SituationClassifier

Situation classification using obstacle detection

장애물 검출을 통한 상황 분류

이름	학과	학번	구성	역할	코드
위성민	무인이동체공학전공	17011877	팀장	도로 검출	Road Detection Free Space Detection
최용호	스마트기기공학전공	17013253	팀원	깊이 추정	뎁스
권영서	무인이동체공학전공	17011794	팀원	UI	GUI
김남훈	스마트기기공학전공	17011832	팀원	객체 검출	물체 검출
강산희	무인이동체공학전공	17011855	팀원	데이터셋

Core

이 외는 회의록에서 열람 가능

물체의 종류를 분류하고 그 다음 위험도를 분류함

관심영역을 설정 한 후 그 영역 안에 물체가 들어올 경우 위험도 판단

A. 관심영역은 차선 개념에서 차용하여, 가상의 사다리꼴 모양의 영역을 설정함
B. 검출된 영역 내에서 거리 정보를 얻어 거리에 따라 위험도 가중치를 부여함 
C. 검출된 물체의 종류에따라 위험도 가중치를 달리 부여함

05/22 8분여 분량의 30FPS HD 교내 도보영상 촬영
05/23 14,000여개의 프레임으로 분할 후 각 팀원에게 할당
05/24 물체 분류 기준 설정
05/25~ VoTT 작업 환경 구축
05/27 annotation 작업
~05/28 Pre-trained COCO SSD dataset을 이용한 Activate Learning에 현재까지 작업된 annotation을 적용하기로 함
05/29 label crop 작업하여 class별로 추출 후 인계
05/30
- Viola Jones에 문제점 발생, Darknet 도입 의논
- 교수님과의 면담 -> 방향 재설정

양질의 public dataset을 이용하지 않고 직접 제작을 시도했으나,
- 촬영 장비가 스마트폰이여서 흔들림이 심하고
- 촬영 장소인 교내가 차도와 인도의 구분이 뚜렷하지 않고
- 분량이 턱없이 부족하여 학습하기에 부적합하였음
장애물의 기준이 상이하여 팀원 간 일부 태그에 불일치가 발견됨
경계석(연석)을 기준으로 위험도를 분류하기 위해 검출을 시도했으나,
- 경계석의 곡률이 커서 객체 검출 방법론으로 학습하기에 어려움이 있음
최신 버전의 도구를 이용하다 보니 메뉴얼이나 관련 이슈에 관한 솔루션 등이 적어 어려움을 겪음
팀원들의 역량만으로는 해결하기에 어려움이 큰 주제
이에 따라 교수님과의 면담 후 역할 분담과 계획을 재설정하기로 결정함