• 정보보호학회논문지
• /
• 제33권6호
• /
• pp.1099-1110
• /
• 2023

자율주행 및 robot navigation의 인식 시스템은 성능 향상을 위해 다중 센서를 융합(Multi-Sensor Fusion)을 한 후, 객체 인식 및 추적, 차선 감지 등의 비전 작업을 한다. 현재 카메라와 라이다 센서의 융합을 기반으로 한 딥러닝 모델에 대한 연구가 활발히 이루어지고 있다. 그러나 딥러닝 모델은 입력 데이터의 변조를 통한 적대적 공격에 취약하다. 기존의 다중 센서 기반 자율주행 인식 시스템에 대한 공격은 객체 인식 모델의 신뢰 점수를 낮춰 장애물 오검출을 유도하는 데에 초점이 맞춰져 있다. 그러나 타겟 모델에만 공격이 가능하다는 한계가 있다. 센서 융합단계에 대한 공격의 경우 융합 이후의 비전 작업에 대한 오류를 연쇄적으로 유발할 수 있으며, 이러한 위험성에 대한 고려가 필요하다. 또한 시각적으로 판단하기 어려운 라이다의 포인트 클라우드 데이터에 대한 공격을 진행하여 공격 여부를 판단하기 어렵도록 한다. 본 연구에서는 이미지 스케일링 기반 카메라-라이다 융합 모델(camera-LiDAR calibration model)인 LCCNet 의 정확도를 저하시키는 공격 방법을 제안한다. 제안 방법은 입력 라이다의 포인트에 스케일링 공격을 하고자 한다. 스케일링 알고리즘과 크기별 공격 성능 실험을 진행한 결과 평균 77% 이상의 융합 오류를 유발하였다.

• 한국멀티미디어학회논문지
• /
• 제19권9호
• /
• pp.1647-1658
• /
• 2016

RGB+D database has been widely used in object recognition, object tracking, robot control, to name a few. While rapid advance of active depth sensing technologies allows for the widespread of indoor RGB+D databases, there are only few outdoor RGB+D databases largely due to an inherent limitation of active depth cameras. In this paper, we propose a novel method used to build outdoor RGB+D databases. Instead of using active depth cameras such as Kinect or LIDAR, we acquire a pair of stereo image using high-resolution stereo camera and then obtain a depth map by applying stereo matching algorithm. To deal with estimation errors that inevitably exist in the depth map obtained from stereo matching methods, we develop an approach that estimates confidence of depth maps based on unsupervised learning. Unlike existing confidence estimation approaches, we explicitly consider a spatial correlation that may exist in the confidence map. Specifically, we focus on refining confidence feature with the assumption that the confidence feature and resultant confidence map are smoothly-varying in spatial domain and are highly correlated to each other. Experimental result shows that the proposed method outperforms existing confidence measure based approaches in various benchmark dataset.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2008년도 학술대회 논문집 정보 및 제어부문
• /
• pp.68-70
• /
• 2008

Since the beginning of the 21st century, the emergence of innovative technologies made further advances in minimal access surgery possible. Robotic surgery and telepresence surgery effectively addressed the limitations of laparoscopic procedures, thus revolutionizing minimal access surgery. Surgical robots provide surgeons with to technologically advanced vision and hand skills. As a result, such systems are expected to revolutionize the field of surgery. In that time, much progress has been made in integrating robotic technologies with surgical instrumentation. However, robotic surgery will not only require special training, but it will also change the existing surgical training pattern and reshape the learning curve by offering new solutions, such as robotic surgical simulators and robotic telementoring. This article provides an introduction to medical robotic technologies, develops a possible classification, reviews the evolution of a surgical robot, and discusses future prospects for innovation. In the future, surgical robots should be smaller, less expensive, easier to operate, and should seamlessly integrate emerging technologies from a number of different fields. We believe that, in the near future as robotic technology continues to develop, almost all kinds of endoscopic surgery will be performed by this technology.

• 제어로봇시스템학회논문지
• /
• 제13권11호
• /
• pp.1074-1081
• /
• 2007

This paper presents a method for real-time face detection and tracking which combined Adaboost and Camshift algorithm. Adaboost algorithm is a method which selects an important feature called weak classifier among many possible image features by tuning weight of each feature from learning candidates. Even though excellent performance extracting the object, computing time of the algorithm is very high with window size of multi-scale to search image region. So direct application of the method is not easy for real-time tasks such as multi-task OS, robot, and mobile environment. But CAMshift method is an improvement of Mean-shift algorithm for the video streaming environment and track the interesting object at high speed based on hue value of the target region. The detection efficiency of the method is not good for environment of dynamic illumination. We propose a combined method of Adaboost and CAMshift to improve the computing speed with good face detection performance. The method was proved for real image sequences including single and more faces.

