세계는 드론의 보급화로 인해 기체의 개수는 및 보급률은 가파르게 증가하고 있으며, 이로 인해 드론의 영상 시장 규모는 포화상태에 이르고 있다. 또한, 드론 기체는 기체 제어를 위한 무선 모듈을 비약적으로 발전시키고 있으며 제작사로 하여금 기체를 더욱 작고 가볍게 만들어 소비자에게 보급하고 있다. 현재(2021년 기준) 시중에 판매되고 있는 보급형 드론 기체는 약 2Km 정도의 통신 거리를 가지고 있으며, 카메라는 4K(UHD) 화질의 동영상 저장과 실시간 영상(FHD)를 기준으로 판매되고 있다. 기체의 카메라는 시간이 지날수록 더 진보된 화질과 사용자 ...
세계는 드론의 보급화로 인해 기체의 개수는 및 보급률은 가파르게 증가하고 있으며, 이로 인해 드론의 영상 시장 규모는 포화상태에 이르고 있다. 또한, 드론 기체는 기체 제어를 위한 무선 모듈을 비약적으로 발전시키고 있으며 제작사로 하여금 기체를 더욱 작고 가볍게 만들어 소비자에게 보급하고 있다. 현재(2021년 기준) 시중에 판매되고 있는 보급형 드론 기체는 약 2Km 정도의 통신 거리를 가지고 있으며, 카메라는 4K(UHD) 화질의 동영상 저장과 실시간 영상(FHD)를 기준으로 판매되고 있다. 기체의 카메라는 시간이 지날수록 더 진보된 화질과 사용자 트래킹 등 많은 기능으로 기술 발전이 이루어지고 있다. 드론의 이용률이 증가함에 따라 취득되는 데이터는 기하급수적으로 늘어나고 있으며, 다수의 업체는 이러한 드론 영상데이터를 이용하여 AI 및 건설현장 진척도, 고층건물의 시설안전점검, 구조물의 3D 모델링 등 다양한 분야에서 활용되고 있다. 특히, AI 또는 2D 모델링 및 3D 모델링 등 현장에서 실시간 확인이 필요한 작업들은 수신되는 영상의 품질도 중요하지만, 그에 따른 메타데이터 정보도 함께 요구된다. 이미 상용 시장에서는 DJI의 드론은 많은 사용자가 운용함에 따라, 2D 모델링 및 3D 모델링을 지원하는 상용 소프트웨어 업체들은 기체의 정보를 실시간으로 받아와 처리하는 기술을 보유, 판매하고 있다. 그러나 사용자 수가 적거나 일부 공공기관에서 활용하는 국산 드론의 경우 상용 소프트웨어 업체가 직접 이러한 기능을 지원하지 않는 문제점이 있다. 각 드론의 프로토콜 및 데이터 융합 처리를 시장성이 없다고 판단하여 지원하지 않는다. 이에 본 논문에서는 드론에 장착된 짐벌 카메라를 이용하여 영상데이터와 함께 짐벌 자세와 기체 자세를 융합하여 실시간 전송하는 것을 국산 드론에 적용하는 방안을 연구하였다. 영상 수신부는 기체에서 송출하는 영상데이터를 실시간으로 수신받으며, 영상의 GPS정보, 짐벌 및 기체 자세정보, 카메라 정보 등 영상의 메타데이터를 수신 받게 된다. 영상 수신부는 범용적으로 사용되고 있는 5.8Ghz 대역의 RF를 사용하거나 LTE망(5G망)을 통해 GCS 및 서버에 송신된다. 영상 수신 서버는 드론에서 송출하는 짐벌카메라의 정보를 바탕으로 AI를 이용한 데이터 후처리 시스템에 사용되거나, 2D 및 3D 지형을 실시간으로 모델링 할 수 있다. AI를 이용한 후처리는 실시간 수신부에서 사물인식, 위험요소 탐지 등을 할 수 있다. 또한, 메타정보를 바탕으로 2D 및 3D 지형 실시간 지형 모델링을 구축할 수 있다. 또한, 이를 기반으로 메타데이터 기반 2D 및 3D 지형의 모델링은 영상을 저장한 후 상용 지형 생성 소프트웨어를 이용하여 후처리를 진행한다.
