[논문]카메라와 라이다 센서 융합에 기반한 개선된 주차 공간 검출 시스템

박규진; 임규범; 김민성; 박재흥

doi:10.7746/jkros.2019.14.3.170

카메라와 라이다 센서 융합에 기반한 개선된 주차 공간 검출 시스템
Parking Space Detection based on Camera and LIDAR Sensor Fusion 원문보기

로봇학회논문지 = The journal of Korea Robotics Society, v.14 no.3, 2019년, pp.170 - 178

박규진 (Bachelor School of Mechanical Engineering, Handong University) , 임규범 (Graduate School of Convergence Science and Technology, Seoul National University) , 김민성 (Graduate School of Convergence Science and Technology, Seoul National University) , 박재흥 (Graduate School of Convergence Science and Technology, Seoul National University)

Abstract ▼ AI-Helper

This paper proposes a parking space detection method for autonomous parking by using the Around View Monitor (AVM) image and Light Detection and Ranging (LIDAR) sensor fusion. This method consists of removing obstacles except for the parking line, detecting the parking line, and template matching method to detect the parking space location information in the parking lot. In order to remove the obstacles, we correct and converge LIDAR information considering the distortion phenomenon in AVM image. Based on the assumption that the obstacles are removed, the line filter that reflects the thickness of the parking line and the improved radon transformation are applied to detect the parking line clearly. The parking space location information is detected by applying template matching with the modified parking space template and the detected parking lines are used to return location information of parking space. Finally, we propose a novel parking space detection system that returns relative distance and relative angle from the current vehicle to the parking space.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 자율 주행 자동차의 자율 주차 기능을 위해, AVM 영상 센서 정보와 라이다 센서 정보를 융합한 개선된 주차 공간 검출 방법을 제안하였다. 기존 연구들이 초음파 센서와 영상 센서를 융합했던 것과는 달리 라이다 센서를 통한 장애물 제거를 통해 영상 속에서 생기는 장애물들의 경계 검출을 낮추었고, 주차선 외에 주차선으로 간주될 수 있는 다양한 지면 표시들에 대한 효과를 억제하기 위해 개선된 라돈 변환 을 추가하였다.
따라서, 영상과 초음파 센서 융합을 하더라도 영상 자체에서 오검출이 발생될 수 있으며, 근본적으로 초음파 만으로는 장애물의 존재 여부만 확인할 수 있다는 한계점을 가진다. 위와 같이 언급한 문제들로 인하여 다수의 장애물이 존재할 때 나타나는 주차 영역 검출 성능의 문제를 보안하기 위해 본 연구는 AVM 영상 센서와 라이다 센서와의 융합을 제안한다. 라이다 센서는 높은 해상도를 가지는 특성으로 인해 다양한 자율 주행 관련 연구에 사용되고 있다.
따라서 라돈 변환을 사용하기 앞서서 장애물들의 외곽 성분 검출 값이 주차선보다 상대적으로 약하게 나오는 것이 검출에 유리하다. 장애물 검출 값을 상대적으로 약하게 만들기 위해 본 논문에서는 개선된 라돈 변환을 제시한다.

가설 설정

만약, 장애물의 경계 두께가 주차 선의 경계 두께 L과 비슷하다면, 극소 경계 영역에서는 경계 검출 필터로 인한 차이점을 확인하기 어렵다. 본 논문은 이와 같은 문제를 해결하기 위해 주차선 영역이 일정 거리 이상 동일한 윤곽 특성을 유지한다는 가정 하에, 식 (7)과 같이 개선된 라돈 변환 방법을 제시한다.

