• 제목/요약/키워드: 영구음영지역

검색결과 7건 처리시간 0.021초

달 영구음영지역에서 로버 탐사를 위한 저조도 영상강화 및 영상 특징점 추출 성능 실험 (Experiment on Low Light Image Enhancement and Feature Extraction Methods for Rover Exploration in Lunar Permanently Shadowed Region)

  • 박재민;홍성철;신휴성
    • 대한토목학회논문집
    • /
    • 제42권5호
    • /
    • pp.741-749
    • /
    • 2022
  • 달 영구음영지역에 얼음 형태의 물이 발견되면서 주요 우주국들은 로버 중심의 현장 탐사를 준비 중이다. 달 영구음영지역은 극지역 크레이터의 중심부로 태양광이 직접 도달하지 않지만, 크레이터 벽면으로부터 반사되는 태양광으로 인해 일정 수준의 저조도 환경이 유지되는 것으로 예상된다. 본 연구에서는 달 영구음영지역의 조도와 지형환경을 모사한 실내 테스트베드를 구축하여 모의 지형영상을 촬영하였다. 모의 영상을 대상으로 저조도 영상강화 기법(CLAHE, Dehaze, RetinexNet, GLADNet)을 적용하여 밝기값과 색상복원 효과를 분석하였고, 특징점 추출 및 정합 기법(SIFT, SURF, ORB, AKAZE)의 성능 향상을 분석하였다. 실험 결과 GLADNet과 Dehaze 영상 순으로 저조도 환경에 강인한 시인성 개선 효과를 보여주었다. 반면 특징점 검출 및 정합 기법은 Dehaze와 GLADNet 영상 순으로 성능이 향상됨을 확인하였고, 특히 ORB와 AKAZE의 성능이 크게 개선되었다. 달 탐사에서 로버 탑재 카메라는 3차원 지형정보구축과 지질학적 조사에 활용된다. 따라서 GLADNet은 토양 성분과 암석 종류 판별에 유용하고, Dehaze는 로버의 주행과 함께 3차원 지형정보 구축에 적합할 것으로 판단된다.

달 지하 얼음 층 존재 가능조건 검토를 위한 달 지반 온도 프로파일 산정 연구 (A Study on the Lunar Ground Temperature Profile for Investigation of Possible Condition of the Ice Layer Existence in Sub-surface of the Moon)

  • 고규현;이장근;신휴성
    • 대한토목학회논문집
    • /
    • 제39권6호
    • /
    • pp.801-809
    • /
    • 2019
  • 2009년 NASA에서 수행된 달 극지 탐사 미션을 통해 달 극지의 영구음영지역에 얼음 층이 존재한다는 증거가 발견되었다. 이후, 달 극지 지역 얼음 층 탐사를 위한 지반 특성 평가 연구들이 국내외적으로 활발히 이루어지고 있다. 본 연구에서는 달 영구음영지역의 지반온도변화를 예측하고, 얼음 층이 지반 온도 프로파일에 미치는 영향을 정량적으로 평가하고자 달 지반에 대한 비정상 상태 열 해석을 수행하였다. 수치해석결과를 통해 위도 86° 이상에서 달 지반 내부의 온도가 얼음승화 기준온도인 112 K 이하로 수렴한다는 것을 확인하였고, 이는 달 극지 내 얼음 층이 존재하고 있을 가능성이 높은 지역을 확률적으로 판단할 수 있는 근거가 되었다. 얼음 층이 매장되어 있는 깊이에 따라 지반 온도 프로파일에 미치는 영향정도가 다르게 나타났는데, 온도 편차가 큰 얕은 심도에 존재하는 얼음 층은 이질적인 온도분포 특성을 초래한다는 사실을 확인하였다. 또한, 본 연구는 매장된 얼음의 상을 보존하도록 하는 드릴 비트의 최대 허용 마찰열에 대해서 고찰하였다.

추적식 영농형 태양광발전시스템 구축에 따른 음영별 하부작물 벼(Oryza sativa L.)의 생육비교 (Comparative Analysis of Growth and Development of Paddy Rice (Oryza sativa L.) by Light Intensity under Farm-type Solar Photovoltanic Power Station)

