• 대한토목학회논문집
• /
• 제32권3D호
• /
• pp.259-267
• /
• 2012

건설자동화 시스템 개발은 건설업이 당면하고 있는 여러 가지 어려움을 해결하고 급변하고 있는 건설환경을 위한 대응책으로 설득력 있는 해결책 중의 한가지로 제안되고 있다. 2006년부터 지능형 굴삭시스템 개발을 위한 연구가 진행되었다. 지능형 굴삭시스템은 작업환경 센싱, 3D 모델링, 작업계획, 작업경로계획, 무인조정 및 정보관리를 위한 다양한 기능을 갖고 있다. 본 논문에서는 지능형 굴삭시스템을 실제 현장에 적용하기 위하여 필요한 요소기술 중의 하나인 작업계획 및 작업경로계획 기능구현을 위한 공간정보모델과 작업경로 시뮬레이터를 제시하고자 한다. 기존의 자료구조인 쿼드트리나 옥트리 구조가 갖고 있는 단점을 보완하기 위하여 토공작업을 위한 새로운 자료구조를 제시하였다. 작업경로 시뮬레이터는 작업환경에 관한 정보, 토공장비에 관한 정보를 제공하며 작업자의 휴리스틱을 고려하여 효과적인 작업경로를 생성할 수 있다. 시뮬레이터에 의하여 생성된 작업경로와 굴삭기 운전자가 제안하고 있는 작업경로를 서로 비교하였다.

• 방송공학회논문지
• /
• 제21권4호
• /
• pp.484-492
• /
• 2016

High efficiency video coding (HEVC)은 H.264/AVC와 같은 이전 비디오 압축 표준 보다 더 높은 압축 효율을 갖는 최신 비디오 압축 표준이다. 화면 내 예측에서 최대 압축 단위 (LCU)들은 quadtree 구조를 통해 64x64부터 8x8까지의 크기를 갖는 더 작은 압축 단위 (CU)들로 나누어지고, 이들은 다시 예측 단위 (PU)들로 나누어진다. 가능한 크기까지 CU를 분할하면서 RDO (Rate Distortion Optimization) 과정을 통해 최적의 CU 분할 형태가 선택된다. 이 과정에서 HEVC는 많은 계산량을 필요로 한다. 본 논문에서는 HEVC의 계산량을 줄이기 위해, FAST (Features from Accelerated Segment Test) 코너 검출을 이용하여 화면 내 예측을 위한 고속 CU depth 결정 방법 (FCDD)을 제안한다. 제안하는 방법은 기존의 HEVC와 비교하여 약 0.7%의 BDBR 만큼의 적은 압축 성능 감소와 함께 부호화기에서 약 53.73%의 계산 시간을 감소시켰다.

• Journal of Information Processing Systems
• /
• 제16권4호
• /
• pp.959-974
• /
• 2020

High efficiency video coding (HEVC) employs quadtree coding tree unit (CTU) structure to improve its coding efficiency, but at the same time, it also requires a very high computational complexity due to its exhaustive search processes for an optimal coding unit (CU) partition. With the aim of solving the problem, a fast CU size decision optimal algorithm based on neighborhood prediction is presented for HEVC in this paper. The contribution of this paper lies in the fact that we successfully use the partition information of neighborhood CUs in different depth to quickly determine the optimal partition mode for the current CU by neighborhood prediction technology, which can save much computational complexity for HEVC with negligible RD-rate (rate-distortion rate) performance loss. Specifically, in our scheme, we use the partition information of left, up, and left-up CUs to quickly predict the optimal partition mode for the current CU by neighborhood prediction technology, as a result, our proposed algorithm can effectively solve the problem above by reducing many unnecessary prediction and partition operations for HEVC. The simulation results show that our proposed fast CU size decision algorithm based on neighborhood prediction in this paper can reduce about 19.0% coding time, and only increase 0.102% BD-rate (Bjontegaard delta rate) compared with the standard reference software of HM16.1, thus improving the coding performance of HEVC.

• 방송공학회논문지
• /
• 제20권2호
• /
• pp.340-347
• /
• 2015

HEVC(High Efficiency Video Coding)는 재귀적 쿼드트리 분할구조의 부호화단위(CU: Coding Unit)와 각 CU에서 다양한 예측단위(PU: Prediction Unit)를 제공하고, 율-왜곡 기반으로 최적의 CU 분할구조와 PU 모드를 결정함으로써 높은 부호화 효율을 얻을 수 있는 반면 복잡도 또한 크게 증가하는 문제가 있다. 본 논문에서는 부호화기의 복잡도를 감소시키기 위해 상위깊이의 부호화 정보를 이용한 다음 세 가지의 PU 모드 고속 결정 기법을 제안한다. 첫 번째 방법은 상위깊이 CU의 sub-CBF(Coded Block Flag)를 이용하여 현재깊이 CU에서의 PU 모드를 조기 결정하여 PU 탐색을 고속화 한다. 두 번째 방법은 화면내(Intra) 예측 고속화를 위하여 상위 CU의 sub-Intra 율-왜곡 비용을 이용하여 현재깊이에서의 화면내 예측을 생략한다. 마지막 방법으로는 화면내 예측 고속화를 위하여 현재 CU의 sub-CBF를 함께 사용하여 하위깊이에서의 화면내 예측을 생략한다. 실험결과 제안 방법은 HM 14.0 대비 각각 1.2%, 0.11%, 0.9%의 BD-rate 증가에 31.4%, 2.5%, 23.4%의 부호화 시간 감소 효과를 얻을 수 있었다. 제안된 3가지 방법은 화면간 및 화면내 예측에 적용되는 것으로 결합하여 적용될 수 있으며, 이 경우 1.9%의 BD-rate 증가에 34.2%의 부호화 시간 감소를 얻었다.

• 인터넷정보학회논문지
• /
• 제12권4호
• /
• pp.157-172
• /
• 2011

최근 분산 OLAP은 분산 환경에 적용하기 위하여 DHT기반의 P2P OLAP과 그리드 OLAP연구가 활발하게 진행되고 있다. 그러나 클라우드 컴퓨팅 환경에 적용하기 위하여 P2P OLAP은 structured P2P 특성 때문에 다차원 범위 질의에 문제점이 있고, Grid OLAP은 인접성 및 시계열 고려가 없기 때문에 쿼리 자체의 서브 �V 조회 알고리즘 연구에 치중되어 있다. 따라서 본 논문은 클라우드 컴퓨팅에 적합한 환경 제공을 위해 사용자의 조회 결과가 시계열적 특성으로 여러 사용자에 의해 재사용이 가능하고, 서버상의 휘발성 조회 큐브가 사용자 로컬 메모리에서 직접 분석 질의 시 효율이 좋다는 것에 초점을 두어 중앙관리 P2P방식을 제안하였다. 또한 빠른 질의 결과 및 다차원 범위질의를 위한 다단계 Hybrid P2P방식에 인덱스 부하 분산 및 성능 향상을 위한 클라우드 시스템을 접목하여 Cloud P2P OLAP을 제안하였다. 이를 위한 인덱스 구조로는 큐브 위상관계 트리와 인접성 2차원 Quadtree에, 시계열 Interval-트리를 접목하였으며, 이는 조회나 갱신 시에 일반 OLAP에 비해 큰 효율성을 보였다.