Robust Lane Detection Method in Varying Road Conditions

도로 환경 변화에 강인한 차선 검출 방법

  • Kim, Byeoung-Su (Dept. of Electronics Computer Engineering, Hanyang University) ;
  • Kim, Whoi-Yul (Dept. of Electronics Computer Engineering, Hanyang University)
  • 김병수 (한양대학교 전자컴퓨터통신공학과) ;
  • 김회율 (한양대학교 전자컴퓨터통신공학과)
  • Received : 2011.11.08
  • Accepted : 2011.12.20
  • Published : 2012.01.25


Lane detection methods using camera, which are part of the driver assistance system, have been developed due to the growth of the vehicle technologies. However, lane detection methods are often failed by varying road conditions such as rainy weather and degraded lanes. This paper proposes a method for lane detection which is robust in varying road condition. Lane candidates are extracted by intensity comparison and lane detection filter. Hough transform is applied to compute the lane pair using lane candidates which is straight line in image. Then, a curved lane is calculated by using B-Snake algorithm. Also, weighting value is computed using previous lane detection result to detect the lanes even in varying road conditions such as degraded/missed lanes. Experimental results proved that the proposed method can detect the lane even in challenging road conditions because of weighting process.

자동차 기술의 발전으로 카메라를 이용하여 차선을 검출하는 운전자 보조 시스템에 대한 연구가 활발히 진행되고 있다. 하지만 비가 오거나 차선이 노후화된 경우 차선 검출이 어려운 문제가 있다. 본 논문에서는 도로 환경 변화에 강인한 차선 검출 방법을 제안한다. 제안하는 방법은 밝기 값과 차선의 평균적인 폭 정보를 이용하여 후보 영역을 추출한다. 추출된 후보 영역을 기준으로 허프 변환을 이용하여 구간별 직선을 추출하고, B-Snake 방법을 사용하여 자연스러운 차선을 검출하게 된다. 노후화 되거나 손실된 차선을 검출하기 위하여, 기존에 검출된 차선 정보를 이용하여 다음 프레임에서 차선이 위치할 경로를 계산하고, 계산된 경로를 기준으로 차선 영역에서 검출되는 후보 영역에 대한 가중치를 부여한다. 실험 결과 제안하는 방법은 노후화되거나 비가 내려 차선의 밝기가 낮은 경우에도 효과적으로 차선을 검출하였다.



  1. H-. Y. Cheng, C-. C. Tseng, K-. C. Fan, J-. N. Hwang, and B-. S. Jeng, "Hierarchical lane detection for different type of roads," IEEE Transactions on Acoustics, Speech and Signal Processing, pp. 1349-1352, 2008.
  2. K. Kluge, S. Lakshmanan, "A deformable template approach to lane detection," IEEE Intelligent Vehicle, pp. 54-59, 1995.
  3. K. H. Lim, L-. M. Ang, K. P. Seng, and S. W. Chin, "Lane-vehicle detection and tracking," Proc. International Multiconference of Engineers and Computer Scientists, vol. 2, 2009.
  4. C. Rasmussen, "Grouping dominant orientations for ill-structured road following," Proc. IEEE Comput. Soc. Conf., Comput. Vis. and Pattern Recognition., vol. 1, pp. 394-398, 2004.
  5. C. Lipski, B. Scholz, K. Berger, C. Linz, T. Stich, and M. Magnor, "A Fast and Robust Approach to Lane Marking Detection and Lane Tracking," Proc. IEEE Southwest Symposium on Image Analysis and Interpretation, pp. 57-60, 2008.
  6. D. J. Kang, J. W. Choi, and I. S. Kweon, "Finding and tracking raod lanes using line-snakes," Conference on Intelligent Vehicle, pp. 189-194, 1996.
  7. 허규성, 백열민, 윤재호, 김회율, "원거리 전방 영상을 이용한 실시간 차선 검출 방법", 제22회 영상 처리 및 이해에 관한 워크샵(IPIU), 2010.
  8. Y. Wang, E. K. Teoh, and D. Shen, "Lane detection and tracking using B-snake," Image Vision Computing, vol. 22, no. 4, pp. 269-280, 2004.
  9. Z. Kim, "Robust Lane Detection and Tracking in Challenging Scenarios," IEEE Trans. Intelligent Transportation Systems, vol. 9, no. 1, pp. 16-26, 2008.
  10. R. Jiang, M. Terauchi, R. Klette, S. Wang, and T. Vaudrey, "Low-level image processing for lane detection and tracking," MItech-TR-42.