차선의 인식을 위한 연구는 차량의 자율 주행 또는 교통사고의 예방을 위하여 지속적인 연구가 진행되고 있으며, 최근에는 다양한 알고리즘이 등장하여 차선 인식과 검출은 비약적으로 발전하였다. 이들 연구는 주로 비전 시스템 기반의 연구이며 인식률 또한 상당히 좋아 졌다. 그러나 야간의 도로 또는 우천 시에는 그 인식률이 아직 만족할 수준까지 도달하지는 못하였다. 본 논문은 이러한 비전 시스템 기반의 차선 인식 및 검출의 단점을 개선하여 사고 발생 후 대응을 위한 센서 융합 기술을 적용하여 차선 검출에 대한 연구를 수행하였고, 차선 검출에 대한 연구 중 곡선차선의 검출에 대한 연구를 진행하였다. 도로는 직선도로 뿐만 아니라 다양한 곡선도로까지 검출 가능해야 하며 이는 교통사고 조사 시에 활용될 수 있다. 커브의 굽은 정도를 나타내는 곡률의 임계값을 0.001~0.06로 하여 곡선자선을 산출해 낼 수 있음을 보였다.
차선의 인식을 위한 연구는 차량의 자율 주행 또는 교통사고의 예방을 위하여 지속적인 연구가 진행되고 있으며, 최근에는 다양한 알고리즘이 등장하여 차선 인식과 검출은 비약적으로 발전하였다. 이들 연구는 주로 비전 시스템 기반의 연구이며 인식률 또한 상당히 좋아 졌다. 그러나 야간의 도로 또는 우천 시에는 그 인식률이 아직 만족할 수준까지 도달하지는 못하였다. 본 논문은 이러한 비전 시스템 기반의 차선 인식 및 검출의 단점을 개선하여 사고 발생 후 대응을 위한 센서 융합 기술을 적용하여 차선 검출에 대한 연구를 수행하였고, 차선 검출에 대한 연구 중 곡선차선의 검출에 대한 연구를 진행하였다. 도로는 직선도로 뿐만 아니라 다양한 곡선도로까지 검출 가능해야 하며 이는 교통사고 조사 시에 활용될 수 있다. 커브의 굽은 정도를 나타내는 곡률의 임계값을 0.001~0.06로 하여 곡선자선을 산출해 낼 수 있음을 보였다.
Regarding the research on lane recognition, continuous studies have been in progress for vehicles to navigate autonomously and to prevent traffic accidents, and lane recognition and detection have remarkably developed as different algorithms have appeared recently. Those studies were based on vision...
Regarding the research on lane recognition, continuous studies have been in progress for vehicles to navigate autonomously and to prevent traffic accidents, and lane recognition and detection have remarkably developed as different algorithms have appeared recently. Those studies were based on vision system and the recognition rate was improved. However, in case of driving at night or in rain, the recognition rate has not met the level at which it is satisfactory. Improving the weakness of the vision system-based lane recognition and detection, applying sensor convergence technology for the response after accident happened, among studies on lane detection, the study on the curve road detection was conducted. It proceeded to study on the curve road detection among studies on the lane recognition. In terms of the road detection, not only a straight road but also a curve road should be detected and it can be used in investigation on traffic accidents. Setting the threshold value of curvature from 0.001 to 0.06 showing the degree of the curve, it presented that it is able to compute the curve road.
Regarding the research on lane recognition, continuous studies have been in progress for vehicles to navigate autonomously and to prevent traffic accidents, and lane recognition and detection have remarkably developed as different algorithms have appeared recently. Those studies were based on vision system and the recognition rate was improved. However, in case of driving at night or in rain, the recognition rate has not met the level at which it is satisfactory. Improving the weakness of the vision system-based lane recognition and detection, applying sensor convergence technology for the response after accident happened, among studies on lane detection, the study on the curve road detection was conducted. It proceeded to study on the curve road detection among studies on the lane recognition. In terms of the road detection, not only a straight road but also a curve road should be detected and it can be used in investigation on traffic accidents. Setting the threshold value of curvature from 0.001 to 0.06 showing the degree of the curve, it presented that it is able to compute the curve road.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 기존 연구의 특성을 다른 관점에서 접근하여 사고 발생시 대처에 대한 연구를 수행하고자 한다. 그중 곡선차선에서의 사고 발생시 도로의 상황을 파악하는 연구를 수행하였다. 이는 RSU(Road Side Unit)를 활용하여 차량의 위치를 탐지하고 next-RSU에서 차량의 위치가 파악되지 않을 경우 차량의 위치 탐지를 수행하게 된다.
