운전 중 차선을 이탈하려 할 때, 경보음이 울려 스티어링 휠을 자동으로 제어하여 차선을 유지할 수 있도록 보조하는 시스템인 Lane Keeping Assist System (LKAS)의 성능을 보장하기 위해서는 저속 및 고 속 주행에서도 정확한 차선을 검출하는 것이 필수적이다. 본 논문에서는 LiDAR 기반 Point Cloud Data를 기반으로 데이터를 전처리 하는 과정을 소개하고 딥러닝 아키텍처를 통해 차선의 검출에 대한 타당 성과 적합성을 평가한다.

A Study on Learning Model-based Lane Detection Technique Utilizing LiDAR on High-Speed Drving Tracks

Wook-Jin Yang, Jae-Un Lee, Ji-Ung Im, Jong-Hoon Won*

The Lane Keeping Assistance System (LKAS) is a system that automatically controls the steering wheel to keep the vehicle in its lane if it attempts to drift out of lane while driving. In order to ensure the high performance of the LKAS, it is essential to detect the exact lanes even at low and high speeds. This paper presents a lane detection algorithm by learning using LiDAR-based point cloud data as input and evaluate the feasibility and suitability of Lane Detection using deep learning Architecture.

Keywords: LiDAR, lane detection, learning models, high-speed driving situations

Speaker 양욱진 인하대학교