딥러닝 기반 차선 마킹 손상 분석을 위한 영상 처리 프레임워크 = A Deep Learning Based Image Processing Framework for Lane Marking Damage Analysis

다국어 초록 (Multilingual Abstract)

Lane markings are critical infrastructure for road safety and autonomous driving, yet they deteriorate over time and require systematic monitoring. this thesis proposes a deep learning based framework for automated lane marking damage analysis using drone captured Bird's Eye View (BEV) images. The framework integrates YOLOv11 for detecting straight and curved lane markings, YOLOv11-seg for pixel level segmentation of curved lanes, and Real-ESRGAN for super resolution restoration to enhance degraded inputs. For damage quantification, binary mask analysis was applied to straight lanes, while a polynomial curve fitting based Region of Interest (ROI) method was introduced for curved lanes to overcome the limitations of sliding window approaches. Experimental results show that YOLOv11 achieved a mean Average Precision at IoU threshold 0.5 (mAP0.5) of 91.0%, and YOLOv11-seg reached a mean Intersection over Union (mIoU) of 95.63%. Restored images improved visual clarity with a Peak Signal to Noise Ratio (PSNR) 24.05 dB and Structural Similarity Index Measure (SSIM) of 0.462. These findings demonstrated that the proposed framework enables reliable and consistent lane marking damage assessment, supporting efficient road maintenance and enhancing the reliability of autonomous driving systems.

목차 (Table of Contents)

• 1. 서론 1
• 1.1 연구 배경 및 목적 1
• 1.2 연구 범위 및 방법 3
• 2. 관련 연구 6
• 2.1 차선 인식 및 검출 기법 6
• 2.2 차선 마킹 손상 분석 연구 8
• 2.3 객체 검출 및 분할 기법 11
• 2.4 영상 초해상도 복원 기법 14
• 2.5 ROI 분석 기술 16
• 3. 데이터셋 구축 20
• 3.1 수집 환경 20
• 3.2 영상 클래스 분류 기준 21
• 3.3 전처리 및 증강 기법 23
• 4. 제안 프레임워크 26
• 4.1 전체 시스템 아키텍처 개요 26
• 4.2 YOLOv11 기반 차선 검출 29
• 4.3 Real-ESRGAN 기반 이미지 복원 33
• 4.4 직선 차선 마킹 손상 분석 36
• 4.4.1 바이너리 마스크 처리 36
• 4.4.2 픽셀 기반 손상률 분석 38
• 4.5 곡선 차선 마킹 손상 분석 39
• 4.5.1 YOLOv11-seg 기반 분할 40
• 4.5.2 Sliding Window 기반 ROI 설정 42
• 4.5.3 Polynomial Curve Fitting 기반 ROI 설정 44
• 4.5.4 ROI 기반 손상률 분석 47
• 5. 실험 결과 및 분석 48
• 5.1 실험 환경 및 설정 48
• 5.2 검출 및 분할 성능 49
• 5.3 고해상도 복원 품질 분석 57
• 5.4 손상 분석 비교 59
• 6. 결론 및 향후 연구 68
• 6.1 결론 68
• 6.2 향후 연구 69
• 참고 문헌 72
• 영문 초록 77