대부분의 교통사고는 운전자의 부주의로 발생한다. 충돌을 사전에 예측하고 적절한 조기 경고를 제공할 수 있다면 교통사고로 인한 사망 또는 부상 건수를 크게 줄일 수 있다. 주행 시 차량 주변 상황을 살피고 발생 가능한 충돌을 예측하기 위해 레이더, 카메라, 라이다와 같은 센서를 주로 사용하는데, 각 센서는 낮은 해상도, 날씨에 따른 성능 저하, 높은 가격 등의 여러 문제점을 지니고 있다. 또한 인식 대상이 센서의 탐지 범위 밖에 있거나 LOS(Line-of-Sight) 확보가 되지 않는 경우 잠재적인 위험을 감지할 수 없다. 기존 센서 기반의 인지 기술을 보완하고 안전성과 편의성 및 ...
대부분의 교통사고는 운전자의 부주의로 발생한다. 충돌을 사전에 예측하고 적절한 조기 경고를 제공할 수 있다면 교통사고로 인한 사망 또는 부상 건수를 크게 줄일 수 있다. 주행 시 차량 주변 상황을 살피고 발생 가능한 충돌을 예측하기 위해 레이더, 카메라, 라이다와 같은 센서를 주로 사용하는데, 각 센서는 낮은 해상도, 날씨에 따른 성능 저하, 높은 가격 등의 여러 문제점을 지니고 있다. 또한 인식 대상이 센서의 탐지 범위 밖에 있거나 LOS(Line-of-Sight) 확보가 되지 않는 경우 잠재적인 위험을 감지할 수 없다. 기존 센서 기반의 인지 기술을 보완하고 안전성과 편의성 및 에너지 효율성 향상을 기대할 수 있는 커넥티드 자율주행차에 대한 관심이 최근 높아지고 있다. 커넥티드 자율주행차에 관련한 이전 연구의 대부분은 협조 적응형 순항제어(Cooperative Adaptive Cruise Control), 교차로 통행지원(Cooperative Intersection Control), 협력인지(Cooperative Perception)에 초점을 두고 있는데, 주행 안전 기능 측면에서 센서 기반 인지 기술과 협력적 인지 기술의 융합 접근 방식에 관한 연구는 부족한 실정이다. 본 논문에서는 환경 인식 센서와 차량용 무선 통신의 융합을 기반으로 하는 협력적 인지 시스템을 제안한다. 차량 주변 객체의 위치와 경로를 보다 정확하고 안정적으로 산출하기 위해 Track-to-Track 융합 방식으로 센서와 차량용 무선 통신 정보를 처리하였다. 수집한 정보에 대한 오차를 줄이고 추정된 상태 변수와 관련한 오차 공분산를 산출하기 위해 칼만 필터 기반의 시스템을 구현하였고, 충돌을 감지하고 적절한 경고를 생성하기 위해 각 주변 객체에 대한 경로 예측 결과를 자기 차량에 대한 경로 예측 결과와 비교하였다. 제안한 협력적 인지 방식의 장점을 검증하고 그 성능을 상대 위치 추정 및 충돌 예측 정확도 측면에서 평가하기 위하여 차 대 차 충돌 및 차 대 보행자 충돌 시나리오를 적용하였다. 제안한 협력적 주변 환경 인지 방식을 시뮬레이션 환경과 실제 차량 환경에서 구현하였고 실험을 통하여 그 성능을 검증하였다. 시뮬레이션 실험을 통하여 기존 센서 기반의 안전 시스템으로는 충돌 회피가 어려운 상황에도 향상된 인지 성능과 적절한 충돌 경고를 통해 운전자 및 보행자 안전 확보가 가능한 것을 확인하였다. 실제 차량을 이용한 주행 실험을 통하여 다양한 상대 거리에 위치한 주변 차량에 대해 센서 기반 인지 기술 대비 보다 정확하고 신뢰할 수 있는 인지 성능을 확인하였고, 또한 컷인(Cut-in) 주행 시나리오에서 진행한 실험을 통하여 주행 시 주변 객체에 대한 적절하고 안정적인 경로 예측과 충돌 판단이 가능한 것을 검증하였다.
