ADAS & HAD의 검토
CANape Option Driver Assistance

CANape 옵션 Driver Assistance로 ADAS 및 HAD의 객체 확인

운전자 보조 시스템과 고도의 자율 주행(HAD)용 시스템은 비디오, 레이더, LIDAR 등과 같은 다양한 센서를 통해 차량 환경에 대한 정보를 얻습니다. 운전자에게 경고 또는 주행 상황에서의 (반) 자동 개입은 전방에서 주행하는 차량과의 거리 같은 객체 감지 결과에 기초합니다. 주행 하는 동안 계측 결과를 실제로 사용할 수 있지만 확인하기는 쉽지 않습니다. 옵션 Driver Assistance는 이러한 목적에 정확히 부합합니다. 옵션 Driver Assistance를 사용하면 센서 데이터를 사각형 및 선과 같은 그래픽 요소 형식 또는 포인트 클라우드로 표시할 수 있습니다. CANape에서 이 옵션은 계측 하는 동안 또는 계측된 데이터를 나중에 평가하는 데 사용할 수 있습니다.

교육

CANape Fundamentals Workshop

벡터는 CANape에 관한 지식을 얻고 넓힐 수 있는 다양한 기회를 제공합니다. CANape의 초급 교육 과정으로는 CANape Fundamentals Worshop을 추천합니다. 다른 고급 고육을 수강하기에 앞서 이 기본 교육 과정을 수강하시는 것이 좋습니다. 그러나 교육을 개별적으로 자유롭게 신청하시는 것도 가능합니다.

장점

옵션 Driver Assistance는 운전자 보조 시스템의 센서에 의해 얻은 객체를 계측과 동시에 기록되는 기준 카메라의 비디오 이미지에 표시합니다. 옵션 Driver Assistance는 주행 상황의 보완 로깅에 사용되고, 센서 데이터 확인 시 필요합니다. ECU에서 계산된 객체 데이터에 기초하여 기하학적 기호 또는 비트맵이 이미지의 지정된 지점에서 비디오 이미지에 중첩됩니다. 인식된 객체를 실제 환경과 비교하여 센서의 객체 인식 알고리즘을 빠르고 안정되게 확인합니다.

GPS 창에서 관련 위치 데이터를 표시하여 평가 목적으로 사용할 수 있습니다. 사용 가능한 맵 자료에는 OpenStreetMap과 Shobunsha Super MappleG가 포함되어 있습니다. 또한 그래픽 객체가 GPS 창에 표시될 수 있습니다.

어플리케이션 영역

옵션 Driver Assistance의 유연한 구성 기능에는 운전자 보조 시스템 개발의 광범위한 어플리케이션 영역이 포함되어 있습니다. 이러한 구성 기능은 다음에 사용할 수 있습니다.

 

  • 객체 오버레이를 통해 ACC(Adaptive Cruise Control, 적응형 순항 제어), “정지 및 이동”시스템 그리고 주차 보조 시스템에 대한 객체 인식 알고리즘 확인
  • 차선 유지 시스템 또는 커브길 적응 조명 및 주행 차선을 커브 길로 표시하는 디스플레이 개발
  • 비트맵을 연결하여 교통 신호 인식 시스템의 유용한 테스트 지원 제공

기능

GFX Editor를 사용하면 감지된 센서 데이터(차량, 도로 표시, 교통 표지판 등)를 비디오와 GPS 창에 오버레이로 표시하는 그래픽 요소(주행 차선 감지용 폴리곤과 차량 식별용 사각형 표지판)와 편리하게 연결할 수 있습니다. 그리고 멀티미디어 창에서 사용자가 확장할 수 있는 뷰를 사용할 수 있습니다. "Grafx" 창으로 알려진 이 창은 사용자가 구성할 수 있는 조감도의 관점에서 객체를 보여줍니다.

또한 이미지 처리 알고리즘은 CANape에서 DLL 형식으로 링크될 수 있습니다. 비디오 I/O는 CANape를 통해 제어됩니다. 알고리즘의 결과는 CANape에서 시각화됩니다. 이를 통해 온라인 작업에서 ECU와 같은 알고리즘 파라미터를 최적화할 수 있습니다.

객체 생성 확인

GFX 편집기를 사용하여 객체 표시에 적합한 객체 신호 매핑 및 그룹화를 편리하게 수행합니다.

