KR101676365B1 - 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치 및 방법 - Google Patents

이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치 및 방법 Download PDF

Info

Publication number
KR101676365B1
KR101676365B1 KR1020150049515A KR20150049515A KR101676365B1 KR 101676365 B1 KR101676365 B1 KR 101676365B1 KR 1020150049515 A KR1020150049515 A KR 1020150049515A KR 20150049515 A KR20150049515 A KR 20150049515A KR 101676365 B1 KR101676365 B1 KR 101676365B1
Authority
KR
South Korea
Prior art keywords
data
cost
classification
unit
total
Prior art date
Application number
KR1020150049515A
Other languages
English (en)
Other versions
KR20160120468A (ko
Inventor
장혜민
추증호
이호주
장원범
Original Assignee
국방과학연구소
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 국방과학연구소 filed Critical 국방과학연구소
Priority to KR1020150049515A priority Critical patent/KR101676365B1/ko
Publication of KR20160120468A publication Critical patent/KR20160120468A/ko
Application granted granted Critical
Publication of KR101676365B1 publication Critical patent/KR101676365B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/002—Manipulators for defensive or military tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J5/00—Manipulators mounted on wheels or on carriages

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Instructional Devices (AREA)
  • Navigation (AREA)

Abstract

본 발명은 무인전투체계의 경로 계획 관련 기술에 관한 것으로서, 더 상세하게는 전역경로계획을 위한 가동성 분석과 관련하여 이종의 지형정보 데이터를 융합하여 활용하는 가동맵 생성 장치 및 방법에 대한 것이다.

