KR102109488B1 - 딥러닝을 이용한 고정밀 거리 측정 시스템 - Google Patents

딥러닝을 이용한 고정밀 거리 측정 시스템 Download PDF

Info

Publication number
KR102109488B1
KR102109488B1 KR1020190158900A KR20190158900A KR102109488B1 KR 102109488 B1 KR102109488 B1 KR 102109488B1 KR 1020190158900 A KR1020190158900 A KR 1020190158900A KR 20190158900 A KR20190158900 A KR 20190158900A KR 102109488 B1 KR102109488 B1 KR 102109488B1
Authority
KR
South Korea
Prior art keywords
image
distance
azimuth
identification
measurement target
Prior art date
Application number
KR1020190158900A
Other languages
English (en)
Inventor
최형석
Original Assignee
(주)씨앤피에스
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 (주)씨앤피에스 filed Critical (주)씨앤피에스
Priority to KR1020190158900A priority Critical patent/KR102109488B1/ko
Application granted granted Critical
Publication of KR102109488B1 publication Critical patent/KR102109488B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/14—Receivers specially adapted for specific applications
    • G01S19/19—Sporting applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2102/00—Application of clubs, bats, rackets or the like to the sporting activity ; particular sports involving the use of balls and clubs, bats, rackets, or the like
    • A63B2102/32—Golf
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/10—Positions
    • A63B2220/12—Absolute positions, e.g. by using GPS
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/10—Positions
    • A63B2220/13—Relative positions
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2220/00—Measuring of physical parameters relating to sporting activity
    • A63B2220/20—Distances or displacements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

본 발명은 딥러닝을 이용한 고정밀 거리 측정 시스템에 관한 것으로서, 계측 대상의 직진도, 거리값 및 방위각을 계측하는 레이저 트래커; 계측 대상의 GPS 위상을 주변의 이동국으로 전송하여 오차가 보정된 벡터값을 수신하는 GPS수신기; 벡터값을 이미지로 변환하여 정답영상으로 설정하고, 벡터로 변환하기 전의 GPS 위상을 이미지로 변환하여 신경망의 입력데이터로 넣어 학습을 수행하는 학습부; 계측 대상 각각의 식별ID와 대응하는 경기기록을 입력받아 이전 기록과의 매칭을 통한 검수절차를 거쳐 경기기록 정보를 생성하는 집계부; 및 오차가 보정된 벡터값에 부합하는 계측 대상의 직진도, 거리값 및 방위각과, 계측 대상의 식별ID 또는 경기진행 그룹별로 집계한 경기기록 정보를 중계장치로 전송하는 단말기를 포함한다.

