• 디지털콘텐츠학회 논문지
• /
• 제18권5호
• /
• pp.989-994
• /
• 2017

본 논문은 2D 라이다를 이용해서 포트홀을 검출하는 시스템과 알고리즘을 제안한다. 기존의 포트홀을 검출하는 방법에는 진동, 3D 복원, 영상, 명암을 기반으로 한 방법이 있다. 제안하는 포트홀 검출 시스템은 저가형 LiDAR 두 개를 이용하여 포트홀 검출성능을 개선한다. 포트홀 검출 알고리즘은 LiDAR를 통해 얻은 데이터의 노이즈를 제거하기 위한 전처리과정, 시각화를 위한 클러스터링과 선분추출, 포트홀 검출을 위한 기울기 함수를 구하는 단계로 나뉜다. 기울기 함수를 통해 추출된 데이터의 특징점을 찾아내어 포트홀 여부를 검사하고 포트홀의 깊이와 폭을 측정한다. 2개의 라이다를 활용한 포트홀 검출 시스템을 개발하고, 라이다 장치를 이동하면서 포트홀을 검출함으로써 2D LiDAR를 이용한 3차원 포트홀 검출 시스템의 성능을 보인다.

• 전자공학회논문지
• /
• 제51권10호
• /
• pp.248-255
• /
• 2014

본 논문에서는 다양한 특징점들을 이용하여 아스팔트 도로의 포트홀을 검출하는 방법을 제안한다. 포트홀 검출에서의 분할, 후보, 결정 단계 들은 특징점 들의 특성에 따라 추출된 값들에 의해 처리된다. 분할 단계에서는 히스토그램과 형태학 필터의 닫힘 연산을 이용하여 포트홀 검출을 위한 어두운 영역을 추출한다. 후보 단계에서는 포트홀 후보 영역을 정하기 위하여 크기, 밀도 등 다양한 특징점들을 이용하여 포트홀 후보 영역을 추출한다. 또한 마지막 결정 단계에서는 후보 영역과 배경 영역과의 특징점들의 비교를 통해서 후보 영역이 포트홀 여부를 판단한다. 실험 결과, 제안하는 방법이 기존 포트홀 검출 방법 보다 향상된 결과를 보이고 포트홀과 유사한 형태들과 구분하는 향상된 결과를 보인다.

• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권1호
• /
• pp.8-19
• /
• 2016

도로의 결빙과 해빙으로 도로면의 수축과 팽창이 반복되어 도로면에서 침투한 수분이 포장면의 결합력을 약화시켜 노면홈(포트홀)을 발생시킨다. 현재의 포트홀 조사는 현장에서 육안 조사하고 기록하는 수동적인 방식으로 매년 수 만개소의 포트홀이 발생하는 것에 어려움이 발생하고 있다. 포트홀 정보를 자동으로 수집하기 위해 최근까지 가속도 센서를 이용한 기술과 레이저 스캐닝을 이용한 기술이 많이 연구되었다. 하지만, 가속도 센서 기반 기술은 낮은 인식률과 제한된 센싱 영역의 문제가 있고, 레이저 스캐닝 기반 기술은 비용이 너무 큰 문제가 있다. 따라서, 본 논문에서는 대중적으로 사용하는 차량용 블랙박스 카메라를 이용한 자동 포트홀 탐지 기술을 제안한다. 일반적으로 차량용 블랙박스 카메라에 탑재한 연산프로세서는 낮은 컴퓨팅 능력을 가지므로 포트홀 탐지 알고리즘을 그게 맞게 설계할 필요가 있다. 설계된 알고리즘을 블랙박스에 내장하여 도로 주행실험을 실시하며, 포트홀 탐지 성능을 중심으로 한 실험결과는 포트홀 탐지 정밀도, 민감도 등의 지표를 토대로 분석하고, 실시간 포토홀 탐지 기술의 현장 적용성을 확인한다.

