자동차 분야에서는 자율주행기술 개발을 시도함에 따라 딥러닝 기반의 물체인식 기술을 빠르게 개발·적용하고 있다. 하지만 다양하지 못한 소량의 데이터로 학습된 분류모델은 오분류, 과적합 등의 문제를 지니며 이는 자율주행에서 안전사고로 귀결된다. 이에 따라 국외 연구기관들은 대용량 데이터 셋을 공개하고 있다. 그러나 국내교통상황은 해외의 교통상황과 운행위치, 신호체계 등 상이한 부분이 많기 때문에 자율주행-물체인식을 위한 최적의 학습모델을 찾는 것에 한계가 있다. 또한 공개된 데이터 셋은 라벨링 종류가 다양하지 못하며, 데이터에 물체를 추적 가능한 ID를 부여하지 않아 해당데이터의 학습만으로는 차량운행시 돌발 상황에 대처하기 어렵다.
GLAD 연구실에서는 도로주행과 고정촬영으로 수집된 데이터 셋을 공개하고 이를 기반으로한 물체검출 알고리즘 연구를 진행하고 있다. 데이터 셋은 관련된 40여개의 논문을 분석하고 산⦁학⦁연의 피드백을 받아 선정된 13가지의 카테고리로 구성되어 있다.(100,000장, 1500hr, UHD, Box-labeled) 개인정보를 위해 안면부를 모자이크처리 하였다. 또한 개발된 알고리즘을 개조된 일반차에 적용(SoC 기반)하여 자율주행 시험운행 연구를 진행한다.
Autonomous Driving - PartⅡ
GLAD 연구실에서는 Autonomous Driving – PartⅠ에서 수집한 데이터 셋과 개발한 물체검출 알고리즘을 기반으로 비전 인식 기술을 사용하는 자율주행 차량 구축을 진행하고 있다. 이를 위하여 스테레오 카메라를 이용한 거리 계산 및 추돌 방지, 보행자, 차량 및 도로상황 인지 기술을 개발하고 있으며, 임베디드 보드를 활용해 차량제어 및 주행판단을 목적으로 연구를 진행 중이다.
AI for split liability assessment in car accidents
GLAD 연구실에서는 AI를 이용한 영상분석 분야에서 자동차 사고 과실을 측정하는 시스템을 개발하고 있다. 개발한 시스템은 사고 당시의 상황이 담긴 블랙박스 영상을 분석하여 내차 혹은 상대차의 과실 비율을 측정한다. 사고 과실 측정은 단순히 2D 이미지가 아닌 시간 정보가 추가된 비디오를 분석하는 기술이다. 세계 최초의 분석기술이며 CCTV, 웹캠 등 시간 정보가 필요한 영상 분석 기술을 연구하고 있다.