Description

이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치 및 방법{Apparatus and Method for generating trafficability analysis map using common category classification scheme between heterogeneous terrain information}
본 발명은 무인전투체계의 경로 계획 관련 기술에 관한 것으로서, 더 상세하게는 전역경로계획을 위한 가동성 분석과 관련하여 이종의 지형정보 데이터를 융합하여 활용하는 가동맵 생성 장치 및 방법에 대한 것이다.
미래 전투체계는 일반적인 유인 전투 체계와 더불어 무인로봇에 의한 무인 전투 체계가 인명손실을 최소화하면서도 군의 전투력을 극대화시킬 것으로 예견되고 있다.
전장환경 속에서 목적지로 이동시 필요한 경로계획 관련 기술은 무인체계의 핵심기술 중 하나로서 활발한 연구가 진행되고 있다. 경로계획은 크게 전역경로계획과 지역경로계획으로 나뉜다. 특히, 전역경로계획은 각종 지형정보와 임무관련 상황정보, 기타 축적된 데이터 등을 활용하여 넓은 작전지역에 대한 경로를 생성한다.
지역경로계획은 전역경로계획의 결과로 생성된 전역 경로점을 기반으로 하여, 로봇 차량에 장착된 센서의 실시간 입력정보를 활용하여 임무수행 중 단위로봇의 주행 안정성과 이동 장애물의 회피를 고려하여 실시간 경로를 생성한다.
전역 경로계획은 지휘통제차량에서 지휘관의 주도하에 이루어지며, 이를 위해 작전지역에 대한 사전분석이 필요하다. 대표적인 사전분석 방법의 종류로는 가동성 분석, 통신 가시선 분석, 위협도 분석 등이 있다. 이 중 가동성 분석은 보유지형정보에 기반하여 로봇의 주행가능성을 분석하는 것이다.
보유 데이터에 대한 의존도가 높기 때문에 보유 데이터 자체의 신뢰성과 정확도에 큰 영향을 미친다. 다양한 데이터를 활용할 경우, 하나의 원천 데이터에 의존할 경우에 비해, 각 데이터군의 누락 및 오류에 대한 보완을 통해 작전지역 가동맵의 정확성 및 신뢰성을 향상시킬 수 있다는 이점이 있다.
하지만, 다양한 데이터를 통합 활용할 경우 각 지형 정보별 데이터 특성 차이에 따른 데이터 불일치와 분류체계의 상이함으로 인해 다소 어려움이 있다. FDB(Feature DataBase)와 토지 피복도를 활용하는 경우를 예로 들면, FDB의 경우 터널정보와 군사지역에 대한 데이터가 잘 구축되어 있다. 또한, 속성을 활용하여 상세화된 구분이 가능한 장점이 있고, 도로, 논, 밭과 같은 야지 영역에 대해서는 경계가 불명확하고 미구축 영역을 상당히 포함하고 있다.
토지 피복도의 경우 도로, 논, 밭과 같은 야지 영역에 대한 경계가 명확하고 공백없는 데이터를 제공한다는 장점이 있다. 반면에 데이터 특성상 터널 정보나 인공 구조물 정보를 포함하지 않으며 민간 데이터임에 따라 군사지역 정보가 미구축되어 있다는 단점이 있다.
이러한 데이터별 특성을 배제하고 모든 데이터에 걸쳐 일괄적으로 Mean, Product 등과 같은 연산을 적용할 경우 한쪽에서만 제공되는 지형정보의 신뢰도를 감소시킬 우려가 있다. 또한, 중복 제공되는 유사 데이터의 신뢰도가 증폭되어 가동성 비용수치가 왜곡될 우려가 있다.
1. 한국공개특허번호 제10-2009-0089713호
1. 이호주외, "디지털지형정보 기반의 실시간 자율주행 격자지도 생성 연구"한국군사과학기술학회지 제14권 제4호 통권 제53호 (2011년 8월) pp.539-547.
본 발명은 위 배경기술에서 제시된 문제점을 해소하기 위해 제안된 것으로서, 지형 정보별 데이터 특성 차이에 의한 불일치 문제와 상이한 분류체계로 인한 문제를 극복하고, 다양한 지형정보체계를 효과적으로 활용하기 위한 가동맵 생성 장치 및 방법을 제공하는데 그 목적이 있다.
특히, 본 발명은 구성된 공통분류체계를 기반으로 이종 분류체계로부터 추출된 주행관련 비용을 융합하는 가동맵 생성 장치 및 방법을 제공하는데 다른 목적이 있다.
또한, 본 발명은 토지 피복도와 FDB(Feature DataBase)를 융합한 가동맵 생성 장치 및 방법을 제공하는데 또 다른 목적이 있다.
본 발명은 위에서 제시된 과제를 달성하기 위해, 지형 정보별 데이터 특성 차이에 의한 불일치 문제와 상이한 분류체계로 인한 문제를 극복하고, 다양한 지형정보체계를 효과적으로 활용하기 위한 가동맵 생성 장치를 제공한다.
상기 가동맵 생성 장치는,
이종의 복수의 지형 정보 데이터(GDB1,GDB2)로부터 관심영역의 가동성 관련 데이터를 추출하는 데이터 추출부;
