메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김유진 (서울대학교) 이호준 (서울대학교) 이경수 (서울대학교)
저널정보
한국자동차안전학회 자동차안전학회지 자동차안전학회지 제13권 제4호
발행연도
2021.12
수록면
7 - 13 (7page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This paper presents an vulnerable road user (VRU) classification and tracking algorithm using vision and LiDAR sensor fusion method for urban autonomous driving. The classification and tracking for vulnerable road users such as pedestrian, bicycle, and motorcycle are essential for autonomous driving in complex urban environments. In this paper, a real-time object image detection algorithm called Yolo and object tracking algorithm from LiDAR point cloud are fused in the high level. The proposed algorithm consists of four parts. First, the object bounding boxes on the pixel coordinate, which is obtained from YOLO, are transformed into the local coordinate of subject vehicle using the homography matrix. Second, a LiDAR point cloud is clustered based on Euclidean distance and the clusters are associated using GNN. In addition, the states of clusters including position, heading angle, velocity and acceleration information are estimated using geometric model free approach (GMFA) in real-time. Finally, the each LiDAR track is matched with a vision track using angle information of transformed vision track and assigned a classification id. The proposed fusion algorithm is evaluated via real vehicle test in the urban environment.
#Autonomous driving(자율 주행) #Sensor fusion(센서 융합) #You Only Look Once:YOLO(욜로) #Vulnerable road user(교통 약자) #Geometric Model-Free Tracking

목차

ABSTRACT
1. 서론
2. 차량 및 센서 구성
3. 실시간 이미지 기반 VRU 분류: Yolo 알고리즘 적용
4. 라이다 포인트 클라우드 기반 물체 인지
5. 카메라 및 라이다 상위 레벨 센서 융합
6. 실험 결과
7. 결론
참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

카메라와 라이다의 센서융합을 이용한 객체 추적 시스템 개발
백수진 ,  김아현 ,  최영림 외 2명 한국지능시스템학회 논문지 2022 .12
자율주행차량의 객체 검출을 위한 카메라-라이다 센서 시각 동기화 방안 연구
최경수 ,  사의환 ,  김성진 외 2명 한국산학기술학회 논문지 2023 .10
자율주행 차량의 카메라와 라이다 센서 캘리브레이션 기법 연구
이종서 ,  빈죤 ,  정지민 외 1명 한국자동차공학회 춘계학술대회 2023 .05
희소 입력 환경에서의 지식 증류를 활용한 카메라-라이다 센서 융합
황혜린 ,  조동현 방송공학회논문지 2023 .07
카메라-라이다 센서 융합을 위한 캘리브레이션 기법 소개
배종욱 ,  이영우 ,  고준호 외 2명 한국자동차공학회논문집 2022 .10

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-556-001309281