지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 배석주
- 발행연도
- 2023
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수1
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
라이다(Light Detection and Ranging: LiDAR) 센서는 차량 외부 물체의 3차원 좌표 정보를 획득하는 기술로, 카메라와 레이다 센서에 비해 빠른 속도와 높은 정밀도를 바탕으로 자율 주행의 핵심 센서로 부상하고 있다. 그러나 라이다 센서는 눈, 안개, 비와 같은 열악한 기상 조건에 의해 발생하는 잡음(noise)에 취약하다는 문제점을 가지고 있다. 이를 극복하기 위해 라이다 센서로 수집한 점군(point cloud) 데이터로부터 눈에 의한 잡음을 제거하기 위한 연구가 진행되었지만, 선행 연구에서 제안된 필터들은 필터링 과정에서 정상 객체를 효과적으로 보존하지 못한다는 한계점을 가진다. 본 연구에서는 이웃 반사 강도를 기반으로 눈 입자에 의해 발생한 라이다 데이터의 잡음을 최소화하는 새로운 필터링 알고리즘을 제안한다. 제안 알고리즘은 객체의 이웃 인접도 및 반사 강도뿐만 아니라 이웃하는 점의 반사 강도를 추가로 고려하여, 눈 제거 과정에서 정상 객체의 정보 소실을 감소시키는 것을 목표로 한다. 알고리즘의 성능 평가를 위해 정밀도, 재현율 및 F1 점수를 기반으로 한 실험을 수행하였으며, 이 결과는 제안 필터가 정상에 해당하는 점을 더욱 높은 비율로 보존하면서 눈에 의한 잡음을 제거함을 입증하였다.
목차
그림 차례표 차례국문요지제1장 서론 1제2장 선행 연구 72.1. 거리 기반 필터 72.2. 거리 및 반사 강도 기반 필터 92.3. 딥 러닝 기반 필터 10제3장 제안 필터 123.1. 방법론 123.1.1. 기계 학습 기반 분류 프로세스 123.1.2. K-차원 검색 트리(K-Dimensional Tree) 133.2. 제안 알고리즘 14제4장 실험 및 결과 174.1. 활용 데이터 174.2. 기계 학습 기반 이웃 반사 강도 유효성 검증 184.2.1. Ablation Study 184.2.2. 변수 중요도 분석 214.3. 정량적 성능 평가 결과 234.4. 하이퍼 파라미터 최적화 244.5. 시간 복잡도 분석 264.6. 필터링 결과 시각화 28제5장 결론 및 한계점 305.1. 결론 305.2. 한계점 30참고 문헌 32Abstract 35
최근 본 자료
댓글(0)
0