상기 가동성 관련 데이터를 분류체결별로 분할하고 분할된 상기 이종의 복수의 지형 정보 데이터의 가동성 관련 데이터를 서로 융합하여 분류체계별 단위 총 비용들을 산출하는 분류체계 단위 비용 융합부;
상기 분류체계별 단위 총비용들간 융합을 통해 분류체계별 전체 총 비용을 산출하는 전체 분류체계 비용 융합부; 및
상기 분류체계별 전체 총 비용을 통하여 가동맵을 생성하는 가동맵 생성부;를 포함하는 것을 특징으로 할 수 있다.
이때, 상기 가동성 관련 데이터는 주행 용이성을 기반으로 각 지형정보체계의 주행가능으로 판단되는 분류항목 식별 및 분류항목에 대한 비용 할당이 사전에 이루어지는 것을 특징으로 하는 할 수 있다.
또한, 상기 복수의 지형 정보 데이터(GDB1,GDB2)는 토지 피복도(LCM: Land Cover Map) 및 FDB(Feature DataBase)의 데이터인 것을 특징으로 할 수 있다.
또한, 상기 토지 피복도 및 FDB 중 하나는 기반 데이터이고, 다른 하나는 보조 데이터인 것을 특징으로 할 수 있다.
또한, 상기 분류체계별 단위 총 비용은 수학식
Figure 112015034273245-pat00001
단위격자 노드상의 기반 데이터의 비용수치이고, cB(n)은 보조 데이터의 비용수치이며, M은 해당 격자상의 지형 정보 데이터의 분류체계가 상기 토지 피복도 및 FDB를 매핑하는 매핑 테이블 내 존재할 경우 1의 값을 갖는 마스크 변수로서 그 외에는 0의 값을 가지며, α는 각 지형정보체계의 비용합산시 반영비율 조정을 위한 0~1사이의 가중치 상수로서, 기반데이터의 반영비율을 의미하고, 1-α는 보조데이터의 반영비율을 의미한다)을 이용하여 산출되는 것을 특징으로 할 수 있다.
또한, 상기 매핑 테이블은 상기 토지 피복도의 분류항목 식별번호, FDB의 분류항목 식별번호, 상기 토지 피복도의 반영비율, 상기 FDB의 반영비율, 및 공통 카테고리를 포함하는 것을 특징으로 할 수 있다.
또한, 상기 분류체계별 전체 총 비용은 수학식
Figure 112015034273245-pat00002
(여기서, Ak는 단위격자 내에 k번째 분류항목이 차지하는 영역의 크기이며, Ck는 각 분류항목에 할당된 비용 값을 의미한다)를 통해 산출되는 것을 특징으로 할 수 있다.
다른 한편으로, 본 발명의 다른 일실시예에는, 데이터 추출부가 이종의 복수의 지형 정보 데이터(GDB1,GDB2)로부터 관심영역의 가동성 관련 데이터를 추출하는 단계; 분류체계 단위 비용 융합부가 상기 가동성 관련 데이터를 분류체결별로 분할하고 분할된 상기 이종의 복수의 지형 정보 데이터의 가동성 관련 데이터를 서로 융합하여 분류체계별 단위 총 비용들을 산출하는 단계; 전체 분류체계 비용 융합부가 상기 분류체계별 단위 총비용들간 융합을 통해 분류체계별 전체 총 비용을 산출하는 단계; 및 가동맵 생성부가 상기 분류체계별 전체 총 비용을 통하여 가동맵을 생성하는 단계;를 포함하는 것을 특징으로 하는 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치를 제공한다.
본 발명에 따르면, 상이한 분류체계 간의 공통분류체계를 기반으로 분류체계별 정확도 높은 지형정보를 기반 데이터로 활용하여 가동맵을 생성하는 것이 가능하다.
또한, 본 발명의 다른 효과로서는 다양한 지형정보의 효과적 활용을 통해 가동성 분석 및 경로계획시 정확도와 신뢰도 향상이 가능하다는 점을 들 수 있다.
또한, 본 발명의 또 다른 효과로서는 지휘통제차량에서 무인차량의 전역경로계획을 위한 가동성 분석에 있어서, FDB와 토지피복도를 함께 활용할 경우 적용이 가능하다는 점을 들 수 있다.
도 1은 본 발명의 일실시예에 따른 이종 지형정보를 활용한 가동맵 생성 장치(100)의 구성도이다.
도 2는 본 발명의 일실시예에 따른 이종 지형정보를 활용한 가동맵을 생성하는 과정을 보여주는 흐름도이다.
도 3은 도 1에 따라 토지 피복도(land cover map)의 분류 코드별 주행관련 데이터 식별 및 비용 부여의 일예이다.
도 4는 도 1에 따라 FDB(Feature DataBase)의 분류 코드별 주행관련 데이터 식별 및 비용 부여의 일예이다.
도 5는 도 1에 따라 토지 피복도와 FDB의 공통 카테고리와 매핑관계, 반영비율을 포함하는 공통분류체계의 매핑 테이블의 일예이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다.
제 1, 제 2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
이하 첨부된 도면을 참조하여 본 발명의 일실시예에 따른 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치 및 방법을 상세하게 설명하기로 한다.
