• 대한원격탐사학회지
• /
• 제40권1호
• /
• pp.93-101
• /
• 2024

Accurate field crop classification is essential for various agricultural applications, yet existing methods face challenges due to diverse crop types and complex field conditions. This study aimed to address these issues by combining support vector machine (SVM) models with multi-seasonal unmanned aerial vehicle (UAV) images, texture information extracted from Gray Level Co-occurrence Matrix (GLCM), and RGB spectral data. Twelve high-resolution UAV image captures spanned March-October 2021, while field surveys on three dates provided ground truth data. We focused on data from August (-A), September (-S), and October (-O) images and trained four support vector classifier (SVC) models (SVC-A, SVC-S, SVC-O, SVC-AS) using visual bands and eight GLCM features. Farm maps provided by the Ministry of Agriculture, Food and Rural Affairs proved efficient for open-field crop identification and served as a reference for accuracy comparison. Our analysis showcased the significant impact of hyperparameter tuning (C and gamma) on SVM model performance, requiring careful optimization for each scenario. Importantly, we identified models exhibiting distinct high-accuracy zones, with SVC-O trained on October data achieving the highest overall and individual crop classification accuracy. This success likely stems from its ability to capture distinct texture information from mature crops.Incorporating GLCM features proved highly effective for all models,significantly boosting classification accuracy.Among these features, homogeneity, entropy, and correlation consistently demonstrated the most impactful contribution. However, balancing accuracy with computational efficiency and feature selection remains crucial for practical application. Performance analysis revealed that SVC-O achieved exceptional results in overall and individual crop classification, while soybeans and rice were consistently classified well by all models. Challenges were encountered with cabbage due to its early growth stage and low field cover density. The study demonstrates the potential of utilizing farm maps and GLCM features in conjunction with SVM models for accurate field crop classification. Careful parameter tuning and model selection based on specific scenarios are key for optimizing performance in real-world applications.

• 항공우주시스템공학회지
• /
• 제17권6호
• /
• pp.9-15
• /
• 2023

재난 및 재해를 효과적으로 예방하고 대응하기 위하여 투시형 HMD를 착용한 조종사가 무인항공기에서 전송되는 영상을 이용하여 재난 및 재해 관련 구조 작업을 수행하는 기법들이 개발되어 왔다. 그러나 투시형 HMD를 착용한 조종사는 현장 전체를 통합적으로 인지할 수 없기 때문에 현장 상황에 적합한 작업들을 신속하게 결정하고 실행하기에는 한계가 존재한다. 이러한 문제점을 극복하기 위해 본 논문에서는 투시형 HMD를 착용한 구조요원이 무인항공기를 효율적으로 운용할 수 있는 증강현실 기반의 인터페이스 기법을 제안한다. 모의실험 결과는 시야가 확보되는 상황에서 투시형 HMD를 착용한 구조요원이 손가락 제스처를 기반으로 짐벌과 무인항공기의 비행을 고속으로 제어할 수 있음을 보여준다.

• 대한원격탐사학회지
• /
• 제40권2호
• /
• pp.151-166
• /
• 2024

해안쓰레기 문제는 전 세계적으로 환경에 대한 심각한 위협이 되고 있다. 본 연구에서는 딥러닝과 원격탐사 기술을 활용하여 해안쓰레기의 모니터링 방법을 개선하고자 하였다. 이를 위해 You Only Look Once (YOLO)v8 모델을 이용한 객체 탐지 기법을 적용하여 우리나라 주요 해안쓰레기 11종에 대한 대규모 이미지 데이터셋을 구축하고, 실시간으로 쓰레기를 탐지 및 분석할 수 있는 프로토콜(Protocol)을 제안한다. 낙동강 하구에 위치한 신자도를 대상으로 드론 이미지 촬영 및 자체 개발한 YOLOv8 기반의 분석 프로그램을 적용하여 해안쓰레기 성상별 핫스팟을 식별하였다. 이러한 매핑(Mapping) 및 분석 기법의 적용은 해안쓰레기 관리에 효과적으로 활용될 수 있을 것으로 기대된다.

