• Journal of Positioning, Navigation, and Timing
• /
• 제10권4호
• /
• pp.235-242
• /
• 2021

Unmanned Aerial Vehicles (UAVs), which were used for military purposes, are gradually expanding their application fields under the influence of electrification and digitalization. Starting from the field of aerial imaging and Intelligence Surveillance and Reconnaissance (ISR) mission, nowadays the possibility of Urban Air Mobility (UAM), which transports passengers and cargo with drones, is widely under discussion. In order to occupy the rapidly growing global unmanned aerial vehicle market in advance, it is necessary to secure core technologies and develop key UAVs components based on the new technologies. In the navigation field, it is necessary to secure a precise position with guaranteed reliability and continuity, unrelated to the operating environments. The reliability and continuity should be secured in the algorithm level and in the H/W component levels also. In order to achieve this technical goal, the Ministry of Science and ICT has launched the 'Unmanned Vehicle Core Technology Research and Development Program' in 2019 to support the R&D on the unmanned vehicle technologies. In this paper, authors introduce the unmanned vehicle core technology research and development program to the related researchers. The authors summarize the backgrounds of the program and show the technological tasks and objectives on the sub-programs in the unmanned vehicle navigation program. We present the program schedules especially focused on the test and evaluation of the developed technologies and components.

• 대한원격탐사학회지
• /
• 제33권5_1호
• /
• pp.537-546
• /
• 2017

본 연구는 무인항공기 및 다중분광센서를 이용한 부유쓰레기 탐지 알고리즘을 개발하고자 하였다. 또한 알고리즘을 적용하여 하천의 부유쓰레기 발생 범위를 산정하였다. 부유쓰레기 탐지 구간을 대상으로 무인항공기를 이용한 항공촬영을 통해 면적 계산이 가능한 정사영상을 생성하였으며, 분광조사를 수행하여 하천수, 스티로폼, 초목류 등의 분광학적 특성을 이용한 부유쓰레기 탐지 지수식을 산출하였다. 그리고 산출된 지수식을 이용한 센서의 밴드 조합을 통해 스티로폼을 비롯한 부유쓰레기를 탐지하였다. 탐지 지수식 적용 결과 정사영상 내 총 3지점에서 대량의 부유쓰레기 집적 구간이 확인되었으며, 탐지 대상 면적 중 집적구간을 포함한 3.6%에 해당하는 0.82 ha($8,200m^2$)에서 스티로폼과 초목류를 포함한 대량의 부유쓰레기가 발생한 것으로 추정되었다.

• 한국항행학회논문지
• /
• 제25권1호
• /
• pp.115-123
• /
• 2021

잣은 우리나라 대표적인 견과류 임산물이자 수익형 작물이다. 그러나 잣송이는 사람이 직접 나무 위로 올라가 수확하기 때문에 위험성이 높다. 이러한 문제를 해결하기 위해서 로봇 또는 UAV(unmanned aerial vehicle)를 이용한 잣송이 수확이 필요하다. 본 논문에서는 UAV를 이용한 잣송이 수확을 위해 UAV 항공 영상에서 딥러닝(deep learning) 기반의 잣송이 검출 기법을 제안한다. 이를 위해, UAV를 이용하여 실제 잣나무 숲에서 동영상을 촬영했으며, 적은 수의 데이터 보완을 위해 데이터 증강기법을 사용했다. 3D 검출을 위한 데이터로는 Unity3D을 이용하여 가상 잣송이 및 가상환경을 3D 모델링 하였으며 라벨링은 좌표계의 3차원 변환법을 이용해 구축했다. 잣 분포 영역 검출, 잣 객체에 대한 2D 및 3D 검출을 위한 딥러닝 알고리즘은 DeepLabV3, YOLOv4, CenterNet을 각각 이용하였다. 실험 결과, 잣송이 분포 영역 검출률은 82.15%, 2D 검출률은 86.93%, 3D 검출률은 59.45%이었다.

• 한국전자통신학회논문지
• /
• 제15권6호
• /
• pp.1209-1216
• /
• 2020

본 연구에서는 무인항공기 원격탐사 기법과 딥러닝 기반 객체인식 알고리즘을 활용한 해안표착폐기물 탐지기법을 제안한다. 항공영상 내에 존재하는 해안표착폐기물을 탐지하기 위해 심층신경망 기반 객체 인식 알고리즘을 제안하였다. PET, 스티로폼, 기타 플라스틱의 3가지 클래스의 이미지 데이터셋으로 심층신경망 모델을 훈련시켰으며, 각 클래스별 탐지 정확도를 Darknet-53과 비교하였다. 이를 통해 해안표착 폐기물을 무인항공기를 통해 성상별 모니터링할 수 있었으며, 향후 본 연구에서 제안하는 방법이 적용될 경우 해변 전체에 대한 성상별 전수조사가 가능하며, 이를 통해 해양환경 감시 분야의 효율성 증대에 기여할 수 있을 것으로 판단된다.

• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.871-876
• /
• 2022

In the construction industry, fatal accidents related to scaffolds frequently occur. To prevent such accidents, scaffolds should be carefully monitored for their safety status. However, manual observation of scaffolds is time-consuming and labor-intensive. This paper proposes a method that automatically analyzes the installation status of scaffold joints based on images acquired from a Unmanned Aerial Vehicle (UAV). Using a deep learning-based object detection algorithm (YOLOv5), scaffold joints and joint components are detected. Based on the detection result, a two-stage rule-based classifier is used to analyze the joint installation status. Experimental results show that joints can be classified as safe or unsafe with 98.2 % and 85.7 % F1-scores, respectively. These results indicate that the proposed method can effectively analyze the joint installation status in UAV-acquired scaffold images.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.71-73
• /
• 2019

차량이 얼마나 존재하고 어디에 존재하는지는 교통정보를 반영하는 GeoAI 기반 도시 환경의 구현에서 필수적으로 파악되어야 할 요소이다. 본 논문에서는 객체 검출 및 추출에 유용한 딥러닝 모델인 Mask R-CNN을 이용하여 차량 데이터를 학습시키고 드론으로 촬영한 실제 항공 영상에서 차량 검출 유무를 검증하였다.

• 대한원격탐사학회지
• /
• 제30권3호
• /
• pp.351-366
• /
• 2014

The aim of this study was to develop software for beach litter detection that includes a Graphical User Interface (GUI) and uses images taken by a micro-unmanned aerial vehicle. Videos were taken over Doomo pebble beach, Sogye pebble beach, and Heungnam sand beach on the northeast coast of Geojedo (Geoje Island), Korea. Still images of actual beach litter were obtained from the videos. The image processing involved preprocessing, morphological image processing, and image recognition. Comparison with still images showing beach litter demonstrated that the software could generally detect litter larger than 50 cm in size such as Styrofoam buoys and circular fish traps (excluding small pixel-size ropes). Combining the proposed method with the conventional surveying approach is expected to enhance the accuracy of beach litter detection. The new technique will also aid in predicting the amount of beach litter generated along coastlines, which is currently difficult to monitor.

• 교통기술과정책
• /
• 제5권2호
• /
• pp.89-104
• /
• 2008

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.233-240
• /
• 2024

본 연구에서는 5G 네트워크용 UAV(: Unmanned Aerial Vehicle)를 사용한 산업단지 내의 현장 상황을 실시간 감시하는 시스템에 대해 소개한다. UAV에 장착된 센서(화재, 유해가스 검출, 산업 재해형 인체 사고 감지)에서 모니터링 이벤트가 발생하면 센서의 주요 정보들이 UAS(: Unmanned Aerial System)애플리케이션 서버로 전달한다. 이러한 정보 전달 처리결과로, 산업단지공단의 관리자나 운영자는 사고 위험 상황별 트리거 처리를 통한 산업단지공단 내의 현장에서 인명사고와 화재, 그리고 유해 가스검출에 대한 법적인 근거 자료를 확보할 수 있게 되었다.

• 한국산학기술학회논문지
• /
• 제19권3호
• /
• pp.693-698
• /
• 2018

본 논문은 최근 물체탐지 분야에서 실시간 물체 탐지 알고리즘으로 주목을 받고 있는 YOLOv2(You Only Look Once) 알고리즘을 이용하여 밀집 영역에 주차되어 있는 자동차 탐지 방법을 제안한다. YOLO의 컨볼루션 네트워크는 전체 이미지에서 한 번의 평가를 통해서 직접적으로 경계박스들을 예측하고 각 클래스의 확률을 계산하고 물체 탐지 과정이 단일 네트워크이기 때문에 탐지 성능이 최적화 되며 빠르다는 장점을 가지고 있다. 기존의 슬라이딩 윈도우 접근법과 R-CNN 계열의 탐지 방법은 region proposal 방법을 사용하여 이미지 안에 가능성이 많은 경계박스를 생성하고 각 요소들을 따로 학습하기 때문에 최적화 및 실시간 적용에 어려움을 가지고 있다. 제안하는 연구는 YOLOv2 알고리즘을 적용하여 기존의 알고리즘이 가지고 있는 물체 탐지의 실시간 처리 문제점을 해결하여 실시간으로 지상에 있는 자동차를 탐지하는 방법을 제안한다. 제안하는 연구 방법의 실험을 위하여 오픈소스로 제공되는 Darknet을 사용하였으며 GTX-1080ti 4개를 탑재한 Deep learning 서버를 이용하여 실험하였다. 실험결과 YOLO를 활용한 자동차 탐지 방법은 기존의 알고리즘 보다 물체탐지에 대한 오버헤드를 감소 할 수 있었으며 실시간으로 지상에 존재하는 자동차를 탐지할 수 있었다.