• 정보과학회 컴퓨팅의 실제 논문지
• /
• 제22권1호
• /
• pp.8-19
• /
• 2016

도로의 결빙과 해빙으로 도로면의 수축과 팽창이 반복되어 도로면에서 침투한 수분이 포장면의 결합력을 약화시켜 노면홈(포트홀)을 발생시킨다. 현재의 포트홀 조사는 현장에서 육안 조사하고 기록하는 수동적인 방식으로 매년 수 만개소의 포트홀이 발생하는 것에 어려움이 발생하고 있다. 포트홀 정보를 자동으로 수집하기 위해 최근까지 가속도 센서를 이용한 기술과 레이저 스캐닝을 이용한 기술이 많이 연구되었다. 하지만, 가속도 센서 기반 기술은 낮은 인식률과 제한된 센싱 영역의 문제가 있고, 레이저 스캐닝 기반 기술은 비용이 너무 큰 문제가 있다. 따라서, 본 논문에서는 대중적으로 사용하는 차량용 블랙박스 카메라를 이용한 자동 포트홀 탐지 기술을 제안한다. 일반적으로 차량용 블랙박스 카메라에 탑재한 연산프로세서는 낮은 컴퓨팅 능력을 가지므로 포트홀 탐지 알고리즘을 그게 맞게 설계할 필요가 있다. 설계된 알고리즘을 블랙박스에 내장하여 도로 주행실험을 실시하며, 포트홀 탐지 성능을 중심으로 한 실험결과는 포트홀 탐지 정밀도, 민감도 등의 지표를 토대로 분석하고, 실시간 포토홀 탐지 기술의 현장 적용성을 확인한다.

• 한국ITS학회 논문지
• /
• 제15권4호
• /
• pp.104-114
• /
• 2016

포트홀은 차량파손과 교통사고 유발 등의 사회문제를 유발시키고 있다. 포트홀을 효율적으로 관리하기 위해서는 빠르게 포트홀을 찾아내는 기술이 가장 중요하다. 기존의 포트홀 탐지 기법은 민원에 의한 수동식 신고방식을 사용하고 있어, 포트홀로 인해 발생하는 문제를 사전에 예방하지 못하고 있다. 최근 포트홀을 저비용으로 빠르게 탐지하기 위하여 영상 카메라를 이용한 연구가 많이 진행되고 있다. 본 논문에서는 사전에 연구되었던 포트홀 탐지 알고리즘의 탐지정확도를 개선하기 위한 Saliency Map 기반의 알고리즘을 제안한다. 기존 알고리즘은 포트홀이 그림자와 겹쳐있거나 포트홀의 내부 모양이 주변 도로노면과 비슷한 형태를 가지는 등의 복잡한 환경에서 포트홀을 탐지하지 못하는 문제를 가지고 있다. 이러한 문제를 해결하기 위하여 제안하는 알고리즘은 Saliency Map 알고리즘을 이용하여 보다 정확한 포트홀 후보 영역을 찾는다. 제안 알고리즘은 포트홀 후보영역 추출부와 결정부로 구성되며, 실험을 통하여 기존 알고리즘보다 더 높은 탐지 정확도를 가짐을 보인다.

• 반도체디스플레이기술학회지
• /
• 제20권1호
• /
• pp.88-93
• /
• 2021

The automotive industry is developing day by day. Among them, it is very important to prevent accidents while driving. However, despite the importance of developing automobile industry technology, accidents due to road defects increase every year, especially in the rainy season. To this end, we proposed a road defect detection system for road management by converging deep learning and raspberry pi, which show various possibilities. In this paper, we developed a system that visually displays through a map after analyzing the images captured by the Raspberry Pi and the route GPS. The deep learning model trained for this system achieved 96% accuracy. Through this system, it is expected to manage road defects efficiently at a low cost.

• 한국컴퓨터정보학회논문지
• /
• 제28권5호
• /
• pp.17-28
• /
• 2023

포장도로에서 발생하는 포트홀은 고속 주행 차량에 치명적인 영향을 미치며, 사망사고를 유발할 수 있는 도로상의 장애물이다. 이를 방지하기 위해 일반적으로는 작업자가 직접 포트홀을 탐지하는 방식을 사용해왔으나, 이는 작업자의 안전 문제와 예측하기 어려운 범주에서 발생하는 모든 포트홀을 인력으로 탐지하는 것이 비효율적이기 때문에 한계가 있다. 또한, 도로 환경과 관련된 지반 환경이 포트홀 생성에 영향을 미치기 때문에, 완벽한 포트홀 방지는 어렵다. 데이터셋 구축을 위해서는 전문가의 지도하에 라벨링 작업이 필요하지만, 이는 매우 시간과 비용이 많이 필요하다. 따라서, 본 논문에서는 Mean Teacher 기법을 사용하여 라벨링된 데이터의 샘플 수가 적더라도 지도학습보다 더욱 강인한 포트홀 이미지 분류 성능을 보여준다. 이러한 결과는 성능지표와 GradCAM을 통해 입증되었으며, 준지도학습을 사용할 때 15개의 사전 학습된 CNN 모델이 평균 90.41%의 정확도를 달성하며, 지도학습과 비교하여 2%에서 9%의 차이로 강인한 성능을 나타내는 것을 확인하였다.