
4차 산업혁명 기술발전에 따른 미래모빌리티 인력 양성을 위한 한라대학교와 (주)만도, HL클레무브가 함께하는
"2022 만도 & HL클레무브 자율주행모빌리티경진대회"를 다음과 같이 운영하고자 하오니 많은 관심과 참여 부탁드립니다.
Research for an autonomous driving system for construction site
김필은 교수의 IRAM 연구실에서 건설 현장을 위한 자율 주행 시스템을 연구하고 있다. 로봇은 흔히 지도에 대한 정보를 기반으로 실내 환경에서 정확한 위치를 파악하고 탐색할 수 있다. 일반적인 지도는 건물의 구조적 레이아웃을 포함하지만 위치 파악의 정확도는 비구조적 건물 요소, 즉 문이나 가전제품 및 가구와 같은 일반적인 항목에 의해 크게 영향을 받는다. 이 연구는 센서에 의해 감지된 비구조적 요소에 대한 시맨틱맵을 동적으로 업데이트하여 실내 로봇 위치 파악의 견고성과 정확성을 향상시킨다. 우리는 객체 인식과 지도 업데이트를 전통적인 확률적 지역화로 통합하는 수정된 AMCL (Adaptive Monte Carlo Localization)을 제안한다. 제안된 접근 방식을 통해 로봇은 현재 환경 상태를 반영하는 의미론적 건물 지도을 업데이트하여 비구조적 요소로 인해 발생하는 오류를 자동으로 수정할 수 있다. kinnapped robot과 기존의 localization 시나리오에 대한 평가로 시맨틱 지도 업데이트 기능이 보다 정확하고 강력한 자세 추정을 달성할 수 있음을 보였다.
[그림 ] 건설 현장을 위한 자율 주행 시스템 구조
또 다른 연구의 목적은 모의 건설현장에서 장애물을 감지할 수 있는 센서일체형 건설장비를 모의하는 것이다. 다양한 센서를 이용하여 현장을 정확히 포착하여 상황을 파악하고 상황 정보를 관리인에게 전달할 수 있는 건설장비의 완전 자율주행에 초점을 맞추고자 하였다. 3D 레이저 스캐너와 카메라를 사용하여 가상 픽업 트럭 모델을 만들고 장애물을 감지하기 위해 감지 데이터를 수집 및 처리하는 시뮬레이션에 대한 개요를 제공했다. 로봇 운영 체제(ROS) 프레임워크를 기반으로 통합된 센서를 장착한 픽업 트럭을 생성하여 포인트클라우드 클러스터를 감지하기 위해 PCL (포인트 클라우드 라이브러리) 알고리즘을 적용했다. 사각지대에 있는 작업자와 같은 물체를 인식하는 기능을 통해 혼잡한 건설 현장에서 작업자 안전을 향상시킬 수 있는 가능성을 보여준다. 추가 연구에는 실제 작업장에서 장비의 센서 기반 인식 및 평가를 기반으로 하는 자율 제어가 포함될 예정이다.
AI융합대학 학부생들을 대상으로 2022년도 자율주행차 제작 워크샵을 진행할 예정이오니 학부생들의 많은 참여 바랍니다.
■ 워크샵 목적
- 오픈소스 하드웨어 기반 자율주행차 설계 및 조립 교육
- 자율주행을 위한 딥러닝 기반의 주행 알고리즘 교육
■ 접수 방법: 온라인 접수(접수처: 2022년 자율주행 자동차 제작 워크샵 및 대회 참가신청)
■ 접수 기간: 7월 3일(일)까지
■ 모집 대상
- AI융합대학 소속 학부생(복수 전공 및 부전공자도 지원 가능)
- 아두이노, Python (특히 numpy) 사용 가능자
■ 모집 인원: 10팀 내외(3-5명으로 팀 구성)
■ 워크샵 일정 및 교육 내용
회차
일자
내용
1
08.01(월)
자율주행 차량 원리 및 하드웨어 구성 교육
2
08.03(수)
nVidia Jetson Nano 세팅과 통신 프로토콜 교육
3
08.08(월)
OpenCV 영상처리 기초 교육
4
08.10(수)
OpenCV 영상처리 기반 차선 인식 알고리즘 교육
5
08.17(수)
CNN 기반 딥러닝 모델 교육
6
08.22(월)
자율주행 액츄에이어와 센서 인터페이스 교육
7
08.24(수)
YOLO 기반 자율 주행 알고리즘 교육
8
08.26(금)
임무 수행을 위한 자율주행 시스템 최종 시험