• 한국BIM학회 논문집
• /
• 제9권4호
• /
• pp.31-40
• /
• 2019

With Building Information Modeling(BIM) becoming the de facto standard for data sharing in the AEC industry, additional needs have increased to ensure the data integrity of BIM models themselves. Although the Industry Foundation Classes provide an open and neutral data format, its generalized schema leaves it open to data loss and misclassifications This research applied deep learning to automatically classify BIM elements and thus check the integrity of BIM-to-IFC mappings. Multi-view CNN(MVCC) and PointNet, which are two deep learning models customized to learn and classify in 3 dimensional non-euclidean spaces, were used. The analysis was restricted to classifying subtypes of architectural walls. MVCNN resulted in the highest performance, with ACC and F1 score of 0.95 and 0.94. MVCNN unitizes images from multiple perspectives of an element, and was thus able to learn the nuanced differences of wall subtypes. PointNet, on the other hand, lost many of the detailed features as it uses a sample of the point clouds and perceived only the 'skeleton' of the given walls.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권3호
• /
• pp.670-684
• /
• 2024

3D Cross-Modal Retrieval (3DCMR) is a task that retrieves 3D objects regardless of modalities, such as images, meshes, and point clouds. One of the most prominent methods used for 3DCMR is the Cross-Modal Center Loss Function (CLF) which applies the conventional center loss strategy for 3D cross-modal search and retrieval. Since CLF is based on center loss, the center features in CLF are also susceptible to subtle changes in hyperparameters and external inferences. For instance, performance degradation is observed when the batch size is too small. Furthermore, the Mean Squared Error (MSE) used in CLF is unable to adapt to changes in batch size and is vulnerable to data variations that occur during actual inference due to the use of simple Euclidean distance between multi-modal features. To address the problems that arise from small batch training, we propose a Noisy Center Loss (NCL) method to estimate the optimal center features. In addition, we apply the simple Siamese representation learning method (SimSiam) during optimal center feature estimation to compare projected features, making the proposed method robust to changes in batch size and variations in data. As a result, the proposed approach demonstrates improved performance in ModelNet40 dataset compared to the conventional methods.

• 전자공학회논문지CI
• /
• 제41권2호
• /
• pp.137-148
• /
• 2004

본 논문에서는 영상기반 파노라믹 3D 가상 환경 (Virtual Environment: VE) 생성을 위해 회전하는 다수의 멀티뷰 카메라를 위한 캘리브레이션 방법을 제안한다. 일반적으로, 카메라 캘리브레이션 알고리즘은 카메라와 캘리브레이션 패턴 사이의 이 멀어질수록 획득되는 카메라 파라미터의 정확도가 상당히 저하되어 파노라마 영상 제작에는 부적합하다. 이러한 문제점을 극복하기 위해 멀티뷰 카메라의 렌즈간 그리고 회전하는 다수의 멀티뷰 카메라간의 기하학적인 상관 위치 관계를 이용하여 정확도를 높인다. 우선, Tsai의 캘리브레이션 알고리즘을 적용하여 획득된 카메라 파라미터를 카메라 렌즈간의 사전 기하 정보와 비교하여 그 오차에 기반한 인트라 카메라 캘리브레이션 (Intra-camera Calibration)을 수행한다. 그리고 가상 공간에 역투영된 3D point cloud에 ICP 알고리즘을 적용하여 인터 카메라 캘리브레이션 (Inter-camera Calibration)을 수행한다. 이를 확장하여, 다수의 카메라를 회전시켜 획득된 3D point cloud에 대해 기준 카메라의 위치를 중심으로 인터 카메라 캘리브레이션을 연속적으로 수행함으로써 회전하는 다수의 멀티뷰 카메라에 대한 캘리브레이션을 수행한다. 이와 같은 캘리브레이션 방법을 통해 중에서도 비교적 개선된 카메라 파라미터를 획득할 수 있기 때문에 파노라믹 3D 가상 환경을 생성하기 위한 정합과정에 사용할 수 있다. 또한, 실시간 3D 객체 추적 및 AR 응용 시스템 등의 다양한 AR 응용분야에 활용될 수 있다.

