• 한국인터넷방송통신학회논문지
• /
• 제12권4호
• /
• pp.153-159
• /
• 2012

안전하고 쾌적한 도시 환경을 조성하기 위해 폐기물 매립 시설은 필요하며 폐기물 부피 관리의 신뢰성 및 용량 정보의 정확성을 파악하는 것이 필요하다. 이 논문에서는 쓰레기 매립의 표준화를 위한 일환으로 쓰레기 체적을 주기적으로 계산하는 알고리즘을 제시하였다. 스테레오 카메라 캘리브레이션 이후에 대상체의 표면에 대한 포인트 클라우드(point cloud)를 얻을 수 있었으며 이것을 물체의 체적 계산 알고리즘의 입력으로 선택하였다, 비균일 삼각 격자 기반 메싱(non-uniform triangular meshing) 방법에 기초한 두 개의 체적 계산 알고리즘을 제안하였으며 알고리즘의 타당성을 시뮬레이션과 실제 실험을 통해 입증하였다. 제시된 알고리즘은 쓰레기 매립의 체적 계산 뿐 만이 아니라 삼차원 객체의 일반적인 체적 계산을 위한 알고리즘으로도 사용될 수 있다.

• 한국산학기술학회논문지
• /
• 제20권10호
• /
• pp.236-242
• /
• 2019

최근 유지보수 등의 목적으로 다양한 건설 및 건축 분야에서 스캔 프로젝트가 수행되고 있다. 스캔된 결과로 생선된 포인트 클라우드는 스캔 대상물을 표현하는 수많은 점들로 구성되어 있다. 이런 스캔 데이터에서 치수를 포함한 필요한 정보를 추출하는 과정을 역설계라 한다. 포인트 클라우드를 BIM으로 모델링하는 역설계 과정은 수많은 수작업이 포함되어 있다. 시간이 많이 소모되는 역설계 작업 특성상 설계변경 같은 재작업 요청이 발생되면 비용은 기하급수적으로 증가한다. 역설계 자동화 기술이 이런 문제를 개선하는 데 도움을 줄 수 있다. 하지만, 역설계 산출물은 유스케이스에 따라 가변성을 가지며, 산출물의 종류와 상세수준은 달라질 수 있다. 이런 점을 고려해, 본 연구는 건축물 평면객체 기본 형상(primitive geometry)에서 BIM객체로 자동 맵핑하는 G2BM(Geometry-to-BIM mapping) 규칙 정의 방법을 제안한다. G2BM는 사용자 활용사례 가변성을 고려한 건축물 평면 BIM객체 역설계 프로세스 정의와 사용자화 방안을 제안한다. 그리고, 프로토타입을 통해 이에 대한 효과를 확인한다.

• 한국정보통신학회논문지
• /
• 제22권11호
• /
• pp.1505-1510
• /
• 2018

그래픽스 분야의 제품모델링 제작기술은 급속하게 발전하고 있고 3차원 데이터 응용과 활용성은 계속 증가하고 있다. 제품디자인 제작에 있어 3차원 모델링 제작에는 많은 시간이 소요된다. 최근 역설계 방식은 3D 데이터의 응용과 제작시간단축으로 활용성이 크다. 본 연구는 영상데이터 기반으로 포토메트리를 이용하여 3차원 포인트 클라우드 및 메쉬 데이터를 추출하고 이를 응용하여 제품의 1차 시안을 제작한다. 디자인 수정에 중점을 두어 2차 시안이 제작되었으며 3차 시제품 제작을 위한 3D 프린팅 작업을 진행한다. 이러한 제품디자인 제작과정에서 영상데이터의 활용과 가능성 및 3D 모델링 제작시간의 단축, 효율적인 프로세스를 제시한다. 또한 제품디자인 환경변화에 대응하기 위한 신제품 개발 프로세스 시스템의 모델을 제안한다.

