Improvement of LDWS Performance using Semantic Segmentation and Top-View Transformation

차선이탈경고시스템(LDWS)은 첨단운전자지원시스템(ADAS)의 핵심 기능으로, 비의도적 차선 이탈을 탐지하여 사고를 예방한다. 그러나 기존의 에지 검출이나 허프 변환 기반 기법은 조명 변화, 차선 마모, 복잡한 도로 조건에서 한계가 있다. 본 연구는 딥러닝 기반 차선 세그멘테이션과 역원근 투영(IPM) 변환을 통합하여 LDWS 성능을 개선하는 방법을 제안한다. CamVid 데이터셋을 활용해 SegNet과 U-Net을 학습시켰으며, 결과를 탑뷰 영상으로 변환한 뒤 ResNet18 분류기를 통해 전처리 시나리오를 비교하였다. 실험 결과, U-Net이 SegNet보다 우수한 세그멘테이션 성능을 보였고, IPM 적용 시 분류 정확도가 크게 향상되었다. 특히 세그멘테이션 ROI와 IPM을 결합했을 때 최고 F1-score를 달성하여 균형 잡힌 검출 성능을 입증하였다. 따라서 제안 방법은 LDWS의 정확도와 강 인성을 향상시키는 효과적인 접근임을 확인하였다.