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
- 김학일
- 발행연도
- 2019
- 저작권
- 인하대학교 논문은 저작권에 의해 보호받습니다.
이용수19
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
최근 자율주행자동차 시스템을 위한 연구가 Google, NVIDIA, Uber, Naver등의 IT 기업들도 자율주행자동차 플랫폼 기술 개발에 나서고 있다. 자율주행자동차는 주위 환경에 대한 객체 인식, 이동 경로에 대한 판단, 판단 결과에 의한 차량 제어 등 다양한 기술을 요구한다. 주위 환경에 대한 객체 검출 기술로 사용되는 센서로는 Camera, LiDAR(Light Detection And Ranging), Radar등을 이용하여 다중 센서를 이용한 객체 인식을 사용해 인식률을 더 높이고 있는 추세이다. 인식 기술의 중요도가 높아지면서 3D LiDAR의 상용화 제품으로서 자리 잡게 되면서 3D 정보 기반 인식 기술들이 활발히 진행되고 있다. 전통적인 방법으로는 영상처리, SVM(Support Vector Machine)[1], 머신 러닝을 이용하여 객체 검출을 하였으나, 임계 값을 이용하여 실험적인 결과를 구한다는 단점이 있었다. 최근에는 CNN(Convolution Neural Network)이 활발히 사용되고 있으며, 최근에는 많은 Computer Vision 분야에서 좋은 성능을 보여주고있다.
본 논문에는 기존 Object Detection의 기본 flow인 RPN(Region Proposal Network)에서의 처리시간 지연을 거리 기반 군집화 기술인 Euclidean clustering을 이용하여 후보 군을 구하고 후보 군의 검출 기반으로Projection을 이용한 input과 Slicing을 한 input에 대한 방법을 제안하였다. 또한 CNN Network 별로 정확성을 비교하였고 Basic CNN, ResNet, VGG16, MobileNet 총 4개의 CNN Network을 이용하여 정확성과 속도를 비교하였다. 제안된 방법으로 실제 도로환경에서 취득한 연구실 내의 데이터(CVLab dataset)을 이용하여 평가하였고, 공공 데이터 set인 KITTI dataset을 이용하여 제안하는 방법에 대해서 장단점을 분석하였다.
본 논문에는 기존 Object Detection의 기본 flow인 RPN(Region Proposal Network)에서의 처리시간 지연을 거리 기반 군집화 기술인 Euclidean clustering을 이용하여 후보 군을 구하고 후보 군의 검출 기반으로Projection을 이용한 input과 Slicing을 한 input에 대한 방법을 제안하였다. 또한 CNN Network 별로 정확성을 비교하였고 Basic CNN, ResNet, VGG16, MobileNet 총 4개의 CNN Network을 이용하여 정확성과 속도를 비교하였다. 제안된 방법으로 실제 도로환경에서 취득한 연구실 내의 데이터(CVLab dataset)을 이용하여 평가하였고, 공공 데이터 set인 KITTI dataset을 이용하여 제안하는 방법에 대해서 장단점을 분석하였다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0