학술논문
자율주행 차량의 카메라 및 레이더 데이터 융합 기법에 관한 연구 / A Study on the Camera and Radar Data Fusion Techniques for Autonomous Driving Vehicles
Document Type
Dissertation/ Thesis
Author
Source
Subject
Language
Korean
Abstract
Autonomous vehicles have utilized various sensors such as cameras, radars, and LiDAR for precise and reliable perception in diverse environments. However, addressing the challenge of fulfilling all perception tasks with a single sensor has led to active research in sensor fusion to complement the strengths and weaknesses of each sensor for comprehensive environmental understanding.This paper investigates the fusion of camera visual information and radar distance data to achieve more accurate and efficient environmental perception for driving. The study focuses on the fusion method in terms of both data and speed, effectively combining radar detection points with the camera image plane to generate feature maps. An efficient approach is proposed, leveraging the characteristics of the YOLOv5 network for selective grid detection, and its effectiveness is explored. To evaluate the performance of the proposed method, YOLOv5-based detection models are trained and validated using RGB images from cameras and fused images with radar data. Additionally, the impact of the selective grid detection method on processing speed is assessed by comparing the average processing speed per validation dataset. Experimental results confirm the effectiveness and efficiency of the proposed approach in facilitating object detection.
제 목 : 자율주행 차량의 카메라 및 레이더 데이터 융합 기법에 관한 연구 본 논문은 카메라의 시각 정보와 레이더의 거리 정보를 효과적으로 결합하는 방법에 대해 연구하였다. 보다 정확하고 효율적인 주행 환경 인식을 구현하기 위하여 카메라와 레이더를 데이터 및 속도 측면에서 융합하는 방법을 각각 제안하였다. 자율주행 차량은 다양한 환경에서 정확하고 신뢰성 있는 인식을 달 성하기 위해 카메라, 레이더, 라이다와 같은 다양한 센서를 활용해왔 다. 그러나 단일 센서로는 모든 인식 과제를 충족시키기에는 한계가 있다. 이를 해결하기 위해 각 센서들의 장단점을 보완하고, 포괄적인 환경 인식을 수행할 수 있는 센서 융합 기법에 대한 연구가 활발히 이루어지고 있다. 본 논문은 자율주행 차량의 센서 중 카메라와 레이더 데이터를 융 합하는 방법에 대해 제안한다. 레이더 감지 포인트를 카메라 이미지 평면에 투영하여 특징맵을 생성하는 새로운 방법을 제안하고, YOLOv5 네트워크의 특성을 활용한 선택적 그리드 검출 방법을 통 한 효율적인 검출 가능성을 조사하였다. 제안하는 방법의 성능 평가 를 위해 카메라로부터 취득한 RGB 이미지, 레이더 데이터가 융합된 제안된 융합 이미지로 각각 YOLOv5 기반 검출 모델을 학습하고 검 증하였다. 또한 선택적 그리드 검출 방법이 처리 속도에 미치는 영향 을 평가하기 위하여 검증 데이터셋 장당 평균 처리 속도를 비교하였 다. 실험 결과 제안하는 방법이 효과적이고 효율적인 객체 검출에 도 움이 됨을 확인하였다.
제 목 : 자율주행 차량의 카메라 및 레이더 데이터 융합 기법에 관한 연구 본 논문은 카메라의 시각 정보와 레이더의 거리 정보를 효과적으로 결합하는 방법에 대해 연구하였다. 보다 정확하고 효율적인 주행 환경 인식을 구현하기 위하여 카메라와 레이더를 데이터 및 속도 측면에서 융합하는 방법을 각각 제안하였다. 자율주행 차량은 다양한 환경에서 정확하고 신뢰성 있는 인식을 달 성하기 위해 카메라, 레이더, 라이다와 같은 다양한 센서를 활용해왔 다. 그러나 단일 센서로는 모든 인식 과제를 충족시키기에는 한계가 있다. 이를 해결하기 위해 각 센서들의 장단점을 보완하고, 포괄적인 환경 인식을 수행할 수 있는 센서 융합 기법에 대한 연구가 활발히 이루어지고 있다. 본 논문은 자율주행 차량의 센서 중 카메라와 레이더 데이터를 융 합하는 방법에 대해 제안한다. 레이더 감지 포인트를 카메라 이미지 평면에 투영하여 특징맵을 생성하는 새로운 방법을 제안하고, YOLOv5 네트워크의 특성을 활용한 선택적 그리드 검출 방법을 통 한 효율적인 검출 가능성을 조사하였다. 제안하는 방법의 성능 평가 를 위해 카메라로부터 취득한 RGB 이미지, 레이더 데이터가 융합된 제안된 융합 이미지로 각각 YOLOv5 기반 검출 모델을 학습하고 검 증하였다. 또한 선택적 그리드 검출 방법이 처리 속도에 미치는 영향 을 평가하기 위하여 검증 데이터셋 장당 평균 처리 속도를 비교하였 다. 실험 결과 제안하는 방법이 효과적이고 효율적인 객체 검출에 도 움이 됨을 확인하였다.