KR101922852B1 - 영상 기반 색상정보를 이용한 초지 경계 검출 방법 - Google Patents

Abstract

본 발명은 영상 기반 색상정보를 이용한 초지 경계 검출 방법에 관한 것으로, 카메라를 통해 입력된 영상에서 도로 경계후보를 추출하는 제1 단계, 도로와 초지와의 경계를 구하기 위해 상기 추출된 도로 경계 후보 영상을 복수개의 그룹으로 그룹화하여 하단점을 구하는 제2 단계, 하단점이 구해진 복수개의 영상 데이터를 선형화하는 제 3 단계, 이후 선형화된 도로 경계 데이터를 출력하는 제 4 단계를 포함하고, 상기 제 1 단계는 색상과 채도 알고리즘을 수행하는 단계와, 이후 이진화하는 단계를 수행하는 것을 특징으로 한다.

Description

영상 기반 색상정보를 이용한 초지 경계 검출 방법{Method for Detecting Border of Grassland Using Image-Based Color Information}

본 발명은 영상 기반 색상정보를 이용한 초지 경계 검출 방법에 관한 것으로, 더욱 상세하게는, 종래에 차선의 상태에 따른 영상에서 색상정보를 이용하여 도로와 초지의 경계를 검출함으로써 차선 상태를 파악할 수 있고 사고를 예방할 수 있도록 하는 개선된 영상 기반 색상정보를 이용한 초지 경계 검출 방법에 관한 것이다.

기술의 발전과 함께 안전하고 편리한 운행을 제공하기 위한 다양한 주행 보조 시스템들이 개발되고 있으며, 실제 차량에 적용되고 있다.

이러한 주행 보조 시스템 중에는 운전자의 장시간 운전이나 졸음 운전 또는 휴대 전화 사용 등에 따른 전방 주시 태만 등의 부주의로 주행 차선을 이탈하는 경우 이를 운전자에게 경고하여, 차선 이탈로 발생되는 사고를 미연에 방지하여 줄 수 있는 차선이탈 경보 시스템(LDWS, Lane Departure Warning System)이 제공되고 있다.

차선이탈 경보 시스템은 차량의 전방 소정 위치에 설치된 카메라를 통해 주행 도로상의 영상을 수집하고, 이 수집되는 영상의 분석으로 차선 내에서의 차량 위치를 측정하여 차량이 차선을 이탈할 것으로 판단되는 상황에서 스티어링 휠에 토크 혹은 진동을 가하거나 경보음의 송출 등을 통하여 운전자에게 차선 이탈을 경고하여 운전자로 하여금 차선 복귀를 유도하여 준다.

상기의 차선이탈 경보 시스템은 차량의 전방에 설치된 카메라에서 수집되는 영상차선을 정확하게 인식하고, 각종 도로 신호나 차선과 유사한 영상으로부터 차선을 정확하게 추출할 수 있어야 한다.

그러나, 기존의 차선이탈 경보 시스템은 우천시 또는 안개 낀 날에는 차선 인식률이 감소하여, 차선 이탈 여부를 판단하지 못하고, 이에 따라서 차량이 차선을 이탈하여도 운전자에게 경고를 할 수 없는 문제가 존재한다.

따라서, 악천후시에도 차선 인식률이 향상된 차선 인식 방법 및 장치가 필요하다.

즉, 상기 LDWS(Lane Departure Warning System) 의 경우, 도로면의 차선을 인식하여, 운전자가 차선을 이탈하였을 경우, 경보를 해주었으나, 이런 시스템도 악의 조건(연석, 전신줄 그림자, 차 측면, 빗물 반사면 등)에서 오경보를 내어

운전자에게 불만을 느끼게하는 문제점이 있었다.

또한 차량의 주행중 주간 또는 특히 야간에 카메라를 통한 입력 영상에서 도로의 경계 즉 도로와 초지를 구분하지 못하여 이로 인해 차량사고를 유발할 수 있는 문제점이 있는 것이었다. 따라서 도로를 주행시에 주행 차선 뿐만 아니라 주행 차선이 아닌 초지에 대한 영상 식별이 요구되는 실정이다.

[선행기술문헌]

대한민국 특허공개번호 제10-2014-0006463호(공개일자 2014년01월16일: 발명의 명칭: 차선인식 방법 및 장치)

본 발명의 목적은 상기한 바와 같은 종래 기술의 문제점을 개선하기 위하여 제안된 것으로서, 종래에 차선의 상태에 따른 영상에서 색상정보를 이용하여 도로와 초지의 경계를 검출함으로써 차선 상태를 파악할 수 있고 사고를 예방할 수 있도록 하는 개선된 영상 기반 색상정보를 이용한 초지 경계 검출 방법을 제공함에 있다.

상기한 바와 같은 목적을 달성하기 위한 본 발명의 바람직한 실시예에 따르면,
카메라를 통해 입력된 영상에서 도로 경계후보를 추출하는 제1 단계, 도로와 초지와의 경계를 구하기 위해 상기 추출된 도로 경계 후보 영상을 복수개의 그룹으로 그룹화하여 하단점을 구하는 제2 단계, 하단점이 구해진 복수개의 영상 데이터를 선형화하는 제 3 단계, 이후 선형화된 도로 경계 데이터를 출력하는 제 4 단계를 포함하는 영상 기반 색상정보를 이용한 초지 경계 검출 방법에 있어서,
상기 제 1 단계는 색상과 채도 알고리즘을 수행하는 단계와, 이후 이진화하는 단계를 수행하고,
상기 제 2 단계는 라벨링(Labeliing) 알고리즘을 수행하여 각각 빨강, 노랑, 파랑으로 표시된 그룹들을 표시하여 그룹화(Grouping)하는 단계와, 각 그룹들에서 하단점을 처리하는 단계를 수행하되, 상기 라벨의 하단점은 최하단점이고,
상기 제 3 단계는 라벨의 하단점을 통해 허프 직선과의 거리를 계산하여 직선성분을 찾는 허프 변환(Hough transform) 알고리즘을 수행하고,
상기 제 4 단계는 도로를 중심으로 초지와의 경계가 붉은 선으로 표시되는 것을 특징으로 하는 영상 기반 색상정보를 이용한 초지 경계 검출 방법이 제공된다.

삭제

삭제

삭제

삭제

삭제

삭제

삭제

삭제

삭제

이상 설명한 바와 같이, 본 발명에 따른 영상 기반 색상정보를 이용한 초지 경계 검출 방법에 의하면, 종래에 차선의 상태에 따른 영상에서 색상정보를 이용하여 도로와 초지의 경계를 검출함으로써 차선 상태를 파악할 수 있고 사고를 예방할 수 있도록 하는 개선된 효과가 있다.

또한, 노란 차선, 파란 차선을 포함한 도로 위의 모든 색상 정보를 가지고 있으면 이를 통해 도로 경계를 추정할 수 있고 도로와 초지의 경계도 구분할 수 있어서 사고 예방에 효과가 있다.

도 1은 본 발명에 따른 영상 기반 색상정보를 이용한 초지 경계 검출 방법을 수행하기 위한 개략적인 블럭구성도이다.
도 2는 본 발명에 따른 영상 기반 색상정보를 이용한 초지 경계 검출 방법의 동작을 설명하기 위한 흐름도이다.
도 3은 본 발명에 따른 영상 기반 색상정보를 이용한 초지 경계 검출 방법에서 원본 영상을 나타낸 사진이다.
도 4는 본 발명에 따른 영상 기반 색상정보를 이용한 초지 경계 검출 방법에서 색상 및 채도에 따른 처리를 한 영상과 이진화 영상을 도시한 사진이다.
도 5는 본 발명에 따른 영상 기반 색상정보를 이용한 초지 경계 검출 방법에서 라벨링(Labelling) 및 하단점 수행결과를 나타낸 도면이다.
도 6은 도 5 방법에서 사용된 계산방법을 설명하기 위한 도면이다.
도 7은 도 5의 계산방법을 수행한 결과를 나타낸 사진이다.
도 8은 본 발명에 따른 영상 기반 색상정보를 이용한 초지 경계 검출 방법에서의 결과영상을 나타낸 사진이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 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.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가진 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하 본 발명에 따른 본 발명에 따른 영상 기반 색상정보를 이용한 초지 경계 검출 방법에 대하여 첨부도면을 참조로 상세히 설명한다.

도 1을 참조하면, 영상입력부(2)를 통해 영상을 입력받고, 도로경계후보추출부(4)는 색상, 채도 처리를 수행하고 이진화과정을 통해 도로경계후보를 추출한다. 경계그룹화부(6)는 추출된 데이터 중에서 경계를 정하고 그룹화한다.

경계선형화부(8)는 그룹화된 차선상태를 허프 변환 알고리즘을 통해 직선화하며, 출력부(10)는 그 결과 데이터를 출력한다.

상기 도로경계후보추출부(4)는 색상, 채도 알고리즘을 수행하고, 이진화 과정을 수행한다. 이러한 수행과정은 기존에 이미 잘 알려진 것으로서, 특히 이진화과정은 임계값을 주고 그 값에 속하면 처리하는 과정이다. 이진화과정은 일반적인 과정이다.

도 2를 참조하면, 영상이 입력되는 단계(S2),

카메라를 통해 입력된 영상에서 도로 경계후보를 추출하는 단계(S4),

도로와 초지와의 경계를 구하기 위해 상기 추출된 도로 경계 후보 영상을 복수개의 그룹으로 그룹화하여 하단점을 구하는 단계(S6),

하단점이 구해진 복수개의 영상 데이터를 선형화하는 단계(S8),

이후 선형화된 도로 경계 데이터를 출력하는 단계(S10)를 포함한다. 상기 도로 경계 후보 추출 단계(S4)는 색상과 채도 알고리즘을 수행하는 단계(S42), 이후 이진화하는 단계(S44)를 수행한다.

상기 이진화 처리 방법은, 영상처리에서 많이 사용하는 영상처리 기법이다.

이상은 이 분야에서 알려진 용어이므로 구체적인 설명은 생략하기로 한다. 상기 경계를 그룹화하는(S6) 단계는 라벨링(Labeling) 알고리즘을 수행하여 그룹화(Grouping)하는 단계(S62)와, 라벨의 하단점을 구하는 단계(S64)를 수행한다.

상기 경계를 선형화(혹은 직선화)하는 단계(S8)는 라벨의 하단점을 처리하여 직선을 만드는 단계(S82) 및 허프 변환(Hough transform) 알고리즘을 수행하는 단계(S84)를 포함한다.

도 3을 참조하면, 도로 경계 후보 추출과정을 설명하는 것으로서, 원본영상에서 해당 픽셀의 색상 및 채도의 특정한 부분에 속하면 그 픽셀은 도로 경계 후보가 된다.

도 4를 참조하면, 원본 도로 영상에서 모든 픽셀에 대해 색상과 채도를 이용하여 이진화 한다.

색상 알고리즘을 수행한 결과 사진(도 4의 상부 왼쪽), 채도 알고리즘을 수행한 결과 사진(도 4의 상부 오른쪽), 및 이진화 과정을 수행한 사진(도 4의 하부)을 보여준다. 이진화 과정을 통해 얻어진 사진을 통해보면, 특정한 임계값에 속하면 흰색이고 속하지 않으면 검은색으로 표시되게 된다. 이 과정을 좀 더 설명하면, 이진화 과정은 일정한 값을 기준으로 영상을 0과 1로만 표현하는 것으로서, 각 화소의 값이 8비트라면 0~255까지인데 예를 들면, 기준이 128이면 128이하는 0 이상은 1로 표현, 기준이 30이면 30이하는 0 이상은 1로 표현, 기준이 300이면 300이하는 0 이상은 1로 표현하는 식이다. 이 과정은 일반적이므로 이에 대한 더 자세한 설명을 생략하기로 한다.

