• 대한원격탐사학회지
• /
• 제37권4호
• /
• pp.747-761
• /
• 2021

With the increasing application of UAVs in intelligent transportation systems, vehicle detection for aerial images has become an essential engineering technology and has academic research significance. In this paper, a vehicle detection method for aerial images based on the YOLOv4 deep learning algorithm is presented. At present, the most known datasets are VOC (The PASCAL Visual Object Classes Challenge), ImageNet, and COCO (Microsoft Common Objects in Context), which comply with the vehicle detection from UAV. An integrated dataset not only reflects its quantity and photo quality but also its diversity which affects the detection accuracy. The method integrates three public aerial image datasets VAID, UAVD, DOTA suitable for YOLOv4. The training model presents good test results especially for small objects, rotating objects, as well as compact and dense objects, and meets the real-time detection requirements. For future work, we will integrate one more aerial image dataset acquired by our lab to increase the number and diversity of training samples, at the same time, while meeting the real-time requirements.

• Journal of Animal Science and Technology
• /
• 제65권6호
• /
• pp.1254-1269
• /
• 2023

This study aims to predict the change in corn share according to the grazing of 20 gestational sows in a mature corn field by taking images with a camera-equipped unmanned air vehicle (UAV). Deep learning based on convolutional neural networks (CNNs) has been verified for its performance in various areas. It has also demonstrated high recognition accuracy and detection time in agricultural applications such as pest and disease diagnosis and prediction. A large amount of data is required to train CNNs effectively. Still, since UAVs capture only a limited number of images, we propose a data augmentation method that can effectively increase data. And most occupancy prediction predicts occupancy by designing a CNN-based object detector for an image and counting the number of recognized objects or calculating the number of pixels occupied by an object. These methods require complex occupancy rate calculations; the accuracy depends on whether the object features of interest are visible in the image. However, in this study, CNN is not approached as a corn object detection and classification problem but as a function approximation and regression problem so that the occupancy rate of corn objects in an image can be represented as the CNN output. The proposed method effectively estimates occupancy for a limited number of cornfield photos, shows excellent prediction accuracy, and confirms the potential and scalability of deep learning.

• 터널과지하공간
• /
• 제25권5호
• /
• pp.462-469
• /
• 2015

본 연구에서는 보급형 회전익 무인항공기(드론, DJI 팬텀2 비전 플러스)를 이용하여 국내 소규모 석회석 노천광산 현장(대성MDI(주) 석교사업소)의 지형측량을 수행하였다. 고도 100 m, 속도 3 m/s 조건으로 30분간 자동모드 비행을 수행한 결과 총 89장의 항공사진을 획득할 수 있었다. 현장에서 취득한 항공사진 자료들을 보정하고, 정합한 결과 총 3,400만 개의 3차원 점군 데이터가 추출되었고, 이로부터 5 cm 해상도의 정사영상과 수치표면모델 자료를 생성할 수 있었다. 5개 지상기준점에 대해서 고정밀 위성측정시스템를 이용하여 측정한 위치 좌표와 회전익 무인항공기 사진측량시스템을 이용하여 추출한 위치 좌표를 비교한 결과 평균 제곱근 오차가 X, Y, Z 세 방향 모두 10 cm 내외로 나타났다. 따라서 보급형 회전익 무인항공기 사진측량시스템이 기존의 지형측량 장비들을 대체하거나 보완할 수 있는 기술로서 소규모 노천광산 현장에서 효과적으로 활용될 수 있을 것이라 판단된다.

