본 논문은 자동계류시스템에 활용 가능한 선박의 6자유도 자세 추정을 위한 기법을 다루고 있다. 일반적으로 계류 중인 선박은 바람, 파도, 화물 적·양하로 인한 흘수의 변화, 기조력에 의한 해수면의 높이 변화 등 선박의 운동을 유발하는 다양한 외력이 존재한다. 이 러한 외력은 선박의 자세를 변경시키는데, 선박의 자세가 안정되도록 제어하는 것이 자동계류시스템의 역할이다. 본 논문은 이러한 상황 을 고려하여 대상 선박에 대하여 비접촉식 방법으로 높은 정확도 및 정밀도를 가지는 6-자유도 자세 추정기법을 제안한다. 제안된 방법은 스테레오 비전을 이용하여 2D 텍스쳐 정보와 3D 깊이 정보를 함께 이용한 기법으로, 2D 특징 추출/표현, 3D 필터링, 특징 매칭, 3D 대응쌍 의 가중치 계산, 자세 파라미터 추정 단계로 구성되어 있다. 본 논문에서는 자세 추정 정확도/정밀도를 더욱 개선하기 위해 기하학적 매칭 기법을 통해 두 단계의 특징 선별 및 가중치 산출 전략을 제안한다. 제안된 방법은 각각의 자유도에 대한 변위에 대해 정확도 및 정밀도 분석을 통해 평가된다.

This study focuses on the development of a Last-Mile delivery service using unmanned vehicles to deliver goods directly to the end consumer utilizing drones to perform autonomous delivery missions and an image-based precision landing algorithm for handoff to a robot in an intermediate facility. As the logistics market continues to grow rapidly, parcel volumes increase exponentially each year. However, due to low delivery fees, the workload of delivery personnel is increasing, resulting in a decrease in the quality of delivery services. To address this issue, the research team conducted a study on a Last-Mile delivery service using unmanned vehicles and conducted research on the necessary technologies for drone-based goods transportation in this paper. The flight scenario begins with the drone carrying the goods from a pickup location to the rooftop of a building where the final delivery destination is located. There is a handoff facility on the rooftop of the building, and a marker on the roof must be accurately landed upon. The mission is complete once the goods are delivered and the drone returns to its original location. The research team developed a mission planning algorithm to perform the above scenario automatically and constructed an algorithm to recognize the marker through a camera sensor and achieve a precision landing. The performance of the developed system has been verified through multiple trial operations within ETRI.

본 연구에서는 무인항공기인 드론을 활용한 VDMS(Vision-based Displacement Measurement System)를 통해 동적변위계측 정 확도와 동특성 추정 신뢰성 검증을 위한 동적실험을 실시하였다. 비행하는 드론의 이동 및 회전진동을 보정하기 위해 영상 내부의 변 위가 발생하지 않는 고정점을 활용한 보정밥법을 사용하였으며, 검증을 위해 설치한 범용 센서인 LVDT와 LDS의 변위계측 결과와 비 교하여 그 오차를 시간영역과 진동수영역에서 분석하였다. 3가지 타입의 장비 모두 최대 변위 도달 및 주기 운동 계측에 있어서 대체 적으로 유사한 결과를 나타내었다. LDS 기준의 오차 분석 결과, 드론과 LVDT는 가진 진동수 변화에 의한 오차 값은 미비하나, 최대 발생 변위가 작을수록 오차 값은 증가하였다.

