• 한국측량학회지
• /
• 제39권6호
• /
• pp.587-598
• /
• 2021

본 연구는 자율주행을 위한 정밀지도 구축 및 신속갱신을 위한 다중카메라 기반의 MMS (Mobile Mapping System)기술개발을 목표로 한다. 고가의 라이다 센서를 대체하고 긴 처리시간을 단축하기 위해 다수의 카메라를 적용하고 실시간 데이터 전처리를 통해 저가이면서 효율적인 MMS를 개발하고자 한다. 이를 위해 다중카메라 저장 기술개발, 다중카메라 시각동기화 기술개발, MMS 시제품 개발을 수행하였다. 다중의 카메라로부터 취득되는 고속영상의 실시간 JPG압축저장을 위해 엔진을 선정하고 저장모듈을 개발하였으며, 다중영상이 촬영된 정확한 시간을 실시간으로 기록하기 위해 이벤트 및 GNSS (Global Navigation Satellite System) 타임서버 기반 시각동기화 방안을 개발했다. 그리고 각 부문별 요구사항을 바탕으로 MMS를 설계하고 시제품을 제작하였다. 마지막으로 제작된 다중카메라기반 MMS의 성능검증을 위해 실제 1,000km 도로에서 데이터를 취득하고 정량적 평가를 수행했고, 평가결과 시각동기화 성능은 1/1000초 이하를 나타내었으며, SFM영상처리를 통해 얻은 포인트 클라우드의 위치정확도는 5cm 내외를 나타냈다. 정량적 평가 결과를 통해 본 연구에서 개발된 다중카메라 기반 MMS기술이 정밀지도 구축 기준을 만족하는 성능을 나타내는 것을 알 수 있었고, 향후 정밀지도 구축 분야에서 특히 외산기술에 의존하고 있던 고가의 MMS를 대체하는데 기여할 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.991-1005
• /
• 2022

위성 영상은 핵 활동 탐지와 검증을 위한 효율적인 보조자료로 핵시설과 같이 접근이 어렵고 정보가 제한된 지역에 매우 유용하다. 특히 장비의 이동 또는 시설물의 변화와 같이 핵실험을 준비하는 과정은 시계열 분석을 통해 충분히 식별 가능하다. 본 연구에서는 핵 활동과 관련된 주요 객체의 변화를 탐지하기 위하여, 다시기 영상의 의미론적 분할 결과의 차이를 이용하였다. AIHub에서 제공하는 KOMPSAT 3/3A 영상으로 구성된 객체 판독 데이터셋에서 건물, 도로, 소형 객체의 정보를 추출하여 학습하였으며, U-Net, PSPNet, Attention U-Net에 대하여 주요 파라미터를 변경하며 대상 객체 추출에 적합한 의미론적 분할 모델을 분석하였다. 의미론적 분할 결과의 차영상으로 생성된 결과에 객체 정보를 포함하여 최종 변화 탐지를 수행하였으며, 제안 기법을 임의의 변화를 포함한 시뮬레이션 영상에 적용한 결과, 변화 객체를 효과적으로 추출할 수 있었다. 본 연구에서 제시된 변화 탐지 기법을 적용하기 위해서는, 의미론적 분할의 정확도가 우선적으로 확보되어야 하는 제약이 있으나, 추후 실험 대상 지역에 대한 학습데이터셋이 증가할 수록 적용 가능한 분석 범위가 증가할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1663-1676
• /
• 2022

최근 딥러닝을 활용한 토지피복분류 기법 연구가 다수 수행되고 있다. 그런데 양질의 토지피복 학습데이터를 충분하게 구축되지 못하여 성능이 저하되는 양상이 확인되었다. 이에 따라 본 연구에서는 데이터 확장 기법의 적용을 통한 토지피복분류 성능의 향상을 확인하였다. 분류 모델로는 U-Net이 활용되었으며 AI Hub에서 제공하는 토지피복 위성 이미지 자료를 연구자료로 활용하였다. 원본 데이터로 학습한 모델과 데이터 확장 기법이 적용된 데이터로 학습한 모델의 픽셀 정확도는 각각 0.905와 0.923이었으며 평균 F1 스코어는 각각 0.720과 0.775로 데이터 확장 기법을 적용하였을 때가 보다 우수한 성능을 나타내는 사실을 확인할 수 있었다. 또한 원본 학습데이터를 활용하여 학습한 모델의 경우 건물, 도로, 논, 밭, 산림, 비대상 지역 클래스에 대한 F1 스코어가 0.770, 0.568, 0.733, 0.455, 0.964 그리고 0.830이었으며, 데이터 확장을 적용하였을 때에 각 클래스에 대한 F1 스코어는 각각 0.838, 0.660, 0.791, 0.530, 0.969 그리고 0.860으로 모든 클래스에 대해 데이터 확장이 성능향상에 유효하다는 사실을 확인하였다. 또한, 클래스 균형에 대한 고려없이 데이터 확장을 적용했음에도 불구하고 데이터 불균형에 의한 클래스별 성능 왜곡을 완화할 수 있다는 사실을 확인할 수 있었다. 이는 절대적인 학습데이터의 양이 증가했기 때문이라 판단된다. 본 연구 결과는 다양한 영상 처리 분야에서 데이터 확장 기법의 중요성과 효과를 증명하는 기반 자료의 역할을 수행할 것으로 기대한다.

