• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권2호
• /
• pp.786-799
• /
• 2021

Road damage detection is important for road maintenance. With the development of deep learning, more and more road damage detection methods have been proposed, such as Fast R-CNN, Faster R-CNN, Mask R-CNN and RetinaNet. However, because shallow and deep layers cannot be extracted at the same time, the existing methods do not perform well in detecting objects with fewer samples. In addition, these methods cannot obtain a highly accurate detecting bounding box. This paper presents a Multi-level Feature Pyramids method based on M2det. Because the feature layer has multi-scale and multi-level architecture, the feature layer containing more information and obvious features can be extracted. Moreover, an attention mechanism is used to improve the accuracy of local boundary boxes in the dataset. Experimental results show that the proposed method is better than the current state-of-the-art methods.

• 전자공학회논문지SC
• /
• 제46권6호
• /
• pp.28-37
• /
• 2009

본 논문에서는 지역 최대 빈도 값을 이용하여 V-시차 맵 상에서 도로 특징 정보를 추출하고 이를 이용한 장애물체 검출 방법을 제안한다. 기존 방법은 장애물체의 크기 수 및 종류 등이 변경되면 추출 성능이 영향을 받는다. 특히 크기가 큰 장애물체나 중앙분리대와 같은 연속적인 장애물체에 대한 추출이 어렵다. 이를 해결하기 위하여 주변 상황 영향을 적게 받는 도로 특징 정보를 새로운 장애물체의 유무 판단 기준으로 사용한다. 도로 특징 정보는 V-시차 맵 상에서 특정 열에 장애물체가 많이 존재하는 상황에서도 전체적인 그 특징을 잘 유지함으로 그 강건성이 높아 새로운 판단기준으로 적합하다. 그리고 V-시차 맵 상에서 도로 특징 정보를 쉽게 추출하기 위하여 먼저 지역 최대 빈도 값을 이용하여 이진 V-시차 맵을 생성한다. 그리고 기존 중간 값과 비교하여 도로 특징 정보가 아닌 부분은 제거하고, 마지막으로 보간을 통하여 최종 도로 특징 정보를 추출한다. 이를 시차 맵의 각 행과 비교하여 장애물체 영역을 검출한다. 또한 장애물체 영역 검출 성능을 향상시키기 위하여 검출 단계에서 발생한 노이즈를 제거하기 위한 후처리 과정도 제안한다. 그리고 실제 도로 영상에 적용한 실험을 통하여 제안한 알고리즘이 기존 방법에 비해 장애물체 검출 성능이 우수함을 보인다.

• 디지털융복합연구
• /
• 제15권1호
• /
• pp.239-245
• /
• 2017

본 논문은 포털 사이트에서 서비스 되고 있는 로드뷰 영상에서 개인정보 보호를 위해 자동차 번호판 영역을 검출하는 방법을 제안한다. 로드뷰 영상에서 번호판 영역은 거리에 따라 서로 다른 특징을 갖고 있으며, 특히 원거리의 번호판 영역은 저해상도 특징으로 인해 번호판 영역을 검출하는데 어려움이 있다. 따라서 본 연구에서는 근거리에 있는 번호판 영역은 에지 특징을 이용하고 원거리에 있는 번호판 영역은 MSER 특징을 이용하여 번호판 영역을 검출하는 기법을 제안하였다. 각각의 방법으로 검출된 영역을 번호판 후보 영역으로 선정하고, 자동차 번호판의 숫자는 구조적 특징을 갖기 때문에 이를 이용하여 최종적인 번호판 영역을 검출하였다. 실험결과, 다양한 로드뷰 영상에서 precision 75%, recall 93%, 그리고 F-Score 80%의 성능평가 결과를 얻었다.

• 융합신호처리학회논문지
• /
• 제2권2호
• /
• pp.7-12
• /
• 2001

본 논문에서는 스페클 노이즈를 포함하는 SAR 영상에서 도로망과 같은 선형 구조를 검출하기 위하여 하이브리드 특징 검출 방법을 사용하였다. 먼저 국소적으로 이웃한 영역에 대하여 평균 밝기 비율 또는 통계적 특성을 고려하여 국소적 에지를 검출하였고, 도로에 대한 많은 정보를 위하여 양 검출기로부터 검출된 응답을 결합하였으며, 결합된 에지 세그먼트 중 도로에 일치하는 세그먼트를 결정하고, 연결하여 완전한 도로망을 검출하였다. 본 논문에서 도로망의 검출 방법으로 도로에 대한 일반적인 사전 지식을 MRF 모델로 정의하고, 제안한 세그먼트의 상호 작용 포인터 프로세서에 의한 에너지 함수를 최적화하여 도로망을 검출하였다.

• 제어로봇시스템학회논문지
• /
• 제22권10호
• /
• pp.803-810
• /
• 2016

This paper presents a study of localization methods based on particle filter using 2D laser sensor measurements and road feature map information, for autonomous vehicles. In order to navigate in an urban environment, an autonomous vehicle should be able to estimate the location of the ego-vehicle with reasonable accuracy. In this study, road features such as curbs and road markings are detected to construct a grid-based feature map using 2D laser range finder measurements. Then, we describe a particle filter-based method for accurate positional estimation of the autonomous vehicle in real-time. Finally, the performance of the proposed method is verified through real road driving experiments, in comparison with accurate DGPS data as a reference.

