• 한국멀티미디어학회논문지
• /
• 제25권2호
• /
• pp.145-156
• /
• 2022

Nowadays, the complexity of object tracking models among hardware applications has become a more in-demand duty to complete in various indeterminable environment tracking situations with multifunctional algorithm skills. In this paper, we propose a virtual city environment using AirSim (Aerial Informatics and Robotics Simulation - AirSim, CityEnvironment) and use the DQN (Deep Q-Learning) model of deep reinforcement learning model in the virtual environment. The proposed object tracking DQN network observes the environment using a deep reinforcement learning model that receives continuous images taken by a virtual environment simulation system as input to control the operation of a virtual drone. The deep reinforcement learning model is pre-trained using various existing continuous image sets. Since the existing various continuous image sets are image data of real environments and objects, it is implemented in 3D to track virtual environments and moving objects in them.

• Journal of Information Processing Systems
• /
• 제19권6호
• /
• pp.791-802
• /
• 2023

The manual inspection of photovoltaic (PV) panels to meet the requirements of inspection work for large-scale PV power plants is challenging. We present a hot spot detection and positioning method to detect hot spots in batches and locate their latitudes and longitudes. First, a network based on the YOLOv3 architecture was utilized to identify hot spots. The innovation is to modify the RU_1 unit in the YOLOv3 model for hot spot detection in the far field of view and add a neural network residual unit for fusion. In addition, because of the misidentification problem in the infrared images of the solar PV panels, the DeepLab v3+ model was adopted to segment the PV panels to filter out the misidentification caused by bright spots on the ground. Finally, the latitude and longitude of the hot spot are calculated according to the geometric positioning method utilizing known information such as the drone's yaw angle, shooting height, and lens field-of-view. The experimental results indicate that the hot spot recognition rate accuracy is above 98%. When keeping the drone 25 m off the ground, the hot spot positioning error is at the decimeter level.

• 한국산업융합학회 논문집
• /
• 제26권6_2호
• /
• pp.1073-1082
• /
• 2023

Thermal sensors, also called thermal infrared wavelength sensors, measure temperature based on the intensity of infrared signals that reach the sensor. The infrared signals recognized by the sensor include infrared wavelength(0.7~3.0㎛) and radiant infrared wavelength(3.0~100㎛). Infrared(IR) wavelengths are divided into five bands: near infrared(NIR), shortwave infrared(SWIR), midwave infrared(MWIR), longwave infrared(LWIR), and far infrared(FIR). Most thermal sensors use the LWIR to capture images. Thermal sensors measure the temperature of the target in a non-contact manner, and the data can be affected by the sensor's viewing angle between the target and the sensor, the amount of atmospheric water vapor (humidity), air temperature, and ground conditions. In this study, the characteristics of three thermal imaging sensor models that are widely used for observation using unmanned aerial vehicles were evaluated, and the optimal application field was determined.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.397-400
• /
• 2024

2013년 도커가 등장한 이후, 컨테이너 기술을 기반으로 한 프로젝트 및 사업이 지속적으로 활성화되고 있는 추세이다. 도커 컨테이너는 커널을 포함하고 있지 않음에 따라 기존 가상머신에 비해 경량화된 형태로 애플리케이션을 프로비저닝하는데 활용될 수 있다. 또한, 도커에서는 퍼블릭 도커 이미지 레포지토리인 Docker Hub를 통해 개발된 도커 이미지가 공유 및 배포될 수 있도록 하여 개발자들이 자신의 목적에 부합하는 서비스를 구축하는데 많은 도움을 주고 있다. 최근에는 클라우드 네이티브 환경에 대한 수요가 증가하면서 컨테이너 기술이 더욱 각광받고 있는 실정이다. 이에 따라 도커 이미지 및 이를 기반으로 한 도커 컨테이너 환경에 대한 보안을 위한 연구/개발은 다수 이루어지고 있으나, 도커 이미지 라이선스 컴플라이언스 이슈에 대한 논의 및 민감 데이터 보호 방안에 대한 연구/개발은 부재한 상황이다. 이에 본 논문에서는 도커 이미지 라이선스 컴플라이언스 위반 방지 시스템을 제안하여 도커 이미지 업로드시, Docker Hub 내 도커 이미지와 유사도 검사를 수행할 수 있는 방안을 제시하고자 하며, 도커 이미지 내 민감 데이터를 식별하고 이를 보안할 수 있는 방안에 대해 제시하여 신뢰할 수 있는 도커 컨테이너 공급망을 구축할 수 있음을 보인다.

