KR102354100B1 - 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템 - Google Patents

해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템 Download PDF

Info

Publication number
KR102354100B1
KR102354100B1 KR1020200061280A KR20200061280A KR102354100B1 KR 102354100 B1 KR102354100 B1 KR 102354100B1 KR 1020200061280 A KR1020200061280 A KR 1020200061280A KR 20200061280 A KR20200061280 A KR 20200061280A KR 102354100 B1 KR102354100 B1 KR 102354100B1
Authority
KR
South Korea
Prior art keywords
image
debris
shore
database
coastal
Prior art date
Application number
KR1020200061280A
Other languages
English (en)
Other versions
KR20210144233A (ko
Inventor
장선웅
김흥민
Original Assignee
(주) 아이렘기술개발
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) 아이렘기술개발 filed Critical (주) 아이렘기술개발
Priority to KR1020200061280A priority Critical patent/KR102354100B1/ko
Publication of KR20210144233A publication Critical patent/KR20210144233A/ko
Application granted granted Critical
Publication of KR102354100B1 publication Critical patent/KR102354100B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U10/00—Type of UAV
    • B64U10/10—Rotorcrafts
    • B64U10/13—Flying platforms
    • B64U10/14—Flying platforms with four distinct rotor axes, e.g. quadcopters
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U10/00—Type of UAV
    • B64U10/25—Fixed-wing aircraft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/787—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G06K9/6201—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • B64C2201/123—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • B64U2101/31—UAVs specially adapted for particular uses or applications for imaging, photography or videography for surveillance
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Remote Sensing (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Mechanical Engineering (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템에 관한 것으로, 무인 항공기를 통해 촬영된 항공 영상을 기반으로 정사 영상을 제작하는 단계, 상기 정사 영상을 기반으로 해안쓰레기의 분포 영역 정보를 분석하는 단계, 상기 분석된 해안쓰레기의 분포 영역 정보를 근거로, 상기 정사 영상과 위성에서 촬영된 위성 영상을 비교하여 상기 해안쓰레기를 검증하는 단계 및 검증된 상기 해안쓰레기에 분류 코드를 부여하고, 데이터 베이스에 저장하는 단계를 포함하는 것을 특징으로 한다.

