선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
제안 방법
- 노이즈가 제거된 영상은 에지검출 및 Hough 변환을 통하여 차선인식을 수행하였다.9) 또한 중앙선을 인식하기 위하여 컬러기반 중앙선 검출 방법을 개발하여 사용하였으나, 최종적으로는 Laser radar센서를 이용한 도로경계 정보와 센서융합하여 주행차선을 검출하는 방법을 사용하였다.10)
- Fig. 6, 7과 같이 차량 범퍼 전면에 지면과 수평으로 장착된 3개의 Laser radar 센서와 차량 지붕 위에 지면과 비스듬히 장착된 2개의 Laser radar 센서를 통하여 차량 전방 및 측면에 위치한 장애물 및 도로 경계를 인식하였다. 차량 전면 양쪽에 장착된 2개의 Laser radar 센서로부터 나온 장애물의 거리 데이터는 좌표변환을 통하여 Sensor fusion의 Occupancy grid map상에 나타내었으며, 차량 전면 중앙과 지붕 위 3개의 Laser radar 센서는 Fig.
- A1은 차선유지 및 횡단보도 정차를 위하여 카메라를 이용한 영상처리 방법을 사용하였다. 우선 Gaussian 필터와 Morphology 연산을 이용하여 영상의 노이즈를 제거하였다. 노이즈가 제거된 영상은 에지검출 및 Hough 변환을 통하여 차선인식을 수행하였다.
- 12와 같이 여러 개의 후보 경로를 생성한다. 이 때 생성된 후보 경로로부터 장애물을 회피하는 경로를 선택하기 위하여 Fig. 13과 같이 주변 환경 인식 과정에서 생성된 Grid map을 이용하여 장애물과의 충돌여부를 판단한다. 이때 최적 경로선택을 위하여 경로와 장애물간의 거리, 경로의 최대 곡률, 이전 단계에서 생성된 경로와의 차이를 고려하여 경로 선택 비용을 계산하고, 최소비용을 갖는 경로를 선택하게 된다.
- 이 연구에서는 주행환경 인식기술, 자율주행 기술, 전자제어시스템 설계기술을 기반으로 자율주행자동차, A1를 개발하였다.
- 검출된 상승 에지와 하강 에지 간의 길이를 계산하여 실제 횡단보도 규격에 맞지 않는 에지정보는 제거하였다. 이를 통하여 횡단보도의 유무를 확인하고, 주행차로의 정지선을 확인한 후 횡단보도까지의 거리를 계산하였다. Fig.
- 컬러기반 중앙선 검출 방법의 경우 대부분의 경우 동작이 잘 되지만, 오후 늦은 시간 석양에 의해 색의 정보가 불분명하게 되면 오검출이 많아진다. 이에 따라 최종적으로는 Laser radar에서 도로 경계를 검출하고 이를 기반으로 카메라에서 영상처리된 차선을 이용하여 차량의 정확한 횡방향 좌표를 계산하였다.11)
- 6, 7과 같이 차량 범퍼 전면에 지면과 수평으로 장착된 3개의 Laser radar 센서와 차량 지붕 위에 지면과 비스듬히 장착된 2개의 Laser radar 센서를 통하여 차량 전방 및 측면에 위치한 장애물 및 도로 경계를 인식하였다. 차량 전면 양쪽에 장착된 2개의 Laser radar 센서로부터 나온 장애물의 거리 데이터는 좌표변환을 통하여 Sensor fusion의 Occupancy grid map상에 나타내었으며, 차량 전면 중앙과 지붕 위 3개의 Laser radar 센서는 Fig. 8과 같이 차량의 피치, 롤을 고려하여 차량 전방의 장애물 및 도로 경계를 추출하여 Occupancy grid map에 표현하였다.
- 차량의 피치, 롤은 Fig. 7, 9와 같이 차량 지붕 위 2개의 Laser radar 센서를 이용하여 도로 경계를 검출, 추적한 뒤 도로 지면과의 상대적인 피치, 롤 각으로 추정하여 차량의 피치, 롤 및 도로 경사로 인한 장애물의 오검출을 제거하였다.8)
- 횡단보도 인식은 에지를 이용한 방법, Morphology를 이용한 방법, 정지선을 인식하는 방법 등 여러 가지 방법을 테스트하였다. 최종적으로 횡방향 패턴을 이용한 Spatial filter를 적용하여 에지를 검출하는 방법을 사용하였다.
대상 데이터
- 2010년 자율주행자동차 경진대회는 약 1 km의 포장로와 약 3 km의 비포장로로 혼합된 4km의 주행코스를 주행하며 Table 1의 임무 수행 여부와 주행시간을 합산하여 우승팀을 선정하였다. 한양대학교 A1은 주어진 임무를 완수하면서 Fig.
- 이 연구에서는 주행환경 인식기술, 전자제어시스템 설계기술, 자율주행기술을 자율주행자동차 개발에 적용하였다. 이 연구에서 개발된 Fig. 2의 자율주행자동차의 명칭은 Autonomous vehicle #1 (A1)이다.
이론/모형
- 우선 Gaussian 필터와 Morphology 연산을 이용하여 영상의 노이즈를 제거하였다. 노이즈가 제거된 영상은 에지검출 및 Hough 변환을 통하여 차선인식을 수행하였다.9) 또한 중앙선을 인식하기 위하여 컬러기반 중앙선 검출 방법을 개발하여 사용하였으나, 최종적으로는 Laser radar센서를 이용한 도로경계 정보와 센서융합하여 주행차선을 검출하는 방법을 사용하였다.
- 이 연구에서는 주행환경 인식기술, 전자제어시스템 설계기술, 자율주행기술을 자율주행자동차 개발에 적용하였다. 이 연구에서 개발된 Fig.
- 횡단보도 인식은 에지를 이용한 방법, Morphology를 이용한 방법, 정지선을 인식하는 방법 등 여러 가지 방법을 테스트하였다. 최종적으로 횡방향 패턴을 이용한 Spatial filter를 적용하여 에지를 검출하는 방법을 사용하였다. 검출된 상승 에지와 하강 에지 간의 길이를 계산하여 실제 횡단보도 규격에 맞지 않는 에지정보는 제거하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.