Alphabet, Naver, BAT
- XXVI Holding, AI Fund, Gradient Ventures, Google AI
Naver, D2 Startup Factory Accelerating
Waymo vs. Baidu, Tencent
IT Dynamics Alphabet, Naver, Tencent, Alibaba, Baidu
Alphabet, Naver, BAT
- XXVI Holding, AI Fund, Gradient Ventures, Google AI
Naver, D2 Startup Factory Accelerating
Waymo vs. Baidu, Tencent
IT Dynamics Alphabet, Naver, Tencent, Alibaba, Baidu
[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들Doyoung Gwak
iOS에서 머신러닝으로 해결할 수 있는 문제들을 다양한 예시와 함께 소개합니다. 기존에 룰베이스 알고리즘으로는 해결하기 힘들었던 어려운 문제들을 머신러닝이 어떻게 해결할 수 있는지 설명하고, 간단한 코드 예제와 함께 Core ML 사용법을 알려드립니다. 또한 서비스에 사용하는 모델의 경우 어떤 추가적인 고려를 해야하는지도 간략히 소개하고 있습니다.
본 발표에 공유된 대부분의 데모는 https://github.com/motlabs/awesome-ml-demos-with-ios 저장소에 올라가있어, 코드 레벨까지 궁금한 분들께서는 이 저장소를 확인해주세요.
발표영상: https://www.youtube.com/watch?v=zKPB8rnS-EM
Kpmg ideation challenge: ING team (korean)JihyunSon2
안녕하세요, 전처리 담당 AI 프로젝트의 발표를 맡게 된 ING 팀의 손지현이라고 합니다. 우선 발표로 들어가기 전, 팀원 소개를 하고자 하는데요, 저희는 개발자 3명, 기획자 한 명으로 이루어졌습니다. 여기서 개발자이자 팀장님이신 심승철님께서 기술 Q&A를 맡기 위해, 저는 전반적인 발표를 맡기 위해 이 자리에 섰습니다.
우선 발표 콘텐츠를 설명 드리자면, 저희는 문제진단, 해결방안, 결과소개, 그리고 사업화, 이 네 가지로 발표를 나눴습니다. 하지만 문제진단을 하기 앞서, 간단하게 배경 설명을 해야 할 것 같은데요,
요즘 digital transformation이란 말이 뜨면서 사람들은 여러 분야에 관심을 가지게 되었는데, 여기서 저희가 집중하고자 하는 부분은
Big Data, 또는 데이터 산업입니다. 특히 AI의 학습에 쓰이는 데이터의 역할에 관심을 가지게 되었는데, 저희는 AI와 자동화 시스템을 통해 어떻게 이 분야를 더욱 효율적으로 바꿔나갈지를 고민하게 되었습니다.
AI의 학습과정을 보자면 이렇게 정리가 되는데요, 여기서 시간 소모가 가장 큰 과정이 바로 여기 pre-processing, 혹은 데이터 전처리라고 합니다. 데이터 전처리 과정을 설명 드리자면, AI가 학습과정에 많은 데이터가 필요한데, AI가 이해할 수 있는 형식으로 데이터를 가공하고 정제하는 과정이 바로 데이터 전처리입니다. 현재 대부분 수작업으로 진행되기 때문에 가장 많은 시간과 인력을 소모하고 있죠.
그렇다면 이 부분에다가 RPA에 적용한다면 어떨까? 저희 프로젝트의 주제를 간단히 말씀 드리자면, AI를 학습시키는데 AI를 사용하자는 결론에 도달하는 거죠.
데이터 전처리 시장을 조사한 바, 현재 amazon mechanical turk와 crowdworks라는 두 기업이 자리잡고 있는데, 이 두 기업은 전처리 된 데이터가 필요한 기업과 전처리를 하고자 하는 일반인 아르바이트를 연결시켜주는 플랫폼이라 생각하시면 됩니다. 하지만 여기서 세가지 문제를 발견했는데, 이것은 한정된 유저 인터페이스, 데이트의 신뢰성 부족, 그리고 수작업으로 인한 비효율적 시스템입니다.
예시를 보여드리자면, 이게 AMT의 인터페이스인데요, 보시다시피 영수증 내용을 AI가 이해하도록 바꾸기 위해 일일이 내용을 옮겨 적어야 하는 형식입니다. 인터페이스도 웹으로만 접근 가능한거라 접근성도 안 좋고 상당히 번거롭죠.
그렇다면 저희가 생각해낸 솔루션들은? 첫째, 간편한 안드로이드 유저인터페이스를 만들고 UI/UX를 고칠 것, 둘째, 교차 인증 및 게이미피케이션 기능을 추가해서 정확도를 높일 것, 그리고 마지막으로 데이터전처리에 딥러닝 AI를 기반해서 사용자의 효율 및 정확성을 확보하는 것입니다. 특히 세번째가 중요한데, 제가 앞서 말씀 드린 AI를 이용해서 AI를 학습시킨다 개념에 들어간다고 생각하시면 됩니다.
앞에 두 솔루션을 설명 드리자면, UI/UX를 기존의 상품에 비해 사용자가 사용하기 편하게 고치고자 노력했습니다. 곧 제품시연 때 직접 체감하실 수 있을 것이라 믿고 다음 솔루션으로 넘어가겠습니다. 기존의 상품들의 경우, 본인의 성과를 체크하는 기능은 있어도 본인의 성과를 다른 작업자들과 비교하는 기능이 없었으며, 그나마 crowdworks에는 소수의 상위랭커 리스트만 있었습니다. 저희는 상대적 위치, 예를 들어 여기 상위 13%다, 등을 알려주며 사람들이 더욱 열심히 작업을 하도록 자극시키는 게이미피케이션 요소를 추가하고자 했습니다.
자, 마지막으로 가장 중요한 RPA의 응용으로 넘어갈텐데, 제품 시연이랑 함께 설명을 드리겠습니다. 저희 제품은 이미지 라벨링 자동화, 문자 라벨링 자동화, 그리고 음성 라벨링 자동화 이렇게 세 가지로 구성되어됩니다. 이미지 라벨링 자동화의 경우를 확인한다면 AI가 미리 이미지를 분석하고 확인한 다음, 세 가지 가능성을 제안한다면 사용자는 단순히 저 중 하나를 고르는 형식입니다. 다음 문자 라벨링의 경우, 아까 AMT 사진이랑 상당히 비교가 되는데, AI가 미리 문자를 인식해서 적어놓은 상태로 사용자는 단순히 맞는지 틀린지만 확인하고, 틀린 것들만 수정하는 형식입니다. 세번째도 두번째와 비슷한데, 이렇게 영상이 나왔을 때 AI가 인식하고 적어내린 것들을 작업자가 수정하는 형식입니다. 제품 시연을 넘어가기 전에 마지막으로 한 부분으로 보여드릴텐데요, 여기서 보시는 점수와 활동 내역은 사용자가 자신이 했던 것 일의 내역을 보고 자극될 수 있도록 시각화되어있는, 앞서 말씀드린 게이미피케이션의 일부라고 보시면 됩니다. 이 차트는 사용자가 했던 활동을 실시간 반영하며, 본인이 했던 것을 좀 더 예쁘게 볼 수 있도록 디자인되어있습니다.
이제 사업화를 할 시에 고려해야 할 것들을 몇 가지 제시하겠습니다. 제일 중요하다고 여긴 것들 은 시스템의 간편화, 경쟁업체의 고객화, 그리고 홍보였습니다. 간편화의 경우 특히 급여지급의 간편화가 필요한데, 복잡한 payment system을 가져 작업자의 의욕을 꺾었던 이전 서비스에 비해 저희는 카카오페이 등의 금융앱과의 제휴를 통해 인센티브 비용을 쉽게 제공하고자 합니다. 또, 이미 자리잡아있는 경쟁업체와 경쟁을 하기보다는 저희 RPA 솔루션을 제공하는 등의 협업을 생각했습니다. 마지막으로 홍보가 가장 중요한데, 일반인들도 작업자로써 활동할 수 있도록 데이터 전처리 플랫폼을 게임 광고, 가상화폐 대체 광고 등으로 가시화하는 것이 중요하다 생각합니다.
그렇다면 마지막으로 몇 가지 참고 장표들을 보여드릴 텐데요, 이 장표의 내용들은 안타깝게도 시간제한상 설명을 드리기 어렵지만 혹시나 저희 프로젝트에 대해서 궁금하실 분들을 위해 따로 마련해드렸습니다. 혹시 Q&A 때 알고 싶으신 점들이 있다면 언제든지 질문하시길 바랍니다.
이로써 발표를 마치겠습니다.
감사합니다.
Odin_CCTV based population counting platformSangwook Park
클라우드 기반의 CCTV를 활용한 유동인구 솔루션인 오딘은 소프트웨어 마에스트로 연수 기간동안 기획한 서비스입니다. 자료조사, 프레젠테이션 디자인, 발표, 서비스 기획 등을 담당했으며 머신러닝과 기술을 시장에 거리낌 없이 적용시키는 법에 대해 배울 수 있는 기회였습니다.
2017 스마트창작터 시장검증계획서
음성인식 기반의 지역 캐릭터 시스템
흄 대표 이정헌 작성
음성으로 사용자가 원하는 서비스를 찾아서 실행시켜 준다.
SMS 및 카카오톡으로 인공지능 대답 및 채팅이 가능한 서비스로 확장.
사용자가 질문하는 내용으로부터 사용자 요구사항 통계 및 빅 데이터 도구 제공.
채팅에 제한하지 아니하고, 버스노선, 기차시간, 지역 날씨, 쇼핑몰 옷까지 다양한 분야에서 음성과 채팅으로 서비스를 확장해 나가는데 자연스럽다.
AWS Amplify를 이용한 웹과 모바일 간의 쉬운 데이터 동기화 및 AI 서비스를 활용한 모바일 개발 - 정창호, AWS 솔루션즈 아키...Amazon Web Services Korea
발표영상 다시보기: https://youtu.be/lYiSvC4TyCc
오프라인 및 온라인 시나리오에 대한 추가 코드를 작성하지 않고 데이터를 공유 및 분산 활용할 수 있는 앱과 클라우드 간에 데이터를 동기화하는 영구 스토리지 엔진인 Amplify DataStore를 소개합니다. 또한 기계 학습에 대한 경험이 없어도 개발자가 웹 및 모바일 애플리케이션에서 몇 줄의 추상화된 코드로 인공지능/기계 학습 기반 서비스를 손쉽게 사용할 수 있게 해주는 Amplify Predictions에 대해 소개하고 사용 방법을 학습합니다.
오픈소스 ROS와 AWS RoboMaker를 통한 지능형 로봇앱 개발하기 - 윤석찬 (AWS 테크에반젤리스트), 박진용 (우아한 형제들) ...Amazon Web Services Korea
오픈소스 ROS와 AWS RoboMaker를 통한 지능형 로봇앱 개발하기
로봇은 이제 일상 생활 및 업무에서 널리 보급되어, 다양한 작업을 자동화하는데 도움을 주고 있습니다. 하지만, 로봇앱을 개발, 테스트 및 배포하는 데는 많은 진입 장벽이 있습니다. 본 세션에서는 오픈 소스 기반 로봇 운영 체제인 ROS를 소개하고, 이를 통해 클라우드 기반으로 로봇 앱을 만들 수 있는 AWS RoboMaker를 활용하는 방법을 살펴봅니다.로봇 앱 개발 부터 시뮬레이션 및 배포 단계별 샘플 예제와 자율 주행 모형 자동차인 Deep Racer같은 기계 학습을 결합한 로봇 서비스 개발 방식을 알아봅니다.