Description

해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템{DATABASE CONSTRUCTION METHOD FOR MONITORING COASTAL WASTE AND SYSTEM FOR MONITORING COASTAL WASTE USING THE SAME}
본 발명은 해안쓰레기를 모니터링하기 위한 데이터베이스를 구축하고 이를 이용하여 해안쓰레기를 모니터링하기위한 시스템에 관한 것이다.
바다는 지구 표면의 약 71%를 차지하며, 인간에게 유용한 자원을 제공하고, 동식물에게 살아가는 환경을 조성한다. 그러나, 산업발전과 더불어 선박 사고로 인한 유류 오염, 육지에서 바다로 유입되는 쓰레기(또는 폐기물) 등으로 인한 바다의 오염이 심각한 문제로 대두되고 있다.
특히 바다에 버려지는 해양 쓰레기는, 바다로 유입되는 모든 쓰레기로, 육지에서 흘러 들어가거나 배에서 버려지는 것 등 바닷속 또는 바다 위의 모든 쓰레기(또는 폐기물)를 이른다. 구체적으로 해양쓰레기는 그 분포의 위치에 따라, 해안(또는 해변)쓰레기, 부유쓰레기, 침적(또는 해저)쓰레기 등으로 분류할 수 있다.
특히 해안쓰레기를 관리 및 수거하기 위해서는, 해안에 분포된 해안 쓰레기에 대한 지속적인 모니터링이 필요하다.
전국 해안가에 쌓여 있는 쓰레기는, 대략 1만 2천 톤으로 추정하고 있으나, 지역별 쓰레기 양과 오염 정도는 정확히 파악되고 있지 못한 실정이다.
해안쓰레기의 현장 조사 방식은 많은 시간과 인력, 비용의 소요로 인해 해변 중 일부 구간 만을 선정하여 모니터링을 수행하며, 정확한 실태 파악에 상당한 오차 요인이 존재한다.
최근에는 사람의 접근이 힘들고 넓은 범위의 해안쓰레기 모니터링을 위해 드론을 이용하고 있으나, 쓰레기의 집적 구간에서 다소 높은 오탐지율이 나타난다.
이에 해안쓰레기를 효과적으로 모니터링하기 위해서는, 해안을 이루는 광범위한 영역에 대해 보다 정확도 높은 데이터베이스가 필요하다.
이에 본 발명에서는 보다 효율적으로 해안쓰레기를 모니터링하기 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템을 제안한다.
본 발명의 일 목적은, 해안쓰레기를 지속적으로 관리 및 저감하기 위한 데이터 베이스를 구축하는 것이다.
본 발명의 다른 일 목적은, 정확도 높은 데이터베이스를 이용한 해안쓰레기 모니터링 시스템을 제공하는 것이다.
본 발명의 일 목적은, 해안 쓰레기의 발생량 및 변화량을 파악할 수 있는 해안쓰레기를 모니터링하기위한 데이터 베이스구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템을 제공하는 것이다.
본 발명은 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법에 관한 것으로, 무인 항공기를 통해 촬영된 항공 영상을 기반으로 정사 영상을 제작하는 단계, 상기 정사 영상을 기반으로 해안쓰레기의 분포 영역 정보를 분석하는 단계, 상기 분석된 해안쓰레기의 분포 영역 정보를 근거로, 상기 정사 영상과 위성에서 촬영된 위성 영상을 비교하여 상기 해안쓰레기를 검증하는 단계 및 검증된 상기 해안쓰레기에 분류 코드를 부여하고, 데이터 베이스에 저장하는 단계를 포함하는 것을 특징으로 한다.
일 예로서, 상기 분포 영역 정보는, 상기 해안쓰레기의 위치 좌표 정보 및 분포 면적 정보를 포함하는 것을 특징으로 한다.
일 예로서, 상기 검증하는 단계에서는, 상기 정사 영상내 상기 해안 쓰레기의 위치 좌표 정보 및 분포 면적 정보에 매칭되는 좌표 영역과, 상기 위성 영상의 상기 좌표 영역의 해안쓰레기를 비교하여 검증하는 것을 특징으로 한다.
일 예로서, 상기 정사 영상은 특정 기간에 촬영된 특정 위성 영상과 비교하고, 상기 특정 기간은 상기 정사 영상을 제작하는데 이용된 상기 항공 영상이 촬영된 기간인 것을 특징으로 한다.
일 예로서, 상기 데이터 베이스에 저장하는 단계에서는, 검증된 상기 해안쓰레기를 분류 코드를, 상기 항공 영상의 촬영 시기, 촬영 지역 및 촬영 해안 별로 카테고리를 분류하여 상기 데이터 베이스에 저장하는 것을 특징으로 한다.
일 예로서, 상기 정사 영상을 제작하는 단계에서는, 상기 무인 항공기를 통해 촬영된 상기 항공 영상과 상기 무인항공기의 비행 기록 정보를 기반으로 정사 영상을 제작하는 것을 특징으로 한다.
일 예로서, 상기 데이터베이스에 저장된 상기 해안쓰레기의 영상을 기반으로 상기 해안쓰레기의 분류코드를 매칭하는 학습을 수행하는 단계를 더 포함하는 것을 특징으로 한다.
