• Proceedings of the Korean Society of Broadcast Engineers Conference
• /
• 2018.11a
• /
• pp.137-138
• /
• 2018

본 논문에서는 해경, 경찰 소방의 임무 상황 등에서 신속하고 능동적으로 대처할 수 있는 드론(Drone) 영상 종합정보처리 및 분석용 시스템을 제안한다. 제안하는 시스템은 드론에서 획득한 영상을 RTP/RTSP 프로토콜을 통해 수신하여 서버에 저장하고, 다양한 시나리오에 따른 영상 처리 및 분석을 수행한다. 실험을 통해 교통량 측정, 용의자 및 차량 추적, 조난자 식별 및 해상 초계 임무에 적용할 수 있음을 확인한다. 드론 운용자가 임무에 따른 필요 기능을 선택하고 신속하게 대처할 수 있는 시스템을 구현하였다.

• The Optical Journal
• /
• s.158
• /
• pp.48-51
• /
• 2015

2013년 12월 2일에 아마존의 제프 베조스가 드론을 통하여 30분 배송을 실현하겠다고 배송 테스트를 했다. 고객이 주문한 물건을 플라스틱 보호 박스에 잘 담아 드론에 싣고 고객의 마당에 떨구고 돌아오는 모습을 담았다. 미국의 모든 언론은 드론에 대하여 대서특필하였고, 30분 배송의 실현 가능성에 대한 논쟁을 벌였다. 그 해 연말, 아마존은 쇼핑특수를 누렸다. 돈 안들이고 광고를 독특하게 한 셈이다. 나는 개인적으로 아마존의 드론 배달을 '쇼'라고 생각했다. 고객들의 주거 형태, 드론 비행의 법적인 문제, 드론으로 발생되는 사고, 사람들의 인식 등등 문제가 산적해 있기 때문이다. 그런데 2015년 초부터 알리바바는 1시간 내 차(Tea) 배달 서비스를 상하이와 광저우에서 테스트 중이라고 한다. 또한, DHL이 바다를 건너 섬으로 의약품을 수송하는 시연을 했다. CES 2015에서는 드론 전용관을 만들어 많은 사람들과 언론의 주목을 받았다. 마치 꿈과 같던 것이 실현되는 느낌이었다. 드론을 띄울 수 있는 권리 외에도 드론을 떨어뜨릴 권리도 논의되고 있다. 일본 총리관저에 드론이 떨어지기도 했다. 미국에서는 소형 드론에 폭발물을 탑재하여 타격하는 영상을 보이기도 했다. 개인적인 프라이버시가 존중되어야 할 가정집 위로 카메라가 달린 드론이 날아다니기도 하며, 재소자들의 수감시설에 마약과 담배를 실어 나르다 적발되기도 하였다. 부작용도 만만치 않다는 이야기이다. 나는 학생들에게 100만 원이 넘는 드론을 구매하여 주었더니, 동력인 배터리가 20분밖에 안 된다고 투덜거린다. 영상에 그리고 비행에 소리가 너무 난다고 또 투덜거린다. 바람에 밀려 조정이 어렵다고 또한 투덜투덜하더니만, 결국은 비행 중 조절이 안 되고 떨어져서 결국 박살이 났다. 내구성이 약하다는 이야기는 곧 전반적으로 아직 한계가 있으며 개선할 점이 많다는 의미이다. 위와 같은 부정적인 요인에도 불구하고 드론은 새로운 서비스의 융합으로 신시장이 기대되는 만큼 많은 국가와 기업들이 주목하고 있다. 미국가전협회(CEA)는 2015년 세계 드론 시장이 2014년보다 무려 55% 성장한 1억 3,000만 달러의 규모로 성장하고 5년 뒤에는 10억 달러까지 증가할 것으로 전망하면서 드론 산업의 가능성을 높게 평가하기도 했다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.41 no.10
• /
• pp.1247-1255
• /
• 2016