본 연구에서는 드론을 활용한 변위계측에서 드론의 회전진동 보정을 위해 드론 내부의 가속도계를 이용하는 방법 대신에 드 론 영상 내부의 변위가 발생하지 않는 고정점을 활용한 드론의 회전진동 보정방법을 제안하고자 한다. 영상 내부의 고정점을 활용한 드론 회전진동 보정을 위한 예비 연구로서, 카메라를 고정시킨 후 타겟을 회전하여 회전각도를 측정하는 실험과 회전하는 카메라를 통 해 변위가 발생하는 모형구조물의 변위를 계측하는 실험을 통해 카메라의 회전진동이 발생하는 경우 변위 계측정확도를 검증하였다. 변위가 3mm 이하로 발생 시 카메라 진동이 발생하였을 때 계측 신뢰도가 낮은 반면, 변위가 3mm를 초과하여 발생한 경우 비교적 정 확하게 계측되었다.

It is important to ensure worker’s safety from radiation hazard in decommissioning site. Real-time tracking of worker’s location is one of the factors necessary to detect radiation hazard in advance. In this study, the integrated algorithm for worker tracking has been developed to ensure the safety of workers. There are three essential techniques needed to track worker’s location, which are object detection, object tracking, and estimating location (stereo vision). Above all, object detection performance is most important factor in this study because the performance of tracking and estimating location is depended on worker detection level. YOLO (You Only Look Once version 5) model capable of real-time object detection was applied for worker detection. Among the various YOLO models, a model specialized for person detection was considered to maximize performance. This model showed good performance for distinguishing and detecting workers in various occlusion situations that are difficult to detect correctly. Deep SORT (Simple Online and Realtime Tracking) algorithm which uses deep learning technique has been considered for object tracking. Deep SORT is an algorithm that supplements the existing SORT method by utilizing the appearance information based on deep learning. It showed good tracking performance in the various occlusion situations. The last step is to estimate worker’s location (x-y-z coordinates). The stereo vision technique has been considered to estimate location. It predicts xyz location using two images obtained from stereo camera like human eyes. Two images are obtained from stereo camera and these images are rectified based on camera calibration information in the integrated algorithm. And then workers are detected from the two rectified images and the Deep SORT tracks workers based on worker’s position and appearance between previous frames and current frames. Two points of workers having same ID in two rectified images give xzy information by calculating depth estimation of stereo vision. The integrated algorithm developed in this study showed sufficient possibility to track workers in real time. It also showed fast speed to enable real-time application, showing about 0.08 sec per two frames to detect workers on a laptop with high-performance GPU (RTX 3080 laptop version). Therefore, it is expected that this algorithm can be sufficiently used to track workers in real decommissioning site by performing additional parameter optimization.

PURPOSES : This study aims to develop and evaluate computer vision-based algorithms that classify the road roughness index (IRI) of road specimens with known IRIs. The presented study develops and compares classifier-based and deep learning-based models that can effectively determine pavement roughness grades. METHODS : A set road specimen was developed for various IRIs by generating road profiles with matching standard deviations. In addition, five distinct features from road images, including mean, peak-to-peak, standard variation, and mean absolute deviation, were extracted to develop a classifier-based model. From parametric studies, a support vector machine (SVM) was selected. To further demonstrate that the model is more applicable to real-world problems, with a non-integer road grade, a deep-learning model was developed. The algorithm was proposed by modifying the MNIST database, and the model input parameters were determined to achieve higher precision. RESULTS : The results of the proposed algorithms indicated the potential of using computer vision-based models for classifying road surface roughness. When SVM was adopted, near 100% precision was achieved for the training data, and 98% for the test data. Although the model indicated accurate results, the model was classified based on integer IRIs, which is less practical. Alternatively, a deep-learning model, which can be applied to a non-integer road grade, indicated an accuracy of over 85%. CONCLUSIONS : In this study, both the classifier-based, and deep-learning-based models indicated high precision for estimating road surface roughness grades. However, because the proposed algorithm has only been verified against the road model with fixed integers, optimization and verification of the proposed algorithm need to be performed for a real road condition.

