• Transactions of the Korean Society of Automotive Engineers
• /
• v.8 no.3
• /
• pp.163-170
• /
• 2000

Accident statistics shows that the portion of fatal occupant injuries due to side impacts is considerably high. The side impact usually leads to a severe intrusion of side structure into the passenger compartment. Furthermore, the safety zone for the side impact is relatively small compared to the front impact. Those kinds of physics for side impact frequently result in a fatal injury for the occupant. Therefore, NHTSA and EEVC are trying to intensify the regulation for the occupant protection against side impact. Both the regulation and recent market trends are asking for an installation of side airbag. There are several types of system configuration for side impact sensing. In this paper, we adopt the acceleration-based remote sensing method for the side airbag control system. We mainly focus on the development of hardware and crash discrimination algorithm of remote sensing unit. The crash discrimination algorithm needs fast decision of airbag firing especially for high-speed side impact such as FMVSS 214 and EEVC tests. It is also required to distinguish between low-speed fire and no-fire events. The algorithm should have a sufficient safety margin against any misuse situation such as hammer blow, door slam, etc. This paper introduces several firing criteria such as acceleration. velocity and energy criteria that use physical value proportional to crash severity. We have made a simulation program by using Matlab/Simulink to implement the proposed algorithm. We have conducted an algorithm calibration by using real crash data for 2,500cc vehicle. The crash performance obtained by the simulation was verified through a pulse injection method. It turned out that the results satisfied the system requirements well.

• Information and Communications Magazine
• /
• v.25 no.4
• /
• pp.5-10
• /
• 2008

지능형 로봇은 자율적으로 이동할 수 있어야 한다는 것이 PC와 기본적으로 다른 점이다. 이동 로봇이 자율 주행할 때 꼭 필요한 기술이 위치 인식 기술과 장애물 감지 기술이다. 장애물 감지 기술은 이동 로봇이 다른 물체와 충돌하지 않도록 하기 위해 필요한 기술이지만 위치 인식 기술은 로봇이 현재 위치를 알고 목적지로 주행하기 위해 매우 중요한 기술이다. 지능형 로봇의 자율 주행 측면에서 위치 인식 기술은 필수적 핵심 기술이다. 위치 인식 센서는 로봇의 절대 위치 및 방향각 정보를 획득하여 실시간으로 관련 데이터를 지능형 로봇에 전달한다. 이로써 지능형 로봇의 이동 경로와 방향 제어가 가능해지고, 로봇을 보다 안정적으로 제어할 수 있다. 즉 로봇이 자기 위치를 인식한 후에야 안정적이고 지속적인 자율 주행이 가능해진다. (주)나인티시스템은 네트워크 기반 위치 파악용 indoor GPS 개념으로 로봇 위치 파악 센서 iGS를 개발하여 공급하고 있다. (주)나인티시스템이 개발한 iGS는 지능형 로봇의 거리, 위치, 방향을 파악하기 위해 초음파 송/수신부 및 RF 모듈로 Handware가 구성되어 있고 위치 추정 알고리즘, 장애물에 강건한 알고리즘 등이 Firmware를 구성하고 있다. 로봇 시장의 잠재적 성장 가능성을 고려할 때 로봇의 자율 운용에 필수적인 위치 파악 요소 기술을 선개발하여 상업화하는 것은 경제적으로도 큰 의미를 갖는다. 뿐만 아니라 위치 파악 요소 기술의 선도적 개발에 의해 미래 지능형 로봇시장을 주도할 수 있는 계기도 기대할 수 있다. Robot에 적정 가격대의 위치 인식 기술이 접목되면 Robot 산업의 활성화가 가능하다. 현재 청소용 Robot은 충돌 방지정도의 인식을 하고 있지만 위치 인식 기술이 접목되면 청소용 Robot이 더 많은 Service를 제공할 수 있다. 더 많은 Service의 실행으로 Robot 산업이 활성화되면 관련 요소기술 산업이 활성화된다. Robot 산업과 부품 산업이 활성화되면 Robot 관련 산업의 수익 Model이 다양해 진다. 위치 인식 기술은 Robot 산업뿐 아니라 산업 전반의 활성화에도 크게 기여할 것이다. 위치 인식 기술은 지능형 Robot의 자율 주행뿐 아니라 다양한 분야에 응용이 가능하다. 또한 위치 인식 기술을 국산화하면 기존 수입품을 대체할 뿐아니라 수출 시장의 진출에도 크게 기여할 수 있다.

• Journal of Internet Computing and Services
• /
• v.22 no.2
• /
• pp.59-68
• /
• 2021

As artificial intelligence(AI) technologies, which have made rapid growth recently, began to be applied to the marine environment such as ships, there have been active researches on the application of CNN-based models specialized for digital videos. In E-Navigation service, which is combined with various technologies to detect floating objects of clash risk to reduce human errors and prevent fires inside ships, real-time processing is of huge importance. More functions added, however, mean a need for high-performance processes, which raises prices and poses a cost burden on shipowners. This study thus set out to propose a method capable of processing information at a high rate while maintaining the accuracy by applying Quantization techniques of a deep learning model. First, videos were pre-processed fit for the detection of floating matters in the sea to ensure the efficient transmission of video data to the deep learning entry. Secondly, the quantization technique, one of lightweight techniques for a deep learning model, was applied to reduce the usage rate of memory and increase the processing speed. Finally, the proposed deep learning model to which video pre-processing and quantization were applied was applied to various embedded boards to measure its accuracy and processing speed and test its performance. The proposed method was able to reduce the usage of memory capacity four times and improve the processing speed about four to five times while maintaining the old accuracy of recognition.