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
김종호 (서울대학교) 이호준 (서울대학교) 이경수 (서울대학교)
저널정보
한국자동차안전학회 자동차안전학회지 자동차안전학회지 제13권 제4호
발행연도
2021.12
수록면
14 - 19 (6page)

이용수

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

초록· 키워드

오류제보하기
This paper presents LiDAR static obstacle map based vehicle dynamic state estimation algorithm for urban autonomous driving. In an autonomous driving, state estimation of host vehicle is important for accurate prediction of ego motion and perceived object. Therefore, in a situation in which noise exists in the control input of the vehicle, state estimation using sensor such as LiDAR and vision is required. However, it is difficult to obtain a measurement for the vehicle state because the recognition sensor of autonomous vehicle perceives including a dynamic object. The proposed algorithm consists of two parts. First, a Bayesian rule-based static obstacle map is constructed using continuous LiDAR point cloud input. Second, vehicle odometry during the time interval is calculated by matching the static obstacle map using Normal Distribution Transformation (NDT) method. And the velocity and yaw rate of vehicle are estimated based on the Extended Kalman Filter (EKF) using vehicle odometry as measurement. The proposed algorithm is implemented in the Linux Robot Operating System (ROS) environment, and is verified with data obtained from actual driving on urban roads. The test results show a more robust and accurate dynamic state estimation result when there is a bias in the chassis IMU sensor.
#Urban Autonomous Driving(도심 자율 주행) #Vehicle Dynamic State(차량 동적 상태) #LiDAR point cloud(라이다 포인트 클라우드) #Normal Distribution Transformation(정규 분포 변환) #Occupancy Grid Map(점유 격자 지도) #Static Obstacle(정지 장애물) #Robot Operating System(로봇 운영 체제)

목차

ABSTRACT
1. 서론
2. 실험 차량 센서 구성 및 데이터 획득
3. 정지장애물 지도 작성
4. 차량 오도메트리 및 동적상태 추정
5. 알고리즘 구현 및 실험결과
6. 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

도심 자율주행을 위한 라이다 정지 장애물 지도 기반 위치 보정 알고리즘
노한석 ,  이현성 ,  이경수 자동차안전학회지 2022 .06
임베디드 환경에서 SSD MobileNet V2 및 Deep SORT 기반 객체 추적을 이용한 피플 카운터
황연우 ,  기재원 ,  Nguyen Quoc Toan 외 4명 한국지능시스템학회 논문지 2023 .08
객체 인식을 위한 이동형 카메라를 이용한 거리 측정 기법
황치곤 ,  이해준 ,  윤창표 한국정보통신학회 종합학술대회 논문집 2022 .05
딥러닝 기반 실시간 다중 객체 추적 시스템
김경훈 ,  강석주 ,  Junho Heo 한국방송미디어공학회 학술발표대회 논문집 2019 .11
움직이는 카메라를 이용한 목표물의 거리 및 속도 추정
변상훈 ,  좌동경 전기학회논문지 2013 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-556-001309296