[논문]드론 안전비행맵 구축 및 비행경로 탐색 알고리즘 연구

홍기호; 원진희; 박상현

doi:10.9717/kmms.2021.24.11.1538

드론 안전비행맵 구축 및 비행경로 탐색 알고리즘 연구
A Study on the Construction of a Drone Safety Flight Map and The Flight Path Search Algorithm 원문보기

멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.24 no.11, 2021년, pp.1538 - 1551

홍기호 (R&D Center, D2Innovation Co., LTD) , 원진희 (R&D Center, D2Innovation Co., LTD) , 박상현 (R&D Center, D2Innovation Co., LTD)

Abstract ▼ AI-Helper

The current drone flight plan creation creates a flight path point of two-dimensional coordinates on the map and sets an arbitrary altitude value considering the altitude of the terrain and the possible flight altitude. If the created flight path is a simple terrain such as a mountain or field, or if the user is familiar with the terrain, setting the flight altitude will not be difficult. However, for drone flight in a city where buildings are dense, a safer and more precise flight path generation method is needed. In this study, using high-precision spatial information, we construct a drone safety flight map with a 3D grid map structure and propose a flight path search algorithm based on it. The safety of the flight path is checked through the virtual drone flight simulation extracted by searching for the flight path based on the 3D grid map created by setting weights on the properties of obstacles and terrain such as buildings.

주제어

표/그림 (21)

그림 Fig. 1. 3D grid-based drone map, (a) Conceptual diagram and (b) Field of application.
그림 Fig. 2. Procedure of constructing drone safety flight map.
그림 Fig. 3. Source spatial information, (a) DSM and (b) land cover map.
표 Table 1. Source spatial information.
그림 Fig. 4. Examples of 3D grid map, (a) using a geographic coordinate system and (b) using an orthogonal coordinate system.
그림 Fig. 5. Example of coordinate transform, (a) Convert coordinate system and (b) The result of coordinate transform.
그림 Fig. 6. The structure of the flat grid map.
표 Table. 2. Classification according to the size of the drone.
표 Table 3. Example of classifying the land cover map and setting weights.
그림 Fig. 7. Octree-based 3D grid map structure.
그림 Fig. 8. Example of setting weights by height, (a) Weight value and (b) Example image.
그림 Fig. 9. Example of weights based on terrain property. (a) grid map on the land cover map and (b) The total weight of the terrain property.
그림 Fig. 10. Octree sub-node index structure, (a) Split nodes and (b) Index number.
그림 Fig. 11. 3D grid map creation and storage structure, (a) Creating a grid map, (b) Map data storage structure by index, and (c) Index file.
그림 Fig. 12. A method of searching for adjacent nodes in an Octree-based 3D grid map.
그림 Fig. 13. Example of node search by flight path in Octree-based 3D grid map.
그림 Fig. 14. Drone Safety Flight Map-based Flight Path Search Algorithm, (a) Example of A* Algorithm Implementation and (b) Example of flight route search results (Google Earth).
그림 Fig. 15. DSFM construction test area, (a) Yeouido 2 km×2 km area, (b) Land cover map data, and (c) DSM data.
그림 Fig. 16. DSFM generation results, (a) Map data size(MB) and (b) Map data generation time in seconds.
그림 Fig. 17. DSFM map data 3D image display. (a) Example of grid size (32 m) and (b) Example of grid size (64 m).
표 Table 4. Test results according to grid size change.

AI 본문요약
AI-Helper

문제 정의

최근 근접 항공영상 및 측량 장비의 발달로 고정밀 공간 정보의 생산과 함께 공공기관을 통한 배포와 활용 기술이 연구되고 있다. 본 논문에서는 옥 트리 기반 공간 분할 기법을 적용하여 공간정보로부터 추출한 드론의 안전 비행 가중치를 기반으로 하는 3차원 입체 격자 맵 구축과 비행경로 탐색 기술을 연구하였다. 기존 사용자는 가시권내 육안으로 지형의 특성과 고도를 식별하여 2차원의 비행경로 점의 좌표에 높이 값을 직접 설정하여 비행계획을 수립하였다.

