Earticle

자동차 운전면허 시험에서 객관적인 평가가 중요하다. 특히 도로 주행시험은 실제 도로에 서 운전능력, 규칙준수, 상황판단능력 등을 종합적으로 시험하는 것이다. 이를 위하여 본 논 문에서는 GPS와 센서 데이터 및 기기조작 정보를 활용하여 운전면허 시험의 자동채점시스 템을 제안한다. 자동채점 시스템은 차량탑재장치, 채점용단말, 데이터 제어장치, 데이터 저장 및 처리를 위한 서버로 구성되어 있다. 차량탑재장치는 차량에 설치된 센서 데이터를 수집한 다. 채점 단말은 차량탑재장치로부터 받은 데이터를 활용하여 기준에 따라 자동채점 한다. 또한 이동 중에 GPS 오차로 인하여 차량이 도로를 벗어나 표현되므로 지도매칭 기법과 경로 이탈 및 복귀 알고리즘을 적용하였다. 이 시스템은 기존 시험 채점 방식과 달리 자동 채점이 가능하며, 시험 결과에서 정확한 차량위치 표시와 GPS 음영지역을 벗어났을 때 10초 이내로 경로 복귀를 하였다. 이 시스템은 도로 주행 교육에도 활용될 수 있을 것으로 기대된다.

It is important to estimate objectively in the driving test. Especially, the driving test is examined by totally driving ability, rule observation and situational judgement. For this, a grading automation system for driving test was presented by using GPS, sensor data and equipment operation informations. This system is composed of vehicle mounted module, automatic grading terminal, data controller, data storage and processing server. The vehicle mounted module gathters sensor data in the car. The terminal performs automatic grading using the received sensor data according the driving test criterion. To overcome the misposition of vehicle in the map due to GPS error, we proposed the automatic grading system by map matching method, path deviation and return algorithm. In the experimental results, it was possible to grade automatically, display the right position of the car, and return to the right path under 10 seconds when the vehicle was out of the shadow region of the GPS. This system can be also applied to the driving education.

We propose a fast map-matching algorithm based on the length and the slope for the sequence of lines extracted from a laser range finder and a map. After finding two feature set from laser data and a map, the position and heading of the mobile robot can be determined exactly.

본 논문은 주어진 두 주행로 의미정보간 부분그래프 매칭(subgraph matching)을 이용한 맵매칭 방법을 제안한다. 지도 주행로의 의미정보를 선택하여 그래프로 재구성하는 방법을 제시하고 재구성된 지도 그래프에서 부분그래프 매칭을 통한 두 지도간 맵매칭 방법을 제안한다. 실제 지도를 이용한 모의실험을 통해 제안한 방법을 검증한다.

2001년 이후 Car Navigation System(이하 CNS)을 장착한 차량이 급증하는 가운데 많은 기업들이 차량의 위치 오차를 최소화 시키는 노력에 힘쓰고 있다. 본 논문은 CNS에서 발생되는 차량의 위치 오차를 최소화하기 위한 일환으로 GPS(Global Positioning System) 위성으로부터 계산되어진 차량의 위치 좌표와 차량의 실제(true) 좌표간의 오차를 보정하여 디스플레이(display) 상의 오류를 방지할 수 있는 맵매칭(map­matching)방법을 제시한다.

본 논문에서는 홀 영역과 시차 불연속 영역을 개선하기 위한 스테레오 정합 기법을 제안한다. 스테레오 정합 기법은 두 영상에서의 정합 점을 탐색하여 시차 지도를 추출한다. 하지만 기존의 스테레오 정합 기법들은 스테레오 영상의 베이스 라인 길이에 따라서 정확도와 정밀도가 반비례하는 문제점이 있다. 또한 영상의 폐색 영역과 특징 부족으로 인한 시차 불연속 영역이 존재한다. 제안한 기법에서는 개선된 AD-Census-Gradient 방법과 적응적 가중치 기반의 비용 결합을 통하여 불연속 영역과 오 정합 영역을 개선한 초기 시차 지도를 추출하였다. 그 후에 시차 지도 재생성 과정을 수행하여 오정합 영역을 개선함과 동시에 영상의 정밀도를 개선하였다. 실험 결과 제안하는 기법이 기존의 정합률이 높은 방법들과 비교하여 높은 수준의 정합률을 유지하면서 오정합 영역과 정밀도를 개선하였음을 보였다. 그리고 정합 오차율이 높은 영상의 경우, 최근에 발표된 스테레오 정합 방법들보다 정합 성능이 평균적으로 3.22(%)가량 증가하였다.

In this paper, we propose a stereo matching method to improve the image quality at the hole and the disparity discontinuity regions. The stereo matching method extracts disparity map finding corresponding points between stereo image pair. However conventional stereo matching methods have a problem about the tradeoff between accuracy and precision with respect to the length of the baseline of the stereo image pair. In addition, there are hole and disparity discontinuity regions which are caused by textureless regions and occlusion regions of the stereo image pair. The proposed method extracts initial disparity map improved at disparity discontinuity and miss-matched regions using modified AD-Census-Gradient method and adaptive weighted cost aggregation. And then we conduct the disparity map refinement to improve at miss-matched regions, while also improving the accuracy of the image. Experimental results demonstrate that the proposed method produces high-quality disparity maps by successfully improving miss-matching regions and accuracy while maintaining matching performance compared to existing methods which produce disparity maps with high matching performance. And the matching performance is increased about 3.22(%) compared to latest stereo matching methods in case of test images which have high error ratio.

This research proposes a indoor magnetic map matching algorithm that improves the position accuracy by employing multiple magnetic sensors and probabilistic candidate weighting function. Since the magnetic field is easily distorted by the surrounding environment, the distorted magnetic field can be used for position mapping, and multiple sensor configuration is useful to improve mapping accuracy. Nevertheless, the position error is likely to increase because the external magnetic disturbances have repeated pattern in indoor environment and several points have similar magnetic field distortion characteristics. Those errors cause large position error, which reduces the accuracy of the position detection. In order to solve this problem, we propose a method to reduce the error using multiple sensors and likelihood boundaries that uses human walking characteristics. Also, to reduce the maximum position error, we propose an algorithm that weights according to their importance. We performed indoor walking tests to evaluate the performance of the algorithm and analyzed the position detection error rate and maximum distance error. From the results we can confirm that the accuracy of position detection is greatly improved.

In this paper, we proposed muli-dimensional feature vector matching method combined with disparity smoothness constraint. The smoothness constraint was calculated using the difference between disparity of center pixel and those of 4-neighbor pixels. By applying proposed algorithm to IKONOS satellite stereo imagery, we obtained robust stereo matching result in urban areas.