도 1은 본 발명의 일실시예에 따른 이종 지형정보를 활용한 가동맵 생성 장치(100)의 구성도이다. 도 1을 참조하면, 상기 가동맵 생성 장치(100)는, 이종의 복수의 지형 정보 데이터(GDB1,GDB2)(110), 이들로부터 관심영역의 가동성 관련 데이터를 추출하는 데이터 추출부(120), 상기 가동성 관련 데이터를 분류체결별로 분할하고 분할된 상기 이종의 복수의 지형 정보 데이터의 가동성 관련 데이터를 서로 융합하여 분류체계별 단위 총 비용들을 산출하는 분류체계 단위 비용 융합부(130),
상기 분류체계별 단위 총비용들간 융합을 통해 분류체계별 전체 총 비용을 산출하는 전체 분류체계 비용 융합부(140), 및 상기 분류체계별 전체 총 비용을 통하여 가동맵을 생성하는 가동맵 생성부(150) 등을 포함하여 구성된다.
이종의 복수의 지형 정보 데이터(GDB1,GDB2)(110)는 제 1 지형 정보 데이터(111)와 제 2 지형 정보 데이터(112)로 구성된다. 이 경우, 제 1 지형 정보 데이터(111)는 LCM(Land Cover Map)이 되고, 제 2 지형 정보 데이터(112)는 FDB(Feature DataBase)가 된다.
토지 피복도(LCM: Land Cover Map)는 원격탐사 영상의 대표적 활용예로서, 인공위성이 촬영한 영상을 이용하여 지표면의 물리적 상황을 분류하여 표현한 지도이다.
FDB는 도형 및 속성정보가 포함된 디지털지형정보로써 미국 NGA(National Geospastial -intelligence Agency)에서 9.11 테러(2001)이후 각 기관별 상이한 지도체계를 통합 운용하기 위해 개발된 차세대 Shape 형태의 지형정보체계이다.
토지피복도만을 단독 활용할 경우, 모든 영역에 대해 비교적 높은 해상도의 데이터를 제공하고 있어 경로계획은 가능하지만, 넓은 영역에 걸쳐 동일 분류값을 갖게 되는 경우, 속성데이터의 불충분으로 인해 세밀한 경로계획이 불가능하게 된다. 반면, 타 지형정보체계의 대표적 예로서는 FDB만을 활용할 경우 속성정보를 통한 세분화된 분류가 가능하지만, 현재의 구축상태로서는 요구영역 데이터의 가용성 측면에서 완전하다고 보기 힘들다.
따라서, 본 발명의 일실시예에서는 우선 원천데이터로서의 FDB와 토지피복도 데이터 분석을 바탕으로 데이터 추출 및 속성별 가중치 부여를 수행하고, 격자단위의 비용을 산출한 후, 토지 피복도와 FDB 각각으로부터 생성된 가동맵을 최종적으로 융합한다. 마지막으로 생성된 가동맵을 활용하여 경로계획을 수행한다.
데이터 추출부(120)는 제 1 데이터 추출부(121) 및 제 2 데이터 추출부(122)로 구성된다. 즉 제 1 데이터 추출부(121)는 제 1 지형 정보 데이터(111)로부터 관심영역의 가동성 관련 데이터를 추출하고, 제 2 데이터 추출부(122)는 제 2 지형 정보 데이터(122)로부터 관심영역의 가동성 관련 데이터를 추출한다.
분류체계 단위 비용 융합부(140)는 제 1 분류체계 단위 비용 융합부(130-1) 내지 제 N 분류체계 단위 비용 융합부(130-N)로 구성된다.
이들 제 1 내지 N 분류체계 단위 비용 융합부(130-1 내지 130-N)는 각각 제 1 데이터 추출부(121) 및 제 2 데이터 추출부(122)로부터 가동성 관련 데이터를 받아 서로 융합하여 분류체계 단위 비용을 산출한다.
이들 구성요소들은 하드웨어, 소프트웨어 또는 이들의 조합으로 구현될 수 있다. 하드웨어 구현에 있어, 상술한 기능을 수행하기 위해 디자인된 ASIC(application specific integrated circuit), DSP(digital signal processing), PLD(programmable logic device), FPGA(field programmable gate array), 프로세서, 제어기, 마이크로프로세서, 다른 전자 유닛 또는 이들의 조합으로 구현될 수 있다. 소프트웨어 구현에 있어,
상술한 기능을 수행하는 모듈로 구현될 수 있다. 소프트웨어는 메모리 유닛에 저장될 수 있고, 프로세서에 의해 실행된다. 메모리 유닛이나 프로세서는 당업자에게 잘 알려진 다양한 수단을 채용할 수 있다.
도 2는 본 발명의 일실시예에 따른 이종 지형정보를 활용한 가동맵을 생성하는 과정을 보여주는 흐름도이다. 도 2를 참조하면, 보유 지형정보인 제 1 지형 정보 데이터(GDB1)(111)와 제 2 지형 정보 데이터(GDB2)(112)를 생성하는 단계(S210), 지형정보 데이터(111,112)로부터 관심영역의 가동성 관련 데이터를 추출하는 데이터 추출 단계(S220), 분류체계 단위의 비용 융합을 수행하는 분류체계 단위 비용 융합 생성 단계(S230), 전체 분류체계의 비용 융합을 수행하는 전체 분류체계 비용 융합 생성 단계(S240), 최종적으로 가동맵을 생성하는 가동맵 생성 단계(S250) 등으로 구성된다.
