• 한국지능시스템학회논문지
• /
• 제20권6호
• /
• pp.786-792
• /
• 2010

본 논문은 복잡한 도로 환경에서 차선을 정확하게 찾는 실시간 차선 검출법을 보인다. 기존의 많은 방법들은 대게 후처리 과정에서 차선 안쪽에 존재하는 잡음을 찾아 차선의 위치를 찾지만, 제안하는 방법은 특징 추출 단계에서 가능한 많은 잡음을 제거하므로 후처리 과정에서 검색 영역을 최소화한다. grid기반 모폴로지 연산은 우선 관심영역을 능동적으로 생성한 후, 모폴로지의 닫기 연산을 통해 에지 들을 연결한다. 그리고 방향성 에지 연결 기법을 통하여 유효한 방향에지를 찾고 사전에 구해진 영상 내 차선의 높이와 두 차선 간의 폭 관계를 이용하여 두 개의 차선을 군집화한다. 마지막으로 차선의 색상은 YUV색상 공간에서 두 개의 연결된 에지 안쪽을 검사하여 Bayesian확률 모델을 사용하여 추정한다. 제안하는 방법의 실험 결과는 다수의 불필요한 에지 군집이 존재하는 복잡한 도로 환경에서 효과적으로 도로 에지를 감별하였으며, 제안하는 알고리즘은 해상도 $320{\times}240$ 영상으로 10ms/frame의 속도에서 약92%의 정확도를 보였다.

• 전자공학회논문지S
• /
• 제36S권1호
• /
• pp.51-59
• /
• 1999

본 논문에서는 축구 경기 자동 분석을 위한 첫걸음으로 일반적인 축구 경기 영상열에서 선수 및 공을 추적하고 영상 모자의 기법을 이용해서 운동장 모델 상에서 선수가 움직인 궤적을 알아내는 기법을 제시한다. 여기서 일반걱인 축구 경기 영상열이란 극도의 zoom-in 또는 zoom-out 아닌 경우로 TV 카메라가 공을 쫓아 자연스럽게 움직이는 상황의 영상을 말한다. 이러한 영상열로부터 선수의 궤적을 구하기 위해선 다음과 같이 크게 세 가지 문제를 해결해야한다. 첫째로 입력 영상에서 운동장 부분을 추출하는 문제, 둘째로 선수 및 공을 추적하고 선수들의 팀을 구분하는 문제, 마지막으로 영상에서의 선수의 위치를 실제 운동장 좌표로의 변환을 통해 선수가 움직인 자취를 운동장 모델 상에서 구하는 문제가 그것이다. 운동장의 추출은 칼라 정보를 이용하였고 이 추출된 운동장 영역 하에서 템플릿 매칭과 Kalman 필터링을 이용하여 선수와 공을 추적했다. 선수간 겹침 문제에 대해서는 CHBP(Color Histogram Back-Projection) 기법을 적용했다. 특히 선수가 운동장에서 움직인 궤적을 구하기 구하기 위해서 입력 영상에서 보이는 특징점들을 이용하여 운동장 모델 좌표와 입력 영상 좌표간의 변환을 구하고 이를 통해 운동장 모델에서의 선수의 위치를 구했다. 이때에 입력 영상에서 특징점이 충분치 않을 경우 영상 모자익 기법을 이용하여 특징점이 보이는 영상과의 좌표 변환 관계를 구함으로써 해결하였다. 실험적으로 실제 TV에서 방영된 축구 경기 영상열에 제안된 방법을 적용하여 얻어진 결과를 보인다.

• 한국측량학회지
• /
• 제37권1호
• /
• pp.19-28
• /
• 2019

드론영상은 소규모 지역의 공간정보를 신속하게 구축할 수 있는 장점을 가지고 있어 빠른 의사결정이 필요한 분야에 적용되고 있다. 이러한 드론영상을 지상좌표계가 설정되어 있는 정사영상에 자동으로 영상등록할 수 있는 기하보정 기법이 적용된다면 다양한 분석에 활용될 수 있다. 이에 본 연구에서는 선형정보와 특징점 정보를 이용하여 시 공간해상도에 차이가 있더라도 드론을 이용하여 촬영된 단일 영상 및 연속영상을 기하보정할 수 있는 방법론을 제안하였다. 선형정보를 이용하는 방법을 통해서 영상간의 초기 기하보정을 위한 투영변환 매개변수를 결정한 후 영상에서 다수 추출할 수 있는 특징점에 대한 템플릿 정합을 통해서 최종적으로 영상의 기하보정을 수행하였다. 실험을 통하여 지형의 기복이 많이 있지 않은 지역에서는 기하보정의 정확도가 높게 나타났다. 이에 반해 지형의 변화가 많은 지역에서는 정량적인 측면에서 다소 오차가 크게 나타났으나 정성적인 분석에는 연속영상의 기하보정 결과를 충분히 활용가능한 것으로 판단된다.