• 로봇학회논문지
• /
• 제7권2호
• /
• pp.92-100
• /
• 2012

A map of complex environment can be generated using a robot carrying sensors. However, representation of environments directly using the integration of sensor data tells only spatial existence. In order to execute high-level applications, robots need semantic knowledge of the environments. This research investigates the design of a system for recognizing objects in 3D point clouds of urban environments. The proposed system is decomposed into five steps: sequential LIDAR scan, point classification, ground detection and elimination, segmentation, and object classification. This method could classify the various objects in urban environment, such as cars, trees, buildings, posts, etc. The simple methods minimizing time-consuming process are developed to guarantee real-time performance and to perform data classification on-the-fly as data is being acquired. To evaluate performance of the proposed methods, computation time and recognition rate are analyzed. Experimental results demonstrate that the proposed algorithm has efficiency in fast understanding the semantic knowledge of a dynamic urban environment.

• Current Optics and Photonics
• /
• 제3권1호
• /
• pp.8-15
• /
• 2019

We describe a common optical system that merges a LADAR system, which generates a point cloud, and a more traditional imaging system operating in the LWIR, which generates image data. The optimum diameter of the entrance pupil was determined by analysis of detection ranges of the LADAR sensor, and the result was applied to design a common optical system using LADAR sensors and LWIR sensors; the performance of these sensors was then evaluated. The minimum detectable signal of the $128{\times}128-pixel$ LADAR detector was calculated as 20.5 nW. The detection range of the LADAR optical system was calculated to be 1,000 m, and according to the results, the optimum diameter of the entrance pupil was determined to be 15.7 cm. The modulation transfer function (MTF) in relation to the diffraction limit of the designed common optical system was analyzed and, according to the results, the MTF of the LADAR optical system was 98.8% at the spatial frequency of 5 cycles per millimeter, while that of the LWIR optical system was 92.4% at the spatial frequency of 29 cycles per millimeter. The detection, recognition, and identification distances of the LWIR optical system were determined to be 5.12, 2.82, and 1.96 km, respectively.

• International journal of advanced smart convergence
• /
• 제11권2호
• /
• pp.7-12
• /
• 2022

Safety and security are the topmost priority in every environment. With the aid of Artificial Intelligence (AI), many objects are becoming more intelligent, conscious, and curious of their surroundings. The recent scientific breakthroughs in autonomous vehicular designs and development; powered by AI, network of sensors and the rapid increase of Internet of Things (IoTs) could be utilized in maintaining safety and security in our environments. AI based on deep learning architectures and models, such as Deep Neural Networks (DNNs), is being applied worldwide in the automotive design fields like computer vision, natural language processing, sensor fusion, object recognition and autonomous driving projects. These features are well known for their identification, detective and tracking abilities. With the embedment of sensors, cameras, GPS, RADAR, LIDAR, and on-board computers in many of these autonomous vehicles being developed, these vehicles can properly map their positions and proximity to everything around them. In this paper, we explored in detail several ways in which these enormous features embedded in these autonomous vehicles, such as the network of sensors fusion, computer vision and natural image processing, natural language processing, and activity aware capabilities of these automobiles, could be tapped and utilized in safeguarding our lives and environment.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.422-424
• /
• 2021

In this paper, it leads the approach of fusing multiple RGB cameras for visual objects recognition based on deep learning with convolution neural network and 3D Light Detection and Ranging (LiDAR) to observe the environment and match into a 3D world in estimating the distance and position in a form of point cloud map. The goal of perception in multiple cameras are to extract the crucial static and dynamic objects around the autonomous vehicle, especially the blind spot which assists the AV to navigate according to the goal. Numerous cameras with object detection might tend slow-going the computer process in real-time. The computer vision convolution neural network algorithm to use for eradicating this problem use must suitable also to the capacity of the hardware. The localization of classified detected objects comes from the bases of a 3D point cloud environment. But first, the LiDAR point cloud data undergo parsing, and the used algorithm is based on the 3D Euclidean clustering method which gives an accurate on localizing the objects. We evaluated the method using our dataset that comes from VLP-16 and multiple cameras and the results show the completion of the method and multi-sensor fusion strategy.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.275-276
• /
• 2023

