Mask R-CNN 모델과 YOLO 모델을 활용한 차량 관점의 자율주행 주차 공간 인식 모델 개발

Development of a Vehicle-View Autonomous Parking Space Recognition Model Using Mask R-CNN and YOLO Models

본 논문에서는 자율주행 자동차가 주차장에서 주차할 공간을 탐색하려고 할 때 주차 가능 공간을 인식할 수 있는 능력을 갖도록 하는 딥러닝 모델의 필요성을 제안하였다. 제안된 딥러닝 모델의 기능은 자율주행 중 차량 관점에서 주행 공간과 주차 가능 공간을 분할로 구별해 내는 공간 인식에 그 목적이 있다. 본 연구에서는 컴퓨터비전 분야에서 2단계검출 모델로 대표되는 Mask R-CNN 모델과 1단계 검출 모델로 대표되는 YOLO 모델을 전이 학습하여 만든 모델로 주차 가능 공간 인식에 적용할 것을 제안한다. 실내 대형 주차장에서 주차 공간 인식 실험을 두 모델의 출력 결과물을통해 확인해 봄으로써 본 연구의 유용성을 확인하였다.

A deep-learning model that allows autonomous cars to recognize available parking spaces when attempting to search for spaces to park in parking lots is proposed herein. The proposed deep-learning model is designed to perform spatial recognition, i.e., partitioning the driving space and available parking space into segments from the perspective of the vehicle during autonomous driving. We propose the utilization of the Mask R-CNN model represented by a two-stage detection model in a computer vision field and the YOLO model represented by a one-stage detection model for the recognition of available parking spaces. The effectiveness of the proposed model is confirmed via a parking-space-recognition experiment in large indoor parking lots using the output results of the abovementioned two models.