Semantic 영역 분할 (Semantic Segmentation)
카메라 영상 내의 물체 영역을 의미있는 단위로 분할하는 방법
픽셀기준 : 각 픽셀이 어느 카테고리 영역에 속하는 지를 분류
개체 기준 : 물체의 정확한 경계 영역을 알아냄
영상에서 물체를 이루는 픽셀이 어떤 카테고리에 속하는 지 분류하는 것
픽셀 단위의 차로, 도로, 횡단보도 등 도로 정보 검출 가능
카메라 영상
| CNN 적용
특징 지도 추출
|
픽셀의 카테고리 판별
픽셀이 어떤 카테고리에 속하는지에 대한 추상적인 정보 추출이 중요함
U-Net, DeepLAB 방법 : 인코더 디코더 구조 사용
인코더 : CNN이용 추상화된 특징 지도 추출
디코더 : Upsampling 또는 Deconvolution 과정 적용으로 다시 원래 크기 복원
FCN (Fully Convolutional Network)
Convolutinal layers만 적용해 추상적인 공간 정보를 만들어냄
딥러닝 기반 차로 검출
주행을 위한 정보 또는 고정밀 지도 기반의 맵매칭
차선 정보가 중간에 소실되거나 보이지 않는 경우에도 신뢰성있는 차선 정보를 제공할 수 있어야함.
(이전) RANSAC -> (최근) CNN
FCN과 같이 카메라 영상에 Convolutional layers 적용 -> 차로에 대한 픽셀 별 특징값 추출 -> 차로에 대한 curve fitting 수행 -> 3차원에서의 도로 영역으로 curve fitting한 결과 투영 -> 최종적인 차로 검출 결과 도출
딥러닝 기반 도로 검출
차가 주행 가능한 도로 영역 검출
고정밀 지도 기반의 맵매칭
CNN 기반 도로 검출 기술
Semantic 영역 분할 적용 -> 운전가능한 도로 영역을 검출