국토교통부는 공항의 지상조업 근로자 근무환경을 개선하기 위하여 2019년 11월부터 40개 과제를 발굴·시행하는 등 노력해 왔으나, 근원적인 안전관리체계 개선이 필요하다는 판단에 따라, 노조와 지상조업사 등 관계기관과 간담회를 통해 수렴한 의견을 바탕으로 국토교통부는 승객이동, 항공기 견인 등 항공운항의 필수 역할을 하는 지상조업의 서비스 및 안전성을 높이기 위해 '지상조업 안전관리 강화방안'을 수립했다. 본 논문은 공항에서 지상조업 시 안전하고 신속하게 할 수 있도록 하는 '공항용 원격 주행 멀티카트' 기술을 제안한다. 현장이 아닌 컨트롤러를 이용한 원격으로 주행하여 지상조업자의 안전을 보장하고, 카트에 멀티파츠를 장착하여 지장조업 장비의 유지 보수를 편리하게 관리하며 라이다 센서, 카메라, 적외선 센서 등을 이용하여 장애물을 피하는 멀티카트를 구현하여 공항 지상조업의 발전을 선도할 것이다.

• 한국측량학회지
• /
• 제25권6_1호
• /
• pp.545-555
• /
• 2007

3D buildings are the most prominent feature comprising urban scene. A few of mega-cities in the globe are virtually reconstructed in photo-realistic 3D models, which becomes accessible by the public through the state-of-the-art online mapping services. A lot of research efforts have been made to develop automatic reconstruction technique of large-scale 3D building models from remotely sensed data. However, existing methods still produce irregular building polygons due to errors induced partly by uncalibrated sensor system, scene complexity and partly inappropriate sensor resolution to observed object scales. Thus, a geometric regularization technique is urgently required to rectify such irregular building polygons that are quickly captured from low sensory data. This paper aims to develop a new method for regularizing noise building outlines extracted from airborne LiDAR data, and to evaluate its performance in comparison with existing methods. These include Douglas-Peucker's polyline simplication, total least-squared adjustment, model hypothesis-verification, and rule-based rectification. Based on Minimum Description Length (MDL) principal, a new objective function, Geometric Minimum Description Length (GMDL), to regularize geometric noises is introduced to enhance the repetition of identical line directionality, regular angle transition and to minimize the number of vertices used. After generating hypothetical regularized models, a global optimum of the geometric regularity is achieved by verifying the entire solution space. A comparative evaluation of the proposed geometric regulator is conducted using both simulated and real building vectors with various levels of noise. The results show that the GMDL outperforms the selected existing algorithms at the most of noise levels.

• 한국ITS학회 논문지
• /
• 제22권3호
• /
• pp.175-189
• /
• 2023

자율주행 차량의 무결성과 내결함성을 보장하기 위한 환경 인식 센서의 결함 감지 및 격리(FDI) 알고리즘이 중요한 연구 주제로 다루어지고 있다. 본 논문에서는 자율주행 차량의 안전성 보장을 위한 레이다, 카메라, 라이다로 구성된 다중 인지 시스템 결함 검출 알고리즘을 제시하였다. 제안된 결함 감지 알고리즘은 FIR(Finite Impulse Response) 필터 추정치에 기반한 레지듀얼의 생성 및 분석으로 고장의 감지 및 격리를 수행한다. 알고리즘의 성능 검증을 위해 가상환경에서의 수치 시뮬레이션을 수행하여 알고리즘을 기존의 칼만 필터 기반 알고리즘과 비교 및 고찰하였다. 결과적으로 제안된 알고리즘은 인지 시스템의 강건성을 확보할 수 있음을 검증하였다. 본 연구는 자율주행 차량의 안전성과 신뢰성을 확보하기 위한 필수적인 연구로, 자율주행 차량의 환경 인지 센서의 무결성을 향상 시킬 것으로 판단된다.