Description

딥러닝을 이용한 고정밀 거리 측정 시스템{High precision distance measurement system using deep learning}
본 발명은 딥러닝을 이용한 고정밀 거리 측정 시스템에 관한 것으로 더욱 상세하게는, 조 기록원과 선수간의 상대적 위치로부터 거리 및 방위각을 도출하고, RTK(Real-Time Kinematic) 기술을 이용한 GPS 수신기를 통해 계측한 조 기록원의 위치와, 레이저 트래커(Laser Tracker)를 통해 측정한 조 기록원과 선수간의 거리값 및 방위각을 벡터로 변환하여 딥러닝 학습을 통해 조 기록원의 위치를 기준으로 선수의 위치를 정밀하게 측정하는 기술에 관한 것이다.
골프란 코스 위에 정지하여 있는 볼을 클럽으로 쳐서 정해진 홀에 넣는 운동으로, 홀인까지 소요된 타수로 우열을 겨루게 된다. 이때, 홀까지 남겨진 잔여거리에 따라 비거리가 각각 다른 다수의 클럽을 사용하게 되는데, 어떠한 상황에서 어떠한 클럽으로 어떻게 샷을 구사하는가는 선수들뿐만 아니라 이를 관전하는 갤러리와 시청자들의 주된 관심사에 해당한다.
그러나 전체 코스를 선수와 동행하며 관전하는 갤러리와는 달리, 방송 매체를 통해 관전하는 시청자는 매우 제한적인 정보만을 제공받는다. 일반적으로 중계화면에는 선수가 샷하는 모습과 더불어 부가적인 텍스트 정보가 제공되는데, 이때 선수 이름, 국적, 현재 타수, 토너먼트 타수 등 현재 이루어지고 있는 샷과는 관련이 적은 매우 제한적인 내용만이 제공된다.
실제로 골프 경기의 시청자는 프로 경기의 시청을 통해 노하우를 습득하고 자신의 실력을 향상시키고자 하는 욕구가 강하다. 그러나 실제 경기 중계에서는 스윙 모습을 제외하면, 현재 샷과 관련된 어떠한 정보도 제공되지 않음으로써, 시청자는 경기 중계를 통해 습득할 수 있는 노하우가 극히 제한되고, 이에 따라 방송에 대한 흥미도 저하될 수밖에 없는 문제가 있다.
근래에 PGA 주관하에 개최되는 프로골퍼 대회의 경우, 각 홀별로 6명의 인원이 상주하면서 특정 위치에서 선수의 거리와 방위각을 도출하고, 각 홀별로 결과 기록 및 검수한 내역과 함께 경기 중계 장치로 전송함에 따라, 시청자들에게 골프 경기에 대해 보다 상세한 정보를 송출하고 있다.
그러나, 전술한 바와 같은 PGA에서 운용하고 있는 방식은 고정된 위치에서 선수의 거리와 방위각을 도출하고, 각 홀마다 많은 인원이 상주하며 경기 기록과 검수가 수작업으로 이루어지고 있는 실정이다.
따라서, 계측한 선수의 위치정보에 오차가 커 부정확하고 수작업으로 기록 및 검수한 정보를 경기 중계 장치로 전송함에 따라, 선수들의 샷 결과에 따른 수치와 기록을 즉각적으로 송출하지 못하고 선수의 샷 영상을 반복해 송출한 뒤 집계를 마친 이후에 관련정보를 송출하는 문제점이 있다.
이에 본 출원인은 조 기록원과 선수간의 상대적 위치로부터 거리 및 방위각을 도출하고, RTK 기술을 이용한 GPS 수신기를 통해 계측한 조 기록원의 위치와, 레이저 트래커를 통해 측정한 조 기록원과 선수간의 거리값 및 방위각을 벡터로 변환하여 조 기록원의 위치를 기준으로 선수의 위치를 정밀하게 측정하는 시스템을 제안하고자 한다.
본 발명의 일 실시예에 의하면, 각 조에 1명의 조 기록원이 다수의 선수간의 상대적 위치로부터 거리 및 방위각을 도출하여 거리값의 오차는 1cm 미만에 방위각 2도 이내의 정확한 거리측정이 가능하며, 단말기를 통해 샷 결과에 따른 수치와 기록 및 검수 결과에 대한 즉각적인 송출이 가능하다.
한국공개특허 제10-2002-0004198호(2002.01.16)
