• 융합신호처리학회논문지
• /
• 제23권1호
• /
• pp.37-43
• /
• 2022

최근 군사용에서 산업용으로 확대되고 있는 4차 산업 기술 중 하나인 드론은 경찰청의 수색 임무에서 적극적으로 활용되고 실종자를 발견함으로써 광범위한 지역에 관한 관심과 대규모의 수색 인력의 투입을 감소시키고 있다. 그러나 경찰의 드론 운용의 법률적 검토가 지속적으로 필요하고 관련 운영에 대한 시스템의 고도화와 수색기법과 연계된 촬영 이미지 분석의 중요성도 동시에 증가하고 있다. 본 연구에서는 정밀 수색 및 모니터링 개념에서 기록, 보존, 모니터링이 원활하기 위해서는 영상 데이터 기반의 수색이 아닌 사진 기반으로 공간정보를 구축하여 정밀 수색이 수행되면 효율성이 높고 골든타임 확보가 가능하다. 따라서 피사체의 크기에 따라 불필요한 공간정보 완성률을 조절하여 결과 데이터 용량을 감소시키는 공간정보 구축 기법을 제안하고자 한다. 이를 통해 대규모 지역에 대한 드론 수색 임무의 활용 범위를 고도화하고 경찰 수색의 드론 운용 매뉴얼 구축을 위한 기초자료로 활용하고자 한다.

• 한국측량학회지
• /
• 제40권3호
• /
• pp.147-157
• /
• 2022

최근 CCTV (Closed Circuit TeleVision)나 드론영상을 활용하여 인공지능 기반 예측 모델을 통해 차량을 분류하는 객체인식이나 교통량 분석을 하는 많은 연구들이 수행되고 있다. 정확한 교통량 추정을 위한 객체인식 딥러닝 모델을 개발하기 위해서는 체계적인 데이터 구축이 요구되는데 이와 관련된 표준화된 가이드라인은 미흡한 실정이다. 본 연구에서는 드론영상을 활용한 인공지능 기반 교통량 추정 학습데이터 구축 가이드라인 도출을 위하여 선행연구를 분석하고 사업보고서나 기존 인공지능 학습용 데이터 구축 및 품질관리 가이드라인을 참고하였다. 데이터 구축 가이드라인은 크게 데이터 획득, 가공, 검증으로 분류되며, 항목 별 유의사항 및 평가지표 가이드라인을 제시하였다. 본 연구의 결과물인 데이터 구축 가이드라인은 드론 영상 인공지능 기반 도로교통량 추정 분석을 하는데 강건하고 일반화된 인공지능 모델 개발에 도움을 제공하고자 한다.

• 한국측량학회지
• /
• 제39권1호
• /
• pp.47-54
• /
• 2021

건설현장에서 토공물량 산정은 설계에서 시공에 이르기까지 공사비에 큰 영향을 주는 요소로 정확한 값을 산출하는 것이 중요하다. 본 연구에서는 토공물량 산정을 위해 드론 사진측량과 드론 LiDAR를 이용한 방법으로 지형모델을 생성하였다. 드론 사진측량 방법으로 연구대상지의 DSM (Digital Surface Model) 및 정사영상을 구축하였으며, 드론 LiDAR를 이용해 연구대상지의 DEM (Digital Elevation Model)을 구축하였다. 각각의 방법으로 생성된 지형모델에 대한 정확도 평가를 수행하여 각각의 방법이 수평방향 0.034m, 0.035m, 수직방향 0.054m, 0.025m의 차이를 나타내어 지형모델 구축을 위한 드론 사진측량과 드론 LiDAR의 활용성을 제시하였다. 연구대상지의 토공물량 산정 결과, 드론 사진측량은 GNSS 측량 성과와 1528.1㎥의 차이를 나타내었으며, 드론 LiDAR는 160.28㎥의 차이를 나타내었다. 토공물량의 차이는 식생 및 가건물로 인한 지형모델의 차이로 판단되며, 연구를 통해 드론 LiDAR에 의한 물량산정의 효율성을 제시할 수 있었다. 향후 추가적인 연구를 통해 GNSS (Global Navigation Satellite System) 측량과 드론 LiDAR를 활용한 방법으로 산림지역에서의 지형모델 구축 및 활용성에 대한 평가가 이루어진다면 드론 LiDAR를 이용한 지형모델 구축의 활용성을 제시할 수 있을 것이다.

• 한국안전학회지
• /
• 제36권1호
• /
• pp.18-25
• /
• 2021

In many developed countries, such as South Korea, efficiently maintaining the aging infrastructures is an important issue. Currently, inspectors visually inspect the infrastructure for maintenance needs, but this method is inefficient due to its high costs, long logistic times, and hazards to the inspectors. Thus, in this paper, a novel crack inspection approach for concrete bridges is proposed using integrated image processing techniques. The proposed approach consists of four steps: (1) training a deep learning model to automatically detect cracks on concrete bridges, (2) acquiring in-situ images using a drone, (3) generating orthomosaic images based on 3D modeling, and (4) detecting cracks on the orthmosaic image using the trained deep learning model. Cascade Mask R-CNN, a state-of-the-art instance segmentation deep learning model, was trained with 3235 crack images that included 2415 hard negative images. We selected the Tancheon overpass, located in Seoul, South Korea, as a testbed for the proposed approach, and we captured images of pier 34-37 and slab 34-36 using a commercial drone. Agisoft Metashape was utilized as a 3D model generation program to generate an orthomosaic of the captured images. We applied the proposed approach to four orthomosaic images that displayed the front, back, left, and right sides of pier 37. Using pixel-level precision referencing visual inspection of the captured images, we evaluated the trained Cascade Mask R-CNN's crack detection performance. At the coping of the front side of pier 37, the model obtained its best precision: 94.34%. It achieved an average precision of 72.93% for the orthomosaics of the four sides of the pier. The test results show that this proposed approach for crack detection can be a suitable alternative to the conventional visual inspection method.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.33-40
• /
• 2022

본 연구는 판넬형 공장 지붕의 드론 촬영 이미지를 분석해 볼트의 이상 탐지를 수행하는 시스템을 제안한다. 지붕의 점검은 현재 점검자가 직접 지붕 위로 올라가 점검을 진행한다. 하지만 고소 작업 환경으로 인한 안전사고가 지속해서 발생하고 있어 새로운 대안이 필요하다. 이에, 최근 위험 환경의 점검 방안의 대안으로 대두되는 드론 촬영의 결과물을 딥러닝을 이용해 이상 볼트의 위치를 찾아내는 방안을 통해 손쉽게 점검할 수 있도록 한다. 본 연구에서 제안하고 있는 시스템은 촬영된 드론 이미지를 볼트캡이 풀려있는 상황에 대한 샘플 이미지를 사용해 스캐닝을 진행한다. 더 나아가 스캔 된 위치에 대해 AI를 사용해 판별해 정확하게 볼트 이상 여부를 판별한다. 본 연구에서 사용한 AI는 VGGNet 기반으로 정확도 99%의 테스트 결과를 보였다.

• 대한원격탐사학회지
• /
• 제40권3호
• /
• pp.257-268
• /
• 2024

Drone-mounted hyperspectral sensors (DHSs) have revolutionized remote sensing in agriculture by offering a cost-effective and flexible platform for high-resolution spectral data acquisition. Their ability to capture data at low altitudes minimizes atmospheric interference, enhancing their utility in agricultural monitoring and management. This study focused on addressing the challenges of radiometric and geometric distortions in preprocessing drone-acquired hyperspectral data. Radiometric correction, using the empirical line method (ELM) and spectral reference panels, effectively removed sensor noise and variations in solar irradiance, resulting in accurate surface reflectance values. Notably, the ELM correction improved reflectance for measured reference panels by 5-55%, resulting in a more uniform spectral profile across wavelengths, further validated by high correlations (0.97-0.99), despite minor deviations observed at specific wavelengths for some reflectors. Geometric correction, utilizing a rubber sheet transformation with ground control points, successfully rectified distortions caused by sensor orientation and flight path variations, ensuring accurate spatial representation within the image. The effectiveness of geometric correction was assessed using root mean square error(RMSE) analysis, revealing minimal errors in both east-west(0.00 to 0.081 m) and north-south directions(0.00 to 0.076 m).The overall position RMSE of 0.031 meters across 100 points demonstrates high geometric accuracy, exceeding industry standards. Additionally, image mosaicking was performed to create a comprehensive representation of the study area. These results demonstrate the effectiveness of the applied preprocessing techniques and highlight the potential of DHSs for precise crop health monitoring and management in smart agriculture. However, further research is needed to address challenges related to data dimensionality, sensor calibration, and reference data availability, as well as exploring alternative correction methods and evaluating their performance in diverse environmental conditions to enhance the robustness and applicability of hyperspectral data processing in agriculture.