대부분의 교통사고는 운전자의 부주의로 발생한다. 충돌을 사전에 예측하고 적절한 조기 경고를 제공할 수 있다면 교통사고로 인한 사망 또는 부상 건수를 크게 줄일 수 있다. 주행 시 차량 주변 상황을 살피고 발생 가능한 충돌을 예측하기 위해 레이더, 카메라, 라이다와 같은 센서를 주로 사용하는데, 각 센서는 낮은 해상도, 날씨에 따른 성능 저하, 높은 가격 등의 여러 문제점을 지니고 있다. 또한 인식 대상이 센서의 탐지 범위 밖에 있거나 LOS(Line-of-Sight) 확보가 되지 않는 경우 잠재적인 위험을 감지할 수 없다. 기존 센서 기반의 인지 기술을 보완하고 안전성과 편의성 및 에너지 효율성 향상을 기대할 수 있는 커넥티드 자율주행차에 대한 관심이 최근 높아지고 있다. 커넥티드 자율주행차에 관련한 이전 연구의 대부분은 협조 적응형 순항제어(Cooperative Adaptive Cruise Control), 교차로 통행지원(Cooperative Intersection Control), 협력인지(Cooperative Perception)에 초점을 두고 있는데, 주행 안전 기능 측면에서 센서 기반 인지 기술과 협력적 인지 기술의 융합 접근 방식에 관한 연구는 부족한 실정이다. 본 논문에서는 환경 인식 센서와 차량용 무선 통신의 융합을 기반으로 하는 협력적 인지 시스템을 제안한다. 차량 주변 객체의 위치와 경로를 보다 정확하고 안정적으로 산출하기 위해 Track-to-Track 융합 방식으로 센서와 차량용 무선 통신 정보를 처리하였다. 수집한 정보에 대한 오차를 줄이고 추정된 상태 변수와 관련한 오차 공분산를 산출하기 위해 칼만 필터 기반의 시스템을 구현하였고, 충돌을 감지하고 적절한 경고를 생성하기 위해 각 주변 객체에 대한 경로 예측 결과를 자기 차량에 대한 경로 예측 결과와 비교하였다. 제안한 협력적 인지 방식의 장점을 검증하고 그 성능을 상대 위치 추정 및 충돌 예측 정확도 측면에서 평가하기 위하여 차 대 차 충돌 및 차 대 보행자 충돌 시나리오를 적용하였다. 제안한 협력적 주변 환경 인지 방식을 시뮬레이션 환경과 실제 차량 환경에서 구현하였고 실험을 통하여 그 성능을 검증하였다. 시뮬레이션 실험을 통하여 기존 센서 기반의 안전 시스템으로는 충돌 회피가 어려운 상황에도 향상된 인지 성능과 적절한 충돌 경고를 통해 운전자 및 보행자 안전 확보가 가능한 것을 확인하였다. 실제 차량을 이용한 주행 실험을 통하여 다양한 상대 거리에 위치한 주변 차량에 대해 센서 기반 인지 기술 대비 보다 정확하고 신뢰할 수 있는 인지 성능을 확인하였고, 또한 컷인(Cut-in) 주행 시나리오에서 진행한 실험을 통하여 주행 시 주변 객체에 대한 적절하고 안정적인 경로 예측과 충돌 판단이 가능한 것을 검증하였다.
Driver inattention is one of the leading causes of traffic crashes worldwide. Accurate and reliable prediction of a potential threat can significantly reduce the fatalities and the level of injuries associated with vehicle collisions. In order to monitor the vehicle surroundings and predict collisio...
