캠프 교육 계획서
AI 모빌리티 공학 캠프
대학생 과정: 카메라로 장애물 인식
1. 과정 개요
먼저 웹 3D 자율주행 시뮬레이터에서 관심영역(ROI)을 잡아 차선을 찾고 PID 제어로 주행합니다. 같은 코드를 카메라를 단 실제 차량으로 옮긴 다음, 객체 인식 모델(YOLO)로 보행자와 표지판, 장애물을 찾아 정지와 회피 조건을 만듭니다. 마지막 순서는 캠퍼스 배송 과제 경진대회입니다.
| 대상 | 대학생 |
|---|---|
| 총 수업 시간 | 16시간 (16차시, 1차시 60분) |
| 운영 방식 | 2일 × 8시간 (3~4인 1팀) |
| 교구와 도구 | 카메라 자율주행 차량(팀당 1대), 노트북(기관 보유) |
| 사용 프로그램 | 웹 3D 자율주행 시뮬레이터(자체 개발), Python, OpenCV, YOLO, PID, 카메라 자율주행 차량 |
| 결과물 | 차선 인식과 객체 인식 주행 코드, 성공률 기록, 경진대회 발표 자료 |
2. 학습 목표
- 카메라 영상에서 관심영역과 차선을 검출한다.
- PID 제어로 차선 중앙을 따라 주행한다.
- 객체 인식 결과로 정지와 회피 판단을 구현하고 성공률로 평가한다.
3. 차시별 운영 계획
| 차시 | 주제 | 활동 내용 | 시간 |
|---|---|---|---|
| 1일차 | 피지컬 AI와 자율주행 구조 | 인식, 판단, 제어로 이어지는 구조와 카메라 기반 자율주행 사례를 정리하고 팀 과제를 정합니다. | 1시간 |
| 1일차 | 시뮬레이터에서 차선 인식 | 웹 3D 시뮬레이터에서 관심영역을 잡고, 색과 경계선을 이용해 차선을 찾습니다. | 3시간 |
| 1일차 | PID 주행 | 차선 중심에서 벗어난 오차를 기준으로 P, I, D 계수를 조정하고 주행 궤적을 비교합니다. | 2시간 |
| 1일차 | 객체 인식 AI | YOLO로 보행자와 표지판을 검출하고, 신뢰도와 거리를 기준으로 정지 조건을 만듭니다. | 2시간 |
| 2일차 | 실제 차량 배선과 영상 입력 | 카메라, 보드, 모터 드라이버를 배선하고 시뮬레이터에서 만든 코드를 실제 차량으로 옮깁니다. | 3시간 |
| 2일차 | 장애물 회피와 성공률 측정 | 장애물 앞에서 멈췄다가 다시 출발하거나 피해 가는 기능을 만들고, 10회 주행해 성공률을 기록합니다. | 3시간 |
| 2일차 | 배송 과제 경진대회와 발표 | 출발지에서 목적지까지 물건을 옮기는 배송 경진대회를 엽니다. 기능, 창의성, 협업, 발표를 기준으로 평가합니다. | 2시간 |
4. 운영과 안전
- 주강사 1명과 학생 15명당 보조강사 1명이 함께 수업합니다(10명 이하는 주강사 단독).
- 교구와 공구를 쓰기 전에 안전 수칙을 안내하고, 전원과 배터리는 강사가 관리합니다.
- 출석부, 만족도 조사지, 결과보고서는 멀린이 준비합니다.
- 반 학생 수준에 따라 다른 학년 과정 내용을 섞어 조정할 수 있습니다.
멀린 에듀 · 주식회사 멀린 · 사업자등록번호 356-81-03272 · 053-719-0333 · contact@partnermerlin.com