2014년 대한민국학술원 우수학술도서 자연과학분야 선정도서

자율형 지능차량과 관계된 최신 논문을 제시하면서, 물체/장애물 탐지와 인지뿐만 아니라 차량의 동작 제어와 관련된 다양한 양상들도 함께 다룬다. 이 책에서는 자율형 지능차량 연구에 대한 높은 수준의 개념과 실제적인 세부사항을 강조하면서, 지능차량에 대한 이론과 알고리즘 그리고 하드웨어와 소프트웨어 구현과 관련된 이슈를 서로 연결시켜 설명한다.


[ 이 책에서 다루는 내용 ]

■ 지능차량 연구에 대한 개발과 최신 개선사항에 대한 자세한 소개, 그리고 기본적인 프레임워크 제안
■ 승압 가버(Gabor) 특징을 이용한 이동 중 차량 탐지와 추적 알고리즘뿐만 아니라 구조적 도로와 비구조적 도로에 대한 탐지와 추적 알고리즘 제공
■ 통합 DGPS/IMU 위치 추적 방법에 추가해 다중 센서 기반의 다중 물체 추적 방법 논의
■ 전역 뷰를 이용한 차량 주행 접근법 조사
■ 횡방향과 종방향에 대한 차량의 동작 제어 알고리즘 소개


[ 이 책의 대상 독자 ]

지능차량 관련 분야에 종사하는 연구자에게는 필수적인 참고 문헌이 될 것이며, 지능차량에 관심 있는 컴퓨터과학과 로보틱스 분야의 대학원생에게도 큰 매력을 가져다 줄 것이다.


[ 이 책의 구성 ]

이 책은 다음과 같이 크게 네 부분으로 구성된다.

1부, ‘자율형 지능차량’에서는 연구 동기와 목적, 그리고 지능차량에 대한 최신 연구 내용을 제시한다. 또한 지능차량의 프레임워크도 소개한다.

2부, ‘환경 인지와 모델링’은 환경 인지와 모델링을 소개하며, 도로 탐지와 추적, 차량 탐지와 추적, 다중 센서 기반의 다중 물체 추적을 설명한다.

3부, ‘차량의 위치 추정과 주행’에서는 통합 GPS와 INS를 기반으로 차량의 주행에 대해 제시하는데, 통합 DGPS/IMU 위치 추적 접근법, 전역 뷰를 이용한 차량 주행도 설명한다.

4부, ‘첨단 차량 동작 제어’에서는 차량의 횡방향과 종방향에 대한 동작 제어를 소개한다.

[ 저자 서문 ]

수년간 교통사고가 전 세계적으로 점점 더 증가하고 심각한 문제로 대두된 이래 지능차량 분야는 지능 수송 시스템의 주요 연구 주제가 되어 왔다. 지능차량의 목적은 안전성, 쾌적성, 에너지 절약을 위해 완전하거나 부분적으로 차량의 자율 운전을 늘리기 위한 것이다. 실제로 지능차량의 대다수 기술은 자율형 모바일 로봇에 그 근거를 둔다.

실내 모바일 로봇과 비교해 볼 때 지능차량에서 수행해야 할 일은 다음과 같은 두 가지 이유로 인해 더욱 도전적인 과제가 된다.

첫째, 실시간의 동적인 복합 환경 인지와 모델링은 현재의 실내 로봇 기술에 도전이 된다. 자율형 지능차량은 환경 인지와 모델링, 위치 추정과 지도 작성, 경로 기획과 의사 결정, 그리고 제한된 시간 내에서 실시간 차량 제어 등과 같은 기본 절차를 완수해야 한다. 한편 카메라, 라이더, 레이더 같은 다중 센서로부터 획득한 대용량 데이터도 처리해야 한다. 이런 분야는 더 복잡한 외부 환경에서는 아주 힘든 작업이 된다. 이 목표를 완수하기 위해 더 효율적인 방법으로 주어진 과제들을 구현해야 한다.

둘째, 차량의 동작 제어는 특히 고속의 갑작스러운 방향 조종 시에 아주 강한 비선형 특징이라는 도전에 직면한다. 이러한 경우, 실내 로봇의 횡방향과 종방향에 대한 제어 알고리즘이 잘 동작하지 않게 된다.

