최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.19 no.4, 2018년, pp.34 - 40
김용균 (아주대학교 전자공학과) , 구형일 (아주대학교 전자공학과) , 강석원 (한화시스템) , 김준원 (한화시스템) , 김재관 (한화시스템)
This paper presents a new method to estimate the pose of a moving object accurately using a monocular camera and a low-end GPS+IMU sensor system. For this goal, we adopted a deep neural network for the semantic segmentation of input images and compared the results with a semantic map of a neighborho...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
GPS 를 기반으로 하는 방법과 LiDAR 센서를 이용하는 방식의 단점은? | 하지만 이와 같이 고정밀 센서에 의존하는 방식은 높은 가격 때문에 일반적인 응용에 적용하기 어렵다는 문제점이 있다. 그 외에도 GPS 를 기반으로 하는 방법은 수신 상황에 따라 (Open-sky 환경이 아닌 경우) 통제할 수 없는 방식으로 오차가 증가할 수 있으며, LiDAR 센서를 이용하는 방식은 3차원 지도의 유지, 보수가 필요하다는 단점이 있다. | |
GPS, IMU 등의 센서는 어떤 분야에 활용되는가? | GPS, IMU 등의 센서를 사용하여 측정된 신호를 바탕으로 현재 이동체(예, 차량, 로봇 등)의 정확한 포즈(위치, 방향)를 예측하는 방법의 개발은 자율 주행, AR경로 안내 등의 응용을 위해 꼭 필요하다. 현재 차량의 종방향, 횡방향 위치와 바라보는 방향에 대한 정확한 정보를 알고 있어야만 자율주행에 필요한 제어 신호를 생성할 수 있으며, 증강현실(Augmented Reality) 기반 네비게이션이나 원격 조정 같이 인간과의 인터랙션이 필요한 응용 분야에서도 이동체의 정확한 포즈 예측은 필수적이다. | |
GPS, IMU 등의 센서가 자율주행 및 네비게이션에 필수적인 이유는? | GPS, IMU 등의 센서를 사용하여 측정된 신호를 바탕으로 현재 이동체(예, 차량, 로봇 등)의 정확한 포즈(위치, 방향)를 예측하는 방법의 개발은 자율 주행, AR경로 안내 등의 응용을 위해 꼭 필요하다. 현재 차량의 종방향, 횡방향 위치와 바라보는 방향에 대한 정확한 정보를 알고 있어야만 자율주행에 필요한 제어 신호를 생성할 수 있으며, 증강현실(Augmented Reality) 기반 네비게이션이나 원격 조정 같이 인간과의 인터랙션이 필요한 응용 분야에서도 이동체의 정확한 포즈 예측은 필수적이다. 일반적으로 이러한 고정밀 포즈 추정은 센서의 정확도를 높임으로써 달성되었다. |
M. Limmer, J. Forster, D. Baudach, F. Schule, R. Schweiger and H. P. A. Lensch, "Robust Deep-Learning-Based Road-Prediction for Augmented Reality Navigation Systems at Night," 2016 IEEE 19th International Conference on Intelligent Transportation Systems (ITSC), pp. 1888-1895, 2016. DOI: https://doi.org/10.1109/ITSC.2016.7795862
M. Szczot, M. Serfling, O. Lohlein, F. Schule, M. Konrad and K. Dietmayer, "Global positioning using a digital map and an imaging radar sensor," 2010 IEEE Intelligent Vehicles Symposium, pp. 406-411, 2010. DOI: https://doi.org/10.1109/IVS.2010.5548043
M. Teichmann, M. Weber, J. Zoellner, R. Cipolla and R. Urtasun, "MultiNet: Real-time Joint Semantic Reasoning for Autonomous Driving," arXiv preprint arXiv:1612.07695, 2016.
A. Geiger, P. Lenz and R. Urtasun, "Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite," 2012 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 3354-3361, 2012. DOI: https://doi.org/10.1109/CVPR.2012.6248074
G. Mattyus, S. Wang, S. Fidler and R. Urtasun, "HD Maps: Fine-grained Road Segmentation by Parsing Ground and Aerial Images," 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 3611-3619, 2016. DOI: https://doi.org/10.1109/CVPR.2016.393
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.