1. 속성 편집
2. XYZ 타일 추가
3. 벡터데이터 구축
4. 벡터 조인
5. 지오패키지 구축
12주간 원주시에서 진행 중인 'QGIS 공간정보 스터디' 2주차 학습자료입니다. 매주 월요일 저녁 7시 30분, 국립공원연구원 4층 대회의실에서, 스터디 불참자를 위한 녹화 영상은 '공간정보 스터디' 유튜브 채널(https://www.youtube.com/channel/UClhOyfz6d4EgQmUmQ_UeeHw)'을 통해 해당 주 중에 게시됩니다.
Running Containers Without Servers: Introduction to AWS Fargate - SRV214 - At...Amazon Web Services
AWS Fargate makes running containerized workloads on AWS easier than ever. In this session, we provide a technical background for using AWS Fargate with your existing containerized services. We include best practices for building images, configuring task definitions, task networking, secrets management, and monitoring.
1. 속성 편집
2. XYZ 타일 추가
3. 벡터데이터 구축
4. 벡터 조인
5. 지오패키지 구축
12주간 원주시에서 진행 중인 'QGIS 공간정보 스터디' 2주차 학습자료입니다. 매주 월요일 저녁 7시 30분, 국립공원연구원 4층 대회의실에서, 스터디 불참자를 위한 녹화 영상은 '공간정보 스터디' 유튜브 채널(https://www.youtube.com/channel/UClhOyfz6d4EgQmUmQ_UeeHw)'을 통해 해당 주 중에 게시됩니다.
Running Containers Without Servers: Introduction to AWS Fargate - SRV214 - At...Amazon Web Services
AWS Fargate makes running containerized workloads on AWS easier than ever. In this session, we provide a technical background for using AWS Fargate with your existing containerized services. We include best practices for building images, configuring task definitions, task networking, secrets management, and monitoring.
AWS Summit Seoul 2023 | 진짜로 코드 없이 기계학습 모델을 만드는 것이 가능하다구요? SageMaker로 No/Low 코...Amazon Web Services Korea
비즈니스에 기계학습을 도입하고자 하는데, 데이터 준비와 모델 학습 및 배포에 관한 전문지식이 없어서 엄두가 안 나는 고객들이 계십니다. Amazon SageMaker Data Wrangler와 Autopilot을 활용하면 코드 없이 혹은 간단한 코드만으로 데이터를 준비하고 모델을 학습하고 배포하는 것이 가능합니다. 이번 세션에서 데이터 준비와 기계학습 모델을 만들고 배포하는 것이 몇 번의 클릭만으로도 가능하다는 것을 확인하시고, 바로 실무에 적용하실 수 있도록 알려드리겠습니다.
Amazon QuickSight는 개발자, 데이터 엔지니어 및 분석가, 보안 담당자가 데이터를 공유하고 시각화하는 멋진 BI 도구입니다. 이 세션은 QuickSight를 이용해 어떻게 서로 다른 팀에서 필요한 데이터를 공유하고 제한하는지 알아봅니다. 복잡한 조직 구조에서 QuickSight에 접근해 다양한 팀과 데이터를 공유하고, 가져온 데이터를 비용 효과적으로 쓰는 방법을 살펴보고, 상점 운영자의 입장에서 시각화 대시보드를 만들어봅니다.
Uç nokta güvenliğinin önemi, EPP ve EDR çözümleri,
Microsoft ATA ve osquery gibi yardımcı hızlı araçlar
Hazırlayan: Fevziye Taş, Bilgi Güvenliği Mühendisi
Microsoft Azure Stack Introduction Overview and tp3 releaseDavid J Rosenthal
Extend Azure on-premises with Azure Stack
Bring the agility and fast-paced innovation of cloud computing to your on-premises environment with Azure Stack. This extension of Azure allows you to modernize your applications across hybrid cloud environments, balancing flexibility and control. Plus, developers can build applications using a consistent set of Azure services and DevOps processes and tools, then collaborate with operations to deploy to the location that best meets your business, technical, and regulatory requirements. Pre-built solutions from the Azure Marketplace, including open source tools and technologies, allow developers to speed up new cloud application development.
< 2016 3rd UX Trend Report Part3>
라이트브레인 UX 트렌드 리포트 UX Discovery는 해외 다양한 매체들을 통해 하루 평균 50여건의 트랜드를 탐색, 수집, 검토하며 UX적 관점에서 분야별로 분석해서 정리됩니다.
2016 UX Discovery 3호에서는 본격적인 A.I시대의 진입을 맞아 드론, 로봇, 자율주행차량 등의 다양한 AI제품들과 서비스 그리고 빅데이터를 활용한 지진감지 경고앱과 같은 최신앱에서 가상현실, 웨어러블 등 뉴 UX 트렌드들도 한번에 살펴 보실 수 있습니다.
