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
노한석 (서울대학교) 이현성 (서울대학교) 이경수 (서울대학교)
저널정보
한국자동차안전학회 자동차안전학회지 자동차안전학회지 제14권 제2호
발행연도
2022.6
수록면
39 - 44 (6page)

이용수

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

초록· 키워드

오류제보하기
This paper presents LiDAR static obstacle map based vehicle position correction algorithm for urban autonomous driving. Real Time Kinematic (RTK) GPS is commonly used in highway automated vehicle systems. For urban automated vehicle systems, RTK GPS have some trouble in shaded area. Therefore, this paper represents a method to estimate the position of the host vehicle using AVM camera, front camera, LiDAR and low-cost GPS based on Extended Kalman Filter (EKF). Static obstacle map (STOM) is constructed only with static object based on Bayesian rule. To run the algorithm, HD map and Static obstacle reference map (STORM) must be prepared in advance. STORM is constructed by accumulating and voxelizing the static obstacle map (STOM). The algorithm consists of three main process. The first process is to acquire sensor data from low-cost GPS, AVM camera, front camera, and LiDAR. Second, low-cost GPS data is used to define initial point. Third, AVM camera, front camera, LiDAR point cloud matching to HD map and STORM is conducted using Normal Distribution Transformation (NDT) method. Third, position of the host vehicle position is corrected based on the Extended Kalman Filter (EKF).The proposed algorithm is implemented in the Linux Robot Operating System (ROS) environment and showed better performance than only lane-detection algorithm. It is expected to be more robust and accurate than raw lidar point cloud matching algorithm in autonomous driving.
#Urban Autonomous Driving(도심 자율 주행) #Position Correction(위치 보정) #ROS(로봇 운영체제) #LiDAR point cloud(라이다 포인트 클라우드) #Normal Distribution Transformation(정규 분포 변환) #Static Obstacle(정지 장애물) #Occupancy Grid Map(점유 격자 지도)

목차

ABSTRACT
1. 서론
2. 실험 차량 센서 구성 및 데이터 취득 방법
3. 정지 장애물 지도 생성
4. Vision 기반 차선 인지
5. 맵 매칭 및 위치 보정
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

도심자율주행을 위한 라이다 정지 장애물 지도 기반 차량 동적 상태 추정 알고리즘
김종호 ,  이호준 ,  이경수 자동차안전학회지 2021 .12
자율주행 시스템의 장애물 회피 알고리즘에 관한 연구
안두성 ,  박근현 ,  최규종 외 1명 동력시스템공학회지 2012 .02
완전자율주행자동차의 운행 안전성 보장 제고 방안 - 독일 도로교통법 및 일본 도로교통법 개정 사항을 중심으로
박경신 자동차안전학회지 2023 .03
AEB 장치에 대한 사고경감 효과 연구
최준영 ,  강승수 ,  박은아 외 4명 자동차안전학회지 2019 .06
고속 자율주행 레이싱을 위한 Camera-LiDAR 센서 퓨전 인지 알고리즘
봉은정 ,  최연호 ,  안광림 외 1명 한국자동차공학회논문집 2025 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-556-001309589