• 한국측량학회지
• /
• 제39권6호
• /
• pp.393-399
• /
• 2021

본 연구는 다양한 미세먼지 농도 환경의 야간 CCTV 영상을 학습 시켜 영상에 의한 미세먼지 농도 추정에 대한 실험을 진행하였다. 주간 영상의 경우 많은 관련 연구가 존재하였고, 영상의 다양한 텍스쳐와 밝기 정보가 잘 표현되어 학습에 영향을 주는 정보가 뚜렷하다. 하지만 야간 영상의 경우 주간 영상에 비해 담고 있는 정보가 적고 야간 영상만 사용한 연구가 드물다. 따라서 차량과 가로등 같은 광원 때문에 특징이 균일하지 못한 야간 촬영 영상들과 비교적 광원이 일정한 건물 지붕, 건물 벽, 가로등을 ROI로 결합한 실험을 진행하였다. 이후 야간 영상으로 딥러닝 기반 미세먼지 농도 추정이 가능한지 상관도를 주간 실험과 비교 분석하였다. 실험 결과, 지붕 ROI (Region of Interest) 학습한 경우의 결과 값이 가장 높았고, 전체 영상과의 결합 학습모델은 더 향상된 결과를 보여주었다. 전체적으로 R²가 0.9를 상회하여 야간 CCTV 영상으로부터 미세먼지 추정이 가능함을 나타내고 있고, 날씨 자료의 추가 결합 학습은 실험 결과에 크게 영향을 주지 않은 것으로 계산되었다.

• 한국지반공학회논문집
• /
• 제26권2호
• /
• pp.23-32
• /
• 2010

본 연구는 특별히 물과 관련된 실트질 계열의 경량기포혼합토(기포슬러리밀도 10kN/$m^3$ 대상)의 특성변화를 알아보기 위해 수행되었다. 일축압축강도, 투수계수, 모관상승고 등에 대한 연구가 이루어졌으며, 이들 연구를 뒷받침할 수 있는 경량기포혼합토의 미세구조에 대한 연구도 아울러 진행되었다. 사진을 통한 미세 구조 분석 결과 경량기포혼합토 내의 기포는 다양한 크기로 존재하며, 위치별 기포의 분포는 거의 일정한 것으로 밝혀졌다. 또한 기포 안에 아주 많은 미세한 공극들이 존재하여 물에 의해 경량기포혼합토가 포화상태에 가까이 도달될 수 있음이 밝혀졌다. 이미지를 이용한 간극률 산정도 같이 이루어졌다. 일축압축강도 시험 결과, 물에 의한 극한강도 값의 변화는 없으나 응력-변형거동에는 영향을 주는 것으로 나타났다. 경량기포혼합토의 투수계수는 평균 $4.857{\times}10^{-6}cm/sec$로 점토보다는 약간 큰 값을 갖는 것으로 나타났다. 경량기포혼합토의 모관상승은 시험초기부터 100분 이내에는 가파르게 진행되고, 그 이후 경과시간에 따라 상승속도가 점진적으로 완만하게 진행됨을 알 수 있다. 모관상승은 곧 재료의 단위중량 증가를 유발하므로 경량기포혼합토의 설계와 유지관리 시 각별한 주의가 요구된다.