본 논문에서는 센서 값에 의한 곡선차선 검출과 곡률 계수의 값을 구하여 두 조건을 모두 만족하는 경우 곡선 차선을 검출하는 방법을 제안한다. 먼저 방향 센서의 azimuth(z축)의 값을 이용하여 곡선차선을 검출 하고 그다음으로 가속도 센서와 제안하는 곡률 산출 식에 의하여 곡률을 구한 후 임계값의 범위 내에서 곡선차선을 검출한다.
본 논문은 기존 연구의 특성을 다른 관점에서 접근하여 사고 발생시 대처에 대한 연구를 수행하고자 한다. 그중 곡선차선에서의 사고 발생시 도로의 상황을 파악하는 연구를 수행하였다.
이들 연구는 대부분 비전 시스템 기반으로 진행 되었으며 주야간 또는 기후의 영향을많이 받음을 알 수 있었다. 본 논문은 사고 발생 후의 대응을 위해 방향 센서와 가속도 센서를 이용하여 센서 융합 기술을 적용한 곡선차선 판정 시스템을 제안하였다. 제안하는 시스템은 차량에 센서를 부착하고 실험하여 획득한 데이터를 제안 알고리즘에 시뮬레이션을 수행한 결과 직선차선과 곡선차선을 검출 하였다.
이는 RSU(Road Side Unit)를 활용하여 차량의 위치를 탐지하고 next-RSU에서 차량의 위치가 파악되지 않을 경우 차량의 위치 탐지를 수행하게 된다. 본 논문은 이러한 위치 탐지 과정에서 도로 여건을 파악하는 연구를 수행하였다. 곡선차선의 탐지를 위하여 방향 센서와 가속도 센서를 이용하여 센서 융합 알고리즘을 제안하고 이를 통해 곡률을 산출하고 곡선차선을 검출한다.
기존 논문에서는 곡선차선을 감지하기 위해서는 영상을 이용하여 시작점과 끝점을 파악하여 곡률을 구하여 검출하였지만, 영상을 이용하여 곡선차선을 검출하는 방법은 야간 또는 빗길 운전 시 영상 검출이 잘 되지 않는 문제점을 가지고 있다[14,15]. 이러한 문제점에 착안하여본 논문에서는 센서 데이터의 융합으로 곡선차선을 검출하는 시스템을 제안한다.
제안 방법
RSU가 받은 센서 데이터는 Agent System 으로 보내서 곡률 산출 알고리즘으로 분석한다. 곡률 산출 알고리즘은 [Fig.
본 논문은 이러한 위치 탐지 과정에서 도로 여건을 파악하는 연구를 수행하였다. 곡선차선의 탐지를 위하여 방향 센서와 가속도 센서를 이용하여 센서 융합 알고리즘을 제안하고 이를 통해 곡률을 산출하고 곡선차선을 검출한다. 제안하는 시스템은 센서 융합을 통해 곡선차선을 탐지하기 때문에 비전 시스템의 단점인 차선의 식별이 어려운 경우, 즉 야간 또는 빗길 운전에서도 곡선차선의 검출을 수행 할 수 있었다.
기존 연구에서는 야간, 빗길운행에서는 곡선도로의 검출이 정확하지 않았으며 차선 단절인 경우 곡선차선을 감지하지 못했다 . 그러나 제안 연구는 센서 값에 의한 검출방식으로 환경의 영향을 받지 않음을 알 수 있었으며 곡률의 임계값 범위를 정하고 다시 한 번 재 검출 하였다.
