• Title/Summary/Keyword: Indoor Mapping

검색결과 103건 처리시간 0.018초

ON/OFF 스위치와 센서를 이용한 홈 거주자의 위치추적 및 원격모니터링 시스템 (Location Tracking and Remote Monitoring system of Home residents using ON/OFF Switches and Sensors)

  • 안동인;김명희;주수종
    • 한국정보과학회논문지:컴퓨팅의 실제 및 레터
    • /
    • 제12권1호
    • /
    • pp.66-77
    • /
    • 2006
  • 본 논문에서는 ON/OFF 스위치 및 ON/OFF 센서만을 이용하여 홈 거주자의 위치탐색 및 추적하고, 이 과정을 원격으로 실시간 모니터링 서비스를 제공할 수 있는 시스템을 설계하였다. 구현환경으로 본 시스템은 우리가 개발해온 분산객체그룹 프레임워크 기반에서 구현되었다. 홈 거주자의 위치를 파악하기 위해서 우리는 개폐기능을 가지는 실내 고정된 위치에 있는 구조/시설물 및 가전제품 등에 ON/OFF스위치 및 ON/OFF 센서들을 부착한 한 흠 구조를 보인다. 홈 거주자에 의해 이들이 개폐(ON/OFF)될 때, ON/OFF 스위치 및 ON/OFF 센서로부터 발생된 신호를 흠 서버 시스템에서 수신한다. 이때 신호가 발생한 실위치가 곧 홈 거주자의 위치가 된다. 홈 서버시스템에서는 실제공간에서 검출된 홈 거주자의 위치를 원격 데스크 탐 시스템이나 이동 단말기의 화면인 가상공간상에 이를 사상(mapping)하여 홈 거주자의 위치를 표현하고, 또한, 탐색된 위치를 시간별로 분석하여 홈 거주자의 이동패턴과 이동영역, 운동량 등을 얻어 헬스케어 정보를 구축하도록 하였다. 마지막으로 본 시스템은 이들 정보를 원격 모니터링 서비스를 위해 제공하도록 하였다.

스테레오 영상과 기준데이터를 활용한 관로형 지하시설물 3차원 형상 복원 (3D Reconstruction of Pipe-type Underground Facility Based on Stereo Images and Reference Data)

  • 천장우;이임평
    • 대한원격탐사학회지
    • /
    • 제38권6_1호
    • /
    • pp.1515-1526
    • /
    • 2022
  • 영상 기반 3차원 복원은 실세계 객체의 형태와 색상을 복원하는 것이며, 실내외 환경과 목적에 맞게 영상 센서를 이동플랫폼에 탑재하여 측위 및 매핑의 목적으로 활용한다. 지하공간 사고 발생의 증가로 지하공간 정보의 위치 정확도 문제가 제기되고 있으며, 관로형 지하시설물 내부에서 취득된 영상데이터로부터 3차원 위치 결정과 동시에 내부 손상 등을 파악할 수 있다는 장점으로 영상 기반의 위치 추정 연구가 수행되어오고 있다. 본 연구에서는 관로형 지하시설물 내부에서 취득한 영상과 기준데이터를 함께 사용하여 영상 기반으로 시설물의 3차원 형상을 복원하는 연구를 수행하였다. 스테레오 카메라를 탑재한 무인이동체 시스템을 구성하고, 입구와 출구에 기준데이터가 배치된 관로형 지하시설물 내에서 데이터를 영상 데이터를 취득한다. 취득한 데이터와 기준데이터를 함께 사용하여 지오레퍼런싱 된 3차원 형상으로 복원한다. 복원된 결과의 정확도를 위치와 길이를 통해 검증하였으며, 위치는 20-60 cm의 정확도로 결정되었고 길이는 약 20 cm의 정확도로 추정된 것을 확인하였다. 영상 기반 3차원 복원 방법을 통해 관로형 지하시설물의 위치, 선형을 효과적으로 갱신할 수 있을 것으로 판단된다.

멀티모달 맥락정보 융합에 기초한 다중 물체 목표 시각적 탐색 이동 (Multi-Object Goal Visual Navigation Based on Multimodal Context Fusion)

  • 최정현;김인철
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제12권9호
    • /
    • pp.407-418
    • /
    • 2023
  • MultiOn(Multi-Object Goal Visual Navigation)은 에이전트가 미지의 실내 환경 내 임의의 위치에 놓인 다수의 목표 물체들을 미리 정해준 일정한 순서에 따라 찾아가야 하는 매우 어려운 시각적 탐색 이동 작업이다. MultiOn 작업을 위한 기존의 모델들은 행동 선택을 위해 시각적 외관 지도나 목표 지도와 같은 단일 맥락 지도만을 이용할 뿐, 다양한 멀티모달 맥락정보에 관한 종합적인 관점을 활용할 수 없다는 한계성을 가지고 있다. 이와 같은 한계성을 극복하기 위해, 본 논문에서는 MultiOn 작업을 위한 새로운 심층 신경망 기반의 에이전트 모델인 MCFMO(Multimodal Context Fusion for MultiOn tasks)를 제안한다. 제안 모델에서는 입력 영상의 시각적 외관 특징외에 환경 물체의 의미적 특징, 목표 물체 특징도 함께 포함한 멀티모달 맥락 지도를 행동 선택에 이용한다. 또한, 제안 모델은 점-단위 합성곱 신경망 모듈을 이용하여 3가지 서로 이질적인 맥락 특징들을 효과적으로 융합한다. 이 밖에도 제안 모델은 효율적인 이동 정책 학습을 유도하기 위해, 목표 물체의 관측 여부와 방향, 그리고 거리를 예측하는 보조 작업 학습 모듈을 추가로 채용한다. 본 논문에서는 Habitat-Matterport3D 시뮬레이션 환경과 장면 데이터 집합을 이용한 다양한 정량 및 정성 실험들을 통해, 제안 모델의 우수성을 확인하였다.