KR101676376B1 - 차선 인식 장치 및 차선 인식 방법 - Google Patents

차선 인식 장치 및 차선 인식 방법 Download PDF

Info

Publication number
KR101676376B1
KR101676376B1 KR1020150008711A KR20150008711A KR101676376B1 KR 101676376 B1 KR101676376 B1 KR 101676376B1 KR 1020150008711 A KR1020150008711 A KR 1020150008711A KR 20150008711 A KR20150008711 A KR 20150008711A KR 101676376 B1 KR101676376 B1 KR 101676376B1
Authority
KR
South Korea
Prior art keywords
lane
image
color
detected
information
Prior art date
Application number
KR1020150008711A
Other languages
English (en)
Other versions
KR20160089578A (ko
Inventor
강민희
Original Assignee
만도헬라일렉트로닉스(주)
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 만도헬라일렉트로닉스(주) filed Critical 만도헬라일렉트로닉스(주)
Priority to KR1020150008711A priority Critical patent/KR101676376B1/ko
Publication of KR20160089578A publication Critical patent/KR20160089578A/ko
Application granted granted Critical
Publication of KR101676376B1 publication Critical patent/KR101676376B1/ko

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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G06K9/46—
    • G06K9/80—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06K2009/46—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Abstract

차선 인식 장치 및 차선 인식 방법이 개시된다. 본 발명의 일 실시예에 따른 차선 인식 장치는 차량 주변의 차선을 포함한 도로 영상을 촬영하는 영상 촬영부와, 영상 촬영부에 의해 촬영된 영상 정보에서 차선을 검출하는 차선 검출부와, 영상 촬영부에 의해 촬영된 영상 정보와 차선 검출부에 의해 검출된 차선 정보를 근거로 하여 차선 주변의 물체의 움직임 방향을 검출하는 물체 움직임 검출부와, 차선 검출부에 의해 검출된 차선 정보와 물체 움직임 검출부에 의해 검출된 물체의 움직임 방향 정보를 근거로 하여 검출된 차선이 중앙 차선인지 일반 차선인지를 판단하는 차선 판단부를 포함한다.

