메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
하진수 (건국대학교) 강현욱 (건국대학교) 이종현 (건국대학교) 박정희 (LIG 넥스원) 이채현 (LIG 넥스원) 김양곤 (LIG 넥스원) 조기춘 (건국대학교)
저널정보
한국자동차공학회 한국자동차공학회논문집 한국자동차공학회논문집 제32권 제5호
발행연도
2024.5
수록면
443 - 451 (9page)
DOI
10.7467/KSAE.2024.32.5.443

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Accurate perception is critical for unmanned ground systems in unstructured outdoor environments. LiDAR sensors utilize laser beams to generate point-based 3D spatial information. However, they are vulnerable to external impact. Conversely, camera sensors, known for their affordability and durability, require indirect methods, such as stereo vision and deep learning, to generate spatial information. Creating datasets for deep learning in outdoor environments is challenging due to the absence of specialized data acquisition platforms and the time-consuming and costly process of generating manual annotations. To address these issues, this study proposes an outdoor data acquisition platform and a LiDAR-based technique to generate depth estimation datasets. The platform was employed to construct real outdoor datasets, and to conduct a qualitative evaluation of the constructed dataset. The dataset was then used to train and evaluate a depth-estimation network, validating the method"s effectiveness. In conclusion, this study offers a comprehensive solution to acquire data in unstructured outdoor environments.
#Unstructured outdoor environment(야지환경) #Image depth estimation(영상 깊이 추정) #Dataset construction platform(데이터셋 구축 플랫폼) #Deep learning(딥러닝) #Dataset(데이터셋)

목차

Abstract
1. 서론
2. 관련 연구
3. 시스템 구조
4. 야지환경을 고려한 데이터 취득 플랫폼 구성
5. 깊이 추정 이미지 데이터 생성
6. 실험 설계 및 결과
7. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문과 함께 이용한 논문

[응용논문] 자율 주행 시스템 개발을 위한 가상도시 구축 및 검증
김혜원 ,  조규세 ,  손준우 한국자동차공학회논문집 2021 .04
가상 3D 라이다 기반 객체 분류 딥러닝 학습 데이터셋 구축 방법에 관한 연구
장형준 ,  손원일 ,  안태원 외 2명 한국자동차공학회논문집 2020 .06
리플렉터 맵핑 분포 최소화를 통한 4D 이미징 레이더-IMU 외부 파라미터 캘리브레이션
정민서 ,  석지원 ,  김소영 외 3명 한국자동차공학회논문집 2025 .03
자율주행 기능 개발 및 검증을 위한 주변 차량 시나리오 생성 기술 개발
소경운 ,  나유승 ,  강정훈 외 2명 한국자동차공학회 추계학술대회 및 전시회 2023 .11
자율주행을 위한 Monocular Depth Estimation에 관한 연구
유지상 ,  전우민 ,  이성진 한국통신학회논문지 2023 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-089671905