• 한국ITS학회 논문지
• /
• 제15권4호
• /
• pp.104-114
• /
• 2016

포트홀은 차량파손과 교통사고 유발 등의 사회문제를 유발시키고 있다. 포트홀을 효율적으로 관리하기 위해서는 빠르게 포트홀을 찾아내는 기술이 가장 중요하다. 기존의 포트홀 탐지 기법은 민원에 의한 수동식 신고방식을 사용하고 있어, 포트홀로 인해 발생하는 문제를 사전에 예방하지 못하고 있다. 최근 포트홀을 저비용으로 빠르게 탐지하기 위하여 영상 카메라를 이용한 연구가 많이 진행되고 있다. 본 논문에서는 사전에 연구되었던 포트홀 탐지 알고리즘의 탐지정확도를 개선하기 위한 Saliency Map 기반의 알고리즘을 제안한다. 기존 알고리즘은 포트홀이 그림자와 겹쳐있거나 포트홀의 내부 모양이 주변 도로노면과 비슷한 형태를 가지는 등의 복잡한 환경에서 포트홀을 탐지하지 못하는 문제를 가지고 있다. 이러한 문제를 해결하기 위하여 제안하는 알고리즘은 Saliency Map 알고리즘을 이용하여 보다 정확한 포트홀 후보 영역을 찾는다. 제안 알고리즘은 포트홀 후보영역 추출부와 결정부로 구성되며, 실험을 통하여 기존 알고리즘보다 더 높은 탐지 정확도를 가짐을 보인다.

• 전자공학회논문지
• /
• 제52권11호
• /
• pp.137-146
• /
• 2015

본 논문에서는 명암과 움직임에 따른 다양한 특징점들을 이용하여 포트홀 검출하는 방법을 제안한다. 포트홀 검출 방법은 명암과 움직임에 따라 각각 분할되는 단계와 상호 특징점들의 값에 따라 검출이 결정되는 단계로 이루어진다. 명암을 이용한 분할은 히스토그램을 이용한 이진화 방법을 사용하여 포트홀과 주변 영역을 구분한다. 움직임을 이용한 분할은 먼저 움직임의 변화가 있는 영역을 구분하기 위하여 high pass filtering을 한 후 standard deviation 값을 얻는다. 그리고 도로 촬영 각도, 높이, 속도 등에 따른 움직임 크기를 조정하기 위하여 regression값으로 나눈다. 히스토그램 기반 이진화를 이용하여 이진 영상으로 만든다. 포트홀을 검출하는 결정에서는 후보 영역과 배경 영역과의 특징점들의 비교를 통해서 후보 영역이 포트홀 여부를 판단한다. 실험 결과, 제안하는 방법이 기존 포트홀 검출 방법 보다 향상된 결과를 보이고 포트홀과 유사한 형태들과 구분하는 향상된 결과를 보인다.

• Smart Structures and Systems
• /
• 제24권6호
• /
• pp.745-757
• /
• 2019

Road surface deteriorations such as potholes have caused motorists heavy monetary damages every year. However, effective road condition monitoring has been a continuing challenge to road owners. Depth cameras have a small field of view and can be easily affected by vehicle bouncing. Traditional image processing methods based on algorithms such as segmentation cannot adapt to varying environmental and camera scenarios. In recent years, novel object detection methods based on deep learning algorithms have produced good results in detecting typical objects, such as faces, vehicles, structures and more, even in scenarios with changing object distances, camera angles, lighting conditions, etc. Therefore, in this study, a Deep Learning Pothole Detector (DLPD) based on the deep region-based convolutional neural network is proposed for autonomous detection of potholes from images. About 900 images with potholes and road surface conditions are collected and divided into training and testing data. Parameters of the network in the DLPD are calibrated based on sensitivity tests. Then, the calibrated DLPD is trained by the training data and applied to the 215 testing images to evaluate its performance. It is demonstrated that potholes can be automatically detected with high average precision over 93%. Potholes can be differentiated from manholes by training and applying a manhole-pothole classifier which is constructed using the convolutional neural network layers in DLPD. Repeated detection of the same potholes can be prevented through feature matching of the newly detected pothole with previously detected potholes within a small region.

