숭실대학교 전자정보공학부 전자공학전공 3학년 · 학번 20232936 lduiwm04@soongsil.ac.kr · github.com/ldu04
관심 분야 — RF/mmWave · 안테나·메타표면 · 레이더 센싱·이미징 · ISAC
센서와 영상이 남긴 흔적에서 물리량을 추정하고, 그 추정이 틀렸는지를 먼저 확인하는 검증 체계를 같이 만드는 것을 해 왔습니다. 아래 세 건 모두 수치가 아니라 수치의 측정 조건과 한계를 저장소에 함께 적어 두었습니다.
| 저장소 | 한 줄 | 대표 수치 | 규모 |
|---|---|---|---|
| 불사 (不死) | 노드가 타 죽은 시각·좌표를 모아 산불 화선의 방향·속도를 역산하는 자가치유 메시 | 화선 방향 오차 2.85° | 1인 수행 · ESP32 16노드 실물 실증 |
| 트럭너머 (VIS) | 대형차 전방 카메라가 YOLO 로 위험을 판단해 뒤차에 UDP 로 알리는 시야 공유 | 종단간 지연 중앙값 107.4 ms | 2인 팀 「숭숭카」 팀장 |
| CJ 화물 크기 추정 | 단일 CCTV 영상에서 컨베이어 박스의 W×D×H(cm)를 추정하는 엔드투엔드 파이프라인 | 최종 평가 39팀 중 6위 (입상 아님) | 3인 중 1인 · 독립 파이프라인 전담 |
산불 현장의 센서 노드는 반드시 타 죽습니다. 그 죽음을 손실로 버리지 않고 노드가 자기 시계로 각인한 사망시각과 좌표를 화재 관측 데이터로 역이용합니다. 사망시각들이 만드는 도착시각장의 기울기에서 화선의 방향·속도·도착예정시각이 나옵니다.
- 화선 방향 오차 2.85° · 속도 오차 +1.67 % · 사망 검출 16/16 노드
- ESP32 16노드를 4×4 격자에 깔고 실제 열원으로 순차 소사시킨 실물 실증 (1회차 성공)
- 위 수치는 저장소 안의 원자료만으로 재계산된다 —
python tools/recompute_run205330.py - 펌웨어(C++/painlessMesh) · 게이트웨이 추정기(Python) · 관제 대시보드(JS) 전 계층 구현
- 시연영상 https://youtu.be/ZDX_D-6ZaC0 · GPL-3.0-only
대형차가 뒤차의 시야를 막는 구조적 문제를, 전용 하드웨어 없이 스마트폰 온디바이스 추론 + IP 기반 UDP 만으로 성립시킨 구조입니다. 공모전 제안서의 근거 자료로 공개했고, 측정 조건과 미달 항목을 각 실험 폴더에 같이 적었습니다.
- 종단간 지연 중앙값 107.4 ms / p95 168.8 ms (완전보수 기준, 실기기 측정)
- 지연 전체의 76.6 % 가 추론 구간 — 통신이 아니라 연산이 병목이라는 뜻
- 🔴 표준 C-V2X / ETSI ITS-G5 가 아니다. 일반 IP 망 위의 UDP 통신이다
- 실차 검증 미완료 · 정확도 지표(mAP) 미산출 — 저장소에 한계로 명시
- MIT
단일 CCTV 영상에서 박스를 탐지·추적하고 CNN 회귀로 절대 치수를 cm 단위로 추정합니다. 3인 팀에서 독립 파이프라인 하나를 처음부터 끝까지 혼자 담당했습니다.
- Public 리더보드 47팀 중 9위 · 최종 평가 39팀 중 6위 (입상 아님)
- 손실을 채점 방식에 맞춰 설계 — cm 공간 SmoothL1 을 w/d/h 6가지 순열 중 최솟값으로
- focal length 추정 보조망으로 픽셀-cm 변환을 영상별로 보정
- 학습 크롭이 부족해 탐지기로 자동 라벨 확장 (
auto_match)
- nom_detector — 웹캠 기반 거북목 감지, 3단계 경고 (전자공학기초실험)
- p5js-portfolio — p5.js 실습 모음
저장소의 코드와 문서 작성에 AI 도구(Claude Code)를 사용했습니다. 사용 규약은 각
저장소의 CLAUDE.md 에 그대로 두었습니다. 설계 판단과 측정값 검증은 직접 했고,
반증된 가설과 실패한 회차도 지우지 않고 docs/DECISIONS.md 에 남겼습니다.