• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2010년 춘계학술발표회 논문집
• /
• pp.11-13
• /
• 2010

Combined with the indeterminate boundaries of spatial objects, n:m correspondences makes an object-based matching be a complex problem. In this study, we model the boundary of a polygon object with fuzzy model and describe their overlapping relations as a weighted bipartite graph. Then corresponding pairs including 1:0, 1:1, 1:n and n:m relations are identified using a spectral singular value decomposition.

• 대한원격탐사학회지
• /
• 제37권1호
• /
• pp.111-122
• /
• 2021

Building footprint extraction is an active topic in the domain of remote sensing, since buildings are a fundamental unit of urban areas. Deep convolutional neural networks successfully perform footprint extraction from optical satellite images. However, semantic segmentation produces coarse results in the output, such as blurred and rounded boundaries, which are caused by the use of convolutional layers with large receptive fields and pooling layers. The objective of this study is to generate visually enhanced building objects by directly extracting the vertices of individual buildings by combining instance segmentation and keypoint detection. The target keypoints in building extraction are defined as points of interest based on the local image gradient direction, that is, the vertices of a building polygon. The proposed framework follows a two-stage, top-down approach that is divided into object detection and keypoint estimation. Keypoints between instances are distinguished by merging the rough segmentation masks and the local features of regions of interest. A building polygon is created by grouping the predicted keypoints through a simple geometric method. Our model achieved an F1-score of 0.650 with an mIoU of 62.6 for building footprint extraction using the OpenCitesAI dataset. The results demonstrated that the proposed framework using keypoint estimation exhibited better segmentation performance when compared with Mask R-CNN in terms of both qualitative and quantitative results.

• 한국측량학회지
• /
• 제31권4호
• /
• pp.285-292
• /
• 2013

본 연구는 도로 네트워크를 분할한 뒤 네트워크 정합을 수행하는 방법론을 제안한다. 네트워크의 링크에 의해 둘러싸인 공간으로부터 폴리곤 객체를 생성하고 중첩기반 그래프 군집화 기법을 적용하여 이들 폴리곤 객체들의 대응 집합 쌍을 탐색하고, 이로부터 독립적인 정합을 수행하는 하위 네트워크 쌍을 얻었다. 이후 분할된 네트워크 데이터 쌍의 노드 집합에 Iterative Closest Point 알고리즘을 적용하여 기하보정을 수행한 후 하우스도르프 거리를 이용하여 1:N 링크 정합을 수행하였다. 제안된 방법의 효용성을 평가하기 위해 국가교통 DB센터에서 관리하는 KTDB의 네트워크 데이터와 국내 상용 차량 내비게이션 업체의 네트워크 데이터를 대상으로 알고리즘을 적용하고 결과를 평가하였다. 3m에서 18m까지 3m 간격으로 하우스도르프 거리에 임계값을 적용하여 네트워크를 정합한 결과 15m의 임계값에서 F-measure 기준 0.99의 정확도를 얻을 수 있었다.

• 한국측량학회지
• /
• 제31권3호
• /
• pp.193-198
• /
• 2013

본 연구는 객체 정합 기법을 적용하여 건물 인허가 과정에서 제출되는 설계도면에 실세계의 좌표를 등록하는 방법을 제안한다. 일반적으로 설계도면에는 건물과 함께 건물이 위치할 필지 경계선이 포함되어 있다. 필지 경계선으로부터 얻어지는 폴리곤과 KLIS 연속지적도 상의 필지 폴리곤은 동일한 형상을 가지므로, 형상 정합 기법을 적용하여 좌표 등록에 필요한 변환 정보를 얻을 수 있다. 본 연구는 설계도면에 존재하는 선형들의 기하학적 왜곡을 방지하기 위하여 상사 변환을 적용하였다. 이 변환에 필요한 평행 이동량, 축적 변화량 그리고 회전 변화량은 각각 건설도면과 연속지적도의 대응 폴리곤의 무게중심 차이, 면적비, 그리고 선회 함수를 이용한 형상 정합 과정에서 얻어지는 최적 회전 변화량으로 결정하였다. 제안된 방법을 경기도 수원시를 대상으로 세움터에 제출된 건설도면에 적용하였으며, 좌표 등록의 위치정확도를 평가하기 위하여 좌표 등록된 설계도면의 건물 객체와 항공사진을 중첩하여 건물 모서리의 좌표를 비교하였다. 평가 결과 좌표 등록에 참조한 연속지적도와 항공사진의 위치 오차의 크기에 따라 구도심지역에서는 RMSE 기준 2.37m의 정확도를, 신도심지역에서는 0.95m의 위치 정확도를 얻을 수 있었다.

