실시간 객체 좌표 생성을 이용한 회피 및 전역 경로 회귀 알고리즘 개발

Q: 이 논문에서 정의한 포텐션 필드란 무엇인가?

자율 주행 로봇이 장애물을 효율적으로 회피하고 설정된 목표 지점으로 정확하게 향하도록 가상의 힘을 적용하여 경로를 계획하는 방법이다. 이는 로봇이 장애물로부터는 멀어지고 목표점으로는 끌어당겨지는 힘을 계산하여 최적의 이동 경로를 생성하는 원리를 이용한다.

Q: 자율주행 로봇이 장애물 회피 후 전역 경로로 복귀하는 핵심 메커니즘은 무엇인가?

연구 결과, 장애물 경계와 전역 경로까지의 거리라는 두 가지 기준을 도입하여 지역 경로와 전역 경로 간의 전환을 제어한다. 이를 통해 포텐션 필드 기반의 회피 기동 이후 로봇이 원래의 계획된 경로로 안정적으로 복귀하는 시스템을 구현하였다.

김태현; 이재욱; 문희창

doi:10.5302/J.ICROS.2023.23.0151

추천

검색

질문

자료유형: 학술저널

저자정보: 김태현 (홍익대학교) 이재욱 (콘티넨탈 오토모티브 코리아) 문희창 (홍익대학교)

저널정보: 제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제29권 제12호

발행연도: 2023.12

수록면: 994 - 1,001 (8page)

DOI: 10.5302/J.ICROS.2023.23.0151

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

The use of depth cameras and machine learning has led to innovative results in a variety of areas. Especially in the field of autonomous driving, robots can navigate complex environments and perform tasks such as obstacle avoidance through improved spatial awareness. In this paper, we developed an algorithm that avoids obstacles and returns to the global path during GPS WayPoint autonomous driving by combining an artificial potential field with a real-time object coordinate allocation algorithm using an existing depth camera and GPS. In addition, several concepts were added to the potential field algorithm to prevent the path from changing rapidly during the process of returning from the local path to the global path, and were verified through empirical experiments. In this study, the coordinates of obstacles that will generate Repulsive force in the potential field were generated using a low-cost depth camera and GPS attached to the platform instead of expensive LIDAR, and Beyond simulation, we built the concepts necessary for the robot’s avoidance and regression process when actually GPS waypoint autonomous driving.

#deep-learning #depth camera #GPS #artificial potential field

Abstract
Ⅰ. 서론
Ⅱ. RGB 카메라를 활용한 딥러닝 객체 인식 과정
Ⅲ. Depth 카메라를 활용한 거리 인식 알고리즘
Ⅳ. 4륜 플랫폼에 적합한 포텐션 필드 전역 경로 생성 알고리즘
Ⅴ. 포텐션 필드를 이용한 전역 경로 회귀 알고리즘
Ⅵ. 실험 환경 및 센서 제원
Ⅶ. 실험 과정 및 결과
Ⅷ. 결론
REFERENCES

참고문헌

참고문헌 신청

최근 본 자료

전체보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

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

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)