• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.06a
• /
• pp.139-141
• /
• 2014

지능형 차량 시스템에 있어서 교통 표지판 검출/인식은 매우 중요한 요소들 중의 하나이다. 따라서 주행 중인 차량에서 카메라로부터 취득한 영상을 이용하여 교통 표지판을 인식하는 여러 가지 영상인식 알고리즘들이 개발되고 있다. 하지만 이러한 알고리즘은 표지판의 색상 값이 날씨와 시간에 따른 조도와 컬러의 변화에 따라 성능이 크게 변한다는 점에서 어려움을 겪고 있다. 따라서 본 논문은 환경 변화에 강인한 교통 표지판 검출 및 인식 알고리즘을 제안한다. 구체적으로, 표지판 검출을 위하여 제안하는 알고리즘에서는 색상과 형태 정보를 이용하여 교통 표지판 후보군을 찾는다. 여러 색상 임계값에 대하여 영상 피라미드 형태를 만들고, 모든 피라미드 영상들에 대해서 인식 알고리즘을 수행함으로써 실외 빛에 변화에 강인하게 한다. 교통 표지판 후보군을 찾은 후, 후보군들을 Linear SVM을 통해 학습함으로써 교통 표지판인지 아닌지 분류해낸다. 실험 결과는 제안하는 알고리즘이 정확하게 교통 표지판을 인식하고, 동시에 실외 빛의 변화에 상관없이 강인하게 표지판을 인식함을 보여준다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2001.12a
• /
• pp.181-184
• /
• 2001

인간 두뇌의 연상과 기억 작용의 모델링을 통한 구현의 일부분으로, 본 논문에서는 Hebb 의 학습방법과 non-cloning template를 사용하여 discrete-time cellular neural networks의 연상메모리 기능을 구현한다. 본 논문에서 사용된 학습방법은 각 셀의 인접한 셀과의 연결상태에 따라 하중값 메트릭스를 구현한다. 이러한 방법은 새로운 패턴의 추가 학습과 삭제가 쉽고, 또한 쉽게 구현 할 수 있는 장점이 있다. 이 방법으로 모의 실험에서는 교통표지판의 분류에 사용한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2007.05a
• /
• pp.305-308
• /
• 2007

본 논문은 교통표지판을 자동으로 인식하는 방법에 관한 연구로 기존의 교통표지판 인식시스템에서는 인식하는데 걸리는 시간이 길고 잡음환경에서 인식률이 저하되며 변경된 교통표지판은 인식하지 못하는 문제점이 있다. 본 논문에서는 이와 같은 문제점을 해결하기위해 컬러정보를 이용하여 교통표지판 영역을 추출하고 추출된 이미지를 인식하는데 다층퍼셉트론 신경망 알고리즘을 적용하여 교통표지판 인식시스템을 제안한다. 제안된 방법은 교통표지판의 컬러를 분석하여 영상에서 교통표지판 영역을 추출한다. 영역을 추출하는 방법은 RGB 컬러 공간으로부터 YUV, YIQ, CMYK 컬러 공간이 가지는 특성을 이용한다. 형태처리는 교통표지판의 기하학적 특성을 이용하여 군집화한다. 교통표지판 인식은 학습이 가능한 다층퍼셉트론의 오류역전파알고리즘을 적용하여 인식한다. 다층퍼셉트론 신경망 알고리즘은 패턴인식 분야에서 우수한 성능이 입증 되었다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2012.06b
• /
• pp.351-353
• /
• 2012

교통 표지판은 도로 주행에 있어 분별력 있는 정보를 제공한다. 하지만 주행 중에 가로수나 다른 자동차에 의해 교통 표지판은 가려져 있거나 훼손된 경우가 많다. 또한 자동차가 커브할 때 카메라 영상에는 회전된 객체로 보이게 된다. 이런 경우에 교통 표지판의 인식이 어렵기 때문에 본 논문에서는 각 문제점에 모두 강건한 피처를 이용해 매칭하는 방법을 제안하였다. 본 논문에서 제안한 방법에 기반하여 주행 중 영상에서 보다 분별력 있는 정보를 획득하여 더 많은 응용 분야에 적용할 것으로 기대한다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2005.11b
• /
• pp.943-945
• /
• 2005

교통 표지판은 안전하고 효율적인 주행을 위해 운전자에게 여러 가지 정보를 제공한다. 따라서 교통 표지판의 자동인식은 자동운전이나 안전운전 시스템 등에 중요하게 사용될 수 있다. 본 논문은 영상에서 나타난 여러 가지 도로시설물 중 교통 표지판을 인식하는 알고리즘을 제안한다. 제안된 알고리즘은 교통 표지판이 가지고 있는 색상, 밝기, 형태 등의 정보를 이용하여 교통 표지판을 자동으로 인식한다. 일반적인 영상처리에서는 RGB 색상 공간의 처리는 간단하지만 날씨나 조명 상태의 변화에 민감하므로 본 논문에서는 색상과 채도에서 컬러 인지력이 높은 HSI 공간을 활용하여 주변 환경의 영향을 줄였다. 또한 고속 인식을 위하여 영상 모멘트 템플릿 정합을 사용하여 신경 회로망을 구성하였다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2016.11a
• /
• pp.80-81
• /
• 2016

