465 0

A Road Scene Interpretation Using A Multi-Sensor Data Fusion Framework for Autonomous Driving in Dense Traffic Situation

Title
A Road Scene Interpretation Using A Multi-Sensor Data Fusion Framework for Autonomous Driving in Dense Traffic Situation
Other Titles
복잡한 교통 상황에서 자율주행을 위한 다중 센서 데이터 융합 구 조를 이용한 도로 상황 분석
Author
정진한
Alternative Author(s)
정진한
Advisor(s)
박장현
Issue Date
2020-08
Publisher
한양대학교
Degree
Doctor
Abstract
자율주행기술 중에서 차량에 장착된 센서들을 이용한 도로 환경 인지는 차선 인식, 차량과 보행자 인식, 도로 인프라 정보 인식 등 도로 주행을 위해 필요한 다양한 정보들을 포함한다. 특히 자율주행 차량이 주행하기 위해 기본적이지만 가장 중요한 기술은 차선과 주변 차량의 정보를 파악하는 것이다. 본 연구는 복잡한 교통 상황에서 도로 상황을 파악하기 위해 자 차선 이외에도 인접한 주변 차선 검출 및 주변 차량 상태 정보를 추정하는 것이다. 하지만 주행 중 획득한 이미지 프레임으로부터 차선 검출과정에서 방해 요소가 존재한다. 따라서 때문에 개별적 객체 추종이 아니라 통합된 새로운 다중 센서 데이터 융합 구조를 제안한다. 제안된 구조는 자율주행차량에 장착된 레이더와 카메라 센서 융합을 통해 차선 정보와 주변 차량 정보의 유기적인 공유로 각 객체의 상태 정보 신뢰성 향상을 목적으로 한다. 통합 융합 시스템은 두 가지 모듈로 나뉜다. 차량 추정 모듈은 레이더와 카메라의 차량 트랙 정보 융합을 위해 Track-to-Track Fusion 기법을 적용하여 융합 지연을 최소화하며 데이터 결합 및 비동기식 다중 센서 융합 기술의 특징을 고려한 트랙 관리를 수행한다. 두 번째 모듈은 주변 차량 정보를 이용하여 자 차선 뿐만 아니라 인접한 차선의 정보를 검출하고 검출된 차선 정보를 관리한다. 복잡한 교통 환경에서 도로환경 분석을 위해 두 가지 기여점을 소개한다. 첫 번째는 강인한 다중 차선 특징점을 추출하기 위해서 차선 검출기와 차량 검출기를 통합하는 새로운 구조를 제안한다. 차량 정보를 이용해서 전방 차량과 로드 마커들에 의해 불필요한 특징점들을 제거하기 위한 ITOM기법을 소개한다. 또한 그림자 영역에서 특징점을 복원하는 방법을 소개한다. 두 번째는 다 차선 정보를 프레임간 정보 관리를 통한 트랙 관리기와 차량 트랙 정보 관리를 위한 트랙-대-트랙 융합 기법을 이용한다. 제안하는 데이터 융합구조의 성능 평가를 위해 광범위한 실 도로 데이터 중 도로환경 분석이 상대적으로 어려운 도전적인 상황을 시나리오를 선정하고 검증하였다. 본 연구의 실험 결과를 미루어 보았을 때 매우 신뢰성 있는 다 차선 검출이 가능하며 자차선의 전방 차량 뿐만 아니라 인접한 차선에서 주행하는 주변 차량의 상태정보를 고려하여 의사결정을 취할 수 있는 장점이 있다.
URI
https://repository.hanyang.ac.kr/handle/20.500.11754/153012http://hanyang.dcollection.net/common/orgView/200000438039
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > AUTOMOTIVE ENGINEERING(미래자동차공학과) > Theses (Ph.D.)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE