Deep Learning-Based Road Infrastructure Recognition and Automatic HD Map Construction
연구 내용
모바일 매핑 시스템 및 CCTV 영상에서 딥러닝을 활용해 교통량, 교통표지, 차선을 자동 추출하고 HD 지도 레이어를 생성하는 연구
모바일 매핑 시스템에서 취득한 영상과 포인트클라우드를 기반으로 도로 시설물 정보를 고도화하는 연구를 수행합니다. 교통표지처럼 반사 특성이 강한 객체는 MMS 영상에서 Mask R-CNN과 Inception 계열 모델을 조합해 탐지와 분류를 동시에 수행합니다. 또한 차선 마킹은 포인트클라우드에서 색상 유형을 예측하는 딥러닝을 적용하고, 결과를 벡터 구조로 자동 생성해 고정밀 지도 레이어로 변환합니다. 이를 통해 도로 환경 변화에 대응 가능한 자동화된 분석 워크플로우를 확보합니다.
관련 연구 성과
관련 논문
3편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 모바일 매핑 기반 데이터로 도로 구간의 교통량을 딥러닝으로 추정하는 방향으로 연구를 시작했습니다. 이후 자율주행 고도화 요구에 따라 교통표지의 자동 탐지·분류를 위해 MMS 취득 영상에 기반한 딥러닝 모델을 결합하고, 결과를 HD 지도 구축 맥락에서 검증하는 단계로 확장했습니다. 다음 단계로 도로 차선 마킹을 포인트클라우드에서 추출해 색 유형 예측 후 자동 벡터화를 수행하는 방법으로 심화했습니다. 최근에는 자동화된 시설물 추출 결과를 고정밀 지도 데이터로 정리하는 파이프라인을 중심으로 연구를 지속하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Estimation of Traffic Volume Using Deep Learning in Stereo CCTV Image
Deep-learning-based Automatic Detection and Classification of Traffic Signs Using Images Collected by Mobile Mapping Systems
Automatic Construction of Road Lane Markings Using Mobile Mapping System Data