• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 춘계학술발표대회
• /
• pp.438-440
• /
• 2022

산업 현장에서 인력으로 작업할 수 있는 물리적 한계를 극복하기 위해 특수 목적 차량 작업 시 차량의 넘어짐 방지와 차체 보호를 위해 아웃트리거를 착지시키는데 도로 상태에 따라 사용자가 직접 최적화를 수행하는데 어려움이 존재한다. 본 논문에서는 도로 표면 상태를 신속하게 판단하여 아웃트리거 수직 및 수평 전개 착지 시 시간 소모, 안전사고 발생을 낮추기 위해 시멘틱 분할을 이용한 도로 표면 상태를 분석하는 연구를 수행하였다. 13가지로 구분된 도로 표면 상황에 대하여 DeepLabV3+를 통해 실험한 결과 픽셀 성능0.7819, mIoU 0.7085 결과를 도출하였다.

• 한국항행학회논문지
• /
• 제19권6호
• /
• pp.484-491
• /
• 2015

항공영상은 디지털 광학 영상 기술의 성장과 무인기(UAV)의 발달로 인하여 영상의 도입 및 공급이 크게 증가하였고, 이러한 항공영상 데이터를 기반으로 지상의 속성 추출, 분류, 변화탐지, 영상 융합, 지도 제작 형태로 활용되고 있다. 특히, 영상분석 및 활용에 있어 딥 러닝 알고리즘은 패턴인식 분야의 한계를 극복하는 새로운 패러다임을 보여주고 있다. 본 논문은 딥 러닝 알고리즘인 ConvNet기반으로 항공영상의 영역분할 및 분류 결과를 통한 더욱더 넓은 범위와 다양한 분야에 적용할 수 있는 가능성을 제시한다. 학습데이터는 도로, 건물, 평지, 숲 총 3000개 4-클래스로 구축하였고 클래스 별로 일정한 패턴을 가지고 있어 특징 벡터맵을 통한 결과가 서로 다르게 나옴을 확인할 수 있다. 본 연구의 알고리즘은 크게 두 가지로 구성 되어 있는데 특징추출은 ConvNet기반으로 2개의 층을 쌓았고, 분류 및 학습과정으로 다층 퍼셉트론과 로지스틱회귀 알고리즘을 활용하여 특징들을 분류 및 학습시켰다.

• 한국산학기술학회논문지
• /
• 제19권4호
• /
• pp.34-40
• /
• 2018

본 논문에서는 단안 카메라와 비교적 오차가 큰 GPS-IMU 센서를 이용하여 이동체의 정확한 포즈를 예측하는 고정밀 맵매칭 방법을 제안한다. 제안하는 방법은 카메라로부터 입력 받은 영상을 딥뉴럴 네트워크를 이용하여 의미상으로 분할한 결과와 시맨틱 지도 정보를 비교함으로써 달성된다. 카메라로부터 입력 받은 주행 영상은 시맨틱 분할 알고리즘을 통해서 두 개의 클래스로 분할되며, 시맨틱 지도 정보와 가능한 레이블 페어에 대해 설정된 가중치에 따라 비교 정렬함으로써 현재 이동체의 정확한 포즈를 예측할 수 있도록 한다. 이 과정에서 비교적 오차가 큰 GPS-IMU 센서의 신호는 해 공간의 범위를 효과적으로 줄여준다. 본 논문은 비교적 저렴한 센서를 이용하여 증강현실 및 자율주행 등에 필요한 고정밀 맵매칭이 가능함을 보여준다. 보정 전후의 차량 경로를 지도에 비교 도시하고 시맨틱 지도를 현재 입력 영상에 오버레이 하여 제안한 방법의 효과를 입증하였다. 또한 non-open-sky 환경과 같은 GPS-IMU 수신이 어려운 환경에서도 성능 개선이 있음을 확인하였다.

• Spatial Information Research
• /
• 제2권2호
• /
• pp.189-196
• /
• 1994

적응성 평활화필터(Adaptive smoothing filter)는 화상 처리용 필터의 하나로 화소들간의 밝기(intensity)차이가 많이 나는 곳은 그대로 보존시켜주고 차이가 많이 나지 않는곳은 평균을 내주는 필터이다. 일반적으로 도시지역 지도에서의 영역구분은 한정된 갯수의 색깔로 구분되어있기때문에 컴퓨터로 기존의 지돌르 입력하여 전자지도를 구성할 경우 필요한 색은 몇 가지고 제한된다. 인간이 기존의 인쇄된 지도를 인식할 때는 어느 한 영역의 색이 한 가지로 같다고 느끼지만 자세히 그 지도를 들여다 보면 한 가지 영역도 한가지 색이 아니라 요동하고 있음을 알 수 있다. 컴퓨터가 지도를 인식할 때는 하나의 영역이라도 이러한 미묘한 색의 차이를 인식하기 때문에 인간처럼 한 가지 색으로 인식하지 못 하고 색의 요동이 있는 것으로 인식한다. 이 때 적응성 평활화 필터를 통과시켜주면 같은 영역내에서의 요동을 감소시켜 같은 색으로 만들어 줄 수 있다. 본 논문에서는 기존의 도시지역 지도를 컴퓨터로 입력한 화상을 색분해 한 뒤 적응성 평활화 필터를 적용하여 지도상의 도로, 주거 지역등의 정보 추출을 단색깔로 구분해 내기가 수월해짐을 고찰하였으며, 이러한 방법은 앞으로 GIS의 도시지역 데이타 베이스 구축에 그 활용성이 기대된다.

