• 한국산학기술학회논문지
• /
• 제17권12호
• /
• pp.427-436
• /
• 2016

도심지에 지진, 산사태 등과 같은 재난 발생 시 건물 및 지하 구조물 붕괴로 인해 잔해 내부에 다수의 매몰자가 발생된다. 이때 인명탐지를 위해 주로 음향, 영상 및 전파 등을 활용한 탐지 장비 등이 활용되나 고가이며, 붕괴지 상부로의 직접 투입으로 인한 2차 붕괴위험 및 장비 운용 성능 저하로 인해 신속하고 높은 신뢰성을 갖는 인명탐지 기술이 활용되지 않고 있다. 이러한 문제를 해결하기 위한 매몰자의 휴대 기기에서 송출하는 Wi-Fi 신호 및 기압정보를 제공받아 매몰자의 3차원 위치를 탐색하는 UAV(Unmanned Aerial Vehicle)에 탑재 가능한 무선신호 기반 인명탐지 모듈을 개발하였다. 또한 드론의 비행동안 매몰자 휴대기기 정보를 실시간으로 수집하여 해당 정보를 지상부에 전송하여 신뢰성 있는 매몰자의 3차원 위치정보를 제공하도록 하는 모듈 개발 프레임워크를 제시하였다. 이를 통해 인명탐지 모듈의 개발과 현장 테스트를 통해 적용 타당성을 검증하였다. 이러한 연구결과는 향후 대형 건물 붕괴와 같은 재난 시 매몰자에 대한 매몰 위치의 신속한 탐지 및 구호와 실종자 수색을 위한 핵심기술로 활용될 수 있을 것이다.

• 한국산학기술학회논문지
• /
• 제9권4호
• /
• pp.1012-1017
• /
• 2008

최근 무선통신 기술의 발달과 편리성으로 무선 랜의 활용 증가하고 있다. 이와 더불어 무선랜의 보안 위협과 취약성에 대하여 이슈화 되고 있다. 따라서 IEEE에서는 802.11 표준안을 제정하고 무선 랜의 보안 취약점을 보완 하기 위해 802.11i등 새로운 표준들을 제정하고 있지만, 아직까지 해결되지 않은 보안 위협들이 존재한다. 본 논문에서는 액세스 포인트의 비콘 프레임을 이용하여 건물 내 액세스 포인트의 보안 상태 와 비인가 액세스 포인트를 탐지하는 시스템과 RSSI, 삼각측량범 및 칼만필터 알고리즘을 사용한 위치탐지 알고리즘을 제안하고, 기존 탐지 알고리즘과 제안 알고리즘의 결과 비교로 성능을 평가하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권8호
• /
• pp.311-318
• /
• 2021

해상 안보, 국제 동향 파악 등 다양한 이유로 해상 사진에서 선박을 탐지하고자하는 연구는 지속되어 왔다. 인공지능의 발달로 인해 사진 및 영상 내 객체 탐지를 위한 R-CNN 모델이 등장하였고 객체탐지의 성능이 비약적으로 상승하였다. R-CNN 모델을 이용한 해상 사진에서의 선박 탐지는 인공위성 사진에도 적용되기 시작하였다. 하지만 인공위성 사진은 넓은 지역을 투사하기 때문에 선박 외에도 차량, 지형, 건물 등 다양한 객체들이 선박으로 인식되는 경우가 있다. 본 논문에서는 R-CNN계열 모델을 이용한 인공위성 사진에서의 선박 탐지의 성능을 개선하기 위한 새로운 방법론을 제안한다. 표지자 기반 watershed 알고리즘을 통해 육지와 바다를 분리하고 morphology 연산을 수행하여 RoI를 한 차례 더 특정한 뒤 특정된 RoI에 R-CNN 계열 모델을 사용하여 선박을 탐지하여 오탐을 줄인다. 해당 방법을 이용하여 Faster R-CNN을 사용하였을 경우, Faster R-CNN만을 사용했을 때에 비해 오탐률을 80% 줄일 수 있었다.

