$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

라이다 임베디드 프로세서를 위한 동적 객체인식 아키텍처 구현
Dynamic Object Detection Architecture for LiDAR Embedded Processors

Journal of platform technology, v.8 no.4, 2020년, pp.11 - 19  

정민우 (카네비컴 기술연구소) ,  이상훈 (카네비컴 기술연구소) ,  김대영 (대구가톨릭대학교 컴퓨터소프트웨어학부)

초록
AI-Helper 아이콘AI-Helper

자율주행 환경은 실시간으로 상황이 급변하기 때문에 동적 객체인식 알고리즘이 반드시 필요하다. 또한, 자율주행자동차에 내장된 센서와 제어모듈이 증가하면서 중앙제어장치의 부하가 급격히 증가하고 있다. 중앙제어장치의 부하를 줄이기 위해서 단일 센서에서 출력되는 데이터의 최적화가 필요하다. 본 연구는 라이다에 탑재된 임베디드 프로세서를 기반으로 한 동적 객체인식 알고리즘을 제안한다. 라이다에서 출력되는 포인트클라우드 기반 객체인식을 위한 오픈소스들이 존재하지만, 대부분 고성능 프로세서를 요구한다. 라이다에 탑재된 임베디드 프로세서는 리소스 제약 때문에 기능 구현을 위한 최적화 된 아케텍처가 반드시 필요하다. 본 연구에서는 자율주행자동차를 위한 라이다 임베디드 프로세서 기반 동적 객체인식 아키텍처를 설계하고, 포인트클라우드 크기와 객체인식 처리 지연시간의 상관관계를 분석하였다. 제안하는 객체인식 아키텍처는 포인트클라우드 크기가 증가함에 따라 객체인식 처리 지연시간이 증가하였고, 특정한 지점에서 프로세서의 과부하가 발생하여 포인트를 처리하지 못하는 현상이 발생하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In an autonomous driving environment, dynamic recognition of objects is essential as the situation changes in real time. In addition, as the number of sensors and control modules built into an autonomous vehicle increases, the amount of data the central control unit has to process also rapidly incre...

주제어

#Object Detection   #Embedded Processors   #LiDAR   #Architecture   #Autonomous Vehicle  

표/그림 (5)

참고문헌 (17)

  1. Thakran, Y. Toshniwal, D. "Unsupervised outlier detection in streaming data using weighted clustering," In Proc. of the International Conference on Intelligent Systems Design & Applications(ISDA), Kochi, India, 2012, pp. 27-29. 

  2. Schall, O. Belyaev, A. Seidel, H.P. "Robust filtering of noisy scattered point data," In Proceedings of the Eurographics/IEEE Vgtc Conference on Point-Based Graphics(PBG), NY, USA, 21-22 June 2005; pp. 71-77. 

  3. Zaman, F. Wong, Y.P. Ng, B.Y. "Density-based denoising of point cloud," In Proc. of the 9th International Conference on Robotic, Vision, Signal, Processing and Power Applications(RVSPPA), Springer, Singapore, 2017. 

  4. Huang, D. Du, S. Li, G. Zhao, C. Deng, Y. "Detection and monitoring of defects on three-dimensional curved surfaces based on high-density point cloud data," Precision Engineering., Vol. 52, pp. 79-95, 2018. 

    상세보기 crossref

  5. Narvaez, E.A.L. Narvaez, N.E.L. "Point cloud denoising using robust principal component analysis," In Proceedings of the First International Conference on Computer Graphics Theory and Applications(GRAPP), Setubal, Portugal, 2006, pp. 25-28. 

  6. Zhu, H. Zhang, J.;Wang, Z. "Arterial spin labeling perfusion MRI signal denoising using robust principal component analysis," J Neurosci Methods, 2017, 295, 10-19. 

    상세보기 crossref

  7. Mahmoud, S. M. Lotfi, A. Langensiepen, C. "User activities outlier detection system using principal component analysis and fuzzy rule-based system," In Proc of the International Conference on Pervasive Technologies Related to Assistive Environments(PTRAE), Crete, Greece, 2012, pp. 1-8. 

  8. Bentley, J.L. "Multidimensional Divide and Conquer," Communication. ACM, Vol. 23, No. 4, pp. 214-229, 1980. 

    상세보기 crossref

  9. Friedman, J.H. Bentley, J.L. Finkel, R.A. "An Algorithm for Finding Best Matches in Logarithmic Expected Time," ACM Trans. Math. Software. Vol. 3, No. 3, pp. 209-226, 1977. 

    상세보기 crossref

  10. Moore, A. "Very Fast EM-Based Mixture Model Clustering Using Multiresolution Kd-trees," In Proc. Advances in Neural Information Processing Systems II (NIPS), MA, USA, 1999, pp. 543- 549. 

  11. Han, S.; Kim, S.; Hoon Jung, J.; Kim, C.; Yu, K.; Heo, J. "Development of a hashing-based data structure for the fast retrieval of 3D terrestrial laser scanned data," Comput. Geosci, Vol. 39, pp. 1-10, Feb, 2012. 

    상세보기 crossref

  12. Han, S.-H.; Lee, S.-J.; Kim, S.-P.; Kim, C.-J.; Heo, J.; Lee, H.-B. A Comparison of 3D R-tree and Octree to Index Large Point Clouds from a 3D Terrestrial Laser Scanner. J. Korean Soc. Surv. Geod. Photogramm. Cartogr. 2011, 29, 39-46. 

    원문보기 상세보기 crossref

  13. Vosselman, G. Dijkman, S. "3D building model reconstruction from point clouds and ground plans," Int. Arch.Photogramm. Remote Sens, Vol. 34, pp. 37-44, 2001. 

  14. Overby, J. Bodum, L. Kjems, E.B. Ilsoe, P.M. "Automatic 3D Building Reconstruction from Airborne Laser Scanning and Cadastral Data Using Hough Transform," Int. Arch. Photogramm. Remote Sens. Vol. 35, pp. 296-301, 2004. 

  15. Borrmann, D. Elseberg, J. Lingemann, K. Nuchter, A. "The 3d hough transform for plane detection in point clouds: A review and a new accumulator design" 3D Res. Vol. 2, No. 3, Jan, 2011. 

  16. Anagnostopoulos, I. Patraucean, V. Brilakis, I. Vela, P. "Detection of walls, floors and ceilings in point cloud data," In Proc. Constr. Res. Congr, San Juan, Puerto Rico, 2016, pp. 2302-2311. 

  17. Schnabel, R. Wahl, R. Klein, R. "Efficient RANSAC for point-cloud shape detection," Comput. Graph. Forum,Vol. 26, No. 2, pp. 214-226, Jun, 2007. 

    상세보기 crossref

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로