• 한국지반공학회논문집
• /
• 제39권7호
• /
• pp.31-37
• /
• 2023

터널은 지중에 건설되는 구조물이므로 육안으로 터널 강지보재의 위치 등의 확인이 불가능하다. 이에, 터널 유지관리시에는, 일반적으로 GPR 이미지를 활용하여 강지보재 탐지를 수행한다. 인공신경망을 통한 GPR 이미지 분석에 대한 연구는, 주로 지하배관, 도로 손상 등의 탐지에 집중되어 있으며, 강지보재 등의 터널 GPR 데이터를 분석한 사례는 해외와 국내 모두 제한적이다. 본 연구에서는, 합성곱 신경망을 기반으로 하는 1단계 객체인식 알고리즘인 YOLO를 활용하여, GPR 데이터를 바탕으로 한 터널 강지보재의 위치 탐지를 자동화하고, 그 성능을 분석한다. 원본 이미지 데이터는 총 512개이며 원본 이미지 데이터로 이루어진 데이터 세트와 원본 이미지 데이터와 증식기법이 적용된 이미지 데이터를 병합한 2,048개의 데이터로 이루어진 데이터 세트를 해석에 활용하였다. 증식한 데이터를 사용한 모델의 강지보재 누락율(전체 강지보재와 탐지하지 못한 지보재 숫자의 비율)은 0.38%, 원본 데이터만을 활용한 모델의 강지보재 누락율은 7.18%로 나타났다. 따라서, 분석 자동화 측면에서는, 증식기법이 적용된 데이터 세트를 활용하는 것이 더 실용적일 것으로 판단된다.

• 한국정보전자통신기술학회논문지
• /
• 제17권1호
• /
• pp.31-37
• /
• 2024

본 연구에서는 컴퓨팅 자원이 제한된 환경에서도 효율적으로 동작 가능한 머신비전 기반의 보행자 신호 검출 알고리즘을 제안하였다. 이 알고리즘은 제한된 자원에서도 높은 효율성을 발휘하며, 주변 조명 등의 영향을 최소화하기 위해 HSV 색공간 기반의 영상처리, 이진화, 모폴로지 연산, 라벨링 등의 단계를 순차적으로 적용하여 빛 번짐과 같은 현상에 대응할 수 있도록 설계되었다. 특히, 이 알고리즘은 비교적 단순한 형태로 구성되어 임베디드 시스템 환경에서 부담 없이 동작할 수 있도록 고려되었다. 이를 통해 낮은 컴퓨팅 자원을 보유한 환경에서도 안정적으로 작동할 수 있는 구조를 갖췄다. 또한, 제안된 보행등은 보행신호 검출 기능뿐만 아니라 IoT 기능을 탑재하여 무선으로 웹서버와 연동되는 기능을 갖췄다. 이에 따라 보행등 설치자 및 제어권자들은 웹 서버를 통해 신호등의 상태를 모니터링하고 제어할 수 있는 편의성을 제공받을 수 있다. 더불어, 50W급 LED 보행등을 효과적으로 제어할 수 있는 구현이 완료되었다. 이러한 제안된 시스템은 자원 제한 환경에서의 신속하고 효율적인 보행자 신호 검출 및 제어 시스템으로, 실제 도로 환경에서의 적용 가능성을 고려하고 있다. 이를 통해 보다 안전하고 지능적인 도로 교통 시스템의 구축에 기여할 것으로 기대된다.

• 한국터널지하공간학회 논문집
• /
• 제19권1호
• /
• pp.95-107
• /
• 2017

본 논문에서는 제도적으로 운영 중인 터널내 CCTV들로부터 실시간으로 들어오는 영상들을 최신 딥러닝 알고리즘을 이용, 학습시켜 다양한 조건의 터널환경에서 돌발 상황을 감지하고 그 돌발 상황의 종류들을 분류해 내는 시스템 개발을 위한 사전검토 연구를 수행하였다. 사전검토 연구를 위해, 2개의 도로현장의 교통류 CCTV영상 일부를 이용하여 가용한 전통적인 영상처리기법으로 영상내부로 집입하는 차량을 감지하고, 이동경로를 추적하여 일정 시간간격의 이동 차량의 좌표와 시간정보를 추출하고 학습자료를 구성하였다. 각 차량의 이동정보는 차선변경, 정차 등 6가지의 이벤트 정보와 연계된다. 차량 이동정보와 이벤트로 구성된 학습자료는 레질리언스(resilience) 기계학습 알고리즘을 이용하여 학습하였다. 2개의 은닉층을 설정하고, 각 은닉층의 노드수에 대한 9개의 은닉구조 모델을 설정하여 매개변수 연구를 수행하였다. 본 사전검토의 경우에는 첫 번째, 두 번째 은닉층 노드수가 각각 300개와 150개로 설정된 모델이 합리적으로 가장 추론정확도가 높은 것으로 평가되었다. 이로부터 일반화되기 매우 힘든 복잡한 교통류 상황을 기계학습을 이용하여 어떠한 사전 규칙설정 없이도 교통류의 특징들을 정확히 자동으로 감지할 수 있는 가능성을 보였다. 본 시스템은 시스템의 운용을 통해 지속적으로 교통류 영상과 이벤트 정보가 늘어난다면, 자동으로 그 시스템의 인지능력과 정확도가 자동으로 향상되는 효과도 기대할 수 있다.

