• 한국측량학회지
• /
• 제20권3호
• /
• pp.235-242
• /
• 2002

고해상도의 IKONOS 위성 영상데이터로부터 도로 정보를 판독.추출하고 그 정확도를 분석하고자 하였다. RFM을 이용하여 기하보정영상을 생성한 후, 이 영상으로부터 도로를 판독하고 스크린디지타이징 하였다. 도로 판독 및 추출 정확도를 평가하기 위하여 도로 경계선의 위치와 도로 폭을 수치지도와 비교한 결과, 도로 경계선은 $\pm$3.4m, 도로의 폭은 $\pm$1.1m의 정확도로 추출되었다.

• 대한공간정보학회지
• /
• 제9권1호
• /
• pp.27-38
• /
• 2001

1995년 국가GIS사업이 추진된 이래 수치지형도를 활용한 GIS 구축사업이 활발하게 진행되고 있으나, 수치지형도의 기하학적 결점 및 위상관계가 정립되어 있지 않아서 GIS 구축 시 바로 활용할 수 없는 실정이다. GIS 선진국에서는 속성 자료와 공간 자료간의 위상이 정립된 자료를 GIS 사용자들에게 제공해주고 있는데, 이 자료를 프레임워크 자료(Framework Data) 즉, 기본지리정보라 하며 공간정보의 가장 핵심적이고 기본이 되는 자료로 활용하고 있다. 본 연구에서는 국가 공간정보의 기본도가 되는 국가기본지리정보의 범위와 정의를 설정하였으며, 기본지리정보 중 도시기반정보구축에 있어 가장 핵심이 되고 기준이 되는 교통/도로 기본지리정보 구축과 품질관리 방안에 관한 연구를 수행하였다.

• 한국측량학회지
• /
• 제39권3호
• /
• pp.133-139
• /
• 2021

현재 정밀도로지도 구축 공정은 수작업의 비율이 높아 구축 시간과 비용의 한계가 따른다. 인공지능을 이용하여 정밀도로지도 제작을 자동화하기 위한 연구가 활발하게 진행되고 있으나 정밀도로지도 제작을 위한 학습데이터의 구축 또한 수동으로 이루어지고 있어 학습데이터를 자동으로 구축할 필요성이 있다. 이에 본 연구에서는 모바일매핑시스템으로 취득한 포인트 클라우드를 이용하여 영상으로 변환한 후, 임계치를 이용한 영상 재분류와 중첩 분석 등을 통해 도로 노면표시 영역을 추출하고 추출한 영역의 다각형 유형 분류를 통해 정밀도로지도 제작을 위한 딥러닝 학습데이터를 자동으로 구축하는 방법론을 제안하였다. 제안한 방법론을 통해 구축한 2,764개의 차선 데이터를 딥러닝 기반의 PointNet 모델에 학습한 결과 학습 정확도는 99.977%로 나타났으며, 학습된 모델을 이용하여 3가지 색상 유형의 차선을 예측한 결과 정확도는 99.566%로 나타났다. 따라서, 본 연구에서 제안한 방법론으로 정밀도로지도 구축을 위한 학습데이터를 효율적으로 제작할 수 있는 것을 알 수 있었으며, 도로 노면표시의 정밀도로지도 제작과정 또한 자동화할 수 있을 것으로 사료된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2015년도 추계학술대회
• /
• pp.611-614
• /
• 2015

IT 와 농업분야의 융합은 생산, 유통, 소비 분야에서의 효율과 질적 향상을 기대하게 되었고 특히 IT 영역의 정보 분석 기술과 자동제어 기술은 농산물 생산에 많은 장점을 제공하게 되었다. 본 논문에서는 IT와 접목한 스마트 농업 환경에서의 ICT 표준화 로드맵을 제시한다.

• 대한공간정보학회지
• /
• 제11권4호
• /
• pp.45-51
• /
• 2003

본 연구에서는 건물 및 도로 등 각종 시설물에서 상세정보가 누락되거나 수정 및 갱신이 이루어지지 않아 수치지도의 체계적인 구축이 요구되는 지역에 적용할 수 있도록 지상사진영상에 도해법을 적용하여 대상지역의 현황도를 작성하고, 대상지역 시설물에 대한 공간정보와 속성정보를 빠른 시간에 효율적으로 취득할 수 있는 기법을 제시하였다.

• 대한토목학회논문집
• /
• 제42권4호
• /
• pp.519-526
• /
• 2022

자율주행 자동차는 기본적으로 차량과 도로에 설치된 센서를 활용해 수집된 도로·교통 정보를 통해 자율주행 기능을 수행한다. 그러나 이러한 기술과 정보만으로는 완전한 자율주행을 구현하는 것에 한계가 있음을 인정하고 있다. 최근에는 센서 기반 자율주행 기술의 한계를 극복하기 위해 다양한 방면에서 노력을 하고 있으며, 동적지도정보(local dynamic map: LDM)라 불리는 보다 구체적이고 정확한 도로 및 교통정보를 활용하는 노력도 진행 중이다. 그러나 LDM 관련 데이터 표준 및 데이터 세부항목 등이 아직 충분히 검증되지 않았으며, 자율주행 중 LDM의 시공간적 제공 범위에 대한 연구는 극히 제한적이다. 이러한 배경 하에, 본 연구의 목적은 기존 LDM 관련 연구 사례를 통해 기존 연구의 한계를 도출하고, 나아가 LDM 기반 도로·교통정보의 시공간적 활성화 구간 산정 프레임워크을 제시하는 것이다.

• 지적과 국토정보
• /
• 제51권1호
• /
• pp.39-51
• /
• 2021

최근 자율주행에서 도로, 차로, 교차로, 도로 표지, 도로 시설물 등을 효과적으로 표현하기 위한 표준화된 정밀도로지도의 데이터 모델링과 더불어 실질적인 적용을 위한 관심이 크게 증가하고 있다. 현재 ISO 22726-1, ISO 14296, HERE HD Live map, NDS open lane model, OpenDRIVE, NGII HD map 등의 다양한 국제 표준 또는 산업계 표준 모델들이 활용되고 있으나, 이들 간의 모델링 방식에서 큰 차이가 존재하여 다양한 표준의 정밀도로지도를 융합하여 활용하는데 많은 어려움이 존재한다. 이에 본 연구에서는 자율주행에서 다양한 정밀도로지도 표준 모델들의 효율적인 융합 활용을 지원하기 위하여 정밀도로지도 모델 간의 변환 방안을 제안하고자 한다. 구체적으로, 국내에서 접근이 용이한 국토지리정보원 정밀도로지도 모델과 산업계에서 활발히 이용되고 있는 OpenDRIVE 모델 간의 변환 방안을 제안하고자 한다. 제안된 방안은 NGII HD map의 각 레이어와 OpenDRIVE의 객체 간 단순 변환을 수행하는 방안, OpenDRIVE에 신규 객체를 생성하는 방안, 그리고 선형 변환 및 데이터 융합을 이용하여 NGII HD map 데이터를 OpenDRIVE 객체로 변환하는 방안으로 구성된다. 끝으로 NGII HD map에서 OpenDRIVE로 변환된 결과 데이터에 대하여 Carla 시뮬레이터를 이용한 가시화를 통하여 검증을 수행하였다. 이러한 NGII HD map 모델의 변환 방안은 향후 자율주행에서 NGII HD map의 활용도를 높이는데 크게 기여할 수 있을 것으로 기대된다.

• 전자공학회논문지B
• /
• 제32B권1호
• /
• pp.154-160
• /
• 1995

Maps are one of the most complicated types of drawings. Drawing recognition technology is not yet sophisticated enough for automated map reading. To automatically extract a road map directly form more complicated topographical maps, a very complicated algorithm is needed, simce the image generally involves such complicated patterns as symbols, characters, residential sections, rivers,etc. This paper describes a new feature extraction method based on the human optical neural field. We apply this method to extract complete set of road segments from topographical maps. The proposed method successfully extract road segments from various areas.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2008년도 하계종합학술대회
• /
• pp.1141-1142
• /
• 2008

For intelligent vehicles, recognizing the sounding is an important task. In this paper we propose an road area detection system. This system uses u-disparity and v-disparity map. v-disparity map is used to find the road area. u-disparity is used to cluster the area that is an object. The test results and overall system is discribed in this paper.

• 전자공학회논문지B
• /
• 제32B권11호
• /
• pp.1496-1505
• /
• 1995

Maps are one of the most complicated types of drawings. Drawing recognition technology is not yet sophisticated enough for automated map reading. To automatically extract a road map dircetly from complicated topographical maps, a very sophisticated algorithm is needed, since the image generally involvfes such complicated patterns as symbols, characters, residential sections, rivers, railroads, etc. This paper proposes a new feature extraction method based on the morphology. We apply this method to extract complete set of road segments from topographical maps. The proposed method successfully extract road segments from various areas.