자율주행 자동차란 인간에 의한 운전조작이 필요없이 원하는 목적지점까지 안전하게 이동하는 자동차를 말한다. 이러한 자율주행 자동차를 구현하기 위해서는 영상처리를 이용한 여러 기법들이 적용되는데, 본 논문에서는 모형자동차에 영상 처리 기법을 적용하여 자율주행 시스템을 구현하는 과정을 설명한다. 이것은 모형자동차에 무선 카메라를 설치하여 입력받은 영상을 컴퓨터로 보내주고 컴퓨터에서 이를 분석하여 알맞은 신호를 블루투스 통신을 통해서 모형자동차 내의 아두이노로 전송하여 알고리즘에 맞게 동작하는 시스템이다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.677-678
• /
• 2020

본 연구는 자율주행 시대에 자동차의 외부통제를 가능하게 하는데 목적이 있다. 자율주행 자동차의 외부통제를 하기 위해 교통경찰 수신호를 사용한다. 교통이라는 특별한 상황을 고려하여 실시간 객체 검출이 가능한 YOLO모델을 사용하였고, 수신호 데이터 학습을 위해 Data Argumentation 기법을 사용하여 데이터를 확보한 후 이를 바탕으로 YOLO모델을 학습하였다. 학습된 YOLO모델을 이용하여 교통의 흐름에서 교통 통제자를 실시간으로 검출하였다. 이후 검출된 객체를 이용하여 객체 확인 알고리즘과 수신호 의미파악 알고리즘을 사용하여 수신호의 의미를 파악하고 이를 사용자에게 전달한다. 이와 같은 시스템을 통해 자율주행 자동차에 돌발 상황 발생 시 보다 정확하고 빠르게 교통의 흐름을 정상화 할 수 있는 장점이 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2024.05a
• /
• pp.9-10
• /
• 2024

본 연구에서는 Renesas RA6M3 Embedded board와 RTOS를 기반으로 하는 교통 표지판 인식 시스템을 구현한다. 초음파 센서 3개를 활용해 상단부, 중심부, 하단부에서 도형을 감지하고, 모터를 제어하여 각각의 초음파 센서로 거리를 판단해 표지판 도형을 인식하게 한다. 이 시스템은 카메라 및 LiDAR와 같은 값비싼 장비보다 상대적으로 저렴한 초음파 센서를 사용하여 차량용 전장 시스템의 원가를 낮추는 데 기여한다. 실제 자동차에서 해당 기술을 쓰기 위해서는 추가적인 보완이 요구될 수 있으나, 본 연구는 새로운 아이디어의 발상 및 하드웨어의 구체적인 구현 방안을 제시함으로써 차후 연구의 방향성을 제시하고자 한다.

• Journal of Korean Society for Geospatial Information Science
• /
• v.19 no.3
• /
• pp.91-98
• /
• 2011

Road signs are part of the traffic facilities intended to guide drivers to their destinations in a safe and comfortable manner. Due to the creation of new routes, changes to the old routes, and the deterioration of road signs, road signs do require efforts to do ongoing field investigations and put the results in a database. The purpose of this study was to propose methodologies to do field investigations and build a database for road signs efficiently. For that purpose, a mobile mapping system was designed for field investigations. The designed mobile mapping system was comprised of three cameras to produce image information about road signs, GPS/IMU/DMI to obtain information about the position and attitude of a vehicle, and a laser scanner to generate information about the locations of road signs and routes. Also proposed in the study was a procedure to automatically detect the areas of road signs in the road signs images and recognize their characters.

• Journal of the Institute of Electronics and Information Engineers
• /
• v.54 no.1
• /
• pp.55-69
• /
• 2017

Recently, the IoT (Internet of Things) environment is being developed rapidly through network which is linked to intellectual objects. Through the IoT, it is possible for human to intercommunicate with objects and objects to objects. Also, the IoT provides artificial intelligent service mixed with knowledge of situational awareness. One of the industries based on the IoT is a car industry. Nowadays, a self-driving vehicle which is not only fuel-efficient, smooth for traffic, but also puts top priority on eventual safety for humans became the most important conversation topic. Since several years ago, a research on the recognition of the surrounding environment for self-driving vehicles using sensors, lidar, camera, and radar techniques has been progressed actively. Currently, based on the WAVE (Wireless Access in Vehicular Environment), the research is being boosted by forming networking between vehicles, vehicle and infrastructures. In this paper, a research on the recognition of a traffic signs on highway was processed as a part of the awareness of the surrounding environment for self-driving vehicles. Through the traffic signs which have features of fixed standard and installation location, we provided a learning theory and a corresponding results of experiment about the way that a vehicle is aware of traffic signs and additional informations on it.