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
김태우 (충북대학교) 황영배 (충북대학교)
저널정보
제어로봇시스템학회 제어로봇시스템학회 논문지 제어로봇시스템학회 논문지 제30권 제10호
발행연도
2024.10
수록면
1,076 - 1,081 (6page)
DOI
10.5302/J.ICROS.2024.24.0179

이용수

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

초록· 키워드

오류제보하기
This study proposes a soiling detection algorithm to identify and locate contamination in vehicle camera lenses. Research on AI applications that utilize cameras and distance sensors in driving systems is directly related to the advancement of autonomous driving systems., Detecting soiling, such as mud and water droplets, is a particularly critical issue. Traditional methods using piezoelectric, ultrasonic, and thermal sensors can introduce additional design and maintenance complexity. Therefore, this study aims to reduce this complexity by utilizing existing surround-view cameras installed on vehicles without additional sensors. The proposed algorithm employs image-processing techniques and a lightweight neural network architecture based on ResNet18 to detect lens contamination in real-time across various driving environments. Experiments were conducted using 5,000 images from the WoodScape Soiling Dataset. The input images were divided into a 16 × 16 grid and classified into four labels: opaque, semitransparent, transparent, and clean. The proposed grid-level multiclass soiling classification model demonstrated effective performance in detecting contamination, including mud, water droplets, and foggy dust. This study is expected to enhance the safety and convenience of driving systems.
#soiling detection #woodscape dataset #image classification #autonomous driving

목차

Abstract
I. 서론
II. 관련 연구
III. 이미지 프로세싱 기반 이물 감지 시스템
IV. 격자 레벨 다중 클래스 이물 분류 모델
V. 결론
REFERENCES

참고문헌 (21)

참고문헌 신청
J. Janai, F. Güney, A. Behl, and A. Geiger, Computer Vision for Autonomous Vehicles: Problems, Datasets and State of the Art, Found. Trends, Comput. Graph. Vis. 12, 1–3, 1–308, Jul. 2020. google schola S. Grigorescu, B. Trasnea, T. Cocias, and G. Macesanu, “A survey of deep learning techniques for autonomous driving,” Journal of Field Robotics, vol. 37, no. 3, pp. 362-386, 2020. google schola J. Guerrero-Ibáñez, S. Zeadally, and J. Contreras-Castillo, “Sensor technologies for intelligent transportation systems,” Sensors, vol. 18, no. 4, pp. 1212, 2018. google schola A. Das, “Soildnet: Soiling degradation detection in autonomous driving,” arXiv preprint arXiv:1911.01054, 2019. google schola M. Uricár, J. Ulicny, G. Sistu, H. Rashed, P. Krizek, D. Hurych, A. Vobecky, and S Yogamani, “Desoiling dataset: Restoring soiled areas on automotive fisheye cameras,” 2019 IEEE/CVF International Conference on Computer Vision Workshop (ICCVW), Seoul, Korea (South), pp. 4273-4279, 2019. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

Soiling Builds up Gradually : Soiling Semantic Segmentation
Taewoo Kim ,  Wangheon Lee ,  Youngbae Hwang 제어로봇시스템학회 국제학술대회 논문집 2024 .10
AI 학습을 위한 자동차 후방 카메라 오염도 분석 및 세척 기준 설정 연구
이지환 ,  송지혜 ,  정미숙 한국광학회지 2024 .12
Deep Learning 기반의 Semantic Segmentation을 활용한 Road Mark 검출
장성빈 ,  정세윤 ,  강동완 외 1명 한국자동차공학회 춘계학술대회 2021 .06
자율운항선박을 위한 인식 및 센싱 기술
김종휘 ,  김진환 제어로봇시스템학회 논문지 2024 .04

최근 본 자료

전체보기

댓글(0)

0