• 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.

• 제어로봇시스템학회논문지
• /
• 제17권6호
• /
• pp.521-525
• /
• 2011

Lane marking detection is one of important issues in the field of autonomous mobile robot. Especially, in urban environment, like pavement roads of downtown or tour tracks of Science Park, which have continuous patterns on the surface of the road, the lane marking detection becomes more important ability. Although there were many researches about lane detection and lane tracing, many of them used vision sensors mainly to detect lane marking. In this paper, we obtain 2 dimensional library data of 'Intensity' and 'Distance' using one laser rangefinder only. We design a simple classifier and filtering algorithm for the lane detection which uses only one LRF (Laser Range Finder). Allowing extended usage of LRF, this research provides more functionality not only in range finding but also in lane detecting to mobile robots. This work will be technically helpful for robot developers to design more simple and efficient autonomous driving system using LRF.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2008년도 학술대회 1부
• /
• pp.205-209
• /
• 2008

최근 하드웨어의 발달로 영상처리를 사용한 운전자 보조 기능의 차선인식 시스템이 상용화 되고 있다. 하지만 고속도로 주행과 같은 차선이 확실하고 곡률이 완만한 비교적 이상적인 상황에서의 차선인식을 전제로 만들어진 시스템이 많아 시내도로와 같이 상대적으로 곡률이 크고 일부 차선이 확실치 않은 장소에서는 차선인식이 힘들어 무인 자동차 제어에는 적용하기 힘들다. 본 논문은 무인차량의 자동주행을 위해 labeling과 차선예측을 통해 급격한 곡선 차로나 차선이 한쪽만 그려져 있는 경우에도 강인하게 차선인식이 가능한 시스템을 제안한다. 제안된 방법을 이용하여 이상적인 경우가 아닌 급격한 곡선차로가 있거나, 차선이 한쪽만 있는 실제 환경의 경우에서도 차선인식이 가능함을 보였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제3권7호
• /
• pp.277-284
• /
• 2014

본 논문에서는 카메라 파라미터가 필요 없는 역 투시변환 영상에 차선 변화벡터와 카디널 스플라인을 이용하여 변화에 강인한 곡선 차선 검출 방법을 제안한다. 이 방법은 역 투시변환과 차선 필터의 전처리 과정이 적용된 영상의 시작 S 프레임과 그 다음 S+1 프레임에서 차선 후보 영역을 설정하여 차선 영역을 검출하고, 검출된 차선영역을 이용하여 차선 변화벡터를 계산한 결과를 가지고 이후의 프레임에서 차선이 위치할 지점을 예측한다. 이후에 예측된 차선 위치에서부터 스캔 영역을 설정하고 이 영역 내에서 새로운 차선 위치를 검출하며, 검출된 차선 위치를 이용해 차선 변화벡터를 갱신하고, 차선 영역 내의 제어 점들에 카디널 스플라인을 적용하여 차선을 검출한다. 제안하는 방법은 차선의 형태 변화에 강인한 곡선 차선 검출방법이지만 직선 차선에도 잘 적응됨을 보였으며 한 프레임을 처리하는 데 약 20ms 정도의 양호한 차선검출 속도를 보였다.

• 전자공학회논문지SC
• /
• 제49권1호
• /
• pp.88-93
• /
• 2012

자동차 기술의 발전으로 카메라를 이용하여 차선을 검출하는 운전자 보조 시스템에 대한 연구가 활발히 진행되고 있다. 하지만 비가 오거나 차선이 노후화된 경우 차선 검출이 어려운 문제가 있다. 본 논문에서는 도로 환경 변화에 강인한 차선 검출 방법을 제안한다. 제안하는 방법은 밝기 값과 차선의 평균적인 폭 정보를 이용하여 후보 영역을 추출한다. 추출된 후보 영역을 기준으로 허프 변환을 이용하여 구간별 직선을 추출하고, B-Snake 방법을 사용하여 자연스러운 차선을 검출하게 된다. 노후화 되거나 손실된 차선을 검출하기 위하여, 기존에 검출된 차선 정보를 이용하여 다음 프레임에서 차선이 위치할 경로를 계산하고, 계산된 경로를 기준으로 차선 영역에서 검출되는 후보 영역에 대한 가중치를 부여한다. 실험 결과 제안하는 방법은 노후화되거나 비가 내려 차선의 밝기가 낮은 경우에도 효과적으로 차선을 검출하였다.

