본 논문에서는 2차원 라이다 기반에서 장애물 인지를 위한 데이터베이스를 구축하여 2차원 라이다 시스템만으로 장애물을 인지하고, 그 장애물의 종류를 분류할 수 있는 기법에 대해 제안한다. 기존의 2차원 라이다 시스템은 자율주행차량에서 주변 장애물 유무의 판단이 타 시스템에 비해 정확하고 신속하다는 장점이 있으나, 장애물의 구분이 어려워서 장애물의 분류에 따른 정확한 경로생성이 이루어지지 않는 단점이 있다. 이를 극복하기 위해 기존의 2차원 라이다 기반의 장애물 폭 정보를 이용하여 장애물을 분류하는 기법이 제안되었지만, 장애물의 폭 정보만으로는 분류 정확도가 떨어진다. 본 연구는 폭 정보뿐만 아니라, 2차원 라이다와 장애물 간 거리의 ...
본 논문에서는 2차원 라이다 기반에서 장애물 인지를 위한 데이터베이스를 구축하여 2차원 라이다 시스템만으로 장애물을 인지하고, 그 장애물의 종류를 분류할 수 있는 기법에 대해 제안한다. 기존의 2차원 라이다 시스템은 자율주행차량에서 주변 장애물 유무의 판단이 타 시스템에 비해 정확하고 신속하다는 장점이 있으나, 장애물의 구분이 어려워서 장애물의 분류에 따른 정확한 경로생성이 이루어지지 않는 단점이 있다. 이를 극복하기 위해 기존의 2차원 라이다 기반의 장애물 폭 정보를 이용하여 장애물을 분류하는 기법이 제안되었지만, 장애물의 폭 정보만으로는 분류 정확도가 떨어진다. 본 연구는 폭 정보뿐만 아니라, 2차원 라이다와 장애물 간 거리의 표준편차, 정규화된 장애물 신호세기의 평균, 정규화된 장애물 신호세기의 표준편차 정보를 이용하여 실제 도로환경의 5가지 대표 장애물 별 데이터베이스를 구축한 뒤, 실제 장애물에 대한 2차원 라이다 정보와 비교하여 유사도가 높은 장애물 종류로 판단하는 기법을 제안한다. 실제 환경에서 실험 차량으로 실험한 결과 기존의 2차원 라이다 기반 장애물 분류 기법에 비해 처리 비용은 감소하였으며, 단일 2차원 라이다 시스템 만으로 장애물 분류가 가능하였다.
본 논문에서는 2차원 라이다 기반에서 장애물 인지를 위한 데이터베이스를 구축하여 2차원 라이다 시스템만으로 장애물을 인지하고, 그 장애물의 종류를 분류할 수 있는 기법에 대해 제안한다. 기존의 2차원 라이다 시스템은 자율주행차량에서 주변 장애물 유무의 판단이 타 시스템에 비해 정확하고 신속하다는 장점이 있으나, 장애물의 구분이 어려워서 장애물의 분류에 따른 정확한 경로생성이 이루어지지 않는 단점이 있다. 이를 극복하기 위해 기존의 2차원 라이다 기반의 장애물 폭 정보를 이용하여 장애물을 분류하는 기법이 제안되었지만, 장애물의 폭 정보만으로는 분류 정확도가 떨어진다. 본 연구는 폭 정보뿐만 아니라, 2차원 라이다와 장애물 간 거리의 표준편차, 정규화된 장애물 신호세기의 평균, 정규화된 장애물 신호세기의 표준편차 정보를 이용하여 실제 도로환경의 5가지 대표 장애물 별 데이터베이스를 구축한 뒤, 실제 장애물에 대한 2차원 라이다 정보와 비교하여 유사도가 높은 장애물 종류로 판단하는 기법을 제안한다. 실제 환경에서 실험 차량으로 실험한 결과 기존의 2차원 라이다 기반 장애물 분류 기법에 비해 처리 비용은 감소하였으며, 단일 2차원 라이다 시스템 만으로 장애물 분류가 가능하였다.
We propose an obstacle classification method using multi feature based on 2D LIDAR. The existing obstacle classification method based on 2D LIDAR has an advantage in terms of accuracy and shorter calculation time. However, it was difficult to classify obstacle type, and therefore accurate path plann...
We propose an obstacle classification method using multi feature based on 2D LIDAR. The existing obstacle classification method based on 2D LIDAR has an advantage in terms of accuracy and shorter calculation time. However, it was difficult to classify obstacle type, and therefore accurate path planning was not possible. To overcome this problem, a method of classifying obstacle type based on width data had been proposed. However, width data was not sufficient to enable accurate obstacle classification. The proposed algorithm of this paper involves comparison with database to classify obstacle type. Database was generated using width, standard deviation of distance, average normalized intensity and standard deviation of normalized intensity data. Experiments using a real autonomous vehicle in a real environment showed that calculation time decreased in comparison with 2D LIDAR-based method, thus demonstrating the possibility of obstacle type classification using single 2D LIDAR.
We propose an obstacle classification method using multi feature based on 2D LIDAR. The existing obstacle classification method based on 2D LIDAR has an advantage in terms of accuracy and shorter calculation time. However, it was difficult to classify obstacle type, and therefore accurate path planning was not possible. To overcome this problem, a method of classifying obstacle type based on width data had been proposed. However, width data was not sufficient to enable accurate obstacle classification. The proposed algorithm of this paper involves comparison with database to classify obstacle type. Database was generated using width, standard deviation of distance, average normalized intensity and standard deviation of normalized intensity data. Experiments using a real autonomous vehicle in a real environment showed that calculation time decreased in comparison with 2D LIDAR-based method, thus demonstrating the possibility of obstacle type classification using single 2D LIDAR.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.