• 대기
• /
• 제18권4호
• /
• pp.267-277
• /
• 2008

The occurrence and strength of the Asian Dust over the Korea Peninsular have been increased by the expansion of the desert area. For the continuous monitoring of the Asian Dust event, the geostationary satellites provide useful information by detecting the outbreak of the event as well as the long-range transportation of dust. The Infrared Optical Depth Index (IODI) derived from the MTSAT-1R data, indicating a quantitative index of the dust intensity, has been produced in real-time at Korea Meteorological Administration (KMA) since spring of 2007 for the forecast of Asian dust. The data processing algorithm for IODI consists of mainly two steps. The first step is to detect dust area by using brightness temperature difference between two thermal window channels which are influenced with different extinction coefficients by dust. Here we use dynamic threshold values based on the change of surface temperature. In the second step, the IODI is calculated using the ratio between current IR1 brightness temperature and the maximum brightness temperature of the last 10 days which we assume the clear sky. Validation with AOD retrieved from MODIS shows a good agreement over the ocean. Comparison of IODI with the ground based PM10 observation network in Korea shows distinct characteristics depending on the altitude of dust layer estimated from the Lidar data. In the case that the altitude of dust layer is relatively high, the intensity of IODI is larger than that of PM10. On the other hand, when the altitude of dust layer is lower, IODI seems to be relatively small comparing with PM10 measurement.

• 전자공학회논문지CI
• /
• 제48권5호
• /
• pp.33-41
• /
• 2011

본 논문에서는 지상라이다를 사용해 구조물을 측정한 점군데이터가 갖는 중복성을 피하고, 목표 구조물외에 불필요한 정보의 수를 감소시키도록 하는 점군데이터의 무손실 압축 기법을 제안한다. 제안된 방법을 적용하기 위해, 호프 변환을 이용하여 구조물과 지상라이다의 수평방향 사이의 각도를 찾아, 이를 점군데이터의 회전 변환에 적용하였다. 이로써 x축에 평행하도록 구성된 점군데이터에 대한 y좌표의 중복성은 기존의 데이터보다 많아지고, 따라서 압축률도 향상시킬 수 있다. 추가로, 불필요한 데이터를 찾아 정보량을 감소시키는 방법을 적용한다. 하나는 점군데이터를 데시메이션하는 것이고, 다른 하나는 목표 구조물이 갖는 y좌표의 범위를 찾아 목표로 하는 범위내 점군데이터만 추출하는 것이다. 제안한 방법은 실험을 통해 압축률이 향상되었음을 확인할 수 있다. 또한, 별도의 추가 정보 없이 점군데이터의 위치 정보만으로 데이터를 압축할 수 있고, 이 압축알고리듬으로 처리속도를 높일 수 있다.

• 한국산학기술학회논문지
• /
• 제20권1호
• /
• pp.323-328
• /
• 2019

기존에는 지형에 대한 3차원 공간정보 구축을 위해 주로 토털스테이션을 이용한 현황측량, 원격탐사, GNSS(Global Navigation Satellite System) 등의 방법이 주로 활용되어 왔다. 하지만 토털스테이션이나 GNSS는 대상지에 접근과 많은 관측을 요구하기 때문에 작업효율과 경제성이 떨어지며, 항공사진이나 인공위성영상은 지형의 3차원 형상을 취득하기 어렵다는 단점이 있다. 지상 LiDAR(Light Detection And Ranging)는 측정 대상물에 무수히 많은 레이저를 주사하여 X, Y, Z 좌표와 형상에 대한 정보를 얻을 수 있으며, 자료처리의 자동화가 가능한 장점이 있다. 본 연구에서는 지상 LiDAR를 이용하여 사면의 변위를 검출하고자 하였다. 연구대상 사면 3개소를 선정하고, 2016년과 2017년에 대상 사면에 대한 자료를 취득하였으며, 자료 처리를 통해 경사면의 형상과 단면에 대한 데이터를 생성할 수 있었다. 또한 생성된 데이터의 중첩분석을 통해 효과적으로 사면의 변위가 0.1m 이내임을 파악함으로써, 위험사면의 관리를 위한 지상 LiDAR의 활용 가능성을 제시하였다. 향후 주기적인 데이터 취득 및 분석이 이루어진다면 지상 LiDAR를 이용한 방법은 효과적인 위험사면 관리에 기여할 것이다.

