KR101880850B1 - 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템 - Google Patents

도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템 Download PDF

Info

Publication number
KR101880850B1
KR101880850B1 KR1020170048356A KR20170048356A KR101880850B1 KR 101880850 B1 KR101880850 B1 KR 101880850B1 KR 1020170048356 A KR1020170048356 A KR 1020170048356A KR 20170048356 A KR20170048356 A KR 20170048356A KR 101880850 B1 KR101880850 B1 KR 101880850B1
Authority
KR
South Korea
Prior art keywords
channel
saturation
fog
temporal filtering
lightness
Prior art date
Application number
KR1020170048356A
Other languages
English (en)
Inventor
송병철
Original Assignee
인하대학교 산학협력단
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 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020170048356A priority Critical patent/KR101880850B1/ko
Application granted granted Critical
Publication of KR101880850B1 publication Critical patent/KR101880850B1/ko

Links

Images

Classifications

    • 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]
    • G06K9/3233—
    • G06K9/4652—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/24—Fluid dynamics

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템이 제시된다. 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법은, 획득한 도로 주행 영상에서 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정하는 단계; 설정된 상기 관심영역에 대해서 채도(Saturation, S) 채널과 명도(Value, V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구하는 단계; 및 인접한 프레임들의 채도(S) 채널과 명도(V) 채널의 비율의 정보를 이용하여 시간적 필터링(temporal filtering)을 적용하는 단계를 포함하여 이루어질 수 있다.