• 한국측량학회지
• /
• 제32권2호
• /
• pp.87-93
• /
• 2014

지적 필지를 구성하고 있는 폴리곤 집합은 현실세계의 국토를 반영하는 가장 기반이 되는 데이터 집합이다. 따라서 지적 필지는 서로 간에 겹쳐있거나 공백을 가지지 않는 위상적 무결성이 보장되어야하는 데이터이다. 하지만, 여러 가지 이유로 필지들 간의 겹침과 공백의 문제가 발생하고 있고, 이러한 경우 폴리곤의 경계들은 주변의 폴리곤과 정확하게 인접하고 있지 못하기 때문에 의도하지 않은 겹침 영역과 공백 영역이 생산되고 있다. 이와 같이 정확하게 인접되어 있지 않은 경계가 불확실한 모서리를 하나 이상 포함하고 있는 경우, 이 폴리곤을 불확실한 영역이라고 부른다. 본 논문에서는 이러한 영역을 탐색하기 위한 TTA 기법을 제안하고자 한다. TTA 처리 순서는 우선 폴리곤 데이터 집합으로부터 포인트와 폴리라인을 추출하여 제한된 델로네 삼각분할을 수행한다. 다음으로 각 삼각형마다 데이터 집합과 중첩되는 면의 수를 세어 삼각형에 태깅을 수행한다. 태깅 값이 0 또는 1 이상인 삼각형을 추출한 후 연결성을 가지고 있는 삼각형끼리 병합을 수행하여 위상적 모순이 있는 영역들을 발견한다. 본 실험에서는 제안하는 알고리즘을 자동화하여 실세계에서 경계가 교차하는 지적 데이터에 적용하여 실험을 하였다.

• 한국전기전자재료학회논문지
• /
• 제37권3호
• /
• pp.261-273
• /
• 2024

This paper is an experimental study on the improvement of smoke and flame detection from different materials with YOLO. For the study, images of fires occurring in various materials were collected through an open dataset, and experiments were conducted by changing the main factors affecting the performance of the fire object detection model, such as the bounding box, polygon, and data augmentation of the collected image open dataset during data preprocessing. To evaluate the model performance, we calculated the values of precision, recall, F1Score, mAP, and FPS for each condition, and compared the performance of each model based on these values. We also analyzed the changes in model performance due to the data preprocessing method to derive the conditions that have the greatest impact on improving the performance of the fire object detection model. The experimental results showed that for the fire object detection model using the YOLOv5s6.0 model, data augmentation that can change the color of the flame, such as saturation, brightness, and exposure, is most effective in improving the performance of the fire object detection model. The real-time fire object detection model developed in this study can be applied to equipment such as existing CCTV, and it is believed that it can contribute to minimizing fire damage by enabling early detection of fires occurring in various materials.

• 한국멀티미디어학회논문지
• /
• 제18권7호
• /
• pp.818-826
• /
• 2015

With the rapid interest in Geographic Information System (GIS) contents, a large volume of valuable GIS dataset has been distributed illegally by pirates, hackers, or unauthorized users. Therefore the problem focus on how to protect the copyright of GIS vector map data for storage and transmission. But GIS vector map data is very large and current data encryption techniques often encrypt all components of data. That means we have encrypted large amount of data lead to the long encrypting time and high complexity computation. This paper presents the selective encryption scheme using hybrid transform for GIS vector map data protection to store, transmit or distribute to authorized users. In proposed scheme, polylines and polygons in vector map are targets of selective encryption. We select the significant objects in polyline/polygon layer, and then they are encrypted by the key sets generated by using Chaotic map before changing them in DWT, DFT domain. Experimental results verified the proposed algorithm effectively and error in decryption is approximately zero.

