최근 인간의 부주의나 실수로 인한 사고를 방지하여 인간의 생명과 재산을 보호하기 위해 여러 각도로 연구가 되고 있는데, 그 중의 한 분야가 자율 주행 차량의 개발이다. 비젼기반 자율주행차량 시스템의 일반적인 제어기법은 카메라에 입력된 도로 영상을 분석하여 주행방향을 결정하고, 적절한 제어 알고리즘을 적용하여 주행한다. 본 논문에서는 도로영상을 카메라로부터 입력받아 차선인식 알고리즘을 통해 도로의 특징점을 추출하고, 그 특징점을 이용하여 두 가지의 제어 알고리즘을 통해 제어한다. 차선인식은 카메라의 입력된 영상 중 탐색영역을 정하여 Sobel 연산자를 이용해 차선의 ...
최근 인간의 부주의나 실수로 인한 사고를 방지하여 인간의 생명과 재산을 보호하기 위해 여러 각도로 연구가 되고 있는데, 그 중의 한 분야가 자율 주행 차량의 개발이다. 비젼기반 자율주행차량 시스템의 일반적인 제어기법은 카메라에 입력된 도로 영상을 분석하여 주행방향을 결정하고, 적절한 제어 알고리즘을 적용하여 주행한다. 본 논문에서는 도로영상을 카메라로부터 입력받아 차선인식 알고리즘을 통해 도로의 특징점을 추출하고, 그 특징점을 이용하여 두 가지의 제어 알고리즘을 통해 제어한다. 차선인식은 카메라의 입력된 영상 중 탐색영역을 정하여 Sobel 연산자를 이용해 차선의 에지를 검출하고, 차선검증 알고리즘에 의한 검증을 통해 최종적으로 도로의 특징점을 추출해 낸다. 자율조향 알고리즘으로 두 가지 제어방법을 제안하였다. 첫 번째 방법은 카메라의 기하학적 관계를 이용한 방법으로 영상 좌표의 위치를 차량 좌표로 변환하고, 애커만 각(Ackermann) 공식을 이용하여 조향각을 산출하는 방법이다. 두 번째 방법은 카메라의 기하학적 관계를 이용한 방법에 필요한 요소들을 전혀 고려하지 않고, 알고리즘의 구현이 쉬우며 운전자의 운전형태에 가장 근접한 주행이 가능한 신경 회로망을 이용한 방법이다. 제안된 신경 회로망 제어기는 다층신경망이며, 학습 알고리즘은 역전파 알고리즘을 사용하였다. 역전파 알고리즘 중에서 다른 알고리즘에 비해 우수하다고 평가된 Levenberg-Marquardt 알고리즘을 이용해 학습 시킨 후, 학습된 신경망을 이용하여 자율 조향을 하는 방법을 제안 하였다.
최근 인간의 부주의나 실수로 인한 사고를 방지하여 인간의 생명과 재산을 보호하기 위해 여러 각도로 연구가 되고 있는데, 그 중의 한 분야가 자율 주행 차량의 개발이다. 비젼기반 자율주행차량 시스템의 일반적인 제어기법은 카메라에 입력된 도로 영상을 분석하여 주행방향을 결정하고, 적절한 제어 알고리즘을 적용하여 주행한다. 본 논문에서는 도로영상을 카메라로부터 입력받아 차선인식 알고리즘을 통해 도로의 특징점을 추출하고, 그 특징점을 이용하여 두 가지의 제어 알고리즘을 통해 제어한다. 차선인식은 카메라의 입력된 영상 중 탐색영역을 정하여 Sobel 연산자를 이용해 차선의 에지를 검출하고, 차선검증 알고리즘에 의한 검증을 통해 최종적으로 도로의 특징점을 추출해 낸다. 자율조향 알고리즘으로 두 가지 제어방법을 제안하였다. 첫 번째 방법은 카메라의 기하학적 관계를 이용한 방법으로 영상 좌표의 위치를 차량 좌표로 변환하고, 애커만 각(Ackermann) 공식을 이용하여 조향각을 산출하는 방법이다. 두 번째 방법은 카메라의 기하학적 관계를 이용한 방법에 필요한 요소들을 전혀 고려하지 않고, 알고리즘의 구현이 쉬우며 운전자의 운전형태에 가장 근접한 주행이 가능한 신경 회로망을 이용한 방법이다. 제안된 신경 회로망 제어기는 다층신경망이며, 학습 알고리즘은 역전파 알고리즘을 사용하였다. 역전파 알고리즘 중에서 다른 알고리즘에 비해 우수하다고 평가된 Levenberg-Marquardt 알고리즘을 이용해 학습 시킨 후, 학습된 신경망을 이용하여 자율 조향을 하는 방법을 제안 하였다.
Lately, many studies have been progressed for protecting human's lives and property by preventing accidents caused by human's carelessness or mistakes. One part of the methodology is the development of an autonomous vehicle. General control method of vision-based autonomous vehicle system is to dete...
Lately, many studies have been progressed for protecting human's lives and property by preventing accidents caused by human's carelessness or mistakes. One part of the methodology is the development of an autonomous vehicle. General control method of vision-based autonomous vehicle system is to determine the navigation direction by analyzing lane images from a camera, and to navigate a vehicle using proper control algorithm. In this paper, characteristic points are abstracted from lane images using lane recognition algorithm with Sobel operator. And then the vehicle is controlled using two proposed auto-steering algorithms. First algorithm is to use the geometric relation of a camera and vehicle. After transforming from an image coordinate to a vehicle coordinate, a steering angle is calculated using Ackermann angle. Second one is to use a neural network algorithm. It doesn't need to use the geometric relation of a camera and is easy to apply. In addition, it is an algorithm for simulating the driving style of human driver. Proposed controller is a multilayer neural network using Levenberg-Marquardt backpropagation learning algorithm which was estimated much better than other methods, i.e. Conjugate Gradient or Gradient Decent ones.
Lately, many studies have been progressed for protecting human's lives and property by preventing accidents caused by human's carelessness or mistakes. One part of the methodology is the development of an autonomous vehicle. General control method of vision-based autonomous vehicle system is to determine the navigation direction by analyzing lane images from a camera, and to navigate a vehicle using proper control algorithm. In this paper, characteristic points are abstracted from lane images using lane recognition algorithm with Sobel operator. And then the vehicle is controlled using two proposed auto-steering algorithms. First algorithm is to use the geometric relation of a camera and vehicle. After transforming from an image coordinate to a vehicle coordinate, a steering angle is calculated using Ackermann angle. Second one is to use a neural network algorithm. It doesn't need to use the geometric relation of a camera and is easy to apply. In addition, it is an algorithm for simulating the driving style of human driver. Proposed controller is a multilayer neural network using Levenberg-Marquardt backpropagation learning algorithm which was estimated much better than other methods, i.e. Conjugate Gradient or Gradient Decent ones.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.