• International journal of advanced smart convergence
• /
• 제9권3호
• /
• pp.192-198
• /
• 2020

The 3D point cloud is a key technology of object detection for virtual reality and augmented reality. In order to apply various areas of object detection, it is necessary to obtain 3D information and even color information more easily. In general, to generate a 3D point cloud, it is acquired using an expensive scanner device. However, 3D and characteristic information such as RGB and depth can be easily obtained in a mobile device. GNN (Graph Neural Network) can be used for object detection based on these characteristics. In this paper, we have generated RGB and RGBD by detecting basic information and characteristic information from the KITTI dataset, which is often used in 3D point cloud object detection. We have generated RGB-GNN with i-GNN, which is the most widely used LiDAR characteristic information, and color information characteristics that can be obtained from mobile devices. We compared and analyzed object detection accuracy using RGBD-GNN, which characterizes color and depth information.

• 대한공간정보학회지
• /
• 제19권4호
• /
• pp.139-144
• /
• 2011

본 연구는 지상라이다 자료에서 얻어진 색상정보(R, G, B)와 반사강도정보(I)를 동시에 이용하여 이를 통계학적 분류기법으로 서로의 연관성을 분석하여 라이다 자료에 대한 분류방법을 제시하였다. 이를 위하여 우선 변수 R,G,B 및 I를 사용하여 분산 을 극대화하는 요인을 추출하여 주요인과 각 변수들 간의 요인행렬을 산출하였다. 그러나 요인행렬은 기초자료를 축소시켜 보여주기는 하지만, 이로부터 어떤 변수들이 어떤 요인에 의해 높게 관계되는지 명확하게 알기 어렵기 때문에 직각회전방식 중에서 Varimax방법을 이용하여 회전된 요인행렬을 구하여 요인점수를 산출하였다. 그리고 비 계층적 군집화 방법인 K-평균법을 이용하여 요인분석으로 산출된 요인점수에 대하여 군집분석을 실시한 후, 지상라이다 자료의 분류 정확도를 평가하였다.

• 한국측량학회지
• /
• 제33권4호
• /
• pp.259-266
• /
• 2015

국토 공간 활용이 복잡해짐에 따라 항공사진, 항공 라이다, 위성영상 등 국토 공간에 대한 정보를 효율적으로 취득하고 분석하기 위한 이종 데이터간의 변화 탐지 기법의 개발의 필요성이 증대되었다. 따라서 본 연구에서는 도시 및 주변 지역에 대하여 취득된 이종 데이터간의 변화 탐지를 위해 화소값에 기반하지 않고 에지 정보에 기반한 RECC (Relative Edge Cross Correlation)기법을 제안하였다. 항공 라이다와 고해상도 위성영상인 아리랑 2호 및 3호 영상에 대한 실험을 통해 변화 탐지 결과를 분석하여 RECC를 위한 적정 윈도우 크기 및 임계 계수를 도출하였고, 육안 분석을 통해 획득한 레퍼런스 데이터와의 비교를 통해 약 80%의 정확성을 보임을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제26권1호
• /
• pp.39-45
• /
• 2010

본 연구는 지상라이다 자료의 점군간 자동정합을 위해 인접한 두 점군 자료와 함께 획득되는 2차원의 강도영상 자료로부터, 2개 영상에서 동시에 관측되는 특징점들을 이용하여 SIFT 알고리즘에 의해 공액점을 선정하였다. 또한 매칭 오류점 배제를 위해 RANSAC 알고리즘을 적용하여 정합 정확도 향상을 도모하였다. 두 점군간의 변환식 매개변수인 3차원 회전변환 각과 수직/수평 이동량을 계산, 그 결과를 기존 수작업에 의한 결과와 비교하였다. 건국대학교 이과대학 건물을 대상으로 실험한 결과, 자동매칭을 통한 변환매개변수와 수작업으로 한 변환매개변수의 차이는 X, Y, Z, 방향으로 각각 0.011m, 0.008m, 0.052m로서 자동정합 자료의 활용이 가능하다고 판단하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권1호
• /
• pp.21-30
• /
• 2024