Description

차선 인식 장치 및 차선 인식 방법{APPARATUS FOR RECOGNIZING LANE AND CONTROL METHOD THEREOF}
본 발명은 차선 인식 장치 및 차선 인식 방법에 관한 것으로, 보다 구체적으로는 주행 차량의 전방을 촬영한 영상에 기초하여 차선을 인식할 수 있는 차선 인식 장치 및 차선 인식 방법에 관한 것이다.
차선유지보조시스템(Lane Keeping Assistance System), 차선이탈경고시스템(Lane Departure Warning System) 등의 차선 유지 시스템은 전방 카메라를 이용하여 촬영한 도로 영상의 분석하여 차선을 인식한다.
차선을 정확하게 인식하기 위해서는 차선의 선 정보 뿐만 아니라 색상 정보를 통해 중앙차선인지 아니면 일반차선인지를 정확하게 인식하는 것이 필요하다.
기존에는 전방 카메라를 이용하여 촬영한 영상의 컬러정보를 이용하여 차선의 색상을 인식한다. 도로 환경에서는 다양한 요인에 의하여 색상의 왜곡이 발생한다. 따라서, 차량이 주행중인 차선을 정확하게 인식하지 못할 수 있다.
즉, 기존에는 촬영한 차량 전방의 컬러 영상을 그레이영상으로 변환한 후 각 색상의 임계치와 각각을 비교하는 방식으로 차선의 색을 인식한다. 따라서, 기존의 차선 색상 인식시에는 도로환경을 반영하지 못하기 때문에 가로등, 역광, 눈, 비 등과 같은 환경적 요인에 의해 영향을 받아 차선의 색상을 잘못 판단할 우려가 있다.
대한민국 공개특허공보 제2009-0061923호
본 발명의 실시예는 도로 환경에 관계없이 차선을 보다 빠르고 정확히 인식할 수 있는 차선 인식 장치 및 차선 인식 방법을 제공하고자 한다.
본 발명의 일 측면에 따르면, 차량 주변의 차선을 포함한 도로 영상을 촬영하는 영상 촬영부; 상기 영상 촬영부에 의해 촬영된 영상 정보에서 상기 차선을 검출하는 차선 검출부; 상기 영상 촬영부에 의해 촬영된 영상 정보와 상기 차선 검출부에 의해 검출된 차선 정보를 근거로 하여 자차량의 주행방향 좌측 차선에 위치한 물체가 상기 자차량의 주행방향과 동일한 방향으로 움직이는지 반대방향으로 움직이는지를 물체 트래킹을 이용하여 영상 프레임별로 검출하는 물체 움직임 검출부; 및 상기 자차량의 주행방향 좌측 차선에 물체가 위치한 경우, 상기 차선 검출부에 의해 검출된 차선 정보와 상기 물체 움직임 검출부에 의해 검출된 물체의 움직임 방향 정보를 근거로 하여 상기 물체의 움직임 방향이 상기 자차량의 주행방향과 같은 방향이면, 상기 주행방향 좌측 차선의 색상을 흰색으로 판단하고, 상기 물체의 움직임 방향이 상기 자차량의 주행방향과 반대 방향이면, 상기 주행방향 좌측 차선의 색상을 황색으로 판단하고, 상기 자차량의 주행방향 좌측 차선에 위치한 물체가 없는 경우, 상기 주행방향 좌측 차선의 밝기(Y성분)와 색상(Cr와 Cb성분)을 이용하여 상기 주행방향 좌측 차선의 색상을 흰색 또는 황색으로 판단하는 차선 판단부를 포함하고, 상기 차선 판단부는 이전 프레임의 차선 색이 흰색일 경우 Cr-Cb 오차가 미리 설정된 최대 임계값보다 크면 황색으로 인식하고, 이전 프레임의 차선 색이 황색일 경우 Cr-Cb 오차가 미리 설정된 최소 임계값보다 적으면 흰색으로 인식하는 차선 인식 장치가 제공될 수 있다.
삭제
삭제
또한, 상기 차선 검출부는 상기 영상 촬영부로부터의 영상 정보에서 중앙분리대를 검출하고, 상기 차선 판단부는, 상기 차선 검출부에 의해 검출된 차선들 중 상기 검출된 중앙분리대측 차선의 색상을 황색으로 판단하는 것을 특징으로 할 수 있다.