• 한국측량학회지
• /
• 제36권4호
• /
• pp.263-270
• /
• 2018

지표면 온도는 지면-대기의 상호 순환을 이해하는데 중요한 요소로 알려져 있지만 시공간적 변동성이 크기 때문에 정규적인 관측은 거의 이루어지지 못하고 있다. 기존의 지표면 온도는 위성 영상을 이용하여 관측하고 있지만 위성의 특성상 긴 재방문주기와 낮은 정확도의 한계를 가지고 있다. 본 연구에서는 기존의 위성 영상을 활용한 지표면 온도 관측의 대체가능성을 확인하기 위해 무인항공기에 열적외선 센서를 탑재하여 단일 영상을 취득하였다. 취득된 영상은 JPEG 영상에서 TiFF 영상으로 변환하여 정사영상을 제작하였으며 정사영상의 DN값을 이용하여 실제 지표면 온도로 계산하였다. 계산된 피복별 지표면 온도의 정확도를 평가하기 위해 영상촬영과 동시에 적외선 온도계로 직접 관측한 지표면 온도와 비교하였다. 두 가지 방법으로 관측한 지표면 온도를 비교 했을 때, 모든 피복들에 대해서 정확도가 열적외선 센서의 관측 정확도 이하로 나타났다. 따라서 무인항공기에 탑재된 열적외선 센서를 이용하여 기존의 지표면 온도 관측 방법인 위성 영상의 대체 가능성을 확인하였다.

• 한국측량학회지
• /
• 제36권3호
• /
• pp.197-202
• /
• 2018

Drone has been continuously studied in the field of geography and remote sensing. The basic researches have been actively carried out before the utilization in the field of photogrammetry. In Korea, it is necessary to study the actual way of research in accordance with the drone utilization environment. In particular, analysis on the characteristics of DSM (Digital Surface Model) generated through drone are needed. In this study, the characteristic of drone DSM as a data acquisition method was analyzed for coastal management. The coastal area was selected as the study area, and data was acquired by using drone. As a result of the study, the terrain model and the ortho image of coastal area were produced. The accuracy of UAV (Unmanned Aerial Vehicle) results were very high about 10cm at check points. However, concavo-convex shapes appeared in very flat areas such as tidal flats and roads. To correct this terrain model distortion, a new terrain model was created through data processing and the results were evaluated. If additional studies are carried out and the construction and analysis of terrain model using drone image is done, drone data for coastal management will be available.

• 도시과학
• /
• 제8권1호
• /
• pp.7-14
• /
• 2019

Recently, interest in solar energy, which is the center of new government energy policy, is increasing. However, the focus is on mass production of solar power plants, and policies and related technologies for maintenance and management of existing installed PV modules are insufficient. In this study, we use UAV (Unmanned Aerial Vehicle) to acquire RGB and infrared images, apply it to the structure-from-motion (SfM) based image analysis tool, model the three- And the position of the hot spot was monitored and coordinates were detected. As a result, it is possible to provide basic spatial information for maintenance of solar module by monitoring and position detection of hot-spot suspected solar cells by superimposing infrared image and RGB image based on unmanned aerial vehicle.

• 한국항공우주학회지
• /
• 제47권5호
• /
• pp.358-363
• /
• 2019

무인 항공기에 탑재된 EOIR 장비가 데이터 링크를 통해 영상과 데이터를 송수신할 경우 데이터의 전송 경로와 지상 장비 및 무선 네트워크 상태에 따라 데이터 전송이 지연될 수 있다. 이로 인해 수신한 영상을 보는 시간과 촬영하는 시간이 다르기 때문에 초기 표적의 LOCK-ON 실패 가능성이 높아진다. 따라서 본 논문은 영상과 동기화된 프레임 인덱스를 도입하고, 지상에서 명령에 프레임 인덱스를 추가하여 전송함으로써 영상추적의 성공률을 높이는 방법을 제안하였다.

