선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 기존에는 고가의 전문적인 시스템을 이용하여 정지된 상태에서 도로 밝기를 측정하는 방식을 사용하고 있기 때문에 전국 규모의 공간적인 시인성 분포 파악이 어려운 실정이다. 따라서 본 연구에서는 정량적인 야간 도로 시인성에 대한 공간적인 평가를 수행할 수 있도록 보급형 모바일 기기를 이용하여 야간도로 영상을 확보하고 정량적인 밝기 값을 저장하는 자료취득시스템을 구현하였다. 공간적인 야간도로 시인성 평가에 활용하기 위해 수집된 현장조사 자료를 체계적으로 관리하고, GIS를 통해 표현 및 분석할 수 있도록 자료체계를 제시하였다.
- 취득된 야간도로 시인성 평가 자료를 종합적으로 편집하고 분석한 후 시인성에 대한 공간적인 분포를 파악하기 위해 노면 밝기 측정 영역 산정, 추출 모듈과 밝기 값 측정 및 처리 모듈로 구성된 관리시스템을 구현한다. 본 연구에서는 시범 구축을 통해서 모바일 기반 야간도로 시인성 평가 자료 취득체계의 타당성을 검토하고자 하였다.
- 본 연구에서는 저렴한 안드로이드 단말기를 사용하여 야간도로 영상을 취득하고 관련 메타자료를 수집하여 GIS 기반 야간도로 시인성 평가를 지원하는 체계를 시험 제작하였다. 도큐멘트 기반 데이터베이스를 사용하여 웹 기반 관리 및 편집환경을 마련하여 일반 클라이언트 프로그램에서 존재하는 업데이트 문제, 유연성 및 자료보안 측면에서 강점이 있을 것으로 분석되며, 시인성 평가 자료에 대한 공간분포를 표출하여 정량적인 분석이 용이하도록 하였다.
- 야간도로 시인성 관련한 연구동향을 파악하고 정량적인 시인성 평가를 위한 자료 생산체계 2가지 방안을 제시하고자 한다. 야간도로 시인성 평가에 필요한 자료를 취득하고 저장하기 위해 야간도로 노면 시인성 조사 정보(이미지, 위치정보) 저장하는 모듈과 차선 추출, 추적 및 공간 위치정보 산정 모듈을 구성된 모바일 시스템이 구현한다.
제안 방법
- Fig. 3과 같이 자료취득 및 자료관리가 이루어지며 자료취득의 경우 안드로이드 기반 OpenCV의 영상처리 및 분석 기능들을 활용하여 밝기 값(Y)영상 변환, 도로선형 추출, 소실점 추출 등을 수행하고 대상 영역을 도출하도록 하였다. 특정 경로에 연/월/일/시 단위로 메타자료, 원자료, 변환자료 저장하는 구조 적용(YYYY/MM/DD/작업구분/장비명_종류_생성시간.
- JSON 형태로 저장된 자료를 도큐멘트 데이터베이스에 적재하고 Fig. 13과 같은 조회 및 편집을 할 수 있는 시스템을 시험적으로 구현하였다. 좌측에는 기본적인 조회환경을 제공하고 있으며 결과목록에서 해당 항목을 선택하면 우측의 지도와 우측 하단의 영상이 변경되도록 구현하였다.
- 따라서 본 연구에서는 정량적인 야간 도로 시인성에 대한 공간적인 평가를 수행할 수 있도록 보급형 모바일 기기를 이용하여 야간도로 영상을 확보하고 정량적인 밝기 값을 저장하는 자료취득시스템을 구현하였다. 공간적인 야간도로 시인성 평가에 활용하기 위해 수집된 현장조사 자료를 체계적으로 관리하고, GIS를 통해 표현 및 분석할 수 있도록 자료체계를 제시하였다.
- 기존의 통합(복수의 카메라, 시각동기화장치, IMU, GPS, 자료취득 및 처리장치 등)으로 구성되어진 고가의 모바일매핑시스템을 경량화하기 위해 저가의 MEMS (Micro Electro Mechanical Systems)을 차량내부에 탑재한 후 특성을 분석하여 경제적인 MEMS기반의 모바일매핑시스템 설계방안을 제시하였다(Woo et al, 2010). 안드로이드 기반 모바일 시스템과 개방형 영상처리 기술을 접목하면 모바일 기기 수준에서의 모바일 매핑 시스템을 구축할 수 있을 것으로 분석되며 최근 스테레오 카메라를 이용한 3차원 공간정보 취득 시스템이 구현되고 있는 실정이다.
