• 전자공학회논문지
• /
• 제53권3호
• /
• pp.91-98
• /
• 2016

소나 영상에서 수중 물체의 검출과 분류는 도전적인 과제이다. 본 논문에서는 소나 영상과 영상처리기법을 이용하여 해저의 물체를 식별하는 시스템을 제안한다. 수중 물체의 식별 과정은 수중 물체 후보 영역 검출과 물체 식별의 두 단계로 구성된다. 영상 정합(image registration) 기법을 이용하여 수중 물체 후보 영역을 검출하고, 기존에 획득된 기준 배경 영상과 현재 스캔된 영상 사이의 공통된 특징점을 검출하여 정합한 후, 두 영상의 차 영상(difference image)을 구하여 검출한다. 검출된 물체는 고유벡터와 고유값을 특징으로 사용하여 데이터베이스내의 패턴과 가장 유사한 패턴으로 분류한다. 제안하는 수중 물체 식별 시스템은 최단 소행 항로(Q route) 확보와 같은 응용에 효율적으로 사용될 수 있을 것으로 기대된다.

• 한국음향학회지
• /
• 제42권4호
• /
• pp.370-376
• /
• 2023

수중영상은 수중 잡음과 낮은 해상도로 표적의 형상과 구분이 명확하지 않다. 그리고 딥러닝의 입력으로 수중영상은 전처리가 필요하며 Segmentation이 선행되어야 한다. 전처리를 하여도 표적은 명확하지 않으며 딥러닝에 의한 탐지, 식별의 성능도 높지 않을 수 있다. 따라서 표적을 구분하며 명확하게 하는 작업이 필요하다. 본 연구에서는 수중영상에서 표적 그림자의 중요성을 확인하고 그림자에 의한 물체 탐지 및 표적 영역 획득, 그리고 수중배경이 없는 표적과 그림자만의 형상이 담긴 데이터를 생성하며 더 나아가 픽셀값이 일정하지 않은 표적과 그림자 영상을 표적은 흰색, 그림자는 흑색, 그리고 배경은 회색의 3-모드의 영상으로 변환하는 과정을 제시한다. 이를 통해 딥러닝의 입력으로 명확히 전처리된 판별이 용이한 영상을 제공할 수 있다. 또한 처리는 Open Source Computer Vision(OpenCV)라이브러리의 영상처리 코드를 사용했으면 처리 속도도 역시 실시간 처리에 적합한 결과를 얻었다.

• 한국음향학회지
• /
• 제37권2호
• /
• pp.118-128
• /
• 2018

본 논문은 사이드 스캔 소나 영상을 컨볼루션 신경망으로 학습하여 수중물체를 탐색하는 방법을 다루었다. 사이드 스캔 소나 영상을 사람이 직접 분석하던 방법에서 컨볼루션 신경망 알고리즘이 보강되면 분석의 효율성을 높일 수 있다. 연구에 사용한 사이드 스캔 소나의 영상 데이터는 미 해군 수상전센터에서 공개한 자료이고 4종류의 합성수중물체로 구성되었다. 컨볼루션 신경망 알고리즘은 관심영역 기반으로 학습하는 Faster R-CNN(Region based Convolutional Neural Networks)을 기본으로 하며 신경망의 세부사항을 보유한 데이터에 적합하도록 구성하였다. 연구의 결과를 정밀도-재현율 곡선으로 비교하였고 소나 영상 데이터에 지정한 관심영역의 변경이 탐지성능에 미치는 영향을 검토함으로써 컨볼루션 신경망의 수중물체 탐지 적용성에 대해 살펴보았다.