• 한국정보통신학회논문지
• /
• 제26권9호
• /
• pp.1330-1339
• /
• 2022

3D 물체검출은 대체로 자동차, 버스, 사람, 가구 등과 같은 비교적 크기가 큰 데이터를 검출하는 것을 목표로 두어 작은 객체 검출에는 취약하다. 또한, 임베디드 기기와 같은 자원이 제한적인 환경에서는 방대한 연산량 때문에 모델의 적용이 어렵다. 본 논문에서는 1개의 레이어만을 사용하여 로컬 특징에 중점을 두어 작은 객체 검출의 정확도를 높였으며, 제안한 사전 학습된 큰 네트워크에서 작은 네트워크로의 지식 증류법과 파라미터 크기에 따른 적응적 양자화를 통해 추론 속도를 향상시켰다. 제안 모델은 SUN RGB-D Val 와 자체 제작한 모형 사과나무 데이터 셋을 이용하여 성능을 평가하였고 최종적으로 mAP@0.25에서 62.04%, mAP@0.5에서 47.1%의 정확도 성능을 보였으며, 추론 속도는 120.5 scenes per sec로 빠른 실시간 처리속도를 보였다.

• 한국항행학회논문지
• /
• 제27권2호
• /
• pp.182-189
• /
• 2023

깊이 추정은 차량, 로봇, 드론의 자율주행을 위한 3차원 지도 생성의 핵심 기술이다. 기존의 센서 기반 깊이 추정 방식은 정확도는 높지만 가격이 비싸고 해상도가 낮다. 반면 카메라 기반 깊이 추정 방식은 해상도가 높고 가격이 저렴하지만 정확도가 낮다. 본 연구에서는 무인항공기 카메라의 깊이 추정 성능 향상을 위해 Self-Attention 기반의 비지도 단안 카메라 영상 깊이 추정을 제안한다. 네트워크에 Self-Attention 연산을 적용하여 전역 특징 추출 성능을 향상시킨다. 또한 카메라 파라미터를 학습하는 네트워크를 추가하여 카메라 칼리브레이션이 안되어있는 이미지 데이터에서도 사용 가능하게 한다. 공간 데이터 생성을 위해 추정된 깊이와 카메라 포즈는 카메라 파라미터를 이용하여 포인트 클라우드로 변환되고, 포인트 클라우드는 Octree 구조의 점유 그리드를 사용하여 3D 맵으로 매핑된다. 제안된 네트워크는 합성 이미지와 Mid-Air 데이터 세트의 깊이 시퀀스를 사용하여 평가된다. 제안하는 네트워크는 이전 연구에 비해 7.69% 더 낮은 오류 값을 보여주었다.

• 한국구조물진단유지관리공학회 논문집
• /
• 제27권5호
• /
• pp.84-88
• /
• 2023

최근 컴퓨터 비전, LiDAR 등을 활용하여 구조물의 유지관리를 효율화하기 위한 연구가 활발하게 이루어지고 있다. 건축물의 경우, 점검 항목 중 하나인 기울기는 일반적으로 토탈스테이션을 이용하여 계측하는데, 점검자에 따라 계측값이 일정하지 않아 정확한 기울기 값을 얻기 어렵다. 따라서, 본 연구에서는 현행 건축물 기울기 계측 방식의 신뢰도를 개선하고 측정 과정을 효율화하기 위하여 Point Cloud를 활용한 건축물 기울기 측정 자동화 방법론을 제안한다. 제안 방법론의 기울기 추정 알고리즘은 적용 대상을 직육면체 형태의 건물로 제한하며 외벽 평면 추출과 모서리 추정 및 기울기 계산의 두 단계로 이루어져 있다. 해당 알고리즘을 실제 건축물에 적용하여 기울기를 추정하였고, 이를 토탈스테이션을 이용한 계측방법과 비교하였다. 그 결과, 제안 기법은 정확도와 객관성, 그리고 자동화 관점에서 기존의 측정방식을 대체할 만한 수준으로 판단된다.

• 한국BIM학회 논문집
• /
• 제13권4호
• /
• pp.96-105
• /
• 2023

This study focuses on developing a building object recognition technology for efficient use in the remodeling of buildings constructed without drawings. In the era of the 4th industrial revolution, smart technologies are being developed. This research contributes to the architectural field by introducing a deep learning-based method for automatic object classification and recognition, utilizing point cloud data. We use a TD3D network with voxels, optimizing its performance through adjustments in voxel size and number of blocks. This technology enables the classification of building objects such as walls, floors, and roofs from 3D scanning data, labeling them in polygonal forms to minimize boundary ambiguities. However, challenges in object boundary classifications were observed. The model facilitates the automatic classification of non-building objects, thereby reducing manual effort in data matching processes. It also distinguishes between elements to be demolished or retained during remodeling. The study minimized data set loss space by labeling using the extremities of the x, y, and z coordinates. The research aims to enhance the efficiency of building object classification and improve the quality of architectural plans by reducing manpower and time during remodeling. The study aligns with its goal of developing an efficient classification technology. Future work can extend to creating classified objects using parametric tools with polygon-labeled datasets, offering meaningful numerical analysis for remodeling processes. Continued research in this direction is anticipated to significantly advance the efficiency of building remodeling techniques.