세계는 드론의 보급화로 인해 기체의 개수는 및 보급률은 가파르게 증가하고 있으며, 이로 인해 드론의 영상 시장 규모는 포화상태에 이르고 있다. 또한, 드론 기체는 기체 제어를 위한 무선 모듈을 비약적으로 발전시키고 있으며 제작사로 하여금 기체를 더욱 작고 가볍게 만들어 소비자에게 보급하고 있다. 현재(2021년 기준) 시중에 판매되고 있는 보급형 드론 기체는 약 2Km 정도의 통신 거리를 가지고 있으며, 카메라는 4K(UHD) 화질의 동영상 저장과 실시간 영상(FHD)를 기준으로 판매되고 있다. 기체의 카메라는 시간이 지날수록 더 진보된 화질과 사용자 트래킹 등 많은 기능으로 기술 발전이 이루어지고 있다. 드론의 이용률이 증가함에 따라 취득되는 데이터는 기하급수적으로 늘어나고 있으며, 다수의 업체는 이러한 드론 영상데이터를 이용하여 AI 및 건설현장 진척도, 고층건물의 시설안전점검, 구조물의 3D 모델링 등 다양한 분야에서 활용되고 있다. 특히, AI 또는 2D 모델링 및 3D 모델링 등 현장에서 실시간 확인이 필요한 작업들은 수신되는 영상의 품질도 중요하지만, 그에 따른 메타데이터 정보도 함께 요구된다. 이미 상용 시장에서는 DJI의 드론은 많은 사용자가 운용함에 따라, 2D 모델링 및 3D 모델링을 지원하는 상용 소프트웨어 업체들은 기체의 정보를 실시간으로 받아와 처리하는 기술을 보유, 판매하고 있다. 그러나 사용자 수가 적거나 일부 공공기관에서 활용하는 국산 드론의 경우 상용 소프트웨어 업체가 직접 이러한 기능을 지원하지 않는 문제점이 있다. 각 드론의 프로토콜 및 데이터 융합 처리를 시장성이 없다고 판단하여 지원하지 않는다. 이에 본 논문에서는 드론에 장착된 짐벌 카메라를 이용하여 영상데이터와 함께 짐벌 자세와 기체 자세를 융합하여 실시간 전송하는 것을 국산 드론에 적용하는 방안을 연구하였다. 영상 수신부는 기체에서 송출하는 영상데이터를 실시간으로 수신받으며, 영상의 GPS정보, 짐벌 및 기체 자세정보, 카메라 정보 등 영상의 메타데이터를 수신 받게 된다. 영상 수신부는 범용적으로 사용되고 있는 5.8Ghz 대역의 RF를 사용하거나 LTE망(5G망)을 통해 GCS 및 서버에 송신된다. 영상 수신 서버는 드론에서 송출하는 짐벌카메라의 정보를 바탕으로 AI를 이용한 데이터 후처리 시스템에 사용되거나, 2D 및 3D 지형을 실시간으로 모델링 할 수 있다. AI를 이용한 후처리는 실시간 수신부에서 사물인식, 위험요소 탐지 등을 할 수 있다. 또한, 메타정보를 바탕으로 2D 및 3D 지형 실시간 지형 모델링을 구축할 수 있다. 또한, 이를 기반으로 메타데이터 기반 2D 및 3D 지형의 모델링은 영상을 저장한 후 상용 지형 생성 소프트웨어를 이용하여 후처리를 진행한다.
In the world, the number of drones is increasing rapidly due to the spread of drones, and as a result, the size of the drone market is saturated. In addition, drone airframes are rapidly developing wireless modules for airframe control, and manufacturers are making smaller and lighter airframes and ...
