earticle

영어

Autonomous vehicles rely on camera-based visual perception systems to make driving decisions, yet low-light and low-contrast conditions often lead to object detection errors. This study investigates the causes of visual misperception in detecting road surface damage and proposes an image preprocessing filter to mitigate these issues. Pixel brightness data were used to classify images into correctly detected and undetected sets, followed by histogram-based feature analysis across eight indices to identify key factors contributing to detection failures. Based on these findings, a brightness-adjustment preprocessing filter was developed and evaluated. Experiments show that the proposed filter reduces the miss-detection rate by about 50% compared to the baseline. These results demonstrate that pixel brightness-based preprocessing can significantly improve autonomous vehicle perception of road damage under adverse lighting conditions.

한국어

자율주행차는 카메라 기반의 시각인지 소프트웨어를 통해서 스스로 주변을 판단하며 주행 하지만, 저조도·저대비 환경에서는 객체 탐지 오류가 자주 발생한다. 본 논문은 자율주행에서 도로 파손 객체를 중심으로 저조도·저대비 조건에서 시각 오인지 원인을 분석하였고, 이 문제 를 줄이는 이미지 전처리 필터를 제안하였다. 시각 오인지 원인 분석은 이미지의 픽셀 밝기 데이터를 이용하여, 정탐지와 미탐지 이미지 셋을 분류한 후 각 세트별 픽셀 히스토그램 분석 을 거쳐 8개 인덱스로 특징을 분석하였다. 특징 분석 이후, 저조도·저대비 이미지의 시각 오인 지 문제를 줄이기 위해 전처리 필터를 설계하여 성능을 비교하였다. 그 결과, 제안 필터를 적용 하였을 경우, 미탐지율은 필터 도입 전과 비교했을 때 50% 개선된 결과를 얻었다. 본 논문은 이미지 픽셀 밝기 데이터 기반 전처리 필터를 사용한다면 자율주행차 시각인지 기반 도로파손 미탐지 성능을 실질적으로 개선할 수 있다는 결과를 확인했다.