이중 3부에서는 커넥티드 카(Connected Car), 무인자동차(Autonomous Car), 드론(Drone), 로봇(Robot) 분야의 최신 트렌드를 담고 있으며
전체 리포트는 총 248페이지로, 나머지 내용 및 자세한 정보는 라이트브레인 웹사이트(www.rightbrain.co.kr)에서 확인할 수 있습니다.
AWS Summit Seoul 2023 | 진짜로 코드 없이 기계학습 모델을 만드는 것이 가능하다구요? SageMaker로 No/Low 코...Amazon Web Services Korea
비즈니스에 기계학습을 도입하고자 하는데, 데이터 준비와 모델 학습 및 배포에 관한 전문지식이 없어서 엄두가 안 나는 고객들이 계십니다. Amazon SageMaker Data Wrangler와 Autopilot을 활용하면 코드 없이 혹은 간단한 코드만으로 데이터를 준비하고 모델을 학습하고 배포하는 것이 가능합니다. 이번 세션에서 데이터 준비와 기계학습 모델을 만들고 배포하는 것이 몇 번의 클릭만으로도 가능하다는 것을 확인하시고, 바로 실무에 적용하실 수 있도록 알려드리겠습니다.
Amazon QuickSight는 개발자, 데이터 엔지니어 및 분석가, 보안 담당자가 데이터를 공유하고 시각화하는 멋진 BI 도구입니다. 이 세션은 QuickSight를 이용해 어떻게 서로 다른 팀에서 필요한 데이터를 공유하고 제한하는지 알아봅니다. 복잡한 조직 구조에서 QuickSight에 접근해 다양한 팀과 데이터를 공유하고, 가져온 데이터를 비용 효과적으로 쓰는 방법을 살펴보고, 상점 운영자의 입장에서 시각화 대시보드를 만들어봅니다.
Uç nokta güvenliğinin önemi, EPP ve EDR çözümleri,
Microsoft ATA ve osquery gibi yardımcı hızlı araçlar
Hazırlayan: Fevziye Taş, Bilgi Güvenliği Mühendisi
Microsoft Azure Stack Introduction Overview and tp3 releaseDavid J Rosenthal
Extend Azure on-premises with Azure Stack
Bring the agility and fast-paced innovation of cloud computing to your on-premises environment with Azure Stack. This extension of Azure allows you to modernize your applications across hybrid cloud environments, balancing flexibility and control. Plus, developers can build applications using a consistent set of Azure services and DevOps processes and tools, then collaborate with operations to deploy to the location that best meets your business, technical, and regulatory requirements. Pre-built solutions from the Azure Marketplace, including open source tools and technologies, allow developers to speed up new cloud application development.
< 2016 3rd UX Trend Report Part3>
라이트브레인 UX 트렌드 리포트 UX Discovery는 해외 다양한 매체들을 통해 하루 평균 50여건의 트랜드를 탐색, 수집, 검토하며 UX적 관점에서 분야별로 분석해서 정리됩니다.
2016 UX Discovery 3호에서는 본격적인 A.I시대의 진입을 맞아 드론, 로봇, 자율주행차량 등의 다양한 AI제품들과 서비스 그리고 빅데이터를 활용한 지진감지 경고앱과 같은 최신앱에서 가상현실, 웨어러블 등 뉴 UX 트렌드들도 한번에 살펴 보실 수 있습니다.
이중 3부에서는 커넥티드 카(Connected Car), 무인자동차(Autonomous Car), 드론(Drone), 로봇(Robot) 분야의 최신 트렌드를 담고 있으며
전체 리포트는 총 248페이지로, 나머지 내용 및 자세한 정보는 라이트브레인 웹사이트(www.rightbrain.co.kr)에서 확인할 수 있습니다.
중국 토종 기업들이 전기차와 자율주행 부문에서 세계적인 수준으로 성장하고 있다. 비야디(BYD), 베이징자동차, 치루이자동차 등이 대표적이다. 자동차 산업이 일반 차량에서 전기차와 자율주행차로 전환되는 과정에서 이들 기업은 중국의 신성장을 견인하며 빠르게 성장하고 있다. 이러한 추세는 중국 국내에만 국한되지 않으리라는 전망이다.
지난 1월 미국 라스베가스에서는 세계 최대 가전쇼 CES가 열렸다. 벌써 수년째 CES는 'Car' Electronics Show라고 일컬어질 정도로 자동차 기술 경연의 장으로 변모했다. 그만큼 자동차는 전통적 이동수단의 의미를 넘어 일종의 전자제품으로 발전하고 있는데, CES에서 엿볼 수 있는 자율주행·공유경제·전기차·HMI 부상에 따른 자동차의 미래상과 디자인 변화를 살펴본다.
