• 대한원격탐사학회지
• /
• 제38권1호
• /
• pp.1-20
• /
• 2022

As unmanned aerial vehicle (UAV) technology grew in popularity over the years, it was introduced for air quality monitoring. This can easily be used to estimate the sidewalk emission concentration by calculating road traffic emission factors of different vehicle types. These calculations require a simulation of the spread of pollutants from one or more sources given for estimation. For this purpose, a Gaussian plume dispersion model was developed based on the US EPA Motor Vehicle Emissions Simulator (MOVES), which provides an accurate estimate of fuel consumption and pollutant emissions from vehicles under a wide range of user-defined conditions. This paper describes a methodology for estimating emission concentration on the sidewalk emitted by different types of vehicles. This line source considers vehicle parameters, wind speed and direction, and pollutant concentration using a UAV equipped with a monocular camera. All were sampled over an hourly interval. In this article, the YOLOv5 deep learning model is developed, vehicle tracking is used through Deep SORT (Simple Online and Realtime Tracking), vehicle localization using a homography transformation matrix to locate each vehicle and calculate the parameters of speed and acceleration, and ultimately a Gaussian plume dispersion model was developed to estimate the CO, NOx concentrations at a sidewalk point. The results demonstrate that these estimated pollutants values are good to give a fast and reasonable indication for any near road receptor point using a cheap UAV without installing air monitoring stations along the road.

• 로봇학회논문지
• /
• 제15권3호
• /
• pp.221-232
• /
• 2020

In a four-wheel independent drive platform, four wheels and motors are connected directly, and the rotation of the motors generates the power of the platform. It uses a skid steering system that steers based on the difference in rotational power between wheel motors. The platform can control the speed of each wheel individually and has excellent mobility on dirt roads. However, the difficulty of the straight-running is caused due to torque distribution variation in each wheel's motor, and the direction of rotation of the wheel, and moving direction of the platform, and the difference of the platform's target direction. This paper describes an algorithm to detect the slip generated on each wheel when a four-wheel independent drive platform is traveling in a harsh environment. When the slip is detected, a compensation control algorithm is activated to compensate the torque of the motor mounted on the platform to improve the trajectory tracking performance of the platform. The four-wheel independent drive platform developed for this study verified the algorithm. The wheel slip detection and the compensation control algorithm of the platform are expected to improve the stability of trajectory tracking.

• 한국정보통신학회논문지
• /
• 제25권7호
• /
• pp.962-970
• /
• 2021

대부분의 자동차 사고는 졸음운전과 같은 운전자의 부주의로 인해 발생한다. 전방 추돌 경보 시스템 (FCWS)은 전방 차량으로부터 추돌 위험을 감지하여 운전자에게 사전에 경고함으로써 사고의 위험을 현저하게 줄여준다. 본 논문은 주행 안전을 위한 저전력 임베디드 기반 FCWS를 소개한다. 단일 카메라로부터 전방 차량에 대해 검출, 추적, 거리를 계산하고 현재 차량의 속도 정보를 통해 충돌시간 (TTC)을 계산한다. 또한 저성능 임베디드 시스템에서 실시간으로 동작하기 위해 높고 낮은 수준의 프로그램 최적화 기법을 소개한다. 이 시스템은 임베디드 시스템에서 사전에 취득해둔 주행 영상을 통해서 테스트 하였다. 최적화 기법을 사용한 결과는 이전에 최적화를 하지 않은 프로세스 보다 실행 시간이 약 170배 향상되었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권10호
• /
• pp.929-936
• /
• 2007

본 논문에서는 교통 모니터링 시스템에 사용할 수 있는 국부 영역에서 차량 검지와 추적을 수행하는 새로운 기법을 제안하다. 차량 검지와 추적은 각 차선에 미리 설정된 영역에서만 이루어진다. 각 차선에 설정된 국부 영역을 에지 특성과 프레임 차이를 이용하여 여러 개의 분할 영역으로 나누고 분할영역의 통계적 특성과 기하학적 특성에 의해 차량, 도로, 그림자와 전조등 영역으로 분류하여 차량을 검출한다. 검출된 차량은 에지 영상의 정합에 의해 국부 영역내에서 추적하여 차량 속도, 길이, 차간 거리와 도로 점유율과 같은 교통 정보를 산출할 수 있다. 배경 영상을 사용하지 않으므로 다양한 조건에서 사용이 가능하고 다양한 기상, 시간대와 장소에서 90.16%의 높은 차량 검출의 정확도를 나타냈다. 동작 환경에서 카메라의 각도, 방향과 조리개 설정이 조정되면 아주 높은 정확도의 교통 모니터링 시스템의 핵심기술로 사용될 수 있을 것으로 기대된다.

• 인터넷정보학회논문지
• /
• 제12권6호
• /
• pp.73-82
• /
• 2011

지금까지의 위치인식 환경은 사람이나 사물 또는 이동체 자체에 대해서만 연구되어 왔다. 그러나 본 연구에서는 주행 중인 차량에 있는 여러 탑승자의 위치를 실시간으로 식별하고 추적하는 서비스에 대한 위치인식 모델을 제안하였다. 탑승자의 위치를 식별하려면 GPS기능이 탑재된 고가형 단말기를 이용하는 경우와 GPS기능이 없는 저가형 소형단말기를 이용하는 경우로 구분할 수 있다. 본 연구에서는 단순한 소형단말기가 GPS를 탑재한 차량용 인터페이스와 센서네트워크로 메시지를 전송하게 함으로써 탑승상황에 따른 효율적인 위치인식을 제공하도록 하였다. 이 기법은 먼저 차량의 상태(정차, 주행)를 감지하고, 주행상태라면 탑승자가 탑승이나 하차를 할 수 없기 때문에 굳이 위치정보를 송수신할 필요가 없어 트래픽을 감소시킬 수 있다. 이것은 전력소모를 줄여 배터리 수명을 늘릴 수 있도록 한다. 이에 본 연구에서는 제안한 차량정차 감지알고리즘을 탑승자 위치추적 시스템으로 구현하여 그 효용성을 확인하기 위해 실험하였다. 또한 설계하여 구현한 시스템을 이용하여 실험한 결과 최대수신거리는 12m로 측정되었으며, 200회의 실험을 통해 탑승인식과 하차인식이 모두 성공했음을 알 수 있었다. 또한 주행인식 측정실험에서는 차량정차 알고리즘을 적용한 경우가 그렇지 않은 경우에 비해서 41.6%의 전송트래픽을 감소시킬 수 있었다.

• 대한전자공학회논문지SP
• /
• 제45권4호
• /
• pp.10-21
• /
• 2008

본 논문은 실시간 감시 시스템을 위한 웨이블릿(wavelet) 기반의 신경망과 불변 모멘트를 이용한 이동물체 인식과 추적 방법을 제안한다. 제안한 방법의 첫 번째인 움직임 후보영역 검출 단계에서는 연속된 두 프레임간의 차영상 분석 방법을 기반으로 하여 물체의 움직임에 의해 화소값 변화가 발생한 후보영역을 검출한다. 두 번째인 물체 인식 단계에서는 검출된 후보영역에 웨이블릿 신경망(wavelet neural network: WNN) 기반의 인식 방법을 사용하여 추적하고자하는 물체가 포함되어 있는지를 판별한다. 세 번째인 물체 추적 단계에서는 인식된 물체에 웨이블릿 불변 모멘트(invariant moments) 기반의 매칭 방법을 사용하여 인식된 이동 물체를 추적한다. 영상내에서 이동물체를 검출하기 위해 본 논문에서는 이전 영상과 현재 영상간의 화소밝기 차이에서 적응적 임계값(adaptive threholding)을 사용하여 주위 환경 변화에 강인한 이동물체 검출이 가능하였다. 또한 물체의 인식과 추적을 위해 웨이블릿 특징값을 사용함으로써, 계산 시간의 감소와 영상의 잡음에 의한 영향을 최소화시킬 수 있을 뿐만 아니라, 물체 인식 정확도가 향상되었다. 제안한 방법을 일반 도로에서 획득한 영상에서 실험한 결과, 자동차 검출율은 92.8%, 프레임당 처리 시간은 0.24초이다. 이것을 통해 제안한 방법은 실시간 지능형 교통 감시 시스템에 유용하게 적용될 수 있음을 알 수 있다.

• 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.

• 한국정밀공학회:학술대회논문집
• /
• 한국정밀공학회 2003년도 춘계학술대회 논문집
• /
• pp.1055-1058
• /
• 2003

The robustness and reliability of vision algorithms is the key issue in robotic research and industrial applications. In this paper robust real time visual tracking in complex scene is considered. A common approach to increase robustness of a tracking system is the use of different model (CAD model etc.) known a priori. Also fusion or multiple features facilitates robust detection and tracking of objects in scenes of realistic complexity. Voting-based fusion of cues is adapted. In voting. a very simple or no model is used for fusion. The approach for this algorithm is tested in a 3D Cartesian robot which tracks a toy vehicle moving along 3D rail, and the Kalman filter is used to estimate the motion parameters. namely the system state vector of moving object with unknown dynamics. Experimental results show that fusion of cues and motion estimation in a tracking system has a robust performance.

• 제어로봇시스템학회논문지
• /
• 제21권2호
• /
• pp.115-120
• /
• 2015

Recently, in automotive technology area, intelligent safety systems have been actively accomplished for drivers, passengers, and pedestrians. Also, many researches are focused on development of autonomous vehicles. This paper propose the application of LiDAR sensors, which takes major role in perceiving environment, terrain classification, obstacle data clustering method, and local map building for autonomous driving. Finally, based on these results, planning for lane change path that vehicle tracking possible were created and the reliability of path generation were experimented.

• 한국정보통신학회논문지
• /
• 제26권12호
• /
• pp.1794-1799
• /
• 2022

최근 증가하고 있는 도로 위 적재 불량 화물차는 비정상적인 무게 중심으로 인해 물체 낙하, 도로 파손, 연쇄 추돌 등 교통안전에 위해가 되고 한번 사고가 발생하면 큰 피해가 유발할 수 있다. 하지만 이러한 비정상적인 무게 중심은 적재 불량 차량 인식을 위한 주행 중 축중 시스템으로는 검출이 불가능하다는 한계점이 있다. 본 논문에서는 이러한 사회 문제를 야기하는 적재 불량 차량을 관리하기 위한 객체 인식 기반 AI 모델을 구축하고자 한다. 또한 AI-Hub에 공개된 약 40만 장의 데이터셋을 비교 분석하여 전처리를 통해 적재 불량 차량 검지 AI 모델의 성능을 향상시키는 방법을 제시한다. 또한 객체 추적을 통해 실시간 검지를 수행하는 방법을 제안한다. 이를 통해, 원시 데이터를 활용한 학습 성능 대비 약 23% 향상된 적재 불량 차량의 검출 성능을 나타냄을 보였다. 본 연구 결과를 통해 공개 빅데이터를 보다 효율적으로 활용하여, 객체 인식 기반 적재 불량 차량 탐지 모델 개발에 적용할 수 있을 것으로 기대된다.