• 한국지리정보학회지
• /
• 제23권3호
• /
• pp.12-25
• /
• 2020

본 연구의 목적은 해상국립 내 도서의 관리에 적합한 드론의 유형 및 입도객에 관한 정보를 취득하는 것이다. 연구대상지는 한려해상국립공원 내 25개 도서이며, 이를 3개의 구역으로 구분하여 조사하였다. 2019년 10월부터 11월까지 구역별로 각기 다른 유형의 드론을 운행하여 정보를 취득하였다. 운행 결과, 고정익은 타 유형에 비하여 중·장거리의 해상공원 관리에 유리한 것으로 파악되었으나, 계도 방송을 위한 정지비행은 적합하지 않은 것으로 나타났다. 회전익의 경우는 근접 비행을 통한 영상취득 및 계도방송에 적합하였으며, 단·중거리 비행에 유리한 것으로 판단되었다. 헬기형 회전익의 경우에는 영상취득 및 계도방송이 가능하였으나, 프로펠러로 인한 소음 및 진동이 단점으로 나타났다. 입도객은 총 410명이었으며, 주요 행위는 낚시였다. 소혈도, 대혈도, 새여 등의 도서가 위치한 A구역의 도서 입도객 비율이 타 구역에 비해 높게 나타나, 이 지역에 대한 관리가 더욱 필요한 것으로 나타났다. 드론에 의한 계도 방송이 낚시객의 관리에 긍정적 영향을 미친 것으로 나타났다.

• 대한공간정보학회지
• /
• 제24권4호
• /
• pp.67-74
• /
• 2016

공간해상도가 높은 드론 영상은 수목 밀도가 높은 지역에서 추출 한계를 갖는 기존 연구의 대안으로 떠오르고 있다. 본 연구에서는 드론 영상으로부터 수목이 우거진 산림 지역 내 수목 개체를 추출하였다. 영상 분할 과정을 거쳐서 추출되는 수목 개체 인식을 위해, DSM(digital surface model), 그리고 R, G, B 밴드 모두를 조합한 경우와 각각을 분리 조합한 경우의 영상 분할 결과를 비교하였다. 또한, 낙엽수림의 수목 우거짐의 변화를 시기별 영상별로 실험하였다. 3, 4, 5월 영상 중 숲이 울창한 5월의 경우 현지 측량한 나무를 기준으로 한 수목 개체 추출율은 50%로 나타났고, 수관폭 정확도 분석 결과 RMSE(root mean square error)가 1.5미터 이하로 가장 좋은 결과를 보였다. 실험지역의 추출은 중간 나무, 작은 나무 2가지 크기로 추출하였으며 작은 크기의 나무가 추출 정확도가 더 높았다. 이를 바탕으로 수고 추출을 하고, 수관폭과 흉고직경간의 관계식을 이용하여 흉고직경을 추정한다면, 임목재적 추정 및 산림바이오매스 추정까지 가능할 것으로 보인다.

• 한국측량학회지
• /
• 제38권5호
• /
• pp.407-414
• /
• 2020

SVM (Support vector machine) analysis was performed after applying a deep learning technique based on an Inception-based model (GoogLeNet). The accuracy of automatic image classification was analyzed using an SVM with multiple virtual grid sizes. Six classes were selected from a standard land cover map. Cars were added as a separate item to increase the classification accuracy of roads. The virtual grid size was 2-5 m for natural areas, 5-10 m for traffic areas, and 10-15 m for building areas, based on the size of items and the resolution of input images. The results demonstrate that automatic classification accuracy can be increased by adopting an integrated approach that utilizes weighted virtual grid sizes for different classes.

• 한국멀티미디어학회논문지
• /
• 제25권2호
• /
• pp.145-156
• /
• 2022

Nowadays, the complexity of object tracking models among hardware applications has become a more in-demand duty to complete in various indeterminable environment tracking situations with multifunctional algorithm skills. In this paper, we propose a virtual city environment using AirSim (Aerial Informatics and Robotics Simulation - AirSim, CityEnvironment) and use the DQN (Deep Q-Learning) model of deep reinforcement learning model in the virtual environment. The proposed object tracking DQN network observes the environment using a deep reinforcement learning model that receives continuous images taken by a virtual environment simulation system as input to control the operation of a virtual drone. The deep reinforcement learning model is pre-trained using various existing continuous image sets. Since the existing various continuous image sets are image data of real environments and objects, it is implemented in 3D to track virtual environments and moving objects in them.