도로의 차선을 검출해보자. (image segmentation 활용)

팀원의 결과물을 올리는 글로써 기술적인 설명은 없습니다.

 

 

Visual SLAM 팀에서는 차선을 인식해서 달리게 하는 것을 목표로 하고 있습니다.

OpenCV도 사용할 수 있겠지만

경험에 초점을 맞춘 프로젝트이니 만큼 Image Segmentation을 활용하고 싶다는 의견이 있었습니다.

그래서 Image Segmentation을 활용하는 방안으로 진행을 하게 되었습니다.

 

처음에는 Roboflow라는 놈을 사용해서 라벨링을 하려고 했는데

라벨링까지는 쉬운데, 모델을 뱉어주는 방식이 API를 통한 방식이기 때문에 바로 버렸습니다.

 

그래서 YOLOv8을 사용하게 되었고

YOLOv8부터는 segmentation까지 지원을 하게 되었습니다.

 

https://youtu.be/DMRlOWfRBKU

해당 영상을 참고하면서 만들게 되었고, 라벨링을 하는 방법에 대해서는 다음의 글에서 설명이 되어 있습니다.

https://kimbrain.tistory.com/entry/1-semantic-segmentation-%ED%99%98%EA%B2%BD-%EA%B5%AC%EC%B6%95%ED%95%98%EA%B3%A0-%EB%9D%BC%EB%B2%A8%EB%A7%81-%EB%B0%B0%EC%9B%8C%EB%B3%B4%EC%9E%90-%EC%88%98%EC%A0%95%EC%A4%91

1. semantic segmentation 환경 구축하고 라벨링 배워보자. (수정중)

그러나 모델을 제작하는 과정에서 어려움이 발생하면서 멈춰있는 상태이긴했습니다.

 

model = YOLO("yolov8n.pt") res = model("img.jpg", stream=True, save=True, verbose=True) for _ in res: pass

 

팀원들이 YOLOv8로 학습을 한 것에 대한 라벨링 데이터가 있으니 나중에 이를 활용해서 학습을 시키는 글을 다시 한 번 작성하도록 하겠습니다.

 

여튼 설명이 빈약한데, 모델 제작에 관여를 못하고 저는 자동화컨퍼런스를 다녀와서

YOLO부분은 전체적으로 어떻게 돌아가는지 모릅니다.

 

 

여튼 모델 성능을 더 개선하고, 이에대한 주행알고리즘 제작을 계획하고 있습니다.