한편, 본 발명에 따른 해안쓰레기 모니터링 시스템은, 해안쓰레기의 영상이 분류 코드에 따라 저장된 데이터 베이스, 특정 영역을 모니터링하도록 지상을 촬영하는 무인항공기 및 상기 촬영된 영상에서 해안쓰레기를 검출하고, 상기 검출된 해안쓰레기를 상기 데이터 베이스에 저장된 상기 분류 코드와 매칭하여 모니터링을 수행하는 모니터링부를 포함하며, 상기 분류 코드는 촬영된 영상을 기반으로 제작된 정사 영상을 위성에서 촬영한 위성 영상과 비교하여 분류된 것을 특징으로 한다.
일 예로서, 상기 데이터베이스에 저장된 상기 해안쓰레기 영상을 기반으로 상기 해안쓰레기의 분류코드를 매칭하는 학습을 수행하는 학습부를 더 포함하는 것을 특징으로 한다.
일 예로서, 상기 분류코드는, 상기 정사 영상내 해안 쓰레기의 위치 좌표 정보 및 분포 면적 정보에 매칭되는 좌표 영역과, 상기 위성 영상의 상기 좌표 영역의 상기 해안쓰레기를 비교하여 검증하고, 검증된 상기 해안쓰레기에 상기 분류코드가 부여되는 것을 특징으로 한다.
본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템은, 지속적으로 해안쓰레기 모니터링함으로써, 해안 환경을 관리할 수 있다.
또한, 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템은, 지점별, 계절별 해안쓰레기의 발생량 및 변화량 파악이 용이하다. 이에 따라, 정확한 해안쓰레기 발생량을 추정함으로써, 해안쓰레기 처리 및 저감 대책 마련할 수 있다.
나아가 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법을 통해 데이터베이스를 구축함으로써, 이를 이용하여 보다 정확도 높은 해안쓰레기 모니터링 시스템을 이용할 수 있다.
도 1은 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템을 전반적인 개념을 설명하기 위한 참조도면이다.
도 2는 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법의 흐름도이다.
도 3은 정사 영상을 생성하는 방법을 설명하기 위한 참조 도면이다.
도 4는 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법을 설명하기 위한 참조 도면이다.
도 5는 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법을 설명하기 위한 참조 도면이다.
도 6은 본 발명에 따른 구축된 데이터베이스를 이용하여 해안쓰레기를 모니터링하기 위한 방법을 도시한 흐름도이다.
도 7은 본 발명에 따른 해안쓰레기 모니터링 시스템을 도시한 구성도이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소에는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 발명은 해안쓰레기를 지속적으로 관리 및 저감하기위해 고안된 것으로, 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템에 관한 것이다. 본 명세서에서는 해안쓰레기라고 기재하였으나, 이는 해안쓰레기로 한정하는 것은 아니며, 해안쓰레기를 포함하는 해양쓰레기 및 기타 물체를 포함할 수 있다.
도 1은 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템을 전반적인 개념을 설명하기 위한 참조도면이다.
먼저, 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스를 구축하기 위해 해안별로 항공 영상을 촬영하고 이를 이용하여 정사영상을 생성한다. 생성된 정사 영상에서 해안쓰레기에 대한 정보를 인식 및 판독한다. 그리고 정사 영상을 위성 영상과 비교함으로써 해안쓰레기를 검증하는 과정을 통해 보다 정확도 높은 검출이 가능하다.
나아가 검증된 해안쓰레기 영상을 카테고리별로 분류한 빅데이터를 데이터베이스에 저장한다. 이러한 방법을 통해 구축된 데이터베이스를 기반으로 관리자(또는 사용자, 또는 관리 시스템)는, 해안쓰레기를 관리하고 이를 모니터링 할 수 있다.
이하에서 도면을 참조하여 본 발명을 보다 구체적으로 설명하도록 한다.
도 2는 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법의 흐름도이다. 도 3은 정사 영상을 생성하는 방법을 설명하기 위한 참조 도면이다. 도 4 및 도 5는 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법을 설명하기 위한 참조 도면이다. 도 6은 본 발명에 따른 구축된 데이터베이스를 이용하여 해안쓰레기를 모니터링하기 위한 방법을 도시한 흐름도이다. 도 7은 본 발명에 따른 해안쓰레기 모니터링 시스템을 도시한 구성도이다.