제안 방법

15에서와 같이 가로 세로 2 km 범위의 여의도 지역의 토지 피복 도와 DSM 데이터를 사용하였다. 3차원 입체 격자 맵의 크기는 본 논문에서 제시했던 32 m외에 64 m 격자 크기에 대하여 최소 격자 크기를 1 m, 2 m, 4 m, 8 m로 변화를 주어 생성되는 맵 데이터의 용량과 생성에 소요되는 시간을 측정하였다(Table 4). 최상의 격자 크기에 따라서 맵 데이터의 용량과 생성 시간은 큰 차이가 없으나 맵 데이터 파일 및 폴더 개수는 64 m 격자 크기에서 12.
3차원 입체 격자 맵 구축과 개념적으로 유사한 방안이 연구 되었지만, 구체적인 구축 방안이 공개되지 않았으며 기존 연구에서의 목적에 맞는 공간정보를 활용함으로써 직접적인 비교 검증이 어렵다. 따라서 본 논문에서 제시하는 드론 안전비행맵 구축 방안으로 구현된 소프트웨어를 통하여 3차원 입체 격자 맵 구축 및 비행경로 탐색 알고리즘의 적합성을 정량적, 시각적 평가로 검증하였다. 검증 방법은 Fig.
7). 본 논문에서 드론안전 비행 맵 생성 시 3차원 입체 격자 맵의 공간 분할 구조를 위해서 옥트리를 사용한다.
본 논문에서는 3차원 입체 격자 맵의 옥트리 기반의 드론 안전 비행 맵의 구축을 통한 드론의 안전한 비행 경로 탐색이 가능하도록 소프트웨어를 다음과 같은 방안으로 구현하여 고정밀 공간 정보를 활용한드론 안전 비행 맵을 구축하였다.
본 논문에서는 건물과 같은 인공 지물의 높이 값이 포함된 DSM을 사용하여, 별도의 건물 지역이나, 산악 지역의 높이 값 보정이 필요하지 않은 DSM 지형 고도에 토지피복도의 연속적인 지형의 속성정보를 이용하여 드론 안전 비행 맵을 Fig. 2와 같은 절차에 의해서 구축한다.
본 논문에서는 공공기관에서 배포된 DSM과 토지 피복 도를 이용하여 옥트리 기반 드론 안전비행 맵 생성 구축 절차를 다음과 같이 구현하였다. DSM과토지피복도는 UTM52N 좌표계로 변환하여 각각 레이어로 추가하여 중첩하였으며, 중첩된 공간 정보에서 일부 지역을 지정하여 최대 격자 크기와 최소 격자 크기를 설정하여 3차원 입체 격자 맵 데이터 파일을 생성하였다.
본 논문에서는 국토교통부에서 추진하는 드론 길기 술 개발 개념과 유사한 공간 정보 기반의 3차원 격자 맵을 생성하여 드론의 안전 비행을 위한 드론 전용 맵의 구축 기술을 개발한다. 또한, 개발된 드론 전용 맵을 기반으로 하는 비행경로 탐색 알고리즘을 개발한다.
본 논문에서는 드론의 안전 비행을 위한 드론 안전비행 맵을 고정밀 공간 정보를 활용하여 옥트리 기반의 3차원 입체 격자 맵을 형태로 생성하였다(Fig. 17).
출발점과 도착점이 정해졌을 때, 고정밀 지도상에서 가장 가까운 노드를 찾기 위해서는 수많은 노드를 탐색해야 한다. 본 논문에서는 이러한 불필요한 탐색을 줄이기 위해 옥 트리 기반의 3차원 입체 격자 맵을 생성하고, 이를 이용한 비행경로 탐색 알고리즘을 개발한다.
직각좌표계를 사용할 경우 모든 격자의 크기가 동일한 장점을 가진다. 안전 비행 규정에 따라서 지표면으로부터 150 m 이내 저고도 비행과 비교적 비행 가능 영역이 작아서, 본 논문에서는 직각 좌표계인 UTM 좌표계를 사용하여 3차원 입체 격자 맵의 공간을 분할한다.

대상 데이터

검증 방법은 Fig. 15에서와 같이 가로 세로 2 km 범위의 여의도 지역의 토지 피복 도와 DSM 데이터를 사용하였다. 3차원 입체 격자 맵의 크기는 본 논문에서 제시했던 32 m외에 64 m 격자 크기에 대하여 최소 격자 크기를 1 m, 2 m, 4 m, 8 m로 변화를 주어 생성되는 맵 데이터의 용량과 생성에 소요되는 시간을 측정하였다(Table 4).
3). DSM의 해상도는 5 m이며, 토지 피복 도는 1:5000 축척의 자료를 사용하였으며, 공간 정보자료의 해상도, 파일 형식 및 좌표계 특성은 Table 1과 같다.
드론 안전 비행 맵 구축을 위해서 국토지리 정보원이 제공하는 DSM과 환경부의 토지피복도를 사용한다(Fig. 3).

이론/모형

격자 맵 및 그래프 상의 경로 탐색을 위하여 Dijk- stra나 A* 알고리즘이 연구되어 왔다. 본 논문에서는 드론 비행 안전성에 가중치를 부여한 옥트리 기반 3차원 입체 격자 맵을 대상으로 비행경로 탐색을 위해서 A* 알고리즘을 적용하였다. 드론의 비행경로는 비행 안전성이 높은 최단거리 경로를 설정한다.

성능/효과

17). 또한 드론 안전비행맵을 기반으로 하는 비행경로 탐색을 위한 A* 알고리즘을 구현하여 건물과 같은 장애물과 지형 속성에 따른 비행 안정 가중치를 고려한 효과적인 비행경로 탐색이 가능함을 확인하였다. 향후 드론의 자율비행 연구에 의해 가시권 밖의 비행 드론이 도입되고, 도심에서도 드론을 활용한 서비스가 활성화될 수 있도록 보다 정밀하고 안정적인 드론 전용의 비행 맵 연구가 진행되어야 한다.
맵 데이터 파일 개수의 감소는 향후 드론 안전비행 맵의 데이터 관리 및 비행경로 탐색 서비스 운영에서도 장점을 가질 수 있음으로 최대 격자 크기와 함께 최소 격자 크기도 함께 고려되어야 한다. 본 실험에서는 최소격자 크기의 증가에 따라서 맵 데이터의 용량과 생성 소요시간은 비례하여 감소됨을 확인하였다(Fig. 16).
3차원 입체 격자 맵의 크기는 본 논문에서 제시했던 32 m외에 64 m 격자 크기에 대하여 최소 격자 크기를 1 m, 2 m, 4 m, 8 m로 변화를 주어 생성되는 맵 데이터의 용량과 생성에 소요되는 시간을 측정하였다(Table 4). 최상의 격자 크기에 따라서 맵 데이터의 용량과 생성 시간은 큰 차이가 없으나 맵 데이터 파일 및 폴더 개수는 64 m 격자 크기에서 12.5%, 20%로 감소됨을 알 수 있다. 맵 데이터 파일 개수의 감소는 향후 드론 안전비행 맵의 데이터 관리 및 비행경로 탐색 서비스 운영에서도 장점을 가질 수 있음으로 최대 격자 크기와 함께 최소 격자 크기도 함께 고려되어야 한다.

후속연구

3차원 입체 격자 맵 구축과 개념적으로 유사한 방안이 연구 되었지만, 구체적인 구축 방안이 공개되지 않았으며 기존 연구에서의 목적에 맞는 공간정보를 활용함으로써 직접적인 비교 검증이 어렵다. 따라서 본 논문에서 제시하는 드론 안전비행맵 구축 방안으로 구현된 소프트웨어를 통하여 3차원 입체 격자 맵 구축 및 비행경로 탐색 알고리즘의 적합성을 정량적, 시각적 평가로 검증하였다.
기존 사용자는 가시권내 육안으로 지형의 특성과 고도를 식별하여 2차원의 비행경로 점의 좌표에 높이 값을 직접 설정하여 비행계획을 수립하였다. 3차원 입체 격자맵 형태의 드론 안전비행맵을 이용한 비행경로 탐색 알고리즘에 대한 연구는 향후 드론의 자율 비행을 위한 기본 비행 계획 경로 추출에 활용될 수 있다.
5%, 20%로 감소됨을 알 수 있다. 맵 데이터 파일 개수의 감소는 향후 드론 안전비행 맵의 데이터 관리 및 비행경로 탐색 서비스 운영에서도 장점을 가질 수 있음으로 최대 격자 크기와 함께 최소 격자 크기도 함께 고려되어야 한다. 본 실험에서는 최소격자 크기의 증가에 따라서 맵 데이터의 용량과 생성 소요시간은 비례하여 감소됨을 확인하였다(Fig.
또한 드론 안전비행맵을 기반으로 하는 비행경로 탐색을 위한 A* 알고리즘을 구현하여 건물과 같은 장애물과 지형 속성에 따른 비행 안정 가중치를 고려한 효과적인 비행경로 탐색이 가능함을 확인하였다. 향후 드론의 자율비행 연구에 의해 가시권 밖의 비행 드론이 도입되고, 도심에서도 드론을 활용한 서비스가 활성화될 수 있도록 보다 정밀하고 안정적인 드론 전용의 비행 맵 연구가 진행되어야 한다.

참고문헌 (15)

Y.U. Lee, "Development of Unmanned Aircraft in the Fourth Industrial Revolution," Convert-Gence Security Journal, Vol. 18, No. 5, pp. 3-10, 2018.
Ministry of Land, Infrastructure and Transport, http://molit.go.kr/USR/NEWS/m_71/dtl.jsp?id95077786 (accessed October, 13, 2021).
V-World, https://map.vworld.kr/map/ws3dmap.do (accessed October, 13, 2021).
J.W. Woo, J.Y. Park, S.T. Kim, J.K. Lee, and S.H. Ryu, "Drone Operation Scheme for Patrolling & Inspecting Power Transmission Lines and on Public Drone Road Construction," KEPCO Journal on Electric Power and Energy, Vol. 6, No. 3, pp. 271-278, 2020.
E.W. Dijkstra, "A Note on Two Problems in Connexion with Graphs". Numerische Mathematik Vol. 1, pp. 269-271, 1959.

상세보기
P.E. Hart, N.J. Nilsson, and B. Raphael, "A Formal Basis for the Heuristic Determination of Minimum Cost Paths," IEEE Transactions on Systems Science and Cybernetics, Vol. 4, Issue 2, pp. 100-107, 1968.

상세보기
S.M. LaValle, Rapidly-Exploring Random Trees: A New Tool for Path Planning, Comput. Sci. Dept., Iowa State Univ., Ames, IA, TR98-11, Technical Report, 1998.
Nokia HERE, Inside the Nokia HERE HDmaps putting Google on notice, http://www.slashgear.com/inside-the-nokia-here-hd-mapsputting-google-on-notice-18325742/ (accessed October, 13, 2021).
H.T. Oh and T.H. Park, "HD-Map and Tile Map based Global Path Planning for Autonomous Driving," Proceeding of the Fall Conference Institute of Control, Robotics and Systems, pp. 204-205, 2020.
S.H. Park, G.H. Hong, J.H. Won, and Y.S. Heo, "A Study on Terrain Construction of Unmanned Aerial Vehicle Simulator Based on Spatial Information," Journal of Korea Multimedia Society, Vol. 22, No. 9, pp. 1122-1131, 2019.

원문보기 상세보기
National Spatial Data Information portal, Digital Topographic Map V2.0(1:5000), http://data.nsdi.go.kr/dataset/20190710ds00004 (accessed October, 13, 2021).
Environmental Geographic Information Service, http://egis.me.go.kr/map/map.do?typeland (accessed October, 13, 2021).
Y.S. Choi, G.S. Kim, and H.G. Park, "Establishment of the Plane Coordinate System for Framework Data(UTM-K) in Korea," Journal of the Korean Society of Surveying, Vol. 2, No. 4, pp. 313-321, 2004.
PROJ, https:/proj.org/ (accessed October, 13, 2021).
Unmanned Aircraft System Center, http://www.uavcenter.com/expo2/wizard/frames/server_sub.html?home_iduavcenter&menu_seq8&menu_seq_open&tic1633507897&siteIduavcenter&SITE_IDuavcenter& boardId&BOARD_ID (accessed October, 13, 2021).

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증