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
- 이상선
- 발행연도
- 2021
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수18
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
본 연구는 자율주행차량 연구의 일환으로 차량의 주행 절차 중 인지 및 판단 절차를 통합한 알고리즘을 실차 환경에서 연구하였다. 차량 간 통신과 LiDAR 센서를 융합하여 효율적 연산량으로 주변 객체 인식 및 추적하고, 추적된 데이터를 활용한 기계학습 기법의 주변 차량 경로 예측 알고리즘을 제안하였다. WLAN 기반 WAVE 통신을 통해 표준화된 메시지셋을 통신하여 센서 융합에 활용하고 데이터 연산량을 절감하는 알고리즘을 제안하였다. 또한 시계열 데이터 예측에 우수한 성능을 보이는 것으로 보고된 Encoder-Decoder LSTM과 일반적 Stack LSTM 구조를 통하여 경로 예측 성능을 비교하였다. 또한 원시데이터 활용 및 Occupancy grid map 방법을 비교함으로써, 입력 데이터의 가공 방법에 대한 성능 분석을 수행하여 효율적 경로 예측 알고리즘에 대하여 연구하였다.
그 결과 객체 인식 알고리즘은 자차 주변 약 30m 범위에서 약 130ms 간격으로 주변 객체정보를 수집하였다. 경로 예측 알고리즘은 직전 30개의 경로데이터를 통하여 향후 20개의 경로데이터를 예측한 결과, 90% 이상의 정확도 보이는 한편, 과적합에 대한 검증 및 빅데이터 구축을 통한 알고리즘 확장과 객체 인식 알고리즘의 다중 객체 환경에서의 강건한 동작 검증 등 추가 연구 과제를 도출하였다.
본 연구는 객체 인식과 경로 예측 알고리즘을 통합적으로 연구하였다는데 의의를 가지며, 특히 차량 간 통신 기술과 LiDAR 센서의 융합을 통해 객체 인식 및 상태 추정에 필요한 정보를 추출하는 연산과정을 간소화하는 방법론을 제시하였다.
그 결과 객체 인식 알고리즘은 자차 주변 약 30m 범위에서 약 130ms 간격으로 주변 객체정보를 수집하였다. 경로 예측 알고리즘은 직전 30개의 경로데이터를 통하여 향후 20개의 경로데이터를 예측한 결과, 90% 이상의 정확도 보이는 한편, 과적합에 대한 검증 및 빅데이터 구축을 통한 알고리즘 확장과 객체 인식 알고리즘의 다중 객체 환경에서의 강건한 동작 검증 등 추가 연구 과제를 도출하였다.
본 연구는 객체 인식과 경로 예측 알고리즘을 통합적으로 연구하였다는데 의의를 가지며, 특히 차량 간 통신 기술과 LiDAR 센서의 융합을 통해 객체 인식 및 상태 추정에 필요한 정보를 추출하는 연산과정을 간소화하는 방법론을 제시하였다.
목차
목차 ⅰ표 목차 ⅱ그림 목차 ⅲ약어 목록 ⅳ국문요지 ⅴ제1장 서 론 11.1 연구 배경 11.2 연구 필요성 21.3 논문의 구성 5제2장 관련 연구 62.1 LiDAR 62.2 V2X 통신 82.3 기계학습 알고리즘 11제3장 객체 인식 및 경로 예측 알고리즘 133.1 객체 인식 알고리즘 133.2 경로 예측 알고리즘 16제4장 실험 및 결과 204.1 실험 내용 204.2 실험 결과 26제5장 결론 36참고문헌 38Abstract 43
최근 본 자료
댓글(0)
0