$\require{mediawiki-texvc}$

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.

LiDAR 센서기반 근접물체 탐지계측 알고리즘
Algorithm on Detection and Measurement for Proximity Object based on the LiDAR Sensor 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.24 no.3, 2020년, pp.192 - 197  

정종택 (카네비컴(주)) ,  최조천 (목포해양대학교 해양컴퓨터공학과)

초록
AI-Helper 아이콘AI-Helper

최근 운송수단의 안전운행 및 사고방지를 목표로 하는 자율운행 관련 기술이 적극적으로 연구되고 있다. 현재 자율운행에서 장애물 탐지를 위하여 레이다 및 카메라 기술이 사용되고 있으나, 근접한 물체의 탐지 및 이격거리의 정밀계측에는 LiDAR (light detection and ranging) 센서를 사용하는 방법이 가장 적합하다. LiDAR 센서는 레이저 펄스빔을 발사하고 물체로부터 반사되어 온 반사빔과의 시간차를 취득하여 이것으로 정밀한 거리를 계산하는 측정기로, 광을 이용하기 때문에 대기환경에서 물체의 인식률이 감소할 수 있는 단점이 있다. 본 논문은 LiDAR 센서의 raw 데이타에 대한 신뢰성 향상과 이를 기반으로 실시간 주변물체에 대한 탐지 및 이격거리 계측에서 오차를 개선하기 위하여 삼각함수에 의한 포인트 cloud를 추출하고, 선형회귀 모델을 이용하여 계측알고리즘을 구현하였으며, Python 라이브러리를 활용하여 물체탐지의 오차범위를 개선할 수 있음을 검증하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, the technologies related to autonomous drive has studying the goal for safe operation and prevent accidents of vehicles. There is radar and camera technologies has used to detect obstacles in these autonomous vehicle research. Now a day, the method for using LiDAR sensor has considering to...

주제어

#LiDAR sensor   #Line regression model   #Distance measurement algorithm   #Object detection algorithm   #Raw data  

표/그림 (14)

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • LiDAR 센서는 레이저 빔을 이용하는 장치이므로 기상조건과 이동체의 동요환경에 대하여 많은 제약을 받는다. 본 연구에서는 LiDAR 센서의 이러한 단점을 보완하기 위하여 raw 데이타의 신뢰도를 향상시키고자 선형회귀 모델을 적용한 물체탐지 및 이격거리 계측알고리즘을 구현하였고, 실험을 통하여 물체탐지 및 거리계측의 오차가 개선됨을 실험적으로 검증하였다. 연구결과를 기반으로 해상의 자율운항선박, USV 등의 분야에서 자선 주변의 회피가 가능한 근거리에 대한 물체탐지와 거리계측 센서로 적용해도 충분히 가능할 것으로 사료된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
LiDAR 센서의 단점은? 현재 자율운행에서 장애물 탐지를 위하여 레이다 및 카메라 기술이 사용되고 있으나, 근접한 물체의 탐지 및 이격거리의 정밀계측에는 LiDAR (light detection and ranging) 센서를 사용하는 방법이 가장 적합하다. LiDAR 센서는 레이저 펄스빔을 발사하고 물체로부터 반사되어 온 반사빔과의 시간차를 취득하여 이것으로 정밀한 거리를 계산하는 측정기로, 광을 이용하기 때문에 대기환경에서 물체의 인식률이 감소할 수 있는 단점이 있다. 본 논문은 LiDAR 센서의 raw 데이타에 대한 신뢰성 향상과 이를 기반으로 실시간 주변물체에 대한 탐지 및 이격거리 계측에서 오차를 개선하기 위하여 삼각함수에 의한 포인트 cloud를 추출하고, 선형회귀 모델을 이용하여 계측알고리즘을 구현하였으며, Python 라이브러리를 활용하여 물체탐지의 오차범위를 개선할 수 있음을 검증하였다.
LiDAR 센서란 무엇인가? 현재 자율운행에서 장애물 탐지를 위하여 레이다 및 카메라 기술이 사용되고 있으나, 근접한 물체의 탐지 및 이격거리의 정밀계측에는 LiDAR (light detection and ranging) 센서를 사용하는 방법이 가장 적합하다. LiDAR 센서는 레이저 펄스빔을 발사하고 물체로부터 반사되어 온 반사빔과의 시간차를 취득하여 이것으로 정밀한 거리를 계산하는 측정기로, 광을 이용하기 때문에 대기환경에서 물체의 인식률이 감소할 수 있는 단점이 있다. 본 논문은 LiDAR 센서의 raw 데이타에 대한 신뢰성 향상과 이를 기반으로 실시간 주변물체에 대한 탐지 및 이격거리 계측에서 오차를 개선하기 위하여 삼각함수에 의한 포인트 cloud를 추출하고, 선형회귀 모델을 이용하여 계측알고리즘을 구현하였으며, Python 라이브러리를 활용하여 물체탐지의 오차범위를 개선할 수 있음을 검증하였다.
LiDAR 센서를 통해 취득된 3D 포 인트 cloud는 데이터량이 많아 실시간 처리 및 객체분류처리에 부적합한데 이를 보완하기 위한 방법은? 우선LiDAR 센서를 통하여 취득된3D 포 인트 cloud는 데이터의 양이 너무 많으므로 실시간 처리 및 객 체분류 처리에는 부적합하다. 이러한 문제를 보완하기 위하여 그림 2와 같이 3D로 취득된 거리, 각도 등의 데이터에서 각 점 들의X, Y 좌표가포함된2D 데이터로변환하는방법으로고속 신호처리를가능하게하였다.
질의응답 정보가 도움이 되었나요?

참고문헌 (9)

  1. H. S. Park and H. R. Park, "A study on the policy directions related to the introduction of smart maritime autonomous surface ship (MASS)," in Conference Proceedings of Navigation and Port Research(19), Busan: Korea, pp. 234-235, 2019 

  2. S. P. Choi, J. H. Jo, and J. S. Kim, "An filtering automatic technique of LiDAR data by multiple linear regression analysis," Journal of the Korean Society for Geospatial Information Science, Vol. 19, No. 4, pp. 109-118. 2011 

  3. F. Castano, G. Beruvides, A. Villalonga, and RE. Haber, “Self-tuning method for increased obstacle detection reliability based on internet of things LiDAR sensor models,” Sensors Journal of Multidisciplinary Digital Publishing Institute, Vol. 18, No. 5, pp. 1508-1523, May 2018. 

  4. A. Ferraz, S. Saatchi, C. Mallet, and V. Meyer, "Lidar detection of individual tree size in tropical forests," Journal of Remote Sensing of Environment, Vol. 183, pp. 318-333. Sep. 2016. 

    상세보기 crossref

  5. J. Wijesingha, T. Moeckel, F. Hensgen, and M. Wachendorf, "Evaluation of 3D point cloud based models for the prediction of grassland biomass," International Journal of Applied Earth Observation and Geoinformation, Vol. 78, pp. 352-359. June 2019. 

    상세보기 crossref

  6. Sense Light, 2-Channel. USB-Controlled Constant Fraction Discriminator [Internet]. Available : http://www.sensl.com/downloads/ds/DS-110522_CFD_v1p1.pdf. 

  7. Texas Instrument. TDC7200 Time-to-Digital Converter for Time-of-Flight Applications in LIDAR [Internet]. Available : http://www.ti.com/lit/ds/symlink/tdc7200.pdf. 

  8. J.-P. Jansson, A. Mantyniemi, and J. Kostamovaara, “A CMOS time-to-digital converter with better than 10 ps single-shot precision,” IEEE Journal of Solid-State Circuits, Vol. 41, No. 6, pp. 1286-1296, May 2006. 

    상세보기 crossref

  9. J. J. Yun, An implementation of LiDAR sensor supporting autonomous navigation of unmanned vehicles, Ph. D. dissertation, Mokpo National Maritime University, Korea, Feb. 2017. 

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

맨위로