KR101352662B1 - Apparatus and method for detecting passing vehicle using lane recognition - Google Patents
Apparatus and method for detecting passing vehicle using lane recognition Download PDFInfo
- Publication number
- KR101352662B1 KR101352662B1 KR1020120156418A KR20120156418A KR101352662B1 KR 101352662 B1 KR101352662 B1 KR 101352662B1 KR 1020120156418 A KR1020120156418 A KR 1020120156418A KR 20120156418 A KR20120156418 A KR 20120156418A KR 101352662 B1 KR101352662 B1 KR 101352662B1
- Authority
- KR
- South Korea
- Prior art keywords
- lane
- passing vehicle
- detecting
- detected
- module
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
본 발명은 패싱 차량 검출에 관한 것으로, 더욱 상세하게는 주변 차선을 인식하여 패싱 차량을 검출할 수 있는 차선 인식을 이용한 패싱 차량 검출 장치 및 방법에 관한 것이다.The present invention relates to a passing vehicle detection, and more particularly, to a passing vehicle detection apparatus and method using lane recognition capable of detecting a passing vehicle by recognizing a surrounding lane.
최근 자동차 산업에서 다양한 센서와 카메라를 이용한 지능형 자동차 시스템이 중요한 이슈로 부각되고 있다. 지능형 자동차는 운전 중 발생할 수 있는 위험을 빠르게 감지하여 사람에게 알려주거나 스스로 능동적으로 제어를 하는 시스템을 말한다. 이러한 지능형 자동차에는 레이더 센서나 초음파 센서를 이용하여 차량 주변의 상황을 파악하는 방법이 있고 영상을 이용하여 차량 주변의 상황을 파악하는 방법이 있다. Recently, the intelligent automotive system using various sensors and cameras has emerged as an important issue in the automotive industry. An intelligent car is a system that quickly detects a danger that can occur while driving and informs a person or actively controls itself. Such intelligent cars have a method of identifying a situation around a vehicle using a radar sensor or an ultrasonic sensor and a method of identifying a situation around a vehicle using an image.
최근에는 이 두 가지 방법을 조합하여 성능을 향상시킨 방법들이 많이 연구되고 있고, 지능형 자동차 시스템에서 카메라가 사용되는 부분은 크게 전방 추돌 경보 시스템(FCWS)과 차선 이탈 경보 시스템(LDWS), 상향등 보조 시스템(HBA)등이 있다.In recent years, many methods have been studied to improve the performance by combining these two methods. The use of the camera in the intelligent vehicle system is largely the front collision warning system (FCWS), the lane departure warning system (LDWS), and the high beam assist system. (HBA).
일반적인 전방 추돌 경보 시스템의 경우 차량과 동일한 차선에 위치하는 전방 차량을 찾는 것이 가장 중요한 문제이지만 사고가 발생하는 상황을 보면 전방에 위치한 차량뿐만 아니라 다양한 위치에 존재하는 차량 및 장애물들을 실시간으로 찾아서 추적하는 것이 중요하다. In the case of a general forward collision warning system, finding the front vehicle located in the same lane as the vehicle is the most important problem.However, when an accident occurs, it is not only the front vehicle but also the vehicles and obstacles that exist in various locations in real time. It is important.
그러나, 이제까지 제안된 대부분의 전방 추돌 경보 시스템의 경우에 차량의 후면 모습을 주로 이용하여 차량을 인식하며, 특히 차량의 후면이 모두 카메라에 보여야 인식되는 문제가 있다. 따라서, 갑자기 끼어드는 차량을 빠르게 인식하지 못하는 경우가 발생한다. 도 1에 도시된 바와 같이 차량이 카메라의 화면에 걸쳐 있을 경우 차량의 후면이 완전히 보이지 않기 때문에 차량을 인식할 수 없는 문제가 있다.However, in the case of most of the front collision warning systems proposed so far, the vehicle is mainly recognized by using the rear view of the vehicle, and in particular, the rear of the vehicle has to be recognized by the camera. Therefore, there is a case where the vehicle which is suddenly interrupted is not recognized quickly. As shown in FIG. 1, when the vehicle is across the screen of the camera, the vehicle may not be recognized because the rear of the vehicle is not completely visible.
상기와 같은 문제점을 해결하기 위한 본 발명의 목적은, 주변 차선 정보를 이용하여 패싱 차량을 정확하게 검출할 수 있는 차선 인식을 이용한 패싱 차량 검출 장치를 제공하는 데 있다.An object of the present invention for solving the above problems is to provide a passing vehicle detection apparatus using lane recognition that can accurately detect the passing vehicle using the surrounding lane information.
삭제delete
상기한 본 발명의 목적을 달성하기 위한 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치는, 차선 인식을 이용한 패싱 차량 검출 장치로서, 입력된 영상에서 차선 표시를 추출하여 자차선을 검출하는 자차선 검출부와, 상기 검출된 자차선의 너비를 이용하여 상기 입력된 영상에서 주변 차선을 검출하는 주변차선 검출부와, 상기 검출된 주변 차선에서 수직 에지 성분을 추출하고, 추출된 수직 에지 성분을 이용하여 패싱 차량을 검출하는 패싱 차량 검출부를 포함하여 구성된다.A passing vehicle detection apparatus using lane recognition according to an embodiment of the present invention for achieving the above object of the present invention is a passing vehicle detection apparatus using lane recognition. A lane detection unit for detecting a lane, a lane detection unit for detecting a peripheral lane from the input image using the detected width of the lane, a vertical edge component extracted from the detected peripheral lane, and extracted vertical edge components It comprises a passing vehicle detection unit for detecting a passing vehicle using the.
또한, 상기 자차선 검출부는, 상기 입력된 영상에서 현재의 차선의 도로 영역을 포함하는 확인영역을 설정하는 확인영역 설정모듈과, 상기 설정된 확인영역에서 도로표시의 존재를 확인하는 도로표시 확인모듈과, 상기 도로표시가 존재하면, 차선 예측 결과와 이전 차선 정보의 차이값을 계산하고, 상기 계산된 차이값에 근거하여 관심영역을 설정하는 관심영역 설정모듈과, 상기 설정된 관심영역을 기초로 차선표시를 추출하여 상기 차선을 자차선으로 인식하는 자차선 검출모듈을 포함할 수 있다.The lane detection unit may include a confirmation area setting module for setting a confirmation area including a road area of a current lane in the input image, a road display confirmation module for confirming the existence of a road marking in the set confirmation area; A region of interest setting module configured to calculate a difference between a lane prediction result and previous lane information and to set a region of interest based on the calculated difference, if the road marking exists, and display a lane based on the set region of interest It may include a lane detection module for extracting the lane to recognize the lane as a lane.
여기서, 상기 관심영역 설정모듈은, 차선 정보를 예측하는 예측 필터를 이용하여 상기 차선 예측 결과를 산출하고, 상기 산출된 차선 예측 결과와 상기 이전 차선 정보의 상기 차이값을 연산하여 상기 관심영역을 설정할 수 있다.Here, the ROI setting module calculates the lane prediction result by using a prediction filter that predicts lane information, and sets the ROI by calculating the difference between the calculated lane prediction result and the previous lane information. Can be.
여기서, 상기 차선 예측 결과 및 상기 이전 차선 정보는, 차선에 대한 각도(Angle) 및 오프셋(Offset) 값에 대한 정보를 포함할 수 있다.The lane prediction result and the previous lane information may include information about an angle and an offset value with respect to the lane.