본 발명의 목적은, 조 기록원과 선수간의 상대적 위치로부터 거리 및 방위각을 도출하고, RTK 기술을 이용한 GPS 수신기를 통해 계측한 조 기록원의 위치와, 레이저 트래커를 통해 측정한 조 기록원과 선수간의 거리값 및 방위각을 벡터로 변환하여 조 기록원의 위치를 기준으로 선수의 위치를 정밀하게 측정하여 중계 장치로 송출함으로써, 한명의 기록원이 다수의 선수들에 대한 거리정보를 빠르고 정확하게 계측하고, 단말기를 통해 집계한 기록 및 검수 결과를 중계 장치로 송출하여 골프 경기시 선수의 샷과 동시에 관련정보 시청이 가능하게 하는데 있다.
본 발명의 목적은, 조 기록원과 선수간의 거리값 및 방위각의 벡터를 이미지로 변환하고, 딥러닝 학습을 통해 신경망 학습을 통해 입력 데이터에 오차를 보정함으로써, 조 기록원의 위치로부터 선수와의 거리값 및 방위각을 빠르고 정확하게 계측하는데 있다.
이러한 기술적 과제를 달성하기 위한 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 시스템은, 계측 대상의 직진도, 거리값 및 방위각을 계측하는 레이저 트래커; 계측 대상의 GPS 위상을 주변의 이동국으로 전송하여 오차가 보정된 벡터값을 수신하는 GPS수신기; 벡터값을 이미지로 변환하여 정답영상으로 설정하고, 벡터로 변환하기 전의 GPS 위상을 이미지로 변환하여 신경망의 입력데이터로 넣어 학습을 수행하는 학습부; 계측 대상 각각의 식별ID와 대응하는 경기기록을 입력받아 이전 기록과의 매칭을 통한 검수절차를 거쳐 경기기록 정보를 생성하는 집계부; 및 오차가 보정된 벡터값에 부합하는 계측 대상의 직진도, 거리값 및 방위각과, 계측 대상의 식별ID 또는 경기진행 그룹별로 집계한 경기기록 정보를 중계장치로 전송하는 단말기를 포함하는 것을 특징으로 한다.
바람직하게는 레이저 트래커는, 자신이 위치한 점(p1)을 기준으로 계측 대상이 위치한 점(p2)을 선으로 연결하되, 연결된 선의 벡터값을 합산하여 계측 대상에 대한 직진도, 거리값 및 방위각을 계측하는 것을 특징으로 한다.
학습부는 GPS수신기로부터 인가받은 벡터값을 이미지로 변환하여 정답영상으로 설정하되, GPS수신기로부터 벡터로 변환하기 이전의 GPS 위상을 인가받아 이미지로 변환하여 신경망의 입력데이터로 넣어 정답영상을 도출하도록 학습을 수행하는 것을 특징으로 한다.
집계부는 계측 대상 각각의 식별ID와 대응하는 경기기록을 입력받아 식별ID별로 각 홀마다 집계된 이전 기록과 매칭하여 경기기록을 동기화하되, 각 경기기록의 필드와 테이블에 입력된 항목들에 대한 검수절차를 거쳐 경기기록 정보를 생성하는 것을 특징으로 한다.
상기와 같은 본 발명에 따르면, 조 기록원과 선수간의 상대적 위치로부터 거리 및 방위각을 도출하고, RTK 기술을 이용한 GPS 수신기를 통해 계측한 조 기록원의 위치와, 레이저 트래커를 통해 측정한 조 기록원과 선수간의 거리값 및 방위각을 벡터로 변환하여 조 기록원의 위치를 기준으로 선수의 위치를 정밀하게 측정함으로써, 한명의 기록원이 다수의 선수들에 대한 거리정보를 빠르고 정확하게 계측하는 효과가 있다.
본 발명에 따르면, 조 기록원과 선수간의 거리값 및 방위각의 벡터를 이미지로 변환하고, 딥러닝 학습을 통해 신경망 학습을 통해 입력 데이터에 오차를 보정함으로써, 조 기록원의 위치로부터 선수와의 거리값 및 방위각을 빠르고 정확하게 계측하는 효과가 있다.
본 발명에 따르면, 단말기를 통해 측정한 조 기록원의 위치를 기준으로 선수의 위치와 단말기를 통해 집계한 기록 및 검수 결과를 중계 장치로 송출함으로써, 골프 경기시 선수의 샷과 동시에 관련정보 시청이 가능한 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 시스템을 도시한 블록도.
도 2는 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 시스템의 계측 대상의 직진도, 거리값 및 방위각 계측 원리를 도시한 예시도.
도 3은 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 시스템의 중계장치와 연계된 방송국 서버를 도시한 예시도.