In the world, the number of drones is increasing rapidly due to the spread of drones, and as a result, the size of the drone market is saturated. In addition, drone airframes are rapidly developing wireless modules for airframe control, and manufacturers are making smaller and lighter airframes and distributing them to consumers. Currently (as of 2021), entry-level drone aircraft on the market have a communication distance of about 2.Km, and cameras are sold based on 4K (UHD) video storage and real-time video (FHD). As time goes by, aircraft cameras are making technological progress with many functions such as more advanced image quality and user tracking. As drone utilization increases, data acquired are increasing exponentially, and many companies are using such drone image data in various fields such as AI and construction site progress, facility safety inspection of high-rise buildings, and 3D modeling of structures. In particular, for tasks that require real-time verification in the field, such as AI or 2D modeling and 3D modeling, the quality of the received image is also important, but metadata information is also. DJI's drones, which have already dominated the commercial market, are operated by many users, and commercial software companies that support 2D modeling and 3D modeling have and sell technology to receive and process aircraft information in real time. However, in the case of domestic drones with a small number of users or used by some public institutions, there is a problem that commercial software companies do not directly support these functions. The protocol and data convergence processing of each drone is not supported because it is not marketable. Therefore, in this paper, a method of applying gimbal posture and gaseous posture together with image data to domestic drones for real-time transmission was studied using a gimbal camera mounted on a drone. The video receiver receives the video data transmitted from the aircraft in real time, and receives video metadata such as GPS information of the video, gimbal and aircraft posture information, and camera information. The video receiver uses the universally used 5.8Ghz RF or is transmitted to the GCS and the server through the LTE network (5G network). The video receiving server may be used in a data post-processing system using AI based on information from a gimbal camera transmitted from a drone, or may model 2D and 3D terrain in real time. Post-processing using AI is implemented so that real-time receivers can recognize objects and detect risk factors. In addition, real-time terrain modeling of 2D and 3D terrain may be constructed based on meta information. In addition, based on this, metadata-based 2D and 3D terrain modeling is performed after storing video and then post-processing using commercial terrain generation software.
In the world, the number of drones is increasing rapidly due to the spread of drones, and as a result, the size of the drone market is saturated. In addition, drone airframes are rapidly developing wireless modules for airframe control, and manufacturers are making smaller and lighter airframes and distributing them to consumers. Currently (as of 2021), entry-level drone aircraft on the market have a communication distance of about 2.Km, and cameras are sold based on 4K (UHD) video storage and real-time video (FHD). As time goes by, aircraft cameras are making technological progress with many functions such as more advanced image quality and user tracking. As drone utilization increases, data acquired are increasing exponentially, and many companies are using such drone image data in various fields such as AI and construction site progress, facility safety inspection of high-rise buildings, and 3D modeling of structures. In particular, for tasks that require real-time verification in the field, such as AI or 2D modeling and 3D modeling, the quality of the received image is also important, but metadata information is also. DJI's drones, which have already dominated the commercial market, are operated by many users, and commercial software companies that support 2D modeling and 3D modeling have and sell technology to receive and process aircraft information in real time. However, in the case of domestic drones with a small number of users or used by some public institutions, there is a problem that commercial software companies do not directly support these functions. The protocol and data convergence processing of each drone is not supported because it is not marketable. Therefore, in this paper, a method of applying gimbal posture and gaseous posture together with image data to domestic drones for real-time transmission was studied using a gimbal camera mounted on a drone. The video receiver receives the video data transmitted from the aircraft in real time, and receives video metadata such as GPS information of the video, gimbal and aircraft posture information, and camera information. The video receiver uses the universally used 5.8Ghz RF or is transmitted to the GCS and the server through the LTE network (5G network). The video receiving server may be used in a data post-processing system using AI based on information from a gimbal camera transmitted from a drone, or may model 2D and 3D terrain in real time. Post-processing using AI is implemented so that real-time receivers can recognize objects and detect risk factors. In addition, real-time terrain modeling of 2D and 3D terrain may be constructed based on meta information. In addition, based on this, metadata-based 2D and 3D terrain modeling is performed after storing video and then post-processing using commercial terrain generation software.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.