• 대한임베디드공학회논문지
• /
• 제9권5호
• /
• pp.269-276
• /
• 2014

In recent, autonomous navigation techniques to avoid obstacles have been studied by using unmanned aircraft vehicles(UAVs) since the increment of UAV's interest and utilization. Particularly, autonomous navigation based UAVs are utilized in several areas such as military, police, media, and so on. However, there are still some problems to avoid obstacle when UVAs perform autonomous navigation. For instance, the UAV can not forward in the corner of corridors even though it utilizes the improved vanish point algorithm that makes an autonomous navigation system. Therefore, in this paper, we propose an obstacle avoidance technique based on immune algorithm for autonomous navigation of Quadrotor. The proposed algorithm is consisted of two steps such as 1) single color discrimination and 2) multiple color discrimination. According to the result of experiments, we can solve the previous problem of the improved vanish point algorithm and improve the performance of autonomous navigation of Quadrotor.

• International Journal of Computer Science & Network Security
• /
• 제23권11호
• /
• pp.67-72
• /
• 2023

In the past decade, Autonomous Vehicle Systems (AVS) have advanced at an exponential rate, particularly due to improvements in artificial intelligence, which have had a significant impact on social as well as road safety and the future of transportation systems. The fusion of light detection and ranging (LiDAR) and camera data in real-time is known to be a crucial process in many applications, such as in autonomous driving, industrial automation and robotics. Especially in the case of autonomous vehicles, the efficient fusion of data from these two types of sensors is important to enabling the depth of objects as well as the classification of objects at short and long distances. This paper presents classification of objects using CNN based vision and Light Detection and Ranging (LIDAR) fusion in autonomous vehicles in the environment. This method is based on convolutional neural network (CNN) and image up sampling theory. By creating a point cloud of LIDAR data up sampling and converting into pixel-level depth information, depth information is connected with Red Green Blue data and fed into a deep CNN. The proposed method can obtain informative feature representation for object classification in autonomous vehicle environment using the integrated vision and LIDAR data. This method is adopted to guarantee both object classification accuracy and minimal loss. Experimental results show the effectiveness and efficiency of presented approach for objects classification.

• 한국ITS학회 논문지
• /
• 제17권6호
• /
• pp.84-95
• /
• 2018

자율주행 과실 여부 판단 위한 방법으로 수학적인 모형인 responsibility-sensitive safety(RSS)를 제시된 이후로 자율주행 관련 산업으로부터 많은 관심을 받고 있다. 하지만, 이러한 수학적 모형이 자율주행자동차가 관련된 교통사고 발생 시 책임소재를 명확히 하는 데 활용될 수 있는 지에 대한 종합적인 검토는 부족한 실정이다. 본 연구에서는 RSS 모형의 적용성과 활용을 위해서 추가적으로 해결되어야 할 사항에 대하여 분석하였다. 결론적으로 RSS 모형을 활용하기에는 모형식 자체 및 수용성 등에 한계가 있으며, RSS 모형을 실무적으로 사용하려고 한다면 자율주행자동차의 반응시간을 정의하고, 자율주행자동차별로 적절한 기술수준에 따라서 반응시간 값을 측정하고 관리할 필요가 있는 것으로 판단된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권12호
• /
• pp.5842-5861
• /
• 2019

A current autonomous vehicle determines its driving strategy by considering only external factors (Pedestrians, road conditions, etc.) without considering the interior condition of the vehicle. To solve the problem, this paper proposes "An Optimal Driving Support Strategy(ODSS) based on an Genetic Algorithm for Autonomous Vehicles" which determines the optimal strategy of an autonomous vehicle by analyzing not only the external factors, but also the internal factors of the vehicle(consumable conditions, RPM levels etc.). The proposed ODSS consists of 4 modules. The first module is a Data Communication Module (DCM) which converts CAN, FlexRay, and HSCAN messages of vehicles into WAVE messages and sends the converted messages to the Cloud and receives the analyzed result from the Cloud using V2X. The second module is a Data Management Module (DMM) that classifies the converted WAVE messages and stores the classified messages in a road state table, a sensor message table, and a vehicle state table. The third module is a Data Analysis Module (DAM) which learns a genetic algorithm using sensor data from vehicles stored in the cloud and determines the optimal driving strategy of an autonomous vehicle. The fourth module is a Data Visualization Module (DVM) which displays the optimal driving strategy and the current driving conditions on a vehicle monitor. This paper compared the DCM with existing vehicle gateways and the DAM with the MLP and RF neural network models to validate the ODSS. In the experiment, the DCM improved a loss rate approximately by 5%, compared with existing vehicle gateways. In addition, because the DAM improved computation time by 40% and 20% separately, compared with the MLP and RF, it determined RPM, speed, steering angle and lane changes faster than them.

• 한국ITS학회 논문지
• /
• 제23권1호
• /
• pp.42-60
• /
• 2024

본 연구는 자율주행 차량이 혼재된 교통류의 안전성 평가에 적합한 안전성 지표를 선정하여 차량 추종 조합별 안전성을 분석하였다. 고속도로 엇갈림구간은 기본구간에 비해 차로 변경이 빈번하여 상충 빈도가 높은 구간으로, 일반 차량과 자율주행 차량의 주행행태 차이로 인한 위험이 증가할 것으로 예상하여 고속도로 엇갈림구간을 분석구간으로 설정하였다. 미시적 교통 시뮬레이션인 VISSIM을 활용하여 분석을 수행하였으며, 혼합 교통류의 환경은 본선-연결로 형태의 엇갈림구간을 300, 600m의 길이로 구분하고, IDM을 활용하여 자율주행 차량의 주행행태를 구현하였다. 혼합 교통류 평가에 적합한 안전성 지표는 운전자가 체감하는 위험도와 유사하게 위험 수준을 나타내는 것을 기준으로 4개의 지표를 선정하였다. 선정된 4개 지표의 위험 기준을 넘는 차량 추종 궤적을 대상으로 안전성을 분석한 결과, 자율주행 차량이 자율주행 차량을 추종하는 상황이 가장 안전한 추종 쌍이며, 인간 운전자 차량이 자율주행 차량을 추종할 경우가 가장 위험한 추종 쌍인 것으로 나타났다.

• 한국ITS학회 논문지
• /
• 제23권1호
• /
• pp.123-133
• /
• 2024

기존의 자율주행 기술은 차량에 부착된 센서를 사용하여 환경을 감지하고 주행 계획을 수립하는 방식으로 개발되었으나, 악천후나 역광, 장애물로 인한 가려짐 등 특정 상황에서 성능이 저하되는 문제점이 있다. 이러한 문제점을 해결하기 위해 도로 인프라의 지원을 통해 자율주행 차량의 인지 범위를 확장하는 협력형 자율주행 기술이 주목받고 있으나, 단안 카메라에서는 국제 표준에서 요구하는 객체의 3D 중심점을 실시간으로 분석해내기 어렵다는 문제점이 있다. 이에 본 논문에서는 도로 인프라의 고정된 화각과 사전에 측정된 기하학적 정보를 활용하여 객체를 검출하고 실시간으로 차량의 중심점을 추정하는 방법을 제안하였다. GPS 위치 측정 장비를 활용하여 객체의 중심점을 효과적으로 추정할 수 있음을 확인하였으며, 제안된 방법은 차량 및 도로 인프라 간의 협력형 자율주행 기술에 적용 가능하여, 협력형 자율주행 인프라의 보급 및 확산에 기여할 수 있을 것으로 기대된다.

• 제어로봇시스템학회논문지
• /
• 제22권2호
• /
• pp.110-116
• /
• 2016

Autonomous vehicles must obey the traffic laws in order to drive actual roads. Traffic signs erected at the side of roads explain the road traffic information or regulations. Therefore, traffic sign recognition is necessary for the autonomous vehicles. In this paper, color characteristics are first considered to detect traffic sign candidates. Subsequently, we establish HOG (Histogram of Oriented Gradients) features from the detected candidate and recognize the traffic sign through a SVM (Support Vector Machine). However, owing to various circumstances, such as changes in weather and lighting, it is difficult to recognize the traffic signs robustly using only SVM. In order to solve this problem, we propose a tracking algorithm with RANSAC-based motion estimation. Using two-point motion estimation, inlier feature points within the traffic sign are selected and then the optimal motion is calculated with the inliers through a bundle adjustment. This approach greatly enhances the traffic sign recognition performance.

• 한국지능시스템학회논문지
• /
• 제22권2호
• /
• pp.154-160
• /
• 2012

최근 무인 자율 주행 자동차를 실현하기 위한 기술 개발이 활발히 이루어지고 있는 추세이다. 본 논문에서는 무인 자율 주행 자동차의 핵심 기술인 컴퓨터 비전을 이용한 무인 자율 주행 자동차를 위한 횡단보도 및 정지선 인식 시스템을 제안한다. 본 논문의 컴퓨터 비전 시스템은 먼저 무인주행을 위하여 반드시 필요로 하는 차선을 RANSAC 알고리즘과 Kalman 필터를 이용하여 인식하고 인식된 차선이 실제로는 평행하다는 점을 이용하여 원근 시점인 입력 영상을 평면 시점으로 변환하여 횡단보도의 크기가 일정하게 만든다. 그런 후, 변환된 영상에서 횡단보도의 기하학적 특징을 이용하여 횡단보도를 인식하고 횡단보도 앞의 영역을 관심 영역으로 설정한 후 설정된 관심 영역에서 정지선을 추출한다. 구현된 알고리즘을 다양하게 실험한 결과 차선, 횡단보도, 정지선에 대하여 높은 인식률을 보였다.

• 자동차안전학회지
• /
• 제12권2호
• /
• pp.27-32
• /
• 2020

This paper presents steering system requirements to ensure the stabilized lateral control of autonomous driving vehicles. The two main objectives of a lateral controller in autonomous vehicles are maintenance of vehicle stability and tracking of the desired path. Even if the desired steering angle is immediately determined by the upper level controller, the overall controller performance is greatly influenced by the specification of steering system actuators. Since one of the major inescapable traits that affects controller performance is the time delay of the steering actuator, our work is mainly focused on finding adequate parameters of high level control algorithm to compensate these response characteristics and guarantee vehicle stability. Actual vehicle steering angle response was obtained with Electric Power Steering (EPS) actuator test subject to various longitudinal velocity. Steering input and output response analysis was performed via MATLAB system identification toolbox. The use of system identification is advantageous since the transfer function of the system is conveniently obtained compared with methods that require actual mathematical modeling of the system. Simulation results of full vehicle model suggest that the obtained tuning parameter yields reduced oscillation and lateral error compared with other cases, thus enhancing path tracking performance.

• 한국정보시스템학회지:정보시스템연구
• /
• 제30권4호
• /
• pp.95-118
• /
• 2021

Purpose This study verified the moderating effect of consumer knowledge in relation to the factors affecting the acceptance intention of autonomous vehicles by adding trust to the United Theory of Acceptance and Use of Technology model for the commercialization of autonomous vehicles. Design/methodology/approach For this purpose, this study conducted a survey on general consumers who are interested in automobiles. A total of 250 questionnaires were distributed and collected, and 242 questionnaires were used for analysis. To test the hypotheses, multiple regression analysis and multiple group analysis were performed. Findings Performance expectations, effort expectations, social influence, and trust were found to have a positive effect on the acceptance intention of autonomous vehicles. In addition, consumer knowledge between performance expectation and acceptance intention and between effort expectation and acceptance intention was confirmed as a variable that can moderate the relationship.