- 또한 두 가지 실험 방법으로 특정도로의 효율적인 유지관리방법, 위험장소 검토에 대한 우선순위 및 도로표시 적용 순서를 최적화하는 재귀 반사 측정평가 방법이 연구되었다(Babić et al, 2010). 디지털 영상처리에서 Glass bead 범위(각도, 속도 등)가 반사휘도와 상관관계 결정 여부를 확인하기 위해 노면표시의 반사휘도의 성능 평가를 수행하였다. 그 결과 차량을 이용하여 Glass bead 범위는 반사휘도에 직·간접적인 효과가 있는 것으로 알려져 있다(Donnell et al, 2011).
- 2와 같이 자료취득시스템에서 취득된 영상자료와 각종 JSON 형태 메타자료가 저장된 매체를 읽어 들여서 자료관리 시스템에서는 영상자료, 자세정보, 위치정보, 추정정보 등을 관리할 수 있도록 하였다. 또한 야간 도로 시인성에 대한 공간적인 분포를 분석할 수 있도록 관리시스템을 통해 대상 영역 편집이나 지도에 밝기 값을 공간 분포시킨 자료를 구축하도록 하였다. 데이터베이스는 대표적인 도큐멘트 데이터베이스인 Apache CouchDB를 사용하였는데 비정형자료를 효율적으로 관리할 수 있어 취득자료 저장구조가 변화해도 유연하게 대처할 수 있다.
- 주행하면서 영상을 처리하고 자료를 저장해야 하기 때문에 가속 기능을 제공하는 단말기를 사용해야 누락없이 자료를 취득할 수 있다. 또한 영상자료를 저장할 뿐만 아니라 확장이 용이한 JSON(JavaScript Standard Object Notation) 구조의 메타자료를 생성하고 관리시스템에서 이관이 용이한 구조로 저장하도록 하였다. Fig.
- 또한 일정한 간격으로 영상을 촬영하여 자료(GPS 수신정보, 자세정보 및 측정정보(평균밝기) 표출)를 취득하도록 하였다.
- 확장자”)하였다. 또한, 원시영상과 밝기 값으로 환산하여 식별이 용이한 형태의 영상파일 저장하고 메타정보(카메라, GPS, 자세, 밝기 등)를 JSON 형태로 저장하였다. 현장에서 취득된 메타정보와 영상자료를 동기화하여 해당 위치자료를 확보하였다.
- 그 결과 차량을 이용하여 Glass bead 범위는 반사휘도에 직·간접적인 효과가 있는 것으로 알려져 있다(Donnell et al, 2011). 모바일 기반의 비전 시스템을 사용함으로써 도로표지판의 시인성의 장점을 발견하여 야간주행자들의 공공의 안전을 보장할 수 있는 모바일 기반의 비전시스템 개발을 제시하였다. 이는 저가의 카메라 및 컴퓨터 사용하여 최적의 재귀반사측정을 하는 것을 목표로 설계된 소프트웨어를 이용하여 실시간 취득한 영상을 기반으로 정보를 획득 및 분류하고 정보파일을 실시간으로 리포트하여 상대휘도를 분석하였다(Maerz et al, 2003).
- 본 연구에서 사용된 NVIDIA TEGRA4 기반 안드로이드 단말기에서 영상처리는 자바 기반으로 구현된다. 향후 자바기반을 네이티브 기반 영상처리 방식으로 전환하는 성능 개선 및 도로선형 추출 및 매핑 알고리즘에 대한 개선도 필요할 것으로 분석되었다.
- 본 연구에서는 연구 및 기술동향을 고려하여 GIS 기반 야간도로 시인성 평가를 지원하기 위해 Fig. 2와 같이 안드로이드 기반 OpenCV를 이용한 자료취득시스템과 Fig. 3에서 볼 수 있듯이 체계적인 자료관리를 지원하는 시스템을 설계하였다. 일반적인 모바일 단말장치의 영상처리 성능이 낮기 때문에 고속의 영상처리 성능을 확보하기 위해서 NVIDIA사의 4가 탑재된 NVIDIA사의 TEGRA Note 7을 사용하였다.
- 야간도로 시인성 관련한 연구동향을 파악하고 정량적인 시인성 평가를 위한 자료 생산체계 2가지 방안을 제시하고자 한다. 야간도로 시인성 평가에 필요한 자료를 취득하고 저장하기 위해 야간도로 노면 시인성 조사 정보(이미지, 위치정보) 저장하는 모듈과 차선 추출, 추적 및 공간 위치정보 산정 모듈을 구성된 모바일 시스템이 구현한다. 취득된 야간도로 시인성 평가 자료를 종합적으로 편집하고 분석한 후 시인성에 대한 공간적인 분포를 파악하기 위해 노면 밝기 측정 영역 산정, 추출 모듈과 밝기 값 측정 및 처리 모듈로 구성된 관리시스템을 구현한다.
- 영상파일은 Fig. 11과 같이 각각 Camera, Luminance, Tracking 항목에 파일경로가 수록되도록 하였다.
