2wnswoo 님의 블로그

1. 카메라 기반 물체 검출 기술- 카메라 영상을 입력으로 받아서 물체의 위치와 종류를 알아내는 기술- 카메라 영상에 Convolutional Neural Network ( CNN )을 적용하여 물체의 특징을 추출한 후 이를 이용하여 물체를 검출함- 딥러닝 기반 물체 검출 방법 : 1단계 방법과 2단계 방법으로 나누어짐  - 1단계 : 간단한 구조로 인해 계산시간이 빠름 ( YOLO, SSD, RetinaNe )  - 2단계 : 검출 정확도가 더 높음 ( Faster RCNN, Mask RCNN ) 2. 카메라 기반 물체 추적 기술- 각 비디오 프레임에서 얻어진 물체 검출 결과를 이용하여 시간에 따라 움직이는 물체를 추적하는 기술- 움직이는 물체를 추적하기 위해서는 현재 비디오 프레임과 이전 비디오 프레..

1. 카메라 좌표계- 카메라에서 물체를 표현하는 좌표계2. 카메라 내부 파라미터- 월드 좌표계와 카메라 좌표계의 변환에 영향을 주는 카메라 내부의 기계적인 셋팅을 설명하는 파라미터- 초점 거리 : 렌즈의 중심과 이미지 센서 ( CMOS 또는 CCD )와의 거리- 주점 : 렌즈의 중심에서 이미지 센서에 수직으로 내린 점의 영상 좌표- 비대칭 계수 : 이미지 센서의 Cell Array의 Y축이 기울어진 정도 3. 카메라 캘리브레이션- 월드 좌표계에서 카메라 좌표계의 변환을 알기 위해 카메라의 내부 파라미터 값을 알아내고 카메라 렌즈에 의해생긴 왜곡을 보정하는 과정- 자율주행차가 월드 좌표계에서의 물체 상태나 환경을 카메라 영상을 이용하여 이해하기 위해서는 카메라캘리브레이션이 수행되어야 함  본 내용은 현대 ..

1. 카메라 렌서 원리- 카메라 렌즈를 통해 들어온 빛을 전기적 신호로 변환해서 주변에 대한 정보 제공- 초점 거리 : 렌즈의 중심에서부터 필름에 영상이 맺히는 사이의 거리- 화각 : 화면을 구성하는 각도 2. 카메라 구조2.1 핀홀 카메라- 핀홀, 즉 작은 구멍을 통해서 빛을 받아들임- 초점 거리에 따라 물체 크기 변화2.2 렌즈 카메라- 렌즈의 빚의 굴절 특성 이용- 렌즈에 의한 왜곡 보정 필요 3. 영상의 표현 방법- x축 y축의 2차원 배열로 표현  - 해상도 : 배열의 크기  - 픽셀 : 배열의 원소- 프레임 비율 : 1초 동안 보여주는 영상 프레임 수-RGB 영상의 색상 표현 : 적색 Red, 녹색 Green, 청색 Blud  본 내용은 현대 엔지비 교육의 '자율주행 자동차 인지 기술'  강의..

1. 테슬라와 구글 웨이모의 자율주행차 인지 기술1.1 테슬라 자율주행차 인지 기술- 최근 오토파일럿에서 FSD( Full Self Driving ) 기술로 진화- 카메라 센서와 레이더 센서만으로 구성1.2 구글 웨이모의 자율주행차 인지 기술- 라이다 이용- 카메라와 레이더는 라이다를 보조-  라이다 센서를 직접 설계하여 사용 2. 자율주행차 인지 오류로 인한 사고 사례2.1 2016년 5월 테슬라의 자율주행차 사고- 테슬라 모델 S가 오토파일럿 기능을 켠 상태로 흰색 트레일러와  충돌하여 운전자가 사망2.2 2018년 3월 우버의 자율주행차 사고- 자율주행 시험 운행 중이던 우버 차량이 자전거를 끌고 무단횡단하던 40대 여성과 충돌하여 여성 사망  본 내용은 현대 엔지비 교육의 '자율주행 자동차 인지 ..

