Earticle

차선이탈경고시스템(LDWS)은 첨단운전자지원시스템(ADAS)의 핵심 기능으로, 비의도적 차선 이탈을 탐지하여 사고를 예방한다. 그러나 기존의 에지 검출이나 허프 변환 기반 기법은 조명 변화, 차선 마모, 복잡한 도로 조건에서 한계가 있다. 본 연구는 딥러닝 기반 차선 세그멘테이션과 역원근 투영(IPM) 변환을 통합하여 LDWS 성능을 개선하는 방법을 제안한다. CamVid 데이터셋을 활용해 SegNet과 U-Net을 학습시켰으며, 결과를 탑뷰 영상으로 변환한 뒤 ResNet18 분류기를 통해 전처리 시나리오를 비교하였다. 실험 결과, U-Net이 SegNet보다 우수한 세그멘테이션 성능을 보였고, IPM 적용 시 분류 정확도가 크게 향상되었다. 특히 세그멘테이션 ROI와 IPM을 결합했을 때 최고 F1-score를 달성하여 균형 잡힌 검출 성능을 입증하였다. 따라서 제안 방법은 LDWS의 정확도와 강 인성을 향상시키는 효과적인 접근임을 확인하였다.

The Lane Departure Warning System (LDWS), a core function of Advanced Driver Assistance Systems (ADAS), prevents accidents by detecting unintended lane departures. Traditional methods based on edge detection or Hough transform are limited to illumination changes, lane fading, and complex roads. This study proposes integrating deep learning–based lane segmentation with Inverse Perspective Mapping (IPM) to improve LDWS performance. A SegNet and U-Net segmentation model was trained using the CamVid dataset, and the outputs were converted into top-view images, which were then evaluated with a ResNet18 classification model. The results show that U-Net achieved a higher level of segmentation accuracy, and IPM significantly improved classification accuracy. The combination of segmentation ROI and IPM yielded the best F1-score, confirming the effectiveness of the proposed approach for enhancing LDWS accuracy and robustness.

This paper proposes an Extended and Adaptive Inverse Perspective Mapping (EA-IPM) model that can obtain an accurate bird's-eye view (BEV) from the forward-looking monocular camera on the sidewalk with various curves. While Inverse Perspective Mapping (IPM) is a good way to obtain ground information, conventional methods assume a fixed relationship between the camera and the ground. Due to the nature of the driving environment of the mobile robot, there are more walking environments with frequent motion changes than flat roads, which have a fatal effect on IPM results. Therefore, we have developed an extended IPM process to be applicable in IPM on sidewalks by adding a formula for complementary Y-derive processes and roll motions to the existing adaptive IPM model that is robust to pitch motions. To convince the performance of the proposed method, we evaluated our results on both synthetic and real road and sidewalk datasets.

본 논문에서는 차선 이탈 경고 장치 시스템에서 사용되는 실시간 차선 추적 방법을 제안한다. 먼저 입력 영상의 원근효과를 제거하기 위해 역투영 변환을 이용하여 조감도 영상을 생성한다. 그 다음 차선의 사전 정보를 이용하여 차선 검출에 적합한 특징들을 추출한다. 블록단위의 관심영역에 해당하는 차선 특징과 RANSAC(RANdom Sample Consensus) 알고리즘을 사용하여 차선 후보군을 검출하고 클러스터링 과정을 수행하여 주행 차선을 결정한다. 마지막으로 칼만 필터를 사용하여 현재 검출된 주행 차선을 추적한다. 제안하는 알고리즘을 주간, 야간 등의 다양한 고속도로 환경에서 실험한 결과 실시간 환경에서 사용가능한 30ms 이내의 처리 속도와 90% 가량의 추적률을 얻을 수 있었다.

