deepThinkCar는 라즈베리파이 기반의 자율주행자동차 키트 입니다. 라즈베리파이를 제외하면 10만원대의 비용으로 자율주행을 배울 수 있습니다. OpenCV와 딥러닝을 사용하여 차선인식 자율주행 배울 수 있고, 추가적인 하드웨어장치를 이용하면 보행자나 교통신호를 식별하는 오브젝트 디텍션을 학습 할 수 있습니다.
deepThinkCar는 이미 많이 상용화 된 ADAS(Advanced Driver Asistance System)의 일부 기능을 구현해 볼 수 있습니다. ADAS의 여러가지 기능 중 차선인식 기능이 있는데, deepThinkCar는 OpenCV를 이용한 차선인식이 가능합니다.
deepThinkCar는 최근에 주목받고 있는 딥러닝 기술을 이용하여 차선인식 주행을 구현해 볼 수 있습니다. OpenCV로 차선인식 주행을 몇 번 실행 하면서 얻은 데이터를 트레이닝 하여 추론모델을 생성하고, 이 추론모델을 이용하여 딥러닝 차선주행을 구현합니다.
deepThinkCar는 차선인식주행(Behavior Cloning)과 함께 자율주행에서 중요한 주제인 오브젝트 디텍션(Object Detection)을 학습할 수 있습니다. 보행자, 신호등, 교통표지판 등 몇가지의 오브젝트를 인식 시키고 트레이닝을 통해 오브젝트 디텍션을 할 수 있습니다. 오브젝트 디텍션을 하기 위해서는 구글의 코럴 가속기가 필요합니다.
deepThinkCar는 라즈베리파이를 기반으로 동작을 합니다. 따라서 먼저 라즈베리파이 OS 이미지를 만들어야 합니다. 라즈베리파이 OS이미지를 만드는 방법은 아래 링크를 참고해 주십시오.
deepThinkCar는 라즈베리파이 3B, 3B+, 4에서 테스트 되었습니다. 라즈베리파이 이미지를 만든 다음에는 라즈베리파이 셋업을 합니다.
라즈베리파이의 OS 이미지를 만든 후에는 deepThinkCar를 활용할 수 있도록 필요한 소프트웨어를 설치하고 셋업해야 합니다. 설치하고 셋업할 소프트웨어는 다음과 같습니다.
- OpenCV 라이브러리
- 텐서플로 딥러닝 라이브러리
- 케라스 라이브러리
- 에이다프루트 서보모터 라이브러리
- 라즈베리파이 GPIO 라이브러리
라즈베리파이 소프트웨어 셋업 및 설치하는 방법은 아래 링크를 참고해 주십시오.
deepThinkCar는 라즈베리파이 3B, 3B+, 4에서 테스트 되었습니다. 라즈베리파이 셋업 이후에는 deepThinkCar 조립 및 테스트를 진행합니다.
라즈베리파이 부분의 셋업이 모두 완료되면, deepThinkCar를 조립하고 테스트를 실행합니다.
deepThinkCar는 조립이 되지 않은 부품 상태로 제공이 됩니다. deepThinkCar를 시용하기 위해서는 차체를 조립해야 합니다. 조립순서는 아래 링크를 참고해 주십시오.
deepThinkCar 조립이 끝이나면 하드웨어를 테스트 합니다. 테스트 할 하드웨어는 다음과 같습니다.
- PI 카메라
- 뒷바퀴 구동용 DC모터
- 앞바퀴 조향용 서보모터
- 앞바퀴 조향 오프셋 조종
- 전원 스위칭 (배터리, 파워뱅크)
deepThinkCar 하드웨어를 테스트 하는 방법은 아래 링크를 참고해 주십시오.
1단계에서는 OpenCV를 이용해서 차선인식 주행을 실행합니다. 차선인식 주행을 실행해서 딥러닝 트레이닝에 사용할 데이터셋을 같이 얻습니다. OpenCV 기반 차선인식 주행을 하는 파이썬 코드에 대한 설명은 다음 링크를 참고해 주십시오.
2단계에서는 1단계에서 얻은 차선인식주행 데이터셋을 라벨링을 합니다. 데이터셋이 라벨링이 되면 딥러닝 트레이닝을 할 수 있습니다. 데이터셋 라벨링을 하는 파이썬 코드에 대한 설명은 다음 링크를 참고해 주십시오.
3단계에서는 OpenCV를 통해 얻은 데이터셋을 딥러닝 신경망으로 트레이닝을 합니다. 실제 트레이닝은 라즈베리파이에서 실행하지 않고 PC에서 실행하게 됩니다.
트레이닝을 수행하면 추론파일을 생성해 줍니다. 딥러닝 트레이닝을 실행하는 방법에 대한 설명은 다음 링크를 참고해 주십시오.
4단계에서는 딥러닝 트레이닝을 통해 얻은 추론 파일을 이용해서 딥러닝 기반의 차선인식 주행을 수행 합니다. 데이터셋의 정확도, 데이터셋의 양에 따라 딥러닝 차선인식 주행의 정확도를 비교할 수 있습니다. 딥러닝 차선인식 주행에 대한 설명은 다음 링크를 참고해 주십시오.
5단계에서는 딥러닝 기반의 오브젝트 디텍션 기법을 이용하여 신호등, 보행자, 교통신호 등을 인식하는 오브젝트 디텍션을 수행합니다. 1~4단계에서 사용한 딥러닝 신경망이 아닌 이미 트레이닝 된 모델을 이용하여 오브젝트 디텍션을 수행합니다. 오브젝트 디텍션에 대한 설명은 다음 링크를 참고해 주십시오.