Stereoscopic Imaging System 및 딥러닝을 활용한 충돌 회피 알고리즘 개발

Q: 이 논문에서 정의한 YOLO란 무엇인가?

YOLO는 딥러닝 기반의 FAST 객체 탐지 알고리즘 중 하나로, 영상인식 알고리즘의 한 종류이다. 과거 영상인식 알고리즘의 문제였던 정확도와 인식 속도를 개선하여, 실시간으로 높은 FPS의 영상을 처리하며 객체를 인식할 수 있게 한다. 이를 통해 다양한 분야에서 영상인식 기술의 활용을 가능하게 한다.

Q: 스테레오 카메라와 딥러닝을 활용한 충돌 회피 알고리즘의 핵심은 무엇인가?

연구 결과, 저가의 스테레오 카메라와 딥러닝 기반의 YOLO 알고리즘을 결합하여 자율주행 보조장치의 신뢰성을 높이는 것이 핵심이다. YOLO를 통해 높은 FPS 영상에서 물체를 인식하고, 스테레오 이미징 기술로 인식된 물체의 3D 위치를 파악하여 고가의 LiDAR나 RADAR 없이도 정확한 충돌 회피 기능을 구현할 수 있다.

신상훈; 이용훈; 최웅철

학술대회자료

저자정보: 신상훈 (국민대학교) 이용훈 (국민대학교) 최웅철 (국민대학교)

저널정보: 한국자동차공학회 한국자동차공학회 추계학술대회 및 전시회 2019년 한국자동차공학회 추계학술대회 및 전시회

오류 신고하기

피인용 0

검색

초록·키워드

Due to the development of technology, research on autonomous vehicle driving is being actively conducted. Many people want to take autonomous driving, but the technology is unreliable and high in cost and limited use. In order to increase the reliability of autonomous driving using autonomous driving sub-devices using low-cost cameras that do not use expensive Radar or LiDAR, new technologies will be discussed. With the development of deep learning technology, an image recognition algorithm called YOLO has been developed, which shows the improvement of image recognition speed and high accuracy which is a problem of the existing image recognition. In addition, it is possible to develop an algorithm to obtain accurate position, velocity and acceleration by recognizing the object measured by YOLO using stereo image matching technology. Both technologies will enable the development of low cost autonomous driving sub-equipment using cameras.

#Autonomous(자율주행) #Vehicle(자동차) #Object detection(물체 탐지) #Stereo-camera(스테레오 카메라) #Stereo-image(스테레오이미지) #Deep learning(딥러닝) #YOLO(You Only Look Once)

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료