• 한국ITS학회 논문지
• /
• 제15권2호
• /
• pp.13-23
• /
• 2016

기존의 많은 돌발상황 자동감지 알고리즘은 복잡한 구조와 계산 과정, 수많은 매개변수, 그리고 필터링/평활화 같은 선 작업 때문에 지속적인 유지관리가 사실상 중단된 상태이고 오보율 또한 높아 많은 교통관리센터로부터 기피 대상이 되고 있는 등 돌발상황감지의 주력 수단으로서 자동 알고리즘의 지위가 위태해진 현실은 매우 우려할만하다. 본 연구에서는 상대 점유율과 속도 항을 활용하여 적체 교통량이라는 신 개념을 도입, 구조가 아주 간단하면서도 검측 원시자료의 보정이 거의 필요 없는 DiFI(Displaced Flow Index) 기반의 돌발상황 자동감지알고리즘을 개발하였다. DiFI 알고리즘의 성능평가는 2003년도 내부순환로 검지기자료를 활용하여 검증을 수행하였으며, 2011년도 경부고속도로 검지기 자료를 수집 정리하여 이식성 검사를 이행하였다. 성능평가는 검지율, 오보율, 평균검지시간, 기타 CR, CI, PI를 사용하였는데 100%의 검지율과 2.99%의 낮은 오보율, 1분을 약간 초과하는 평균검지시간을 보였다. 이는 SAO는 물론 국내 현장에 가장 많이 접목된 APID 및 DELOS 등과 비교해서도 모든 면에서 우월한 성능을 보이는 것이었다.

• 전자공학회논문지
• /
• 제53권10호
• /
• pp.116-122
• /
• 2016

본 논문은 수중에서 사용되는 영상 소나를 이용하여 수중 물체의 외형 복원을 수행하여 보고 그 결과를 분석한다. 일반적으로 해양 측량에 많이 사용되는 다중빔 해양 측심기(Multi-beam echo sounder, MES)보다 더 자세한 수중 환경 관찰이 가능한 영상 소나는 상하 방사영역 정보의 불확실성으로 인해 3차원 복원 연구로 활용되기에 어려움이 있다. 이에 본 논문에서는 소나 영상에서 얻는 물체에 대한 3차원 높이 정보의 불확실성을 줄이기 위해 영상 소나의 상하 방사영역을 좁게 조정하여 영상 소나의 3차원 물체 외형 복원의 어려움을 극복하고자 한다. 또한, 음향 채널별 잡음 제거 필터를 적용하고, 음향 채널별 상호보완 거리값 검출 방법의 적용을 통해 3차원 위치 정보의 정확도를 높이고자 한다. 제안한 수중 물체 외형 복원 방법은 3가지 물체(원뿔, 구, 기둥)에 대해 3차원 복원 실험을 수행하여 보고 그 결과를 분석하였다.

• Advances in Computational Design
• /
• 제4권2호
• /
• pp.73-90
• /
• 2019

The growth in the number of single-member households is a critical issue worldwide, especially among the elderly. For those living alone, who may be unaware of their health status or routines that could improve their health, a continuous healthcare monitoring system could provide valuable feedback. Assessing the performance adequacy of activities of daily living (ADL) can serve as a measure of an individual's health status; previous research has focused on determining a person's daily activities and extracting the most frequently performed behavioral patterns using camera recordings or wearable sensing techniques. However, existing methods used to extract common patterns of an occupant's activities in the home fail to address the spatio-temporal dimensions of human activities simultaneously. Though multiple sequence alignment (MSA) offers some advantages - such as inherent containment of the spatio-temporal data in sequence format, and rapid identification of hidden patterns - MSA has rarely been used to extract in-home ADL routines. This research proposes a method to extract a household occupant's ADL routines from a cumulative spatio-temporal data log of occupancy collected using a non-intrusive method (i.e., a tomographic motion detection system). The findings from an occupant's 28-day spatio-temporal activity log demonstrate the capacity of the proposed approach to identify routine patterns of an occupant's daily activities and to reveal the order, duration, and frequency of routine activities. Routine ADL patterns identified from the proposed approach are expected to provide a basis for detecting/evaluating abrupt or gradual changes of an occupant's ADL patterns that result from a physical or mental disorder, and can offer valuable information for home automation applications by enabling the prediction of ADL patterns.