• 자원환경지질
• /
• 제53권6호
• /
• pp.729-742
• /
• 2020

본 연구는 강릉 경포해변에서 약 500 m 거리에 위치한 노출암인 십리바위 주변에 발달한 사질-수중암반 해역에 대한 해저지형자료를 기반으로 해저면영상 및 수중영상과 드론영상 등을 중첩하고 통합 분석하여 동해 북부 연안 서식지의 해저면 환경 특성을 분석하고자 하였다. 십리바위 주변 약 600 m × 600 m 해역을 연구 범위로 선정하고 총 3회 현장자료를 획득하였다. 무인도서인 십리바위는 크게 2 개 노출암과 주변의 여러 돌출암, 노출암 및 수중암초들이 작은 군도 형태를 이루며 형성되어 있다. 십리바위 서쪽으로는 약 200 ~ 300 개의 인공구조물들에 의한 해중림초가 조성되어 있다. 십리바위 주변 약 600 m × 600 m 범위 해역의 수중암반지대는 수심 약 9 m ~ 11 m 범위 내에서 주로 발달해 있으며, 노출된 십리바위 남서쪽 주변으로는 암반지대가 수면 위에서부터 해저면으로 연장되어 발달된 특징을 보이고 있다. 동남쪽의 수심 약 10 m ~ 13 m 해역에는 가장 넓은 수중암반지대가 나타난다. 십리바위 주변해역은 총 4 가지 Type의 해저면 환경 특성이 나타나는데, 수중암반지대(Type I)가 가장 많이 분포하고 있다. 수중암반지대가 발달한 구간 주변이나 사이 및 십리바위 서쪽 방향의 경포해변으로 이어지는 해역은 연성기반의 사질 퇴적층이 나타나며, 조립한 사질 퇴적층이 형성되어 있는 구간(Type II: gS(gravelly Sand)과 세립한 사질 퇴적층구간(Type III: S(Sand)으로 나뉘어 분포하는 특징을 보이고 있다. 십리바위의 서쪽해역 일부 구간에는 인공적으로 형성된 해중림초(TypeIV)가 조성되어 있다. 수중 합성영상 촬영 범위인 십리바위 북서쪽의 약 10 m × 10 m의 수중암반지대에 형성되어 있는 서식지에는 해조류(약 6종), 해면동물(약 2종), 극피동물(약 3종), 연체동물(약 3종) 그리고 척삭동물(약 2종) 등이 우점하여 서식하고 있는 것으로 나타나고 있다. 수면 위 십리바위 조간대 범위에는 두드럭배말, 굵은줄격판담치 등의 연체동물과 거북손, 조무래기따개비 등의 절지동물들이 서식하고 있으며 그 범위와 분포 양상을 해저지형자료와 드론영상을 통합 분석한 자료에서 파악이 가능하다. 본 연구에서 파악하고 확인한 십리바위 및 주변 해역의 서식지 환경 특성은 해저지형자료를 기반으로 해저면영상, 표층퇴적물 시료, 수중영상 그리고 드론영상 등의 자료들을 통합 분석한 결과로 2차원의 분석 자료들을 3차원의 시각화된 주제도로 도출함으로써 해저지형 특성에 따른 서식 환경 특성 연구에 기여하고자 하였다.

