Abstract
In this paper, we propose an obstacle localization method using a road feature based on a V-disparity map binarized by a maximum frequency value. In a conventional method, the detection performance is severely affected by the size, number and type of obstacles. It's especially difficult to extract a large obstacle or a continuous obstacle like a median strip. So we use a road feature as a new decision standard to localize obstacles irrespective of external environments. A road feature is proper to be a new decision standard because it keeps its rough feature very well in V-disparity under environments where many obstacles exist. And first of all, we create a binary V-disparity map using a maximum frequency value to extract a road feature easily. And then we compare the binary V-disparity map with a median value to remove noises. Finally, we use a linear interpolation for rows which have no value. Comparing this road feature with each column value in disparity map, we can localize obstacles robustly. We also propose a post-processing technique to remove noises made in obstacle localization stage. The results in real road tests show that the proposed algorithm has a better performance than a conventional method.
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.