도 4는 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 방법을 도시한 순서도.
도 5는 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 방법의 제S402단계에 대한 세부과정을 도시한 순서도.
도 6은 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 방법의 제S410단계의 세부과정을 도시한 순서도.
도 7은 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 방법의 제S408단계 이후과정을 도시한 순서도.
본 발명의 구체적인 특징 및 이점들은 첨부도면에 의거한 다음의 상세한 설명으로 더욱 명백해질 것이다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 발명자가 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 할 것이다. 또한, 본 발명에 관련된 공지 기능 및 그 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 구체적인 설명을 생략하였음에 유의해야 할 것이다.
이하에서는 그 구체적인 언급을 생략하겠으나, 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 시스템은, 레이저 트래커 및 단말기간의 통신은 지그비(ZigBee), 블루투스, 비콘(Beacon), WIFI 중에 어느 하나의 무선통신에 의해 수행되며, 온라인을 통해 배포되어 설치된 어플리케이션에 의해 구동되는 것으로 이해하는 것이 바람직하다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 시스템(100)은, 계측 대상의 직진도, 거리값 및 방위각을 계측하는 레이저 트래커(102)와, 계측 대상의 GPS 위상을 주변의 이동국(Rover)으로 전송하여 오차가 보정된 벡터값을 수신하는 GPS수신기(104)와, 상기 벡터값을 이미지로 변환하여 정답영상으로 설정하고, 벡터로 변환하기 이전의 GPS 위상을 이미지로 변환하여 신경망의 입력데이터로 넣어 학습을 수행하는 학습부(106)와, 계측 대상 각각의 식별ID와 대응하는 경기기록을 입력받아 이전 기록과의 매칭을 통한 검수절차를 거쳐 경기기록 정보를 생성하는 집계부(108), 및 오차가 보정된 벡터값에 부합하는 계측 대상의 직진도, 거리값 및 방위각과, 계측 대상의 식별ID 또는 경기진행 그룹별로 집계한 경기기록 정보를 중계장치(10)로 전송하는 단말기(110)를 포함하여 구성된다.
이하에서는 구체적인 언급을 생략하겠으나 본 발명의 일 실시예에 따른 계측 대상은 필드에서 골프 경기를 진행하는 선수이고, 계측하는 주체는 기록원이며, 선수 및 기록원 각각은 식별ID가 부여되어 레이저 트래커(102), GPS수신기(104) 및 단말기(110)와 통신을 수행하는 IoT모듈(20)을 구비하는 것으로 이해함이 바람직하다.
이하, 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 시스템(100)의 세부 구성에 대해 살피면 아래와 같다.
먼저, 레이저 트래커(102)는 계측 대상에 구비된 IoT모듈(20)을 지향해 적외선 레이저를 조사하여 벡터 형태의 계측 대상의 직진도, 거리값 및 방위각을 계측한다.
이때, 적외선 레이저를 조사한 레이저 트래커(102)는 도 2에 도시된 예와 같이, 자신이 위치한 점(p1)을 기준으로 계측 대상이 위치한 점(p2)을 선으로 연결하고, 연결된 선의 벡터값을 합산하여 계측 대상에 대한 직진도, 거리값 및 방위각을 계측하도록 구성된다.
