http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
변예림(Yerim Byeon),박만복(Manbok Park) 대한전자공학회 2020 대한전자공학회 학술대회 Vol.2020 No.8
The process of recognizing objects through clustering, tracking, and predicting the raw data of Lidar is implemented in this paper. The results on the Lidar signal processing and the coordinates of the camera and radar are fused, and compared with the existing convergence method. Lidar, radar, and camera ware fused to object level. This study was based on ros, and the sensors used in the existing fusion method are radar and camera.
변예림(Yerim Byeon),문성철(Sungchul Moon),박만복(Manbok Park) 한국자동차공학회 2019 한국자동차공학회 부문종합 학술대회 Vol.2019 No.5
자율주행 자동차는 인식-판단-제어의 3단계로 이루어져있다. 그 중 측위는 GPS와 같은 항법센서를 이용해 획득한 정보로 자율주행에 있어 중요한 기술이다. 저가 GPS만으로는 정확한 측위를 측정하기 어려워 본 연구에서는 Lidar 및 정밀지도 등 환경센서를 이용하여 측위를 개선하고자 한다. 본 연구에서는 객체들에 대한 Lidar 및 정밀지도의 GPS를 이용하였으며 ICP 알고리즘을 적응하여 저가 GPS의 측위 정확도를 개선하였다. 시험차량을 구성하고 시나리오를 선정하여 구현한 측위 개선 알고리즘의 성능을 검증하였다.
변예림(Yerim Byeon),박만복(Manbok Park) 대한전자공학회 2021 전자공학회논문지 Vol.58 No.12
라이다는 자율주행 자동차의 핵심센서 중 하나로 많은 연구가 진행되고 있다. 본 논문에서는 라이다 센서 신호처리의 선행과정인 지면 데이터 제거 및 과속 방지턱 인식 알고리즘을 개발하였다. 최소 자승법을 이용하여 경로 내의 지면의 2차 방정식을 이용한 지면 데이터 제거를 수행하였다. 또한, 방지턱 유무에 따른 라이다 신호의 채널 간 비율의 예측값과 측정값을 분석하여 차량의 경로 내에 존재하는 방지턱을 인식하였으며, 자율주행 사고 방지를 위한 방지턱 유무에 따른 차량 제어 알고리즘을 개발하였다. 효과적인 지면 제거를 위하여 방지턱 존재 유무에 따른 지면 방정식 갱신 여부를 판단하였다. 제안된 알고리즘을 실차에 적용하여 지면 제거 성능과 방지턱 인식 성능을 확인하였다. LIDAR is one of the core sensors of self-driving cars, and many studies are being conducted. In this paper, a ground data removal and speed bump recognition algorithm, which are the preceding processes of lidar sensor signal processing, was developed. Ground data was removed using the quadratic equation of the ground in the path using the least square method. Also, it depends on the speed bump. By analyzing the predicted and measured values of the signal-to-channel ratio, a vehicle control algorithm was developed according to the presence or absence of a bump existing in the path of the vehicle. In order to effectively remove the ground, it was determined whether the ground equation was updated according to the presence or absence of a bump. The proposed algorithm was applied to the actual vehicle to confirm the ground removal performance and the bump recognition performance.
변예림(Yerim Byeon),박만복(Manbok Park) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
자율 주행 자동차는 운전자의 개입 없이 스스로 목적지까지 운전하는 자동차를 뜻한다. 자율 주행 자동차에 대한 관심이 커짐에 따라 이를 발전시키기 위한 기술이 주목받고 있다. 그 중 경로 계획 기술은 자율주행에 있어 필수적인 기술로, 자율 주행 자동차는 생성된 경로를 따라 목적지까지 주행하게 된다. 실제 차량을 주행할 때 공사구간 등 장애물을 회피하여 주행해야 할 상황이 발생할 수 있다. 본 연구에서는 카메라 센서를 이용해 전방의 Traffic cone을 인식하고 주행 경로 내에 존재할 경우 장애물을 회피하는 경로 생성 알고리즘을 개발 및 검증하였다. 그림 1은 본 연구에서 사용한 차량 사진이다. 객체 인식을 위한 센서는 차량 루프탑에 설치한 카메라를 이용하였다. 그림2와 같이 객체인식을 위한 인공지능 PC와 차량 제어를 위한 제어 PC로 나누어 연산 속도를 절감하였다. 경로 생성은 특정 경로의 절대 좌표(위도, 경도)를 추출하여 생성하였다. 경로를 생성하기 위해 아래의 식을 이용해 절대 좌표를 상대 좌표(x, y)로 변환한다. 식①의 Heading_ang은 북극성을 기준으로 차량이 얼만큼의 각도로 틀어져 있는지를 의미하며, Point_ang은 추출한 절대 좌표(위도, 경도) 와 차량과의 각도를 의미한다. 식②의 Point_dis는 추출한 절대 좌표(위도, 경도)와 차량과의 거리를 의미한다. ①Theta = (-1) * (Point_ang – Heading_ang) ② x= cos(Theta * (π/180)) * Point_dis y= sin(Thera *(π/180)) * Point_dis 구한 상대좌표(x,y)를 이용하여 경로의 2차방정식 y=ax²+bx+c을 구한다. a₁ = y[0]((x[0]-x[1])*(x[0]-x[2])) a₂ = y[1]((x[1]-x[0])*(x[1]-x[2])) a₃ = y[2]/((x[2]-x[0])*(x[2]-x[1])) a=(a₁+a₂+a₃), b=(-a₁*(x[1]+x[2])-(a₂*x[0]+x[2])-a₃*(x[0]+x[1])), c=(a₁*(x[1]+x[2])+(a₂*x[0]+x[2])+a₃*(x[0]+x[1])) 객체 인식은 Darknet YOLOv3의 네트워크 구조를 변경하여 인식하였으며, 인식한 객체가 차량의 주행경로 내에 있을 경우 그림 3과 같이 아래의 순서로 회피 경로를 생성하였다. 회피 경로 생성은 회피-유지-복귀로 진행하였다. 우선, 기존 경로의 2차방정식 y = ax²+bx+c의 미분 y’ = 2ax + b 를 구한 후 회피경로를 생성하였다. 본 논문은 실차를 통해 성능 검증하였으며, 그림4는 실차에서 알고리즘을 적용한 회피 경로 생성 결과이다. 그림 4 상단의 그림은 기존 경로이며, 하단의 그림은 Traffic cone을 회피하기 위한 생성된 경로이다. 〈그림 본문 참조〉