• 화약ㆍ발파
• /
• 제37권4호
• /
• pp.10-16
• /
• 2019

충격파나 압력파가 구조물에 미치는 영향을 평가하기 위해서는 과압, 양의 압력 지속시간, 충격량에 대한 정보가 필요하다. 본 연구에서는 증기운 폭발 해석에 효과적인 다중에너지법을 적용하여 과압 및 양의 압력 지속 시간을 결정하였다. 영국 Nypro 화학회사에서 발생한 싸이클로헥산 증기운 폭발 사고에서 추정된 총 폭발열을 기반으로 폭발원으로부터 40, 80, 120, 160, 200, 240, 280, 320, 360(m) 이격된 지점에서의 과압, 양의 압력 지속시간을 평가하였다. 거리에 따라 과압은 지수적으로 감소하는 것으로 나타났고, 양의 압력 지속시간은 거의 선형적으로 증가하는 것으로 나타났다. 상기의 각 거리에서 구한 과압 및 충격량을 이용하여 각 거리에서의 구조물의 손상 확률을 평가하기 위해서 프로빗 함수를 사용하였다. 손상 확률을 평가한 결과 120m 이내 지점에서는 붕괴의 가능성이 크고, 240m 이내에서는 심각한 구조물의 손상이, 구조물의 가벼운 손상과 유리창 파손은 전 범위에 걸쳐서 발생하는 것으로 나타났다.

• 대한원격탐사학회지
• /
• 제37권4호
• /
• pp.777-788
• /
• 2021

Since aerosol has a relatively short duration and significant spatial variation, satellite observations become more important for the spatially and temporally continuous quantification of aerosol. However, optical remote sensing has the disadvantage that it cannot detect AOD (Aerosol Optical Depth) for the regions covered by clouds or the regions with extremely high concentrations. Such missing values can increase the data uncertainty in the analyses of the Earth's environment. This paper presents a spatial gap-filling framework using a univariate statistical method such as DCT-PLS (Discrete Cosine Transform-based Penalized Least Square Regression) and FMM (Fast Matching Method) inpainting. We conducted a feasibility test for the hourly AOD product from AHI (Advanced Himawari Imager) between January 1 and December 31, 2019, and compared the accuracy statistics of the two spatial gap-filling methods. When the null-pixel area is not very large (null-pixel ratio < 0.6), the validation statistics of DCT-PLS and FMM techniques showed high accuracy of CC=0.988 (MAE=0.020) and CC=0.980 (MAE=0.028), respectively. Together with the AI-based gap-filling method using extra explanatory variables, the DCT-PLS and FMM techniques can be tested for the low-resolution images from the AMI (Advanced Meteorological Imager) of GK2A (Geostationary Korea Multi-purpose Satellite 2A), GEMS (Geostationary Environment Monitoring Spectrometer) and GOCI2 (Geostationary Ocean Color Imager) of GK2B (Geostationary Korea Multi-purpose Satellite 2B) and the high-resolution images from the CAS500 (Compact Advanced Satellite) series soon.