Driver inattention is one of the leading causes of traffic crashes worldwide. Accurate and reliable prediction of a potential threat can significantly reduce the fatalities and the level of injuries associated with vehicle collisions. In order to monitor the vehicle surroundings and predict collisions, on-board remote sensors such as radars, lidars, and cameras are often used. However, the driving environment perception based on these sensors can be adversely affected by a number of factors such as weather conditions and solar irradiance. In addition, potential dangers cannot be detected if the object is located outside the limited field-of-view of the sensors, or if the line of sight to the object is occluded. There has been increasing interest in connected and automated vehicles (CAVs) in recent years due to its potential to improve road safety, convenience, and energy efficiency. The majority of recent studies on CAVs focus on cooperative adaptive cruise control, cooperative intersection control, and cooperative perception. Although these studies present promising applications, only a few studies have examined the benefits of the fusion of on-board remote sensors and cooperative approaches in the context of safety applications. The design and implementation of cooperative environment perception based on the fusion of remote sensors and vehicular wireless communications is presented in this dissertation. A track-to-track fusion of high-level sensor data and vehicular wireless communication data was performed to accurately and reliably locate remote targets in the vehicle surroundings and predict their trajectories. A Kalman-filter-based approach was employed to reduce the measurement noise and obtain the error covariance associated with the estimated state. The trajectory of each remote target was estimated and compared with the estimated trajectory of the host vehicle to detect a possible collision and generate an appropriate warning. In order to investigate the advantage of the proposed cooperative perception approach and evaluate its performance in terms of state estimation and crash prediction accuracy, vehicle-vehicle and vehicle-pedestrian crash scenarios were considered. The proposed method was implemented and evaluated in both virtual driving environments and real-world driving environments. The experimental results from simulation scenarios demonstrate that the proposed system enables higher driver and pedestrian safety, even in driving situations where it is difficult to avoid or mitigate the collision with existing sensor-based safety systems. The experimental results from the real-world driving scenarios demonstrate that the proposed system enables more accurate and reliable perception of the surrounding vehicles located at varying relative distances. The remote vehicle trajectories and potential crash involvement are reliably predicted in cut-in driving scenarios where a remote vehicle driving in the adjacent lane performs lane-change maneuvers in front of the host vehicle.
Driver inattention is one of the leading causes of traffic crashes worldwide. Accurate and reliable prediction of a potential threat can significantly reduce the fatalities and the level of injuries associated with vehicle collisions. In order to monitor the vehicle surroundings and predict collisions, on-board remote sensors such as radars, lidars, and cameras are often used. However, the driving environment perception based on these sensors can be adversely affected by a number of factors such as weather conditions and solar irradiance. In addition, potential dangers cannot be detected if the object is located outside the limited field-of-view of the sensors, or if the line of sight to the object is occluded. There has been increasing interest in connected and automated vehicles (CAVs) in recent years due to its potential to improve road safety, convenience, and energy efficiency. The majority of recent studies on CAVs focus on cooperative adaptive cruise control, cooperative intersection control, and cooperative perception. Although these studies present promising applications, only a few studies have examined the benefits of the fusion of on-board remote sensors and cooperative approaches in the context of safety applications. The design and implementation of cooperative environment perception based on the fusion of remote sensors and vehicular wireless communications is presented in this dissertation. A track-to-track fusion of high-level sensor data and vehicular wireless communication data was performed to accurately and reliably locate remote targets in the vehicle surroundings and predict their trajectories. A Kalman-filter-based approach was employed to reduce the measurement noise and obtain the error covariance associated with the estimated state. The trajectory of each remote target was estimated and compared with the estimated trajectory of the host vehicle to detect a possible collision and generate an appropriate warning. In order to investigate the advantage of the proposed cooperative perception approach and evaluate its performance in terms of state estimation and crash prediction accuracy, vehicle-vehicle and vehicle-pedestrian crash scenarios were considered. The proposed method was implemented and evaluated in both virtual driving environments and real-world driving environments. The experimental results from simulation scenarios demonstrate that the proposed system enables higher driver and pedestrian safety, even in driving situations where it is difficult to avoid or mitigate the collision with existing sensor-based safety systems. The experimental results from the real-world driving scenarios demonstrate that the proposed system enables more accurate and reliable perception of the surrounding vehicles located at varying relative distances. The remote vehicle trajectories and potential crash involvement are reliably predicted in cut-in driving scenarios where a remote vehicle driving in the adjacent lane performs lane-change maneuvers in front of the host vehicle.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.