여기서, 상기 이전 차선 정보는, 상기 차선표시 이전의 차선표시를 추출할 때 얻어진 차선 정보일 수 있다.The previous lane information may be lane information obtained when the lane display before the lane display is extracted.
여기서, 상기 입력된 영상이 이진화(Binarization)된 이진화 영상인 경우, 상기 도로표시 확인모듈은 상기 이진화 영상의 좌표값에 근거하여 상기 도로표시의 존재를 확인할 수 있다.Here, when the input image is a binarized binarized image, the road marking confirmation module may check the existence of the road marking based on the coordinate value of the binarized image.
또한, 상기 주변차선 검출부는, 상기 검출된 자차선의 너비를 이용하여 상기 주변차선의 관심영역을 설정하는 주변차선 관심영역 설정모듈과, 상기 설정된 주변차선의 관심영역에서 차선표시를 추출하여 상기 차선을 주변차선으로 검출하는 주변차선 검출모듈을 포함할 수 있다.The peripheral lane detection unit may further include a peripheral lane ROI setting module configured to set an ROI of the peripheral lane using the detected width of the own lane, and extract lane markings from the ROI of the set peripheral lane. Peripheral lane detection module for detecting the may include a peripheral lane.
또한, 상기 패싱 차량 검출부는, 상기 검출된 주변 차선에서 패싱 차량의 관심영역을 설정하는 패싱 차량 관심영역 설정모듈과, 상기 설정된 패싱 차량의 관심영역에서 수직 에지 성분을 추출하는 수직 에지 추출모듈과, 상기 추출된 수직 에지 성분을 이용하여 패싱 차량 후보를 검출하는 패싱 차량 후보 검출모듈과, 상기 검출된 패싱 차량 후보에 대한 서포트 벡터 머신(Support Vector Machine; SVM)을 수행하여 패싱 차량을 검출하는 패싱 차량 검출모듈을 포함할 수 있다.The passing vehicle detection unit may include: a passing vehicle ROI setting module configured to set a ROI of a passing vehicle in the detected surrounding lanes, a vertical edge extracting module extracting vertical edge components from the set ROI of the passing vehicle; A passing vehicle candidate detection module for detecting a passing vehicle candidate using the extracted vertical edge components, and a passing vehicle detecting a passing vehicle by performing a support vector machine (SVM) on the detected passing vehicle candidate It may include a detection module.
여기서, 상기 패싱 차량 검출모듈은, 상기 검출된 패싱 차량 후보의 옆면 영상에 대한 서포트 벡터 머신을 수행하여 패싱 차량을 검출할 수 있다.Here, the passing vehicle detection module may detect a passing vehicle by performing a support vector machine on the side image of the detected passing vehicle candidate.
상기한 본 발명의 다른 목적을 달성하기 위한 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 방법은, 차선 인식을 이용한 패싱 차량 검출 방법으로서, 입력된 영상에서 차선 표시를 추출하여 자차선을 검출하는 단계와, 상기 검출된 자차선의 너비를 이용하여 상기 입력된 영상에서 주변 차선을 검출하는 단계와, 상기 검출된 주변 차선에서 수직 에지 성분을 추출하고, 추출된 수직 에지 성분을 이용하여 패싱 차량을 검출하는 단계를 포함하여 구성된다.A passing vehicle detection method using lane recognition according to an embodiment of the present invention for achieving the above object of the present invention is a passing vehicle detection method using lane recognition, and extracts a lane display from an input image Detecting a peripheral lane in the input image by using the detected lane width, extracting a vertical edge component from the detected peripheral lane, and using the extracted vertical edge component Detecting a passing vehicle.
또한, 상기 입력된 영상에서 차선 표시를 추출하여 자차선을 검출하는 단계는, 상기 입력된 영상에서 현재의 차선의 도로 영역을 포함하는 확인영역을 설정하는 단계와, 상기 설정된 확인영역에서 도로표시의 존재를 확인하는 단계와, 상기 도로표시가 존재하면, 차선 예측 결과와 이전 차선 정보의 차이값을 계산하고, 상기 계산된 차이값에 근거하여 관심영역을 설정하는 단계와, 상기 설정된 관심영역을 기초로 차선표시를 추출하여 상기 차선을 자차선으로 인식하는 단계를 포함할 수 있다.The detecting of the own lane by extracting the lane markings from the input image may include setting a confirmation area including a road area of the current lane in the input image, and displaying a road indication in the set confirmation area. Confirming the presence, and if there is the road marking, calculating a difference value between the lane prediction result and previous lane information, setting a region of interest based on the calculated difference value, and based on the set region of interest. And extracting a lane marking to recognize the lane as a own lane.
또한, 상기 도로표시가 존재하면, 차선 예측 결과와 이전 차선 정보의 차이값을 계산하고, 상기 계산된 차이값에 근거하여 관심영역을 설정하는 단계는, 차선 정보를 예측하는 예측 필터를 이용하여 상기 차선 예측 결과를 산출하고, 상기 산출된 차선 예측 결과와 상기 이전 차선 정보의 상기 차이값을 연산하여 상기 관심영역을 설정할 수 있다.In addition, when the road marking is present, calculating a difference value between the lane prediction result and previous lane information, and setting the ROI based on the calculated difference value, includes using the prediction filter to predict the lane information. The region of interest may be set by calculating a lane prediction result and calculating the difference between the calculated lane prediction result and the previous lane information.
여기서, 상기 차선 예측 결과 및 상기 이전 차선 정보는, 차선에 대한 각도(Angle) 및 오프셋(Offset) 값에 대한 정보를 포함할 수 있다.The lane prediction result and the previous lane information may include information about an angle and an offset value with respect to the lane.
여기서, 상기 이전 차선 정보는, 상기 차선표시 이전의 차선표시를 추출할 때 얻어진 차선 정보일 수 있다.The previous lane information may be lane information obtained when the lane display before the lane display is extracted.
여기서, 상기 입력된 영상이 이진화(Binarization)된 이진화 영상인 경우, 상기 설정된 확인영역에서 도로표시의 존재를 확인하는 단계는, 상기 이진화 영상의 좌표값에 근거하여 상기 도로표시의 존재를 확인할 수 있다.In this case, when the input image is a binarized binarized image, the step of confirming the existence of the road marking in the set confirmation region may confirm the presence of the road marking based on the coordinate value of the binarized image. .
또한, 상기 검출된 자차선의 너비를 이용하여 상기 입력된 영상에서 주변 차선을 검출하는 단계는, 상기 검출된 자차선의 너비를 이용하여 상기 주변차선의 관심영역을 설정하는 단계와, 상기 설정된 주변차선의 관심영역에서 차선표시를 추출하여 상기 차선을 주변차선으로 검출하는 단계를 포함할 수 있다.The detecting of the surrounding lane in the input image using the detected width of the own lane may include setting a region of interest of the surrounding lane using the detected width of the own lane, and setting the surrounding area. The method may include extracting a lane marking from a region of interest of the lane and detecting the lane as a peripheral lane.
또한, 상기 검출된 주변 차선에서 수직 에지 성분을 추출하고, 추출된 수직 에지 성분을 이용하여 패싱 차량을 검출하는 단계는, 상기 검출된 주변 차선에서 패싱 차량의 관심영역을 설정하는 단계와, 상기 설정된 패싱 차량의 관심영역에서 수직 에지 성분을 추출하는 단계와, 상기 추출된 수직 에지 성분을 이용하여 패싱 차량 후보를 검출하는 단계와, 상기 검출된 패싱 차량 후보에 대한 서포트 벡터 머신(Support Vector Machine; SVM)을 수행하여 패싱 차량을 검출하는 단계를 포함할 수 있다.In addition, extracting a vertical edge component from the detected peripheral lane and detecting a passing vehicle using the extracted vertical edge component may include setting a region of interest of a passing vehicle in the detected peripheral lane, Extracting a vertical edge component from a region of interest of a passing vehicle, detecting a passing vehicle candidate using the extracted vertical edge component, and a support vector machine (SVM) for the detected passing vehicle candidate; And detecting the passing vehicle by performing the step (b).
