• 전자공학회논문지
• /
• 제52권12호
• /
• pp.150-157
• /
• 2015

보행자 인식은 차량자율주행 및 사고방지를 위해 중요한 요소기술로서 많이 연구되고 있다. 이 기술들은 크게 카메라기반과 LIDAR 기반, 두 가지로 구별할 수 있다. 카메라 기반 방법과 대비되어 LIDAR 기반 방법은 화각이 넓고 조도환경에 영향을 받지 않는다는 강점이 있다. 하지만 LIDAR 기반 방법은 먼 물체를 인식하기엔 센서 해상도가 낮고, 복잡한 환경에서는 분할 오류나 폐색 등의 원인으로 인식률이 낮아진다는 문제점이 있다. 본 논문에서는 3차원 LIDAR 기반 보행자 탐지 알고리즘의 낮은 인식률을 개선시키기 위해 다중객체추적 기법의 하나인 GM-PHD 필터를 이용한 두 가지 성능 향상 방법을 제안한다. 첫 번째 방법은 GM-PHD 필터를 이용해 이전 프레임의 포인트를 현재 프레임의 물체에 자동으로 누적하여 물체 해상도 및 보행자 분류 성능을 향상시킨다. 두 번째 방법은 인식 성능이 낮은 상황에 맞춰 개선된 GM-PHD 필터를 분류된 다중객체에 적용하여 탐지 성능을 더욱 강화시킨다. 직접 취득한 도로 주행 데이터에 두 방법을 적용하여 제안한 방법이 기존의 보행자 탐지 알고리즘 성능을 대폭 향상시키는 것을 정량적으로 증명하였다.

• 제어로봇시스템학회논문지
• /
• 제22권9호
• /
• pp.773-777
• /
• 2016

In this paper, a novel multi-object tracking method to track an unknown number of objects is proposed. To handle multiple object states and uncertain observations efficiently, a probability hypothesis density (PHD) filter is adopted and modified. The PHD filter is capable of reducing false positives, managing object appearances and disappearances, and estimating the multiple object trajectories in a unified framework. Although the PHD filter is robust in cluttered environments, it is vulnerable to false negatives. For this reason, we propose to exploit local observations in an RFS of the observation model. Each local observation is generated by using an online trained object detector. The main purpose of the local observation is to deal with false negatives in the PHD filtering procedure. The experimental results demonstrated that the proposed method robustly tracked multiple objects under practical situations.

• 한국ITS학회 논문지
• /
• 제21권5호
• /
• pp.218-232
• /
• 2022

차량의 물체 인식에 사용되던 센서인 레이더 센서를 위치 추정에 사용하기 위한 연구들이 진행되고 있다. 특히 레이더 센서에서 출력되는 도플러 속도를 이용하여 동적 물체와 정적 물체를 분류하고, 정적 물체만을 이용하여 에고 모션을 계산하는 방법이 연구되었다. 기존의 동적 물체 분류에서는 RANSAC을 사용한 방법이 제시되었는데, 단 한 번의 알고리즘 실패가 큰 영향을 미치는 위치 추정의 특성상 더 높은 성능을 가진 분류 방법이 필요하다. 본 논문에서는 동적 물체의 추적 및 필터링을 통해 기존 방법보다 분류 성능을 높이는 방법에 대해 제안한다. 추가적으로 GMPHD 필터를 사용하여 추적 성능을 최대로 향상시킨다. 제안된 방법은 기존의 방법과 비교하여 분류 정확도에서 더 높은 성능을 보였으며, 특히 알고리즘의 실패를 방지할 수 있다는 것을 보인다.