• 한국음향학회지
• /
• 제37권1호
• /
• pp.12-20
• /
• 2018

측면주사 소나 영상 획득의 효율성을 향상시키고자 저해상도의 수중 영상을 복원 기법을 이용하여 고화질 영상으로 개선시키는 연구가 시도되고 있다. 측면주사 소나 영상은 광학 영상과 같은 2차원 신호를 사용한다는 측면에서 기존 광학 영상 복원에 적용된 기법의 응용을 고려할 수 있다. 광학 영상에 대한 가장 대표적인 복원 방법 중 하나는 스파스 코딩이며, 수중 영상의 희소성을 분석하여 스파스 코딩 기법을 수중 영상에 적용할 수 있음을 증명하는 연구가 진행되었다. 스파스 코딩은 입력 신호에 대하여 사전과 스파스 계수의 선형 결합으로 복원 신호를 얻는 방식이다. 하지만 스파스 계수의 값을 정확히 추정하기 위해서는 많은 연산량을 필요로 한다. 본 연구에서는 스파스 코딩 기반의 수중 영상 초해상도 복원을 수행하되, 수중 영상 내 객체 영역에 한해서 선택적으로 복원 기법을 적용하는 방법을 제안함으로써 전체 연산 시간을 단축시킨다. 이를 위하여 수중 영상에서 경계를 검출하고 그 분포에 따라 객체 영역과 비객체 영역을 구분하는 방법을 제안하고, 이를 스파스 코딩 기반의 초해상도 복원 기법과 접목시킨다. 실험을 통해 제안하는 방법이 기존 방식과 동일 수준의 PSNR(Peak Signal-to-Noise Ratio) 수치를 유지하며, 영상 복원에 필요한 시간은 32 % 만큼 단축시킴을 확인함으로써 제안 방법의 유효성을 증명하였다.

• 전자공학회논문지
• /
• 제53권10호
• /
• pp.116-122
• /
• 2016

본 논문은 수중에서 사용되는 영상 소나를 이용하여 수중 물체의 외형 복원을 수행하여 보고 그 결과를 분석한다. 일반적으로 해양 측량에 많이 사용되는 다중빔 해양 측심기(Multi-beam echo sounder, MES)보다 더 자세한 수중 환경 관찰이 가능한 영상 소나는 상하 방사영역 정보의 불확실성으로 인해 3차원 복원 연구로 활용되기에 어려움이 있다. 이에 본 논문에서는 소나 영상에서 얻는 물체에 대한 3차원 높이 정보의 불확실성을 줄이기 위해 영상 소나의 상하 방사영역을 좁게 조정하여 영상 소나의 3차원 물체 외형 복원의 어려움을 극복하고자 한다. 또한, 음향 채널별 잡음 제거 필터를 적용하고, 음향 채널별 상호보완 거리값 검출 방법의 적용을 통해 3차원 위치 정보의 정확도를 높이고자 한다. 제안한 수중 물체 외형 복원 방법은 3가지 물체(원뿔, 구, 기둥)에 대해 3차원 복원 실험을 수행하여 보고 그 결과를 분석하였다.

• 전자공학회논문지
• /
• 제51권2호
• /
• pp.182-189
• /
• 2014

본 논문은 탁도의 영향으로 사용이 제한적인 수중 광학 카메라의 대안으로 수중 영상 소나(imaging sonar)를 사용하여 수중 물체를 인식하여 추종하는 구조를 제안한다. Part 1에서, 영상 소나의 현실적인 성능을 고려한 2차원 인공 표식의 설계 방법과 인식 방법을 제안한다. 특히 영상 소나와 초음파의 특성을 분석하여 피인식성을 극대화 할 수 있는 재료를 선택하였으며, 물체의 모델링이 쉬운 무지향성이며 단순한 외형을 채택하고, 표식으로 사용이 가능한 영역 기반 특징 요소를 포함한 내부 형태를 제안하였다. 또한 제안한 인공 표식을 실시간으로 인식할 수 있는 방법을 제안하였다. 이 방법은 외곽선 추출, 허프-원-검출기에 의한 유사도 및 위치 추정, 형상 행렬의 비교에 의한 표식의 분류하는 알고리즘을 포함하고 있다. 제안한 인공 표식과 인식 알고리즘의 유용함을 DIDSON (영상 소나)를 사용한 수조 실험으로 검증하였다.

• 한국해양공학회지
• /
• 제30권3호
• /
• pp.214-220
• /
• 2016

Imaging sonars such as side-scanning sonar or forward-looking sonar are becoming fundamental sensors in the underwater robotics field. However, using sonar images for underwater perception presents many challenges. Sonar images are usually low resolution with inherent speckled noise. To overcome the limited sensor information for underwater perception, we investigated preprocessing methods for sonar images and feature detection methods for a nonlinear scale space. In this paper, we focus on a comparative analysis of (1) preprocessing for sonar images and (2) the feature detection performance in relation to the scale space composition.