탑뷰 영상에서는 검출된 에지 화소를 누적하여 최대 누적 위치를 찾아 시작점을 검출하고 연속적인 누적 에지 방법을 이용해 끝점을 결정한다. 그리고 곡선 탬플릿 정합 방법을 이용하여 시작점과 끝점을 잇는 호를 그려 곡선 탬플릿을 만들고, 현재 차선과 정합도가 높은 곡선 탬플릿을 찾음으로써 곡선차선 및 곡률을 검출한다[13].
본 논문은 [Table 5]와 같이 기존 연구와의 비교에서 차이점을 보였다. 기존 연구는 날씨의 영향을 받았지만 제안 연구는 센서에 의한 계산 방식으로 곡선차선을 검출할 수 있었다.
본 논문에서는 센서 값에 의한 곡선차선 검출과 곡률 계수의 값을 구하여 두 조건을 모두 만족하는 경우 곡선 차선을 검출하는 방법을 제안한다. 먼저 방향 센서의 azimuth(z축)의 값을 이용하여 곡선차선을 검출 하고 그다음으로 가속도 센서와 제안하는 곡률 산출 식에 의하여 곡률을 구한 후 임계값의 범위 내에서 곡선차선을 검출한다. 이 두 가지의 검출 결과 값을 이용하여 곡선차선 검출이 가능했다.
실험은 차량에 방향 센서와 가속도 센서를 탑재하고 직선차선과 360° 곡선차선에서 진행하였다.
제안하는 시스템 모델은 차량에 탑재한 센서를 이용하여 [Fig. 5]와 같이 곡선차선을 이동할 때 방향 센서와 가속도 센서의 값을 이용하여 [Table 3]과 같이 start point(vs )와 end point(ve )를 결정한다. RSU와 next-RSU로 전송된 센서 데이터는 Agent System에서 곡선 차선 여부를 판단한다.
대상 데이터
곡선차선에서의 실험은 [Fig. 7]와 같이 360° 회전하는 구간을 선정하여 속도를 40∼50km/h로 유지하며 약 300m가량 이동하면서 실험을 수행하였다.
데이터처리
본 논문은 사고 발생 후의 대응을 위해 방향 센서와 가속도 센서를 이용하여 센서 융합 기술을 적용한 곡선차선 판정 시스템을 제안하였다. 제안하는 시스템은 차량에 센서를 부착하고 실험하여 획득한 데이터를 제안 알고리즘에 시뮬레이션을 수행한 결과 직선차선과 곡선차선을 검출 하였다. 기존 연구에서는 야간, 빗길운행에서는 곡선도로의 검출이 정확하지 않았으며 차선 단절인 경우 곡선차선을 감지하지 못했다 .
성능/효과
곡선차선의 탐지를 위하여 방향 센서와 가속도 센서를 이용하여 센서 융합 알고리즘을 제안하고 이를 통해 곡률을 산출하고 곡선차선을 검출한다. 제안하는 시스템은 센서 융합을 통해 곡선차선을 탐지하기 때문에 비전 시스템의 단점인 차선의 식별이 어려운 경우, 즉 야간 또는 빗길 운전에서도 곡선차선의 검출을 수행 할 수 있었다.
후속연구
향후 연구에는 센서 융합 기술을 이용하여 곡선차선 알고리즘을 적용한 사행운전 감지 시스템을 연구할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
LDWS와 LKAS의 단점은?
이러한 차선 검출은 최근 들어서 비약적인 발전을 하였으며 이들은 모두 운전자의 편의 또는 사고의 예방을 위한 목적으로 사용되고 있다[6,7]. LDWS와 LKAS의 경우 비전 시스템을 사용하므로 야간 또는 빗길 운전시 주변 여건의 습득이 어려운 단점을 내포하고 있다.
곡률이란?
