• KSCE Journal of Civil and Environmental Engineering Research
• /
• v.28 no.5A
• /
• pp.673-683
• /
• 2008

This study improved the existing method of using the longitudinal strain and concept of influence line to develop Bridge Weigh-in-Motion system without axle detector using the dynamic strain of the bridge girders and concrete slab. This paper first describes the considered algorithms of extracting passing vehicle information from the dynamic strain signal measured at the bridge slab, girders, and cross beams. Two different analysis methods of 1) influence line method, and 2) neural network method are considered, and parameter study of measurement locations is also performed. Then the procedures and the results of field tests are described. The field tests are performed to acquire training sets and test sets for neural networks, and also to verify and compare performances of the considered algorithms. Finally, comparison between the results of different algorithms and discussions are followed. For a PSC I-girder bridge, vehicle weight can be calculated within a reasonable error range using the dynamic strain gauge installed on the girders. The passing lane and passing speed of the vehicle can be accurately estimated using the strain signal from the concrete slab. The passing speed and peak duration were added to the input variables to reflect the influence of the dynamic interaction between the bridge and vehicles, and impact of the distance between axles, respectively; thus improving the accuracy of the weight calculation.

• 한국약용작물학회:학술대회논문집
• /
• 2007.05a
• /
• pp.277-278
• /
• 2007

• 한국약용작물학회:학술대회논문집
• /
• 2007.05a
• /
• pp.227-228
• /
• 2007

• 한국약용작물학회:학술대회논문집
• /
• 2011.09a
• /
• pp.244-245
• /
• 2011

• Proceedings of the Korean Society of Crop Science Conference
• /
• 2003.10a
• /
• pp.236-237
• /
• 2003

• Proceedings of the Korea Information Processing Society Conference
• /
• 2005.05a
• /
• pp.855-858
• /
• 2005

본 시스템은 어항 속의 물고기 움직임을 추적하기 위해 직교식 스테레오 비젼 시스템(Othogonal Stereo Vision System)으로부터 동시에 독립된 영상을 획득하고 획득된 영상을 처리하여 좌표를 얻어내고 3차원 좌표로 생성해내는 시스템이다. 제안하는 방법은 크게 두 대의 카메라로부터 동시에 영상을 획득하는 방법과 획득된 영상에 대한 처리 및 물체 위치 검출, 그리고 3차원 좌표 생성으로 구성된다. Frame Grabber를 사용하여 초당 8-Frame의 두 개의 영상(정면영상, 상면영상)을 획득하며, 실시간으로 갱신하는 배경영상과의 차영상을 통하여 이동객체를 추출하고, Labeling을 이용하여 Clustering한 후, Cluster의 중심좌표를 검출한다. 검출된 각각의 좌표를 직선방정식을 이용하여 3차원 좌표보정을 수행하여 이동객체의 좌표를 생성한다.

• 한국약용작물학회:학술대회논문집
• /
• 2010.10a
• /
• pp.294-295
• /
• 2010

• Proceedings of the Korea Institute of Convergence Signal Processing
• /
• 2006.06a
• /
• pp.5-8
• /
• 2006

본 논문에서는 3차원 좌표를 얻을 수 있는 카메라 Calibration 알고리듬을 확립하고, View Frustum(V.F.) 모델을 이용하여 도로의 영상을 모델화하였다. 그리고 주행하는 차선 내에 존재하는 선행차량의 위치측정 및 차량까지의 거리를 정확히 인식하기 위해 피칭오차를 보정하며 실시간으로 계측하는 알고리듬을 제안하였다. 기존의 많은 추돌 경보시스템(CWS)들은 도로가 평면이라 가정하여 도로와 차량사이의 기하적인 변화에 따른 오차 특성을 고려하지 않았다. 이를 보완하고자 본 논문에서는 카메라 Calibration 알고리듬을 적용하여 실세계 좌표계와 영상좌표계 사이의 기하해석으로 사영행렬을 추출하였고, V.F. 모델을 이용하여 소실점의 기하적인 해석을 통하여 차량의 피칭변화에 따른 오차특성을 실시간으로 보정하였다. 실험결과 거리의 오차를 2%이하로 줄일 수 있어 피칭변화에 강인함을 확인할 수 있었다.

• 한국약용작물학회:학술대회논문집
• /
• 2012.05a
• /
• pp.261-262
• /
• 2012

• Journal of Practical Engineering Education
• /
• v.14 no.3
• /
• pp.593-600
• /
• 2022

Various sensors such as lidar, radar, and camera are fused and used in autonomous vehicles. Rider and radar sensors are difficult to popularize because they are expensive equipment. In order to popularize autonomous vehicles, research that can replace expensive equipment is continuously being conducted. In this paper, we use a single camera that is inexpensive and can be easily mounted. We propose a method for detecting the wheels and adjacent lanes of a front-side vehicle of a driving vehicle and estimating distances. Our proposed method detects lanes and wheels from frame images after frame extraction via input images. In addition, the distance is measured and compared with the actual distance measured in the actual road environment. The distance could be calculated relatively accurately within the error range of ± 3 cm. Through this, it is expected that the camera can be used as an alternative means when the cost of autonomous vehicles is reduced or when the lidar or radar sensor fails.