• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.400-403
• /
• 2021

최근 자율주행 기술의 발전과 더불어 차량의 최적 경로를 예측하기위한 알고리즘이 활발하게 연구되고 있다. 기존 국내에서는 SK, Kakao, Naver등과 같은 기업들에서 차량의 최적 경로를 알려주는 서비스를 시행하고 있다. 언급된 기업들에서 사용하는 기술은 해당 어플리케이션 사용자들의 정보를 실시간으로 입력받아 최적 경로를 예측해준다. 하지만 이러한 방법은 최적 경로를 예측할 수는 있으나 최적 차선경로 까지는 예측할 수 없다. 본 논문에서는 최근 자율주행 차량에 부착된 Lidar 센서를 활용하여 주변 차량의 좌표를 취득 후 최적 차선 경로를 안내하는 시스템을 제안한다. 제안된 방법은 Lidar기반 object detection 방법을 수행한 후 차량의 시계열 좌표 데이터를 취득하여 원활한 차선을 안내하는 시스템이다. 제안하는 방법은 실험결과에서 실제 취득된 데이터를 사용하여 제안하는 방법의 성능을 입증한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.90-90
• /
• 2022

전자파표면유속계를 이용한 유량측정은 전자파를 발사한 후 수표면에 반사되는 전자파의 도플러효과를 이용하여 표면유속을 측정하는 방법이다. 국제적으로 1980년대부터 홍수유량측정의 어려움을 극복하고자 전자파표면유속계를 개발하여 하천 유량측정 업무에 활용하였다. 미국의 경우U.S. Geological Survey (USGS)에서 교량, 케이블웨이, 제방, 헬리콥터, 비행기 등 전자파표면유속계의 측정 위치에 따라 주파수 범위를 달리하며 유속을 측정하는 연구가 진행되었다. 국내의 경우 Lee et al.(2021)은 드론을 이용한 전자파표면유속계 측정을 위해 드론으로부터 전자파표면유속계로 전달되는 진동을 제거하고 전자파표면유속계의 흔들림 방지를 위한 댐퍼플레이트를 개발하여 드론과 전자파표면유속계를 결합한 DSVM(Dron and Surface Veloctity Meter using doppler radar) 측정방법에 대한 실용성을 확인하였다. 기존 연구에서 DSVM 방법은 드론의 각 측선 이동을 위한 조종 및 전자파표면유속계 측정의제어를 측정자가 수행하였는데 본 연구에서는 자동 측정 시스템 개발을 통해 측정자의 조종 의존도를 줄임과 동시에 안전하고 정확한 유량측정을 위해 노력하였다. 측정지점의 위치정보를 DB화하여 각 측선별 이동하는 자율운항 기능과 전자파표면유속계를 자동으로 제어하여 측정을 실시하는 기능을 개발하였다. 또한 전자파표면유속계 컨트롤 시스템과 GCS(Ground Control System)를 통합하여 한 시스템에서 측정의 모든 상황을 컨트롤 할 수 있게 하였다. 현재까지는 DSVM 방법의 자율운항 기능과 자동 측정 시스템의 테스트를 완료하였고 2022년 홍수기 유량측정에 도입하여 홍수기 유량측정의 실용성을 판단할 계획이다.

• 대한조선학회논문집
• /
• 제61권3호
• /
• pp.170-184
• /
• 2024

With the advancement of autonomous navigation technology in maritime domain, there is an active research on swarming Unmanned Surface Vehicles (USVs) that can fulfill missions with low cost and high efficiency. In this study, we propose a formation control algorithm that maintains a certain shape when multiple unmanned surface vehicles operate in a swarm. In the case of swarming, individual USVs need to be able to accurately follow the target state and avoid collisions with obstacles or other vessels in the swarm. In order to generate guidance commands for swarm formation control, the potential field method has been a major focus of swarm control research, but the method using the potential field only uses the position information of obstacles or other ships, so it cannot effectively respond to moving targets and obstacles. In situations such as the formation change of a swarm of ships, the formation control is performed in a dense environment, so the position and velocity information of the target and nearby obstacles must be considered to effectively change the formation. In order to overcome these limitations, this paper applies a method that considers relative velocity to the potential field-based guidance law to improve target following and collision avoidance performance. Considering the relative velocity of the moving target, the potential field for nearby obstacles is newly defined by utilizing the concept of Velocity Obstacle (VO), and the effectiveness and efficiency of the proposed method is verified through swarm control simulation, and swarm control experiments using a small scaled unmanned surface vehicle platform.

