[데이터 리뷰] AIHUB(자율주행) - 로봇 관점 주행 영상 데이터

데이터 리뷰 : 데이터 대신 읽어드립니다!
#48 AIHUB(자율주행) - 로봇 관점 주행 영상 데이터

 

 

 

 

 자율주행은 자동차뿐만 아니라 드론이나 로봇 등에도 적용시킬 수 있는데요, 특히 로봇의 경우 자동차나 드론이 주행하기 어려운 실내에서 활용할 수 있다는 장점을 갖고 있습니다. 따라서 로봇의 자율주행에 대해서도 많은 기술개발이 이루어지고 있는데요, 특정 식당에서 로봇이 음식을 서빙을 하는 등 실생활에 많이 접목된 사례들을 발견할 수 있습니다.

 

이와 관련하여 AIHUB 플랫폼에서는 '로봇 관점 주행 영상' 데이터를 제공하고 있는데요, 국내 자율주행 로봇에 대한 산업적 수요 증대와 국내 환경에 적합한 자율주행 로봇 서비스 산업 활성화를 위해 로봇의 이동 중 직면 가능한 장애물 정보에 대한 데이터를 구축한 데이터셋이라고 합니다. 그렇다면, 오늘 데이터 리뷰기에서는 이 데이터가 어떻게 이루어져 있는지 살펴보고, 어떻게 분석 및 활용하면 좋을지 생각해보도록 하겠습니다!

 

 

 

 

 

로봇 관점 주행 영상 데이터

 

(1) 데이터 정보

• 제공기관 : 흥일기업
• 데이터 개수 : 72.6만
• 데이터 형식 : jpg, json
• 데이터 구성 : '일반상황', '특수상황' 로봇 관점 주행 영상, 라벨링 데이터셋
• 다운로드 : https://aihub.or.kr/aidata/30746

 

'로봇 관점 주행 영상' 데이터셋은 자율주행 로봇이 실내외 환경에서 안정적인 주행이 가능하도록, 주행에 방해되는 객체정보 및 대표적인 자율주행 로봇 서비스를 고려한 실제 운행 기반의 객체를 정의하고, 자율주행 로봇의 안정적 주행 데이터를 수집하여 구축된 데이터입니다.

 

특히 국내 시설물을 활용하여 다양한 주행 환경에서의 객체정보를 포함한 일반상황, 서비스를 고려한 특수상황에 대한 데이터로 각각 500시간, 100시간의 영상 데이터로 구성되어 있습니다. 

 

한편, 위에 다운로드 링크로 들어가면 회원가입 또는 로그인 후 데이터를 다운받을 수 있는데요, 그렇다면 데이터를 다운받아서 한번 데이터가 어떻게 이루어져 있는지 살펴보도록 하겠습니다~

 

 

(2) 데이터 리뷰

 데이터를 다운받으면 각 장소에서 로봇이 주행하면서 촬영한 이미지 데이터와 라벨링 데이터로 이루어져 있는데요, 먼저 이미지 데이터부터 확인해볼까요~?

 

 

위 이미지들은 병원에서 자율주행을 한 로봇 관점에서 촬영된 이미지로, 해당 공간에서 촬영된 이미지 601개 중 일부입니다. 

 

 

또한 위와 같이 데이터의 순서가 이동하는 순간순간 촬영된 이미지 순서로, 병원 내 특정 장소에서 다른 장소로 이동하는 일련의 과정을 확인할 수 있습니다.

 

이번에는 야외에서 촬영된 데이터입니다.

 

 

마찬가지로 로봇이 주행하면서 촬영한 영상으로 도로, 나무, 가로등과 같은 객체를 확인할 수 있습니다.

 

한편 각 이미지에 대한 라벨링 데이터는 아래와 같습니다.

{"licenses": [{"name": "", "id": 0, "url": ""}], 
 "info": {"contributor": "", 
           "date_created": "", 
           "description": "", 
           "url": "", 
           "version": "", 
           "year": ""}, 
 "categories": [{"id": 1, 
                    "name": "fixed object", 
                    "supercategory": ""}, 
                   {"id": 2, 
                    "name": "moving object", 
                    "supercategory": ""}, 
                   {"id": 3, 
                    "name": "person", 
                    "supercategory": ""}, 
                   {"id": 4, 
                    "name": "door", 
                    "supercategory": ""}], 
 "images": [{"id": 1, 
                "width": 3840, 
                "height": 2160, 
                "file_name": "frame_000000.jpg", 
                "license": 0, 
                "flickr_url": "", 
                "coco_url": "", 
                "date_captured": 0}, 

