자율주행차량의 비전과 행동(에이콘 임베디드 시스템 프로그래밍 시리즈)

"누구나 손쉽게 자율주행차 AI를 구성해보자."라는 이 책의 모토는 우리의 눈길을 끌었다. AI가 이만큼 많은 사람의 입에 오르내리는 시대는 드물다. 하지만 AI를 실질적으로 사용하기 위해 접근하면 갑자기 저 먼 안드로메다 쯤의 이야기로 들릴 사람들이 많을 것이다. 이 책은 그런 거리감을 수천 광년 단위로 줄여주는 멋진 책이다. 이 책에서 하라는 것만 따라하면 당신이 정치외교학과를 졸업했더라도 나도 왕년에 AI 좀 만져봤다는 생색을 낼 수 있을 것이다. 왜냐하면 당신이 짠 간단한 자율주행차 AI 코드가 모니터에 떠있을 것이기 때문이다. 이 책은 총 3부로 이루어져 있다. 1부에서는 센서의 특성에 대한 이해와 구성하는 코드를 간단히 소개한다. 2부에서는 본격적으로 신경망을 이용한 딥러닝에 대한 내용이 담겨 있으며, 마지막으로 3부에서는 당신의 자율주행차가 달릴 맵을 구성해 달리게 해볼 것이다.

1장. OpenCV 기초와 카메라 보정 __기술 요구 사항 __OpenCV와 넘파이소개 ____OpenCV와 넘파이 ____이미지 크기 ____회색조 이미지 ____RGB 이미지 __이미지 파일 다루기 __비디오 파일 다루기 ____웹캠 다루기 __이미지 파일 작업하기 ____이미지 뒤집기 ____이미지 블러 ____이미지 명암, 밝기, 감마 값 바꾸기 ____사각형 그리기와 텍스트 입력하기 __HOG를 이용한 보행자 감지 ____슬라이딩 윈도우 ____OpenCV와 함께 HOG 사용하기 ____카메라 소개 ____카메라 용어 ____카메라 구성 요소 ____카메라 선택을 위한 고려 사항 ____카메라의 장점 및 단점 __OpenCV를 통한 카메라 보정 ____왜곡 탐지 ____보정 __요약 __질문 2장. 신호에 대한 이해와 작업 __기술 요구 사항 __신호 유형 이해하기 __아날로그 VS 디지털 __시리얼 VS 병렬 ____범용 비동기 수신 및 전송 방식 ____차동 vs 단일 종단 ____I2C ____SPI __프레임 기반 시리얼 프로토콜 ____CAN 통신 이해하기 ____이더넷과 인터넷 프로토콜 ____UDP 이해하기 ____TCP 이해하기 __요약 __질문 __더 읽어 보기 ____오픈소스 프로토콜 도구 3장. 차로 인식 __기술 요구 사항 __임계치 다루기 ____각기 다른 색상 공간에서의 임계치 다루기 ____RGB/BGR ____HLS ____HSV ____LAB ____YCbCr ____우리의 선택 __원근 수정 __경계 인식 ____임곗값 보간법 ____임곗값 결합 __히스토그램을 활용한 차로 찾기 __슬라이딩 윈도우 알고리듬 ____초기화 ____슬라이딩 윈도우의 좌표 ____다항식을 이용한 피팅 기법 __비디오를 활용한 차로 인식 성능 향상 ____부분 히스토그램 ____롤링 평균 __요약 __질문 2부. 자율 주행차가 딥러닝과 신경망으로 작동하는 방식 개선하기 4장. 신경망을 통한 딥러닝 __기술 요구 사항 __머신러닝과 신경망 이해하기 ____신경망 ____뉴런 ____파라미터 ____딥러닝의 성공 __컨볼루션 신경망에 대해 알아보기 ____컨볼루션 ____컨볼루션은 왜 대단한 것일까? __케라스와 텐서플로 시작하기 ____요구 사항 __MNIST 손글씨 숫자 탐지하기 ____방금 불러온 데이터는 무엇일까? ____학습 샘플 및 레이블 ____원 핫 인코딩 ____학습 및 테스트 데이터셋 __신경망 모델 정의하기 ____LeNet ____코드 ____아키텍처 ____신경망 학습하기 ____CIFAR-10 __요약 __질문 __더 읽어 보기 5장. 