Optical Flow에서 추출한 Motion Vector를 이용한 물체의 방향 및 크기 계산 하드웨어 시뮬레이션

국문 초록 (Abstract)

최근 자동차의 전자기기가 진화하고 있다. 자율주행뿐만 아니라 운전 보조 시스템도 도입되었다. 이에 따라, 운전자에게 충돌 위험을 알려주는 시스템이 개발되고 있다. 본 논문에서는 운전자에게 빠르게 위험을 알리는 것을 최우선으로 하고있다.
기존의 충돌위험 감지 보다 더 빠른 물체 감지를 위하려 했고, 그렇기 때문에 하드웨어 시뮬레이션을 하였다. 물체의 Motion-Vector를 빠르게 계산하는 여러 방식이 있지만, 기존의 방식은 반복되는 연산을 줄이는 형태이거나 머신 러닝을 이용한다.
본 논문에서는 Lucas-Kanade알고리즘을 사용하여 Motion-Vector를 구하였다. 여러가지 Motion-Vector계산도 있지만 하드웨어로는 Lucas-Kanade Method가 가장 적합하다고 판단하였다. 또한 자체적으로 개발한 물체 감지 알고리즘을 사용하여 물체를 빠르게 감지하도록 하였다.

다국어 초록 (Multilingual Abstract)

Currently, lots of driving assist devices are being developed. Electronic devices are developed for autonomous driving, navigation, and collision avoidance. This paper deals with collision avoidance through efficient danger detection of objects moving towards the car.

This paper proposes a hardware algorithm for danger detection. The proposed algorithm is simulated and the results are used to estimate the real running time in a parallel hardware being built for this algorithm.

Lucas-Kanade method is used for calculating motion vector. This algorithm is chosen because, it repeats simple calculation and is good for hardware parallelization.

Also, this paper proposes an algorithm for detecting object size using the hardware algorithm. It is shown that this algorithm is very efficient in hardware due to parallel operations.

목차 (Table of Contents)

• 제 1 장 서론 1
• 1.1 연구 배경 및 목적 1
• 1.2 연구동향 2
• 1.2.1 Lucas-Kande Method 2
• 1.2.2 Horn and Schunck 3
• 1.2.3 Anandan 4
• 1.2.4 Blob Detection using Laplacian of Gaussian Filter 5
• 1.3 논문지 구성 및 내용 2
• 제 2 장 설계 6
• 2.1 Architecture 6
• 2.1.1 입력 화면 6
• 2.1.2 출력 화면 7
• 2.1.3 시뮬레이션 프로그램 구성 7
• 2.2 시뮬레이션 프로그램 8
• 2.2.1 Lucas-Kanade 8
• 2.2.2 물체 감지 방법과 그 장점 9
• 2.2.3 화면 표시 11
• 제 3 장 결과 12
• 3.1 Lucas-Kanade 계산 12
• 3.2 물체 크기 감지 13
• 3.3 물체의 도형 감지 14
• 3.4 가상환경에서 실험 15
• 제 4 장 응용 16
• 4.1 Lucas-Kanade의 속도 16
• 4.2 물체 감지 속도 16
• 4.3 이상적인 하드웨어의 시간 17
• 제 5 장 결론 및 향후 연구내용 17