본 발명의 다른 측면에 따르면, 차량 주변의 차선을 포함한 도로 영상을 촬영하고, 영상 정보에 기초하여 상기 차선을 검출하고, 상기 촬영된 영상 정보와 상기 검출된 차선 정보를 근거로 하여 자차량의 주행방향 좌측 차선에 위치한 물체가 상기 자차량의 주행방향과 동일한 방향으로 움직이는지 반대방향으로 움직이는지를 물체 트래킹을 이용하여 영상 프레임별로 검출하고, 상기 자차량의 주행방향 좌측 차선에 물체가 위치한 경우, 상기 검출된 차선 정보와 상기 검출된 물체의 움직임 방향 정보를 근거로 하여 상기 물체의 움직임 방향이 상기 자차량의 주행방향과 같은 방향이면, 상기 주행방향 좌측 차선의 색상을 흰색으로 판단하고, 상기 물체의 움직임 방향이 상기 자차량의 주행방향과 반대 방향이면, 상기 주행방향 좌측 차선의 색상을 황색으로 판단하고, 상기 자차량의 주행방향 좌측 차선에 위치한 물체가 없는 경우, 상기 주행방향 좌측 차선의 밝기(Y성분)와 색상(Cr와 Cb성분)을 이용하여 상기 주행방향 좌측 차선의 색상을 흰색 또는 황색으로 판단하되, 이전 프레임의 차선 색이 흰색일 경우 Cr-Cb 오차가 미리 설정된 최대 임계값보다 크면 황색으로 인식하고, 이전 프레임의 차선 색이 황색일 경우 Cr-Cb 오차가 미리 설정된 최소 임계값보다 적으면 흰색으로 인식하는 차선 인식 방법이 제공될 수 있다.
삭제
삭제
또한, 상기 차선 검출은 상기 촬영된 영상에서 중앙분리대를 검출하고, 상기 차선 판단은, 상기 검출된 차선들 중 상기 검출된 중앙분리대측 차선의 색상을 황색으로 판단하는 것을 특징으로 할 수 있다.
본 발명의 실시예에 의하면, 차량 전방을 촬영한 영상 정보에서 차선을 인식할 때 주변 차선의 물체 움직임 정보를 고려함으로써 차선 색상에 의존하지 않고서도 보다 빠르고 정확하며 간편하게 특정 차선이 중앙차선인지 일반차선인지를 구분하여 인식할 수 있다.
또한, 본 발명의 실시예에 의하면, 차선 색상에 의존하지 않고서도 특정 차선이 중앙차선인지 일반차선인지를 먼저 구분한 후 이를 기반으로 차선 색상을 인식함으로써 도로 환경에 관계없이 차선 색상을 보다 정확히 인식할 수 있다.
도 1은 본 발명의 일 실시예에 따른 차선 인식 장치의 제어블록도이다.
도 2는 본 발명의 일 실시예에 따른 차선 인식 장치에서 차선을 포함하는 도로를 촬영한 도로 영상을 보인 도면이다.
도 3은 본 발명의 일 실시예에 따른 차선 인식 장치에서 촬영된 컬러 도로영상을 그레이스케일 영상으로 변환한 영상을 보인 도면이다.
도 4는 본 발명의 일 실시예에 따른 차선 인식 장치에서 그레이스케일 영상을 이진화한 영상을 보인 도면이다.
도 5는 본 발명의 일 실시예에 따른 차선 인식 장치에서 차선이 검출된 영상을 보인 도면이다.
도 6은 본 발명의 일 실시예에 따른 차선 인식 장치에서 좌측 차선의 물체가 자차량의 주행방향과 동일한 방향으로 움직일 경우를 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 차선 인식 장치에서 좌측 차선의 물체가 자차량의 주행방향과 반대 방향으로 움직일 경우를 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 차선 인식 장치에서 중앙분리대가 포함된 도로를 촬영한 도로 영상을 보인 도면이다.
도 9는 도 8에 도시된 컬러 도로영상을 그레이스케일 영상으로 변환한 영상에서 중앙분리대를 검출하는 것을 설명하기 위한 도면이다.
도 10 및 도 11은 본 발명의 일 실시예에 따른 차선 인식 방법을 설명하기 위한 제어흐름도이다.
이하에서는 본 발명의 실시 예들을 첨부 도면을 참조하여 상세히 설명한다. 이하에 소개되는 실시 예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 본 발명은 이하 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 도면에서 생략하였으며 도면들에 있어서, 구성요소의 폭, 길이, 두께 등은 편의를 위하여 과장되어 표현될 수 있다. 명세서 전체에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.
도 1은 본 발명의 일 실시예에 따른 차선 인식 장치의 제어블록도이다.
도 1을 참조하면, 차선 인식 장치는 영상 촬영부(10)와 차선 인식부(20)를 포함한다.
영상 촬영부(10)는 차량 전방 또는 후방 등 차량 주변의 차선을 포함한 영상을 촬영한다. 영상 촬영부는 입력된 광 신호를 전기적 신호로 변환하는 이미지 센서와, 이미지 센서로부터 입력되는 전기적 신호를 디지털 영상 데이터로 변환하는 이미지 신호 처리부 등을 포함하여 구성될 수 있다. 이미지 센서는 CCD(Charge-coupled Device) 또는 CMOS(Complementary Metal-Oxide-Semiconductor) 등의 방식을 이용하는 센서를 포함할 수 있다.
차선 인식부(20)는 차선 검출부(21), 물체 움직임 검출부(22), 차선 판단부(23)를 포함할 수 있다.
차선 검출부(21)는 영상 촬영부(10)로부터의 영상 신호에 기초하여 차선을 검출한다.
도 2는 본 발명의 일 실시예에 따른 차선 인식 장치에서 차선을 포함하는 도로를 촬영한 도로 영상을 보인 도면이고, 도 3은 본 발명의 일 실시예에 따른 차선 인식 장치에서 촬영된 컬러 도로영상을 그레이스케일 영상으로 변환한 영상을 보인 도면이며, 도 4는 본 발명의 일 실시예에 따른 차선 인식 장치에서 그레이스케일 영상을 이진화한 영상을 보인 도면이며, 도 5는 본 발명의 일 실시예에 따른 차선 인식 장치에서 차선이 검출된 영상을 보인 도면이다.
도 2 내지 도 5에 도시된 바와 같이, 차선 검출부(21)는 영상 촬영부(10)를 통해 촬영된 영상에 대하여 관심영역(ROI : Region of Interest)을 설정하고, 그레이스케일 영상으로 변환한 후 소벨 연산(Sobel Operation)과 이진화(Binarization) 등의 차선 검출을 위한 이미지 처리를 수행해서 영상의 픽셀간의 차이가 미리 설정된 값 이상인 픽셀을 에지점으로 인식하는 방식으로 영상에서 에지를 검출한다. 즉, 영상에서 픽셀값이 급격히 변화하는 점을 에지점으로 인식한다. 차선 검출부(21)는 에지 검출 후 검출된 에지를 근거로 차선을 검출한다. 이때, 허프변환을 이용하여 영상 내 직선을 검출하고, 검출된 직선 성분을 분석하여 통계적으로 최대값 성분을 차선으로 검출할 수 있다.
그레이스케일(GrayScale)은 백색에서 흑색까지를 단계적으로 나누어 밝기의 정도를 나타낸 것이다. 영상처리측면에서 보면 그레이스케일은 영상 촬영부(10)를 통해 촬영된 컬러 영상의 RGB 값이 모두 같은 값을 가지고 0(흑)에서 255(백)까지의 단계로 흑백의 강도를 나타낸다. 즉, 색 정보는 없고 밝기 값만을 가지는 영상이다. 여기서 색 정보는 RGB 구성보다는 YCbCr 구성일 수 있다. RGB는 각각의 빨간색(Red), 녹색(Green), 파란색(Blue)의 색 정보를 가지고 영상을 표현하는 반면에 YCbCr의 경우는 Y가 밝기(Luminance)를 Cb,Cr이 각각의 색 정보(Chrominance)를 가진다.
소벨 연산은 1차 미분을 이용한 에지 검출 방법으로 임의의 주어진 픽셀 그룹 안에 있는 픽셀 언덕의 기울기를 측정함으로써 그 경사가 얼마나 가파른지에 대한 값을 구하는 것이다.
이진화는 영상의 픽셀값을 0 또는 255로 만드는 연산이며, 픽셀의 속성을 배경(background)과 객체(object)의 두 그룹으로 나누는 작업으로 영상 내에 원하는 객체의 정보(위치, 크기, 모양)를 얻기 위한 전처리 과정에 사용된다. 영상정보는 잡음 신호를 많이 포함하고 있으므로 직접 차선정보 추출을 위하여 활용하기 어렵기 때문에 영상정보는 이진화 과정을 거쳐 잡음 성분들을 제거하여 차선 정보를 추출하기 적합한 영상정보로 변환해야 한다. 그러기 위해 소벨 연산에 의해 추출된 에지에 대하여 이진화 작업을 수행할 수 있다.
차선 검출부(21)는 검출된 차선 정보를 물체 움직임 검출부(22)에 출력한다.
