[논문]2개의 비전 센서 및 딥 러닝을 이용한 도로 속도 표지판 인식, 자동차 조향 및 속도제어 방법론

김인성; 서진우; 하대완; 고윤석

doi:10.13067/jkiecs.2021.16.4.699

2개의 비전 센서 및 딥 러닝을 이용한 도로 속도 표지판 인식, 자동차 조향 및 속도제어 방법론
The Road Speed Sign Board Recognition, Steering Angle and Speed Control Methodology based on Double Vision Sensors and Deep Learning 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.16 no.4, 2021년, pp.699 - 708

김인성 (남서울대학교 전자공학과) , 서진우 (남서울대학교 전자공학과) , 하대완 (남서울대학교 전자공학과) , 고윤석 (남서울대학교 전자공학과)

초록
AI-Helper

본 논문에서는 2개의 비전 센서와 딥 러닝을 이용한 자율주행 차량의 속도제어 알고리즘을 제시하였다. 비전 센서 A로부터 제공되는 도로 속도 표지판 영상에 딥 러닝 프로그램인 텐서플로우를 이용하여 속도 표지를 인식한 후, 자동차가 인식된 속도를 따르도록 하는 자동차 속도 제어 알고리즘을 제시하였다. 동시에 비전 센서 B부터 전송되는 도로 영상을 실시간으로 분석하여 차선을 검출하고 조향 각을 계산하며 PWM 제어를 통해 전륜 차축을 제어, 차량이 차선을 추적하도록 하는 조향 각 제어 알고리즘을 개발하였다. 제안된 조향 각 및 속도 제어 알고리즘의 유효성을 검증하기 위해서 파이썬 언어, 라즈베리 파이 및 Open CV를 기반으로 하는 자동차 시작품을 제작하였다. 또한, 시험 제작한 트랙에서 조향 및 속도 제어에 관한 시나리오를 검증함으로써 정확성을 확인할 수 있었다.

Abstract ▼ AI-Helper

In this paper, a steering control and speed control algorithm was presented for autonomous driving based on two vision sensors and road speed sign board. A car speed control algorithm was developed to recognize the speed sign by using TensorFlow, a deep learning program provided by Google to the road speed sign image provided from vision sensor B, and then let the car follows the recognized speed. At the same time, a steering angle control algorithm that detects lanes by analyzing road images transmitted from vision sensor A in real time, calculates steering angles, controls the front axle through PWM control, and allows the vehicle to track the lane. To verify the effectiveness of the proposed algorithm's steering and speed control algorithms, a car's prototype based on the Python language, Raspberry Pi and OpenCV was made. In addition, accuracy could be confirmed by verifying various scenarios related to steering and speed control on the test produced track.

주제어

표/그림 (12)

그림 그림 1. 자율 주행 메커니즘 설계 Fig. 1 Autonomous driving mechanism design
그림 그림 2. 기계 학습의 분류 Fig. 2 Classification of the machine learning
그림 그림 3. 딥 러닝 학습 절차와 속도제어 알고리즘 Fig. 3 Deep learning procedure and speed control algorithm
그림 그림 4. 차선 추적 알고리즘 Fig. 4 Lane tracking algorithm
그림 그림 5. 가우시안 블러 및 캐니 알고리즘 적용 후 이미지 Fig. 5 Images after applying Gaussian Blur and Canny algorithm
그림 그림 6. 성능 평가를 위한 시작품 차량 Fig. 6 Prototype vehicle for performance evaluation
그림 그림 7. 속도 표지판 교육 데이터 집합 모델링 Fig. 7 Speed sign board training set modelling
그림 그림 8. 라즈베리파이에 모델 적용 결과 Fig. 8 Model application result to Raspberry Pi
표 표 1. 시작품 차량의 사양 Table 1. The specification of prototype car
그림 그림 9. 시험 트랙 주행 장면 Fig. 9 Test track driving scene
표 표 2. 차선 간격에 따른 주행 성공률 Table 2. Driving success rate by lane width
표 표 3. 속도에 따른 표지판 인식률과 주행 성공률 Table 3. Speed sign recognition rate and driving success rate according to speed

참고문헌 (19)

J. Yeon, S. Park, J. Kim, and J. Joo, "Survey on the Use of Automobiles," KOTI Report, 2013.
J. Kim ,J. Park, D. Kim, S. Choi, Y. Lim, and J. Ryu, "Realization of Safe Land for Traffic Accidents," KRIHS 2014-22 Report, 2014.
G. Yang and X. Chen, "Analysis of Key Technologies to Achieve Autonomous Driving on Closed Roads in the Near Future," J. of Physics: Conference Series, vol. 1601, Open Access 052040, Aug. 2020.
T. Litman, "Autonomous Vehicle Implementation Predictions: Implications for Transport Planning," Report, 2021.
M. Bin and Y. Kim, "Prospects for the Introduction of Autonomous Vehicles and Changes in the Transportation Environment," Report, 2017.
H. Kaas, D. Mohr, P. Gao, D. Wee, and T. Moller, "Automotive Revolution Perspective Towards 2030," Report, Jan. 2016.
J. Kim and J. Ha, "Performing Missions of a Minicar Using a Single Camera," J. of the Korea Institute of Electronic Communication Science, vol. 12, no. 1, Feb. 2017, pp. 123-128.

원문보기 상세보기
J. Kwon, D. Kim, T. Hwang, and H. Park, "A Development of Effective Object Detection System Using Multi-Device LiDAR Sensor in Vehicle Driving Environment," J. of the Korea Institute of Electronic Communication Science, vol. 13, no. 2, Apr. 2018, pp. 313-320.

원문보기 상세보기
Y. Ahn and S. Kwak, "Long Distance Vehicle Recognition and Tracking using Shadow," J. of the Korea Institute of Electronic Communication Science, vol. 14, no. 1, Feb. 2019, pp. 251-256.

원문보기 상세보기
H. Lee, J. Jang, and G. Jeon, "Predicting of the Severity of Car Traffic Accidents on a Highway Using Light Gradient Boosting Model, "J. of the Korea Institute of Electronic Communication Science, vol. 15, no. 6, Dec. 2020, pp. 1123-1130.
J. Kim, Y. Ju, and E. Kim, "Object Recognition Technology using LiDAR Sensor for Obstacle Detection of Agricultural Autonomous Robot, "J. of the Korea Institute of Electronic Communication Science, vol. 16, no. 3, June 2021, pp. 565-570.
J. Park and H. Kim, "Autonomous Driving Technology," KISTEP 2019-16 Report, 2019.
P. Mandlik and A. Deshmukh, "Raspberry-pi based Real Time Lane Departure Warning System using Image Processing," International Journal of Engineering Research and Technology, vol 5, no. 6, June 2016, pp. 755-762.
Y. Wang, E. K. Teoh, and D. Shen, "Lane Detection and Tracking using B-Snake," Image Vis. Comput. vol. 22, no. 4, Apr. 2004, pp. 269-280.

상세보기
N. Hasan, T. Anzum, and Nusrat Jahan, " Traffic Sign Recognition System (TSRS): SVM and Convolutional Neural Network," 4th International Conference on Inventive Communication and Computational Technologies, Tamil Nadu, India, 2020.
F. Moutarde, A. Bargeton, A. Herbin, and L. Chanussot, "Modular Traffic Sign Recognition applied to On-vehicle Real-time Visual Detection of American and European Speed Limit Signs," 14th World Congress on Intelligent Transportation Systems, Beijing, China, 2007.
M. Mohammed, M. B. Khan, and E. B. M. Basher, Machine Learning : Algorithms and Application. Florida: CRC Press, 2017.
S. Shalev-Shwartz and S. Ben-David, Understanding Machine Learning: From Theory to Algorithm. Cambridge: Canmridge University Press, 2014.
I. Kim, J. Seo, D. Ha, and Y. Ko, "A Study on the Road Speed Sign Board Recognition Using a Vision Sensor and Deep Learning," In Proc. of the Korea Institute of Electronic Communication Science Conference, Daejeon, South Korea, 2021.

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