$\require{mediawiki-texvc}$

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.

3D 자동차 시뮬레이터 기반 상호작용형 ADAS 개발 및 검증 프레임워크

Interactive ADAS development and verification framework based on 3D car simulator

전기전자학회논문지 = Journal of IKEEE, v.22 no.4, 2018년, pp.970 - 977  

조든솔 (Dept. of Computer Science and Engineering, Koreatech University) ,  정세열 (Dept. of Computer Science and Engineering, Koreatech University) ,  김형수 (Dept. of Computer Science and Engineering, Koreatech University) ,  이승기 (Dept. of Computer Science and Engineering, Koreatech University) ,  김원태 (Dept. of Computer Science and Engineering, Koreatech University)

초록
AI-Helper 아이콘AI-Helper

자율 주행 차량은 주변 환경의 정보를 수집하는 센서, 측정된 데이터를 판단하는 제어 모듈로 구성된 첨단 운전자 지원 시스템(ADAS)을 기반하고 있다. 최근에 자율주행 기술에 대한 관심이 증가함에 따라 ADAS 입문 개발자들 및 학습자들을 위한 손쉬운 개발프레임워크가 필요하다. 그러나, 기존 개발 및 검증 방식은 고성능 자동차 시뮬레이터를 기반하기 때문에 검증 방법의 복잡성 및 고비용 등의 단점이 있다. 또한, 대부분의 방식은 시뮬레이터로부터 ADAS에서 필요로 하는 센싱 데이터를 직접 제공하지 않으므로 검증 신뢰성의 한계가 있다. 본 논문에서는 기존 방식들의 문제점들을 극복하는 3D 자동차 시뮬레이터를 활용한 상호작용형 ADAS 개발 및 검증 프레임워크를 제시한다. 영상인지 기반의 인공지능을 적용한 ADAS를 3D 자동차 시뮬레이터에서의 가상센서로 구현하고, 실제 시나리오에 자율주행 검증을 진행하였다.

Abstract AI-Helper 아이콘AI-Helper

The autonomous vehicle is based on an advanced driver assistance system (ADAS) consisting of a sensor that collects information about the surrounding environment and a control module that determines the measured data. As interest in autonomous navigation technology grows recently, an easy developmen...

주제어

표/그림 (8)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 이를 보장하기 위해, 본 논문에서는 여러 환경을 구현가능하며 자동차 모델 그리고 시뮬레이션의 무결성 데이터를 제공해주는 마이크로소프트의 오픈소스 기반 AirSim 시뮬레이터를 사용한다. AirSim 시뮬레이터로 ADAS를 개발함으로써 검증의 신뢰성, 고비용 그리고 고정되어있는 검증 시나리오의 단점을 극복하고자 한다[6]
  • LKAS와 AEB에 대한 검증은 AirSim의 도시 환경에서 차량모델에 있는 직접 구현한 ADAS가 정상적으로 작동하고 있는지, 얼마나 높은 정확도를 가지는지에 대해 평가한다.
  • 본 논문에서는 쉽고 효율적인 ADAS의 개발을 위해 3D 자동차 시뮬레이터를 활용한 상호작용형 개발 및 검증 프레임워크를 제안한다. 3D 자동차 시뮬레이터에서 ADAS로서 필요한 센싱 데이터를수집하며, 해당 데이터를 통해 ADAS를 구현하였다.
  • 또한, 대부분의 시뮬레이터의 특성상 시뮬레이터를 자체적으로 변경하지 못하기 때문에 시나리오에 대해 제한적이고 단적인 결과만을 추출할 수 있다. 본 논문에서는 해당 단점들을 극복하고 ADAS의 손쉽고 효율적인 개발 및 검증을 위해 3D 자동차 시뮬레이터를 활용한 상호작용형 ADAS 개발 및 검증 프레임워크를제안하였다.
  • 본 논문은 2장에서 자율주행 자동차의 모듈의 유효성 테스트를 위한 오픈 소스 시뮬레이터, 고성능시뮬레이터, 재구성 가능한 시뮬레이터 기반의 ADAS 개발 및 검증 시스템에 대한 연구를 소개한다. 3장에서는 제안하는 방법론으로 구현한 ADAS 개발 및 검증 프레임워크의 전체 구성도와 각 구성요소에 대한 상세기술, 동작방식, 그리고 데이터 흐름을 설명하고, 4장에서는 개발한 ADAS의 유효성 검증에 대한 비교의 실험 분석 결과를 보여준다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
ADAS에는 어떠한 기술이 포함되는가? 자율주행 자동차는 인간의 감각과 동일한 역할을 하는 운전 상황을 판단하고, 제어하는 기술들의 집합체인 ADAS(Advanced driver-assistance systems)가 요구된다[3]. ADAS의 기술은 전방의 차량 또는 보행자와의 거리를 조절하는 ASCC(Advanced Smart Cruise Control), AEB(Autonomous Emergency Brake)와 차선이탈에 대한 알람을 울려주는 LDW(Lane Departure Warning)과 차선을 유지하도록 주행을 도와주는 LKAS(Lane Keeping Assist System) 등차량의 전방, 측면, 후방을 인지하고, 운전자의 안전한 운전을 안내하는 목표를 가지는 시스템이 포함된다[4].
자율 주행 차량의 기반은 무엇인가? 자율 주행 차량은 주변 환경의 정보를 수집하는 센서, 측정된 데이터를 판단하는 제어 모듈로 구성된 첨단 운전자 지원 시스템(ADAS)을 기반하고 있다. 최근에 자율주행 기술에 대한 관심이 증가함에 따라 ADAS 입문 개발자들 및 학습자들을 위한 손쉬운 개발프레임워크가 필요하다.
차량 시뮬레이터를 사용하는 것이 효율적인 이유는 무엇인가? 실제 차량 주행 환경에서 자율 주행의 정확성을 높이기 위해서는 다양하고 복합적인 센서들을 포함하는 ADAS를 필요로 한다. 다양한 내부 모듈들이 서로 상호작용 한다는 것은 복잡도가 증가한다는 의미를 갖고 있다. 실제 환경에서 복합적인 센서들의 상호작용을 검증하는 것은 상당한 노력과 비용이 발생한다. 따라서 차량 시뮬레이터를 사용하는 것은 시스템을 개발함에 있어서 매우 효율적인 방법이다[5].
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. M. Konig, and L. Neumayr, "Users' resistance towards radical innovations: The case of the self-driving car," Transportation Research Part F: Traffic Psychology and Behaviour, vol.44, pp. 42-52, 2017. DOI:10.1016/j.trf.2016.10.013 

