[논문]차선인식을 위한 무인자동차의 차량제어 및 모델링에 관한 연구

김상겸; 임하영; 김정하

문제 정의

또한 카메라를 이용한 비젼시스템은 단순한 차량의 조향 제어뿐만 아니라 전방의 물체와 차선 인식을 위하여 사용되었다.^4,5) 따라서 본 논문에서는 차선 인식 방법과 차선 인식을 위한 영상처리 알고리즘을 고안하였고, 영상 처리 방법에 대하여 다루었으며 최종적으로 유·무선 통신시스템을 통하여 영상처리 시간과 필터링에 대하여 설명하였다.
각각의 시스템은 수많은 실험 과 정확한 데이터 분석이 필요하며, 도로 실험을 통하여 에러 요소들을 발견할 수 있다. 무인자동차의 모션을 제어하기 위하여 본 논문에서는 횡방향 제어와 종방향 제어를 위한 차량 모델링과 제어기를 설계하였다. 종 방향 제어는 포토인터럽트와 홀센서를 차량의 바퀴에 부착하여 주행에 따른 센서의 신호를 검출하여 PIC micro controller에 의하여 PWM 제어로서 차량의 속도를 제어하였다.
역원근 변환은 도로가 평탄하다는 가정 하에서 이루어진다. 본 논문에서는 2차원 좌표계로부터 로드 영상을 얻기 위하여 카메라 렌즈의 파라미터들을 결정하였으며, 로드 모델을 통하여 실세계 좌표계를 구하였다. Fig.
8은 필터링을 통한 이미지를 보여주며, 이 이미지를 바탕으로 차선을 추출하게 된다. 본 논문에서는 이미지 전체 영역을 검색하는 데 많은 시간이 걸리기 때문에 영상처리 시간을 줄이기 위하여 두 행을 검색함으로써 차선의 정보를 추출하였다.
본 논문에서는 차선 인식을 위하여 무인자동차의 차량 제어 및 시스템 모델링을 수행하였고, 차선인 식을 위한 영상 처리 기법에 대하여 설명하였다. 특히 차량의 횡방향과 종방향 제어를 위한 수학적 모델 및 실험적 모델을 사용하여 모델링을 수행하였으며 모델링을 실제 적용하여 비젼시스템을 통한 차량 제어를 실시하였다.

가설 설정

그러므로 이러한 정보는 좌표 계 변환 과정이 필요하며 이를 역원근 변환이라 한다. 역원근 변환은 도로가 평탄하다는 가정 하에서 이루어진다. 본 논문에서는 2차원 좌표계로부터 로드 영상을 얻기 위하여 카메라 렌즈의 파라미터들을 결정하였으며, 로드 모델을 통하여 실세계 좌표계를 구하였다.

