• International Journal of Control, Automation, and Systems
• /
• 제3권1호
• /
• pp.15-31
• /
• 2005

Nowadays, the road safety is an important research field. One of the principal research topics in this field is the vehicle localization in the road network. This article presents an approach of multi sensor fusion able to locate a vehicle with a decimeter precision. The different informations used in this method come from the following sensors: a low cost GPS, a numeric camera, an odometer and a steer angle sensor. Taking into account a complete model of errors on GPS data (bias on position and nonwhite errors) as well as the data provided by an original approach coupling a vision algorithm with a precise numerical map allow us to get this precision.

• Journal of Positioning, Navigation, and Timing
• /
• 제6권4호
• /
• pp.159-166
• /
• 2017

The position of autonomous driving vehicle is basically acquired through the global positioning system (GPS). However, GPS signals cannot be received in tunnels. Due to this limitation, localization of autonomous driving vehicles can be made through sensors mounted on them. In particular, a 3D Light Detection and Ranging (LIDAR) system is used for longitudinal position error correction. Few feature points and structures that can be used for localization of vehicles are available in tunnels. Since lanes in the road are normally marked by solid line, it cannot be used to recognize a longitudinal position. In addition, only a small number of structures that are separated from the tunnel walls such as sign boards or jet fans are available. Thus, it is necessary to extract usable information from tunnels to recognize a longitudinal position. In this paper, fire hydrants and evacuation guide lights attached at both sides of tunnel walls were used to recognize a longitudinal position. These structures have highly distinctive reflectivity from the surrounding walls, which can be distinguished using LIDAR reflectivity data. Furthermore, reflectivity information of tunnel walls was fused with the road surface reflectivity map to generate a synthetic reflectivity map. When the synthetic reflectivity map was used, localization of vehicles was able through correlation matching with the local maps generated from the current LIDAR data. The experiments were conducted at an expressway including Maseong Tunnel (approximately 1.5 km long). The experiment results showed that the root mean square (RMS) position errors in lateral and longitudinal directions were 0.19 m and 0.35 m, respectively, exhibiting precise localization accuracy.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권10호
• /
• pp.3955-3971
• /
• 2020

Due to the significant increase in the use of autonomous car technology, it is essential to integrate this technology with high-precision digital map data containing more precise and accurate roadway information, as compared to existing conventional map resources, to ensure the safety of self-driving operations. While existing map technologies may assist vehicles in identifying their locations via Global Positioning System, it is however difficult to update the environmental changes of roadways in these maps. Roadway vision algorithms can be useful for building autonomous vehicles that can avoid accidents and detect real-time location changes. We incorporate a hybrid architectural design that combines unsupervised classification of vision data with supervised joint fusion classification to achieve a better noise-resistant algorithm. We identify, via a deep learning approach, an intelligent hybrid fusion algorithm for fusing multimodal vision feature data for roadway classifications and characterize its improvement in accuracy over unsupervised identifications using image processing and supervised vision classifiers. We analyzed over 93,000 vision frame data collected from a test vehicle in real roadways. The performance indicators of the proposed hybrid fusion algorithm are successfully evaluated for the generation of roadway digital maps for autonomous vehicles, with a recall of 0.94, precision of 0.96, and accuracy of 0.92.

• 대한임베디드공학회논문지
• /
• 제3권3호
• /
• pp.143-150
• /
• 2008

In this paper, we investigate a real-time environment recognition system based on stereo vision for moving object. This system consists of stereo matching, obstacle detection and distance estimation. In stereo matching part, depth maps can be obtained real road images captured adjustable baseline stereo vision system using belief propagation(BP) algorithm. In detection part, various obstacles are detected using only depth map in case of both v-disparity and column detection method under the real road environment. Finally in estimation part, asymmetric parabola fitting with NCC method improves estimation of obstacle detection. This stereo vision system can be applied to many applications such as unmanned vehicle and robot.

• 한국콘텐츠학회논문지
• /
• 제7권9호
• /
• pp.204-211
• /
• 2007

본 연구에서는 연구지역을 대상으로 항공사진과 수치지형도를 이용하여 3차원 지형 모델링을 제작하였고 이를 이용하여 가시권 분석과 동아대학교에 대한 Web GIS를 구현하였다. 연구지역은 부산광역시 사하구 하단동 일대를 지정하였으며, 축척 1:20,000의 항공사진과 축척 1:5,000의 수치지형도를 사용하였다. 항공사진은 GCP선정과 영상정합을 통하여 보정된 영상을 추출하고 영상재배열 과정과 정밀미분편위수정을 거쳐 최종 정사보정된 영상을 제작하였다. 그리고 ArcView 프로그램을 이용하여 수치지형도에서 DEM을 생성하였고, 도로 레이어와 건물 레이어를 추출하여 3차원 지형 모델링을 제작함과 동시에 동아대학교에 대한 Web GIS를 구현하였다.

• 자동차안전학회지
• /
• 제12권2호
• /
• pp.33-39
• /
• 2020

This paper presents an Around View Monitoring (AVM) stop-line detection based longitudinal position correction algorithm for automated driving on urban roads. Poor positioning accuracy of low-cost GPS has many problems for precise path tracking. Therefore, this study aims to improve the longitudinal positioning accuracy of low-cost GPS. The algorithm has three main processes. The first process is a stop-line detection. In this process, the stop-line is detected using Hough Transform from the AVM camera. The second process is a map matching. In the map matching process, to find the corrected vehicle position, the detected line is matched to the stop-line of the HD map using the Iterative Closest Point (ICP) method. Third, longitudinal position of low-cost GPS is updated using a corrected vehicle position with Kalman Filter. The proposed algorithm is implemented in the Robot Operating System (ROS) environment and verified on the actual urban road driving data. Compared to low-cost GPS only, Test results show the longitudinal localization performance was improved.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.1095-1109
• /
• 2021

안전한 자율주행을 위해 정확한 자기위치 측위와 주변지도 생성은 무엇보다 중요하다. 고가의 고정밀위성항법시스템(Global Positioning System, GPS), 관성측정장치(Inertial Measurement Unit, IMU), 라이다(Light Detection And Ranging, LiDAR), 레이더(Radio Detection And Ranging, RADAR), 주행거리측정계(Wheel odometry) 등의 많은 센서를 조합하여 워크스테이션급의 PC장비를 사용하여 센서데이터를 처리하면, cm급의 정밀한 자기위치 계산 및 주변지도 생성이 가능하다. 하지만 과도한 데이터 정합비용과 경제성 부족으로 고가의 장비 조합은 자율주행의 대중화에 걸림돌이 되고 있다. 본 논문에서는 기존 단안카메라를 사용하는 Monocular Visual SLAM을 발전시켜 RTK가 지원되는 GPS를 센서 융합하여 정확성과 경제성을 동시에 확보하였다. 또한 HD Map을 활용하여 오차를 보정하고 임베디드 PC장비에 포팅하여 도심 도로상에서 RMSE 33.7 cm의 위치 추정 및 주변지도를 생성할 수 있었다. 본 연구에서 제안한 방법으로 안전하고 저렴한 자율주행 시스템 개발과 정확한 정밀도로지도 생성이 가능할 것으로 기대한다.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.535-544
• /
• 2018

급변하는 주변상황이나 대형차량과 같은 큰 지형지물에 센서가 가려질 경우에는 센서만을 이용한 완전 자율주행에는 한계가 따른다. 이에 자율주행을 위해서 센서를 이용한 한계점을 극복할 수 있도록 정밀한 도로지도를 부가적으로 이용하는 방법이 사용되고 있다. 본 연구는 국토지리정보원에서 제공하는 지상 MMS(Mobile Mapping System)로 취득된 3차원 점군자료를 이용하여 도로 객체를 분류하는 연구를 수행하였다. 본 연구를 위해서 원본 3차원 점군자료를 전처리 하고, 지면과 비지면점을 분리하기 위한 필터링 기법을 선정하였다. 또한 차선, 가로등, 안전펜스 등에 해당하는 도로객체를 초기 분할한 후 분할된 객체를 머신러닝의 종류인 서포트 벡터 머신을 이용하여 학습시킨 후 분류하였다. 학습데이터는 분할된 도로객체에서 추출한 고유값을 이용한 기하학적 요소와 높이정보만을 사용하였으며 분류결과 전체정확도는 87%, 카파계수는 0.795로 나타났다. 향후 도로객체의 분류를 위하여 기하학적인 요소 뿐만 아니라 다양한 항목을 추가한다면 분류정확도가 높아질 것으로 예상된다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.391-399
• /
• 2020

급변하는 주변상황이나 대형차량과 같은 큰 지형지물에 센서가 가려질 경우에는 센서만을 이용한 완전 자율주행에는 한계가 따른다. 이에 자율주행을 위해서 센서를 이용한 한계점을 극복할 수 있도록 정밀한 도로지도를 부가적으로 이용하는 방법이 사용되고 있으며, 국내의 경우에는 국토지리정보원에서 자율주행차를 위한 정밀한 도로지도를 제작 및 공급하고 있다. 이에 본 연구에서는 국토지리정보원에서 제공하는 정밀도로지도의 정위치 및 구조화 편집 과정에서 발생하는 오류를 체계적으로 유형화 하였다. 또한 각 상황에 맞는 오류 탐색 과정 및 해결방안을 제시하여 신속하게 정밀도로지도의 오류를 수정할 수 있는 연구를 수행하였으며 크게 도형무결성, 공간관계, 참조관계에 대하여 오류항목을 대분류하고 이에 대한 세부적인 검사방법을 도출하였다.

• 한국측량학회지
• /
• 제29권5호
• /
• pp.441-448
• /
• 2011

최근 디지털 항공사진을 이용한 수치도화가 보편화 되었으며 이로 인해 지표에 대한 3차원 데이터를 정확하게 획득하고 있다. 도화원도는 도화사가 지표를 육안으로 확인하여 제작한 신뢰 있는 3차원 데이터이며 등고선과 표고점 이외에도 지형지물에 대해 3차원 좌표를 가지고 있는 점, 선으로 표현되었을 뿐 아니라 레이어로 분류되어 활용성이 매우 크다. 본 연구에서는 도화원도를 이용해 정밀하고 정확한 수치표고모델을 제작하고자 한다. 이를 위해 수치지형도에서 등고선과 표고점 레이어를 추출하였고 도화원도에서 Break Line을 추출하여 각각 수치표고모델을 제작하였으며 이 두 결과를 비교하였다. 비교를 위해 주거지, 산지, 농경지, 제방 등 경사가 완만하거나 복잡한 지형을 연구지역으로 선정하여 최적의 수치표모델이 제작될 때까지 반복적으로 레이어를 삭제하면서 Break Line을 추출하였다. 그 결과 도화원도에서 등고선과 표고점 레이어를 비롯해 8개의 도로 레이어 및 2개의 경계 레이어를 Break Line으로 추출하였으며 이를 이용해 더욱 정밀한 수치표고모델을 획득할 수 있었다. 또한 교차하거나 접하는 Break Line을 편집하여 복잡하고 변위가 급격한 지형에서 수치표고모델의 왜곡현상을 최소화할 수 있었다.