378 0

장애물 회피 및 자율 주행이 가능한 심층 인공 신경망 기반 임베디드 네트워크 설계

Title
장애물 회피 및 자율 주행이 가능한 심층 인공 신경망 기반 임베디드 네트워크 설계
Other Titles
Obstacle Avoidance and Autonomous Driving by Embedded Deep Neural Networks
Author
강익현
Alternative Author(s)
Kang, Ikhyun
Advisor(s)
서일홍
Issue Date
2020-08
Publisher
한양대학교
Degree
Master
Abstract
본 논문은 기계 학습 방식 중 하나인 심층 인공 신경망 (Deep Neural Network)을 이용하여 로봇이 스스로 판단하여 자율적으로 주행할 수 있는 방법을 제안한다. 심층 인공 신경망에 대한 연구가 활발히 이루어진 성과로 이미지 분류 (Image Classification)에 대한 정확도가 기존 기계 학습 방식 대비 크게 개선되고, 영상 의미 분할 (Semantic Segmentation) 분야 역시 과거에 비해 뛰어난 개선 효과를 보이고 있다. 이러한 성과를 계기로 자율 주행 로봇뿐만 아니라, 머신 비전 (Machine Vision), 의료 영상, 로봇 파지 (Manipulation) 기술 등의 어플리케이션 또한 다양하게 개발되고 있다. 기존의 차량 주행 기능들은 상황들을 규칙으로 정의하고 모델링 한 후 소프트웨어로 구현하는 규칙기반 방식 (Rule-based Approach)으로 구현되었다. 하지만, 규칙기반 방식은 산업별 전문 인력이 필요하고 상황마다 정교하게 규칙을 만들어야 되기 때문에 비효율적일 수밖에 없다. 또한, 모든 상황을 예측하여 반영하는 것은 거의 불가능하고, 기후나 교통 규칙이 다른 국가에 적용하기에는 확장성이 떨어진다. 반면, 심층 인공 신경망을 이용한 딥러닝 (Deep Learning) 기술을 적용하면 처음에는 초보 운전자처럼 실수가 있더라도, 많은 데이터를 확보해갈수록 스스로 학습하여 완성도 높은 자율 주행이 가능케 한다. 본 논문에서는 고전적인 기계 학습 방식이 아닌 딥러닝을 적용한 자율 주행 방법을 제시한다. 이미지 기반의 지도 학습 (Supervised Learning)으로 접근하였을 경우, 처음 보는 물체에 대해 올바른 판단을 내리지 못해 충돌 현상이 발생 하는데, 이를 개선하기 위한 방법으로 센서 융합 기술을 제안한다. 두 가지 센서의 상호 보완을 통하여 새로운 환경에서의 개선 효과를 실험으로 보이고, 데이터 취득 및 학습 방법에 대해서 자세히 설명한다.
URI
https://repository.hanyang.ac.kr/handle/20.500.11754/152732http://hanyang.dcollection.net/common/orgView/200000438703
Appears in Collections:
GRADUATE SCHOOL[S](대학원) > ELECTRONICS AND COMPUTER ENGINEERING(전자컴퓨터통신공학과) > Theses (Master)
Files in This Item:
There are no files associated with this item.
Export
RIS (EndNote)
XLS (Excel)
XML


qrcode

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

BROWSE