• 로봇학회논문지
• /
• 제17권3호
• /
• pp.245-254
• /
• 2022

Sensor dataset for autonomous driving is one of the essential components as the deep learning approaches are widely used. However, most driving datasets are focused on typical environments such as sunny or cloudy. In addition, most datasets deal with color images and lidar. In this paper, we propose a driving dataset with multi-spectral images and lidar in adverse weather conditions such as snowy, rainy, smoky, and dusty. The proposed data acquisition system has 4 types of cameras (color, near-infrared, shortwave, thermal), 1 lidar, 2 radars, and a navigation sensor. Our dataset is the first dataset that handles multi-spectral cameras in adverse weather conditions. The Proposed dataset is annotated as 2D semantic labels, 3D semantic labels, and 2D/3D bounding boxes. Many tasks are available on our dataset, for example, object detection and driveable region detection. We also present some experimental results on the adverse weather dataset.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2006년도 춘계학술발표회 논문집
• /
• pp.199-204
• /
• 2006

Airborne LIDAR systems have been increasingly used for various applications as an effective surveying mean that can be complementary or alternative to the traditional one based on aerial photos. A LIDAR system is a multi-sensor system consisting of GPS, INS, and a laser scanner and hence the errors associated with the LIDAR data can be significantly affected by not only the errors associated with each individual sensor but also the errors involved in combining these sensors. The analysis about these errors have been performed by some researchers but yet insufficient so that the results can be critically contributed to performing accurate calibration of LIDAR data. In this study, we thus analyze these error sources, derive their mathematical models and perform the sensitivity analysis to assess how significantly each error affects the LIDAR data. The results from this sensitivity analysis in particular can be effectively used to determine the main parameters modelling the systematic errors associated with the LIDAR data for their calibration.

• 로봇학회논문지
• /
• 제16권2호
• /
• pp.103-111
• /
• 2021

This study addresses a low-cost lidar sensor-based glass feature extraction method for an accurate map representation using statistical moments, i.e. the mean and variance. Since the low-cost lidar sensor produces range-only data without intensity and multi-echo data, there are some difficulties in detecting glass-like objects. In this study, a principle that an incidence angle of a ray emitted from the lidar with respect to a glass surface is close to zero degrees is concerned for glass detection. Besides, all sensor data are preprocessed and clustered, which is represented using statistical moments as glass feature candidates. Glass features are selected among the candidates according to several conditions based on the principle and geometric relation in the global coordinate system. The accumulated glass features are classified according to the distance, which is lastly represented on the map. Several experiments were conducted in glass environments. The results showed that the proposed method accurately extracted and represented glass windows using proper parameters. The parameters were empirically designed and carefully analyzed. In future work, we will implement and perform the conventional SLAM algorithms combined with our glass feature extraction method in glass environments.

• 한국전자통신학회논문지
• /
• 제13권2호
• /
• pp.313-320
• /
• 2018

자동차의 자율주행 기술이 확대되면서 '눈'의 역할을 하는 센서가 점차 중요시되고 있다. 최근 차량에 장착되는 라이다 센서는 채널이 많을수록 피사체에 반사된 신호 또한 풍부해짐에 따라 장애물, 지형, 차량 등 주변 환경 탐색의 정확도가 높아진다. 하지만, 라이다 센서는 채널 증가에 따른 열배 이상 가격의 차이가 있으며, 이러한 가격적인 문제로 보급형 차량보다는 고가의 차량에만 부분적으로 사용되고 있다. 본 연구는 저 가격의 16 채널의 라이다를 복수개로 구성하여 동시에 신호를 수집 처리하여 하나의 입체공간으로 융합하고 이를 나타낼 수 있게 함으로써 64 채널의 라이더와 같은 효과를 나타낼 수 있게 하였다. 이를 통해서 차량 심미성의 개선과 함께 보급화를 위한 기반을 제공할 수 있다.

