• 전자공학회논문지SC
• /
• 제38권5호
• /
• pp.42-51
• /
• 2001

차량검출은 교통량 관측을 위해서 필요한 가장 기본적인 요소이다. 영상을 기반으로 한 교통정보 추출 시스템은 다른 방식을 이용하는 시스템들과 비교했을 때 몇 가지 두드러진 장점을 가지고 있다. 그러나, 영상기반 시스템에서는 영상에 포함된 그림자가 차량검출의 정확도를 저해하는 요소로 작용하는 데, 특히 이동중인 차량에 의해서 발생하는 활성 그림자는 심각한 성능저하를 야기할 수 있다. 본 논문에서는 차량검출과 그림자 영향 제거를 위해서 배경 빼기와 에지 검출을 결합한 새로운 접근방법을 제안하였다. 제안한 방법은 노변의 지형지물에 의해서 발생하는 비활성 그림자가 크게 증가하는 상황에서도, 98[%]이상의 차량검출 정확도를 나타내었다. 본 논문에서 제안한 차량검출 방법을 기반으로 하여, 차량 추적, 차량 계수, 차종 분류, 그리고 속도 측정을 수행하여 각 차선의 부하를 나타내는 데 사용되는 차량 흐름과 관련된 여러 가지 교통정보를 추출하였다.

• 대한교통학회지
• /
• 제19권6호
• /
• pp.161-170
• /
• 2001

차량검출은 교통량 관측(모니터링)을 위해서 필요한 가장 기본적인 요소이다. 영상을 기반으로 한 교통정보추출 시스템은 다른 방식을 이용하는 시스템들과 비교했을 때 몇 가지 두드러진 장점을 가지고 있다. 그러나 영상기반 시스템에서는 영상에 포함된 그림자가 차량검출의 정확도를 저해하는 요소로 작용하는 데, 특히 이동 중인 차량에 의해서 발생하는 환성 그림자는 심각한 성능저하를 야기할 수 있다. 본 논문에서는 차량검출과 그림자 영향 제거를 위해서 배경 빼기와 에지 검출을 결합한 새로운 접근방법을 제안하였다. 제안한 방법은 노변의 지형지물에 의해서 발생하는 비활성 그림자가 크게 증가하는 상황에서도, 98(%)이상의 차량검출 정확도를 나타내었다. 본 논문에서 제안한 차량검출 방법을 기반으로 하여, 차량 추적, 차량 계수, 차종 분류, 그리고 속도 측정을 수행하여 각 차로의 부하를 나타내는 데 사용되는 차량 흐름과 관련된 여러 가지 교통정보를 추출하였다.

• 한국ITS학회 논문지
• /
• 제20권1호
• /
• pp.174-192
• /
• 2021

카메라나 레이더에 비해 높은 인지 성능을 제공하는 라이다 센서는 높은 가격으로 의해 ADAS나 자율주행에 적용되기 어려웠으나, 최근 가격이 빠르게 낮아지고 있어 라이다를 활용한 기존 자율주행 기능 개선에 관한 기대가 높아지고 있다. 레벨3 자율주행자동차의 경우, 센서의 결함 또는 한계 등 인지시스템에 위험한 상황이 발생했을 때 운전자에게 수동모드로의 제어권 전환을 요청하며, 만약 이러한 요청에도 운전자가 반응하지 않을 경우 MRM 즉 최소위험기동을 구현하여야 한다. 본 연구에서는 이러한 배경을 바탕으로 인지 시스템에서 생기는 위험으로 인해 LKS의 정상작동이 힘든 경우에 대한, 라이다 기반의 MRM 알고리즘을 개발하였다. 본 논문의 LKS MRM 기술은 라이다에서 수집된 포인트 클라우드 데이터를 기반으로 객체 군집화를 통해 전방에 있는 차량의 이동 경로를 생성하고, 이를 자차량의 목표 경로점으로 변환하여, 카메라 기반의 LKS가 정상 작동을 할 수 없는 경우 라이다 기반의 경로 추종제어를 통해 최소위험기동을 수행한다. 제안된 알고리즘의 성능을 검증하기 위하여 HAZOP 기법을 사용하여 위험원을 식별하였고 이를 바탕으로 검증용 시나리오 3가지를 도출하여, 뵨 연구에서 구축한 시뮬레이션 환경에서 알고리즘 검증을 수행하였다. 그 결과 본 연구에서 제안한 라이다 기반 LKS MRM 알고리즘이 여러 가능한 인지시스템의 위험 상황에 대해 차선이탈을 방지하고 이를 통해 교통사고를 방지하는 것을 확인할 수 있었다.

• 대한토목학회논문집
• /
• 제33권3호
• /
• pp.1131-1142
• /
• 2013

본 연구에서는 대구광역시의 달구벌대로의 일부 단로부를 대상으로 신호교차로에서의 차두시간 특성과 교통량, 속도 및 통행시간 특성에 대한 관측 자료를 기반으로 시뮬레이션을 위한 calibration과 검증과정을 통해 TRANSIMS의 단속류에서의 적용 가능성을 살펴보는 것을 목적으로 한다. 특히, 차두시간의 특성과 우리 실정에 맞는 파라미터의 선정 및 ID 추적 등을 통해 Calibration 과정을 거쳤으며 이렇게 수정된 파라미터를 기반으로 구현된 가로구간의 차로별 교통량, 속도 및 구간 통행시간 등의 특성은 무난하게 우리 실정에 맞게 묘사할 수 있는 것으로 나타났다. 특히 셀의 크기에 따른 교통류 특성 분석에서 기존 연구의 성과를 뒷받침 할 수 있는 결과도 얻을 수 있었다. 그러나 본 연구에서 대상으로 일부 구간만으로 TRANSIMS의 국내 적용가능성을 단정하기에는 무리가 있으며, 다양한 차로 특성, 신호 특성 및 연도 토지이용 특성 등을 고려한 시뮬레이션을 통해 객관적인 분석과 파라미터의 Calibration 과정 및 검증에 대한 향후 연구가 필요할 것으로 판단된다.

