• 한국항만경제학회지
• /
• 제39권3호
• /
• pp.91-105
• /
• 2023

본 논문은 화물자동차 회사와 위수탁차주의 위수탁제에 대한 인식 차이를 확인하고, 인식차의 개선이 시급히 이뤄져야 할 인자를 도출, 이를 기반으로 한 경영모델 수립의 근거를 제시하였다. 위수탁차주의 인식 차이에 기반한 경영모델을 설정하고, 연구 가설을 설정하여 신뢰성과 타당성 및 확인적 요인분석 및 경로분석과 매개효과 검증을 실시하였다. 분석결과 58개의 설문 문항 중 화물자동차 회사와 위수탁 차주의 위수탁제에 대한 인식 차이가 나타난 항목은 전체 65개 문항 중 56개의 문항이고, 해당 문항을 경영 모델 인자로 투입, 분석자료는 위수탁차주의 인식 자료만을 사용하여 확인적 요인 분석과 경로분석과 매개효과 검증을 실시한 결과, 5개의 가설이 채택되었고, 인자가 매개효과는 없는 것으로 분석되었다. 보상체계의 적절성이 상호간의 관계 개선에 영향을 주고 상호간의 관계 개선이 운송서비스의 개선으로 연결되고 있다고 분석할 수 있다. 다만, 매개효과는 크지 않아서 기각되었기 때문에 이 효과를 과장해서 판단하지는 않아야 한다.

• 한국정보통신학회논문지
• /
• 제26권10호
• /
• pp.1453-1461
• /
• 2022

자율주행차량에서 LiDAR와 같은 3D 데이터 센서를 사용한 주변 물체인식 알고리즘의 정확도는 많은 연구를 통해 상승하고 있으나 그에 따라 높은 성능의 하드웨어와 복잡한 구조를 요구하게 되었다. 이러한 물체인식 알고리즘은 주행 중 많은 프로세서를 수행하고 관리해야 하는 자율주행차량의 메인 프로세서에 큰 부하로 작용한다. 이러한 부하를 감소시킴과 동시에 3D 센서 데이터의 장점을 활용하기 위하여, 3D 센서 데이터에서 물리적 특성을 추출하고 이를 이용하여 생성한 ROI를 이용하여 2D 데이터 기반 인식을 제안한다. 기본 이미지에서 밝기 값을 50% 감소시킨 환경에서 기존 2D 기반 모델 대비 5.3% 높은 정확도와 28.57% 감소한 수행 시간을 보였다. 기본 이미지에서 3D 기반 모델 대비 2.46% 낮은 정확도를 가지는 대신 6.25% 감소한 수행 시간을 가진다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권8호
• /
• pp.1996-2015
• /
• 2023

High-definition (HD) maps can provide precise road information that enables an autonomous driving system to effectively navigate a vehicle. Recent research has focused on leveraging semantic segmentation to achieve automatic annotation of HD maps. However, the existing methods suffer from low recognition accuracy in automatic driving scenarios, leading to inefficient annotation processes. In this paper, we propose a novel semantic segmentation method for automatic HD map annotation. Our approach introduces a new encoder, known as the convolutional transformer hybrid encoder, to enhance the model's feature extraction capabilities. Additionally, we propose a multi-level fusion module that enables the model to aggregate different levels of detail and semantic information. Furthermore, we present a novel decoupled boundary joint decoder to improve the model's ability to handle the boundary between categories. To evaluate our method, we conducted experiments using the Bird's Eye View point cloud images dataset and Cityscapes dataset. Comparative analysis against stateof-the-art methods demonstrates that our model achieves the highest performance. Specifically, our model achieves an mIoU of 56.26%, surpassing the results of SegFormer with an mIoU of 1.47%. This innovative promises to significantly enhance the efficiency of HD map automatic annotation.

• 융합신호처리학회논문지
• /
• 제4권1호
• /
• pp.56-63
• /
• 2003

본 논문은 실제 무인주행자동차에 적용할 수 있는 비전 기반의 소형 자율이동로봇 개발에 관한 연구를 제시한다. 이전의 자율주행차량은 하드웨어 설계의 복잡성, 실장의 어려움과 많은 계산량으로 인해 PC에 대한 의존도가 높았다. 본 논문에서는 고속에서 정확한 조향 및 빠른 이동을 할 수 있고, 단일 카메라를 사용한 독립형 시스템으로 지능적 인식을 할 수 있는 소형 자율이동로봇을 제안한다. 제안된 시스템은 폭 25~30cm, 총길이 200cm로 만들어진 트랙에서 실험하였다. 실험 로봇은 직선 트랙에서 평균 32.9km/h, 곡률반경 30~40m인 곡선트랙에서 평균 22.3km/h의 속도로 주행할 수 있었다 이 시스템은 실제 무인 자동차를 쉽게 만들기 위해 사용할 수 있는 차선 인식 알고리즘을 적용한 소형 자율이동로봇 시스템에 대한 하나의 모델을 제시할 수 있었다.

• 한국ITS학회 논문지
• /
• 제19권5호
• /
• pp.178-188
• /
• 2020

본 논문에서는 split-attention 네트워크를 백본으로 특징을 추출하는 차선인식 CNN 네트워크를 제안한다. split-attention은 CNN의 특징 추출 과정에서 feature map의 각 channel에 가중치를 부여하는 방법으로, 빠르게 변화하는 자동차의 주행 환경에서 안정적으로 이미지의 특징을 추출할 수 있다. Tusimple 데이터 셋을 활용하여 본 논문에서 제안하는 네트워크를 학습·평가하였으며, 백본 네트워크의 레이어 수에 따른 성능 변화를 비교·분석 하였다. 평가 결과 최대 96.26%의 정확도로 최신 연구에 준하는 결과를 얻었으며, FP의 경우 0.0234(2.34%)로 비교 연구 중 가장 좋은 결과를 보여준다. 따라서, 실제 차량의 주행 환경 등에서도 본 연구에서 제안하는 모델을 사용하여 오인식 없이 안정적인 차선 인식이 가능하다.

