바로가기메뉴

본문 바로가기 주메뉴 바로가기

ACOMS+ 및 학술지 리포지터리 설명회

  • 한국과학기술정보연구원(KISTI) 서울분원 대회의실(별관 3층)
  • 2024년 07월 03일(수) 13:30
 

Out-layer를 제거한 End to End 자율주행 시스템

End to End Autonomous Driving System using Out-layer Removal

한국사물인터넷학회논문지 / Journal of The Korea Internet of Things Society, (P)2466-0078;
2023, v.9 no.1, pp.65-70
https://doi.org/https://doi.org/10.20465/kiots.2023.9.1.065
정승혁 (전남대학교)
윤동호 (한국생산기술연구원)
홍성훈 (전남대학교)
  • 다운로드 수
  • 조회수

초록

본 논문에서는 비전 센서 기반 시스템의 차선 이탈과 신호등 오인식 등을 개선하기 위해 End to End 모델을활용한 자율주행 시스템을 제안한다. End to End 학습은 다양한 환경 조건에 대해 확장을 할 수 있다. 비전 센서 기반모형 자동차를 이용하여 주행 데이터를 수집한다. 수집한 데이터를 이용하여 기존의 데이터와 아웃레이어를 제거한 데이터로 구성한다. 입력 데이터인 카메라 이미지 데이터, 출력 데이터인 속도와 조향 데이터로 클래스를 구성하고 En d to End 모델을 활용하여 데이터 학습을 수행하였다. 학습된 모델의 신뢰성을 확인했다. 모형 자동차에 학습한 E nd to End 모델을 적용하여 이미지 데이터로 조향각을 예측한다. 모형 자동차의 학습 결과, 아웃레이어를 제거한 모델이기존 모델보다 향상된 것을 볼 수 있다.

keywords
Autonomous Vehicle, Computer Vision, Deep Learning, Out Layer Removal, Autonomous Driving, 자율주행 자동차, 컴퓨터 비전, 딥러닝, 아웃레이어 제거, 자율주행

Abstract

In this paper, we propose an autonomous driving system using an end-to-end model to improve lane departure and misrecognition of traffic lights in a vision sensor-based system. End-to-end learning can be extended to a variety of environmental conditions. Driving data is collected using a model car based on a vision sensor. Using the collected data, it is composed of existing data and data with outlayers removed. A class was formed with camera image data as input data and speed and steering data as output data, and data learning was performed using an end-to-end model. The reliability of the trained model was verified. Apply the learned end-to-end model to the model car to predict the steering angle with image data. As a result of the learning of the model car, it can be seen that the model with the outlayer removed is improved than the existing model.

keywords
Autonomous Vehicle, Computer Vision, Deep Learning, Out Layer Removal, Autonomous Driving, 자율주행 자동차, 컴퓨터 비전, 딥러닝, 아웃레이어 제거, 자율주행

한국사물인터넷학회논문지