http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
A New Evolutionary Particle Filter for the Prevention of Sample Impoverishment
Seongkeun Park,Jae Pil Hwang,Euntai Kim,Hyung-Jin Kang IEEE 2009 IEEE transactions on evolutionary computation Vol.13 No.4
<P>Particle filters perform the nonlinear estimation and have received much attention from many engineering fields over the past decade. Unfortunately, there are some cases in which most particles are concentrated prematurely at a wrong point, thereby losing diversity and causing the estimation to fail. In this paper, genetic algorithms (GAs) are incorporated into a particle filter to overcome this drawback of the filter. By using genetic operators, the premature convergence of the particles is avoided and the search region of particles enlarged. The GA-inspired proposal distribution is proposed and the corresponding importance weight is derived to approximate the given target distribution. Finally, a computer simulation is performed to show the effectiveness of the proposed method.</P>
Multiple Data Association and Tracking Using Millimeter Wave Radar
Seongkeun Park,Euntai Kim,Heejin Lee,Hogi Jung 제어로봇시스템학회 2008 제어로봇시스템학회 국제학술대회 논문집 Vol.2008 No.10
In this paper, in order to support convenience and safety to drivers, we track out the moving vehicle. A target makes several sensor measurements and we have to cluster these several measurements. In order to cluster multiple sensor measurements, we use geometric information of sensor measurements. 24GHz millimeter wave sensor is used in our proposed method. Real world experiments show the superiority our proposed method.
박성근(Seongkeun Park) 한국지능시스템학회 2018 한국지능시스템학회논문지 Vol.28 No.2
본 논문에서는 차량의 능동안전을 위한 장애물 추적과 분류가 가능한 인식 알고리즘을 제안한다. 일반적인 도로 환경에서 보행자와 차량의 움직임은 서로 다른 형태를 갖게 되는데, 본 논문에서는 이러한 다른 형태의 운동 역학 모델을 이용하여 차량과 보행자를 구분한다. 레이더와 같은 거리 센서는 잡음이 섞인 제한적인 센서 정보를 제공하는데, 일반적으로 거리 센서를 기반으로 하여 개발되는 주행환경 인식 알고리즘은 장애물의 위치를 파악하는데 제한적으로 사용되고 있다. 본 논문에서는 이러한 거리센서를 이용하여 장애물을 추적하고, 이를 기반으로 장애물의 종류를 구분한다. 모의 실험을 통해, 제안된 알고리즘의 유효성을 입증한다. In this paper, we propose a target classification system for active safety vehicle system. Since the kinematic model of pedestrian and vehicle are different from each other, we classify the targets based on their kinematic model. Further, by introducing concept of belief, probabilistic fusion method is conducted for improving the classification accuracy. Some experiments are performed to show the validity of the proposed method.
재귀적 확률 갱신 방법을 이용한 보행자 충돌 위험 판단 방법
박성근(Seongkeun Park),김범성(Beomseong Kim),김은태(Euntai Kim),이희진(Heejin Lee),강형진(Hyung-Jin Kang) 한국지능시스템학회 2011 한국지능시스템학회논문지 Vol.21 No.4
본 논문에서는 충돌 위험도 판단 시스템을 제안한다. 먼저 칼만 필터를 이용하여 보행자의 정보를 예측하고, 몬테 카르롤로 모의 실험과 신경 회로망을 이용해 충돌 확률을 계산한다. 그리고 과거의 충돌 확률 정보를 이용하여 충돌확률을 예측한다. Belief 충돌 예측 방법은 현재뿐만 아니라, 과거의 필터링 정보를 모두 이용하여 충돌 확률을 에측한다. 마지막으로 컴퓨터 시뮬레이션으로 제안된 알고리즘의 성능을 확인한다. In this paper, we propose a collision risk assesment system. First, using Kalman Filter, we estimate the information of pedestrian, and second, we compute the collision probability using Monte Carlo Simulations(MCS) and neural network(NN). And we update the collision risk using time history which is called belief. Belief update consider not only output of Kalman Filter of only current time step but also output of Kalman Filter up to the first time step to current time step. The computer simulations will be shown the validity of our proposed method.
박성근(Seongkeun Park),류경진(Kyungjin Rou),김은태(Euntai Kim),강형진(Hyungjin Kang) 한국자동차공학회 2007 한국자동차공학회 춘 추계 학술대회 논문집 Vol.- No.-
In this paper, we develop the obstacle detection system. To construct obstacle detection system, FMCW radar is used in this obstacle detection system. To understand the operation of FMCW, we simulate FMCW radar using matlab simulation tool. The basic principle of FMCW shows the iComputer simulations.
Fuzzy Interacting Multiple Model을 이용한 관측왜곡 시스템의 차량추적
박성근(Seongkeun Park),황재필(Jae Pil Hwang),류경진(Kyungjin Rou),김은태(Euntai Kim) 한국지능시스템학회 2008 한국지능시스템학회논문지 Vol.18 No.6
본 논문에서는 관측왜곡을 포함하고 있는 적응형 순항제어 시스템개발에 필수적인 필터링 방식에 대한 연구를 진행한다. 앞선 차량의 정확한 추적과 의도파악을 위하여 기본적으로 IMM (Interacting multiple model)을 사용하며 관측의 왜곡을 보상하기 위하여 확률적 퍼지 모델을 제안한다. 확률적 퍼지 모델은 기존의 결정형 퍼지모델과 달리 모델링 오차를 확률로 모델링한다. 끝으로 확률퍼지모델과 IMM을 결합한 FIMM (Fuzzy IMM)을 제안하여 관측왜곡이 발생하는 레이더를 이용한 전방차량의 추적 알고리즘을 제안한다. In this paper, a new filtering scheme for vehicle tracking with distorted measurement is presented. This filtering scheme is essential for the implementation of the adaptive cruise control (ACC) system. The proposed method combines the IMM and the probabilistic fuzzy model and is named as the Fuzzy IMM (FIMM). The IMM is employed to recognize the intention of the preceding vehicle. The probabilistic fuzzy model is introduced to compensate the distortion of the range sensor. Finally, a computer simulation is performed to illustrate the validity of the suggested algorithms.
합성곱 회귀네트워크 기반의 End-to-End 자율주행
박민규(Mingyu Park),김현석(Hyeonseok Kim),박성근(Seongkeun Park) 한국지능시스템학회 2019 한국지능시스템학회논문지 Vol.29 No.4
자율주행에 관한연구는 다양하게 진행되고 있으며, 특히 센서 모델링 등을 통한 rule based 기법의 자율주행이 활발하게 연구되고 있다. 이러한 규칙기반 자율주행 방법의 경우 정형화된 환경에서는 안전한 주행이 가능하나, 실제 도로환경과 같이 변수가 많은 환경에서는 오탐지, 미탐지 등으로 인한 사고가 발생 할 수 있다. 이에 본 연구에서는 비정형화된 환경에서도 안전한 자율주행이 가능 하도록 카메라와 LiDAR 센서의 Raw Data를 이용하고, 이를 토대로 합성곱 회귀네트워크에 입력하여 차량의 종, 횡방향 제어값을 예측하는 연구를 진행한다. A vehicle that runs on its own without the driver’s intervention to the destination is called an autonomous vehicle. In particular, autonomous driving of rule - based techniques through sensor modeling is actively researched. This rule-based autonomous driving method can be safely run in a formal environment, but it can cause an accident due to false detection or undetected in a variable environment like actual road environment. In this study, we use Raw data of LiDAR sensor and image to enable safe autonomous driving in an informal environment, and then input to the CRNN(Convolutional Recurrent Neural Network)based on this data to predict the longitudinal and lateral control values of the vehicle.
모노 카메라 영상과 딥 러닝을 이용한 차량 검출 및 거리 등급 분류에 관한 연구
박민규(Mingyu Park),김현석(Hyeonseok Kim),최혁두(Hyukdoo Choi),박성근(Seongkeun Park) 한국지능시스템학회 2019 한국지능시스템학회논문지 Vol.29 No.2
본 연구에서는 차량에 부착된 모노 카메라와 딥 러닝을 이용하여 객체 검출 및 검출된 객체에 대한 거리정보를 바탕으로 하는 위험도 분류 시스템을 제안한다. 다양한 상황에서 기존 컴퓨터 비전 기법들보다 변화에 강인하며 검출 능력이 뛰어난 딥 러닝을 이용하여 주행 영상을 통해 주행환경 상에 있는 객체들을 검출한다. 이때 객체 검출기로는 합성 곱 신경망 네트워크를 기반으로 만들어진 YOLO v2(You Only Look Once v2)알고리즘을 이용하며, 해당 알고리즘은 사전에 ImageNet 1000 Class 데이터로 학습 된 Pre-trained model에 KITTI 데이터 셋 및 웹 포털 사이트에서 크롤링을 통해 획득한 12K개의 이미지를 이용하여 전이학습 하였다. 그리고 DB 구축 Tool을 이용하여 KITTI 데이터 셋에서 취득한 이미지와 캘리브레이션된 LiDAR 센서 데이터를 통해 검출된 객체와의 거리 정보를 취득하였다. 객체 검출기의 결과로는 Bounding Box의 이미지 내 좌표인 x,y와 Bounding Box의 이미지 내 크기인 width, height 정보가 나온다. 객체와의 거리정보를 특정 구간 단위로 분류하여 Class화 하였고, 해당 Class(거리 등급)와 객체 검출 정보인 Bounding box 정보들을 Multi-layer Perceptron을 이용하여 분류한다. In this study, we propose a risk classification system based on distance information of object detected and objects detection using mono camera based on deep learning. It detects the objects in the driving environment through driving images by using deep learning which is robust against change and has superior detection ability than existing computer vision techniques in various situations. In this case, we use YOLO v2 (You Only Look Once v2) algorithm, which is based on a convolution neural network as an object detector. The algorithm uses a KITTI data set and a web portal The site was trained using 12K images acquired through crawling. Using the DB construction tool, we obtained the distance information between the image obtained from the KITTI dataset and the detected object through the calibrated LiDAR sensor data. The result of the object detector is x, y coordinates in the image of the bounding box, and width and height information in the image of the bounding box. Classification is made by classifying the distance information with objects in a specific section, and classification of the class (distance class) and object detection information, Bounding box information, using Multi-layer Perceptron.