• Current Optics and Photonics
• /
• 제7권4호
• /
• pp.354-361
• /
• 2023

We present the optical design and experimental verification of resolving performance of a 3× long wavelength infrared (LWIR) zoom camera for drones. The effective focal length of the system varies from 24.5 mm at the wide angle position to 75.1 mm at the telephoto position. The design specifications of the system were derived from ground resolved distance (GRD) to recognize 3 m × 6 m target at a distance of 1 km, at the telephoto position. To satisfy the system requirement, the aperture (f-number) of the system is taken as F/1.6 and the final modulation transfer function (MTF) should be higher than 0.1 (10%). The measured MTF in the laboratory was 0.127 (12.7%), exceeds the system requirement. Outdoor targets were used to verify the comprehensive performance of the system. The system resolved 4-bar targets corresponding to the spatial resolution at the distance of 1 km, 1.4 km and 2 km.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2006년도 추계학술대회 논문집
• /
• pp.1454-1460
• /
• 2006

본 논문에서는 무선통신기반 열차제어시스템을 위한 지상무선통신장치와 차상무선통신장치사이에 로밍시 통신성능을 평가하기 위해 개발한 로밍시뮬레이터를 소개한다. 일반적으로 무선통신기반 열차제어시스템이라 하면 지상에 위치하는 제어장치가 각 열차로부터 위치와 속도를 주기적으로 수집하고, 선행열차와 속도 제한 지점까지의 거리정보를 열차로 전송하고, 차상의 제어장치가 열차성능에 맞는 최적의 속도제어를 수행하는 시스템으로 정의된다. 열차의 이동시 지상의 제어장치와 열차제어정보 송수신을 위하여 연속적으로 통신을 하기 위해 로밍이 이루어진다.

• 한국측량학회지
• /
• 제22권3호
• /
• pp.225-232
• /
• 2004

인류는 토지와 역사를 같이하고 있으며 토지의 관리를 통치의 수단으로 시작하여 과세의 목적과 소유권의 개념으로 발전하였다. 또한 지형의 용도 및 소유권에 따라 토지에 경계선을 그어 필지로 구획하고 나아가 가변적인 지표상의 경계를 고정적으로 공시하기 위하여 토지를 지적공부에 등록하는 제도로 발전 시켜왔다. 오늘날과 같이 산업사회로의 발달로 토지의 가치가 높이 평가되면서 국민들은 토지에 대한 정확하고 다양한 정보제공을 요구하고 있다. 그러나 우리나라는 토지조사사업으로 작성된 지적도를 현재까지 사용하고 있으며 토지이동에 따른 경계의 변동, 지적도면의 지질(紙質)의 변질과 신축이 심한 상태이다. 이러한 원인은 지적도의 경계선과 지상경계선의 불일치로 토지분쟁을 유발하여 대국민관계에 불신을 초래하고 있지만 아직까지 정확한 해결방안을 찾지 못하고 있는 실정이다. 본 연구에서는 현행 지적공부의 문제점인 경계불부합을 효율적으로 정리할 수 있는 방안으로 TS측량방법을 이용하여 경계점간 거 리의 변화를 비교 분석하였으며, 도시지 역과 농촌지 역에 관계없이 도면상의 문제점을 해결하는 것보다 지상경계위주의 좌표로 등록할 수 있는 새로운 측량방법으로 정리하는 것이 효율적임을 알 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2009년도 춘계학술대회
• /
• pp.396-399
• /
• 2009

스테레오 비전 시스템(stereo vision system)은 2차원 영상정보를 이용하여 3차원 깊이 정보를 획득하는 데 유용한 방법으로, 그동안 많은 연구가 진행되었다. 3차원 깊이 정보를 획득하기 위해서는 영상의 대응점을 찾아야 하는데, 속도와 정확성을 동시에 만족시키기가 어렵다. 이러한 문제를 해결하기 위해, 본 논문에서는 적응적 가중치(weight)를 적용한 cost aggregation 기반의 스테레오 정합 기법을 제안한다. 이 방법은 스테레오 영상의 특징을 이용하여 가중치를 획득하고, 색상정보, 밝기정보, 거리정보에 가중치를 적용한 후, 이를 이용하여 대응점을 찾아 깊이 정보를 추출한다. 제안된 방법의 성능을 평가하기 위하여 ground truth가 존재하는 다양한 스테레오 영상을 이용하여 실험하였으며, 실험 결과 다양한 영상에서도 향상된 결과를 보였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.