물체 움직임 검출부(22)는 영상 촬영부(10)로부터 입력된 도로영상 정보와 차선 검출부(21)에 의해 검출된 차선 정보에 기초하여 차선 주변의 물체의 움직임 방향을 검출한다. 물체 움직임 검출부(22)는 물체가 위치하는 관심영역을 토대로 물체 트래킹(Object Tracking)을 이용하여 물체 움직임을 추출하여 물체 움직임 방향을 검출한다. 물체의 움직임 방향을 판단하기 위해 보편적으로 사용되는 칼만 필터(Kalman Filter)를 응용하여 좌측 차선의 주변부 영역의 물체 움직임을 판단한다. 칼만 필터는 기본적으로 모델에 의해 물체가 존재하는 관심영역의 위치를 추정하는 예측과정과 프레임별로 관심영역의 위치값을 통하여 추정된 값을 보정하는 업 데이트 과정으로 구성된다. 예측과정에서는 시스템 식별을 통하여 구현한 모델을 사용하여 주어진 입력에 대하여 예상되는 출력을 추정한다. 업데이트 과정에서는 관심영역의 위치값을 추정된 위치값을 보정하게 된다.
물체 움직임 검출부(22)는 자차량의 주행방향 좌측 차선에 위치한 물체가 자차량의 주행방향과 동일한 방향으로 움직이는지 반대 방향으로 움직이는지를 물체 트래킹을 통해 검출한다.
도 6은 본 발명의 일 실시예에 따른 차선 인식 장치에서 좌측 차선의 물체가 자차량의 주행방향과 동일한 방향으로 움직일 경우를 설명하기 위한 도면이다.
도 6을 참조하면, 물체 움직임 검출부(22)는 먼저 자차량의 주행방향의 좌측 차선에 존재하는 물체를 검출한다. 그리고, 물체 움직임 검출부(22)는 물체의 위치를 영상 프레임 별로 추적하여 물체의 움직임 방향이 자차량의 주행방향과 동일한 방향임을 검출한다. 물체 움직임 검출부(22)는 물체의 움직임 방향이 자차량의 주행방향과 동일한 방향임을 나타내는 물체 움직임 방향 정보를 차선 판단부(23)에 제공한다.
도 7은 본 발명의 일 실시예에 따른 차선 인식 장치에서 좌측 차선의 물체가 자차량의 주행방향과 반대 방향으로 움직일 경우를 설명하기 위한 도면이다.
도 7을 참조하면, 물체 움직임 검출부(22)는 먼저 자차량의 주행방향의 좌측 차선에 존재하는 물체를 검출한다. 그리고, 물체 움직임 검출부(22)는 물체의 위치를 영상 프레임 별로 추적하여 물체의 움직임 방향이 자차량의 주행방향과 반대 방향임을 검출한다. 물체 움직임 검출부(22)는 물체의 움직임 방향이 자차량의 주행방향과 반대 방향임을 나타내는 물체 움직임 방향 정보를 차선 판단부(23)에 제공한다.
물체 움직임 검출부(22)는 물체 움직임 방향 검출에 대한 계산 시간을 줄이기 위해 전체 프레임을 계산하는 대신 프레임의 차선 검출 후 일부 주변부만 계산할 수 있다.
물체 움직임 검출부(22)는 검출된 물체 움직임 방향 정보를 차선 판단부(23)에 출력한다.
차선 판단부(23)는 물체 움직임 검출부(22)로부터 출력된 물체 움직임 방향 정보와 차선 검출부(21)로부터 출력된 차선 정보를 수신하고, 수신된 정보들을 분석한 결과 물체가 자차량의 진행방향 좌측의 차선에 위치하고 그 물체가 차선 인식 장치가 장착된 자차량의 진행방향과 같은 방향으로 움직일 경우 물체측 차선 즉, 좌측 차선(우측 통행 기준)은 중앙 차선이 아닌 일반 차선으로 판단한다. 또한, 차선 판단부(23)는 물체가 자차량의 진행방향과 반대 방향으로 움직일 경우 좌측 차선은 일반 차선이 아닌 중앙 차선으로 판단한다. 일반적으로 중앙 차선은 황색이고, 일반 차선은 백색이므로 차선이 중앙 차선인지 일반 차선인지를 구분할 수 있으면 그에 따른 차선 색상도 함께 인식할 수 있다. 즉, 차선 판단부(23)는 물체 움직임 검출부(22)에 의해 검출된 물체의 움직임 방향 정보에 따라 중앙차선인지 일반차선인지를 구분한다. 또한, 차선 판단부(23)는 중앙차선과 일반차선을 구분하는 차선 구분 정보에 따라 해당 차선의 차선 색상을 판단할 수 있다.
한편, 차선 판단부(23)는 자차량의 주행방향 좌측의 차선에 위치한 물체가 없는 경우, 기존방식대로 차선의 색상을 판단한다. 즉, YCrCb(또는 YUV) 방식은 사람의 눈이 색상보다는 밝기에 민감하다는 사실에 착안한 방식으로 색의 밝기(Luminance)인 Y성분과 색상(Chrominance)인 Cr와 Cb성분으로 구분한다. YCrCb 각각의 값은 0~255까지 수치로 표현 가능하다. Cr은 빨강이 두드러질 때 큰 값을 갖고 빨강이 없을 때 작은 값을 가지며, Cb는 녹색이 두드러질 때 크고 녹색이 없을 때 작다.
