초록 ▼

□ 연구개발 목표 및 내용
○ 최종 목표
본 연구는 교통 법규 위반 행위 단속을 위한 삼중 심층신경망(Triple Deep Neural Networks)을 이용한 자율 비행 드론 제어방법 연구를 최종 목표로 설정. 불특정한 위치에서 발생하는 교통 법규 위반 차량을 드론이 자율 비행하면서 촬영할 수 있는 알고리즘을 설계
○ 전체 내용
1) 교통 법규 위반 현황을 분석하고, 교통 법규 단속을 위한 드론 비행 데이터 수집
2) 비행경로 생성을 위한 Deep Belief Network (DBN) 기반의 드론 상태

□ 연구개발 목표 및 내용
○ 최종 목표
본 연구는 교통 법규 위반 행위 단속을 위한 삼중 심층신경망(Triple Deep Neural Networks)을 이용한 자율 비행 드론 제어방법 연구를 최종 목표로 설정. 불특정한 위치에서 발생하는 교통 법규 위반 차량을 드론이 자율 비행하면서 촬영할 수 있는 알고리즘을 설계
○ 전체 내용
1) 교통 법규 위반 현황을 분석하고, 교통 법규 단속을 위한 드론 비행 데이터 수집
2) 비행경로 생성을 위한 Deep Belief Network (DBN) 기반의 드론 상태 분류 기법 연구
3) 자율 드론이 비행할 Dueling Q Network (DQN) 기반의 비행 위치 선정 기법 연구
4) 장애물 회피를 위한 Convolutional Neural Network (CNN) 기반의 장애물 인지 기법 연구
5) 실 환경에서 드론을 이용하여 교통 법규 위반 행위를 단속하기 위한 통합 연구 수행
○ 1단계(해당 시 작성)
● 목표
교통 법규 행위 단속을 위한 드론의 심층신경망 기반의 제어 기법 연구
● 내용
드론을 제어하기 위한 삼중 심층신경망을 개발하고 이를 기반으로 교통 환경에서 자율 비행

□ 연구개발성과
■ SCIE 논문 3편 출판
- Affective social big data generation algorithm for autonomous controls by CRNN-based end-to-end controls (SCIE)
- Autoencoder-based candidate waypoint generation method for autonomous flight of multi-unmanned aerial vehicles (SCIE)
- Enhanced reinforcement learning method combining one-hot encoding-based vectors for CNN-based alternative high-level decisions (SCIE)
■ 학술대회 논문 3편 출판

□ 연구개발성과 활용계획 및 기대 효과
최근에 심층신경망 학습에 관한 관심이 높이지면서 이를 다양한 분야에 적용하기 위한 기법 연구들이 진행되고 있다. 드론의 자율 비행을 위해서는 고도의 기술이 요구되며, 단일 심층신경망 학습으로는 해결하기 어렵다. 본 연구를 통해 서 삼중 심층신경망 학습 기법을 개발함으로써 심층신경망 학습의 응용 범위를 확대할 수 있다. DBN, DQN, 그리고 CNN의 학습 성과를 높이기 위한 새로운 접근 방법을 제시한다. 다양한 그래서 환경 변화에 강인한 학습 결과를 도출 할 수 있다. 본 연구를 통해서 드론의 자율 비행을 위한 최적의 경로 계획 및 장애물 회피 기술 확보가 가능하다. 특히, Direct Perception을 드론 제어 기술에 적용함으로써 드론을 제어할 수 있는 새로운 기술을 확보한다 드론으로 광범위하게 자율비행하며 끼어들기 위반, 갓길 주행, 지정차로 위반 등을 교통 법규 위반 차량을 적발 가능 하다.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요 약 문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 가. 최종목표 ... 4
• 나. 연구내용 및 범위 ... 5
• 다. 연구 개요 ... 6
• 라. 연구 가설 및 도출 근거 ... 7
• 마. 연구의 중요성 ... 7
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 8
• 가. 교통 법규 위반 현황 분석 ... 8
• 나. 비행 상태 표현 기법 연구 ... 8
• 다. 송수신 모듈 설계 연구 ... 8
• 라. 드론 비행 데이터 수집 ... 9
• 마. 가상 시뮬레이션 설계 연구 ... 9
• 바. DBN 기반의 상태 분류 연구 ... 9
• 사. DBN 학습용 파라미터 설계 연구 ... 10
• 아. Autoencoder 기반 비행 상태 분류 개선 연구 ... 10
• 자. Deep Belief Network 기반 드론 이미지 분류 연구 ... 11
• 차. Dueling Q Network 기반의 최적 위치 결정 연구 ... 11
• 카. DQN 학습용 파라미터 설계 연구 ... 12
• 타. 비행 데이터 기반의 DQN 개선 방법 연구 ... 12
• 파. 학습을 위한 딥러닝 서버 구축 ... 13
• 하. 드론을 활용한 비행 테스트 및 드론 카메라 테스트 ... 13
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 14
• 4. 연구개발성과의 관련 분야에 대한 기여 정도 ... 16
• 가. 드론 제어를 위한 삼층 심층신경망 알고리즘 연구 ... 16
• 나. 교통 법규 위반 단속을 위한 드론 활용 연구 ... 16
• 5. 연구개발성과의 관리 및 활용 계획 ... 16
• 끝페이지 ... 16