또한, 상기 검출된 패싱 차량 후보에 대한 서포트 벡터 머신(Support Vector Machine; SVM)을 수행하여 패싱 차량을 검출하는 단계는, 상기 검출된 패싱 차량 후보의 옆면 영상에 대한 서포트 벡터 머신을 수행하여 패싱 차량을 검출할 수 있다.The detecting of the passing vehicle by performing a support vector machine (SVM) on the detected passing vehicle candidate may include performing a support vector machine on a side image of the detected passing vehicle candidate. Can be detected.
상기와 같은 본 발명에 따른 차선 인식을 이용한 패싱 차량 검출 장치 및 방법에 따르면, 패싱 차량을 인식하기 위하여 주변 차선 정보를 이용함으로 차량 인식 정확도를 높일 수 있고, 오인식을 줄임으로써 패싱 차량의 인식률을 향상시킬 수 있으므로, 차량 가까이에 끼어드는 위험한 컷인(Cut in) 차량을 빠르게 인식하여, 전방 카메라의 단점인 가까운 컷인 차량을 감지할 수 있는 장점이 있다.According to the passing vehicle detection apparatus and method using lane recognition according to the present invention as described above, by using the surrounding lane information to recognize the passing vehicle, the vehicle recognition accuracy can be increased, and the recognition rate of the passing vehicle is improved by reducing the misunderstanding. Since it is possible to quickly recognize the dangerous cut-in (Cut in) vehicle to be cut in close to the vehicle, there is an advantage that can detect the close cut-in vehicle which is a disadvantage of the front camera.
도 1은 차량 전방에 설치된 카메라에 의해 촬영된 영상으로 패싱 차량이 카메라의 화면에 걸쳐 있는 일 실시예를 나타내는 예시도이다.
도 2는 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 자차선 검출부에서 자차선을 검출한 영상을 나타내는 예시도이다.
도 4는 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 주변 차선 검출부에서 주변 차선의 관심영역을 설정한 영상을 나타내는 예시도이다.
도 5는 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 주변 차선 검출부에서 주변 차선을 검출한 영상을 나타내는 예시도이다.
도 6은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 패싱 차량 검출부에서 수직 에지 성분과 패싱 차량 후보를 검출한 영상을 나타내는 예시도이다.
도 7은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 패싱 차량 검출부에서 패싱 차량을 검출한 영상을 나타내는 예시도이다.
도 8은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 패싱 차량 검출부에서 패싱 차량을 검출한 다른 영상을 나타내는 예시도이다.
도 9는 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 방법을 나타내는 흐름도이다.
도 10은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 방법에서 자차선을 검출하는 방법을 나타내는 흐름도이다.
도 11은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 방법에서 주변 차선을 검출하는 방법을 나타내는 흐름도이다.
도 12는 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 방법에서 패싱 차량을 검출하는 방법을 나타내는 흐름도이다.FIG. 1 is an exemplary view illustrating an embodiment in which a passing vehicle spans a screen of a camera as an image photographed by a camera installed in front of the vehicle.
2 is a block diagram illustrating a configuration of a passing vehicle detection apparatus using lane recognition according to an embodiment of the present invention.
FIG. 3 is an exemplary view illustrating an image of detecting a own lane by a own lane detection unit of a passing vehicle detection apparatus using lane recognition according to an exemplary embodiment of the present invention.
4 is an exemplary view illustrating an image in which a peripheral lane detection unit of a passing lane detection unit using a lane recognition according to an embodiment of the present invention sets an ROI of a surrounding lane.
FIG. 5 is an exemplary diagram illustrating an image of a surrounding lane detected by a surrounding lane detector of a passing vehicle detecting apparatus using lane recognition according to an exemplary embodiment of the present invention.
6 is an exemplary diagram illustrating an image of a vertical edge component and a passing vehicle candidate detected by a passing vehicle detector of a passing vehicle detection apparatus using lane recognition according to an exemplary embodiment of the present invention.
7 is an exemplary view illustrating an image of a passing vehicle detected by a passing vehicle detector of a passing vehicle detection apparatus using lane recognition according to an exemplary embodiment of the present invention.
8 is an exemplary diagram illustrating another image of a passing vehicle detected by the passing vehicle detector of the passing vehicle detection apparatus using lane recognition according to an exemplary embodiment of the present invention.
9 is a flowchart illustrating a passing vehicle detection method using lane recognition according to an embodiment of the present invention.
10 is a flowchart illustrating a method of detecting a own lane in a passing vehicle detection method using lane recognition according to an embodiment of the present invention.
11 is a flowchart illustrating a method of detecting a surrounding lane in a passing vehicle detection method using lane recognition according to an embodiment of the present invention.
12 is a flowchart illustrating a method of detecting a passing vehicle in a passing vehicle detecting method using lane recognition according to an embodiment of the present invention.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.While the invention is susceptible to various modifications and alternative forms, specific embodiments thereof are shown by way of example in the drawings and will herein be described in detail. It should be understood, however, that the invention is not intended to be limited to the particular embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention. Like reference numerals are used for like elements in describing each drawing.
삭제delete
삭제delete
삭제delete
삭제delete
이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings.
도 2는 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 구성을 나타내는 블록도, 도 3은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 자차선 검출부에서 자차선을 검출한 영상을 나타내는 예시도, 도 4는 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 주변 차선 검출부에서 주변 차선의 관심영역을 설정한 영상을 나타내는 예시도, 도 5는 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 주변 차선 검출부에서 주변 차선을 검출한 영상을 나타내는 예시도, 도 6은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 패싱 차량 검출부에서 수직 에지 성분과 패싱 차량 후보를 검출한 영상을 나타내는 예시도, 도 7은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 패싱 차량 검출부에서 패싱 차량을 검출한 영상을 나타내는 예시도, 도 8은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 장치의 패싱 차량 검출부에서 패싱 차량을 검출한 다른 영상을 나타내는 예시도이다.FIG. 2 is a block diagram illustrating a configuration of a passing vehicle detection apparatus using lane recognition according to an embodiment of the present invention. FIG. 3 is a view illustrating a structure of a passing vehicle detection apparatus using a lane detection according to an embodiment of the present invention. 4 is an exemplary diagram illustrating an image of detecting own lanes, and FIG. 4 is an exemplary diagram illustrating an image of setting an ROI of a surrounding lane in a surrounding lane detector of a passing vehicle detecting apparatus using lane recognition according to an exemplary embodiment of the present invention. 5 is an exemplary diagram illustrating an image of detecting a neighboring lane by a neighboring lane detector of a passing vehicle detecting apparatus using lane recognition according to an embodiment of the present invention. FIG. 7 is a diagram illustrating an image in which a vertical edge component and a passing vehicle candidate are detected by a passing vehicle detection unit of a vehicle detection apparatus. FIG. 7 is an embodiment of the present invention. FIG. 8 is a diagram illustrating an image of a passing vehicle detected by a passing vehicle detection unit of a passing vehicle detection apparatus using lane recognition according to an embodiment of the present disclosure. It is an exemplary figure which shows the other image which detected the vehicle.
