최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국정밀공학회지 = Journal of the Korean Society for Precision Engineering, v.31 no.3, 2014년, pp.233 - 241
백승환 (인제대학교 기계공학과) , 김흥섭 (인제대학교 고안전차량핵심기술연구소) , 부광석 (인제대학교 고안전차량핵심기술연구소)
This paper contributes to development of a new method for detecting rear-side vehicles and estimating the positions for blind spot region or providing the lane change information by using vision systems. Because the real image acquired during car driving has a lot of information including the target...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
측후방 차량 감지 시스템은 무엇을 사용하여 구성되는가? | 차선 변경 시에 발생하는 측면 충돌 교통사고를 예방하기 위해서, 사이드 미러의 사각지대에 존재하는 차량을 감지하는 BSDS(Blind Spot Detection System)와 측후방에서 접근하는 차량의 정보를 이용하여 차선 변경을 보조하는 LCA(Lane Change Assist)가 상용화되고 있다. 이러한 측후방 차량 감지 시스템은 대표적으로 IR(Infrared) 센서, 초음파 센서, 레이더 센서, 혹은 비전 센서를 사용하여 구성된다. | |
고속도로에서 차선 변경 시에 발생하는 측면충돌 교통사고의 원인은 무엇인가? | 고속도로에서 차선 변경 시에 발생하는 측면충돌 교통사고는 측후방 차량의 접근을 운전자가 인지하지 못하거나 측후방 차량이 사각지대에 존재하여 보지 못하는 것이 원인이다. 또한, 측후방에서 접근하는 차량을 운전자가 인지하더라도, 접근하는 측후방 차량의 속도를 예측하지 못하는 원인도 있다. 반면, 능숙한 운전자는 사이드 미러를 통해 측후방의 차량을 인지하고, 그 차량의 접근 속도를 판단하여 차선 변경 여부를 결정한다. | |
Neural Network 알고리즘을 이용한 차량검출 방법의 단점은 무엇인가? | 학습의 반복 횟수와 인식의 정도를 비교하였으며, Multi Layered 방식의 Neural Network의 학습 결과와도 비교하였다. 그러나 Neural Network은 학습된 환경과 차량에 대해서는 매우 정확한 검출 결과를 나타내지만, 차량의 형상, 위치 그리고 비전 시스템의 변화에 따라 전혀 다른 검출 결과를 보여주기도 한다. |
Kyo, S., Koga, T., Sakurai, K., and Okazaki, S., "A Robust Vehicle Detecting and Tracking System for Wet Weather Conditions using the IMAP-VISION Image Processing Board," Proc. IEEE ITS, pp. 423-428, 1999.
Kim, H. J. and Kim, H. S., "Techniques for Detecting Side-Rear Vehicles," http://210.101.116.28/W_fileskiss61/1u400271_pv.pdf (Accessed 20 Feb. 2014)
Denasi, S. and Quaglia, G., "Obstacle Detection using a Deformable Model of Vehicle", Proc. of IEEE IV, pp. 145-150, 2001.
Kruger, W., Enkelmann, W., and Rossle, S., "Realtime Estimation and Tracking of Optical Flow Vectors for Obstacle Detection," Proc. of Intelligent Vehicles '95 Symposium, pp. 304-309, 1995.
Hu, Z. and Uchimura, K., "Tracking Cycle: A New Concept for Simultaneously Tracking of Multiple Moving Objects in a Typical Traffic Scene," Proc. of IEEE 2000 Intelligent Vehicles Symposium, pp. 233-239, 2000.
Smith, S. M. and Brady, J. M., "ASSET-2: Real-Time Motion Segmentation and Shape Tracking," IEEE Trans. on Pattern Analysis and Machine Intelligence, Vol. 17, No. 8, pp. 814-820, 1995.
Goerick, C., Noll, D., and Werner, M., "Artificial Neural Networks in Real-Time Car Detection and Tracking Applications," Pattern Recognition Letters, Vol. 17, No. 4, pp. 335-343, 1996.
Inagaki, K., Sato, S., and Umezaki, T., "A Recurrent Neural Network Approach to Rear Vehicle Detection Which Considered State Dependency," Journal of Systemics, Cybernetics and Informatics, Vol. 1, No. 4, pp. 72-77, 2003.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.