데이터 추출 단계(S220)에서는 각 지형정보체계로부터 관심영역의 주행가능으로 판단되는 데이터를 추출한다. 이를 위해서는 도 3 및 도 4에 도시된 바와 같이 각 지형정보체계의 주행가능으로 판단되는 분류항목 식별 및/또는 분류항목에 대한 비용 할당이 사전에 수행된 지형 정보 데이터가 생성된다(단계 S210).
도 2를 계속 참조하면, 분류체계 단위의 비용 융합을 수행하는 분류체계 단위 비용 융합 생성 단계(S230)에서는 이종의 지형정보 데이터의 융합이 수행되고, 분류체계별로 분할하여 수행된다.
분할 수행할 분류체계의 단위는 기본적으로 각 지형정보체계마다의 분류기준에 따른다. 예를 들어 제 1 지형 정보 데이터(111)의 분류항목 수가 N(GDB1), 제 2 지형 정보 데이터(112)의 분류항목 수가 N(GDB2)이면, N(GDB1)+N(GDB2)-N(GDB1과 GDB2의 공통분류)의 분류항목 수만큼의 융합을 수행한다.
단, 하나의 지형정보 내에 속하는 복수개의 분류항목의 데이터가 동일공간상에 중첩되지 않을 경우에 한해 하나의 분류항목으로 통폐합도 가능하다.
Figure 112015034273245-pat00003
위 수학식은 k번째 분류체계별 비용융합을 위한 n번째 단위격자노드의 비용수치 ck(n)을 구하는 식으로서, 단위격자 노드 상의 기반데이터 A의 비용수치인 cA(n)과 보조데이터 B의 비용수치인 cB(n)의 융합을 통하여 계산된다.
기반데이터는 지형정보 자체 특성에 따른 통계적/확률적 계산에 의해 분류체계별 데이터의 정확도 및 신뢰도가 상대적으로 높은 지형정보를 의미한다. 보유 지형정보 데이터(GDB1과 GDB2)중 하나는 기반데이터 A, 다른 하나는 보조데이터 B로 활용되고, 매핑 식별 여부에 따라 분류항목별로 다르게 결정된다.
또한, 수학식 1에서 M은 해당격자 상의 보유 지형정보 데이터(GDB1과 GDB2)의 데이터의 분류체계가 GDB1과 GDB2의 매핑 테이블 내 존재할 경우에 1의 값을 갖는 마스크 변수로서 그 외에는 0의 값을 갖는다. α는 각 지형정보체계의 비용합산시 반영비율 조정을 위한 0~1사이의 가중치 상수로서, 기반데이터 A의 반영비율을 의미하고, 1-α는 보조데이터 B의 반영비율이 된다.
도 2를 계속 참조하면, k번째 분류항목별 비용 융합이 수행되는 과정(단계 S230)은 우선 해당 단위격자 내의 지형 정보 데이터(GDB1과 GDB2)의 데이터 존재유무를 확인하고, 도 4와 같은 매핑 테이블을 참조하여 기반 데이터와 M, 그리고 알파값을 결정하고, 수학식 1에 따라 융합연산을 수행한다.
매핑테이블 상에 GDB1의 해당 분류항목과 GDB2의 해당분류항목의 매핑이 존재하면 GDB1과 GDB2 중 반영비율이 큰 GDBi가 기반데이터 A가 되고, M은 1, 반영비율(GDBi)이 알파값이 된다. 해당 단위격자 내에 GDB1 또는 GDB2의 데이터 분류가 두 종류이상일 경우에는 최대비용을 갖는 쪽을 선택하거나 차지하는 면적이 큰 쪽을 선택하는 등의 방법으로 각 지형정보 당 하나의 분류를 갖는다.
해당 단위격자 내에 한쪽 지형정보 데이터만이 존재하는 경우에는 공통분류를 참조하여 기반데이터인 경우 한쪽의 데이터를 그대로 사용하고, 기반데이터가 아닌 경우 무시한다.
토지피복도와 FDB의 가동성 비용융합의 경우를 예로 들면, 도 4는 교통지역이라는 분류체계에 대해 토지피복도의 분류코드 150(Transportation)과 FDB의 분류코드 AP030(Road)-001~xxx 간의 매핑 식별 예시를 보여준다.
본 발명의 일실시예에서는 토지 피복도의 일원화된 도로 분류를 FDB의 속성을 활용하여 세분화된 도로분류와 매핑함에 따라 가동맵 생성결과도 세분화된 표현이 가능하다. 매핑이 식별되었지만 한쪽의 데이터만 존재하는 경우에는 기반 데이터의 비용은 그대로 보존되고, 보조 데이터의 비용은 무시된다.
유사한 방식으로 교통지역 뿐 아니라, 나지, 초지, 논, 밭 등 각 공통범주별로 기반 데이터를 다르게 부여하여 융합이 가능하다. 또한, 지정한 영역단위로 일괄적으로 기반 데이터를 다르게 부여하는 방식 또는 두 가지의 혼합된 방식으로 응용하여 적용이 가능하다.
도 2를 참조하면, 전체 분류체계의 비용융합 단계(S240)에서는 분류체계별 융합된 비용을 격자단위로 합산하게 되는데, 동일 격자 내에 여러 분류체계 값이 중첩될 경우 아래와 같은 방법으로 단위 노드의 총 비용 c(n)를 계산한다.
