• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 1997년도 한국자동제어학술회의논문집; 한국전력공사 서울연수원; 17-18 Oct. 1997
• /
• pp.544-547
• /
• 1997

In this paper, we propose a dynamic localization method using a rotating sonar and a map. The proposed method is implemented by using extended Kalman filter. The state equation is based on the encoder propagation model and the encoder error model, and the measurement equation is a map-based measurement equation using a rotating sonar sensor. By utilizing sonar beam characteristics, map-based measurements are updated while AMR is moving continuously. By modeling and estimating systematic errors of a differential encoder, the position is successfully estimated even the interval of the map-based measurement. Monte-Carlo simulation shows that the proposed global position estimator has the performance of a few millimeter order in position error and of a few tenth degrees in heading error and of compensating systematic errors of the differential encoder well.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권9호
• /
• pp.4587-4605
• /
• 2019

High Efficiency Video Coding (HEVC) suffers from high computational complexity due to its quad-tree structure in motion estimation (ME). This paper exposes an adaptive search range decision algorithm for accelerating HEVC integer-pel ME on GPU which estimates the optimal search range (SR) using a MAP (Maximum A Posteriori) estimator. There are three main contributions; First, we define the motion feature as the standard deviation of motion vector difference values in a CTU. Second, a MAP estimator is proposed, which theoretically estimates the motion feature of the current CTU using the motion feature of a temporally adjacent CTU and its SR without any data dependency. Thus, the SR for the current CTU is parallelly determined. Finally, the values of the prior distribution and the likelihood for each discretized motion feature are computed in advance and stored at a look-up table to further save the computational complexity. Experimental results show in conventional HEVC test sequences that the proposed algorithm can achieves high average time reductions without any subjective quality loss as well as with little BD-bitrate increase.

• 국제학술발표논문집
• /
• The 6th International Conference on Construction Engineering and Project Management
• /
• pp.77-81
• /
• 2015

The unit price contracting is the standard contracting method for highway projects in the U.S. As a result, state highway agencies have collected a large amount of historical bid data that they can use to determine engineer's estimates for future projects. The estimator must carefully consider various characteristics of a new project such as its location to determine an engineer's estimate as accurate as possible before bid letting. Higher cost estimates can result in the loss of the available budget and lower cost estimates may lead to deferral and delay of projects. The study uses the historical bid data obtained from Iowa Department of Transportation and develops a Geographic Information System (GIS) tool to visually show the variation of unit prices over the map using a spatial interpolation technique. The interpolation map can be used to estimate the unit price of the item at any location across Iowa. This noble method allows the estimator to effectively and fully utilize the historical bid data in a very time efficient manner and determine more accurate cost estimation.

• 한국통신학회논문지
• /
• 제42권3호
• /
• pp.661-672
• /
• 2017

본 논문은 지구를 구체(Sphere)로 모델링하고, 좌표계 변환 없이 위경도 좌표계에서 지구 곡률이 고려된 곡선형태의 신호방향선(Line Of Bearing, LOB)을 이용하여 비선형 최소제곱법(Nonlinear Least Squared Estimator, NLSE)으로 고정형 신호원의 위치를 추정하는 방법을 소개한다. 그리고 추가적으로 지구를 타원체(Ellipsoid)로 모델링하여 위치추정성능을 개선하는 방법을 제안한다. 모의실험을 통해 지구 곡률이 고려된 곡선 LOB를 이용하는 NLSE 방법이 기존 삼각측량법(Triangulation Method) 대비 우수한 위치추정 성능을 가짐을 보이고 타원체 모델을 이용하여 위치추정성능을 개선함을 보인다.

• 방송공학회논문지
• /
• 제26권6호
• /
• pp.748-757
• /
• 2021

본 논문은 눈 랜드마크 위치 검출과 시선 방향 벡터 추정이 하나의 딥러닝 네트워크로 통합된 시선 추정 네트워크를 제안한다. 제안하는 네트워크는 Stacked Hourglass Network를 백본(Backbone) 구조로 이용하며, 크게 랜드마크 검출기, 특징 맵 추출기, 시선 방향 추정기라는 세 개의 부분(Part)으로 구성되어 있다. 랜드마크 검출기에서는 눈 랜드마크 50개 포인트의 좌표를 추정하며, 특징 맵 추출기에서는 시선 방향 추정을 위한 눈 이미지의 특징 맵을 생성한다. 그리고 시선 방향 추정기에서는 각 출력 결과를 조합하여 최종 시선 방향 벡터를 추정한다. 제안하는 네트워크는 UnityEyes 데이터셋을 통해 생성된 가상의 합성 눈 이미지와 랜드마크 좌표 데이터를 이용하여 학습하였으며, 성능 평가는 실제 사람의 눈 이미지로 구성된 MPIIGaze 데이터셋을 이용하였다. 실험을 통해 시선 추정 오차는 3.9°의 성능을 보였으며, 네트워크의 추정 속도는 42 FPS(Frame per second)로 측정되었다.