본 논문에서는 자율협력주행 인프라를 위해 제작된 8가지 센서 전용 시설물들에 대해 라이다로 취득한 포인트 클라우드 데이터로부터 시설물들의 특징을 추출하여 샘플 데이터셋으로 구축하는 방법을 제안한다. 고휘도 반사지가 부착된 8가지 센서 전용 시설물들과 데이터 취득 시스템을 개발했고, 취득된 포인트 클라우드 데이터로부터 일정한 측정 거리 내에 위치한 시설물들의 특징을 추출하기 위해 포인트 대상의 DBSCAN 방법과 반사강도 대상의 OTSU 방법을 응용하여 추려낸 포인트들에 원통형 투영법을 적용했다. 3차원 포인트 좌표, 2차원 투영 좌표, 그리고 반사강도 등을 해당 시설물의 특징으로 설정했고, 정답 레이블과 함께 데이터셋으로 제작했다. 라이다로 취득한 데이터를 기반으로 구축된 시설물 데이터셋의 효용 가능성을 확인하기 위해서 기본적인 CNN 모델을 선정하여 학습 후 테스트를 진행하여 대략 90% 이상의 정확도를 보여 시설물 인식 가능성을 확인했다. 지속적인 실험을 통해 제시한 데이터셋 구축을 위한 특징 추출 알고리즘의 개선 및 성능 향상과 더불어 이에 적합한 자율협력주행을 위한 센서 전용 시설물을 인식할 수 있는 전용 모델을 개발할 예정이다.

• 한국전자통신학회논문지
• /
• 제18권3호
• /
• pp.387-396
• /
• 2023

현재 기상관측에 사용되는 대표적인 장비는 기상탑과 윈드라이다가 사용되고 있다. 국제 규정에 의하면 기상탑은 단독 측정이 가능하나 윈드라이다 경우 40m 기상탑 혹은 풍력발전기 블레이드 최하단의 높이에 맞는 기상탑을 필수로 설치하고 측정데이타를 보정하여야 한다. 난류는 특성상 100m 이하의 고도에서 빈번하게 발생하며 기상탑 보다는 윈드라이다가 난류의 영향을 많이 받는다. 그럼에도 불구하고 기상탑에 대한 난류 강도는 국제 규정에 명시되어 있으나 윈드라이다 대해서는 별도로 명시하지 않고 있다. 본 연구는 동일한 조건에서 기상탑과 윈드라이다에서 측정된 데이터를 수집하고 불확도 및 난류 강도 비율을 분석한다. 데이터를 분석한 결과 난류 강도 비율이 3%를 초과하는 구간이 부분적으로 존재한다. 따라서 윈드라이다에 대한 난류강도 오차율을 국제 규정에 명시할 것을 제안한다.

• 로봇학회논문지
• /
• 제16권3호
• /
• pp.179-188
• /
• 2021

Construction monitoring is one of the key modules in smart construction. Unlike structured urban environment, construction site mapping is challenging due to the characteristics of an unstructured environment. For example, irregular feature points and matching prohibit creating a map for management. To tackle this issue, we propose a system for data acquisition in unstructured environment and a framework for Intensity and Ambient Enhanced Lidar Inertial Odometry via Smoothing and Mapping, IA-LIO-SAM, that achieves highly accurate robot trajectories and mapping. IA-LIO-SAM utilizes a factor graph same as Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping (LIO-SAM). Enhancing the existing LIO-SAM, IA-LIO-SAM leverages point's intensity and ambient value to remove unnecessary feature points. These additional values also perform as a new factor of the K-Nearest Neighbor algorithm (KNN), allowing accurate comparisons between stored points and scanned points. The performance was verified in three different environments and compared with LIO-SAM.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.363-373
• /
• 2020