단위 노드의 총 비용 c(n)은 이전 단계에서 계산된 현재 노드 n의 단위격자 영역 내에 존재하는 모든(N개) 분류항목의 비용의 총합을 의미한다. c(n)는 다음 수학식과 같다.
Figure 112015034273245-pat00004
여기서, Ak는 단위격자 내에 k번째 분류항목이 차지하는 영역의 크기이며, Ck는 각 분류항목에 할당된 비용 값을 의미한다. 단위격자 내의 비용의 총합을 구하는 대신, 단위 격자내의 비용 중 최대값 또는 최소값, 중간값 등을 선택하여 사용 가능하다.
최종적인 산출물로서 가동맵이 생성되며, 앞에서 계산된 비용을 화면에 도시하게 된다. 시스템 적용시 운용자가 생성된 가동맵을 저장하도록 할 수 있고, 생성된 가동맵을 활용하여 경로탐색을 수행할 수 있도록 시스템에 적용할 수 있다.(단계 S250)
경로계획 단계에서는 사용자가 입력한 출발지점과 도착지점 간의 경로탐색을 수행한다. 본 발명에서는 대표적인 경로탐색 방법 중 하나인 A* 알고리즘(Hart et al., 1968)을 사용하여 경로계획을 수행할 수 있다. A* 알고리즘은 비용함수 f(n)=g(n)＋h(n)로 정의되고, 여기서 g(n)는 출발지로부터 현재노드 n까지의 경로에 대한 비용, h(n)는 현재의 노드로부터 목적지까지의 경로에 대한 경험적 추정비용을 의미한다.
다음 수학식과 같이 표현되는 g(n)와 h(n)에서 현재노드의 비용 c(n) 또는 CT(n)과 전체노드의 평균비용인 Cμ를 대입함으로써, 총 비용함수 f(n)를 최소화하는 최적 경로를 탐색하는 것이 가능하다.
Figure 112015034273245-pat00005
Figure 112015034273245-pat00006
도 3은 도 1에 따라 토지 피복도(land cover map)의 분류 코드별 주행관련 데이터 식별 및 비용 부여의 일예이다. 도 3을 참조하면, 토지피복 데이터(중분류)로부터 주행가능으로 판단되는 분류항목(교통지역, 자연초지, 인공초지, 기타초지 등)을 식별하고, 주행 용이성을 고려하여 분류항목 각각에 대하여 비용(0.2, 0.6,0.8 등)을 할당한다. 예를 들면, 분류항목이 교통지역이면 비용은 0.2가 된다.
도 4는 도 1에 따라 FDB(Feature DataBase)의 분류 코드별 주행관련 데이터 식별 및 비용 부여의 일예이다. 부연하면, FDB의 속성값(즉 도로 데이터)을 활용해서 세부 속성(즉 도로 유형)에 따라 분류하고 비용을 할당한 예시이다. 여기서, 분류항목 선별의 기준은 주행가능 영역의 포함여부이며, 비용 할당은 0과 1 사이의 값으로 0에 가까울수록 주행이 용이함을 의미한다.
FDB는 미 NGA(National Geospatial-intelligency Agency)의 지형지물 및 속성 자료의 표준코드 목록인 FACC(Feature and Attribute Coding Catalogue)를 기반으로 하여 지형지물과 속성자료에 대한 공통 코드를 표준화 또는 부호화 방식으로 제공한다. 이러한 FACC 코드 및 속성의 정보는 Cat.(Category), TUC(도로 유형), LTN(차선수), EXS(운용 상태), RST(도로 포장 상태) 등 가동성 분석시 활용 가능한 정보를 포함하고 있다.이 있다.
도 3 및 도 4의 부여된 값은 활용성 확인을 위한 하나의 예시로서, 포장도로, 비포장지역(기타나지) 및 나지, 초지, 농경지의 순으로 직관적으로 부여하였으며, 적용할 차량의 특성 및 사용자의 용도에 따라 적합한 비용을 부여함에 따라 적용환경에 최적화된 시스템 구축이 가능하다.
도 5는 도 1에 따라 토지 피복도와 FDB의 공통 카테고리와 매핑관계, 반영비율을 포함하는 공통분류체계의 매핑 테이블의 일예이다. 도 5를 참조하면, 분류항목 식별번호(예를 들면 150), FDB의 분류항목 식별번호(예를 들면 AP030-001,AP030-002,AP030-003 등), GDB2의 반영비율(예를 들면, 0.6, 0.8, 1 등), GDB1의 반영비율(예를 들면, 0.4,0.5, 1등), 공통 카테고리(예를 들면, CA001,CA002 등)가 구성된다.
100: 가동맵 생성 장치
110: 지형 정보 데이터
111: 제 1 지형 정보 데이터 112: 제 2 지형 정보 데이터
120: 데이터 추출부
121: 제 1 데이터 추출부 122: 제 2 데이터 추출부
130: 분류체계 단위 비용 융합부
130-1 내지 130-N: 제 1 분류체계 단위 비용 융합부 내지 제 N 분류체계 단위 비용 융합부
140: 전체분류체계 비용 융합부
150: 가동맵 생성부