  2. U. Lee, S. Yoon, H. Shim, P. Vasseur, and C. Demonceaux, "Local path planning in a complex environment for self-driving car," The 4th Annual IEEE International Conference on Cyber Technology in Automation, Control and Intelligent, pp.445-450, 2014. DOI:10.1109/CYBER.2014.6917505 

  3. J. Wei, J. M. Snider, J. Kim, J. M. Dolan, R. Rajkumar, and B. Litkouhi, "Towards a viable autonomous driving research platform," 2013 IEEE Intelligent Vehicles Symposium, pp.763-770, 2013. DOI:10.1109/IVS.2013.6629559 

  4. J. K. Choi, K. Kim, D. Kim, H. Choi, and B. Jang, "Driver-adaptive vehicle interaction system for the advanced digital cockpit," 2018 20th International Conference on Advanced Communication Technology (ICACT), pp.307-310, 2018. DOI:10.23919/ICACT.2018.8323736 

  5. Hassan, B, Berssenbrugge, J, Al Qaisi, I, & Stocklein, J, "Reconfigurable driving simulator for testing and training of advanced driver assistance systems," IEEE International Symposium, pp. 337-339 2013. DOI:10.1109/ISAM.2013.6643472 

  6. S. Shah, D. Dey, C. Lovett, and A. Kapoor, "Airsim : High-fidelity visual and physical simulation for autonomous vehicles," Field and service robotics, Springer, Cham, pp.621-635. 

  7. J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, "You only look once: Unified, real-time object detectio," In Proceedings of the IEEE conference on computer vision and pattern recognition, pp.779-788, 2016. 

  8. S. U. Park and J. C. Kim. "Open Source Based Vehicle Control Algorithm Competition Platform for Education," Korea Information Science Society, pp.1411-1413, 2014. 

  9. D. S. Choi, T. H. An, K. H. An, and J. D. Choi, "End-to-end learning using TORCS for autonomous driving," The Institute of Electronics and Information Engineers, pp.740-743, 2017. 

  10. C. W. Park, S. O. Kim, H. C. Lee, "A Study on Approaching Mode of Adaptive Cruise Control System," The Korean Society Of Automotive Engineers, pp.666-669, 2014. DOI:10.1109/ISAM.2013.6643472 

  11. Hassan, B, Berssenbrugge, J, Al Qaisi, I, & Stocklein, J, "Reconfigurable driving simulator for testing and training of advanced driver assistance systems," IEEE International Symposium, pp. 337-339, 2013. DOI:10.1109/ISAM.2013.6643472 

  12. J. S. Kim, "Effective Road Distance Estimation Using a Vehicle-attached Black Box Camera," Korea Institute of Information and Communication Engineering, pp.651-658, 2015. DOI:10.6109/jkiice.2015.19.3.651 

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

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