메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김현우 (한양대학교) 박장현 (한양대학교)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제23권 제9호
발행연도
2017.9
수록면
732 - 739 (8page)
DOI
10.5302/J.ICROS.2017.17.0097

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2017

LSTM 기반 Model-Free LKAS 조향 각 생성
김현우 ,  박장현 제어로봇시스템학회 논문지 2017.09 학술저널
LSTM 딥 러닝 기반의 비 모델 LKAS 조향 각 생성
김현우 미래자동차공학과 2017.01 학위논문

초록· 키워드

오류제보하기
In this paper, we propose a lateral upper controller that predicts vehicle motion and generates a model-free LKAS steering angle by applying long-term memory (LSTM), one of the deep learning techniques. The apparent and distinct advantage of this LSTM model is that the relationship of nonlinear sensor data can be grasped and learned devoid of a mathematical model while using the time information. In this sense, the LKAS steering angle can be generated by predicting the movement of the vehicle in consideration of the past vehicle motion based on the sensor data. In addition, the time delay problem due to the difference of sampling time on each sensor can be simply solved by learning based on a time table which has a synchronized sampling time. The input values of the upper controller are the coefficient of the road model and the vehicle dynamic characteristics are obtained from the image processing data from the camera sensor. As for the target values, the steering angles in the next state are selected. The learning model was developed by learning the many-to-one LSTM prediction model with serial connection of LSTM and Fully-Connected (FC) Multilayer Perceptron (MLP). For implementation of the learning model, Tensorflow is employed and the data from a real test road was used. With this model, the learning is conducted and its effectiveness is shown by comparing with a LKAS lateral controller using a model-based multi rate Kalman Filter (MKF).
#Long Short-Term Memory (LSTM) #Recurrent Neural Network (RNN) #steering angle prediction #Lane Kepping Assistance System (LKAS)

목차

Abstract
I. 서론
II. 관련 이론
III. 시스템의 구성
V. 시뮬레이션
VI. 시뮬레이션 결과
VII. 결론
REFERENCES

참고문헌 (22)

참고문헌 신청
S. Horiuchi and K. Sunada, “Synthesis of driver assistance system for lane-following using generalized predictive control,” Proc. of AVEC’98, pp. 467-472, 1998. C. Taylor, J. Kosecka, R. Blasi, and J. Malik, “A comparative study of vision-based lateral control strategies for autonomous highway driving,” Proc. IEEE Int. Conf. Robot. Autom., pp. 1903-1908, 1998. P. Leelavansuk, K. Shitamitsu, H. Mouri, and M. Nagai, “Study on cooperative control of driver and lane-keeping assistance system,” Proceedings of the International Symposium on Advanced Vehicle Control (AVEC), pp. 219- 224, 2002. J. P. Switkes and J. C. Gerdes, “An energy based performance baound for lanekeeping assistance with force feedback,” Proceedings of AVEC ’06, AVEC060096, 2006. M. Shimakage, S. Satoh, K. Uenuma, and H. Mouri, “Design of lane-keeping control with steering torque input,” JSAE, vol. 22, pp. 317-323, 2002.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

LSTM 기반의 차선 정보와 조향 각을 활용한 LKAS 요각속도 예측 모델
김현우 ,  박상현 한국자동차공학회논문집 2018 .03
가변적 주행환경에 적응 가능한 자동 차로변경 제어 시스템 개발
김진수 ,  유성현 ,  박장현 외 1명 한국자동차공학회 춘계학술대회 2016 .05
실시간 영상을 이용한 차선유지지원장치(LKAS)용 평가시스템 개발
김종대 ,  전인자 한국자동차공학회 추계학술대회 및 전시회 2014 .11
Deep Neural Network 기반의 차량 주행 경로 예측
정동기 ,  백민진 ,  김우중 외 1명 한국자동차공학회논문집 2018 .03
자율주행자동차의 종방향 주행지원시스템 기능안전 컨셉 설계 및 검증
안대룡 ,  신성근 ,  박기홍 외 2명 한국자동차공학회논문집 2018 .03

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-003-001255352