• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.803-805
• /
• 2022

자율주행의 시대가 도래함에 따라, 딥러닝 모델에 대한 적대적 공격 위험이 함께 증가하고 있다. 카메라 기반 자율주행차량이 공격받을 경우 보행자나 표지판 등에 대한 오분류로 인해 심각한 사고로 이어질 수 있어, 자율주행 시스템에서의 적대적 공격에 대한 방어 및 보안 기술 연구가 필수적이다. 이에 본 논문에서는 GTSRB 표지판 데이터를 이용하여 각종 공격 및 방어 기법을 개발하고 제안한다. 시간 및 정확도 측면에서 성능을 비교함으로써, 자율주행에 최적인 모델을 탐구하고 더 나아가 해당 모델들의 완전자율주행을 위한 발전 방향을 제안한다.

• 한국ITS학회 논문지
• /
• 제19권6호
• /
• pp.235-249
• /
• 2020

국토교통부는 2019년 12월에 세계 최초로 레벨 3 자율주행 차량에 대한 안전기준을 제정하였으며, 제어권전환을 포함한 부분 자율주행시스템의 안전과 관련된 기준들을 명시하였다. 하지만, 제정된 "부분 자율주행시스템의 안전기준"에서는 구체적인 운전 환경 등이 명시되어 있지 않다. 따라서, 자율주행자동차의 안전한 주행을 위해서는 실제로 자율주행자동차가 주행하게 될 다양한 운전 환경이 제어권전환에 미치는 영향을 분석할 필요가 있다. 본 연구에서는 주행 시뮬레이터를 이용하여 교통상황(서비스수준 D, E, F)과 기하구조(직선 및 곡선부) 및 기상 상황(주야 및 강우)이 제어권전환 시간과 안정화시간에 어떠한 영향을 미치는 지 알아보았다. 실험 절차는 사전교육, 연습주행, 시험주행의 순서로 진행되었으며 시험주행은 교통량 및 기하구조 실험과 기상 상황 실험으로 나누어서 진행되었다. 실험 결과, 교통상황과 기상 상황은 제어권전환 시간 및 제어권전환 안정화시간에 통계적으로 유의한 영향을 미치지 않았으며, 곡선반경만이 제어권전환 안정화시간에 통계적으로 유의한 영향을 미치는 것으로 분석되었다.

• 전자공학회논문지
• /
• 제54권1호
• /
• pp.55-69
• /
• 2017

최근 지능화된 사물들이 연결되는 네트워크를 통해 사람과 사물, 사물과 사물 간에 상호 소통하는 응용프로그램 및 하드웨어가 잇달아 소개되고 있다. 이런 추세에 더불어, 상황인식 기반의 지식이 결합되어 인공지능 서비스를 제공하는 사물인터넷(IoT : Internet of Things) 환경이 급속도로 발전하고 있다. 사물인터넷을 활용한 산업 중 하나로 자동차 산업을 들 수 있다. 최근에는 연료 효율과 원활한 교통 환경뿐만 아니라 운전자와 승객의 안전을 최우선으로 하는 자율 주행 자동차가 화두가 되고 있다. 이전부터 센서, 라이다, 카메라, 레이더 기술 등을 이용하여 자율 주행 자동차를 위한 주위 환경 인식에 대한 연구가 활발히 진행돼 왔다. 현대에는 차세대 무선통신 기술인 WAVE를 기반으로 차량과 차량, 차량과 주변의 교통 인프라와의 통신을 통한 네트워킹을 형성하고 주변 환경에 대한 정보를 공유하는 등 사물인터넷을 활용한 자율 주행 자동차 연구가 활발히 진행되고 있다. 본 논문에서는 자율 주행 자동차의 주위 환경 인식 기술의 일환으로 고속도로 교통 표지판 및 전방 잔여거리 인식에 관한 연구를 진행하였다. 본 연구는, 도로 교통 표지판이 설치 규정에 의하여 정해진 규격과 지정된 설치 위치를 갖고 있다는 특성을 이용하였다. 궁극적으로, 고속도로 주행 중 촬영한 영상을 이용하여 해당 비디오 영상 내에서 도로 교통 표지판을 인식한 뒤 추가적으로 표지판에 씌어 있는 문자 정보를 인식하고 이를 운전자 및 승객이 인지하도록 하는 이론 학습과 해당실험 결과를 제시하였다.

• 전자통신동향분석
• /
• 제26권6호
• /
• pp.108-119
• /
• 2011

로봇주행은 환경 정보와 위치 정보를 기반으로 현재 위치로부터 목적지까지 경로를 생성하고 제어하는 기술 체계를 의미한다. 주행 기술은 이미 로봇청소기, 군용로봇, 무인주행 자동차, 농업용 무인트랙터 등 개인용 서비스 로봇으로부터 전문서비스 로봇까지 다양한 응용제품의 형태로 구현되고 있다. 즉, 로봇주행은 로봇의 이동(mobility) 기능을 구현하는 것으로 제품 형태로 혹은 획기적인 기술 시연을 통해 보편화되고 있다. 본 고에서는 로봇주행 기술의 개요와 이를 구성하는 핵심 요소기술의 동향을 살펴보고 산업 및 표준화 동향을 살펴봄으로써 인식, 제어, SW, 시스템 공학 등 첨단융합기술로서의 로봇주행의 중요성과 기술확보 방향에 대해 살펴보고자 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제56차 하계학술대회논문집 25권2호
• /
• pp.17-18
• /
• 2017

본 논문은 스마트 팩토리의 중요 요소인 무인반송차(AGV)를 자율 주행시키기 위해 오픈 소스 자율 주행차 시뮬레이터인 udacity를 이용해 머신 러닝시키는 시스템을 개발하였다. 공장의 운행 루트를 자율주행 시뮬레이터의 전경으로 가공하고, 3개의 카메라를 부착시킨 AGV를 운행시키면서 머신 러닝시킨다. AGV를 주행하여 얻어진 여러 학습 데이터를 통해 도출된 결과들을 각각 비교하여 우수한 모델을 선정하고 운행시킨 결과 AGV가 정해진 운행 루트를 정확하게 주행하는 것을 확인하였다. 이를 통해, 가상 운행 환경에서 저비용으로 AGV 운행 학습이 가능하다는 것을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 춘계학술발표대회
• /
• pp.295-298
• /
• 2006

본 논문은 에이전트빌더를 통해 자동차 자율 운행을 위한 자동 주행 에이전트, 위치 파악 에이전트, 상태 점검 에이전트가 협동하는 멀티 에이전트를 구현하였다. 멀티에이전트의 협동 및 제어를 위해서 에이전트빌더에 내에 메타 제어기의 구성을 보여 주었으며, 현실에서의 자동차 주행 시 일반적으로 생기는 환경변수를 고려하고 일정 지역을 통하여 자율 주행에 대한 가능성을 찾았다.

• 한국음향학회:학술대회논문집
• /
• 한국음향학회 1998년도 학술발표대회 논문집 제17권 1호
• /
• pp.47-50
• /
• 1998

본 논문은 자동차의 편의성 및 안전성의 동시 확보를 위하여, 보조적 스위치의 조작없이 상시 음성의 입,출력이 가능하도록 하며, band pass filter를 이용하여 잡음환경에서 자동으로 정확하게 음성구간 검출(End Point Detection)을 하게 하였다. Reference Pattern은 Dynamic Multi-Section(DMS)[1] 모델을 사용하였고 차량의 속도에 따라 자동으로 잡음환경에 강인한 모델을 선택하도록 하였으며, 음성의 특징 파라미터와 인식 알고리즘은 Perceptual Linear Predictive(PLP) 13차와 One Stage Dynamic Programming(OSDP)를 사용하였다. 주행중인 자동차 환경(30~70km/h)에서 자주 사용되는 차량제어 명령 33개에 대하여 화자독립 92.98%, 화자종속 94.44% 인식율을 구하였다. 또한 주행중인 차량에서 카폰, 핸드폰 사용으로 인한 사고를 줄이기 위하여 음성으로 전화를 걸 수 있도록 하는 Voice Dialing 기능도 구현하였다.

• 한국정밀공학회지
• /
• 제16권4호통권97호
• /
• pp.189-196
• /
• 1999

환경지도를 갖고 있는 이동로봇은 정확한 경로계획에 의하여 주행하게 된다. 그러나 주행 중 예상하지 못한 장애물을 만나는 경우 새로운 경로정보가 요구된다. 본 논문에서는 부분적인 환경정보를 갖고 있는 이동로봇의 경로계획기법을 제시한다. 경로계획은 전체경로계획과 지역경로계획으로 구분되면 전체환경을 노드와 아크로 표시한 네트워크 모델을 이용하여 수행된다. 경로계획시간과 메모리 부담을 개선하기 위하여 네트워크 분할기법을 이용한 경로계획기법을 제안하였으며 지역경로계획에서는 정보가 변경된 부 네트워크에 대하여 경로계획을 수행하여 계산시간을 적게 소요하며 새로운 경로를 계산한다. 제안한 기법을 자동화 공장에서 주행하는 이동로봇에 적용하였으며 시뮬레이션과 실험을 통하여 제안한 기법의 성능을 보였다.

• 인터넷정보학회논문지
• /
• 제20권5호
• /
• pp.105-111
• /
• 2019

인공지능, 빅데이터, 자율주행 등 4차 산업혁명시대를 이끄는 핵심기술은 컴퓨팅 파워의 급속한 발전과 사물인터넷에 기반한 초연결 네트워크를 통해 구현되고 서비스된다. 본 논문에서는 자율주행을 위한 기본적인 기능으로 다양한 환경에서도 정확하게 주행가능한 영역을 인식하여 추출하는 인공지능 딥러닝 모델들을 구현하고, 그 결과를 비교, 분석한다. 주행가능한 영역을 추출하는 딥러닝 모델은 영상 분할 분야에서 성능이 우수하고 자율주행 연구에서 많이 사용하는 Deep Lab V3+와 Mask R-CNN을 활용하였다. 다양한 환경에서의 주행 정보를 위해 여러 가지 날씨 조건과 주 야간 환경에서의 주행 영상 및 이미지를 제공하는 BDD 데이터셋을 학습데이터로 사용하였다. 활용한 모델들의 실험 결과, DeepLab V3+는 48.97%의 IoU를 보였으며, Mask R-CNN은 68.33%의 IoU로 더 우수한 성능을 보였다. 또한, 구현한 모델로 추출된 주행가능 영역을 이미지에 표시하여 육안으로 검사한 결과, Mask R-CNN은 83%, Deep Lab V3+는 69% 정확도로 Mask R-CNN이 Deep Lab V3+ 보다 주행가능한 영역을 추출하는 분야에서는 더 성능이 높은 것으로 확인하였다.

• 대한전자공학회논문지SP
• /
• 제41권6호
• /
• pp.187-193
• /
• 2004

본 논문에서는 무한원점의 특성과 단일 비젼 시스템을 이용하여 자율 주행을 위한 GPS 위치 데이터 보정법을 제안한다. 실제 도로를 약 60 km의 거리를 주행하며 제안한 방법에 적용한 주행실험 결과를 제시하였다. 제안하는 방법은 직선도로의 환경에서 GPS 위치 오차론 최소 약 53% 이상 감소시켰고, 거리로는 0.5m 이내로 추정되었다. 그러나 곡선도로와 직선이 아닌 산악도로 등의 도로환경에서 정확도를 판별하기 어려운 관계로 직선도로에서의 오차만을 제시하였다.