딥러닝 워크플로 __기술 요구 사항 __데이터셋 수집하기 ____케라스 모듈의 데이터셋 ____기존 데이터셋 ____커스텀 데이터셋 __세 가지 데이터셋 이해하기 ____데이터셋 분할하기 __분류기 이해하기 ____실제 데이터셋 생성하기 ____데이터 증강 __모델 ____컨볼루션 층 조정하기 ____맥스 풀링 층 조정하기 ____밀집 층 조정하기 ____신경망 학습하기 ____신경망 학습 방법 ____무작위 초기화 ____오버피팅과 언더피팅 __액티베이션을 시각화하기 __추론 __재학습 __요약 __질문 6장. 신경망 개선하기 __기술 요구 사항 __더 큰 모델 ____시작점 ____속도 개선하기 ____깊이 증가시키기 __보다 효율적인 신경망 __배치 정규화를 통해 더욱 똑똑한 신경망 구축하기 ____올바른 배치 크기 선택하기 __조기 종료 __데이터 증강을 통해 데이터셋 개선하기 __드롭아웃을 통해 검증 정확도 개선하기 ____모델을 MNIST에 적용하기 ____이제 당신의 차례! __요약 __질문 7장. 보행자 및 신호등 감지 __기술 요구 사항 __SSD를 이용한 보행자, 차량, 신호등 감지 ____Carla로 약간의 이미지 수집하기 ____SSD의 이해 ____zoo 텐서플로 감지 모델 알아보기 ____SSD 다운로드 및 불러오기 ____SSD 실행하기 ____이미지에 주석 달기 __신호등의 색상 감지 ____신호등 데이터셋 만들기 ____전이 학습 이해하기 ____ImageNet 알아가기 ____AlexNet 파헤치기 ____이미지 분류에 Inception 사용하기 ____전이 학습에 Inception 사용하기 ____Inception에 데이터셋 투입하기 ____전이 학습을 통한 성능 ____전이 학습 개선 __신호등과 그 색상을 인식하기 __요약 __질문 __더 읽어 보기 8장. 행동 복제 __기술적 요구 사항 __행동 복제를 통해 신경망에게 운전법을 가르치기 __DAVE-2 소개 ____manual_control.py 알아보기 ____비디오 스트림 1개 녹화하기 ____신경망 모델링하기 ____회귀 수행용 신경망 학습 ____돌출맵 시각화 __신경망을 Carla와 통합하기 ____GPU를 작동시키기 __자율 주행! ____제너레이터를 활용한 더 큰 데이터셋 학습 ____어려운 방식으로 데이터 증강하기 __요약 __질문 __더 읽어 보기 9장. 시맨틱 분할 __기술 요구 사항 __시맨틱 분할 소개 ____목표 정의하기 ____데이터 수집하기 ____synchronous_mode.py 수정하기 __분류를 위한 DenseNet 이해 ____조감도에서 본 DenseNet ____밀집 블록 이해하기 __CNN으로 이미지 분할 __시맨틱 분할을 위한 DenseNet 조정 __FC-DenseNet 블록 코딩 ____모든 요소들 결합하기 ____네트워크에 입력 공급하기 ____신경망 실행하기 ____잘못된 시맨틱 분할 개선하기 __요약 __질문 __더 읽을 거리 3부. 매핑과 제어 10장. 조향, 스로틀, 브레이크 제어 __기술 요구 사항 __제어가 필요한 이유 ____컨트롤러는 무엇인가? __컨트롤러의 종류 ____PID ____MPC __CARLA에서 PID 적용하기 ____CARLA 설치하기 ____Packt-Town04-PID.py 스크립트 파일 복사하기 ____Packt-Town04-PID.py 스크립트 파일 복사하기 ____PIDLongitudinalController ____PIDLateralController ____스크립트 실행하기 __C++의 예제 MPC __요약 __질문 __더 읽을거리 11장. 주변 환경 매핑하기 __기술 요구 사항 __지도 작성과 로컬라이제이션이 필요한 이유 ____지도 작성 ____로컬라이제이션 __지도 작성 및 로컬라이제이션 유형 ____동시 위치 추정 및 지도 작성 __오픈소스 지도 작성 도구 __아우스터 라이다와 구글 카르토그래퍼가 있는 SLAM ____아우스터 센서 ____repo ____cartographer_ros 시작하기 ____Cartographer_ros 구성 ____도커 이미지 __요약 __질문 __더 읽을거리