• 한국산학기술학회논문지
• /
• 제11권2호
• /
• pp.508-516
• /
• 2010

본 논문에서는 자율적이며 자동화된 정리정돈 기능을 갖는 홈 메스클린업 로봇(McBot)을 개발한다. 그 동안 진공청소기가 보급되어 집안 청소에 편리성 향상이 이루어졌지만 진공청소기를 운영하는 노동은 인간의 몫이었다. 그것을 해결하기 위하여 최근에 로봇청소기들이 개발되었으나, 진공 청소하기 이전에 해결해야 하는 신문, 옷가지 등을 정돈하거나 진공흡입하기 어려운 크기의 쓰레기들을 정리하는 것은 여전히 사람이 처리해야 하는 심각한 노동으로 남아 있다. 이러한 이유로 본격적인 청소로봇 시장이 아직 형성되지 못하고 있다. 그래서 본 논문에서는 가정에서의 정리정돈 문제를 해결할 수 있는 소위 홈 메스클린업 로봇을 개발하고 새로운 디자인 방법과 제어 기법 그리고 자기 위치 인식 알고리즘을 제안한다. 홈 메스클린업 로봇은 정리정돈을 위하여 쾌속 네비게이션과 정교한 매니퓰레이션 기능을 필요로 한다. 본 논문에서는 자율적인 네비게이션 기능으로 장애물을 회피하여 원하는 목적지까지 고속으로 이동할 수 있는 휠 기반의 이동로봇을 개발한다. 또한 정리정돈 작업을 위한 정교한 매니플레이션 기능으로 6 자유도를 갖는 로봇 팔과 리프트 등의 보조장치들을 개발하며, 그것들이 정밀 제어될 수 있는 새로운 알고리즘을 제시한다. 특히 홈 메스클린업 로봇의 탐색 시스템은 지금까지의 청소로봇들과는 달리 일정한 패턴이나 벽면을 따라 움직이는 방식이 아닌 실질적인 실내 구조의 파악과 잡은 물체를 원래의 위치로 이동시키거나 정돈 장소까지 이동하기 위한 절대 좌표 형태의 자기 위치 인식 기능이 필요하다. 그러므로 본 논문에서는 자신의 절대좌표 인식 및 물체인식을 위하여 RFID 태그들을 이용한 자기위치 인식 시스템을 개발한다. 마지막으로 본 논문에서 설계된 홈 메스클린업 로봇이 RFID 환경에서 정리정돈작업을 수행하는 실제 실험을 통하여 좋은 성능을 검증한다.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.939-951
• /
• 2022

자율주행차에 있어 가장 중요한 요소는 차량 주변 환경과 정확한 위치를 인식하는 것이며, 이를 위해 다양한 센서와 항법 시스템 등이 활용된다. 하지만 센서와 항법 시스템의 한계와 오차로 인해 차량 주변 환경과 위치 인식에 어려움이 있다. 이러한 한계를 극복하고 안전하고 편리한 자율주행을 위해서 고정밀의 인프라 정보를 제공하는 정밀도로지도(high definition map, HD map)의 필요성은 증대되고 있다. 정밀도로지도는 모바일 매핑 시스템(mobile mapping system, MMS)을 통해 획득된 3차원 point cloud 데이터를 이용하여 작성된다. 하지만 정밀도로지도 작성에 많은 양의 점을 필요로 하고 작성 항목이 많아 수작업이 요구되어 많은 비용과 시간이 소요된다. 본 연구는 정밀도로지도의 필수 요소인 차선을 포함한 도로, 연석, 보도, 중앙분리대, 기타 6개의 클래스로 MMS point cloud 데이터를 유의미한정보로 분할하여 정밀도로지도의 효율적인 작성에 목적을 둔다. 분할에는 머신러닝 모델인 random forest (RF), support vector machine (SVM), k-nearest neighbor (KNN) 그리고 gradient boosting machine (GBM)을 사용하였고 MMS point cloud 데이터의 기하학적, 색상, 강도 특성과 차선 분할을 위해 추가한 도로 설계적 특성을 고려하여 11개의 변수를 선정하였다. 부산광역시 미남역 일대 5차선도로 130 m 구간의 MMS point cloud 데이터를 사용하였으며, 분할 결과 각 모델의 평균 F1 score는 RF 95.43%, SVM 92.1%, GBM 91.05%, KNN 82.63%로 나타났다. 가장 좋은 분할 성능을 보인 모델은 RF이며 클래스 별 F1 score는 도로, 보도, 연석, 중앙분리대, 차선에서 F1 score가 각각 99.3%, 95.5%, 94.5%, 93.5%, 90.1% 로 나타났다. RF 모델의 변수 중요도 결과는 본 연구에서 추가한 도로 설계적 특성의 변수 XY dist., Z dist. 모두 mean decrease accuracy (MDA), mean decrease gini (MDG)가 높게 나타났다. 이는 도로 설계적 특성을 고려한 변수가 차선을 포함한 여러 클래스 분할에 중요하게 작용하였음을 뜻한다. 본 연구를 통해 MMS point cloud를 머신러닝 기반으로 차선을 포함한 여러 클래스로 분할 가능성을 확인하고 정밀도로지도 작성 시 수작업으로 인한 비용과 시간 소모를 줄이는데 도움이 될 것으로 기대한다.