Description

도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템{METHOD AND SYSTEM FOR DETECTING HAZE USING TEMPORAL FILTERING AND CORRELATION OF SATURATION AND VALUE IN ROAD DRIVING VIDEO}
아래의 실시예들은 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템에 관한 것이다. 더욱 상세하게는, 도로를 주행하는 차량 전방에 설치된 카메라로부터 획득한 영상을 이용하여 안개를 검출하는 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템에 관한 것이다.
최근 자율 주행 자동차에 대한 관심과 첨단 운전자 보조 시스템에 대한 관심이 매우 높아진 가운데 관련 기술의 발전이 이루어지고 있다. 그 중 카메라 센서를 기반으로 한 자율 주행 자동차나 주행 보조 시스템은 영상으로부터 주행 중인 차량의 전방의 다른 차량이나 주변 보행자, 신호등, 표지판 등을 인식한다. 주변의 물체를 인식하고 검출하는 기술은 운전자와 주위의 보행자들의 안전을 지키기 위해 중요한 기술로써 많은 연구가 이루어졌고 지금도 활발히 진행 중이다.
그런데 실제 촬영되는 영상은 실외 환경에서 촬영되기 때문에 주변 환경에 검출 성능이 영향을 받기 쉽다. 안개가 있는 환경에서는 화질의 저하가 발생하고 이에 따라 검출 성능이 저하된다. 따라서 안개를 제거하는 전처리 과정을 통해 화질의 개선이 필요하다. 그런데 안개가 없는 상황에서 안개를 제거하게 되면 과도한 개선으로 인하여 영상의 왜곡이 발생하게 된다. 이를 막기 위해 안개를 검출하여 안개가 없는 상황에서는 안개 제거가 적용되지 않도록 해야 한다.
기존의 안개 검출 방법들은 스테레오(stereo) 카메라를 사용하거나 설치된 카메라의 모델링을 통해 거리를 추정하여 안개를 검출하거나 학습을 통하여 안개를 검출할 수 있다.
도 1은 기존의 카메라 모델링을 설명하기 위한 도면이다.
기존의 안개 검출 방법으로, 스테레오(stereo) 카메라 및 카메라 모델링 기반으로 안개를 검출할 수 있다. 거리가 멀수록 안개에 의한 화질의 저하가 많아지기 때문에 영상의 거리 정보는 안개를 검출하기 위해서 중요한 정보이다. 영상에서 거리 정보를 추정하는 방법으로는 스테레오(stereo) 카메라를 사용하여 거리를 추정할 수 있다(비특허문헌 1). 그리고 카메라가 차량에 설치될 경우, 도 1에 도시된 바와 같이, 차량에 설치되는 카메라(10)를 모델링하여 거리 정보를 추정할 수 있다(비특허문헌 2).
그런데 단일 카메라를 사용하는 시스템일 경우 스테레오(stereo) 카메라를 사용하는 방법으로는 거리를 추정할 수 없고 카메라가 설치된 위치를 알 수 없다면 카메라 모델링을 통해서 거리 추정이 불가능하다.
그리고, 학습 기반으로 안개를 검출할 수 있다. 안개가 있는 영상과 안개가 없는 영상에 대한 특성들을 분석하고 학습 과정을 통해 안개를 검출할 수 있다. 예를 들어 영상의 파워 스펙트럼(power spectrum)을 분석하여 안개를 판단할 수 있는 특성으로 하여 학습을 하고 서포터 벡터 머신(Support Vector Machine, SVM)과 같은 분류기를 사용하여 안개를 검출할 수 있다(비특허문헌3).
하지만 학습을 기반으로 한 방법은 학습하는 데이터에 영향을 많이 받기 때문에 어떠한 데이터로 학습하는지에 따라서 성능의 차이가 크게 발생한다.
L. Caraffa and J.-P. Tarel, "Daytime Fog Detection and Density Estimation with Entropy Minimization," ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. II-3, pp. 25-31, Aug. 2014 N. Hautiere, J.-P. Tarel, H. Halmaoui, R. Br ` emond, and ´ D. Aubert, "Enhanced Fog Detection and Free Space Segmentation for Car Navigation," Machine Vision and Applications, vol. 25, no. 3, pp. 667-679, Apr. 2014. M. Pavlic, H. Belzner, G. Rogoll and S. Ilic, "Image based fog detection in vehicles," in IEEE Intelligent Vehicles Symposium, pp. 1132-1137, Jun. 2012. H. Kong, J. Y. Audibert, and J. Ponce, "Vanishing point detection for road detection," in Proc. IEEE Conf. Comput. Vis. Pattern Recognit., pp. 96-103, Jun. 2009.
실시예들은 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템에 관하여 기술하며, 보다 구체적으로 도로를 주행하는 차량 전방에 설치된 카메라로부터 획득한 영상을 이용하여 안개를 검출하는 기술을 제공한다.
실시예들은 도로 주행 영상의 소실점(vanishing point)에서 멀어질수록 거리가 가까워지는 성질을 이용하여 일정 거리 이상의 관심영역을 설정하고, 관심영역에 대해서 안개를 검출하는 특성을 계산하여 시간적 필터링(temporal filtering)과 누적을 통해 이상점(outlier)을 제거함으로써, 더욱 강인한 안개 검출의 결과를 얻을 수 있는 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템을 제공하는데 있다.
일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법은, 획득한 도로 주행 영상에서 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정하는 단계; 및 설정된 상기 관심영역에 대해서 채도(Saturation, S) 채널과 명도(Value, V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구하는 단계를 포함한다.
여기에서, 인접한 프레임들의 채도(S) 채널과 명도(V) 채널의 비율의 정보를 이용하여 시간적 필터링(temporal filtering)을 적용하는 단계를 더 포함하여 이루어질 수 있다.
상기 획득한 도로 주행 영상에서 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정하는 단계는, 상기 소실점(vanishing point)은 수동으로 설정되며, 추정된 상기 소실점(vanishing point)을 중심으로 상기 소실점(vanishing point)에서 멀어질수록 거리가 가까워지는 것으로 가정하고, 상기 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정할 수 있다.
상기 관심영역에 대해서 채도(S) 채널과 명도(V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구하는 단계는, 안개가 있는 영상의 경우 명도(V) 채널이 채도(S) 채널보다 큰 값을 가지는 특성을 이용하여, 상기 관심영역의 내에서 상기 채도(S) 채널과 명도(V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구할 수 있다.
