운전자 보조 시스템에 있어서 차선을 정확하고 빠르게 감지하는 것은 매우 중요하다. 왜냐하면, 차선을 제대로 감지하지 못할 경우, 충분한 차선 이탈 방지 제어를 수행할 수 없기 때문이다. 이때, 대부분의 차선 감지는 카메라 센서에 의존한다. 하지만 카메라 센서만을 이용하여 차선 정보를 인지 할 경우, 차선이 흐릿한 상황과 전방 차량에 의해 차선이 가려진 상황, 궂은 날씨 등의 상황에서 차선을 정확히 인지하지 못할 가능성이 있다. 또한, 카메라 센서를 통해 얻어지는 정보는 계산양에 따라 최대 500ms의 지연이 생겨 제어에 문제를 야기 할 수 있다. 본 논문에서는 카메라 센서 정보와 차량 IMU정보, 차량 내부 센서 정보를 기반으로 하여 vehicle motion model에 융합한 차선 추정 기법을 제안한다. 이때, vehicle motion model은 2-DOF bicycle model을 바탕으로 저속인 경우, lateral vehicle kinematic motion model을 사용하고, 고속인 경우, lateral vehicle dynamic motion model을 사용한다. 상기의 센서 정보와 vehicle motion model을 이용해 disturbance state가 추가된 Kalman filter를 설계하여 차선을 추정하게 된다. 제안된 차선 추정 기법을 통해 차선 추정 정확도가 향상되었고, 차선 추정 지연을 줄이는 결과를 얻을 수 있었다. 제안하는 차선 추정 ...
운전자 보조 시스템에 있어서 차선을 정확하고 빠르게 감지하는 것은 매우 중요하다. 왜냐하면, 차선을 제대로 감지하지 못할 경우, 충분한 차선 이탈 방지 제어를 수행할 수 없기 때문이다. 이때, 대부분의 차선 감지는 카메라 센서에 의존한다. 하지만 카메라 센서만을 이용하여 차선 정보를 인지 할 경우, 차선이 흐릿한 상황과 전방 차량에 의해 차선이 가려진 상황, 궂은 날씨 등의 상황에서 차선을 정확히 인지하지 못할 가능성이 있다. 또한, 카메라 센서를 통해 얻어지는 정보는 계산양에 따라 최대 500ms의 지연이 생겨 제어에 문제를 야기 할 수 있다. 본 논문에서는 카메라 센서 정보와 차량 IMU정보, 차량 내부 센서 정보를 기반으로 하여 vehicle motion model에 융합한 차선 추정 기법을 제안한다. 이때, vehicle motion model은 2-DOF bicycle model을 바탕으로 저속인 경우, lateral vehicle kinematic motion model을 사용하고, 고속인 경우, lateral vehicle dynamic motion model을 사용한다. 상기의 센서 정보와 vehicle motion model을 이용해 disturbance state가 추가된 Kalman filter를 설계하여 차선을 추정하게 된다. 제안된 차선 추정 기법을 통해 차선 추정 정확도가 향상되었고, 차선 추정 지연을 줄이는 결과를 얻을 수 있었다. 제안하는 차선 추정 알고리즘은 고속도로 주행 상황에서 카메라 센서와 IMU를 장착한 차량 실험 데이터를 이용하여 상용 소프트웨어인 MATLAB/Simulink를 통해 성능을 검증하였다.
운전자 보조 시스템에 있어서 차선을 정확하고 빠르게 감지하는 것은 매우 중요하다. 왜냐하면, 차선을 제대로 감지하지 못할 경우, 충분한 차선 이탈 방지 제어를 수행할 수 없기 때문이다. 이때, 대부분의 차선 감지는 카메라 센서에 의존한다. 하지만 카메라 센서만을 이용하여 차선 정보를 인지 할 경우, 차선이 흐릿한 상황과 전방 차량에 의해 차선이 가려진 상황, 궂은 날씨 등의 상황에서 차선을 정확히 인지하지 못할 가능성이 있다. 또한, 카메라 센서를 통해 얻어지는 정보는 계산양에 따라 최대 500ms의 지연이 생겨 제어에 문제를 야기 할 수 있다. 본 논문에서는 카메라 센서 정보와 차량 IMU정보, 차량 내부 센서 정보를 기반으로 하여 vehicle motion model에 융합한 차선 추정 기법을 제안한다. 이때, vehicle motion model은 2-DOF bicycle model을 바탕으로 저속인 경우, lateral vehicle kinematic motion model을 사용하고, 고속인 경우, lateral vehicle dynamic motion model을 사용한다. 상기의 센서 정보와 vehicle motion model을 이용해 disturbance state가 추가된 Kalman filter를 설계하여 차선을 추정하게 된다. 제안된 차선 추정 기법을 통해 차선 추정 정확도가 향상되었고, 차선 추정 지연을 줄이는 결과를 얻을 수 있었다. 제안하는 차선 추정 알고리즘은 고속도로 주행 상황에서 카메라 센서와 IMU를 장착한 차량 실험 데이터를 이용하여 상용 소프트웨어인 MATLAB/Simulink를 통해 성능을 검증하였다.
To develop advanced driver assistance systems (ADAS), the accuracy of lane detection from the camera sensor is very important. However, if the camera sensor is only used, there is a possibility that the lane cannot be recognized in a situation where the lane is blurry or blocked by a front vehicle, ...
To develop advanced driver assistance systems (ADAS), the accuracy of lane detection from the camera sensor is very important. However, if the camera sensor is only used, there is a possibility that the lane cannot be recognized in a situation where the lane is blurry or blocked by a front vehicle, and the weather is inclement. In addition, the information obtained through the camera sensor may cause a delay of up to 500ms depending on the calculation amount, which may cause problems in the control. In this paper, we propose a lane estimation method based on camera sensor information, IMU information, and vehicle interior sensor information. Based on the 2-DOF bicycle model, the lateral vehicle kinematic motion model is used for the low speed case, and the lateral vehicle dynamic motion model is used for the high speed case. The lane is estimated by Kalman filter with the disturbance state using the sensor information and the vehicle motion model. The proposed lane estimation method improved lane estimation accuracy and reduced lane estimation delay. The proposed lane estimation algorithm is verified in real vehicle tested data using the computer software MATLAB/Simulink.
To develop advanced driver assistance systems (ADAS), the accuracy of lane detection from the camera sensor is very important. However, if the camera sensor is only used, there is a possibility that the lane cannot be recognized in a situation where the lane is blurry or blocked by a front vehicle, and the weather is inclement. In addition, the information obtained through the camera sensor may cause a delay of up to 500ms depending on the calculation amount, which may cause problems in the control. In this paper, we propose a lane estimation method based on camera sensor information, IMU information, and vehicle interior sensor information. Based on the 2-DOF bicycle model, the lateral vehicle kinematic motion model is used for the low speed case, and the lateral vehicle dynamic motion model is used for the high speed case. The lane is estimated by Kalman filter with the disturbance state using the sensor information and the vehicle motion model. The proposed lane estimation method improved lane estimation accuracy and reduced lane estimation delay. The proposed lane estimation algorithm is verified in real vehicle tested data using the computer software MATLAB/Simulink.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.