일반적으로 황색차선의 경우 Cr값이 130 ~ 160 정도이고 Cb값은 80 ~ 125 정도로 수치변화가 나타나고, 흰색차선의 경우 Cr값은 120 ~ 140 정도이고 Cb값은 110 ~ 130 정도로 나타난다.
차선 판단부(23)는 이전 프레임의 차선 색이 흰색일 경우 Cr-Cb 오차가 최대 임계값 이상일 경우 황색으로 인식하고, 이전 프레임의 차선 색이 황색일 경우 Cr-Cb 오차가 최소 임계값 이하일 경우 흰색으로 인식한다. 임계값은 밝기 정보에 의해 버퍼에서 선택된다.
도 8은 본 발명의 일 실시예에 따른 차선 인식 장치에서 중앙분리대가 포함된 도로를 촬영한 도로 영상을 보인 도면이고, 도 9는 도 8에 도시된 컬러 도로영상을 그레이스케일 영상으로 변환한 영상에서 중앙분리대를 검출하는 것을 설명하기 위한 도면이다.
도 8 및 도 9를 참조하면, 차선 검출부(21)는 영상 촬영부(10)로부터의 수신한 도로 영상에서 중앙분리대를 검출할 수 있다. 중앙분리대를 검출하는 것은 공지된 기술을 따를 수 있다. 예를 들면, 차선 검출부(21)는 차량의 주행방향을 기준으로 차량의 우측 차선은 검출하고, 검출된 우측 차선을 기준으로 차선 폭에 대응하는 직선을 좌측 차선으로 검출하며, 이 좌측 차선으로부터 소정거리에 위치한 직선이 존재하는 경우 이를 중앙분리대로 인식할 수 있다. 중앙 분리대는 레이더센서를 이용하여 검출하는 것도 가능하다. 즉, 레이더센서를 이용하여 차량의 주행방향 좌측으로 물체가 연속적으로 존재하는 것을 감지하면 이를 중앙분리대로 인식할 수 있다.
차선 판단부(23)는 차선 검출부(21)로부터 중앙 분리대 검출정보를 수신하고, 중앙 분리대측 차선을 중앙 차선으로 판단한다.
도 10 및 도 11은 본 발명의 일 실시예에 따른 차선 인식 방법을 설명하기 위한 제어흐름도이다.
도 10 및 도 11을 참조하면, 차선 인식 장치는 도로 영상을 촬영한다(100).
도로 영상을 촬영한 후 차선 인식 장치는 차선을 검출한다(102).
차선을 검출한 후 차선 인식 장치는 자차량의 주행방향 좌측 차선에 중앙분리대가 검출되었는지를 판단한다(104).
만약, 작동모드 104의 판단결과 중앙분리대가 검출되었으면, 차선 인식 장치는 중앙분리대측 차선을 중앙차선으로 판단한다(106).
한편, 작동모드 104의 판단결과 중앙분리대가 검출되지 않았으면, 차선 인식 장치는 자차량의 주행방향 좌측 차선에 주행방향과 역방향으로 진행하는 물체가 감지되었는지를 판단한다(108).
만약, 작동모드 108의 판단결과 자차량의 주행방향에 대하여 역방향으로 진행하는 물체가 감지되었으면, 차선 인식 장치는 물체측 차선을 중앙차선으로 판단한다(110).
한편, 작동모드 108의 판단결과 자차량의 주행방향에 대하여 역방향으로 진행하는 물체가 감지되지 않았으면, 차선 인식 장치는 자차량의 주행방향에 대하여 정방향으로 진행하는 물체가 감지되었는지를 판단한다(112).
만약, 작동모드 112의 판단결과 자차량의 주행방향에 대하여 정방향으로 진행하는 물체가 감지되었으면, 차선 인식 장치는 물체측 차선을 일반차선으로 판단한다(114).
한편, 작동모드 112의 판단결과 자차량의 주행방향에 대하여 정방향으로 진행하는 물체가 감지되지 않았으면, 차선 인식 장치는 기존의 방식으로 차선의 색상을 인식한다(116).
차선 인식 장치는 차선 색상을 인식한 결과를 토대로 자차량의 주행방향 좌측 차선이 황색차선인지를 판단한다(118).
만약, 작동모드 118의 판단결과 황색차선이면 자차량의 주행방향 좌측 차선을 중앙차선으로 판단한다(120).
한편, 작동모드 118의 판단결과 황색차선이 아니면 일반 차선으로 판단한다(122).
10 : 영상 촬영부 20 : 차선 인식부
21 : 차선 검출부 22 : 물체 움직임 검출부
23 : 차선 판단부