The safety and autonomous flight function of micro UAV or drones is crucial to its commercial application. The requirement of own building stable drones is still a non-trivial obstacle for researchers that want to focus on the intelligence function, such vision and navigation algorithm. The paper present a GCS using commercial drone and hardware platforms, and open source software. The system follows modular architecture and now composed of the communication, UI, image processing. Especially, lane-keeping algorithm. are designed and verified through testing at a sports stadium. The designed lane-keeping algorithm estimates drone position and heading in the lane using Hough transform for line detection, RANSAC-vanishing point algorithm for selecting the desired lines, and tracking algorithm for stability of lines. The flight of drone is controlled by 'forward', 'stop', 'clock-rotate', and 'counter-clock rotate' commands. The present implemented system can fly straight and mild curve lane at 2-3 m/s.

• Ecology and Resilient Infrastructure
• /
• v.8 no.1
• /
• pp.22-31
• /
• 2021

Surface image velocimetry (SIV) is a noncontact velocimetry technique based on images. Recently, studies have been conducted on surface velocity measurements using drones to measure a wide range of velocities and discharges. However, when measuring the surface velocity using a drone, reference points must be included in the image for image correction and the calculation of the ground sample distance, which limits the flight altitude and shooting area of the drone. A technique for calculating the surface velocity that does not require reference points must be developed to maximize spatial freedom, which is the advantage of velocity measurements using drone images. In this study, a technique for calculating the surface velocity that uses only the drone position and the specifications of the drone-mounted camera, without reference points, was developed. To verify the developed surface velocity calculation technique, surface velocities were calculated at the Andong River Experiment Center and then measured with a FlowTracker. The surface velocities measured by conventional SIV using reference points and those calculated by the developed SIV method without reference points were compared. The results confirmed an average difference of approximately 4.70% from the velocity obtained by the conventional SIV and approximately 4.60% from the velocity measured by FlowTracker. The proposed technique can accurately measure the surface velocity using a drone regardless of the flight altitude, shooting area, and analysis area.

• Korean Journal of Remote Sensing
• /
• v.39 no.5_3
• /
• pp.967-978
• /
• 2023

This study proposed and validated a combined segmentation network (CSN) designed to effectively train on multiple drone image datasets and enhance the accuracy of semantic segmentation. CSN shares the entire encoding domain to accommodate the diversity of three drone datasets, while the decoding domains are trained independently. During training, the segmentation accuracy of CSN was lower compared to U-Net and the pyramid scene parsing network (PSPNet) on single datasets because it considers loss values for all dataset simultaneously. However, when applied to domestic autonomous drone images, CSN demonstrated the ability to classify pixels into appropriate classes without requiring additional training, outperforming PSPNet. This research suggests that CSN can serve as a valuable tool for effectively training on diverse drone image datasets and improving object recognition accuracy in new regions.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.71-74
• /
• 2016

재난지역의 영상 촬영 및 물품 조달 등 인간이 직접 수행하기 어려운 임무를 대신하기 위해 드론이 사용된다. 시중에 판매되고 있는 드론들은 비행과 영상촬영 기능을 모두 제공하지만 firmware 및 응용프로그램 소스코드가 제한적으로 공개되어 있어 일반 개발자가 드론의 firmware를 수정하거나 센서 및 카메라를 직접 제어할 수 없다는 단점이 있다. 하지만 개발자의 목적에 맞는 드론의 비행 시스템을 구축하기 위해서는 시스템 내부의 제어코드를 직접 수정할 필요성이 있다. Pixhawk는 firmware 및 관련 application의 개발에 대한 소스 코드가 공개되어 있고, 일반 개발자들의 접근이 상대적으로 용이하다는 장점이 있다. 본 프로젝트에서는 Pixhawk와 3D Robotics 사에서 제공하는 Drone-Kit Platform을 활용하여 조난 상황에 대한 인명 구조 시스템을 설계하고, 응급상황에 대한 드론 제어 시스템을 구현하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.1250-1253
• /
• 2017

