http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
실내형 이동로봇을 위한 적외선 센서를 이용한 위치인식과 레이저 스캐너를 이용한 장애물 인식
최배훈(Baehoon Choi),김범성(Beomseong Kim),김은태(Euntai Kim) 한국지능시스템학회 2011 한국지능시스템학회 학술발표 논문집 Vol.21 No.1
본 논문은 실내형 이동로봇에 적용하기 위한 위치 인식과 장애물 인식 방법을 제안한다. 위치 인식을 위해 적외선 센서로 천장에 부착된 랜드마크를 인식하는 방법을 이용하여 이동 로봇의 위치를 파악하였다. 그렇게 파악된 위치와 가지고 있는 지도정보를 바탕으로 측정된 값이 벽일 확률을 계산하면 그 값이 장애물인지 벽인지의 여부를 판단할 수 있다. 그렇게 파악된 장애물의 위치는 추후 물체 추적 등의 응용기술에 적용되어 사용될 수 있다.
실내형 이동로봇을 위한 레이저 스캐너를 이용한 위치 인식과 장애물 추적
최배훈(Baehoon Choi),김범성(Beomseong Kim),김은태(Euntai Kim) 한국지능시스템학회 2011 한국지능시스템학회논문지 Vol.21 No.3
본 논문은 실내형 이동로봇에 적용하기 위한 위치인식과 장애물 추적 방법을 제안한다. 제안된 방법을 구현하기 위해 레이저 스캐너가 사용되었으며 로봇이 운행되는 공간의 지도정보를 미리 알고 있다고 가정한다. 레이저 스캐너의 측정치를 지도정보와 매칭해가며 Sequential Monte Carlo (SMC)방법을 이용하여 로봇의 위치를 파악하고 파악된 위치에서 주변 장애물의 위치를 인식하고 다중 물체 추적 알고리즘을 이용함으로써 장애물과의 충돌 위험성 등을 미리 파악할 수 있다. 마지막으로, 본 논문에서 제안한 방법을 실험을 통해 검증한다. This paper presents the method for location estimation with obstacle tracking method. A laser scanner is used to implement the system, and we assume that the map information is known. We matches the measurement of the laser scanner to estimate the location of the robot by using sequential monte carlo (SMC) method. After estimating the robot's location, the pose of obstacles are detected and tracked, hence, we can predict the collision risk of them. Finally, we present the experiment results to verify the proposed method.
MCMC 기반 파티클 필터를 이용한 지능형 자동차의 다수 전방 차량 추적 시스템
최배훈(Baehoon Choi),안종현(Jhonghyun An),조민호(Minho Cho),김은태(Euntai Kim) 한국지능시스템학회 2015 한국지능시스템학회논문지 Vol.25 No.2
지능형 자동차는 주변 환경에 대한 인식을 바탕으로 동작을 계획하고 움직인다. 따라서 정확한 환경 인식은 자율 주행 자동차의 필수 요소로 여겨진다. 차량의 주행 환경은 차량이나 보행자 같은 동적인 장애물이 다수 존재하여, 안전한 동작을 위해 이런 동적 장애물에 대한 인식이 정확하게 이루어져야 한다. 이를 위해 센서의 불확실성을 극복하는 일이 필수적이다. 본 논문에서는 레이더 센서를 이용하여 다수의 차량을 인식하고 추적하는 알고리즘을 제안한다. 제안된 추적 시스템은 몇 가지 특징을 갖는다. 레이더 센서가 차량을 계측할 때, 그 데이터가 양 모서리에서 주로 나타나는 특징을 혼합 밀도 네트워크로 표현하고, 이렇게 표현된 레이더 데이터의 확률적인 분포를 파티클 필터의 가중치 계산에 적용하여 추적 알고리즘을 수행하였다. 또한, 파티클 필터가 갖는 차원의 저주를 극복하고 시간의 흐름에 따라 그 숫자가 변화하는 다수 대상체의 상태를 예측하기 위해 가역 점프 마르코프 체인 몬테 카를로 (RJMCMC)를 통한 샘플링을 적용하였다. 제안된 알고리즘은 시뮬레이션을 통해 검증되었다. Intelligent vehicle plans motion and navigate itself based on the surrounding environment perception. Hence, the precise environment recognition is an essential part of self-driving vehicle. There exist many vulnerable road users (e.g. vehicle, pedestrians) on vehicular driving environment, the vehicle must percept all the dynamic obstacles accurately for safety. In this paper, we propose an multiple vehicle tracking algorithm using microwave radar. Our proposed system includes various special features. First, exceptional radar measurement model for vehicle, concentrated on the corner, is described by mixture density network (MDN), and applied to particle filter weighting. Also, to conquer the curse of dimensionality of particle filter and estimate the time-varying number of multi-target states, reversible jump markov chain monte carlo (RJMCMC) is used to sampling step of the proposed algorithm. The robustness of the proposed algorithm is demonstrated through several computer simulations.
최배훈(Baehoon Choi),김범성(Beomseong Kim),박성근(Seongkeun Park),이희진(Heejin Lee),김은태(Euntai Kim) 한국지능시스템학회 2010 한국지능시스템학회 학술발표 논문집 Vol.20 No.2
본 논문은 초기 정보가 없는 시스템의 상태 예측을 위해 전통적인 파티클 필터에 단순화된 PSO를 결합하여 새로운 방법을 제시한다. 전통적인 파티클 필터는 초기 정보가 없으면 이를 극복하기 위해 많은 파티클을 필요로 하지만 제안된 방법은 단순화된 PSO를 적용하여 적은 수로도 파티클의 다양성을 유지하여 문제를 해결한다. 마지막으로, 본 논문에서 제안한 방법을 2차원의 물체 추적 문제에 적용하여 성능을 확인한다.
김범성(Beomseong Kim),최배훈(Baehoon Choi),안종현(Jhonghyun An),황재호(Jaeho Hwang),김은태(Euntai Kim) 한국지능시스템학회 2014 한국지능시스템학회논문지 Vol.24 No.4
최근 지능형 자동차의 능동적 안전 기술에 많은 관심이 집중되고 있다. 능동적 안전 기술은 시스템이 운전자에게 위험 상황을 경고 하거나 교통사고를 회피하는 방향으로 차량 제어의 일부를 도와주어 운전자의 부주의 및 과실로 발생하는 교통사고의 발생 가능성을 감소시킨다. 이러한 능동적 안전 기술을 구현하기 위해서는 주변의 환경 정보를 정확하게 인식하고 분석하는 것이 필수적인데, 주변의 차량과 자차량간의 충돌 위험도를 판단하는 것도 그중 하나이다. 하지만 충돌이 발생하기 이전에 충돌 가능성을 판단하는 것은 일반적인 방법으로는 불가능하기 때문에 몬테 카를로 모의실험을 통하여 이를 해결한다. 하지만 몬테 카를로 모의실험은 연산시간이 길기 때문에 실시간으로 동작해야하는 충돌 경고 시스템에는 적합하지 않다. 이때 신경회로망을 이용하면 이러한 문제를 해결 할 수 있으며, 본 논문에서는 자차량과 주변 차량간의 상태정보에서 충돌에 영향을 주는 충돌 특징점을 추출하여 신경회로망의 성능을 높이는 방법을 제안한다. 제안된 알고리즘은 시나리오 기반으로 Tass사의 PreScan을 이용하여 생성된 충돌 실험데이터에 적용하여 성능을 평가한다. Recently, there are many researches on active safety system of intelligent vehicle. To reduce the probability of collision caused by driver"s inattention and mistakes, the active safety system gives warning or controls the vehicle toward avoiding collision. For the purpose, it is necessary to recognize and analyze circumstances around. In this paper, we will treat the problem about collision risk assessment. In general, it is difficult to calculate the collision risk before it happens. To consider the uncertainty of the situation, Monte Carlo simulation can be employed. However it takes long computation time and is not suitable for practice. In this paper, we apply neural networks to solve this problem. It efficiently computes the unseen data by training the results of Monte Carlo simulation. Furthermore, we propose the features affects the performance of the assessment. The proposed algorithm is verified by applications in various crash scenarios.