• 자동차안전학회지
• /
• 제14권2호
• /
• pp.39-44
• /
• 2022

This paper presents LiDAR static obstacle map based vehicle position correction algorithm for urban autonomous driving. Real Time Kinematic (RTK) GPS is commonly used in highway automated vehicle systems. For urban automated vehicle systems, RTK GPS have some trouble in shaded area. Therefore, this paper represents a method to estimate the position of the host vehicle using AVM camera, front camera, LiDAR and low-cost GPS based on Extended Kalman Filter (EKF). Static obstacle map (STOM) is constructed only with static object based on Bayesian rule. To run the algorithm, HD map and Static obstacle reference map (STORM) must be prepared in advance. STORM is constructed by accumulating and voxelizing the static obstacle map (STOM). The algorithm consists of three main process. The first process is to acquire sensor data from low-cost GPS, AVM camera, front camera, and LiDAR. Second, low-cost GPS data is used to define initial point. Third, AVM camera, front camera, LiDAR point cloud matching to HD map and STORM is conducted using Normal Distribution Transformation (NDT) method. Third, position of the host vehicle position is corrected based on the Extended Kalman Filter (EKF).The proposed algorithm is implemented in the Linux Robot Operating System (ROS) environment and showed better performance than only lane-detection algorithm. It is expected to be more robust and accurate than raw lidar point cloud matching algorithm in autonomous driving.

• Journal of Animal Science and Technology
• /
• 제65권3호
• /
• pp.638-651
• /
• 2023

The objective of this study was to quantitatively estimate the level of grazing area damage in outdoor free-range pig production using a Unmanned Aerial Vehicles (UAV) with an RGB image sensor. Ten corn field images were captured by a UAV over approximately two weeks, during which gestating sows were allowed to graze freely on the corn field measuring 100 × 50 m². The images were corrected to a bird's-eye view, and then divided into 32 segments and sequentially inputted into the YOLOv4 detector to detect the corn images according to their condition. The 43 raw training images selected randomly out of 320 segmented images were flipped to create 86 images, and then these images were further augmented by rotating them in 5-degree increments to create a total of 6,192 images. The increased 6,192 images are further augmented by applying three random color transformations to each image, resulting in 24,768 datasets. The occupancy rate of corn in the field was estimated efficiently using You Only Look Once (YOLO). As of the first day of observation (day 2), it was evident that almost all the corn had disappeared by the ninth day. When grazing 20 sows in a 50 × 100 m² cornfield (250 m²/sow), it appears that the animals should be rotated to other grazing areas to protect the cover crop after at least five days. In agricultural technology, most of the research using machine and deep learning is related to the detection of fruits and pests, and research on other application fields is needed. In addition, large-scale image data collected by experts in the field are required as training data to apply deep learning. If the data required for deep learning is insufficient, a large number of data augmentation is required.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2022년도 추계학술대회
• /
• pp.239-241
• /
• 2022

현재 대한민국에서는 교통 혼잡을 해결하기 위해 다인승 전용차로 (HOV, High Occupancy Vehicle Lanes)와 지정차로제를 시행하고 있다. 현행의 교통단속 시스템은 단속 지역 구역에 인원이 필수로 배정되며 무인 단속에 어려움이 있다. 또한, 고정식 교통단속시스템은 속도 위반 단속은 가능하나 운전자가 네이게이션을 통해 단속을 회피할 수 있다. 이러한 문제점을 해결하기 위해 딥러닝 객체 인식 모델인 YOLO를 통한 교통 통합 단속 시스템이 필요하다. 본 연구에서는 멀티스레딩 기술 기반의 병렬처리 차량번호 인식 기술을 적용하여 불시 단속이 가능한 이동식 교통 통합 관리시스템을 제안한다. Yolo5를 이용한 차선 인식, 차량탑승인원 판별, 차량 번호 인식 등의 알고리즘을 통합 모델을 설계하고 이를 적용한 통합시스템을 제시하였다.

• 환경생물
• /
• 제25권2호
• /
• pp.94-99
• /
• 2007

청주시와 청원군 내 금개구리 (Rana chosenica) 개체군의 지역적인 분포를 밝히고 금개구리 울음소리의 시간적 변이를 알아보고자 1/50,000 지도상에 $2{\times}2km^2$의 총 226개 격자를 만들고, 이 중 53개 (총 격자의 23.5%) 격자를 선정하여 모니터링을 실시하였고, 가장 많은 개체를 포함하는 하나의 개체군을 선정하여 저녁 8시부터 다음날 오전 7시까지 울음소리 개체의 빈도를 조사하였다. 53개 격자 중 4곳에서 1번 이상 울음소리를 청취하였다. 프로그램 Presence를 이용하여 모니터링 데이터를 분석한 결과 점유율은 0.170로 다른 종에 비하여 아주 낮았으며, 발견율은 0.66으로 최소한 3번 방문하여야 그 지역에 금개구리가 없다는 것을 확신할 수 있었다. 또한 금개구리는 저녁 9시부터 새벽 2시까지 가장 활발하게 울음소리를 내며 울음소리 빈도는 수온과 습도와 높은 상관관계를 보여주었다. 이 연구를 통하여 청주시와 청원군 내 금개구리의 현재 위치를 확인하였고, 얻어진 결과를 토대로 효율적인 모니터링 방법을 제시하였다.