In this paper, A real-time lane tracking algorithm is proposed for lane departure warning system. To eliminate perspective effect, input image is converted into Bird's View by inverse perspective mapping. Next, suitable features are extracted for lane detection. Lane feature that correspond to area of interest and RANSAC are used to detect lane candidates. And driving lane is decided by clustering of lane candidates. Finally, detected lane is tracked using the Kalman filter. Experimental results show that the proposed algorithm can be processed within 30ms and its detection rate is approximately 90% on the highway in a variety of environments such as day and night.

본 논문은 차량에 설치된 블랙박스 영상으로부터 도로노면에 표시된 방향지시기호를 효율적으로 검출하는 방안을 제안한다. 제안한 연구에서는 원근 효과를 가진 입력영상에서 역원근변환 방법을 통해 원근 효과를 제거한 실세계 좌표로 매핑 한 평면 영상에서 BOF 특징정보 기반의 신경망 인식기를 통해 검출한다. 입력영상에서 역원근변환과 특징정보의 검출 및 인식은 높은 계산량 때문에 실시간 처리가 어려운 점이 있다. 이를 보완하기 위해 제안한 방안에서는 입력영역의 도로노면 방향지시기호 영역의 특징을 분석하여 도로노면 기호가 포함된 후보 ROI영역을 정의하고 후보 ROI영역의 Gray 색상에서 역원근변환을 수행한다. 그리고 각 도로기호 영역들을 실시간 검출 및 인식하기 위해 인식코자 하는 영역 극소 특징벡터를 추출하고 이를 근소화시킨 클래스로 군집화하여 BOF를 생성한 후 이를 활용한 신경망을 통해 검출한다. 제안한 방안을 도로노면 방향지시기호 검출 연구에 적용한 결과, 약 89% 이상 비교적 정확한 검출률을 제시하였으며, 다양한 도로 환경에서도 높은 검출률을 제시하였다. 따라서 제안한 방안을 안전운전지원시스템을 위한 보다 정확한 도로정보 제공시스템에 적용 가능함을 보인다.

This paper proposes a method for detecting the direction indicator shown in the road surface efficiently from the black box system installed on the vehicle. In the proposed method, the direction indicators are detected by inverse perspective mapping(IPM) and bag of visual features(BOF)-based NN classifier. In order to apply the proposed method to real-time environments, the candidated regions of direction indicator in an image only performs IPM, and BOF-based NN is used for the classification of feature information from direction indicators. The results of applying the proposed method to the road surface direction indicators detection and recognition, the detection accuracy was presented at least about 89%, and the method presents a relatively high detection rate in the various road conditions. Thus it can be seen that the proposed method is applied to safe driving support systems available.

본 논문은 차량에 설치된 블랙박스 영상으로부터 도로 노면에 표시된 방향지시 기호를 효율적으로 검출하는 방안을 제안한다. 차량 내부에 설치된 블랙박스 영상은 카메라의 원근 효과로 인해 방향지시 기호 영역을 올바르게 검출하지 못하는 문제점이 존재한다. 따라서 제안한 연구에서는 원근 효과를 가진 입력 영상에서 역원근 변환 방법을 통해 원근 효과를 제거한 실세계 좌표로 맵핑한 평면 영상에서 방향지시 기호 영역을 신경망 검출기를 통해 검출한다. 입력 영상에서 역 원근 변환은 높은 계산량으로 인해 실시간 처리가 어려운 점이 존재한다. 이를 보완하기 위해 제안한 방안에서는 입력 영역의 도로노면 방향지시 기호 영역의 특징을 분석하여 도로노면 기호가 포함된 후보 ROI영역을 정의하고 후보 ROI 영역의 Gray 색상에서 역원근 변환을 수행한다. 제안한 방안을 도로노면 방향지시 기호 검출 및 인식 연구에 적용한 결과, 약 87% 이상 비교적 정확히 검출율을 제시하였으며, 다양한 도로 환경에서도 높은 검출율을 제시하였다. 따라서 제안한 방안을 운전자의 안전운전지원시스템에 적용함으로써 보다 정확한 도로정보 제공시스템 적용이 가능함을 알 수 있다.