Camera, GPS, INS를 사용한 V2X 통신기반 협력적 차량 위치 인식 시스템 :V2X communication based cooperative positioning system using camera, GPS, INS

김용환

추천

검색

자료유형: 학위논문

저자정보: 김용환 (한양대학교, 한양대학교 대학원)

지도교수: 정재일

발행연도: 2018

저작권: 한양대학교 논문은 저작권에 의해 보호받습니다.

이용수11

이 논문의 연구 히스토리 (2)

2018

Camera, GPS, INS를 사용한 V2X 통신기반 협력적 차량 위치 인식 시스템

김용환 전자컴퓨터통신공학과 2018.01 학위논문

Camera, GPS, INS를 사용한 V２X통신기반 협력적 차량위치 인식 시스템

김용환 , 이건일 , 정재일 한국통신학회 학술대회논문집 2018.01 학술대회자료

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

초록· 키워드

오류제보하기

최근 가장 활발하게 연구가 이루어지고 있는 기술은 자율주행 기술이다. 세계적 자동차 기업들뿐만 아니라 Tesla와 같은 신생 기업, Google과 Apple과 같은 IT기업 까지도 자동차 산업에 뛰어들어 자율주행 차량의 개발에 아낌없는 투자를 하고 있다. 자율주행의 최종적 목표는 인간의 개입 없이 차량의 소프트웨어로만 주행이 가능한 기술이나 이를 위해서는 안전성이라는 해결해야할 문제가 있다. 특히 차량 간의 거리와 차량의 정확한 위치정보는 다양한 자율주행 기술에서 안정성을 확보하기 위해 필요한 기본적인 정보이다. 하지만 현대 가장 많이 사용하는 GPS 측위기술은 오차가 커서 정확성이 떨어진다. 그렇기에 안정성을 확보하기 위하여 이를 개선하여 더 낮은 오차의 정확도 높은 측위를 위한 다양한 센서 및 여러 차량 간의 정보 교환을 통한 협력측위가 필수불가결하다.
본 논문은 차량에 장착된 GPS를 사용하여 자차의 위치정보를 측정하고, Camera를 이용하여 전방 Camera 시야 내에 위치한 차량까지의 거리, 상대속도, 각도 등의 데이터를 측정하여 GPS단독 데이터보다 더 정확한 위치 정보를 습득하고 이 정보를 차량 간 통신 기술인 V2X (Vehicle to Everything)를 사용하여 다른 차량과 교환하여 보다 정확한 차량들의 위치정보를 구하는 시스템을 제시하고 이를 통하여 얻어낸 차량주변의 융합 맵(Map)을 보여준다. 또한 GPS 음영지역에서는 GPS센서를 대체하여 관성을 이용하는 IMU센서를 사용한 시스템인 INS(Inertial Navigation System)를 사용하여 차량의 위치를 측위하며, 이를 Camera에서 구한 정보와 융합하여 신뢰성 있는 차량 위치정보를 추출한다.
이렇게 구한 정보를 단독 GPS센서의 측위 결과, 단독차량의 측위결과, V2X통신을 이용한 데이터 교환을 통한 협력측위와의 정확도를 비교하며 본 시스템을 이용 가능한 FCW(Forward Collision Warning), AEB(Autonomous Emergency Braking)등의 ADAS(Advanced Driver Assistance Systems) 애플리케이션 및 추후 연구 과제 또한 제시한다.

ABSTRACT
Vehicle Location Recognition System Using Camera, GPS,
INS Based on V2X Communication
Kim, Yong Hwan Department of Electronics and Computer Engineering Graduate School of Hanyang University
Recently, One of the most Actively Researched Technology is Autonomous Driving. Not only main automobile companies, also new company like Tesla or IT companies like Apple and Google invest on Automotive Industry to develop Autonomous Driving Vehicle. The final object of autonomous driving is driving vehicle using only software without any human interference, but still there is a problem called “Safety”. Especially information of distance between cars and exact location of the car is basic and necessary to guarantee the safety in various autonomous driving technologies, But the most used positioning technology GPS has low accuracy because of high error rate. To achieve safety, Developing cooperative positioning with improved low error rate and high accuracy by exchanging information between multiple vehicles and various sensors is necessary.
- 57 -
This paper presents the system to locate the vehicles within a range more accurately by obtaining multiple data, using GPS on vehicle to get location info, Camera to get the distance, relative velocity and angle info to the other vehicles within the field of view to get more accurate data than only GPS data, and exchanging it using V2X(Vehicle to Everything) communication and shows the merged local map made by this process. Also at the GPS shadow area, use the INS(Inertial Navigation System) using IMU sensor detecting inertia to replace the GPS and perform positioning, and merge the position data with camera detected data to obtain more reliable vehicle position data.
Also Compare GPS data result, positioning data result by single vehicle and cooperative positioning result by exchanging V2X communication using obtained various data and Suggest the ADAS(Advanced Driver Assistance Systems) application like FCW(Forward Collision Warning), AEB(Autonomous Emergency Braking) and etc. using this system and further possible research.

#통신공학

차 례
차 례 i
그림 목차 iii
표 목차 v
수식 목차 vi
국문 요지 vii
제1장 서론 1
제1절 연구배경 1
제2절 연구 목표 2
제3절 논문 구성 2
제2장 연구 배경 및 관련 연구 3
제1절 ADAS를 위한 자동차 센서 3
1.1 GPS 3
1.2 Camera 7
1.3 INS 9
제2절 V2X 통신(Vehicle to Everything Communication) 10
제3절 협력측위(Cooperative Positioning) 15
제3장 Camera, GPS, INS를 이용한 V2V 기반 차량 위치인식 시스템 17
제1절 Camera를 이용한 거리 측정 17
제2절 차량 간 통신을 이용한 위치정보 공유 22
2.1 System Architecture 22
2.2 Local Map 26
제4장 PreScan 시뮬레이션 시스템 구현 및 평가 27
제1절 시뮬레이터 구성 및 시스템 개발 환경 27
제2절 시뮬레이션 시나리오 29
2.1 GPS의 기록만 가능할 때 (오차 0m) 32
2.2 GPS의 기록만 가능할 때 (오차 3m) 33
2.3 GPS와 카메라를 사용한 측정 및 통신기반 협력측위 34
2.2 음영지역에서 INS를 사용 35
제3절 시뮬레이션 결과 및 분석 36
3.1 GPS 오차 유무 36
3.2 GPS, Camera를 사용한 V2V 기반 협력측위 39
3.3 GPS 음영지역에서 INS 유무에 따른 협력측위 45
제5장 전체 결과 와 결론 및 향후 연구과제 52
참고 문헌 54
Abstract 57

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)