• 한국산업정보학회논문지
• /
• 제23권1호
• /
• pp.13-21
• /
• 2018

AGVS (Automated Guided Vehicle System)는 작업 공간 내 특정 물건 또는 상품들을 자동으로 이동 시켜주는 물류 자동화의 핵심 기술이다. 기존의 AGV는 독립적인 실내위치인식 기술과 함께 각 AGV별로 주행경로 인식을 위해 레이저, 마그네틱, 관성 센서 등을 이용하기 때문에 고비용이며 유지 및 확장이 어렵다는 단점을 가지고 있다. 이러한 단점을 해결하기 위해 본 논문에서는 라인스캐카메라 기반의 마이크로 컨트롤러에서도 구현 가능한 경량화 된 패턴인식 기술을 이용하여 AGV의 주행제어뿐 아니라 위치인식을 동시에 할 수 있는 기술을 제안한다. 제안된 패턴인식기술은 각 AGV가 라인으로 표시된 경로를 인식하여 자율주행을 가능하게 할 뿐 아니라 경로 상에 바코드 형태의 간단한 이미지 형태로 설치된 패턴인식을 통해 AGV자신의 위치를 파악하는 기술을 동시에 제공하기 때문에 AGVS 구현 비용을 획기적으로 줄일 수 있을 뿐 아니라 경로 재설정 및 확장에 유리하다. 제안된 기술의 효용성 검증을 위해 마이크로 컨트롤러에서 동작 가능한 패턴인식기술을 구현하였고, AGV 프로토타입을 이용한 실험으로 그 결과 및 효용성을 검증하였다.

• 한국지능시스템학회논문지
• /
• 제14권4호
• /
• pp.438-444
• /
• 2004

가까운 미래에 필요로 하게 될 지능형 로봇은 인간과 공존하고 효과적으로 인간을 도울 수 있는 인간 친화적인 로봇이다. 이러한 목적을 실현하기 위해서 무엇보다 로봇은 주어진 환경에서만 아니라 미지의 환경에서도 주행중인 자신의 위치와 자세를 인식할 수 있어야 한다. 더욱이, 자신의 위치가 자연스럽게 인식될 수 있어야 할 것이다. 그래서 이동로봇의 주행에서 발생되는 불확실을 해결함으로써 로봇의 위치를 추정할 수 있어야 할 것이다. 본 논문에서는 이동물체의 영상정보를 이용하여 이동로봇의 자기위치추정을 위한 방법을 제시하고 있다. 이것은 엔코더의 관측 위치정보와 이동로봇의 위치정보를 추정하기 위한 카메라영상에서의 추정된 위치정보를 결합하는 방법이다. 기준좌표계상에 이동물체의 사전 경로정보와 투영된 카메라 모델, 기하학적 구속식을 이용함으로써 이동물체에 대한 영상 좌표와 추정된 이동로봇의 위치 정보간의 관계를 표현 할 수 있다. 제시된 식은 추정된 위치에 근거하기 때문에 측정오차를 항상 가지게 된다. 제안된 방법은 관측되고 추정된 영상좌표간의 오차정보를 이용하여 이동로봇의 위치를 추정할 수 있었다. 이러한 추정을 위해서 칼만필터를 적용하였으며 제안된 방법의 성능은 시뮬레이션과 실험을 통하여 제시하고 있다.

