• 한국인터넷방송통신학회논문지
• /
• 제17권5호
• /
• pp.85-90
• /
• 2017

실내 위치 기반서비스는 일상에서 주로 움직이는 사용자를 대상으로, 측정하고 분석하는 지능형 사물인터넷기술 기반으로 발전되어왔다. 다양한 실내 위치 측위 기술들은 별도의 하드웨어를 필요로 하고 통신 프로토콜이 복잡해지는 단점이 있다. 본 논문에서 사용되는 무선 신호의 수신강도를 이용하는 RSSI 기술은 송신 신호의 물리적인 특성상 거리에 따라 신호 세기의 감소가 일어나는 점에 착안하여, 송신 신호의 강도와 수신 신호의 세기를 측정하여 송신기와 수신기 간의 거리를 측정하는 방법으로 별도의 비용이 들지 않고 측정 구현이 간단한 장점을 이용하였다. 측정되는 RSSI 값의 오차를 줄이기 위해 Feedback 필터링에 대한 계산 값을 산출 적용시켰다. 평균 필터링을 통한 RSSI 값과 Feedback 필터링의 계수 값을 0.5로 설정하여 측정한 RSSI 값이 일반적인 측정에 비해 최대 -61dBm에서 최소 -52.5dBm 으로 약 -2dBm에서 -6dBm 정도 감소하는 것을 확인하였다.

• 한국공간정보시스템학회 논문지
• /
• 제12권1호
• /
• pp.66-75
• /
• 2010

항공사진이나 다중분광영상을 활용하여 도로 지도를 제작할 경우 최근에 건설된 도로에 대한 지도의 업데이트가 너무 늦어 일반 수요자의 수준을 고려한 서비스를 제공하지 못하는 한계가 있다. Google Earth에서는 RGB값에 의거한 이미지가 아주 높은 주기 해상도를 가지고 무료로 제공되고 있기 때문에 도로를 추출하기 주요 데이터로 부상되고 있다. 본 연구는 Google Earth로 도로를 추출하기 위한 최적의 RGB 표준값과 범위값을 추적하는 의도로 출발하였다. 5개의 사례연구지역에 대해 Google Earth RGB 영상을 활용하여 도로를 추출할 수 있는 능력에 대해 검증이 이루어졌다. 수동 검출을 통해 Google Earth 이미지에서 RGB 대푯값을 각각 126, 125, 127을 도출하였고, 도로의 특성을 감안한 대푯값 범위를 분석하여 RGB값 각 25%, 30%, 19%가 최적인 것을 알 수 있었다. 아울러 Google Earth 이미지의 디스플레이 축척간에 RGB 표준값과 범위값이 큰 차이가 없음을 확인할 수도 있었다. 기존연구에서 활용된 다양한 알고리즘이 RGB 화소값의 최적구간을 추적할 수 있었으며 61cm 공간해상도를 가진 Quickbird RGB 데이터가 다양한 형태의 도로를 추출할 수 있다는 것이 확인되었다.

• 한국측량학회지
• /
• 제31권4호
• /
• pp.331-339
• /
• 2013

LiDAR 측량은 고밀도로 정확하게 거리를 측정하는 장점 때문에 지표면과 지표면 위의 객체를 3D 모델링하는데 사용되는 주요기술 중의 하나이다. 본 연구의 목적은 고밀도 LiDAR 데이터와 RANSAC 알고리즘을 이용하여 자동으로 철도전력선을 탐지하고 모델링하는 방법을 개발하는데 있다. 철도전력선을 탐지하기 위하여 레이저 데이터의 다중반사 특성과 철도전력선에 대한 형상정보를 이용한다. 이를 위한 프로세스는 최초 단위라인을 찾기 위한 직육면체 분석과 라인 추적, 연결 그리고 색인 작업으로 구성되며, 반복 RANSAC과 라인 파라미터를 구하기 위한 최소제곱법이 모델링을 위하여 사용된다. 철도전력선의 경우에는 정확도 확인을 위한 실측자료를 구하는 것이 매우 힘들어서 정량적인 정확도 평가가 어려우나 모델에 대한 레이저점군의 표준편차는 x-y 및 z 좌표 각각 8cm와 5cm로 양호하였고, 육안 검사에 의한 완성도면에서도 원 데이터와 비교할 때 모든 철도전력선 라인이 탐지 및 모델링된 것을 알 수 있었다. 본 연구에서 제시하는 방법의 모든 과정은 완전히 자동화하였으며, 특히 다수의 전력선이 복잡하게 설치된 지역에서도 적용될 수 있도록 개발하였다.

