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
- 영상처리정보만을 사용하여 풍속을 추정하는 알고리즘은 풍선의 위치 뿐만 아니라 풍속을 구할 때도 영상처리정보를 사용하므로 영상처리 오차를 줄이는 것이 더욱이 중요하다. 따라서 한 픽셀당 의미하는 실제 위치 오차를 줄이기 위해 영상 확대에 대한 영향을 확인해 보았다.
- 본 논문에서는 풍선을 모델링하여 검증하고 검증된 풍선 모델을 공중에 띄우는 시뮬레이션을 하였다. OpenGL로 영상을 생성하고 생성된 영상을 영상처리를 통해 카메라 추적을 수행하였다.
제안 방법
- 본 연구에서 제안하는 풍속 추정 방법은 Fig. 1에서와 같이 공중에 띄운 풍선의 움직임을 다수의 카메라를 이용하여 추적하고 영상처리한 정보를 이용하여 풍선의 위치와 속도를 예측한다. 이는 아무런 장치가 장착되지 않은 소모성 풍선을 사용하여 풍속 추정에 대한 비용을 절감하고, 모든 지상의 기구물을 반영구적으로 사용하므로 효용성이 높다.
- 그리고 다수의 풍선을 동시에 운용하거나 또는 풍선을 띄우는 위치를 다양하게 함으로써 일정 영역의 바람의 속도장을 정확하게 추정할 수 있다. 본 연구에서 알고리즘 검증 및 시뮬레이션을 위해 헬륨 풍선 모델링을 수행하였고 이를 통하여 풍선을 공중에 띄우고 OpenGL을 사용하여 영상을 생성하였다. 이 OpenGL은 추적카메라 영상을 모사하며 이것의 이미지 트래킹을 통해 풍선의 움직임을 추적하는 알고리즘에 사용하였다.
- 본 연구에서 알고리즘 검증 및 시뮬레이션을 위해 헬륨 풍선 모델링을 수행하였고 이를 통하여 풍선을 공중에 띄우고 OpenGL을 사용하여 영상을 생성하였다. 이 OpenGL은 추적카메라 영상을 모사하며 이것의 이미지 트래킹을 통해 풍선의 움직임을 추적하는 알고리즘에 사용하였다.
- 본 연구에서는 영상처리 된 정보를 이용하여 풍선의 위치를 추정한다. 이렇게 추정된 풍선의 위치를 가지고 풍속을 추정하는 두 가지 방법을 제안한다.
- 본 연구에서는 영상처리 된 정보를 이용하여 풍선의 위치를 추정한다. 이렇게 추정된 풍선의 위치를 가지고 풍속을 추정하는 두 가지 방법을 제안한다. 첫 번째 방법은 영상처리 정보와 추정된 풍선의 위치로부터 풍속을 추정하였다.
- 이렇게 추정된 풍선의 위치를 가지고 풍속을 추정하는 두 가지 방법을 제안한다. 첫 번째 방법은 영상처리 정보와 추정된 풍선의 위치로부터 풍속을 추정하였다. 두 번째 방법은 추정된 풍선의 위치에 칼만 필터를 사용하여 풍속을 추정하였다.
- 첫 번째 방법은 영상처리 정보와 추정된 풍선의 위치로부터 풍속을 추정하였다. 두 번째 방법은 추정된 풍선의 위치에 칼만 필터를 사용하여 풍속을 추정하였다.
- 추정단계에서는 예측단계의 예측값과 측정값(zk)으로 추정 값(#)과 오차 공분산(Pk)을 계산한다. 본 연구에서는 영상처리 정보를 통해 풍선의 위치만을 얻을 수 있으므로 상태변수를 수식 12로 설정하고, 이에 대한 시스템 모델을 수식 13과 같이 설정하였다.
- 따라서 풍선을 주변 배경(초록색, 파랑색)으로부터 구분이 쉬운 색(빨간색)으로 선정하였다. 그리고 획득된 영상의 RGB 색 정보를 기반으로 한 이진화를 수행하였다.
- 이진화 정보로부터 풍선의 위치를 검출하기 위해 Centroid 기법을 사용하였다. 획득된 이진화 정보(픽셀 좌표)를 x축과 y축 각각 평균값을 내어 이를 풍선의 중심위치로 결정하였다.
- 풍속 추정 알고리즘을 검증하기 위해 시뮬레이션을 수행한다. Fig.
- 실제의 시스템을 시뮬레이션으로 구성하기 위해 풍선을 모델링하여 풍속에 의한 풍선의 위치를 구한 후 OpenGL을 사용하여 카메라 영상을 생성한다. Fig.
- 이와 같이 생성된 영상으로부터 영상처리 알고리즘과 풍속 추정 알고리즘을 통해 풍선의 위치와 속도를 추정한다. 그리고 입력된 풍속과 추정된 풍속을 비교하여 알고리즘을 검증한다.
- 앞서 기술한 풍선 모델링과 검증을 위한 영상획득 알고리즘을 사용하여 영상처리 정보만을 이용한 풍속 추정 알고리즘을 검증하였다.
- 풍선 모델링과 검증을 위한 영상 획득 알고리즘을 사용하여 영상처리 정보를 얻었다. 그리고 이로부터 풍선의 위치를 구하고 칼만 필터를 사용하여 풍속 추정을 수행하였다. 시뮬레이션 조건은 동일하게 Table 2와 같이 설정하였고 결과는 Fig.
- 앞서 검증한 알고리즘을 모두 통합하여 테스트를 수행하였으며 정속바람일 경우와 변속바람일 경우를 테스트 하였다. 그리고 영상 확대/축소와 카메라 수 증가에 의한 영향을 확인하였다.
- 앞서 검증한 알고리즘을 모두 통합하여 테스트를 수행하였으며 정속바람일 경우와 변속바람일 경우를 테스트 하였다. 그리고 영상 확대/축소와 카메라 수 증가에 의한 영향을 확인하였다.
- 본 추정 알고리즘은 카메라가 2대 이상 필요하다. 카메라 수를 증가시켜 오차에 대한 보정을 확인하였다. Fig.
- 본 논문에서는 풍선을 모델링하여 검증하고 검증된 풍선 모델을 공중에 띄우는 시뮬레이션을 하였다. OpenGL로 영상을 생성하고 생성된 영상을 영상처리를 통해 카메라 추적을 수행하였다. 그리고 영상처리 정보를 사용하여 풍선의 위치를 추정하고 이를 통하여 풍속을 추정하는 두 가지 알고리즘을 제안하였다.
- OpenGL로 영상을 생성하고 생성된 영상을 영상처리를 통해 카메라 추적을 수행하였다. 그리고 영상처리 정보를 사용하여 풍선의 위치를 추정하고 이를 통하여 풍속을 추정하는 두 가지 알고리즘을 제안하였다. 첫 번째 방법은 영상처리 정보만을 통해 풍속을 추정하였고, 두 번째 방법은 영상처리 정보로 추정된 풍선의 위치로부터 칼만 필터를 사용하여 풍속을 추정하였다.
- 그리고 영상처리 정보를 사용하여 풍선의 위치를 추정하고 이를 통하여 풍속을 추정하는 두 가지 알고리즘을 제안하였다. 첫 번째 방법은 영상처리 정보만을 통해 풍속을 추정하였고, 두 번째 방법은 영상처리 정보로 추정된 풍선의 위치로부터 칼만 필터를 사용하여 풍속을 추정하였다. 시뮬레이션 결과 영상처리정보만을 사용한 풍속추정은 변속바람에서 큰 오차를 가지고 추정을 수행하지 못하였으나, 칼만 필터를 사용한 풍속추정은 정속바람이나 변속바람 모두 수용 가능한 오차를 가지고 풍속을 추종하였다.
- 6이 검증을 위한 가시화 프로그램이다. 이와 같이 생성된 영상으로부터 영상처리 알고리즘과 풍속 추정 알고리즘을 통해 풍선의 위치와 속도를 추정한다. 그리고 입력된 풍속과 추정된 풍속을 비교하여 알고리즘을 검증한다.
대상 데이터
- 추출하고자하는 물체가 주변에 비해 구분이 뚜렷한 색상정보를 가지고 있을 경우 영상 내 조명 변화나 관측 위치, 크기 변화 등에 어느 정도 무관하게 적용 가능하다는 장점이 있다[6]. 따라서 풍선을 주변 배경(초록색, 파랑색)으로부터 구분이 쉬운 색(빨간색)으로 선정하였다. 그리고 획득된 영상의 RGB 색 정보를 기반으로 한 이진화를 수행하였다.
- 풍속 추정 알고리즘을 정확히 검증하기 위해서 카메라 영상 처리 정보를 가상으로 생성하였다. 수식 7로부터 카메라 영상 정보를 수식 19와 같이 얻을 수 있다.
이론/모형
- 풍속을 추정하기 위하여 풍선의 움직임을 카메라로부터 영상처리를 통해 추적해야한다. 본 연구에서는 색 정보를 이용한 Centroid 기법을 적용하였다.
- 이진화 정보로부터 풍선의 위치를 검출하기 위해 Centroid 기법을 사용하였다. 획득된 이진화 정보(픽셀 좌표)를 x축과 y축 각각 평균값을 내어 이를 풍선의 중심위치로 결정하였다.
- 풍선 모델링과 검증을 위한 영상 획득 알고리즘을 사용하여 영상처리 정보를 얻었다. 그리고 이로부터 풍선의 위치를 구하고 칼만 필터를 사용하여 풍속 추정을 수행하였다.
- RGB 색 정보를 이용한 Centroid 기법으로 영상처리를 수행하였다. Fig.
성능/효과
- 이는 아무런 장치가 장착되지 않은 소모성 풍선을 사용하여 풍속 추정에 대한 비용을 절감하고, 모든 지상의 기구물을 반영구적으로 사용하므로 효용성이 높다. 또한 기존의 풍속계와 달리 다수의 카메라 정보를 사용함으로써 풍선의 3차원 운동을 통해 바람의 수평세기 뿐 아니라 정밀한 3차원 정보를 얻을 수 있다. 그리고 다수의 풍선을 동시에 운용하거나 또는 풍선을 띄우는 위치를 다양하게 함으로써 일정 영역의 바람의 속도장을 정확하게 추정할 수 있다.
- 8은 결과이다. 풍선의 속도가 풍선의 수직 속도와 바람 속도의 합임을 확인하였다.
- 풍선 속도 에러가 10-13 ~ 10-15 (m/s)으로 풍선이 이동한 위치에 비해 매우 작으므로 본 풍속추정 알고리즘의 타당성을 확인할 수 있다.
- C는 이진화 된 정보를 사용하여 풍선의 중심 위치를 검출하는 Centroid 기법을 적용한 결과이다. 이 기법은 색의 분리에 있어서 강인하며 연산 속도가 0.016초로 본 연구에서 제안하는 알고리즘의 sampling time인 0.04초보다 작아 본 시스템에 적용 가능함을 확인하였다.
- 첫 번째 방법은 영상처리 정보만을 통해 풍속을 추정하였고, 두 번째 방법은 영상처리 정보로 추정된 풍선의 위치로부터 칼만 필터를 사용하여 풍속을 추정하였다. 시뮬레이션 결과 영상처리정보만을 사용한 풍속추정은 변속바람에서 큰 오차를 가지고 추정을 수행하지 못하였으나, 칼만 필터를 사용한 풍속추정은 정속바람이나 변속바람 모두 수용 가능한 오차를 가지고 풍속을 추종하였다. 두 가지의 알고리즘을 단위테스트 하였을 때는 Table 3에서 보는 바와 같이 영상처리정보만을 사용한 알고리즘의 오차가 훨씬 적었으나, 영상처리를 포함한 통합 시뮬레이션에서는 오히려 칼만 필터의 풍속 추정 알고리즘이 다양한 환경에서 더 강인함을 확인할 수 있었다.
- 시뮬레이션 결과 영상처리정보만을 사용한 풍속추정은 변속바람에서 큰 오차를 가지고 추정을 수행하지 못하였으나, 칼만 필터를 사용한 풍속추정은 정속바람이나 변속바람 모두 수용 가능한 오차를 가지고 풍속을 추종하였다. 두 가지의 알고리즘을 단위테스트 하였을 때는 Table 3에서 보는 바와 같이 영상처리정보만을 사용한 알고리즘의 오차가 훨씬 적었으나, 영상처리를 포함한 통합 시뮬레이션에서는 오히려 칼만 필터의 풍속 추정 알고리즘이 다양한 환경에서 더 강인함을 확인할 수 있었다. 카메라의 FOV를 변경하여 시뮬레이션을 수행한 결과 FOV가 작아질수록(영상확대) 풍속 추정 결과가 좋았으며, 카메라 수를 증가하여 시뮬레이션을 수행한 결과 카메라 수를 크게 증가하여야만 결과가 나아짐을 확인하였다.
- 두 가지의 알고리즘을 단위테스트 하였을 때는 Table 3에서 보는 바와 같이 영상처리정보만을 사용한 알고리즘의 오차가 훨씬 적었으나, 영상처리를 포함한 통합 시뮬레이션에서는 오히려 칼만 필터의 풍속 추정 알고리즘이 다양한 환경에서 더 강인함을 확인할 수 있었다. 카메라의 FOV를 변경하여 시뮬레이션을 수행한 결과 FOV가 작아질수록(영상확대) 풍속 추정 결과가 좋았으며, 카메라 수를 증가하여 시뮬레이션을 수행한 결과 카메라 수를 크게 증가하여야만 결과가 나아짐을 확인하였다.
- 본 논문에서는 제안한 풍속추정 알고리즘 및 시스템을 통해 풍속 추정이 가능하다는 것을 확인하였다. 향후 제안한 알고리즘을 시뮬레이션이 아닌 실제 환경에서 시험하기 위해 카메라 비동기화 등의 발생 가능한 문제를 고려한 시뮬레이션을 수행하고, 검증된 다양한 바람모델을 넣어 시뮬레이션을 수행해야 한다.
후속연구
- 본 논문에서는 제안한 풍속추정 알고리즘 및 시스템을 통해 풍속 추정이 가능하다는 것을 확인하였다. 향후 제안한 알고리즘을 시뮬레이션이 아닌 실제 환경에서 시험하기 위해 카메라 비동기화 등의 발생 가능한 문제를 고려한 시뮬레이션을 수행하고, 검증된 다양한 바람모델을 넣어 시뮬레이션을 수행해야 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.