• 한국지리정보학회지
• /
• 제20권4호
• /
• pp.115-125
• /
• 2017

현재 국가기본도는 국토 전역에 동일한 축척과 정확도로 제작하여 배포됨으로서 국토개발 GIS, 차량용 내비게이션 등 각종 주제도 및 신속한 공간정보 산업에 의사결정용으로 다양한 분야에 활용되고 있으며 공간정보 산업의 전반적인 확대를 위해 많은 연구와 정책을 제시하고 있다. 이에 따른 일환으로 공간정보의 최신성에 대한 문제점을 해소하기 위해 전국을 권역으로 나누어 기본도를 수정했던 것을 2013년부터는 상시 수정으로 정책 변경하여 공간정보의 최신성 확보에 일조하고 있다. 따라서 본 연구에서는 현재 많은 연구와 다양한 산업에서 각광받고 있는 드론(Drone)을 활용하여 국가기본도의 수정 및 갱신 가능성을 평가하였다. 특히 저가형 드론에서 취득한 정사영상정보와 3차원 점군(Point Clouds)을 수치지형도와 중첩하여 3차원 위치정보를 동시에 취득하여 수정 갱신업무에 적용한 결과 0.2m 정밀도와 0.1m의 정확도를 나타내고 있다. 이는 국가 기본도(축척: 1/5,000) 제작 작업규정의 오차범위를 준수하고 있어 수치지도 수정 갱신 업무까지도 충분이 활용이 가능한 것으로 판단된다.

• 한국ITS학회 논문지
• /
• 제16권6호
• /
• pp.182-194
• /
• 2017

그동안 교통관리에서 적용되던 드론 관련 연구는 도로나 차량을 검지하고 추적하는 연구가 대분이었다. 교통분야에서 영상이미지를 분석하는 목적은 기존 교통자료 수집체계(차량검지기, DSRC 등)의 한계를 극복하기 위함이다. 그런 의미에서 드론은 상당히 좋은 대안이나 최대 비행시간이 제한되어 있어 기존 수집체계를 대체하기 보다는 보완적 성격으로 활용되는 것이 타당하다. 따라서 교통조사분석을 위한 드론 활용방안에 대한 연구가 더 필요한 실정이다. 교통문제의 경우 특정 구간이나 지점에서 발생한 문제가 네트워크 전체로 확대되는 경우가 많아 드론을 이용하여 이러한 구간들에 대한 분석이 필요하다. 본 연구는 교통조사분석 활용을 위한 기초 연구로 드론으로 촬영된 고속도로 구간(800~1000m)을 단위 구간으로 분할하여 교통류 변수들을 추출하였다. 또한 영상기술의 발전으로 고고도에서 영상 촬영을 수행하였다.

• 융합신호처리학회논문지
• /
• 제22권4호
• /
• pp.179-184
• /
• 2021

최근 4차 산업의 발달로 공공분야에서 드론을 활용하여 다양한 목적으로 수색 및 실시간 모니터링에 대한 관심이 높아지고 있다. 실종자 수색, 치안, 해안 순찰 및 감시, 과속 단속, 고속도로 및 도심지역 교통상황 모니터링, 화재 및 산불감시, 저수지 불법 낚시 감시 모니터링, 집회 현장 상황에서 다양한 수색 및 감시 임무 목적을 가지고 활용되고 연구되고 있다. 그러나 경찰, 소방, 군에서는 드론의 하드웨어적인 부분에 집중되고 있어 고성능의 해상도 카메라, 열화상 카메라에 집중되고 카메라로 수집된 데이터의 실시간 모니터링을 위해 원활한 통신시스템 및 특수 임무에 부합하는 분석 프로그램 관련 연구가 매우 부족하다. 따라서 본 논문에서는 수색의 임무를 목적으로 하는 드론의 효용성을 높이기 위해 드론에서 취득되는 이미지를 기반으로 수색 임무에 적합한 이미지 데이터 생성하고자 한다. 이를 통해 수색의 정밀도를 높이는 이미지 분석 기법을 제안하고 실제 현장 사례 및 실험을 통하여 관련 정책개선 및 플랫폼 구축을 위한 이미지 분석 기술을 제시하고자 한다.