• 한국항행학회논문지
• /
• 제28권1호
• /
• pp.68-76
• /
• 2024

최근 국내외 무인기 시장이 급속도로 성장하고 UAM과 같은 도심 내 UAV 운용의 중요성이 증가함에 따라 UAV의 고장으로 인한 인명 및 재산 피해에 대한 안전 관리 및 규제 체계가 부각되고 있다. 본 연구에서는 안전한 UAM 비행 경로 계획을 위해 운용 지역의 위험을 평가하는 위험 비용 모델들을 비교 분석하고, 각 모델의 주요 한계점을 식별하여 향후 모델 개발 시 고려해야 할 사항들을 도출하였다. 본 연구는 UAM 운용의 안전성 향상을 위한 기초적인 모델을 제공함으로써, UAM 비행 경로 계획 관련 분야의 기술적 개선과 정책 결정에 중요한 기여를 할 것으로 기대된다.

• 한국농공학회논문집
• /
• 제66권3호
• /
• pp.1-14
• /
• 2024

Gaining an accurate 3D stream geometry has become feasible with Unmanned Aerial Vehicle (UAV), which is crucial for better understanding stream hydrodynamic processes. The objective of this study was to investigate series of filters to remove stream vegetation and propose the best method for generating Digital Terrain Models (DTMs) using UAV-based point clouds. A stream reach approximately 500 m of the Bokha stream in Icheon city was selected as the study area. Point clouds were obtained in August 1st, 2023, using Phantom 4 multispectral and Zenmuse L1 for Structure from Motion (SfM) and Light Detection And Ranging (LiDAR) respectively. Three vegetation filters, two morphological filters, and six composite filters which combined vegetation and morphological filters were applied in this study. The Mean Absolute Error (MAE) and Root Mean Square Error (RMSE) were used to assess each filters comparing with the two cross-sections measured by leveling survey. The vegetation filters performed better in SfM, especially for short vegetation areas, while the morphological filters demonstrated superior performance on LiDAR, particularly for taller vegetation areas. Overall, the composite filters combining advantages of two types of filters performed better than single filter application. The best method was the combination of Progressive TIN (PTIN) and Color Indicies of Vegetation Extraction (CIVE) for SfM, showing the smallest MAE of 0.169 m. The proposed method in this study can be utilized for constructing DTMs of stream and thus contribute to improving the accuracy of stream hydrodynamic simulations.

• 한국항행학회논문지
• /
• 제28권2호
• /
• pp.238-245
• /
• 2024

본 논문에서는 농작물 다중 분광 이미지에 대해 특징 융합 기법을 이용하여 의미론적 분할 성능을 향상시키기 위한 프레임워크를 제안한다. 스마트팜 분야에서 연구 중인 딥러닝 기술 중 의미론적 분할 모델 대부분은 RGB(red-green-blue)로 학습을 진행하고 있고 성능을 높이기 위해 모델의 깊이와 복잡성을 증가시키는 데에 집중하고 있다. 본 연구는 기존 방식과 달리 다중 분광과 어텐션 메커니즘을 통해 모델을 최적화하여 설계한다. 제안하는 방식은 RGB 단일 이미지와 함께 UAV (unmanned aerial vehicle)에서 수집된 여러 채널의 특징을 융합하여 특징 추출 성능을 높이고 상호보완적인 특징을 인식하여 학습 효과를 증대시킨다. 특징 융합에 집중할 수 있도록 모델 구조를 개선하고, 작물 이미지에 유리한 채널 및 조합을 실험하여 다른 모델과의 성능을 비교한다. 실험 결과 RGB와 NDVI (normalized difference vegetation index)가 융합된 모델이 다른 채널과의 조합보다 성능이 우수함을 보였다.

