The slides presented in OROCA seminar 2017. This presentation talks about how the AuTURBO, a team that researches and develops an Autonomous Driving Platform, was banded, and describes how the team won the prize in AutoRace 2017 - RBiz Challenge Seoul.
contact:
Leon Ryuwoon Jung : jung.ryuwoon@gmail.com
Kihoon Kim : skfk3606@naver.com
Jinchul Baek : gunstar089@gmail.com
29. 차선인식, 신호등 인식
• 영상인식을 위해서 필요한 기능
– 영상인식을 위한 인공지능을 위해 tensorflow
를 사용한다.
– 하드웨어 지원이 되는 추론엔진을 사용한다.
– 내부 플래시 메모리를 사용하여 IO 속도를 최
대화 한다.
– 메인 메모리를 가능한한 많이 확보한다.
29
30. • 인공지능을 추론을 위해서는 GPU가 필요하다.
– 일반 PC를 사용하면 전력문제와 크기 문제가 있다. 판다와 같은 작은
임베디드 보드는 GPU가 없다.
– 임베디드 GPU를 사용할 수있는 DrivePX2를 사용할 수 있으나, 역시 크
기와 가격이 ...
– jetson TX 는 GPU core를 지원한며, 크기도 작아서 사용이 가능하다.
– tensorflow및 caffe를 지원한다.
– 1테라플롭스에 달하는 연산성능을 지원한다.
• Jetson TK는 300기가플롭스
• 인텔이 인수한 모비디우스는 100기가플롭스
Jetson TX를 선택한 이유
30
35. 문제발생
• J140 전원코드가 따로 없어 Jetson TX2 전원
사용하다 보드를 날림.
• 추가 구매에 딜리버리 2달 날림.
• Jetson TX2의 기본 IO디바이스와 달라 커널
레벨 컴파일이 필요.
• tensorflow를 이용한 영상인식 알고리즘
(fasterRCNN)을 이용시 성능부족: 360p를 초
당 3~5프레임 인식)
35