본 연구에서는 영상기반 딥러닝 및 이미지 프로세싱 기법을 이용한 볼트풀림 손상검출 기법을 제안하였다. 이를 위해 먼저, 딥러닝 및 이미지 프로세싱 기반 볼트풀림 검출 기법을 설계하였다. 영상기반 볼트풀림 검출 기법은 볼트 이미지 검출 과정 및 볼트풀림 각도 추정 과정으로 구성된다. 볼트 이미지의 검출을 위하여 RCNN기반 딥러닝 알고리즘을 이용하였다. 영상의 원근왜곡 교정을 위해 호모그래피 개념을 이용하였으며 볼트풀림 각도를 추정을 위하여 Hough 변환을 이용하였다. 다음으로 제안된 기법의 성능을 검증을 위하여 거더의 볼트 연결부 모형을 대상으로 볼트풀림 손상검출 실험을 수행하였다. 다양한 원근 왜곡 조건에 대하여 RCNN 기반 볼트 검출기와 Hough 변환 기반 볼트풀림 각도 추정기의 성능을 검토하였다.

본 연구에서는 수집영상의 매 프레임 MPC(mm/pixel coefficient) 업데이팅을 통해 축 방향과 상관없이 왜곡영상에 따른 변위를 보정하는 기법에 관해 다루고자 한다. 영상의 강제적 왜곡을 위해 다양한 촬영 각도를 설정하여 실험을 진행하였으며, 캠코더의 설치 위치를 통해 0°~55°까지 5° 단위로 12가지 촬영 각도를 조정해가며 영상을 수집·분석하였다. 본 실험에 앞서 영상기반 변위계측의 유효성 평가를 위한 예비실험을 수행하였으며, GPS 및 가속도계와 계측결과를 비교해보았을 때, 영상기반 변위계측 시스템은 충분한 유효성을 갖는다고 판단된다. 촬영 각도 별로 수집된 영상을 분석하여 구조물의 최대 진폭 및 추정 진동수를 검출하였으며, 검출결과 비교를 통해 촬영 각도에 의한 영향을 판단하고자 하였다. 또한 계측된 자유 진동으로부터 감쇠비를 추정하여 추가적인 비교를 수행 하였다. 분석 결과 최대 진폭 기준 0.325mm, 오차율 기준 5.72%의 미소한 오차를 나타냈다. 진동수 추정에서도 촬영 각도 50°를 제외 하고 전체적으로 1% 미만의 오차율을 보이며 매우 유사한 추정 결과를 나타냈으며, 촬영 각도가 변화에 따른 감쇠비는 최소 1.025% 에서 최대 1.189%의 추정결과를 보이며 촬영 각도와 상관없이 전체적으로 유사한 감쇠비를 나타냈다.

목적: 시기능훈련 전 실시한 양안시기능평가 결과값이 시기능훈련 효과에 미치는 영향을 알아보고자 하였다. 방법: 부등시 및 시기능훈련을 받은 경험이 없는 20대 성인 남녀 57명을 대상으로 60분씩 총 6번의 시기 능훈련을 진행한 뒤 양안시기능의 변화를 알아보았다. 양앙시기능평가 항목은 시력검사, 폭주근점, 사위도, 융합여력, Gradient AC/A비, 융합용이성, 상대조절력, 조절래그, 조절근점, 조절용이성 검사를 포함하였다. 결과: 훈련 전 원, 근거리 음성융합여력이 작을수록 훈련 후 원, 근거리 음성융합여력이 증가하는 음의 상관관계를 보였다(p<0.05). 원거리 융합여력이 작을수록 훈련 후 원거리 융합여력이 증가하는 음의 상관관 계를 보였다(p<0.05). 훈련 전 근거리 음성융합여력이 작을수록 훈련 후 근거리 음성융합여력이 증가하는 음의 상관관계를 보였으며(p<0.05), 훈련 전 근거리 양성융합여력이 작을수록 훈련 후 근거리 양성융합여력의 변화량이 증가하는 음의 상관관계를 보였다(p<0.05). 또한 근거리 총 융합여력이 작을수록 훈련 후 근거 리 총 융합여력이 증가하는 음의 상관관계를 보였다(p<0.05). 결론: 본 연구를 통해 시기능훈련 후 양안시기능의 변화를 확인하였고, 훈련 전 실시한 양안시기능검사 항목 중 근거리 외사위도가 높을수록 시기능훈련을 통한 변화량이 증가하는 것을 확인하였으며, 융합여력이 작을수록 시기능훈련 효과가 높아지는 것을 확인하였다. 이에 본 연구결과는 양안시기능평가 결과값에 따른 시기능훈련 효과의 기초자료가 될 것으로 사료된다.

