한국콘텐츠학회논문지 (The Journal of the Korea Contents Association)

  • 제7권2호
  • /
  • Pages.30-39
  • /
  • 2007
  • /
  • 1598-4877(pISSN)
  • /
  • 2508-6723(eISSN)
한국콘텐츠학회 (The Korea Contents Association)
권호 표지
DOI QR코드

DOI QR Code

고안전도 차량을 위한 자율주행 시스템

Autonomous Driving System for Advanced Safety Vehicle

  • 신영근 (고려대학교 정보경영공학부) ;
  • 전현치 (고려대학교 정보경영공학부) ;
  • 최광모 (고려대학교 정보경영공학부) ;
  • 박상성 (고려대학교 정보경영공학부) ;
  • 장동식 (고려대학교 정보경영공학부)
  • 발행 : 2007.02.28
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구는 고안전도 차량의 자율주행을 위해 필수적인 장애물 차량 탐지를 위한 시스템 개발에 관한 것이다. 먼저 칼만필터를 이용해 차량에 부착된 CCD 카메라에 의해서 획득한 전방 영상으로부터 주행차선의 경계를 탐지한다. 그리고 탐지된 경계의 회귀분석을 통해 차선을 인식한다. 다음으로 주행 방향을 인식하기 위해 탐지된 차선내의 도로 굴곡 파라미터를 오류 역전파 알고리즘의 입력값으로 사용한다. 마지막으로 전방과 측방에 탐지영역을 설정함으로써 탐지영역으로 들어오는 장애물 차량을 탐지할 수 있다. 제안한 방법으로 실험한 결과 주행방향 인식과 장애물 차량의 인식 모두 90% 이상의 높은 정확도를 보였다.

This paper is concerned with development of system to detect an obstructive vehicle which is an essential prerequisite for autonomous driving system of ASV(Advanced Safety Vehicle). First, the boundary of driving lanes is detected by a Kalman filter through the front image obtained by a CCD camera. Then, lanes are recognized by regression analysis of the detected boundary. Second, parameters of road curvature within the detected lane are used as input in error-BP algorithm to recognize the driving direction. Finally, an obstructive vehicle that enters into the detection region can be detected through setting detection fields of the front and lateral side. The experimental results showed that the proposed system has high accuracy more than 90% in the recognition rate of driving direction and the detection rate of an obstructive vehicle.

키워드

참고문헌

  1. A Broggi，"Robust real-time lane and road detection in critical shadow condition" In Proceedlings IEEE futernational Symposium on Computer Vision， pp.19-21, Nov. 1995.
  2. H J. Gwon and J. H Lee, "A Efficient Algorithm Lane Recongnition base on Hough Conversion and Approximation of Quadratic Curve，" Korea Wormation Processing society， Vol.6, No.12, pp.3710-3717， Dec. 1999.
  3. E. J. Lee, ''Lane Extraction Using Grouped Block Snake Algorithm," Korea Multimedia Society, Vol.3, pp.445-453, May.2000.
  4. S. M Wong and M Xie, ''Lane Geαnetry Detection for the Guidance of Smart Velricle," proceedings of the IEEE/IEEJ/JSAI international Corrference on Intelligent Transpαtation System, Tokyo, Japan, pp.925-928, 1995.
  5. G. W，and G. Bishop, An Introduction to the Kalrmn Filter, UNC Chapel Hill, 2004.
  6. J. U. Park, G. Y. Jang, and]. U. Lee, "Detection of Lane Curve Direction by Using fulage Processing Based on Neural Network," The Korean Society of Automotive Engineers， Vol.7, pp.178-185, :May. 2003.
  7. S. J. Lee, D. K Hwang, D. J. Choi. R. Lee, H. J. Park, and B. M Jun, "Shadow Region Detection Using Color Properties," The Korea Contents Association， Vol.5, No.4, pp.103-110, 2005.
  8. G. Lefaix， E. Marchad， and P. Boutherny, ''Motion based Obstacle Detection and Tracking for Driving Assistance," ICPR'2OO2, Vol. 4, pp.74-77， Aug. 2002