먼저 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법을 도 2을 참조하여 설명하도록 한다. 이하에서는 해안쓰레기 모니터링을 위한 데이터베이스 구축하기 위한 구성요소의 일 예로서, 정사영상 생성부, 분석부, 검증부 및 제어부를 포함할 수 있다. 다만, 이러한 구성요소로 한정되는 것은 아니며 동일 또는 유사한 기능을 하는 구성요소로 대체될 수 있다.
정사영상 생성부는 무인항공기를 통해 촬영된 항공 영상을 기반으로 정사영상을 제작(또는 생성)한다(S110).
즉, 정사영상 생성부는, 정사영상의 제작하기 위해, 무인항공기를 통해 촬영된 항공 영상을 수집해야 한다.
여기서 무인항공기는, 사람이 탑승하지 않고 원격조종 또는 자율조종으로 비행하는 항공기로서, 날개부에 따라 고정익과 회전익으로 구분된다. 이러한 무인항공기는, 드론(drone)이라고도 명명된다.
이러한 무인항공기 중 카메라를 포함하는 무인항공기는, 항공 영상을 촬영하는데 활용될 수 있다. 이하에서 설명하는 무인항공기는, 카메라를 포함(또는 내장)한 무인항공기를 의미한다.
무인 항공기는, 모니터링이 필요한 구역에 대해 다양한 환경 조건에서 영상을 촬영한다. 이때 다양한 환경 조건이란, 고도별, 각도별, 시간대별 등으로, 무인항공기는 각각의 조건에 부합하는 다양한 영상을 촬영할 수 있다. 이때 무인항공기를 통해 촬영된 복수의 영상은 데이터베이스에 고도별, 각도별 및 시간대별 등 조건에 따라 각각의 카테고리로 저장될 수 있다.
무인항공기를 통해 촬영된 항공영상은 무인항공기 기체에 탑재된 센서의 저장 장치에 저장될 수 있다. 일 예로서, 촬영된 영상은, RAW 또는 JPEG의 형태로 저장될 수 있다.
무인항공기의 날개부에 따라 구별되는, 고정익 무인항공기와 회전익 무인항공기 각각을 이용한 정사영상 촬영 계획을 설정할 수 있다.
먼저 고정익 무인항공기를 이용한 정사영상 촬영계획을 설정할 수 있다. 고정익 무인 항공기를 이용하여 촬영된 항공 영상을 기반으로 생성된 정사영상을 이용하여, 사용자는 해안쓰레기의 발생량, 분포 양상 정보를 파악할 수 있다. 정사영상 생성을 위해 비행 전용 소프트웨어를 사용하여 사전모의비행을 실시하며, 촬영 지역에 따른 비행고도, 촬영 범위, 종중복율 및 횡중복율 등을 설정할 수 있다.
한편 회전익 무인항공기를 이용한 정사영상 촬영계획을 설정할 수 있다. 고정익 무인항공기 비행에 한계가 있는 지역에서 정사영상 제작을 위한 비행계획을 수립할 수 있다. 또한 회전익 무인항공기를 이용하여 해안쓰레기 항목별로, 다양한 환경 조건(예를 들어, 고도별, 각도별, 시간대별 등)에서 항공 영상을 수집할 수 있다.
한편, 정사영상을 생성하기 위해 무인항공기를 통해 촬영된 영상이 활용될 수 있다. 여기서 정사영상(Orthophoto)이란, 수직에서 바라본 왜곡 없는 복수의 사진을 하나의 좌표계로 통일시킨 영상으로, 지적도면을 정사영상 이미지에 중첩하는 작업을 통해 지적 불부합지 확인 및 기타 전체 사업 필지 및 규모 파악에 활용이 가능하다. 여기서 '좌표계'란, 공간상에서 지형, 지물의 위치를 수학적으로 나타내기 위한 체계를 의미하고, '좌표'란, 좌표계상에서 지형, 지물의 위치를 수학적으로 나타낸 값을 의미한다.
한편, 도 3을 참조하면, 정사영상을 생성하는 과정은 다음과 같다.
먼저 정사영상 생성부는, 무인항공기를 통해 촬영된 항공 영상과 메타데이터를 수집한다. 이때 메타데이터(Metadata)는, 데이터의 속성과 관련된 정보 또는 데이터로서, 무인항공기에서 항공 영상을 촬영한 당시의 비행 로그 정보를 포함할 수 있다(S111). 일 예로서, 비행 로그 정보는, 항공 영상 촬영 당시의 무인항공기 기체의 자세 및 위치 정보 중 적어도 하나를 포함할 수 있다.
정사영상 생성부는, 무인항공기를 통해 촬영된 항공 영상과 메타데이터인 비행 로그 정보를 이용하여 영상을 타일링하고, DSM(Digital Surface Model; 디지털 표면 모델)을 생성한다(S112).
그리고 영상의 기하보정 및 편위 수정을 통해 하나의 정사영상을 생성할 수 있다(S113, S114). 이때 정사영상은, 무인 항공 영상 전용 소프트웨어(예를 들어, Pix4D Mapper pro 등)를 통해 생성될 수 있다.