• 한국ITS학회 논문지
• /
• 제23권1호
• /
• pp.112-122
• /
• 2024

최근 드론과 같은 무인비행장치 기술이 발전함에 따라 환경적, 사회적 및 경제적으로 많은 이점이 있지만, 공항, 공공기관, 발전소, 군 등 국가중요시설에 악의적인 의도를 가질 경우 국가 안전과 국민 생활에 심각한 피해를 줄 수 있다. 이러한 드론의 위협에 대응하기 위해 RF스캐너와 같은 탐지 장비 도입을 시도하고 있다. 특히 변전소, 발전소, 우리나라 전력 계통에 의해 설치된 전력 전송용 송전탑은 RF스캐너 탐지 경로에 송전탑이 위치하면 탐지 성능에 영향을 줄 수 있다. 실험은 상용 드론을 이용하여 드론에서 방사되는 신호 세기 측정하여 감쇠율을 확인하였다. 평균 감쇠율과 최대 감쇠율은 2.4 GHz와 5.8 GHz 대역에서 유사한 경향을 보였고, 구조물의 밀도에도 영향을 받는 것을 알 수 있다.

• 한국산학기술학회논문지
• /
• 제18권8호
• /
• pp.355-360
• /
• 2017

최근 자율주행 자동차 기술의 발전으로 정밀도로지도에 대한 중요성이 증가하고 있다. 정밀도로지도는 차선 정보, 규제 안전 정보, 각종 도로 시설물 등이 표현된 디지털 지도로 MMS(Mobile Mapping System) 기반으로 시험 제작되어 왔지만 이 방법은 고가의 도입비용으로 크게 활성화되지 못하고 있다. 하지만 무인항공기의 경우 적용 분야가 지속적으로 늘어나고 있으며, 이에 대한 연구도 다양한 분야에서 이루어지고 있다. 본 연구에서는 고해상도 무인항공기 영상의 처리를 통해 자율주행에 필요한 차선, 시설물 등의 정보를 추출하고자 하였다. 자율주행 자동차 시험도로를 연구대상지로 선정하고, 무인항공기를 이용하여 고해상도 정사영상을 제작하였다. 기존의 수치지형도와 정밀도로지도의 속성비교를 통해 정밀도로지도 제작을 위한 차선, 중앙분리대, 제어기 등의 추출 항목을 선정하였다. 또한 영상분류를 통해 차선, 중앙분리대, 제어기 등 정밀도로지도 구축을 위한 데이터를 효과적으로 추출함으로써 고해상도 정사영상의 활용성을 제시하였다. 추가적인 실험과 검증을 통해 무인항공기 영상의 이용 분야를 확대할 수 있을 것이며, 구축된 데이터를 자동차 제작사 및 관련 민 관 기관, 벤처 기업 등에 제공한다면 국내 자율주행차 기술 발전에 기여할 것이다.

• 한국측량학회지
• /
• 제35권6호
• /
• pp.553-562
• /
• 2017

무인항공기 (UAV, Unmanned Aerial Vehicle)에 탑재되는 다양한 센서들 중에서 GPS (Global Positioning System) 수신기는 GPS 신호를 기반으로 정지비행 (hovering flight), 경로비행 (waypoint flight) 등 다양한 임무의 수행을 돕는다. GPS신호가 원활하게 수신되는 환경에서는 GPS 수신기를 활용할 수 있지만, 최근에 무인항공기의 활용을 시설물 모니터링, 배송, 레저 등 다양한 분야로 용도가 확대하면서 무인항공기의 비행 장소가 다양해지고 있다. 이러한 원인으로 무인항공기가 GPS 신호의 제약을 받는 음영지역이나 고층 빌딩이 밀집한 지역 등을 비행하면서 신호가 단절되거나 멀티패스로 인해 신호 에 다양한 잡음이 포함될 수 있다. 이에 본 연구에서는 무인항공기의 3차원 위치 결정을 위하여 해석 사진 측량 기법과 오토트래킹 토탈스테이션 기법을 이용하였다. 해석 사진 측량 기법으로는 중심투영의 기하학적 원리인 공선조건식 (collinearity equation)을 이용한 광속조정법을 기반으로 하였으며, 오토 트래킹 토탈스테이션 기법은 360도 프리즘 타깃을 초단위 이하로 추적하는 원리를 기반으로 하였다. 두 가지 기법에서 무인항공기의 위치 결정을 위해 사용된 타깃은 무인항공기 상단에 각각 탑재하였으며, 타깃간에는 x, y, z방향으로 기하학적 이격이 존재한다. 무인항공기의 비행 속도에 따른 결과 확인을 위해 0.86m/s, 1.5m/s, 2.4m/s로 속도를 달리하여 데이터를 취득하였으며, 타깃의 기하학적 이격을 통해 정확도평가를 하였다. 그 결과 무인항공기의 이동 경로인 x, y 방향으로는 최소 1mm에서 최대 12.9cm까지 오차가 발생하였고 비교적 이동이 적은 z 방향으로는 비행 속도와 무관하게 동일하게 7cm 오차가 발생하였다.

