MATLAB 및 Simulink 교육

Automated Driving with MATLAB

일정 보기 및 등록

교육과정 세부 정보

본 2일 교육과정은 실습 위주로 진행되며 자율 주행 인지 알고리즘을 개발 및 검증하기 위한 다양한 방법을 다룹니다. 예제 및 연습문제를 통해 MATLAB® 및 Automated Driving System Toolbox™ 기능을 적절하게 사용하는 방법을 알아봅니다. 본 과정의 주요 내용은 다음과 같습니다.

  • Ground Truth 데이터 레이블링
  • 센서 데이터 시각화
  • 차선 검출및 차량 감지
  • LiDAR 포인트 클라우드 처리
  • 센서 퓨전 및 추적
  • 주행 시나리오 생성 및 센서 모델링

Day 1 of 2


실측 데이터의 레이블 지정 

Objective: 대화형 방식으로 비디오나 영상 시퀀스의 실측 데이터에 레이블을 지정합니다. 감지 및 추적 알고리즘으로 레이블 지정을 자동화합니다.

  • Ground Truth Labeler 앱 개요
  • 관심 영역(ROI)과 장면에 레이블 지정
  • 자동 레이블 지정
  • 실측 결과 보기 및 내보내기

센서 데이터 시각화

Objective: 카메라 프레임, 레이다 및 라이다 감지를 시각화합니다. 적절한 좌표계를 사용하여 영상 좌표를 차량 좌표로 변환하고 그 반대로도 변환합니다.

  • 조감도 플롯 생성
  • 센서 커버리지 영역 플로팅
  • 감지 및 차선 시각화
  • 차량 좌표에서 영상 좌표로 변환
  • 감지 및 차선 경계를 사용해 비디오에 주석 추가

차선 검출 및 차량 감지 

Objective: 포물선 차선 경계를 분할하고 모델링합니다. 사전 훈련된 객체 감지기를 사용하여 차량을 감지합니다.

  • 조감도 보기 변환 수행
  • 차선 특징 검출
  • 차선 모델 계산
  • 실측으로 차선 검출 검증
  • 사전 훈련된 객체 감지기를 사용하여 차량 감지

라이다 포인트 클라우드 처리

Objective: 3차원 포인트 클라우드로 저장된 라이다 데이터를 활용합니다. 포인트 클라우드를 클러스터로 분할하여 포인트 클라우드를 가져오고 시각화하고 처리합니다. 포인트 클라우드를 등록하여 축적된 포인트 클라우드 맵을 정렬하고 구축합니다.

  • 포인트 클라우드 가져오기 및 시각화
  • 포인트 클라우드 전처리
  • 라이다 센서 데이터에서 객체 분할
  • 라이다 센서 데이터에서 맵 빌드

Day 2 of 2


센서 감지 융합 및 추적 

Objective: 다중 객체 추적기를 생성하여 카메라, 레이다, 라이다 같은 여러 센서로부터의 정보를 융합합니다.

  • 다중 객체 추적
  • 감지 전처리
  • 칼만 필터 활용
  • 다중 객체 관리
  • 다중 객체 추적기로 추적

확장 객체 추적

Objective: 확률 가설 밀도 추적기를 생성하여 확장 객체를 추적하고 공간 범위를 추정합니다.

  • 센서 구성 정의
  • 확장 객체 추적
  • 공간 범위 추정

주행 시나리오 생성 및 센서 모델링 

Objective: 대화형 방식으로 주행 시나리오와 합성 레이다 및 카메라 센서 감지를 생성하여 자율주행 인식 알고리즘을 테스트합니다.

  • Driving Scenario Designer 앱 개요
  • 도로, 액터, 센서로 구성된 시나리오 생성
  • 시나리오 시뮬레이션 및 시각화
  • 감지 생성 및 시나리오 내보내기
  • 시나리오로 알고리즘 테스트

수준: 중급

수강자 필수조건:

기간: 2 일

언어: English, 한국어

일정 보기 및 등록