제안 방법

또한 라이다 센서의 빈 검출 공간을 채우면서 영상의 방사형 왜곡 특성을 반영하도록 [Fig. 6]의 (a), (b)와 같은 형태의 장애물 정보 확장 방법을 시도하였고 그 중 (b) 형태와 같이 카메라의 방사형 특성을 고려 하여 라이다 센서 정보를 확장시키는 융합 방법을 제안하였다. 이에 대한 성능 결과는 추후 실험 결과를 통해 확인 가능하다.
결과 비교는 실험에서 사용한 2가지 상황에서 라이다 센서 융합을 하지 않은 경우(Case 1,2/wo S.F), 융합 이후 기존 라돈 변환을 사용한 경우(Case 1,2/radon w S.F)와 센서 융합 이후 개선된 라돈 변환을 사용한 경우(Case 1,2/proposed)로 나누어 분석하였다.
장애물 영역이 제거된 영상 정보에 주차선의 두께를 고려한 라인 필터를 적용하고 라돈 변환을 통해 검출 계산 영역을 확장시켜서 주차선 검출의 소실을 최소화한 뒤, 템플릿 매칭을 이용하여 최종적으로 주차 공간 입구에 대한 운전 차량의 상대 거리와 상대 각도 정보를 획득한다. 결론적으로 본 연구에서 제안하는 주차 공간 검출 시스템은 영상 입력 파트, 라이다 입력 파트 및 판단 파트로 구성되며, 실제 자동차에 적용하기 위한 통합 시스템으로는 Linux기반 ROS (Robot Operating System)을 이용하였다. 본 연 구에서 사용된 실험 데이터들은 수원시 영통구에 위치한 차세대융합기술원 내 다양한 주차 공간에서 획득 되었다.
본 논문에서는 AVM 센서에서 영상 정보를 획득하고 라이다 센서로부터 일정 이상 높이를 가지는 장애물 정보를 획득한다. 그리고 [Fig. 3]에서 나타나는 장애물 정보를 제외한 영상 정보 획득, 외곽선 검출, 주차선 후보군 검출, 주차 공간 입구 검출 과정을 순차적으로 진행하여 최종 주차 가능 영역을 확보하였다.
본 논문에서는 자율 주행 자동차의 자율 주차 기능을 위해, AVM 영상 센서 정보와 라이다 센서 정보를 융합한 개선된 주차 공간 검출 방법을 제안하였다. 기존 연구들이 초음파 센서와 영상 센서를 융합했던 것과는 달리 라이다 센서를 통한 장애물 제거를 통해 영상 속에서 생기는 장애물들의 경계 검출을 낮추었고, 주차선 외에 주차선으로 간주될 수 있는 다양한 지면 표시들에 대한 효과를 억제하기 위해 개선된 라돈 변환 을 추가하였다. 제한된 상황에서 기존 연구들이 제시한 방법과 본 논문에서 제안한 기법들을 추가했을 때의 결과를 비교 하였다.
본 과정은 주차선들 검출 이후, 주 주차선과 보조 주차선들이 중첩되는 지점에 주차선의 회전 각도를 보고 그에 맞춰 기존에 만들어 둔 템플릿을 회전시켜 매칭시킨다. 결과적으로, 템플릿 매칭을 통해 계산된 결과는 주차 영역 입구에 대한 극좌표계 값으로 다시 계산된다.
상황 1에서의 직진 주행 시나리오를 통해 장애물 센서 융합 성능을 확인했다. 장애물을 제거하지 않고 주차선을 검출하는 방법과 라이다 센서 정보를 사각형 혹은 영상 왜곡을 고려한 방사형으로 확장시킨 뒤 주차선을 검출하는 방법들을 비교하였다.