  • 김언약;이예진;강인진;손혜민;신민호;배창휴
    • 한국자원식물학회:학술대회논문집
    • /
    • 한국자원식물학회 2022년도 추계학술대회
    • /
    • pp.85-85
    • /
    • 2022
  • 영농형 태양광발전은 태양의 일사량을 전기발전과 영농에 공유하는(solar-sharing) 방식이다. 본 연구는 신재생에너지의 활용의 극대화를 위하여 추적식 영농형 태양광발전시스템을 구축하고 시설하부에서 일정 기간 재배중인 작물의 하부 환경과 생육을 조사하여 영농형태양광 하부작물개발을 위한 기초자료를 확보하고자 하였다. 구축한 추적식 영농형 태양광발전시스템은 4열 6단의 24장 모듈(8m × 6m)을 가지며, 발전시설 중심축 기둥 간 중심간격 14m로 단일지주식 스크루 공법으로 순천대학교 부속농장 답작포(순천시 죽평리)에 설치하여 하부 환경과 하부작물의 생육을 조사하였다. 태양광발전시설 하부작물의 생육을 조사하기 위하여 순천 농협육묘장에서 벼(신동진)를 육묘하여 2022년 6월 16일 이앙하였다. 태양광발전시스템 하부 지역을 4방위 방향에 따라 강음영(중심축으로부터 1~3m), 중음영(5m), 약음영(7~9m) 구역으로 설정하여 생육을 조사한 결과, 방위에 따른 초장은 남쪽에서 음영간 차이가 상대적으로 낮게 나타났으며, 1번기 태양광 발전시설에 의하여 음영이 중첩된 2번기 시설의 동쪽에서 대조구 대비 초장이 상대적으로 낮은 경향을 나타내었다. 음영강도에 따른 초장은 대체로 강음영구에서 낮게 나타났으며, 약음영구로 갈수록 높게 나타났다. 엽수는 방위에 따라서, 그리고 음영의 강도에 따른 차이가 초장에 비하여 작게 나타났다. 출수기의 경우 방위별로는 남쪽에서 음영별 차이가 작게 나타났으며, 음영강도에 따라서 차이를 보였다. 또한 태양광시설 하부에 데이터수집장치(Model 1650, Spctrum Technonogies, USA)를 설치하여 음영에 따른 토양전도도, 토양함수량, 토양온도, par light 등 생육환경을 조사, 비교하였다.

  • PDF

우주 현지자원활용 글로벌 동향 (Global Trends of In-Situ Resource Utilization )

  • 류동영
    • 우주기술과 응용
    • /
    • 제3권3호
    • /
    • pp.199-212
    • /
    • 2023
  • 과거 1970년대까지의 달 표면탐사에서는 단기간 달에서의 임무 특성을 가지는 것에 비해 최근 달 표면탐사는 달에서의 장기체류와 이를 기반으로 궁극적으로 화성까지 탐사 범위를 확장하는 방향으로 진행되고 있다. 인간의 달표면 장기체류를 실현하기 위해서는 탐사 현지 자원을 활용하여 체류에 필요한 소비재나 연료 등의 현지 생산 및 사용이 중요한 전제가 된다. 국제우주탐사협의체(ISECG, International Space Exploration Coordination Group)에서 각국의 우주탐사 계획을 반영하여 제시하는 글로벌 우주탐사 로드맵에는 달표면 탐사로부터 화성탐사로 이어지는 발전 단계가 제시되며 각 단계에서 현지자원활용은 중요한 요소가 되고 있다. 본 논문에서는 국제우주탐사협의체의 현지자원활용(ISRU) 격차분석 보고서를 기반으로 현지자원활용의 기술 분야를 현지 연료 및 소비재 생산, 현지 건설, 우주상 제조, 그리고 생성 결과물의 보관 및 활용, 자원활용에 필요한 전력시스템 등과 같은 연관 분야로 분류하여 주요 분야에서의 기술 개발 및 검증 현황을 분석한다. 다수의 국가는 달 자원 중 극 지역 영구음영지역의 얼음물 이용 그리고 표토에서 산소 등의 추출에 우선 순위를 부여하고, 무인 착륙임무를 통하여 달 남극 영구음영지역 근처에서 물질 및 물 분포 확인을 준비하고 있다. 자원 활용을 위하여 수전해를 이용한 수소, 산소 등 연료 생산, 모사토를 이용한 달 표토에서 산소의 추출 등의 기술을 개발하고 있다. 자원활용 기술의 개발을 위하여 지상에 달표면 모사환경을 구현하고 기술의 개발, 시나리오의 시연 등을 통한 효율적 현지자원활용 구현 방법 등을 모색하고 있다. 지속 가능한 달 표면 탐사를 위하여 각국은 달 표면 도달, 자원의 조사, 물질의 추출 등에 서비스 구매 등 민간 영역의 능력을 활용하고 발전시키는 노력을 병행하고 있다.

