지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박장현
- 발행연도
- 2020
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수9
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Self-driving 및 Advanced Driver Assistance System 과 같은 충돌 방지 및 경고를 위한 많은 어플리케이션에서 Ego 차량의 인지 오류로 인한 운전자의 불편함이 증가하며 심지어 사고로 이어짐으로 신뢰성은 매우 중요하다. 본 연구에서는 주행 중 주변 차량의 의도 파악을 위해 단안카메라 센서를 활용한 Deep-learning 기반의 신경망 모델을 통해 검출 및 예측을 수행하여 단순 TTC(Time-To-Collision) 가 아닌 예측 정보를 사용하여 신뢰성을 향상하여 운전자의 불편함 감소와 신뢰성을 향상할 수 있다.
제안하는 연구는 크게 4단계로 구성된다. 첫번째는 Raw RGB data를 통해 전처리 과정을 통해 자차선을 검출하여 도로 계수를 구한다. 두번째는 주변 차량을 검출하는 딥러닝 기반의 신경망 네트워크의 정의, 세번째는 검출 된 주변차량의 위치 정보를 통한 추적, 마지막으로 추적된 주변 차량의 정보를 통해 경로를 예측하며 라이다 센서와의 결과를 비교하고 단안 카메라 센서의 한계점을 고찰한다.
본 논문은 BDD100K : A Diverse Driving Video Database with Scalable Annotation Tooling[8] 자율주행플랫폼 연구를 위해 공개한 주행 데이터셋을 활용하여 모델을 학습과 검증을 하였으며 국내의 환경에서의 검증을 위해 추가적으로 실제 국내 주행 데이터셋을 활용해 모델의 성능을 국내 주행 환경에 맞게 추가 학습 시켰다.
제안하는 연구는 크게 4단계로 구성된다. 첫번째는 Raw RGB data를 통해 전처리 과정을 통해 자차선을 검출하여 도로 계수를 구한다. 두번째는 주변 차량을 검출하는 딥러닝 기반의 신경망 네트워크의 정의, 세번째는 검출 된 주변차량의 위치 정보를 통한 추적, 마지막으로 추적된 주변 차량의 정보를 통해 경로를 예측하며 라이다 센서와의 결과를 비교하고 단안 카메라 센서의 한계점을 고찰한다.
본 논문은 BDD100K : A Diverse Driving Video Database with Scalable Annotation Tooling[8] 자율주행플랫폼 연구를 위해 공개한 주행 데이터셋을 활용하여 모델을 학습과 검증을 하였으며 국내의 환경에서의 검증을 위해 추가적으로 실제 국내 주행 데이터셋을 활용해 모델의 성능을 국내 주행 환경에 맞게 추가 학습 시켰다.
목차
제 1장 서론 11.１ 연구 배경 11.２ 연구 목표 31.３ 연구 내용 3제 2장 단안 카메라를 이용한 실시간 딥러닝 기반 주변 차량 경로 예측 52.１ Lane detection 62.２ Vehicle detection 82.３ Path prediction 11제 3장 모델 학습 및 평가 123.１ 개발 및 실험 환경 123.２ 모델 학습 133.３ 모델 평가 153.４ 주행 시험 16제 4장 결론 21참고문헌 22Abstract 24
최근 본 자료
댓글(0)
0