이 책은 지능차량에 대한 최근의 연구 결과를 제시하며, 지능차량에 관심 있는 연구자와 대학원생에게 유익한 자료가 될 것이다. 이 책을 쓰게 된 목적은 다음의 세 가지 이유에서다.

첫째, 지능차량에 대한 가장 최신화된 참고서를 만들 목적에서다. 둘째, 이 책은 지능차량을 폭넓게 배우고자 열망하는 독자에게 매우 유익하게 물체/장애물 탐지와 인식 알고리즘을 제시할 뿐만 아니라 차량의 횡방향과 종방향에서의 제어 알고리즘도 소개하고 싶어서다. 마지막으로, 높은 수준의 개념을 강조하는 동시에 기초 지식 수준의 세부 구현 사항을 제공하고 싶어서다. 그리고 지능차량에 대한 연구를 촉진시키기 위해 이론과 알고리즘, 구현 분야를 서로 연결시키도록 노력할 것이다.

- 중국 청두에서
홍 쳉


[ 저자 소개 ]

홍 쳉(Hong Cheng)
현재 중국과학기술대학교(UESTC)의 자동공학과 교수이며, 패턴 인식과 기계지능 연구소의 책임자로 활동 중이다.


[ 옮긴이의 말 ]

오랫동안 무인 시스템과 관련된 연구를 해오면서 무인 시스템과 관련된 좋은 교재나 지침서가 국내는 물론 이쪽 분야의 선진국이라는 미국에조차도 없는 이유가 의문점이었다. 그러다 2010년 처음 『자율형 무인차량 개발 및 과제』라는 책을 접한 후 이 책을 많은 사람들과 함께 공유해야겠다는 생각으로 2011년 번역본을 출간했다. 그 이후 일 년쯤 뒤에 다행스럽게도 같은 출판사에서 연속 기획물로 『자율형 지능차량 이론과 응용(Autonomous Intelligent Vehicles)』이라는 이 책의 원서를 발간했고, 일 년 전보다 더 큰 기쁨과 희망을 가지고 번역을 시작했다.

최근 국방 분야뿐만 아니라 민간에서도 무인 시스템, 지능차량, 인공지능과 관련된 기술이 다시 각광을 받기 시작했으며, 실제로 많은 분야에서 이와 관련된 요구가 높아가고 있다. 국방 분야에서는 벌써부터 무인 항공기, 군사용 로봇 기술 등 다양한 무인 신기술의 개발이 시작됐고, 향후 더 다양한 지능형 무인 무기 체계가 만들어지리라 예상된다. 민간에서는 국방보다 다양한 지능형 무인 기술이 만들어질 것이다. 예를 들면 2013년 5월 미래창조과학부에서 발표한 엑소브레인(Exobrain, 외뇌) 개발 사업이 있다. 엑소브레인은 사람과 의사소통이 가능한 인체 외부의 인공두뇌를 의미하는데, 이 사업이 끝나면 컴퓨터 스스로 지식 학습을 통해 세계 최고 수준의 지능 진화형 기술이 될 것으로 보인다. 그리고 최근 한국전자통신연구원이 미래 ICT 기술을 분석하면서 91개 키워드를 제시했는데, 이에 의하면 무인 탐사로봇, 농업용 지능로봇, 무선 전력 전송, 미세 치료 로봇, 자율 주행과 비행, 보모 로봇, 지능형 안전자동차 등 많은 부분이 무인과 지능을 키워드로 하고 있음을 알 수 있다.

이와 같은 기술 발전 추세에 비춰볼 때 향후 자율형 지능차량의 출현은 어느 정도 예상할 수 있다. 이러한 시점에 자율형 지능차량과 관계된 최신 논문을 제시하면서, 동시에 물체/장애물 탐지와 인지뿐만 아니라 차량의 동작 제어와 관련된 다양한 양상들도 함께 다루는 이 책은 무인 시스템이나 지능차량 관련 분야에 종사하는 연구자에게 매우 귀중한 교재나 지침서가 될 것으로 생각된다.