• 생물환경조절학회지
• /
• 제31권4호
• /
• pp.270-278
• /
• 2022

본 연구는 무대재배 복숭아 '미황'을 대상으로 성숙기간 중 RGB 영상을 취득한 후 다양한 품질 지표를 측정하고 이를 딥러닝 기술에 적용하여 복숭아 과실 숙도 분류의 가능성을 탐색하고자 실시하였다. 취득 영상 730개의 데이터를 training과 validation에 사용하였고, 170개는 최종테스트 이미지로 사용하였다. 본 연구에서는 딥러닝을 활용한 성숙도 자동 분류를 위하여 조사된 품질 지표 중 경도, Hue 값, a^*값을 최종 선발하여 이미지를 수동으로 미성숙(immature), 성숙(mature), 과숙(over mature)으로 분류하였다. 이미지 자동 분류는 CNN(Convolutional Neural Networks, 컨볼루션 신경망) 모델 중에서 이미지 분류 및 탐지에서 우수한 성능을 보이고 있는 VGG16, GoogLeNet의 InceptionV3 두종류의 모델을 사용하여 복숭아 품질 지표 값의 분류 이미지별 성능을 측정하였다. 딥러닝을 통한 성숙도 이미지 분석 결과, VGG16과 InceptionV3 모델에서 Hue_left 특성이 각각 87.1%, 83.6%의 성능(F1 기준)을 나타냈고, 그에 비해 Firmness 특성이 각각 72.2%, 76.9%를 나타냈고, Loss율이 각각 54.3%, 62.1%로 Firmness를 기준으로 한 성숙도 분류는 적용성이 낮음을 확인하였다. 추후에 더 많은 종류의 이미지와 다양한 품질 지표를 가지고 학습이 진행된다면 이전 연구보다 향상된 정확도와 세밀한 성숙도 판별이 가능할 것으로 판단되었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2012년도 추계학술대회
• /
• pp.481-484
• /
• 2012

개정교육과정의 정보교과에서는 프로그래밍 학습을 통하여 문제해결능력을 신장할 수 있도록 하였으며, 실제로 많은 부분이 할애되었다. 그러나 컴퓨터 만을 활용한 프로그래밍 교육은 학습자의 몰입을 가져오게 하기 쉽지 않고, 학습 시 많은 논리적 부담을 일으키게 한다. 따라서 로봇을 활용한 프로그래밍 교육에 대한 연구가 많이 진행되고 있다. 또한 최근 몇 년 동안 스마트폰은 급속도로 보급되고 있는데, 스마트폰에 따른 몰입 현상과 부작용의 문제가 대두되고 있다. 본 연구에서는 로봇을 활용한 프로그래밍 교육에 스마트폰의 몰입효과를 이용하여 상승효과를 일으킬 수 있는 프로그래밍 교육 모형을 개발하고자 한다. 프로그래밍 학습 분야에서 절실히 요구되는 몰입을 스마트폰의 특징을 도입시켜 효과적인 프로그래밍 학습에 도움이 되도록 하고자 한다.

• 한국융합학회논문지
• /
• 제12권10호
• /
• pp.203-210
• /
• 2021

이 연구는 초등학생들이 인공지능 학습원리에 대해 직관적으로 쉽게 이해할 수 있도록 입력 데이터(온도, 습도 등)와 출력 데이터(채소, 과일 등) 모두 생활 속에서 쉽게 접할 수 있는 형태의 스마트팜을 이용한 융합교육 프로그램을 개발하기 위해 수행하였다. 이를 위해 초등학교의 2015 교육과정에 따른 실과교과의 원예·sw·로봇 단원에 대한 내용 분석과 인공지능교육 내용 체계에 관한 선행연구 분석을 통해 스마트팜 적용이 쉬우며 인공지능 학습원리를 쉽게 설명해 줄 수 있는 구성 요소 13개와 성취 기준 16개를 선정하여 4회기(8차시) 분량의 인공지능교육 프로그램과 스마트팜 기능이 들어있는 비닐하우스 교구를 개발하였다. 이 연구에서 개발한 융합교육 프로그램은 추후 초등학생을 대상으로 하는 인공지능교육에 대한 다양한 교수학습자료 개발 시 참고자료로 활용할 수 있다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 추계종합학술대회 B
• /
• pp.175-178
• /
• 2008