상기 인접한 프레임들의 채도(S) 채널과 명도(V) 채널의 비율의 정보를 이용하여 시간적 필터링(temporal filtering)을 적용하는 단계는, 도로 환경의 변화로 인하여 발생되는 이상점(outlier)을 제거하기 위해, 상기 인접한 프레임들에 대해서 구해진 채도(S) 채널과 명도(V) 채널의 비율 값을 일정 간격으로 평균을 계산하는 시간적 필터링(temporal filtering)과 이전 프레임들과의 누적을 통해 이상점(outlier)을 제거할 수 있다.
다른 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템은, 획득한 도로 주행 영상에서 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정하는 관심영역 설정부; 설정된 상기 관심영역에 대해서 채도(Saturation, S) 채널과 명도(Value, V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구하는 특성 산정부; 및 인접한 프레임들의 채도(S) 채널과 명도(V) 채널의 비율의 정보를 이용하여 시간적 필터링(temporal filtering)을 적용하는 시간적 필터링부를 포함하고, 단일 카메라를 이용하여 학습 과정 없이 안개를 검출할 수 있다.
상기 특성 산정부는, 안개가 있는 영상의 경우 명도(V) 채널이 채도(S) 채널보다 큰 값을 가지는 특성을 이용하여, 상기 관심영역의 내에서 상기 채도(S) 채널과 명도(V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구할 수 있다.
상기 시간적 필터링부는, 도로 환경의 변화로 인하여 발생되는 이상점(outlier)을 제거하기 위해, 상기 인접한 프레임들에 대해서 구해진 채도(S) 채널과 명도(V) 채널의 비율 값을 일정 간격으로 평균을 계산하는 시간적 필터링(temporal filtering)과 이전 프레임들과의 누적을 통해 이상점(outlier)을 제거할 수 있다.
실시예들에 따르면 도로 주행 영상의 소실점(vanishing point)에서 멀어질수록 거리가 가까워지는 성질을 이용하여 일정 거리 이상의 관심영역을 설정하고, 관심영역에 대해서 안개를 검출하는 특성을 계산하여 시간적 필터링(temporal filtering)과 누적을 통해 이상점(outlier)을 제거함으로써, 더욱 강인한 안개 검출의 결과를 얻을 수 있는 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템을 제공할 수 있다.
실시예들에 따르면 단일 카메라 센서를 기반으로 하는 도로 주행 보조 시스템의 전처리로 안개 제거 기법의 적용을 판단하기 위해 안개를 검출하는 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템을 제공할 수 있다.
도 1은 기존의 카메라 모델링을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템을 설명하기 위한 블록도이다.
도 3은 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법을 나타내는 흐름도이다.
도 4는 일 실시예에 따른 소실점을 기준으로 설정되는 관심영역에 대해 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 실험 영상의 예를 나타내는 도면이다.
이하, 첨부된 도면을 참조하여 실시예들을 설명한다. 그러나, 기술되는 실시예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명되는 실시예들에 의하여 한정되는 것은 아니다. 또한, 여러 실시예들은 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다. 도면에서 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
실시예들은 도로를 주행하는 차량 전방에 설치된 카메라로부터 획득한 영상을 이용하여 안개를 검출하고자 한다. 실시예들은 크게 관심영역 설정 과정과 HSV 컬러 모델(HSV color model)에서 채도(Saturation, S) 채널과 명도(Value, V) 채널의 비율 계산 과정, 그리고 시간적 필터링(temporal filtering) 과정으로 나누어질 수 있다.
여기에서 HSV(Hue Saturation Value, HSV) 컬러 모델은 색을 표현하는 하나의 방법이자 그 방법에 따라 색을 배치하는 방식으로, 색상(Hue, H), 채도(Saturation, S), 명도(Value, V)의 좌표를 써서 특정한 색을 지정할 수 있다.
먼저, 관심영역 설정 과정에서는 거리가 멀수록 안개의 영향으로 화질의 저하가 크다는 성질을 이용하여 안개를 효율적으로 검출하기 위해 일정 거리 이상의 영역을 관심영역으로 설정한다. 여기에서 차선 정보 등과 같은 사전 정보들을 이용하여 소실점(vanishing point)이 주어진다 가정하고 소실점(vanishing point)을 중심으로 한 일정 영역을 관심영역으로 지정한다.
그리고 채도(S) 채널과 명도(V) 채널의 비율 계산 과정은 대부분의 안개가 있는 영역에서 안개 입자로 인한 빛의 산란으로 물체의 색이 뚜렷하지 않기 때문에 채도(S) 채널의 값이 작고 밝은 회색을 띄기 때문에 명도(V) 채널의 값이 크다는 성질을 이용한다. 앞서 설정된 관심영역 내부의 명도(V) 채널의 평균 값을 채도(S) 채널의 평균값으로 나누어 안개 검출을 위한 특성(feature)으로 정의한다.
마지막으로 시간적 필터링(temporal filtering) 과정에서는 모든 프레임에 대해서 채도(S) 채널과 명도(V) 채널의 비율을 구할 경우 발생하는 이상점(outlier)을 제거하기 위해 인접한 프레임들과의 시간적 평균화(temporal averaging) 과정을 적용한다. 그리고 이전 프레임들과 누적을 적용하여 추가적으로 이상점(outlier)을 제거한다.
실시예들에서는 대부분의 도로 주행 영상은 소실점(vanishing point)에서 멀어질수록 거리가 가까워지는 성질을 이용하여 일정 거리 이상의 관심영역을 설정할 수 있다. 그리고 관심영역에 대해서 안개를 검출할 수 있는 특성을 계산할 수 있다. 더욱이, 시간적 필터링(temporal filtering)과 누적을 통해 이상점(outlier)을 제거하여 더욱 강인한 안개 검출의 결과를 얻을 수 있다.
일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 크게 세 과정으로 나누어질 수 있다. 첫 번째로 소실점(vanishing point)을 기준으로 일정 거리 이상의 관심영역을 설정할 수 있다. 두 번째로 설정된 관심영역에 대해서 채도(S) 채널과 명도(V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구할 수 있다. 세 번째로 인접한 프레임들에 대해서 구해진 채도(S) 채널과 명도(V) 채널의 비율 값을 일정 간격으로 평균을 계산하는 시간적 필터링(temporal filtering) 과정과 이전 프레임들과의 누적을 적용할 수 있다.
