보고서스마트 버스목차1. 작품 개요2. 현황 분석3. 재료표4. 작품 설명5. 소스코드6. 기대효과7. 개발과정8. 출처작품 개요1. 소개1) 제작 목적 ? 운전자의 개입 없이 주변 환경을 인식하고 주행 상황을 판단하여 차량을 제어하는 버스는 스스로 주행함으로써 운전자의 피로와 교통사고를 줄인다. 또한 교통 효율성을 높이고 운전을 대신해줌으로 인해 편의를 증대시킬 수 있는 미래 개인 교통수단이 될 것으로 기대된다.2) 사용 기술1. Opencv를 이용한 영상처리를 통해 차선 인식2. 초음파 센서를 이용하여 전방 장애물 탐지3. 파이캠을 이용한 실시간 스트리밍4. 전체적인 모터 구동 및 컨트롤2. 작품의 개발 배경1) 장시간 운전하는 버스기사의 졸음 운전 예방2) 버스기사폭행 등 각종 범죄 예방3) 졸음운전 & 음주운전으로 인한 사고 방지4) 인건비 감소 등으로 인한 비용 절감 효과 증대3. 작품의 특징1) 사람보다 빠른 순간 상황 대처 능력2) 컴퓨터가 제어하기 때문에 교통법을 어기지 않음3) 센서를 이용하여 안정성 확대4) Opencv를 이용하여 영상처리를 하기 때문에 도로 주변 상황에 대한 인식 정확도 증대4. 작품구성도현황 분석1. 자율주행차 현황대기업들이 자율주행 기술에 대한 개발 확대를 발표하며, 기술개발 의지를 불태우고 있다. 그 결과 국내 최초로 대형트럭 고속도로 자율주행을 현대자동차가 성공 시키는 등 많은 성과를 내고 있다. 대학에서도 활발히 자율주행에 대한 연구가 진행 중이다. 작년 대구에서 열린 2018 대학생 자율주행 경진대회에 총 19팀이 참여해 카이스트가 우승을 차지하기도 하였다. 많은 참여 대학에서 볼 수 있듯이 활발한 기술개발 연구가 이루어지고 있다. 또한 정부에서도 자율주행 기술을 지원하기 위해 여러 가지 방안을 모색하고 있다.2. 회사별 자율주행차 기술개발 현황□ ICT기업1. 구글 : 2021년까지 완전자율주행 목표, 현재 최장 시범거리 운행2. 모빌아이 : 자율주행용 고화질 실시간 지도 개발3. 엔디비아 : 인공지능 자율주행 S테슬라 모델 X테슬라 모델 3테슬라 모델 Y구글 무인자동차 자율주행자동차 개발 현황구글 무인 자동차는 구글 슬렉스의 연구소에서 개발하는 무인 자동차이다. 구글 카라는 이름으로도 알려져 있다. 스탠포드대·카네기멜론대 연구팀, 무인자동차 경주인 그랜드 챌린지 우승자들을 영입해 무인자동차 사업을 시작하였다. 구글은 "래리 페이지와 세르게이 브린은 기술을 활용해 우리가 직면한 중대한 문제를 해결하기 위해 구글을 세웠다"며 "지금 우리의 목표는 자동차 사용을 근본적으로 혁신함으로써 교통사고 예방, 시간의 자유로운 활용, 탄소배출 감축을 꾀하는 것"이라고 말했다. 이미 미국 구글 직원 12명은 매일 무인 자동차로 출퇴근한다. 집에서 고속도로까지만 직접 운전대를 잡고 실리콘밸리 고속도로에 진입하면 구글 무인 자동차를 작동시키는 소프트웨어인 ‘구글 쇼퍼(chauffeur)’가 알아서 운전한다.자동차가 무인 자동차임을 알아보기 위해 자동차에 "자기-운전 자동차"(self-driving car)라고 쓰여 있다. 이 프로젝트는 현재 스탠포드 인공지능 연구소의 전직 이사였고 구글 스트리트 뷰의 공동제작자였던 구글의 엔지니어 세바스찬 스런이 주도하고 있다. 구글은 2009년부터 도요타의 일반 차량을 개조해 무인 주행 자동차를 개발하고 시험 주행을 해 왔다. 