• 한국ITS학회 논문지
• /
• 제18권3호
• /
• pp.106-118
• /
• 2019

최근 들어 인공 지능을 이용한 영상 객체 인식에 대한 연구 및 개발이 활발하게 진행되고 있다. 그 연장선상에서 도로 유지 및 관리 분야에도 관련 연구의 활용도가 크게 향상될 것으로 기대된다. 그 중에서도 특히 도로 노면 파손 객체 인식 (Object Detection) 을 위한 인공 지능모델이 지속적으로 개발되고 있다. 이러한 객체 인식 알고리즘을 개발하려면 우선적으로 특징지도를 생성하는 Backbone Network가 반드시 필요한데, 본 논문에서는 이를 선정하는 방법을 제안하고자 한다. 이를 위해 6,000여 장의 도로 노면 파손 영상 데이터를 확보하고, 근래에 많이 사용되는 4종류의 심층 신경망을 활용하여 성능을 비교한다. 3가지의 성능 평가 방법을 적용하여 심층 신경망의 특징을 분석하고 최적의 심층 신경망을 결정한다. 또한 하이퍼 파라미터의 최적 조율을 통해 성능을 향상시키고, 최종적으로 도로 노면 파손 영상 분류를 위하여 85.9%의 정확도로 수행이 가능한 경량화된 Backbone Network용 심층 신경망을 제안한다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2004년도 Proceedings of ISRS 2004
• /
• pp.10-13
• /
• 2004

Hyperspectral data has a great advantage to classify various surface materials that are spectrally similar. In this study, we attempted to classify man-made materials in urban area using Hyperion data. Hyperion imagery of Seoul was initially processed to minimize radiometric distortions caused by sensor and atmosphere. Using color aerial photographs. we defined seven man-made surfaces (concrete, asphalt road. railroad, buildings, roof, soil, shadow) for the classification in Seoul. The hyperspectral data showed the potential to identify those manmade materials that were difficult to be classified by multispectral data. However. the classification of road and buildings was not quite satisfactory due to the relatively low spatial resolution of Hyperion image. Further, the low radiometric quality of Hyperion sensor was another limitation for the application in urban area.

• 한국도로학회논문집
• /
• 제12권4호
• /
• pp.47-51
• /
• 2010

도로를 주행하는 차량들을 구분하는 차종자료는 도로 및 포장의 설계와 관리 등 여러 분야에서 기초자료로 활용되고 있다. 본 연구에서는 차종구분에 차량높이라는 분류기준을 적용하기 위해 주행하는 차량의 높이를 계측할 수 있는 방법을 고안하고 현장에 장비를 설치한 후 실험을 통해서 차량길이와 차량최고높이 자료를 획득하였다. 차량높이 측정과 동시에 동영상을 촬영하여 국토해양부 12종 차종분류에 의거하여 차종분류 기준값을 작성하였다. 영상을 통해 작성된 차종자료 기준값과 측정된 차량길이와 차량높이를 토대로 판별함수를 이용한 차종분류값을 서로 비교한 결과 88.6%의 차종정확도를 확인하였다. 이를 통해 차량높이라는 분류기준을 적용하여 차종분류에 활용할 수 있는 방안을 제시하였다.

• 한국ITS학회 논문지
• /
• 제22권2호
• /
• pp.93-104
• /
• 2023

도로법에 의거한 도로교통량 상시조사는 매설식 AVC를 통해 12종 차종분류가 이루어지고 있다. 하지만 매설식 AVC 장비는 차량과의 마찰, 도로 균열, 소성변형, 도로공사로 인한 센서의 물리적 파손 등으로 인해 장비 가동률이 낮고, 수집 정보의 정확도와 신뢰도 저하 문제가 발생하고 있다. 이로인해 장비보수 등 유지비용 또한 증가하고 있다. 이러한 문제를 해결하고자 비매설식 AVC 장비 도입을 위한 연구가 진행되고 있으나, 차종을 분류하기 위해 복수의 장비 또는 교통량 정보 매칭을 위한 별도의 DB 구축·운영이 필요하였다. 이에 본 연구에서는 자동차 관리법에 근거하여 운영 중인 자동차관리정보시스템(VMIS)의 차량 제원 정보와 번호판 자동인식 기술(ANPR)을 활용한 12종 차종분류 방안을 마련하고자 하였다. 이를 통해 기존 도로교통량 조사체계를 개선하고 자동차 제원 정보를 활용하여 친환경 차량 분류 등 도로교통량 통계 고도화, 다변화에 기여할 수 있을 것으로 기대된다.

• 반도체디스플레이기술학회지
• /
• 제22권3호
• /
• pp.161-165
• /
• 2023

One of the difficult works in an autonomous driving system is detecting road lanes or objects in the road boundaries. Detecting and tracking a vehicle is able to play an important role on providing important information in the framework of advanced driver assistance systems such as identifying road traffic conditions and crime situations. This paper proposes a vehicle detection scheme based on deep learning to classify and tracking vehicles in a complex and diverse environment. We use the modified YOLO as the object detector and polynomial regression as object tracker in the driving video. With the experimental results, using YOLO model as deep learning model, it is possible to quickly and accurately perform robust vehicle tracking in various environments, compared to the traditional method.