• 전자공학회논문지
• /
• 제51권3호
• /
• pp.164-173
• /
• 2014

수중 로봇 분야에서 수중 환경 인식은 매우 중요하나, 탁도 등의 제약으로 인하여 수중 광학 카메라의 사용은 제한적이다. 대안으로 기대하는 수중 영상 소나의 경우, 소나 영상의 품질이 영상 처리에 의해 자연물을 그대로 인식하기에 충분히 안정적이며 정확하지 못하다. 이를 극복하고자 본 논문의 Part 1에서 초음파의 특징을 고려한 인공 표식을 제안하였으며, 형상 행렬 기반의 인식 방법을 함께 제안하고 검증하였다. 그러나 실제 해양 환경은 복잡하고 동적인 잡음 요소가 많다. 이러한 문제를 추가로 해결하기위해 본 논문의 Part 2에서는 연속되는 소나 영상에서 확률적으로 인식 후보를 선별하여 인식하고, 추적하는 프레임워크를 제안한다. 이 프레임워크는 4단계, 즉 유사도 기반 관심 후보의 선정, 확률 기반 최종 후보의 선정, 선정된 후보의 인식, 그리고 인식된 물체의 추적으로 구성되어 있다. 이러한 4단계의 구조가 병렬로 처리되어 실시간 처리가 가능하며 인식 대상체의 변경이나 알고리즘의 보강을 위한 유연한 구조를 가진다. 제안한 프레임워크를 구성하는 파티클 필터 기반의 후보 선별 알고리즘과 평균-이동 (mean-shift) 기법에 의한 추적 방법을 함께 제안하였다. 수조 실험과 실해역 실험을 수행을 통하여 성능을 검증하였으며 결과에 대한 상세한 분석을 수행하였다. 인공 표식의 추적에서 얻어진 상대거리, 방향 등의 정보는 수중 로봇의 제어와 항법을 위해 사용될 것으로 기대하고 있다.

• 융합신호처리학회논문지
• /
• 제11권3호
• /
• pp.203-208
• /
• 2010

본 논문에서는 소나 시스템을 통해 획득된 수중 음향 신호를 디지털 영상의 형태로 변환한다. 그리고 이러한 형태의 영상에 대해 영상 처리 기법을 도입하여 표적 후보를 탐지하고, 이들 영역에 대해 정보를 강화하는 알고리즘을 제안한다. 수중 표적의 탐지 과정은 우선 수중음향신호 영상에서 불규칙한 형태로 분포하고 있는 배경 잡음을 추정하여 재구성한 뒤, 원 영상에서 배경 영상을 제거하여 초기 표적 후보군을 획득한다. 또한 도플러 신호 정보를 가공하여 가중치 맵을 생성하고, 배경잡음이 제거된 영상에 대해 가중치 맵을 이용한 필터링 과정을 수행함으로써 표적 후보에 대한 정보를 보다 정확히 확보하고, 단일프레임에서의 표적 후보 정보를 강화한다. 본 논문에서는 시뮬레이션으로 획득된 수중음향신호에 대해 제안된 알고리즘을 적용하여, 불규칙적으로 발생하게 되는 잡음이 대부분 제거됨을 확인하였고, 필터링 및 표적 탐지 과정을 통해 수중음향신호 영상에서 표적이 더욱 명확히 표시됨을 확인하였다.

• 전자공학회논문지
• /
• 제54권3호
• /
• pp.108-118
• /
• 2017

본 논문은 수중 로봇 항법에 사용하기 위한 영상 소나 기반 SLAM (simultaneous localization and mapping) 방법을 제안하고, 성능 평가를 위해 실제 로봇에 탑재하여 실험한 내용을 소개한다. 일반적인 수중 항법은 관성 센서에서 출력되는 정보를 바탕으로 로봇의 위치 및 자세(x,y,z,${\phi}$,${\theta}$,${\psi}$)를 추정한다. 하지만, 장시간 주행할 경우 위치 오차의 누적으로 인하여 정확도가 감소하게 된다. 이에 본 논문에서는 영상 소나로부터 얻을 수 있는 외부 정보를 바탕으로 관성 항법의 위치 추정 성능을 높이고 지도 작성을 수행할 수 있는 SLAM 방법을 제안하고자 한다. 영상 소나를 위한 인공 표식물과 확률 기반 물체 인식 구조를 통해 인공 표식물의 인식 성능을 높이고, 이를 통해 얻게 된 인공 표식물의 위치 정보를 활용하여 관성 항법의 누적 오차를 줄이고자 한다. 항법 알고리즘으로는 확장형 칼만 필터(Extended Kalman Filter, EKF)를 적용하여 로봇의 위치 및 자세를 추정하고 지도를 작성한다. 제안한 방법은 선박해양플랜트연구소에서 보유 중인 수중 로봇 'yShark'에 탑재하여 대형 수조에서 실시간 검증을 수행하였다.