• 인터넷정보학회논문지
• /
• 제20권5호
• /
• pp.105-111
• /
• 2019

인공지능, 빅데이터, 자율주행 등 4차 산업혁명시대를 이끄는 핵심기술은 컴퓨팅 파워의 급속한 발전과 사물인터넷에 기반한 초연결 네트워크를 통해 구현되고 서비스된다. 본 논문에서는 자율주행을 위한 기본적인 기능으로 다양한 환경에서도 정확하게 주행가능한 영역을 인식하여 추출하는 인공지능 딥러닝 모델들을 구현하고, 그 결과를 비교, 분석한다. 주행가능한 영역을 추출하는 딥러닝 모델은 영상 분할 분야에서 성능이 우수하고 자율주행 연구에서 많이 사용하는 Deep Lab V3+와 Mask R-CNN을 활용하였다. 다양한 환경에서의 주행 정보를 위해 여러 가지 날씨 조건과 주 야간 환경에서의 주행 영상 및 이미지를 제공하는 BDD 데이터셋을 학습데이터로 사용하였다. 활용한 모델들의 실험 결과, DeepLab V3+는 48.97%의 IoU를 보였으며, Mask R-CNN은 68.33%의 IoU로 더 우수한 성능을 보였다. 또한, 구현한 모델로 추출된 주행가능 영역을 이미지에 표시하여 육안으로 검사한 결과, Mask R-CNN은 83%, Deep Lab V3+는 69% 정확도로 Mask R-CNN이 Deep Lab V3+ 보다 주행가능한 영역을 추출하는 분야에서는 더 성능이 높은 것으로 확인하였다.

• 정보보호학회논문지
• /
• 제33권2호
• /
• pp.325-336
• /
• 2023

자율주행 기술이 발전함에 따라 차량에 탑재되는 외부접점 센서의 수가 증가하고 있으며 특히 차량용 초음파 센서는 버스 토폴로지 형태로서 LIN 프로토콜을 사용하여 연결되며 주변을 감지하고 상태 메시지를 전송하여 차량 내부 네트워크에 접근한다. LIN은 프로토콜의 보안성이 검증되지 않아 공격에 취약하기 때문에 안전성을 평가하기 위한 테스트가 필요하지만, 물리적인 제약으로 인해 실제 차량을 이용한 분석에 한계가 있으며 이를 위한 테스트 환경이 부족하기 때문에 테스트에 어려움이 있다. 따라서, 본 논문에서는 LIN 프로토콜 분석 및 테스트를 위해 CAN과의 연동 분석이 가능한 테스트베드를 개발하고 초음파 센서를 이용하여 그 효용성을 검증하였다.

• Journal of Advanced Marine Engineering and Technology
• /
• 제37권4호
• /
• pp.399-403
• /
• 2013

지하자원 채굴을 위한 갱도나 협소하고 위험한 공간에서 사람을 대신하여 채굴작업을 수행하는 로봇의 수요가 증가되고 있다. 본 연구에서는 원격 제어형 로봇 및 작업기구를 개발하여 석탄광산에서 원활한 채굴작업을 수행가능한지를 시험 갱도에서 확인하였다. 시험한 결과 개발된 로봇은 주행속도 1.0 km/h, 등판가능 경사도 $10^{\circ}$ 정도임을 확인하였다. 협소한 공간에서 분쇄기의 타격회수 500bpm, 타격력 $30kg_f-m$을 유지해야만 터널에서의 채굴작업이 가능하고, 최대 3시간까지 작업을 수행하기 위해서는 터널 내부의 환경조건을 분석하여 로봇을 충분히 냉각시키는 냉각시스템이 필요함을 알 수 있었다.

• 한국항해항만학회:학술대회논문집
• /
• 한국항해항만학회 2022년도 춘계학술대회
• /
• pp.333-335
• /
• 2022

4차 산업혁명에 따른 변화는 COVID-19 Pandemic으로 더욱 가속화되고 있다. 이에 사회와 산업의 다양한 분야에서 급격한 변화가 예상된다. 해운물류 산업 역시 환경 및 기술 변화에 따라 스마트화가 시급한 상황이다. 하지만 우리나라의 경우 선진국과 비교하여 해운물류기술의 스마트화가 미진한 상황이다. 많은 관련 주체들과 복잡한 업무처리를 스마트화하기 위해서는 최신 기술들을 활용하여 원활한 의사소통과 가시적인 확인이 중요하다. 스마트 해운물류에서 이러한 가시화와 커뮤니케이션이 더 중요하게 부각된다. 본 연구에서는 자율운항선박과 스마트 항만 간의 통합 커뮤니케이션을 위한 도구를 제시하고자 한다. 특히, 다양한 주체가 참여하여 복잡한 업무처리를 하게 되는 자율운항선박의 접안 및 상·하역 작업의 요구 사항들을 충족시키는 디지털 트윈 기반의 커뮤니케이션 도구 개발에 대해 연구를 하였다.

• 한국인터넷방송통신학회논문지
• /
• 제24권1호
• /
• pp.197-205
• /
• 2024

자율주행 자동차 개발 및 상용화에 있어서 주행안전도 확보가 가장 중요한 시점에서 이를 위해 전방 및 주행차량 주변에 존재하는 다양한 정적/동적 차량의 인식과 검출 성능을 고도화 및 최적화하기 위한 AI, 빅데이터 기반 알고리즘개발 등이 연구되고 있다. 하지만 레이더와 카메라의 고유한 장점을 활용하여 동일한 차량으로 인식하기 위한 연구 사례들이 많이 있지만, 딥러닝 영상 처리 기술을 이용하지 않거나, 레이더의 성능상의 문제로 짧은 거리만 동일한 표적으로 감지하고 있다. 따라서 레이더 장비와 카메라 장비에서 수집할 수 있는 데이터셋을 구성하고, 데이터셋의 오차를 계산하여 동일한 표적으로 인식하는 융합 기반 차량 인식 방법이 필요하다. 본 논문에서는 레이더와 CCTV(영상) 설치 위치에 따라 동일한 객체로 판단하기에 데이터 오차가 발생하기 때문에 설치한 위치에 따라 위치 정보를 연동할 수 있는 기술 개발을 목표로 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.153-154
• /
• 2021

본 논문에서는 ROS(Robot Operating System)를 기반으로 한 로봇(Robot)에 LiDAR 센서를 설치하여 SLAM(Simultaneous Localization and Mapping) 기술인 동시적 위치 추적 지도 작성 기법을 이용하여 실내 맵 정보를 습득하고, 이를 기반으로 장애물과 건물 실내를 안전하고 정확하게 이동할 수 있도록 하였다. 또한 로봇에 자바에서 제공하는 개발 툴킷 Swing 및 AWT 라이브러리를 이용하여 GUI(Graphical User Interface)를 구현하였고 터치스크린을 장착하여 사용자가 원하는 제품을 선택하고 선택한 제품의 목적지를 습득한 맵을 토대로 좌표 값을 설정하여 ROS에서 지원하는 이동 프로세스를 실행시켜 목적지까지 경로를 설정하고 자율 주행하게 된다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.2072-2077
• /
• 2003

Animal-like robots are serving an important role as a linkage between biology and engineering. So, in this paper, we aim to develop a biomimetic microrobot that mimics the locomotion mechanism of a gastropod. This microrobot has 3 DOF (x, y translation and rotation), and has small size, unlimited traveling range, high resolution and low cost. Its movement can be made using propagation wave that is generated by the controllable sinusoidal voltage source and piezoelectric effects. This soft motion that can be generated by propagation wave and piezoelectric mechanism would be useful for the motion on the slippery surface. So we modeled the propagation wave mechanism including piezoelectric effect and friction on the contact surface, and could know the velocity of the microrobot is dependent on the driving frequency, input voltage peak, propagation wavelength and surface friction coefficient. With these results we design the microrobot, and accomplish its fabrication and experimentation. The development of this microrobot shall be aimed to design an autonomous moving actuator like animal. Also it can be used from micromanipulation system technology to biology and medicine.

• 한국ITS학회 논문지
• /
• 제21권6호
• /
• pp.266-283
• /
• 2022

자율주행자동차 기술이 급속히 발전함에 따라 예상치 못한 사고가 발생하고 있어 자율주행 교통안전교육 개발을 통해 이용자 사고 피해를 최소화 시켜야 한다. 현실적 교육을 위해 엣지케이스, 사고 사례, 위험요인 분석이 중요하므로 해외 사례 연구와 실증을 진행하였고, 이를 기반으로 서비스 제공자, 일반이용자 2가지 교육 과정을 개발하였다. 서비스 제공자 과정은 사물인지대응, 급정지, 끼어들기, 제어권 전환, 방어운전, 시스템오작동, 정책 및 정보보안 교육으로 구성하였고 일반이용자 과정은 주의의무, 제어권 전환, 운행설계범위, 사고유형, 법규, 기능, 정보보안 교육으로 구성하였다.

• 한국지능시스템학회논문지
• /
• 제26권4호
• /
• pp.327-333
• /
• 2016

자율주행자동차는 자동차 스스로가 도로 위의 상황을 분석하고 판단하여 움직이는 인공지능과 자동차가 결합된 형태이다. 자율주행자동차에 대한 연구결과가 최근 언론을 통해 공개가 되고 있으며, 선두기업으로 구글이 평가받고 있다. 기술경영에서 기업의 연구개발방향 파악 및 개발전략수립을 위해 다양한 정보를 포함하고 있는 특허정보의 활용은 좋은 대안으로 평가받고 있다. 본 논문에서는 구글의 자율주행자동차에 대한 집중연구방향 파악 및 기술개발전략수립을 위해 구글의 자율주행자동차 관련 특허문서를 대상으로 문헌의 질적 측면을 평가할 수 있는 인용정보를 이용하여 사회네트워크분석 기반의 연구집중도 분석을 수행한다. 분석결과, 구글에서는 하드웨어 분야에 대한 기술이 미흡하여 최근까지 하드웨어 제어부분에 대한 기술개발에 집중한 것을 확인할 수 있으며, 현재 이 기술에 대하여 상당한 성과를 이룬 것으로 파악된다. 후발 기업에서는 향후 표준화를 대비하여 구글과의 공동연구를 진행하는 것이 필요할 것으로 예상된다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3416-3435
• /
• 2023

Task offloading in vehicular networks is hot topic in the development of autonomous driving. In these scenarios, due to the role of vehicles and pedestrians, task characteristics are changing constantly. The classical deep learning algorithm always uses a pre-trained neural network to optimize task offloading, which leads to system performance degradation. Therefore, this paper proposes a neural network fine-tuning task offloading algorithm, combining with location prediction for pedestrians and vehicles by the Payne model of fluid dynamics and the car-following model, respectively. After the locations are predicted, characteristics of tasks can be obtained and the neural network will be fine-tuned. Finally, the proposed algorithm continuously predicts task characteristics and fine-tunes a neural network to maintain high system performance and meet low delay requirements. From the simulation results, compared with other algorithms, the proposed algorithm still guarantees a lower task offloading delay, especially when congestion occurs.