도 2는 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템을 설명하기 위한 블록도이다.
도 2를 참조하면, 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템(200)은 관심영역 설정부(210), 특성 산정부(220) 및 시간적 필터링부(230)를 포함하여 이루어질 수 있다.
일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템(200)은 단일 카메라를 이용하여 학습 과정 없이 안개를 검출할 수 있다.
안개가 있는 영역의 경우, 안개 입자에 의한 빛의 산란이 발생하여 채도(S) 채널의 값이 작고 명도(V) 채널의 값이 큰 성질이 있다. 이러한 성질을 이용하여 채도(S) 채널과 명도(V) 채널의 비율을 안개 검출을 위한 특성으로 이용할 수 있다. 그리고 거리가 멀수록 안개 입자에 의한 빛의 산란이 많아지기 때문에 효율적인 안개 검출을 위해 일정 거리 이상의 영역에 대해서 안개 검출을 위한 특성을 계산할 수 있다.
관심영역 설정부(210)는 획득한 도로 주행 영상에서 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정할 수 있다.
이러한 관심영역 설정부(210)는 상기 소실점(vanishing point)은 수동으로 설정될 수 있다. 그리고, 관심영역 설정부(210)는 추정된 상기 소실점(vanishing point)을 중심으로 상기 소실점(vanishing point)에서 멀어질수록 거리가 가까워지는 것으로 가정하고, 상기 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정할 수 있다.
특성 산정부(220)는 설정된 상기 관심영역에 대해서 채도(Saturation, S) 채널과 명도(Value, V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구할 수 있다.
이 때, 특성 산정부(220)는 안개가 있는 영상의 경우 명도(V) 채널이 채도(S) 채널보다 큰 값을 가지는 특성을 이용하여, 상기 관심영역의 내에서 상기 채도(S) 채널과 명도(V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구할 수 있다.
한편, 안개의 경우 갑자기 사라지거나 나타나지는 않는다. 이러한 안개의 성질을 이용하여 모든 프레임에 대해 안개 검출을 위한 특성을 계산할 때 발생하는 이상점(outlier)을 시간적 필터링(temporal filtering)을 이용하여 제거할 수 있다.
다시 말하면, 시간적 필터링부(230)는 인접한 프레임들의 채도(S) 채널과 명도(V) 채널의 비율의 정보를 이용하여 시간적 필터링(temporal filtering)을 적용할 수 있다.
시간적 필터링부(230)는 도로 환경의 변화로 인하여 발생되는 이상점(outlier)을 제거하기 위해, 상기 인접한 프레임들에 대해서 구해진 채도(S) 채널과 명도(V) 채널의 비율 값을 일정 간격으로 평균을 계산하는 시간적 필터링(temporal filtering)과 이전 프레임들과의 누적을 통해 이상점(outlier)을 제거할 수 있다.
실시예들에 따르면 도로 주행 영상의 소실점(vanishing point)에서 멀어질수록 거리가 가까워지는 성질을 이용하여 일정 거리 이상의 관심영역을 설정하고, 관심영역에 대해서 안개를 검출하는 특성을 계산하여 시간적 필터링(temporal filtering)과 누적을 통해 이상점(outlier)을 제거함으로써, 더욱 강인한 안개 검출의 결과를 얻을 수 있다.
그리고, 실시예들에 따르면 단일 카메라 센서를 기반으로 하는 도로 주행 보조 시스템의 전처리로 안개 제거 기법의 적용을 판단하기 위해 안개를 검출할 수 있다.
아래에서는 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출을 통해 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템에 대해 더 구체적으로 설명한다.
도 3은 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법을 나타내는 흐름도이다.
도 3을 참조하면, 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법은 획득한 도로 주행 영상에서 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정하는 단계(310), 설정된 상기 관심영역에 대해서 채도(Saturation, S) 채널과 명도(Value, V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구하는 단계(320), 및 인접한 프레임들의 채도(S) 채널과 명도(V) 채널의 비율의 정보를 이용하여 시간적 필터링(temporal filtering)을 적용하는 단계(330)를 포함하여 이루어질 수 있다.
일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법은 단일 카메라로부터 얻은 영상을 이용하여 학습 없이 동작하는 안개 검출 방법을 제공할 수 있다.
안개를 효율적으로 검출하기 위해 일정 거리 이상의 영역을 관심영역으로 설정하여 비교하는 것이 필요하다. 도로 주행 영상에서는 소실점(vanishing point)으로부터 멀어질수록 거리가 가까워지는 것으로 가정할 수 있다.
설정된 일정 거리 이상의 관심영역에서 채도(S) 채널과 명도(V) 채널의 비율을 구하여 안개 검출을 위한 특성으로 할 수 있다.
이 때, 모든 프레임에 대하여 채도(S) 채널과 명도(V) 채널의 비율을 구할 경우 갑작스러운 도로 환경의 변화로 인하여 이상점(outlier)이 발생될 수 있다. 이를 막기 위해 인접한 프레임들의 정보를 활용하는 시간적 필터링(temporal filtering)을 적용할 수 있다. 여기에서 안개가 갑작스럽게 나타나거나 사라지지 않는 성질을 이용할 수 있다.
아래에서 하나의 예를 들어 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법을 더 구체적으로 설명한다.
일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법은, 도 2에서 설명한 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템(200)을 이용하여 더 구체적으로 설명할 수 있다. 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템(200)은 관심영역 설정부(210), 특성 산정부(220) 및 시간적 필터링부(230)를 포함하여 이루어질 수 있다.
단계(310)에서, 관심영역 설정부(210)는 획득한 도로 주행 영상에서 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정할 수 있다.
대부분의 안개가 있는 영상들은 거리가 멀수록 빛이 산란되는 정도가 강해지고 거리가 가까울수록 빛의 산란 정도가 약해지며, 안개가 없는 영상과 가시성의 차이가 크지 않다. 그래서 효율적으로 안개를 검출하기 위해 일정 거리 이상의 영역에 대해서 비교하는 것이 필요하다. 도로 주행 영상의 경우 일반적으로 상단 부분은 하늘이고 하단 부분은 도로 영역이라고 할 수 있다.
