| 000 | 00000nam c2200205 c 4500 | |
| 001 | 000045953897 | |
| 005 | 20230526134632 | |
| 007 | ta | |
| 008 | 180704s2018 ulkad bmAC 000c kor | |
| 040 | ▼a 211009 ▼c 211009 ▼d 211009 | |
| 085 | ▼a 0510 ▼2 KDCP | |
| 090 | ▼a 0510 ▼b 6D36 ▼c 1085 | |
| 100 | 1 | ▼a 오영석 ▼g 吳泳錫 |
| 245 | 1 0 | ▼a 보행자-차량 충돌 방지를 위한 객체 후보 생성 기반의 잠재적 위험 영역 추정 / ▼d 吳泳錫 |
| 246 | 1 1 | ▼a Estimation of potentially critical areas based on object proposal generation for pedestrian-vehicle collision avoidance |
| 260 | ▼a 서울 : ▼b 고려대학교 대학원, ▼c 2018 | |
| 300 | ▼a iv, 25장 : ▼b 천연색삽화, 도표 ; ▼c 26 cm | |
| 500 | ▼a 지도교수: 이성환 | |
| 502 | 0 | ▼a 학위논문(석사)-- ▼b 고려대학교 대학원, ▼c 컴퓨터·전파통신공학과, ▼d 2018. 8 |
| 504 | ▼a 참고문헌: 장 24-25 | |
| 530 | ▼a PDF 파일로도 이용가능; ▼c Requires PDF file reader(application/pdf) | |
| 653 | ▼a ADAS ▼a Proposal re-scoring ▼a Critical area estimation ▼a 위험 영역 추정 | |
| 776 | 0 | ▼t 보행자-차량 충돌 방지를 위한 객체 후보 생성 기반의 잠재적 위험 영역 추정 ▼w (DCOLL211009)000000081707 |
| 900 | 1 0 | ▼a Oh, Young Seok, ▼e 저 |
| 900 | 1 0 | ▼a 이성환, ▼g 李晟瑍, ▼d 1962-, ▼e 지도교수 ▼0 AUTH(211009)151678 |
| 945 | ▼a KLPA |
소장정보
| No. | 소장처 | 청구기호 | 등록번호 | 도서상태 | 반납예정일 | 예약 | 서비스 |
|---|---|---|---|---|---|---|---|
| No. 1 | 소장처 과학도서관/학위논문서고/ | 청구기호 0510 6D36 1085 | 등록번호 123059627 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
| No. 2 | 소장처 과학도서관/학위논문서고/ | 청구기호 0510 6D36 1085 | 등록번호 123059628 | 도서상태 대출가능 | 반납예정일 | 예약 | 서비스 |
컨텐츠정보
초록
본 논문은 주행 중에 갑작스럽게 등장한 보행자로 인한 주행차와 충돌 사고를 예방하기 위하여 보행자 출현 가능성이 높은 잠재적 위험 영역을 추정하는 방법에 대해 설명한다. 보행자와 주행차의 충돌사고가 끊임없이 발생함에 따라 최근 잠재적 위험 영역 연구는 각광을 받고 있다. 기존에는 잠재적 위험 영역 탐색을 위해 객체 분할 기법이나 객체 검출 방법을 응용하여 객체를 추정하고 비-객체를 분류하는 방식으로 위험 영역 탐색을 수행하였다. 하지만 특정한 물체에 관련한 클래스에 한정 지어서 객체를 검출하기 때문에 다양한 위험 상황을 모두 고려하기 힘들다. 이러한 문제들을 개선하기 위하여 영상 전체를 일정한 객체 크기의 윈도우로 직접 탐색하여 위험 영역을 검출하는 방법들이 최근 연구되고 있으나, 요구되는 계산량이 높아 실시간 처리에는 어려움이 있다. 본 논문에서는 기존 방법들의 문제점을 해결하기 위해 새로운 잠재적 위험 영역의 정의와 이 정의에 기반한 잠재적 위험 영역 추정할 수 있는 방법론을 제안한다. 위험 영역의 특성을 고려한 특징 추출을 위해 도로-장애물 경계 정보 추출하였고 특정한 클래스에 소속되지 않는 객체 후보 영역을 생성하였다. 각각의 객체 후보 영역에서 추출된 특징에 대한 가중치를 Structured-SVM [14]을 이용해 학습함으로써 후보 영역에 대한 유사도 평가를 수행하였다. 생성된 객체 후보 영역에 대해서 학습된 위험 영역 평가 모델을 통해 더 높은 점수를 부여하는 평가를 수행하여 위험 영역 후보를 생성하였다. 성능 평가를 위해 KITTI 데이터 셋을 활용해 위험 영역 레이블링 작업한 데이터로 평가를 하였으며, 평가한 잠재적 후보 영역들이 적은 후보 수에서 더 뛰어난 정확도를 보임을 확인하였다.
목차
1. 소개 1 2. 관련 연구 5 3. 제안하는 방법 9 3.1 도로-장애물 경계 정보 추출 11 3.2 객체 후보 영역 생성 11 3.3 특징 추출 13 3.4 위험 영역 평가 손실 함수 및 가중치 학습 15 4. 실험 및 결과 분석 16 4.1 잠재적 위험 영역 레이블링 작업 16 4.2 평가 지표 17 4.3 제안하는 방법의 평가 18 4.4 잠재적 후보 영역 검출 영향도 평가 20 4.5 과정별 실행시간 21 4.6 잠재적 위험 영역 검출 결과 22 5.결론 및 향후 연구방향 23 6.참고 문헌 24