066사이 일 경우 곡선차선으로 보며, 이는 최소 평면곡선반지름이 15m~ 710m을 기준 으로 구한 곡률이다[16]. 곡률은 곡선차선을 따라 주행할 때 그 진행 방향으로 이동한 거리에 따른변화율이다. 곡률은 [Fig.
방향 센서를 이용해 곡선차선 여부를 검출할 때 방향 센서 데이터의 변화를 구분하기 위해서 어떻게 하는가?
방향 센서를 이용하여 곡선차선 여부를 검출할 경우 차선변경 등으로 인한 방향 센서 데이터의 변화를 구분하기 어려운 특성을 보인다. 이를 구분하기 위하여 가속도 센서를 함께 이용한다. 제안 시스템에서는 방향 센서의 데이터 변화 시점에 가속도 센서의 데이터를 이용한 곡률이 임계값의 범위를 벗어나면 곡선차선 판단에서 제외한다.
Ho won Kim and Dong Kyue Kim "IoT technologies and security," Review of KIISC, 22(1), pp. 7-13, Feb. 2012.
Woo, Samuel, Hyo Jin Jo, and Dong Hoon Lee. "A practical wireless attack on the connected car and security protocol for in-vehicle can," Intelligent Transportation Systems, Vol. 16, No. 2, pp. 993-1006, Sep. 2014
Erez D., Ofer M., "Forward Collision Warning with a Single Camera," IEEE Intelligent Vehicles Symposium, pp. 37-41, June 2004.
Claudio R. J. and Christian. R. K., "A Lane Departure Warning System Using Lateral Offset with Uncalibrated Camera," IEEE Conference on Intelligent Transportation Systems, pp. 348-353, September 2005.
M. J. Mathie, B. G. Celler, N. H. Lovell, and A. C. F. Coster, "Classification of basic daily movements using a triaxial accelerometer," Medical and Biological Engineering and Computing, Vol. 42, pp. 679-687, 2004.
H. Hartenstein, K. Laberteaux, "VANET Vehicular Applications and Inter-Networking Technologies," Wiley, 2010.
P. Li, X. Huang, Y. Fang, P. Lin, “Optimal placement of gateways in Vehicular Networks,” IEEE Transactions on Vehicular Technology, Vol. 56, No. 6, pp. 3421-3430, 2007.
H. J. Jang, S. H. Baek, and S. Y. Park, "Lane marking detection in various lighting conditions using robust feature extraction," International Conferences in Central Europe on Computer Graphics, Visualization and Computer Vision, 2014.
B. S. Kim and W. Y. Kim, “Robust lane detection method in varying road condition,” Journal of the Institute of Electronics and Information Engineers, Vol. 49, No. 1, pp. 88-93, Jan. 2012.
Lee Jin Hyun, Kim Dong Yun, Shin Sung Cheol,"The Traffic Information System based on DSRC Protocol," Journal of Korea Institute Of Communication Sciences, pp. 1603-1605, June, 2010
Hae Bong Kim, Kyung Jin Lee, Byung Chul Kim, Jae Yong Lee, Han Byeog Cho, Hyun Mee Choi, Chun Sik Lim,"Implementation of Internet Service for ITS System based on DSRC," Journal of Korea Institute Of Communication Sciences, pp. 353-356, April, 2001
ISO 17361 Intelligent Transport Systems - Lane DepartureWarning Systems-Performance Requirements and Test Procedures, 2007.
DOI: http://shindonga.donga.com/3/all/13/536518/1
Sungji Han, Youngjoon Han, and Hernsoo Hahn, “Lane and Curvature Detection Algorithm based on the Curve Template Matching Method using Top View Image,” The Institute of Electronics Engineers of Korea - SP, Vol. 47, No. 6, pp. 97-106, 2011.
Ministry of Land, Infrastructure, and Transport, "Road Design Guideline Chapter 2, Road Design and Geometry," pp. (216-1)-(216-34), Ministry of Land, Infrastructure, and Transport, 2012
※ AI-Helper는 부적절한 답변을 할 수 있습니다.