• 한국정보통신학회논문지
• /
• 제25권8호
• /
• pp.1026-1031
• /
• 2021

세계 자동차 기술의 발전과 시장 규모의 확대로 차량 수요가 증가하고 있으며 이로 인해 차량탑승 인원은 감소하고 도로의 차량 수는 증가하는 추세이다. 이는 교통체증의 원인이 되며 이러한 문제를 해결하기 위해 다인승 전용차로 제도를 시행하고 있으나 불법 이용 차량은 계속 증가하고 있다. 이러한 불법 행위를 단속하기 위한 다양한 기술이 연구되고 있다. 기존에 개발된 시스템은 트리거 장비를 이용하여 차량을 인식하고 적외선 카메라를 통해 차량을 촬영하여 차량 탑승 인원을 감지한다. 본 논문에서는 기존 시스템 적용된 트리거 장비를 이용하지 않고 딥러닝 모델 기술을 적용한 차량탑승 인원탐지 시스템을 제안한다. 제안된 기술은 영상 내에 트리거를 설정하여 차량을 탐지하고 딥러닝 객체 인식모델을 적용하여 실시간 탑승 인원을 감지하는 시스템을 제안한다.

• 로봇학회논문지
• /
• 제9권1호
• /
• pp.1-10
• /
• 2014

In recent years, the research of 3D mapping technique in urban environments obtained by mobile robots equipped with multiple sensors for recognizing the robot's surroundings is being studied actively. However, the map generated by simple integration of multiple sensors data only gives spatial information to robots. To get a semantic knowledge to help an autonomous mobile robot from the map, the robot has to convert low-level map representations to higher-level ones containing semantic knowledge of a scene. Given a 3D point cloud of an urban scene, this research proposes a method to recognize the objects effectively using 3D graph model for autonomous mobile robots. The proposed method is decomposed into three steps: sequential range data acquisition, normal vector estimation and incremental graph-based segmentation. This method guarantees the both real-time performance and accuracy of recognizing the objects in real urban environments. Also, it can provide plentiful data for classifying the objects. To evaluate a performance of proposed method, computation time and recognition rate of objects are analyzed. Experimental results show that the proposed method has efficiently in understanding the semantic knowledge of an urban environment.

• 한국인터넷방송통신학회논문지
• /
• 제13권5호
• /
• pp.9-15
• /
• 2013

본 논문에서는 사고 자동인식 서비스 제공과 위험 운전 여부 등을 통하여 운전자의 운전습관을 교정해 주고 사고 전후의 동영상을 재현하는 확장성이 높은 모바일 블랙박스 DVR (SMBD, Smart Mobile Blackbox DVR) 컴퓨터의 모델링 설계를 하였다. SMBD는 임베디드 시스템에 무선 기능을 탑재하여 차량이 휴면상태에서도 사고발생 지점과 영상정보를 무선통신을 이용하여 24시간 관제센터에 통보함으로써 긴급구난 서비스 및 교통정보를 제공 받을 수 있다. 또한 차량 ECU(Electronic Control Unit)의 차량정보 및 센서 데이터와 연동하여 무선 eCall (Emergency Call) 서비스를 실현할 수 있다.

• 한국자동차공학회논문집
• /
• 제24권2호
• /
• pp.214-224
• /
• 2016

This paper proposes an algorithm to effectively detect the traffic lights and recognize the traffic signals using a monocular camera mounted on the front windshield glass of a vehicle in day time. The algorithm consists of three main parts. The first part is to generate the candidates of a traffic light. After conversion of RGB color model into HSI and YCbCr color spaces, the regions considered as a traffic light are detected. For these regions, edge processing is applied to extract the borders of the traffic light. The second part is to divide the candidates into traffic lights and non-traffic lights using Haar-like features and Adaboost algorithm. The third part is to recognize the signals of the traffic light using a template matching. Experimental results show that the proposed algorithm successfully detects the traffic lights and recognizes the traffic signals in real time in a variety of environments.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.236-238
• /
• 2022

현 도로교통법상 도로 이용의 효율성과 교통안전 확보의 목적으로 차로 별 통행 가능 차종을 지정한 제도로써, 2020년 개정안이 현재 시행되고 있다. 독일과 국내의 자동차 1만 대당 교통사고 사망자 수를 비교하였을 때, 독일의 교통사고 사망자는 국내보다 현저히 낮은 수치를 기록하고 있다. 대표적으로 속도의 제한을 두지 않은 독일 아우토반의 사례는 한국의 속도위반법만이 사고율의 경감에 정답이 되지 않는다는 점을 시사한다. 아우토반 고속도로의 킵 라이트 원칙(keep right principle)에 따라 준수되는 지정차로제는 교통사고 감소에 큰 역할을 한다. 이러한 사실을 기반으로 지정차로제 위반 차량의 단속과 준수율 향상을 위한 교통 단속 시스템을 제안한다. 딥러닝 객체 인식 모델인 Yolo5를 이용하여 차종을 인식하고 OpenCV를 이용하여 차량 번호판과 차선을 인식 및 추출된 데이터를 서버에 저장하여 법규의 위반 여부를 판별하는 지정차로제 단속시스템을 개발한다. 이에 따라 운전자의 제도 인식 및 준수율의 향상을 통한 교통사고율의 감소 효과가 있을 것으로 기대된다.