• 지적과 국토정보
• /
• 제48권2호
• /
• pp.213-225
• /
• 2018

3차원 공간정보 구축을 위해 건물 텍스처를 촬영하는 과정에서 폐색영역 문제가 발생한다. 이를 해결하기 위해선 폐색영역을 자동 인식하여 이를 검출하고 텍스처를 자동 보완하는 자동화 기법 연구가 필요하다. 현실적으로 매우 다양한 구조물 형상과 폐색을 발생시키는 경우가 있으므로 이를 극복하는 대안들이 고려되고 있다. 본 연구는 최근 대두되고 있는 딥러닝 기반의 알고리즘을 이용하여 폐색지역 패턴화하고, 학습기반 폐색영역 자동 검출하는 접근을 시도한다. 영상 내 객체 추출에서 우수한 성과를 발표하는 Convolutional Neural Network (CNN) 기법의 향상된 알고리즘인 Faster Region-based Convolutional Network (R-CNN)과 Mask R-CNN 2가지를 이용하여, 건물 벽면 촬영 시 폐색을 유발하는 사람, 현수막, 차량, 신호등에 대한 자동 탐지하는 성능을 알아보기 위해 실험하고, Mask R-CNN의 미리 학습된 모델에 현수막을 학습시켜 자동탐지하는 실험을 통해 적용이 높은 결과를 확인할 수 있었다.

• 한국지형공간정보학회:학술대회논문집
• /
• 한국지형공간정보학회 2002년도 추계학술대회
• /
• pp.117-122
• /
• 2002

촬영시기가 다른 두 위성영상을 비교 분석하여 시간에 따른 변화정보를 획득하는 변화탐지 기술은 다양한 분야에 유용하게 활용이 가능한 기술이다. 특히 최근 활용기대가 높아지고 있는 고해상도 위성영상을 활용하는 변화탐지 기술은 환경감시, 재해재난 후 피해상황 분석, 불법건축물 감시, 군사적 목적 등 기존의 중 저 해상도 위성영상으로는 얻을 수 없는 유용한 변화정보의 추출이 가능하다. 하지만, 고해상도 위성영상의 특수성으로 인해 저해상도 위성영상에 적용하였던 화소기반 변화탐지 기법을 그대로 사용 할 수 없으며 인공물이나 지형지물의 지리적, 형태학적 특징을 활용하여 변화요소를 탐지하여야 한다. 본 연구에서는 촬영시기가 다른 두 매의 고해상도 위성영상에 대하여 사용자가 신속하고 손쉽게 변화를 감지해 낼 수 있도록 이동창을 이용한 인터페이스를 구성하고, 영상에 대한 육안분석을 통해 사용자가 건물의 신축 및 철거 등 변화를 발견하여 변화지도를 작성할 수 있는 시스템 개발함으로써 반자동 방식에 의한 고해상도 위성영상의 변화탐지 방법을 제시하였다.

• 방송공학회논문지
• /
• 제26권1호
• /
• pp.14-25
• /
• 2021

서로 다른 시간에 촬영된 같은 위치의 원격 탐사 영상에서 변화된 사항을 찾는 변화 탐지는 다양한 영역에 적용되기 때문에 매우 중요하다. 그러나 정합 오차, 건물 변위 오차, 그림자 오차 등이 오탐지를 발생시킨다. 이러한 문제점을 해결하기 위해 본 논문은 CADNet(Change Attention Dense Siamese Network)을 제안한다. CADNet은 다양한 크기의 변화 영역을 탐지하기 위해 FPN(Feature Pyramid Network)을 사용하며, 변화 영역에 주목하는 변화 주목 모듈을 적용하고, 낮은 수준 (Low-level)의 특징과 높은 수준 (High-level)의 특징을 모두 포함하고 있는 피처 맵을 변화 탐지에 사용하기 위해 DenseNet을 피처 추출기로 사용한다. CADNet의 성능을 Precision, Recall, F1 측면에서 측정하였을 때 WHU 데이터 세트에 대하여 98.44%, 98.47%, 98.46%이었고, LEVIR-CD 데이터 세트에 대해 90.72%, 91.89%, 91.30%이었다. 이 실험의 결과는 CADNet이 기존 변화 탐지 방법들보다 향상된 성능을 제공한다는 것을 보여준다.

• 한국컴퓨터정보학회논문지
• /
• 제26권5호
• /
• pp.9-16
• /
• 2021

본 논문에서는 디지털 트윈 기반의 건물 관제 시스템에 활용할 수 있는 건물탐사 드론을 제안한다. 기존 건물 관제 시스템은 고정된 센서 박스를 통해 관제 정보를 관리하므로 관리 체계의 사각지대가 발생하는 문제점과 순찰을 통한 인위적인 방법은 자원적 한계성을 가진다. 본 논문은 온습도 센서와 가스 누출 탐지 센서를 내장한 드론을 통하여 관제 사각지대를 중심으로 건물의 내부 경로를 탐색하고 영상과 더불어 실시간으로 정보를 전송하여 관제 시스템의 문제점을 극복하고자 한다. 또한, 옵티컬 플로어 센서를 이용한 안정적인 호버링 기능을 가지며 기존 디지털 트윈 기반의 건물 관제 시스템에 적용할 수 있게 한다. 본 연구의 결과는 드론 활용을 통하여 향후 디지털 트윈 관제 시스템의 질적 향상에 많은 도움이 될 것으로 사료된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1091-1100
• /
• 2022

