KR102499401B1 - 폭발물의 매질 전파 특성 영상 분석 장치, 이를 위한 드론 및 그 방법 - Google Patents

폭발물의 매질 전파 특성 영상 분석 장치, 이를 위한 드론 및 그 방법 Download PDF

Info

Publication number
KR102499401B1
KR102499401B1 KR1020200150266A KR20200150266A KR102499401B1 KR 102499401 B1 KR102499401 B1 KR 102499401B1 KR 1020200150266 A KR1020200150266 A KR 1020200150266A KR 20200150266 A KR20200150266 A KR 20200150266A KR 102499401 B1 KR102499401 B1 KR 102499401B1
Authority
KR
South Korea
Prior art keywords
image
medium
explosive
aerial
speed
Prior art date
Application number
KR1020200150266A
Other languages
English (en)
Other versions
KR20220064104A (ko
Inventor
김도형
강재은
김경민
박관진
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 KR1020200150266A priority Critical patent/KR102499401B1/ko
Publication of KR20220064104A publication Critical patent/KR20220064104A/ko
Application granted granted Critical
Publication of KR102499401B1 publication Critical patent/KR102499401B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • 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)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

매질 전파 특성 영상 분석 장치는 폭발물의 상공에서 촬영되는 상공 영상을 획득하는 상공 영상 획득부, 상기 폭발물의 측면 주변에서 촬영되는 측면 영상을 획득하는 측면 영상 획득부, 상기 폭발물의 매질을 배경 잡음과 구분하는 매질 검출부, 상기 폭발물의 매질에 대한 상기 상공 영상과 상기 측면 영상을 3차원으로 융합하는 영상 융합부, 및 3차원으로 융합된 매질에 대한 물리량을 산출하는 물리량 산출부를 포함한다.

