http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 주제어 : Normal Distribution Transform(정규 분포 변환) (검색결과 6 건)
- 무료
- 기관 내 무료
- 유료
-
제한적 강우-지속기간 자료를 이용한 실용적 IDF 관계식의 유도
성기원 한국수자원학회 2008 한국수자원학회논문집 Vol.41 No.6
지속기간별 강우자료의 보유연한이 충분하지 않은 지역에도 실용적인 적용이 가능한 IDF 관계식을 유도하였다. 이 관계식은 두개의 모형변수와 재현기간으로 구성된 근사식으로서, 지속기간별 강우자료를 통합하고 정규화 하는 변환과정을 통하여 통계적으로 유도되었다. 강우자료의 변환을 위하여 Kruskal-Wallis 통계량과 Manly 변환을 적용하였는데 이 결과 해석적으로 간단한 형식의 IDF 관계식을 얻을 수 있었다. 특히 보유 자료의 수가 제한된 경우 주로 In order to aid the derivation of the IDF relationship for a station with insufficient duration-rainfall data, an approach to derive a simple and practical IDF formula is presented. The IDF formula is described simply by the term of the two parameters and
-
이상홍 ( Sang-hong Lee ) 한국인터넷정보학회 2014 인터넷정보학회논문지 Vol.15 No.3
본 논문에서는 분류 성능을 향상하기 위해서 Takagi-Sugeno(T-S) 퍼지 모델 기반의 가중 퍼지소속함수 기반 신경망(Neural Network with Weighted Fuzzy Membership Functions; NEWFM)을 이용한 새로운 인스턴스 선택을 제안하였다. 제안하는 인스턴스 선택은 T-S 퍼지 모델에서의 가중 평균 역퍼지화와 통계학에서 사용하는 정규분포의 신뢰구간과 같은 구간 선택을 이용하여 인스턴스를 선택하였다. 제안하는 인스턴스 선택의 분류 성능을 평가하기 위해서 인스턴스 사용 전/후에 따라서 분류 성능을 비교하였다. 인스턴스 사용전/후에 따른 분류 성능은 각각 77.33%, 78.19%로 나타났다. 또한 인스턴스 사용 전/후에 따른 분류 성능 간에 차이점을 보여주기 위해서 통계학에서 사용하는 맥니마 검정을 사용하였다. 맥니마 검정의 결과로 유의 확률이 0.05보다 적게 나오므로 인스턴스 선택의 분류 성능이 인스턴스 선택을 하지 않는 경우의 분류 성능보다 우수함을 확인 할 수가 있었다. This study proposed new instance selection using neural network with weighted fuzzy membership functions(NEWFM) based on Takagi-Sugeno(T-S) fuzzy model to improve the classification performance. The proposed instance selection adopted weighted average defuzzification of the T-S fuzzy model and an interval selection, same as the confidence interval in a normal distribution used in statistics. In order to evaluate the classification performance of the proposed instance selection, the results were compared with depending on whether to use instance selection from the case study. The classification performances of depending on whether to use instance selection show 77.33% and 78.19%, respectively. Also, to show the difference between the classification performance of depending on whether to use instance selection, a statistics methodology, McNemar test, was used. The test results showed that the instance selection was superior to no instance selection as the significance level was lower than 0.05.
-
-
자율 주행 자동차를 위한 노이즈가 제거된 포인트 클라우드 지도와 LiDAR 기반 위치 인식 시스템
김수연(Suyeon Kim),강동완(Dongwan Kang),신희석(HeeSeok Shin),김정하(Jungha Kim) 한국자동차공학회 2020 한국자동차공학회 학술대회 및 전시회 Vol.2020 No.11
In this paper, we propose LiDAR based localization system for autonomous vehicles using point cloud map with noise removed. Previously, GNSS and INS were used to localize autonomous vehicles. However, GNSS, which operates based on satellite signals, has a disadvantage of significantly reducing accuracy in shaded areas. LiDAR-based localization technology can overcome these shortcomings. In this paper, we use voxel grid filter to down-sampling data acquired through LiDAR, and use NDT algorithm to matching with point cloud map. By using this system, it is possible to know the location information of the autonomous vehicles. We tested the system in an actual urban area to verify its performance and showed a high level of accuracy.
-
도심 자율주행을 위한 라이다 정지 장애물 지도 기반 위치 보정 알고리즘
노한석,이현성,이경수 사단법인 한국자동차안전학회 2022 자동차안전학회지 Vol.14 No.2
This paper presents LiDAR static obstacle map based vehicle position correction algorithm for urban autonomous driving. Real Time Kinematic (RTK) GPS is commonly used in highway automated vehicle systems. For urban automated vehicle systems, RTK GPS have some trouble in shaded area. Therefore, this paper represents a method to estimate the position of the host vehicle using AVM camera, front camera, LiDAR and low-cost GPS based on Extended Kalman Filter (EKF). Static obstacle map (STOM) is constructed only with static object based on Bayesian rule. To run the algorithm, HD map and Static obstacle reference map (STORM) must be prepared in advance. STORM is constructed by accumulating and voxelizing the static obstacle map (STOM). The algorithm consists of three main process. The first process is to acquire sensor data from low-cost GPS, AVM camera, front camera, and LiDAR. Second, low-cost GPS data is used to define initial point. Third, AVM camera, front camera, LiDAR point cloud matching to HD map and STORM is conducted using Normal Distribution Transformation (NDT) method. Third, position of the host vehicle position is corrected based on the Extended Kalman Filter (EKF).The proposed algorithm is implemented in the Linux Robot Operating System (ROS) environment and showed better performance than only lane-detection algorithm. It is expected to be more robust and accurate than raw lidar point cloud matching algorithm in autonomous driving.
-
LiDAR를 활용한 ROS 기반 ACC 인지 시스템 및 NDT-Localization 시스템에 대한 연구
김상준(Sangjun Kim),길현준(Hyeonjun Gil),최윤중(Yunjung Choi),김정하(Jungha Kim) 한국자동차공학회 2022 한국자동차공학회 학술대회 및 전시회 Vol.2022 No.11
This paper proposes ROS-Based ACC Recognition System and NDT-Localization System using LiDAR Sensor. The platform selected as the sub-controller is ERP-42, which informs the current speed, steering angle, and driving mode of the vehicle. An industrial PC is combined on the vehicle and used as a upper-Level controller. In the upper- Level controller, object detection and localization through LiDAR Sensor are published in the topic form on ROS. The vehicle performs object detection and localization through real-time communication using the corresponding topic. In conclusion, this system enables object detection and localization for ACC with one PC. By developing this study, it will be possible to build a optimized perception system using LiDAR Sensor.
KISS연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