 

위 텍스트 데이터는 라벨링 데이터 중 아주 일부분인데요, 이미지에 대한 정보와 장애물 객체에 대한 정보에 대해 알 수 있습니다. 위 데이터에는 다 나와있지 않지만 이미지에 대한 해상도, 프레임 정보와 객체 종류 및 개수, 객체 위치 및 크기, 가려짐 유무, 트래킹 정보에 대해 알 수 있습니다. 특히, 객체에 대한 bounding box 좌표도 포함되어 있어 이미지에서 객체 검출이 가능한데요, 아래와 같이 어노테이션 도구를 이용하여 나타낼 수 있습니다.

 

 

 

(3) 데이터 활용

  이렇게 '로봇 관점 주행 영상' 데이터를 살펴보았는데요, 그렇다면 어떻게 활용하면 좋을까요~?

이미지 데이터와 각 장애물 객체에 대한 bounding box 데이터를 이용하여 학습시킴으로써 자율주행 로봇이 출발지점부터 목적지까지 충돌이 발생할 수 있는 객체를 인식하고, 안전하게 도착하도록 하는 시스템을 구현시킬 수 있지 않을까 싶습니다. 또한 특정한 서비스가 요구되는 상황이나 주요 산업시설에서 구축된 자율주행 데이터를 이용하여 더 정확한 데이터셋을 구축한다면 자율주행 서비스에 있어 안전성과 정확성 등을 확보할 수 있는 시스템으로 구현할 수 있지 않을까 싶습니다. 

 

뿐만 아니라 고정적인 객체를 인식 및 판별하여 로봇 자율주행용 지도맵을 구축하거나, 자율주행 로봇 위치추정 및 경로 생성 등도 좋은 활용 방안이 될 것 같습니다~

 

 

 

 

# AIHUB

 

https://aihub.or.kr/

 

 오늘 리뷰한 '로봇 관점 주행 영상' 데이터는 <AIHUB(AI 허브)>에서 다운로드 받은 '자율주행' 카테고리의 데이터로, AI 허브는 AI 기술 및 제품, 서비스 개발에 필요한 AI 인프라(AI데이터, AISWAPI, 컴퓨팅 자원)를 지원함으로써 누구나 활용하고 참여하는 AI통합 플랫폼입니다! 따라서 사용자를 위해 개발 및 활용을 위한 인프라 서비스와 AI 활성화를 위한 서비스를 제공하고 있는 것인데요, 현재 위와 같이 음성/자연어, 비전, 헬스케어, 자율주행 등 다양한 카테고리에 걸친 데이터들을 제공하고 있답니다.

 

 

한편, 오늘 살펴본 데이터는 '자율주행' 카테고리에 있는 데이터였는데요, 자율주행 카테고리는 도로, 교통, 건물, 인도 보행 등 자율주행과 관련된 데이터를 제공하는 카테고리입니다. 특히 개인이 구축하기엔 어려운 데이터들이 많고, 다른 빅데이터 플랫폼에서는 찾아보기 힘든 데이터들이 제공되고 있습니다. 또한 실제 우리나라에 있는 지역, 환경 등에서 구축된 데이터들로 이루어져 있기 때문에 우리나라에서 상용화하기 위한 서비스 개발에 활용하기에 매우 적합한 데이터이기도 하답니다. 

 

 

또한 각 데이터 다운로드 페이지에 들어가면 위와 같이 데이터의 구축내용과 필요성, 데이터 구조, 활용예시 등의 정보를 파악할 수 있기 때문에 데이터를 다운로드하기 전에 어떠한 형태로 이루어져 있는지, 데이터를 어떻게 활용하면 좋을지 살펴볼 수 있답니다.

 

 

이렇게 오늘 데이터 리뷰기에서는 AIHUB의 '로봇 관점 주행 영상' 데이터를 리뷰해보았는데요, 다음 리뷰기에서는 다른 카테고리의 데이터를 리뷰해보도록 하겠습니다. 이전 데이터 리뷰기에서는 소방, 사회 범죄, 해양수산, 헬스케어, 농수산물 등 여러 플랫폼에서 제공하는 데이터 리뷰기가 있으니, 관심이 있으신 분들은 참조하시기 바랍니다! 그럼 다음 리뷰기에서 만나요! :D