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
- 기석철
- 발행연도
- 2021
- 저작권
- 충북대학교 논문은 저작권에 의해 보호받습니다.
이용수2
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
In the automated driving system, it is essential to recognizing the range information to understand the surrounding environment. So I propose depth completion method, filling area without depth information of point cloud using high resolution data from the image. I used 64 channel LiDAR projected into the image plane and camera. The projected point cloud is put into the Perimeter-Convolution network which expands received sparse LiDAR data to the pixel level, then it is inserted into CNN with image at the same time. Ground truth in KITTI dataset is formed with a stereo camera and single LiDAR so that it has density around between point cloud and pixel. Fully completed ground truth by using max and median filter sequentially is used because Perimeter-Convolution layer which makes expanded LiDAR more focus on completing empty area than sectioning contour off. After that CNN layer uses raw ground truth to get exact depth information through using image for separating objects along the outline. Finally, fully completed depth information of pixel-level can be acquired as a result of this system.
목차
Ⅰ. 서론 11.1 연구 배경 11.2 연구 목적 51.3 관련 연구 71.4 적용 한계 121.5 논문 구성 14Ⅱ. 시스템 구성 172.1 데이터 구성 172.2 제안하는 알고리즘 20Ⅲ. 데이터 전처리 233.1 카메라 렌즈 왜곡 추정 및 내부 파라미터 추정 233.2 이미지 평면으로의 LiDAR 투영 243.3 Ground Truth 전처리 25Ⅳ. Depth Completion 274.1 CNN 구조(based on HRNet Architecture) 274.2 Perimeter-Convolution 구조 294.3 학습 디테일 32Ⅴ. 실험 결과 345.1 정량적 평가 345.2 정성적 평가 34Ⅵ. 결론 및 향후 연구 36참고문헌 37감사의 글 39
최근 본 자료
댓글(0)
0