3차 메인 세미나_스마트카 C조(김범수, 김영균, 김요섭, 오진영, 정현정 | 문성훈)
스마트카_현대vs구글 분석(15.10.30)
고려대학교 정보기술경영학회 : ITS
Web: http://itsociety.co.kr/
Mail: president@itsociety.co.kr
OBD와 스마트폰을 활용하여 운전습관, 차량상태 정보를 수집, 분석하고, 이를 바탕으로 운전자와 운전자 대상 서비스 제공사를 효과적으로 연결해 주는 서비스 플랫폼입니다.
자체 포인트 제도를 통해, 사용자의 적극적인 참여를 유도하고 고가의 장비없이 누구나 쉽게 참여할 수 있는 장점이 있습니다.
승객을 위한 자율주행차의 미래 _
I. Federal Automated Vehicles Policy Guideline
II. Status of Self-Driving Test
III. Disengagement Report
IV. Technology Competition
V. Conclusion
Youtube:
(1) https://www.youtube.com/watch?v=YJZaUVsxpMU
(2) https://www.youtube.com/watch?v=B9SW4i2nHDY
(3) https://www.youtube.com/watch?v=XUYhTtCN8C8
(4) https://www.youtube.com/watch?v=eP4Q0kz9MT4
(5) https://www.youtube.com/watch?v=QMdIXCkg6Nk
(6) https://www.youtube.com/watch?v=Gsub9iIAQ80
(7) https://www.youtube.com/watch?v=HOoQ4S3bXuU
TTA에서 정리한 IT용어사전에 따르면, 커넥티드 카(connected car)란 자동차와 IT 기술을 융합하여 인터넷 접속이 가능한 자동차를 말합니다.
다른 차량이나 교통 및 통신 기반 시설과 무선으로 연결하여 위험 경고, 실시간 내비게이션, 원격 차량 제어 및 관리 서비스 뿐 아니라 전자 우편, 멀티미디어 스트리밍, SNS 까지 제공합니다.
최근 한창 화제가 되고 있는 자율주행이나 자동충전, 운전자의 컨텍스트에 따라 대응하는 다양한 안전서비스 등 2016년을 앞둔 현재 시점, 전세계 커넥티드 카와 관련된 UX 트렌드를 총정리했습니다.
3차 메인 세미나_스마트카 D조(김성수, 권성현, 김민희, 성지영 | 김민수)
스마트카_현대vs테슬라 분석(15.10.30)
고려대학교 정보기술경영학회 : ITS
Web: http://itsociety.co.kr/
Mail: president@itsociety.co.kr
Similar to 뉴비가 정리해본 자율주행자동차 101편 - 김요섭 (chingu94@gmail.com) (20)
1. 자율 주행 자동차(Self-Driving Car) 101
- 회사별 현황, 원리, 오픈 소스, 전략 편
Newbie가 정리해본
김요섭 (chingu94@gmail.com)
2017년 7월 31일(월)
2. newbie인 저자가 개인적인 호기심에 자율 주행 자동차(이하 SDC)의 원리를 이
해하고자 수집했던 자료들을 모아 정리한 것입니다.
따라서, 잘못된 이해나 오해를 줄이기 위해 각 장마다 출처를 추가하였음으로
정확한 이해를 위해서는 각 장의 출처를 꼭 참조하시길 권고드립니다.
Warning
3. 1. 각 회사별 현황
2. SDC 구조와 원리
3. SDC 오픈 소스
4. IT 기업들의 SDC 전략
4. Self-Driving Car(이하 SDC)의 수준
● 미국도로교통안전국 (NHTSA)와 자동차엔지니어협회(SAE International)에서 정의한 수준이 달랐음.
● 2016년 10월 NHTSA에서 SAE의 수준을 적용하기로 하면서 SAE에서 J3016 발표. (https://www.sae.org/news/3550/)
● J3016에서 자율 주행 자동차의 단계를 0 ~ 5단계까지 총 6레벨로 봄.
출처: https://www.sae.org/news/3544/
5. ● 미국의 경우, 캘리포니아 차량 관리국 (DMV)에 승
인받고 도로 테스트 중인 회사만 총 31개 (6월 2일 기준)
● 국내는 국토교통부 보도 자료 기준으로 운행 임시
허가를 받은 곳만 총 19곳 (현대차, 기아차, 현대모
비스, 만도, 서울대, 카이스트, 네이버, 삼성전자,
LG전자 등) (5월 11일 기준)
출처: https://www.dmv.ca.gov/portal/dmv/detail/vr/autonomous/testing
SDC 개발 현황
6. ● 2009년부터 자율 주행 자동차 프로젝트를 시작함. 처음엔 골프카 등을 개조해서 테스트하다 Toyota Prius를 개조하여
첫번째 프로토타입을 만듬. 첫번째 프로토타입으로 총 161km를 주행 테스트함.
