[03월 3하나하나] 교내 딥러닝 스터디, 자율 주행 자동차 만들기 책

[0하나 교내 디플러 닌 스터디]

>

오상의 날은 교내 딥러닝 스터디가 있는 날이었다-팀장은 TMDB Box Office 내가 분석한 스토리를 바탕으로 발표를 진행했다. 미국의 경우 금요일 1영화가 가장 많이 개봉된다...그러나 예전 데이터들을 분석하면서 정작 수요 1에 개봉된 영화의 수익이 가장 높았다.ᄂ Linear Regression, Random Forest Regression이 어떤 것인지 간단히 파악했다.중간값이 평균보다 극한 값에 영향이 적기 때문에 Feature Engineering에서 Median을 썼다. ​-4주, Kaggle프로젝트에 대해서, 프리뷰로 분석하고 보는 시간을 가졌으므로, 본 연구의 취지에 맞게 목표를 바꾼다.본스터디는 딥러닝 스터디이므로 앞으로 이 부분을 좀 더 집중적으로 다루는 방법이다.ᄂ독버섯분류기,예기투분석을통한교정기,성범죄자알림e,먹는음식칼로리분석기등ᄂ스터디다음으로딥러닝관련프로젝트를정해서다같이진행하도록하겠습니다.​[02자율 주행 자동차 만들기, 자율 주행은 다양한 서브 시스템이 서로 복잡하게 구성된 1프지앙아의 시스템이다.이 서브 시스템은 큰, 이하의 3개로 괜찮습니다.​

>

일. Sensing, Perception, Decision을 처리하는 Algorithm 알고리즘으로 센서로부터 얻은 RawData에서 의미있는 정보만을 추출해 주변 환경을 파악하고 동작합니다.일. Sensing: Raw Data에서 의미 있는 정보추출-GPS/IMU: GPS는 위치측정 센서 중 상당히 정확한 쪽에 속하지만 업데이트 주기가 느립니다. IMU는 업데이트 주기가 빠른 대신 시간이 지날수록 오차가 누적되어 정확도가 떨어지는 문제점이 있습니다. 그래서 GPS와 IMU를 결합해 보면 차량 위치에 대한 정확한 정보를 실시간으로 업데이트 할 수 있습니다.LiDAR : 라임은 Mapping, Localization, Obstacle Avoidance에 사용됩니다.- CAMERA : 카메라는 Lane Detection, Traffic Light Detection, Pedestrian Detection 등과 같은 개체 인지 및 Object recognition과 tracking 작업에 쓰인다. - Rader / Sonar : 소나는 초음파 탐지기. 이 두 가지는 장애물 회피를 위한 마지막 수단으로 사용된다. 이것이 어떤 말이냐면 운전주행 중 예기치 않은 충돌 위험이 있는 경우 알고리즘을 거치지 않고 강제로 안전동작을 이행하는 데 사용된다.​ 것-2.Perception:주변 환경을 인지하고 경로 파악 탐사에서 수집된 데이터는 차량의 주변 환경을 파악하는 Perception단계에서 전달됩니다.-Localization:Kalman Filter를 이용하고 GPS와 IMU의 장점만을 결합하고 정확한 현재 위치를 계산하는 것입니다. 그러나 이런 경우도 3가지 문제점이 존재합니다. 1정확도는 1m의 범위 내에서만 보장됩니다. 2GPS신호가 건물에 반사된 경우, 노이즈가 늘고 정확한 측정이 불가능합니다. 3터널 함께 밝은 시모 코오 시 이 정체의 경우 GPS는 사용할 수 없습니다.여러 센서의 장점만을 집합하는 Sensor-Fusion Process를 이용하면 위치 측정의 신뢰성과 정확도를 높일 수 있습니다.​ 것-3.Object Recognition and Tracking:장애 기물 인지와 추적, 최근 Deep Learning기술의 발전에서 개체의 감지 및 추적의 정확도가 높아짔 슴니다.개체 검지에서는, 딥러닝의 CNN을 사용해 다중 필터를 거치는 알고리즘을 이용하고, 개체 추적은 하고 싶은 개체를 선택해 그 개체의 이동 궤적을, trajectory 자동으로 추정하는, estimation 기법이다.​ 것-4.Movement:실제의 자율 주행에서의 동작 차량 주변 환경을 파악하면 의사 결정 단계에서 안전하고 효율적인 작업 계획을 실시간으로 발생하는 것입니다.경로를 계획할 때 가능한 모든 경로를 탐색한 담장 Cost Function에서 최적의 경로를 골라낼 경우, 많은 연산량을 요구하기 때문에 실시간으로 이동경로를 공급하는 것 자체가 불가능 할 수 있습니다. 이와 같이 모든 경우에 대해 결정적인 알고리즘을 적용할 때 발생하는 계산 복잡도를 줄이고 경로를 계획하기 위해 확률 기반의 수법을 사용합니다.​ ​ 2.OS와 HardWare Platform으로 구성된 Client System클라이언트 시스템은 실시간으로 요구하는 사항을 만족하도록 다양한 알고리즘을 섞슴니다. ​ 3.High-Definition(HD)의 지도와 디플러 닌 모델 훈련 시뮬레이션, 데이터 저장 등을 공급하는 Cloud System클라우드 플랫폼은 자율 주행 차에 필요한 오프라인 연산 및 없거나 기능을 공급하는 것입니다.새롭게 알고리즘 테스트, HD맵 업데이트, 인지와 추적 및 의사결정 모델에 대한 훈련 수준을 높일 수 있습니다.​​