[Let's Swift 2019] iOS 앱에서 머신러닝이 해결 할 수 있는 문제들Doyoung Gwak
iOS에서 머신러닝으로 해결할 수 있는 문제들을 다양한 예시와 함께 소개합니다. 기존에 룰베이스 알고리즘으로는 해결하기 힘들었던 어려운 문제들을 머신러닝이 어떻게 해결할 수 있는지 설명하고, 간단한 코드 예제와 함께 Core ML 사용법을 알려드립니다. 또한 서비스에 사용하는 모델의 경우 어떤 추가적인 고려를 해야하는지도 간략히 소개하고 있습니다.
본 발표에 공유된 대부분의 데모는 https://github.com/motlabs/awesome-ml-demos-with-ios 저장소에 올라가있어, 코드 레벨까지 궁금한 분들께서는 이 저장소를 확인해주세요.
발표영상: https://www.youtube.com/watch?v=zKPB8rnS-EM
Kpmg ideation challenge: ING team (korean)JihyunSon2
안녕하세요, 전처리 담당 AI 프로젝트의 발표를 맡게 된 ING 팀의 손지현이라고 합니다. 우선 발표로 들어가기 전, 팀원 소개를 하고자 하는데요, 저희는 개발자 3명, 기획자 한 명으로 이루어졌습니다. 여기서 개발자이자 팀장님이신 심승철님께서 기술 Q&A를 맡기 위해, 저는 전반적인 발표를 맡기 위해 이 자리에 섰습니다.
우선 발표 콘텐츠를 설명 드리자면, 저희는 문제진단, 해결방안, 결과소개, 그리고 사업화, 이 네 가지로 발표를 나눴습니다. 하지만 문제진단을 하기 앞서, 간단하게 배경 설명을 해야 할 것 같은데요,
요즘 digital transformation이란 말이 뜨면서 사람들은 여러 분야에 관심을 가지게 되었는데, 여기서 저희가 집중하고자 하는 부분은
Big Data, 또는 데이터 산업입니다. 특히 AI의 학습에 쓰이는 데이터의 역할에 관심을 가지게 되었는데, 저희는 AI와 자동화 시스템을 통해 어떻게 이 분야를 더욱 효율적으로 바꿔나갈지를 고민하게 되었습니다.
AI의 학습과정을 보자면 이렇게 정리가 되는데요, 여기서 시간 소모가 가장 큰 과정이 바로 여기 pre-processing, 혹은 데이터 전처리라고 합니다. 데이터 전처리 과정을 설명 드리자면, AI가 학습과정에 많은 데이터가 필요한데, AI가 이해할 수 있는 형식으로 데이터를 가공하고 정제하는 과정이 바로 데이터 전처리입니다. 현재 대부분 수작업으로 진행되기 때문에 가장 많은 시간과 인력을 소모하고 있죠.
그렇다면 이 부분에다가 RPA에 적용한다면 어떨까? 저희 프로젝트의 주제를 간단히 말씀 드리자면, AI를 학습시키는데 AI를 사용하자는 결론에 도달하는 거죠.
데이터 전처리 시장을 조사한 바, 현재 amazon mechanical turk와 crowdworks라는 두 기업이 자리잡고 있는데, 이 두 기업은 전처리 된 데이터가 필요한 기업과 전처리를 하고자 하는 일반인 아르바이트를 연결시켜주는 플랫폼이라 생각하시면 됩니다. 하지만 여기서 세가지 문제를 발견했는데, 이것은 한정된 유저 인터페이스, 데이트의 신뢰성 부족, 그리고 수작업으로 인한 비효율적 시스템입니다.
예시를 보여드리자면, 이게 AMT의 인터페이스인데요, 보시다시피 영수증 내용을 AI가 이해하도록 바꾸기 위해 일일이 내용을 옮겨 적어야 하는 형식입니다. 인터페이스도 웹으로만 접근 가능한거라 접근성도 안 좋고 상당히 번거롭죠.