• 한국측량학회지
• /
• 제39권6호
• /
• pp.363-369
• /
• 2021

정밀도로지도는 자율주행차의 기본 인프라로 활용되어 최신 도로정보가 신속하게 반영되어야 한다. 하지만 현재 정밀도로지도 공정 중 객체 도화 및 구조화 편집과정이 수작업으로 이루어지며 주요 구축 대상인 도로 노면선 표시의 레이어를 생성하는데 가장 오랜 시간이 소요된다. 이에 본 연구에서는 선행 연구에서 기학습된 포인트넷(PointNet) 모델을 통해 색상 유형(백색, 청색, 황색)이 예측된 도로 노면선 표시의 포인트 클라우드를 입력 데이터로 활용하였고, 이를 기반으로 본 연구에서는 도로 노면선 표시 레이어의 도화 및 구조화 편집을 자동화하는 방법론을 제안하였다. 제안한 방법론을 통해 구축한 3차원 벡터 데이터의 활용성을 검증하기 위해 정밀도로지도 품질검사 기준에 따라 정확도를 분석하였다. 벡터 데이터의 위치정확도 검사에서 수평 오차와 수직 오차에 대한 평균제곱근오차(RMSE: Root Mean Square Error)는 0.1m 이내로 나타나 적합성을 검증하였으며, 구조화 편집 정확도 검사에서 선표시 유형과 선규제 유형의 구조화 정확도가 모두 88.235%로 나타나 활용성을 검증하였다. 따라서, 본 연구에서 제안한 방법론으로 정밀도로지도를 위한 도로 노면선 표시의 벡터 데이터를 효율적으로 구축할 수 있는 것을 알 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2013년도 제48차 하계학술발표논문집 21권2호
• /
• pp.5-8
• /
• 2013

이 논문에서는 쓰레기 매립의 표준화 및 고도화를 위한 일환으로 쓰레기 체적을 주기적으로 계산하는 알고리즘을 제시하였다. 카메라 캘리브레이션 이후에 대상체의 표면에 대한 포인트 클라우드(point cloud) 데이타를 얻을 수 있었으며 이것을 제시된 체적 계산 알고리즘의 입력이 된다. 균일(uniform) 및 비균일 삼각 격자 기반 메싱(non-uniform triangular meshing) 방법에 기초한 두 개의 체적 계산 알고리즘을 제안하였으며 알고리즘의 타당성을 시뮬레이션과 실제 현장 실험을 통해 입증하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2015년도 제46회 하계학술대회
• /
• pp.1373-1374
• /
• 2015

본 논문은 복잡한 비선형 모델링 방법인 다항식 기반 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)와 벡터공간에서 임의의 비선형 경계를 찾아 두 개의 집합을 분류하는 방법으로 주어진 조건하에서 수학적으로 최적의 해를 찾는 SVM(Support Vector Machine)를 사용하여 3차원 얼굴인식 모델을 설계하고 두 모델의 3차원 얼굴 인식률을 비교한다. 3D스캐너를 통해 3차원 얼굴형상을 획득하고 획득한 영상을 전처리 과정에서 포인트 클라우드 정합과 포즈보상을 수행한다. 포즈보상 통해 정면으로 재배치한 영상을 Multiple Point Signature기법을 이용하여 얼굴의 깊이 데이터를 추출한다. 추출된 깊이 데이터를 RBFNN과 SVM의 입력패턴과 출력으로 선정하여 모델을 설계한다. 각 모델의 효율적인 학습을 위해 PCA 알고리즘을 이용하여 고차원의 패턴을 축소하여 모델을 설계하고 인식 성능을 비교 및 확인한다.