• 한국시뮬레이션학회논문지
• /
• 제18권3호
• /
• pp.139-146
• /
• 2009

최근 국방관련 소프트웨어 산업은 자원 및 비용의 한계를 극복하기 위해서 M&S(Modeling & Simulation) 기반의 분산 시뮬레이션 시스템 개발을 늘리고 있다. 이러한 시스템을 개발하는데 있어 모의되는 개체의 재사용성과 개체 간 상호운용성의 제공은 핵심기술 중 하나이다. HLA 인터페이스 표준 구현물인 RTI는 이러한 핵심기술을 제공할 수 있는 소프트웨어로써, 시뮬레이션에 참여하는 모의기 간 정보교환을 위해서 시뮬레이션 연동모델인 FOM(Federation Object Model)을 사용하며, 각각의 모의기는 참여하는 시뮬레이션 내에서 동일한 FOM을 소유해야만 하는 특징을 지닌다. 본 논문에서는 기 개발된 HLA/RTI 기반의 시뮬레이션 네트워크 관리자에 적용된 연동모델의 재사용성과 상호운용성을 향상시키기 위해서 SISO 표준인 BOM(Base Object Model) 모델의 특징을 살펴보고, FOM 모델의 모듈화를 통해서 시뮬레이션 네트워크 관리자의 구조설계 방안을 제시한다.

• 대한임베디드공학회논문지
• /
• 제17권2호
• /
• pp.77-83
• /
• 2022

In this paper, the two-stage object detection approach is proposed to implement a deep learning-based label inspection system on edge computing environments. Since the label printed on the products during the production process contains important information related to the product, it is significantly to check the label information is correct. The proposed system uses the lightweight deep learning model that able to employ in the low-performance edge computing devices, and the two-stage object detection approach is applied to compensate for the low accuracy relatively. The proposed Two-Stage object detection approach consists of two object detection networks, Label Area Detection Network and Character Detection Network. Label Area Detection Network finds the label area in the product image, and Character Detection Network detects the words in the label area. Using this approach, we can detect characters precise even with a lightweight deep learning models. The SF-YOLO model applied in the proposed system is the YOLO-based lightweight object detection network designed for edge computing devices. This model showed up to 2 times faster processing time and a considerable improvement in accuracy, compared to other YOLO-based lightweight models such as YOLOv3-tiny and YOLOv4-tiny. Also since the amount of computation is low, it can be easily applied in edge computing environments.

• Spatial Information Research
• /
• 제3권2호
• /
• pp.191-204
• /
• 1995

데이타 모델(data model)이란 실세계에 대한 공간 및 비공간적 특성(feature)을 추상화한 시스템 모델이다. 각 시스템들을 고유한 데이타 모델을 통해 외부 세계에 대한 내부 표현및 외부 세계와의 접속관계에 대한 틀(framework)을 정의하게 되며, 공간 질의어는 지리 정보시스템에서 정의하고 있는 외부 세계화의 접속 관계를 우한 효과적인 틀의 하나이다. 기존의 지리 정보 시스템에서는 관계형 데이타 모델에 기반한 공간 데이타 모델들이 주로 사용되었으므로 데이타 추상화(abstraction)및 상속 (inheritance)을 통한 복합 객체의 표현에 문제점이 있었다. 본 논문에서는 ODMG의 객체 모델을 기반으로 평면 위상 모델 (planar topological model)을 수용하여 객체지향 데이타 모델인 위상 객체 모델(Topological Object Model : TOM)을 제안하고, 이를 기반으로 객체지향 공간 질의어인 OQL/Geo을 설계하였다. OQL/Geo은 ODMG에 의해 개발된 질의어인 OQL을 기반으로 하여 위상 객체 모델을 효과적으로 표현할 수 있도록 확장하였으며, 기하연산, 위상연산및 가시연산등의 풍부한 연산자들을 제공하고 있으며, 복잡한 공간 분석에 대한 요구 뿐 아니라 질의 결과에 대한 출력 형식도 다양하게 표현할 수 있도록 하였다.

• Spatial Information Research
• /
• 제5권1호
• /
• pp.77-88
• /
• 1997

본 논문에서는 객체관계형 지리정보 시스템의 설계 및 구현에 대하여 논한다. 본 지리정보 시스템은 상용의 객체관계형 데이터베이스 시스템을 하부 구조로 사용하며, 객체지향 데이터 모델에 근거한 공간 객체모델, 공간 질의어 및 시각적 사용자 인터페이스를 제공하고 있다. 특히 본 시스템에서는 데이터베이스 상의 주색인(primary index)기법으로 적용 가능한 DOT 공간 색인 기법을 이용하여 효율적인 공간 질의 처리를 수행한다. 또한 본 시스템에서는 SDTS데이터 모델을 개념적 모델로 사용하며, SDTS의 공간 객체에 관한 개념적 모델은 지리정보 시스템 내에서 내부 데이터 모델인 객체지향 데이터 모델로 전환된다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제31권11호
• /
• pp.1455-1473
• /
• 2004