1. 딥러닝 모델의 신경망 구조- 센서 데이터를 입력받아 원하는 결과를 출력- Feed-Forward 신경망 구조 2. 딥러닝의 학습 과정2.1 트레이닝- 수많은 학습 데이터를 보여주고 정답을 제대로 낼 수 있도록 신경망의 연결여부를 결정해주는 과정2.2 인퍼런스- 트레이닝이 끝나면 딥러닝 모델을 자율주행차에 탑재하여 실제 인지 기능 수행 3. 인지를 위한 딥러닝 기술3.1  Convolutional Neural Network ( CNN )- 카메라 영상을 입력으로 하여 원하는 결과를 얻어냄- 2차원 배열 데이터를 처리하기에 유리한 구조- 자율주행차 적용 사례 : 카메라 영상을 기반으로 동적 객체와 정적 객체 검출 3.2 Recurrent Neural Network ( RNN )- 시간적으로 순차적으로 ..

1. 인지를 위한 AI 기술 개요- AI 기술(인공지능 기술) : 사람이 갖고 잇는 기술을 기계로 구현하기 위한 기술- 머신러닝 : 데이터를 통해 학습하는 방식으로 지능을 구현하는 기술- 딥러닝 : 머신러닝 기술을 하기 위해 필요한 모델 중 하나, 사람의 뉴런을 모사하는 신경망 구조를 가지고 있음 2. 인지를 위한 AI 기술의 필요성- 엔지니어가 직접 데이터를 설명하는 모델 설계- 실제 환경에서 얻은 데이터의 통계적인 분포와 구조가 복잡 3. 인지를 위한 AI 기술의 적용 과정- 대규모 센서 데이터 취득- 라벨링 과정- 클라우드 서버, 컴퓨팅 환경에서 딥러닝 모델 훈련 수행- 학습된 신경망의 연결 정보를 차량에 탑재- 자율주행차에서 수집된 센서 데이터를 기반으로 차량에 장착된 컴퓨팅 하드웨어를 이용해 인..

1. 자율주행차 인지 기술의 어려움- 근거리 환경 인지에 대해 100%에 가까운 정확도 요구- 다양한 변화에 강인한 성능 요구- 예측하기 힘든 매우 다양한 주행 환경, 상황- 인지에 활용되는 주행 및 교통 환경 등의 문맥적인 의미 파악의 기술적 어려움- 주변 타 차량이나 보행자의 다양한 행동 패턴- 새로운 객체들이 계속 생겨나고 교통 환경도 시간에 따라 변화해 감- 인지 기술 수행의 실시간 연산이 가능해야 함 2. 인지 기술의 도전적 과제- 다양한 환경 변화 및 주행 환경에서 강인함과 신뢰성 향상- 주행 및 교통 환경 등의 문맥적인 의미를 활용하여 인지기능의 정확도 향상- 다양한 동적 객체들의 행동 패턴 이해 및 분석- 새롭게 변화하는 환경에 적응, 변화- 동적 환경 객체 검출, 추적, 예측 기능의 통합..

1. 자율주행차 인지 기술- 자율주행을 위해 센서로 부터 얻은 신호를 분석하여 차량 주변의 환경에 대한 정보를 얻는 과정- 자율주행에서의 주변 환경 요소 : 동적 환경 객체, 정적 환경 객체 2. 인지 기술에서 해야 할 일2.1 동적 객체의 검출 및 추적- 동적 객체의 검출 : 센서 신호를 분석하여 주변 동적 객체의 위치와 종류 판별2.2 동적 객체의 거동 예측-동적 객체의 시간적인 움직임을 분석하여 미래의 움직임 추정 3. 정적 객체 검출-정적 객체의 위치와 종류 식별 본 내용은 현대 엔지비 교육의 '자율주행 자동차 인지 기술'  강의의 요약 내용입니다

1. 자율주행차 센서의 종류- 주변에 대한 정보를 얻는 것으로 사람의 감각기관에 해당함- 카메라, 레이더(RADAR), 라이다(LiDAR), 초음파 센서 등이 있음 2. 자율주행차 센서의 장단점 2.1 카메라 센서- 빛을 전기적 신호로 변환하여 주변에 대한 정보를 2차원 배열 형태로 제공- 운전자보조시스템(ADAS)에 가장 많이 사용2.2 레이더(RADAR) 센서- 전자기파인 RF신호를 송출하고, 목표물에 반사하는 수신파를 분석하여, 물체의 거리, 각도 등의 정보를 얻어냄3 라이다(LiDAR) 센서- 고출력의 펄스레이저를 송출하여 물체에서 반사되어 오는 신호의 시간차를 분석하여 3차원 공간을 스캐닝함- 포인트 클라우드 형태로 표현됨 본 내용은 현대 엔지비 교육의 '자율주행 자동차 인지 기술'  강의의 요..