도 2 내지 도 8을 참조하면, 차선 인식을 이용한 패싱 차량 검출 장치(100)는 차선 인식을 이용한 패싱 차량 검출 장치로서, 자차선 검출부(110), 주변차선 검출부(120) 및 패싱 차량 검출부(130)를 포함한다.2 to 8, the passing vehicle detection apparatus 100 using lane recognition is a passing vehicle detection apparatus using lane recognition, and includes a lane detection unit 110, a peripheral lane detection unit 120, and a passing vehicle detection unit 130. ).
자차선 검출부(110)는 입력된 영상에서 차선 표시를 추출하여 자차선을 검출할 수 있고, 확인영역 설정모듈(111), 도로표시 확인모듈(112), 관심영역 설정모듈(113) 및 자차선 검출모듈(114)을 포함할 수 있다.The own lane detection unit 110 may detect the own lane by extracting a lane display from an input image, and may include a confirmation area setting module 111, a road marking confirmation module 112, an ROI setting module 113, and a lane lane It may include a detection module 114.
확인영역 설정모듈(111)은 입력된 영상에서 현재의 차선의 도로 영역을 포함하는 확인영역을 설정할 수 있고, 도로표시 확인모듈(112)은 설정된 확인영역에서 도로표시의 존재를 확인할 수 있으며, 관심영역 설정모듈(113)은 도로표시가 존재하면, 차선 예측 결과와 이전 차선 정보의 차이값을 계산하고, 계산된 차이값에 근거하여 관심영역을 설정할 수 있다.
자차선 검출모듈(114)은 관심영역 설정모듈(113)에서 설정된 관심영역을 기초로 차선 트래킹(Lane Tracking)을 이용하여 차선표시를 추출하여 차선을 자차선으로 인식할 수 있다. 따라서, 자차선 검출부(110)는 도 3에 도시된 바와 같은 자차선을 검출할 수 있다.The confirmation area setting module 111 may set a confirmation area including the road area of the current lane in the input image, and the road display confirmation module 112 may confirm the presence of the road indication in the set confirmation area, and is of interest. If there is a road marking, the area setting module 113 may calculate a difference value between the lane prediction result and the previous lane information, and set the ROI based on the calculated difference value.
The lane detection module 114 may extract lane markings using lane tracking based on the ROI set by the ROI setting module 113 to recognize the lane as a lane. Accordingly, the own lane detection unit 110 may detect the own lane as shown in FIG. 3.
여기서, 차선 트래킹은 칼만 필터(Kalman Filter) 등과 같은 예측 필터를 이용할 수 있다.Here, lane tracking may use a prediction filter such as a Kalman filter.
한편, 자차선 검출부(110)는 차선 표시(Lane Marking)를 추출함으로써 차선(Lane)을 인식한다. 그러나, 차선 표시를 추출하는 과정에서 도로표시(예, 우회전 표시)도 함께 추출될 수 있고, 이로 인하여 차선 인식에 필요한 차선표시를 추출하는 데 오류가 발생될 수 있다. 도로표시는 차선표시와 마찬가지로 도로 위에 표시가 되어 있으며 차선표시와 같은 색 정보를 포함하고 있기 때문에 차선표시를 추출하는 과정에서 도로표시(예, 우회전 표시)도 함께 추출된다. Meanwhile, the lane detection unit 110 recognizes lanes by extracting lane markings. However, in the process of extracting lane markings, road markings (eg, right turn markings) may also be extracted, which may cause an error in extracting lane markings required for lane recognition. Like the lane marking, the road marking is marked on the road and includes the same color information as the lane marking. Therefore, the road marking (eg, right turn marking) is also extracted in the process of extracting the lane marking.
상술한 오류를 유발하는 도로표시를 제거하기 위해, 자차선 검출부(110)의 확인영역 설정모듈(111)은 현재의 자차선의 도로영역을 모두 포함할 수 있는 확인영역을 설정할 수 있고, 이는 현재의 자차선의 도로영역에서 도로표시를 찾기 위해 설정한다. 현재의 자차선의 도로영역이 모두 포함되는 확인영역을 설정하기 위해서는 차선이 영상의 중간지점에 걸쳐 있을 때 양쪽 차선의 영역을 포함하는 경우 영상에서 자차선의 도로영역이 항상 포함될 수 있다. In order to remove the road marking causing the above-described error, the confirmation area setting module 111 of the own lane detection unit 110 may set a confirmation area that may include all the road areas of the current own lane, which is currently Set to find the road marking in the road area of the own lane. In order to set a confirmation area that includes all the road areas of the current own lane, when the lanes cover an intermediate point of the image, the road areas of the own lane may always be included in the image when the areas of both lanes are included.
한편, 카메라로부터 입력된 영상은 이진화(Binarization)된 이진화 영상일 수 있으며, 이 경우, 도로표시 확인모듈(112)은 이진화 영상의 좌표값에 근거하여 도로표시의 존재를 확인할 수 있다. 이러한 이진화 영상에 근거하여 도로표시의 존재 유무를 확인하는 알고리즘을 수식으로 아래에서 예시적으로 설명한다.Meanwhile, the image input from the camera may be a binarized binarized image. In this case, the road marking confirmation module 112 may check the presence of the road marking based on the coordinate value of the binarized image. An algorithm for confirming the presence or absence of a road marking based on the binarized image will be described as an example below.
여기서,here,
상기 수학식 1에서, U가 1이면 도로표시가 존재하는 것이고, U가 0이면 도로표시가 존재하지 않는 경우이다. 여기서, (x,y)는 이진화 영상의 좌표값이고 B(x,y)는 이진화 영상을 의미한다. In Equation 1, if U is 1, there is a road marking, and if U is 0, there is no road marking. Here, (x, y) is the coordinate value of the binarized image and B (x, y) means the binarized image.
또한, C1과 C2는 도로표시의 존재 여부를 판단하는 기준이 되는 임의의 상수로서, 도로표시의 존재 여부 판단의 정밀도에 따라 크거나 작게 설정할 수 있다.In addition, C1 and C2 are arbitrary constants that serve as a criterion for determining the presence or absence of the road marking, and may be set to be larger or smaller depending on the precision of the presence or absence of the road marking.
상술한 관심영역(ROI: Region of Interest)은 차선을 인식하는 범위로서, 범위가 최소화되고 차선의 형상을 나타낼 수 있도록 설정되어야 한다. 즉, 관심영역은 가급적 차선만을 포함하고, 차선 인식에 방해가 되는 물체나 표시(예, 도로 표시) 등은 제외되어 설정되는 것이 바람직하다.The above-described region of interest (ROI) is a range for recognizing a lane and should be set to minimize the range and represent the shape of the lane. In other words, the ROI is preferably set to include only lanes and excludes objects and signs (eg, road markings) that interfere with lane recognition.
