단계 7 — 차선 인식 (HSV·ROI)

차시 4차시 · 선수 학습 단계 6

이번 단계 목표 영상 속에서 차선을 찾고, 차선의 중심 위치를 좌표로 계산한다.

1. 학습 목표

2. 이론

2-1. 차선 인식의 5단계 파이프라인

1) ROI 자르기   → 하단 50%만 (하늘·먼 풍경 제거)
2) HSV 변환     → 조명에 강한 색공간
3) 색상 마스크  → 흰색 차선만 추출 (cv2.inRange)
4) 모폴로지     → 노이즈 제거 (열림/닫힘)
5) 윤곽선·중심점 → cv2.findContours + 모멘트

2-2. ROI(관심 영역) 설정

영상 전체를 처리하면 하늘·전봇대·간판이 차선처럼 잘못 인식될 수 있습니다. 하단 50%만 잘라서 처리하면:

• 처리 시간 단축 (50% 빨라짐)
• 노이즈 감소 (정확도 ↑)

height, width = frame.shape[:2]
roi = frame[height//2:, :]   # 하단 절반

2-3. 모폴로지 (Morphology)

마스크에 작은 점·구멍이 있으면 윤곽선 검출이 부정확해집니다.

연산	효과
팽창(Dilate)	흰 영역 키움 → 작은 구멍 메움
침식(Erode)	흰 영역 줄임 → 작은 노이즈 제거
열림(Opening)	침식 → 팽창 (작은 노이즈 제거)
닫힘(Closing)	팽창 → 침식 (작은 구멍 메움)

kernel = np.ones((3, 3), np.uint8)
mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)   # 노이즈 제거
mask = cv2.morphologyEx(mask, cv2.MORPH_CLOSE, kernel)  # 구멍 메움

2-4. 윤곽선과 무게중심

contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 가장 큰 윤곽선 선택
largest = max(contours, key=cv2.contourArea)

# 무게중심 (모멘트)
M = cv2.moments(largest)
if M['m00'] > 0:
    cx = int(M['m10'] / M['m00'])
    cy = int(M['m01'] / M['m00'])

cx가 차선의 가로 중심 위치입니다. 화면 가로 중심(width/2)과의 차이가 조향에 쓸 오차입니다.

2-5. 본 차량의 하이브리드 방식

lane_detector.py는 두 ROI를 사용합니다.

┌────────────────────┐
│                    │  ← 처리 안 함
│                    │
│ ━━━━━━━━━━━━━━━━━ │  far ROI (멀리 있는 차선) → 각도 계산
│                    │
│ ━━━━━━━━━━━━━━━━━ │  near ROI (가까운 차선)  → 위치 계산
│                    │
└────────────────────┘

가까운 ROI의 위치 + 먼 ROI와의 각도를 함께 사용하면 곡선·직선 모두에서 안정적입니다.

3. 코드 흐름 따라가기

python/lane_detector.py 일부 발췌:

def detect(self, frame):
    # 1) ROI
    h, w = frame.shape[:2]
    roi = frame[int(h * self.roi_y_start):, :]

    # 2) HSV
    hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)

    # 3) 마스크
    white_mask  = cv2.inRange(hsv, self.white_lower, self.white_upper)
    yellow_mask = cv2.inRange(hsv, self.yellow_lower, self.yellow_upper)
    mask = cv2.bitwise_or(white_mask, yellow_mask)

    # 4) 모폴로지
    kernel = np.ones((3, 3), np.uint8)
    mask = cv2.morphologyEx(mask, cv2.MORPH_OPEN, kernel)

    # 5) 윤곽선 + 중심
    contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    if contours:
        largest = max(contours, key=cv2.contourArea)
        M = cv2.moments(largest)
        if M['m00'] > 0:
            cx = int(M['m10'] / M['m00'])
            return cx, ..., debug_frame

    return None, None, debug_frame

4. 활동

활동 6-A: 차선 마스크 만들기 ⭐ Easy

학생용 프로그램 단계7_HSV튜닝.py를 실행:

1. 트랙바로 White Brightness Min을 200~240 사이에서 조정
2. 흰 차선 부분만 흰색이 되도록 튜닝
3. 만족스러운 값을 기록

파라미터	본인 값
White Brightness Min
White Saturation Max
Yellow Hue Min/Max
Yellow Brightness Min

활동 6-B: 차선 중심점 시각화 ⭐⭐ Standard

학생용 프로그램에 다음 기능을 추가하시오.

M = cv2.moments(largest)
if M['m00'] > 0:
    cx = int(M['m10'] / M['m00'])
    cy = int(M['m01'] / M['m00'])
    # TODO: 영상에 (cx, cy) 위치에 빨간 원 그리기
    # cv2.circle(frame, ...)

    # TODO: 화면 중심에 파란 세로선 그리기
    # cv2.line(frame, ...)

    # TODO: 화면 중심과 차선 중심의 거리(error) 화면에 표시
    # cv2.putText(frame, f"Error: {...}", ...)

미션: A4 종이 위에 흰색 테이프(폭 5cm) 차선을 만들어 카메라로 비춤 → 카메라를 좌·우로 움직이며 빨간 원이 차선 중심에 따라 움직이는지 확인

활동 6-C: 곡선 차선 도전 ⭐⭐⭐ Challenge

원형 또는 S자 차선을 만들고, 차량을 천천히 끌면서 측정:

시나리오	error 값 변화 패턴
직선
좌커브
우커브
차선 끊김(짧은 점선)

고찰

• error가 음수일 때 차량은 어느 쪽으로 가야 하는가?
• 차선이 끊기면 어떻게 처리하는 것이 안전한가?

5. 핵심 개념 정리

개념	설명
ROI	영상의 일부 영역만 잘라 처리
마스크	조건 만족 픽셀만 흰색으로 표시
모폴로지	노이즈 제거·구멍 메움을 위한 형태소 연산
윤곽선(contour)	같은 색 영역의 경계선
모멘트	영역의 무게중심·면적을 계산하는 수학적 도구
error	화면 중심 - 차선 중심, 조향에 쓰는 값

6. 자기평가

항목	1	2	3	4	5
차선 인식 5단계 파이프라인을 설명할 수 있다
HSV 마스크를 본인 환경에 맞게 튜닝할 수 있다
차선 중심점을 화면에 표시할 수 있다
다양한 조명에서 안정적인 마스크를 만들었다