• 한국환경복원기술학회지
• /
• 제24권6호
• /
• pp.89-96
• /
• 2021

In this study, a deep-learning image analysis model was established and validated for AI-based monitoring of the tidal flat ecosystem for marine protected creatures Ocypode stimpsoni and their habitat. The data in the study was constructed using an unmanned aerial vehicle, and the U-net model was applied for the deep learning model. The accuracy of deep learning model learning results was about 0.76 and about 0.8 each for the Ocypode stimpsoni and their burrow whose accuracy was higher. Analyzing the distribution of crabs and burrows by putting orthomosaic images of the entire study area to the learned deep learning model, it was confirmed that 1,943 Ocypode stimpsoni and 2,807 burrow were distributed in the study area. Through this study, the possibility of using the deep learning image analysis technology for monitoring the tidal ecosystem was confirmed. And it is expected that it can be used in the tidal ecosystem monitoring field by expanding the monitoring sites and target species in the future.

• 한국측량학회지
• /
• 제35권6호
• /
• pp.563-572
• /
• 2017

본 연구의 목적은 회전익 UAV를 이용하여 1cm 미만의 GSD를 갖는 초고해상도 영상을 취득하기 위해 비행고도, 비행속도, 카메라 셔터의 노출시간, 자동초점조절 사용 여부가 영상의 시각적 해상도에 미치는 영향을 객관적으로 분석하는 것이다. 아울러 다양한 형태의 항공표적에 대한 인식 용이성을 평가하는 것도 목표로 한다. 이를 위해 35mm 크기의 7952*5304 화소 CMOS 센서와 55mm 단렌즈를 이용하여 비행고도 20m부터 120m에서 20m 간격으로 촬영하고 영상의 시각적 해상도를 분석하였다. 결과로 자동초점조절을 사용한 경우 시각적 해상도는 이론적인 GSD에 비하여 1.1~1.6배로 나타났고, 자동초점조절을 사용하지 않은 경우 1.5~3.5배로 나타났다. 다음으로 비행고도 80m에서 5m/s로 정속 비행하면서 카메라의 노출 시간을 1/60sec에서 1/2000sec까지 1/2씩 줄이면서 촬영하고 시각적 해상도를 분석하였다. 허용 흐려짐을 1 화소로 가정할 때 최장 노출 시간을 준수한 경우 시각적 해상도 는 이론적인 GSD이 비하여 1.3~1.5배로 나타났고, 초과한 경우 1.4~3.0배로 나타났다. A4 용지에 항공표적을 출력하여 비행고도 80m 이내에서 촬영하면 상용소프트웨어를 이용하여 코드화된 항공표적을 자동으로 인식할 수 있으며, 자동 인식이 불가능한 고도에서도 다양한 형태의 일반 항공표적 및 코드화된 항공표적을 큰 어려움 없이 수동으로 인식할 수 있었다.

• 대한원격탐사학회지
• /
• 제34권5호
• /
• pp.709-720
• /
• 2018

작황 모니터링에서 바이오매스의 정확한 평가를 위해서는 정확하고 신속한 작물 생육 상황 등 현장자료의 확보가 필수적이다. 또한, 바이오매스의 평가는 작황 모니터링 및 수확량 예측에 활용된다. 무인기 영상은 작물의 성장에 따라 빠르게 수집할 수 있기 때문에 정밀농업에서 포장내 공간변이 파악 및 분석에 사용되고 있다. 본 연구는 원격탐사 기술을 이용한 동계작물 바이오매스 평가 방법 개발을 위하여 식생지수($E{\times}G$)에 의한 식생 피복률(VF)과 작물 표고 모형(CSM) 기반의 초고(PH)를 이용하여 보리와 밀을 대상으로 바이오매스 평가 모델을 개발하는 것을 목적으로 하였다. 식생 피복률, 초고 및 상호작용 항을 독립변수로 하여 다중 선형 회귀 모델을 구축한 결과, 5가지 품종의 결정계수는 0.84~0.99로 나타났으며, 보리와 밀의 결정계수 및 평균 제곱근 오차는 각각 0.91, 0.90 및 102.09, $110.87g/m^2$으로 나타났다. 따라서 무인기 영상을 활용한 동계작물의 바이오매스 평가 및 작황 모니터링이 가능한 것으로 판단된다.