$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

무인자동차의 모델 예측제어를 위한 장애물 파라미터 모델링 기법
Obstacle Parameter Modeling for Model Predictive Control of the Unmanned Vehicle 원문보기

제어·로봇·시스템학회 논문지 = Journal of institute of control, robotics and systems, v.18 no.12, 2012년, pp.1132 - 1138  

여정윤 (건국대학교 전자정보통신공학과) ,  김우현 (서울대학교 전기컴퓨터공학부) ,  임준혁 (건국대학교 전자정보통신공학과) ,  이달호 (가천대학교 전자공학과) ,  지규인 (건국대학교 전자정보통신공학과)

Abstract AI-Helper 아이콘AI-Helper

The MPC (Model Predictive Control) is one of the techniques that can be used to control an unmanned vehicle. It predicts the future vehicle trajectory using the dynamic characteristic of the vehicle and generate the control value to track the reference path. If some obstacles are detected on the ref...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 무인자동차의 기준경로 추종 및 장애물 회피를 위한 방법으로 모델 예측제어기법을 사용할 수 있다. 본 논문에서는 2차 타원함수 제한조건 기반의 모델 예측제어가 실제 주행환경에서 사용될 수 있도록 주변 장애물들의 정보를 점유 확률맵을 통해 획득하고 이를 유효한 타원 파라미터들로 모델링하는 알고리즘을 제안하였다. 또한 여러 장애물이 복합적으로 놓여 있는 경우에도 최적의 경로로 차량이 유도될 수 있도록 생성된 장애물 타원 파라미터들 중 충돌이 예상되는 것들만 선택적 제한조건으로 설정하였다.
  • 따라서 이 기법들 기반의 무인자동차의 장애물 회피를 실제 무인자동차 시스템에 적용시키기 위해서는 장착 된 센서로부터 획득 된 데이터들을 이용해 회피하여야 할 장애물들을 타원 형태의 파라미터로 모델링 하는 기법에 대한 연구가 필요하다. 본 논문에서는 이를 위한 장애물 파라미터 모델링 기법을 제안하고, 그 성능을 실제 측정된 장애물 데이터를 이용한 모의실험을 통해 분석했다.
  • 국내에서도 이러한 무인자동차의 개발흐름에 대처하기 위하여 2010년 무인자동차 대회가 현대기아자동차 개최로 진행되었다. 이 대회에는 국내 대학팀들이 본선 대회에 진출하여 장애물 회피 그리고 횡단보도 인식 등의 미션을 성공적으로 수행하는 등의 성과를 이룬바 있다.
  • 이와 같은 문제를 해결하기 위해 선택적 제한조건 결정 방법을 제안한다. 먼저 제한조건이 없는 상황에서 기준 입력만으로 미래의 제어 입력 값을 결정한 후 이 때의 미래 시스템 출력 값을 계산한다.

가설 설정

  • 모델예측제어 기법을 연구한 기존 논문[1,2]들에서는 장애물 타원 파라미터가 정확하게 주어졌다고 가정하였다. 따라서 이 기법들 기반의 무인자동차의 장애물 회피를 실제 무인자동차 시스템에 적용시키기 위해서는 장착 된 센서로부터 획득 된 데이터들을 이용해 회피하여야 할 장애물들을 타원 형태의 파라미터로 모델링 하는 기법에 대한 연구가 필요하다.
  • 위와 같이 차량 속도는 일정하다고 가정하고 실제 레이저 센서의 측정 데이터를 이용했을 때 점유 확률맵에서 장애물들이 명확히 나타나는 거리를 고려하여 차량 전방 약 16.67m 까지 예측 경로가 생성 될 수 있도록 예측 범위를 설정하였다. 예측 범위와 제어 값 계산 범위는 각각 (4)에 적용된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
k-평균 알고리즘이란? 레이저 센서를 이용해 획득한 주변 장애물 정보들을 각 장애물 그룹으로 분류하기 위해 본 논문에서는 k-평균 알고리즘을 사용한다. k-평균 알고리즘은 한 집합을 k개의 소집합으로 분류하는 알고리즘으로써 초기 설정 값에 클러스터링 결과가 의존적이라는 단점이 있지만, 그 속도가 타 클러스터링 알고리즘에 비해 빠르고 직관적이며 구현이 쉽다는 장점이 있다[6].
k-평균 알고리즘의 장단점은? 레이저 센서를 이용해 획득한 주변 장애물 정보들을 각 장애물 그룹으로 분류하기 위해 본 논문에서는 k-평균 알고리즘을 사용한다. k-평균 알고리즘은 한 집합을 k개의 소집합으로 분류하는 알고리즘으로써 초기 설정 값에 클러스터링 결과가 의존적이라는 단점이 있지만, 그 속도가 타 클러스터링 알고리즘에 비해 빠르고 직관적이며 구현이 쉽다는 장점이 있다[6].
분할 과정과 결합 과정에서 어떤 과정이 진행되는가? 이 과정은 크게 두 부분으로 나뉘어져 있는데 분할 과정과 결합 과정이다. 분할 과정에서는 관심 영역안의 장애물 점들이 설정된 최대 장애물 폭을 초과하지 않으면서 각 장애물 점 그룹에 대해 차량이 통과할 수 있는 지점이 생길 때까지 k값을 증가시키면서 클러스터링을 실시한다. 그 후 결합 과정에서는 각 장애물 점 그룹들 간의 거리를 검사하여 차량이 통과할 수 없는 두 그룹을 다시 결합시킨다.
질의응답 정보가 도움이 되었나요?

참고문헌 (8)

  1. W. H. Kim, "Guidance of the autonomous land vehicle system utilizing a model predictive control," Electrical Engineering, Seoul National Univ., Doctoral Thesis, Aug. 2011. 

  2. J. Y. Yeu, W. H. Kim, J. H. Im, and G. I. Jee, "Obstacle avoidance for the unmanned vehicle using model predictive control with quadratic constraint," Proc. of 2012 27th ICROS Annual Conference (in Korean), Seoul, Korea, pp. 46-47. Apr. 2012. 

  3. S. W. An, "A study on primal-dual interior-point method," Journal of the Korean Society of Marine Engineers (in Korean), vol. 28, no. 5, pp. 801-810, Jul. 2004. 

  4. S. Boyd and L. Vandenberghe, Convex optimization, Cambridge University Press, New York, 2009. 

  5. P. Kumar and E. Alper Yıldırım, "Minimum volume enclosing ellipsoids and core sets," Journal of Optimization Theory and Applications, vol. 126, no. 1, pp. 1-21, Jul. 2005. 

  6. M. J. Lee and Y. S. Choi, "GA-based K-means clustering algorithm," Korean Society For Internet Information (in Korean), vol. 7, no. 2. pp. 213-216, Nov. 2006. 

  7. B. J. Jung, J. H. Park, T. Y. Kim, D. Y. Kim, and H. P. Moon, "Lane marking detection of mobile robot with single laser rangefinder," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 17, no. 6, pp. 521-525, Jun. 2011. 

  8. H. M. Han, J. T. Park, and J. B. Song, "Grid map building based on reliability model of sonar data," Journal of Institute of Control, Robotics and Systems (in Korean), vol. 17, no. 12, pp. 1219-1226, Dec. 2011. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로