또한, GPS수신기(104)는 계측 대상의 GPS 위상을 수신하되, RTK를 통해 계측 대상에 구비된 IoT모듈(20)을 지상 기준점으로 설정하여 기 설정된 이동국으로 전송하고, 이동국으로부터 오차가 보정된 벡터값을 수신한다.
이때, GPS수신기(104)는 사전에 계측 대상 각각의 식별ID를 등록하여 GPS 위성으로부터 식별ID 각각과 매칭되는 IoT모듈(20)에 대한 위상을 수신하며, GPS 위성은 IoT모듈(20) 각각을 지상 기준점으로 인식하도록 구성된다.
한편, 학습부(106)는 GPS수신기(104)로부터 인가받은 벡터값을 이미지로 변환하여 정답영상으로 설정하는데, 이는 벡터값이 오차가 보정된 값이기 때문이다.
이후, 학습부(106)는 GPS수신기(104)로부터 벡터로 변환하기 이전의 GPS 위상을 인가받아 이미지로 변환하여 신경망의 입력데이터로 넣어 정답영상을 도출하도록 학습을 수행한다.
마찬가지로, 학습부(106)는 레이저 트래커(102)로부터 인가받은 계측 대상의 직진도, 거리값 및 방위각 각각을 (오차가 보정되어 벡터로 변환되기 이전의 데이터) 이미지로 변환하여 신경망의 입력데이터로 넣어 정답영상을 도출하도록 학습을 수행할 수 있다.
또한, 학습부(106)의 학습결과는 이동국(Rover)로 피드백하여 GPS 위성으로부터 위상의 오차 보정을 위한 시간을 단축시키고 정확도를 향상시킬 수 있다.
한편, 집계부(108)는 계측 대상 각각의 식별ID와 대응하는 경기기록을 입력받아 식별ID별로 각 홀마다 집계된 이전 기록과 매칭하여 경기기록을 동기화하고, 각 경기기록의 필드와 테이블에 입력된 항목들에 대한 검수절차를 거쳐 경기기록 정보를 생성한다.
여기서, 검수절차란 경기기록의 필드와 테이블에 입력된 항목들의 수치가 이전 홀의 경기기록을 토대로 식별ID별로 올바르게 매칭 되었는지 여부를 체크하는 절차로 이해함이 바람직하다.
그리고, 단말기(110)는 GPS수신기(104)로부터 오차가 보정된 벡터값에 부합하는 계측 대상의 직진도, 거리값 및 방위각을 수신하여 식별ID별로 분류하고, 집계부(108)로부터 인가받은 집계정보를 계측 대상의 식별ID 또는 경기진행 그룹별로 분류하며, 분류된 계측 대상의 직진도, 거리값, 방위각 및 집계정보를 중계장치(10)로 전송한다.
이때, 경기진행 그룹별로의 분류하는 단말기(110)는 각 홀에서 경기중인 선수들 즉 계측 대상 각각에 구비된 IoT모듈(20)들을 하나의 그룹으로 설정하여 분류하는 것으로 이해함이 바람직하다.
이러한 본 발명의 일 실시예에 따른 단말기(110)는 레이저 트래커(102), GPS수신기(104) 및 집계부(108)와 무선통신망을 통해 데이터 송수신이 가능한 스마트폰 또는 태블릿으로 구성된다.
한편, 도 3을 참조하면 중계장치(10)는 단말기(110)로부터 수신한 집계정보를 경기영상을 송출하는 방송국 서버로 전송하여, 촬영된 경기영상과 집계정보 내의 데이터(계측 대상의 식별ID, 직진도, 거리값, 방위각, 경기기록 등)를 동기화시켜 댁내로 송출하도록 구성된다.
이하, 도 4를 참조하여 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 방법에 대해 살피면 아래와 같다.
먼저, 레이저 트래커(102)가 계측 대상의 직진도, 거리값 및 방위각을 계측한다(S402).
이어서, GPS수신기(104)가 계측 대상의 GPS 위상을 주변의 이동국(Rover)으로 전송하여 오차가 보정된 벡터값을 수신한다(S404).
뒤이어, 집계부(108)가 계측 대상 각각의 식별ID와 대응하는 경기기록을 입력받아 이전 기록과의 매칭을 통한 검수절차를 거쳐 경기기록 정보를 생성한다(S406).
그리고, 단말기(110)가 오차가 보정된 벡터값에 부합하는 계측 대상의 직진도, 거리값 및 방위각과, 계측 대상의 식별ID 또는 경기진행 그룹별로 집계한 경기기록 정보를 중계장치(10)로 전송한다(S408).