• 대한원격탐사학회지
• /
• 제36권5_2호
• /
• pp.989-1006
• /
• 2020

건물탐지 기반의 건물 변화 모니터링은 발사예정인 차세대 중형위성 1, 2호와 같은 고해상도 다시기 광학 위성영상을 이용한 인공 구조물 모니터링 측면에서 가장 중요한 분야 중 하나이다. 하지만 지표면에 위치하는 건물들의 형태와 크기는 다양하며, 이들 주변에 존재하는 그림자 또는 나무 등에 의해 정확한 건물탐지에 어려움이 따른다. 또한, 영상 촬영 당시의 플랫폼의 방위각(Azimuth angle)과 고도각(Elevation angle)에 따라 생기는 기복 변위로 인해 건물 변화탐지 수행 시 다수의 변화 오탐지가 발생하게 된다. 이에 본 연구에서는 건물 변화탐지 결과 향상을 위해 다시기 영상 취득 당시의 태양의 방위각과 그에 따른 그림자의 주방향(Main direction)을 이용한 객체기반 건물탐지를 수행하였으며, 이후 플랫폼의 방위각과 고도각을 이용한 건물 변화탐지를 수행하였다. 고해상도 영상에 객체 분할 기법을 적용한 후, Shadow intensity를 통해 그림자 객체만을 분류하였으며, 건물 후보군 탐지를 위해 각 객체의 Rectangular fit, GLCM(Gray-Level Co-occurrence Matrix) homogeneity 그리고 면적(Area)과 같은 특징(Feature) 정보들을 이용하였다. 그 후, 건물 후보군으로 탐지된 객체들의 중심과 태양의 방위각에 따른 건물 그림자 사이의 방향과 거리를 이용하여 최종 건물을 탐지하였다. 각 영상에서 탐지된 건물 객체 간 변화탐지를 위해 객체들 간의 단순 중첩, 플랫폼의 고도각에 따른 객체의 크기 비교, 그리고 플랫폼의 방위각에 따른 객체 간의 방향 비교 총 3가지의 방법을 제안하였다. 본 연구에서는 주거 밀집 지역을 연구지역으로 선정하였으며, KOMPSAT-3와 무인항공기(Unmanned Aerial Vehicle, UAV)의 이종 센서에서 취득된 고해상도 영상을 이용하여 실험 데이터를 생성하였다. 실험 결과, 특징 정보를 이용해 탐지한 건물탐지 결과의 F1-score는 KOMPSAT-3 영상과 무인항공기 영상에서 각각 0.488 그리고 0.696인 반면, 그림자를 고려한 건물탐지 결과의 F1-score는 0.876 그리고 0.867로 그림자를 고려한 건물탐지 기법의 정확도가 더 높은 것을 확인할 수 있었다. 또한, 그림자를 이용한 건물탐지 결과를 바탕으로 제안한 3가지의 건물 변화탐지 제안기법 중 플랫폼의 방위각에 따른 객체 간의 방향을 고려한 방법의 F1-score가 0.891로 가장 높은 정확도를 보이는 것을 확인할 수 있었다.