http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 송하민(Hamin Song) (검색결과 8 건)
- 무료
- 기관 내 무료
- 유료
-
-
자율주행을 위한 의미론적 전역 포인트 클라우드 맵 데이터셋 구축
송하민(Hamin Song),김찬수(Chansoo Kim),손영록(YoungRok Son),조지은(Jieun Cho),조기춘(Kichun Jo) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
최근 자율주행의 핵심은 인지 파트는 다양한 센서를 기반으로 개발되고 있다. 그 중 LiDAR는 정밀한 위치 정보를 제공하고 외부 환경조건에 영향을 적게 받는다는 장점이 있어 이를 이용한 연구가 활발히 이루어지고 있다. 또한 딥러닝의 발전에 따라 뉴럴 네트워크를 이용한 객체 분류, 인식 및 의미론적 분할 등 다양한 task가 수행되고 있다. 포인트 클라우드 의미론적 분할은 가장 높은 수준의 분류로, 모든 포인트에 클래스를 부여하여 풍부한 정보를 제공한다. 지도 학습을 이용한 의미론적 분할은 포인트 별 분류 정답이 표기된 데이터셋이 필수적이다. 하지만 의미론적 분할된 포인트 클라우드 데이터셋은 매우 부족하며 한국의 도로 상태를 반영한 분류 체계를 갖는 데이터셋은 거의 없다. 따라서 ‘자율주행을 위한 의미론적 전역 포인트 클라우드 맵 데이터셋’을 구축하고자 한다. 본 데이터셋의 구축과정은 Fig.1과 같이 진행된다. 첫번째 단계인 logging 과정에서는 데이터 취득 지역을 선정하고, MMS(Mobile Mapping System)를 이용하여 포인트 클라우드 맵을 취득한다. 두번째 단계인 클래스 설계에서는 한국의 도심 환경 특성을 고려하여 연석, 신호등, 터널 내 객체 등을 포함한 분류 체계를 설계한다. 세번째 단계인 semi-auto labeling에서는 어노테이션 소요 비용을 최소화하기 위해 사전학습 된 모델을 사용해 얻은 분류 결과를 수정하는 과정을 거친다. 마지막 단계인 검수 과정에서는 다른 객체로 오분류된 포인트가 있는지 필터링을 통해 확인 후 수정한다. 데이터셋 구축 이후에는 데이터셋의 유효성 검증이 필수적이다. 이를 위해 여러 포인트 클라우드 의미론적 분할 모델을 사용한다. 이때 모델의 특성에 치우치지 않는 결과를 얻기 위해 다양한 프레임워크를 갖는 모델을 선정한다. 3D-CNN 기반, Point-wise MLP 기반, GCN 기반의 모델을 다양하게 선정하고, 각 모델을 구축한 데이터셋으로 학습하여 성능을 도출함으로써 데이터셋의 유효성을 검증한다.
-
-
이강원,신예진,송하민,박진오,설순욱,Lee, Kangwon,Shin, Yejin,Song, Hamin,Park, Jinoh,Seol, Soonuk 한국정보통신학회 2016 한국정보통신학회논문지 Vol.20 No.3
본 논문에서는 NFC 통신기술 기반의 스마트밴드를 이용하여 스포츠 센터의 운동기구를 예약하여 사용할 수 있도록 하는 운동기구 예약 시스템을 설계하고 구현한다. 사용자는 스마트밴드를 통하여 언제 어떤 운동 기구를 사용해야 하는지 알림 정보를 수신할 수 있다. 사용자는 추천 운동 프로그램을 활용하여 운동을 할 수 있고, 피크 시간에도 대기인원이 없기 때문에 편하게 원하는 운동기구를 사용할 수 있다. 또한, 관리자는 효율적인 시설관리를 통해 비용을 절감할 수 있고 수집된 운동 정보를 통해 사용자에게 맞춤 정보를 제공함으로써 경쟁력 있는 센터 운영이 가능하다. Many people feel uncomfortable when fitness center is crowded with people in all at the same time. So we propose exercise machines reservation system for resolving the problem that people feel uncomfortable in fitness center. In this paper, we design and implement the exercise machines reservation system that allows for users to reserve fitness equipments by using a NFC-based smart band. A user can reserve exercise machine using some reservation device. he or she will receive notifications through the smart band about when and which machine she or he will have to use. The user can do exercise with a recommended program, and can use any equipments conveniently even in a peak time because no one is waiting. Also, a manager can save cost through the efficient facility management and provide customized member management. Additionally, manager don't need to purchase other exercise machines or computers.