그리고 추정된 소실점(vanishing point)을 중심으로 대략적인 거리를 소실점(vanishing point)에서 멀어질수록 거리가 가까워지는 것으로 가정할 수 있다. 이 때, 관심영역 설정부(210)는 소실점(vanishing point)을 수동으로 설정할 수 있다. 한편, 비특허문헌 4와 같이 소실점(vanishing point)을 추정할 수도 있다.
이와 같이 관심영역 설정부(210)는 상기 소실점(vanishing point)은 수동으로 설정하고, 추정된 상기 소실점(vanishing point)을 중심으로 상기 소실점(vanishing point)에서 멀어질수록 거리가 가까워지는 것으로 가정하고, 상기 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정할 수 있다.
도 4는 일 실시예에 따른 소실점을 기준으로 설정되는 관심영역에 대해 설명하기 위한 도면이다.
도 4에 도시된 바와 같이, 예를 들어 일정 거리 이상의 관심영역(410)은 HD 해상도를 가지는 영상에 대해서 소실점(vanishing point)을 중심으로 720X80 크기의 영역을 관심영역(410)으로 설정할 수 있다.
단계(320)에서, 특성 산정부(220)는 설정된 상기 관심영역에 대해서 채도(Saturation, S) 채널과 명도(Value, V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구할 수 있다.
이전 관심영역 설정 과정에서 설정된 관심영역 내에서 안개 검출을 위한 특성을 구할 수 있다. HSV 컬러 모델에서 안개의 영향으로 채도(S) 채널은 작은 값을 가지며 명도(V) 채널은 큰 값을 가질 수 있다. 관심영역 내부에서 채도(S) 채널과 명도(V) 채널의 값의 평균을 다음 식과 같이 계산하여 안개 검출을 위한 특징으로 할 수 있다.
[식 1]
Figure 112017036554375-pat00001
여기에서, f i 는 i번째 프레임을 의미하고 V(f i )는 관심영역 내의 명도(V) 채널 값의 평균, S(f i )는 관심영역 내의 채도(S) 채널 값의 평균, R(f i )는 안개 검출을 위한 특성이 될 수 있다.
안개가 있는 영상의 경우에는 S(f i )의 값이 작고 V(f i )의 값이 크기 때문에 R(f i )는 큰 값을 가지며, 반대로 안개가 없는 영상의 경우에는 R(f i ) 값이 작은 값을 가진다. 따라서 R(f i ) 값이 일정 값보다 큰 경우 안개가 있다고 할 수 있다.
이와 같이, 특성 산정부(220)는 안개가 있는 영상의 경우 명도(V) 채널이 채도(S) 채널보다 큰 값을 가지는 특성을 이용하여, 상기 관심영역의 내에서 상기 채도(S) 채널과 명도(V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구할 수 있다.
단계(330)에서, 시간적 필터링부(230)는 인접한 프레임들의 채도(S) 채널과 명도(V) 채널의 비율의 정보를 이용하여 시간적 필터링(temporal filtering)을 적용할 수 있다.
위의 과정과 같이 모든 프레임에 대해 특성을 계산할 경우 도로 환경이 변하는 등의 상황이 발생하여 안개가 없는 환경이지만 R(f i ) 값이 작게 계산되는 이상점(outlier)이 발생하게 된다. 이러한 이상점(outlier)을 줄이기 위해 인접한 여러 프레임에서 구한 R(f i ) 결과의 평균을 계산하는 시간적 필터링(temporal filtering)을 다음 식과 같이 적용할 수 있다.
[식 2]
Figure 112017036554375-pat00002
여기에서, Rj 는 j번째 프레임에서의 시간적 평균화(temporal averaging)의 결과를 의미하고 W 는 시간적 필터링(temporal filtering)을 적용하는 윈도 사이즈(window size)를 의미한다.
연속적으로 들어오는 프레임에 대해서 다음 필터링(filtering) 연산 전까지 누적 평균을 계산할 수 있다. 인접한 프레임들과 평균을 계산하고 이전의 프레임들과 누적 연산을 통해 이상점(outlier)을 제거하고 더욱 강인하게 안개를 검출할 수 있다.
이처럼, 시간적 필터링부(230)는 도로 환경의 변화로 인하여 발생되는 이상점(outlier)을 제거하기 위해, 상기 인접한 프레임들에 대해서 구해진 채도(S) 채널과 명도(V) 채널의 비율 값을 일정 간격으로 평균을 계산하는 시간적 필터링(temporal filtering)과 이전 프레임들과의 누적을 통해 이상점(outlier)을 제거할 수 있다.
아래에서는 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템을 적용한 실험에 대해 설명한다.
도 5는 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 실험 영상의 예를 나타내는 도면이다.
도 5를 참조하면, 안개 없는 영상(a)과 안개 있는 영상(b)을 나타내는 것으로, 일 실시예에 따른 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 실험 및 결과를 확인할 수 있다.
실험 환경으로, 영상 크기(size)는 1280x720@30Hz 도로 주행 동영상을 이용하고, 안개 없는 영상 10 세트(set)와 안개 없는 영상 15 세트(set)(약 1분 분량)을 이용할 수 있다.
그리고 관심영역의 크기(size)는 720x80이고, 안개 검출 Rj 기준 값은 3.5로 설정할 수 있다. 또한 시간적 필터링(temporal filtering) 간격은 15 프레임, 30 프레임, 60 프레임, 및 120 프레임으로 설정할 수 있다.
표 1은 일 실시예에 따른 실험에서의 안개 없는 영상과 안개 있는 영상의 시간적 필터링(temporal filtering) 간격에 따른 정확도를 나타낸다.
Figure 112017036554375-pat00003
표 1을 참조하면, 일 실시예에 따른 실험에서 안개 없는 영상과 안개 있는 영상 둘 다 시간적 필터링(temporal filtering) 간격에 따른 정확도가 높은 것을 확인할 수 있다. 특히, 안개 있는 영상의 경우 98.74 ~ 99.37%로 정확도가 높으며, 프레임 간격이 커질수록 정확도가 더 높아지는 것을 확인할 수 있다.
이상과 같이, 실시예들에 따르면 단일 카메라 센서를 기반으로 하는 도로 주행 보조 시스템의 전처리로 안개 제거 기법의 적용을 판단하기 위해 안개를 검출하는 방법을 제공할 수 있다. 도로 주행 영상의 특성을 이용하여 단일 입력 영상에 대해서 소실점(vanishing point)을 기준으로 안개 검출을 위한 일정 거리 이상의 영역을 설정할 수 있다. 그리고 안개가 있는 영상은 채도(S) 채널의 값이 작고 명도(V) 채널의 값이 큰 성질을 이용하여 안개 검출을 위한 특성 값을 구할 수 있다.
추가적으로 모든 프레임에 대해서 특성 값을 비교하면 발생하는 이상점(outlier)을 시간적 필터링(temporal filtering)을 통해 제거하고 강인하게 안개를 검출할 수 있다.
본 실시예를 적용한 결과 97% 이상의 정확도로 안개 유무를 판단할 수 있다. 따라서 단일 카메라로부터 얻은 영상을 이용하여 카메라가 어느 위치에 설치되어 있더라도 학습 과정 없이 안개를 검출할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (7)

