MCMC 기반 파티클 필터를 이용한 지능형 자동차의 다수 전방 차량 추적 시스템 (MCMC Particle Filter based Multiple Preceeding Vehicle Tracking System for Intelligent Vehicle)

서지정보

· 발행기관 : 한국지능시스템학회
· 수록지 정보 : 한국지능시스템학회 논문지 / 25권 / 2호 / 186 ~ 190페이지
· 저자명 : 최배훈, 안종현, 조민호, 김은태

초록

지능형 자동차는 주변 환경에 대한 인식을 바탕으로 동작을 계획하고 움직인다. 따라서 정확한 환경 인식은 자율 주행 자동차의 필수 요소로 여겨진다. 차량의 주행 환경은 차량이나 보행자 같은 동적인 장애물이 다수 존재하여, 안전한 동작을 위해 이런 동적 장애물에 대한 인식이 정확하게 이루어져야 한다. 이를 위해 센서의 불확실성을 극복하는 일이 필수적이다. 본 논문에서는 레이더 센서를 이용하여 다수의 차량을 인식하고 추적하는 알고리즘을 제안한다. 제안된 추적 시스템은 몇 가지 특징을 갖는다. 레이더 센서가 차량을 계측할 때, 그 데이터가 양 모서리에서 주로 나타나는 특징을 혼합 밀도 네트워크로 표현하고, 이렇게 표현된 레이더 데이터의 확률적인 분포를 파티클 필터의 가중치 계산에 적용하여 추적 알고리즘을 수행하였다. 또한, 파티클 필터가 갖는 차원의 저주를 극복하고 시간의 흐름에 따라 그 숫자가 변화하는 다수 대상체의 상태를 예측하기 위해 가역 점프 마르코프 체인 몬테 카를로 (RJMCMC)를 통한 샘플링을 적용하였다. 제안된 알고리즘은 시뮬레이션을 통해 검증되었다.

영어초록

Intelligent vehicle plans motion and navigate itself based on the surrounding environment perception. Hence, the precise environment recognition is an essential part of self-driving vehicle. There exist many vulnerable road users (e.g. vehicle, pedestrians) on vehicular driving environment, the vehicle must percept all the dynamic obstacles accurately for safety. In this paper, we propose an multiple vehicle tracking algorithm using microwave radar. Our proposed system includes various special features. First, exceptional radar measurement model for vehicle, concentrated on the corner, is described by mixture density network (MDN), and applied to particle filter weighting. Also, to conquer the curse of dimensionality of particle filter and estimate the time-varying number of multi-target states, reversible jump markov chain monte carlo (RJMCMC) is used to sampling step of the proposed algorithm. The robustness of the proposed algorithm is demonstrated through several computer simulations.

참고자료

· 없음