센서 융합은 두 센서의 오차를 최소화하기 위해 장애물을 검출한 일정 개수의 라이다 포인트 정보를 추출한 후 AVM 영상에서 나타나는 동일한 장애물 위치에 대응시킬 수 있는 이동 변환을 수행하였다. 이동 변환을 위한 기준은 전 측방, 후 측방 에 각각 4포인트씩 총 8포인트의 라이다 포인트를 임의로 추출 하여 영상 정보와 매칭하며 설정하였다.
센서 융합은 두 센서의 오차를 최소화하기 위해 장애물을 검출한 일정 개수의 라이다 포인트 정보를 추출한 후 AVM 영상에서 나타나는 동일한 장애물 위치에 대응시킬 수 있는 이동 변환을 수행하였다. 이동 변환을 위한 기준은 전 측방, 후 측방 에 각각 4포인트씩 총 8포인트의 라이다 포인트를 임의로 추출 하여 영상 정보와 매칭하며 설정하였다. 또한 라이다 센서의 빈 검출 공간을 채우면서 영상의 방사형 왜곡 특성을 반영하도록 [Fig.
이러한 점을 이용하여 영상 내에서 주차선의 평균 두께를 구하고 주차선 두께만큼 높은 강도를 유지하고 주차선의 수직한 방향 전, 후로 기울기 경사를 가지는 경계 검출 필터를 적용한다. 주차선이 영상에서 검출 가능한 최고 강도 값인 255를 가지고 있다는 가정 하에 [Fig.
이미지에서 차선과 주차선을 검출하기 위해 먼저 Sobel, gaussian, canny와 같은 경계선 검출 필터를 적용한 뒤, 각 픽셀의 값을 임계 값 이상, 이하 기준에 따라 이분화시켜 1 혹은 0 의 값으로 나타낸다. (I(x,y)=1 or 0).
우선, 라이다 센서의 거리 정보를 이용하여 영상 정보에서 주차선 검출에 방해되는 자동차와 주변 장애물을 제거한다. 장애물 영역이 제거된 영상 정보에 주차선의 두께를 고려한 라인 필터를 적용하고 라돈 변환을 통해 검출 계산 영역을 확장시켜서 주차선 검출의 소실을 최소화한 뒤, 템플릿 매칭을 이용하여 최종적으로 주차 공간 입구에 대한 운전 차량의 상대 거리와 상대 각도 정보를 획득한다. 결론적으로 본 연구에서 제안하는 주차 공간 검출 시스템은 영상 입력 파트, 라이다 입력 파트 및 판단 파트로 구성되며, 실제 자동차에 적용하기 위한 통합 시스템으로는 Linux기반 ROS (Robot Operating System)을 이용하였다.
상황 1에서의 직진 주행 시나리오를 통해 장애물 센서 융합 성능을 확인했다. 장애물을 제거하지 않고 주차선을 검출하는 방법과 라이다 센서 정보를 사각형 혹은 영상 왜곡을 고려한 방사형으로 확장시킨 뒤 주차선을 검출하는 방법들을 비교하였다.
주차 영역에 대한 규격은 나라마다 일정 부분 차이를 보이지만, 본 논문에서는 대한민국 주차장 법령에 규정된 주차 공간 입구에 대한 크기를 계산하고 이에 맞는 템플릿을 생성하였다.
실험은 차세대융합기술연구원에 위치한 야외 주차 공간에서 진행되었다. 주행 차량의 평균 속도는 8 km/h이며 주차된 차량의 수가 전체 주차 공간의 1/3 이하인 상황1에서의 직진주행에 대한 실험을 수행했으며, 주차된 차량의 수가 1/3 이상인 상황2 에서의 직진주행 2가지 경우에 대하여 실험을 진행하였다.
하지만, 두께 변수 r과 동일 두께를 가지지 않는 선들의 경우 동일 두께를 가지는 선들에 비하여 라돈 변환 값이 작게 나오는 성질을 가진다. 주행차량의 좌, 우의 주 주차선을 검출하기 위해 좌, 우로 독립된 라돈 공간을 만들고 각각의 최대 라돈변환 값을 사용하여 주차선을 검출하였다.