  1. 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법에 있어서,
    획득한 도로 주행 영상에서 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정하는 단계;
    설정된 상기 관심영역에 대해서 채도(Saturation, S) 채널과 명도(Value, V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구하는 단계; 및
    인접한 프레임들의 채도(S) 채널과 명도(V) 채널의 비율의 정보를 이용하여 시간적 필터링(temporal filtering)을 적용하는 단계
    를 포함하고,
    상기 인접한 프레임들의 채도(S) 채널과 명도(V) 채널의 비율의 정보를 이용하여 시간적 필터링(temporal filtering)을 적용하는 단계는,
    도로 환경의 변화로 인하여 발생되는 이상점(outlier)을 제거하기 위해, 상기 인접한 프레임들에 대해서 구해진 채도(S) 채널과 명도(V) 채널의 비율 값을 일정 간격으로 평균을 계산하는 시간적 필터링(temporal filtering)과 이전 프레임들과의 누적을 통해 이상점(outlier)을 제거하는 것
    을 특징으로 하는 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법.
  2. 제1항에 있어서,
    상기 획득한 도로 주행 영상에서 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정하는 단계는,
    상기 소실점(vanishing point)은 수동으로 설정되며, 추정된 상기 소실점(vanishing point)을 중심으로 상기 소실점(vanishing point)에서 멀어질수록 거리가 가까워지는 것으로 가정하고, 상기 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정하는 것
    을 특징으로 하는 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법.
  3. 제1항에 있어서,
    상기 관심영역에 대해서 채도(S) 채널과 명도(V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구하는 단계는,
    안개가 있는 영상의 경우 명도(V) 채널이 채도(S) 채널보다 큰 값을 가지는 특성을 이용하여, 상기 관심영역의 내에서 상기 채도(S) 채널과 명도(V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구하는 것
    을 특징으로 하는 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법.
  4. 삭제
  5. 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템에 있어서,
    획득한 도로 주행 영상에서 소실점(vanishing point)을 기준으로 일정 거리 이상의 영역을 관심영역으로 설정하는 관심영역 설정부;
    설정된 상기 관심영역에 대해서 채도(Saturation, S) 채널과 명도(Value, V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구하는 특성 산정부; 및
    인접한 프레임들의 채도(S) 채널과 명도(V) 채널의 비율의 정보를 이용하여 시간적 필터링(temporal filtering)을 적용하는 시간적 필터링부
    를 포함하고,
    상기 시간적 필터링부는,
    도로 환경의 변화로 인하여 발생되는 이상점(outlier)을 제거하기 위해, 상기 인접한 프레임들에 대해서 구해진 채도(S) 채널과 명도(V) 채널의 비율 값을 일정 간격으로 평균을 계산하는 시간적 필터링(temporal filtering)과 이전 프레임들과의 누적을 통해 이상점(outlier)을 제거하며,
    단일 카메라를 이용하여 학습 과정 없이 안개를 검출하는, 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템.
  6. 제5항에 있어서,
    상기 특성 산정부는,
    안개가 있는 영상의 경우 명도(V) 채널이 채도(S) 채널보다 큰 값을 가지는 특성을 이용하여, 상기 관심영역의 내에서 상기 채도(S) 채널과 명도(V) 채널의 비율을 계산하여 안개를 검출하는 특성을 구하는 것
    을 특징으로 하는 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템.
  7. 제5항에 있어서,
    상기 시간적 필터링부는,
    도로 환경의 변화로 인하여 발생되는 이상점(outlier)을 제거하기 위해, 상기 인접한 프레임들에 대해서 구해진 채도(S) 채널과 명도(V) 채널의 비율 값을 일정 간격으로 평균을 계산하는 시간적 필터링(temporal filtering)과 이전 프레임들과의 누적을 통해 이상점(outlier)을 제거하는 것
    을 특징으로 하는 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 시스템.
KR1020170048356A 2017-04-14 2017-04-14 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템 KR101880850B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170048356A KR101880850B1 (ko) 2017-04-14 2017-04-14 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170048356A KR101880850B1 (ko) 2017-04-14 2017-04-14 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101880850B1 true KR101880850B1 (ko) 2018-07-20