상술한 관심영역 설정모듈(113)은 차선 트래킹(Lane Tracking)을 이용하여 관심영역을 설정할 수 있는데, 차선 정보를 예측하는 예측 필터를 이용하여 차선 예측 결과를 산출하고, 산출된 차선 예측 결과와 이전 차선 정보의 차이값을 연산하여 관심영역을 설정함으로써, 관심영역에는 확인영역 내에서 존재하던 도로표시가 제거될 수 있다. 여기서, 이전 차선 정보는 현재 추출되는 차선표시 이전의 차선표시를 추출할 때 얻어진 차선 정보를 의미할 수 있다. 여기서, 예측 필터는 칼만 필터(Kalman Filter)를 포함할 수 있고, 상기 차선 예측 결과 및 이전 차선 정보는 차선에 대한 각도(Angle) 및 오프셋(Offset) 값 등에 대한 정보를 포함할 수 있다.The region of interest setting module 113 may set a region of interest by using lane tracking, and calculates a lane prediction result by using a prediction filter that predicts lane information, By setting a region of interest by calculating a difference value of lane information, road markings existing in the region of interest may be removed. Here, the previous lane information may mean lane information obtained when the lane display before the currently extracted lane display is extracted. The prediction filter may include a Kalman filter, and the lane prediction result and previous lane information may include information about an angle and an offset value with respect to the lane.
또한, 자차선 검출부(110)는 EDF(Edge Distribution Function), 스티어러블 필터링(Steerable Filtering), 허프변환(Hough Transform), 내부 픽셀 디텍션(Inner Pixel Detection), 내부 픽셀 피팅(Inner Pixel Fitting) 등의 기능을 수행할 수 있다.In addition, the lane detection unit 110 may include an edge distribution function (EDF), steerable filtering, a hough transform, an inner pixel detection, an inner pixel fitting, and the like. Function can be performed.
주변차선 검출부(120)는 검출된 자차선의 너비를 이용하여 입력된 영상에서 주변 차선을 검출할 수 있고, 주변차선 관심영역 설정모듈(121) 및 주변차선 검출모듈(122)를 포함할 수 있다.The surrounding lane detector 120 may detect the surrounding lane from the input image by using the detected width of the own lane, and may include the surrounding lane interested area setting module 121 and the surrounding lane detection module 122. .
주변차선 관심영역 설정모듈(121)은 검출된 자차선의 너비를 이용하여 주변차선의 관심영역을 설정할 수 있다. 차선의 너비는 차선마다 유사하므로, 자차선의 너비만큼 이격된 영역에 주변 차선이 있을 가능성이 높다. 따라서, 주변차선 관심영역 설정모듈(121)은 자차선으로부터 자차선의 너비만큼 이격된 영역에 도 4에 도시된 바와 같은 관심영역을 설정할 수 있다.The surrounding lane ROI setting module 121 may set the ROI of the surrounding lane using the detected width of the own lane. Because the lane widths are similar for each lane, there is a high probability that there are surrounding lanes in the area spaced by the width of the own lane. Accordingly, the surrounding lane ROI setting module 121 may set the ROI as shown in FIG. 4 in an area spaced apart from the own lane by the width of the own lane.
주변차선 검출모듈(122)은 설정된 주변차선의 관심영역에서 차선표시를 추출하여 차선을 주변차선으로 검출할 수 있으며, 이는 상술한 자차선 검출부에서 수행되는 방법과 동일한 방법으로 검출되므로, 중복되는 내용은 생략한다. 따라서, 주변차선 검출모듈(122)은 도 5에 도시된 바와 같은 주변차선을 검출할 수 있다.The peripheral lane detection module 122 may detect the lane as the peripheral lane by extracting the lane markings from the region of interest of the set peripheral lane, which is detected in the same manner as the above-described method of the own lane detection unit, and thus overlaps. Is omitted. Accordingly, the peripheral lane detection module 122 may detect the peripheral lane as shown in FIG. 5.
패싱 차량 검출부(130)는 검출된 주변 차선에서 수직 에지 성분을 추출하고, 추출된 수직 에지 성분을 이용하여 패싱 차량을 검출할 수 있고, 패싱 차량 관심영역 설정모듈(131), 수직 에지 추출모듈(132), 패싱 차량 후보 검출모듈(133) 및 패싱 차량 검출모듈(134)를 포함할 수 있다.The passing vehicle detection unit 130 extracts a vertical edge component from the detected surrounding lanes and detects a passing vehicle using the extracted vertical edge components, and includes a passing vehicle ROI setting module 131 and a vertical edge extracting module ( 132, the passing vehicle candidate detection module 133, and the passing vehicle detection module 134 may be included.
패싱 차량 관심영역 설정모듈(131)은 검출된 주변 차선에서 패싱 차량의 관심영역을 설정할 수 있다.The passing vehicle ROI setting module 131 may set an ROI of the passing vehicle in the detected surrounding lane.
수직 에지 추출모듈(132)은 설정된 패싱 차량의 관심영역에서 수직 에지 성분을 추출할 수 있다. 여기서, 패싱 차량의 관심영역에서 수직 에지 성분은 도 6에 도시된 바와 같은 영상으로 나타낼 수 있다.The vertical edge extraction module 132 may extract vertical edge components from the region of interest of the set passing vehicle. Here, the vertical edge component in the ROI of the passing vehicle may be represented by an image as shown in FIG. 6.
패싱 차량 후보 검출모듈(133)은 추출된 수직 에지 성분을 이용하여 패싱 차량 후보를 검출할 수 있다. 여기서, 주변 차선이 검출되지 않는 경우에는 가드레일 등에 의해서 생성되는 패싱 차량 후보를 제거할 수 있다.The passing vehicle candidate detection module 133 may detect the passing vehicle candidate using the extracted vertical edge component. Here, when the surrounding lane is not detected, the passing vehicle candidate generated by the guardrail or the like can be removed.
패싱 차량 검출모듈(134)은 검출된 패싱 차량 후보에 대한 서포트 벡터 머신(Support Vector Machine; SVM)을 수행하여 패싱 차량을 검출할 수 있다. 여기서, 패싱 차량 검출모듈(134)은 검출된 패싱 차량 후보의 옆면 영상에 대한 서포트 벡터 머신을 수행하여 패싱 차량을 검출할 수 있다.The passing vehicle detection module 134 may detect the passing vehicle by performing a support vector machine (SVM) on the detected passing vehicle candidate. Here, the passing vehicle detection module 134 may detect the passing vehicle by performing a support vector machine on the side image of the detected passing vehicle candidate.
따라서, 패싱 차량 검출부(130)는 도 7 및 도 8에 도시된 바와 같이 패싱 차량을 검출할 수 있다.
Accordingly, the passing vehicle detector 130 may detect the passing vehicle as illustrated in FIGS. 7 and 8.
도 9는 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 방법을 나타내는 흐름도, 도 10은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 방법에서 자차선을 검출하는 방법을 나타내는 흐름도, 도 11은 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 방법에서 주변 차선을 검출하는 방법을 나타내는 흐름도, 도 12는 본 발명의 일 실시예에 따른 차선 인식을 이용한 패싱 차량 검출 방법에서 패싱 차량을 검출하는 방법을 나타내는 흐름도이다.9 is a flowchart illustrating a passing vehicle detection method using lane recognition according to an embodiment of the present invention, and FIG. 10 illustrates a method of detecting a own lane in a passing vehicle detection method using lane recognition according to an embodiment of the present invention. 11 is a flowchart illustrating a method of detecting neighboring lanes in a passing vehicle detection method using lane recognition according to an embodiment of the present invention, and FIG. 12 is a passing vehicle using lane recognition according to an embodiment of the present invention. It is a flowchart which shows the method of detecting a passing vehicle in a detection method.
