• 로봇학회논문지
• /
• 제6권2호
• /
• pp.165-172
• /
• 2011

This paper presents a robust lane detection algorithm based on RGB color and shape information during autonomous car control in realtime. For realtime control, our algorithm increases its processing speed by employing minimal elements. Our algorithm extracts yellow and white pixels by computing the average and standard deviation values calculated from specific regions, and constructs elements based on the extracted pixels. By clustering elements, our algorithm finds the yellow center and white stop lanes on the road. Our algorithm is insensitive to the environment change and its processing speed is realtime-executable. Experimental results demonstrate the feasibility of our algorithm.

• 한국멀티미디어학회논문지
• /
• 제20권2호
• /
• pp.144-152
• /
• 2017

Among the technologies for implementing autonomous vehicles, advanced driver assistance system is a key technology to support driver's safe driving. In the technology using the vision sensor having a high utility, various preprocessing methods are used prior to feature extraction for lane detection. However, in the existing methods, the unnecessary lane candidates such as cars, lawns, and road separator in the road area are false positive. In addition, there are cases where the lane candidate itself can not be extracted in the area under the overpass, the lane within the dark shadow, the center lane of yellow, and weak lane. In this paper, we propose an efficient preprocessing method using k-means clustering for image division and the HSV color model. When the proposed preprocessing method is applied, the true positive region is maximally maintained during the lane detection and many false positive regions are removed.

• 한국정보통신학회논문지
• /
• 제22권3호
• /
• pp.434-442
• /
• 2018

본 논문에서는 주행하는 차량에 탑재된 카메라에서 획득한 도로 영상에서 차선의 색상을 판별하는 방법을 제안하였다. 자동차의 자율주행기술에 있어 차선 정보는 차선이탈방지(ldws), 능동적 차선유지(lkas), 고속도로주행보조(hda) 등의 자율주행의 레벨(level)이 올라갈수록 중요하다. 특히 차선의 색상, 특히 흰색 및 황색 차선의 구별은 교통사고와 직접적인 관련이 있는 정보이기에 더욱 필요한 기술이다. 본 논문에서는 주행 차선 검출 결과를 기반으로 차선 및 도로의 관심 영역을 추출하고 각 영역의 컬러 정보를 2차원 S-색상 공간으로 투영하였다. S-공간에 투영된 색상의 특징 분포에서 개선된 mean-shift 알고리즘을 이용하여 특징의 무게중심을 구하였다. 좌, 우 차선과 도로영역의 색상특징의 중심점들 사이의 거리 정보를 이용하여 차선의 색상을 판별하였다. 다양한 조명환경에서 약 97%의 색상 인식 성공률을 보였다.

• 한국ITS학회 논문지
• /
• 제20권5호
• /
• pp.186-201
• /
• 2021

자율 주행 기술이 발전함에 따라 주행 주변 환경을 인식하는 데 차량 위치의 정확성은 매우 중요하다. 측위의 정확도를 높이기 위해 정밀지도를 사용한 지도 정합 측위기술(map-matching localization)이 연구되고 있다. 기존의 지도 정합 기법은 지도에서 차선의 중심으로 표현된 데이터를 기반으로 차량 위치를 추정하기에 차선 내 측면 거리의 편차를 반영하지 않는다. 따라서 본 논문에서는 정밀한 측위를 제공하기 위해 영상처리를 통한 차선 검출 기법과 정밀지도의 차선 위치 정보를 이용한 기법을 제안한다. 영상 처리 기법으로 IPM(inverse perspective mapping)과 다중 차선 검출 기법, 중앙선 검출 기법을 통하여 차선 번호를 검출하고 차선 이탈 감지 방법으로 차선 중심으로부터 차량의 측면 거리를 추정한다. 최종적으로 영상처리로 검출한 차선 번호와 GNSS / INS의 위치를 기반으로 정밀지도에서 위치 링크정보를 추출하고 추출된 링크에 측면 거리를 반영하여 차선 내 차량의 위치를 추정한다. 제안된 방법의 성능을 평가하기 위하여 실제 도로에서 실험하였다. 제안하는 방법은 GNSS / INS와 비교 시 약 1.0m 정도 정확도가 개선되며, 기존의 차선레벨 맵매칭 방법과 비교 시 구간별로 약 0.04m ~ 0.21m(7~30%) 정확도가 개선됨을 확인하였다.