본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지 2

목차 5

국문초록 10

제1장 서론 11

제1절 연구배경 11

제2절 연구목표 14

제2장 연구 방법 16

제1절 시스템 개요 16

제2절 카메라 기반 주행가능 영역 마스크 생성 18

제3절 라이다 기반 지면 포인트 클라우드 추출 19

제4절 카메라-라이다 융합 21

제5절 전역 주행가능 영역 지도 생성 23

제3장 연구 결과 26

제1절 자체 구축 데이터셋을 이용한 정성적 평가 26

1. 센서구성 26

2. 도로 환경에서의 주행가능 영역 인식 및 지도 생성 27

3. 보행로 환경에서의 주행가능 영역 인식 및 지도 생성 30

4. 장애물을 제외한 주행가능 영역 인식 33

5. 실패 사례 분석 35

6. 보간이 전역 주행가능 영역 지도 연속성에 미치는 영향 36

제2절 KITTI 데이터셋에 대한 정량적 평가 38

1. 평가 방법 38

2. 평가 지표 39

3. 라이다 기반 분할 모델과의 성능 비교 40

제3절 RGB 기반 세그멘테이션 모듈 비교 41

제4절 라이다 채널 수 변화에 따른 성능 평가 43

제5절 주행가능 영역 지도의 주행가능성 평가 45

제4장 토론 47

제5장 결론 51

참고문헌 52

ABSTRACT 57

표목차 7

〈표 1〉 KITTI Sequence 08에서 제안한 방법과 라이다 기반 의미 분할 알... 41

〈표 2〉 RGB 세그멘테이션 모듈에 따른 성능 비교 43

〈표 3〉 라이다 채널 수 변화에 따른 성능 평가 44

그림목차 8

〈그림 1〉 제안된 주행가능 영역 인식 및 지도 생성 시스템의 전체 구성도 18

〈그림 2〉 RGB 이미지로부터 주행가능 영역 마스크를 생성하는 과정 19

〈그림 3〉 라이다 기반 지면 포인트 추출 및 보간 과정 21

〈그림 4〉 카메라-라이다 융합 기반 색상 주행가능 영역 포인트 클라우드 생... 23

〈그림 5〉 전역 색상 주행가능 영역 지도 생성 과정 25

〈그림 6〉 실험에 사용된 센서 구성 27

〈그림 7〉 도로 환경에서 수집된 사용자 정의 데이터셋 경로 28

〈그림 8〉 도로 환경에서의 주행가능 영역 인식 결과 29

〈그림 9〉 도로 환경에서의 전역 색상 주행 영역 지도 시각화 결과 30

〈그림 10〉 보행로 환경에서 수집된 사용자 정의 데이터셋 경로 31

〈그림 11〉 보행로 환경에서의 주행가능 영역 인식 결과 32

〈그림 12〉 보행로 환경에서의 전역 색상 주행가능 영역 지도 시각화 결과 33

〈그림 13〉 정적 장애물이 존재하는 환경에서의 주행가능 영역 인식 결과 34

〈그림 14〉 동적 장애물이 존재하는 환경에서의 주행가능 영역 인식 결과 35

〈그림 15〉 주행가능 영역 인식 실패 사례 36

〈그림 16〉 보간 적용 여부에 따른 전역 주행가능 영역 지도 비교 결과 37

〈그림 17〉 제안한 방법과 라이다 기반 분할 모델의 성능 비교 그래프 41

〈그림 18〉 RGB 기반 세그멘테이션 모듈들의 성능 비교 그래프 43

〈그림 19〉 라이다 채널 수 변화에 따른 성능 그래프 44

〈그림 20〉 도로 환경에서의 전역 주행가능 영역 지도에 대한 주행가능 폭... 46

〈그림 21〉 보행로 환경에서의 전역 주행가능 영역 지도에 대한 주행가능 폭... 46

초록보기

 자율주행 이동로봇의 안전한 주행을 위해서는 복잡하고 동적인 환경에서 주행 가능 영역을 정확하게 탐지하고 분할하는 기술이 필수적이다. RGB 이미지 기반 방법은 풍부한 의미 정보를 제공하지만 비정형 지형이나 조명 변화에 취약하며, 라이다 기반 기법은 정밀한 공간 정보를 제공하나 고해상도 센서 의존성과 포인트 희소성 문제를 가진다. 또한 기존의 다중 센서 융합 방식은 고정된 센서 구성에 크게 의존하고, 하드웨어가 변경될 경우 재학습이 필요한 한계가 있다. 본 논문에서는 이러한 문제를 해결하기 위해, 실시간 동작이 가능한 모듈형 카메라-라이다 융합 기반 주행 가능 영역 인식 및 지도화 프레임워크를 제안한다. 제안된 방식은 RGB 카메라 이미지와 라이다 전처리 단계를 분리하여 센서 비종속적 구조를 구성함으로써, 재학습 없이 다양한 플랫폼에 유연하게 적용할 수 있다. RGB 이미지 세그멘테이션 결과와 라이다 기반 지면 추정치를 융합하여 신뢰도 높은 주행 가능 포인트 클라우드를 생성하며, 이를 SLAM 기반 누적 방식을 통해 전역 주행 가능 영역 지도로 통합한다. KITTI 데이터셋을 활용한 실험에서 IoU, Precision, FPS를 기준으로 성능을 평가한 결과, 제안된 프레임워크는 기존 방법들과 비교해 경쟁력 있는 정확도를 유지하면서도 가장 높은 추론 속도를 기록하여 실시간 자율주행 환경에서의 적용 가능성을 입증하였다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기