• 한국건축시공학회지
• /
• 제17권6호
• /
• pp.545-557
• /
• 2017

이 연구는 사회 기반 구조물의 노후화에 대한 안전점검 기술분야에서 구조물 외관점검 기술의 효율적 대안에 관한 연구이다. 기존 육안점검 및 조사를 대신하여 산업용 드론과 딥 러닝기반의 이미지 분석 기법을 접목함으로써 막대한 인력과 시간소요 및 비용을 절감하고 높은 구역 및 돔 구조물의 접근 한계를 극복하고자 하였다. 구조물의 0.3mm 이상의 균열 손상을 검지할 수 있는 고 해상도 카메라와 라이다 센서, 임베디드 이미지 프로세서 모듈로 구성된 탑재체를 제작하여 산업용 드론에 탑재하였다. 이를 현장 시험에 적용하여 자동비행항법을 통해 시편의 손상 이미지를 촬영하였다. 또한 균열경을 이용하여 기존 육안 점검 방법으로 백태, 박리박락과 같은 면적형 손상과 선형 손상인 균열의 폭과 길이를 측정하여 최종 이미지 분석 검출 결과와 비교하고자 하였다. 촬영된 이미지 중 80장의 샘플을 골라 이미지 분석 기법을 적용하여 사전처리작업(pre-processing)-분리작업(segmentation)-특징점 추출작업(feature extraction)-분류 작업(Classification)-지도학습작업(supervised learning) 등의 과정을 거쳐 손상을 분리하고, 이를 딥러닝 기반 플랫폼으로 지도학습하여 분석 파라미터를 추출하였다. 지도학습을 수행하지 않은 임의의 이미지 샘플 60장을 신규로 추가하여 추출된 파라미터를 기반으로 이미지 분석을 수행한 결과, 손상 검출율의 90.5%로 나타났다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제12권2호
• /
• pp.85-92
• /
• 2023

코로나바이러스감염증-19와 같은 호흡기 감염병은 주로 밀집/밀폐/밀접 공간인 실내에서 일어난다. 호흡기 감염병 이상징후의 존재 여부는 발열, 기침, 재채기 및 호흡곤란 등의 초기 증상을 통해 판단되고 있으며, 이러한 초기 증상에 대한 상시 모니터링이 요구된다. 열화상 온도 스크리닝 시스템은 개인의 피부 온도 상승의 징후가 있는지 초기에 선별하는 빠르고 쉬운 비접촉 스크리닝 방법을 제공하지만, 측정 타겟, 주변 온도 등의 측정 환경과 피 측정대상과의 측정 거리에 따른 오차로 인해 정확한 온도측정이 어렵다. 그리고 국제표준 IEC 80601-2-59 에서는 내안각(Inner Canthus) 인접한 영역에 대한 안면 열화상 촬영을 권고하고 있다. 본 논문에서는 가시광 카메라 모듈과 열화상 카메라 모듈에 대해서 이미지 일치화 보정을 수행하였으며, 흑체(Blackbody)를 이용해 측정 환경에 대한 열화상 카메라 모듈 온도를 보정하였다. 표준에서 권고하는 측정 타겟을 인식하기 위해 딥러닝 기반 객체 인식 알고리즘과 내안각 인식 모델을 개발하였으며, 100명의 실험자군에 대한 데이터셋을 적용하여 인식 모델 정확도를 도출하였다. 또한 라이다 모듈을 이용한 객체 거리 측정과 선형회귀 보정 모듈을 통해 측정 거리에 따른 오차를 보정하였다. 제안한 모델의 성능 측정을 위해 모터 스테이지, 열화상 온도 스크리닝 시스템, 흑체로 구성된 실험환경을 구축하였으며, 1m에서 3.5m 사이 가변 거리에 따른 온도측정 결과 0.28℃ 이내의 오차 정확도를 확인하였다.