이때, 제S404단계 이후, 학습부(106)가 벡터값을 이미지로 변환하여 정답영상으로 설정하고, 벡터로 변환하기 전의 GPS 위상을 이미지로 변환하여 신경망의 입력데이터로 넣어 학습을 수행하는 단계(S410)를 포함할 수 있다.
이하, 도 5를 참조하여 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 방법의 제S402단계의 세부과정에 대해 살피면 아래와 같다.
먼저, 레이저 트래커(102)가 계측 대상에 구비된 IoT모듈(20)을 지향해 적외선 레이저를 조사한다(S502).
이어서, 레이저 트래커(102)가 피드백된 적외선 레이저를 감지하고, 기록원이 위치한 점(p1)과 계측 대상이 위치한 점(p2)을 선으로 연결한다(S504).
그리고, 레이저 트래커(102)가 선으로 연결한 벡터들을 합산하여 계측 대상의 직진도, 거리값 및 방위각을 계측한다(S506).
이하, 도 6을 참조하여 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 방법의 제S410단계의 세부과정에 대해 살피면 아래와 같다.
제S404단계 이후, 학습부(106)가 GPS수신기(104)로부터 인가받은 벡터값을 이미지로 변환하여 정답영상으로 설정한다(S602).
이어서, 학습부(106)가 GPS수신기(104)로부터 벡터로 변환하기 전의 GPS 위상을 인가받아 이미지로 변환한다(S604).
뒤이어, 학습부(106)가 레이저 트래커(102)로부터 인가받은 계측 대상의 직진도, 거리값 및 방위각 각각을 이미지로 변환한다(S606).
그리고, 학습부(106)가 변환한 이미지를 신경망의 입력데이터로 넣어 정답영상을 도출하도록 학습을 수행한다(S608).
이하, 도 7을 참조하여 본 발명의 일 실시예에 따른 딥러닝을 이용한 고정밀 거리 측정 방법의 제S408단계 이후과정에 대해 살피면 아래와 같다.
제S408단계 이후, 중계장치(10)가 단말기(110)로부터 수신한 집계정보를 경기영상을 송출하는 방송국 서버로 전송한다(S702).
그리고, 방송국 서버가 촬영된 경기영상과 수신한 집계정보를 동기화시켜 댁내로 송출한다(S704).
이처럼 전술한 바와 같은 본 발명의 일 실시예에 의하면, 조 기록원과 선수간의 상대적 위치로부터 거리 및 방위각을 도출하고, RTK 기술을 이용한 GPS 수신기를 통해 계측한 조 기록원의 위치와, 레이저 트래커를 통해 측정한 조 기록원과 선수간의 거리값 및 방위각을 벡터로 변환하여 조 기록원의 위치를 기준으로 선수의 위치를 정밀하게 측정함으로써, 한명의 기록원이 다수의 선수들에 대한 거리정보를 빠르고 정확하게 계측할 수 있다.
또한, 조 기록원과 선수간의 거리값 및 방위각의 벡터를 이미지로 변환하고, 딥러닝 학습을 통해 신경망 학습을 통해 입력 데이터에 오차를 보정함으로써, 조 기록원의 위치로부터 선수와의 거리값 및 방위각을 빠르고 정확한 계측이 가능하고, 단말기를 통해 측정한 조 기록원의 위치를 기준으로 선수의 위치와 단말기를 통해 집계한 기록 및 검수 결과를 중계 장치의 송출함에 따라 골프 경기시 선수의 샷과 동시에 관련정보 시청이 가능하다.
이상으로 본 발명의 기술적 사상을 예시하기 위한 바람직한 실시예와 관련하여 설명하고 도시하였지만, 본 발명은 이와 같이 도시되고 설명된 그대로의 구성 및 작용에만 국한되는 것이 아니며, 기술적 사상의 범주를 일탈함이 없이 본 발명에 대해 다수의 변경 및 수정이 가능함을 당업자들은 잘 이해할 수 있을 것이다. 따라서 그러한 모든 적절한 변경 및 수정과 균등 물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.
100: 딥러닝을 이용한 고정밀 거리 측정 시스템
102: 레이저 트래커
104: GPS수신기
106: 학습부
108: 집계부
110: 단말기
10: 중계장치
20: IoT모듈