• 정보보호학회논문지
• /
• 제33권6호
• /
• pp.1099-1110
• /
• 2023

자율주행 및 robot navigation의 인식 시스템은 성능 향상을 위해 다중 센서를 융합(Multi-Sensor Fusion)을 한 후, 객체 인식 및 추적, 차선 감지 등의 비전 작업을 한다. 현재 카메라와 라이다 센서의 융합을 기반으로 한 딥러닝 모델에 대한 연구가 활발히 이루어지고 있다. 그러나 딥러닝 모델은 입력 데이터의 변조를 통한 적대적 공격에 취약하다. 기존의 다중 센서 기반 자율주행 인식 시스템에 대한 공격은 객체 인식 모델의 신뢰 점수를 낮춰 장애물 오검출을 유도하는 데에 초점이 맞춰져 있다. 그러나 타겟 모델에만 공격이 가능하다는 한계가 있다. 센서 융합단계에 대한 공격의 경우 융합 이후의 비전 작업에 대한 오류를 연쇄적으로 유발할 수 있으며, 이러한 위험성에 대한 고려가 필요하다. 또한 시각적으로 판단하기 어려운 라이다의 포인트 클라우드 데이터에 대한 공격을 진행하여 공격 여부를 판단하기 어렵도록 한다. 본 연구에서는 이미지 스케일링 기반 카메라-라이다 융합 모델(camera-LiDAR calibration model)인 LCCNet 의 정확도를 저하시키는 공격 방법을 제안한다. 제안 방법은 입력 라이다의 포인트에 스케일링 공격을 하고자 한다. 스케일링 알고리즘과 크기별 공격 성능 실험을 진행한 결과 평균 77% 이상의 융합 오류를 유발하였다.

• 한국방재학회 논문집
• /
• 제4권4호
• /
• pp.55-61
• /
• 2004

최근 센서 기술의 발달로 지상에 대한 다양한 정보취득이 가능해지고 있다. 하지만, 이러한 정보들을 많은 응용연구에 적용시킬 경우 각 센서로부터 취득한 자료들은 완벽성, 정밀성 및 일관성이 부족하다. 이러한 문제를 해결하기 위하여 각 자료는 서로 다른 자료를 위한 보조자료로 활용되거나 서로 간의 융합을 필요로 한다. 본 연구에서는 LIDAR자료와 디지털 카메라 영상을 이용하여 3차원 정사영상을 생성하시 위한 실험을 수행하였으며 3차원 정사영상이 홍수 모니터링에 활용될 수 있었음을 보여주었다.

• 전자공학회논문지
• /
• 제52권12호
• /
• pp.158-164
• /
• 2015

차선인식은 차선 유지, 경로 계획 등을 가능하게 하는 기술로서 자율주행차를 구성하는 가장 중요한 요소 중 하나이다. 카메라 센서를 이용한 연구가 많이 진행되었으나 센서의 특성상 화각의 한계가 존재하며 조도 환경에 취약한 단점이 있다. 반면 Lidar 센서는 넓은 화각과 함께 표면의 반사율 정보를 이용하기에 조도의 영향을 받지 않는 장점이 있다. 기존 연구에선 Hough 변환, 히스토그램 등의 방법을 이용하였는데 도로 표시들이 혼재한 상황에서 올바른 차선 인식이 이루어지지 않거나 다수의 차선이 존재함에도 주행 차선만 인식 되는 문제점들이 존재한다. 본 논문에서는 RANSAC과 regularization을 적용해 도로 표시가 혼재된 고속도로 환경에서도 정확하고 안정적인 다중 차선 인식 알고리즘을 제안한다. 정확한 차선 후보군 추출을 위해 원 모델 RANSAC을 적용하였고 안정적인 다중 차선 검출을 위해 피팅에 regularization을 추가로 제안하였다. 직접 취득한 도로 주행 데이터에 적용하여 높은 정확도와 실시간성을 정량적으로 검증하였다.