한편, 분석부는, 정사영상을 기반으로 해안쓰레기의 분포 영역 정보를 분석할 수 있다(S120).
이때, 해안쓰레기의 분포 영역 정보는, 해안쓰레기가 위치한 위치 좌표 정보 및 해안쓰레기가 분포한 면적 정보를 포함할 수 있다.
분석부는, 정사영상을 기반으로 분석한 해안쓰레기의 분포 영역 정보, 즉 위치 좌표 정보 및 분포 면적 정보를 데이터베이스에 저장할 수 있다.
일 예로서, 도 4에 도시된 바와 같이, 해안가에서 복수의 해안쓰레기(511, 512, 513)가 검출되는 경우, 해안쓰레기가 검출된 위치 좌표 및 해안쓰레기가 분포한 면적 정보(521, 522, 523)는 검출된 해안쓰레기 영상과 매칭하여 저장할 수 있다.
한편, 분석부는, 해안쓰레기의 검출 정확도를 검증하기 위해, 분석된 해안쓰레기의 분포 영역 정보를 근거로, 정사영상과 위성으로 촬영된 위성 영상을 비교하여 해안쓰레기를 검증한다(S130).
구체적으로 정사영상과 위성 영상의 특정 좌표에서의 검출된 영상을 통해 해안쓰레기를 검증할 수 있다. 이때 특정 좌표는, 분석부를 통해 정사영상에서 해안쓰레기가 검출된 위치 좌표를 의미할 수 있다. 여기서 해안쓰레기를 검증한다는 것은, 정사영상에서 해안쓰레기가 검출된 영역을, 위성 영상에서 촬영된 동일한 영역과 비교함으로써, 해안쓰레기의 정확도를 검사하여 증명하는 것을 의미한다.
즉, 위성 영상에서, 분석부를 통해 정사영상에서 해안쓰레기의 위치 좌표와 동일한 좌표(또는 픽셀)에 해안쓰레기가 검출되는지 여부를 검증한다. 이때 검증의 정확도를 높이기 위해, 정사영상을, 특정 기간에 촬영된 위성 영상과 비교한다. 여기서 특정 기간이란, 상기 정사영상의 제작 기간(또는 항공 영상이 촬영된 기간)와 유사(또는 동일)한 기간에 촬영된 위성 영상과 비교할 수 있다. 일 예로서, 위성으로 촬영된 위성 영상은 나노 위성으로 촬영된 위성 영상을 포함할 수 있다.
제어부는 검증된 해안쓰레기에 고유의 분류코드(ID)를 부여하고, 분류코드 별로 분류하여 데이터베이스에 저장할 수 있다(S140).
이때 분류 코드는, 해안쓰레기의 종류에 따라, 대분류, 중분류 및 소분류로 분류될 수 있다. 예를 들어, 대분류는 일반 쓰레기와 재활용 쓰레기로 분류할 수 있고, 중분류는 초목류, 플라스틱, 금속 등으로 분류할 수 있으며, 또한 해안쓰레기의 재질과 형상을 고려하여 소분류로 분류할 수 있다.
일 예로서, 사용자의 편의를 위해, 해안쓰레기마다 각 분류 기준별 코드, 색상이 포함된 5자리 10진수로 구성된 파일명이 부여될 수 있다.
도 5에 도시된 바와 같이, 데이터베이스(300)에는, 해안쓰레기 영상이 분류된 분류코드와 함께 카테고리 별로 저장(320)될 수 있다.
한편, 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법은, 데이터베이스에 저장된 해안쓰레기의 영상을 기반으로 상기 해안쓰레기의 분류코드를 매칭하는 학습을 수행하는 단계를 더 포함할 수 있다.
또한 학습된 데이터는 다시 데이터베이스에 저장됨으로써, 인공지능을 기반으로 정확도 높은 해안쓰레기 분류 데이터를 얻을 수 있다.
일 예로서, 데이터베이스에 저장된 해안쓰레기 영상을 트레이닝 세트(Training set)로 이용하여, 기계학습(Machine Learning)을 통해 보다 정확하게 해안쓰레기가 분류된 데이터베이스를 구축하는 것이 가능하다.
이상에서는, 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 살펴보았다. 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법을 통해 데이터베이스를 구축함으로써, 이를 이용하여 보다 정확도 높은 해안쓰레기의 모니터링이 가능하다.
나아가 지속적으로 해안쓰레기 모니터링함으로써, 해안 환경 모니터링하고, 지점별, 계절별 해안쓰레기의 발생량 및 변화량 파악이 용이하다.
따라서, 정확한 해안쓰레기 발생량을 추정함으로써, 해안쓰레기 처리 및 저감 대책 마련할 수 있다.
이하에서는 해안쓰레기 모니터링을 위한 데이터베이스를 이용한 해안쓰레기 모니터링 시스템을 도 6 및 도 7을 참조하여 설명하도록 한다.
본 발명에 따른 해안쓰레기 모니터링 시스템(10)은, 무인항공기(100), 모니터링부(200) 및 데이터베이스(300)를 포함할 수 있다. 다만 상술한 구성요소로 제한되는 것은 아니며, 추가적인 구성요소를 더 포함할 수 있으며, 상술한 구성요소 중 적어도 하나가 생략될 수 있다.
