In this paper, we have dealt with the recognition technology of the surrounding environment for autonomous driving. By using the deep learning, the recognition accuracy from the image obtained by cameras was improved, and distance information can also be predicted. More specifically, the developed system recognizes drivable regions, road markings and lanes through the Fully Convolutional Neural Network. In addition, the Single Shot Multi-box Detector (SSD) is applied to detect pedestrian, vehicles, and suggests a way to improve recognition accuracy of distance information considering the driving environment conditions. In conclusion, it was shown that the recognition system developed through this study can be applied to real autonomous vehicles, and can estimate sufficient information for driving even by using only low-cost cameras, not using expensive RADAR and LiDAR
이 논문에서는 자율주행을 위해 필요한 주변 환경 인식 기술 개발 내용에 대해 다루었다. 카메라를 이용하여 얻은 영상 정보를 딥러닝을 이용한 학습을 통해 인식 정확도를 높이고, 거리 정보 또한 예측 할 수 있는 방안을 제시하였다. 구체적으로는 Fully Convolutional Neural Network를 통한 주행가능영역, 노면표지, 차선을 인지하였다. 또한 최신 Detector 네트워크인 Single Shot Multi-box Detector(SSD)를 적용하여 보행자, 주변 차량 등을 인지하고 주행 환경 조건을 고려하여 거리 정보의 예측 정확도를 높이는 방안을 제시하였다. 결론적으로 본 연구를 통해 개발한 인식 시스템을 실제 자율주행차량에 적용하여 Radar, LiDAR 등 고가의 장비가 아닌 저가의 카메라만을 이용해서도 차량 주행에 필요한 충분한 정보를 얻을 수 있다는 것을 보였다.
