• 한국측량학회지
• /
• 제39권6호
• /
• pp.599-607
• /
• 2021

스트리트뷰(Street-view) 영상은 도로의 특정 위치를 중심으로 한 전방위 영상을 제공하며, 보행 환경에 대한 다양한 장애물 정보를 포함한다. 보행자용 길안내 서비스에 활용하기 위한 보행 네트워크(Pedestrian network) 데이터는 교통약자를 비롯한 보행자의 이동 편의성을 보장하기 위하여 보행 장애물에 대한 최신 정보를 반영해야 한다. 본 연구에서는 스트리트뷰 영상과 딥러닝 기반의 객체탐지 알고리즘을 활용하여 서울 전역에 위치한 주요 보행 장애물인 볼라드(Bollard)를 학습하였다. 또한, 탐지된 볼라드 정보와 보행 네트워크 간의 공간매칭을 통해 횡단보도 노드를 대상으로 볼라드의 유무와 개수 정보를 장애물 속성으로 입력하고, 동시에 누락된 횡단보도 정보를 갱신하기 위한 프로세스를 정의하였다. 스트리트뷰 영상으로 학습된 모델은 보행 상황에서 스마트폰으로 촬영한 사진에 대해서도 적용이 가능하며, 향후 스트리트뷰 영상에 포함된 다양한 보행 장애물에 대한 추가 학습을 통해 효율적인 보행 장애 정보 갱신이 가능할 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제30권3호
• /
• pp.383-397
• /
• 2014

Information technology advances are allowing conventional surveillance systems to be combined with mobile communication technologies, creating ubiquitous monitoring systems. This paper proposes monitoring system that uses smart camera technology. We discuss the dependence of interior orientation parameters on calibration target sheets and compare the accuracy of a three-dimensional monitoring system with camera location calculated by space resectioning using a Digital Surface Model (DSM) generated from stereo images. A monitoring housing is designed to protect a camera from various weather conditions and to provide the camera for power generated from solar panel. A smart camera is installed in the monitoring housing. The smart camera is operated and controlled through an Android application. At last the accuracy of a three-dimensional monitoring system is evaluated using a DSM. The proposed system was then tested against a DSM created from ground control points determined by Global Positioning Systems (GPSs) and light detection and ranging data. The standard deviation of the differences between DSMs are less than 0.12 m. Therefore the monitoring system is appropriate for extracting the information of objects' position and deformation as well as monitoring them. Through incorporation of components, such as camera housing, a solar power supply, the smart camera the system can be used as a ubiquitous monitoring system.

• 한국측량학회지
• /
• 제29권2호
• /
• pp.201-208
• /
• 2011

스마트폰 사용자의 증가와 함께 다양한 응용분야에서 정밀한 3차원 위치정보가 요구되고 있다. 단일 주파수 민간용 코드 자료를 이용한 위치결정 정확도는 10m 내외이지만, 향후 스마트폰 응용프로그램은 서브미터 수준의 위치정확도를 안정적으로 확보할 필요가 있다. 따라서 일반적인 절대측위 대신 가상기준점을 기반으로 하는 상대측위 방식을 적용하였으며, 면보정계수를 이용하여 이중차분 오차를 보정하였다. 가상기준점은 로버 가까운 지점에 설정하고, 주 기준점 관측자료를 바탕으로 기하학적인 거리를 반영하였다. 이중차분으로 제거되지 않은 오차는 일반적으로 기선거리와 비례하므로, 로버 외부의 상시관측소 네트워크를 평면에 접합하여 면보정계수를 추정하였다. 이중차분 오차를 보정한 가상기준점과 로버의 24시간 C/A 코드 자료를 이용한 로버의 위치측정 결과 위도, 경도방향의 평균제곱근(RMS) 오차가 각각 37cm, 28cm 였으며, 높이 방향의 오차는 76cm 수준이었다. 또한 평면좌표의 성분별 오차는 전체의 약 90%에서 ${\pm}0.5m$ 이내의 결과를 보였으며, 특히 네트워크 기반의 오차모델링을 통해 평면좌표의 바이어스가 2-3cm 수준으로 크게 향상되었다. 따라서 가상기준점과 이중차분 오차모델링을 통해 단일 주파수코드 자료로부터 안정적인 서브미터 정확도의 위치결정이 가능하다.

• 한국측량학회지
• /
• 제37권4호
• /
• pp.219-231
• /
• 2019

간판은 유형마다 간판의 규격이 정해져 있으나 실제 설치된 간판은 형태와 크기가 일정하지 않다. 또한, 간판은 간판 내부의 색상에 대한 규정이 정해져 있지 않기 때문에 다양한 색상을 갖고 있다. 간판을 인식하기 위한 방법은 도로표지판과 차량번호판을 인식하는 유사한 방법으로 생각할 수 있으나 간판의 특성으로 인해 도로표지판과 차량번호판과 유사한 방법으로 간판을 인식할 수 없는 한계점이 있다. 이에 본 연구에서는 딥러닝 기반의 Faster R-CNN 알고리즘을 이용하여 불법 및 노후 간판의 주요 대상이 되는 판류형 간판을 인식하고 간판의 영역을 자동으로 추출하는 방법론을 제안하였다. 스마트폰 카메라를 이용하여 촬영한 간판 영상을 통해 판류형 간판을 인식하는 과정은 2가지의 순서로 나뉜다. 먼저, 다양한 유형의 간판 영상에서 판류형 간판을 인식하기 위해 딥러닝을 이용하여 간판의 유형을 인식하였으며 그 결과는 약 71%의 정확도로 나타났다. 다음으로 판류형 간판의 경계영역을 인식하기 위해 간판 영역 인식 알고리즘을 적용하였을 때 85%의 정확도로 판류형 간판의 경계영역을 인식하였다.