• 화약ㆍ발파
• /
• 제40권4호
• /
• pp.15-26
• /
• 2022

최근 건축물의 노령화에 따른 건물 전체 기능저하와 화재 및 지반침하와 같은 재난에 따른 건축물의 안정성 저하로 구조물 해체 수요가 급격히 증가하는 추세이다. 특히, 구조물 구성부위의 변형이나 손상의 정도가 심각한 구조물은 부재 내 집중하중이 발생하여 구조물 전체의 안정성이 저하되어 빠른 시일 내에 안전하게 구조물 해체가 가능한 시공기술에 대한 수요가 증가하고 있다. 또한, 노후 구조물에 대한 비인가 증축이나 불법 개조와 같은 구조적 변경으로 시공 당시 건물의 설계도면과 상이한 경우가 빈번하다고 보고되어오고 있다. 본 연구에서는 해체 대상 구조물의 시공 당시 도면과 현 시점 구조와의 차이점을 보완하기 위하여, 실내외 구조 표면에 대한 실측값을 활용하여 3차원 모델을 역설계하는 기법을 제안하였다. 실제 해체 시공 예정인 건축물을 대상으로 구조물 외곽에 대하여 드론 촬영을 실시하고 구조물 내부는 LiDAR 스캐닝을 수행하여 건물외곽과 실내에 대한 점군데이터를 획득한다. 각각 점군데이터는 Smartmapper를 활용하여 정밀하게 정합되며 2차원 도면제작과 3차원 구조해석용 모델 작성에 사용된다. 제안된 역설계 기법을 검증하기 위하여 드론화상자료, LiDAR 스캐너자료, 정합자료로부터 생성된 3차원 모델과 실측된 부재간의 거리를 비교하였다.

• 대한원격탐사학회지
• /
• 제39권6_1호
• /
• pp.1451-1466
• /
• 2023

해양 조난 사고에서 드론 활용이 빠르게 증가하고 있는 가운데, 특히 드론을 활용한 수색 구조 작업이 주목받고 있다. 조난 선박 및 기타 해양 표류체를 빠르게 탐지하기 위해 드론 영상을 활용한 딥러닝 모델들이 확장되고 있다. 그러나 이러한 모델을 효과적으로 학습시키기 위해서는 다양한 기상 조건과 선박 상태를 고려한 대량의 학습 데이터가 필요하다. 이에 대한 데이터 부족 문제는 학습된 모델의 성능 저하로 이어질 수 있다. 이에 본 연구는 해양 환경 시뮬레이터를 개발하고 데이터셋을 보강하여 조난 선박 탐지를 위한 딥러닝 모델의 성능 개선을 목표로 한다. 이 시뮬레이터는 눈, 비, 안개와 같은 다양한 기상 조건과 선박 상태, 그리고 드론과 센서의 규격과 특성을 설정할 수 있다. 시뮬레이션을 통해 얻은 데이터셋을 활용하여 딥러닝 모델을 학습시켰다. 이로써, 실제 드론 영상 데이터셋만을 사용한 모델과 비교했을 때 정확도와 재현율 등의 탐지 성능이 향상되었다. 특히, 비나 안개와 같은 악기상에서의 조난 선박 탐지 정확도(Average Precision, AP)는 약 2-5% 정도 향상되었으며 미탐지 비율이 현저히 낮아졌다. 이러한 결과는 개발된 시뮬레이터가 현실적이고 효과적으로 다양한 상황을 시뮬레이션하여 모델 학습에 기여함을 보여준다. 또한, 이에 기반한 조난 선박 탐지 딥러닝 모델은 해양 수색 및 구조 작업에서 효율적으로 활용될 것으로 기대된다.