딥러닝 기술의 진보와 함께 다양한 국내외 고해상도 원격탐사 영상의 활용이 가능함에 따라 딥러닝 기술과 원격탐사 빅데이터를 활용하여 도심 지역 건물 검출과 변화탐지에 활용하고자 하는 관심이 크게 증가하고 있다. 본 논문에서는 고해상도 원격탐사 영상의 의미론적 건물 분할을 위해서 건물 분할에 우수한 성능을 보이는 DeepResUNet 모델을 기본 구조로 하고 잔차 학습 단위를 개선하고 Convolutional Block Attention Module(CBAM)을 결합한 새로운 건물 분할 모델인 CBAM-DRUNet을 제안한다. 제안한 건물 분할 모델은 WHU 데이터셋과 INRIA 데이터셋을 이용한 성능 평가에서 UNet을 비롯하여 ResUNet, DeepResUNet 대비 F1 score, 정확도, 재현율 측면에서 모두 우수한 성능을 보였다.

• 대한원격탐사학회지
• /
• 제29권4호
• /
• pp.361-373
• /
• 2013

공간해상도 약 1 m의 고해상도 X-band SAR 위성이 이용되면서 SAR를 이용한 도심지 모니터링, 표적탐지, 건물 재구성에 관한 연구가 진행되고 있다. 본 연구에서는 고해상도 TerraSAR-X SAR 영상을 이용한 도심지 건물 재구성을 수행하였다. 도심지 건물 재구성을 위하여 1:25,000 수치지형도로부터 건물의 외곽선을 추출하였으며, 추출한 건물의 외곽선을 기반으로 SAR 영상에서 모서리반사 위치를 찾았다. KS 테스트(Kolmogorov-Smirnov Test)에 기반하여 고해상도 SAR 진폭영상의 건물 모서리반사 위치로부터 레이오버 길이를 측정하여 건물의 초기 높이를 설정하였다. 진폭영상을 이용하여 추출한 건물의 초기 높이 기준 -10 m에서 +10 m로 건물의 높이를 변화시키며 도심지에 적합한 간섭위상 시뮬레이션을 수행하여 TerraSAR-X 간섭위상과의 위상 일치성 계산을 하였다. 위상 일치의 경향성 분석을 통해 건물의 높이를 설정해 줌으로써 고해상도 SAR 영상을 이용한 도심지 건물 재구성 연구를 진행하였다. 대전지역의 아파트 단지에 적용한 결과, 진폭영상과 간섭위상을 이용하여 추정된 건물 높이는 LiDAR로부터 추출된 높이를 기준으로 약 1~2 m 정도의 RMSE (Root Mean Square Error)를 보였다. 개발된 알고리즘은 향후 TerraSAR-X와 TanDEM-X 간섭쌍 자료에 적용할 경우, 보다 도심지 모니터링에 효과적으로 이용될 수 있을 것이다.

• 한국전산구조공학회:학술대회논문집
• /
• 한국전산구조공학회 2009년도 정기 학술대회
• /
• pp.200-204
• /
• 2009

구조물의 건전도를 평가하기 위하여 계측된 데이터로부터 구조물의 동특성 변화를 분석하여 손상정도를 추정하는 방법이 많이 사용되고 있다. 최근, 다점 측정된 가속도 데이터로부터 구조물의 고유진동수 및 모드형상을 추출하고 이를 초기값과 비교하여 손상탐지를 실시함으로써 손상위치 및 손상정도를 추정하는 기법이 활발히 연구되고 있다. 그러나 이러한 방법을 실제 적용하기 위해서는 계측시스템 구축에 많은 비용이 소요되며, 손상탐지를 위한 해석과정이 복잡하기 때문에 실시간에 가깝게 유용한 정보를 거주자에게 제공하는데 한계가 있다. 따라서 본 연구에서는 실용적인 계측유지관리 시스템을 구축할 수 있도록 구조물의 손상도에 따른 동적특성의 변화를 사전에 예측하여 실제 계측된 동적특성에 대한 관리 한계치를 제공하는 방안을 제시하고자 한다.