• Proceedings of the Korean Information Science Society Conference
• /
• 2003.10b
• /
• pp.562-564
• /
• 2003

지능형 교통 시스템(intelligent traffic system)의 필요성은 컴퓨터비전기술의 발전에 따라 성장해오고 있다. 지능형 교통 시스템의 바람직한 방법들 중 하나는 비전처리를 통하여 자동차의 수를 계수하는 것이다. 차량이 포함된 도로 이미지들은 디지털 카메라에 의하여 촬영된다. 우선적으로 이미지에서 도로의 중앙선 오른쪽부분은 제외한다. 단순히 개개의 차량을 분리해 나는 것은 겹치는 문제, 그림자, 조명과 같은 많은 문제점을 가지고 있다. 차량계수를 목적으로 이미지를 세밀히 조사하다가 보니 낮에는 차량의 앞 범퍼 끝의 그림자로 밤에는 헤드라이트 불빛으로 차량을 식별할 수 있다는 것을 알 수 있었다. 이 논문에서는 그림자분석을 통한 차량계수를 다루었다. 이 특징을 사용하여 차량을 계수하여 만족할만한 정확성을 성취하는 것이 이 논문의 목표이다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2014.11a
• /
• pp.146-149
• /
• 2014

최근 자동차 산업과 IT 기술의 융합이 활발해지면서 스마트카, 자율주행 자동차(무인 자동차)와 같은 지능형 자동차 개발이 활발히 진행되고 지능형 자동차의 비전 기반 기술개발도 활발히 진행되고 있다. 고속도로와 같이 포장된 도로나 자갈길과 같은 비포장 도로에서도 운전자의 승차감을 고려한 능동적 안전시스템과 안정적인 자율주행 자동차의 주행능력을 보장하는 기술들 중 도로 유형을 판단하는 것이 중요 요소 중 하나이다. 따라서 본 논문에서는 가중치 기반 클러스터링 기술을 이용하여 도로표면 유형을 분류하는 알고리즘을 제안한다. 아스팔트, 자갈길, 흙길, 눈길의 도로표면 영상 데이터를 히스토그램의 분포도와 최고점 위치, 에지 영상의 에지량, 채도성분을 이용하여 특징값을 추출하고 클러스터를 구성한다. 분류할 입력 도로표면 영상에 대해 특징값을 분석한 후 탐색범위 내 선택된 각 클러스터의 벡터와의 거리를 측정하여 가중치를 계산하고 가중치가 높은 클러스터를 분류하여 입력 영상에 대한 도로표면을 결정한다. 실험결과 제안하는 방법이 각 도로표면 영상의 특징값과 이를 이용한 가중치만을 이용하여 약 91.25%의 정확도로 도로의 표면을 분류해 내는 것을 볼 수 있었다.

• Transactions of the Korean Society of Automotive Engineers
• /
• v.7 no.5
• /
• pp.258-267
• /
• 1999

An intelligent safety vehicle(ISV) should have an ability to predict the possibility of an accident and help a driver avoid the accident in advance. The basic function of the ISV is to alert the driver by warning when the collision is to occur. For this purpose, the ISV has to function efficiently in sensing the environmental context. While image processing provides lane information, laser radar senses road obstacles including vehicles. By applying a simple clustering algorithm to radar signals, it is possible to obtain the vehicle information. Consequently, we can identify the existence of the vehicle of interest on my lane. The reliability of the sensing algorithm is evaluated by running on the highway with a test vehicle.

• Transactions of the Korean Society of Automotive Engineers
• /
• v.24 no.6
• /
• pp.627-634
• /
• 2016

In this paper, an augmented video generation method to evaluate the performance of lane departure warning system is proposed. In our system, the input is a video which have road scene with general clean lane, and the content of output video is the same but the lane is synthesized with contamination image. In order to synthesize the contamination lane image, two approaches were used. One is example-based image synthesis, and the other is background-based image synthesis. Example-based image synthesis is generated in the assumption of the situation that contamination is applied to the lane, and background-based image synthesis is for the situation that the lane is erased due to aging. In this paper, a new contamination pattern generation method using Gaussian function is also proposed in order to produce contamination with various shape and size. The contamination lane video can be generated by shifting synthesized image as lane movement amount obtained empirically. Our experiment showed that the similarity between the generated contamination lane image and real lane image is over 90 %. Futhermore, we can verify the reliability of the video generated from the proposed method through the analysis of the change of lane recognition rate. In other words, the recognition rate based on the video generated from the proposed method is very similar to that of the real contamination lane video.

• Journal of the Institute of Convergence Signal Processing
• /
• v.4 no.1
• /
• pp.56-63
• /
• 2003

This paper introduces a vision based autonomous mini mobile robot that is an approach to produce real autonomous vehicle. Previous autonomous vehicles are dependent on PC, because of complexity of designing hardware, difficulty of installation and abundant calculations. In this paper, we present an autonomous motile robot system that has abilities of accurate steering, quick movement in high speed and intelligent recognition as a stand-alone system using a mono camera. The proposed system has been implemented on mini track of which width is 25~30cm, and length is about 200cm. Test robot can run at average 32.9km/h speed on straight lane and average 22.3km/h speed on curved lane with 30~40m radius. This system provides a model of autonomous mobile robot adapted a lane recognition algorithm in odor to make real autonomous vehicle easily.