- 안드로이드 기반의 차선검출 시스템은 모바일 사용자에게 안전한 주행이 가능하도록 하는 경보시스템이다. 이 연구는 허프 변환의 한계점을 보안하고, 차선검출시스템과 안드로이드 기반의 하드웨어를 검증 및 성능을 비교 분석하여 실시간으로 차선을 검출할 수 있는 Accumulator cells를 이용한 최적화된 시스템을 제시하였다(Erdenetuya et al, 2014). 안드로이드는 리눅스 기반이며 오픈소스 모바일 운영체제에서 구글이 주도하는 Open Handset Alliance에 의해 만들어졌다.
- 기상조건변화 따른 노면 표시에 표시된 비드를 다양한 비율로 혼합하여 굴절률의 결과값으로 시인성 유지, 비용 및 경제성 분석을 수행한 연구가 수행되었다(Lee et al, 2012). 정적실험(주간 및 야간 시인성)과 도로표기(야간 시인성)의 동적 실험을 수행하여 도로표시의 유지보수에 대한 비용절감, 최적의 유지보소 계획을 위한 기초와 Croatian 도로에서의 도로표시의 체계적인 품질 테스트의 가능성을 제시하였다. 또한 두 가지 실험 방법으로 특정도로의 효율적인 유지관리방법, 위험장소 검토에 대한 우선순위 및 도로표시 적용 순서를 최적화하는 재귀 반사 측정평가 방법이 연구되었다(Babić et al, 2010).
- 13과 같은 조회 및 편집을 할 수 있는 시스템을 시험적으로 구현하였다. 좌측에는 기본적인 조회환경을 제공하고 있으며 결과목록에서 해당 항목을 선택하면 우측의 지도와 우측 하단의 영상이 변경되도록 구현하였다. 지도에서 해당 항목을 선택하여도 영상이 변경되도록 구현하였다.
- 8과 같은 화면을 얻을 수 있다. 추적 영역은 곡선부까지 고려하여 3단계로 나누어 추적하였으며 추적된 영역의 중심점들을 연결하여 최종 관심대상인 80~100미터 사이의 영역을 추적하고 해당 영역의 평균 밝기값을 추출하였다. 이러한 과정에서 생산되는 영상자료, 자세정보, 위치정보 및 관련 메타정보를 저장되었다.
- 취득된 메타자료는 JSON 규격을 따라서 Camera, GPS, Attitude, Tracking, Luminance, TrackArea, ROIArea 및 CenterLine으로 구성되어 있으며 Fig. 10과 같이 기본적인 관측정보(밝기정보) 및 메타정보(카메라 정보, 위치정보 및 자세정보)가 저장되도록 설계하였다.
- 야간도로 시인성 평가에 필요한 자료를 취득하고 저장하기 위해 야간도로 노면 시인성 조사 정보(이미지, 위치정보) 저장하는 모듈과 차선 추출, 추적 및 공간 위치정보 산정 모듈을 구성된 모바일 시스템이 구현한다. 취득된 야간도로 시인성 평가 자료를 종합적으로 편집하고 분석한 후 시인성에 대한 공간적인 분포를 파악하기 위해 노면 밝기 측정 영역 산정, 추출 모듈과 밝기 값 측정 및 처리 모듈로 구성된 관리시스템을 구현한다. 본 연구에서는 시범 구축을 통해서 모바일 기반 야간도로 시인성 평가 자료 취득체계의 타당성을 검토하고자 하였다.
- 카메라 특성을 파악하기 위해서 Fig. 6과 같이 실험에 사용된 단말기에 탑재된 카메라 성능을 파악하였다. 도로 시인성 관심대상인 80~100미터 구간은 수 픽셀 수준의 영역에 지나지 않음을 파악하였다.
- 또한, 원시영상과 밝기 값으로 환산하여 식별이 용이한 형태의 영상파일 저장하고 메타정보(카메라, GPS, 자세, 밝기 등)를 JSON 형태로 저장하였다. 현장에서 취득된 메타정보와 영상자료를 동기화하여 해당 위치자료를 확보하였다.
대상 데이터
- 일반적인 모바일 단말장치의 영상처리 성능이 낮기 때문에 고속의 영상처리 성능을 확보하기 위해서 NVIDIA사의 4가 탑재된 NVIDIA사의 TEGRA Note 7을 사용하였다. 사용된 모바일 단말기 NVIDIA Tegra 4의 CPU는 ARM Cortex-A15를 채택하여 4개의 1.8GHz 고성능 코어와 저전력 코어 1개로 구성되어 있으며 72개의 GPU로 구성되어 있다. 센서는 정확도가 공개되어 있지 않으나 각각의 해상도는 3-축 중력계 0.
