International journal of advanced smart convergence
/
v.12
no.4
/
pp.190-201
/
2023
Securing transportation safety infrastructure technology for Lv.4 connected autonomous driving is very important for the spread of autonomous vehicles, and the safe operation of level 4 autonomous vehicles in adverse weather has limitations due to the development of vehicle-only technology. We developed the radar-enabled AI convergence transportation entities detection system. This system is mounted on fixed and mobile supports on the road, and provides excellent autonomous driving situation recognition/determination results by converging transportation entities information collected from various monitoring sensors such as 60GHz radar and EO/IR based on artificial intelligence. By installing such a radar-enabled AI convergence transportation entities detection system on an autonomous road, it is possible to increase driving efficiency and ensure safety in adverse weather. To secure competitive technologies in the global market, the development of four key technologies such as ① AI-enabled transportation situation recognition/determination algorithm, ② 60GHz radar development technology, ③ multi-sensor data convergence technology, and ④ AI data framework technology is required.
FMCW (Frequency Modulated Continuous Wave) radar system is widely used in autonomous driving and navigation applications due to its high detection capabilities independent of weather conditions and environments. However, radar signals can be easily contaminated by various noises such as speckle noise, receiver saturation, and multipath reflection, which can worsen sensing performance. To handle this problem, we propose a learning-free noise removal technique for radar to enhance detection performance. The proposed method leverages adaptive thresholding to remove speckle noise and receiver saturation, and wavelet transform to detect multipath reflection. After noise removal, the radar image is reconstructed with the geometric structure of the surrounding environments. We verify that our method effectively eliminated noise and can be applied to autonomous driving by improving the accuracy of odometry and place recognition.
The Journal of the Institute of Internet, Broadcasting and Communication
/
v.22
no.6
/
pp.43-49
/
2022
FMCW(Frequency Modulated Continuous Wave) Radar is very useful for vehicle collision warning system and autonomous driving sensor. In this paper, the design and implementation of FMCW radar based on two chip MMIC developed as an autonomous driving sensor was described. Especially, generation of frame-based and chirp-based waveform generation and signal processing are mixed to have the strength of maximum detection speed and compensation of speed. This implemented system was analyzed for performance and commercialization potential through lab. test and driving test in K-city.
The Journal of the Institute of Internet, Broadcasting and Communication
/
v.23
no.5
/
pp.123-129
/
2023
MIMO antenna is a field in which various researches have been actively conducted for a long time, and its design concept is universally well known. However, Unlike conventional MIMO antennas, MIMO antennas for autonomous driving radars, which have recently been attracting attention, are designed in W-band which is a millimeter wave band, and must also meet novel design conditions to satisfy the performance of autonomous driving radars. Therefore, a novel and different approach is required for the design and beam pattern verification of the MIMO antenna for autonomous driving radar. In this paper, a MIMO antenna is designed and the design process to satisfy the conditions of a W-band autonomous driving radar is introduced, and proposes a beam pattern verification method for a W-band MIMO antenna mounted on an autonomous driving radar system.
International journal of advanced smart convergence
/
v.10
no.4
/
pp.263-272
/
2021
At a time when securing driving safety is the most important in the development and commercialization of autonomous vehicles, AI and big data-based algorithms are being studied to enhance and optimize the recognition and detection performance of various static and dynamic vehicles. However, there are many research cases to recognize it as the same vehicle by utilizing the unique advantages of radar and cameras, but they do not use deep learning image processing technology or detect only short distances as the same target due to radar performance problems. Radars can recognize vehicles without errors in situations such as night and fog, but it is not accurate even if the type of object is determined through RCS values, so accurate classification of the object through images such as cameras is required. Therefore, we propose a fusion-based vehicle recognition method that configures data sets that can be collected by radar device and camera device, calculates errors in the data sets, and recognizes them as the same target.
This paper presents a quantitative evaluation method and result of moving vehicle perception using automotive radar. It is also important to analyze the accuracy of the perception algorithm quantitatively as well as to accurately percept nearby moving vehicles for safe and efficient autonomous driving. In this study, accuracy of the automotive radar-based perception algorithm which is developed based on interacting multiple model (IMM) has been verified via vehicle tests on real roads. In order to obtain experimental data for quantitative evaluation, Long Range Radar (LRR) has been mounted on the front of the ego vehicle and Short Range Radar (SRR) has been mounted on the rear side of both sides. RT-range has been installed on the ego vehicle and the target vehicle to simultaneously collect reference data on the states of the two vehicles. The experimental data is acquired in various relative positions and velocity, and the accuracy of the algorithm has been analyzed according to relative position and velocity. Quantitative analysis is conducted on relative position, relative heading angle, absolute velocity, and yaw rate of each vehicle.
KSII Transactions on Internet and Information Systems (TIIS)
/
v.17
no.12
/
pp.3330-3344
/
2023
This paper proposes an antenna performance prediction model in the autonomous driving radar manufacturing process. Our research work is based upon a challenge dataset, Driving Radar Manufacturing Process Dataset, and a typical AutoML machine learning workflow engine, Pycaret open-source Python library. Note that the dataset contains the total 70 data-items, out of which 54 used as input features and 16 used as output features, and the dataset is properly built into resolving the multi-output regression problem. During the data regression analysis and preprocessing phase, we identified several input features having similar correlations and so detached some of those input features, which may become a serious cause of the multicollinearity problem that affect the overall model performance. In the training phase, we train each of output-feature regression models by using the AutoML approach. Next, we selected the top 5 models showing the higher performances in the AutoML result reports and applied the ensemble method so as for the selected models' performances to be improved. In performing the experimental performance evaluation of the regression prediction model, we particularly used two metrics, MAE and RMSE, and the results of which were 0.6928 and 1.2065, respectively. Additionally, we carried out a series of experiments to verify the proposed model's performance by comparing with other existing models' performances. In conclusion, we enhance accuracy for safer autonomous vehicles, reduces manufacturing costs through AutoML-Pycaret and machine learning ensembled model, and prevents the production of faulty radar systems, conserving resources. Ultimately, the proposed model holds significant promise not only for antenna performance but also for improving manufacturing quality and advancing radar systems in autonomous vehicles.
This paper presents an analysis on driving safety in lane change situation based on road driving data. Autonomous driving is a global trend in vehicle industry. LKAS technologies are already applied in commercial vehicle and researches about lane change maneuver have been actively studied. In autonomous vehicle, not only safety control issue but also imitating human driving maneuver is important. Driving data analysis in lane change situation has been usually dealt with ego vehicle information such as longitudinal acceleration, yaw rate, and steering angle. For this reason, developing safety index according to surrounding vehicle information based on human driving data is needed. In this research, driving data is collected from perception module using LIDAR, radar and RT-GPS sensors. By analyzing human driving pattern in lane change maneuver, safety index that considers both ego vehicle and surrounding vehicle state by using relative velocity and longitudinal clearance has been designed.
Kim, Seongjoon;Yang, Dongwon;Kim, Sujin;Jung, Younghun
Journal of the Korea Institute of Military Science and Technology
/
v.18
no.6
/
pp.711-720
/
2015
Recently many studies of Radar systems mounted on ground vehicles for autonomous driving, SLAM (Simultaneous localization and mapping) and collision avoidance have been reported. Since several pixels per an object may be generated in a close-range radar application, a width of an object can be estimated automatically by various signal processing techniques. In this paper, we tried to attempt to develop an algorithm to estimate obstacle width using Radar images. The proposed method consists of 5 steps - 1) background clutter reduction, 2) local peak pixel detection, 3) region growing, 4) contour extraction and 5)width calculation. For the performance validation of our method, we performed the test width estimation using a real data of two cars acquired by commercial radar system - I200 manufactured by Navtech. As a result, we verified that the proposed method can estimate the widths of targets.
The Journal of The Korea Institute of Intelligent Transport Systems
/
v.21
no.5
/
pp.218-232
/
2022
Researches are underway to use a radar sensor, a sensor used for object recognition in vehicles, for position estimation. In particular, a method of classifying dynamic and static objects using the Doppler velocity, the output from the radar sensor, and calculating ego-motion using only static objects has been researched recently. Also, for the existing dynamic object classification, several methods using RANSAC or robust filtering has been proposed. Still, a classification method with higher performance is needed due to the nature of the position estimation, in which even a single failure causes large effects. Hence, in this paper, we propose a method to improve the classification performance compared to existing methods through tracking and filtering of dynamic objects. Additionally, the method used a GMPHD filter to maximize tracking performance. In effect, the method showed higher performance in terms of classification accuracy compared to existing methods, and especially shows that the failure of the RANSAC could be prevented.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.