Claims (8)

  1. 차량 주변의 차선을 포함한 도로 영상을 촬영하는 영상 촬영부;
    상기 영상 촬영부에 의해 촬영된 영상 정보에서 상기 차선을 검출하는 차선 검출부;
    상기 영상 촬영부에 의해 촬영된 영상 정보와 상기 차선 검출부에 의해 검출된 차선 정보를 근거로 하여 자차량의 주행방향 좌측 차선에 위치한 물체가 상기 자차량의 주행방향과 동일한 방향으로 움직이는지 반대방향으로 움직이는지를 물체 트래킹을 이용하여 영상 프레임별로 검출하는 물체 움직임 검출부; 및
    상기 자차량의 주행방향 좌측 차선에 물체가 위치한 경우, 상기 차선 검출부에 의해 검출된 차선 정보와 상기 물체 움직임 검출부에 의해 검출된 물체의 움직임 방향 정보를 근거로 하여 상기 물체의 움직임 방향이 상기 자차량의 주행방향과 같은 방향이면, 상기 주행방향 좌측 차선의 색상을 흰색으로 판단하고, 상기 물체의 움직임 방향이 상기 자차량의 주행방향과 반대 방향이면, 상기 주행방향 좌측 차선의 색상을 황색으로 판단하고, 상기 자차량의 주행방향 좌측 차선에 위치한 물체가 없는 경우, 상기 주행방향 좌측 차선의 밝기(Y성분)와 색상(Cr와 Cb성분)을 이용하여 상기 주행방향 좌측 차선의 색상을 흰색 또는 황색으로 판단하는 차선 판단부를 포함하고,
    상기 차선 판단부는 이전 프레임의 차선 색이 흰색일 경우 Cr-Cb 오차가 미리 설정된 최대 임계값보다 크면 황색으로 인식하고, 이전 프레임의 차선 색이 황색일 경우 Cr-Cb 오차가 미리 설정된 최소 임계값보다 적으면 흰색으로 인식하는 차선 인식 장치.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 차선 검출부는 상기 영상 촬영부로부터의 영상 정보에서 중앙분리대를 검출하고,
    상기 차선 판단부는, 상기 차선 검출부에 의해 검출된 차선들 중 상기 검출된 중앙분리대측 차선의 색상을 황색으로 판단하는 것을 특징으로 하는 차선 인식 장치.
  5. 차량 주변의 차선을 포함한 도로 영상을 촬영하고,
    영상 정보에 기초하여 상기 차선을 검출하고,
    상기 촬영된 영상 정보와 상기 검출된 차선 정보를 근거로 하여 자차량의 주행방향 좌측 차선에 위치한 물체가 상기 자차량의 주행방향과 동일한 방향으로 움직이는지 반대방향으로 움직이는지를 물체 트래킹을 이용하여 영상 프레임별로 검출하고,
    상기 자차량의 주행방향 좌측 차선에 물체가 위치한 경우, 상기 검출된 차선 정보와 상기 검출된 물체의 움직임 방향 정보를 근거로 하여 상기 물체의 움직임 방향이 상기 자차량의 주행방향과 같은 방향이면, 상기 주행방향 좌측 차선의 색상을 흰색으로 판단하고, 상기 물체의 움직임 방향이 상기 자차량의 주행방향과 반대 방향이면, 상기 주행방향 좌측 차선의 색상을 황색으로 판단하고,
    상기 자차량의 주행방향 좌측 차선에 위치한 물체가 없는 경우, 상기 주행방향 좌측 차선의 밝기(Y성분)와 색상(Cr와 Cb성분)을 이용하여 상기 주행방향 좌측 차선의 색상을 흰색 또는 황색으로 판단하되, 이전 프레임의 차선 색이 흰색일 경우 Cr-Cb 오차가 미리 설정된 최대 임계값보다 크면 황색으로 인식하고, 이전 프레임의 차선 색이 황색일 경우 Cr-Cb 오차가 미리 설정된 최소 임계값보다 적으면 흰색으로 인식하는 차선 인식 방법.
  6. 삭제
  7. 삭제
  8. 제5항에 있어서,
    상기 차선 검출은 상기 촬영된 영상에서 중앙분리대를 검출하고,
    상기 차선 판단은, 상기 검출된 차선들 중 상기 검출된 중앙분리대측 차선의 색상을 황색으로 판단하는 것을 특징으로 하는 차선 인식 방법.
KR1020150008711A 2015-01-19 2015-01-19 차선 인식 장치 및 차선 인식 방법 KR101676376B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150008711A KR101676376B1 (ko) 2015-01-19 2015-01-19 차선 인식 장치 및 차선 인식 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150008711A KR101676376B1 (ko) 2015-01-19 2015-01-19 차선 인식 장치 및 차선 인식 방법