그렇다면 저희가 생각해낸 솔루션들은? 첫째, 간편한 안드로이드 유저인터페이스를 만들고 UI/UX를 고칠 것, 둘째, 교차 인증 및 게이미피케이션 기능을 추가해서 정확도를 높일 것, 그리고 마지막으로 데이터전처리에 딥러닝 AI를 기반해서 사용자의 효율 및 정확성을 확보하는 것입니다. 특히 세번째가 중요한데, 제가 앞서 말씀 드린 AI를 이용해서 AI를 학습시킨다 개념에 들어간다고 생각하시면 됩니다.
앞에 두 솔루션을 설명 드리자면, UI/UX를 기존의 상품에 비해 사용자가 사용하기 편하게 고치고자 노력했습니다. 곧 제품시연 때 직접 체감하실 수 있을 것이라 믿고 다음 솔루션으로 넘어가겠습니다. 기존의 상품들의 경우, 본인의 성과를 체크하는 기능은 있어도 본인의 성과를 다른 작업자들과 비교하는 기능이 없었으며, 그나마 crowdworks에는 소수의 상위랭커 리스트만 있었습니다. 저희는 상대적 위치, 예를 들어 여기 상위 13%다, 등을 알려주며 사람들이 더욱 열심히 작업을 하도록 자극시키는 게이미피케이션 요소를 추가하고자 했습니다.
자, 마지막으로 가장 중요한 RPA의 응용으로 넘어갈텐데, 제품 시연이랑 함께 설명을 드리겠습니다. 저희 제품은 이미지 라벨링 자동화, 문자 라벨링 자동화, 그리고 음성 라벨링 자동화 이렇게 세 가지로 구성되어됩니다. 이미지 라벨링 자동화의 경우를 확인한다면 AI가 미리 이미지를 분석하고 확인한 다음, 세 가지 가능성을 제안한다면 사용자는 단순히 저 중 하나를 고르는 형식입니다. 다음 문자 라벨링의 경우, 아까 AMT 사진이랑 상당히 비교가 되는데, AI가 미리 문자를 인식해서 적어놓은 상태로 사용자는 단순히 맞는지 틀린지만 확인하고, 틀린 것들만 수정하는 형식입니다. 세번째도 두번째와 비슷한데, 이렇게 영상이 나왔을 때 AI가 인식하고 적어내린 것들을 작업자가 수정하는 형식입니다. 제품 시연을 넘어가기 전에 마지막으로 한 부분으로 보여드릴텐데요, 여기서 보시는 점수와 활동 내역은 사용자가 자신이 했던 것 일의 내역을 보고 자극될 수 있도록 시각화되어있는, 앞서 말씀드린 게이미피케이션의 일부라고 보시면 됩니다. 이 차트는 사용자가 했던 활동을 실시간 반영하며, 본인이 했던 것을 좀 더 예쁘게 볼 수 있도록 디자인되어있습니다.
이제 사업화를 할 시에 고려해야 할 것들을 몇 가지 제시하겠습니다. 제일 중요하다고 여긴 것들 은 시스템의 간편화, 경쟁업체의 고객화, 그리고 홍보였습니다. 간편화의 경우 특히 급여지급의 간편화가 필요한데, 복잡한 payment system을 가져 작업자의 의욕을 꺾었던 이전 서비스에 비해 저희는 카카오페이 등의 금융앱과의 제휴를 통해 인센티브 비용을 쉽게 제공하고자 합니다. 또, 이미 자리잡아있는 경쟁업체와 경쟁을 하기보다는 저희 RPA 솔루션을 제공하는 등의 협업을 생각했습니다. 마지막으로 홍보가 가장 중요한데, 일반인들도 작업자로써 활동할 수 있도록 데이터 전처리 플랫폼을 게임 광고, 가상화폐 대체 광고 등으로 가시화하는 것이 중요하다 생각합니다.
그렇다면 마지막으로 몇 가지 참고 장표들을 보여드릴 텐데요, 이 장표의 내용들은 안타깝게도 시간제한상 설명을 드리기 어렵지만 혹시나 저희 프로젝트에 대해서 궁금하실 분들을 위해 따로 마련해드렸습니다. 혹시 Q&A 때 알고 싶으신 점들이 있다면 언제든지 질문하시길 바랍니다.
이로써 발표를 마치겠습니다.
감사합니다.
Odin_CCTV based population counting platformSangwook Park
클라우드 기반의 CCTV를 활용한 유동인구 솔루션인 오딘은 소프트웨어 마에스트로 연수 기간동안 기획한 서비스입니다. 자료조사, 프레젠테이션 디자인, 발표, 서비스 기획 등을 담당했으며 머신러닝과 기술을 시장에 거리낌 없이 적용시키는 법에 대해 배울 수 있는 기회였습니다.
2017 스마트창작터 시장검증계획서
음성인식 기반의 지역 캐릭터 시스템
흄 대표 이정헌 작성
음성으로 사용자가 원하는 서비스를 찾아서 실행시켜 준다.
SMS 및 카카오톡으로 인공지능 대답 및 채팅이 가능한 서비스로 확장.
사용자가 질문하는 내용으로부터 사용자 요구사항 통계 및 빅 데이터 도구 제공.
채팅에 제한하지 아니하고, 버스노선, 기차시간, 지역 날씨, 쇼핑몰 옷까지 다양한 분야에서 음성과 채팅으로 서비스를 확장해 나가는데 자연스럽다.
AWS Amplify를 이용한 웹과 모바일 간의 쉬운 데이터 동기화 및 AI 서비스를 활용한 모바일 개발 - 정창호, AWS 솔루션즈 아키...Amazon Web Services Korea
발표영상 다시보기: https://youtu.be/lYiSvC4TyCc
오프라인 및 온라인 시나리오에 대한 추가 코드를 작성하지 않고 데이터를 공유 및 분산 활용할 수 있는 앱과 클라우드 간에 데이터를 동기화하는 영구 스토리지 엔진인 Amplify DataStore를 소개합니다. 또한 기계 학습에 대한 경험이 없어도 개발자가 웹 및 모바일 애플리케이션에서 몇 줄의 추상화된 코드로 인공지능/기계 학습 기반 서비스를 손쉽게 사용할 수 있게 해주는 Amplify Predictions에 대해 소개하고 사용 방법을 학습합니다.
오픈소스 ROS와 AWS RoboMaker를 통한 지능형 로봇앱 개발하기 - 윤석찬 (AWS 테크에반젤리스트), 박진용 (우아한 형제들) ...Amazon Web Services Korea
오픈소스 ROS와 AWS RoboMaker를 통한 지능형 로봇앱 개발하기
로봇은 이제 일상 생활 및 업무에서 널리 보급되어, 다양한 작업을 자동화하는데 도움을 주고 있습니다. 하지만, 로봇앱을 개발, 테스트 및 배포하는 데는 많은 진입 장벽이 있습니다. 본 세션에서는 오픈 소스 기반 로봇 운영 체제인 ROS를 소개하고, 이를 통해 클라우드 기반으로 로봇 앱을 만들 수 있는 AWS RoboMaker를 활용하는 방법을 살펴봅니다.로봇 앱 개발 부터 시뮬레이션 및 배포 단계별 샘플 예제와 자율 주행 모형 자동차인 Deep Racer같은 기계 학습을 결합한 로봇 서비스 개발 방식을 알아봅니다.