• 한국자동차공학회논문집
• /
• 제11권3호
• /
• pp.192-197
• /
• 2003

The ‘AEIPR’(Accelerometer Established Inertial Profiling Reference) method has been applied to measure the road profile. The dynamic road profiling method using AEIPR has the advantages of cost effectiveness, measuring speed and relatively high reliability. However, it is required to improve the double integration algorithm to get the measurement results with the accuracy of hither level. In the first part of this paper, the effective double integration algorithm is suggested and the ‘Road Profiler’ software is developed on the basis of the algorithm. Road profiling tests are performed using the developed ‘Road Profiler’ system on the specially designed tracks for the durability tests and the various types of pubic roads. Test results are shown and evaluated by the international road evaluation indicies and classification.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 1998년도 Proceedings of International Symposium on Remote Sensing
• /
• pp.122-127
• /
• 1998

This paper presents the neuro-fuzzy classifier derived from the generic model of a 3-layer fuzzy perceptron and developed the classification software based on the neuro-fuzzl model. Also, a comparison of the neuro-fuzzy and maximum-likelihood classifiers is presented in this paper. The Airborne Multispectral Scanner(AMS) imagery of Tae-Duk Science Complex Town were used for this comparison. The neuro-fuzzy classifier was more considerably accurate in the mixed composition area like "bare soil" , "dried grass" and "coniferous tree", however, the "cement road" and "asphalt road" classified more correctly with the maximum-likelihood classifier than the neuro-fuzzy classifier. Thus, the neuro-fuzzy model can be used to classify the mixed composition area like the natural environment of korea peninsula. From this research we conclude that the neuro-fuzzy classifier was superior in suppression of mixed pixel classification errors, and more robust to training site heterogeneity and the use of class labels for land use that are mixtures of land cover signatures.

• 한국구조물진단유지관리공학회 논문집
• /
• 제4권4호
• /
• pp.129-140
• /
• 2000

Retaining wall is a constructed structure in order to construct road, rail, building for effective use and obtainments of the limited ground. Recently, many kinds of research have been actively developed for a standardization and information to the maintenance and management of bridge, tunnel, road. With the works of database construction of that, many kinds of data with respect to statistics is cumulated. Database work of retaining wall is wholly lacking and lagged behind in the works of database construction. This paper suggests classification system on inspection data. On the basis of that, code work with classification system was practised and DB program of inspection data of retaining wall was developed. And input work for a data of maintenance and management was practised. The purpose of this paper is to suggest a kind of statistics data and investigate a characteristics of inspection using statistic data on retaining wall.

• 한국도로학회:학술대회논문집
• /
• 한국도로학회 2010년 추계학술대회 논문집
• /
• pp.329-332
• /
• 2010

• 한국지리정보학회지
• /
• 제24권3호
• /
• pp.73-82
• /
• 2021

농촌 도로는 농촌 지역의 개발과 관리를 위한 핵심 기반시설로서 원격탐사 자료를 활용한 농촌 도로 관리 기술은 농촌 교통 인프라 확대, 농촌 주민의 삶의 질 개선을 위해 매우 중요하다. 본 연구에서는 농촌 지역을 촬영한 고해상도 위성영상을 활용하여 농촌 도로를 매핑하기 위해 영상 분류 방법과 영상 분할 방법을 다음의 과정을 통하여 비교하였다. 영상 분류의 경우, 심층 신경망 기반 딥러닝 기법을 주어진 고해상도 위성영상에 적용하여 고정밀 객체 분류 지도를 제작하였고 이로부터 농촌 도로 객체를 추출함으로써 농촌 도로를 매핑하였다. 영상 분할의 경우, multiresolution segmentation 기법을 동일한 위성영상에 적용하여 세그먼트 영상을 제작하였고 농촌 도로에 위치한 다중 객체들을 선택하고 이들을 최종적으로 융합하여 농촌 도로를 매핑하였다. 영상 분류 및 영상 분할 방법을 통해 매핑한 농촌 도로의 정확도 검증을 위해 100개의 검사점을 사용하였고 다음과 같은 결론을 도출하였다. 영상 분류 방법에서는 객체 분류 지도 내 오분류 에러로 인해 영상 내 일부 농촌 도로의 인식이 불가능하였으나 영상 분할 방법에서는 영상 내 모든 농촌 도로의 인식이 가능하였으므로 영상 분할 방법이 영상 분류 방법보다 위성영상을 이용한 농촌 도로 매핑 작업에 더 적합한 방법이었다. 그러나 영상 분할 방법을 통해 매핑한 농촌 도로를 구성하는 일부 세그먼트들이 농촌 도로 외 객체를 포함하고 있어 영상 내 일부 농촌 도로에서 오분류 에러가 발생하였다. 추후 연구에서는 객체 기반 분류 또는 합성곱 신경망 등 다양한 정밀 객체 인식 기법을 고해상도 위성영상에 적용하여 농촌 도로의 정확도를 개선할 계획이다.