Description

폭발물의 매질 전파 특성 영상 분석 장치, 이를 위한 드론 및 그 방법{DEVICE FOR ANALYZING EXPLOSIVES MEDIA PROPAGATION CHARACTERISTIC IMAGE, DRONE THEREFOR AND METHOD THEREOF}
본 발명은 폭발물의 매질 전파 특성 영상 분석 장치, 이를 위한 드론 및 그 방법에 관한 것이다.
연료를 이용하는 폭발물은 1차 기폭으로 폭발물 내부 연료를 등방성으로 분산시키고, 연료가 공기와 혼합하면서 연료 매질을 형성한다. 연료 매질은 사방으로 전파되며, 연료와 공기가 최적으로 혼합되었을 시점에 2차 기폭이 수행된다. 2차 기폭 시 발생한 폭발 에너지로 인하여 연료 매질에 폭굉(detonation)이 발생하여 고압의 충격파와 고온의 열이 발생하게 된다. 폭발물은 연료 매질이 확산된 영역에서 높은 효과도를 보이며, 장시간(long duration) 특성의 높은 압력으로 인하여 시설, 장비 등이 파괴된다. 이러한 특성을 갖는 폭발물의 연료 매질 분산, 충격파 전파 등의 특성을 정량적으로 분석하기 위하여 폭발물 주변에 다수의 압력 센서와 고속 카메라를 사용하지만, 다음과 같은 문제점이 있다.
기존에는 상용 영상 분석툴을 이용하여 측면 고속 영상에서의 연료 매질 분산 특성을 분석하였다. 하지만, 영상 분석툴에서 제공하는 윤곽선 및 대비도 검출, 상관기법 등의 알고리듬은 폭발물 주변에 있는 배경 잡음을 연료 및 충격파 매질로 인식하므로 매질 영역을 수동으로 지정, 삭제하여 분석하였다. 폭발물의 전체 작동시간은 수백 ms이며, 폭발 특성 고속 영상을 획득하기 위하여 고속 카메라를 초당 수천 프레임 이상으로 설정한다. 따라서 사방으로 전파하는 연료와 충격파 매질의 영역을 수동으로 지정하여 분석할 경우 상당한 시간이 소요되며, 인적 오류가 포함될 수 있다.
또한, 폭발물의 시험평가 항목 중 기폭 시 발생하는 충격파의 전파 속도 측정이 중요한데, 1차 기폭 시 발생하는 충격파의 압력이 낮으므로 고속 영상에서는 충격파 매질의 식별이 어렵다. 그리고 2차 기폭 시에는 폭발 영역이 넓으므로 설치된 압력 센서는 폭발물 주변에서의 충격파 전파 속도만 측정할 수 있으며, 압력 센서 이후의 전파 속도를 분석할 수 없다.
그리고 폭발물 내부 연료를 분산시키기 위하여 폭발물의 몸체는 균일한 간격으로 노치(notch) 가공되므로 상공에서 봤을 때 실제 연료 매질의 분산 특성은 해바라기 모양이 된다. 하지만, 기존에는 고속 카메라에서 획득한 측면 영상으로만 연료 매질의 분산 특성을 2차원으로 분석하므로 연료 매질의 분산 특성을 정확하게 분석할 수 없다.
연료 매질의 분산 특성을 정확하게 분석하기 위해서 측면과 상공에서 획득한 고속 영상을 활용한 3차원 영상 분석 방법이 요구된다. 상공에서 고속 영상을 획득하기 위해서는 드론에 고속 카메라를 탑재하여야 하고, 드론에 탑재한 고속 카메라에 트리거 신호 공급 등의 원격 제어와 GPS 시각 정보 및 초당 프레임 수를 동기화하는 방법이 추가적으로 필요하다.
본 발명이 해결하고자 하는 기술적 과제는 시간 흐름에 따라 전파하는 매질을 배경 잡음과 구분하고, 딥러닝 기반의 매질 검출 모델을 생성 및 학습하고, 3차원으로 융합한 고속 영상을 이용하여 폭발물의 연료와 충격파 매질의 전파 특성을 정량적으로 분석할 수 있는 영상 분석 장치, 이를 위한 드론 및 그 방법을 제공함에 있다.
본 발명의 일 실시예에 따른 매질 전파 특성 영상 분석 장치는 폭발물의 상공에서 촬영되는 상공 영상을 획득하는 상공 영상 획득부, 상기 폭발물의 측면 주변에서 촬영되는 측면 영상을 획득하는 측면 영상 획득부, 상기 폭발물의 매질을 배경 잡음과 구분하는 매질 검출부, 상기 폭발물의 매질에 대한 상기 상공 영상과 상기 측면 영상을 3차원으로 융합하는 영상 융합부, 및 3차원으로 융합된 매질에 대한 물리량을 산출하는 물리량 산출부를 포함한다.
상기 상공 영상을 촬영하는 상공 고속 카메라에 트거리 신호를 공급하여 상기 상공 영상과 상기 측면 영상의 프레임을 동기화하는 동기화부를 더 포함할 수 있다.
상기 폭발물의 매질을 잡음이 포함된 배경 영상과 구분하는 영상 전처리부를 더 포함할 수 있다.
상기 영상 전처리부는 영상 밝기의 최댓값과 최솟값 차이에 대한 대비를 조정하고, 매질의 윤곽선에 가중치를 설정하여 상기 잡음이 포함된 배경 영상과 상기 폭발물의 매질을 구분할 수 있다.
상기 매질 검출부는 현재 프레임과 과거 프레임과의 차, 현재 프레임과 배경 영상과의 차 중에서 최솟값을 사용하여 영상의 변화량을 영상차로 계산하고, 상기 영상차를 이진화하여 이진화 영상을 계산하고, 상기 이진화 영상에서 매질이 계속해서 팽창하는 방식을 적용하여 관심 영역을 검출하고, 상기 관심 영역을 제외한 영역을 배경 잡음으로 지정할 수 있다.
상기 매질 검출부는 신경망 기반의 매질 검출 모델을 이용하여 상기 폭발물의 매질을 상기 배경 잡음과 구분할 수 있다.
상기 영상 융합부는 상기 측면 영상에서의 매질의 x축 값과 y축 값을 상기 상공 영상에서 획득한 x축 값과 y축 값으로 보정할 수 있다.
상기 물리량 산출부는 상기 x축 값과 상기 y축 값이 보정된 측면 영상으로부터 시간의 흐름에 따라 전파하는 매질의 전파 거리, 넓이, 부피를 계산할 수 있다.
본 발명의 다른 실시예에 따른 폭발물의 매질 전파 특성 영상 분석을 위한 드론은 상기 폭발물에 대한 상공 영상을 촬영하는 상공 고속 카메라, 상기 상공 고속 카메라의 해상도, 프레임 수를 포함하는 파라미터를 원격으로 제어하기 위한 무선 원격 제어부, 상기 드론의 위치를 확인하고, 상기 상공 고속 카메라의 출력 영상을 무선으로 전송하는 고속 영상 송신부, 상기 상공 영상과 상기 폭발물의 측면 영상의 프레임을 동기화하기 위하여 상기 폭발물의 기폭 시점을 상기 상공 고속 카메라의 촬영 시작 시점으로 설정하는 트리거 신호 공급부, 및 상기 측면 영상을 촬영하는 측면 고속 카메라와 상기 상공 고속 카메라에 대한 트리거 시점을 동기화하는 GPS 시각 정보 수신부를 포함한다.
상기 드론에 공급되는 전원과 별도로 상기 상공 고속 카메라에 전원을 추가적으로 공급하는 전원 공급부를 더 포함하고, 상기 상공 고속 카메라에 전원이 듀얼로 공급될 수 있다.
