[03월 31첫] 교내 딥러닝 스터디, 자율 주행 자동차 만들기 책 이야…

[0하나 교내 디플러 닌 스터디]

>

오늘은 교내 딥러닝스터디가 있는 날이었다.팀장님은TMDBBoxOffice제가분석한이말을바탕으로발표를진행하였습니다.미국의 경우 금요일 하나는 영화가 가장 많이 개봉한다.하지만 이전 데이터를 분석해 보니 정작 수요 하나로 개봉된 영화의 수익이 가장 높았다.ᄂ Linear Regression, Random Forest Regression이 무엇인지 간단히 지적했다.중간값이 평균보다 극한 값에 영향이 적기 때문에 Feature Engineering에서 Median을 사용했습니다. ​-4주, Kaggle프로젝트에 대해서, 프리뷰로 분석하고 보는 시간을 가졌으므로, 본 연구의 취지에 맞게 목표를 바꾼다.본스터디는 '딥러닝'스터디이기 때문에 앞으로 이 부분을 좀 더 집중적으로 다룰 계획입니다.ᄂ독버섯분류기,말하는방식분석을통한교정기,성범죄자알림e,음식칼로리분석기등ᄂ스터디다음으로딥러닝관련프로젝트를정해서다같이진행합니다.​[02자율 주행 자동차 만들기, 자율 주행은 다양한 서브 시스템이 서로 복잡하게 구성된 하봉잉의 시스템입니다.이 서브 시스템은 큰, 이하의 3가지로 나누어집니다.​

>

1개.Sensing, Perception, Decision을 처리하는 Algorithm알고리즘에서 센서로부터 얻은 RawData에서 의미 있는 정보만 추출 칠로 주변 환경을 파악하는 동작합니다.Sensing: Raw Data에서 의미 있는 정보를 추출 - GPS / IMU: GPS는 위치측정 센서 중 매우 정확한 쪽에 속하지만 업데이트 주기가 느립니다. IMU는 업데이트 주기가 빠른 대신 가끔 오차 누적으로 정확도가 떨어지는 문제가 있습니다. 그래서 GPS와 IMU를 잘 조합해 보면 차량의 위치에 대한 정확한 정보를 시기적절하게 업데이트 할 수 있습니다.LiDAR : 라이더는 Mapping, Localization, Obstacle Avoidance에 사용됩니다.- CAMERA : 카메라는 Lane Detection, Traffic Light Detection, Pedestrian Detection 등과 같은 개체의 인지 및 Object recognition과 tracking 작업에 사용됩니다.- Rader / Sonar : 소본인은 초sound파 탐지기입니다. 이 두 가지는 장애물 회피에 있어서 최후의 수단으로 사용됩니다. 이것이 무슨 뜻이냐면, 운전 주행 중에 예기치 못한 충돌 위험이 있는 경우 알고리즘을 거치지 않고 강제로 안전 동작을 이행하는데 사용됩니다.​ 하나-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 계산합니다. 그러나 이런 경우도 3개의 문재 점이 존재합니다. 1정확도는 1m의 범위 내에서만 보장됩니다. 2GPS신호가 건물에 반사된 경우, 노이즈가 늘고 정확한 측정이 불가능합니다. 3터널 함께 밝은 하늘이 막혔을 경우는 GPS는 사용할 수 없습니다.여러 센서의 장점만을 집합하는 Sensor-Fusion Process를 이용하면 위치 측정의 신뢰성과 정확도를 높일 수 있습니다.​ 하나-3.Object Recognition and Tracking:장 아이 수 인지와 추적, 최근 Deep Learning기술의 발전에서 개체의 감지 및 추적의 정확도가 데당이 높아졌습니다.개체검지에서는 딥러닝의 CNN을 사용하여 다중필터를 경유하는 알고리즘을 이용하고 개체 추적은 원하는 개체를 선택하여 그 개체의 이동궤적을 trajectory 자동으로 추정하는 estimation 기법입니다.​ 하나-4.Movement:실제의 자율 주행에서의 동작 차량 주변 환경을 파악하면 의사 결정 단계에서 안전하고 효율적인 작업 계획을 실테테로우에서 발생합니다.경로를 계획하고 싶을 때 가능한 모든 경로를 탐색하는 sound Cost Function에서 최적의 경로를 골라낼 경우, 많은 연산량을 요구하기 때문에 가끔 이동경로를 제공하는 것 자체가 불가능 할 수도 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 실테테로우에 요구하는 사항을 만족하도록 다양한 알고리즘을 섞습니다. ​ 3.High-Definition(HD)의 지도와 디플러 닌 모델 훈련 시뮬레이션, 데이터 저장 등을 제공하는 Cloud System클라우드 플랫폼은 자율 주행 차에 필요한 오프라인 연산 및 없거나 기능을 제공합니다.새로운 알고리즘 테스트, HD맵 업데이트, 인지와 추적 및 의사결정 모델에 대한 훈련 수준을 높일 수 있습니다.​​