딥러닝을 이용한 달 크레이터 탐지 (Lunar Crater Detection using Deep-Learning)

  • 서행자;김동영;박상민;최명진
    • 우주기술과 응용
    • /
    • 제1권1호
    • /
    • pp.49-63
    • /
    • 2021
  • 태양계 천체 탐사는 다양한 탑재체를 통해 이루어지고 있고, 그에 따라 많은 연구 결과들이 나오고 있다. 우리는 태양계 천체 연구의 한 방법으로 딥러닝 적용을 시도해 보았다. 지구 관측 위성 자료와 다르게 태양계 천체 자료들은 천체들에 따라 탐사선에 따라 각 탐사선의 탑재체에 따라 그 자료의 형태가 매우 다르다. 그래서 학습시킨 모델로 다양한 자료에 적용이 어려울 수 있지만 사람에 의한 오류를 줄이거나, 놓치는 부분들을 보완해 줄 수 있을 것이라고 기대한다. 우리는 달 표면의 크레이터를 탐지하는 모델을 구현해 보았다. Lunar Reconnaissance Orbiter Camera (LROC) 영상과 제공하는 shapefile을 입력값으로 하여 모델을 만들었고, 이를 달 표면 영상에 적용하여 보았다. 결과가 만족스럽지는 못했지만 이후 이미지 전처리와 모델 수정 작업을 통해 최종적으로는 ShadowCam에 의해 획득되는 달의 영구음영지역 영상에 적용할 예정이다. 이 외에도 달 표면과 비슷한 형태를 가진 세레스와 수성에 적용을 시도하여 딥러닝이 태양계 천체 연구에 또 다른 방법임을 시사하고자 한다.

고진공 및 극저온 달의 지상 환경 재현을 위한 지반열진공챔버 운영 효율성 평가 (Assessment of DTVC Operation Efficiency for the Simulation of High Vacuum and Cryogenic Lunar Surface Environment)

  • 진현우;정태일;이장근;신휴성;유병현
    • 한국지반공학회논문집
    • /
    • 제38권12호
    • /
    • pp.125-134
    • /
    • 2022
  • 세계 우주 기관들로 조직된 국제 우주탐사 협력 그룹이 발간하는 글로벌 우주탐사 로드맵에서는 미래 달 탐사 방향과 달 자원 활용을 위한 거주 계획을 반영하는 등 달은 심우주 탐사를 위한 전초기지로 주목받고 있다. 따라서 달 행성 지반 환경 재현 인프라 기술은 미래 달 지상 탐사를 위해 필요한 다양한 장비들의 성능검증에 활용될 수 있다. 본 연구에서는 달 착륙 및 기지 건설 후보지인 달 남극 영구음영지역의 고진공 및 극저온 지상 환경을 재현하고자 하였다. 현재까지 달 지상 환경 재현을 위한 효율적 장비 운용 프로세스는 제시되지 못한 실정으로, 본 연구에서는 파일럿 지반열진공챔버에 인공월면 지반을 조성한 뒤 다양한 진공 환경에 대해 일방향 지반냉각 실험을 진행하고 이를 평가하였다. 냉각효율 및 장비 안정성 측면에서 가장 유리한 진공 환경은 30-80 mbar인 것으로 파악되었으나, 고진공 환경에서 얼음이 승화되지 않기 위한 극저온의 온도를 구현하기 위해서는 주변부 냉각이 추가적으로 요구되었다. 이를 위해 본 연구에서는 동결비 개념을 적용해 효율적인 주변부 냉각 가동 시점을 제안하였다.

달기지 건설을 위한 딥러닝 기반 달표면 크레이터 자동 탐지 (A Deep-Learning Based Automatic Detection of Craters on Lunar Surface for Lunar Construction)

  • 신휴성;홍성철
    • 대한토목학회논문집
    • /
    • 제38권6호
    • /
    • pp.859-865
    • /
    • 2018
  • 달 지상 인프라 및 기지 건설은 건설재료나 에너지 확보가 가능한 지역과 연계되어야 하며, 얼음 등의 핵심 자원이 풍부한 영구음영 지역을 형성하는 달 크레이터 지형의 탐지와 정보 수집이 선행되어야 한다. 본 연구에서는 이러한 달 크레이터(crater) 객체 정보를 최신 딥러닝 알고리즘을 이용해 효과적으로 자동 탐지하는 방안에 대해 고찰하였다. 딥러닝 학습을 위해 NASA LRO 달 궤도선의 레이저 고도계 데이터를 기반으로 구축된 9만개의 수치표고모델과 개별 수치표고모델에 존재하는 크레이터들의 위치와 크기를 레이블링한 자료를 활용하였다. 딥러닝 학습은 최신 알고리즘인 Faster RCNN (Regional Convolution Neural Network)을 자체적으로 코드화하여 적용하였다. 이를 통해 학습된 딥러닝 시스템은 학습되지 않은 달표면 이미지 내 크레이터를 자동 인식하는데 적용되었으며, NASA에서 인력에 의해 정의한 크레이터 정보들의 오류를 자동 보정 가능하고, 정의되지 않은 많은 크레이터 까지도 자동 인식 가능함을 보였다. 이를 통해 공학적으로 매우 가치가 있는 각 지역별 크레이터들의 크기 분포 특성 및 발생 빈도 분석 등이 가능하게 되었으며, 향후에는 시간 이력별 변화추이도 분석 가능할 것으로 판단된다.