• 한국통신학회논문지
• /
• 제42권1호
• /
• pp.181-192
• /
• 2017

최근 첨단 운전자 보조 시스템에 대한 활발한 연구가 이루어지고 있으며 특히 도로 영상을 활용한 도로 상황 분석에 대한 연구가 활발히 진행되고 있다. 도로 상황 분석 성능을 높이기 위해 좋은 품질의 영상이 필요하고, 이를 위해 적절한 노출 시간으로 영상을 획득할 필요가 있다. 본 논문에서는 온보드 카메라와 다양한 센서들로 주변의 정보를 습득하고 분석하여 운전자에게 정보를 제공해 줄 수 있는 다중 노출 차량용 스마트 카메라를 설계 및 구현하였다. 그리고 도로 환경에 적합한 자동 노출 조절 알고리즘을 고안하여 영상 처리 성능을 높이고자 하였다. 추가적으로 임베디드 장치의 제한된 계산 성능을 보완할 뿐만 아니라 영상 분석의 성능을 더 높일 수 있는 기존 관심 영역 기법을 응용한 관심 영역 전환 기법에 대한 연구를 수행하였다. 제안한 다중 노출 차량용 스마트 카메라의 프로토타입을 구현하여 실제 도로 환경에서 노출 조절 알고리즘과 관심 영역 전환 기법의 성능을 평가하였으며 실험을 통해 제안하는 노출 조절 알고리즘과 관심 영역 전환 기법을 사용하였을 때, 영상 인식의 정확도가 평균 13.45% 증가함을 확인하였다.

• 한국통신학회논문지
• /
• 제40권1호
• /
• pp.152-164
• /
• 2015

최근 반도체 기술, 센서 기술 및 이동통신 기술의 발전으로 스마트 자동차 기술 연구 개발이 진행 중에 있다. 사회가 발전함에 따라 차량이 증가하였고 사고에 대한 위험은 점차 높아지고 있다. 그에 따라 기존의 차량용 블랙박스 외에 차량의 각종 센서 정보를 활용하여 운전자에게 다양한 정보를 제공하는 첨단 운전자 보조 시스템이 연구되고 있다. 본 논문에서는 차량 간의 통신기능을 포함하고, 주변의 정보를 습득하여 제공할 수 있는 스마트 카메라 장치를 설계 및 구현하여, 장치에 포함된 카메라로부터 입력 받은 영상을 분석하여 획득한 정보를 영상 메타데이터화 하는 기술에 대한 연구를 수행하였다. 또한 임베디드 장치의 제한된 계산 성능을 보완하기 위해 관심영역을 설정하는 S-ROI(Static-Region Of Interest), D-ROI(Dynamic-Region Of Interest) 방식을 고안하였다. 실험을 통해 영상처리 속도가 전체영상 분석에 비해 S-ROI의 경우 3.0배, D-ROI의 경우 4.8배 향상함을 확인하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권1호
• /
• pp.51-58
• /
• 2022

첨단 운전자 보조 시스템(advanced driver assistance system)의 주요 기능 중 하나인 주행 가능 영역 검출은 차량이 안전하게 주행할 수 있는 영역을 검출하는 것을 의미한다. 주행 가능 영역 검출은 운전자의 안전과 밀접한 연관이 있으며 실시간 동작과 높은 정확도 성능을 요구한다. 이러한 조건들을 충족하기 위해, 영상의 각 행에서 도로 시차 값을 계산하여 주행 가능 영역을 검출하는 V-시차 기반 방법이 폭넓게 사용된다. 그러나 V-시차 기반 방법은 시차 값이 정확하지 않거나 객체의 시차 값이 도로의 시차 값과 동일한 경우, 도로가 아닌 영역을 도로로 오검출할 수 있다. 또한, 고속도로 및 시골길과 같이, 초목을 포함한 도로 환경에서 초목의 시차는 도로의 시차 특성과 매우 유사하기 때문에 초목 영역이 주행 가능 영역으로 오검출될 수 있다. 이에 본 논문에서는 V-시차의 특성으로 인한 오검출 횟수를 감소시킴으로써 초목 영역을 포함한 도로 환경에서 높은 정확도를 갖는 주행 가능 영역 검출 방법 및 하드웨어 구조를 제안한다. 제안하는 방법의 성능을 평가하기 위해 KITTI road dataset의 289장 영상을 사용하였을 때, 제안하는 방법은 90.12%의 정확도와 97.96%의 재현율을 보인다. 또한, 제안하는 하드웨어 구조를 FPGA 플랫폼에 구현하였을 때, 제안하는 하드웨어 구조는 8925개의 slice registers와 7066개의 slice LUTs를 사용한다.

• 방송공학회논문지
• /
• 제26권2호
• /
• pp.155-166
• /
• 2021

현재 대부분의 객체 탐지 알고리즘은 RGB 영상을 기반으로 연구되고 있다. 하지만 RGB 카메라는 물체에서 반사되는 빛을 받아들여 영상을 생성하기 때문에, 물체에서 나오는 빛이 적거나 산란이 되는 야간 또는 안개가 끼는 환경에서는 물체의 정보가 잘 표현되는 영상 취득이 어려워 객체 탐지의 정확도가 떨어진다. 그에 반해 IR(열 적외선, Infra-Red) 영상은 열 센서로 이미지를 생성하기 때문에 RGB 영상에 비해 정확한 물체의 정보를 표현할 수 있다. 따라서 본 논문에서는 이러한 이미지 특성 차이에 따른 객체 탐지 성능을 비교하고자 하며, RGB와 IR 영상의 압축률에 따른 객체 탐지를 수행하고, 결과를 비교 분석 하고자 한다. 실험에 사용된 영상은 첨단운전자 보조 시스템(ADAS) 연구용 데이터 세트인 Free FLIR Thermal 데이터 세트 중 야간에 촬영된 RGB 영상과 IR 영상을 사용하였으며, 기존 RGB 영상 기반으로 사전 학습된 신경망과 FLIR Thermal 데이터 세트 내 RGB 영상과 IR 영상을 일부 골라 재학습한 신경망을 이용하여 객체 탐지를 수행하였다. 실험 결과 RGB 기반으로 사전 학습된 신경망과 재학습한 신경망 모두 IR 영상 기반 객체 탐지 성능이 RGB 영상 기반 성능보다 월등한 것을 확인할 수 있었다.