● 2012년엔 눈 덮힌 도로 등 더 다양한 환경에서 테스트하기 위해서 Lexus RS450h를 개조해서 두번째 프로토타입을 만
듬. (https://googleblog.blogspot.kr/2012/08/the-self-driving-car-logs-more-miles-on.html)
[출처]
- https://waymo.com/journey/
- http://www.businessinsider.com/google-driverless-car-history-photos-2016-10/#in-september-one-of-googles-cars-was-involved-in-a-collision-that-sent-the-
cars-human-driver-to-the-hospital-another-vehicle-came-into-an-intersection-in-california-at-30-miles-per-hour-running-a-red-light-and-hitting-the-google-cars-
right-side-effectively-t-boning-the-car-the-car-sustained-substantial-damage-20
SDC 개발 현황 - 구글
구글 자율 주행 자동차 1세대 - Toyota Prius 구글 자율 주행 자동차 2세대 - Lexus RS450h
7. SDC 개발 현황 - 구글
● 2015년에 Firefly이라는 자율 주행 전기차 개발해서 텍사스 어스틴에서 실제 도로에서 주행 테스트함.
● Firefly 내부를 보면 자동차 핸들도, 페달도 없고 오직 버튼만 있음. 따라서, 차 구조로만 보면 레벨4라고 볼 수 있음.
● 하지만, 올해 6월 Firelfy의 은퇴를 선언함.
Firefly
[출처]
- https://waymo.com/journey/
- http://www.businessinsider.com/google-driverless-car-history-photos-2016-10/#in-september-one-of-googles-cars-was-involved-in-a-collision-that-sent-the-
cars-human-driver-to-the-hospital-another-vehicle-came-into-an-intersection-in-california-at-30-miles-per-hour-running-a-red-light-and-hitting-the-google-cars-
right-side-effectively-t-boning-the-car-the-car-sustained-substantial-damage-20
8. SDC 개발 현황 - 구글
● 2016년 12월엔 Alphabet inc.에서 Waymo라는 이름으로 분리됨.
[출처]
- https://waymo.com/journey/
- http://www.businessinsider.com/google-driverless-car-history-photos-2016-10/#in-september-one-of-googles-cars-was-involved-in-a-collision-that-sent-the-
cars-human-driver-to-the-hospital-another-vehicle-came-into-an-intersection-in-california-at-30-miles-per-hour-running-a-red-light-and-hitting-the-google-cars-
right-side-effectively-t-boning-the-car-the-car-sustained-substantial-damage-20
[동영상 참고: http://www.youtube.com/watch?v=uHbMt6WDhQ8]
9. SDC 개발 현황 - 구글
● 2017년 Chrysler와 파트너십을 맺고 3세대 자율 주행 자동차로 Chrysler Pacifica Hybrid Minivans을 500대 생산
● 올해 4월에 Arizona주의 일반 가족 대상으로 자율 주행 자동차 라이드 서비스를 베타 테스트하고 있음.
● 올해 5월엔 Lyft, 6월엔 Avis와 파트너십을 맺고 최근엔 자율 주행 트럭도 테스트하고 있는 걸로 확인됨.
● 구글은 이미 300마일 (약 483만km) 이상, 사람의 운전 경험으로 따지면 300년 이상 실제 도로에서 주행 테스트를 완료
했으면 눈길과 같은 다양한 상황에서도 테스트를 하고 있음.
● California의 Mountain View 외에도 Arizona주의 Metro Phoenix, Texas의 Austin, Kirkland에서도 자율 주행 자동차를 테
스트 하고 있음.
● Avis와 파트너십 관련 기사 (https://www.recode.net/2017/6/26/15875496/how-avis-partnership-helps-waymo-self-driving-ecosystem)
● 주율 주행 트럭 테스트 관련 기사 (https://www.buzzfeed.com/priya/googles-waymo-is-exploring-self-driving-
trucks?utm_term=.bbAOdmZ0N#.ooqLBRgpX)
구글 자율 주행 자동차 3세대 - Chrysler Pacifica Hybrid Minivans
출처: https://techcrunch.com/2017/03/27/waymos-self-driving-van-heads-to-tahoe-for-some-time-in-the-snow/
출처: http://www.businessinsider.com/google-self-driving-cars-not-ready-for-snow-2016-12
10. SDC 개발 현황 - 테슬라
● Now-and-here 전략으로 2015년 자사의 모든 모델에 어댑티브 크루즈 컨트롤(ACC), 차선 변경 기능, 자동 평행 주차 등
을 포함한 2단계 자율주행 기술인 Autopilot을 적용
[동영상 참고: http://www.youtube.com/watch?v=C3DbrYx-SN4]
11. SDC 개발 현황 - 테슬라
● 하지만, Lidar없이 카메라와 레이더에만 의존하고 있어 아직은 위험. 실제로 2016년 5월 오토파일럿 모드로 운전하던
운전자가 사고로 사망하는 사건. 원인은 테슬라의 Model S의 카메라가 bright sky 때문에 고속도로를 가로질러 가려는
흰색 트레일러를 인지하지 못해 발생한 사고.