• Proceedings of the KIEE Conference
• /
• 2004.07d
• /
• pp.2507-2509
• /
• 2004

지능형 안전자동차에 비전센서를 채택하여 이의 응용시스템을 개발하기 위해서는 궁극적으로 많은 양의 영상데이터를 시스템의 제어목적에 부합하도록 실시간으로 처리하기 위한 노력과 구현하고자 하는 영상처리시스템을 정적인 실내환경과 달리 열악한 환경의 차량에 탑재가 용이하게 하기 위한 소형화의 노력이 요구된다. 본 논문에서 구현된 실시간 영상처리 하드웨어는 에지 연산 등의 반복된 전처리는 FPGA에서 처리하고, 상위단계의 영상처리는 RISC에서 수행하는 구조이다. 구현된 영상처리 하드웨어는 에지정보 기반의 차선정보추출 및 차선이탈 경보알고리즘을 적용하여 그 성능을 평가하였으며, 초당 25프레임 이상의 영상처리를 수행할 수 있는 연산속도를 보여 성공적인 결과를 얻을 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1321-1323
• /
• 2013

지능형 자동차에서 영상 기반 능동 안전시스템의 신뢰성을 확보하기 위해서는 도로 위의 다양한 객체를 강건하게 검출하고, 추적하는 것이 가장 중요하다. 본 논문에서는 다중 가설 기반 추적 프레임워크를 이용하여, 실시간으로 전방 차량을 검출하고 추적하는 시스템을 제안한다. 제안한 시스템은 다양한 외부 도로 환경에서 획득된 실험 영상에 대하여 10-15Hz 의 처리 속도로, 평균적으로 98%의 인식률을 제공할 수 있다.

• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2019.06a
• /
• pp.9-12
• /
• 2019

지난 수 년 동안 계속해서 일반 실상 카메라를 이용한 영상분석기술에 대한 연구가 활발히 진행되고 있다. 최근에는 딥러닝 기술을 적용한 지능형 영상분석기술로 발전해 왔으며 국방기지방호, CCTV, 사용자 얼굴인식, 머신비전, 자동차, 드론 산업이 활성화되면서 많은 시너지를 효과를 일으키고 있다. 그러나 어두운 밤과 안개, 날씨, 연기 등 다양한 여건에서 따라서 카메라의 영상분석 정확성 감소와 오류가 수반될 수 있으며 일반적으로 딥러닝 기술을 활용하기 위해서는 고사양의 GPU를 필요로 하기 때문에 다른 추가적인 시스템이 요구된다. 이에 본 연구에서는 열적외선 영상의 객체 검출에 적용하기 위해 SSD(Single Shot MultiBox Detector) 기반의 경량적인 MobilNet 네트워크로 재구성하여, 모바일 기기 등 낮은 사양의 낮은 임베디드 시스템에서도 활용 할 수 있는 방법을 제안한다. 모의 실험결과 제안된 방식의 모델은 적외선 열화상 카메라에서 객체검출과 학습시간이 줄어든 것을 확인 할 수 있었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2019.05a
• /
• pp.220-222
• /
• 2019

Korean automobile industry has been slow down since 2016. The most fundamental solution for solving this problem is to develop competitive parts. There are two important factors for developing competitive parts. The most important is product design technology, and the second most important is production technology. Production technology is important because it requires lowering the production cost except for the material cost and continuously maintaining the quality. In this paper, an intelligent smart inspection system is proposed and designed to inspect automobile parts of company C. At present, the basic and detailed design of this system has been completed and it is in the development progress stage. If the system is successfully developed, it is expected that the quality inspection stage of company C will be automated and the defect rate will be reduced.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.41 no.12
• /
• pp.1950-1958
• /
• 2016

Today, technique for precisely positioning vehicles is very important in C-ITS(Cooperative Intelligent Transport System), Self-Driving Car and other information technology relating to transportation. Though the most popular technology for vehicle positioning is the GPS, its accuracy is not reliable because of large delay caused by multipath effect, which is very bad for realtime traffic application. Therefore, in this paper, we proposed the Vision-Based High Accuracy Vehicle Positioning Technology. At the first step of proposed algorithm, the ROI is set up for road area and the vehicles detection. Then, center and four corners points of found vehicles on the road are determined. Lastly, these points are converted into aerial view map using homography matrix. By analyzing performance of algorithm, we find out that this technique has high accuracy with average error of result is less than about 20cm and the maximum value is not exceed 44.72cm. In addition, it is confirmed that the process of this algorithm is fast enough for real-time positioning at the $22-25_{FPS}$.