• 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.

• 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.

• 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.

• 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.