표시될 객체의 속성, 즉 실제 객체와 화면에 표시되는 객체 간의 관계는 객체 신호 매핑 파일에 저장됩니다. 이 파일에는 모든 파라미터(예: 계측 변수값과 사전 설정 상수 변수값)의 유연한 매핑이 포함되어 있어 객체(X, Y, Z 좌표, 크기, 색상, 텍스트 및 숫자 필드 등)를 표시합니다.

점유 그리드, 센서 필드, 주차 보조 객체, 십자 모양, 정사각형, 삼각형 및 선과 같은 수많은 표준화되고, 사전 정의된 기호 객체는 객체를 나타내는 데 사용할 수 있습니다. 저장된 비트맵 또한 객체를 나타내는 데 사용할 수 있습니다. 더욱 직관적인 디스플레이 평가를 위해 개별 객체를 그룹으로 결합할 수 있습니다. GFX 편집기는 사용자가 객체 신호 매핑 파일을 만들고, 관리할 수 있도록 지원합니다.

표시와 평가

계측된 신호로 수집되거나 계측 파일에 신호로 존재하는 객체 데이터는 그래픽 요소로 표시되고, 다른 정보에 중첩됩니다.

  • 비디오 이미지에서 평가된 객체 정보의 원근감 뷰와 시간 동기화 디스플레이
  • 가변적인 그리드 크기(X, Y, Z 연장)로 연속해서 조정 가능한 객체 디스플레이(측면 뷰에서 조감도까지)
  • 계측 또는 계측된 데이터를 평가하는 동안 최적의 디스플레이를 얻기 위해 숫자 입력(예: 객체 번호 1-5, 6, 8-10) 또는 사전 구성된 그룹으로 객체를 간단히 선택 가능
  • 고정 또는 가변 픽셀 위치에서 보완 정보로 객체, 텍스트 및 파라미터값을 그릴 수 있음
  • 상대 속도와 측면 편위를 수평과 수직 이동 선으로 표시 가능
  • 객체의 텍스트 및 숫자 정보를 디스플레이에 표시 가능
  • Grafx 창의 원하는 확대/축소 수준을 사용하면 어플리케이션에 필요한 해당 섹션을 정밀하게 표시
  • 간격과 각도를 쉽게 확인할 수 있도록 계측 하는 동안 객체 파라미터를 계속 계산하여 Grafx 창에 표시 가능
  • 계측 데이터 평가를 위한 모든 객체 파라미터(크기, 색상, 텍스트 및 숫자 필드 등)의 후속 조정
  • LIDAR 센서(예: Velodyne, Ibeo 및 Quanergy)의 계측된 데이터는 수신된 포인트 클라우드 객체를 3D로 표시하는 장면 창에 시각화. 최적의 분석을 위해 다양한 뷰, 회전 및 확대/축소 메커니즘 사용 가능
LIDAR 센서 데이터(예: Velodyne, Ibeo 및 Quanergy)를 안정적으로 수집하여 포인트 클라우드로 의미 있게 시각화합니다.

점유 그리드

자율 주행 차량의 개발을 위해 ECU에 차량 주변 환경 모델이 필요합니다. 자주 사용되는 모델은 "Occupancy Grid(점유 그리드)"이다. 이 프로세스에서 환경은 작은 섹션으로 나뉘고, 각 섹션에는 해당 섹션에 무언가가 있을 확률이 할당됩니다.

이를 위해 차량 주변의 센서 데이터는 특수 알고리즘에 의해 병합되어, 평가됩니다. 결과는 차량과 관련하여 명확히 정의된 위치에 장애물이 존재할 확률입니다. 존재 확률은 표준화된 숫자 값으로 나타낸다. 이러한 데이터는 환경을 반영하는 2차원 특성 다이어그램으로 저장됩니다. 이는 자율 주행 차량이 한 방향으로 더 이동할 수 있는 가능성에 대한 결정을 내릴 수 있는 매우 중요한 요소입니다.

CANape는 그리드 포인트당 바이트가 1인 500 x 500 그리드를 사용하여 점유 그리드(Occupancy Grid) 계측 및 처리를 처리합니다. 색상 기능과 새로운 점유 그리드 중첩 객체를 사용하면 ECU의 분석 알고리즘을 통해 결정된 차량의 캡처된 환경을 시각화하고, 검증할 수 있습니다. 이를 위해 점유 그리드를 비디오 창(3차원), 조감도 또는 GPS 창에 표시할 수 있습니다.

제품 정보

기술적인 질문에 대한 답변이 필요하신가요? KnowlegdeBase를 이용해보세요!

 

펼치기
펼치기

다운로드