이 책은 크게 네 부분으로 구성돼 있다. 연구 동기와 목적과 지능차량에 대한 최신 연구 내용을 제시하는 자율형 지능차량 부분, 도로/차량의 탐지와 추적 등을 다루는 환경 인지 모델링 부분, 차량의 주행과 위치 추적을 다루는 차량의 위치 추정과 주행 부분, 차량의 횡방향과 종방향에 대한 동작 제어를 소개하는 첨단 차량의 동작 제어 부분이다. 이렇듯 자율형 지능차량 연구에 대한 높은 수준의 개념과 실제적인 세부 사항을 강조하면서, 지능차량에 대한 이론과 알고리즘, 그리고 하드웨어와 소프트웨어 구현과 관련된 이슈를 함께 다루는 이 책은 관련 분야에 종사하는 모든 연구자에게 필수적인 참고 문헌이 될 것이며, 무인 시스템과 지능차량에 관심 있는 관련 분야의 대학원생에게도 큰 매력을 안겨 줄 것이다.

- 윤희병


[ 옮긴이 소개 ]

윤희병
해군사관학교 경영과학과 연세대학교 전산공학부를 졸업하고 전산 분야에 근무하다가 첨단 학문을 직접 접하고 싶어 미국으로 건너가 미 해군대학원과 조지아공대에서 전산공학 석사와 박사학위를 취득했으며, 그후 지금까지 국방대학교에서 전산전공 분야의 교수로 재직 중이다. 저서로는 『임베디드 소프트웨어 개론』(2012년)과 『NCW 서비스와 기술』(2011년)이 있고, 옮긴 책으로는 『자율형 무인 차량 개발 및 과제』(2011년), 『임베디드 소프트웨어 테스팅』(2007년) 등이 있다. 무인 시스템과 임베디드 소프트웨어 분야의 전문가로서 왕성한 연구 활동을 하고 있으며, 현재 서강대학교 정보통신대학원 외래교수, 국방소프트웨어산학연협회 기획이사, 미래국방포럼 교육이사, 임베디드시스템•소프트웨어산업협회 운영위원 등을 맡고 있다

목차

• 1부 자율형 지능차량
  
• 1장 소개
  • 1.1 연구 동기와 목적
  • 1.2 지능차량 핵심 기술
    • 1.2.1 다중 센서 융합 기반 환경 감지와 모델링
    • 1.2.2 차량의 위치 추정과 지도 작성
    • 1.2.3 경로 기획과 의사 결정
    • 1.2.4 낮은 수준의 동작 제어
  • 1.3 책의 구성
  • 참고 문헌
    
• 2장 USA 최신 기술
  • 2.1 소개
  • 2.2 카네기멜론대학교: 보스
  • 2.3 스탠포드대학교: 주니어
  • 2.4 버지니아폴리테크닉주립대학교: 오딘
  • 2.5 메사추세츠공과대학교: 탈로스
  • 2.6 코넬대학교: 스카이넷
  • 2.7 펜실베니아대학교와 리하이대학교: 리틀벤
  • 2.8 오쉬코시 화물조합: 테라맥스
  • 참고 문헌
    
• 3장 지능차량 프레임워크
  • 3.1 소개
  • 3.2 관련 연구
  • 3.3 상호 연동 안전 분석 프레임워크
  • 참고 문헌
    
• 2부 환경 감지와 모델링
  
• 4장 도로 탐지와 트래킹
  • 4.1 소개
  • 4.2 관련 연구
    • 4.2.1 모델 기반 접근법
    • 4.2.2 다중 큐 융합 기반 접근법
    • 4.2.3 가설 검증 기반 접근법
    • 4.2.4 신경망 기반 접근법
    • 4.2.5 스테레오 기반 접근법
    • 4.2.6 시간적 상관성 기반 접근법
    • 4.2.7 이미지 필터링 기반 접근법
  • 4.3 적응적 랜덤 허프 변환을 이용한 차선 탐지
    • 4.3.1 차선 형상 모델
    • 4.3.2 적응적 랜덤 허프 변환
    • 4.3.3 실험 결과
  • 4.4 차선 트래킹
    • 4.4.1 파티클 필터링
    • 4.4.2 차선 모델
    • 4.4.3 동적 시스템 모델
    • 4.4.4 이미징 모델
    • 4.4.5 알고리즘 구현
      • 4.4.5.1 계수 샘플링
      • 4.4.5.2 모델 관찰과 측정
      • 4.4.5.3 알고리즘 흐름
  • 4.5 평균 이동 알고리즘을 이용한 도로 인식
    • 4.5.1 기초 평균 이동 알고리즘
    • 4.5.2 평균 이동 알고리즘의 다양한 애플리케이션
    • 4.5.3 도로 인식 알고리즘
    • 4.5.4 실험 결과와 분석
  • 참고 문헌
    