• 한국전자파학회논문지
• /
• 제25권1호
• /
• pp.99-107
• /
• 2014

돌발적으로 발생하는 도로 장애물은 고속으로 주행하는 차량의 안전운행을 위협한다. 따라서, 악천후 시에도 도로상의 돌발 장애물을 탐지하고, 충돌을 방지할 수 있는 전천후 레이다 센서에 대한 관심이 높아지고 있다. 본 논문에서는 도로 장애물 탐지 및 경보를 위한 Ka-대역 펄스 도플러 레이다 시험모델의 설계 제작 및 성능시험 결과를 제시한다. 레이다 센서는 도로 환경조건에 적합하고, 다양한 고정 및 이동 장애물에 대하여 탐지, 추적 및 차선 식별 기능이 요구된다. 개발된 레이다는 안테나, 송수신기, 신호처리기 및 제어기로 구성된다. 주요 적용 기술은 고정 장애물 탐지를 위한 클러터 맵 기반 변화 탐지 기법, 이동 장애물 속도 탐지를 위한 도플러 추정 기법, 그리고 차선 식별을 위한 3-horn 모노펄스 방위각 추정 및 추적 기법이 포함된다. 개발된 레이다 시스템의 장애물 탐지와 차량 감시 성능은 성능시험과 환경시험을 통하여 설계 요구 조건을 만족하는 것으로 확인되었다.

• 정보보호학회논문지
• /
• 제33권6호
• /
• pp.1099-1110
• /
• 2023

자율주행 및 robot navigation의 인식 시스템은 성능 향상을 위해 다중 센서를 융합(Multi-Sensor Fusion)을 한 후, 객체 인식 및 추적, 차선 감지 등의 비전 작업을 한다. 현재 카메라와 라이다 센서의 융합을 기반으로 한 딥러닝 모델에 대한 연구가 활발히 이루어지고 있다. 그러나 딥러닝 모델은 입력 데이터의 변조를 통한 적대적 공격에 취약하다. 기존의 다중 센서 기반 자율주행 인식 시스템에 대한 공격은 객체 인식 모델의 신뢰 점수를 낮춰 장애물 오검출을 유도하는 데에 초점이 맞춰져 있다. 그러나 타겟 모델에만 공격이 가능하다는 한계가 있다. 센서 융합단계에 대한 공격의 경우 융합 이후의 비전 작업에 대한 오류를 연쇄적으로 유발할 수 있으며, 이러한 위험성에 대한 고려가 필요하다. 또한 시각적으로 판단하기 어려운 라이다의 포인트 클라우드 데이터에 대한 공격을 진행하여 공격 여부를 판단하기 어렵도록 한다. 본 연구에서는 이미지 스케일링 기반 카메라-라이다 융합 모델(camera-LiDAR calibration model)인 LCCNet 의 정확도를 저하시키는 공격 방법을 제안한다. 제안 방법은 입력 라이다의 포인트에 스케일링 공격을 하고자 한다. 스케일링 알고리즘과 크기별 공격 성능 실험을 진행한 결과 평균 77% 이상의 융합 오류를 유발하였다.

• 한국터널지하공간학회 논문집
• /
• 제19권1호
• /
• pp.95-107
• /
• 2017

본 논문에서는 제도적으로 운영 중인 터널내 CCTV들로부터 실시간으로 들어오는 영상들을 최신 딥러닝 알고리즘을 이용, 학습시켜 다양한 조건의 터널환경에서 돌발 상황을 감지하고 그 돌발 상황의 종류들을 분류해 내는 시스템 개발을 위한 사전검토 연구를 수행하였다. 사전검토 연구를 위해, 2개의 도로현장의 교통류 CCTV영상 일부를 이용하여 가용한 전통적인 영상처리기법으로 영상내부로 집입하는 차량을 감지하고, 이동경로를 추적하여 일정 시간간격의 이동 차량의 좌표와 시간정보를 추출하고 학습자료를 구성하였다. 각 차량의 이동정보는 차선변경, 정차 등 6가지의 이벤트 정보와 연계된다. 차량 이동정보와 이벤트로 구성된 학습자료는 레질리언스(resilience) 기계학습 알고리즘을 이용하여 학습하였다. 2개의 은닉층을 설정하고, 각 은닉층의 노드수에 대한 9개의 은닉구조 모델을 설정하여 매개변수 연구를 수행하였다. 본 사전검토의 경우에는 첫 번째, 두 번째 은닉층 노드수가 각각 300개와 150개로 설정된 모델이 합리적으로 가장 추론정확도가 높은 것으로 평가되었다. 이로부터 일반화되기 매우 힘든 복잡한 교통류 상황을 기계학습을 이용하여 어떠한 사전 규칙설정 없이도 교통류의 특징들을 정확히 자동으로 감지할 수 있는 가능성을 보였다. 본 시스템은 시스템의 운용을 통해 지속적으로 교통류 영상과 이벤트 정보가 늘어난다면, 자동으로 그 시스템의 인지능력과 정확도가 자동으로 향상되는 효과도 기대할 수 있다.