전방 충돌 경보 시스템을 위한 비전 기반의 차량 인식 및 추적

Abstract

Forward collision warning system (FCWS) provides drivers with collision warning to help drivers drive safely. To warn drivers of risky situation, FCWS should keep track of front vehicles. This paper proposes camera calibration, vision-based vehicle detection and tracking algorithms for FCWS. In camera calibration, we compute extrinsic camera parameters using vertical chessboard pattern not to occupy large space during calibration and the result is corrected while the vehicle is running in straight lane.The proposed vehicle detection method extracts vehicle candidates using AdaBoost. The candidate extraction process was speeded up further, exploiting inverse perspective transform matrix obtained as the result of camera calibration. Then the vehicle candidates were verified by the existence of vertical and horizontal edges. The detected vehicle regions were corrected by the vertical edges and shadow underneath vehicles.In the tracking algorithm, we resize the vehicle region and its surrounding background into a small image. Then we subdivided the vehicle region of the resize image into small cells and compute HoG features. Then we normalize the features for all overlapping blocks. HoG descriptors are obtained by concatenating the HoG features of overlapping blocks for all segments. Once we compute the HoG descriptors of the template image, we find the optimum position of the segments in the following frames by exhaustive search. After the optimum positions of the segments are obtained, we computed the translation vector and the scale factor using RANSAC. In tracking failure recognition, we make the decision of failure based on the HoG matching error and the pixel error. We computed the pixel error as the average of the absolute difference of the normalized pixels in the inlier cells obtained in the RANSAC. The decision boundary for tracking failure recognition is obtained by training MLP using the error vectors resulted from vehicle tracking under various conditions.

전방 충돌 경보 시스템은 전방의 차량을 인식해 충돌의 위험이 있는 경우 경보를 발생해 운전자의 부주의로 인한 사고를 줄일 수 있다. 기존의 알고리즘들은 차량 하단의 그림자나 엣지로 차량의 후보를 추출하고 엣지 정보나 텍스쳐를 가지고 추출된 영역을 검증하는 방법으로 차량을 인식한다. 이러한 방법으로 차량을 인식할 경우 조명이나 날씨에 따라 인식 성능이 급격히 떨어질 수 있다.제안된 알고리즘은 차량의 텍스쳐를 기반으로 차량의 후보를 추출하며 엣지정보를 이용해 검증하기 때문에 조명이나 날씨 변화에 더 강인한 인식 성능을 보여준다. 이 논문은 카메라 캘리브레이션, 차량 인식, 차량 추적의 3 부분으로 구성된다.카메라 캘리브레이션에서는 카메라 이미지와 도로 평면 사이의 관계를 나타내는 행렬을 구한다. 이 때 도로 평면과 카메라 이미지 사이의 관계를 직접 구하려면 이상의 넓은 공간이 필요하기 때문에 좁은 공간에서 카메라 캘리브레이션을 하기 위해 수직으로 세워진 체스보드를 사용한다.차량 인식에서는 AdaBoost를 이용해 텍스쳐 기반의 차량의 후보점을 추출하고 엣지를 이용해 차량임을 검증한다. 그리고 그림자와 엣지 정보를 이용해 인식된 차량의 위치를 보정한다.차량 인식만을 이용하면 충분한 차량 인식 성능을 얻을 수 없기 때문에 인식된 차량을 추적함으로써 차량 인식 성능을 높였다. 이 때는 추적중인 차량의 일부가 다른 차량에 가려지는 경우에도 안정적으로 추적을 하기 위해 추적할 영역을 세그먼트 기반으로 나누고 HoG 매칭을 통해 차량을 추적하였다. 추적 실패와 추적중인 차량이 다른 차량에 완전히 가려짐을 인식하기 위해 HoG 매칭 에러와 픽셀 에러를 MLP로 학습해 추적 실패를 인식하는 알고리즘도 개발했다.차량 인식과 차량추적 알고리즘을 같이 적용하면 더 높은 차량 인식 결과를 얻을 수 있었으며 제안된 알고리즘은 실험차량을 이용해 실제 도로에서 테스트 되었다.