$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

소나 영상 기반의 수중 물체 인식과 추종을 위한 구조 : Part 2. 확률적 후보 선택을 통한 실시간 프레임워크의 설계 및 구현
A Framework of Recognition and Tracking for Underwater Objects based on Sonar Images : Part 2. Design and Implementation of Realtime Framework using Probabilistic Candidate Selection 원문보기

Journal of the Institute of Electronics and Information Engineers = 전자공학회논문지, v.51 no.3, 2014년, pp.164 - 173  

이영준 (한국해양과학기술원(부설) 선박해양플랜트연구소) ,  김태균 (한국해양과학기술원(부설) 선박해양플랜트연구소) ,  이지홍 (충남대학교 메카트로닉스공학과) ,  최현택 (한국해양과학기술원(부설) 선박해양플랜트연구소)

초록
AI-Helper 아이콘AI-Helper

수중 로봇 분야에서 수중 환경 인식은 매우 중요하나, 탁도 등의 제약으로 인하여 수중 광학 카메라의 사용은 제한적이다. 대안으로 기대하는 수중 영상 소나의 경우, 소나 영상의 품질이 영상 처리에 의해 자연물을 그대로 인식하기에 충분히 안정적이며 정확하지 못하다. 이를 극복하고자 본 논문의 Part 1에서 초음파의 특징을 고려한 인공 표식을 제안하였으며, 형상 행렬 기반의 인식 방법을 함께 제안하고 검증하였다. 그러나 실제 해양 환경은 복잡하고 동적인 잡음 요소가 많다. 이러한 문제를 추가로 해결하기위해 본 논문의 Part 2에서는 연속되는 소나 영상에서 확률적으로 인식 후보를 선별하여 인식하고, 추적하는 프레임워크를 제안한다. 이 프레임워크는 4단계, 즉 유사도 기반 관심 후보의 선정, 확률 기반 최종 후보의 선정, 선정된 후보의 인식, 그리고 인식된 물체의 추적으로 구성되어 있다. 이러한 4단계의 구조가 병렬로 처리되어 실시간 처리가 가능하며 인식 대상체의 변경이나 알고리즘의 보강을 위한 유연한 구조를 가진다. 제안한 프레임워크를 구성하는 파티클 필터 기반의 후보 선별 알고리즘과 평균-이동 (mean-shift) 기법에 의한 추적 방법을 함께 제안하였다. 수조 실험과 실해역 실험을 수행을 통하여 성능을 검증하였으며 결과에 대한 상세한 분석을 수행하였다. 인공 표식의 추적에서 얻어진 상대거리, 방향 등의 정보는 수중 로봇의 제어와 항법을 위해 사용될 것으로 기대하고 있다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In underwater robotics, vision would be a key element for recognition in underwater environments. However, due to turbidity an underwater optical camera is rarely available. An underwater imaging sonar, as an alternative, delivers low quality sonar images which are not stable and accurate enough to ...

주제어

#Framework   #Underwater Object Recognition   #Multiple Candiate   #Probability   #Imaging sonar  

질의응답

핵심어 질문 논문에서 추출한 답변
논문에서 제안하는 프레임워크의 특징은? 낮은 해상도와 임의의 잡음이 섞여 있는 특정 시점의 소나 영상으로부터 물체를 탐지 및 인식하고 추종하는 것이 매우 어렵다. 본 논문에서 제안하는 프레임워크는 연속되는 소나 영상의 입력에서 확률적으로 물체로 추정되는 부분을 선별하고 이 부분에 대한 인식과 추정을 수행하는 것을 주요한 특징으로 한다.
고해상도 소나를 이용하여 수중 환경을 인식하려는 연구는 어떤 문제를 해결하기 위함인가? 지상의 로봇 연구 분야에서 광학 카메라에 기반을 둔 영상 처리 기술이 지속적으로 발전하고 활용되고 있다. 수중 로봇의 경우 광학 영상 정보가 중요함에도 불구하고 수중 가시거리의 제약으로 인하여 활용이 제한적일 수밖에 없다. 이러한 한계를 극복하고자 고해상도 소나를 이용하여 수중 환경을 인식하려는 연구가 수행되어왔다[1～6].
본문에서 제안하는 프레임워크의 수중 물체 인식 및 추적의 4단계는? 그림 2와 같이 제안한 프레임워크는 4 단계 과정을 거친다. 첫 번째는 찾고자 하는 물체와 유사한 물체를 모두 후보로 선정하는 유사도 기반 관심 후보 선택 단계이고, 두 번째는 선정한 후보에 확률 필터를 적용하여 잘못 선정된 후보를 삭제하고 가능성이 높은 후보를 최종 후보로 선택하는 확률 기반 최종 후보 선택 단계이다. 세 번째는 선택된 최종 후보의 정보와 찾고자 하는 물체의 정보를 비교하여 어떤 물체인지 인식하는 단계이며, 마지막 단계는 인식된 물체에 대해 추적을 수행하는 단계이다. 제안한 프레임워크의 4 단계는 연속 적인 영상에 대하여 병렬로 처리되며 각 단계별로 수행 되는 알고리즘을 추가하거나 보강할 수 있는 유연한 구조를 가진다. 따라서 본 논문에서는 Part 1에서 제안한 인공 표식을 인식의 대상으로 하나 알고리즘의 보완을 통해 대상 물체를 확대할 수 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. S. C. Yu, A. Akira, S. Weatherwax, B. Collins, and J. K. Yuh, "Development of high-resolution acoustic camera based real-time object recognition system by using autonomous underwater vehicle," in Proc. IEEE Oceans, pp.1-6, Boston, USA, Sep 2006. 

  2. S. L. Maxwell, and N. E. Gove, "The Feasibility of estimating migrating salmon passage rates in turbid rivers using a dual frequency identification sonar (DIDSON)," Alaska Department of Fish and Game Regional Information Report, Mar 2004. 

  3. S. C. Yu, "Development of real-time acoustic image recognition system using by autonomous marine vehicle," Journal of ocean engineering, Vol. 25, No. 1, pp.90-105, Jan 2008. 

  4. L. N. Brisson, P. P. Beaujean, and S. Negahdaripour, "Multiple-aspect Fixed Range Template Matching for the detection and classification of underwater unexploded ordnance in DIDSON sonar images," in Proc. IEEE Oceans, 20-23 Sept. 2010. 

  5. Y. Lee and HT. Choi, "A comparative study on feature extraction methods for environment recognition using underwater acoustic image," in Proc. The 8th Korea Robotics Society Annual Conference, pp.549-552, South korea, May 2013. 

  6. Y. Lee, KM. Han and HT. Choi, "Design and implementation of artificial landmark for underwater acoustic camera," in Proc. Information and control symposium, pp.215-216, Seoul, South korea, Sep 2012. 

  7. Y. Lee, JH. Lee and HT. Choi, "A Framework of Recognition and Tracking for Underwater Objects based on Sonar Images : Part 1. Design and Recognition of Artificial Landmark considering Characteristics of Sonar Images," Journal of the Institute of Electronics and Information Engineers on System and Control, vol. 52, no. 2, Feb 2014. 

    원문보기 상세보기 crossref

  8. H. Rhody, "Lecture 10: Hough Circle Transform," Chester F. Carlson Center for Imaging Science, Rochester Institute of Technology, 2005. 

  9. N. Y. Ko, T. G. Kim, and Y. S. Moon, "Particle Filter Approach for Localization of an Underwater Robot Using Time Difference of Arrival", in Proc. IEEE/MTS Oceans, 2012. 

  10. A. Goshtasby, "Description and Discrimination of Planar Shape Using Shape matrices," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. PAMI-7, no.6, pp.778-743, Nov 1985. 

  11. Y. Chen, "Mean Shift, Mode Seeking, and Clustering," IEEE Trans, Pattern Analysis and Machine Intelligence, vol. 17, no. 8, pp.790-799, Aug 1995. 

    상세보기 crossref

  12. D. Comaniciu, and P. Meer, "Mean shift: a robust approach toward feature space analysis," IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 24, no. 5, pp.603-619, May 2002. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로