딥러닝을 기반으로 도로노면 위험 정보를 분류하기 위한 시스템 및 그 방법
페이지 정보
최고관리자 0 Comments 1 Views 20-11-10 15:46 기계본문
- 분야 : 전자~전기 개발상태 7 9
기술완성도
-
TRL09
사업화
- 본격적인 양산 및 사업화 단계
-
TRL08
시작품 인증/
표준화- 일부 시제품의 인증 및 인허가 취득 단계
- 조선 기자재의 경우 선급기관 인증, 의약품의 경우 식약청의 품목 허가 등
- 일부 시제품의 인증 및 인허가 취득 단계
-
TRL07
Pilot 단계 시작품
신뢰성 평가- 시작품의 신뢰성 평가
- 실제 환경(수요기업)에서 성능 검증이 이루어지는 단계
-
TRL06
Pilot 단계 시작품
성능 평가- 경제성(생산성)을 고려한, 파일로트 규모의 시작품 제작 및 평가
- 시작품 성능평가
-
TRL05
시제품 제작/
성능평가- 개발한 부품/시스템의 시작품(Prototype) 제작 및 성능 평가
- 경제성(생산성)을 고려하지 않고, 우수한 시작품을 1개~수개 미만으로 개발
-
TRL04
연구실 규모의
부품/시스템 성능평가- 연구실 규모의 부품/시스템 성능 평가가 완료된 단계
- 실용화를 위한 핵심요소기술 확보
-
TRL03
연구실 규모의
성능 검증- 연구실/실험실 규모의 환경에서 기본 성능이 검증될 수 있는 단계
- 개발하려는 시스템/부품의 기본 설계도면을 확보하는 단계
- 모델링/설계기술 확보
-
TRL02
실용 목적의 아이디어/
특허 등 개념 정립- 실용 목적의 아이디어, 특허 등 개념 정립
-
TRL01
기초 이론/
실험- 연구과제 탐색 및 기회 발굴 단계
- 주요기술구성
-
▶ 본 기술은 정보 수집부, 정보 처리부, 정보 학습부, 정보 분류부를 포함하여 이루어진 시스템임
▶ 이때, 정보 처리부는, 수집된 도로 상태 정보 중 도로 영상으로부터 다각형 ROI(Region of Interest) 영역을 추출하고, 추출된 ROI 영역을 영상 처리하여 그 결과로 그레이스케일 이미지를 생성함
▶ 이와 같은 그레이스케일 이미지를 딥 러닝 기반 학습 모델을 기반으로 학습하여 그 결과로 도로 위험 정보를 인식하고 이를 통해 도로 상태 정보나 도로 노면 불량 구간 등의 도로의 전반적인 상태 탐지가 가능
▶ 딥 러닝 기반 인공 지능을 이용하여 노면 불량 구간을 추출 가능하여 교통 사고를 미연에 방지
▶ 딥 러닝 기반 인공 지능을 기반으로 학습한 결과로 도로 위험 정보를 분류하기 때문에 신뢰성 높은 정보 획득 가능
- 적용분야 및 적용제품
-
▶ 스마트 모빌리티 교통정보 시스템이 필요한 기관 및 기업
▶ 안전 운전 및 사고 위험을 미연에 방지할 수 있는 시스템의 적용이 가능한 제품 생산 기업
- 시장동향
-
▶ 세계 텔레매틱스 시장은 2015년 103억 달러에서 연평균 성장률 28.9%로 증가하여 2017년 171억 달러로 증가했고, 시장환경 및 업황 등을 감안하여 동성장률을 고려할 경우 2021년에는 471억 달러의 시장을 형성할 것으로 전망됨
▶ 우리나라의 내비게이션 시장규모는 2015년 23,263억 원에서 연평균 성장률 22.8% 증가하여 2018년 43,087억 원으로 증가했고, 시장환경 및 업황 등을 감안하여 동성장률을 고려할 경우 2022년에는 98,006억 원의 시장을 형성할 것으로 전망됨
- 특장점
-
- 기존 기술의 문제점
- ▶ 종래 내비게이션은 단순히 경로 안내만을 하는 장비에 불과하고 도로의 상태에 대한 직관적인 안내는 제공하지 못한다는 단점이 있음
▶ 종래 내비게이션 장비에만 의존한다면 도로의 낙후된 상태로 인하여 사고가 발생할 위험이 대폭 증가할 수 있음
- 기존 기술과의 차별성
- ▶ 주행 중인 도로를 촬영한 도로 상태 정보를 수집하고, 수집한 도로 상태 정보를 딥 러닝 기반 학습 모델을 기반으로 학습하며, 그 결과로 도로 위험 정보를 분류함으로써, 노면 불량 구간을 탐지할 수 있음
▶ 사전에 노면 불량 구간을 탐지할 수 있어 교통 사고를 미연에 방지할 수 있음
▶ 딥 러닝 기반 인공 지능을 기반으로 학습하고 그 결과로 도로 위험 정보를 분류하기 때문에 신뢰성 높은 정보 제공이 가능함