• 대한전자공학회논문지SD
• /
• 제48권6호
• /
• pp.15-24
• /
• 2011

지능형 자동차 시스템에 대한 인식이 높아지면서 차선 획득 알고리즘에 대해 많이 연구되고 있다. 일반적인 차선 인식에서 사용하는 경계선 추출을 사용하는 방법은 도로에서의 차선 검출에 좋은 결과를 가져 올 수 있다. 하지만 도로에 그림자, 혹은 가로 선 같은 다른 경계선이 검출 될 수 있다. 본 논문에서는 이와 같은 문제를 해결하기 위해 형태학적 연산을 적용하여 차선에 대한 정보를 추출하였다. 또한 HSV(Hue, Saturation, Value) 칼라 모델을 적용하여 색상에 대한 정보를 이용함으로써 한번 더 차선의 정보를 추출하였다. 추출된 차선의 후보들을 이용하여 Hough 변환을 통해 차선이 존재할 가능성이 높은 차선 검출 영역을 설정하고, 이러한 차선 검출 영역 내에서 차선을 추출하는 방식을 사용함으로써 효과적으로 차선을 검출할 수 있었다.

• 한국멀티미디어학회논문지
• /
• 제24권7호
• /
• pp.860-867
• /
• 2021

Lane detection is important technology for implementing ADAS or autonomous driving. Although edge detection has been typically used for the lane detection however, false detections occur frequently. To improve this problem, a deep learning based lane detection algorithm is proposed in this paper. This algorithm is mounted on an ARM-based embedded system to implement a LDW(lane departure warning). Since the embedded environment lacks computing power, the VGG-11, a lightweight model based on VGG-13, has been proposed. In order to evaluate the performance of the LDW, the test was conducted according to the test scenario of NHTSA.

• Journal of the Optical Society of Korea
• /
• 제17권2호
• /
• pp.188-199
• /
• 2013

This paper presents a novel algorithm for nighttime detection of the lane markers painted on a road at night. First of all, the proposed algorithm uses neighborhood average filtering, 8-directional Sobel operator and thresholding segmentation based on OTSU's to handle raw lane images taken from a digital CCD camera. Secondly, combining intensity map and gradient map, we analyze the distribution features of pixels on boundaries of lanes in the nighttime and construct 4 feature sets for these points, which are helpful to supply with sufficient data related to lane boundaries to detect lane markers much more robustly. Then, the searching method in multiple directions- horizontal, vertical and diagonal directions, is conducted to eliminate the noise points on lane boundaries. Adapted Hough transformation is utilized to obtain the feature parameters related to the lane edge. The proposed algorithm can not only significantly improve detection performance for the lane marker, but it requires less computational power. Finally, the algorithm is proved to be reliable and robust in lane detection in a nighttime scenario.

• 한국전자통신학회논문지
• /
• 제9권6호
• /
• pp.649-656
• /
• 2014

본 논문에서는 지능형 운전 시스템을 위한 중앙 차선 검출 알고리즘을 제안 한다. 차량의 진행 방향에 있는 가로 한 줄의 색상 정보를 분석하여 중앙 차선에 대한 색상 정보를 얻는다. 이를 기반으로 차선 경계값을 설정하고 형태학적 연산처리와 클러스트링, 그리고 가상 직선화를 통해 중앙 차선을 검출한다. 또한 예상 차선 영역을 설정하여 다음 영상 프레임에서 전체 영상이 아니라 예상 영역에서 차선을 탐색하게 하여 차선 검출 속도를 높였다.

• 자동차안전학회지
• /
• 제16권1호
• /
• pp.29-34
• /
• 2024

This paper presents a multi-label lane detection method for autonomous vehicles based on deep learning. The proposed algorithm can detect two types of lanes: center lane and normal lane. The algorithm uses a convolution neural network with an encoder-decoder architecture to extract features from input images and produce a multi-label heatmap for predicting lane's label. This architecture has the potential to detect more diverse types of lanes in that it can add the number of labels by extending the heatmap's dimension. The proposed algorithm was tested on an OpenLane dataset and achieved 85 Frames Per Second (FPS) in end to-end inference time. The results demonstrate the usability and computational efficiency of the proposed algorithm for the lane detection in autonomous vehicles.