본 논문은 드론 산업이 발전함에 따라 하천, 호수, 바다 상공에서 활용하는 드론이 수중에 빠졌을 때, 물에 빠진 드론을 모선(Mothership)과 집게팔이 달린 ROV(Remotely Operated Vehicle)를 이용하여 인양하는 시스템을 제안한다. 제안한 시스템의 구성 요소는 세 가지로 첫 번째는 실시간으로 GCS(Ground Control Station)에 영상을 전송하며 ROV와 전력선 모뎀을 이용하여 통신을 하는 모선, 두 번째는 수중에 들어가 수중 카메라를 이용하여 육안으로 드론을 탐색하고 장착된 집게팔로 드론을 몸체에 고정시키는 ROV, 세 번째는 모선, ROV와 실시간으로 영상 데이터와 명령 신호를 주고 받는 GCS 이다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.1056-1059
• /
• 2020

최근 드론과 1인 미디어 시장의 성장으로, 영상 촬영 분야에서의 드론 산업이 활발하게 발전되고 있다. 본 논문에서는 딥러닝 기반 다중 객체 인식 기술인 Openpose를 활용하여 인물촬영을 위한 음성인식 드론 제어 시스템을 제안한다. 해당 시스템은 자연어 처리된 음성명령어를 통해 드론이 각 촬영 객체에 대한 회전, 초점변화 등 실제 영상촬영기법에 사용되는 다수의 동작을 수행할 수 있도록 한다. 최종적으로 96.2%의 정확도로 음성명령에 따라 동작을 수행하는 것을 확인할 수 있다. 이는 누구나 전문적 지식이나 경험 없이 음성만으로 쉽게 드론을 제어할 수 있을 것으로 기대된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.401-404
• /
• 2020

최근 드론 산업은 미래를 이끌어갈 신산업으로 부상하고 있다. 이러한 기대에도 불구하고 드론으로 인해 생기는 여러 문제들 중에서 개인정보침해 관련 문제는 기술적으로 쉽게 풀리지 않아서 드론 사용에 대한 법적인 규제만 더 강화하고 있는 실정이다. 본 논문은 드론 촬영물이 묵시적으로 가지고 있는 개인정보 침해문제를 클라우드 환경 가운데 기술적으로 풀어내었다. 사용자는 자신의 개인정보 침해 요소가 제거된 안전한 영상을 이용할 수 있도록 실시간 촬영 시 특정 사람 객체에 대한 마스킹을 진행할 수 있다. 라즈베리파이 카메라와 드론을 이용해 동영상을 촬영한 뒤 소켓 통신을 통해 이를 클라우드 환경에서의 서버로 전송하면 서버는 실시간으로 마스킹 처리를 진행하며 마스킹이 완료된 영상은 최종적으로 서버에 저장된다. 사용자는 모든 사람 객체 마스킹과 특정인을 제외한 모든 사람 객체 마스킹이라는 두 가지 옵션 중에서 원하는 옵션을 선택하여 개인정보 마스킹 처리를 진행할 수 있다.

• Journal of Industrial Convergence
• /
• v.18 no.1
• /
• pp.79-85
• /
• 2020

Recently, the RPAS(Remote Piloted Aircraft System), by remote control and autonomous navigation, has been increasing in interest and utilization in various industries and public organizations along with delivery drones, fire drones, ambulances, agricultural drones, and others. The problems of the stability of unmanned drones, which can be self-controlled, are also the biggest challenge to be solved along the development of the drone industry. drones should be able to fly in the specified path the autonomous flight control system sets, and perform automatically an accurate landing at the destination. This study proposes a technique to check arrival by landing point images and control landing at the correct point, compensating for errors in location data of the drone sensors and GPS. Receiving from the Google Map API and learning from the destination video, taking images of the landing point with a drone equipped with a NAVIO2 and Raspberry Pi, camera, sending them to the server, adjusting the location of the drone in line with threshold, Drones can automatically land at the landing point.