딥러닝과 깊이카메라를 활용한 안정성이 강화된 전동 킥보드 (Safety Enhanced Electric Scooter using Deep Learning and Depth Camera)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 23권 / 1호 / 81 ~ 90페이지
· 저자명 : 전예지, 나현진, 이홍록, 최동수

초록

본 논문은 딥러닝 기반의 전방 장애물 감지 모듈 및 사고 알림 모듈을 통합한 안전성이 강회된 전동 킥보드를 제안한다. 전방 장애물 감지 모듈은 딥러닝 모델을 활용하여 장애물(자동차, 오토바이, 사람, 자전거, 킥보드)과 불량 노면(포트홀, 과속 방지턱)을 감지하고, 감지된 객체가 장애물인 경우 깊이 카메라를 사용해 장애물과의 거리를 정확히 측정한다. 사고 알림 모듈은 장애물 감지 시 장애물과 전동 킥보드 간의 거리에 따른 경고음을 출력하며, 사고 발생 시 보호자에게 사고 정보를 전송한다. 딥러닝 모델의 mAP는 0.8118로 높은 정확도를 보였고, 장애물 거리 측정 실험에서는 평균 10% 이하의 오차를 확인하였다. 제안하는 시스템은 전방 주시 태만 및 운전 미숙으로 인한 사고를 줄이고, 사용자 안전성을 크게 향상시킬 것으로 기대된다.

영어초록

This paper proposes an enhanced safety electric scooter(S-scooter) integrating a deep learning-based forward obstacle detection module and an incident notification module. The forward obstacle detection module uses a deep learning model to detect obstacles such as cars, motorcycles, pedestrians, bicycles, and scooters, as well as defective road surfaces (potholes and speed bumps). When a detected object is identified as an obstacle, the system measures the distance using a depth camera. The incident notification module outputs a warning sound on the measured distance and sends incident information to a guardian in case of an accident. Performance evaluation shows that the deep learning model achieved a high mAP of 0.8118, and the obstacle distance measurement experiment demonstrated an average error rate of less than 10%. The proposed system is expected to reduce accidents caused by inattentive driving and inexperienced operation while significantly enhancing user safety.

참고자료

· 없음