• 한국통신학회논문지
• /
• 제42권4호
• /
• pp.819-830
• /
• 2017

FM 신호 기반 PCL 시스템은 FM 송신탑에서 송신되는 신호를 이용하여 이동하는 표적의 위치를 추적하는 수동형 레이더 기술로서, 송신탑에서 수신기에 LOS (line-of-sight)로 입사되는 직접경로 신호와 표적으로부터 반사된 표적반사 신호의 상호 상관 함수를 유도하여 표적의 위치를 추적한다. 하지만, 직접경로 신호와 지형 및 지표면 등에서 반사되는 간섭 신호가 표적반사 신호 획득을 위한 감시 채널에 동시에 측정되며, 이에 따라 표적의 위치를 정확하게 탐지하지 못하는 문제가 발생한다. 간섭 신호 제거에는 적응 필터가 효과적인 것으로 알려져 있지만, 기존 연구에서는 상호 상관 함수나 적응 필터 입출력 신호의 전력 비율로부터 간섭 신호의 제거 성능을 유도하기 때문에, 정확한 성능 분석이 어려운 문제가 존재하였다. 본 논문에서는 필터 계수의 각 성분이 특정한 간섭 신호를 제거하기 위해 유도된다는 특징을 활용하여, 각 간섭 신호 제거 성능을 적응 필터 계수에 대한 함수로 정리한다. 제안한 성능 분석 방법을 기반으로 적응 필터 기법의 성능을 비교 및 분석하여, 제안한 방법이 간섭 신호 제거 성능 분석에 효과적으로 활용될 수 있음을 보인다.

• 대한전자공학회논문지SP
• /
• 제49권2호
• /
• pp.28-34
• /
• 2012

특징 추출 알고리즘은 영상 내에서 중요한 특징을 추출하기 위해 실시간 영상 처리 응용 분야에서 활용된다. 특히, 특징 추출 알고리즘은 추적 및 식별의 목적으로 다양한 영상처리 알고리즘에 특징 정보를 제공하기 위해서 활용되며, 주로 영상처리 전처리 단계에서 구현되고 있다. 광범위한 응용 분야에 이용되는 특징 추출 알고리즘의 처리 속도를 높인다면 혼합되어 사용될 다른 알고리즘 처리 소요 시간의 여유를 확보 할 수 있을 뿐만 아니라, 특징 추출 알고리즘이 적용된 영상 처리 응용 분야의 실시간 요건을 만족시키기 용이하기 때문에 중요하다. 본 논문에서는 특징 추출 기법을 고속으로 처리하기 위해 FPGA 기반의 하드웨어 가속기를 제안한다. 하드웨어 가속기 구현에 사용된 E. Rosten의 Feature from Accelerated Segment Test 알고리즘과 디지털 로직으로 구현한 하드웨어 가속기의 구조와 동작 절차에 대해 기술하였다. 설계한 하드웨어 가속기는 ModelSim을 이용해 동작 및 성능을 검증하였고, Xilinx Vertex IV FPGA 기반으로 로직을 합성해 구현 비용을 계산하였다. 제안한 하드웨어 가속기를 구현하기 위해 2,217개의 Flip Flop, 5,034개의 LUT, 2,833개의 Slice, 그리고 18개의 Block RAM을 사용하였으며, $640{\times}480$ 크기의 영상으로부터 954개의 특징을 추출하는데 3.06 ms의 시간이 소요되어 기존의 결과보다 구현 비용 면에서의 우월함이 확인되었다.

