$\require{mediawiki-texvc}$

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.

영상 및 레이저레이더 정보융합을 통한 자율주행자동차의 주행환경인식 및 추적방법
Information Fusion of Cameras and Laser Radars for Perception Systems of Autonomous Vehicles 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.23 no.1, 2013년, pp.35 - 45  

이민채 (한양대학교 자동차공학과) ,  한재현 ((주) 만도 글로벌 R&D 센터) ,  장철훈 (한양대학교 자동차공학과) ,  선우명호 (한양대학교 미래자동차공학과)

초록
AI-Helper 아이콘AI-Helper

자동차의 자율주행기능 실현을 위해서는 기존의 지능형자동차 인식시스템 보다 강인하고 우수한 성능의 주행환경 인식시스템이 요구된다. 특히, 카메라와 레이저레이더 센서는 물체의 특징, 거리 등의 정보를 제공하는 대표적인 주행환경인식 센서로, 이를 이용한 단일센서기반 인식시스템 연구가 활발히 이루어지고 있다. 일반적으로 레이저레이더 센서의 거리정보는 도로의 구조, 차량, 보행자 등의 인식을 위하여 많이 사용되며, 카메라의 영상정보는 차선, 횡단보도, 표지판 등의 주행환경 인지에 사용된다. 하지만, 단일센서기반 인식시스템은 센서의 특성 및 주행환경에 의한 오검출 또는 미검출 발생률이 높기 때문에 자율주행기능 구현에 적합하지 않다. 따라서 단일센서기반의 인식시스템의 한계를 극복하기 위하여 카메라, 레이저레이더, GPS 등을 이용한 정보융합 인식시스템 개발이 필수적이다. 이 연구에서는 영상 및 레이저레이더의 정보융합을 통해 강인한 차선인식, 횡단보도 인식 등을 수행하는 자율주행자동차의 주행환경 인식기술을 개발하였다. 이 연구를 통해 개발된 주행환경 인식기술은 자율주행자동차에 적용되어 다양한 주행시험을 통해 신뢰성 및 안정성이 검증되었다.

Abstract ▼ AI-Helper 아이콘AI-Helper

A autonomous vehicle requires improved and robust perception systems than conventional perception systems of intelligent vehicles. In particular, single sensor based perception systems have been widely studied by using cameras and laser radar sensors which are the most representative sensors for per...

주제어

#주행환경인식   #영상처리   #레이저레이더   #정보융합   #자율주행자동차  

질의응답

핵심어 질문 논문에서 추출한 답변
자율주행자동차란? 차세대 지능형자동차의 궁극적인 목표인 자율주행자동차는 주행환경을 인식하여 운전을 보조하거나 스스로 주행함으로써 주행 안전성 및 편의성을 향상시키는 지능형자동차이다. 자율주행자동차 기술은 크게 주행환경인식, 경로계획, 경로추적 및 차량제어 기술로 이루어져 있다.
자율주행자동차에서 사용하는 카메라와 레이저레이더 센서의 한계점은? 이러한 센서 정보 처리를 위해서는 신호처리, 물체 인식 및 추적 기술 등의 다양한 분야의 기술이 필요하며, 하나의 센서만으로는 인식성능의 한계가 있다. 특히 카메라의 경우 조도와 같은 주행환경에 많은 영향을 받으며, 레이저레이더 또한 일반적인 경우 정확한 거리 정보를 제공하지만 날씨와 같은 외부환경에 취약하다. 이에 따라 다양한 센서정보를 융합하여 인식시스템의 강인성을 향상시키는 정보융합기술에 대한 활발한 연구가 이루어지고 있다.
자율주행자동차 기술은 어떻게 구성되어 있는가? 차세대 지능형자동차의 궁극적인 목표인 자율주행자동차는 주행환경을 인식하여 운전을 보조하거나 스스로 주행함으로써 주행 안전성 및 편의성을 향상시키는 지능형자동차이다. 자율주행자동차 기술은 크게 주행환경인식, 경로계획, 경로추적 및 차량제어 기술로 이루어져 있다. 특히, 주행환경 인식기술은 차세대 지능형자동차 개발을 위하여 많은 연구 및 개발이 이루어지고 있으며, 자율주행자동차 연구에서도 핵심적인 부분이다 [1, 2].
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. Keonyup Chu, Jaehyun Han, Minchae Lee, Dongchul Kim, Kichun Jo, Dong-eon Oh, Enae Yoon, Myeong-gi Gwak, Kwangjin Han, Donghwi Lee, Byungdo Choe, Yangsoo Kim, Kangyoon Lee, Kunsoo Huh and Myoungho Sunwoo, "Development of an Autonomous Vehicle: A1," Transactions of KSAE, vol. 19, no. 4, pp. 146-154, 2011. 

  2. Jungmin Kim, Jungmin Heo, Sungyoung Jung and Sungshin Kim, "Path-planning using Modified Genetic Algorithm and SLAM based on Feature Map for Autonomous Vehicle," Journal of Korean Institute of Intelligent Systems, vol. 19, no3, pp. 381-387, 2009. 

    원문보기 상세보기 crossref

  3. M. Bertozzi, L. Bombini, A. Broggi, P. Cerri, P. Grisleri, P. Medici, and P. Zani, "GOLD: A framework for developing intelligent-vehicle vision applications," IEEE Intelligent Systems, vol. 23, pp. 69-71, 2008. 

    상세보기

  4. A. Broggi, A. Cappalunga, C. Caraffi, S. Cattani, S. Ghidoni, P. Grisleri, P. P. Porta, M. Posterli, and P. Zani, "TerraMax Vision at the Urban Challenge 2007," IEEE Trans. on Intelligent Transportation Systems, vol. 11, pp. 194-205, Mar 2010. 

    상세보기 crossref

  5. Je Jin Kim and Young Hoon Joo, "Mobile Object Tracking Algorithm Using Particle Filter," Journal of Korean Institute of Intelligent Systems, vol. 19, no 4, pp. 586-591, 2009. 

    원문보기 상세보기 crossref

  6. R. Danescu and S. Nedevschi, "Probabilistic lane tracking in difficult road scenarios using stereovision," IEEE Trans. on Intelligent Transportation Systems, vol. 10, pp. 272-282, 2009. 

    상세보기 crossref

  7. J. Ruyi, K. Reinhard, V. Tobi, and W. Shigang, "Lane detection and tracking using a new lane model and distance transform," Machine Vision and Applications, vol. 22, pp. 721-737, 2011. 

    상세보기 crossref

  8. L. Cremean and R. Murray, "Model-based estimation of off-highway road geometry using single-axis ladar and inertial sensing," in Proc. IEEE Conf. Robot. and Autom., 2006. 

  9. G. A. Borges and M. J. Aldon, "Line extraction in 2D range images for mobile robotics," Journal of Intelligent and Robotic Systems, vol. 40, pp. 267-297, 2004. 

    상세보기 crossref

  10. V. Nguyen, "A comparison of line extraction algorithms using 2D range data for indoor mobile robotics," Autonomous Robots, vol. 23, pp. 97-111, Aug 2007. 

    상세보기 crossref

  11. R. Duda and P. Hart, Pattern recognition and scene analysis, Wiley, New York, 1973. 

  12. Taejun Park and Tai-Hoon Cho, "A study of crosswalk recognition for autonomous vehicles," Proceedings of KIIS Fall Conference, vol. 20, no 2, pp. 422-424, 2010. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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