Annual Conference of KIPS (한국정보처리학회:학술대회논문집)

  • 2024.10a
  • /
  • Pages.584-587
  • /
  • 2024
  • /
  • 2005-0011(pISSN)
  • /
  • 2671-7298(eISSN)
Korea Information Processing Society (한국정보처리학회)
권호 표지
DOI QR코드

DOI QR Code

Ultrasonic AI Sensor-Based Recognition Method of Road Surface Conditions in Mobility Systems

모빌리티 환경에서 초음파 AI 센서를 활용한 도로 표면 상태 인식 기법

  • Hyunjun Kwon (R&D Center, MoveAWheeL, Inc.) ;
  • Sang-Hyun Park (R&D Center, MoveAWheeL, Inc.) ;
  • Seongjun Hong (School of Computing, KAIST) ;
  • Jungeun Jeong (R&D Center, MoveAWheeL, Inc.) ;
  • Min-Hyun Kim (R&D Center, MoveAWheeL, Inc.)
  • 권현준 (주식회사 모바휠 기술연구소) ;
  • 박상현 (주식회사 모바휠 기술연구소) ;
  • 홍성준 (한국과학기술원 전산학부) ;
  • 정중은 (주식회사 모바휠 기술연구소) ;
  • 김민현 (주식회사 모바휠 기술연구소)
  • Published : 2024.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

본 연구에서는 모빌리티 환경에서 비접촉 방식으로 도로 표면을 파악하여 운전자의 주행 안전성에 기여할 수 있는 음파 센서 기반의 노면 추정 기법을 제안한다. 본 연구에서 제안된 시스템은 Continuous-transmit (C-transmit) 방식으로 주행 중 노면의 임피던스 정보를 실시간으로 획득하고, 전처리된 음파 데이터를 AI 모델로 분석하여 노면의 미끄럼 정도에 따라 몇 가지 노면 패턴으로 분류한다. 제안된 기법의 검증 실험에서는 아스팔트, 시멘트, 흙 플레이트 노면을 구성하고, 6 종 기상조건 (dry, humid, wet, iced, snow, slush)을 재현하여, 총 18 가지 조합 조건에서 실험 데이터를 확보하였다. AI 모델 성능은 노면 미끄럼도에 따른 6 종 상태 분류에서 96.8 %의 분류 정확도를 보였다.

Keywords

Acknowledgement

이 논문은 2024년 정부 (과학기술정보통신부)의 재원으로 '2024 SW 고성장 클럽' 사업 (정보통신산업진흥원)의 지원을 받아 수행된 연구임.

References

  1. A. Bystrov, M. Abbas, E. Hoare, T.-Y. Tran, N. Clarke, M. Gashinova, and M. Cherniakov, "Remote road surface identification using radar and ultrasonic sensors," 2014 11th European Radar Conference, 2014.
  2. R. D. S. M and S. D, "Road surface detection using FMCW 77GHz automotive RADAR using MFCC," 2021 6th International Conference on Inventive Computation Technologies (ICICT), 2021.
  3. J. Zheng, S. Yang, X. Wang, X. Xia, Y. Xiao, and T. Li, "A decision tree based road recognition approach using roadside fixed 3D LiDAR sensors," IEEE Access, vol. 7, pp. 53878-53890, 2019.
  4. M.-H. Kim, J. Kang and J. Jung, "Non-Contact Material Recognition from Test-bench using Reflected Signal from Active Sound Wave and Machine Learning," Proceedings of the Korea Information Processing Society Conference, pp. 506-508, 2023.
  5. S. Nakashima, S. Aramaki, Y. Kitazono, S. Mu, K. Tanaka, and S. Serikawa, "Application of ultrasonic sensors in road surface condition distinction methods," Sensors 2016, vol. 16, no. 10, 2016.
  6. Y. Taniguchi, K. Nishii, and H. Hisamatsu, "Evaluation of a bicycle-mounted ultrasonic distance sensor for monitoring obstacles and holes on road," International Journal of Simulation: Systems, Science and Technology, 2015.
  7. M. Yamamoto, S. Nakashima, K. Haruyama, and S. Mu, "Improvement of road surface discrimination performance of movement support system using ultrasonic sensors," Proceedings of the 7th ACIS International Conference on Applied Computing and Information Technology (ACIT2019), no. 33, pp. 1-6, 2019.
  8. S. Hirata, Q. Sun, M. Ueda, and H. Hachiya, "Measurement of road surfaces by reflection characteristics of airborne ultrasound," Acoustical Science and Technology, vol. 37, no. 6, pp. 322-325, 2016.
  9. S. K. Sharma, H. Phan, and J. Lee, "An application study on road surface monitoring using DTW based image processing and ultrasonic sensors," Applied Sciences, vol. 10, no. 13, 2020.
  10. S. Nakashima, H. Arimura, M. Yamamoto, S. Mu, and H. Lu, "Improving the accuracy of road surface distinction based on reflection intensity variations using ultrasonic sensor," IEEE Sensors Journal, vol. 22, no. 18, pp. 17399-17405, 2020.
  11. M. Kalliris, S. Kanarachos, R. Kotsakis, O. Haas, and M. Blundell, "Machine learning algorithms for wet road surface detection using acoustic measurements," 2019 IEEE International Conference on Mechatronics (ICM), 2019.
  12. M.-H. Kim, J. Park, and S. Choi, "Road type identification ahead of the tire using D-CNN and reflected ultrasonic signals," International journal of automotive technology, vol. 22, no. 1, pp.47-54, 2021.