Claims (8)

  1. 이종의 복수의 지형 정보 데이터(GDB1,GDB2)로부터 관심영역의 가동성 관련 데이터를 추출하는 데이터 추출부;
    상기 가동성 관련 데이터를 분류체결별로 분할하고 분할된 상기 이종의 복수의 지형 정보 데이터의 가동성 관련 데이터를 서로 융합하여 분류체계별 단위 총 비용들을 산출하는 분류체계 단위 비용 융합부;
    상기 분류체계별 단위 총비용들간 융합을 통해 분류체계별 전체 총 비용을 산출하는 전체 분류체계 비용 융합부; 및
    상기 분류체계별 전체 총 비용을 통하여 가동맵을 생성하는 가동맵 생성부;를 포함하며,
    상기 복수의 지형 정보 데이터(GDB1,GDB2)는 토지 피복도(LCM: Land Cover Map) 및 FDB(Feature DataBase)의 데이터이고,
    상기 토지 피복도 및 FDB 중 하나는 기반 데이터이고, 다른 하나는 보조 데이터이고,
    상기 분류체계별 단위 총 비용은 수학식
    Figure 112016079648768-pat00014
    (여기서, ck(n)는 분류체계별 비용융합을 위한 단위격자노드의 비용이고, cA(n)은 단위격자 노드상의 기반 데이터의 비용수치이고, cB(n)은 보조 데이터의 비용수치이며, n은 현재 노드를 나타내고, M은 해당 격자상의 지형 정보 데이터의 분류체계가 상기 토지 피복도 및 FDB를 매핑하는 매핑 테이블 내 존재할 경우 1의 값을 갖는 마스크 변수로서 그 외에는 0의 값을 가지며, α는 각 지형정보체계의 비용합산시 반영비율 조정을 위한 0~1사이의 가중치 상수로서, 기반데이터의 반영비율을 의미하고, 1-α는 보조데이터의 반영비율을 의미한다)을 이용하여 산출되는 것을 특징으로 하는 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치.
  2. 제 1 항에 있어서,
    상기 가동성 관련 데이터는 주행 용이성을 기반으로 각 지형정보체계의 주행가능으로 판단되는 분류항목 식별 및 분류항목에 대한 비용 할당이 사전에 이루어지는 것을 특징으로 하는 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제 1 항에 있어서,
    상기 매핑 테이블은 상기 토지 피복도의 분류항목 식별번호, FDB의 분류항목 식별번호, 상기 토지 피복도의 반영비율, 상기 FDB의 반영비율, 및 공통 카테고리를 포함하는 것을 특징으로 하는 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치.
  7. 제 1 항에 있어서,
    상기 분류체계별 전체 총 비용은 수학식
    Figure 112016079648768-pat00015
    (여기서, CT(n)은 현재노드(n)의 단위격자 영역내에 존재하는 모든(N개) 분류항목의 비용의 총합이고, Ak는 단위격자 내에 k번째 분류항목이 차지하는 영역의 크기이며, Ck는 각 분류항목에 할당된 비용 값을 의미한다)를 통해 산출되는 것을 특징으로 하는 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치.
  8. 데이터 추출부가 이종의 복수의 지형 정보 데이터(GDB1,GDB2)로부터 관심영역의 가동성 관련 데이터를 추출하는 단계;
    분류체계 단위 비용 융합부가 상기 가동성 관련 데이터를 분류체결별로 분할하고 분할된 상기 이종의 복수의 지형 정보 데이터의 가동성 관련 데이터를 서로 융합하여 분류체계별 단위 총 비용들을 산출하는 단계;
    전체 분류체계 비용 융합부가 상기 분류체계별 단위 총비용들간 융합을 통해 분류체계별 전체 총 비용을 산출하는 단계; 및
    가동맵 생성부가 상기 분류체계별 전체 총 비용을 통하여 가동맵을 생성하는 단계;를 포함하며,
    상기 복수의 지형 정보 데이터(GDB1,GDB2)는 토지 피복도(LCM: Land Cover Map) 및 FDB(Feature DataBase)의 데이터이고,
    상기 토지 피복도 및 FDB 중 하나는 기반 데이터이고, 다른 하나는 보조 데이터이고,
    상기 분류체계별 단위 총 비용은 수학식
    Figure 112016079648768-pat00016
    (여기서, ck(n)는 분류체계별 비용융합을 위한 단위격자노드의 비용이고, cA(n)은 단위격자 노드상의 기반 데이터의 비용수치이고, cB(n)은 보조 데이터의 비용수치이며, n은 현재 노드를 나타내고, M은 해당 격자상의 지형 정보 데이터의 분류체계가 상기 토지 피복도 및 FDB를 매핑하는 매핑 테이블 내 존재할 경우 1의 값을 갖는 마스크 변수로서 그 외에는 0의 값을 가지며, α는 각 지형정보체계의 비용합산시 반영비율 조정을 위한 0~1사이의 가중치 상수로서, 기반데이터의 반영비율을 의미하고, 1-α는 보조데이터의 반영비율을 의미한다)을 이용하여 산출되는 것을 특징으로 하는 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 방법.
KR1020150049515A 2015-04-08 2015-04-08 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치 및 방법 KR101676365B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150049515A KR101676365B1 (ko) 2015-04-08 2015-04-08 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150049515A KR101676365B1 (ko) 2015-04-08 2015-04-08 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20160120468A KR20160120468A (ko) 2016-10-18
KR101676365B1 true KR101676365B1 (ko) 2016-11-15

