무인자동차는 주행 중 주변 환경정보를 종합적으로 인식할 필요가 있다. 자동차 정보에 대한 인식은 중요하다. 자동차 인식 분야에서는 차량 감지의 입체감이 중요한 역할을 하며 입체감이 자동차의 길이, 폭, 높이를 계산할 수 있어 자동차를 더욱 구체화한다. 다만 기존 기술로는 센서 하나에 의존해 복잡한 환경에서 정확한 검출을 할 수 없다. 따라서 다중 센서 융합을 기반으로 한 복잡한 감지 기술을 연구하는 것이 특히 중요하다. 최근, 비전 분야에서 딥 러닝이 발전함에 따라, 딥 러닝을 기반으로 하는 모바일 센서 융합 방법이 제안되고 본 논문에서 적용된다.?MDSFM(Mobile Deep Sensor Fusion Model)이다. 이 글의 내용은 다음과 같다. 3D 데이터를 2D 데이터에 투영하는 데이터 처리를 수행하므로 모델에 적합한 데이터 세트를 형성하여 데이터를 보다 효율적으로 교육할 수 있습니다. LiDAR 모듈에서는 수정된 스퀴즈를 사용한다. 모형을 가볍게 하고 모수를 줄이기 위한 망 구조이다. 카메라 모듈에서는 모바일 공간 주의 모듈(MSAM)이 있는 R-CNN에서 감지 모듈의 개선된 설계를 사용한다. 퓨전 부분에서는 듀얼 뷰 딥 퓨전 구조를 사용합니다. 그런 다음 이 모델을 테스트하기 위해 KITTI의 데이터 세트에서 이미지를 선택합니다. 다른 공인된 방법과 비교하여, 우리의 모델이 상당히 우수한 성능을 가지고 있다는 것을 보여준다. 마지막으로 실험 자동차에 ROS 프로그램을 구현한다. 모델들은 양호한 상태이다. 결과는 MDSFM을 통해 손쉬운 자동차 탐지 성능을 대폭 향상시킬 수 있음을 보여준다. 이는 감지된 데이터의 품질을 높이고 자동차 감지 모델의 일반화 능력을 향상시킵니다. 상황에 따라서 관련성을 개선하고 배경 정보를 보존한다. 운전자가 없는 환경에서도 안정적으로 유지됩니다. 이 모델은 현실적인 시나리오에 적용되며 모델이 좋은 실용적인 가치를 가지고 있다는 것을 증명한다.
제 1편 : MATLAB 기본편
1. MATLAB 기본사용편 ···················· 003
1.1 MATLAB 시작하기 ·························· 003
명령창(command Window)에서의 입력 005
도움말(Help)의 이용 ······························· 007
1.2 입력 오류의 수정 ····························· 008
계산의 중지 ·············································· 009
MATLAB 종료하기 ································· 009
1.3 연산과 변수의 할당 ·························· 009
연산자 우선순위 ······································· 011
내장함수 ···················································· 012
1.4 데이터의 표현 ··································· 013
1.5 변수의 처리 ······································· 015
변수 이름 ·················································· 015
clear 명령어 ············································· 016
특수변수와 정수 ······································· 017
whos 명령어 ············································ 017
1.6 벡터와 행렬 ······································· 018
벡터 ··························································· 018
행렬 ·························································· 023
스크린 출력과 억제 ································· 024
1.7 랜덤(Random)수와 복소수 ·············· 025
랜덤 수 ····················································· 025
복소수 ······················································· 027
1.8 기호를 이용한 연산 ·························· 028
기호식에서의 치환 ··································· 029
1.9 코드 파일 ·········································· 030
스크립트 코드 파일 ································· 030
코멘트의 추가 ·········································· 032
함수 코드 파일 ···································· 033
사용자 정의함수 ······································ 036
1.10 간단한 그래프의 생성 ····················· 037
ezplot을 이용한 그래프 ·························· 037
plot을 이용한 그래프 ·························· 039
3차원 그래프 ··········································· 042
1.11 MATLAB과 엑셀(Excel)의 접속 043
엑셀 데이터 불러오기 ····························· 043
데이터 가져오기 옵션 ························· 046
스크립트 생성 옵션 ································· 049
함수 생성 옵션 ········································ 049
생성된 데이터를 엑셀파일로 저장하기 ·· 050
제 2편 : 연구논문
3D car-detection based on a Mobile Deep Sensor Fusion Model and
real-scene applications
1. Introduction 52
2. Materials and method 54
3. Sensor fusion based on MDSFM 56
4. Results and discussion 61
5. Result on ROS 64
6. Conclusion 65
7. References 66