진동대를 통한 백색잡음 가진 실험과 모드별 고유진동수의 Sine wave 가진 후 자유진동 실험을 통해 다자유도 구조물의 영상기반 동특성 추정을 수행하고자 하였다. 실제 현장에 적용하기에 앞서, 15 케이스의 모형 구조물을 통한 동특성 식별을 통해 영상 기반 계측 시스템의 적용성을 검증하였다. 캠코더를 통한 계측 및 동특성 추정 결과는 LDS(Laser Displacement Sensor) 및 가속도계 를 통한 결과와 비교하여 유효성을 판단하고자 하였다. 시간 및 진동수 영역에서의 동적계측 결과, 모든 센서를 통한 계측 결과가 높은 유사성을 나타냈다. 또한 캠코더 계측 데이터를 활용한 동특성 추정 결과는 LDS 및 가속도계 계측 데이터를 통한 추정 결과와 전 체적으로 유사하게 나타나므로, 영상기반 계측을 통한 구조물 동특성 추정은 유효성이 있다고 판단된다.

본 연구에서는 보다 넓은 범위에서 영상기반 변위계측 시스템의 동특성 추정 신뢰성을 확보하기 위해 Shaking Table을 이용해 넓은 대역의 진동수와 진동수별 다양한 진폭에 대한 Sine Wave 동적실험을 실시하였다. 영상기반 변위계측을 위해 DDVS(Dynamic Displacement Vision System) 기법을 활용하였으며, DDVS 기법을 통해 구한 동적변위는 기존의 접촉·비접촉식 센서인 LVDT(Wire Type, Pole Type)과 LDS의 변위계측 결과와 비교하여 그 오차를 분석하였다. 구해진 동적변위를 FFT하여 진동수 영역에서의 정확도 비교도 함께 수행하였다. 4가지 타입의 계측센서 모두 동적변위계측 결과 최대 변위 도달 및 주기 운동 계측에 있어 대체적으로 유사한 결과를 나타냈으며, 특히 영상기반의 DDVS 기법과 LDS를 통한 계측 결과는 높은 상호 일치성을 보였다. LDS와의 비교를 통한 오차분석 결과, DDVS 기법에 의한 동적변위 계측의 정확도는 계측 대상의 진동수에 영향을 받는다고 판단되었다. 동일 가진 진동수 내에서 가해준 변위 변화에 의한 오차는 미미하였으나, 동일 발생 변위에서는 가진 진동수가 커질수록 오차 값이 증가하였다. 기존 센서인 LVDT 경우, 발생 변위가 작을 때 상대적으로 큰 오차를 나타냈으며, 이를 통해 진동계측과 같은 작은 동적변위의 계측에 한계가 존재한다고 판단된다.

The purpose of this study is to design and develop integrated game system for experiential walking exercise. Existing walking exercise is performed outside, so it is influenced by external weather, temperature, time, place and other situation information. Therefore, it is necessary to have an experiential walking exercise game that can induce the recommended level of physical activity for the elderly who have a low interest in health care. The experiential exercise game requires a vision - based system to recognize motion and a smart mat that can recognize walking information. We also developed a walking exercise program to improve the sense of balance and cognitive ability of elderly people. There are 4 types of Walking Exercise Games: 5 levels for beginner, intermediate, and advanced difficulty levels.

