반응형 자율주행5 [자율주행 차선관련 논문] Key Points Estimation and Point Instance Segmentation Approach for Lane Detection Abstract 이 논문은 자율주행차에 중요한 다양한 환경에서 교통선을 감지하는 새로운 방법에 관한 것입니다. 이 방법을 PINet(Point Instance Network)이라고 하며, 키 포인트를 추정하고 인스턴스 분할이라는 기술을 사용하여 작동합니다. PINet은 함께 훈련된 multiple stacked hourglass 네트워크를 사용합니다. 이를 통해 시스템은 사용 중인 환경에서 사용 가능한 컴퓨팅 성능에 따라 적절한 모델 크기를 선택할 수 있습니다. 이 방법은 키 포인트 클러스터링(Clustering key points) 문제를 인스턴스 분할 문제(instance segmentation issue)로 다루기 때문에 트래픽 라인 수에 관계없이 훈련될 수 있습니다. PINet은 차선 감지에 대해.. 2023. 3. 29. [자율주행 차선관련 논문] End to End Learning for Self-Driving Cars 요약 "End to End Learning for Self-Driving Cars"는 Nvidia에서 2016년에 발표한 연구 논문입니다. 이 논문은 자율 주행 자동차를 위한 딥러닝 접근 방법인 단일 신경망을 사용하여 전면 카메라의 이미지를 조향 명령으로 직접 매핑하는 "end-to-end" 시스템을 제안합니다. 이 접근 방식은 중간 처리 단계 없이 입력을 직접 출력으로 매핑하는 것이므로 "end-to-end" 시스템이라고 불립니다. 이 접근 방식에서 사용되는 네트워크 아키텍처는 합성곱 신경망(CNN)입니다. 이 네트워크는 전면 카메라 이미지 하나를 입력으로 받아 자동차의 조향값을 출력합니다. 이 네트워크의 학습 데이터는 조향각이 참값 레이블로 사용된 인간 운전 데이터에서 얻어집니다. 이 네트워크는 역전.. 2023. 2. 20. [코딩] Python을 이용한 고전적 방식의 차선인식1_색상추출 고전적 방식의 차선인식 1. 모듈 불러오기 차선 인식을 위해 Python & OpenCV 환경을 이용하였고 필요한 함수나 전역변수 등이 포함된 파일을 불러온다. OpenCV모듈과 Python의 내장 함수 중 수학 함수인 math 모듈 그리고 행렬 처리를 위한 numpy를 불러온다. 모듈 이름이 너무 길거나 보기 불편할 때 as Name과 같이 사용하시면 긴 이름 대신 Name에 정의한 이름을 모듈 이름 대신 사용할 수 있다. 2. 색상 추출 및 노이즈 제거 실제 도로 주행 환경에서는 빛의 세기, 장애물, 그림자 등 차선의 검출을 방해하는 요소들이 많다. 이러한 요소들은 정확한 차선 검출을 방해하고, 정확한 주행을 할 수 없게 한다. 노이즈의 영향을 줄이기 위해 GaussianBlur를 적용하고 특정 색상.. 2023. 1. 1. 간단하게 알아보는 자율주행차 인지 센서들 자율주행에서는 차량 주변을 감시하기 위해 다양한 조합으로 사용되는 물체 감지 센서 유형이 크게 4가지로 나누어집니다. 카메라 카메라는 이미 많은 자동차에서 일반적으로 사용되고 있으며, 차량 및 보행자 감지, 차선 감지, 도로 표지판 인식 등 다양한 목적으로 사용되거나 단순히 운전자에게 후방을 보여주기 위해 사용됩니다. 카메라는 패시브 센서 그룹에 속하는데 이것은 그들이 물체에서 반사되는 주변 빛을 가져와서 2차원 이미지로 변환한다는 것을 의미합니다. 자율 주행 차량은 수행해야 하는 많은 다양한 기능에 카메라에 광범위하게 의존하며 고정밀 매핑 및 로컬라이징 등 , 이는 장애물 감지를 훨씬 뛰어넘습니다. 그러나 교통에는 물체에서 반사되는 빛이 안정적인 감지를 하기에 충분하지 않은 상황이 많습니다. (예: 야.. 2022. 12. 14. 이전 1 2 다음 반응형