• 한국컴퓨터정보학회논문지
• /
• 제16권9호
• /
• pp.77-85
• /
• 2011

본 논문은 보행중인 시각장애인에 장착된 카메라로부터 획득한 영상에서 보도와 차도 영역을 구분하기 위한 영역분할 기법과 질감 특징추출 기법에 대해 제안한다. 허프 변환 알고리즘을 이용한 라인검출을 통해 도로 경계선을 검출하고, 분할된 영역을 원근에 따라 3단계의 레벨로 구분한다. 그리고 분할된 영역들의 질감 특징성분을 추출함으로써 보도와 차도영역으로 분리한다. 보도블록이 가지는 복잡하고 다양한 특성의 패턴과 차도의 균일한 질감을 가진 영역의 특성을 비교하기 위하여 회전에 강건한 LBP, GLCM 질감 특징성분들을 이용함으로써 두 영역을 구분하였다. 제안된 방법은 주간과 야간 영상에 대해 실험한 결과 조도의 변화에 강건하게 영역을 분리할 수 있었고, 또한 보행자와 장애물이 많은 영상에서도 회전이나 폐색에 관계없이 영역 분리가 가능함을 확인하였다.

• 한국측량학회지
• /
• 제30권2호
• /
• pp.163-171
• /
• 2012

고해상도 위성영상은 높은 공간해상도의 이점으로 도심지역의 건물 및 도로망 분석, 경관 분석, 생태 환경 평가 등 다양한 분야에 활용되고 있다. 그러나 도심지역의 건물, 교량, 기타 구조물 등 높이 변화를 갖는 개체들은 영상 전체에 걸쳐 그림자 문제를 필연적으로 야기한다. 본 연구에서는 다양한 토지 이용 요소를 포함하는 넓은 영역의 도심지에 그림자 추출 기법을 적용하고, 수동으로 추출된 참조 그림자 지도와 비교하여 정량적인 평가를 수행하였다. 이를 위해 Canny 연산자와 팽창 필터를 이용하여 건물 영역의 인접 정보에 대한 버퍼 영역을 생성하고, Gram-Schmitt 융합 영상에 객체분할기법을 적용하여 생성된 객체들의 분광, 공간 인자들을 계산하였다. 이후 계산된 분광 및 공간 인자 특성과 건물 버퍼 영역과의 중첩여부를 바탕으로 도심지역의 그림자 추출에 가장 적합한 인자와 임계 규칙을 생성하였으며 추출된 그림자 지역 중 이상 객체를 추가적으로 제거하였다. 다양한 정량적 평가지수를 통해 제안된 그림자 추출 기법을 평가한 결과80%~90%의 높은 정확도를 나타냈다.

• 한국산업정보학회논문지
• /
• 제28권6호
• /
• pp.45-52
• /
• 2023

최근 일상생활 속 보행의 중요성이 강조되면서 보행권 보장 및 보행환경 조성을 위한 사업이 지역 곳곳에서 추진되고 있다. 선행 연구에서는 전주시 도로 이미지를 사용하여 보행환경 평가를 진행하고, 이미지 비교 쌍 데이터 세트를 구축하였다. 하지만 숫자로 표현된 데이터 세트는 보행환경 평가자들의 판단 기준을 일반화하거나 보행자가 선호하는 보행환경을 시각적으로 파악하기에 어려움이 존재한다. 따라서 본 연구는 웹 애플리케이션을 구축하여 데이터 시각화를 통해 보행환경 평가의 결과를 해석하는 방법을 제안한다. 의미론적 분할 결과를 활용하여 보행환경 평가자에게 영향을 미치는 보행환경 구성 요소를 분석한 결과, 보행자는 주로 'earth'와 'grass'가 많은 환경을 선호하지 않았고, 'signboard'와 'sidewalk'를 가진 환경을 선호하는 것으로 확인하였다. 제안된 연구는 향후 보행환경 평가의 참여자가 임의로 선택한 결과를 파악하고 분석할 수 있을 것으로 기대하며, 데이터에 대한 정제과정을 전처리로 수행함으로써 좀 더 향상된 정확도를 얻을 수 있을 것으로 판단한다.