제안 방법

종 방향 제어는 포토인터럽트와 홀센서를 차량의 바퀴에 부착하여 주행에 따른 센서의 신호를 검출하여 PIC micro controller에 의하여 PWM 제어로서 차량의 속도를 제어하였다.³⁾ 횡방향 제어는 CCD 카메라로부터 도로 영상의 데이터 좌표를 받아 데이터 값의 변화에 따라 RC 서보 모터를 제어함으로써 차량의 조향을 제어하였다. 이 RC 서보 모터는 PWM으로 구동되며 SMC (servo motor controller)를 사용하여 PWM 파형을 생성하였다.
차선 인식에 있어 대부분의 데이터 처리 시간은 영상 처리에 소비한다. 그러므로 본 논문에서는 유·무선통신과 각각 필터의 사용 유·무에 따른 영상처리 시간결과를 비교 분석하였다. Fig.
일반적으로 도로에서 무인차량이 안전하게 운행을 하기 위해서는 초당 30 frame 이상의 이미지를 처리를 해야 한다. 따라서 본 실험에서는 특정 부분만을 이미지 처리함으로써 이미지 처리 시간을 단축하였고, Fig. 12는 실제 도로 이미지로부터 처리되는 영역을 보여준다.⁴⁾
그러므로 임계값을 가변적으로 변할 수 있게 해야만 한다. 또한 도로의 영상에서 차선만을 추출하기 위해서는 많은 영상 처리 방법이 있지만 본 논문에서는 가장 일반적인 Sobel 방법인 미분연산자를 이용하여 차선의 윤곽을 추출하였다. 일반적으로 도로에서 무인차량이 안전하게 운행을 하기 위해서는 초당 30 frame 이상의 이미지를 처리를 해야 한다.
또한 본 논문에서, 차량의 횡방향 제어는 CCD 카메라로부터 얻은 도로의 영상 데이터를 이용하여 조향모터를 제어하고 영상 처리를 거쳐 차선 부분만을 추출하여 Fig. 4와 같이 4개의 점을 찾아낸다. 찾아낸 4개의 점을 바탕으로 차량의 진행 방향을 결정하게 된다.
주행 차량의 속도를 유지하기 위해서는 차량의 속도를 검출하여 제어시스템에 반영하여야 한다. 본 논문에서는 포토 인터럽트와 홀센서를 사용하여 차량의 속도를 측정하였다. 목표 속도를 v_desired, 실제 속도를 V_actual, 속도에러를 e로 나타내었을 때 속도의 에러는 식(15)와 같이 나타낼 수 있다.
앞절에서 언급한 종방향 제어 이론과 횡방향 제어 이론에 대한 검증으로 첫 번째 차량의 종 방향 제어를 이용한 차선 인식에 대하여 실험평가를 수행하였으며, CCD카메라와 비젼보드를 통하여 얻어진 차량 데이터 및 도로 영상 데이터는 차선 인식과 차량 제어 및 조향제어를 위하여 사용되고, 도로상에 차선을 추종하게 된다. 이러한 실험에서 무인차량과 메인 컨트롤 PC 사이의 데이터를 주고받기 위하여 통신시스템이 사용된다.
본 논문에서는 차선 인식을 위한 영상 처리를 위하여 영상 처리 기법 중에 하나인 이 진화 방법을 사용하였다. 이 진화를 위하여 임계값(경계값)을 결정하였으며 임계값은 도로의 영상에서 차선만을 추출하기 위해 반복적인 실험을 통하여 얻었다. 또한 영상 처리는 주변 환경(빛, 그림자) 등에 많은 영향을 받으므로 보다 정확한 이미지 처리를 위하여 노이즈를 제거하기 위한 필터링을 설계하여야 한다.
무인자동차의 모션을 제어하기 위하여 본 논문에서는 횡방향 제어와 종방향 제어를 위한 차량 모델링과 제어기를 설계하였다. 종 방향 제어는 포토인터럽트와 홀센서를 차량의 바퀴에 부착하여 주행에 따른 센서의 신호를 검출하여 PIC micro controller에 의하여 PWM 제어로서 차량의 속도를 제어하였다.³⁾ 횡방향 제어는 CCD 카메라로부터 도로 영상의 데이터 좌표를 받아 데이터 값의 변화에 따라 RC 서보 모터를 제어함으로써 차량의 조향을 제어하였다.
그러므로 향후에는 영상 처리 시간을 줄이기 위하여 좀 더 향상된 필터링 기법이 요구되며 많은 실험을 통한 검증이 요구된다. 최종적으로 도로의 차선 인식에 필요한 영상 처리 기법과 통신모듈을 이용한 영상 처리와 처리 시간에 대하여 실험을 통하여 검증해보았으며 수학적 모델링을 통해 신뢰도를 검증하였다.
본 논문에서는 차선 인식을 위하여 무인자동차의 차량 제어 및 시스템 모델링을 수행하였고, 차선인 식을 위한 영상 처리 기법에 대하여 설명하였다. 특히 차량의 횡방향과 종방향 제어를 위한 수학적 모델 및 실험적 모델을 사용하여 모델링을 수행하였으며 모델링을 실제 적용하여 비젼시스템을 통한 차량 제어를 실시하였다. 차선 인식을 위한 실험 결과로부터 유·무선의 경우 Figs.

