• 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.

• 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
• /
• 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.

• 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.

• 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.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2009년도 정보 및 제어 심포지움 논문집
• /
• pp.222-224
• /
• 2009

This paper presents an algorithm that extracts road lane's specific information by using HSI color information and performance enhancement of lane detection base on vision processing of drive assist. As a preprocessing for high speed lane detection, the optimal extraction of region of interest for lane boundary(ROI-LB) can be processed to reduction of detection region in which high speed processing is enabled and it also increases reliabilities by deleting edges those are misrecognized. Road lane is extracted with simultaneous processing of noise reduction and edge enhancement using the Laplacian filter, the reliability of feature extraction can be increased for various road lane patterns. Since noise can be removed by using saturation and brightness of HSI color model. Also it searches for the road lane's color information and extracts characteristics. The real road experimental results are presented to evaluate the effectiveness of the proposed method.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2002년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.34-39
• /
• 2002

Road information is very important for topographic mapping, transportation application, urban planning and other related application fields. Therefore, automatic detection of road networks from spatial imagery, such as aerial photos and satellite imagery can play a central role in road information acquisition. In this paper, we use least squares correlation matching alone for road center tracking and show that it works. We assumed that (bright) road centerlines would be visible in the image. We further assumed that within a same road segment, there would be only small differences in brightness values. This algorithm works by defining a template around a user-given input point, which shall lie on a road centerline, and then by matching the template against the image along the orientation of the road under consideration. Once matching succeeds, new match proceeds by shifting a matched target window further along road orientation at the target window. By repeating the process above, we obtain a series of points, which lie on a road centerline successively. A 1m resolution IKONOS images over Seoul and Daejeon were used for tests. The results showed that this algorithm could extract road centerlines in any orientation and help in fast and exact he ad-up digitization/vectorization of cartographic images.

• 한국정보처리학회논문지
• /
• 제1권4호
• /
• pp.452-460
• /
• 1994

정보의 다양화와 고도화에 따라 지도정보 시스템 구축에 대한 요구가 급격히 대두 되고 있다. 본 논문에서는 생체 시각신경계(Opitcal Neural Field)의 처리과정에서 시 각영역의 특징추출 기구인 수용영역 즉, RF(Receptive Field) 모델을 이용하여 지도도 형의 도로정보를 추출하는 방법을 제안한다. 지형도에는 각종화상 정보가 다양하게 중 첩 포함되어 있는데 대한 복잡한 정보의 분리추출과 계층화 및 데이터베이스화등 시각 적으로 더욱 명백한 처리과정이 필요하다. 본 기법의 특징은 일반적인 처리과정에서 사용한 평행선 추출수법과 윤곽선 추출방법과는 달리 새로운 접근에 의한 특징추출방 법으로 국소적인 처리에서 얻어진 도로정보를 대국적인 처리로 통합 추출하는 것으 로서 실제 국립 지리원에서 발생한 1/25000 지도에 적용하여 가능성을 확인할 수 있었다.

• 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.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.525-527
• /
• 2003

Recently, the spatial resolution of earth observation satellites is significantly increased to a few meters. Such high spatial resolution images definitely will provide lots of information for detail-thirsty remote sensing users. However, it is more difficult to develop automated image algorithms for automated image feature extraction and pattern recognition. In this study, we propose a two-stage procedure to extract road information from high resolution satellite images. At first stage, a watershed segmentation technique is developed to classify the image into various regions. Then, a knowledge is built for road and used to extract the road regions. In this study, we use panchromatic and multi-spectral images of the IKONOS satellite as test dataset. The experiment result shows that the proposed technique can generate suitable and meaningful road objects from high spatial resolution satellite images. Apparently, misclassified regions such as parking lots are recognized as road needed further refinement in future research.