지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 허건수
- 발행연도
- 2018
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
운전자 보조 시스템에 있어서 차선을 정확하고 빠르게 감지하는 것은 매우 중요하다. 왜냐하면, 차선을 제대로 감지하지 못할 경우, 충분한 차선 이탈 방지 제어를 수행할 수 없기 때문이다. 이때, 대부분의 차선 감지는 카메라 센서에 의존한다. 하지만 카메라 센서만을 이용하여 차선 정보를 인지 할 경우, 차선이 흐릿한 상황과 전방 차량에 의해 차선이 가려진 상황, 궂은 날씨 등의 상황에서 차선을 정확히 인지하지 못할 가능성이 있다. 또한, 카메라 센서를 통해 얻어지는 정보는 계산양에 따라 최대 500ms의 지연이 생겨 제어에 문제를 야기 할 수 있다.
본 논문에서는 카메라 센서 정보와 차량 IMU정보, 차량 내부 센서 정보를 기반으로 하여 vehicle motion model에 융합한 차선 추정 기법을 제안한다. 이때, vehicle motion model은 2-DOF bicycle model을 바탕으로 저속인 경우, lateral vehicle kinematic motion model을 사용하고, 고속인 경우, lateral vehicle dynamic motion model을 사용한다. 상기의 센서 정보와 vehicle motion model을 이용해 disturbance state가 추가된 Kalman filter를 설계하여 차선을 추정하게 된다. 제안된 차선 추정 기법을 통해 차선 추정 정확도가 향상되었고, 차선 추정 지연을 줄이는 결과를 얻을 수 있었다.
제안하는 차선 추정 알고리즘은 고속도로 주행 상황에서 카메라 센서와 IMU를 장착한 차량 실험 데이터를 이용하여 상용 소프트웨어인 MATLAB/Simulink를 통해 성능을 검증하였다.
본 논문에서는 카메라 센서 정보와 차량 IMU정보, 차량 내부 센서 정보를 기반으로 하여 vehicle motion model에 융합한 차선 추정 기법을 제안한다. 이때, vehicle motion model은 2-DOF bicycle model을 바탕으로 저속인 경우, lateral vehicle kinematic motion model을 사용하고, 고속인 경우, lateral vehicle dynamic motion model을 사용한다. 상기의 센서 정보와 vehicle motion model을 이용해 disturbance state가 추가된 Kalman filter를 설계하여 차선을 추정하게 된다. 제안된 차선 추정 기법을 통해 차선 추정 정확도가 향상되었고, 차선 추정 지연을 줄이는 결과를 얻을 수 있었다.
제안하는 차선 추정 알고리즘은 고속도로 주행 상황에서 카메라 센서와 IMU를 장착한 차량 실험 데이터를 이용하여 상용 소프트웨어인 MATLAB/Simulink를 통해 성능을 검증하였다.
목차
차례 ........................................................... 1국문요지 ....................................................... 2Nomenclature ................................................... 3List of Figures, Tables, Equations ............................. 41. 서론 ........................................................ 51.1 연구 배경과 목적 ........................................ 51.2 연구 동향 ............................................... 72. 차선 추정 알고리즘 ......................................... 102.1 Overview ............................................... 102.2 센서 계측 값 ........................................... 112.3 차량 동역학 모델 ....................................... 132.4 Kalman filter .......................................... 183. 결과 ....................................................... 223.1 실험 차량 장비 구성 및 주행 시나리오 ................... 223.2 차선 추정 알고리즘 검증 결과 ........................... 224. 결론 ....................................................... 28참고문헌 ...................................................... 29Abstract ...................................................... 30
최근 본 자료
댓글(0)
0