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
- 윤경로
- 발행연도
- 2020
- 저작권
- 건국대학교 논문은 저작권에 의해 보호받습니다.
이용수17
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 UAV(Unmanned Aerial Vehicle) 산업은 군사, 건설, 에너지, 운송, 농업, 교통 관측 등 다양한 산업에서 활용되며 가치를 증명하고 있다. 또한 취미 생활용 UAV 분야도 각광받고 있으며, 이에 따른 시장도 급속도로 커지고 있다. 하지만 UAV는 다른 물체와의 충돌, 추락과 같은 안전 사고를 유발할 수 있기 때문에 UAV의 안전성이 요구되며, 따라서 안전성을 향상시킬 수 있는 기술 연구가 활발하게 진행되고 있다.
기체가 큰 산업용 UAV의 경우 안전성을 높이기 위해 LiDAR(Light Detection And Ranging)나 스테레오 카메라 등과 같은 센서가 장착되어 있다. 이러한 센서들은 장애물을 탐지하여 충돌을 피하기 위해 사용되는데 높은 안정성을 추구하기 때문에 고가이며 무겁다. 또한 근거리 물체를 감지하기 어려우며 연산량이 많기 때문에 UAV에 적용하기 어렵다는 단점이 있다. 반면, 소형 UAV의 경우 정밀도가 낮은 레이저를 사용하는 경우가 대부분이지만 낮은 정밀도와 근거리만 측정이 되기 때문에 실제 사용시 어렵다는 단점이 있다.
본 논문에서는 이러한 LiDAR에 단점을 보완하여 LiDAR와 같은 센서를 적용할 수 없는 소형 UAV환경에 맞추어 스테레오 비전과 딥러닝을 통해 장애물을 추정할 수 있는 방법을 제안한다. 제안하는 방법은 다음과 같다. 스테레오 카메라를 이용해 데이터를 수집한 후SGM(Semi-global matching)[6]을 통해 disparity map을 생성, Ground Truth을 구성한다. 이를 기반으로 disparity map을 추정하는 신경망을 구성하고, 훈련시킨다. 그리고 신경망을 통해 disparity map을 생성하고, 거리 기반 장애물 탐지를 수행한다. 이러한 실험을 한 결과 신경망은 통해 disparity map을 추정했을 때 SGM보다 보다 정밀한 disparity map을 추정할 수 있었으며, UAV환경에서 LiDAR를 사용하지 않았음에도 불구하고, 스테레오 카메라를 이용해 거리 기반 장애물을 탐지할 수 있다는 것을 확인하였다.
기체가 큰 산업용 UAV의 경우 안전성을 높이기 위해 LiDAR(Light Detection And Ranging)나 스테레오 카메라 등과 같은 센서가 장착되어 있다. 이러한 센서들은 장애물을 탐지하여 충돌을 피하기 위해 사용되는데 높은 안정성을 추구하기 때문에 고가이며 무겁다. 또한 근거리 물체를 감지하기 어려우며 연산량이 많기 때문에 UAV에 적용하기 어렵다는 단점이 있다. 반면, 소형 UAV의 경우 정밀도가 낮은 레이저를 사용하는 경우가 대부분이지만 낮은 정밀도와 근거리만 측정이 되기 때문에 실제 사용시 어렵다는 단점이 있다.
본 논문에서는 이러한 LiDAR에 단점을 보완하여 LiDAR와 같은 센서를 적용할 수 없는 소형 UAV환경에 맞추어 스테레오 비전과 딥러닝을 통해 장애물을 추정할 수 있는 방법을 제안한다. 제안하는 방법은 다음과 같다. 스테레오 카메라를 이용해 데이터를 수집한 후SGM(Semi-global matching)[6]을 통해 disparity map을 생성, Ground Truth을 구성한다. 이를 기반으로 disparity map을 추정하는 신경망을 구성하고, 훈련시킨다. 그리고 신경망을 통해 disparity map을 생성하고, 거리 기반 장애물 탐지를 수행한다. 이러한 실험을 한 결과 신경망은 통해 disparity map을 추정했을 때 SGM보다 보다 정밀한 disparity map을 추정할 수 있었으며, UAV환경에서 LiDAR를 사용하지 않았음에도 불구하고, 스테레오 카메라를 이용해 거리 기반 장애물을 탐지할 수 있다는 것을 확인하였다.
목차
제1장 서론 1제2장 배경지식 및 관련 연구 3제1절 스테레오 비전 3제2절 Disparity map 추정 41. 스테레오 정합 42. 신경망 학습 9제3절 장애물 탐지 10제3장 데이터 수집 및 분석 13제1절 데이터 수집 13제2절 데이터 분석 17제4장 이미지 왜곡 보정 및 GT구성 19제1절 이미지 왜곡 보정 19제2절 Ground Truth 구성 24제5장 신경망 학습 28제1절 신경망 구성 28제2절 손실 함수 32제3절 구현 세부사항 33제6장 거리 추정 및 장애물 탐지 35제7장 실험 결과 및 분석 38제1절 시스템 구조 및 실험 환경 38제2절 실험 결과 및 분석 39제8장 결론 및 향후 과제 45참고문헌 47ABSTRACT 51
최근 본 자료
댓글(0)
0