● 이 사고로 레이더를 추가하고 최신버전인 오토파일럿 8.0에서는 안전을 위해 오토파일럿 모드에서도 운전자에게 운전
대를 잡으라는 안내메시지가 나오고, 1시간 이내에 3번 이상의 안내 메세지를 무시하면 오토파일럿 모드가 해제되도록
함.
● 그럼에도 불구하고 오토파일럿 8.0의 사용자 리뷰를 보면 자전거를 타고 가는 사람들에 대한 인식률이 떨어져 위험.
“Autopilot classified ~30% of other cars, and 1% of bicyclists”
● 따라서, 아직은 고속도로에서만 사용하길 권장하고 많은 주의가 필요한 상태.
● 이런 이유로 테슬라가 아직 안전하지 못한 상황에서 사용자들을 대상으로 테스트하고 있다고 도덕적, 윤리적 비난하는
여론들이 있음.
[출처]
1. https://www.theguardian.com/technology/2016/jun/30/tesla-autopilot-death-self-driving-car-elon-musk
2. https://medium.com/@heatherknight/tesla-autopilot-review-bikers-will-die-212a8be4d8e7
3. https://electrek.co/2017/03/02/tesla-autopilot-crash-video-how-note-to-use/
[좌측 영상은 테슬라 모델 S가 Autopilot 상태에서 공사로 차선이 합쳐지는 구간을
인식하지 못해 일어나는 사고 영상 (참고, 모델 S이며 Autopilot 1세대)]
12. 출처: https://www.drive.ai/
SDC 개발 현황 - Drive.ai
● 주목할 만한 스타트업. 스탠포드 AI lab(http://ai.stanford.edu/) 출신들로 구성. 스탠포드 AI lab은 딥러닝으로 유명한 lab인 데
그 중에서도 딥러닝을 자동차에 적용하는 분야에서는 최고로 알려져 있음.
● 2015년 창업하기 3년 전부터 딥러닝을 통한 자율 주행 기술을 계속 연구해왔었음.
● 참고로, AI 석학 중에 한명인 Andrew Ng 교수님이 Board로 참여. 또, co-founder인 Carol Reiley는 Andew Ng 교수님의
아내되심. (아래 맨 아랫줄에서 왼쪽에서 세번째 분이 Carol Reiley)
Drive.ai
13. 출처: https://www.drive.ai/
SDC 개발 현황 - Drive.ai
● 0:10 엄청나게 쏟아지는 비
● 0:30 차들이 주차된 좁은 거리에 맞은 편 차들이
다가오는 상황
● 1:00 복잡한 사거리에서 앞차가 신호를 무시하
고 갑자기 좌회전하는 돌발 상황
● 1:50 교차로에서 빨간 신호등이 고장난 상황
● 2:35 비가 와서 젖은 도로 때문에 불빛들이 번지
는 상황
[Drive.ai 영상에서 주목해서 볼 부분]
[동영상 참고: http://www.youtube.com/watch?v=GMvgtPN2IBU]
15. ● 올해 4월에 애플은 임시 테스트 면허를 받은 후 자율 주행 자동차가 발견되었음.
● 애플의 자율 주행 자동차는 구글의 2세대 자동차와 같은 Lexus RX450h SUV 차량에 64채널 lidar에 2개의 레
이더와 여러 대의 카메라를 부착하고 있었음.
출처: https://www.bloomberg.com/news/articles/2017-04-27/check-out-the-lexus-that-apple-s-using-to-test-self-driving-car-technology%EF%BB%BF
SDC 개발 현황 - 애플
16. SDC 개발 현황 - 네이버
출처: http://www.naverlabs.com/article/12.html
출처: http://www.pitchone.co.kr/7358/
● 네이버는 Naver Labs를 통해서 이미 3년전부터 딥러닝을 통한 자율 주행 자동차에 대해서 연구
● 올초에 국토교통부에서 임시운행 허가증 발급받아 현재 주요 도로에 자율 주행 시험 운영 중
● 차종은 구글의 1세대 자율 주행 자동차와 같은 모델인 Toyota Prius에 Lidar, Radar, 카메라를 장착해서 테스
트 중
18. SDC 개발 현황 - 현대 자동차
출처: https://techcrunch.com/2016/12/19/hyundais-self-driving-system-aims-at-affordability/
● 현대 자동차는 이미 LKAS이나 ACC같은 ADAS를 개발해오고 있었음.
● 올해 CES 2017에서 IONIQ에 Lidar, 카메라, Radar를 장착한 자율 주행 자동차를 쇼케이스함.
● 이미 국내에서는 국토교통부에서 임시운행 허가증 발급받았음.
● 2017년 7월 현대차는 고속도로주행보조시스템2(HDA2)를 내년에 계획보다 1년 앞당겨 도입한다고 발표. 이는
GM의 Super Cruise나 Audi가 다음 A8에 레벨3 자율 주행을 탑재한다는 소식에 대한 반응으로 보임.
