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
유병준 (충북대학교) 기석철 (충북대학교)
저널정보
한국자동차공학회 한국자동차공학회논문집 한국자동차공학회논문집 제29권 제9호
발행연도
2021.9
수록면
803 - 809 (7page)

이용수

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

이 논문의 연구 히스토리 (2)

2021

인접 픽셀 정보를 이용한 Shift-Convolution 기반의 3D LiDAR 깊이 완성
유병준 ,  기석철 한국자동차공학회논문집 2021.09 학술저널
인접픽셀 정보를 이용한 Perimeter-Convolution 기반의 3D LiDAR 깊이 완성
유병준 2021.01 학위논문

초록· 키워드

오류제보하기
In an automated driving system, recognizing range information is essential in order to understand the surrounding environment. As a result, we proposed depth completion method, filling the area with depth information of point cloud, which is projected onto the image plane, and high resolution color data from the image. The projected point cloud is placed into the shift-convolution network which expands received sparse LiDAR data to the pixel level, and then it is inserted synchronously into the convolutional neuron network(CNN) with image. Fully completed ground truth is formed by using max and median filters sequentially, and it is taken as input of shift-convolution to make an expanded point cloud that focuses more on completing an empty area than section the contour off. Finally, CNN uses point cloud to get the exact depth information and image for separating objects along the outline. The system that uses expanded point cloud has approved almost 9 % more than the system that does not.
#Heterogeneous sensor calibration(이종 센서 캘리브레이션) #CNN(콘볼루션 뉴런 네트워크) #Depth completion(깊이 완성) #Autonomous driving(자율주행) #LiDAR(라이다)

목차

Abstract
1. 서론
2. Point Cloud 데이터 구성
3. 제안하는 알고리즘
4. 실험방법 및 결과
5. 결론
References

참고문헌 (5)

참고문헌 신청
서주찬 / 2021 / 라이다 및 카메라 듀얼 센서 모니터링 기반의 곡선 차선인식 알고리즘 연구 / 한국자동차공학회 논문집 29(2):197~204 dbpia 강동완 / 2020 / 기계학습 기반 객체 분류를 통한 특징 지도 작성 / 한국자동차공학회 논문집 28(6):419~425 dbpia 김준영 / 2020 / 전기차 무선 충전을 위한 주차위치 탐색에 관한 연구 / 한국자동차공학회 논문집 28(7):483~489 dbpia 박근남 / 2020 / 카메라 기반의 인공표식 추적을 이용한 선행 차량 추종 / 한국자동차공학회 논문집 28(2):133~142 dbpia A. Geiger / 2013 / Vision Meets Robotics: The KITTI Dataset / The International Journal of Robotics Research 32(11):1231~1237 google schola

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

2017년도 제23회 법무사 제1차시험 기출문제와 정답 (헌법 상법 민법) : 2017년 6월 24일 시행
편집부 고시계 2017 .08
우리나라 ADR제도의 활성화 방안
김상찬 ,  양영화 법학연구 2012 .02
도심 자율주행을 위한 LiDAR 기반 실시간 객체 거동 예측
정지은 ,  기석철 한국자동차공학회논문집 2022 .07
자율주행을 위한 카메라 · 라이다 융합 기반 복셀-픽셀 매칭을 통한 포인트 클라우드 의미론적 분할 네트워크
송하민 ,  조지은 ,  하진수 외 2명 한국자동차공학회논문집 2022 .10
자율 주행을 위한 딥러닝 기반 라이다 객체 인식 신경망 연구 분석
선민혁 ,  백동희 ,  공승현 한국자동차공학회논문집 2022 .08

최근 본 자료

전체보기

댓글(0)

0