2. 정보 올림피아드 정보검색대회
증강현실 영어 단어 게임 앱 개발
(Java, Unity)
국내 통신사 기업 클라우드 팀 근무
클라우드 앱 CS기반 UX개선 업무 (Java, Python)
2012
2015
군입대
크로아티아 현지 여행 업체 상품 개발자 근무
(크로아티아, 유럽 1년)
2016
2017
창업동아리 동아리장 (경진대회 지역시장 최우수상)
반응형 의류 분석 키오스크 시제품 제작(Rasbian, Python)
대학입학
IT 봉사활동 참여 (5개월)
(코딩프로그래밍)
흑색종 (피부병) 음성, 양성 판별 프로그램 개발
(Python, C)
소방차량 주차구역 불법주차 검출 프로그램 개발
(python)
ICT 봉사활동 참여 (원장 우수상)
우즈베키스탄 2개월 Java, Android 교육
정보처리산업기사 취득
2018
교내 기술공학학회 PnP 학회장
임베디드 경진대회 참가, 학회 웹 유지보수, 학회관리
국내대학교 산업기술 지원센터 개발자 활동
UAE 현지 대학생과 수화인식 프로그램 개발
(Python, C)
졸업작품. 자율주행차량 제작
차선인식과 사물인식기반 자율주행 (Python, C)
이미지 기반 검색 기능의 단일 사이트 제작
(Java, Tornado - Python)
졸업논문 작성 및 정보처리기사 취득
2019
시각장애인을 위한 사물인식, 정보제공 앱 개발
(Java, Python)
My 25% Life
외국계 전자상거래 기업 AI 팀 근무 (서울시 강남구)
딥러닝을 이용한 실시간 객체 인식 모델 구축 (Python)
대학졸업
3. 목차
1. 실시간 영상 속 장난감 객체 인식 프로젝트
2. AR 단어 학습 게임 앱 프로젝트
3. 시각장애인을 위한 인공지능 앱 프로젝트
4. 자율주행차량 프로젝트
30. Gaussian Blur Filter
Region of Interest
Canny edge
Aspect Ration & Feature
Comparison
Progressive Probabilistic
Hough Transform
Line Detection
Before Frame Line
Two Line Detection
One Line Detection
Between Line
Input Image
Send Direction Point
자율주행차량 프로젝트
32. Canny edge
Aspect Ration & Feature
Comparison
밝은부분.
어두운부분
모서리 추출.
1. Canny edge algorithm
Gradient(두 지역 간의 변화도)
2. 차선 특징을 이용한 후보 검출
Gradient가 강한 (즉 밝기 변화도가 큰) 부분의 픽셀들을 따라서 그리면 Edge가 추출.
자율주행차량 프로젝트
33. Canny edge
Aspect Ration & Feature
Comparison1. Canny edge algorithm
Gradient(두 지역 간의 변화도)
2. 차선 특징을 이용한 후보 검출
자율주행차량 프로젝트
34. Hough transform
영상의 점들이 이루는 직선들 중 가장 많이 겹치는 부분을 추출하는 변환규칙
Progressive Probabilistic
Hough Transform
자율주행차량 프로젝트
38. - 개발환경 구축
- 라즈베리파이-노트북 SSH 서버통신(LAN, Wi-fi)
(Putty와 Xming 사용, PC에서 라즈베리파이 원격 개발환경 구축)
-라즈베리파이 내에서 영상처리 사용 (OpenCV 설치)
자율주행차량 프로젝트
39. - 모터제어
b. 방향 제어하기
원리 : 회전하는 쪽의 모터회전 속도 감소
curve 값을 회전하는 쪽의 모터 속도 값에 곱해준다.
Ex) 왼쪽으로 꺾이는 차선에서는
Left_motor=Left_motor*curve
Right_motor=Right_motor
BluePoint : 두 차선의 중앙 좌표값
YellowPoint : 차량의 중앙 좌표값
k : 상수 (본 프로젝트에서는 0.003으로 설정)
𝑐𝑢𝑟𝑣𝑒 = 1 − ( 𝑌𝑒𝑙𝑙𝑜𝑤𝑃𝑜𝑖𝑛𝑡 − 𝐵𝑙𝑢𝑒𝑃𝑜𝑖𝑛𝑡 × 𝑘)
자율주행차량 프로젝트