H-모빌리티 클래스3 [H-모빌리티 클래스 자율주행 인지 기초 내용 정리] 5. 인지를 위한 딥러닝 기술 개요 1. 딥러닝 모델의 신경망 구조 1) 센서 데이터를 입력받아 원하는 결과를 출력 2) Feed-forward 신경망 구조 - 수 많은 노드들의 집합 / 노드(입력을 받아 비선형 연산을 수행하고 결과를 출력하는 기본적인 단위) 2. 딥러닝의 학습 과정 1) 트레이닝 - 수많은 학습 데이터를 보여주고 정답을 제대로 낼 수 있도록 신경망의 연결여부를 결정해주는 과정 - 수많은 데이터 학습 -> 계산 -> 신경망 연결 2) 인퍼런스 - 트레이닝이 끝나면 딥러닝 모델을 자율주행차에 탑재하여 실제 인지 기능 수행 3. 인지를 위한 딥러닝 기술 1) Convolutional Neural Network(CNN) - 카메라 영상을 입력으로 하여 원하는 결과를 얻어냄 - 2차원 배열 데이터를 처리하기에 유리한 구조 - 자.. 2022. 2. 11. [H-모빌리티 클래스 자율주행 인지 기초 내용 정리] 2. 자율주행 인지 기술 개념 1. 인지 기술에서 해야 할 일 1) 자율주행차 인지 기술 : 센서로부터 얻은 신호를 분석하여 차량 주변 환경에 대한 정보를 얻는 과정 2) 동적 객체의 검출 및 추적 - 동적 객체의 검출 : 센서 신호를 분석하여 주변 동적 객체의 위치와 종류 판별 - 동적 객체의 추적 : 매 시점마다 얻은 검출 결과를 시간적으로 연결하여 추적 - T 시점 검출 결과와 T+1 시점 검출 결과를 Association(연결) -> ID 부여 -> 객체의 출현 및 퇴장 결정 3) 동적 객체의 거동 예측 - 동적 객체의 시간적인 움직임을 분석하여 미래의 움직임 추정 4) 정적 객체 검출 - 정적 객체의 위치와 종류 식별 2022. 2. 11. [H-모빌리티 클래스 자율주행 인지 기초 내용 정리] 1. 자율주행 자동차의 센서 구성 1. 자율주행차 센서의 장단점 1) FoV(Field of View)(센서를 통해 주변 정보 수집이 가능한 영역 혹은 각도)의 제한 때문에 주변 정보를 얻기 위해 다중 센서 사용 2) 카메라 - 빛을 전기적 신호로 변환하여 주변에 대한 정보를 2차원 배열 형태로 제공 - 장점 : CCD 또는 CMOS 센서(빛을 전하로 변환시켜 화상(이미지)을 만들어내는 센서) 사용 -> 해상도 높음/가격이 저렴 - 단점 : 날씨, 밝기 변화에 민감, 밤에 성능 저하/정확한 거리, 속도 정보를 제공하지 못함/높은 해상도로 인해 센서 신호 처리 시 계산량이 많음 3) 레이더 - 전자기파인 RF신호를 송출하고, 목표물에 반사하는 수신파를 분석하여, 물체의 거리, 각도, 속도 등의 정보를 얻어냄 - 장 : 환경 변화에 강함/거.. 2022. 2. 11. 이전 1 다음
