Recently, in URBAN CHALLENGE ,automated-driving control in urban road is becoming issues. In urban road, automated-driving system is needed and important technology. Lane keeping and traffic signal recognition are needed in order to realize automated-driving system. In this paper, we propose lane keeping and traffic signal recognition system. Vision-based lane keeping system require accurate and robust sensing performance in lane detection. Using hough transform, the vision sensor detect a straight lane. The direction of gradient in an image makes decision a curve and steering angle. And an algorithm to recognize the traffic signal using a vision sensor is proposed and test results are shown with various road environment. In this algorithm, traffic signals are detected using Adaboost algorithm and tracked in modified Mean-shift algorithm. The color of traffic signal are identified based on color and shape of traffic signal. The recognized information of lane and traffic signal are informed to automated-driving system. The information controls the vehicle to steering controller. Our proposed methods are implemented in a real vehicle and simulated-vehicle in Simstudio. Our proposed system is computationally efficiently, so that it can be executed in real-time. In addition, our system is robust to a shadow on the ground, obstacle in urban roads.
최근에 증가하는 차량과 이에 반해 한정된 도로여건은 ITS(Intelligent Transportation System) 관련부문의 관심과 연구를 급증시켜왔다. 최근에는 연구 결과를 학술대회에서 발표함과 동시에 실제 연구, 개발한 지능형 차량을 일반인에게 선보고 있다. 그 중에서 비전시스템이 증가하는 차량과 이에 반해 한정된 도로 여건은 안전과 사고방지를 겸한 자율주행 차량연구로 이어져 왔다. 이에 발 맞추어 미국 국방성(DARPA)에서 2007 URBAN Challenge 를 개최함으로써 도시 환경에서 자율 주행 차량(Automated Driving Vehicle)의 중요성은 더욱 부각되었다.
이러한 상황에 맞추어 본 연구는 차선 인식 과 신호등 인식을 하여 도시 환경에서 자율 주행하는 시스템을 구현하였다. 차선 유지 시스템(Lane keeping system)은 원래의 입력 영상으로부터 그레이(gray)이미지로 변환 후Canny-edge Detection을 통하여 영상을 이진(binary) 영상으로 만든다. 이진영상에서 두 개의 ROI(region of interest)를 설정하여 하나는 640*140의 크기로 이미지를 추출해 내어서 직선을 검출하기 위해 사용되고, 나머지 하나는 640*100의 이미지로 커브(curve)인식을 위해 사용되었다. 사용된 두 ROI 이미지는 적절한 임계값(threshold value)을 이용하여 추출하였으며 커브 인식의 경우 이진(binary) 영상과 그레이(gray) 영상을 비교함으로써 더욱 정확한 커브 인식을 하게끔 하였다.
신호등 인식 시스템(Traffic signal recognition)은 기존에 연구되었던 단순 칼라(RGB)값과 형태를 이용한 값의 문제점을 해결하기 위해 얼굴 인식에서 쓰이는 알고리즘을 적용하였다. 신호등 인식 시스템의 전체적인 구조는 들어온 영상을 그레이(gray) 영상으로 변환 한 후에 AdaBoost 알고리즘을 적용하여 신호등을 초기 검출하고, 제안된 mean-shift 방법을 적용하여 초기 검출된 신호등을 추적한다. 추적되는 신호등은 신호 인식을 하여 차량 제어에 필요한 파라미터(parameter)를 전달한다.
컨트롤러(Controller)는 lateral dynamics을 적용시켜 LQ제어로 핸들링값을 제어한다. 이렇게 구현된 전체 시스템은 실제 환경과 시뮬레이션 환경에 적용시켜 자율 주행 차량을 구현하였다.
