• 한국군사과학기술학회지
• /
• 제13권4호
• /
• pp.683-688
• /
• 2010

The ability to navigate autonomously in off-road terrain is the most critical technology needed for Unmanned Ground Vehicles(UGV). In this paper, we present a method for vision-based terrain cover classification using DCT features. To classify the terrain, we acquire image from a CCD sensor, then the image is divided into fixed size of blocks. And each block transformed into DCT image then extracts features which reflect frequency band characteristics. Neural network classifier is used to classify the features. The proposed method is validated and verified through many experiments and we compare it with wavelet feature based method. The results show that the proposed method is more efficiently classify the terrain-cover than wavelet feature based one.

• 전자공학회논문지SC
• /
• 제45권6호
• /
• pp.55-59
• /
• 2008

야외 환경에서 무인차량의 자율주행에 있어서 효과적인 기동제어를 위해서는 장애물 탐지나 지형의 기하학적인 형상 정보외에 탐지된 장애물 및 지형 표면에 대한 재질 유형의 인식 및 분류 또한 중요한 요소이다. 영상 기반의 지표면 분류 알고리듬은 입력 영상에 대한 전처리, 특징추출, 분류 및 후처리의 절차로 수행된다. 본 논문에서는 컬러 CCD 카메라로부터 획득된 야외 지형영상에 대해 색상 및 질감 정보를 이용한 지형분류 기법을 제시한다. 전처리 단계에서 색공간 변환을 수행하고, 색상과 질감 정보를 이용하기 위해 웨이블릿 변환 특징을 사용하였으며, 분류기로서는 SVM(support vector machine)을 적용하였다. 야외 환경에서 획득된 실영상에 대한 실험을 통하여 제시된 알고리듬의 분류 성능을 평가하였으며, 제시된 알고리듬에 의한 효과적인 야지 지형분류의 가능성을 확인하였다.

• 제어로봇시스템학회논문지
• /
• 제15권4호
• /
• pp.372-378
• /
• 2009

For effective mobility control of unmanned ground vehicles in outdoor off-road environments, terrain cover classification technology using passive sensors is vital. This paper presents a novel method far terrain classification based on color and texture information of off-road images. It uses a neural network classifier and wavelet features. We exploit the wavelet mean and energy features extracted from multi-channel wavelet transformed images and also utilize the terrain class spatial coordinates of images to include additional features. By comparing the classification performance according to applied features, the experimental results show that the proposed algorithm has a promising result and potential possibilities for autonomous navigation.

• 한국멀티미디어학회논문지
• /
• 제22권9호
• /
• pp.1122-1131
• /
• 2019

This paper covers research on terrain construction for unmanned aerial vehicle simulators using spatial information that was distributed by public institutions. Aerial photography, DEM, vector maps and 3D model data were used in order to create a realistic terrain simulator. A data converting method was suggested while researching, so it was generated to automatically arrange and build city models (vWorld provided) and classification methods so that realistic images could be generated by 3D objects. For example: rivers, forests, roads, fields and so on, were arranged by aerial photographs, vector map (land cover map) and terrain construction based on the tile map used by DEM. In order to verify the terrain data of unmanned aircraft simulators produced by the proposed method, the location accuracy was verified by mounting onto Unreal Engine and checked location accuracy.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2008년도 하계종합학술대회
• /
• pp.853-854
• /
• 2008

The terrain perception technology using passive sensors plays a key role to enhance autonomous mobility for UGV. We present an effective method to classify terrain covers based on the color information. Considering a real-time implementation, neural network is applied for the terrain classifier and wavelet features extracted from the images are used. Test results show that the proposed algorithm has a promising classification performance.

• 한국지리정보학회지
• /
• 제27권1호
• /
• pp.115-127
• /
• 2024

본 연구는 Transformer 모듈을 기반으로 다양한 구조의 모델을 구성하고, 토지피복 분류를 수행하여 Transformer 모듈의 활용방안 검토를 목적으로 하였다. 토지피복 분류를 위한 딥러닝 모델은 CNN 구조를 가진 Unet 모델을 베이스 모델로 선정하였으며, 모델의 인코더 및 디코더 부분을 Transformer 모듈과 조합하여 총 4가지 딥러닝 모델을 구축하였다. 딥러닝 모델의 학습과정에서 일반화 성능 평가를 위해 같은 학습조건으로 10회 반복하여 학습을 진행하였다. 딥러닝 모델의 분류 정확도 평가결과, 모델의 인코더 및 디코더 구조 모두 Transformer 모듈을 활용한 D모델이 전체 정확도 평균 약 89.4%, Kappa 평균 약 73.2%로 가장 높은 정확도를 보였다. 학습 소요시간 측면에서는 CNN 기반의 모델이 가장 효율적이었으나 Transformer 기반의 모델을 활용할 경우, 분류 정확도가 Kappa 기준 평균 0.5% 개선되었다. 차후, CNN 모델과 Transformer의 결합과정에서 하이퍼파라미터 조절과 이미지 패치사이즈 조절 등 다양한 변수들을 고려하여 모델을 고도화 할 필요가 있다고 판단된다. 토지피복 분류과정에서 모든 모델이 공통적으로 발생한 문제점은 소규모 객체들의 탐지가 어려운 점이었다. 이러한 오분류 현상의 개선을 위해서는 고해상도 입력자료의 활용방안 검토와 함께 지형 정보 및 질감 정보를 포함한 다차원적 데이터 통합이 필요할 것으로 판단된다.

• 대한공간정보학회지
• /
• 제18권2호
• /
• pp.29-33
• /
• 2010

항공레이저측량을 통한 지형 분류작업은 분류 정확도의 확보와 세밀한 지형 표현의 두 목표를 동시에 만족해야 한다. 이 두 목표를 달성하기 위한 자동분류 처리에 연구로서 노이즈가 많은 지형분류 결과로부터 필터링을 통한 품질향상 연구가 다수 있었으나 한국과 같이 삼림이 울창하고 지표면 투과율이 낮은 환경에서의 항공레이저측량 결과 적용 시 관목 및 교목 하층이 지면으로 분류되는 오류가 많았다. 이에 본 연구는 정확도가 높고 점밀도가 낮은 1차 지형분류 결과를 기반으로 아직 지형으로 등록되지 않은 LiDAR 지형 분류 후보 점군들로부터 세밀 지형 표현에 필요한 점들을 추출하는 기법으로 점분류 처리절차를 개선하였다. 주변 지형 포인트의 가중치를 부여하여 경사 (gradient) 계산을 통해 미추출 LiDAR 점군들로부터 지형 표현 점들을 분류하는 본 알고리즘은 특히 능선부분의 사라진 특징을 찾아내거나 무너진 논둑을 복원하는 등 최소의 점들로 중요한 지형 요소점(terrain model key points)을 놓치지 않고 세밀하게 표현하는데 효과적이다. 이 알고리즘을 통해 추출한 점들과 1차 지형분류 결과를 결합하여 지형분류최적화 방법을 제안하였다.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2006년도 춘계학술발표회 논문집
• /
• pp.439-444
• /
• 2006

Korea Peninsula consists of approximately 70% of mountainous terrain of total area, in addition, annual average rainfall is plentiful, especially during rainy season of summer, and it is often accompanied with typhoon and heavy rain, which results in frequent landslides. Since there are limitations with existing methods to analyze extensive disasters, it is necessary to develop new remote sensing technology using an artificial satellite to study on landslides closely. This paper is written in order to establish the database with map information on various landslides using GIS, furthermore, to analyze precariousness of the areas, which are susceptible to landslide, and risks of potential areas in consideration of heavy rain, based on land-cover classification derived from images from satellite.

• 대한지리학회지
• /
• 제38권3호
• /
• pp.375-388
• /
• 2003

SAR와 VIR 영상을 디지털 환경에서 통합하여 상승효과를 도출하려는 응용은 아직까지도 탐색적인 연구수준에 머물러 있다. 본 연구는 SAR와 VIR을 통합한 영상에서 삼각 트레이닝 도구가 개별 클라스의 분류 정확도의 분포추세에 미치는 영향을 평가하는 데 주안점을 두고 있다. SAR 데이터와 VIR 데이터가 단일 시너지 영상을 제작하기 위해 통합되었다. 분류정확도의 향상과정이 SAR, VIR, SAR/VIR 통합영상에서 단계적으로 확실하게 도출되었다. 아울러 개별 클라스의 분류정확도가 FCC에 의거한 트레이닝 샘플의 신호(signature)값과 밀접한 상관성을 가지고 분포되는 것이 확인되었다. 한 예로 FCC에서 SAR 영상 신호(signature)의 기여 때문에 구름으로 덮힌 지역과 굴곡을 지닌 지상물체가 (VIR에서는 사실상 분류가 불가능하였던) 상당한 공간 정확도를 가지고 분류되었다. 본 연구가 SAR/VIR을 통합한 응용분야에서 분류정확도의 분포추세에 대한 정량화되고 객관적인 근거가 부재하여 직면하였던 한계를 극복할 수 있는 계기가 되어 향후 SAT/VIR 원격탐사에서 개별 클라스에 대해 확보할 수 있는 분류 정확도에 대한 중요한 참고자료가 될 수 있을 것으로 사료된다.

• 한국조경학회지
• /
• 제13권1호
• /
• pp.43-66
• /
• 1985

Korea needs proper and rational public policies on conservation and use of forest land and other natural resources because of the accelerating expansion of national land developments in recent years. Unfortunately, there is no systematic planning system to support the needs. Generally, forest land use planning needs suitability analysis based on efficient land classification system. The goal of this study was to classify a forest land using multivariate satistical methods. A case study was carried out in winter of 1983 on a mountainous area higher than 100m above sea level located at Mt. Kwanak in Anyang -city, Kyung-gi-do (province). The study area was 19.80 km$^2$wide and was divided into 1, 383 Operational Taxonomic Units (OTU's) by a 120m$\times$120m grid. Fourteen descriptors were identified and quantified for each OTU from existing national land data : elevation, slope, aspect, terrain form, geologic material, surface soil permeability, topsoil type, depth of the solum, soil acidity, forest cover type, stand size class, stand age class, stand density class, and simple forest soil capability class. For this study, a FORTRAN IV program was written for input and output map data, and the computer statistics packages, SPSS and BMD, were used to perform the multivariate statistical analysis. Fourteen variables were analyzed to investigate the characteristics of their fire quench distribution and to estimate the correlation coefficients among them. Principal component analysis was executed to find the dimensions of forest land characteristics, and factor scores were used for proper samples of OTU throughout the study area. In order to develop the classes of forest land classification based on 102 surrogates, cluster and discriminant analyses of principal descriptor variable matrix were undertaken. Results obtained through a series of multivariate statistical analyses were as follows ; 1) Principal component analysis was proved to be a useful tool for data selection and identification of principal descriptor variables which represented the characteristics of forest land and facilitated the selection of samples.