Family

ID=57244244

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150049515A KR101676365B1 (ko) 2015-04-08 2015-04-08 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101676365B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013019683A (ja) * 2011-07-07 2013-01-31 Hitachi Ltd 経路作成システム、経路作成方法及びプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090089713A (ko) 2008-02-19 2009-08-24 연세대학교 산학협력단 부정형 지형 주행을 위한 지형적응 메커니즘을 이용한이동로봇

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013019683A (ja) * 2011-07-07 2013-01-31 Hitachi Ltd 経路作成システム、経路作成方法及びプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
대한기계학회 2014년도 춘계학술대회, p175-176 (2014.04.)*
한국군사과학기술학회지 제14권 제4호 통권 제53호 (2011.08.)*

Also Published As

Publication number Publication date
KR20160120468A (ko) 2016-10-18

Similar Documents

Publication Publication Date Title
Strahler et al. Global land cover validation: Recommendations for evaluation and accuracy assessment of global land cover maps
CN109933423B (zh) 一种协同执行复杂任务的多卫星资源规划方法
CN106052697A (zh) 无人车、无人车定位方法、装置和系统
Salvo et al. Traffic data acquirement by unmanned aerial vehicle
US20150003683A1 (en) Method for Representing the Surroundings of a Vehicle
CN107833279B (zh) 一种基于dem的地形坡度分析方法
Tenerelli et al. Population density modelling in support of disaster risk assessment
Noor et al. Land cover change detection analysis on urban green area loss using GIS and remote sensing techniques
Yun et al. Framework of SAGI agriculture remote sensing and its perspectives in supporting national food security
Mangiameli et al. A GIS application for UAV flight planning
Chen et al. Predicting weather-associated impacts in outage management utilizing the GIS framework
JP2023033279A (ja) 地理的領域のスペクトル情報をシミュレートするための方法および装置
Zhou Future intelligent earth observing satellites
Jain et al. Modeling urban land cover growth dynamics based on land change modeler (LCM) using remote sensing: a case study of Gurgaon, India
Zhang et al. Contrasting changes in fine-scale land use structure and summertime thermal environment in downtown Shanghai
Li et al. Research on remote sensing dynamic monitoring of ecological resource environment based on GIS
CN112767244B (zh) 一种高分辨率地表要素无缝感知方法与系统
KR20160146374A (ko) 경로 계획 장치 및 그의 제어방법
KR101676365B1 (ko) 이종의 지형정보 간의 공통분류체계를 활용한 가동맵 생성 장치 및 방법
Johar et al. Land suitability analysis for industrial development using GIS
Peter et al. Land use/land cover change detection of Mubi Metropolis Adamawa State Nigeria
Graichen et al. Occupancy Grid Map Generation from OSM Indoor Data for Indoor Positioning Applications.
KR101041928B1 (ko) 격자 지도 생성 장치 및 그 방법
Lee et al. Investigation of topographic characteristics of parcels using UAV and machine learning
Wald A conceptual approach to the fusion of earth observation data

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20191015

Year of fee payment: 4