대상 데이터

본 논문에서는 AVM 센서에서 영상 정보를 획득하고 라이다 센서로부터 일정 이상 높이를 가지는 장애물 정보를 획득한다. 그리고 [Fig.
결론적으로 본 연구에서 제안하는 주차 공간 검출 시스템은 영상 입력 파트, 라이다 입력 파트 및 판단 파트로 구성되며, 실제 자동차에 적용하기 위한 통합 시스템으로는 Linux기반 ROS (Robot Operating System)을 이용하였다. 본 연 구에서 사용된 실험 데이터들은 수원시 영통구에 위치한 차세대융합기술원 내 다양한 주차 공간에서 획득 되었다.
본 연구에서는 서울대학교 융합과학기술대학원 DYROS (Dynamic Robotics System) 연구실의 자율 주행 자동차를 사용하여 실험을 수행했다. 실험 차량은 [Fig.
본 연구에서는 서울대학교 융합과학기술대학원 DYROS (Dynamic Robotics System) 연구실의 자율 주행 자동차를 사용하여 실험을 수행했다. 실험 차량은 [Fig. 1]의 모습으로 Velodyne HDL-64E S2 라이다 센서와 4개의 카메라로 구성된 Omnivue 360 AVM 시스템이 탑재되어 있다. Velodyne 센서는 차량의 상단에 설치되었으며 4개의 카메라는 전면, 좌측, 우측, 후면에 설치되어 차량의 전 방향을 관측할 수 있다
실험에 사용된 PC는 Intel i7-8700, 16GB RAM을 탑재하고 있다. [Fig.
실험은 차세대융합기술연구원에 위치한 야외 주차 공간에서 진행되었다. 주행 차량의 평균 속도는 8 km/h이며 주차된 차량의 수가 전체 주차 공간의 1/3 이하인 상황1에서의 직진주행에 대한 실험을 수행했으며, 주차된 차량의 수가 1/3 이상인 상황2 에서의 직진주행 2가지 경우에 대하여 실험을 진행하였다.

데이터처리

기존 연구들이 초음파 센서와 영상 센서를 융합했던 것과는 달리 라이다 센서를 통한 장애물 제거를 통해 영상 속에서 생기는 장애물들의 경계 검출을 낮추었고, 주차선 외에 주차선으로 간주될 수 있는 다양한 지면 표시들에 대한 효과를 억제하기 위해 개선된 라돈 변환 을 추가하였다. 제한된 상황에서 기존 연구들이 제시한 방법과 본 논문에서 제안한 기법들을 추가했을 때의 결과를 비교 하였다. 기존 방법의 경우 차량이 존재하지 않는 주차 공간 검출 성능은 확보할 수 있었지만, 다수의 장애물이 존재하거나 도로 환경의 악화로 노이즈가 많은 상황에서의 주차 공간 검출은 쉽지 않았다.

성능/효과

이와 반대로 개선된 라돈 변환 알고리즘을 적용한 (b), (c) 경우는 둘 모두 주 주차 선을 제대로 인지하고 있다. 개선된 라돈 변환 알고리즘의 두 께 변수 r이 커져서 주 주차선의 두께 값과 가까워질수록, [Fig. 13]에서 증가하는 화살표의 크기와 같이 주변 주차선이 아닌 영역에서의 유사 주차선들로 인해 생기는 라돈 값과의 차이는 증가하게 되고 결과적으로 일반 라돈 변환 알고리즘보다 정확하게 주차선을 인식할 수 있다.
[Table 2]는 전체 주차 공간에 대한 실험 결과를 의미하며 [Table 3]는 주차 공간 검출과 주차 가능 여부를 정확히 판별한 결과만을 의미한다. 결과를 분석하기 앞서, 개선된 라돈 변환은 기존 라돈 변환에 비해 강건성을 갖춘다는 장점을 가지고 있고, 만약 주차선만 존재하고 다른 장애물이나 노이즈가 적은 환경에서는 기존 라돈 변환만으로 충분한 성능을 낼 수 있음을 밝힌다.
기존 방법의 경우 차량이 존재하지 않는 주차 공간 검출 성능은 확보할 수 있었지만, 다수의 장애물이 존재하거나 도로 환경의 악화로 노이즈가 많은 상황에서의 주차 공간 검출은 쉽지 않았다. 그러나, 제안된 방법은 주차된 차량이 많을 때에도 장애물 제거 과정을 통해 높은 검출 성능을 확보할 수 있고, 노이즈에 강건한 특성을 가지는 개선된 라돈 변환을 통해 강인한 검출 성능을 가능케 함을 확인하였다. 이를 통해 다수의 장애물과 지면 표시, 그 외에 경계들이 검출될 수 있는 실제 상황에서 효과적일 것으로 여겨진다.
기존 라돈 변환이 단일 픽셀의 두께를 가진 선을 찾는데 최적화되어 있는 반면, 제시한 개선된 라돈 변환은 검출 두께 변수인 r을 주차선의 두께 L만큼 확장하여 장애물들의 경계선 검출을 최소화하고 오직 주차선만 강하게 검출할 수 있는 장점이 있다.
따라서 결과 분석은 본 논문에서 제안한 방법이 기존 방법들에 비해 얼마나 오검출을 최소화하는지에 초점을 맞춘다. 실험 결과 전체 주차 공간의 개수 중 정확히 검출된 주차 공간의 비율을 나타내는 recall의 경우 기존 방법과 언급한 바와 같이 별 차이가 없음을 확인할 수 있다.
5] 라이다 포인트 정보를 보면, 센서 설치 지점으로부터 멀어질수록 정밀도가 떨어지고, 가려지는 공간으로 인해 차량이 있는 공간이 제대로 검출이 되지 않는 현상을 볼 수 있다. 또한 실제로 장애물이 존재하지 않는 곳에서 나타나는 라이다 센서의 잡음 현상도 간혹 발생함을 확인할 수 있다. 따라서 위 언급한 문제점들로 인하여 검출된 주차 공간에 존재하는 모든 라이다 포인트 정보를 이용하여 주차 가능 공간 인식
따라서 결과 분석은 본 논문에서 제안한 방법이 기존 방법들에 비해 얼마나 오검출을 최소화하는지에 초점을 맞춘다. 실험 결과 전체 주차 공간의 개수 중 정확히 검출된 주차 공간의 비율을 나타내는 recall의 경우 기존 방법과 언급한 바와 같이 별 차이가 없음을 확인할 수 있다. 하지만 알고리즘을 통해 검출된 공간 중 정확히 검출된 주차 공간의 비율을 나타내는 precision의 경우 기존 방법보다 높은 것을 확인할 수 있다.