이 자동차는 비디오 카메라, 방향표시기, 인공지능 소프트웨어, 위성위치정보시스템(GPS), 여러가지 센서 등을 기반으로 작동된다.○핵심 기술구글카는 운전에 필요한 다양한 정보를 얻은 후 이를 해석해 의사결정을 내린다. GPS (위성위치확인시스템)를 통해 현재 위치와 목적지를 끊임없이 비교하면서 원하는 방향으로 핸들을 돌린다. 목적지를 설정한 후 규정된 지점(웨이포인트ㆍWaypoint)만 지나면 자동운전되는 항공기와 같은 원리다. 여기에 레이다ㆍ카메라ㆍ레이저 스캐너가 도로의 다양한 정보(주변 차량ㆍ사물사람?신호)를 확보한다. GPS가 조향장치 개념이라면 이 장비들은 사물탐지ㆍ충돌방지 장치다. 이렇게 수집된 데이터는 구글 컴퓨터가. 각종 센서 모듈을 연결하면 사물인터넷 제품을 만들 수 있고, 게임기 버튼과 디스플레이를 결합하면 휴대용 게임기도 만들 수 있다. 물론 이러한 제품들이 당장 외부에 판매할 만큼 수준이 높진 않을 수 있다.라즈베리파이 구성1. Extended 40-pin GPIO Header2. MIPI DSI(Display Serial Interface) display port3. 2.4GHz/5GHz Wireless LAN Bluetooth Low Energy v4.2(BLE)4. BCM2837B0 64bit SoC@11.4GHzwith 1GB LPDDR2 SDRAM5. 4 X USB 2.0 ports and Faster Ethernet over USB2.0(300Mbps)6. Power supply 5V/2.5A이상7. Full size HDMI(High Definition Multimedia Interface)8. MIPI CSI camera portMIPI : Mobile Industry Processor Interface, CSI : Camera Serial Interface9. 4-pole stereo audio/composite video output port10. 2 X USB 2.0 Ports11. 2 X USB 2.0 Ports12. Ethernet Port13. Micro SD card slot? GPU 보드로부터 좌표 값을 소켓 통신을 이용하여 받아들임- 좌표 값을 통해 PWM 자동제어 및 GPIO 구동- 초음파 센서 값을 받아들여 모터 자동 제어- RFID 모듈의 전송 값을 받아들여 모터 자동라즈베리파이의 GPIO(General Purpose Input / Output) 보드는 회로도에서 20핀 헤더로 구성되어있다. GPIO는 입력이나 출력을 포함한 동작이 런타임 시에 사용자에 의해 제어될 수 있는, 집적 회로나 전기 회로 기판의 디지털 신호 핀이다.GPIO 보드의 핀 헤더GPIO보드의 PCB도면라즈비안OS 설치준비물 : MicroSD카드를 읽을수 있행 중 회전 초음파센서로 장애물 감지상황은 다음과 같다.이 때 주행 경로는 3가지가 있다.장애물 감지 시, 좌/우 회전을 시킨 후 회전된 방향으로 주행을 계속 주행하도록 주행패턴을 만든다.장애물을 감지 후 좌/우 방향으로 90도 회전시킨 후 그 방향으로 전진하게 된다. 뒤로 이동하고 싶을 경우 180도 회전 시키면 된다.[180도 뒤로 회전 후 전진] 우방향을 기본으로 잡았을 경우2. 전방 장애물을 피할 때 문제점하지만 위의 세가지 회피방식에서 문제가 발생할 수 있다. 아래 그림처럼 DC기어모터가 회전하면 바퀴를 기준으로 몸체가 돌아가게 된다. 이때 몸체가 돌아가면서 장애물과 충돌 할 수 있다.