitting. These concepts enhance the adaptability to cope with the random environment of traffic scene and eventually lead to the reliable detection of a road lane.

• 대한임베디드공학회논문지
• /
• 제9권4호
• /
• pp.219-227
• /
• 2014

Natural disasters such as a ground collapse and a landslide have broken out due to the climate change of the Korea and the reckless expansion of cities and roads. The climate changes and the reckless urbanization have made the ground weak. Thus, it is important to keep a close eye on the highly weakened landslide and to prevent its natural disasters. In order to prevent these disasters, this paper presents a system of recognizing the road slide condition by measuring the displacements using laser scanner instrument. The previous system of monitoring the road slide has some problems as inaccurate recognition due to using only images from a camera, or expensive system such as artificial satellites and aircraft systems. To solve this problem, our proposed system uses the 3D range data from the laser scanner for measuring the accurate displacement of the road slide and optical flows from the Lucas-Kanade algorithm for recognizing the road slide in the image.

• 한국정보통신학회논문지
• /
• 제25권12호
• /
• pp.1835-1845
• /
• 2021

본 논문에서는 블랙 아이스를 정확하게 인식하고 도로 노면 정보를 운전자에게 미리 알려줘서 속도를 제어하고 예방 조치를 취할 수 있도록 하기 위해 열화 도로 영상을 기반으로 블랙 아이스 검출하기 위해 lightweight 네트워크를 제안한다. 전이학습을 이용하여 블랙 아이스 인식 실험을 하였고, 블랙 아이스 인식의 정확도 향상을 위해 MobileNetV2 기반의 개선된 lightweight 네트워크를 개발하였다. 계산량을 줄이기 위해 Linear Bottleneck 및 Inverted Residuals를 활용하여 4개의 Bottleneck 그룹을 사용하고 모델의 인식률 향상을 위해 각 Bottleneck 그룹에 3×3 컨볼루션 레이어를 연결하여 지역적 특징 추출을 강화하고 특징 맵의 수를 늘렸다. 마지막으로 구축된 블랙 아이스 데이터 세트 대상으로 블랙 아이스 인식 실험을 진행하였으며, 제안된 모델은 블랙 아이스에 대해 99.07%의 정확한 인식률을 나타내었다.

• ETRI Journal
• /
• 제37권3호
• /
• pp.606-616
• /
• 2015

In this paper, we propose a novel method for road recognition using 3D point clouds based on a Markov random field (MRF) framework in unstructured and complex road environments. The proposed method is focused on finding a solution for an analysis of traversable regions in challenging environments without considering an assumption that has been applied in many past studies; that is, that the surface of a road is ideally flat. The main contributions of this research are as follows: (a) guidelines for the best selection of the gradient value, the average height, the normal vectors, and the intensity value and (b) how to mathematically transform a road recognition problem into a classification problem that is based on MRF modeling in spatial and visual contexts. In our experiments, we used numerous scans acquired by an HDL-64E sensor mounted on an experimental vehicle. The results show that the proposed method is more robust and reliable than a conventional approach based on a quantity evaluation with ground truth data for a variety of challenging environments.

• IEIE Transactions on Smart Processing and Computing
• /
• 제1권1호
• /
• pp.1-7
• /
• 2012

This paper presents a system used to automatically recognize the road traffic control gestures of police officers. In this approach,the control gestures of traffic police officers are captured in the form of depth images.A human skeleton is then constructed using a kinematic model. The feature vector describing a traffic control gesture is built from the relative angles found amongst the joints of the constructed human skeleton. We utilize Support Vector Machines (SVMs) to perform the gesture recognition. Experiments show that our proposed method is robust and efficient and is suitable for real-time application. We also present a testbed system based on the SVMs trained data for real-time traffic gesture recognition.

• 융합신호처리학회논문지
• /
• 제22권4호
• /
• pp.149-155
• /
• 2021

본 연구에서는 전동 이동기기를 이용하는 교통약자의 이동을 제한하는 노면 불량 요소를 딥러닝을 이용해 자동 검출하는 불량 노면객체 인식모델을 개발하고자 한다. 이를 위하여 부산시 관내 5개 지역에서 실제 전동 이동 보조 장치가 이동할 것으로 예상되는 보행로, 주행로를 대상으로 하여 노면 정보를 수집하였으며 이때 도로 정보 수집은 데이터 수집을 보다 용이하게 하기 위하여 소형 차량을 이용하였다. 데이터는 노면과 주변을 그 주변을 구성하는 객체로 구분하여 영상을 수집하였다. 수집된 데이터로부터 교통약자의 이동을 저해하는 정도에 따라 분류하여 보도블록의 파손등급 검출과 같은 일련의 인식 항목을 정의하였고, YOLOv5 딥러닝 알고리즘을 해당 데이터에 적용하여 실시간으로 객체를 인식하는 불량노면 객체 인식 딥러닝 모델을 구현하였다. 연구의 최종단계에서 실제 주행을 통해 객체 단위로 분리 수집된 영상 데이터의 가공, 정제 및 어노테이션 과정을 수행한 후 모델 학습과 검증을 거쳐 불량노면객체를 자동으로 검출하는 딥러닝 모델의 성능 검증 과정을 진행하였다.

• 대한교통학회지
• /
• 제29권1호
• /
• pp.47-55
• /
• 2011

본 연구의 목적은 서로 다른 시력조건하에서 도로명판과 도로표지판에 대한 판독거리와 판독시 안구의 움직임 (응시시간, 응시수)에 대한 측정을 수행하였다. 실험은 실제 도로상황과 유사한 환경을 가진 폐쇄순환도로에서 피실험자가 실제 차량을 운전하면서 실시되었으며, 실험을 위하여 규격에 맞게 제작되어진 도로명판과, 도로 양옆에 위치해 있는 실제 교통표지판 (도로명판, 속도제한 표지판)을 이용하였다. 시력조건은 안경렌즈를 이용하여, 시력이 1.2인 조건과 1.0 그리고 0.8의 조건을 구현하였으며, 각 실험자가 3가지의 시력 조건에 대해 실험을 수행하였다. 시력조건이 1.2 인 경우와 0.8인경우의 판독거리는 유의한 수준의 차이를 보였으며, 응시시간과 응시수는 표지판의 크기가 작은 경우에 시력조건별 차이를 보였다. 본 연구의 결과는 운전에 있어서 시력 교정의 중요성을 보여주었으며, 운전면허 기준시력을 넘는다고 해도 시력의 정도에 따라 판독거리, 그리고 판독시 안구운동의 효율성에서 차이를 보일 수 있다.

• ETRI Journal
• /
• 제37권6호
• /
• pp.1220-1230
• /
• 2015

An autonomous valet parking (AVP) system is designed to locate a vacant parking space and park the vehicle in which it resides on behalf of the driver, once the driver has left the vehicle. In addition, the AVP is able to direct the vehicle to a location desired by the driver when requested. In this paper, for an AVP system, we introduce technology to recognize a parking space using image sensors. The proposed technology is mainly divided into three parts. First, spatial analysis is carried out using a height map that is based on dense motion stereo. Second, modelling of road markings is conducted using a probability map with a new salient-line feature extractor. Finally, parking space recognition is based on a Bayesian classifier. The experimental results show an execution time of up to 10 ms and a recognition rate of over 99%. Also, the performance and properties of the proposed technology were evaluated with a variety of data. Our algorithms, which are part of the proposed technology, are expected to apply to various research areas regarding autonomous vehicles, such as map generation, road marking recognition, localization, and environment recognition.