Family

ID=63103256

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170048356A KR101880850B1 (ko) 2017-04-14 2017-04-14 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101880850B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102220164B1 (ko) * 2019-11-11 2021-02-25 인하대학교 산학협력단 차량에서 수집된 영상 기반 안개 검출을 위한 관심 영역 추출 기법
US11398054B2 (en) 2020-07-22 2022-07-26 Seoul Institute Of Technology Apparatus and method for detecting fog on road
CN116630923A (zh) * 2023-05-22 2023-08-22 小米汽车科技有限公司 道路消失点的标注方法、装置及电子设备
KR20240048097A (ko) 2022-10-06 2024-04-15 대한민국(기상청 국립기상과학원장) 카메라 이미지 기반의 안개 입자 검출 및 안개 특성 산출방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101366198B1 (ko) * 2013-01-21 2014-03-13 상지영서대학 산학협력단 가우시안 혼합 모델 및 에이치에스엘 색공간 분석을 이용한 산불 초기 자동 감지 화상 처리 시스템 및 그 방법
KR20150146045A (ko) * 2014-06-20 2015-12-31 현대자동차주식회사 영상 내 안개 제거 장치 및 그 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101366198B1 (ko) * 2013-01-21 2014-03-13 상지영서대학 산학협력단 가우시안 혼합 모델 및 에이치에스엘 색공간 분석을 이용한 산불 초기 자동 감지 화상 처리 시스템 및 그 방법
KR20150146045A (ko) * 2014-06-20 2015-12-31 현대자동차주식회사 영상 내 안개 제거 장치 및 그 방법