본 연구는 객체 재사용과 재공학을 위해 레거시 시스템의 인터페이스 정보로부터 의미 있는 정보를 추출하고 새로운 시스템에 통합될 수 있도록 하기 위한 기존 레거시 시스템의 인터페이스에 기반 한 객체추출 기법을 제안한다. 본 논문에서 제안하는 객체추출 기법은 인터페이스 사용 사례 분석 단계, 인터페이스 객체 분할 단계, 객체구조 모델링 단계, 객체 모델 통합 단계 등 4단계로 구성되어 있다. 인터페이스 사용 사례 분석 단계는 인터페이스 구조 그리고 레거시 시스템과 사용자간의 상호작용 등의 정보를 획득하는 단계이다. 인터페이스 객체분할 단계는 인터페이스 정보를 의미 있는 필드들로 구분하는 단계이며, 객체구조 모델링 단계는 인터페이스 객체들 간의 구조적 관계와 협력 관계를 파악하여 모델링하는 단계이다. 마지막으로 객체 모델 통합 단계는 객체 단위의 단위 모델들을 통합하여 추상화된 정보를 포함한 상위 수준의 통합 모델을 유도하는 단계다. 객체추출 기법에 의해 생성된 객체 통합 모델은 역공학 기술자들의 레거시 시스템 이해와 레거시 시스템의 정보를 새로운 시스템에 적용하는데 있어 좀 더 용이한 효율성을 제공한다.

• 로봇학회논문지
• /
• 제14권2호
• /
• pp.139-149
• /
• 2019

In this paper, we present auto-annotation tool and synthetic dataset using 3D CAD model for deep learning based object detection. To be used as training data for deep learning methods, class, segmentation, bounding-box, contour, and pose annotations of the object are needed. We propose an automated annotation tool and synthetic image generation. Our resulting synthetic dataset reflects occlusion between objects and applicable for both underwater and in-air environments. To verify our synthetic dataset, we use MASK R-CNN as a state-of-the-art method among object detection model using deep learning. For experiment, we make the experimental environment reflecting the actual underwater environment. We show that object detection model trained via our dataset show significantly accurate results and robustness for the underwater environment. Lastly, we verify that our synthetic dataset is suitable for deep learning model for the underwater environments.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.1920-1925
• /
• 2004

This paper describes a new method for 3D object recognition which used surface segment-based stereo vision. The position and orientation of an objects is identified accurately enabling a robot to pick up, even though the objects are multiple and partially occluded. The stereo vision is used to get the 3D information as 3D sensing, and CAD model with its post processing is used for building models. Matching is initially performed using the model and object features, and calculate roughly the object's position and orientation. Though the fine adjustment step, the accuracy of the position and orientation are improved.

• 전자공학회논문지C
• /
• 제34C권9호
• /
• pp.84-101
• /
• 1997

Inferring and recognizing 3D objects form a 2D occuluded image has been an important research area of computer vision. The octree model, a hierarchical volume description of 3D objects, may be utilized to generate projected images from arbitrary viewing directions, thereby providing an efficient means of the data base for 3D object recognition. We present a fast algorithm of finding the 4 pairs of feature points to estimate the viewing direction. The method is based on matching the object contour to the reference occuluded shapes of 49 viewing directions. The initially best matched viewing direction is calibrated by searching for the 4 pairs of feature points between the input image and the image projected along the estimated viewing direction. Then the input shape is recognized by matching to the projectd shape. The computational complexity of the proposed method is shown to be O(n$^{2}$) in the worst case, and that of the simple combinatorial method is O(m$^{4}$.n$^{4}$) where m and n denote the number of feature points of the 3D model object and the 2D object respectively.

• 한국통신학회논문지
• /
• 제29권11C호
• /
• pp.1551-1563
• /
• 2004

여기는 본 논문에서는 움직이는 물체 추적을 위한 윤곽선 및 형태 파라미터 추출을 위해 웨이블릿 변환을 이용한 능동형태모델의 계층적인 접근방법에 대해 제안한다. 능동형태 모델의 여러 단계 중 지역구조 모델링은 비정형 객체의 형태를 추출하기 위해 가장 중요한 비중을 차지한다. 제안한 알고리듬은 웨이블릿을 이용하여 계층적인 접근은 물론 지역구조 모델링단계를 웨이블릿 대역 분할을 이용하여 복잡한 환경에서의 객체를 강건하게 추적할 수 있도록 하였다. 또한 비정형객체를 실시간 비디오 추적에 이용하기 위해 웨이블릿을 이용한 계층적 움직임 추정방법을 적용하여 객체의 움직임을 예측, 보정하는 효과적인 방법을 제시하였다. 제안하는 알고리듬은 객체 추적에 대한 성능을 평가하기 위해 다양한 실험영상을 통해 우수함을 확인하였다.

• 대한임베디드공학회논문지
• /
• 제3권2호
• /
• pp.119-125
• /
• 2008

This paper presents the polygon-based Q-leaning and Cascade Support Vector Machine algorithm for object search with multiple robots. We organized an experimental environment with ten mobile robots, twenty five obstacles, and an object, and then we sent the robots to a hallway, where some obstacles were lying about, to search for a hidden object. In experiment, we used four different control methods: a random search, a fusion model with Distance-based action making (DBAM) and Area-based action making (ABAM) process to determine the next action of the robots, and hexagon-based Q-learning and dodecagon-based Q-learning and Cascade SVM to enhance the fusion model with DBAM and ABAM process.