초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

현재 ADAS(첨단 운전자 보조 시스템)와 자율 주행의 인지 기술에는 다양한 종류의 환경 센서가 사용되고 있으며, 특히 3D LiDAR센서는 계측 데이터의 높은 신뢰도와 다양한 환경 조건에서 강인성 가진다. 3D Lidar 센서는 최근까지 높은 개발비용에 의해 실제 양산차량에 적용되지 못하는 문제점을 가지고 있었다. 하지만 최근 3D LiDAR센서 시장 확대로 인해 개발비용이 양산 가능한 수준까지 안정화 되었다. 이러한 동향은 양산 ...

현재 ADAS(첨단 운전자 보조 시스템)와 자율 주행의 인지 기술에는 다양한 종류의 환경 센서가 사용되고 있으며, 특히 3D LiDAR센서는 계측 데이터의 높은 신뢰도와 다양한 환경 조건에서 강인성 가진다. 3D Lidar 센서는 최근까지 높은 개발비용에 의해 실제 양산차량에 적용되지 못하는 문제점을 가지고 있었다. 하지만 최근 3D LiDAR센서 시장 확대로 인해 개발비용이 양산 가능한 수준까지 안정화 되었다. 이러한 동향은 양산 자율주행차량의 성능 뿐 아니라 기존 ADAS 기술의 한계점 개선에도 기여할 것으로 보인다. ADAS의 기능 중 하나인 LKAS는 차선 정보를 카메라 센서로부터 취득하기 때문에 카메라 센서에 대한 의존도가 높다. 따라서 카메라 센서의 고장 및 조도나 도로 환경에 따른 불확실한 차선 인식 상황에서는 차선 이탈로 인한 주변 차량과의 충돌이 발생할 수 있다. 이를 극복하기 위해 본 논문에서는 3D LiDAR 센서를 기반으로 도로 객체 인지를 통해 LKAS 기능의 Fail-Operation 기술을 제안한다. 이때 자 차량과 직접적으로 충돌할 수 있는 주변 차량을 도로 위 객체로 설정한다. 3D LiDAR 센서를 기반으로 자 차량 주변 차량들을 인지하고, 이를 누적하여 경로를 생성한다. 또한 자차량의 경로를 차량 내부정보를 통해 생성하여 추정된 주변 차량의 경로와 자차량의 경로 기반으로 카메라 Fail에 의한 LKAS 기능의 Fail-Operation을 수행한다. 이를 통해 카메라 Fail 발생 시 주행차선 이탈을 방지하고 운전자가 위험 상황에 따른 제어권 전환 시간을 확보하도록 한다. 최종적으로 이를 Prescan과 Matlab &Simulink를 통해 제안하는 Fail-Operation 기능을 검증한다.