이론/모형
- 3에서 볼 수 있듯이 체계적인 자료관리를 지원하는 시스템을 설계하였다. 일반적인 모바일 단말장치의 영상처리 성능이 낮기 때문에 고속의 영상처리 성능을 확보하기 위해서 NVIDIA사의 4가 탑재된 NVIDIA사의 TEGRA Note 7을 사용하였다. 사용된 모바일 단말기 NVIDIA Tegra 4의 CPU는 ARM Cortex-A15를 채택하여 4개의 1.
- 중심선 위치를 기준으로 대상영역 범위를 산정하였으며, 대상 영역과 실제 위치와 매핑하기 위해서 식(2) 와 같이 OpenCV 내의 투영변환(OpenCV, Warp Perspective)을 사용하였다.
성능/효과
- 본 연구에서는 저렴한 안드로이드 단말기를 사용하여 야간도로 영상을 취득하고 관련 메타자료를 수집하여 GIS 기반 야간도로 시인성 평가를 지원하는 체계를 시험 제작하였다. 도큐멘트 기반 데이터베이스를 사용하여 웹 기반 관리 및 편집환경을 마련하여 일반 클라이언트 프로그램에서 존재하는 업데이트 문제, 유연성 및 자료보안 측면에서 강점이 있을 것으로 분석되며, 시인성 평가 자료에 대한 공간분포를 표출하여 정량적인 분석이 용이하도록 하였다. 일반적인 DSLR급 카메라에 비해 고해상도의 고품질 영상자료 수준이 아니기 때문에 보다 정량적인 결과를 도출하기 어려웠으나 범용 모바일 장비만을 이용하여 야간도로 시인성에 대한 공간적인 분포 평가를 위한 자료 구축 및 GIS를 연계할 수 있는 선형자료로 구축함으로써 각종 도로관련 정보들과 연계한 다양한 GIS분석이 가능할 것으로 판단되었다.
- 가로등과 차선의 밝기가 다른 영역에 비해 높은 것을 확인할 수 있다. 또한 전조등의 효과로 전면에 어느 정보 밝기가 분포하고 있음을 확인할 수 있다.
- 1과 같이 많이 사용하고 있는 단말기 운영체제인 안드로이드에서 OpenCV for Android를 사용하면 OpenCV C++ API 거의 100%를 활용할 수 있다. 또한, OpenCV에 2011년 봄에 NVIDIA에서 GPU가속 기능 탑재시켜 영상처리 종류에 따라 2배에서 10배에 이르는 성능향상을 얻게 되었다. NVIDIA에서 제공하는 테그라4의 경우 그래픽 코어가 72개에 이르고 있어 아직 일부 영상처리 알고리즘만을 지원하고 있지만 전반적인 모바일 CPU나 GPU에 비해 성능향상을 기대할 수 있다.
후속연구
- 17과 같다. 그러나 실제 도로환경에서는 상행선과 하행선의 경우 조명조건이 다르기 때문에 향후 차선 폭과 방향성을 고려한 공간DB를 구축해야 다양한 도로 관련 DB를 연계한 공간분석이 가능할 것으로 판단된다.
- 향후 자바기반을 네이티브 기반 영상처리 방식으로 전환하는 성능 개선 및 도로선형 추출 및 매핑 알고리즘에 대한 개선도 필요할 것으로 분석되었다. 또한, 야간 도로 시인성 평가를 위해 GIS 기반 공간자료로 구축하는 과정과 분석 표출 결과 등에서도 개선이 필요할 것으로 분석되었다.
- 도큐멘트 기반 데이터베이스를 사용하여 웹 기반 관리 및 편집환경을 마련하여 일반 클라이언트 프로그램에서 존재하는 업데이트 문제, 유연성 및 자료보안 측면에서 강점이 있을 것으로 분석되며, 시인성 평가 자료에 대한 공간분포를 표출하여 정량적인 분석이 용이하도록 하였다. 일반적인 DSLR급 카메라에 비해 고해상도의 고품질 영상자료 수준이 아니기 때문에 보다 정량적인 결과를 도출하기 어려웠으나 범용 모바일 장비만을 이용하여 야간도로 시인성에 대한 공간적인 분포 평가를 위한 자료 구축 및 GIS를 연계할 수 있는 선형자료로 구축함으로써 각종 도로관련 정보들과 연계한 다양한 GIS분석이 가능할 것으로 판단되었다.
- 본 연구에서 사용된 NVIDIA TEGRA4 기반 안드로이드 단말기에서 영상처리는 자바 기반으로 구현된다. 향후 자바기반을 네이티브 기반 영상처리 방식으로 전환하는 성능 개선 및 도로선형 추출 및 매핑 알고리즘에 대한 개선도 필요할 것으로 분석되었다. 또한, 야간 도로 시인성 평가를 위해 GIS 기반 공간자료로 구축하는 과정과 분석 표출 결과 등에서도 개선이 필요할 것으로 분석되었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.