-
GNSS 음영 지역에서의 정밀 위치추정을 위한 데이터셋
조지은(Jieun Cho),송하민(Hamin Song),조기춘(Kichun Jo) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
최근 도심, 지하차도 및 터널 등 Global Navigation Satellite System (GNSS) 수신 상태가 취약한 지역에서 자율주행에 필수적인 위치추정 기술의 수요가 증가함에 따라 단안 카메라 기반 위치 추정 연구가 활발하게 진행하고 있다. 2D 이미지 기반 객체 인식 분야에서 Convolutional Neural Networks(CNN)을 활용한 딥러닝 네트워크인 YOLOv3, EfficientDet, Fater R-CNN 등 객체의 클래스 및 바운딩 박스 정보를 추출해내는 연구가 활발히 진행되고 있으며, 시맨틱 분할 방법인 DeepLab, ENet, FCN 등을 활용하여 픽셀 별 클래스 분류를 수행하는 연구 또한 활발히 진행중이다. 이러한 딥러닝 기반 인공지능 구현에서 가장 중요한 것은 컴퓨터를 충분히 학습시킬 수 있는 다양한 학습 데이터이다. 하지만 국내 자율주행 시스템 개발을 위한 오픈소스 데이터는 해외의 데이터셋과 비교하여 매우 부족한 편이며 특히 GNSS정보는 수신이 어려운 지역에 대한 자료는 턱없이 부족한 상황이다. 따라서 본 논문에서는 GNSS 음영 지역에서의 정밀 위치추정을 위한 데이터셋을 구축하고자 한다. 본 데이터셋을 주행 시나리오에서 검출 가능한 다양한 랜드마크 중 위치추정 알고리즘에 활용될 수 있는 랜드마크를 선정하고, GNSS 정보의 신뢰성을 잃은 도심부, 터널 및 지하차도에서 영상 및 다양한 센서 데이터를 수집한다. 취득한 원천 데이터는 정제 및 크라우드소싱 기반 가공(labeling) 작업을 거쳐 양질의 인공지능 학습용 데이터로 변환된다. 마지막으로, 딥러닝 기술을 이용한 랜드마크 인식 알고리즘을 통해 학습 데이터의 유효성을 검증한다. 바운딩 박스 형태의 랜드마크에 대해서는 객체 인식 알고리즘을 적용하여 Average Precision (AP) 등의 지표를 통해 데이터셋의 유효성을 검증한다. 폴리곤 형태의 랜드마크에 대해서는 시맨틱 분할 방법을 적용하고 Intersection over Union (IoU)등의 지표를 통해 데이터셋의 유효성을 검증한다. 위 데이터셋을 활용한 이미지 랜드마크 인식 AI는 정밀 위치추정 알고리즘에 필요한 객체 인식 정보를 제공할 수 있다.
-
-
실시간 움직임 추정 및 손동작 인식 기반 인간-UAV 상호작용 시스템
유민정(Minjeong Yoo),김가민(Gamin Kim),나유승(Yuseung Na),송하민(Hamin Song),윤준성(Junseong Yoon),조기춘(Kichun Jo),김상호(Sangho Kim) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.11
본 논문에서는 실시간 움직임 추정 및 손동작 인식 기반 인간-UAV 상호작용 시스템을 제안한다. 기존 조이스틱 조종방식 대비 자연적이고 친화적인 인터페이스 구축을 목표로, 연속적인 조작 입력 여부와 조작 입력 빈도에 따라 정적 제스처와 동적 제스처로 분류한다. 높은 샘플링 주기와 직관적인 방향 추정이 가능한 IMU 를 통해 동적 제스처 인식 및 객체분류 · 인식에서 높은 성능을 보이는 RGB 카메라를 통해 정적 제스처 인식을 구현한다. 이를 통해 기존 시스템 대비 비용과 계산량을 낮추고, 적당한 수의 운용동작을 분류 및 정의함으로써 비전문가들에게 더욱 안전하고 수월하게 조종할 수 있는 인터페이스를 제공한다. 이는 시뮬레이션 환경에서 사용성 평가를 통해, 제안 시스템이 HUI 목적에 부합함을 확인하였다.
-
김상권(Sangkwon Kim),박준용(Joonyong Park),김가민(Gamin Kim),김소영(Soyeong Kim),나유승(Yuseung Na),송하민(Hamin Song),조지은(Jieun Cho),손영록(Youngrok Son),석지원(Jiwon Seok),조기춘(Kichun Jo) 한국자동차공학회 2021 한국자동차공학회 부문종합 학술대회 Vol.2021 No.6
자율주행은 스스로 주행환경을 인지하고, 최적의 주행 경로를 결정하여 차량을 안전하게 제어하여 목적지까지 도달하는 기술이다. 자율주행을 위한 핵심 기술은 인지, 판단, 제어 세 가지로 분류할 수 있으며 기술의 고도화를 위해 운전자의 인지능력과 동등한 고수준 주행환경인지 능력은 필수적이다. 주야간, 날씨와 같은 다양한 환경 변화조건에서 일정 수준 이상의 인식성능이 유지되어야 하기 때문에 이를 위해 다양한 주행 데이터셋을 기반으로 학습한 인공지능기술이 주목받고 있다. 하지만, 인공지능 학습용 데이터를 구축하기 위해선 고가의 센서 및 수집장비를 요구하며, 수집한 원천 데이터를 학습용 데이터셋으로 변환하기 위해 데이터 분류 및 주석 작업 인력에 의존하기 때문에 대량의 데이터셋을 구축하는 것은 천문학적인 인력과 비용을 필요로 한다. 본 논문에서는 도심, 지하차도 및 터널 등 GNSS 수신 상태 음영 지역에서 위치 및 주변환경을 인지하기 위한 데이터셋, 주행 중 갑자기 마주할 수 있는 표면 이상과 장애물을 촬영한 데이터셋, 자율버스 개발을 위해 버스전용도로 구간을 포함한 주행도로를 촬영한 데이터셋의 구축방법을 다룬다. 각 데이터셋 마다 원천 데이터의 요구사항을 도출하고, 요구사항에 기반하여 선정한 카메라, 라이다, 고정밀 GNSS/INS, 저가형 GNSS 등 필요한 센서를 장착한 수집 장치를 구축한다. 그리고 이미지 데이터와 포인트 클라우드 정밀지도 등 학습에 활용할 수 있는 데이터에 대해 학습 분류체계를 구성하였고, 각 학습 데이터마다 YOLOv3, ConvPoint 등 연관된 AI 모델 적용을 통해 데이터 유효성 품질에 대해 평가하고 이를 이용한 서비스를 시연함으로써 활용 가능성에 대해 평가한다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
