본 논문은 자율주행 자동차의 도로 환경 지도를 이용한 3D LiDAR 센서 기반 동적 물체 추적 및 주행 차로 인식 기법 개발에 관한 연구이다.
자율주행 자동차의 주행을 위해서는 주변 환경에 대한 인지를 통해 자동차의 주행 가능 여부를 판단하는 것이 필수적이다. 자율주행 자동차의 주행 가능 여부 판단을 위해서는 주변 차량에 대한 정확한 위치와 주행 차로 정보를 얻는 것이 필요하다. 주변 차량의 주행 차로 인식에 관한 연구는 주로 ...
본 논문은 자율주행 자동차의 도로 환경 지도를 이용한 3D LiDAR 센서 기반 동적 물체 추적 및 주행 차로 인식 기법 개발에 관한 연구이다.
자율주행 자동차의 주행을 위해서는 주변 환경에 대한 인지를 통해 자동차의 주행 가능 여부를 판단하는 것이 필수적이다. 자율주행 자동차의 주행 가능 여부 판단을 위해서는 주변 차량에 대한 정확한 위치와 주행 차로 정보를 얻는 것이 필요하다. 주변 차량의 주행 차로 인식에 관한 연구는 주로 환경인식 센서(LiDAR, 카메라, Radar 등)를 이용한 연구가 이루어졌다. 센서를 이용한 주행 차로 인식은 각 센서의 특성과 도로 형태 및 기상 환경에 따라 성능의 한계가 존재한다. 따라서 본 연구에서는 도로 환경 지도 기반의 주행 차로 인식과 3D LiDAR 센서를 이용한 동적 물체 추적 기법을 제안한다.
센서를 이용한 주행 차로 인식에 관한 연구는 주로 카메라 센서를 사용하였다. 카메라 센서는 화각의 한계와 조도 변화에 취약한 단점이 존재한다. 이런 단점은 주행 차로 인식에서 치명적인 단점으로 작용할 수 있다. 이러한 센서의 한계를 극복하고자 기상 환경과 화각에 제한이 없는 도로 환경 지도를 이용하였고, 지도에 라벨링을 하여 주행 차로 인식을 진행하였다.
도로 내부의 측정치를 선별하기 위해 도로 환경 지도 기반 관심 영역(ROI : Region of Interest)을 설정하여 도로 외부와 지면에 대한 측정치를 제거하였다. 3D LiDAR 측정치의 군집화 방법으로는 기존 DBSCAN 기법에 KD-Tree Search 알고리즘을 접목해 불필요한 연산을 줄였다. 3D LiDAR 센서는 레이저의 특성상 폐색 현상으로 인해 측정치 일부가 누락되는 경우가 발생한다. 측정치가 누락될 경우 군집화 과정에서 한 객체에 대해 여러 군집이 형성될 수 있다. 이는 추적 성능 감소로 이어진다. 추적 성능을 향상시키기 위해 확률 기반의 데이터 연관 기법인 IPDAF(Integrated Probabilistic Data Association Filter)를 이용하여 다중 객체 추적 시스템을 구축하였다.
본 논문에서는 자율주행 시스템에서 주행 차로 인식이 필요한 상황과 센서 기반의 주행 차로 인식의 한계 상황에 대해 3가지 시나리오를 설정하였다. 2대의 3D LiDAR 센서가 장착된 자율주행 차량과 도로 환경 지도를 이용하여 동적 물체 추적 및 주행 차로 인식 성능을 검증하였다.
본 논문은 자율주행 자동차의 도로 환경 지도를 이용한 3D LiDAR 센서 기반 동적 물체 추적 및 주행 차로 인식 기법 개발에 관한 연구이다.
자율주행 자동차의 주행을 위해서는 주변 환경에 대한 인지를 통해 자동차의 주행 가능 여부를 판단하는 것이 필수적이다. 자율주행 자동차의 주행 가능 여부 판단을 위해서는 주변 차량에 대한 정확한 위치와 주행 차로 정보를 얻는 것이 필요하다. 주변 차량의 주행 차로 인식에 관한 연구는 주로 환경인식 센서(LiDAR, 카메라, Radar 등)를 이용한 연구가 이루어졌다. 센서를 이용한 주행 차로 인식은 각 센서의 특성과 도로 형태 및 기상 환경에 따라 성능의 한계가 존재한다. 따라서 본 연구에서는 도로 환경 지도 기반의 주행 차로 인식과 3D LiDAR 센서를 이용한 동적 물체 추적 기법을 제안한다.