• 정보처리학회논문지B
• /
• 제13B권4호
• /
• pp.353-360
• /
• 2006

본 논문에서는 도로 영상으로부터 차량 번호판 영역을 분할하는 알고리즘을 제시한다. 차량의 번호판 영역이 다른 영역에 비해 차별되는 특정을 세 가지 측면으로 나누어, 1) 번호판의 내부 문자, 2) 번호판의 색상, 3) 번호판의 형태에 대해 분석한다. 전처리 과정에서는, 이와 같은 세 가지 측면을 고려하여 번호판의 내부 영역 및 크기를 판별할 수 있는 임계값들을 계산하며, 이를 위해 표본 영상에 대한 통계적 처리를 수행한다. 차량 영역 분할 알고리즘에서는 임계값들을 이용하여 입력영상 내부에서 번호판 영역이 강조되도록 영상을 이진화한다. 일정한 크기의 윈도우로 이진 영상(binary image) 전체를 탐색하여, 윈도우 내부 픽셀 값의 합이 높은 순으로 서로 중복이 없도록 후보 영역을 찾은 후, 간단한 휴리스틱을 이용하여 후보 영역들 중에서 번호판 영역을 선택한다. 이 알고리즘은 번호판의 변형 또는 색상 명암도에 차이가 있는 경우에 대해서 안정적이다. 또한 이 알고리즘은 복잡한 전처리 과정을 요구하지 않고, 적은 수의 표본 영상에 대한 통계 처리만으로도 228장의 실험 영상들에 대해 97.8% 정도의 높은 성공률을 보였다. 프로토타입 시스템을 구현한 결과는 512M 바이트 메모리를 장착한 3GHz 펜티엄4 PC에서 $1280{\times}960$ 해상도의 영상 1장당 평균 0.676초의 처리 속도를 보였다.

• 대한교통학회지
• /
• 제28권2호
• /
• pp.151-159
• /
• 2010

본 논문은 기존 모형들보다 더 정확한 고속도로 사고 예측 모형을 개발하기 위해 수행한 연구 결과를 제시하고 있다. 기존 모형들은 도로 기하구조와 사고 건수 간 연관성을 밝히기 위해 해당 사고 지점 주변의도로 특성만을 고려하는 반면, 본 연구에서는 해당 사고지점 전방에 위치한 도로구간을 합쳐서 고려하는 점이 다르다. 차량교통사고는 주행중인 상황에서 발생하고, 특히 고속도로의 경우 한 지점의 차량 속도는 전방 도로 상황에 따라 민감하게 변하기 때문에 본 연구에서 적용한 기법은 상당히 현실적이라 할 수 있다. 모형을 구축하기 위해 서해안고속도로 4차로 구간 269.3km를 선정하여 기하구조 데이터를 구축하였고, 해당 구간에서 2003~2008년 6년 동안 발생한 1,664건의 교통사고를 매칭시켰다. 본 데이터의 사고발생특성은 포아송분포보다 음이항분포를 따르는 것으로 분석되었으며, 본 연구에서 개발한 모형에 따르면 교통사고 발생은 곡선길이와 곡선반경에 반비례 관계인 것으로 나타났다. 한편 교통사고 발생은 직선부의 직선길이에 비례하는 것으로 나타났다. 이 결과는 기존 연구 결과와는 다른 결과로서, 본 연구에서 가정했던대로 교통사고 발생은 해당 사고지점 전방에 위치한 도로구간상황에 의존한다는 것을 알 수 있다. 그 외에도 본 연구에서는 내리막 직선길이, 과속카메라 설치여부, 분류부와 합류부의 교통사고 발생에 미치는 영향에 대해서도 중요한 결과를 도출했다. 본 연구 결과는 고속도로 도로 설계와 안전 진단 사업에 도움이 될 것으로 기대하며, 향후 본 연구 기법을 일반 국도나 도시내 주요 도로들에 대해서도 적용해 보는 것이 바람직할 것이다.

• 전자공학회논문지SC
• /
• 제47권6호
• /
• pp.86-96
• /
• 2010

본 논문에서는 U-시차맵과 조감도를 이용한 스테레오 비전 기반의 장애물체 검출 및 차량 검증 방법을 제안한다. 먼저 최대 빈도 값을 이용하여 V-시차맵 상에서 도로 특징 정보를 추출하고, 추출된 도로 정보를 이용하여 대략적인 도로상의 장애물체 영역을 추출한다. 좀 더 정확한 장애물체 영역 추출을 위하여 U-시차맵을 생성하는데, 이때 시차값과 카메라 파라미터를 이용하여 계산된 문턱치를 이용하여 높이 제한된 U-시차맵을 생성함으로써, 일정한 높이의 장애물체만을 검출 할 수 있다. 그러나 검출된 장애물체 영역 내에는 여전히 다수의 장애물체와 배경이 존재하므로, 세그먼테이션 과정을 수행한다. 전 단계에서 추출된 장애물체 영역을 카메라 모델링과 파라미터를 이용하여 조감도 맵핑을 수행한다. 조감도는 시차맵과 카메라 정보를 기반으로 계산된 장애물체들의 위치를 평면상에 표시함으로써 장애물체들을 좀 더 쉽게 분리할 수 있다. 마지막으로 각각 분리된 장애물체들 별로 차량 특징 기반의 차량 검증 과정을 수행한다. 도로 접점 여부, 일정한 수평크기, 가로 세로 비율 및 텍스쳐 정보를 이용하여 최종적으로 도로상의 차량만을 검출한다. 그리고 실제 도로에서 획득한 영상에 제안한 알고리즘을 적용함으로써 장애물체 검출 및 차량 검증 성능을 검증한다.