본 발명의 또 다른 실시예에 따른 폭발물의 매질 전파 특성 영상 분석 방법은 폭발물의 측면 주변에 설치된 복수의 측면 고속 카메라로 측면 영상을 촬영하고, 상기 폭발물의 상공에 위치하는 드론에 장착된 상공 고속 카메라로 상공 영상을 촬영하여 상기 폭발물의 매질에 대한 고속 영상을 획득하는 단계, 상기 고속 영상에서 상기 폭발물의 매질과 잡음이 포함된 배경 영상의 경계를 구분하기 위한 영상 전처리를 수행하는 단계, 상기 폭발물의 매질을 배경 잡음과 구분하여 상기 폭발물의 매질을 검출하는 단계, 상기 폭발물의 매질에 대한 상기 상공 영상과 상기 측면 영상을 3차원으로 융합하는 단계, 및 3차원으로 융합된 매질에 대한 물리량을 산출하는 단계를 포함한다.
상기 상공 고속 카메라에 트거리 신호를 공급하여 상기 상공 영상과 상기 측면 영상의 프레임을 동기화하는 단계를 더 포함할 수 있다.
영상 밝기의 최댓값과 최솟값 차이에 대한 대비를 조정하고, 매질의 윤곽선에 가중치를 설정하여 상기 배경 영상과 상기 폭발물의 매질을 구분하여 상기 영상 전처리를 수행할 수 있다.
현재 프레임과 과거 프레임과의 차, 현재 프레임과 배경 영상과의 차 중에서 최솟값을 사용하여 영상의 변화량을 영상차로 계산하고, 상기 영상차를 이진화하여 이진화 영상을 계산하고, 상기 이진화 영상에서 매질이 계속해서 팽창하는 방식을 적용하여 관심 영역을 검출하고, 상기 관심 영역을 제외한 영역을 배경 잡음으로 지정하여 상기 폭발물의 매질을 검출할 수 있다.
상기 측면 영상에서의 매질의 x축 값과 y축 값을 상기 상공 영상에서 획득한 x축 값과 y축 값으로 보정하여 상기 상공 영상과 상기 측면 영상을 3차원으로 융합할 수 있다.
상기 x축 값과 상기 y축 값이 보정된 측면 영상으로부터 시간의 흐름에 따라 전파하는 매질의 전파 거리, 넓이, 부피를 계산하여 상기 3차원으로 융합된 매질에 대한 물리량을 산출할 수 있다.
폭발물의 연료와 충격파 매질의 전파 특성을 정량적으로 분석하기 위하여 시간 흐름에 따라 전파하는 매질을 배경 잡음과 구분하고, 딥러닝 기반의 매질 검출 모델을 생성 및 학습하고, 3차원으로 융합한 고속 영상을 이용하여 매질 전파 특성에 대한 물리량을 정량적으로 분석할 수 있다.
도 1은 본 발명의 일 실시예에 따른 폭발물의 매질 전파 특성 영상 분석 장치를 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 폭발물의 매질 전파 특성을 측정하기 위한 방법을 나타내는 예시도이다.
도 3은 본 발명의 일 실시예에 따른 드론의 구성을 나타내는 블록도이다.
도 4는 본 발명의 일 실시예에 따른 폭발물의 매질 전파 특성을 분석하는 방법을 나타내는 흐름도이다.
도 5는 본 발명의 일 실시예에 따른 영상 전처리 및 매질 검출 결과를 나타내는 예시도이다.
도 6은 본 발명의 일 실시예에 따른 매질 전파 특성을 3차원으로 분석하기 위한 스케일 인자(scale factor)를 계산하는 방법을 설명하기 위한 예시도이다.
도 7은 본 발명의 일 실시예에 따른 연료 매질의 물리량 산출 결과를 나타내는 예시도이다.
도 8은 본 발명의 일 실시예에 따른 충격파 매질의 물리량 산출 결과를 나타내는 예시도이다.
이하, 첨부한 도면을 참고로 하여 본 발명의 실시예들에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예들에 한정되지 않는다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다.
또한, 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함" 한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
이하, 도 1 내지 3을 참조하여 본 발명의 실시예에 다른 폭발물의 매질 전파 특성 영상 분석 장치에 대하여 설명한다.
도 1은 본 발명의 일 실시예에 따른 폭발물의 매질 전파 특성 영상 분석 장치를 나타내는 블록도이다. 도 2는 본 발명의 일 실시예에 따른 폭발물의 매질 전파 특성을 측정하기 위한 방법을 나타내는 예시도이다. 도 3은 본 발명의 일 실시예에 따른 드론의 구성을 나타내는 블록도이다.
도 1 내지 3을 참조하면, 영상 분석 장치(10)는 고속 영상 획득부(100) 및 영상 분석부(200)를 포함한다. 고속 영상 획득부(100)는 상공 영상 획득부(110), 측면 영상 획득부(120) 및 동기화부(130)를 포함한다. 영상 분석부(200)는 영상 전처리부(210), 매질 검출부(220), 영상 융합부(230) 및 물리량 산출부(240)를 포함한다. 매질 검출부(220)는 검출 모델부(221)를 포함할 수 있다.
고속 영상 획득부(100)는 복수의 고속 카메라와 연동하여 폭발물 매질에 대한 측면 영상 및 상공 영상을 획득한다.
상공 영상 획득부(110)는 폭발물(400)의 상공에서 정지 비행할 수 있는 드론(300)에 탑재되는 상공 고속 카메라(320)에 의해 촬영되는 상공 영상을 획득한다. 상공 영상 획득부(110)는 드론(300)과 무선 통신으로 접속될 수 있다.
측면 영상 획득부(120)는 폭발물(400)의 측면 주변에 설치되는 복수의 측면 고속 카메라(121, 122)에 의해 촬영되는 측면 영상을 획득한다. 측면 영상 획득부(120)는 복수의 측면 고속 카메라(121, 122)와 무선 통신 또는 유선 통신으로 접속될 수 있다. 도 2에서는 측면 고속 카메라(121, 122)가 지면 상에서 x축 방향 및 y축 방향으로 2개 설치되어 있는 것으로 예시하였으나, 측면 고속 카메라(121, 122)는 폭발물(400)을 사방에서 촬영할 수 있도록 더 많은 수로 설치될 수 있다.
동기화부(130)는 상공 고속 카메라(320)에 트리거 신호를 공급하는 등의 원격 제어와 상공 고속 카메라(320)의 GPS 시각 정보 및 초당 프레임 수를 측면 고속 카메라(121, 122)와 동기화한다. 즉, 동기화부(130)는 상공 영상과 측면 영상의 프레임을 동기화할 수 있다.
영상 전처리부(210)는 연료 매질의 분산, 고속 영상과 압력 센서로 식별이 어려운 1차 기폭과 2차 기폭 시에 발생하는 충격파를 검출하기 위하여 잡음이 포함된 배경 영상과 매질을 구분한다.
매질 검출부(220)는 연료 매질과 충격파 전파 특성을 분석하기 위하여 시간 흐름에 따라 확산되는 매질을 배경 잡음과 구분한다. 검출 모델부(221)는 딥러닝 기반의 매질 검출 모델을 생성 및 학습한다. 매질 검출부(220)는 검출 모델부(221)에서 학습된 값을 기초로 매질을 배경 잡음과 구분할 수 있다.
영상 융합부(230)는 기폭 시 사방으로 확산되는 매질에 대한 측면 영상과 상공 영상을 3차원으로 융합한다. 영상 융합부(230)는 매질 검출부(220)에서 구분된 연료 매질과 충격파 매질에 체인 코드(chain-code)를 적용하여 픽셀 단위로 계산하여 측면 영상과 상공 영상을 3차원으로 융합할 수 있다.
물리량 산출부(240)는 3차원으로 융합된 연료 매질과 충격파 매질에 대한 물리량을 산출한다. 연료와 충격파 매질의 전파 특성에 대한 물리량을 정량적으로 분석하기 위하여 폭발물(400) 주변에 기준 폴대(125)가 설치된다. 시간의 흐름에 따라 전파하는 매질의 전파 거리, 넓이, 부피 등은 x축 및 y축이 보정된 측면 영상으로부터 계산되며, 매질은 z축을 중심으로 등방성을 이루므로 측면 영상을 적분하여 부피를 계산할 수 있다. 물리량 산출부(240)는 계산된 물리량을 시간축에 대한 물리량의 그래프로 생성할 수 있다.
폭발물(400)의 기폭 시 연료와 충격파 매질의 전파 특성을 3차원으로 분석하기 위하여 폭발물(400) 측면에 다수의 측면 고속 카메라(121, 122)가 설치되고, 폭발물(400)의 상공에서 정지 비행하는 드론(300)에 상공 고속 카메라(320)가 탑재된다. 폭발물(400)의 기폭 시에 측면 고속 카메라(121, 122)와 상공 고속 카메라(320)가 측면 영상 및 상공 영상을 획득한다. 폭발물(400)의 측면에 설치된 복수의 측면 고속 카메라(121, 122)는 최소 두 대 이상을 x축 방향 및 y축 방향에 90도 간격으로 설치하여 등방성으로 전파하는 연료와 충격파 매질의 고속 영상을 획득할 수 있다. 폭발물(400)의 기폭 시 발생하는 파편 및 충격파로부터 드론(300)을 보호하기 위하여 드론(300)의 운용 고도는 최소 150m 이상이 되어야 한다.
드론(300)은 전원 공급부(310), 상공 고속 카메라(320), 무선 원격 제어부(330), 고속 영상 송신부(340), 트리거 신호 공급부(350) 및 GPS 시각 정보 수신부(360)를 포함할 수 있다.
전원 공급부(310)는 드론(300)의 구동에 공급되는 전원과 별도로 상공 고속 카메라(320)에 전원을 추가적으로 공급하기 위하여 추가 장착될 수 있다. 드론(300) 자체의 전원과 함께 전원 공급부(310)는 상공 고속 카메라(320)의 메모리에 저장된 수 기가바이트 이상의 고속 영상이 전원 끊김으로 인하여 메모리에서 삭제되는 것을 방지하기 위하여 상공 고속 카메라(320)에 전원을 듀얼로 공급할 수 있다. 또한, 전원 공급부(310)는 무선 원격 제어부(330), 고속 영상 송신부(340), 트리거 신호 공급부(350) 및 GPS 시각 정보 수신부(360)를 운용하기 위한 직류 전원을 공급한다.
무선 원격 제어부(330)는 상공 고속 카메라(320)의 해상도, 프레임 수, 렌즈의 노출값 등의 파라미터 설정을 운용자가 원격으로 제어할 수 있는 기능을 제공한다. 이를 위해, 무선 원격 제어부(330)는 스위칭 허브 및 ISM(Industrial Scientific Medical) 밴드의 송수신기로 구성될 수 있다.
고속 영상 송신부(340)는 폭발물(400)의 상공에 정지 비행하는 드론(300)의 x축, y축 위치를 확인하고, 상공 고속 카메라(320)의 HD-SDI(High Definition Serial Digital Interface) 출력 영상을 운용자에게 무선으로 전송하는 기능을 제공한다.
트리거 신호 공급부(350)는 폭발물(400)의 기폭 시점을 상공 고속 카메라(320)의 제로 타임, 즉 촬영 시작 시점으로 설정하기 위하여 상공 고속 카메라(320)에 TTL 레벨의 외부 트리거 신호를 원격으로 공급하는 기능을 제공한다. 상공 고속 카메라(320)는 초당 수천 프레임 수로 고속 영상을 획득하기 때문에 메모리의 용량 제한으로 인하여 상공 영상의 저장 시간이 제한되기 때문에 상공 고속 카메라(320)의 제로 타임을 설정할 필요가 있다.
GPS 시각 정보 수신부(360)는 복수의 측면 고속 카메라(121, 122)와 상공 고속 카메라(320)의 초당 프레임 수가 동일 또는 정수배의 형태로 설정될 수 있도록 복수의 측면 고속 카메라(121, 122)와 상공 고속 카메라(320)에 대한 트리거 시점을 동기화한다. 복수의 측면 고속 카메라(121, 122)와 상공 고속 카메라(320)에서 획득한 복수의 2차원 영상을 3차원으로 융합하기 위해서는 복수의 측면 고속 카메라(121, 122)와 상공 고속 카메라(320)의 초당 프레임 수가 동일하거나 정수배가 되어야 한다.
드론(300)은 상공 고속 카메라(320), 전원 공급부(310) 등을 포함한 다양한 장치를 장착하여 원거리에 이격되어 있는 폭발물(400)의 상공까지 이동하고 정지 비행해야 하기 때문에 20kg 이상의 페이로드(payload) 상태에서 20분 이상 비행이 가능한 중형급 이상으로 운용되어야 한다.
기존의 상용 영상 분석 툴에서 제공하는 윤곽선 및 대비도 검출, 상관기법 등의 알고리듬은 시험장 주변에 있는 배경 잡음, 즉, 시험 구조물, 나무, 수풀, 연료 분산 시 지면에 발생하는 그림자, 날씨에 따른 배경 밝기, 연료 조성에 따른 연료 매질 색상 변동, 기폭 시 발생하는 충격파로 의한 주변물의 흔들림 등으로 인하여 배경 잡음을 연료 및 충격파 매질로 인식하였고, 매질 영역을 수동으로 지정, 삭제하여 분석하였으므로 상당한 시간이 소요되고, 인적 오류가 포함되었다.
또한, 폭발물의 1차 기폭 시 발생하는 충격파의 압력이 낮아 고속 영상에서는 충격파 매질의 식별이 어렵고, 2차 기폭 시에는 폭발 영역이 넓으므로 설치된 압력 센서 이후의 전파속 도를 분석할 수 없었다.
이하, 연료 매질의 분산, 고속 영상과 압력 센서로 식별이 어려운 1차 기폭과 2차 기폭 시 발생하는 충격파를 검출하기 위하여 잡음이 포함된 배경 영상과 연료 및 충격파 매질을 구분하기 위한 딥러닝 기반의 최적화된 영상 분석 방법에 대하여 설명한다. 도 4 내지 8을 참조하여 영상 분석 장치(10)를 이용하여 폭발물의 매질 전파 특성을 분석하는 영상 분석 방법에 대하여 설명한다.
도 4는 본 발명의 일 실시예에 따른 폭발물의 매질 전파 특성을 분석하는 방법을 나타내는 흐름도이다. 도 5는 본 발명의 일 실시예에 따른 영상 전처리 및 매질 검출 결과를 나타내는 예시도이다. 도 6은 본 발명의 일 실시예에 따른 매질 전파 특성을 3차원으로 분석하기 위한 스케일 인자(scale factor)를 계산하는 방법을 설명하기 위한 예시도이다. 도 7은 본 발명의 일 실시예에 따른 연료 매질의 물리량 산출 결과를 나타내는 예시도이다. 도 8은 본 발명의 일 실시예에 따른 충격파 매질의 물리량 산출 결과를 나타내는 예시도이다.
도 4 내지 8을 참조하면, 폭발물(400)의 측면 주변에 복수의 측면 고속 카메라(121, 122)와 기준 폴대(125)를 설치하고, 상공 고속 카메라(320)가 장착된 드론(300)을 폭발물(400)의 상공에 위치시켜 폭발물(400)의 매질 전파 특성 분석을 준비한 후 폭발물(400)을 기폭한다(S110).
측면 고속 카메라(121, 122)는 측면 영상을 촬영하고 상공 고속 카메라(320)는 상공 영상을 촬영함으로써 제1 내지 제3 방향(x, y, z)에서의 폭발물(400)의 매질에 대한 고속 영상을 획득한다(S120). 복수의 측면 고속 카메라(121, 122)와 상공 고속 카메라(320)는 트리거 신호에 동기하여 촬영 시점을 동기화할 수 있다. 복수의 측면 고속 카메라(121, 122)와 상공 고속 카메라(320)의 초당 프레임 수는 동일 또는 정수배의 형태로 설정될 수 있다.
영상 분석 장치(10)의 영상 전처리부(210)는 획득된 고속 영상에 대하여 영상 전처리를 수행한다(S130). 연료 및 충격파 매질과 잡음이 포함된 배경 영상의 경계를 뚜렷하게 만들기 위하여 영상 밝기의 최댓값과 최솟값 차이에 대한 대비(contrast)를 조정하고, 비선형 전달 함수를 이용한 감마(gamma) 보정을 수행하여 영상을 개선한다. 또한, 중간값(medium) 필터와 저주파 통과 필터 및 고주파 통과 필터를 사용하여 매질의 윤곽선과 같은 중요한 영상 정보를 보존하기 위해 매질의 윤곽선에 가중치를 설정하고, 가중치보다 큰 값을 오차로 판별 및 보정하여 불규칙적으로 존재하는 잡음을 제거한 후 윤곽선 특징을 가중화한다. 추가적으로, 히스토그램 평활화(equalization) 적용 후 영상의 명암 대비를 개선하여 매질과 배경 잡음이 포함된 영상의 밝기 변화를 균일하게 개선한다.
영상 분석 장치(10)의 매질 검출부(220)는 매질 검출 모델을 생성 및 학습하고(S140), 매질 검출 모델을 이용하여 매질을 검출한다(S150).
매질 검출부(220)는 시간 흐름에 따라 전파하는 연료 및 충격파 매질을 배경 잡음과 구분하기 위하여 영상의 변화량을 계산한다. 기존 소벨, 가우시안과 같은 윤곽선 연산자는 매질과 배경 영상 구분이 어려우므로 본 발명의 실시예에서는 폭발물의 전파 특성이 시간 연속이라는 특징을 이용하여 수학식 1과 같은 영상차 함수로 영상의 변화량을 계산한다.
Figure 112020120748615-pat00001
여기서, D는 영상차를 의미하며, I는 입력 영상이다. B는 배경 영상으로써 초기에는 첫 번째 영상을 배경으로 사용하고, 프레임이 증가할 때마다 배경 영상에
Figure 112020120748615-pat00002
을 적용한다. 즉, 영상차를 현재 프레임과 과거 프레임과의 차, 현재 프레임과 배경 영상과의 차 중에서 최솟값을 사용하여 영상의 변화량으로 계산한다.
매질 검출부(220)는 계산된 영상차로부터 연료 매질과 배경 영상을 구분하기 위해 이진화를 수행한다. 부분 평균 모델에서는 배경에 포함되는 지형이나 시설물의 형상에 따라 연료 매질이 사라진다. 이에 따라, 운용자는 시험 환경에 따라 적절한 임계값을 설정하여 폭발 영역을 결정하는 방법을 적용한다. 또한, 이진화 영상을 계산하고, 잡음 영역을 제거하기 위하여 다음과 같은 과정을 적용한다.
폭발 영역의 잡음을 제거하고, 동일 영역 결합을 위하여 이진화 영상에 팽창 연산 후 침식 연산을 적용하고, 분리된 영역을 결합하여 외곽 영역을 스무딩(smoothing) 처리한다.
또한, 매질이 연속적으로 확산한다는 특징을 이용하여, 이진화 영상에서 연료 매질로 구분되는 픽셀이 이전 프레임의 연료 매질 근처에 있다면, 연료 매질로 결정하고, 이전 프레임의 계산 결과로부터 계속해서 팽창하는 방식을 적용하여 관심 영역을 검출한다. 그리고 연료 및 충격파 매질 검출 시 관심 영역을 제외한 영역은 배경 잡음으로 지정된다. 이에 따라 영상 전처리 및 검출 모델 생성과 학습 속도를 향상시킬 수 있다. 추가적으로 체인 코드(chain-code)를 적용하여 영역의 외곽선을 추출하고, 외곽선의 특징을 이용하여 불규칙하게 증가하는 영역이나 그림자와 같은 오차를 제거한다. 마지막으로 체인 코드로 결정한 외곽선을 폭발 영역으로 정의하고, 체인 코드 내의 모든 영역을 연료 매질로 결정한 후 공간을 채워 최종 연료 매질로 결정한다. 이러한 결과를 딥러닝의 학습 데이터로 사용하기 위하여 원본 영상과 결과 영상을 딥러닝 학습 폴더에 저장하여 매질 검출 모델의 학습을 수행한다.
매질 검출 모델은 시간 흐름에 따라 전파하는 연료와 충격파 매질을 배경 잡음과 구분하기 위한 신경망(neural network) 기반의 매질 검출 알고리듬을 포함한다. 기존 GAN(generative adversarial network)은 다운샘플링 시 공간 데이터의 손실이 발생하지만, 제안하는 매질 검출 알고리듬은 생성자에 U-Net 구조를 적용한 후 동일한 크기를 갖는 업샘플링의 결과에 스킵 커넥션(skip connection)을 추가하여 공간 데이터의 손실을 보완한다. 또한, 매질 검출 알고리듬은 PatchGAN 구조의 판별자를 적용하여 영상의 각 부분을 매질과 배경 영상으로 구분한다. 폭발물 매질의 전파 특성에 대한 매질 검출 모델 생성과 학습에 사용된 모델은 style transfer에 쓰이는 Pix2Pix 구조이다. 제안하는 매질 검출 모델은 연료와 충격파 매질과 배경 영상의 영역을 구분하기 위한 것이므로 출력을 (256, 256, 1) 크기로 이진화하고, 생성자는 7개의 다운샘플링 층과 7개의 업샘플링 층을 포함하여 총 14개의 층으로 구성되며, 다운샘플링과 업샘플링의 공간 데이터 손실을 최소화하도록 6개의 스킵 커넥션 층이 포함된다. 판별자는 입력 영상과 출력 영상을 입력받아 두 데이터를 연관시킨(concatenate) 연관값을 4개의 다운샘플링 층을 통해 (30, 30, 1) 결과로 출력하며, 출력 영상을 30×30으로 나누어 각 부분의 매질 검출 판별 결과를 나타낸다. 판별자의 목적 함수는 그대로 두고, 생성자의 목적 함수는 L1 기준(norm)값을 임의의 λ만큼 영향을 주어 더하는 방식을 사용하여 단순히 판별자를 속이는 것만이 아니라 실제 실측 자료(ground truth)에 가까운 결과를 출력한다. 제안하는 매질 검출 모델은 판별자의 1회 선 학습 후에 생성자를 1회 학습하는 방법이 아니라 WGAN 모델에서 사용한 방식과 같이 생성자의 학습 이전에 판별자를 임의의 횟수 n번 학습한 후 강인한 판별자의 형성을 통해 향상된 생성자의 결과를 유도한다. 이로써 매질을 배경 영상으로부터 최적화 검출할 수 있으며, 매질 검출 모델의 생성과 학습에 대한 노력과 시간을 줄일 수 있다.
매질 검출 모델을 학습하기 위하여 영상은 (256, 256, 3) 크기의 RGB로 입력되고, 생성자에서 이진화된 (256, 256, 1) 크기의 영상이 출력된다. 생성자와 판별자의 최적화 함수의 파리미터는 학습율 4e-5, Beta_1 0.5, Epsilon 1e-6을 적용하고, 목적 함수에서 생성자가 실측 자료(ground truth)에 가까운 결과를 출력하도록 지원하는 파라미터인 λ는 1000으로 설정된다. 매질 검출 모델의 총 학습은 영상 전처리를 통해 생성된 약 2000장의 영상 쌍(원본, 마스크)을 이용하고, 각 에포치(epoch)마다 250번의 반복(iteration)을 수행하여 100 epoch 후 손실(loss)이 가장 낮은 경우의 모델을 저장한다. 또한, 학습 후 매질의 윤곽선이 잘못 설정되었을 경우에도 매질 영역을 수동으로 지정 및 삭제가 가능하므로 보다 정확하게 분석할 수 있고 매질 검출 정확도, 정밀도, 재현율이 향상된다. 도 5에 예시한 바와 같이, 시간의 흐름에 따라 매질이 배경 잡음과 구분되어 검출될 수 있다.
영상 융합부(230)는 매질에 대한 측면 영상과 상공 영상을 3차원으로 융합한다(S160). 폭발물(400) 내부 연료를 등방성으로 분산시키기 위하여 원기둥 형태의 폭발물(400)의 몸체는 균일한 간격으로 노치(notch) 가공된다. 도 6에 예시한 바와 같이, 기폭 시 매질은 사방으로 확산되므로 측면과 상공에서 획득한 고속 영상을 3차원으로 융합하여 매질의 전파특성을 정량적으로 분석한다. 실제 연료 매질의 분산 특성은 해바라기 모양이므로 측면 영상에서 매질의 x축 값과 y축 값을 상공 영상에서 획득한 x축 값과 y축 값으로 보정한다. 상공 고속 영상 매질의 평균 반지름인 r상공을 산출하기 위하여
Figure 112020120748615-pat00003
의 면적을 이용한 보정식을 사용한다. 또한, 매질은 등방성으로 분산하므로 측면 고속 영상의 매질의 x축, y축에 대한 스케일 인자(scale factor) κ를
Figure 112020120748615-pat00004
으로 계산하여 측면 영상에서 각 z축에 해당하는 x축과 y축의 반지름에 대해 보정한다.
물리량 산출부(240)는 연료와 충격파 매질의 전파 특성에 대한 물리량을 산출한다(S170). 연료와 충격파 매질의 전파 특성에 대한 물리량에 정량적 분석을 위해 폭발물(400) 주변에 기준 폴대(125)가 설치된다. 도 7 및 8에 예시한 바와 같이, 시간의 흐름에 따라 전파하는 매질의 전파 거리, 넓이, 부피는 x축 값과 y축 값이 보정된 측면 영상으로부터 계산된다. 매질의 부피는 z축을 중심으로 등방성을 이루므로 측면 영상을 적분하여 계산된다. 그리고 계산된 물리량을 시간축에 대한 그래프와 문서 양식으로 출력할 수 있다.
상술한 바와 같이, 폭발물 매질의 고속 영상에 대한 전처리를 수행하고, 매질 검출 모델을 생성 및 학습하는 알고리듬을 만들 수 있다. 그리고 연료와 충격파 매질의 전파 특성이 포함된 고속 영상으로부터 다양한 배경 잡음이 포함된 데이터를 수집하고, 영상 처리를 수행하여 매질 영역을 결정하고, 환경이 다른 25가지 이상의 경우에 대한 학습 데이터를 제작한 후 매질 검출 모델을 학습할 수 있다. 총 100epoch 학습 후, 딥러닝 학습에 사용한 다양한 영상 중 3개의 영상을 선택하여 검증을 수행할 수 있으며, 재학습을 통해 매질 검출 성능을 지속적으로 향상시킬 수 있다.
폭발물(400)의 연료와 충격파 매질의 전파 특성을 정량적으로 분석하기 위하여 시간 흐름에 따라 전파하는 매질을 배경 잡음과 구분하고, 딥러닝 기반의 매질 검출 모델을 생성 및 학습하고, 3차원으로 융합한 고속 영상을 이용하여 매질 전파 특성에 대한 물리량을 정량적으로 분석할 수 있다.
지금까지 참조한 도면과 기재된 발명의 상세한 설명은 단지 본 발명의 예시적인 것으로서, 이는 단지 본 발명을 설명하기 위한 목적에서 사용된 것이지 의미 한정이나 특허청구범위에 기재된 본 발명의 범위를 제한하기 위하여 사용된 것은 아니다. 그러므로 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해 정해져야 할 것이다.
10: 영상 분석 장치 100: 고속 영상 획득부
110: 상공 영상 획득부 120: 측면 영상 획득부
121, 122: 측면 고속 카메라 125: 기준 폴대
130: 동기화부 200: 영상 분석부
210: 영상 전처리부 220: 매질 검출부
221: 검출 모델부 230: 영상 융합부
240: 물리량 산출부 300: 드론
310: 전원 공급부 320: 상공 고속 카메라
330: 무선 원격 제어부 340: 고속 영상 송신부
350: 트리거 신호 공급부 360: GPS 시각 정보 수신부
400: 폭발물

Claims (16)

  1. 폭발물의 상공에서 촬영되는 상공 영상을 획득하는 상공 영상 획득부;
    상기 폭발물의 측면 주변에서 촬영되는 측면 영상을 획득하는 측면 영상 획득부;
    상기 폭발물의 매질을 배경 잡음과 구분하는 매질 검출부;
    상기 폭발물의 매질에 대한 상기 상공 영상과 상기 측면 영상을 3차원으로 융합하는 영상 융합부; 및
    3차원으로 융합된 매질에 대한 물리량을 산출하는 물리량 산출부를 포함하고,
    상기 매질 검출부는 현재 프레임과 과거 프레임과의 차, 현재 프레임과 배경 영상과의 차 중에서 최솟값을 사용하여 영상의 변화량을 영상차로 계산하고, 상기 영상차를 이진화하여 이진화 영상을 계산하고, 상기 이진화 영상에서 매질이 계속해서 팽창하는 방식을 적용하여 관심 영역을 검출하고, 상기 관심 영역을 제외한 영역을 상기 배경 잡음으로 지정하는 매질 전파 특성 영상 분석 장치.
  2. 제1 항에 있어서,
    상기 상공 영상을 촬영하는 상공 고속 카메라에 트거리 신호를 공급하여 상기 상공 영상과 상기 측면 영상의 프레임을 동기화하는 동기화부를 더 포함하는 매질 전파 특성 영상 분석 장치.
  3. 제1 항에 있어서,
    상기 폭발물의 매질을 잡음이 포함된 배경 영상과 구분하는 영상 전처리부를 더 포함하는 매질 전파 특성 영상 분석 장치.
  4. 제3 항에 있어서,
    상기 영상 전처리부는 영상 밝기의 최댓값과 최솟값 차이에 대한 대비를 조정하고, 매질의 윤곽선에 가중치를 설정하여 상기 잡음이 포함된 배경 영상과 상기 폭발물의 매질을 구분하는 매질 전파 특성 영상 분석 장치.
  5. 삭제
  6. 제1 항에 있어서,
    상기 매질 검출부는 신경망 기반의 매질 검출 모델을 이용하여 상기 폭발물의 매질을 상기 배경 잡음과 구분하는 매질 전파 특성 영상 분석 장치.
  7. 제1 항에 있어서,
    상기 영상 융합부는 상기 측면 영상에서의 매질의 x축 값과 y축 값을 상기 상공 영상에서 획득한 x축 값과 y축 값으로 보정하는 매질 전파 특성 영상 분석 장치.
  8. 제7 항에 있어서,
    상기 물리량 산출부는 상기 x축 값과 상기 y축 값이 보정된 측면 영상으로부터 시간의 흐름에 따라 전파하는 매질의 전파 거리, 넓이, 부피를 계산하는 매질 전파 특성 영상 분석 장치.
  9. 폭발물의 매질 전파 특성 영상 분석을 위한 드론에 있어서,
    상기 폭발물의 매질에 대한 상공 영상을 촬영하는 상공 고속 카메라;
    상기 상공 고속 카메라의 해상도, 프레임 수를 포함하는 파라미터를 원격으로 제어하기 위한 무선 원격 제어부;
    상기 드론의 위치를 확인하고, 상기 상공 고속 카메라의 출력 영상을 무선으로 전송하는 고속 영상 송신부;
    상기 상공 영상과 상기 폭발물의 측면 영상의 프레임을 동기화하기 위하여 상기 폭발물의 기폭 시점을 상기 상공 고속 카메라의 촬영 시작 시점으로 설정하는 트리거 신호 공급부; 및
    상기 측면 영상을 촬영하는 측면 고속 카메라와 상기 상공 고속 카메라에 대한 트리거 시점을 동기화하는 GPS 시각 정보 수신부를 포함하고,
    상기 폭발물의 매질은 배경 잡음과 구분되고,
    현재 프레임과 과거 프레임과의 차, 현재 프레임과 배경 영상과의 차 중에서 최솟값을 사용하여 영상의 변화량이 영상차로 계산되고, 상기 영상차가 이진화되어 이진화 영상이 계산되고, 상기 이진화 영상에서 매질이 계속해서 팽창하는 방식을 적용하여 관심 영역이 검출되고, 상기 관심 영역을 제외한 영역이 상기 배경 잡음으로 지정되는 폭발물의 매질 전파 특성 영상 분석을 위한 드론.
  10. 제9 항에 있어서,
    상기 드론에 공급되는 전원과 별도로 상기 상공 고속 카메라에 전원을 추가적으로 공급하는 전원 공급부를 더 포함하고, 상기 상공 고속 카메라에 전원이 듀얼로 공급되는 폭발물의 매질 전파 특성 영상 분석을 위한 드론.
  11. 폭발물의 측면 주변에 설치된 복수의 측면 고속 카메라로 측면 영상을 촬영하고, 상기 폭발물의 상공에 위치하는 드론에 장착된 상공 고속 카메라로 상공 영상을 촬영하여 상기 폭발물의 매질에 대한 고속 영상을 획득하는 단계;
    상기 고속 영상에서 상기 폭발물의 매질과 잡음이 포함된 배경 영상의 경계를 구분하기 위한 영상 전처리를 수행하는 단계;
    현재 프레임과 과거 프레임과의 차, 현재 프레임과 배경 영상과의 차 중에서 최솟값을 사용하여 영상의 변화량을 영상차로 계산하고, 상기 영상차를 이진화하여 이진화 영상을 계산하고, 상기 이진화 영상에서 매질이 계속해서 팽창하는 방식을 적용하여 관심 영역을 검출하고, 상기 관심 영역을 제외한 영역을 배경 잡음으로 지정하고 상기 폭발물의 매질을 상기 배경 잡음과 구분하고 상기 폭발물의 매질을 검출하는 단계;
    상기 폭발물의 매질에 대한 상기 상공 영상과 상기 측면 영상을 3차원으로 융합하는 단계; 및
    3차원으로 융합된 매질에 대한 물리량을 산출하는 단계를 포함하는 폭발물의 매질 전파 특성 영상 분석 방법.
  12. 제11 항에 있어서,
    상기 상공 고속 카메라에 트거리 신호를 공급하여 상기 상공 영상과 상기 측면 영상의 프레임을 동기화하는 단계를 더 포함하는 폭발물의 매질 전파 특성 영상 분석 방법.
  13. 제11 항에 있어서,
    영상 밝기의 최댓값과 최솟값 차이에 대한 대비를 조정하고, 매질의 윤곽선에 가중치를 설정하여 상기 배경 영상과 상기 폭발물의 매질을 구분하여 상기 영상 전처리를 수행하는 폭발물의 매질 전파 특성 영상 분석 방법.
  14. 삭제
  15. 제11 항에 있어서,
    상기 측면 영상에서의 매질의 x축 값과 y축 값을 상기 상공 영상에서 획득한 x축 값과 y축 값으로 보정하여 상기 상공 영상과 상기 측면 영상을 3차원으로 융합하는 폭발물의 매질 전파 특성 영상 분석 방법.
  16. 제15 항에 있어서,
    상기 x축 값과 상기 y축 값이 보정된 측면 영상으로부터 시간의 흐름에 따라 전파하는 매질의 전파 거리, 넓이, 부피를 계산하여 상기 3차원으로 융합된 매질에 대한 물리량을 산출하는 폭발물의 매질 전파 특성 영상 분석 방법.
KR1020200150266A 2020-11-11 2020-11-11 폭발물의 매질 전파 특성 영상 분석 장치, 이를 위한 드론 및 그 방법 KR102499401B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200150266A KR102499401B1 (ko) 2020-11-11 2020-11-11 폭발물의 매질 전파 특성 영상 분석 장치, 이를 위한 드론 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200150266A KR102499401B1 (ko) 2020-11-11 2020-11-11 폭발물의 매질 전파 특성 영상 분석 장치, 이를 위한 드론 및 그 방법

Publications (2)

Publication Number Publication Date
KR20220064104A KR20220064104A (ko) 2022-05-18
KR102499401B1 true KR102499401B1 (ko) 2023-02-10

Family

ID=81804162

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200150266A KR102499401B1 (ko) 2020-11-11 2020-11-11 폭발물의 매질 전파 특성 영상 분석 장치, 이를 위한 드론 및 그 방법

Country Status (1)

Country Link
KR (1) KR102499401B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024058887A1 (en) * 2022-09-13 2024-03-21 Demining Development Llc Systems and methods for detecting and identifying explosives

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014229156A (ja) 2013-05-24 2014-12-08 ホーチキ株式会社 火災検知装置及び火災検知方法
WO2020163302A1 (en) * 2019-02-05 2020-08-13 Dyno Nobel Inc. Systems for automated blast design planning and methods related thereto

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011109990A1 (de) * 2011-05-05 2012-11-08 Jonas Pfeil Kamerasystem zur Aufnahme von Bildern und dazugehöriges Verfahren

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014229156A (ja) 2013-05-24 2014-12-08 ホーチキ株式会社 火災検知装置及び火災検知方法
WO2020163302A1 (en) * 2019-02-05 2020-08-13 Dyno Nobel Inc. Systems for automated blast design planning and methods related thereto

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Fluid volume modeling from sparse multi-view images by appearance transfer, ACM Transactions on Graphics, 2015.08.*
Quantitative imaging of explosions with high-speed cameras, Review of Scientific Instruments 87, 2017.09.*

Also Published As

Publication number Publication date
KR20220064104A (ko) 2022-05-18

Similar Documents

Publication Publication Date Title
CN107316488B (zh) 信号灯的识别方法、装置和系统
CN106529495A (zh) 一种飞行器的障碍物检测方法和装置
CN106885622B (zh) 一种大视场多点三维振动测量方法
CN106851238A (zh) 白平衡控制方法、白平衡控制装置及电子装置
KR102313438B1 (ko) 초분광영상을 이용한 하상 변동속도 측정 방법
CN110268440A (zh) 图像解析装置、图像解析方法、以及图像解析程序
CN103916599B (zh) 一种针对遥感相机外景成像的快速调焦方法
CN109712192A (zh) 摄像模组标定方法、装置、电子设备及计算机可读存储介质
US9628777B2 (en) Method of 3D reconstruction of a scene calling upon asynchronous sensors
KR102499401B1 (ko) 폭발물의 매질 전파 특성 영상 분석 장치, 이를 위한 드론 및 그 방법
CN107018323A (zh) 控制方法、控制装置和电子装置
CN103986854A (zh) 图像处理设备、摄像设备和控制方法
CN113674335B (zh) 深度成像方法、电子设备及存储介质
JP7190951B2 (ja) 画像認識システムおよび画像認識方法
CN109146906A (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
EP3435332A1 (fr) Dispositif électronique et procédé de génération, à partir d'au moins une paire d'images successives d'une scène, d'une carte de profondeur de la scène, drone et programme d'ordinateur associés
CN112950517B (zh) 深度相机高动态范围深度图与灰度图的融合方法及装置
CN111598065A (zh) 深度图像获取方法及活体识别方法、设备、电路和介质
CN108802742A (zh) 异常物体监测方法、装置及系统
CN109948630A (zh) 靶纸图像的识别方法、装置、系统和存储介质
KR20210106036A (ko) 초분광영상을 이용한 하천 지형측량 방법
KR102347226B1 (ko) 융합 센서 데이터 시각화 장치 및 방법
KR102592988B1 (ko) 항공영상에서의 객체 탐지방법 및 장치
TWI502162B (zh) 雙影像導引追瞄之射擊系統與方法
KR20200084974A (ko) 초분광영상을 이용한 수심 추정 방법

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant