$\require{mediawiki-texvc}$

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.

재난재해 분야 드론 자료 활용을 위한 준 실시간 드론 영상 전처리 시스템 구축에 관한 연구
A Study on the Construction of Near-Real Time Drone Image Preprocessing System to use Drone Data in Disaster Monitoring 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.18 no.3, 2018년, pp.143 - 149  

주영도 (강남대학교 컴퓨터미디어정보공학부)

초록
AI-Helper 아이콘AI-Helper

최근 전 지구적인 기후변화에 따른 자연재해 피해의 대규모화로 인하여 재해 모니터링과 방재 등 재난재해 분야에서 원격탐사 기술을 적용한 시스템이 구축되고 있다. 다양한 원격탐사 플랫폼 중 드론은 기술의 확산 발전으로 민간분야에서도 활발하게 활용되고 있으며, 적시성, 경제성 등의 장점으로 재난재해 분야에서의 적용이 증대되고 있다. 본 논문은 이러한 드론 기반의 재난재해 모니터링 시스템 구축의 요소 기술인, 준 실시간으로 드론 영상자료를 매핑할 수 있는 전처리 시스템 개발에 관한 것이다. 연구를 위해 컴퓨터 비전 기술SURF 알고리즘을 기반으로 레퍼런스 영상과 촬영 영상 간 특징점 매칭을 통해 보정하는 시스템을 구축하였다. 연구 대상 지역은 가화강 하류 지역과 대청댐 유역으로 선정하였으며, 두 지역은 매칭을 위한 특징점이 많고 적음의 차이가 뚜렷하여 다양한 환경에서 시스템 적용 가능성을 위한 실험에 적합하다. 연구결과 두 지역의 기하보정 정확도가 0.6m와 1.7m로 각각 나타났으며 처리시간 또한 1장당 30초 내외로 나타났다. 이는 적시성을 요하는 재난재해 분야에서 본 연구의 적용 가능성이 높음을 시사한다. 그러나 레퍼런스 영상이 없거나 정확도가 낮은 경우는 보정 결과가 떨어지는 한계점이 있다.

Abstract AI-Helper 아이콘AI-Helper

Recently, due to the large-scale damage of natural disasters caused by global climate change, a monitoring system applying remote sensing technology is being constructed in disaster areas. Among remote sensing platforms, the drone has been actively used in the private sector due to recent technologi...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 따라서 본 논문은 재난재해 분야에 적용하기 위한 준 실시간의 드론영상 전처리 방법에 관한 수행된 연구를 다룬다. 본 연구를 통해 구성한 드론 영상 전처리 방법은 드론에서 관측하는 영상을 실시간으로 수신하여 빠르게 실제 지리정보를 입력하며, 드론 영상 1장 당 30초 이내의 처리시간을 목표로 한다.
  • 본 논문은 스마트아이 시스템에 적용하여 개발 중인 전처리 시스템의 기하보정 기법에 대해 연구하였다. 그러나 본 연구에서 사용한 기하보정 방법은 높은 정확도의 레퍼런스 영상이 필수적으로 필요한 방법이다.
  • 따라서 본 논문은 재난재해 분야에 적용하기 위한 준 실시간의 드론영상 전처리 방법에 관한 수행된 연구를 다룬다. 본 연구를 통해 구성한 드론 영상 전처리 방법은 드론에서 관측하는 영상을 실시간으로 수신하여 빠르게 실제 지리정보를 입력하며, 드론 영상 1장 당 30초 이내의 처리시간을 목표로 한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
SIFT 알고리즘이란 무엇인가? SIFT 알고리즘은 2004년에 David Lowe 에 의해 처음 제안되었으며, 영상 회전, 스케일 변화, 유사성을 가진 변형(Affine Deformation), 관점 변화(Viewpoint Change), 잡음(Noise), 조명 변화(Illumination Change)에 매우 높은 강인성을 보여주는 특징 추출 알고리즘이다[7]. SIFT는 크게 4단계를 거쳐 수행되며, 단계별 주요 기능은 (1) 스케일 공간 극값 검출(Scale Space Extrema Detection), (2) 주요 점 지역화(Key Point Localization), (3) 방향성 배치(Orientation Assignment)와 (4) 기술 내용 생성(Description Generation)이다.
SURF (Speeded Up Robust Features) 알고리즘의 특징은 무엇인가? SURF (Speeded Up Robust Features) 알고리즘은 다중 스케일 공간 정리(Multi-Scale Space Theory)에 기초하며, 특징 기술자는 성능과 정확성에서 우수한 헤시안 행렬(Hessian Matrix)을 기반으로 검출된다[8].
SIFT 알고리즘의 단점은? SIFT 알고리즘은 1988년 해리스 코너 검출 방법 이후 개발된 특징점 검출 알고리즘으로 영상 간 크기 및 회전 등과 같은 변화에도 높은 성능의 특징점 검출 결과를 보여주는 알고리즘이다. 그러나 연산의 복잡성으로 인해 계산속도가 상대적으로 느린 경향이 있었다. SURF는 이러한 SIFT의 단점을 보완할 목적으로 개발된 알고리즘으로 SIFT 못지않은 성능을 유지하며 계산속도를 향상시켰다.
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. IPCC 5th Assessment Report, Intergovernment Panel on Climate Change, 2013. DOI: https://doi.org/10.1071/ec13228 

  2. 2017 Disaster Safety Statistical Yearbook, Ministry of the Interior and Safety, 2017. 

  3. S. Chae and S. Hong, "The Opportunity and Risk Analysis of Commercial Drones", Proceedings of Summer Conference of the Korean Institute of Communication and Information Science, pp. 736-737, 2015. 

  4. M. Kim and H. Yoon, "A Study on Utilization 3D Shape Pointcloud without GCPs using UAV Images", Journal of the Korea Academia-Industrial cooperation Society(JKAIS), Vol. 19, No. 2, pp. 97-104, 2018. DOI: https://doi.org/10.5762/KAIS.2018.19.2.97 

  5. S. Lim, "Use of Drone in Disaster Safety Field" Science and Technology Policy, Vol. 203, pp. 16-19, 2015. 

  6. Y. Joo, "Drone Image Classification based on Convolutional Neural Networks", The Journal of The Institute of Internet, Broadcasting and Communication (JIIBC), Vol. 17, No. 5, pp. 97-102, 2017. DOI: https://doi.org/10.7236/JIIBC.2017.17.5.97 

  7. David G. Lowe, "Distinctive Image Features from Scale-Invariant Keypoints" International Journal of Computer Vision, Vol. 60, No. 2, pp. 91-110, 2004. DOI: https://doi.org/10.1023/B:VISI.0000029664.99615.94 

  8. Herbert Bay, Tinne Tuytelaars and Luc Van Gool, "SURF: Speeded Up Robust Features" Computer Vision and Image Understanding, Vol. 110, No. 3, pp. 346-359, 2008. DOI: https://doi.org/10.1016/j.cviu.2007.09.014 

  9. J. Ryu, S. Lee and Y. Jeong, "FPGA Design of the SURF Algorithm based Feature Point Extractor", Journal of Korea Multimedia Society, Vol. 14, No. 3, pp. 368-377, 2011. DOI: https://doi.org/10.9717/kmms.2011.14.3.368 

  10. Y. Lee, J. Park and Y. Kim, "A Comparative Analysis of the Performance of SIFT and SURF", The Journal of the Korean Society of Semiconductor and Display Technology, Vol. 12, No. 3, pp. 59-64, 2013. 

  11. J. Kim and D. Kim, "Matching Points Filtering Applied Panorama Image Processing Using SURF and RANSAC Algorithm", Journal of the Institute of Electronics and Information Engineers, Vol. 51, No. 4, pp. 144-159, 2014. DOI: https://doi.org/10.5573/ieie.2014.51.4.144 

  12. S. Seo, S. Jeong, Y. Han, J. Choi and S. Lee, "Efficient Homography Estimation for Panoramic Image Generation", Journal of the Institute of Electronics and Information Engineers, Vol. 50, No. 8, pp. 214-224, 2013. DOI: https://doi.org/10.5573/ieek.2013.50.8.215 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

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