• Spatial Information Research
• /
• 제21권1호
• /
• pp.63-73
• /
• 2013

지형지물은 각각의 특징적 요인을 내포하고 있어 촬영된 위성영상에 반영된다. 촬영시기가 다른 영상을 통하여 변화에 대한 정보를 얻을 수 있다. 다중시기 영상을 무감독 방법으로 분류할 수 있다면 영상 분류의 정확도를 높여 주고, 여러 응용분야에 기여할 수 있다. 규칙기반 영상분류 알고리즘은 사람의 직접적인 개입이 없이 자동화된 방법으로 처리 되도록 개발되었으나, 불완전 요소에 결과가 영향 받는지 확인되어야 한다. 이 연구에서는 제주도 지역의 Landsat 영상으로 규칙기반 영상분류를 수행하였다. 영상의 구름의 존재하고 촬영시기의 차이가 있는 경우, 대상지가 도시, 산지, 농지 등 복합적인 경우에 대하여 적용 결과를 확인하였다. 구름이 있는 부분의 경우, 계수에 영향을 주지 않았으며, 촬영시기의 차이에 따라 분류규칙이 적절이 반영되었다. 제주시 도시지역의 확장, 서귀포시의 비닐하우스 등의 시설물 개체 수 증가 등을 파악 할 수 있었다. 제주도 지역의 공간정보 변화 파악과 분류 정확도를 얻을 수 있었다. 양질의 무감독 분류가 수행되는 것을 목표로 하여 방법의 일반화 및 개선방안을 모색하고자 하였다. 향후 도시개발, 환경변화 모니터링 등 영상 시계열 분석에 다양하게 활용될 수 있을 것이다.

• 대한원격탐사학회지
• /
• 제34권6_1호
• /
• pp.925-939
• /
• 2018

지표면 흡수단파복사(Absorbed Shortwave Radiation, ASR)는 대기와 육지 및 해양 사이의 에너지 수지 분석을 위한 필수 요소이다. 이 연구에서는 천리안위성 2A호(GEO-KOMPSAT-2A; GK-2A)에 적용하기 위하여 복사 모델과 지표면 알베도 자료를 이용하여 지표면 흡수단파복사를 산출(GWNU 방법)하였고, 그 결과는 기준 자료로 선정한 CERES (Clouds and the Earth's Radiant Energy System) 위성 센서 및 지상 관측 자료와 비교하였다. 또한 이 연구 결과(GWNU 방법)는 미국 정지궤도위성 GOES-R의 ABI (Advanced Baseline Imager)에 의한 물리적 및 통계적 방법 그리고 Li et al.(1993) 및 Kim and Jeong (2016)의 회귀 방정식 방법들과 비교하였으며, 그 결과 GWNU 방법에 의하여 계산된 지표면 흡수단파복사는 다른 방법들에 의한 값보다 정확 하였다. 그러나 GWNU 방법을 활용하여 지표면 흡수단파복사를 산출할 때 계산 시간과 지표면 알베도 자료의 정확성 문제가 발생될 경우 위에 제시된 경험적 방법들이 GWNU 방법과 함께 사용되어야 할 것이다.

• 해양환경안전학회지
• /
• 제28권4호
• /
• pp.515-524
• /
• 2022

해상교통정보의 수집, 관리 및 공유를 개선하기 위해서는 해상교통정보 관련 기술 동향 파악 및 해상교통정보의 현황·문제점 분석이 우선되어야 한다. 따라서 본 연구에서는 먼저 해상교통정보의 국내외 기술 동향을 조사하였으며 국내 해상교통정보의 수집·관리·공유에 대한 현황·문제점을 분석하여 정리하였다. 자료를 토대로 문제점을 분석한 결과 우선 수집단계의 문제점은 주로 LTE 통신권을 벗어나는 원거리 RADAR·CCTV·카메라 영상정보 수집의 어려움으로 나타났으며 이로 인해 EEZ를 거쳐 영해로 진입하는 밀입국 선박 등의 조기 탐지가 어려운 것으로 나타났다. 그리고 관리단계의 문제점은 대부분 해상교통시스템이 자체 구축한 물리 저장 공간을 사용함으로써 저장 공간의 유연성 부족으로 인해 편리한 축소·확대가 어렵고 시스템 장애 발생 시 대비책으로 시스템 이중화·백업 등이 힘든 상황이다. 또한 공유단계의 문제점은 대부분 해상교통정보 공유시 주로 내부망을 사용하고 있는 현황상 운영기관 외부로의 정보 공유가 어려운 것으로 나타났으며 LRIT·SASS와 같이 정부 클라우드를 통해 정보 공유가 되고 있다고 하여도 정부 클라우드의 특성상 해양 빅데이터 등을 효과적으로 활용할 수 있는 다양한 애플리케이션의 제공이 원활히 되고 있지 않은 상황이다. 이러한 문제점들을 개선하기 위해 우선 수집단계의 경우 무인기·위성 등 수집장비의 추가 구축을 제시함으로써 수집구역을 확장하였고 관리·공유단계는 각 해상교통시스템의 운영 주체·정보 공개성을 고려한 민간 클라우드 도입 및 구축형태를 제시함으로써 클라우드 도입 시 전문성·보안성 향상을 기대하였다.