(http://m.etnews.com/20170714000211#_enliple)
19. SDC 개발 현황
[출처]
- https://derletztefuehrerscheinneuling.com/2016/12/30/erwarteter-zeithorizont-fuer-vollautonome-autos/
- http://www.businessinsider.com/fords-new-self-driving-car-looks-like-any-other-car-on-the-road-2016-12
2017년 7월 기준
● 비지니스인사이더 기사(출처 참고)에
Mario Herger라는 실리콘밸리의 컨설
팅을 운영하시는 분이 본인의 블ㄹ그에
Telsa와 Waymo 추가해서 공유
● 2017년 7월 기준으로 보면, Waymo와
Tesla는 Level 4
● GM과 푹스바겐은 Level 3
● Ford, BMW, Toyota 등은 Level 2로 추
정
● 중요한 건 대부분의 회사들이 2020년
엔 Level 5의 자율 주행 자동차를 만드
는 걸 목표로 하고 있음.
20. SDC 개발 현황
● 전통적인 자동차 제조사들은 그동안 하드웨어 기반의 ADAS (Advanced Driver Assistance System) 중심으로 자율 주
행 자동차 기술을 견인해 오고 있었음
1) 스마트 크루즈 컨트롤 (SCC, Smart Cruise Control)
2) 자동 조향 시스템 (AES, Autononous Emergency
Steering)
3) 자동 차선 유지 장치 (LKAS, Lane Keeping Assist
System )
4) 차선 이탈 경보 (LDW : Lane Departure Warning)
5) 전방 추돌 경보 (FCW : Forward Collision Warning)
6) 앞차 출발 알림 (FCDA : Front Car Departure Alert)
7) 하이빔 제어 (HBA : High Beam Assist)
8) 교통 표지판 인식 (TSR : Traffic Sign Recognition)
9) 교통 신호등 인식 (TLR : Traffic Light Recognition)
10) 보행자 인식 (PD: Pedestrain Detection)
11) 차선 유지 제어 (LKA : Lane Keeping Assistant)
출처: http://www.smithandsmith.co.nz/window-glass-repairs-replacement/adas-guarantee/
21. SDC 개발 현황
● 그런데, 전통적인 자동차 제조사들이 깔아놓은 하드웨어에 IT 기업들이 딥러닝을 주축으로 한
Software 기반의 SDC 시장으로 진입하여 자동차 시장의 변화를 리드하기 위한 경쟁이 심화
출처: NI Automotive Day 2017에서 SKT의 김영락님의 발표 자료 1페이지
23. SDC의 구조와 원리 - 하드웨어
● SDC의 구조
출처: https://www.wired.com/2015/04/cost-of-sensors-autonomous-cars/
24. SDC의 구조와 원리 - 하드웨어
● 각 센서 거리와 각도 (Voyage 택시 기준)
출처: https://news.voyage.auto/the-story-of-homer-voyages-first-self-driving-taxi-f0a6466718af
25. SDC의 구조와 원리 - LIDAR
● Laser Illuminating Detection and Ranging의 약어
● 초당 수백만개의 레이저빔을 지속적으로 발사해서 그 레이저 광선이 센서에 되돌아오는 시간을 계산해서 거리를
측정하는 센서
● 센서에 따라 다르지만 보통 100m 이상의 물체와 사람들을 인지할 수 있고 360도 시야각의 3D map을 그릴 수 있
어서 자동차 물체의 정확한 거리 정보를 실시간으로 파악할 수 있음.
26. SDC의 구조와 원리 - LIDAR
● 단점은 밤이나 흐린 날씨에는 사용이 제약을 받음.
● 또, 상당히 비싸다. 16채널 Velodyne의 VLP-16의 경우 개당 가격이 $7,999
● 이런 LIDAR를 필요할 경우 2 ~ 3개 정도 필요한 데 이럴 경우 한국돈으로 2,600만원이 필요함.
● 가장 많이 사용하고 있는 모델은 64채널의 HDL-62인 데 이건 가격이 훨씬 비쌈.
● 따라서, 구글 포함해서 많은 회사들이 저렴한 LIDAR를 개발하기 위해 노력하고 있음.
출처: http://velodynelidar.com/vlp-16.html
27. SDC의 구조와 원리 - RADAR
● Radio Detection and Ranging의 약어
● RADAR는 LIDAR와 비교해서 밤이나 흐린 날씨에도 잘 작동하고 측정 거리가 더 길음.
● 하지만, LIDAR에 비해서 단파의 경우 작은 물체를 파악하기 힘들고 장파의 경우 물체의 상세한 이미지를 제공할
수 가 없음.
Delphi ESR 2.5
28. SDC의 구조와 원리 - RADAR
● 구글의 Lexus RS450h에 장착된 Radar 모습
출처: https://www.nytimes.com/interactive/2016/12/14/technology/how-self-driving-cars-work.html
29. SDC의 구조와 원리 - Ultrasonic Sensors
● 초음파 센서로 자동차 전후방 감지 시스템으로 사용함.
