목차
Abstract 1
Ⅰ. 서론 1
Ⅱ. 라이다 센서와 인공지능 5
Ⅲ. 현재 자율주행 기술의 한계 14
Ⅳ. 결론 16
참고문헌 17
그림 1. 자율 주행 시스템의 6가지 단계([1]의 Fig. 1.1) 2
그림 2. 자율주행 차량에 쓰이는 다양한 센서 종류 3
그림 3. 3차원 라이다 센서의 데이터 예시([2]의 Fig. 1.) 5
그림 4. 1차원 벡터와 2차원 이미지, 3차원 포인트 클라우드 데이터의 특징 6
그림 5. 포인트 클라우드를 2D grid나 3D grid 형태로 사용하는 방법의 예시 9
그림 6. 딥러닝을 이용한 PointNet의 구조 그림([6]의 Fig. 2.) 10
그림 7. PointNet을 개선한 PointNet++의 구조 그림([7]의 Fig. 2.) 10
그림 8. 포인트 클라우드를 격자에 투영해서 처리하는 방법들([10]의 Fig. 2., [11]의 Fig. 2., [12]의 Fig. 2., [13]의 Fig. 2.) 11
그림 9. 포인트 클라우드 처리 기술을 이용한 검출 방법의 예시. proposal generation과 refinement 단계로 나뉘어져 있다.([14]의 Fig. 2.) 13
그림 10. 포인트 클라우드 시멘틱 세그멘테이션 기술의 결과 예시([16]의 Fig. 6.) 13
그림 11. Scene Completion 기술의 결과 예시. 비어있는 공간의 클래스까지 예측해야 한다([17]의 Fig. 4.) 14