• 대한의용생체공학회:의공학회지
• /
• 제18권4호
• /
• pp.447-456
• /
• 1997

장애자나 노약자가 이동형의 재활보조 시스템을 조이스틱을 이용하여 직접 조작할 경우, 정상인과 달리 조이스틱 제어시 떨림이나 순간적인 오조작 (예를들면 조이스틱으로 손에서 놓치는 경우)이 자주 발생 하게 된다. 이러한 오조작이 그대로 전달될 경우 이동형 재활 보조시스템의 진동잉나 오동작을 초래하고, 특히 장애자나 노약자의안전성의 측면에서 문제로 대두된다. 따라서 본 연구에서는 이러한 문제점을 해결하기 위하여 장애자의 오조작 및 주위 환경과의 충돌을 방지하기 위하여 초음파 센서를 사용하여 물체와 이동 로봇의 접근 정도를 측정하고 이에 따라 이동 로보트가 물체에 접근하는 것을 방해할 수 있도록 모터부착형 조이스틱에 토오크를 걸어주는 조이스틱을 사용한 힘 반향 주행 기법을 제안하였다. 제안될 힘 반향 기법의 유효성을 입증하기 위하여 원통형의 전방 장애물과 복도의 벽면을 가상으로 만들고 이를 따라 조이스틱을 조작하여 주행실험을 하였으며, 그 결과 조작자의 숙련도의 차이는 있었으나 장애물 정보를 조이스틱을 통하여 조작자에게 전달됨을 확인함으로써 조작성능과 장애물에 대한 안전성이 향상됨을 알수 있었다.

• 한국ITS학회 논문지
• /
• 제15권4호
• /
• pp.68-80
• /
• 2016

자율주행 차량은 다양한 센서를 활용하여 사람과 유사한 수준으로 실시간 도로환경 변화를 인지, 환경 변화에 대한 적절한 판단 및 제어를 수행하여야 한다. 특히 영상센서는 차선인식 기능을 통해 주행방향 결정 및 차로이탈 방지 등 조향제어 수행을 위한 인지에 활용된다. 하지만 관련 성능기준은 ADAS(Advanced Driver Assistance System)와 연계된 '운전자 보조' 역할에 초점이 맞춰져, 자율주행시 요구되는 '주체적 상황 인지'를 위한 성능조건과 다를 것으로 판단된다. 본 연구에서는 자율주행시 차선인식 기능이 정상적으로 작동되지 않는 상황이 지속될 때 차량 진행방향과 도로 선형방향의 불일치에 따라 발생되는 횡방향 차로이탈을 차량의 이동 궤적을 기반하여 추정하고, 안전성 확보를 위한 차로이탈 허용 수준 및 영상센서 성능수준을 제시하였다. 분석 결과 승용차 조건에서 차선인식 기능이 1초 이상 연속적인 오작동을 일으킨다면 차로이탈에 의한 위험한 상황에 놓일 수 있는 것으로 나타났다. 따라서 자율주행 차량을 위한 차선인식 기능 평가 시 현재 기준보다 큰 횡방향 차로이탈상황에 대한 검토가 필요할 것으로 판단된다.

• 대한의용생체공학회:의공학회지
• /
• 제16권4호
• /
• pp.543-554
• /
• 1995

본 논문에서는 전동화 수동 휠체어 INMEL-VII를 위한 주행 안정성과 제어기의 개선에 관하여 연구하였다. 기 개발된 INMEL-VI의 2년 여에 걸친 현장 실험에서 오르막길에서의 후방 전복으로 인한 주행안정성, 모터의 PWM 제어로 인한 스위칭 노이즈, 심한 내리막길에서 주행 명령이 없어도 모터가 회전하는 문제들이 지적되었다. 이러한 문제를 해결하기 위해 INMEL-VII에서는 모터와 구동축을 직결하고 출력을 증가시켰으며 바퀴의 중심축을 이동하여 무게중심을 안쪽으로 이동시켜서 후방 전복 임계 경사각을 크게 증가시켰고, 스위칭 주파수를 5kHz로 설정하기 위해 하드웨어를 개선하였다. 또한 INMEL-VII에서는 다양한 가속 및 감속 루틴으로 소프트웨어의도 개선하였다. 현장 주행 실험 결과 기계적 구성과 소프트웨어의 개선으로 인한 주행 안정성이 증가되고 다양한 조작이 가능해졌음을 알 수 있었다. 본 연구결과로 장애자의 보행 보조기구연구에 기여하고 보행부자유자에게는 염가의 국산 전동휠체어를 사용할 수 있는 기화가 증가되기를 기대한다.

• 한국지능시스템학회논문지
• /
• 제16권5호
• /
• pp.544-549
• /
• 2006

본 논문은 인간의 보조 역할을 하기 위해 자율적인 명령을 내리고 사용자가 직접 제어할 수 있는 지능형 주행 판단 시스템(Judgment System for Intelligent Movement; JSIM)에 대한 연구이다. 본 논문에서는 제어 대상은 이동 로봇으로 한정한다. 이동 로봇은 지능형 주행 판단 모듈을 휴대한 사용자에게 영상정보와 초음파 센서 정보를 제공하고 가이드 역할을 수행한다. 그리고 PDA와 센서박스로 구성된 지능형 주행 판단 시스템은 이동로봇으로부터 얻은 정보와 사용자 명령을 입력으로 사용하는 소프트 컴퓨팅 기법을 이용하여 이동로봇의 속도와 방향을 결정하고 다양한 기능을 수행하도록 로봇을 원격으로 제어한다. 본 논문에서는 몸에 착용하고 주변장치들과 통신을 하며 지능적 판단을 할 수 있는 지능형 주행 판단시스템을 구성하고 실제 환경에서 지능적 판단 알고리즘 적용과 이동로봇을 제어하는 시스템을 구현하여 제안한 시스템의 실현 가능성을 검증한다. 지능 알고리즘은 계층적 퍼지 구조와 신경망을 융합한 구조이다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2016년도 하계학술대회
• /
• pp.191-193
• /
• 2016

후방 램프를 이용하는 기존의 차량 검출 기법들은 주로 색상 정보를 활용한다. 그러나 조도가 낮은 야간 환경의 특성상 색상 정보를 온전히 활용할 수 없는 경우가 빈번하게 발생한다. 이를 해결하기 위해 본 논문에서는 야간 환경에서 후방 램프의 밝기 값만을 이용해 차량을 검출한다. 일반적으로 후방 램프를 검출하기 위해 색상 정보와 밝기 값을 이용해 이진화를 하게 되는데, 본 논문에서는 밝기 값을 이용해 톤 매핑 과정을 수행하여 후방 램프의 모양을 보존한다. 밝기 값 만을 이용하기 때문에 오검출이 증가하게 되는데 이는 후방 램프에 대한 조건을 알고리즘에 적용함으로써 해결한다. 이에 더해 추적 알고리즘을 적용하여 남아있는 오검출을 제거한다. 이러한 과정은 모두 실시간으로 이루어지기 때문에 최근 활발히 연구되고 있는 자동 주행 시스템이나 주행 보조 시스템 등에 활용 될 수 있다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2002년도 추계학술대회 및 정기총회
• /
• pp.98-101
• /
• 2002

기존의 이동로봇 시스템은 완전한 자율주행이 주된 목표였으며 이때 영상정보는 단지 모니터링을 하는 보조적인 수단으로 사용되었다. 이에 따라 이동로봇의 자체 기능이 점차 고도화되는 방향으로 연구가 진행되었고, 제작비 또한 함께 상승하게 되었다. 그러나 구동만이 목적인 저렴한 이동로봇 시스템을 조작자가 원격 제어하는 것 또한 중요한 분야 중 하나이다. 이때 원격제어에 사용되는 신호로는 카메라에 의한 영상정보와 초음파 센서 등에 의한 거리정보를 주로 사용하게 된다. 그러나 영상정보는 3차원의 입체적 정보를 제공하는 데에는 부적절하기 때문에 초음파 센서를 이용한 거리정보가 매우 유용하게 된다. 본 논문에서는 초음파 센서의 정보를 이용한 원격제어용 힘 반향 조이스틱을 개발하였다. 힘 반향 알고리즘은 하나의 식으로 표현하기 곤란하므로 전문가 시스템의 구현이 매우 필요한 분야이다. 따라서 퍼지 논리를 사용하여 생성한 힘 반향 알고리즘을 이동로봇 원격제어에 사용함으로써 조작자가 이동로봇 주변환경을 쉽게 인식하여 이동로봇을 안전하게 주행할 수 있도록 하였다.

• 정보와 통신
• /
• 제34권5호
• /
• pp.3-9
• /
• 2017

운전자 보조 시스템이나 자율 주행 자동차 기술의 등장 등 자동차 산업이 고도화됨에 따라 차량에 탑재되는 전기/전자 시스템의 수와 시스템의 복잡도가 점차 증가하고 있다. 특히 주행 중심에서 안전 중심으로 산업의 패러다임이 변화함에 따라 전기/전자 시스템의 오작동으로 인한 사고를 방지하는 것이 중요 이슈로 부각되었고, 이를 충족하기 위해 지난2011년 자동차 기능안전 국제 표준인 ISO 26262가 제정되었다. ISO 26262:2011은 총 10개의 Part로 구성되어 있으며, 개발 초기단계부터 생산 및 운영, 폐기단계까지 준수해야 할 안전 관련 요구사항을 제시하고 있다. OEM을 비롯한 많은 협력 업체들은 이미 이를 준수하여 국내외 완성차 업체에 대응하고 있으며, 더 나아가 2018년에 예정된 ISO 26262 2차 개정을 미리 준비하고 있다. 본 고에서는 ISO 26262:2011의 등장 배경과 개념에 대해 설명하고, ISO 26262:2011의 효과적인 대응을 위한 수행 방안을 Part 3 개념 단계부터 Part 6 소프트웨어 수준의 제품 개발 단계까지 주요 핵심 수행 활동을 중심으로 소개한다.

• 한국인터넷방송통신학회논문지
• /
• 제20권2호
• /
• pp.149-155
• /
• 2020

한국도로교통공단은 교통사고분석시스템(TAAS)을 활용하여 2015년부터 발생한 교통사고 원인을 분석한 통계를 제공하고 있다. 교통사고 발생 주요 원인으로, 2018년 한해 전체 교통사고 발생원인 중 전방주시 부주의가 대부분의 원인임을 TAAS를 통해 발표했다. 교통사고 원인에 대한 통계자료의 세부항목으로 운전 중 스마트폰 사용, DMB 시청 등의 안전운전 불이행 51.2%와 안전거리 미확보 14%, 보행자 보호의무 위반 3.6% 등으로, 전체적으로 68.8%의 비율을 보여준다. 본 논문에서는 Deep Learning의 알고리듬 중 CNN(Convolutional Neural Network)를 활용하여 첨단 운전자 보조 시스템 ADAS(Advanced Driver Assistance Systems)을 개선한 시스템을 제안하고자 한다. 제안된 시스템은 영상처리에 주로 사용되는 Conv2D 기법을 사용하여 운전자의 얼굴과 눈동자의 조향을 분류하는 모델을 학습하고, 차량 전방에 부착된 카메라로 자동차의 주변 object를 인지 및 검출하여 주행환경을 인지한다. 그 후, 학습된 시선 조향모델과 주행환경 데이터를 사용하여 운전자의 시선과 주행환경에 따라, 위험요소를 3단계로 분류하고 검출하여 운전자의 전방 및 사각지대 보조한다.

• 한국산학기술학회논문지
• /
• 제21권3호
• /
• pp.57-64
• /
• 2020

첨단 운전자 보조시스템(ADAS, Advanced Driver Assist System)의 주요 기술에는 적응형 순항 제어(ACC, Advanced Cruise Control), 주행 조향보조 시스템(LKAS, Lane Keeping Assist System), 자동 긴급제동 시스템(AEB, Autonomous Emergency Braking) 등이 있다. ADAS 중 LKAS는 카메라(camera)와 적외선 센서(sensor)를 사용하여 운전자가 의도하지 않은 차선이탈이 발생하였을 때, 조향 보조장치를 제어하여 주행 차선으로 복귀하는 시스템이다. 이러한 시스템의 안전성 평가와 검증을 위해 실차시험을 진행한다. 그러나 LKAS 동작 후 임의의 추가 조향각이 인가될 경우에 대한 연구는 미흡하다. 본 논문에서는 선행연구에서 제안한 시나리오에 대해 Prescan을 이용하여 추가 조향각 인가 모델링(modeling)기법을 개발하고 시뮬레이션(simulation) 하고, 실차시험을 통해 취득한 데이터(data)와의 비교분석으로 모델링 기법의 타당성을 검증하였다. 앞바퀴부터 차선까지 최대 거리오차는 0.56 m이며, 시뮬레이션과 실차시험의 차선 복귀 속도의 차이로 인해 발생하였다. 시뮬레이션과 달리 실차시험은 주행 차선으로 복귀 속도가 느려 이탈하는 차의 횡방향 변화가 상대적으로 적어 시뮬레이션과 오차가 발생한 것으로 판단된다. 시뮬레이션과 실차시험 값의 비교분석 결과 차선복귀 속도 차이는 있지만 앞바퀴부터 차선까지 거리가 약 0.5m로 수렴하는 경향성을 나타내어 신뢰성을 확인할 수 있었다.

• 융합신호처리학회논문지
• /
• 제24권2호
• /
• pp.119-125
• /
• 2023

본 연구에서는 전동 이동 보조기를 이용하는 교통약자의 이동을 저해하거나 불편을 초래하는 횡단 보도, 측구, 맨홀, 점자블록, 부분 경사로, 임시안전 방호벽, 계단, 경사형 연석과 같은 주행 장애물 객체를 촬영한 뒤 객체를 분류하고 이를 자동 인식하는 최적의 AI 모델을 개발하여 주행 중인 전동 이동 보조기 전방에 나타난 장애물을 효율적으로 판단할 수 있는 알고리즘을 구현하고자 한다. 객체 검출을 높은 확률로 AI 학습이 될 수 있도록 데이터 셋 구축 시 라벨링 형태를 폴리곤 형태로 라벨링 하며, 폴리곤 형태로 라벨링 된 객체를 탐지할 수 있는 Detectron2 프레임워크를 활용하여 Mask R-CNN 모델을 활용하여 개발을 진행하였다. 영상 획득은 일반인과 교통약자의 두 개 그룹으로 구분하여 진행하였고 테스트베드 2개 지역에서 얻어진 영상정보를 확보하였다. Mask R-CNN 학습 결과 파라미터 설정은 IMAGES_PER _BATCH : 2, BASE_LEARNING_RATE 0.001, MAX_ITERATION : 10,000으로 학습한 모델이 68.532로 가장 높은 성능을 보인 것이 확인되어 주행 위험, 장애 요소를 빠르고 정확하게 사용자가 인지할 수 있도록 하는 딥러닝 모델을 구축이 가능한 것을 확인할 수 있었다.