Publications (2)

Publication Number Publication Date
KR20160089578A KR20160089578A (ko) 2016-07-28
KR101676376B1 true KR101676376B1 (ko) 2016-11-16

Family

ID=56681546

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150008711A KR101676376B1 (ko) 2015-01-19 2015-01-19 차선 인식 장치 및 차선 인식 방법

Country Status (1)

Country Link
KR (1) KR101676376B1 (ko)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090061923A (ko) 2007-12-12 2009-06-17 한국전자통신연구원 차선 색상 인식 장치 및 방법
KR20140022197A (ko) * 2012-08-13 2014-02-24 주식회사 만도 차선 인식 방법 및 이를 이용한 차선 이탈 경보 시스템
KR101500082B1 (ko) * 2013-06-10 2015-03-18 현대자동차주식회사 주행차로 인식 장치 및 방법

Also Published As

Publication number Publication date
KR20160089578A (ko) 2016-07-28

Similar Documents

Publication Publication Date Title
Wu et al. Lane-mark extraction for automobiles under complex conditions
CA2609526C (en) Vehicle and road sign recognition device
JP4607193B2 (ja) 車両及びレーンマーク検出装置
CA2614247C (en) Vehicle and lane mark recognition apparatus
KR101472615B1 (ko) 차선이탈 경보 시스템 및 방법
KR101417571B1 (ko) 물체 식별 장치
US9405980B2 (en) Arrow signal recognition device
US20100110193A1 (en) Lane recognition device, vehicle, lane recognition method, and lane recognition program
WO2007111220A1 (ja) 道路区画線検出装置
US20100014707A1 (en) Vehicle and road sign recognition device
JP6068833B2 (ja) 車用色検出器
JP5760090B2 (ja) 生体認識装置
KR20130028610A (ko) 실시간 차선 검출 장치 및 방법과 이에 관한 기록매체
KR102066290B1 (ko) 차량의 영상인식장치 및 그 방법
KR101026778B1 (ko) 차량 영상 검지 장치
JP6375911B2 (ja) カーブミラー検出装置
US20210089818A1 (en) Deposit detection device and deposit detection method
CN110388985B (zh) 确定街道标记的颜色的方法和图像处理系统
US10997743B2 (en) Attachable matter detection apparatus
KR101676376B1 (ko) 차선 인식 장치 및 차선 인식 방법
JP4457077B2 (ja) 障害物検出システム、及び障害物検出方法
JP6825299B2 (ja) 情報処理装置、情報処理方法およびプログラム
JP5642785B2 (ja) 車両の周辺監視装置
KR102188162B1 (ko) 안개 상황에서 차량 검출 방법 및 시스템
KR20170020961A (ko) 차선 인식 장치 및 차선 인식 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20191105

Year of fee payment: 6