대상 데이터

검색한 행을 본 논문에서는 IL(interesting line)이라 하고 이미지에서 80번째 픽셀라인과 180번째 픽셀라인을 선택하였다.
본 논문에서는 앞절에서 제시한 차량 제어 이론에 대한 실험평가를 위하여 다음과 같은 시스템을 구성하였다. 시스템은 비젼보드, RF통신 모듈, DC모터, CCD 카메라 등으로 구성되었다.⁵⁾

이론/모형

이 진화된 이미지에서의 필터링 방법으로는 평활화(Equalizing) 방법, 메디언 필터(Median Filter)방법, 팽창(Dilation) 혹은 침식(Erosion) 방법 등이 널리 사용되고 있다. 따라서 본 논문에서는 메디언필터링 방법을 이용하여 이미지의 잡음을 제거하였다.⁹⁾ Fig.
차량의 횡방향 제어는 정확한 차선 인식과 차량 제어를 위하여 필요하다. 본 논문에서는 차량의 정확한 횡 방향 제어를 위하여 single-track모델을 사용하였고, Fig. 2는 선형화된 차량의 횡축 모델을 보여준다.^{6, 8)}
본 논문에서는 차선 인식을 위한 영상 처리를 위하여 영상 처리 기법 중에 하나인 이 진화 방법을 사용하였다. 이 진화를 위하여 임계값(경계값)을 결정하였으며 임계값은 도로의 영상에서 차선만을 추출하기 위해 반복적인 실험을 통하여 얻었다.