• 한국통신학회논문지
• /
• 제35권1C호
• /
• pp.103-112
• /
• 2010

본 논문에서는 3GPP(3rd Generation Partnership Project) LTE(Long Term Evolution) FDD(Frequency Division Duplexing) / TDD(Time Division Duplexing) 듀얼 모드 하향 링크 수신기를 위한 주파수 동기 알고리즘을 제안한다. 일반적으로 3GPP LTE OFDMA(Orthogonal Frequency Division Multiple Access) 시스템에서의 대략적 주파수 동기는 PSS(Primary Synchronization Signal)를 이용한 상관 방식이 적용되며, 미세 주파수 동기는 OFDMA 심볼의 보호 구간(CP: Cyclic Prefix) 상관 방식이 적용된다. 그러나 기존의 대략적 주파수 동기 알고리즘들은 페이딩 환경에서 상관 패턴의 열화와 잡음의 제곱으로 인한 SNR(Signal to Noise Ratio) 손실로 충분한 성능 이득을 얻지 못한다. 또한 주파수 분할을 통하여 양방향 송수신되는 FDD 모드와 달리 TDD 모드에서는 상향링크 구간과 하향링크 구간이 시분할로 전송되기 때문에 TDD 모드에서 기존 미세 주파수 동기 알고리즘은 상향링크와 하향링크의 신호 전력의 차이로 인해 안정적인 동작을 수행할 수 없다. 따라서 본 논문에서는 기존 방식의 문제점을 분석하고, 이를 기반으로 3GPP LTE FDD 모드뿐 아니라, TDD 모드에서도 안정적인 동작이 가능한 주파수 동기 알고리즘을 제안하였다. 다양한 환경에서의 컴퓨터 모의실험을 통해 제안된 주파수 동기 알고리즘은 기존 방식들에 비해 우수한 성능을 보이며, 3GPP LTE FDD/TDD 듀얼 모드 하향 링크 수신기에서 안정적인 동작이 가능함을 입증하였다.

• 한국항해항만학회지
• /
• 제32권6호
• /
• pp.459-464
• /
• 2008

본 논문은 파라미터 변화나 외란이 존재하는 환경에서 컨테이너 크레인의 트롤리 위치와 컨테이너의 흔들림을 효과적으로 제어할 수 있는 모델기반 퍼지제어기를 제안한다. 이를 위해 우선 파라미터 변화에 대응할 수 있는 모델링 기법인 T-S 퍼지모델을 구현하고, 소속함수의 파라미터를 실수코딩 유전알고리즘(RCGA)으로 조정하는 문제를 다룬다. 다음으로 퍼지모델의 각 서브시스템에 대해 LQ 제어기 법을 사용하여 서브제어기를 설계하고, 이렇게 설계된 서브제어기를 ROGA로 조정된 퍼지모델의 소속함수로 퍼지결합하여 제안하는 모델기반 퍼지제어기를 구성한다. 시뮬레이션을 통해 RCGA로 조정된 소속함수를 사용하는 퍼지모델은 컨테이너 크레인의 비선형 모델의 출력에 잘 추종하였고, 모델기반 퍼지제어기도 파라미터 변화와 외란이 존재하는 환경에서 강인한 제어를 수행하고 있음을 확인하였다.

• 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.

• 인터넷정보학회논문지
• /
• 제25권1호
• /
• pp.29-37
• /
• 2024

본 논문에서는 환자와 같은 특정 객체의 움직임을 감지하고 추적하기 위한 효율적인 영상처리 시스템을 제안한다. 이진화된 차 영상에서 객체의 윤곽선추출을 위하여 기존 알고리즘대비 대비 정밀한 감지가 가능하고 혼성모드설계에 용이한 세선화 알고리즘을 적용하여 영역을 추출한다. 연산량이 많은 이진화와 세선화 단계를 RTL(Register Transfer Level) 기반으로 설계하여 논리회로 합성을 거쳐 최적화된 하드웨어 블록으로 대체된다. 설계된 이진화 및 세선화 블록은 표준 180n CMOS 라이브러리를 이용하여 논리회로로 합성한 후 시뮬레이션을 통하여 동작을 검증하였다. 소프트웨어기반의 성능비교를 위해 32bit FPGA 임베디드시스템 환경에서 640 × 360 해상도의 샘플 영상을 적용하여 이진 및 세선화 연산에 대한 성능분석도 실시하였다. 검증결과 혼성모드 설계가 이전의 소프트웨어로만 이루어지는 처리속도에서 이진 및 세선화 단계에서 93.8% 향상될 수 있음을 확인하였다. 제안된 객체인식을 위한 혼성모드 시스템은 인공지능 네트워크가 적용되지 않는 엣지 컴퓨팅 환경에서도 환자의 움직임을 효율적으로 감시할 수 있을 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.