센서를 이용한 주행 차로 인식에 관한 연구는 주로 카메라 센서를 사용하였다. 카메라 센서는 화각의 한계와 조도 변화에 취약한 단점이 존재한다. 이런 단점은 주행 차로 인식에서 치명적인 단점으로 작용할 수 있다. 이러한 센서의 한계를 극복하고자 기상 환경과 화각에 제한이 없는 도로 환경 지도를 이용하였고, 지도에 라벨링을 하여 주행 차로 인식을 진행하였다.
도로 내부의 측정치를 선별하기 위해 도로 환경 지도 기반 관심 영역(ROI : Region of Interest)을 설정하여 도로 외부와 지면에 대한 측정치를 제거하였다. 3D LiDAR 측정치의 군집화 방법으로는 기존 DBSCAN 기법에 KD-Tree Search 알고리즘을 접목해 불필요한 연산을 줄였다. 3D LiDAR 센서는 레이저의 특성상 폐색 현상으로 인해 측정치 일부가 누락되는 경우가 발생한다. 측정치가 누락될 경우 군집화 과정에서 한 객체에 대해 여러 군집이 형성될 수 있다. 이는 추적 성능 감소로 이어진다. 추적 성능을 향상시키기 위해 확률 기반의 데이터 연관 기법인 IPDAF(Integrated Probabilistic Data Association Filter)를 이용하여 다중 객체 추적 시스템을 구축하였다.
본 논문에서는 자율주행 시스템에서 주행 차로 인식이 필요한 상황과 센서 기반의 주행 차로 인식의 한계 상황에 대해 3가지 시나리오를 설정하였다. 2대의 3D LiDAR 센서가 장착된 자율주행 차량과 도로 환경 지도를 이용하여 동적 물체 추적 및 주행 차로 인식 성능을 검증하였다.
This paper is a study on moving object tracking and the recognition of driving lane method using 3D LiDAR sensor & digital map for autonomous driving vehicles.
In order to drive an autonomous vehicle, it is essential to determine whether a vehicle can be driven through awareness of surround...
This paper is a study on moving object tracking and the recognition of driving lane method using 3D LiDAR sensor & digital map for autonomous driving vehicles.
In order to drive an autonomous vehicle, it is essential to determine whether a vehicle can be driven through awareness of surrounding environment. In order to judge whether or not the autonomous vehicle is able to drive, it is necessary to obtain information about the exact nearby vehicles location and recognition of driving lane. Studies on the recognition of driving lane were conducted mainly using sensor. There are limitations in performance that recognition of driving lane depending on the characteristics of each sensor, the road type, and the weather environment. Therefore, in this study, we propose a recognition of driving lane method based on digital map and a moving object tracking method using 3D LiDAR sensor.
3D LiDAR sensors may be missing some of the measurements due to occlusion and scattering of light, which may result in reduced tracking performance. In order to overcome reduced tracking performance, we have constructed a multi - object tracking system based on Kalman filter using IPDAF (Integrated Probabilistic Data Association Filter).
Many studies conducted to recognize the driving lane of nearby vehicles have used camera sensors. However, due to the characteristic of the camera sensor, there exists disadvantages such as limitation of FOV(Field Of View) and change of illumination. Therefore, we use digital map which has no limitation on weather environment and FOV.
In order to verify the proposed method, three scenarios were constructed in the actual road environment.
This paper is a study on moving object tracking and the recognition of driving lane method using 3D LiDAR sensor & digital map for autonomous driving vehicles.
In order to drive an autonomous vehicle, it is essential to determine whether a vehicle can be driven through awareness of surrounding environment. In order to judge whether or not the autonomous vehicle is able to drive, it is necessary to obtain information about the exact nearby vehicles location and recognition of driving lane. Studies on the recognition of driving lane were conducted mainly using sensor. There are limitations in performance that recognition of driving lane depending on the characteristics of each sensor, the road type, and the weather environment. Therefore, in this study, we propose a recognition of driving lane method based on digital map and a moving object tracking method using 3D LiDAR sensor.
3D LiDAR sensors may be missing some of the measurements due to occlusion and scattering of light, which may result in reduced tracking performance. In order to overcome reduced tracking performance, we have constructed a multi - object tracking system based on Kalman filter using IPDAF (Integrated Probabilistic Data Association Filter).
Many studies conducted to recognize the driving lane of nearby vehicles have used camera sensors. However, due to the characteristic of the camera sensor, there exists disadvantages such as limitation of FOV(Field Of View) and change of illumination. Therefore, we use digital map which has no limitation on weather environment and FOV.
In order to verify the proposed method, three scenarios were constructed in the actual road environment.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.