CNN-LSTM 기반의 자율주행 기술

• 영문명: CNN-LSTM based Autonomous Driving Technology
• 발행기관: 한국전자통신학회
• 저자명: 박가은(Ga-Eun Park) 황치운(Chi-Un Hwang) 임세령(Se-Ryung Lim) 장한승(Han-Seung Jang)
• 간행물 정보: 『한국전자통신학회 논문지』제18권 제6호, 1259~1268쪽, 전체 10쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2023.12.31

국문 초록

본 연구는 딥러닝의 합성곱과 순환신경망 네트워크를 기반으로 시각센서를 이용해 속도(Throttle)와 조향(Steering) 제어 기술을 제안한다. 학습 트랙을 시계, 반시계 방향으로 주행하며 카메라 영상 이미지와 조종 값 데이터를 수집하고 효율적인 학습을 위해 데이터 샘플링, 전처리 과정을 거쳐 Throttle과 Steering을 예측하는 모델을 생성한다. 이후 학습에 사용되지 않은 다른 환경의 테스트 트랙을 통해 검증을 진행하여 최적의 모델을 찾고 이를 CNN(Convolutional Neural Network)과 비교하였다. 그 결과 제안하는 딥러닝 모델의 성능이 뛰어남을 확인했다.

영문 초록

This study proposes a throttle and steering control technology using visual sensors based on deep learning's convolutional and recurrent neural networks. It collects camera image and control value data while driving a training track in clockwise and counterclockwise directions, and generates a model to predict throttle and steering through data sampling and preprocessing for efficient learning. Afterward, the model was validated on a test track in a different environment that was not used for training to find the optimal model and compare it with a CNN (Convolutional Neural Network). As a result, we found that the proposed deep learning model has excellent performance.

목차

Ⅰ. 서 론

Ⅱ. 자율주행 모의실험 환경

Ⅲ. 데이터 수집 및 처리

Ⅳ. 학습 모델 및 실험 결과

Ⅴ. 결 론

References

키워드

자율 주행 합성곱 신경망 장단기 기억 순환 신경망 데이터 전처리 조향 제어 Autonomous Driving CNN(Convolutional Neural Network) LSTM(Long Short-Term Memory) Data Preprocessing Steering Control