• 대한공간정보학회지
• /
• 제16권2호
• /
• pp.67-76
• /
• 2008

최근 항공측량분야의 가장 큰 기술적 특징은 Camera 혹은 Lidar와 같은 주 센싱 장비에 GPS, IMU 등 다양한 위치결정 센서를 연계한 Direct Georeferencing 기술의 활용이다. 아울러 항측용 디지털 카메라의 기술적 우월성과 이의 활용성이 입증됨에 따라 다양한 종류의 항측용 디지털 카메라가 개발 및 보급되고 있다. 이에 부응하여 국내에서도 일반적인 항공촬영으로는 취득이 불가능한 건물측면과 비고가 큰 지형에서 발생하는 사각지역에 대하여도 3차원 정보취득과 Texture Mapping이 가능한 다각(Multi-looking)항공촬영시스템의 개발이 시도되고 있다. 하지만 다양한 센서 결합과 다중 카메라의 배열에 따른 센서들간의 시각동기화와 함께 정확한 기하 및 복사보정을 실시해야 하는 문제점이 따른다. 이를 해결하기 위해서는 항공측량 시스템의 센서검정(Sensor Calibration)에 필요한 테스트 필드가 절실히 요구되고 있다. 따라서 본 연구에서는 항공측량용 테스트 필드 구축과 관련한 국외 사례를 고찰하고 국내 테스트 필드 구축방안을 제시하고자 한다.

• 터널과지하공간
• /
• 제32권6호
• /
• pp.451-463
• /
• 2022

수직갱도에서 붕괴사고가 일어났을 때, 붕괴현장의 위험도를 신속하게 평가하는 것은 매우 중요하다. 사고현장에서 추가적인 붕괴 위험 때문에 인력을 투입한 직접적인 조사는 불가능하다. 수백 미터 심도를 갖는 수직갱도에서는 무선 신호의 한계와 와류 때문에 고속 라이다 센서를 장착한 드론을 이용한 조사가 불가능하다. 기존 연구에서는 견인방식을 이용한 단일채널 Lidar 센서를 3차원 형상화 장비가 구현되어 적용되었다. 관성(IMU)센서 데이터를 바탕으로 탐사시 발생하는 회전 운동과 진자운동에 대한 보정이 이루어졌고, 인접 측정데이터 간의 유사성 검토를 통해 정밀 보정을 수행하였으나 탐사 깊이가 깊어질수록 오차가 누적되는 현상이 발견되었다(Kim et al.(2020)). 본 논문에서는 다중채널 Lidar 센서를 적용하여 견인장치에 의해 상승이동하면서 연속적인 단면데이터가 수집되었다. 다중채널 Lidar의 방사 특성 때문에 발생하는 데이터 중첩성을 이용하여 동일 심도의 측정데이터 간의 유사성을 통해 회전운동을 정밀 보정하기 위한 기법이 적용되었다. 180 m 심도의 수직갱도에서 구현된 탐사장비를 이용하여 0~165 m 구간이 조사하여 수직갱도의 형상이 3차원 그래픽으로 재구성되었다.

• ETRI Journal
• /
• 제29권4호
• /
• pp.411-420
• /
• 2007

The steady evolution of mapping technology is leading to an increasing availability of multi-sensory geo-spatial datasets, such as data acquired by single-head frame cameras, multi-head frame cameras, line cameras, and light detection and ranging systems, at a reasonable cost. The complementary nature of the data collected by these systems makes their integration to obtain a complete description of the object space. However, such integration is only possible after accurate co-registration of the collected data to a common reference frame. The registration can be carried out reliably through a triangulation procedure which considers the characteristics of the involved data. This paper introduces algorithms for a multi-primitive and multi-sensory triangulation environment, which is geared towards taking advantage of the complementary characteristics of spatial data available from the above mentioned sensors. The triangulation procedure ensures the alignment of involved data to a common reference frame. The devised methodologies are tested and proven efficient through experiments using real multi-sensory data.