[논문 리뷰] Real-time Lane detection and Motion Planning in Raspberry Pi and Arduino for an Autonomous Vehicle Prototype

Alfa Rossi, Nadim Ahmed외 3명|arXiv (Cornell University)|2020. 09. 20.

Autonomous Vehicle Technology and Safety참고 문헌 14인용 수 7

한 줄 요약

이 논문은 라즈베리 파이 3B와 아두이노 유노를 사용하여 저비용의 실시간 자율 주행 차량 프로토타입을 제시한다. 라인 감지 및 운동 계획을 위해 캐니 에지 검출, 후프 변환, 칼만 필터링을 활용하여 실시간 안정성 있는 성능을 달성했으며, 통제된 환경에서 성공적인 라인 추적과 운동 제어를 확인했다.

ABSTRACT

This paper discusses a vehicle prototype that recognizes streets' lanes and plans its motion accordingly without any human input. Pi Camera 1.3 captures real-time video, which is then processed by Raspberry-Pi 3.0 Model B. The image processing algorithms are written in Python 3.7.4 with OpenCV 4.2. Arduino Uno is utilized to control the PID algorithm that controls the motor controller, which in turn controls the wheels. Algorithms that are used to detect the lanes are the Canny edge detection algorithm and Hough transformation. Elementary algebra is used to draw the detected lanes. After detection, the lanes are tracked using the Kalman filter prediction method. Then the midpoint of the two lanes is found, which is the initial steering direction. This initial steering direction is further smoothed by using the Past Accumulation Average Method and Kalman Filter Prediction Method. The prototype was tested in a controlled environment in real-time. Results from comprehensive testing suggest that this prototype can detect road lanes and plan its motion successfully.

연구 동기 및 목표

• 사람의 개입 없이 라인 감지 및 운동 계획이 가능한 저비용 실시간 자율 주행 차량 프로토타입을 개발하는 것.
• 라즈베리 파이 3B를 사용해 이미지 처리를 수행하고 아두이노 유노를 통해 PID 제어로 모터 제어를 통합하는 것.
• 자원 제약이 있는 하드웨어에서 OpenCV와 파이썬을 사용해 비디오 스트림의 실시간 처리를 가능하게 하는 것.
• 칼만 필터링과 과거 누적 평균을 통한 평균화를 통해 조향 정확도와 안정성을 향상시키는 것.
• 실시간 라인 추적과 운동 제어를 통해 통제된 환경에서 시스템 성능을 검증하는 것.

제안 방법

• 라즈베리 파이 3B는 파이 캠 1.3를 통해 실시간 비디오를 파이썬 3.7과 OpenCV 4.2를 사용해 처리한다.
• 캐니 에지 검출은 사전 처리된 회색조 이미지에서 라인 에지를 식별한다.
• 후프 변환은 에지 검출 이미지에서 직선 세그먼트를 검출하여 라인 마킹을 식별한다.
• 검출된 두 라인 사이의 중점이 초기 조향 기준으로 계산된다.
• 칼만 필터 예측을 적용해 시간에 따라 추정된 라인 중점의 안정성을 향상시킨다.
• 과거 누적 평균 방법을 통해 조향 방향을 추가로 정밀 조정하여 진동을 줄이고 경로 추적 성능을 향상시킨다.

실험 결과

연구 질문

• RQ1 라즈베리 파이와 아두이노를 사용한 저비용 임베디드 시스템이 통제된 환경에서 실시간 라인 감지 및 운동 계획을 달성할 수 있는가?
• RQ2 캐니 에지 검출과 후프 변환의 조합이 실시간 비디오 스트림에서 라인 선 추출에 얼마나 효과적인가?
• RQ3 칼만 필터링이 추정된 라인 중점의 안정성과 정확도에 얼마나 기여하는가?
• RQ4 과거 누적 평균 방법은 원시 중점 추정에 비해 조향 제어를 얼마나 더 부드럽게 하는가?
• RQ5 통합 시스템은 실시간 처리 제약 조건 하에서도 일관된 라인 유지 성능을 유지를 할 수 있는가?

주요 결과

• 프로토타입은 라즈베리 파이 3B에서 캐니 에지 검출과 후프 변환을 사용해 실시간으로 라인 마킹을 감지하는 데 성공했다.
• 칼만 필터링은 시간에 따라 추정된 라인 중점의 부드러움과 안정성을 크게 향상시켰다.
• 과거 누적 평균 방법은 조향 명령의 진동을 감소시켜 더 부드러운 차량 운동을 기여했다.
• 저지연 처리가 가능한 낮은 지연 시간을 기록해 임베디드 배포에 적합한 실시간 성능을 달성했다.
• 통제된 환경에서의 종합적 테스트를 통해 시스템은 인간 간섭 없이도 라인 감지 및 운동 계획을 효과적으로 수행할 수 있음을 확인했다.