후속연구

공간 검출에 대한 성능 문제는 추후 영상 센서와 라이다 센서의 미세 조정 결합을 통해 매칭의 오차를 줄일 때, 개선될 것으로 생각된다.
이를 통해 다수의 장애물과 지면 표시, 그 외에 경계들이 검출될 수 있는 실제 상황에서 효과적일 것으로 여겨진다. 추후 연구로는 전처리 과정에서 시간에 따른 장애물 제거 알고리즘과 검출된 주차 공간을 확정하고 계속적으로 추정하는 추정 필터의 설계가 필요할 것으로 사료되고 이러한 방법들을 추가적으로 보완한다면 더욱 개선된 성능을 보일 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	자율 주차 보조 시스템에서 초음파 센서의 장점과 단점은 무엇인가?	기존에 연구로 제안되었거나 상용화 되었던 자율 주차 보조 시스템은 초음파 센서 기반, 영상 기반 또는 영상 기반에 초음파 센서를 통한 보정에 집중되었다. 그러나 초음파 센서는 환경에 상관없이 빈 공간을 인식할 수 있다는 장점을 가지고 있지만, 주변에 주차를 위한 지표가 될 주차된 차량 혹은 장애물이 없을 경우에는 사용될 수 없다. 또한, 초음파 센서는 감지 영역안 최소 거리 물체에 대한 감지 거리만 주어지므로 정확 히 어느 곳에 장애물이 위치해 있는지 알 수 없고 감지된 물체의 재질, 형상에 따라 잘못된 거리가 계측될 수 있다[11]. 게다가 영상 기반 시스템은 주차 공간을 인지하는데 도움이 되지만, 주차선과 비슷한 특성을 가진 다양한 장애물로부터 검출되는 외곽선들로 인해 오검출이 일어날 수 있다는 단점을 가진다.
	자율 주행과 자율 주차의 차이점은 무엇인가?	일반 고속도로에서의 자율 주행은 차선이라는 지표가 있고 변화가 미미한 상황에서 충돌을 방지하는 것에 초점을 맞추고 있다. 반면에, 자율 주차와 같이 계속적으로 변하는 차선 검출 환경에서 주차 입구라는 특정 위치를 검출하는 기술은 기존 자율 주행 기술과 많은 차이점을 보인다. 따라서, 일반 도로에서의 자율 주행 기술과는 다르게 주차장에서의 자율 주차 기술은 주되게 사용되는 센서와 주변 환경 조건이 다르며 좀 더 정밀한 주변 환경 인식을 요구한다는 점에 있어 차이를 가질 수 있다.
	영상 기반 시스템의 단점은 무엇인가?	또한, 초음파 센서는 감지 영역안 최소 거리 물체에 대한 감지 거리만 주어지므로 정확 히 어느 곳에 장애물이 위치해 있는지 알 수 없고 감지된 물체의 재질, 형상에 따라 잘못된 거리가 계측될 수 있다[11]. 게다가 영상 기반 시스템은 주차 공간을 인지하는데 도움이 되지만, 주차선과 비슷한 특성을 가진 다양한 장애물로부터 검출되는 외곽선들로 인해 오검출이 일어날 수 있다는 단점을 가진다. 따라서, 영상과 초음파 센서 융합을 하더라도 영상 자체에서 오검출이 발생될 수 있으며, 근본적으로 초음파 만으로는 장애물의 존재 여부만 확인할 수 있다는 한계점을 가진다.