도 5를 참조하면, 경계 그룹화 과정으로서, 라벨링을 통해 그룹으로 묶어 각 그룹의 하단점을 구한다.

도 5의 좌측에서 각각 빨강, 노랑, 파랑으로 표시된 그룹 1(G1), 그룹2(G2), 그룹 3(G3)가 존재한다. 이를 통해 각 그룹들에서 하단점(특히 최하단점)을 표시하게 된다.

도 6을 참조하면, 경계 그룹화 과정을 수행하여 얻은 결과 영상에서 허프 변환(Hough Transform) 알고리즘을 통해 직선 성분을 검출한다(도 6은 허프 직선과 거리 계산 방법을 나타낸다).

경계 그룹화 과정 즉 경계 그룹화 알고리즘을 통한 영상의 하단점에서 각 픽셀(Pixel)에 대해 다음의 수식을 적용하여 직선을 만든다.

픽셀의 x,y 좌표에서 x,y를 가로지르는 붉은색으로 표시되는 부분이 허프(Hough) 직선이고, r는 허프 직선과 수직으로 만나는 직선이다.

여기서, θ는 직선 r과 x선이 만나는 각도이다.

허프 변환 알고리즘은 직선 성분을 검출하기 위해 영상처리에서 흔히 사용되는 기법이다.

도 7을 참조하면, 하단점이 구해진 영상에 대해 허프 변환 알고리즘을 통해 직선 성분을 찾고, 직선 성분의 교점을 소실점 (x, y)로 정하고, 소실점 이하는 차선으로 식별하지 않는다. 도 7에서, 직선으로 표시된 사진을 볼 수 있다.

도 8를 참조하면, 도 7의 과정을 통해 출력된 사진으로서, 도로를 중심으로 초지와의 경계가 붉은 선으로 표시된다. 이와 같이 하여 차선 및 도로 경계 구별방법과는 다른 새로운 형태의 색상 및 채도를 통한 영상 처리를 통해 초지 경계를 검출하게 된다.

2: 영상입력부
4: 도로경계후보추출부
6: 경계그룹화부
8: 경계선형화부
10: 출력부

Claims (3)

1. 카메라를 통해 입력된 영상에서 도로 경계후보를 추출하는 제1 단계, 도로와 초지와의 경계를 구하기 위해 상기 추출된 도로 경계 후보 영상을 복수개의 그룹으로 그룹화하여 하단점을 구하는 제2 단계, 하단점이 구해진 복수개의 영상 데이터를 선형화하는 제 3 단계, 이후 선형화된 도로 경계 데이터를 출력하는 제 4 단계를 포함하는 영상 기반 색상정보를 이용한 초지 경계 검출 방법에 있어서,
   상기 제 1 단계는 색상과 채도 알고리즘을 수행하는 단계와, 이후 이진화하는 단계를 수행하고,
   상기 제 2 단계는 라벨링(Labeliing) 알고리즘을 수행하여 각각 빨강, 노랑, 파랑으로 표시된 그룹들을 표시하여 그룹화(Grouping)하는 단계와, 각 그룹들에서 하단점을 처리하는 단계를 수행하되, 상기 라벨의 하단점은 최하단점이고,
   상기 제 3 단계는 라벨의 하단점을 통해 허프 직선과의 거리를 계산하여 직선성분을 찾는 허프 변환(Hough transform) 알고리즘을 수행하고,
   상기 제 4 단계는 도로를 중심으로 초지와의 경계가 붉은 선으로 표시되는 것을 특징으로 하는 영상 기반 색상정보를 이용한 초지 경계 검출 방법.
2. 삭제
3. 삭제

Images