[03월 311] 교내 딥러닝 스터디, 자율 주행 자동차 만들기 책 확인

[01, 교내 디플러 닌 스터디]

>

오거의 매일은 교내 딥러닝 스터디의 날이었다-팀장님은 TMDB Box Office 제가 분석한 이 이야기를 바탕으로 발표를 진행했습니다.미국의 경우 금요일에 영화가 가장 많이 개봉한다.하지만 이전 데이터를 분석해 보니 수요일에 개봉된 영화의 수익이 가장 높았다.ᄂ Linear Regression, Random Forest Regression이 무엇인지 간단히 지적했다.중간값이 평균보다 극한 값에 영향이 적기 때문에 Feature Engineering에서 Median을 썼다. ​-4주, Kaggle프로젝트에 대해서 맛보기로 분석하 테테로울 가졌으므로, 본 연구의 취지에 맞게 목표를 바꾼다.본스터디는 '딥러닝'스터디이기 때문에 앞으로 이 부분을 좀 더 집중적으로 다룰 계획입니다.독버섯분류기,스토리투분석을통한교정기,성범죄자알림e,sound식칼로리분석기등공부모임후에딥러닝관련프로젝트를정해서다같이진행합니다.​[02자율 주행 자동차 만들기, 자율 주행은 다양한 서브 시스템이 서로 복잡하게 구성된 하그와잉의 시스템입니다.이 서브 시스템은 큰, 이하의 3개에 분 할인됩니다.​

>

1개.Sensing, Perception, Decision을 처리하는 Algorithm알고리즘에서 센서로부터 얻은 RawData에서 의미 있는 정보만 추출 칠로 주변 환경을 파악하는 동작합니다.Sensing: Raw Data에서 의미있는 정보를 추출 - GPS/IMU: GPS는 위치측정 센서의 상당히 정확한 편에 속하지만 업데이트 주기가 느립니다. IMU는 업데이트 주기가 빠른 대신 가끔 오차가 누적되어 정확도가 떨어지는 사건점이 있습니다. 고로 GPS와 IMU를 조합해 보면 차량 위치에 대한 정확한 정보를 시기적절하게 업데이트 할 수 있습니다. - LiDAR: 라이데스는 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 : 소과인은 초음파 탐지기입니다. 이 두 가지는 장애물 회피에 있어서 최후의 수단으로 사용됩니다. 이것이 어떤 이야기냐면, 운전 주행 중에 예기치 못한 충돌의 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 Perception단계에 통보합니다.-Localization:Kalman Filter를 이용하고 GPS와 IMU의 장점만을 결합하고 정확한 현재 위치를 계산합니다. 그러나 이런 경우도 3개 사건 점이 존재합니다. 1정확도는 1m의 범위 내에서만 보장됩니다. 2GPS신호가 건물에 반사된 경우, 노이즈가 늘고 정확한 측정이 불가능합니다. 3터널처럼 밤 여름 거의 매일 차 있는 경우 GPS는 임금 인상밖에 없습니다.여러 센서의 장점만을 집합하는 Sensor-Fusion Process를 이용하면 위치 측정의 신뢰성과 정밀도를 높일 수 있습니다.​ 하나-3.Object Recognition and Tracking:장 아이 수 인지와 추적 요즘 Deep Learning기술의 발전에서 개체의 감지 및 추적의 정확도가 많이 높아졌어요.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 파악한 측면, 의사 결정 단계에서 안전하고 효율적인 동작 방법을 실테테로우에서 발생합니다.경로를 방안하고자 할 때 가능한 모든 경로를 탐색한 다소비 Cost Function에서 최적의 경로를 골라낼 경우, 많은 연산량을 요구하기 때문에 가끔 이동경로를 공급하는 것 자체가 불가능 할 수도 있습니다. 이처럼 모든 경우에 대해 결정적인 알고리즘을 적용할 때 발발하는 계산 복잡도를 줄이고 경로를 방책하기 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 공급하는 Cloud System클라우드 플랫폼은 자율 주행 차에 필요한 오프라인 연산 및 스토리지 기능을 공급합니다.new 알고리즘 테스트, HD맵 업데이트, 인지와 추적 및 의사결정 모델에 대한 훈련 수준을 높일 수 있습니다.​​