Trinocular Stereo 카메라를 이용한 차량 후보 검출 방법

Abstract

자동차 운전자의 안전과 편의를 위한 운전자 보조 시스템이 활발히 연구되고 있다. 운전자 보조 시스템은 전방 충돌 경보 시스템 (FCWS), 차선 이탈 경보 시스템 (LDWS), 보행자 추돌 경보 시스템 (PCWS)등 다양한 분야로 연구 되고 있다. 그 중 전방 충돌 경보 시스템에서 전방 차량 검출 방법이 핵심 기술이다. 전방 충돌 경보 시스템은 전방의 차량 혹은 장애물을 검출하고 거리를 측정하여 충돌 위험이 발생할 경우 운전자에게 경보를 주거나 자동 제동 시스템을 이용하여 운전자의 안전을 도모할 수 있다. 따라서 차량 검출 방법은 전방에 존재하는 차량 혹은 장애물의 정확한 위치와 주행중인 차량과의 정확한 거리 정보도 제공해야 한다. 차량 검출 방법은 크게 차량의 후보 영역 생성 (Hypothesis generation) 단계와 후보 검증 (Hypothesis verification) 단계로 나눌 수 있다. 후보 영역 추출 방법은 차량의 경계선, 대칭성, 그림자 정보 그리고 도로의 색상정보 등을 이용하여 생성 가능하며, 검출 시스템의 센서(단안 카메라, 스테레오 카메라, Trinocular 스테레오 카메라, Radar 센서)에 따라 다양한 방법으로 연구가 진행되고 있다. 차량 후보 영역 생성 방법은 차량이 존재할 확률이 높은 영역을 검출하여 전체 영상 중 일부분만 검증할 수 있도록 범위를 좁혀 알고리즘의 속도를 향상시킨다. 본 논문에서는 Trinocular 스테레오 카메라를 이용한 차량 후보 검출 방법을 제안한다. Trinocular 스테레오 카메라는 수직 스테레오 카메라와 수평 스테레오 카메라로 구성되어 한번의 촬영으로 수평 스테레오 영상과 수직 스테레오 영상을 동시에 획득 할 수 있다. 이 수평 스테레오 영상은 V-disparity map 생성에, 수직 스테레오 영상은 U-disparity map 생성에 사용된다. 기존의 UV-disparity map의 정보를 사용하는 방법들은 Disparity map이 필수적으로 요구된다. 하지만 Disparity map은 많은 연산량을 요구하기 때문에 실시간 어플리케이션에 적용하기가 어렵다. 제안하는 방법은 기존의 Disparity map을 사용하지 않고, 경계선 정보를 이용하여 UV-disparity map을 생성한다. 스테레오 영상의 대응점을 찾기 위해 Local binary pattern(LBP) 기술을 이용한다. LBP 기술은 중심픽셀과 주변 8픽셀의 상대적인 밝기 값을 나타내어 시점이 달라 발생하는 미세한 밝기 변화에 영향을 적게 받고 정확한 대응 결과를 보여 정확한 UV-disparity map을 생성한다. 또한 UV-disparity map생성시 계산하는 행과 열의 상관계수 연산 시, 기존은 하나의 라인을 이용해 상관계수를 연산하지만 제안하는 방법은 이웃하는 라인을 사용하여 총 3개의 라인을 사용하여 정확한 상관계수연산 결과를 구한다. 생성된 UV-disparity map은 차량 및 도로 정보를 가지고 있다. V-disparity map은 차량의 높이와 Y축 정보, 그리고 도로 면의 위치를 가지고 있으며 U-disparity map은 차량의 너비와 X축 정보를 가지고 있다. 본 논문에서는 연결 요소 분석법(Connected Component Analysis)과 허프 변환을 통해 이 정보들을 추출하고 차량의 Hypothesis를 생성한다. 본 논문에서 제안하는 방법은 기존의 Disparity map을 사용하지 않고 경계선 정보를 바탕으로 UV-disparity map을 생성하기 때문에 많은 연산 량을 요구하지 않으며, 실시간 동작이 가능하다. 또한 LBP 기술을 적용하여 스테레오 대응 정확도를 높였으며, 3개의 라인을 사용한 행과 열의 상관계수 연산을 통해 정확한 UV-disparity map을 생성할 수 있으며 이UV-disparity map을 분석하여 도로 정보와 차량 정보를 획득하고 정확한 차량 후보를 검출 할 수 있다.