도 9 내지 도 12를 참조하면, 차선 인식을 이용한 패싱 차량 검출 방법은 차선 인식을 이용한 패싱 차량 검출 방법으로서, 입력된 영상에서 차선 표시를 추출하여 자차선을 검출하고(S100), 검출된 자차선의 너비를 이용하여 입력된 영상에서 주변 차선을 검출하며(S200), 검출된 주변 차선에서 수직 에지 성분을 추출하고, 추출된 수직 에지 성분을 이용하여 패싱 차량을 검출한다(S300).9 to 12, a passing vehicle detection method using lane recognition is a passing vehicle detection method using lane recognition. The lane marking is extracted from an input image to detect the own lane (S100), and the detected own lane Peripheral lanes are detected from the input image using the width (S200), vertical edge components are extracted from the detected peripheral lanes, and a passing vehicle is detected using the extracted vertical edge components (S300).
구체적으로, 단계 S100은 입력된 영상에서 현재의 차선의 도로 영역을 포함하는 확인영역을 설정하고(S110), 설정된 확인영역에서 도로표시의 존재를 확인하고(S120), 도로표시가 존재하면, 차선 예측 결과와 이전 차선 정보의 차이값을 계산하고, 계산된 차이값에 기초하여 관심영역을 설정할 수 있고(S130), 설정된 관심영역을 기초로 차선표시를 추출하여 차선을 자차선으로 인식할 수 있다(S140). Specifically, step S100 sets a confirmation area including the road area of the current lane in the input image (S110), confirms the existence of the road marking in the set confirmation area (S120), and if there is a road marking, the lane The difference between the prediction result and the previous lane information may be calculated, and the ROI may be set based on the calculated difference (S130), and the lane may be extracted based on the set ROI to recognize the lane as the own lane. (S140).
여기서, 단계 S120은 입력된 영상이 이진화(Binarization)된 이진화 영상인 경우, 이진화 영상의 좌표값에 근거하여 도로표시의 존재를 확인할 수 있다.Here, in step S120, when the input image is a binarized binarized image, the presence of a road marking may be confirmed based on the coordinate value of the binarized image.
또한, 단계 S130은 차선 정보를 예측하는 예측 필터를 이용하여 차선 예측 결과를 산출하고, 산출된 차선 예측 결과와 이전 차선 정보의 상기 차이값을 연산하여 관심영역을 설정할 수 있다. 여기서, 차선 예측 결과 및 상기 이전 차선 정보는 차선에 대한 각도(Angle) 및 오프셋(Offset) 값에 대한 정보를 포함할 수 있고, 이전 차선 정보는 차선표시 이전의 차선표시를 추출할 때 얻어진 차선 정보일 수 있다.In operation S130, a lane prediction result may be calculated using a prediction filter that predicts lane information, and the ROI may be set by calculating the difference between the calculated lane prediction result and previous lane information. Here, the lane prediction result and the previous lane information may include information about an angle and an offset value for the lane, and the previous lane information is lane information obtained when the lane marking before the lane display is extracted. Can be.
다음으로, 단계 S200은 검출된 자차선의 너비를 이용하여 주변차선의 관심영역을 설정하고(S210), 설정된 주변차선의 관심영역에서 차선표시를 추출하여 차선을 주변차선으로 검출할 수 있다(S220).Next, in step S200, the ROI may be set as the peripheral lane by using the detected width of the lane, in operation S210, and the lane marking is extracted from the ROI of the set peripheral lane in operation S220. ).
다음으로, 단계 S300은 검출된 주변 차선에서 패싱 차량의 관심영역을 설정하고(S310), 설정된 패싱 차량의 관심영역에서 수직 에지 성분을 추출하며(S320), 추출된 수직 에지 성분을 이용하여 패싱 차량 후보를 검출하고(S330), 검출된 패싱 차량 후보에 대한 서포트 벡터 머신(Support Vector Machine; SVM)을 수행하여 패싱 차량을 검출할 수 있다(S340).Next, step S300 sets a region of interest of the passing vehicle in the detected surrounding lane (S310), extracts a vertical edge component from the region of interest of the set passing vehicle (S320), and uses the extracted vertical edge component. The candidate vehicle may be detected (S330), and a passing vehicle may be detected by performing a support vector machine (SVM) on the detected passing vehicle candidate (S340).
여기서, 단계 S340은 검출된 패싱 차량 후보의 옆면 영상에 대한 서포트 벡터 머신을 수행하여 패싱 차량을 검출할 수 있다.
Here, step S340 may detect the passing vehicle by performing a support vector machine on the side image of the detected passing vehicle candidate.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
It will be apparent to those skilled in the art that various modifications and variations can be made in the present invention without departing from the spirit or scope of the present invention as defined by the following claims It can be understood that
100: 차선 인식을 이용한 패싱 차량 검출 장치
110: 자차선 검출부 111: 확인영역 설정모듈
112: 도로표시 확인모듈 113: 관심영역 설정모듈
114: 자차선 검출모듈 120: 주변차선 검출부
121: 주변차선 관심영역 설정모듈 122: 주변차선 검출모듈
130: 패싱 차량 검출부 131: 패싱 차량 관심영역 설정모듈
132: 수직 에지 추출모듈 133: 패싱 차량 후보 검출모듈
134: 패싱 차량 거출모듈100: Passing vehicle detection apparatus using lane recognition
110: own lane detection unit 111: confirmation area setting module
112: road marking confirmation module 113: ROI setting module
114: own lane detection module 120: peripheral lane detection unit
121: surrounding lane interested area setting module 122: surrounding lane detection module
130: passing vehicle detection unit 131: passing vehicle region of interest setting module
132: vertical edge extraction module 133: passing vehicle candidate detection module
134: Passing vehicle extraction module
Claims (18)
입력된 영상에서 차선 표시를 추출하여 자차선을 검출하는 자차선 검출부;
상기 검출된 자차선의 너비를 이용하여 상기 입력된 영상에서 주변 차선을 검출하는 주변차선 검출부; 및
상기 검출된 주변 차선에서 수직 에지 성분을 추출하고, 추출된 수직 에지 성분을 이용하여 패싱 차량을 검출하는 패싱 차량 검출부를 포함하는, 차선 인식을 이용한 패싱 차량 검출 장치.A passing vehicle detection apparatus using lane recognition,
A lane detection unit for extracting a lane display from an input image and detecting a lane;
A peripheral lane detector configured to detect a peripheral lane from the input image using the detected width of the own lane; And
And a passing vehicle detector extracting a vertical edge component from the detected surrounding lanes and detecting a passing vehicle using the extracted vertical edge component.
상기 자차선 검출부는,
상기 입력된 영상에서 현재의 차선의 도로 영역을 포함하는 확인영역을 설정하는 확인영역 설정모듈;
상기 설정된 확인영역에서 도로표시의 존재를 확인하는 도로표시 확인모듈;
상기 도로표시가 존재하면, 차선 예측 결과와 이전 차선 정보의 차이값을 계산하고, 상기 계산된 차이값에 근거하여 관심영역을 설정하는 관심영역 설정모듈; 및
상기 설정된 관심영역을 기초로 차선표시를 추출하여 상기 차선을 자차선으로 인식하는 자차선 검출모듈을 포함하는, 차선 인식을 이용한 패싱 차량 검출 장치.The method of claim 1,
The own lane detection unit,
A confirmation area setting module for setting a confirmation area including a road area of a current lane in the input image;
A road marking confirmation module for confirming the existence of a road marking in the set confirmation area;
A region of interest setting module for calculating a difference between a lane prediction result and previous lane information and setting a region of interest based on the calculated difference if the road marking exists; And
And a lane detection module for extracting lane markings based on the set ROI and recognizing the lanes as lanes.
