• 한국통신학회논문지
• /
• 제34권7A호
• /
• pp.554-561
• /
• 2009

본 논문에서는 통신과 거리측정을 동시에 행하는 대역확산방식을 이용한 VANET에서의 거리측정 시스템에 다중반송파(Multi-Carrier) 변조방식을 적용한 시스템을 제안한다. 기존방식에서는 자기차량이 송신한 PN신호에 상대차량의 정보를 실어서 재송신하고 자기차량은 대역확산에 의해 상대차량 정보를 파악하였으며, 동시에 송수신한 PN신호의 위상차를 탐지허여 차량거리를 정확하게 측정하는 것이 가능했다. 그러나 그 차량거리 측정의 문제점으로서 위상차의 탐지 오차와 분석 능력을 높이기 위해 고속 PN신호가 펼요할 수밖에 없다. 제안 시스템은 이러한 문제점 해결을 위해 다중반송파 변조방식을 적용했다. 다중반송파 변조방식은 단일반송파와 비교해서 Chip rate이 작은 PN신호를 사용함으로 단일반송파와 동일한 주파수 대역에서 복수의 반송파 이용이 가능하다. 복수의 반송파는 등이득 합성법에 의해 합성되기 때문에 다이버시티 효과가 얻어져 위상차의 에러검출을 방지하는 것이 가능하고 정밀 거리측정도 기존방식과 비교해서 우수하게 개선되었다.

• 한국전자파학회논문지
• /
• 제22권3호
• /
• pp.362-370
• /
• 2011

저고도에서 접근하는 고속 표적을 탐지하고 추적하기 위해 지상 이동 차량에 장착할 수 있는 K-대역 탐지추적 레이다를 제안한다. 제안된 레이다는 광범위 표적 탐지 및 레이다 장착 공간의 제한성을 만족시키기 위해 탐지영역을 3개로 분할하여 독립적으로 탐지한 후 탐지된 표적을 자동적으로 추적하는 구조이다. 제안된 레이다는 K-대역 FMCW 파형을 기본으로 하여 각 변조 구간마다 표적 거리 및 속도 정보를 획득하며 정밀한 각도 정보의 추출을 위해 수신 안테나는 다중 베이스 라인의 간섭계 방식을 적용한다. 제안된 레이다의 3차원 추적정확도 성능은 실제 모의 표적을 발사하여 검증하였으며, 표적 유효 구간 내에서 0.25 m RMSE 임을 입증하였다.

• 한국정보과학회논문지:컴퓨팅의 실제 및 레터
• /
• 제15권8호
• /
• pp.577-581
• /
• 2009

최근 유비쿼터스 컴퓨팅과 유비쿼터스 네트워크를 활용하여 새로운 서비스들을 개발하려는 노력이 활발히 진행 중이며, 이에 관련된 기술의 중요성도 급증하고 있다. 특히 감시정찰 센서네트워크의 핵심 구성요소인 저가의 경량 센서노드에서 측정한 미가공 데이터(raw data)를 사용하여 침입 물체의 실시간 탐지, 식별, 추적 및 예측하기 위한 디지털 신호처리 기술은 주요 기술 중 하나이다. 본 논문에서는 감시정찰 센서네트워크의 핵심 구성요소인 센서노드의 적외선 센서에서 측정한 척외선 미가공 데이터를 사용하여 사람과 차량을 탐지할 수 있는 디지털 신호처리 알고리즘을 설계 및 구현한다. 알고리즘의 주 목표는 감사정찰용 센서노드의 탐지 신뢰성을 높이기 위하여 높은 침입물체 탐지 성공률(success rate)과 낮은 허위신고(false alarm) 횟수를 갖도록 하는 것이다. 성능평가 결과에 의하면 제안한 APIDA 알고리즘은 평지일 경우 90% 이상의 탐지 성공률과 2회 이하의 허위신고 횟수를 가지는 것을 확인할 수 있었다.

• 한국터널지하공간학회 논문집
• /
• 제21권3호
• /
• pp.419-432
• /
• 2019

대부분 딥러닝 모델의 학습은 입력값과 입력값에 따른 출력값이 포함된 레이블링 데이터(labeling data)를 학습하는 지도 학습(supervised learning)으로 진행된다. 레이블링 데이터는 인간이 직접 제작하므로 데이터의 정확도가 높다는 장점이 있지만 비용과 시간의 문제로 인해 데이터의 확보에 많은 노력이 소요된다. 그리고 지도 학습의 목표는 정탐지 데이터(true positive data)의 인식 성능 향상에 초점이 맞추어져 있으며, 오탐지 데이터(false positive data)의 발생에 대한 대처는 미흡한 실정이다. 본 논문은 터널 관제센터에 투입된 딥러닝 모델 기반 영상유고 시스템의 모니터링을 통해 정탐지와 레이블링 데이터의 학습으로 예측하기 힘든 오탐지의 발생을 확인하였다. 오탐지의 유형은 작업차량의 경광등, 터널 입구부에서 반사되는 햇빛, 차선과 차량의 일부에서 발생하는 길쭉한 검은 음영 등이 화재와 보행자로 오탐지되고 있었다. 이러한 문제를 해결하기 위해 현장에서 발생한 오탐지 데이터와 레이블링 데이터를 동시에 학습하여 딥러닝 모델을 개발하였으며, 그 결과 기존 레이블링 데이터만 학습한 모델과 비교하면 레이블링 데이터에 대한 재추론 성능이 향상됨을 알 수 있었다. 그리고 오탐지 데이터에 대한 재추론을 한 결과 오탐지 데이터를 많이 포함하여 학습한 모델일 경우 보행자의 오탐지 개수가 훨씬 줄었으며, 오탐지 데이터의 학습을 통해 딥러닝 모델의 현장 적용성을 향상시킬 수 있었다.

• 정보보호학회지
• /
• 제27권5호
• /
• pp.21-25
• /
• 2017

최근 자율주행차량 기술의 상용화가 임박함에 따라, 차량통신보안 기술의 중요성도 부각되고 있다. 이와 더불어 차량통신보안 표준화의 중요성도 대두되고 있으며, 그 일환으로 ITU-T SG17에서는 2017년 ITS 보안 연구반을 신설하여 표준화를 활발히 추진하고 있다. 특히, 최근 차량 소프트웨어 업데이트 규격이 표준 승인되었으며, V2X 통신 보안 가이드라인의 표준화가 활발히 진행되고 있다. 또한, 최근 회의에서 차내망 침입탐지시스템, 차량 접속 디바이스 보안 요구사항, 차량에지 컴퓨팅 보안 가이드라인 등이 신규 표준화 과제로 선정되었다. 본 논문에서는 SG17에서 신설된 ITS 보안 연구반에서의 표준화 동향을 살펴 본다.

• 한국지능시스템학회논문지
• /
• 제14권1호
• /
• pp.63-68
• /
• 2004

본 논문은 영상검지기를 이용하여 도로상에서 주행하는 차량의 움직임 추적 시스템에 필요한 탐지방법과 이동궤적을 추적하는 방법을 제안하여 차량의 움직임을 추적하는 시스템을 구현하였다. 도로상에서 주행하는 차량의 움직임을 측정하는 이유는 지능형 교통 시스템의 첨단교통관제에 필요한 정보를 제공한 수 있으며, 기존에 설치되어진 매설식 루프 검지기가 가지는 유지보수의 문제를 해결할 수 있다. 본 논문에서는 양방향 도로에서 주행하는 차량의 물체 탐지를 위하여 차영상 분석법을 기반으로 하였다. 이는 도로의 주변 환경이 빠르게 변화하기 때문에 배경영상을 사용하는 방법은 적합하지 않기 때문이다. 본 논문에서는 칼만필터와 이노베이션을 사용한 가변 탐색영역으로 차량의 이동 궤적을 추적하였다. 가변 탐색영역을 사용한 이유는 기존에 제한된 검색영역을 이용한 방법에서 나타나 질 수 있는 차량의 이동 속도 및 궤적의 변화에 따른 문제를 해결 할 수 있기 때문이다. 실험 결과 제한된 검색영역을 사용하는 방식보다 제안하는 방법이 우수한 성능을 보임을 알 수 있었다.

• 방송공학회논문지
• /
• 제28권3호
• /
• pp.329-332
• /
• 2023

딥러닝 네트워크를 이용한 3차원 객체 인식 기술은 자율주행 기술 개발에 있어 대상 객체의 종류 뿐만 아니라 센서로부터의 거리도 인식할 수 있기 때문에 장애물 탐지를 위해 많이 개발되고 있다. 하지만 3차원 객체 인식 모델의 경우 원거리 객체에 대한 탐지 성능이 근거리 객체에 대한 인식 성능보다 낮아 차량의 안전을 확보하는 데에 치명적인 문제가 발생할 수 있다. 본 논문에서는 가상의 3차원 차량 데이터를 생성해 모델 학습에 사용되는 데이터셋에 추가하여 3차원 객체 인식 모델의 성능, 특히 원거리의 객체에 대한 성능을 향상시키는 기술을 소개한다. 3차원 라이다 센서 데이터의 특성을 활용한 구면 점 추적 기법을 사용하여 실제 차량과 매우 유사한 가상 차량을 생성하였고, 생성한 가상 차량 데이터를 사용하여 원거리뿐만 아니라 모든 거리 영역 범위에서의 객체 인식 성능을 향상시킴으로써 가상 데이터의 학습 유효성을 입증하였다.

• 한국정보통신학회논문지
• /
• 제26권12호
• /
• pp.1794-1799
• /
• 2022

최근 증가하고 있는 도로 위 적재 불량 화물차는 비정상적인 무게 중심으로 인해 물체 낙하, 도로 파손, 연쇄 추돌 등 교통안전에 위해가 되고 한번 사고가 발생하면 큰 피해가 유발할 수 있다. 하지만 이러한 비정상적인 무게 중심은 적재 불량 차량 인식을 위한 주행 중 축중 시스템으로는 검출이 불가능하다는 한계점이 있다. 본 논문에서는 이러한 사회 문제를 야기하는 적재 불량 차량을 관리하기 위한 객체 인식 기반 AI 모델을 구축하고자 한다. 또한 AI-Hub에 공개된 약 40만 장의 데이터셋을 비교 분석하여 전처리를 통해 적재 불량 차량 검지 AI 모델의 성능을 향상시키는 방법을 제시한다. 또한 객체 추적을 통해 실시간 검지를 수행하는 방법을 제안한다. 이를 통해, 원시 데이터를 활용한 학습 성능 대비 약 23% 향상된 적재 불량 차량의 검출 성능을 나타냄을 보였다. 본 연구 결과를 통해 공개 빅데이터를 보다 효율적으로 활용하여, 객체 인식 기반 적재 불량 차량 탐지 모델 개발에 적용할 수 있을 것으로 기대된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 춘계학술대회
• /
• pp.469-472
• /
• 2022

최근 지능형 교통 시스템의 발전에 따라 딥러닝을 기술을 적용한 다양한 기술들이 활용되고 있다. 도로를 주행하는 불법 차량 및 범죄 차량 단속을 위해서는 차량 종류를 정확히 판별할 수 있는 차종 분류 시스템이 필요하다. 본 연구는 YOLO(You Only Look Once)를 이용하여 이동식 차량 단속 시스템에 최적화된 차종 분류 시스템을 제안한다. 제안 시스템은 차량을 승용차, 경·소·중형 승합차, 대형 승합차, 화물차, 이륜차, 특수차, 건설기계, 7가지 클래스로 구분하여 탐지하기 위해 단일 단계 방식의 객체 탐지 알고리즘 YOLOv5를 사용한다. 인공지능 기술개발을 위하여 한국과학기술연구원에서 구축한 약 5천 장의 국내 차량 이미지 데이터를 학습 데이터로 사용하였다. 한 대의 카메라로 정면과 측면 각도를 모두 인식할 수 있는 차종 분류 알고리즘을 적용한 지정차로제 단속 시스템을 제안하고자 한다.

• 한국전자통신학회논문지
• /
• 제14권1호
• /
• pp.251-256
• /
• 2019

본 논문에서는 무인자율주행자동차를 레이싱 경기에 운용하기 위해 차량의 전면유리 중앙에 설치된 단안카메라를 사용하여 원거리에 있는 차량을 인식하고 추적하는 알고리즘을 제안한다. 차량은 하르(Haar) 특징을 사용하여 탐지하고, 차량바닥에 있는 그림자를 검출하여 차량의 크기와 위치를 판단한다. 인식된 차량의 주변을 ROI(: Region Of Interest)로 설정하여 다음 프레임들에서는 ROI 내부의 차량 그림자를 찾아 추적한다. 이를 통하여 차량의 위치, 상대속도와 이동방향을 예측한다. 실험결과는 100m이상의 거리에서 90%이상의 인식율로 차량을 인식하였다.