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
- 한동석.
- 발행연도
- 2022
- 저작권
- 경북대학교 논문은 저작권에 의해 보호받습니다.
이용수75
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
자율주행 시스템에서 도로에 있는 객체의 정확한 인식은 자율주행에 매우 중요한 요소이다. 본 논문에서는 자율주행 차량 주변 객체의 정확한 위치 및 거리 추출을 위한 카메라와 라이다를 융합한 다중 ROI(region of interest) 기반 위치정보 알고리즘을 제안한다. 일반적으로 카메라와 라이다를 융합한 캘리브레이션은 체스보드 등의 타겟 보드를 사용하여 센서 간 위치 차이를 보정한다.
본 논문은 카메라 센서로 들어오는 이미지를 ROI 기반으로 나눈다. 이후에 나누어진 영역마다 카메라와 라이다 간의 외부계수를 체스보드를 이용하여 추출하여 센서 간 캘리브레이션을 진행한다.
이후에는 딥 러닝 기반의 객체 인식 알고리즘인 YOLO v4를 활용하여 차량 주변의 객체를 인식하고 분류한다. 분류된 객체의 바운딩 박스의 점들을 사전에 구한 외부계수를 곱하여 객체의 거리를 추출한다.
제안된 방법의 ROI는 2 × 3, 2 × 4, 3 × 4, 4 × 5 로 진행되었고 가상환경과 실제환경에 적용하여 실험한 결과, 기존의 방법의 캘리브레이션 방법보다 객체 거리의 정확도가 약 10% 개선되었다.
본 논문은 카메라 센서로 들어오는 이미지를 ROI 기반으로 나눈다. 이후에 나누어진 영역마다 카메라와 라이다 간의 외부계수를 체스보드를 이용하여 추출하여 센서 간 캘리브레이션을 진행한다.
이후에는 딥 러닝 기반의 객체 인식 알고리즘인 YOLO v4를 활용하여 차량 주변의 객체를 인식하고 분류한다. 분류된 객체의 바운딩 박스의 점들을 사전에 구한 외부계수를 곱하여 객체의 거리를 추출한다.
제안된 방법의 ROI는 2 × 3, 2 × 4, 3 × 4, 4 × 5 로 진행되었고 가상환경과 실제환경에 적용하여 실험한 결과, 기존의 방법의 캘리브레이션 방법보다 객체 거리의 정확도가 약 10% 개선되었다.
목차
1. Introduction 12. Overview of Sensor Fusion and Camera Lidar Calibration Method 62.1 Sensor Fusion 92.2 Target-based Calibration 112.3 Target-less Calibration 132.4 Deep Learning-based Calibration 153. Proposed ROI-based Calibration 173.1 Target-based Calibration Method 173.2 ROI-based Calibration Algorithm 203.3 ROI-based Object Detection 244. Performance Evaluation 284.1 Experiment Environment 284.2 Experiment Result 315. Conclusion 41References 42
최근 본 자료
댓글(0)
0