먼저, 무인항공기(100)는, 전술한 바와 같이, 사람이 탑승하지 않고 원격조종 또는 자율조종으로 비행하는 항공기로서, 날개부에 따라 고정익과 회전익으로 구분된다. 해안의 위치 또는 지형에 따라 고정익 무인항공기 또는 회전익 무인항공기 중 적어도 하나가 활용될 수 있다.
이러한 무인항공기(100) 중 촬영용 무인항공기는, 항공 영상을 촬영하는데 활용될 수 있다. 이하에서 설명하는 무인항공기(100)는, 영상을 촬영하기 위해 촬영 장비(예를 들어, 카메라)를 포함(또는 내장)한 무인항공기를 의미한다.
무인항공기(100)는, 특정 영역을 모니터링하도록 지상을 촬영할 수 있다(S210). 이때 특정 영역은, 해안쓰레기의 모니터링이 필요한 구역일 수 있다. 무인항공기(100)는 모니터링이 필요한 구역에 대해 다양한 환경 조건에서 영상을 촬영할 수 있다. 이때 다양한 환경 조건이란, 고도별, 각도별, 시간대별 등으로, 무인항공기(100)는 각각의 조건에 부합하는 다양한 영상을 촬영할 수 있다.
무인항공기(100)를 통해 촬영된 영상은 기체에 탑재된 센서의 저장 장치에 저장될 수 있다. 일 예로서, 촬영된 영상의 형태는 RAW 또는 JPEG의 형태로 저장될 수 있다.
한편, 모니터링부(200)는, 무인항공기(100)를 통해 촬영된 영상을 기반으로 해안쓰레기를 검출 및 분석할 수 있다(S220).
모니터링부(200)는, 검출된 해안쓰레기를 데이터베이스에 저장된 분류 코드와 매칭하여 해안쓰레기에 대한 모니터링을 수행할 수 있다(S230).
이때 데이터베이스(300)에는, 해안쓰레기의 영상이 분류 코드에 따라 분류되어 저장되어 있다. 또한 데이터베이스(300)는, 무인항공기를 통해 촬영한 해역별, 해안별, 지역별, 시기별 등 다양한 조건의 항공 영상 및 항공 영상을 기반으로 생성된 정사영상을 포함할 수 있다.
데이터베이스(300)에는 영상 기반의 빅데이터 확보를 통해 해안쓰레기를 비롯한 다양한 해안 관리에 활용할 수 있다.
한편 분류 코드는, 촬영된 영상을 기반으로 제작된 정사 영상을 위성에서 촬영한 위성 영상과 비교하여 분류될 수 있다.
구체적으로 정사영상과 위성 영상의 특정 좌표에서의 검출된 영상을 통해 해안쓰레기를 검증할 수 있다. 이때 특정 좌표는, 분석부를 통해 정사영상에서 해안쓰레기가 검출된 위치 좌표를 의미할 수 있다.
즉, 위성 영상에서, 분석부를 통해 정사영상에서 해안쓰레기의 위치 좌표와 동일한 좌표(또는 픽셀)에 해안쓰레기가 검출되는지 여부를 검증한다. 검증의 정확도를 높이기 위해, 정사영상을, 상기 정사영상의 제작 시기와 유사한 시기에 위성으로 촬영된 위성 영상과 비교한다. 이때 위성으로 촬영된 위성 영상은, 일 예로서, 나노 위성으로 촬영된 영상을 포함할 수 있다.
제어부는 검증된 해안쓰레기에 고유의 분류코드를 부여하고, 분류코드 별로 분류하여 데이터베이스에 저장할 수 있다.
한편, 본 발명에 따른 해안쓰레기 모니터링 시스템은, 상기 데이터베이스에 저장된 상기 해안쓰레기 영상을 기반으로 상기 해안쓰레기의 분류코드를 매칭하는 학습을 수행하는 학습부를 더 포함할 수 있다.
인공지능을 기반으로 항공 영상 내 해안쓰레기를 탐지하기 위해, 학습부는, 데이터베이스에 저장된 복수의 해안쓰레기 영상을 학습 데이터로 활용할 수 있다.
일 예로서, 학습부는, 데이터베이스에 저장된 적어도 하나의 항공 영상을 기계학습(Machine Learning)을 위한 트레이닝 세트로 활용할 수 있다.
따라서 본 발명에 따른 해안쓰레기 모니터링 시스템(10)은, 기계 학습을 통해 보다 정확한 해안쓰레기 검출이 가능하다.
일 예로서, 학습부는, 데이터베이스에 저장된 해안쓰레기 영상을 트레이닝 세트(Training set)로 이용하여, 기계학습(Machine Learning)을 통해 보다 정확한 해안쓰레기를 분류가 가능하다.
전술한 바와 같이, 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템은, 지속적으로 해안쓰레기 모니터링함으로써, 해안 환경을 관리할 수 있다.
또한, 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템은, 지점별, 계절별 해안쓰레기의 발생량 및 변화량 파악이 용이하다. 이에 따라, 정확한 해안쓰레기 발생량을 추정함으로써, 해안쓰레기 처리 및 저감 대책 마련할 수 있다.
나아가 본 발명에 따른 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법을 통해 데이터베이스를 구축함으로써, 이를 이용하여 보다 정확도 높은 해안쓰레기 모니터링 시스템을 이용할 수 있다.
10: 해안쓰레기 모니터링 시스템
100: 무인항공기
200: 모니터링부
300: 데이터 베이스

Claims (10)

  1. 무인항공기를 통해 서로 다른 시간대별 항공 영상을 촬영하는 단계;
    상기 항공 영상을 기반으로 정사 영상을 제작하는 단계;
    상기 정사 영상을 기반으로 해안쓰레기가 위치한 위치 좌표 정보 및 해안쓰레기가 분포한 분포 면적 정보를 포함하는 분포 영역 정보를 분석하는 단계;
    상기 항공 영상이 촬영된 시간을 기준으로 소정 기간 내에 촬영된 위성 영상에서, 상기 위치 좌표 정보 및 상기 분포 면적 정보에 매칭되는 영역에 상기 정사 영상에 포함된 상기 해안쓰레기가 검출되는지 여부를 통해 상기 해안쓰레기를 검증하는 단계;
    상기 검증된 해안쓰레기에, 상기 검증된 해안쓰레기의 종류와 관련된 적어도 하나의 분류 코드를 부여하는 단계; 및
    상기 검증된 해안쓰레기가 포함된 영상을, 상기 검증된 해안쓰레기에 부여된 적어도 하나의 분류 코드에 대응되는 카테고리와 매칭하여 데이터 베이스에 저장하는 단계를 포함하며,
    상기 항공 영상을 촬영하는 시간대는 검출하고자 하는 해안쓰레기 항목별로 설정되는 것을 특징으로 하는 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 데이터 베이스에 저장하는 단계에서는,
    검증된 상기 해안쓰레기를 분류 코드를, 상기 항공 영상의 촬영 시기, 촬영 지역 및 촬영 해안 별로 분류하여 상기 데이터 베이스에 저장하는 것을 특징으로 하는 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법.
  6. 제1항에 있어서,
    상기 정사 영상을 제작하는 단계에서는,
    상기 무인 항공기를 통해 촬영된 항공 영상과 상기 무인항공기의 비행 기록 정보를 기반으로 상기 정사 영상을 제작하는 것을 특징으로 하는 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법.
  7. 제1항에 있어서,
    상기 데이터베이스에 저장된 상기 해안쓰레기의 영상을 기반으로 상기 해안쓰레기의 분류코드를 매칭하는 학습을 수행하는 단계를 더 포함하는 것을 특징으로 하는 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법.
  8. 해안쓰레기의 영상이 분류코드에 따라 저장된 데이터베이스;
    특정 영역을 모니터링하도록 지상을 촬영하는 무인항공기; 및
    상기 촬영된 영상에서 해안쓰레기를 검출하고, 상기 검출된 해안쓰레기를 상기 데이터베이스에 저장된 상기 분류코드와 매칭하여 모니터링을 수행하는 모니터링부;를 포함하며,
    상기 분류코드는 촬영된 영상을 기반으로 제작된 정사 영상을 위성에서 촬영한 위성 영상과 비교하여 분류되고,
    상기 데이터베이스는,
    무인항공기를 통해 서로 다른 시간대별 항공 영상을 촬영하는 단계;
    상기 항공 영상을 기반으로 정사 영상을 제작하는 단계;
    상기 정사 영상을 기반으로 해안쓰레기가 위치한 위치 좌표 정보 및 해안쓰레기가 분포한 분포 면적 정보를 포함하는 분포 영역 정보를 분석하는 단계;
    상기 항공 영상이 촬영된 시간을 기준으로 소정 기간 내에 촬영된 위성 영상에서, 상기 위치 좌표 정보 및 상기 분포 면적 정보에 매칭되는 영역에 상기 정사 영상에 포함된 상기 해안쓰레기가 검출되는지 여부를 통해 상기 해안쓰레기를 검증하는 단계;
    상기 검증된 해안쓰레기에, 상기 검증된 해안쓰레기의 종류와 관련된 적어도 하나의 분류 코드를 부여하는 단계; 및
    상기 검증된 해안쓰레기가 포함된 영상을, 상기 검증된 해안쓰레기에 부여된 적어도 하나의 분류 코드에 대응되는 카테고리와 매칭하여 데이터 베이스에 저장하는 단계를 통해 구축되며,
    상기 항공 영상을 촬영하는 시간대는 검출하고자 하는 해안쓰레기 항목별로 설정된 것을 특징으로 해안쓰레기 모니터링 시스템.
  9. 제8항에 있어서,
    상기 데이터베이스에 저장된 상기 해안쓰레기의 영상을 기반으로 상기 해안쓰레기의 분류코드를 매칭하는 학습을 수행하는 학습부를 더 포함하는 것을 특징으로 하는 해안쓰레기 모니터링 시스템.
  10. 삭제
KR1020200061280A 2020-05-22 2020-05-22 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템 KR102354100B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200061280A KR102354100B1 (ko) 2020-05-22 2020-05-22 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200061280A KR102354100B1 (ko) 2020-05-22 2020-05-22 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템