제자리 좌/우회전을 시키거나 뒤로 180도 회전 시킬때 장애물 거리 감지가 짧을 경우 아래와 같은 상황이 발생 할 수 있다.[우회전][180도 회전]위 그림같은 상황이 발생할 수 있기 때문에 감지한 거리와 RC카 차체크기를 고려해야 한다.[해결 방법]1. 장애물 감지 거리를 더 길게 잡는다.2. 후진을 일정거리만큼 한 후 회전을 한다. 이 경우 또 다른 문제점으로 아래 그림과 같은 충돌이 발생할 수 있다.위와 같은 문제가 발생할 경우 후면에 초음파 센서를 부착하면 해결된다.4. DC MotorDC 모터란, 고정자로 영구자석을 사용하고, 회전자(전기자)로 코일을 사용하여 구성한 것으로, 전기자에 흐르는 전류의 방향을 전환함으로써 자력의 반발, 흡인력으로 회전력을 생성시키는 모터이다.모형 자동차, 무선조정용 장난감 등을 비롯하여 여러 방면에서 가장 널리 사용되고 있는 모터이다.DC 모터의 특성DC 모터는 다음과 같은 특징이 있다.(1) 기동 토크가 크다?(2) 인가전압에 대하여 회전특성이 직선적으로 비례한다(3) 입력전류에 대하여 출력 토크가 직선적으로 비례하며, 또한 출력 효율이 양호하다(4) 가격이 저렴하다?DC 모터의 결점DC 모터의 가장 큰 결점으로는 그 구조상 브러시(brush)와 정류자(commutator)에 의한 기계식 접점이 있다는 점이다.이것에 의한 영향은 이미지 전체에서 다수의 bounding box를 예측하고, 동시에 각 박스에서 class probability를 계산하는 통합된 모델을 사용한다.- YOLO의 세 가지 장점First, YOLO is extremely fast. 우리가 detection을 regression 문제로 바꿔 생각했기 때문에 complex pipeline이 필요없다. 우리는 test image에서 검출을 위해 신경망을 작동시키기만 하면 된다.Second, YOLO는 이미지 전체를 두고 판단한다. 학습과 평가에서 전체 이미지를 보기 때문에 생김새 뿐만 아니라 contextual information를 부호화(encode) 한다. Fast R-CNN은 큰 맥락을 보지 못하기 때문에 배경 부분을 물체로 인식한다. YOLO는 이에 비해 배경 에러가 절반 정도다.Third, YOLO는 물체의 일반적 표현을 학습한다. 자연 이미지에서 학습하고 예술 작품으로 평가했을때, YOLO는 DPM과 R-CNN의 성능을 큰 차이로 뛰어넘었다. YOLO는 보편성이 높아 새로운 영역이나 예상치 못한 입력에도 망가지는 경우가 적었다.- YOLO의 단점YOLO는 state-of-the-art system에 비해 정확도는 떨어진다. 빠르게 물체를 감지하는 만큼, 물체의 위치를 파악하는데 어려움이 있다. 특히 물체가 작을수록 그렇다.[2. Unified Detection]우리는 object detection의 여러가지 요소들을 하나의 신경망으로 합쳤다. 신경망은 이미지 전체에서 나온 feature를 사용하며 모든 bounding box에서 모든 class에 대한 예측을 동시에 진행한다. 이 때문에 end-to-end 학습과 실시간 작동이 가능하다.정리 1. 모든 class에 대해 예측한다는 것은 강아지를 보고 "강아지다!" 라고 바로 알아채는게 아니라, 강아지일 확률 95%, 고양이일 확률 3%, 너구리일 확률 1%... 이렇게 모든 class에 대해 확률을 계산한다는 뜻.입력 이미지를 S * S 개의 격자로 분할한000