• Journal of Platform Technology
• /
• 제11권2호
• /
• pp.26-38
• /
• 2023

본 논문은 실내 환경에서 QR 코드를 이용하여 목적지 자율 주행이 가능한 운반 로봇에 관한 연구이다. 운반 로봇은 QR 코드 인식을 위한 카메라와 좌우 벽과의 거리를 감지하여 로봇이 이동 중 일정한 간격을 유지할 수 있도록 라이다 센서가 부착하여 설계 제작하였다. 운반 로봇의 위치 정보는 QR 코드 영상을 Lanczos resampling 보간법으로 확대한 후 Otsu Algorithm 으로 이진화하고, Zbar 라이브러리를 활용하여 검출 및 해석을 수행하였다. QR 코드 인식은 운반 로봇의 카메라 위치와 QR 코드 높이가 192cm 로 고정된 상태에서 QR 코드의 크기와 운반 로봇의 주행 속도를 변화시키면서 실험을 수행하였으며, QR 코드 크기가 9cm×9cm 일 때 99.7%, 운반 로봇의 주행 속도가 약 0.5m/s 이하 일 때 거의 100%의 인식률을 보여주었다. QR 코드 인식율을 바탕으로 목적지 자율주행을 위해 장애물이 없는 상태에서 목적지가 직진만 있는 경우와 목적지가 직진과 회전이 있는 경우에 대해 실험을 수행하였다. 목적지가 직진만 있는 경우에는 위치 보정이 거의 필요 없어 목적지에 빠르게 도달할 수 있었으나, 목적지에 회전이 포함된 경우에는 위치 보정이 필요하여 목적지에 도착하는 시간이 상대적으로 지연되었다. 실험 결과, 운반 로봇이 주행 중 약간의 위치 오차가 발생하였으나 비교적 정확하게 목적지에 도달함을 알 수 있었으며, QR 코드 기반 목적지 자율주행 운반 로봇의 적용 가능성을 확인하였다.

• 실천공학교육논문지
• /
• 제14권3호
• /
• pp.593-600
• /
• 2022

자율주행 차량에는 라이다, 레이더, 카메라 등 다양한 센서들이 융합되어 활용되고 있다. 특히 라이더 및 레이더는 고가의 장비로 자율주행 자동차의 대중화를 위해 해결해야 하는 부분으로 고가의 장비를 대체할 수 있는 연구가 지속적으로 이루어지고 있다. 본 논문에서는 비용면에서 저가이면서 손쉽게 장착할 수 있는 단일 카메라를 이용하여 주행 차량의 전방 측면 차량 바퀴와 인접 차선을 감지하고 거리를 추정하는 방법을 제안하였다. 제안된 방법은 입력 영상을 통해 프레임 추출 후 프레임 이미지에서 차선과 바퀴를 검출하고 거리를 측정하여 실제 도로 환경에서 실측 된 거리와 비교하였고, 오차범위 ±3cm 안에서 비교적 정확히 거리를 산출할 수 있었다. 이를 통해 자율주행 자동차의 비용 절감 또는 라이다, 레이더 센서의 고장으로 대체 가능한 수단으로 활용할 수 있을 것으로 판단된다.

• 한국지리정보학회지
• /
• 제26권4호
• /
• pp.130-144
• /
• 2023

최근 실내에 대한 정확한 위치정보 취득을 위해 신호기반측위와 영상기반측위를 기반으로 다양한 측위기술이 연구되고 있다. 이 중 카메라를 통해 획득된 영상과 필요에 따라 수집된 센서데이터를 이용하여 모바일 단말의 위치를 결정하는 영상측위 기술에 대한 연구가 다양하게 진행되고 있다. 영상기반측위를 위해서는 모바일 단말사진과 가상의 랜드마크 영상과의 매칭을 통해 실내위치 결정하는 방법이 사용되며, 이를 위해 광고판, 자판기, ATM기기 등 다양한 랜드마크에 대한 실내 공간정보구축이 필요하다. 다양한 랜드마크에 대한 실내공간정보 구축을 위해 한국전자통신연구원(ETRI) 13동을 대상으로 지상라이다 측량을 통해 로드뷰 형태의 파노라마 이미지와 정확한 3D 측량성과를 취득하였다. 3차원 토탈스테이션 결선성과와 지상라이다 파노라마 이미지 좌표상호간 비교시 약 0.10m 이내로 좌표 및 거리 성과가 취득되어 실내측위에 활용하기 위한 정확한 랜드마크 구축이 가능함을 확인하였다. 이러한 지상라이다 성과를 활용하여 영상측위에 필요한 3차원 랜드마크 모델링을 수행함으로써 기존 준공도면을 이용한 3차원 모델링만으로 구축할 수 없는 랜드마크 정보에 대해 보다 빠르게 모델링이 가능하였다.