[Ultrasonic Sensor]
30. SDC의 구조와 원리 - 하드웨어
● 각 센서 비교
[출처]
- https://medium.com/self-driving-cars/a-comparison-of-self-driving-sensors-2bb7702a85af
http://www.eetimes.com/author.asp?section_id=36&doc_id=1330069
Camera Lidar Radar
Cost Mono: $125 ~ 150, Stereo: $150 ~ 200 $90,000 ~ $8,000 Long Range: $125 ~ $150, Short
Range: $50 ~ $100
Illumination 영향받음 영향없음 영향없음
Noise 양호 있음 있음
Range 양호 보통 (100m 이상) 보통
Resolution 양호 보통 보통
Weather 날씨에 영향 받음 날씨에 영향 받음 날씨에 영향 안받음
Velocity Tracking 보통 보통 가능
Height Tracking 보통 가능 불가
Distance Tracking 불가 (Mono) 가능 가능
Classification 가능 가능 보통
31. SDC의 구조와 원리 - 하드웨어
● Voyage의 self-driving taxi의 시스템 구성도
출처: https://news.voyage.auto/under-the-hood-of-a-self-driving-car-78e8bbce62a6
32. SDC의 구조와 원리 - 하드웨어
● 2016 Lincoln MKZ 하이브리드 600A 1 대 (5,570만원)
● Velodyne VLP-16 LiDARs 2대 (약 1,800만원)
● Delphi Radar 1개 (Delphi ESR 2.5 기준 약 500만원)
● Point Grey Blackfly cameras 3개 (BFLY-U3-13S2C-CS기준
, 117만원)
● Xsens IMU 1개 (약 110만원)
● 총합: 8,097만원
출처: https://medium.com/udacity/were-building-an-open-source-self-driving-car-ac3e973cd163#.3520frafk
33. SDC의 구조와 원리 - 소프트웨어
출처: http://robohub.org/how-do-self-driving-cars-work/
출처: http://www.euronews.com/2017/04/03/how-technology-is-bringing-us-closer-to-driverless-cars
1) Location: 자동차가 자신 위치를 인지하고 가야할 길을 아는 기술 (GPS, HD Map
등)
2) 카메라로 부터 차선, 도로 표지판, 다른 자동차 등 인식하는 기술 (OpenCV, Neural
Networks 등)
3) 훈련 데이타를 통해서 Steering 등을 학습시키는 기술 (Deep Learning 등)
4) 한개 이상의 sensors로 부터 데이타를 fusion해서 물체를 트래킹하거나 예측하는
기술 (Sensors Fusion, ROS 등)
5) 차량을 제어하는 기술 - CAN bus를 이용해서 자동차를 핸들링하는 기술
34. ● Sensor Fusion
● 여러 Sensor로 부터 들어오는 raw data를 DSP(Digital Signal Processing) 과정을 거쳐서 Fusion 처리하는 어플리케이
션
출처: http://systemdesign.altera.com/advanced-driver-assistance-systems-let-the-driver-beware/
출처: http://w3.inf.fu-berlin.de/inst/ag-ki/eng/platooning-sensor-fusion.pdf
SDC의 구조와 원리 - 소프트웨어
36. ● Steering 학습 방법
출처: https://devblogs.nvidia.com/parallelforall/deep-learning-self-driving-cars/
출처: https://arxiv.org/pdf/1604.07316v1.pdf
SDC의 구조와 원리 - 소프트웨어
1) 훈련 데이타 수집 2) Neural Network으로 훈련
37. ● Steering 학습 방법
출처: https://devblogs.nvidia.com/parallelforall/deep-learning-self-driving-cars/
출처: https://arxiv.org/pdf/1604.07316v1.pdf
SDC의 구조와 원리 - 소프트웨어
3) 시뮬레이션
38. ● CAN이란?
● Controller Area Network의 약어. 호스트 컴퓨터 없이 마이크로 콘트롤러나 장치들이 서로 통신하기 위해 설계된 표준
통신 규격
● 1985년 Bosch사에서 차량 네트워크용으로 최초로 개발했고 현재는 대부분의 자동차에 사용
● OBD-II라고 불리는 차량 진단용 통신 표준의 5대 프로토콜 중 하나
SDC의 구조와 원리 - 소프트웨어
[ Without CAN vs With CAN ] [ CAN Bus와 OBD2 단자 ]
39. ● CAN Data Frame - 11비트의 Identifier, 4비트 DLC (데이타 필드의 바이트수), Data (0 ~ 8 바이트의 데이타 필드)
● CAN 통신을 통해 간단한 자동차 해킹도 가능
● OBD-2 포트를 통해 CAN 통신 가능
SDC의 구조와 원리 - 소프트웨어
[ CAN Data Frame ]
[ CAN 통신을 통한 간단한 자동차 해킹 예제]
출처: https://www.youtube.com/watch?v=U1yecKUmnFo
41. SDC 오픈소스 - Udacity
● Udacity의 Self-Driving Car Engineer 과정
출처: https://www.udacity.com/drive
● Deep Learning Steering Models – Many different neural networks
trained to predict steering angles of the car. More information here.