Claims (4)

  1. 계측 대상의 직진도, 거리값 및 방위각을 계측하는 레이저 트래커;
    계측 대상의 GPS 위상을 주변의 이동국으로 전송하여 오차가 보정된 벡터값을 수신하는 GPS수신기;
    상기 벡터값을 이미지로 변환하여 정답영상으로 설정하고, 벡터로 변환하기 전의 GPS 위상을 이미지로 변환하여 신경망의 입력데이터로 넣어 학습을 수행하는 학습부;
    계측 대상 각각의 식별ID와 대응하는 경기기록을 입력받아 이전 기록과의 매칭을 통한 검수절차를 거쳐 경기기록 정보를 생성하는 집계부; 및
    오차가 보정된 벡터값에 부합하는 계측 대상의 직진도, 거리값 및 방위각과, 계측 대상의 식별ID 또는 경기진행 그룹별로 집계한 경기기록 정보를 중계장치로 전송하는 단말기를 포함하되,
    상기 레이저 트래커는,
    자신이 위치한 점(p1)을 기준으로 계측 대상이 위치한 점(p2)을 선으로 연결하되, 연결된 선의 벡터값을 합산하여 계측 대상에 대한 직진도, 거리값 및 방위각을 계측하고,
    상기 GPS수신기는,
    계측 대상의 GPS 위상을 수신하되, RTK를 통해 계측 대상에 구비된 IoT모듈을 지상 기준점으로 설정하여 기 설정된 이동국으로 전송하고, 이동국으로부터 오차가 보정된 벡터값을 수신하며,
    사전에 계측 대상 각각의 식별ID를 등록하여 GPS 위성으로부터 식별ID 각각과 매칭되는 IoT모듈에 대한 위상을 수신하고, GPS 위성은 IoT모듈 각각을 지상 기준점으로 인식하며,
    상기 학습부는,
    상기 GPS수신기로부터 인가받은 벡터값을 이미지로 변환하여 정답영상으로 설정하되, 상기 GPS수신기로부터 벡터로 변환하기 이전의 GPS 위상을 인가받아 이미지로 변환하여 신경망의 입력데이터로 넣어 정답영상을 도출하도록 학습을 수행하고,
    상기 레이저 트래커로부터 인가받은 계측 대상의 직진도, 거리값 및 방위각 각각을 이미지로 변환하여 신경망의 입력데이터로 넣어 정답영상을 도출하도록 학습을 수행하되, 학습결과를 이동국(Rover)으로 피드백하여 GPS 위성으로부터 위상의 오차 보정을 위한 시간을 단축시키며,
    상기 단말기는,
    상기 GPS수신기로부터 오차가 보정된 벡터값에 부합하는 계측 대상의 직진도, 거리값 및 방위각을 수신하여 식별ID별로 분류하고, 상기 집계부로부터 인가받은 집계정보를 계측 대상의 식별ID 또는 경기진행 그룹별로 분류하며, 분류된 계측 대상의 직진도, 거리값, 방위각 및 집계정보를 중계장치로 전송하며, 계측 대상 각각에 구비된 IoT모듈들을 하나의 그룹으로 설정하여 분류하고,
    상기 중계장치는,
    상기 단말기로부터 수신한 집계정보를 경기영상을 송출하는 방송국 서버로 전송하여, 촬영된 경기영상과 집계정보 내의 데이터(계측 대상의 식별ID, 직진도, 거리값, 방위각, 경기기록)를 동기화시켜 댁내로 송출하는 것을 특징으로 하는 딥러닝을 이용한 고정밀 거리 측정 시스템.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 집계부는,
    계측 대상 각각의 식별ID와 대응하는 경기기록을 입력받아 식별ID별로 각 홀마다 집계된 이전 기록과 매칭하여 경기기록을 동기화하되,
    각 경기기록의 필드와 테이블에 입력된 항목들에 대한 검수절차를 거쳐 경기기록 정보를 생성하는 것을 특징으로 하는 딥러닝을 이용한 고정밀 거리 측정 시스템.
KR1020190158900A 2019-12-03 2019-12-03 딥러닝을 이용한 고정밀 거리 측정 시스템 KR102109488B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190158900A KR102109488B1 (ko) 2019-12-03 2019-12-03 딥러닝을 이용한 고정밀 거리 측정 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190158900A KR102109488B1 (ko) 2019-12-03 2019-12-03 딥러닝을 이용한 고정밀 거리 측정 시스템