Publications (2)

Publication Number Publication Date
KR20210144233A KR20210144233A (ko) 2021-11-30
KR102354100B1 true KR102354100B1 (ko) 2022-01-24

Family

ID=78722393

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200061280A KR102354100B1 (ko) 2020-05-22 2020-05-22 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템

Country Status (1)

Country Link
KR (1) KR102354100B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102545115B1 (ko) 2022-08-10 2023-06-21 (주)한컴인스페이스 무인이동체 기반 해안쓰레기 현장정보 수집 시스템 및 방법
KR20240076878A (ko) 2022-11-23 2024-05-31 (주)컨텍 위성영상을 활용한 해양폐기물 처리장치

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230134087A (ko) 2022-03-10 2023-09-20 경북대학교 산학협력단 습지 식생조사를 위한 무인항공기 트랜섹트 맵핑 방법
KR102594363B1 (ko) * 2022-09-30 2023-10-26 (주) 아이렘기술개발 위성 및 드론 영상 데이터 기반 해양쓰레기 정보 제공방법 및 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101606516B1 (ko) * 2015-03-31 2016-03-28 국민대학교산학협력단 무인항공영상을 이용한 수목생장조사 시스템 및 그 방법
KR102053582B1 (ko) 2019-05-28 2019-12-06 (주) 지오아이티 딥러닝 기반 영상패턴학습을 이용한 토지피복 분류 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150141918A (ko) * 2015-11-26 2015-12-21 안범주 해변 폐기물 수거 무인 비행체
KR102098259B1 (ko) * 2017-12-28 2020-05-26 이호동 무인항공기를 이용한 산림병해충 의심목 선별 시스템

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101606516B1 (ko) * 2015-03-31 2016-03-28 국민대학교산학협력단 무인항공영상을 이용한 수목생장조사 시스템 및 그 방법
KR102053582B1 (ko) 2019-05-28 2019-12-06 (주) 지오아이티 딥러닝 기반 영상패턴학습을 이용한 토지피복 분류 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102545115B1 (ko) 2022-08-10 2023-06-21 (주)한컴인스페이스 무인이동체 기반 해안쓰레기 현장정보 수집 시스템 및 방법
KR20240076878A (ko) 2022-11-23 2024-05-31 (주)컨텍 위성영상을 활용한 해양폐기물 처리장치

Also Published As

Publication number Publication date
KR20210144233A (ko) 2021-11-30

Similar Documents

Publication Publication Date Title
KR102354100B1 (ko) 해안쓰레기 모니터링을 위한 데이터베이스 구축 방법 및 이를 이용한 해안쓰레기 모니터링 시스템
CA2994511C (en) Condition detection using image processing
Chabot et al. Computer‐automated bird detection and counts in high‐resolution aerial images: a review
CA2994508C (en) Vegetation management for power line corridor monitoring using computer vision
Vo et al. Processing of extremely high resolution LiDAR and RGB data: Outcome of the 2015 IEEE GRSS data fusion contest—Part B: 3-D contest
CN114373138A (zh) 一种高速铁路全自动无人机巡检方法及系统
WO2017081327A1 (en) Method and system for processing image data
CN112766417A (zh) 一种利用现场照片识别目标地块土地利用现状地类的方法及系统
KR20190025162A (ko) 지리공간정보를 이용하는 실시간 감독 학습 방법 및 시스템
CN113066173A (zh) 三维模型构建方法、装置和电子设备
Sumalan et al. Flood evaluation in critical areas by UAV surveillance
CN114064737B (zh) 一种基于无人机的大型鲸类时空分布调查方法和系统
CN118347471B (zh) 一种基于多传感器融合技术的水利监测方法及系统
Djenaliev et al. Unmanned Aerial Systems for Building Footprint Extraction in Urban Area.
CN113762132B (zh) 一种无人机巡检图像自动归类与自动命名系统
Li Aerial image analysis using spiking neural networks with application to power line corridor monitoring
CN112149507B (zh) 基于图像的无人机自主地面污染物推理与定位方法及系统
Larsen et al. Geometric Registration of Benthic Imagery for Learning Appearance-Based Place Recognition over Multiple Sessions
Estomata et al. Extraction of benthic cover information from video tows and photographs using object-based image analysis
Ambata et al. Three-dimensional mapping system for environment and object detection on an unmanned aerial vehicle
Shaffer et al. Small Unmanned Aircraft-Based Foreign Object Debris Detection on Airport Surfaces
Lim Development Of Surface Surveillance System Using Autonomous Drones
Fan Identifying Illegal Buildings Using UAV Images and Faster R-CNN Based on Deep Learning
CN103310433A (zh) 一种利用影像拓扑骨架的无人机影像快速匹配方法
CN117689720A (zh) 故障光伏组件的定位方法、装置、设备及存储介质

Legal Events

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