운전자 보조를 위한 24Ghz 차량용 레이더 시스템 설계 및 차량/보행자 실시간 분류 기법 연구 :Research on 24Ghz Automotive Radar System Design and Vehicle/Pedestrian Real Time Classification method for Driver Assistance

이용욱

추천

검색

자료유형: 학위논문

저자정보: 이용욱 (국민대학교, 국민대학교 자동차공학전문대학원)

지도교수: 강연식

발행연도: 2017

저작권: 국민대학교 논문은 저작권에 의해 보호받습니다.

이용수10

이 논문의 연구 히스토리 (2)

2018

차량 후측방 경보시스템을 위한 24 ㎓ 레이더 기반 차량 및 보행자 분류기법 개발

이용욱 , 김태완 , 김종국 외 1명 제어로봇시스템학회 논문지 2018.03 학술저널

2017

운전자 보조를 위한 24Ghz 차량용 레이더 시스템 설계 및 차량/보행자 실시간 분류 기법 연구

이용욱 친인간지능형자동차 2017.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문은 24Ghz 레이더를 이용하여 지능형 자동차의 운전자보조시스템의 성능 향상을 위한 레이더 시스템 설계 및 차량/보행자 실시간 분류에 관한 연구이다. 레이더 센서는 마이크로웨이브 전파를 이용하여 대상과의 거리, 속도 등을 파악할 수 있는 센서로 감지 거리가 길고 날씨나 장애물에 의한 인식 제약이 거의 없다. 대상의 이동 속도 및 종 방향 거리를 추정하는데 있어 정확도가 높기 때문에 차량용 센서로 각광받고 있다. 최근 차량 안전시스템에 관한 의무화 규제에 따라 자동차 전장용품의 안전성 확보가 중요시되고 있다. 레이더 센서를 통해 차량과 보행자를 구분하여 능동 안전 시스템에 적용한다면 교통사고 사망률을 효과적으로 줄일 수 있는 장점이 있다. 이를 위해 레이더의 단점인 보행자 식별 능력 향상과 레이더 센서에 적용되는 하드웨어 및 소프트웨어 기술 개발이 필수적이다.
이에 맞춰 본 논문에서는 근거리 24Ghz 레이더 시스템 레벨의 설계와 기계학습을 통해 레이더의 취약점을 보완하고, 정확한 주변 상황 인지를 통해 인지 센서의 성능 향상에 기여하고자 한다. 우선, 효과적인 보행자 검출을 위해 Frequency Shift Keying(FSK) 방식의 레이더 신호처리 알고리즘을 사용하였다. 레이더 클러터 노이즈 제거 및 감지 성능 향상을 위해 칼만필터 기반의 추적기를 적용한다. 차량/보행자의 분류를 위해 기계학습의 일종인 Linear Discriminant Analysis(LDA)를 접목시켰으며, 실시간 신호처리를 위해 Digital Signal Processing(DSP) 기능이 내장된 Micro Controller Unit(MCU)를 이용하여 Matlab Graphical User Interface 환경을 통해 실시간 데이터 처리 및 분류 결과를 확인하였다.

This paper is a study on designing radar system for improving the performance of intelligent driver assistance system using 24Ghz radar, and on real-time vehicle/pedestrian classification. Radar sensor, which can grasp the distance speed, etc. of an object using microwave, has a long sensing distance and hardly any recognition constrained by weather or obstacles. This radar sensor is being highlighted as vehicle sensor because of its high accuracy in estimating the object’s moving velocity and longitudinal distance. Recent legal duty on vehicle safety system is making it important to secure the safety of its full-length supplies. If radar sensor capable to discriminate vehicle and pedestrians is applied to active safety system, it could reduce the death rates from traffic accidents effectively. For this, it is essential to improve the capacity to discriminate pedestrians, which is the weakness of radar, and develop the hardware and software technology applied to radar sensor.
Accordingly, this paper will complement the weaknesses of radar by designing and machine learning on the level of short-distance 24Ghz radar system, and contribute to improving the sensor’s performance by enabling it to recognize the surroundings more accurately. First, to detect pedestrians effectively, this study used the radar signal process algorithm of Frequency Shift Keying (FSK), instead of the Frequency Modulated Continuous Wave (FMCW) used for the existing vehicle radar.
Kalman Filter-based tracker was used to reject radar clutter noise and improve sensing performance. Linear Discriminant Analysis (LDA), a kind of machine learning, was grafted to discriminate vehicle/pedestrian. For real-time signal processing, Micro Controller Unit (MCU) with built-in digital signal processing was used, while the result of real-time data processing and classification was verified through the environment of Matlab Graphical User Interface.

목 차 ⅰ
그 림 목 차 ⅳ
표 목 차 ⅵ
국 문 요 약 ⅶ
1 서 론
1.1 연구 배경 1
1.2 연구 동향 5
1.3 연구 목표 6
2 레이더 기본이론
2.1 개요 8
2.2 레이더 방정식 9
2.3 레이더 파형 10
2.3.1 Continuous Wave 레이더 10
2.3.2 Frequency Shift Keying 레이더 10
3 레이더 시스템 설계
3.1 개요 11
3.2 레이더 단전원 하드웨어 설계 13
3.2.1 전원부 13
3.2.2 Filter 및 Amp 14
3.3 레이더 양전원 하드웨어 설계 17
3.3.1 전원부 17
3.3.2 Filter 및 Amp 18
3.4 MUC 및 주변회로 19
3.4.1 Micro Controller Unit 보드설계 19
4 레이더 신호처리
4.1 개요 21
4.2 FSK 신호처리 22
4.2.1 FSK Signal Processing 22
4.2.2 타깃 검출 및 정보 추출 24
5 레이더 센서를 이용한 추적 알고리즘
5.1 개요 31
5.2 트랙 관리 31
5.2.1 트랙관리기 31
5.3 추적 알고리즘 33
5.3.1 Kalman Filter & Data Association 33
5.3.2 추적 및 측정값 보정 결과 34
6 차량 및 보행자 분류
6.1 개요 35
6.2 기계학습을 이용한 차량/보행자 분류 36
6.2.1 데이터 마이닝(Data Mining) 36
6.2.2 데이터 학습(Data Training) 36
6.2.3 차량/보행자 특징점 추출 37
6.2.4 Fisher’s Linear Discriminant Analysis 41
7 실험결과
7.1 실험 개요 43
7.2 차량/보행자 실시간 분류 43
7.2.1 실험개요 43
7.2.2 실험 분석 결과 44
8 결론 47
Appendix I. 실시간 Embedded
I. 1 STM MCU 소개 48
I. 2 개발환경 49
I. 2.1 MCU 개발환경 구성 49
I. 3 MCU 기능 설정 50
I. 3.1 레지스터 설정 50
I. 3.2 UART 설정 50
I. 3.3 DAC 설정 51
I. 3.4 ADC 설정 52
I. 3.5 Timer Interrupt 설정 52
I. 4 MCU 함수 및 GUI 소개 53
I. 4.1 사용함수 53
I. 4.2 Matlab GUI 소개 54
I. 4.3 MCU 구동 명령어 소개 55
참고문헌 56
Abstract 58

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)