상기 관심영역 설정모듈은,
차선 정보를 예측하는 예측 필터를 이용하여 상기 차선 예측 결과를 산출하고, 상기 산출된 차선 예측 결과와 상기 이전 차선 정보의 상기 차이값을 연산하여 상기 관심영역을 설정하는, 차선 인식을 이용한 패싱 차량 검출 장치.3. The method of claim 2,
The region of interest setting module,
Passing vehicle detection using lane recognition, calculating the lane prediction result using a prediction filter for predicting lane information, and calculating the difference between the calculated lane prediction result and the previous lane information and setting the ROI. Device.
상기 차선 예측 결과 및 상기 이전 차선 정보는,
차선에 대한 각도(Angle) 및 오프셋(Offset) 값에 대한 정보를 포함하는, 차선 인식을 이용한 패싱 차량 검출 장치.3. The method of claim 2,
The lane prediction result and the previous lane information,
Passing vehicle detection apparatus using lane recognition, including information on the angle (Angle) and the offset (Offset) value for the lane.
상기 이전 차선 정보는,
상기 차선표시 이전의 차선표시를 추출할 때 얻어진 차선 정보인, 차선 인식을 이용한 패싱 차량 검출 장치.3. The method of claim 2,
The previous lane information,
A passing vehicle detection device using lane recognition, which is lane information obtained when the lane display before the lane display is extracted.
상기 입력된 영상이 이진화(Binarization)된 이진화 영상인 경우, 상기 도로표시 확인모듈은 상기 이진화 영상의 좌표값에 근거하여 상기 도로표시의 존재를 확인하는, 차선 인식을 이용한 패싱 차량 검출 장치.3. The method of claim 2,
If the input image is a binarized binarized image, the road marking confirmation module checks the existence of the road marking based on the coordinate value of the binarized image, Passing vehicle detection apparatus using lane recognition.
상기 주변차선 검출부는,
상기 검출된 자차선의 너비를 이용하여 상기 주변차선의 관심영역을 설정하는 주변차선 관심영역 설정모듈; 및
상기 설정된 주변차선의 관심영역에서 차선표시를 추출하여 상기 차선을 주변차선으로 검출하는 주변차선 검출모듈을 포함하는, 차선 인식을 이용한 패싱 차량 검출 장치.The method of claim 1,
The peripheral lane detection unit,
A peripheral lane interested area setting module configured to set a region of interest of the peripheral lane using the detected width of the own lane; And
And a peripheral lane detection module for extracting a lane marking from the region of interest of the set peripheral lane and detecting the lane as a peripheral lane.
상기 패싱 차량 검출부는,
상기 검출된 주변 차선에서 패싱 차량의 관심영역을 설정하는 패싱 차량 관심영역 설정모듈;
상기 설정된 패싱 차량의 관심영역에서 수직 에지 성분을 추출하는 수직 에지 추출모듈;
상기 추출된 수직 에지 성분을 이용하여 패싱 차량 후보를 검출하는 패싱 차량 후보 검출모듈; 및
상기 검출된 패싱 차량 후보에 대한 서포트 벡터 머신(Support Vector Machine; SVM)을 수행하여 패싱 차량을 검출하는 패싱 차량 검출모듈을 포함하는, 차선 인식을 이용한 패싱 차량 검출 장치.The method of claim 1,
The passing vehicle detection unit,
A passing vehicle region of interest setting module for setting a region of interest of a passing vehicle in the detected surrounding lanes;
A vertical edge extraction module for extracting vertical edge components in the region of interest of the set passing vehicle;
A passing vehicle candidate detection module detecting a passing vehicle candidate using the extracted vertical edge components; And
And a passing vehicle detection module configured to perform a support vector machine (SVM) on the detected passing vehicle candidates to detect a passing vehicle.
상기 패싱 차량 검출모듈은,
상기 검출된 패싱 차량 후보의 옆면 영상에 대한 서포트 벡터 머신을 수행하여 패싱 차량을 검출하는, 차선 인식을 이용한 패싱 차량 검출 장치.9. The method of claim 8,
The passing vehicle detection module,
And a passing vehicle detection apparatus for detecting a passing vehicle by performing a support vector machine on the side image of the detected passing vehicle candidate.
입력된 영상에서 차선 표시를 추출하여 자차선을 검출하는 단계;
상기 검출된 자차선의 너비를 이용하여 상기 입력된 영상에서 주변 차선을 검출하는 단계; 및
상기 검출된 주변 차선에서 수직 에지 성분을 추출하고, 추출된 수직 에지 성분을 이용하여 패싱 차량을 검출하는 단계를 포함하는, 차선 인식을 이용한 패싱 차량 검출 방법.A passing vehicle detection method using lane recognition,
Extracting lane markings from the input image to detect the own lane;
Detecting a peripheral lane from the input image using the detected width of the own lane; And
And extracting a vertical edge component from the detected neighboring lanes and detecting a passing vehicle using the extracted vertical edge component.
상기 입력된 영상에서 차선 표시를 추출하여 자차선을 검출하는 단계는,
상기 입력된 영상에서 현재의 차선의 도로 영역을 포함하는 확인영역을 설정하는 단계;
상기 설정된 확인영역에서 도로표시의 존재를 확인하는 단계;
상기 도로표시가 존재하면, 차선 예측 결과와 이전 차선 정보의 차이값을 계산하고, 상기 계산된 차이값에 기초하여 관심영역을 설정하는 단계; 및
상기 설정된 관심영역을 기초로 차선표시를 추출하여 상기 차선을 자차선으로 인식하는 단계를 포함하는, 차선 인식을 이용한 패싱 차량 검출 방법.The method of claim 10,
Extracting a lane marking from the input image to detect the own lane,
Setting a confirmation area including a road area of a current lane in the input image;
Confirming the existence of a road marking in the set confirmation area;
Calculating a difference value between a lane prediction result and previous lane information and setting a region of interest based on the calculated difference value, if the road marking exists; And
And extracting lane markings based on the set ROI, and recognizing the lanes as own lanes.
상기 도로표시가 존재하면, 차선 예측 결과와 이전 차선 정보의 차이값을 계산하고, 상기 계산된 차이값에 근거하여 관심영역을 설정하는 단계는,
차선 정보를 예측하는 예측 필터를 이용하여 상기 차선 예측 결과를 산출하고, 상기 산출된 차선 예측 결과와 상기 이전 차선 정보의 상기 차이값을 연산하여 상기 관심영역을 설정하는, 차선 인식을 이용한 패싱 차량 검출 방법.12. The method of claim 11,
If the road marking exists, calculating a difference value between the lane prediction result and the previous lane information, and setting the ROI based on the calculated difference value,
Passing vehicle detection using lane recognition, calculating the lane prediction result using a prediction filter for predicting lane information, and calculating the difference between the calculated lane prediction result and the previous lane information and setting the ROI. Way.
상기 차선 예측 결과 및 상기 이전 차선 정보는,
차선에 대한 각도(Angle) 및 오프셋(Offset) 값에 대한 정보를 포함하는, 차선 인식을 이용한 패싱 차량 검출 방법.12. The method of claim 11,
The lane prediction result and the previous lane information,
Passing vehicle detection method using lane recognition, including information on the angle (Angle) and the offset (Offset) value for the lane.
상기 이전 차선 정보는,
상기 차선표시 이전의 차선표시를 추출할 때 얻어진 차선 정보인, 차선 인식을 이용한 패싱 차량 검출 방법.12. The method of claim 11,
The previous lane information,
A passing vehicle detection method using lane recognition, which is lane information obtained when the lane marking before the lane marking is extracted.
상기 입력된 영상이 이진화(Binarization)된 이진화 영상인 경우, 상기 설정된 확인영역에서 도로표시의 존재를 확인하는 단계는, 상기 이진화 영상의 좌표값에 근거하여 상기 도로표시의 존재를 확인하는, 차선 인식을 이용한 패싱 차량 검출 방법.12. The method of claim 11,
When the input image is a binarized binarized image, the step of confirming the existence of the road marking in the set confirmation area may be based on the coordinate value of the binarized image to identify the presence of the road marking. Passing vehicle detection method using the.
상기 검출된 자차선의 너비를 이용하여 상기 입력된 영상에서 주변 차선을 검출하는 단계는,
상기 검출된 자차선의 너비를 이용하여 상기 주변차선의 관심영역을 설정하는 단계; 및
상기 설정된 주변차선의 관심영역에서 차선표시를 추출하여 상기 차선을 주변차선으로 검출하는 단계를 포함하는, 차선 인식을 이용한 패싱 차량 검출 방법.The method of claim 10,
Detecting a neighboring lane in the input image using the detected width of the own lane,
Setting a region of interest of the peripheral lane using the detected width of the own lane; And
And extracting the lane markings from the region of interest of the set surrounding lanes and detecting the lanes as the surrounding lanes.
상기 검출된 주변 차선에서 수직 에지 성분을 추출하고, 추출된 수직 에지 성분을 이용하여 패싱 차량을 검출하는 단계는,
상기 검출된 주변 차선에서 패싱 차량의 관심영역을 설정하는 단계;
상기 설정된 패싱 차량의 관심영역에서 수직 에지 성분을 추출하는 단계;
상기 추출된 수직 에지 성분을 이용하여 패싱 차량 후보를 검출하는 단계; 및
상기 검출된 패싱 차량 후보에 대한 서포트 벡터 머신(Support Vector Machine; SVM)을 수행하여 패싱 차량을 검출하는 단계를 포함하는, 차선 인식을 이용한 패싱 차량 검출 방법.The method of claim 10,
Extracting a vertical edge component from the detected surrounding lanes, and detecting a passing vehicle using the extracted vertical edge component,
Setting a region of interest of a passing vehicle in the detected surrounding lanes;
Extracting vertical edge components from the region of interest of the set passing vehicle;
Detecting a passing vehicle candidate using the extracted vertical edge components; And
And detecting a passing vehicle by performing a support vector machine (SVM) for the detected passing vehicle candidate.
상기 검출된 패싱 차량 후보에 대한 서포트 벡터 머신(Support Vector Machine; SVM)을 수행하여 패싱 차량을 검출하는 단계는,
상기 검출된 패싱 차량 후보의 옆면 영상에 대한 서포트 벡터 머신을 수행하여 패싱 차량을 검출하는, 차선 인식을 이용한 패싱 차량 검출 방법.18. The method of claim 17,
Detecting a passing vehicle by performing a support vector machine (SVM) on the detected passing vehicle candidate may include:
And a passing vehicle is detected by performing a support vector machine on the side image of the detected passing vehicle candidate.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120156418A KR101352662B1 (en) | 2012-12-28 | 2012-12-28 | Apparatus and method for detecting passing vehicle using lane recognition |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020120156418A KR101352662B1 (en) | 2012-12-28 | 2012-12-28 | Apparatus and method for detecting passing vehicle using lane recognition |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101352662B1 true KR101352662B1 (en) | 2014-01-17 |
Family
ID=50145846
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020120156418A KR101352662B1 (en) | 2012-12-28 | 2012-12-28 | Apparatus and method for detecting passing vehicle using lane recognition |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101352662B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170089330A (en) * | 2016-01-26 | 2017-08-03 | 주식회사 만도 | System and method for recognizing a surroundings lane using a location of structures |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110123042A (en) * | 2010-05-06 | 2011-11-14 | 한국산업기술대학교산학협력단 | Apparatus for yielding traffic information of intelligent transport system and method thereof |
| KR20120066220A (en) * | 2010-12-14 | 2012-06-22 | 주식회사 이미지넥스트 | System and method for detecting object of vehicle surroundings |
| KR20120098292A (en) * | 2011-02-28 | 2012-09-05 | 주식회사 와이즈오토모티브 | Method for detecting traffic lane |
| KR20120116204A (en) * | 2011-04-12 | 2012-10-22 | 현대자동차주식회사 | Apparatus and method for recognizing lane using preceding vehicle |
-
2012
- 2012-12-28 KR KR1020120156418A patent/KR101352662B1/en active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110123042A (en) * | 2010-05-06 | 2011-11-14 | 한국산업기술대학교산학협력단 | Apparatus for yielding traffic information of intelligent transport system and method thereof |
| KR20120066220A (en) * | 2010-12-14 | 2012-06-22 | 주식회사 이미지넥스트 | System and method for detecting object of vehicle surroundings |
| KR20120098292A (en) * | 2011-02-28 | 2012-09-05 | 주식회사 와이즈오토모티브 | Method for detecting traffic lane |
| KR20120116204A (en) * | 2011-04-12 | 2012-10-22 | 현대자동차주식회사 | Apparatus and method for recognizing lane using preceding vehicle |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170089330A (en) * | 2016-01-26 | 2017-08-03 | 주식회사 만도 | System and method for recognizing a surroundings lane using a location of structures |
| KR102501234B1 (en) * | 2016-01-26 | 2023-02-21 | 주식회사 에이치엘클레무브 | System and method for recognizing a surroundings lane using a location of structures |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106485233B (en) | Method and device for detecting travelable area and electronic equipment | |
| US9047518B2 (en) | Method for the detection and tracking of lane markings | |
| JP4775391B2 (en) | Obstacle detection device | |
| EP3258214B1 (en) | Object detection device | |
| JP6416293B2 (en) | Method of tracking a target vehicle approaching a car by a car camera system, a camera system, and a car | |
| EP2963634B1 (en) | Stereo camera device | |
| EP3705371A1 (en) | Obstacle detecting device | |
| JP2008123462A (en) | Object detector | |
| KR101103526B1 (en) | Collision Avoidance Method Using Stereo Camera | |
| JP5894201B2 (en) | Boundary line recognition device | |
| KR20160087273A (en) | Apparatus for safety-driving of vehicle | |
| JP6129268B2 (en) | Vehicle driving support system and driving support method | |
| EP3282389A1 (en) | Image processing apparatus, image capturing apparatus, moving body apparatus control system, image processing method, and program | |
| US20160188984A1 (en) | Lane partition line recognition apparatus | |
| EP3690802A1 (en) | Vehicle exterior recognition device | |
| JP5997962B2 (en) | In-vehicle lane marker recognition device | |
| KR20160093464A (en) | Apparatus for recognizing traffic sign and method thereof | |
| JP4762830B2 (en) | Perimeter monitoring system | |
| JP2011103058A (en) | Erroneous recognition prevention device | |
| US11100340B2 (en) | Line detector for vehicle and method for detecting line for vehicle | |
| KR101352662B1 (en) | Apparatus and method for detecting passing vehicle using lane recognition | |
| KR101595317B1 (en) | Precise positioning of the vehicle for detecting a road surface display method and system | |
| KR20130006752A (en) | Lane recognizing apparatus and method thereof | |
| KR20150138898A (en) | Method and system for warning lane departure using turn sign recognition | |
| JP2014067320A (en) | Stereo camera device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20161222 Year of fee payment: 4 |
|
| FPAY | Annual fee payment |
Payment date: 20171222 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20181226 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20191219 Year of fee payment: 7 |