Publications (1)

Publication Number Publication Date
KR102109488B1 true KR102109488B1 (ko) 2020-05-12

Family

ID=70679510

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190158900A KR102109488B1 (ko) 2019-12-03 2019-12-03 딥러닝을 이용한 고정밀 거리 측정 시스템

Country Status (1)

Country Link
KR (1) KR102109488B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102428532B1 (ko) * 2022-03-11 2022-08-03 주식회사 바론시스템 부유식 해양플랜트 무어링 시스템의 디지털트윈 시스템
WO2024058322A1 (ko) * 2022-09-13 2024-03-21 주식회사 카카오브이엑스 퍼팅 정보 제공 방법 및 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020004198A (ko) 2000-07-03 2002-01-16 강오현 지.피.에스를 이용한 골프 정보 참조 장치 및 그 방법
KR20040079120A (ko) * 2003-03-06 2004-09-14 삼성전자주식회사 신경망을 이용한 복합 항법 시스템 및 신경망 적용 방법
KR20100047781A (ko) * 2008-10-29 2010-05-10 (주) 이지트론 지능형 실시간 골프경기관리시스템
KR20110006988A (ko) * 2009-07-15 2011-01-21 이동수 위치 기반 중계 서비스를 제공하는 방법, 서버 및 시스템
KR101854340B1 (ko) * 2016-10-04 2018-05-03 김진현 골프 캐디 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020004198A (ko) 2000-07-03 2002-01-16 강오현 지.피.에스를 이용한 골프 정보 참조 장치 및 그 방법
KR20040079120A (ko) * 2003-03-06 2004-09-14 삼성전자주식회사 신경망을 이용한 복합 항법 시스템 및 신경망 적용 방법
KR20100047781A (ko) * 2008-10-29 2010-05-10 (주) 이지트론 지능형 실시간 골프경기관리시스템
KR20110006988A (ko) * 2009-07-15 2011-01-21 이동수 위치 기반 중계 서비스를 제공하는 방법, 서버 및 시스템
KR101854340B1 (ko) * 2016-10-04 2018-05-03 김진현 골프 캐디 시스템 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102428532B1 (ko) * 2022-03-11 2022-08-03 주식회사 바론시스템 부유식 해양플랜트 무어링 시스템의 디지털트윈 시스템
WO2024058322A1 (ko) * 2022-09-13 2024-03-21 주식회사 카카오브이엑스 퍼팅 정보 제공 방법 및 장치

Similar Documents

Publication Publication Date Title
KR102109488B1 (ko) 딥러닝을 이용한 고정밀 거리 측정 시스템
CA2973115C (en) Golf ball tracking system
US9375627B2 (en) Laser detection enhanced RFID tag reading event timing system and method
US20230124155A1 (en) Autonomous digital media processing systems and methods
US20210407316A1 (en) Posture comparison and correction method using application configured to check two golf images and result data in overlapping state
CN111866575B (zh) 一种实时动作视频智能捕捉与反馈方法及系统
US11729490B2 (en) Autonomous digital media processing systems and methods
WO2021125512A1 (ko) 스마트 골프장 운영을 위한 관제 서버, 관제 시스템 및 그 방법
US20180172835A1 (en) System and method for providing a user with an indication of position
US20240207681A1 (en) Stick Patterns in a Sporting Event
CN106470478A (zh) 一种定位数据处理方法、装置和系统
CN106405493A (zh) 人流轨迹追踪方法及设备
US20240144486A1 (en) Golf ball tracking system and methods
US20160337573A1 (en) Camera, method, and system for filming golf game
WO2022241280A1 (en) Systems and methods for sports and movement training
CN107209246A (zh) 使用蓝牙低能量的方位计算
Hribernik et al. Sensor based agility assessment in sport
CN106197683A (zh) 一种便携智能红外测温系统
JP2005058325A (ja) ゴルフボール追跡管理システム，方法およびプログラム
KR101778890B1 (ko) 골프장용 거리 측정을 위한 드론
US11771954B2 (en) Method for calculating a swing trajectory of a golf club using radar sensing data, a radar sensing device using the same, and a recording medium readable by a computing device recording the method
KR102117238B1 (ko) 인공지능과 증강현실을 활용한 스포츠 중계방송에서의 동영상 콘텐츠 제작 장치
CN207545784U (zh) 一种智能运动捕捉装置及系统
CN112394320A (zh) 基于支持向量机的室内高精度质心定位方法
JP2023014942A (ja) 測位センサー付きウエイトトレーニング器具およびトレーニング記録システム

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant