무인 자율 주행 자동차를 위한 횡단보도 및 정지선 인식 시스템

국문 초록 (Abstract)

최근 무인 자율 주행 자동차를 실현하기 위한 기술 개발이 활발히 이루어지고 있는 추세이다. 본 논문에서는 무인 자율 주행 자동차의 핵심 기술인 컴퓨터 비전을 이용한 무인 자율 주행 자동차를 위한 횡단보도 및 정지선 인식 시스템을 제안한다. 본 논문의 컴퓨터 비전 시스템은 먼저 무인주행을 위하여 반드시 필요로 하는 차선을 RANSAC 알고리즘과 Kalman 필터를 이용하여 인식하고 인식된 차선이 실제로는 평행하다는 점을 이용하여 원근 시점인 입력 영상을 평면 시점으로 변환하여 횡단보도의 크기가 일정하게 만든다. 그런 후, 변환된 영상에서 횡단보도의 기하학적 특징을 이용하여 횡단보도를 인식하고 횡단보도 앞의 영역을 관심 영역으로 설정한 후 설정된 관심 영역에서 정지선을 추출한다. 구현된 알고리즘을 다양하게 실험한 결과 차선, 횡단보도, 정지선에 대하여 높은 인식률을 보였다.

다국어 초록 (Multilingual Abstract)

Recently, development of technologies for autonomous vehicles has been actively carried out. This paper proposes a computer vision system to recognize lanes, crosswalk, and stop lines for autonomous vehicles. This vision system first recognizes lanes required for autonomous driving using the RANSAC algorithm and the Kalman filter, and changes the viewpoint from the perspective-angle view of the street to the top-view using the fact that tha labnes are parallel. Then in the reconstructed top-view image this system recognizes a crosswalk based on its geometrical characteristics and searches for a stop line within a region on interest in front of the recognized crosswalk. Experimental results show excellent performance of the proposed vision system in recognizing lanes, crosswalk, and stop lines.

목차 (Table of Contents)

• 요약
  
• Abstract
  
• 1. 서론
  
• 2. 관련 연구
  
• 3. 알고리즘
  
• 4. 실험 결과
  
• 5. 결론 및 향후 연구 방향
  
• 참고문헌
  
• 
  
• 
  
• 
  

참고문헌 (Reference)

1 S. Se, "Zebra-crossing detection for the partially sighted" 2 : 211-217, 2000

2 K. Kluge, "The YARF system for vision-based road following" 22 (22): 213-233, 1995

3 Q. Li, "Springrobot: A prototype autonomous vehicle and its algorithms for lane detection" 5 (5): 300-308, 2004

4 E. D. Dickmanns, "Recursive 3-D road and relative ego-state recognition" 14 (14): 199-213, 1992

5 D. Pomerleau, "Rapidly adapting machine vision for automated vehicle steering" 11 (11): 19-27, 1996

6 Martin A. Fischler, "Random Sample Consensus: A Paradigm for Model Fitting with Apphcatlons to Image Analysis and Automated Cartography" 24 : 1981

7 D. Pomerleau, "Neural network vision for robot driving, In The Handbook of Brain Theory and Neural Networks" MIT Press 1995

8 림청, "Lane Detection in Complex Environment Using Grid-Based Morphology and Directional Edge-link Pairs" 한국지능시스템학회 20 (20): 786-792, 2010

9 C. Kreucher, "LANA: A lane extraction algorithm that uses frequency domain features" 15 (15): 343-350, 1999

10 M. Bertozzi, "GOLD: A parallel real-time stereo vision system for generic obstacle and lane detection" 7 (7): 62-81, 1998

11 S. Baluja, "Evolution of an artificial neural network based autonomous land vehicle controller" 26 (26): 450-463, 1996

12 J. B. McDonald, "Detecting and tracking road markings using the Hough transform" 1-9, 2001

13 V. Ivanchenko, "Detecting and locating crosswalks using a camera phone" 2008

14 J. M. Coughlan, "A fast algorithm for finding crosswalks using figure-ground segmentation" 2-, 2006

15 C. Taylor, "A comparative study of vision-based lateral control strategies for autonomous highway driving" 18 (18): 442-453, 1999

16 B. Soheilian, "3d zebra crossing reconstruction from stereo rig images of a ground-based mobile mapping system" 2006