• 대한조선학회논문집
• /
• 제61권2호
• /
• pp.98-105
• /
• 2024

Due to the low accuracy of measured data obtained from low-cost GNSS and IMU devices, it was hard to secure the required accuracy of the measured position and heading angle for autonomous navigation which was conducted by a model-scale marine mobility. In this paper, a localization technique using the Extended Kalman Filter (EKF) is proposed for coping with the issue. First of all, a position and heading angle estimator is developed using EKF with the assumption of a point mass model. Second, the measured data from GNSS and IMU, including position, heading angle, and velocity are used for the estimator. In addition, the heading angle is additionally obtained by comparing the LiDAR point cloud with map information for a temporal water tank. The newly acquired heading angle is integrated into the estimator as an additional measurement to correct the inaccuracy in the heading angle measured from the IMU. The effectiveness of the proposed approach is investigated using data acquired from preliminary tests of the model-scale autonomous marine mobility.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.2033-2036
• /
• 2004

A novel approach to estimate the real time moving trajectory of an object is proposed in this paper. The object position is obtained from the image data of a CCD camera, while a state estimator predicts the linear and angular velocities of the moving object. To overcome the uncertainties and noises residing in the input data, a Kalman filter and neural networks are utilized. Since the Kalman filter needs to approximate a non-linear system into a linear model to estimate the states, there always exist errors as well as uncertainties again. To resolve this problem, the neural networks are adopted in this approach, which have high adaptability with the memory of the input-output relationship. Kohonen Network(Self-Organized Map) is selected to learn the motion trajectory since it is spatially oriented. The superiority of the proposed algorithm is demonstrated through the real experiments.

• 한국인터넷방송통신학회논문지
• /
• 제9권2호
• /
• pp.111-116
• /
• 2009

본 논문은 차세대 고속무선 DTV(Digital Television)를 위한 터보복호기반의 위상 옵셋 추정 기법이 대해 연구하였다. 위상 추정기법은 터보 복호기 외부에 추정기를 두어 다음 상태의 위상을 추정하기 위해 LMS (Least Mean Square) 방식을 사용하였다. 기존의 LMS 방식은 구현이 간결하지만 고정의 스텝 사이즈를 가지고 있으므로 시간에 따라 변화하는 다중 경로 환경에서는 채널 추정이 힘들며 트래킹 능력이 떨어지는 단점을 가지고 있다. 따라서 본 논문에서는 고정 스텝 사이즈가 아닌 채널의 상태에 따라 스텝 사이즈를 변화 시키는 가변 스텝사이즈를 갖는 LMS 방식을 제안한다. 모의실험은 임의의 위상 옵셋에 대하여 수행되었으며, 제안한 방식이 기존의 방식에 비해 개선된 성능을 보임을 알 수 있었다.

• 한국산림과학회지
• /
• 제100권3호
• /
• pp.455-465
• /
• 2011

기후변화에 대응하기 위해 산림의 탄소저장 능력을 정량적으로 이해하기 위한 연구가 국내외적으로 요구되고 있다. 본 연구에서는 지상부바이오매스의 공간적 분포현황을 제공하기 위해 국가산림자원조사 표본점 단위로 계산된 지상부바이오매스를 임상도를 이용하여 공간규모를 확장(upscaling)하는 기법을 개발하고자 한다. 이를 위해 국가산림자원조사 자료를 이용하여 우세/준우세목 수고와 수관 밀도를 설명변수로 하는 지상부바이오매스 회귀모델과 영급을 설명변수로 하는 우세/준우세목 수고 회귀모델을 개발하였다. 그리고 이 회귀모델들과 임상도 속성정보(수종, 수관밀도, 영급)을 결합하여 지상부 바이오매스 공간분포를 추정하였다. 그 결과 단양군 산림의 지상부바이오매스는 6,606,324 ton으로 추정되었고, 표본점 기반 통계에 의한 추정치와 유의적인 차이가 없는 것으로 나타났다. 임상도를 활용하는 본 기법은 손쉽게 대면적에 대한 바이오매스를 추정하는 장점이 있는 반면, 임상도의 주요 속성이 범주형이기 때문에 산림바이오매스 공간 변이의 세밀한 추정에는 한계가 있었다.

• 한국자동차공학회논문집
• /
• 제11권3호
• /
• pp.214-219
• /
• 2003

This paper includes real-time tractive force estimation method using standard vehicle sensors such as wheel speed, brake pressure, throttle position, engine speed, and transmission carrier speed sensor. Engine map, torque converter lookup table, shaft torque observer, and brake gain adaptation method are used to estimate the tractive force. To verify this estimator, measurement which uses strain-based brake torque sensor and estimation results are presented. All results was performed using a real vehicle in a real-time.