Journal of the Korea Society of Computer and Information (한국컴퓨터정보학회논문지)

Korean Society of Computer Information (한국컴퓨터정보학회)
권호 표지
DOI QR코드

DOI QR Code

Lane detection method using Median Filter based Retinex Algorithm in Foggy Image

미디언 필터 기반의 Retinex 알고리즘을 통한 안개 영상에서의 차선검출 기법

  • 김영탁 (숭실대학교 대학원 전자공학과) ;
  • 한헌수 (숭실대학교 정보통신전자공학부)
  • Received : 2010.08.06
  • Accepted : 2010.08.17
  • Published : 2010.08.31
Download PDF
⟨ Previous Next ⟩

Abstract

The paper proposes the median filter based Retinex algorithm to detect the lanes in a foggy image. Whether an input image is foggy or not is determined by analyzing the histogram in the pre-defined ROI(Region of Interest). If the image is determined as a foggy one, then it is improved by the median filter based Retinex algorithm. By replacing the Gaussian filter by the median filter in the Retinex algorithm, the processing time can be reduced and the lane features can be detected more robustly. Once the enhanced image is acquired, the binarization based on multi-threshold and the labeling operations are applied. Finally, it detects the lane information using the size and direction parameters of the detected lane features. The proposed algorithm has been evaluated by using various foggy images collected on different road conditions to prove that it detects lanes more robustly in most cases than the conventional methods.

본 논문은 도로 영상에서 안개의 존재 여부를 판단하여 미디언 필터를 기반으로 하는 Retinex 알고리즘을 적용하고 영상을 개선한 후 최종적으로 차선을 검출하는 알고리즘을 제안한다. 영상 내에서 특정 관심 영역을 지정하고 해당 영역에서의 히스토그램을 분석하여 안개의 존재 여부를 판단한다. 안개 낀 영상으로 판단되는 경우 영상의 화질개선을 위해 미디언 필터를 기반으로 하는 Retinex 알고리즘을 이용해 대비도를 향상시킨다. 기존의 Retinex 알고리즘은 가우시안 필터를 적용하기 때문에 연산에 많은 시간이 걸리며, 특히 도로의 안개 영상에서는 차선의 특징이 두드러지지 않았다. 본 논문에서는 가우시안 필터를 미디언 필터를 바꿈으로써 도로의 안개 영상에 대해서 강인한 대비도 향상 효과를 얻을 수 있었다. 개선된 영상에서 차선에 대한 정보를 획득하기 위해서 이중 임계치를 이용한 이진화를 수행하고 라벨링을 통해서 검출된 차선의 크기, 방향 등의 정보를 계산하여 최종적인 차선을 검출한다. 제안한 알고리즘의 성능은 다양한 환경의 도로를 주행하면서 획득한 연속적인 영상들에 적용함으로써 제안하는 알고리즘의 효율성 및 우수성을 평가하였다.

Keywords

References

  1. Takahashi, "A Study on Predicting Hazard Factors for Safe Driving," IEEE Transactin on Industrial Electronics, Vol. 54, No. 2, pp.781-789, 2007. https://doi.org/10.1109/TIE.2007.891651
  2. Cheng, "Interactive Road Situation Analysis for Driver Assistance and Safety Warning Systems -Framework and Algorithms," IEEE Transactions on Intelligent Transportation System, Vol. 8, No. 1, pp.157-167, 2007. https://doi.org/10.1109/TITS.2006.890073
  3. S. Tsugawa, "Vision-based vehicles in Japan_ machine vision systems and driving control systems," IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS, VOL. 41, NO. 4,pp.398-405, 1994. https://doi.org/10.1109/41.303790
  4. J. C. McCall, "Video-based lane estimation and tracking for driver assistance_survey, system, and evaluation," IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, VOL.7, NO.1, pp.20-37, 2006. https://doi.org/10.1109/TITS.2006.869595
  5. C. Thorpe, "Vision and navigation for the Carnegie -Mellon Navlab," IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLI GENCE, VOL. IO, NO. 3, pp.362-373, 1988.
  6. R. Chapuis, "Accurate road following and reconstruction by computer vision," IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, VOL. 3, NO. 4,pp.261-270, 2002. https://doi.org/10.1109/TITS.2002.804751
  7. Li, "Springrobot: A Prototype Autonomous Vehicle and Its Algorithms for Lane Detection," IEEE Transactions on Intelligent Transportation System, Vol. 5, No. 4, pp.300-308, 2004. https://doi.org/10.1109/TITS.2004.838220
  8. Y. Cheng, "Lane Detection With Moving Vehicles in the Traffic Scenes," IEEE Transactions on Intelligent Transportation System, Vol. 7, No. 4, pp.571-582, 2006. https://doi.org/10.1109/TITS.2006.883940
  9. Wang, "Lane detection and tracking using B-Snake," Elsevier, Image and Vision Computing, 22 pp.269-280, 2004. https://doi.org/10.1016/j.imavis.2003.10.003
  10. G. Kang, "Real Time Multiple Vehicle Detection Using Neural Network with Local Orientation Coding and PCA," International Symposium on Advanced Intelligent Systems, pp. 636-639, 2003.
  11. Lin, "Lane departure identification on Highway with searching the region of interest on Hough space," International Conference on Control, Automation and Systems, pp.1088- 1091, 2007.
  12. Tian, "Vision Based Lane detection for Active Security in Intelligent Vehicle," IEEE International Conference on Vehicular Electronics and Safety, pp.507-511, 2006.
  13. J. LIU, "A Fast Method for Vanishing Point Estimation and Tracking and Its Application in Road Images," The 6th International Conference on ITS Telecommunications Proceedings, pp.106-109, 2006.
  14. E. Land, "An alternative technique for the computation of the designator in the retinex theory of color vision," Proceedings of the National Academy of Science, Vol.83, pp.3078-3080, May, 1986. https://doi.org/10.1073/pnas.83.10.3078
  15. 김세훈, 김계영, 최형일, "동적 임계값과 단순화된 칼만 필터 알고리즘을 이용한 효과적인 차선검출," 한국정보과학회논문지, 제 35권, 제 2호, 132-137쪽 , 2008년10월.
  16. 성준용,한민홍,노광현, "안전주행을 위한 비전 기반의 차선 변경보조시스템 개발," 한국컴퓨터정보학회논문지, 제11권, 제5호, 329-336쪽, 2006년 11월.
  17. 한상훈, 이강호, "연속 영상 분석에 의한 다중 차량 검출 방법의 연구," 한국컴퓨터정보학회논문지, 제8권, 제2호, 37-43쪽, 2003년 6월.
  18. http://minihp.cyworld.com/37073941/361385638

Cited by

  1. Application of MK-PRISM for interpolation of wind speed and comparison with co-kriging in South Korea vol.53, pp.4, 2010, https://doi.org/10.1080/15481603.2016.1192373