Research Overview
■ 자율주행차 감성인지기반 융합조명 기술 개발
자율주행차 실내공간 적용 가능한 감성인지 기술기반 융합조명 개발
자율주행차 실내공간 감성인자를 규명하고 이를 적용한 실내 융합조명모듈 및 제품을 개발하고자 한다. 연령대별·성별 조명 감성 인자 분석을 통한 개인화된 맞춤형 감성 모델 개발, 비전 기반 감성 및 행동 인식 모듈 차량용 제품화, 감성 인자와 Melanopic 지수의 상관 관계 모델링 그리고 개발 조명 시제품 장착 및 적용 차량 최적화 환경 구축 및 검증이 요구된다.
■ 초고령 사회 대응 학제간 융합 sarcopenia 진단 중재 솔루션 개발 및 상용화
다학제적 융합 연구에 기반한 한국 노인 Sarcopenia (근감소증) 규명 및 예방․치료 통합 솔루션 개발
중장기 다학제적 융복합 연구 과정에서 도출된 DB(근육량, 근력, 균형 능력, 운동기능학적 수행력, 체형, 자세 등), 중재요법(운동, 식이, 교육), 제품(운동보조도구, 운동동기부여 앱, 인솔 등)을 통합적으로 제공하는 sarcopenia total care 플랫폼을 구축을 위한 연구를 진행한다.
■ 단속 안구운동에 따른 팬텀 어레이 효과와 동적 시지각 모델링
조명 환경 및 광원의 특성에서 팬텀 어레이 효과에 대한 시인성을 추정할 수 있는 모델 개발
팬텀 어레이 효과에 영향을 미치는 환경과 광원에 따른 개별 요소들이 어떠한 연관 관계를 가지면서 팬텀 어레이 효과의 시인성에 영향을 미치는지 실험을 통하여 파악하고, 이러한 요소들이 어떻게 연관되어 팬텀 어레이 효과에 영향을 미치는지를 설명하는 모델을 개발하고자 한다. 더불어, 팬텀 어레이 효과를 보이는 조명이 시각 인지 활동과 생리적 반응에 어떠한 영향을 미치는지를 파악함으로써 팬텀 어레이 효과에 대한 시인성을 평가할 수 있는 방법(PVM: phantom array visibility measure)을 목표로 한다.
■ ADAS 센서 연계 최적 빔패턴 연구
이산화탄소 배출 규제에 따른 빔패턴 효율화 소비전력 이슈 해결방안 도출
다양한 도로 및 주행환경에서 ADAS 연계 빔패턴 최적화 저전력 램프 개발을 위해 드라이빙 시뮬레이터 기반의 다양한 빔 패턴에 따른 운전자의 시인성 평가를 통한 최적
최적 빔패턴을 도출하고, Advanced 기능을 가진 빔패턴에 의한 효과를 검증함으로써, 개발되는 램프의 성능에 대한 정량적/정성적 근거를 도출함
■ 비대면 학습효과를 높이기 위한 인식기술 기반 학습태도 분석 및 피드백 시스템 개발
비대면 학습효과를 높이기 위한 인식기술 기반 학습태도 분석 및 피드백 시스템 개발
복합 행동인식 기술을 통해 비대면 학습 환경에서의 학습 자세 및 집중도를 분석하여 피드백하는 인식기술 기반 학습 태도 분석 및 피드백 시스템을 개발한다. 기본 동작 모델링 및 임베딩과 계층적 Tree 구조를 이용한 복합행동 인식 기능을 통해 학습 중 자세 및 행동을 분석하여 자율적인 학습 태도 점검 및 개선을 유도한다.
■ SIGNAL LIGHT PROJECTIONS WITH DIRECTION INDICATOR (완료)
UN 산하의 국제 자동차 조명 전문가 그룹인 'GTB' 지원으로 국제 연구 수행
자동차가 운행되는 다양한 동적 환경에서 차량의 방향지시등과 연동해 바닥 가이드램프가 방향 정보를 추가적으로 제공함으로써 보행자와 자전거 운전자 같은 교통 약자에게 도움을 줄 수 있는지, 여러 차량에서 이러한 가이드램프가 바닥에 뿌려져 있을 때 문제가 발생하지 않는지를 검증한다.
사거리 교차로와 T자 교차로 등 가상환경을 구축하고, HMD(Head Mounted Display)를 활용한 가상환경 테스트를 비롯해 한국도로공사의 도로주행 시뮬레이터를 통한 상세 검증 및 한국교통안전공단 자동차안전연구원(KATRI)의 K-city(자율주행 실험도시)에서의 실차 기반 실험을 완료하였다.
■ 실러도포검사 경북형 소프트웨어 인력양성사업(완료)
자동차 글라스 장착 자동화 공정의 다양한 환경에 강인한 딥러닝 기반 실러도포 품질검사 소프트웨어 개발
자동차 공정 내부에서 자동차 유리를 부착하는데 사용되는 실러가 모든 유리 바깥부분에 제대로 도포되어 있는지 확인하는 딥러닝 기반 모델을 제작합니다. 다양한 환경에서 데이터 획득 및 기존 데이터에 대한 추가 학습을 진행하여 더욱 강한 모델을 제작하기 위한 연구를 진행한다.