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
H. Kong, J. Y. Audibert, and J. Ponce, "Vanishing point detection for road detection," in Proc. IEEE Conf. Comput. Vis. Pattern Recognit., pp. 96-103, Jun. 2009.
L. Caraffa and J.-P. Tarel, "Daytime Fog Detection and Density Estimation with Entropy Minimization," ISPRS Annals of Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. II-3, pp. 25-31, Aug. 2014
M. Pavlic, H. Belzner, G. Rogoll and S. Ilic, "Image based fog detection in vehicles," in IEEE Intelligent Vehicles Symposium, pp. 1132-1137, Jun. 2012.
N. Hautiere, J.-P. Tarel, H. Halmaoui, R. Br ` emond, and ´ D. Aubert, "Enhanced Fog Detection and Free Space Segmentation for Car Navigation," Machine Vision and Applications, vol. 25, no. 3, pp. 667-679, Apr. 2014.
송병철 외 2인. 도로 영상에서의 안개 검출 알고리즘. 제29회 영상처리 및 이해에 관한 워크샵. 2017.2.17. *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102220164B1 (ko) * 2019-11-11 2021-02-25 인하대학교 산학협력단 차량에서 수집된 영상 기반 안개 검출을 위한 관심 영역 추출 기법
US11398054B2 (en) 2020-07-22 2022-07-26 Seoul Institute Of Technology Apparatus and method for detecting fog on road
KR20240048097A (ko) 2022-10-06 2024-04-15 대한민국(기상청 국립기상과학원장) 카메라 이미지 기반의 안개 입자 검출 및 안개 특성 산출방법
CN116630923A (zh) * 2023-05-22 2023-08-22 小米汽车科技有限公司 道路消失点的标注方法、装置及电子设备
CN116630923B (zh) * 2023-05-22 2024-01-02 小米汽车科技有限公司 道路消失点的标注方法、装置及电子设备

Similar Documents

Publication Publication Date Title
JP7228652B2 (ja) 物体検出装置、物体検出方法およびプログラム
Wu et al. Lane-mark extraction for automobiles under complex conditions
CN107851318B (zh) 用于对象跟踪的系统和方法
KR101669713B1 (ko) 물체 검출
KR101880850B1 (ko) 도로 주행 영상에서 채도와 명도의 상관관계와 시간적 필터링을 이용한 안개 검출 방법 및 시스템
Kuo et al. Vision-based vehicle detection for a driver assistance system
US10212397B2 (en) Abandoned object detection apparatus and method and system
EP2924654B1 (en) Image processing apparatus and image processing method
Negru et al. Image based fog detection and visibility estimation for driving assistance systems
KR20220000977A (ko) 횡단보도 인식 결과를 이용한 안내 정보 제공 장치 및 방법
US11010622B2 (en) Infrastructure-free NLoS obstacle detection for autonomous cars
JP7206583B2 (ja) 情報処理装置、撮像装置、機器制御システム、移動体、情報処理方法およびプログラム
Kum et al. Lane detection system with around view monitoring for intelligent vehicle
US11436839B2 (en) Systems and methods of detecting moving obstacles
KR20190030474A (ko) 신뢰도에 기초하여 깊이 맵을 산출하는 방법 및 장치
CN111148965B (zh) 信息处理装置、信息处理方法、控制装置及图像处理装置
KR20190019840A (ko) 물체 검출과 통지를 위한 운전자 보조 시스템 및 방법
EP3432264A1 (en) Image processing device, image pickup device, mobile-body apparatus control system, image processing method, and program
KR101239718B1 (ko) 차량 주변 물체 검출 시스템 및 방법
KR101178508B1 (ko) 차량 충돌 경보 시스템 및 방법
Berriel et al. A particle filter-based lane marker tracking approach using a cubic spline model
JP4826355B2 (ja) 車両周囲表示装置
WO2019085929A1 (zh) 图像处理方法及其装置、安全驾驶方法
KR101744196B1 (ko) 후방 감지 방법 및 그 장치
JP7229032B2 (ja) 車外物体検出装置

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant