• 대한교통학회지
• /
• 제17권4호
• /
• pp.111-124
• /
• 1999

본 논문의 목적은 최근에 개발 중에 있는 단일 자석검지기를 이용한 차종인식 알고리즘을 개발하고, 현장실험을 통한 현장 적용성을 검토하는 것이다. 고속도로에 설치되어 이는 자석검지기를 이용하여 자료를 수집하며 분석에 이용되는 자료는 개별차량에 대하여 자속밀도의 변화에 따른 전압 값을 Digital Data값으로 변환한 수치를 사용하였다. 그 수치를 토대로 각 차량의 점유시간을 파악하여 각 차량의 점유시간동안 파형의 특징을 추출하여 각 특징들을 기초로 하여 각 차량이 나타내는 고유의 파형을 식별하는 Template Matching 방법과 신경망기법, 그리고 이들을 상호 보완한 복합기법을 사용하였다. 검지차량에 따른 다양한 점유시간을 일정크기로 수평성분 정규화하고 이에 따른 자속속밀도의 변화에 의한 전압 값을 차종별로 샘플을 취하여 이동평균방법으로 처리를 한 후 위의 세 가지 기법을 사용하여 검지차량의 파형과 기준 파형을 비교하여 차종을 인식하는 방법으로 알고리즘을 개발하였다. 차종의 분류는 3가지 단계로 하였는데 2종분류, 3종분류, 5종분류로 접근하였다. 그리고 각각의 분류에 따라 정규화 크기 및 이동평균간격을 달리하여 적용하여 보았고 2종분류에서 인식율이 82%수준이다.

• 반도체디스플레이기술학회지
• /
• 제22권3호
• /
• pp.161-165
• /
• 2023

One of the difficult works in an autonomous driving system is detecting road lanes or objects in the road boundaries. Detecting and tracking a vehicle is able to play an important role on providing important information in the framework of advanced driver assistance systems such as identifying road traffic conditions and crime situations. This paper proposes a vehicle detection scheme based on deep learning to classify and tracking vehicles in a complex and diverse environment. We use the modified YOLO as the object detector and polynomial regression as object tracker in the driving video. With the experimental results, using YOLO model as deep learning model, it is possible to quickly and accurately perform robust vehicle tracking in various environments, compared to the traditional method.

• 대한임베디드공학회논문지
• /
• 제10권3호
• /
• pp.179-188
• /
• 2015

We propose obstacle classification method based on 2D LIDAR(Light Detecting and Ranging) database. The existing obstacle classification method based on 2D LIDAR, has an advantage in terms of accuracy and shorter calculation time. However, it was difficult to classifier the type of obstacle and therefore accurate path planning was not possible. In order to overcome this problem, a method of classifying obstacle type based on width data of obstacle was proposed. However, width data was not sufficient to improve accuracy. In this paper, database was established by width, intensity, variance of range, variance of intensity data. The first classification was processed by the width data, and the second classification was processed by the intensity data, and the third classification was processed by the variance of range, intensity data. The classification was processed by comparing to database, and the result of obstacle classification was determined by finding the one with highest similarity values. An experiment using an actual autonomous vehicle under real environment shows that calculation time declined in comparison to 3D LIDAR and it was possible to classify obstacle using single 2D LIDAR.

• Journal of Information Processing Systems
• /
• 제2권1호
• /
• pp.52-57
• /
• 2006

One of the important functions of an Intelligent Transportation System (ITS) is to classify vehicle types using a vision system. We propose a method using machine-learning algorithms for this classification problem with 3-D object model fitting. It is also necessary to detect road lanes from a fixed traffic surveillance camera in preparation for model fitting. We apply a background mask and line analysis algorithm based on statistical measures to Hough Transform (HT) in order to remove noise and false positive road lanes. The results show that this method is quite efficient in terms of quality.

• 한국자동차공학회논문집
• /
• 제14권5호
• /
• pp.115-120
• /
• 2006

A Korean Road Roughness Classification(KRC) method is proposed. Using a dynamic road profiling device equipped with the Accelerometer Established Inertial Profiling Reference(AEIPR) method, road profile measurement is performed on various types of public paved roads in Korea. The road profiling data are processed to classify the characteristics of Korean road roughness. The resultant Korean road roughness classification(KRC) is shown different characteristics compared to the road classification proposed by ISO, MIRA, and Wong. The proposed KRC is composed of 8 classes(A-H, very good-poor) based on the power spectral density and is in good agreements with the characteristics of Korean paved road roughness and can be used well in vehicle ride comfort simulation using domestic road profile.

• 대한토목학회논문집
• /
• 제36권6호
• /
• pp.1059-1068
• /
• 2016

현재 AVC 장비의 운영방법은 하나의 센서가 고장 나면 해당 차로의 교통량 속도 차량 종류에 대한 모든 정보의 생성을 중단하고 있다. 현재의 운영방법은 정상 센서에서 수집한 자료들을 활용하지 않는다는 비효율이 존재한다. 본 연구는 이런 비효율을 개선하기 위하여 일부 센서가 고장 난 AVC (Automatic Vehicle Classification)장비에서 교통량과 속도의 산출 방법에 대하여 연구를 진행하였다. 센서의 고장유형을 총 4가지로 분류하였으며, 각 고장유형별로 교통량과 속도를 산출하고 이에 대한 정확도분석을 수행하였다. 그 결과 교통량은 정확도가 매우 높은 값(정확도: 100%, 98%, 97%)으로 산출이 가능하였으며, 속도의 경우 충분히 받아들일 만한 수준의 속도 값(RMSE 값 16.9 이하)이 산출되는 것을 확인하였다. 따라서 본 연구에서 제시한 방법론들을 사용하면 AVC 장비의 운영 효율을 증가 시킬 수 있을 것으로 기대된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2010년도 춘계학술대회
• /
• pp.193-196
• /
• 2010

본 논문에서는 Chamfer Matching을 이용하여 차량 영상의 형태를 대형, 중형, 소형으로 분류하는 방법을 제안하며, 다음과 같이 두 단계로 구성된다. 첫 번째, 템플릿 후보 영상에서 차량 윤곽선을 추출한 후, 윤곽선으로부터의 거리변환을 통해 에지 거리 템플릿을 생성한다. 두 번째, 입력 영상과 템플릿 간의 거리 값 차이가 최소인 템플릿의 형태로 차량형태를 분류한다. 거리 값이란 입력 영상의 차량 윤곽선의 한 픽셀이 템플릿의 경계와 얼마나 떨어져 있는가를 나타낸 것이다. 실험 결과 제안된 방법은 실험 영상에 대해 80%의 만족할만한 성능을 나타내었다.

• 전기전자학회논문지
• /
• 제24권1호
• /
• pp.97-105
• /
• 2020

열 영상은 온도에 따라 방출하는 에너지의 차이를 나타낸 영상이다. 주야간 사용이 가능하기 때문에 군사적인 용도로 많이 활용되고 있으나, 열 영상은 물체의 경계가 불명확하고 흐릿하게 표현되는 경우가 많으며 화염 등의 열기로 인해 경계부분이 변질되는 단점이 있다. 따라서, 열 영상을 이용하여 표적의 종류를 분류할 때 정확하게 분할된 경계선을 이용할 경우 효과적으로 분류 할 수 있지만, 물체의 경계가 잘못 추출되는 경우 분류의 정확도가 크게 감소한다. 본 논문에서는 이러한 단점을 극복하기 위해서 표적 영상의 분할 신뢰도에 따라 형태특징과 지역특징의 분류결과를 융합하는 계층적 분류기법을 제안하였으며, 연속 영상 기반으로 분류 결과를 갱신하는 기법을 새롭게 제안하여 차량 표적 분류 정확도를 개선하였다. 제안하는 방법은 실제 군용 표적 4종(전차, 장갑차, 상용차, 군용트럭)이 있는 다양한 자세의 열 영상 20,000장 이상을 이용하여 성능을 검증하였으며, 우수한 성능의 기존 방법 대비 정확도 개선에 효과가 있음을 확인하였다.

• 한국전자통신학회논문지
• /
• 제11권6호
• /
• pp.627-634
• /
• 2016

국내의 유로 도로에서 사용되는 차종 분류 장치는 차량의 윤폭과 윤거 정보를 산출하는 답판 센서를 사용하는 방식이 일반적이다. 이러한 답판 센서는 주행 중인 차랑의 바퀴가 접촉할 때 발생하는 충격으로 인해 높은 내구성을 요구한다. 최근 한국도로공사는 요금소에서 화물차 고속 차로의 운영을 시작하였고, 화물차가 고속 주행할 때 발생하는 설계 기준 이상의 충격으로 인한 파손과 이에 따른 유지보수 및 관리 비용의 증가가 염려되고 있다. 본 논문에서는 물리적 충격에 대한 내구성을 향상 시킨 무접점 답판 센서를 사용하여, 통과 차량에 대한 최적의 윤폭 / 윤거를 획득하는 알고리즘을 제안하였다. 이는 한국도로공사 6종 분류 기준 중, 축수 분류인 4, 5 종을 제외한 1종/2종/3종 그리고 6종 차량에 대해 현장 실험을 수행하였고, 윤폭 최대 오차 ${\pm}2cm$, 정확도 98% 이상 그리고 윤거 최대 오차 ${\pm}8cm$, 정확도 97% 이상으로 추후 차종 분류 장치 적용에 대한 그 유효성을 입증하였다.

• 한국통신학회논문지
• /
• 제24권6B호
• /
• pp.1191-1202
• /
• 1999

본 논문에서는 간단히 한국통신학회본 논문에서는 웨이브렛 영역에서의 질감 유사성을 특징으로 사용함으로써 프레임간의 급격한 밝기변화에 강건한 특성을 가지는 툴게이트 과금을 위한 차량검지 및 차종분류 알고리듬을 제안하였다. 질감의 유사성을 나타내는 특징으로는 웨이브렛 변환된 입력영상과 배경영상 간의 국부상관계수를 이용하였다. 기존의 차량검지에서 사용되었던 특징인 차영상에 대한 분산과 비교하여 제안된 특징의 유용성을 정상적으로 분석하였으며, 실제 테스트 영상에 대하여 차량과 그림자가 관측되거나 관측되지 않는 도로와의 구분 용이성 정도를 측정함으로써 제안된 특징의 우수성을 보인다. 현장 테스트에 대한 실험 결과는 제안된 차량검지 및 차종분류 알고리듬이 센서의 특성과 그림자의 발생에 의한 프레임 간의 급격한 밝기 변화와 같은 상황하에서도 매우 안정적이며 우수한 성능을 보이는 것을 확인할 수 있다.