README.md

metadata

title: OpenCVLaneDetectionDemo
emoji: 🚀
colorFrom: blue
colorTo: indigo
sdk: gradio
sdk_version: 5.49.1
app_file: app.py
pinned: false
license: gpl-3.0

OpenCVLaneDetectionDemo

OpenCV Lane Detection Demo with Gradio

개요 (Overview)

이 프로젝트는 OpenCV를 사용하여 비디오에서 차선을 감지하고, Gradio UI를 통해 결과를 시각화하는 데모 애플리케이션입니다.

This project is a demo application that detects lane lines in videos using OpenCV and visualizes the results through a Gradio UI.

기능 (Features)

• 🎥 Gradio를 통한 비디오 업로드 (Video upload via Gradio)
• 🛣️ 6가지 차선 검출 방법 제공 (6 lane detection methods available)
• 📊 원본/처리 비디오 사이드바이사이드 비교 (Side-by-side comparison of original and processed videos)
• 📈 실시간 진행 상황 표시 (Real-time progress tracking with progress bar)
• 💻 CLI 도구 제공 (Command-line interface available)
• 🧪 포괄적인 테스트 스위트 (Comprehensive test suite)
• ⚡ GPU 가속 지원 (GPU acceleration support when available)

설치 (Installation)

1. 저장소 클론 (Clone the repository):

git clone https://github.com/kr4phy/OpenCVLaneDetectionDemo.git
cd OpenCVLaneDetectionDemo

2. 필요한 패키지 설치 (Install required packages):

pip install -r requirements.txt

사용법 (Usage)

방법 1: Gradio UI 사용 (Using Gradio UI)

1. 애플리케이션 실행 (Run the application):

python app.py

2. 브라우저에서 자동으로 열리는 Gradio UI에 접속합니다. (The Gradio UI will automatically open in your browser)

3. 비디오 파일을 업로드하고 "Process Video" 버튼을 클릭합니다. (Upload a video file and click the "Process Video" button)

4. 처리된 결과를 확인합니다 (왼쪽: 원본, 오른쪽: 차선 감지 결과). (View the processed result - left: original, right: lane detection result)

방법 2: CLI 사용 (Using Command Line)

python cli.py input_video.mp4 output_video.mp4 [method]

예시 (Example):

# 테스트 비디오 생성 (Create test video)
python create_test_video.py

# 다양한 방법으로 차선 감지 처리 (Process with different methods)
python cli.py /tmp/test_road_video.mp4 result_advanced.mp4 advanced
python cli.py /tmp/test_road_video.mp4 result_yolop.mp4 yolop
python cli.py /tmp/test_road_video.mp4 result_ufld.mp4 ufld
python cli.py /tmp/test_road_video.mp4 result_scnn.mp4 scnn
python cli.py /tmp/test_road_video.mp4 result_basic.mp4 basic_standard
python cli.py /tmp/test_road_video.mp4 result_segmented.mp4 basic_segmented

차선 감지 알고리즘 (Lane Detection Algorithm)

본 프로젝트는 다음과 같은 6가지 차선 감지 방법을 제공합니다: (This project provides 6 lane detection methods:)

1. Basic Standard (Hough Transform)

• Grayscale 변환 및 가우시안 블러
• Canny 에지 검출
• Hough 변환을 통한 직선 검출
• 단일 평균화된 차선 표시
• 장점: 가장 빠른 처리 속도
• 단점: 곡선 도로에서 정확도 낮음

2. Basic Segmented (Hough Transform)

• Basic Standard와 동일한 기본 처리
• 여러 선분으로 차선 표현
• 장점: 곡선 표현 개선, 빠른 처리
• 단점: 복잡한 차선에서는 한계

3. Advanced (Perspective Transform + Polynomial)

• 원근 변환으로 bird's eye view 생성
• CLAHE를 이용한 향상된 대비 개선
• 슬라이딩 윈도우를 통한 다항식 피팅
• 그래디언트 방향 필터링
• 장점: 높은 정확도, 곡선 및 점선 차선 우수
• 단점: 처리 속도가 느림

4. YOLOP (Multi-task Learning)

• YOLOP (You Only Look Once for Panoptic Driving) 영감
• 다중 색상 차선 검출 (흰색, 노란색)
• 컨투어 기반 세그멘테이션
• 장점: 다양한 차선 색상 인식, 빠른 처리
• 단점: 복잡한 도로 환경에서 정확도 저하

5. UFLD (Ultra Fast Lane Detection)

• Ultra Fast Structure-aware Deep Lane Detection 영감
• 행별 분류 접근 방식
• 적응형 임계값 처리
• 장점: 속도와 정확도의 균형, 실시간 가능
• 단점: 매우 복잡한 환경에서는 SCNN보다 낮은 정확도

6. SCNN (Spatial CNN)

• Spatial CNN for traffic lane detection 영감
• 4방향 공간 메시지 전달
• 다중 스케일 에지 검출
• 장점: 복잡한 시나리오에서 최고 정확도
• 단점: 처리 시간이 다소 소요됨

알고리즘 선택 가이드 (Selection Guide)

• 최고 속도: Basic Standard, YOLOP
• 곡선 도로: UFLD, Advanced, Basic Segmented
• 최고 정확도: SCNN, Advanced (Enhanced)
• 다양한 차선 색상: YOLOP
• 균형잡힌 성능: UFLD

프로젝트 구조 (Project Structure)

OpenCVLaneDetectionDemo/
├── app.py                    # Gradio UI 애플리케이션
├── lane_detection.py         # 핵심 차선 검출 로직
├── cli.py                    # 명령줄 인터페이스
├── create_test_video.py      # 테스트 비디오 생성 도구
├── create_sample_images.py   # 샘플 이미지 생성 도구
├── test_lane_detection.py    # 테스트 스위트
├── requirements.txt          # Python 의존성
└── README.md                 # 문서

테스트 (Testing)

전체 테스트 스위트 실행: (Run the complete test suite:)

python test_lane_detection.py

요구사항 (Requirements)

• Python 3.7+
• gradio>=4.0.0
• opencv-python>=4.5.0
• numpy>=1.20.0

기술 스택 (Tech Stack)

• OpenCV: 컴퓨터 비전 처리
• NumPy: 수치 연산
• Gradio: 웹 UI 프레임워크

라이선스 (License)

MIT License

기여 (Contributing)

이슈와 풀 리퀘스트를 환영합니다! (Issues and pull requests are welcome!)

문의 (Contact)

프로젝트에 대한 질문이나 제안사항이 있으시면 이슈를 생성해주세요. (For questions or suggestions about the project, please create an issue.)