• 대한토목학회논문집
• /
• 제37권3호
• /
• pp.603-610
• /
• 2017

최근 집중호우, 잦은 강설, 급격한 기온차이 등 환경변화의 가속화에 따라 균열, 단차, 포트홀 등 다양한 형태의 도로 파손이 급증하고 있다. 이중 포트홀 관련 사고는 파손 특징상 대형사고를 유발하며 08년 기준 5년간 약 5배 이상 증가하였다. 매년 포트홀로 인한 인명피해, 차량파손 등 직 간접적인 피해가 증가함에 따라 보다 신속하고 효율적인 관리 대책이 필요하다. 따라서 본 연구에서는 포트홀 규모, 면적과의 상관관계를 통해 체적 보정계수와 보수재료 물량산출 알고리즘을 제시하였다. 제시된 물량산출 알고리즘의 검증을 위해 수도권 지역 15개소의 포트홀을 측정한 결과 통상적으로 개소당 약 5~7 kg까지 발생하던 재료 잔량이 1~2 kg까지 감소하는 것으로 나타났다. 작업자의 주관적인 판단에 의존하여 시공하고 있는 실정에서 포트홀 체적 감지 자동화 통합시스템은 재료/자원 절감뿐 아니라 적정한 보수물량 산정을 통해 다짐상태 등 포장 품질향상에 기여할 수 있을 것이다.

• 융합신호처리학회논문지
• /
• 제23권4호
• /
• pp.249-255
• /
• 2022

포트홀은 아스팔트 포장도로의 구조적 결함을 나타내는 중요한 단서임과 동시에 많은 인명 피해와 재산 피해를 일으킨다. 따라서 정확한 포트홀 탐지는 도로 표면의 유지보수에 있어서 중요한 과제이다. 포트홀 탐지를 위해 많은 머신러닝 기술이 도입되고 있으며 딥러닝 모델의 효율성을 높이기 위해 데이터 전처리가 필요하다. 본 논문에서는 포트홀 데이터셋에서 중요한 질감과 형태를 강조하는 전처리 방법을 제안한다. 제안된 전처리 방법은 Intensity transformation을 사용해 도로의 불필요한 요소를 줄이고 포트홀의 질감과 형태를 부각한다. 또한 Superpixel, Sobel edge detection을 사용해 포트홀의 특징을 검출한다. 제안된 전처리 방법과 기존의 전처리 방법의 성능 비교를 통해 포트홀 검출에서 제안된 전처리 방법이 기존 방법보다 더 효과적인 방법이라는 것을 보여준다.

• 한국ITS학회 논문지
• /
• 제17권5호
• /
• pp.55-64
• /
• 2018

운전자의 안전사고에 직접적인 원인이 되고, 차량 파손을 유발시켜 재산상의 피해를 발생시키고 있는 포트홀을 완전 합성곱 신경망 기반의 자동으로 탐지하는 기법을 본 논문에서는 제안한다. 먼저, 실제 국내 도로를 주행하면서 차량에 설치된 카메라를 통하여 학습 데이터셋을 수집하고, 완전 합성곱 신경망 구조를 활용하여 의미론적 분할 형태로 신경망을 학습하였다. 어두운 환경에서 강건한 성능을 보이기 위하여 학습 데이터셋을 밝기에 따라서 증강하여 총 30,000장의 이미지를 학습하였다. 또한, 제안된 자동 포트홀 탐지 기술의 성능을 검증하기 위하여 총 450장의 평가 DB를 생성하였고, 총 네 명의 전문가가 각각의 이미지를 평가하였다. 평가 결과, 제안된 포트홀 탐지 기술은 높은 민감도 수치를 나타나는 것으로 평가 되었으며, 이는 정탐에서 강건한 성능을 보이는 것으로 해석 가능하다.

• 반도체디스플레이기술학회지
• /
• 제20권1호
• /
• pp.88-93
• /
• 2021

The automotive industry is developing day by day. Among them, it is very important to prevent accidents while driving. However, despite the importance of developing automobile industry technology, accidents due to road defects increase every year, especially in the rainy season. To this end, we proposed a road defect detection system for road management by converging deep learning and raspberry pi, which show various possibilities. In this paper, we developed a system that visually displays through a map after analyzing the images captured by the Raspberry Pi and the route GPS. The deep learning model trained for this system achieved 96% accuracy. Through this system, it is expected to manage road defects efficiently at a low cost.