참고문헌 (12)

Hyundai Motor Group, Innovation - Autonomous Parking , [Online], https://www.hyundai.co.kr/TechInnovation/Autonomous/Avp.hub, Accessed: May 17, 2019.
BOSCH, Products and services - Park Assist , [Online], https://www.bosch-mobility-solutions.com/en/products-and-services/passenger-cars-and-light-commercial-vehicles/driver-assistance-systems/parking-assistant/, Accessed: May 17, 2019.
10.1007/11815921_42 H. G. Jung, D. S. Kim, P. J. Yoon, and J. Kim, “Parking Slot Markings Recognition for Automatic Parking Assist System,” 2006 IEEE Intelligent Vehicles Symposium , Tokyo, Japan, pp. 106-113, 2006.

상세보기
10.1155/2014/847406 C. Wang, H. Zhang, M. Yang, X. Wang, L. Ye, and C. Guo, “Automatic Parking Based on a Bird’s Eye View Vision System,” Advances in Mechanical Engineering , 2014, DOI: https://doi.org/10.1155/2014/847406.

상세보기
10.5244/C.2.23 C. Harris and M. Stephens, “A combined corner and edge detector,” Alvey Vision Conference 1988 , pp. 147-151, 1988.
J. K. Suhr and H. G. Jung, “Fully-automatic Recognition of Various Parking Slot Markings in Around View Monitor (AVM) Image Sequences,” 2012 15 th International IEEE Conference on Intelligent Transportation Systems , Anchorage, AK, USA, pp. 1294-1299, 2012.
10.4271/2006-01-0810 P. Degerman, J. Pohl, and M. Sethson, “Hough Transform for Parking Space Estimation Using Long Range Ultrasonic Sensors,” SAE 2006 World Congress & Exhibition SAE 2006 World Congress & Exhibition SAE 2006 World Congress & Exhibition SAE 2006 World Congress & Exhibition, 2006, DOI: https://doi.org/10.4271/2006-01-0810.
J. K. Suhr and H. G. Jung, “Automatic Parking Space Detection and Tracking for Underground and Indoor Environments,” IEEE, Transactions on Industrial Electronics , vol. 63, no. 9, pp. 5687-5698, Sep., 2016.
K. Hamada, Z. Hu, M. Fan, and H. Chen, “Surround View based Parking Lot Detection and Tracking,” IEEE, Intelligent Vehicles Symposium (IV) , Seoul, South Korea, pp. 1106-1111, 2015.
10.1007/978-3-662-45043-7_19 M. Fan, Z. Hu, K. Hamada, and H. Chen, “Line Filter-Based Parking Slot Detection for Intelligent Parking Assistance System,” SAEChina Congress 2014 , Shanghai, China, pp. 175-181, 2014.

상세보기
Generation Robots, Ultrasound sensor? High quality ultrasound sensors available now , [Online], https://www.generationrobots.com/blog/en/ultrasound-sensor-high-quality-ultrasound-sensors-available-now/, Accessed: May 17, 2019.
10.1016/S0031-3203(98)00140-X O. Chutatape and L. Guo, “A modified Hough transform for line detection and its performance,” Pattern Recognition , vol. 32, no. 2, pp. 181-192, Feb, 1999.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증