• 5장 차량 탐지와 트래킹
  • 5.1 소개
  • 5.2 관련 연구
  • 5.3 후보 관심 영역 생성
  • 5.4 다중 해상도 차량 가설
  • 5.5 가버 특징과 SVM을 이용한 차량 검증
    • 5.5.1 차량 묘사
    • 5.5.2 SVM 분류기
  • 5.6 승압 가버 특징
    • 5.6.1 아다부스트(AsaBoost)를 이용한 승압 가버 특징
      • 5.6.1.1 가버 특징
      • 5.6.1.2 승압 가버 특징
    • 5.6.2 실험 결과와 분석
      • 5.6.2.1 탐지와 트래킹을 위한 차량 데이터베이스
      • 5.6.2.2 승압 가버 특징
      • 5.6.2.3 차량 탐지 결과와 논의
  • 참고 문헌
    
• 6장 다중 센서 기반 다중 객체 트래킹
  • 6.1 소개
  • 6.2 관련 연구
  • 6.3 라이더 데이터 이용 장애물 정지와 이동 판단
  • 6.4 다중 장애물 트래킹과 상황 평가
    • 6.4.1 단일 센서를 이용한 EKF 기반 다중 장애물 트래킹
      • 6.4.1.1 트래킹 확률 프레임워크
      • 6.4.1.2 시스템 모델
      • 6.4.1.3 초기 조건
      • 6.4.1.4 단일 센서에 대한 데이터 연계
      • 6.4.1.5 단일 트랙 관리
    • 6.4.2 라이더와 레이더 트랙 융합
      • 6.4.2.1 데이터 정렬
      • 6.4.2.2 트랙 연계
      • 6.4.2.3 트랙 융합 알고리즘
  • 6.5 결론과 향후 연구
  • 참고 문헌
    
• 3부 차량의 위치 추정과 주행
  
• 7장 통합 DGPS/IMU 위치 측정 접근법
  • 7.1 소개
  • 7.2 관련 연구
  • 7.3 통합 DGPS/IMU 위치 측정 접근법
    • 7.3.1 시스템 방정식
    • 7.3.2 측정 방정식
    • 7.3.3 EKF를 이용한 데이터 융합
  • 참고 문헌
    
• 8장 전역 뷰 이용 차량 주행
  • 8.1 소개
  • 8.2 문제와 제안 접근법
  • 8.3 파노라마 이미징 모델
  • 8.4 파노라마 역원근 변환(pIPM)
    • 8.4.1 개별 이미지와 파노라마 이미지 간 매핑 관계
    • 8.4.2 파노라마 역원근 변환(pIPM)
  • 8.5 pIPM 구현
    • 8.5.1 차량 좌표 시스템의 N 카메라 시야
    • 8.5.2 차량 좌표계의 관심점 화각 계산
    • 8.5.3 3차원 이동점과 파노라마 이미지 간 매핑 관계
    • 8.5.4 차량 좌표 시스템의 이미지 보간
  • 8.6 광각 렌즈의 반경 오차 제거
  • 8.7 전자 지도와 파노라마 이미지 결합
  • 참고 문헌
    
• 4부 첨단 차량 동작 제어
  
• 9장 지능차량의 횡방향 동작 제어
  • 9.1 소개
  • 9.2 관련 연구
  • 9.3 혼합 횡방향 제어 전략
    • 9.3.1 직선 도로
    • 9.3.2 곡선 도로
    • 9.3.3 호의 반경 계산
    • 9.3.4 알고리즘 흐름
  • 9.4 모터 펄스와 전륜 경사각 사이의 관계
  • 참고 문헌
    
• 10장 지능차량의 종방향 동작 제어
  • 10.1 소개
  • 10.2 차량의 종방향 제어에서의 시스템 식별
    • 10.2.1 1차 시스템
    • 10.2.2 1차 지연 시스템
    • 10.2.3 차량 시스템의 식별
  • 10.3 제안한 속도 제어기
    • 10.3.1 종방향 제어 시스템 함수의 검증
    • 10.3.2 속도 제어기 설계
  • 10.4 실험 결과와 분석