정사영상 생성을 위한 많은 연구들이 진행되어 왔다. 기존의 방법은 정사영상을 제작할 경우, 폐색지역을 탐지하고 복원하기 위해 항공영상의 외부표정요소와 정밀 3D 객체 모델링 데이터가 필요하며, 일련의 복잡한 과정을 자동화하는 것은 어렵다. 본 논문에서는 기존의 방법에서 탈피하여 딥러닝(DL)을 이용하여 엄밀정사영상을 제작하는 새로운 방법을 제안하였다. 딥러닝은 여러 분야에서 더욱 급속하게 활용되고 있으며, 최근 생성적 적대 신경망(GAN)은 영상처리 및 컴퓨터비전 분야에서 많은 관심의 대상이다. GAN을 구성하는 생성망은 실제 영상과 유사한 결과가 생성되도록 학습을 수행하고, 판별망은 생성망의 결과가 실제 영상으로 판단될 때까지 반복적으로 수행한다. 본 논문에서 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 라이다 반사강도 데이터와 적외선 정사영상을 GAN기반의 Pix2Pix 모델 학습에 사용하여 엄밀정사영상을 생성하는 두 가지 방법을 제안하였다. 첫 번째 방법은 라이다 반사강도영상을 입력하고 고해상도의 정사영상을 목적영상으로 사용하여 학습하는 방식이고, 두 번째 방법에서도 입력영상은 첫 번째 방법과 같이 라이다 반사강도영상이지만 목적영상은 라이다 점군집 데이터에 칼라를 지정한 저해상도의 영상을 이용하여 재귀적으로 학습하여 점진적으로 화질을 개선하는 방법이다. 두 가지 방법으로 생성된 정사영상을 FID(Fréchet Inception Distance)를 이용하여 정량적 수치로 비교하면 큰 차이는 없었지만, 입력영상과 목적영상의 품질이 유사할수록, 학습 수행 시 epoch를 증가시키면 우수한 결과를 얻을 수 있었다. 본 논문은 딥러닝으로 엄밀정사영상 생성 가능성을 확인하기 위한 초기단계의 실험적 연구로서 향후 보완 및 개선할 사항을 파악할 수 있었다.

• 신재생에너지
• /
• 제18권1호
• /
• pp.1-16
• /
• 2022

Climatic characteristics were described using the LiDAR (Light Detection and Ranging) and the met-mast on Dongbok·Bukchon region. The influences of meteorological conditions on the power performance of wind turbines were presented using the data of Supervisory Control And Data Acquisition (SCADA) and met-mast of the Dongbok·Bukchon Wind Farm (DBWF) located in Jeju Island. The stability was categorized into three parameters (Richardson number, Turbulence intensity, and Wind shear exponent). DBWF was dominant in unstable atmospheric conditions. At wind speeds of 14 m/s or more, the proportion of slightly unstable conditions accounted for more than 50%. A clear difference in the power output of the wind turbine was exhibited in the category of atmospheric stability and turbulence intensity (TI). Particularly, a more sensitive difference in power performance was showed in the rated wind speeds of the wind turbine and wind regime with high TI. When the flow had a high turbulence at low wind speeds and a low turbulence at rated wind speeds, a higher wind energy potential was produced than that in other conditions. Finally, the high-efficiency of the wind farm was confirmed in the slightly unstable atmospheric stability. However, when the unstable state become stronger, the wind farm efficiency was lower than that in the stable state.

• 지질공학
• /
• 제25권2호
• /
• pp.227-235
• /
• 2015

최근 빈번한 재난, 재해발생으로 인해 구조물의 점검 및 유지관리가 국가적으로 매우 중요한 요소가 되었다. 구조물 점검은 대부분 인력에 의한 육안조사에 의존하고 있어, 취득 자료의 객관성 결여 및 환경적 특성에 따른 접근성의 한계로 인한 정량적 자료 취득이 불가한 경우도 발생되고 있다. 따라서 이러한 직접적인 육안조사의 한계성을 극복하고, 표준화된 조사데이터 수집을 위해서 비접촉식 자료 취득 방법인 레이저스캐너를 활용하여 구조물의 변상을 탐지하는 연구가 활발히 진행되고 있다. 하지만 현재까지는 현장에서 레이저스캐너를 이용하여 취득된 점군자료를 수동적으로 변상에 의한 기하학적 특성을 다시 정의해야 하는 작업이 요구되었다. 본 연구에서는 인력접근의 한계성을 고려한 자동화된 유지관리 적용을 위해 레이저스캐너의 반사강도를 이용하여 구조물의 열화에 따른 위해요인(백태, 누수, 박리 등)을 탐지할 수 있는 방안을 모색하였다. 연구수행결과 백태, 누수, 박리와 같은 구조물의 열화현상에 대한 탐지가 가능하였으며, 변상유형에 따른 반사강도 특성을 규명함으로써, 향후 유지관리 시 자동화된 변상유형 분류 및 폴리곤 영역의 객체화 가능성을 확인하였다. 구조물의 점검 및 유지관리 측면에 있어 레이저스캐너의 반사강도를 이용하는 방법은 매우 효과적인 것으로 결론을 얻었다.