• 전자공학회논문지CI
• /
• 제45권5호
• /
• pp.148-154
• /
• 2008

미래 유비쿼터스 컴퓨팅은 언제 어디서나 지능형 모바일 단말들이 자율적으로 서비스를 제공받을 수 있는 유비쿼터스 지능 공간을 필요로 한다. 이러한 지능 공간의 자율적 구성을 위해 지능 공간에 속한 각 모바일 단말들은 다양한 소스로부터 컨텍스트(Conte박 상황) 정보를 수집하고 컨텍스트 정보로부터 유용한 정보를 추론할 수 있어야 한다. 특히 다양한 유비쿼터스 지능 공간으로부터 수집하고 컨텍스트 정보의 모호성을 극복하고 보다 정확한 상황 인지를 통한 지능형 서비스를 제공하기 위해서는 컨텍스트에 대한 표준 분류 기법(taxonomy) 및 분류된 컨텍스트 정보를 기반으로 하는 추론 기술이 요구된다. 이를 위해 기존의 유비쿼터스 지능 공간에 관련된 대부분의 기존의 연구들에서는 상황 인지 서비스 제공을 위해 CLIPS나 JESS와 같은 규칙 기반 추론 엔진이 주로 사용되고 있다. 그러나 기존의 추론 엔진들은 리소스가 제한된 모바일 단말에서 사용되기에는 한계를 가지고 있다. 따라서 본 논문에서는 모바일 단말을 위한 자율적인 상황인지 서비스를 제공하기 위한 경량 추론 엔진을 설계하고 구현하는 것을 목적으로 한다. 개발된 추론 엔진은 휴대폰이나 PMP, 네비게이션 둥과 같은 개인형 모바일 단말에서 자율적인 상황인지 기반 서비스를 제공하기 위해 사용될 수 있다. 또한, 계층적 분류체계(taxonomy) 정보를 활용함으로써 일반적인 룰(general rule) 또는 구체적인 룰(specific rule)의 선택적인 구성을 통해 다양한 수준의 컨텍스트가 실시간으로 수집되는 상황인지 컴퓨팅에서의 효율적인 상황인지 서비스의 구현을 지원한다.

• 한국정보통신학회논문지
• /
• 제24권10호
• /
• pp.1331-1340
• /
• 2020

해상 객체 검출은 선장이 육안으로 해상 주변의 충돌 위험성이 있는 부유물을 컴퓨터를 통해 자동으로 검출하여 사람이 확인하는 방법과 유사한 정확도로 인지하는 방법을 말한다. 기존 선박에서는 레이더의 전파를 통해 해상 부유물의 유무와 거리를 판단하였지만 형체를 알아내어 장애물이 무엇인지는 판단할 수 없는 약점이 있다. 반면, 카메라는 인공지능 기술이 발달하면서 물체를 검출하거나 인식하는데 성능이 우수하여 항로에 있는 장애물을 정확하게 판단할 수 있다. 하지만, 디지털 영상을 분석하기 위해서는 컴퓨터가 대용량의 화소를 연산해야 하는데 CPU는 순차적 처리 방식에 특화된 구조이기에 처리속도가 매우 느려 원활한 서비스 지원은 물론 안전성도 보장할 수 없게 된다. 따라서 본 논문에서는 해상 객체 인식 소프트웨어를 개발하였고 연산량이 많은 부분을 가속화하기 위해 FPGA로 구현하였다. 또한, 임베디드 보드와 FPGA 인터페이스를 통해 시스템 구현 완성도를 높였으며 소프트웨어 기반의 기존 구현 방법보다 약 30배의 빠른 성능을 얻었고 전체 시스템의 속도는 약 3배 이상이 개선되었음을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1047-1056
• /
• 2022

지구 온난화의 중요한 지시자인 북극의 바다 얼음인 해빙은 기후 시스템, 선박의 항로 안내, 어업 활동 등에서의 중요성으로 인해 다양한 학문 분야에서 관심을 받고 있다. 최근 자동화와 효율적인 미래 예측에 대한 요구가 커지면서 인공지능을 이용한 새로운 해빙 예측 모델들이 전통적인 수치 및 통계 예측 모델을 대체하기 위해 개발되고 있다. 본 연구에서는 북극 해빙의 전역적, 지역적 특징을 학습할 수 있는 two-stream convolutional long- and short-term memory (TS-ConvLSTM) 인공지능 모델의 북극 해빙 면적이 최저를 보이는 9월에 대해 2001년부터 2021년까지 장기적인 성능 검증을 통해 향후 운용 가능한 시스템으로써의 가능성을 살펴보고자 한다. 장기 자료를 통한 검증 결과 TS-ConvLSTM 모델이 훈련자료의 양이 증가하면서 향상된 예측 성능을 보여주고 있지만, 최근 지구 온난화로 인한 단년생 해빙의 감소로 인해 해빙 농도 5-50% 구간에서는 예측력이 저하되고 있음을 보여주었다. 반면 TS-ConvLSTM에 의해 예측된 해빙 면적과 달리 Sea Ice Prediction Network에 제출된 Sea Ice Outlook (SIO)들의 해빙 면적 중간값의 경우 훈련자료가 늘어나더라도 눈에 띄는 향상을 보이지 않았다. 본 연구를 통해 TS-ConvLSTM 모델의 향후 북극 해빙 예측 시스템의 운용 가능 잠재성을 확인하였으나, 향후 연구에서는 예측이 어려운 자연 환경에서 더욱 안정성 있는 예측 시스템 개발을 위해 더 많은 시공간 변화 패턴을 학습할 수 있는 방안을 고려해야 할 것이다.