• 한국대기환경학회지
• /
• 제22권1호
• /
• pp.1-14
• /
• 2006

Tropospheric aerosols are highly variant in time and space due to non-uniform source distribution and strong influence of meteorological conditions. Backscatter lidar measurement is useful to understand vertical distribution of aerosol. However, the backscatter lidar equation is undetermined due to its dependence on the two unknowns, extinction and backscattering coefficient. This dependence necessitates the exact value of the ratio between two parameters, that is, the lidar ratio. Also, Iidar ratio itself is useful optical parameter to understand properties of aerosols. Tropospheric aerosols were observed to understand variance of lidar ratio at Anmyeon island ($36.32^{/circ}N$, $126.19^{/circ}E$), Korea using a multi-wavelength raman lidar system developed by the Advanced Environmental Monitoring Research Center (ADEMRC), Gwangju Institute Science and Technology (GIST), Korea during measurement periods; March 15$\sim$April $16^{th}$, 2004 and May 24$\sim$ $8^{th}$ 2005. Extinction coefficient, backscattering coefficient, and lidar ratio were measured at 355 and 532 nm by the Raman method. Different types of aerosol layers were distinguished by the differences in the optical properties such as Angstrom exponent, and lidar ratio. The average value of lidar ratio during two observation periods was found to be $50.85\pm4.88$ sr at 355 nm and $52.43\pm15.15$ sr at 532 nm at 2004 and $57.94\pm10.29$ sr at 355 nm and $82.24\pm15.90$ sr at 532 nm at 2005. We conduct hysplit back-trajectory to know the pathway of airmass during the observation periods. We also calculate lidar ratio of different type of aerosol, urban, maritime, dust, continental aerosols using OPAC (Optical Properties of Aerosols and Clouds), Remote sensing of atmospheric aerosol using a multi-wavelengh lidar system with Raman channels is quite and powerful tool to characterize the optical propertises of troposheric aerosols.

• 대한원격탐사학회지
• /
• 제22권6호
• /
• pp.553-563
• /
• 2006

본 연구의 목적은 MODIS 다중시기영상과 선형분광혼합화소분석(Linear Spectral Mixture Analysis : LSMA)을 이용하여 한반도의 토지피복도를 작성하는 것이다. 다양한 공간해상도와 광역적인 촬영스케일의 MODIS 영상에 LSMA를 이용하여 토지피복분류기 정확도의 향상과 한반도 생물계절적인 특성을 분석하고자 하였다. LSMA는 하나의 화소를 단일의 지표물로 가정하여 영상을 처리하는 기존의 기법과 달리 대상지의 토지피복 특성을 가장 잘 반영하는 순수한 물체의 화소값(Endmember)을 선택하여 자연환경요소들의 하나하나를 분리하는 기법이다. 본 연구에서 MODIS 다중시기 영상에 LSMA를 적용한 결과 남, 북한의 농경지 및 산림지역에 대한 서로 다른 생물계절적인 특성을 파악 할 수 있었으며, 이러한 결과 영상을 ISODATA 무감독분류기법을 통해서 대분류와 중분류하였다. 대분류에서는 79.94%의 전체 정확도를 보였으며, 농업지역은 85.45%, 산림지역은 88.12%로 다른 분류군들에 비해서 가장 높은 정확도를 보였다. 중분류에서는 산림지역과, 농업지역을 더욱 세분화하여 분류하였다. 전체정확도는 82.09%였으며, 활엽수림 86.96%, 논 85.38%로 분류군중 가장 높은 정확도를 나타냈다.