• 디지털융복합연구
• /
• 제12권1호
• /
• pp.359-364
• /
• 2014

본 논문은 평균이동방법과 연결요소방법을 이용하여 도로 영역을 추출하는 알고리즘을 제안하였다. 평균 이동 방법은 중심 모드를 찾기 위한 비모수적 통계 방법으로 컬러 영상을 분할하는데 효율적이다. 일반적으로, 영상의 중 하단에 위치하는 정보를 활용하여 도로의 특징점이 추출된다. 이 특징점과 분할된 컬러 영상을 이용하면, 도로의 영역을 추출할 수 있다. 그러나, 도로의 위치정보와 색상정보만으로 도로영역을 추출할 경우, 잡음과 도로 이외의 영역까지 추출되는 단점이 있다. 본 논문에서는 모폴로지 열기 닫기 연산을 이용하여 잡음을 제거하고, 연결요소 방법을 통하여 가장 큰 영역의 부분만을 추출하여 도로 영역으로 결정하는 방법을 제안한다. 제안된 방법은 실험을 통하여 잡음 제거와 보다 정확한 도로 검출됨을 검증한다.

• 제어로봇시스템학회논문지
• /
• 제21권2호
• /
• pp.130-136
• /
• 2015

In this paper, we propose a robust curved lane marking detection method. Several lane detection methods have been proposed, however most of them have considered only straight lanes. Compared to the number of straight lane detection researches, less number of curved-lane detection researches has been investigated. This paper proposes a new curved lane detection and tracking method which is robust to various illumination conditions. First, the proposed methods detect straight lanes using a robust road feature image. Using the geometric relation between a vehicle camera and the road plane, several circle models are generated, which are later projected as curved lane models on the camera images. On the top of the detected straight lanes, the curved lane models are superimposed to match with the road feature image. Then, each curve model is voted based on the distribution of road features. Finally, the curve model with highest votes is selected as the true curve model. The performance and efficiency of the proposed algorithm are shown in experimental results.

• 한국인공지능학회지
• /
• 제11권3호
• /
• pp.17-22
• /
• 2023

In this paper, we propose a black ice detection system using Convolutional Neural Networks (CNNs). Black ice poses a serious threat to road safety, particularly during winter conditions. To overcome this problem, we introduce a CNN-based architecture for real-time black ice detection with an encoder-decoder network, specifically designed for real-time black ice detection using thermal images. To train the network, we establish a specialized experimental platform to capture thermal images of various black ice formations on diverse road surfaces, including cement and asphalt. This enables us to curate a comprehensive dataset of thermal road black ice images for a training and evaluation purpose. Additionally, in order to enhance the accuracy of black ice detection, we propose a multi-scale dilation convolution feature fusion (MsDC-FF) technique. This proposed technique dynamically adjusts the dilation ratios based on the input image's resolution, improving the network's ability to capture fine-grained details. Experimental results demonstrate the superior performance of our proposed network model compared to conventional image segmentation models. Our model achieved an mIoU of 95.93%, while LinkNet achieved an mIoU of 95.39%. Therefore, it is concluded that the proposed model in this paper could offer a promising solution for real-time black ice detection, thereby enhancing road safety during winter conditions.

• 한국콘텐츠학회논문지
• /
• 제19권1호
• /
• pp.125-131
• /
• 2019

소실점이란 실제 공간의 평행한 선들이 영상 내에 투영되면서 한곳에 모이는 점으로, 도로 공간에서의 소실점은 매우 중요한 공간정보이다. 도로 공간에서의 소실점을 이용해 추출된 차선의 위치를 개선하거나, 깊이지도 영상을 생성할 수 있다. 본 논문에서는 자동차의 시점을 기준으로 도로를 촬영한 영상을 Deep Neural Network(DNN)과 Histogram of Oriented Gradient(HoG) Feature를 이용한 소실점 검출 방법을 제안한다. 제안하는 알고리즘에서는 영상을 블록별로 나눠서 주요 에지 방향을 추출하는 HoG Feature 추출 단계와 DNN 학습 단계, 그리고 Test 단계로 나뉜다. 학습단계에서는 자동차 시점으로 기준으로 도로 영상 2300장으로 학습을 진행한다. 그리고 Test 단계에서는 Normalized Euclidean Distance(NormDist) 방법을 사용하여 제안하는 알고리즘의 효율성을 측정한다.

• 대한원격탐사학회지
• /
• 제27권4호
• /
• pp.421-433
• /
• 2011

도시 정보시스템 및 위치기반 서비스와 같은 공간정보 분야의 빠른 성장으로 인해 도심지 도로정보 취득 및 갱신에 대한 중요성이 날로 증가하고 있다. 본 연구에서는 고해상도 위성영상으로부터 도로 정보를 추출하기 위하여 최근 화소기반분석의 대안으로 주목을 받고 있는 객체기반 접근법을 이용한 자동 도로추출 방법을 제안한다. 이를 위해 우선 MSRG(Modified Seeded Region Growing)기법을 이용하여 공간객체를 생성한 후, 객체의 형상 특정정보와 인접성을 기반으로 핵심 도로 객체를 자동으로 추출하였다. 또한 추출된 핵심도로 객체와 인접한 객체들과의 공간적 상관성을 이용하여 일부 누락된 도로객체를 추적하였다. 최종적으로 도로의 기하학적인 특성을 이용한 단절된 도로 구간 연결 및 도로 변형 개선 과정을 통하여 최종도로영역을 추출하였다. 제안 기법의 성능 검증을 위한 정량적 평가 결과, 도로영역에 대해 높은 탐지정확도를 보임을 확인하였다. 결과적으로 제안된 방법은 고해상도 위성영상의 도로추출에 유용하게 적용될 수 있으리라 판단된다.