Z. cao는 Relation matrix를 사용한 정밀한 추론이 가능한 NFRM(New fuzzy reasoning method)을 제안하였다. 이는 추론의 규칙 수가 적음에도 불구하고 Mamdani의 퍼지추론 방식에 비하여 좋은 성능을 보였다. 그러나 대부분의 퍼지스템의 경우, MIMO 시스템에 적용시 피지추론규칙을 도출해 내기 힘들고 많은 규칙의 수가 요구되는 단점을 갖는다. 그러므로 본 연구자에 의하여 과거에 Z. Cao's의 퍼지추론 방법을 MIMO 시스템으로 확장된 MIMO 퍼지추론 방식을 제안하였다. 본 연구에서는 제안된 퍼지추론 방식의 relation matrix를 시행착오법에 의해 소요되는 많은 시간과 노력을 줄이고, 더욱 정밀한 추론 성능의 개선을 위하여 경사감소학습법을 사용한 학습기능을 갖는 MIMO 퍼지추론 방식을 제안하고자 한다. 모의실험은 2축 로봇의 역기구학 문제를 푸는데 적용하여 제안된 추론방식이 좋은 성능을 보였다.

• 인터넷정보학회논문지
• /
• 제23권4호
• /
• pp.57-64
• /
• 2022

화재, 붕괴, 자연재해 등의 재난 발생으로 건물 내부가 붕괴하는 경우, 기존의 건물 내부의 물리적 보안이 무력해질 확률이 높다. 이때, 붕괴 건물 내의 인명피해와 물적 피해를 최소화하기 위한 물리적 보안이 필요하다. 따라서 본 논문은 기존 연구되었던 장애물을 탐지하고 건물 내 붕괴된 지역을 탐지하는 연구와 인명피해를 최소화하기 위한 딥러닝 기반 객체 탐지 알고리즘을 융합하여 재난 상황의 피해를 최소화하기 위한 알고리즘을 제안한다. 기존 연구에서 단일 카메라만을 활용하여 현재 로봇이 있는 복도 환경의 붕괴 여부를 판단하고 구조 및 수색 작업에 방해가 되는 장애물을 탐지했다. 이때, 붕괴 건물 내 물체는 건물의 잔해나 붕괴로 인해 비정형의 형태를 가지며 이를 장애물로 분류하여 탐지하였다. 또한, 재난 상황에서 자원 중 가장 중요한 요구조자를 탐지하고 인적 피해를 최소화하기 위한 방법을 제안하고 있다. 이를 위해, 본 연구는 공개된 재난 영상과 재난 상황의 이미지 데이터를 수집하여 다양한 딥러닝 기반 객체 탐지 알고리즘을 통해 재난 상황에서 요구조자를 탐지하는 정확도를 구했다. 본 연구에서 재난 상황에 요구조자를 탐지하는 알고리즘을 분석한 결과 YOLOv4 알고리즘의 정확도가 0.94로 실제 재난 상황에서 활용하기 가장 적합하다는 것을 증명하였다. 본 논문을 통해 재난 상황의 효율적인 수색과 구조에 도움을 주며 붕괴된 건물 내에서도 높은 수준의 물리적 보안을 이룰 수 있을 것이다.

• 한국지능시스템학회논문지
• /
• 제10권5호
• /
• pp.506-512
• /
• 2000

본 논문에서는 연속적인 입력을 연속적인 출력으로 매핑하는 것을 가능하게 하는 퍼지 분류자 시스템을 제안한다. 퍼지 분류자 시스템은 기계학습의 방법중 하나인 분류자 시스템을 퍼지 제어기의 개념에 적용한 것이다. 즉 분류자의 조건부는 퍼지 규칙의 전건부와 행동부는 후건부와 같은 행태가 된다. 퍼지 분류자 시스템은 입력 값을 퍼지화된 메시지로 변환하고 메시지 리스트에 저장한다. 저장된 메시지와 퍼지 분류자 리스트의 분류자들과 정합과정을 통해 룰-베이스를 구성하고, 퍼지 분류자들의 유용성을 검증하기 우해 버킷 릴레이 알고리즘을 적용한다. 또한 새로운 규칙을 생성하거나 규칙을 수정하여 시스템의 성능을 향상시키기 위해 알고리즘을 사용한다. 이러한 과정을 통해 유용한 규칙집합을 찾아내고, 시스템은 그 규칙들에 의해 출력 값을 내보낸다. 제안된 퍼지 분류자 시스템을 자율이동로봇의 충돌 회피 학습에 적용하여 그 유용성을 확인하였다.