Earticle

초록

영어

As artificial intelligence continues to be adopted across various industries, it is bringing new vitality to the mobility sector. Among these advancements, smart mobility has emerged as a promising field capable of improving quality of life and creating new industries. Autonomous vehicles are considered a core technology of smart mobility, driving research into autonomous driving algorithms using model vehicles. However, platforms that allow researchers to study and apply the principles and concepts of autonomous driving from start to finish are still limited. In this study, we developed an autonomous vehicle using the Raspberry Pi 4, a representative microcomputer, and applied a deep learning model based on Nvidia's CNN. The autonomous vehicle utilizes a 2-channel DC motor connected to the GPIO pins of the Raspberry Pi. Steering angles are calculated using a mouse, and the speed of the left and right motors is adjusted accordingly to demonstrate autonomous driving on a track. Images captured during the process were uploaded to Google Colab, where a T4 GPU was used to generate the model. The resulting model was then transferred back to the Raspberry Pi to perform autonomous driving. A track was designed to allow the examination of various driving characteristics, and the model was trained using the captured images to test autonomous driving. The results showed that the vehicle successfully completed all routes without deviating from the track at any point.

한국어

인공지능이 다양한 분야에 도입되면서 모빌리티 산업에도 새로운 활기를 불어넣고 있다 그 중에서도 스 마트 모빌리티는 삶의 질을 높이고 새로운 산업을 창출할 수 있는 분야로 떠오르고 있다. 스마트 모빌리티의 핵 심 기술로 자율주행자동차를 들 수 있으며, 모형자동차를 이용한 자율주행 알고리즘 연구에 박차를 가하고 있다. 하지만, 자율주행의 원리와 개념을 처음부터 끝까지 연구하면서 적용할 수 있는 플랫폼은 많이 제공되고 있지 않은게 현실이다. 본 연구에서는 대표적인 소형 마이크로컴퓨터인 라즈베리파이4를 이용한 자율주행자동차의 동 작 원리와 nVidia CNN을 이용한 딥러닝 모델을 적용한 자율주행자동차를 개발하였다. 자율주행자동차는 2채널 DC모터가 라즈베리파이의 GPIO 핀에 연결되어 있으며, 마우스를 이용하여 조향각을 구한 후 좌우측 모터의 속 도를 조정하여 트랙을 자율주행하는 과정을 보여주었다. 이때 저장된 이미지를 코랩에 업로드하여 T4 GPU를 이용하여 모델을 생성하였다. 생성된 모델은 다시 라즈베리파이에 전송되어 자율주행을 수행하도록 하였다. 다양 한 주행특성을 살펴볼 수 있는 트랙을 제작하여 이미지를 학습하고 자율주행을 테스트한 결과 어느 단계에서도 트랙을 이탈하지 않고 모든 경로를 자율주행하는 결과를 얻었다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 자율주행자동차 개발
1. 라즈베리파이 자율주행자동차의 구성
2. 도로 이미지 저장(gi.py)
3. 딥러닝 모델 생성
4. nVidia CNN 모델 생성
5. 자율주행
Ⅳ. 실험 및 결과
1. 테스트용 트랙을 이용한 이미지 저장
2. 딥러닝 모델 생성
3. 자율주행
Ⅴ. 결론
References

키워드

저자

• 박영민 [ Youngmin Park | 정회원, 숙명여자대학교 융합학부 조교수 ] 주저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]

• 간기

  격월간

• pISSN

  2384-0358

• eISSN

  2384-0366

• 수록기간

  2015~2025

• 등재여부

  KCI 등재

• 십진분류

  KDC 600 DDC 700