서지주요정보
Real-time lane prediction algorithm using the sequence-to-sequence model = Sequence-to-Sequence 모델을 활용한 실시간 차선 예측 알고리즘
서명 / 저자 Real-time lane prediction algorithm using the sequence-to-sequence model = Sequence-to-Sequence 모델을 활용한 실시간 차선 예측 알고리즘 / Seunghyun Lee.
발행사항 [대전 : 한국과학기술원, 2021].
Online Access 원문보기 원문인쇄

소장정보

등록번호

8037072

소장위치/청구기호

학술문화관(도서관)2층 패컬티라운지(학위논문)

MPD 21008

휴대폰 전송

도서상태

이용가능

대출가능

반납예정일

리뷰정보

초록정보

In this research, we propose a real-time lane prediction algorithm using the sequence-to-sequence model. Deep learning based on camera sensors has become an indispensable key technology for situation recognition while playing the same role as the eyes of autonomous vehicles. However, various situations on the actual road make many restrictions on the cameras to recognize the situation. In particular, various situations such as a section where the lane is cut off such as a crosswalk or a crossroad, a situation where the lane is cut off due to the painted state of the lane on the road, and a situation where the lane is blocked by other vehicles or obstacles on the road increase the risk and instability in autonomous driving. In this research, we propose the real-time lane prediction algorithm based on the detected lanes after acquiring a dataset by driving an actual autonomous vehicle.

본 연구에서는 Sequence-to-Sequence 모델을 활용한 실시간 차선 예측 알고리즘을 제안한다. 카메라 센서를 활용한 deep learning기술은 자율주행 차량의 눈과 같은 역할을 하면서 자율 주행의 상황인식을 위해 없어서 안되는 필수적인 핵심기술이 되었다. 하지만 실제 도로의 다양한 상황들은 카메라로 하여금 명확한 상황인식을 하는데 많은 제한사항을 주고 있다. 특히 건널목이나 횡단보도같이 차선이 끊어져 있는 구간, 도로 위 차선의 도색 상태로 인해 끊어진 상황, 그리고 도로 위 다른 차량이나 장애물들에 의해 차선이 가려진 상황 등의 다양한 상황들은 자율 주행을 함에 있어 위험성과 불안정성을 높이게 된다. 이에 본 연구는 실제 자율주행 차량을 주행하여 데이터셋을 확보한 뒤 인식된 차선을 바탕으로 실시간으로 차선을 예측하는 알고리즘을 연구하였다.

서지기타정보

서지기타정보
청구기호 {MPD 21008
형태사항 iv, 34 p. : 삽화 ; 30 cm
언어 영어
일반주기 저자명의 한글표기 : 이승현
지도교수의 영문표기 : Hyun-Chul Shim
지도교수의 한글표기 : 심현철
Including Appendix
학위논문 학위논문(석사) - 한국과학기술원 : 미래자동차학제전공,
서지주기 References : p. 31-32
QR CODE qr code