본 연구에서는 마커없이 구조물의 변위를 측정할 수 있는 영상기반 변위계측 시스템(NVDMS)을 제안한다. 기존의 방식과 제안하는 NVDMS는 크게 두 가지의 차이점이 있다. 첫째, NVDMS는 마커를 사용하지 않고 구조물의 특징점의 픽셀좌표 변화를 추출한다. 둘째, 특징점의 픽셀좌표를 물리좌표로 변환하는 scaling factor는 기존 방식에선 마커의 크기로부터 계산되는 반면, NVDMS에서는 카메라와 구조물사이의 거리, 각도, 초점거리로 계산된다. 3층 축소모형의 자유진동 실험에서 제안한 NVDMS로부터 얻은 변위데이터의 신뢰도를 분석하기 위해 LDS로부터 얻은 변위데이터의 비교를 하였으며, 얻어진 변위데이터를 이용하여 동특성을 분석하였다. 분석결과 NVDMS는 마커없이 구조물의 동적변위를 정밀하게 측정가능할 뿐만 아니라 얻어진 변위데이터로부터 추출한 동특성의 신뢰도 또한 높았다.

본 연구에서는 마커없이 구조물의 변위를 측정할 수 있는 영상기반 변위계측 시스템(NVDMS)을 제안한다. 기존의 방식 과 제안하는 NVDMS는 크게 두 가지의 차이점이 있다. 첫째, NVDMS는 마커를 사용하지 않고 구조물의 특징점의 픽셀좌 표 변화를 추출한다. 둘째, 특징점의 픽셀좌표를 물리좌표로 변환하는 scaling factor는 기존 방식에선 마커의 크기로부터 계 산되는 반면, NVDMS에서는 카메라와 구조물사이의 거리, 각도, 초점거리로 계산된다. 3층 축소모형의 자유진동 실험에서 제안한 NVDMS로부터 얻은 변위데이터의 신뢰도를 분석하기 위해 LDS로부터 얻은 변위데이터의 비교를 하였으며, 얻어진 변위데이터를 이용하여 동특성을 분석하였다. 분석결과 NVDMS는 마커없이 구조물의 동적변위를 정밀하게 측정가능할 뿐 만 아니라 얻어진 변위데이터로부터 추출한 동특성의 신뢰도 또한 높았다.

본 논문에서는 적외선 카메라가 실시간 영상을 입력받아 사용자의 주시선을 추적하고 이를 인터페이스로 사용하는 방법을 제안하였다. 기술 검증을 위해 사용자의 의도적인 주시선 움직임에 따른 주시선 추적 시스템의 정확도와 반응속도에 대한 실험을 하였으며, 실험결과 평균 93%정도의 움직임 인식률을 보였고, 격렬한 움직임의 경우 84% 정도의 정확도를 보여주었으며, 이를 통하여 시스템의 신뢰성을 확인 할 수 있었다. 이와 같은 영상기반 주시선 사용자 인터페이스는 교육용 소프트웨어 개발이나 스포츠, 액션 등의 활동성 있는 게임의 개발에 적합하며, 이외에 3차원으로 구현된 문화원형 박물관, 모델하우스, 시뮬레이션 프로그램(군사훈련, 조종, 외과수술 등), 엔터테인먼트 등 다양한 분야에서 3D 입체영상 콘텐츠를 편리하게 이용 가능할 수 있도록 만들어 준다.

The camera movement can cause considerable error in the computer vision-based displacement measurement because the camera is generally placed far from the region of interest. The camera movement, which is difficult to avoid particularly in the long-term measurement, hinders real-world applications of the computer vision-based displacement method. This research proposes a practical means of long-term displacement measurement by using a novel camera system. In addition to the conventional camera-based measurement, an auxiliary camera is used to compensate the camera motion-induced error. Experimental validation is conducted in the laboratory environment.