● Camera Mount by @spartanhaden – A mount to support a lens and
camera body that can be mounted using standard GoPro hardware
● Annotated Driving Datasets – Many hours of labelled driving data
● Driving Datasets – Over 10 hours of driving data (LIDAR, camera
frames and more)
● ROS Steering Node – Useful to enable the deep learning models to
interact with ROS
42. SDC 오픈소스 - Openpilot
● 10대때 iPhone과 PlayStation 3를 크래킹해서 유명해진 George Hotz가 $1,000 이하로 자율 주행 자동차를 만들 수 있다고 해서 Comma.ai 회사를
창업
● 2016 Acura ILX를 개조해서 발표했는 데 차량 관리국 (DMV)에서 공개적인 질문에서 열받아서 그동안 개발했던 소스를 오픈소스로 공개함
● NEO라는 핸드폰 기반의 플랫폼과 레이더만으로 저렴하게 만들었음.
출처: https://www.theverge.com/2016/6/6/11866868/comma-ai-george-hotz-interview-self-driving-cars
43. SDC 오픈소스 - Openpilot
● 현재는 Honda와 Acura 차종 중에서 Adaptive Cruise Control (ACC)와 Lane Keeping Assist System (LKAS)이 지원 가능한 아래 차종만 가능
● Acura ILX 2016 with AcuraWatch Plus와 Honda Civic 2016 with Honda Sensing
● Lincoln MKZ / Ford Fusion compatibility : https://github.com/commaai/openpilot/issues/1
출처: https://github.com/commaai/openpilot
44. SDC 오픈소스 - Apollo
출처: http://apollo.auto/
● Baidu AI 연구소에서 공개한 오픈 소스 Self-driving car OS
● 총 6개 컴포넌트 중에서 2개 공개 오픈했는 데, 하나는 ApolloAuto라는 Automonous Driving Platform (https://github.com/apolloauto)이고 또 하나는
Baidu Cloud 위에 Apollo Open Data Platform (http://apollo.auto/opendata.html)을 공개함.
45. SDC 오픈소스 - OSCC
● Open Source Car Control
● 기아 자동차 Soul 2014나 그 이후 버전에 $649로 steer-by-wire와 brake-by-wire 기능을 제공하여 자율 주행이 가능하도록 함
● https://github.com/PolySync/OSCC
출처: http://oscc.io/
47. SDC 오픈소스 - OSSDC
출처: https://github.com/OSSDC
● Open Source Self Driving Car
● 활동이 활발하진 않음.
48. IT 기업들의 SDC 전략
왜 구글과 바이두 같은 IT 기업들이 SDC를 개발할까요?
49. IT 기업들의 SDC 전략
첫째, Mobile, AI.. 그 다음 성장과 혁신의 시장으로 SDC에 전략적 투자
● 대부분의 SDC 개발 업체들은 2022년 안에 레벨 4,5 수준의 SDC 개발을 목표
● 보스턴 컨설팅 그룹(BGC)의 연구에 따르면 2030년까지 미국 자동차의 25%가 SDC일 수 있다라고 보
고 (https://techcrunch.com/2017/04/10/25-of-u-s-driving-could-be-done-by-self-driving-cars-by-2030-
study-finds/)
둘째, 자동차 시장은 하드웨어가 아닌 소프트웨어가 혁신을 주도
● 스마트폰 시장에서 플랫폼 전략으로 구글이나 애플이 제조사 위에 군림했던 것처럼 SDC 시장도 주도
셋째, SDC에 들어가는 다양한 기술들은 향후 혁신을 위해 다양하게 응용 가능
● Sensor Fusion
● 카메라를 통한 딥러닝 기술
● Robotics
50. IT 기업들의 SDC 전략
사례 1) 구글
● Uber를 계속 견제하면서 Lyft와 제휴
● Chrysler와 제휴를 맺고 자율 주행 자동차 라이더 서비스를 Arizona주에서 베타 테스트
사례 2) 바이두
● 올해 4월 Apollo Project를 통해서 SDC OS를 자국 내 중소 자동차 제조사들에게 제공할 계획
● 결국, 바이두의 SDC OS 안에 중국 내 중소 자동차 제조사들을 가둬둘 계획
출처: https://www.technologyreview.com/s/604220/baidu-will-release-a-free-operating-system-for-self-driving-cars/
출처: https://techcrunch.com/2017/04/18/baidu-project-apollo/
[ Waymo의 파트너 관계 ]