KR101968349B1 - 영상 정보를 이용한 차선 경계 검출 방법 - Google Patents

영상 정보를 이용한 차선 경계 검출 방법 Download PDF

Info

Publication number
KR101968349B1
KR101968349B1 KR1020120149545A KR20120149545A KR101968349B1 KR 101968349 B1 KR101968349 B1 KR 101968349B1 KR 1020120149545 A KR1020120149545 A KR 1020120149545A KR 20120149545 A KR20120149545 A KR 20120149545A KR 101968349 B1 KR101968349 B1 KR 101968349B1
Authority
KR
South Korea
Prior art keywords
lane
image
detecting
horizontal line
boundary
Prior art date
Application number
KR1020120149545A
Other languages
English (en)
Other versions
KR20140080105A (ko
Inventor
조상복
장영민
임동혁
김성훈
Original Assignee
울산대학교 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 울산대학교 산학협력단 filed Critical 울산대학교 산학협력단
Priority to KR1020120149545A priority Critical patent/KR101968349B1/ko
Publication of KR20140080105A publication Critical patent/KR20140080105A/ko
Application granted granted Critical
Publication of KR101968349B1 publication Critical patent/KR101968349B1/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection

Abstract

본 발명은 영상 정보를 이용한 차선 경계 검출 방법에 관한 것으로, 그레이 스케일 이미지의 영상 정보를 입력하는 영상 정보 입력 단계; 수직 평균 배포 알고리즘을 적용하여 수평라인을 검출하는 수평라인 검출 단계; 상기 수평라인의 하단부 이미지로부터 차선 경계를 검출하는 차선 경계 검출 단계; 상기 검출된 차선 경계에 K-means 클러스터링 알고리즘을 적용하여 왼쪽과 오른쪽의 차선을 각각 판단하고, 소실점의 변화에 따라 임계 각도를 설정하여 차선이탈계수를 정의하고, 차량의 주행 상태에 따라 차선이탈 또는 차선변경을 판단하는 차선 변경 판단 단계; 및 RANSAC 알고리즘을 적용하여 인라이어와 아웃라이어를 구분하고, 상기 인라이어만을 고려하여 차선 검출 함수를 반복 수행하여 검출 노이즈를 제거하는 RANSAC 알고리즘 적용 단계;를 포함함으로써, 주행중 차량으로부터 획득하는 영상 정보를 이용하여 차선변경과 일반주행의 구분이 가능하고, 차선 인식 결과의 신뢰성을 높여주며, 가혹한 환경에서도 정확하게 차선을 검출할 수 있다.

Description

영상 정보를 이용한 차선 경계 검출 방법{METHOD FOR DETECTING LANE BOUNDARY BY VISUAL INFORMATION}
본 발명은 영상 정보를 이용한 차선 경계 검출 방법에 관한 것으로, 더욱 상세하게는 주행중 차량으로부터 획득하는 영상 정보를 이용하여 차선변경과 일반주행의 구분이 가능하고, 차선 인식 결과의 신뢰성을 높여주며, 가혹한 환경에서도 정확하게 차선을 검출할 수 있도록 하는 영상 정보를 이용한 차선 경계 검출 방법에 관한 것이다.
최근에는 운전자가 없거나 운전자가 있더라도 차량을 직접 조작하지 않고 컴퓨터 등에 의해 주행, 정지, 회전, 가속 또는 감속 등의 운전 조작이 자동으로 이루어지는 지능형 차량이 개발되고 있다.
이러한 지능형 차량의 주요 과제는 주행차선의 유지, 인접차량과의 안전거리 확보와 근접 장애물의 검출과 충돌 회피, 교통상황이나 도로 환경에 따른 차량속도 제어 등이 있다.
더욱이, 정보통신 기술의 진전에 따라 차선이탈 경고 시스템(LDWS : Lane Departure Warning System)이나 차선유지와 같은 안전운전 보조시스템, 차량 자동 제어시스템 등이 개발되어 지능형 차량의 실용화가 더욱 급속하게 진행되고 있다. 특히, 주행차선의 검출은 지능형 차량에서의 주요 과제를 해결하는 핵심기술의 하나로서, 많은 연구가 활발히 진행되고 있다.
이와 같은 주행차선의 검출은 안전 운전에 지대한 영향을 미치게 되므로, 차선의 위치를 추정하고 판단하기 위해 여러 가지 센서들을 활용하여 정확한 주행차선을 검출하고 있다. 예로서, 이미지 센서, 레이더(RADAR) 또는 라이다(LIDAR) 센서 등 다양한 센서들이, 차선의 검출이나 차량 전방의 물체 인식을 위해 단독 또는 융합된 형태로 지능형 차량제어 시스템 구현에 사용되고 있다.
특히, 이미지 센서에 의한 영상 기반 시스템은 저렴한 비용으로 많은 정보의 추출이 가능하고, 기존의 다양한 영상 처리 알고리즘을 활용할 수 있는 장점으로 인해 널리 활용되어 왔다.
이러한 영상 기반의 차선검출 시스템은, 입력 영상으로부터 특징 정보를 추출하고, 차선검출을 위한 파라미터릭(Parametric) 모델과 매칭, 칼만(Kalman) 필터 또는 파티클(Particle) 필터링 등과 같은 갱신 알고리즘의 적용에 의한 근사화 방법이나, 허프 변환(HT:Hough Transform)과 같은 변환에 의한 논파라미터릭(Non-Parametric)모델 매칭 등의 방법을 이용하여 차선을 검출하고 있다.
일예로서, 대한민국 공개특허공보 제10-2011-0001427호(2011.01.06)에는 관심영역 추출에 의한 차선 고속 검출방법이 개시되어 있다.
도 1에 도시된 바와 같이, 종래기술에 따른 관심영역 추출에 의한 차선 고속 검출방법은, 차량에 설치된 카메라의 초점거리와 경사각 파라미터로부터 수평소실선을 사전 추정하는 제1단계와; 차량으로부터 수평소실선 영역까지 차선검출에 필요한 처리영역을 최적 선정하여 다수의 블록 형태로 이루어진 관심영역(ROI-LB: Region Of Interest for Lane Boundary)을 추출하는 제2단계와; 관심영역 내에서 영상의 특징 정보를 추출하고 이를 기반으로 한 허프변환(HT: Hough Transform)에 의한 논파라미터릭(Non-Parameteric) 모델 매칭 기법을 통해 영상으로부터 차선 성분을 추출하는 제3단계와; 추출된 차선 성분에 포함된 잡음을 제거하고 에지 보강을 통해 차선을 검출하는 제4단계를 포함한다.
이에 따라, 지능형 차량을 위하여 차선을 검출할 때, 수평소실선의 추정 및 관심영역의 선정을 통해 영상처리 영역을 감소시킴으로써, 차선검출 속도를 획기적으로 단축함과 아울러 차선검출 성능을 개선할 수 있도록 한 관심영역 추출에 의한 차선 고속 검출방법을 제공한다.
그러나 상기와 같은 종래기술에 따른 관심영역 추출에 의한 차선 고속 검출방법은, 수평소실선 추정시 영상 처리 시간이 많이 소요되고, 차량의 일반주행에 있어서 차선을 인식할 수는 있지만, 차선변경시 일반 주행과 구분을 할 수가 없기 때문에 신뢰성이 떨어지며, 가혹한 주행 환경에서 정확한 차선을 검출할 수 없는 문제점이 있다.
대한민국 공개특허공보 제10-2011-0001427호(2011.01.06)
본 발명은 상술한 종래기술의 문제점을 극복하기 위한 것으로서, 주행중 차량으로부터 획득하는 영상 정보를 처리하되, 수직 평균 배포 알고리즘을 사용하여 수평 라인을 감지함으로써 영상 처리시간을 단축시키고, K-means 클러스터링 알고리즘과 RANSAC 알고리즘을 사용하여 주행중 차량으로부터 획득하는 영상 정보를 이용하여 차선변경과 일반주행의 구분이 가능하도록 하고, 차선 인식 결과의 신뢰성을 높여주며, 가혹한 환경에서도 더욱 정확하게 차선을 검출할 수 있도록 하는 영상 정보를 이용한 차선 경계 검출 방법을 제공하는 데에 그 목적이 있다.
상기 목적을 달성하기 위해 본 발명에 따른 영상 정보를 이용한 차선 경계 검출 방법은, 그레이 스케일 이미지(Gray scale image)의 영상 정보를 입력하는 영상 정보 입력 단계; 수직 평균 배포 알고리즘을 적용하여 수평라인을 검출하는 수평라인 검출 단계; 상기 수평라인의 하단부 이미지로부터 차선 경계를 검출하는 차선 경계 검출 단계; 상기 검출된 차선 경계에 K-means 클러스터링 알고리즘을 적용하여 왼쪽과 오른쪽의 차선을 각각 판단하고, 소실점의 변화에 따라 임계 각도를 설정하여 차선이탈계수를 정의하고, 차량의 주행 상태에 따라 차선이탈 또는 차선변경을 판단하는 차선 변경 판단 단계; 및 RANSAC(RANdom SAmple Consensus) 알고리즘을 적용하여 인라이어(inlier)와 아웃라이어(outlier)를 구분하고, 상기 인라이어만을 고려하여 차선 검출 함수를 반복 수행하여 검출 노이즈를 제거하는 RANSAC 알고리즘 적용 단계;를 포함한다.
상기 수평라인 검출 단계는; 차선 경계 검출의 첫 번째 프레임에 적용되며, 다음 프레임을 위한 두 개의 차선 경계 사이의 교차로의 위치를 수평 라인 위치로 검출할 수 있다.
상기 차선 경계 검출 단계는; 상기 수평라인의 하단부 이미지를 선택하여 흑백으로 변환하는 단계; 캐니 엣지 이미지(Canny edge image) 변환을 통해 흰색 경계점을 찾는 단계; 및 상기 경계선중 직선 이미지를 추출하여 차선 경계를 검출하는 단계를 포함할 수 있다.
상기 차선 변경 판단 단계는; 거리에 기반을 둔 n개의 객체들의 집합을 k개의 군집으로 분해하고, 통합 접근 방식을 통하여 화면의 왼쪽과 오른쪽의 차선경계를 각각 결정하는 것이 바람직하다.
상기 차선 변경 판단 단계는; 차선과 같은 방향을 가진 직선들을 찾고, 상기 직선들이 교차하는 소실점의 움직임의 정보를 획득하고, 획득된 소실점의 변화에 따라 k-means 알고리즘을 이용하여 임계 각도를 설정하고, 변수의 연산을 통해서 상기 차량의 주행 상태를 파악할 수 있다.
상기 차선 변경 판단 단계는; 상기 변수를 연산하는 과정에서, 차선이탈계수를 정의하여 차량이 자기 주행차선을 이탈했는지의 여부를 판단하여 상기 차량의 주행 상태를 파악하는 것이 바람직하다.
상기와 같이 구성된 본 발명에 따른 영상 정보를 이용한 차선 경계 검출 방법에 의하면, 주행중 차량으로부터 획득하는 영상 정보를 처리하되, 수직 평균 배포 알고리즘을 사용하여 수평 라인을 감지함으로써 영상 처리시간을 단축시키고, K-means 클러스터링 알고리즘과 RANSAC 알고리즘을 사용하여 주행중 차량으로부터 획득하는 영상 정보를 이용하여 차선변경과 일반주행의 구분이 가능하고, 차선 인식 결과의 신뢰성을 높여주며, 가혹한 환경에서도 더욱 정확하게 차선을 검출할 수 있는 효과가 있다.
도 1은 종래기술에 따른 관심영역 추출에 의한 차선 고속 검출방법을 나타낸 순서도,
도 2는 본 발명의 바람직한 일 실시에에 따른 영상 정보를 이용한 차선 경계 검출 방법을 나타낸 순서도,
도 3은 본 발명에 따른 차선 경계 검출 단계를 더욱 상세히 나타낸 순서도,
도 4는 본 발명에 따른 주간 주행시 수평라인 검출 단계를 설명하기 위한 도로 영상 도면,
도 5는 본 발명에 따른 야간 주행시 수평라인 검출 단계를 설명하기 위한 도로 영상 도면,
도 6은 본 발명의 차선 경계 검출 단계를 설명하기 위한 도로 영상 도면,
도 7은 K-means 클러스터링 알고리즘을 설명하기 위한 모식도,
도 8은 K-means 클러스터링 알고리즘을 설명하기 위한 순서도,
도 9는 본 발명의 차선 변경 판단 단계를 설명하기 위한 차선 경계와 소실점을 나타낸 도면,
도 10은 본 발명의 RANSAC 알고리즘을 설명하기 위한 인라이어 및 아웃라아어 분포도,
도 11은 안개, 우천, 야간 주행시 차선 검출을 설명하기 위한 도로 영상 도면,
도 12는 본 발명의 정확도를 나타내기 위한 안개, 우천, 야간 주행시 다수의 도로 영상 도면이다.
이하, 본 발명의 바람직한 일 실시예를 첨부된 도면을 참조하여 상세히 설명하기로 한다. 여기서 기술되는 일 실시예는 본 발명을 예시적으로 설명하기 위한 것으로 본 발명의 권리범위가 개시된 일 실시예의 기재에 한정되는 것이 아님을 밝혀둔다.
도 2는 본 발명의 바람직한 일 실시에에 따른 영상 정보를 이용한 차선 경계 검출 방법을 나타낸 순서도이다.
도 2에 도시된 바와 같이, 본 발명의 바람직한 일 실시에에 따른 영상 정보를 이용한 차선 경계 검출 방법은, 그레이 스케일 이미지의 영상 정보를 입력하는 영상 정보 입력 단계(S101); 수직 평균 배포 알고리즘을 적용하여 수평라인을 검출하는 수평라인 검출 단계(S102); 상기 수평라인의 하단부 이미지로부터 차선 경계를 검출하는 차선 경계 검출 단계(S103); 상기 검출된 차선 경계에 K-means 클러스터링 알고리즘을 적용하여 왼쪽과 오른쪽의 차선을 각각 판단하고, 소실점의 변화에 따라 임계 각도를 설정하여 차선이탈계수를 정의하고, 차량의 주행 상태에 따라 차선이탈 또는 차선변경을 판단하는 차선 변경 판단 단계(S104); 및 RANSAC 알고리즘을 적용하여 인라이어와 아웃라이어를 구분하고, 상기 인라이어만을 고려하여 차선 검출 함수를 반복 수행하여 검출 노이즈를 제거하는 RANSAC 알고리즘 적용 단계(S105)로 구성된다.
여기서, 상기 수평라인 검출 단계(S102)는; 차선 경계 검출의 첫 번째 프레임에 적용되며, 다음 프레임을 위한 두 개의 차선 경계 사이의 교차로의 위치를 수평 라인 위치로 검출한다.
즉, 상기 그레이 스케일 이미지에서 수평라인을 검출하게 되는데, 본 발명에서 차선은 수평선의 아래쪽 영역에 초점을 맞추고 있기 때문에 수평선 위쪽 영역은 사용하지 않는다. 특히, 상부 곡선을 이루고 처음 발생한 최소치를 결정하는 수직 평균 배포 방법을 활용하여 최소한의 위치를 수평 라인으로 결정한다.
이에 따른 세로 평균 분포 방정식은 아래의 수학식 1과 같이 나타낼 수 있다.
Figure 112012105941535-pat00001
여기서, VMD(i)는 i번째 행의 그레이 스케일 값의 평균, H는 원본이미지의 높이, W는 원본 이미지의 너비, Gr(i,j)은 원본 이미지로부터 변환된 그레이 스케일 이미지 안에 i번째 행 그리고 j번째 열의 픽셀의 강도이다.
도 4는 본 발명에 따른 주간 주행시 수평라인 검출 단계를 설명하기 위한 도로 영상 도면이고, 도 5는 본 발명에 따른 야간 주행시 수평라인 검출 단계를 설명하기 위한 도로 영상 도면으로서, 도시된 바와 같이, 상기와 같은 수직 평균 배포 방법을 이용하여 주간과 야간의 수평라인을 감지할 수 있다.
본 발명은 상기 수학식 1과 같이 수직 평균 배포 방법을 통하여 수평 라인을 감지하며 이전 방법은 상부 곡선을 이루고 처음 발생한 최소치를 결정하는 수직 평균 배포 방법을 활용하여 최소한의 위치를 수평 라인으로 간주한다. 따라서, 차선 경계 검출의 첫 번째 프레임에 적용되며 다음 프레임을 위한 두 개의 차선 경계 사이의 교차로의 위치가 수평 라인 위치로 간주된다.
따라서, 본 발명의 상기 수평라인 검출 단계(S102)는 실질적으로 필요한 차선만을 획득하기 위해 사용되는 것으로서, 하위 영역 이미지로 간주되기 때문에 전체적인 과정에 대한 계산시간이 줄어들고 이미지 차선 표시에의 상단 부분은 제거 되므로 노이즈 제거에도 효과적이다.
도 3은 본 발명에 따른 차선 경계 검출 단계를 더욱 상세히 나타낸 순서도로서, 도시된 바와 같이, 본 발명의 바람직한 일 실시에에 따른 차선 경계 검출 단계(S103)는; 상기 수평라인의 하단부 이미지를 선택하여 흑백으로 변환하는 단계(201); 캐니 엣지 이미지 변환을 통해 흰색 경계점을 찾는 단계(202); 및 상기 경계선중 직선 이미지를 추출하여 차선 경계를 검출하는 단계(203)로 구성된다.
도 6에서 (a)는 그레이 스케일 하위 지역 이미지, (b)는 캐니 이미지, (c)는 향상된 엣지 이미지, (d)는 k-means 클러스터링을 나타낸다.
따라서, 본 발명의 차선 경계 검출 단계(S103)는 차선의 경계점을 찾고 불필요한 부분을 제거하기 위해 사용하는 것으로, 왼쪽과 오른쪽의 차선을 판단하기 이전에 차선 이외의 다른 성분의 노이즈를 제거함으로써 계산시간과 정확성을 높일 수가 있다.
도 7은 K-means 클러스터링 알고리즘을 설명하기 위한 모식도이고, 도 8은 K-means 클러스터링 알고리즘을 설명하기 위한 순서도이다.
본 발명의 상기 차선 변경 판단 단계(S104)는 도시된 바와 같이, K-means 클러스터링 알고리즘을 적용한다.
즉, 상기 차선 변경 판단 단계(S104)는; 거리에 기반을 둔 n개의 객체들의 집합을 k개의 군집으로 분해하고, 통합 접근 방식을 통하여 화면의 왼쪽과 오른쪽의 차선경계를 각각 결정한다.
이때, K-means 클러스터링 알고리즘은, n개의 객체들의 집합을 k개의 군집으로 분해하는 거리에 기반을 둔 clustering 기법으로서, 통합 접근 방식을 통하여 차선경계를 결정하기 위해 적용될 수 있다. 종래의 접근 방식은 고정 너비 차선 형태를 사용하였지만 본 발명은 각각 왼쪽과 오른쪽 차선을 감지하게 된다.
이때, 도 7에 도시된 바와 같이, 먼저 a) k 초기 “mean"이 무작위 데이터 세트에서 선택되고, b) k 클러스터는 가장 가까운 의미로 모든 관찰을 연결하여 만들어지고 파티션 대표 보로 노이(Voronoi) 다이어그램 수단에 의해 생성되며, c) 중심 k를 클러스터 각각의 새로운 수단으로 설정하고, d) 컨버젼스(convergence)에 도달하기 전까지 b)와 c)단계를 반복하여 수행한다.
여기서, 상기 K-means 클러스터링 알고리즘은 아래의 수학식 2와 같이 표현될 수 있다.
Figure 112012105941535-pat00002
여기서, Xi는 데이터 포인트 사이에 선택된 거리 측정, 클러스터 중심 Cj는 해당 클러스터 센터에서 N개의 데이터 포인트의 거리 지표를 의미하고, 클러스터 수 K=2를 선택하였으며 두 에지 포인트는 각 차선의 초기 클러스터 중심으로 무작위로 선택하였다.
데이터 지점 x와 k클러스터 센터지점인 c의 거리 값들의 군집들을 이용하여 도 8에 도시된 바와 같은 알고리즘을 통해 두 개의 객체를 분류할 수 있다.
이때, 상기 차선 변경 판단 단계(S104)에서는; 차선과 같은 방향을 가진 직선들을 찾고, 상기 직선들이 교차하는 소실점의 움직임의 정보를 획득하고, 획득된 소실점의 변화에 따라 k-means 알고리즘을 이용하여 임계 각도를 설정하고, 변수의 연산을 통해서 상기 차량의 주행 상태를 파악하는 것이 바람직하다.
또한, 상기 차선 변경 판단 단계(S104)는; 상기 변수를 연산하는 과정에서, 차선이탈계수를 정의하여 차량이 자기 주행차선을 이탈했는지의 여부를 판단하여 상기 차량의 주행 상태를 파악하는 것이 더욱 바람직하다.
즉, 도 9는 본 발명의 차선 변경 판단 단계를 설명하기 위한 차선 경계와 소실점을 나타낸 도면으로서, 왼쪽 오른쪽 차선을 판단하고 차선이탈계수를 정의하기 위해 K-meas 클러스터링 알고리즘을 사용하여 왼쪽과 오른쪽의 차선을 정확히 판단하고 소실점의 변화에 따라 임계 각도를 설정하여 차선이탈계수를 정의하고 차량의 주행이 이탈인지 차선 변경인지를 식별함으로서 일반주행의 이탈과 차선변경을 구분하게 된다.
도 10은 본 발명의 RANSAC 알고리즘을 설명하기 위한 인라이어 및 아웃라아어 분포도로서, RANSAC 알고리즘 적용 단계(S105)에서는 RANSAC 알고리즘을 적용하여 인라이어와 아웃라이어를 구분하고, 상기 인라이어만을 고려하여 차선 검출 함수를 반복 수행하여 검출 노이즈를 제거할 수 있다.
이때, 1)모델 매개 변수를 결정하기 위해 필요한 포인트의 최소 숫자가 무작위로 선택되어, 2) 모델의 매개 변수를 구하고, 3)미리 정의된 tolerance E에 맞는 몇 개의 포인트를 선정할지를 결정한다. 이후, 4)세트의 총 수 포인트 이상의 분율 또는 인라이너의 수가 사전 정의된 임계값 T를 초과하는 경우 모든 인라이너를 사용하여 모델 매개 변수에 다시 적용하고 종료하며, 5)그렇지 않으면 단계 1) 부터 4)까지 반복하여 수행한다.
따라서, 이와 같이 차선의 매개변수를 구해서 차선을 인식할 때까지 알고리즘을 반복함으로써, 1)일반적으로 자연 현상에서 데이터를 취할 경우 노이즈가 많이 포함되는데 흔히 사용하는 최소자승법의 경우 인라이어, 아웃라이어를 모두 고려해서 오차가 되는 함수를 구하는 접근법이지만, 본 발명에 따른 RANSAC 알고리즘은 인라이어와 아웃라이어를 구분지어서 인라이어만을 고려해서 함수를 추정할 수 있는 장점이 있고, 2)RANSAC 알고리즘에 들어가는 입력은 관측된 데이터 값과 관측결과를 피팅하거나 설명할 수 있는 모델파라미터로 신뢰성을 나타낼 수 있으며, 3)RANSAC 알고리즘의 각 단계를 차선 검출 시까지 반복하므로 어려운 도로 환경에서 정확히 차선을 검출할 수 있다.
도 11은 안개(a), 우천(b), 야간(c) 주행시 차선 검출을 설명하기 위한 도로 영상 도면이고, 도 12는 본 발명의 정확도를 나타내기 위한 안개(a), 우천(b), 야간(c) 주행시 다수의 도로 영상 도면이며, 표1은 제안된 알고리즘의 결과를 나타낸 것이다.
Clip Total frame Detected frame Correct rate Frame/sec
a 1500 1360 90.66 % 27.0
b 486 458 94.24 % 27.0
c 885 756 85.42 % 28.0
Total 2871 2374 90.11 % 27.3
따라서, 도시된 바와 같이 본 발명에 따른 영상 정보를 이용한 차선 경계 검출 방법에 의하면, 주행중 차량으로부터 획득하는 영상 정보를 처리하되, 수직 평균 배포 알고리즘을 사용하여 수평 라인을 감지함으로써 영상 처리시간을 단축시키고, K-means 클러스터링 알고리즘과 RANSAC 알고리즘을 사용하여 주행중 차량으로부터 획득하는 영상 정보를 이용하여 차선변경과 일반주행의 구분이 가능하고, 차선 인식 결과의 신뢰성을 높여주며, 가혹한 환경에서도 더욱 정확하게 차선을 검출할 수 있다.
본 명세서에 기재된 본 발명의 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 실시예에 관한 것이고, 발명의 기술적 사상을 모두 포괄하는 것은 아니므로, 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다. 따라서 본 발명은 상술한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형실시가 가능한 것은 물론이고, 그와 같은 변경은 청구범위 기재의 권리범위 내에 있게 된다.

Claims (6)

  1. 그레이 스케일 이미지(Gray scale image)의 영상 정보를 입력하는 영상 정보 입력 단계;
    수직 평균 배포 알고리즘을 적용하여 수평라인을 검출하는 수평라인 검출 단계;
    상기 수평라인의 하단부 이미지로부터 차선 경계를 검출하는 차선 경계 검출 단계;
    상기 검출된 차선 경계에 K-means 클러스터링 알고리즘을 적용하여 왼쪽과 오른쪽의 차선을 각각 판단하고, 소실점의 변화에 따라 임계 각도를 설정하여 차선이탈계수를 정의하고, 차량의 주행 상태에 따라 차선이탈 또는 차선변경을 판단하는 차선 변경 판단 단계; 및
    RANSAC(RANdom SAmple Consensus) 알고리즘을 적용하여 인라이어(inlier)와 아웃라이어(outlier)를 구분하고, 상기 인라이어만을 고려하여 차선 검출 함수를 반복 수행하여 검출 노이즈를 제거하는 RANSAC 알고리즘 적용 단계;를 포함하는 영상 정보를 이용한 차선 경계 검출 방법.
  2. 제 1항에 있어서,
    상기 수평라인 검출 단계는;
    차선 경계 검출의 첫 번째 프레임에 적용되며, 다음 프레임을 위한 두 개의 차선 경계 사이의 교차로의 위치를 수평 라인 위치로 검출하는 것을 특징으로 하는 영상 정보를 이용한 차선 경계 검출 방법.
  3. 제 1항에 있어서,
    상기 차선 경계 검출 단계는;
    상기 수평라인의 하단부 이미지를 선택하여 차선 이외의 노이즈를 제거하기 위해 흑백으로 변환하는 단계;
    캐니 엣지 이미지(Canny edge image) 변환을 통해 흰색 경계점을 찾는 단계; 및
    상기 흰색 경계점 중 직선 이미지를 추출하여 차선 경계를 검출하는 단계를 포함하는 것을 특징으로 하는 영상 정보를 이용한 차선 경계 검출 방법.
  4. 제 1항에 있어서,
    상기 차선 변경 판단 단계는;
    거리에 기반을 둔 n개의 객체들의 집합을 k개의 군집으로 분해하고, 통합 접근 방식을 통하여 화면의 왼쪽과 오른쪽의 차선경계를 각각 결정하는 것을 특징으로 하는 영상 정보를 이용한 차선 경계 검출 방법.
  5. 제 4항에 있어서,
    상기 차선 변경 판단 단계는;
    차선과 같은 방향을 가진 직선들을 찾고, 상기 직선들이 교차하는 소실점의 움직임의 정보를 획득하고, 획득된 소실점의 변화에 따라 k-means 알고리즘을 이용하여 임계 각도를 설정하고, 변수의 연산을 통해서 상기 차량의 주행 상태를 파악하는 것을 특징으로 하는 영상 정보를 이용한 차선 경계 검출 방법.
  6. 제 5항에 있어서,
    상기 차선 변경 판단 단계는;
    상기 변수를 연산하는 과정에서, 차선이탈계수를 정의하여 차량이 자기 주행차선을 이탈했는지의 여부를 판단하여 상기 차량의 주행 상태를 파악하는 것을 특징으로 하는 영상 정보를 이용한 차선 경계 검출 방법.
KR1020120149545A 2012-12-20 2012-12-20 영상 정보를 이용한 차선 경계 검출 방법 KR101968349B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120149545A KR101968349B1 (ko) 2012-12-20 2012-12-20 영상 정보를 이용한 차선 경계 검출 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120149545A KR101968349B1 (ko) 2012-12-20 2012-12-20 영상 정보를 이용한 차선 경계 검출 방법

Publications (2)

Publication Number Publication Date
KR20140080105A KR20140080105A (ko) 2014-06-30
KR101968349B1 true KR101968349B1 (ko) 2019-04-11

Family

ID=51130915

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120149545A KR101968349B1 (ko) 2012-12-20 2012-12-20 영상 정보를 이용한 차선 경계 검출 방법

Country Status (1)

Country Link
KR (1) KR101968349B1 (ko)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101992115B1 (ko) * 2014-10-02 2019-06-25 주식회사 만도 차량용 레이다를 이용한 차선 추정 방법 및 시스템
KR101637535B1 (ko) * 2015-04-14 2016-07-07 주식회사 와이즈오토모티브 탑뷰 영상 왜곡 보정 장치 및 방법
KR101953128B1 (ko) 2015-10-22 2019-05-31 현대자동차주식회사 차량 및 차량의 제어 방법
US11322018B2 (en) 2016-07-31 2022-05-03 NetraDyne, Inc. Determining causation of traffic events and encouraging good driving behavior
CN106778668B (zh) * 2016-12-30 2019-08-09 明见（厦门）技术有限公司 一种联合ransac和cnn的鲁棒的车道线检测方法
KR101902291B1 (ko) * 2016-12-30 2018-09-28 주식회사 유라코퍼레이션 차선 보정 시스템 및 그 보정 방법
WO2019068042A1 (en) 2017-09-29 2019-04-04 Netradyne Inc. MULTIPLE EXPOSURE EVENT DETERMINATION
WO2019075341A1 (en) * 2017-10-12 2019-04-18 Netradyne Inc. DETECTION OF DRIVING ACTIONS THAT MITIGATE RISK
KR102326184B1 (ko) * 2017-11-27 2021-11-15 현대모비스 주식회사 후방카메라의 캘리브레이션 장치 및 방법
KR101991626B1 (ko) 2018-05-25 2019-06-20 가천대학교 산학협력단 지능형 차량을 위한 소실점 검출 방법 및 시스템
CN117237240B (zh) * 2023-11-15 2024-02-02 湖南蚁为软件有限公司 基于数据特征的数据智能采集方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002216139A (ja) 2001-01-22 2002-08-02 Mitsubishi Heavy Ind Ltd 画像処理による水平線検出方法
KR100666276B1 (ko) 2005-07-13 2007-01-10 현대자동차주식회사 소실점을 이용한 자동차의 차선이탈 경보방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100975749B1 (ko) * 2008-09-24 2010-08-12 금오공과대학교 산학협력단 단일 차선을 이용한 차선 인식 및 차량의 차선 이탈 검출 방법
KR20110001427A (ko) 2009-06-30 2011-01-06 태성전장주식회사 관심영역 추출에 의한 차선 고속검출 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002216139A (ja) 2001-01-22 2002-08-02 Mitsubishi Heavy Ind Ltd 画像処理による水平線検出方法
KR100666276B1 (ko) 2005-07-13 2007-01-10 현대자동차주식회사 소실점을 이용한 자동차의 차선이탈 경보방법

Also Published As

Publication number Publication date
KR20140080105A (ko) 2014-06-30

Similar Documents

Publication Publication Date Title
KR101968349B1 (ko) 영상 정보를 이용한 차선 경계 검출 방법
US9245188B2 (en) Lane detection system and method
EP2741256B1 (en) Moving body detection device and method
US9360332B2 (en) Method for determining a course of a traffic lane for a vehicle
EP2863358A1 (en) Roadside object detection device
CN109997148B (zh) 信息处理装置、成像装置、设备控制系统、移动对象、信息处理方法和计算机可读记录介质
JP6045889B2 (ja) 車載用制御装置
US9594965B2 (en) Lane boundary lane recognition device and computer-readable storage medium storing program for recognizing lane boundary lines on roadway
WO2016189112A1 (en) Collision avoidance method, computer program product for said collision avoidance method and collision avoidance system
KR101176693B1 (ko) 거리센서를 이용한 차선인식 방법 및 그 시스템
US20150262365A1 (en) Image processing device and image processing method
KR101584907B1 (ko) 관심 영역을 이용한 차선 인식 방법 및 그 장치
KR20110001427A (ko) 관심영역 추출에 의한 차선 고속검출 방법
JP6139465B2 (ja) 物体検出装置、運転支援装置、物体検出方法、および物体検出プログラム
JP4946175B2 (ja) 走路境界検出装置および走路境界検出方法
KR101366871B1 (ko) 관심영역 분할을 통한 곡선차선 검출장치 및 그 방법
US20180005073A1 (en) Road recognition apparatus
JP2017207874A (ja) 画像処理装置、撮像装置、移動体機器制御システム、画像処理方法、及びプログラム
US20200193184A1 (en) Image processing device and image processing method
WO2019149213A1 (zh) 基于影像识别路锥的方法、装置、存储介质以及车辆
KR101998584B1 (ko) 차선 검출 장치 및 차선 검출 방법
KR20140087622A (ko) 촬영 영상의 휘도를 이용한 차선 추출 방법
CN111414857A (zh) 一种基于视觉的多特征融合的前方车辆检测方法
JP2005346197A (ja) 車線境界線の検出方法及び装置、並びに車線保持制御方法及び装置
KR20160088986A (ko) 소실점 기반의 양안시차를 이용한 차선 검출 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right