Why Thinning above Edge Detection

1. 엣지 검출 (Edge Detection)

1.1. 정의 및 작동 원리

엣지 검출은 이미지에서 픽셀 강도의 급격한 변화를 찾아 선을 추출하는 방법입니다. 주로 Sobel, Canny, Prewitt 등의 알고리즘이 사용됩니다. 이 방법은 차선의 외곽을 감지하고, 경계를 강조하는 데 유리합니다.

1.2. 장점

1. 빠르고 경량적:
   • 엣지 검출은 계산량이 적어 실시간 처리가 용이합니다.
   • 특히 Canny와 같은 알고리즘은 간단한 파라미터 튜닝만으로도 유용한 결과를 제공합니다.
2. 강건한 잡음 제거:
   • Gaussian 블러와 같은 필터링 기법과 함께 사용하면, 차선과 배경 간의 명확한 경계를 유지하며 노이즈를 줄일 수 있습니다.
3. 다양한 환경에서 적용 가능:
   • 날씨 변화, 조명 조건 등 다양한 상황에서도 엣지 검출의 성능은 안정적입니다.

1.3. 단점

1. 차선 두께 문제:
   • 엣지 검출은 차선의 경계를 감지하므로, 차선의 중앙을 바로 추출하지 않습니다. 추후 중앙선을 계산하는 추가 과정이 필요합니다.
2. 경계가 모호한 경우 취약:
   • 차선이 흐릿하거나 다른 객체와 가까운 경우, 엣지 검출은 불확실한 결과를 반환할 수 있습니다.

1.4. 차량 주행 경로 생성에서의 평가

• 적합성: 중간 수준
  • 차선 중앙선 계산을 위한 추가 연산이 필요하지만, 비교적 간단한 구현으로 빠르게 차선 경계를 감지할 수 있습니다.

2. 세선화 (Thinning/Skeletonization)

2.1. 정의 및 작동 원리

세선화는 이진화된 이미지를 기반으로 차선과 같은 객체의 중심선을 추출하는 방법입니다. 이는 이미지에서 객체의 "구조적 중심"을 찾아가는 알고리즘으로, 주로 Zhang-Suen, Guo-Hall, 또는 Morphological Thinning과 같은 알고리즘이 사용됩니다.

2.2. 장점

1. 중앙선 직접 추출:
   • 세선화는 차선의 두께와 상관없이 중심선을 추출합니다. 따라서 추가적으로 중앙선 계산이 필요하지 않습니다.
2. 경로 생성에 최적화:
   • 생성된 중앙선은 바로 차량의 주행 경로로 사용할 수 있으므로 후속 처리 비용을 줄일 수 있습니다.