• 한국측량학회지
• /
• 제33권1호
• /
• pp.45-52
• /
• 2015

공간정보 제작의 다원화로 인하여 다양한 수치지도들이 여러 공공기관 및 기업에서 제작됨에 따라 데이터의 상호 운용성이 점점 중요해지고 있다. 이에 본 연구에서는 계층적 매칭 기법을 활용한 이종 수치지도의 건물 데이터 자동 정합기법을 제안하였다. 먼저 수치지도를 가구계 기반으로 분할한 후 ICP 알고리즘을 활용한 건물 기하보정을 1차적으로 수행하였다. 대응 가능한 건물쌍의 중첩면적 유사도를 평가하여 대응 건물을 결정하고 Otsu 이진 임계화를 수행하여 매칭 비매칭에 대한 임계값을 자동으로 설정하였다. 1차 매칭이 완료된 후 임계값과 비슷한 유사도를 가지는 건물들을 오매칭 후보군으로 추출하여 개별 건물에 대한 ICP 알고리즘 기반의 기하보정을 다시 수행하고 형태학적 인자인 회전각 함수분석을 추가 적용하여 정합여부를 재판단하였다. 실험평가를 위해 제안된 알고리즘을 대표적인 공공분야 수치지도인 도로명주소지도와 수치지형도 2.0의 건물 데이터에 적용하고 활용성을 평가하였다. 정확도 평가결과 매칭 건물 및 비매칭 건물에 대한 F 측정치가 각각 2%와 17% 향상되었으며 이를 통해 본 연구에서 제안한 알고리즘이 이종 수치지도 건물 정합에 효과적으로 적용될 수 있음을 확인하였다.

• 정보처리학회논문지B
• /
• 제10B권5호
• /
• pp.567-574
• /
• 2003

최근 하드웨어의 급속한 발전으로 3차원 그래픽의 적용 분야도 다양화 되어가고 있다. 3차원 가상도시를 배경으로 하는 3D MMORPG(Massive Multi-play Online Role Playing Game)와 같은 게임을 설계하기 위하여 필요한 세부 기술은 다양한 이론이 병합되어야 한다. 3D MMORPG 게임엔진은 거대한 3차원 도시의 수많은 빌딩과 개체론 실시간으로 빠르게 처리되어야 하기 때문에 렌드링의 처리뿐만 아니라 속도에 영향을 미치는 많은 요소를 가지고 있다. 이러한 게임엔진의 설계에서 중요하게 다루어지는 것은 처리 속도이다. 기존의 3D MMORPG에서 충돌검출의 방법으로 경계상자를 적용하지만 이 방법은 거대지형에서의 충돌 검출 시 속도가 느려지기 때문에 적용하기에는 바람직하지 않다. 따라서 본 논문은 거대지형상의 3D MMORPG 게임에서 발생되는 충돌검출 속도를 향상시키고자 한다. 즉 이러한 처리에서 본 논문은 다음과 같이 제시한다. 첫째 폴리곤의 충돌검사를 모두 하지 않고 빠른 시간에 충돌검출을 판단할 수 있다. 둘째 경계상자의 충돌검출에 대한 비용이 3차원 개체 개수에 대해 비례하여 증가하는 데에 대한 개선 방법을 제시한다. 그 처리 과정은 3D MMORPG 넓은 가상공간을 동적으로 처리하기 위해서는 제한적 OSP를 사용하여 공간분할을 한다. 분할된 3차원 공간을 계층적 경계상자를 이용함으로써 충돌검출에 필요한 개체를 검색하고 이론 통하여 충돌검출 속도를 개선시킬 수 있을 것이다.

• 융합신호처리학회논문지
• /
• 제23권3호
• /
• pp.166-172
• /
• 2022

본 연구에서는 전동 이동 보조기기를 이용하는 교통약자의 이동을 저해하거나 불편을 초래하는 횡단 보도, 측구, 맨홀, 점자블록, 부분 경사로, 임시안전 방호벽, 계단, 경사형 연석과 같은 주행 장애물 객체를 촬영한 뒤 객체를 분류하고 이를 자동 인식하는 최적의 AI 모델을 개발하여 주행 중인 전동 이동 보조기기의 전방에 나타난 장애물을 효율적으로 판단할 수 있는 알고리즘을 구현하고자 한다. 객체 검출을 높은 확률로 AI 학습이 될 수 있도록 데이터 셋 구축 시 라벨링 형태를 폴리곤 형태로 라벨링 하며, 폴리곤 형태로 라벨링 된 객체를 탐지할 수 있는 Detectron2 프레임워크를 활용하여 Mask R-CNN 모델을 활용하여 개발을 진행하였다. 영상 획득은 일반인과 교통약자의 두 개 그룹으로 구분하여 진행하였고 테스트베드 2개 지역에서 얻어진 영상정보를 확보하였다. Mask R-CNN 학습 결과 파라미터 설정은 IMAGES_PER _BATCH : 2, BASE_LEARNING_RATE 0.001, MAX_ITERATION : 10,000으로 학습한 모델이 68.532로 가장 높은 성능을 보인 것이 확인되어 주행 위험, 장애 요소를 빠르고 정확하게 사용자가 인지할 수 있도록 하는 딥러닝 모델을 구축이 가능한 것을 확인할 수 있었다.