• 대한토목학회논문집
• /
• 제41권5호
• /
• pp.581-589
• /
• 2021

최근 국내 초소형전기차 도입이 증가하면서, 관련 시장 활성화를 위한 초소형전기차 사용자만족도에 대한 관심이 증가하고 있다. 본 논문에서는 사용자만족도 구성요인을 기반으로 초소형전기차를 활용한 공공서비스 개발에 관한 기초연구를 수행하였다. 설문조사는 ① '초소형전기차 사용자만족도 구성요인 우선순위 선정을 위한 계층화(AHP) 분석'과, ② 초소형전기차에 대한 사용자들의 선호도 및 교통서비스 제공을 위한 사전 자료수집을 위한 '초소형전기차 이미지 설문조사', ③ 실제 초소형전기차를 운행한 이용자의 사용자만족도를 조사하기 위해 '초소형전기차 운전자 사용자만족도 설문조사' 순서로 수행하였다. 계층화(AHP) 분석에서는 '사용자 이용 데이터', '차량 이동 데이터', '충전서비스 데이터'순으로 사용자들이 중요하게 여긴다는 결과를 얻었다. 초소형전기차 이미지 설문조사에서는 사용자들이 초소형전기차를 오토바이와 비교했을 때 '안전성', '내구성', '승차감', '디자인', '유지관리비', '친환경성' 측면에서 더 긍정적으로 인식하고 있었다. 초소형전기차 운전자 사용자만족도 설문조사에서는 초소형전기차를 사용하는 것이 업무수행능률에 직접적인 영향을 미치지는 않았으며, 초소형전기차의 차량크기로 인해 도로에서의 불이익을 받은 경험이 있었고, 옥외 광고용으로 초소형전기차 군집 주행 시 홍보효과가 컸지만 안전성 측면에서는 우려를 나타내고 있었다. 향후 본 연구결과를 바탕으로 사용자만족도 구조방정식 모델을 구축할 예정이며, 선제적으로 공공분야에서의 초소형전기차 활용업무 서비스에 대한 피드백 R&D를 발굴하고, 새로운 공공 이동지원 서비스 발굴을 적극적으로 모색하고자 한다.

• 한국터널지하공간학회 논문집
• /
• 제24권3호
• /
• pp.247-262
• /
• 2022

국내 200 m 이상 연장의 터널에서는 CCTV 설치가 의무화되어 있으며, 터널 내 돌발 상황을 자동으로 인지한 다음 터널 관리자에게 알릴 수 있는 터널 영상유고시스템의 운영이 권고된다. 여기서 터널 내 설치된 CCTV는 터널 구조물의 공간적인 한계로 인해 낮은 높이로 설치된다. 이에 따라 이동차량과 매우 인접하므로, 이동차량과 CCTV와의 거리에 따른 원근현상이 매우 심하다. 이로 인해, 기존 터널 영상유고시스템은 터널 CCTV로부터 멀리 떨어질수록 차량의 정차 및 역주행, 보행자 출현 및 화재 발생과 같은 터널 내 유고상황을 인지하기 매우 어려우며, 100 m 이상의 거리에서는 높은 유고상황 인지 성능을 기대하기 어려운 것으로 알려져 있다. 이 문제를 해결하기 위해 관심영역 설정 및 역 원근변환(Inverse perspective transform)을 도입하였으며, 이 과정을 통해 얻은 변환영상은 먼 거리에 있는 객체의 크기가 확대된다. 이에 따라 거리에 따라 객체의 크기가 비교적 일정하게 유지되므로, 거리에 따른 객체 인식 성능과 영상에서 보이는 차량의 이동속도 또한 일관성을 유지할 수 있다. 이를 증명하기 위해 본 논문에서는 터널 CCTV의 원본영상과 변환영상을 바탕으로 동일한 조건을 가지는 데이터셋을 각각 제작 및 구성하였으며, 영상 내 차량의 실제 위치의 변화에 따른 겉보기 속도와 객체 크기를 비교하였다. 그 다음 딥러닝 객체인식 모델의 학습 및 추론을 통해 각 영상 데이터셋에 대한 거리에 따른 객체인식 성능을 비교하였다. 결과적으로 변환영상을 사용한 모델은 200 m 이상의 거리에서도 객체인식 성능과 이동차량의 유고상황 인지 성능을 확보할 수 있음을 보였다.