성능/효과

이러한 연구 중 비젼시스템을 통한 무인자동차에 대한 연구는 그 중요성이 더해가고 있으며 대표적인 것이 차선 인식과 차량 제어 방법이다.²⁾ 두 방법은 무인자동차에 있어 매우 중요하게 다루어지며 정확성과 민감도를 요구한다. 각각의 시스템은 수많은 실험 과 정확한 데이터 분석이 필요하며, 도로 실험을 통하여 에러 요소들을 발견할 수 있다.
14와 15는 유·무선 통신시스템에서의 차량 제어를 위한 종방향에 대한 차선 인식과 영상 처리 결과의 플롯을 보여준다. 결과에서 보여주듯이 유선 상황에서의 결과가 무선 상황보다 종방향에 따른 주행 차량이 차선을 잘 인식함을 알 수 있었다. 무선모듈을 사용하였을 때는 대부분의 값에서 일정한 잡음이 섞여 있는 것을 알 수 있는데 이것은 차량 진행에 따른 영상 데이터 전송 중에 잡음이 섞여 영상처리 과정 중에 잡음이 제거되지 않아 발생한 결과이며, 차선 인식과정 중에 값이 심하게 변화하는 곳은 순간적으로 진행 방향에 대한 차량이 차선을 인식 못하였을 때 나타난 결과이다.
14와 15에서 보여주듯이 유선의 경우 무선과 비교하여 외부적인 영향을 덜 받음으로 차선을 잘 인식함을 알 수 있었다. 또한, 차량 조향제어에서도 차량 제어와 같이 유선의 경우 무선보다 좋은 결과를 보여주었다. 특히, 영상 처리 시간에 대하여 유선 조건의 경우 무선과 비교하여 약 2배의 영상 처리 시간이 향상됨을 볼 수 있었으며, 이 결과로부터 무선의 경우 외부적인 외란에 커다란 영향을 받음을 알 수 있었다.
실험 결과로부터 유선 조건의 경우 1프레임의 영상 처리 시간은 72ms이고, 무선의 경우 144ms로 약 두 배의 영상 처리 시간 차이가 있음을 알 수 있었다. 이 결과로부터 무선의 경우 영상처리 데이터 전송 시 주변 환경 및 기타 왜란들 때문에 유선에 비하여 영상 처리 시간이 증가함을 알 수 있었다.
실험 결과로부터 필터를 사용한 경우 1프레임 당 평균 영상 처리시간은 205ms였고 사용하지 않는 경우 처리 시간은 160ms를 보여주었다. 실험 결과로부터 잡음을 제거하기 위하여 필터를 사용하는 경우 처리 시간이 증가함을 알 수 있었다.
실험 결과로부터 필터를 사용한 경우 1프레임 당 평균 영상 처리시간은 205ms였고 사용하지 않는 경우 처리 시간은 160ms를 보여주었다. 실험 결과로부터 잡음을 제거하기 위하여 필터를 사용하는 경우 처리 시간이 증가함을 알 수 있었다.
16과 17은 같은 조건에서의 두 번째 실험으로서 앞절에서 언급한 차량의 횡방향 제어를 위한 조향제어에 대한 차선 인식 결과를 보여준다. 실험 결과에서 알 수 있듯이 차량 진행에 따른 횡방향 제어(조향제어)에서도 종 방향 제어에서와 같이 유선 상황이 무선 상황보다 조향 각도를 유지하는 경향이 좋은 걸 알 수 있다. 이와 같은 결과는 조향제어 시 유선의 경우 데이터 전송시 잡음과 같은 외란의 영향을 덜 받기 때문으로 생각되며, 반면에 무선의 경우에는 조향값을 전송할 때 노이즈 및 기타 외란에 의한 데이터의 손실이 발생하여 생긴 결과로 생각된다.
실험 결과로부터 유선 조건의 경우 1프레임의 영상 처리 시간은 72ms이고, 무선의 경우 144ms로 약 두 배의 영상 처리 시간 차이가 있음을 알 수 있었다. 이 결과로부터 무선의 경우 영상처리 데이터 전송 시 주변 환경 및 기타 왜란들 때문에 유선에 비하여 영상 처리 시간이 증가함을 알 수 있었다. Fig.
또한, 차량 조향제어에서도 차량 제어와 같이 유선의 경우 무선보다 좋은 결과를 보여주었다. 특히, 영상 처리 시간에 대하여 유선 조건의 경우 무선과 비교하여 약 2배의 영상 처리 시간이 향상됨을 볼 수 있었으며, 이 결과로부터 무선의 경우 외부적인 외란에 커다란 영향을 받음을 알 수 있었다. 그러므로 향후에는 영상 처리 시간을 줄이기 위하여 좀 더 향상된 필터링 기법이 요구되며 많은 실험을 통한 검증이 요구된다.

후속연구

특히, 영상 처리 시간에 대하여 유선 조건의 경우 무선과 비교하여 약 2배의 영상 처리 시간이 향상됨을 볼 수 있었으며, 이 결과로부터 무선의 경우 외부적인 외란에 커다란 영향을 받음을 알 수 있었다. 그러므로 향후에는 영상 처리 시간을 줄이기 위하여 좀 더 향상된 필터링 기법이 요구되며 많은 실험을 통한 검증이 요구된다. 최종적으로 도로의 차선 인식에 필요한 영상 처리 기법과 통신모듈을 이용한 영상 처리와 처리 시간에 대하여 실험을 통하여 검증해보았으며 수학적 모델링을 통해 신뢰도를 검증하였다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

차선인식을 위한 무인자동차의 차량제어 및 모델링에 관한 연구
Research of the Unmanned Vehicle Control and Modeling for Lane Tracking 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

차선인식을 위한 무인자동차의 차량제어 및 모델링에 관한 연구 Research of the Unmanned Vehicle Control and Modeling for Lane Tracking 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

저자의 다른 논문 :

김상겸 (9) 임하영 (2) 김정하 (28)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

차선인식을 위한 무인자동차의 차량제어 및 모델링에 관한 연구
Research of the Unmanned Vehicle Control and Modeling for Lane Tracking 원문보기

AI 본문요약
AI-Helper