KR102623072B1 - Calculating coordinates system - Google Patents
Calculating coordinates system Download PDFInfo
- Publication number
- KR102623072B1 KR102623072B1 KR1020230105245A KR20230105245A KR102623072B1 KR 102623072 B1 KR102623072 B1 KR 102623072B1 KR 1020230105245 A KR1020230105245 A KR 1020230105245A KR 20230105245 A KR20230105245 A KR 20230105245A KR 102623072 B1 KR102623072 B1 KR 102623072B1
- Authority
- KR
- South Korea
- Prior art keywords
- ips
- coordinate
- linear structure
- coordinate value
- center
- Prior art date
Links
- 238000004364 calculation method Methods 0.000 claims abstract description 75
- 238000005259 measurement Methods 0.000 claims abstract description 17
- 238000013461 design Methods 0.000 claims abstract description 11
- 238000013528 artificial neural network Methods 0.000 claims description 28
- 239000000284 extract Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 12
- 238000000034 method Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000011960 computer-aided design Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000003973 irrigation Methods 0.000 description 2
- 230000002262 irrigation Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C1/00—Measuring angles
- G01C1/02—Theodolites
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/38—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation
- G06F7/48—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices
- G06F7/544—Methods or arrangements for performing computations using exclusively denominational number representation, e.g. using binary, ternary, decimal representation using non-contact-making devices, e.g. tube, solid state device; using unspecified devices for evaluating functions by calculation
- G06F7/548—Trigonometric functions; Co-ordinate transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2101/00—Indexing scheme relating to the type of digital function generated
- G06F2101/06—Co-ordinate transformations
Abstract
선형구조물 설계 모델의 좌표 값을 계산하는 좌표계산 장치; 및 측량 데이터를 획득하여 상기 좌표계산 장치로 전송하는 측량 장치;를 포함하는, 좌표계산 시스템을 개시한다.A coordinate calculation device that calculates the coordinate values of a linear structure design model; and a measurement device that acquires measurement data and transmits it to the coordinate calculation device.
Description
본 발명은 선형구조물의 설계 시 측량자료에 기반하여 좌표를 계산하는 시스템에 관한 것이다.The present invention relates to a system for calculating coordinates based on survey data when designing a linear structure.
종래에 이용되고 있는 측량 방법은, 측량기사가 현장에서 측량기(데오도라이트)와 표척(프리즘)을 사용하여 현황을 측량 한 후, 그 측량정보를 디스켓 등으로 저장하여 설계실로 가지고 와서, 상기 측량정보를 기초로 하여 컴퓨터 지원 설계(CAD : Computer Aided Design) 프로그램 등을 이용하여 도로, 하천, 용수로 또는 건물 등의 구조물 등에 대한 작도를 행하였다.The surveying method used conventionally involves a surveyor surveying the current situation on site using a measuring instrument (theodorite) and a measuring stick (prism), then saving the surveying information on a diskette, etc., bringing it to the design room, and completing the survey. Based on the information, structures such as roads, rivers, waterways, and buildings were drawn using a computer-aided design (CAD) program.
측량기를 통해 측량된 측량정보는 단말기로 유무선을 통해 다운로드 되며, 측량사는 측량된 측점들에 대한 측량정보를 단말기를 통해 확인할 수 있다. 이러한, 측량정보에는 좌표정보, 고도정보 및 거리정보 등이 포함될 수 있다. 그러나, 측량사가 측량기준점을 잘못 설정하거나, 또는 측량기준점의 변경 등에 의해, 측량된 측점에 대한 좌표 정보가 측점의 실제 좌표정보와 다른 경우가 발생될 수 있으며, 이러한 오류가 발생된 경우, 좌표변환을 통해 실제 측량된 측점들에 대한 오류 좌표정보를 정상 좌표정보로 변환시켜주어야 한다.Survey information measured through the surveyor is downloaded to the terminal via wired or wireless means, and the surveyor can check the survey information about the surveyed points through the terminal. Such survey information may include coordinate information, altitude information, and distance information. However, there may be cases where the coordinate information for the surveyed measurement point is different from the actual coordinate information of the measurement point due to the surveyor setting the survey reference point incorrectly or changing the measurement reference point. When such an error occurs, coordinate conversion is required. Error coordinate information for the actually measured measurement points must be converted into normal coordinate information through .
본 발명의 일측면은 측량자료의 중심선의 IP 좌표를 이용하여 종단도면 작성 시 입력자료로 이용될 수 있도록 하는 IP의 좌표값, IP간 교각, IP간 거리, 측점 등을 출력하는 좌표계산 시스템을 개시한다.One aspect of the present invention is a coordinate calculation system that outputs IP coordinate values, piers between IPs, distances between IPs, measurement points, etc., which can be used as input data when creating a longitudinal drawing using the IP coordinates of the center line of survey data. Begin.
본 발명의 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The technical problem of the present invention is not limited to the technical problem mentioned above, and other technical problems not mentioned will be clearly understood by those skilled in the art from the description below.
본 발명의 시스템은 선형구조물 설계 모델의 좌표 값을 계산하는 좌표계산 장치; 및 측량 데이터를 획득하여 상기 좌표계산 장치로 전송하는 측량 장치;를 포함한다.The system of the present invention includes a coordinate calculation device for calculating coordinate values of a linear structure design model; and a surveying device that acquires surveying data and transmits it to the coordinate calculation device.
한편, 상기 좌표계산 장치는, 외부 입력 장치로부터 수치지도에서 선형 구조물을 계획한 IP 좌표 값을 획득하고, 상기 측량 장치로부터 측량 데이터를 수신하는 측량 데이터 획득부; 및 상기 측량 데이터 획득부에서 획득한 측량 데이터를 이용하여 중심 IP 좌표 값, IP 간 거리, IP 간 교각 및 측점 좌표 값을 계산하는 좌표 값 계산부;를 포함하고,Meanwhile, the coordinate calculation device includes a survey data acquisition unit that acquires IP coordinate values for planning a linear structure in a digital map from an external input device and receives survey data from the survey device; And a coordinate value calculation unit that calculates center IP coordinate values, distance between IPs, bridge angles between IPs, and measurement point coordinates using the survey data acquired by the survey data acquisition unit.
상기 좌표 값 계산부는, 상기 측량 데이터 및 상기 수치지도를 비교하여 선형 구조물 설계 모델의 선형 중심선의 중심점에 해당하는 중심 IP 좌표 값을 산출하는 중심 IP 좌표 값 계산부; 상기 수치지도에서 선형 구조물을 나타내는 IP 간의 거리를 계산하는 IP 간 거리 계산부; 상기 수치지도에서 선형 구조물을 나타내는 IP 간의 교각을 계산하는 IP 간 교각 계산부; 및 상기 IP 간의 거리 및 상기 IP 간의 교각을 이용하여 상기 수치지도에서 선형 구조물을 나타내는 종단 측점 좌표 값을 계산하는 측점 좌표 값 계산부;를 포함할 수 있다.The coordinate value calculation unit includes a center IP coordinate value calculation unit that compares the survey data and the digital map to calculate a center IP coordinate value corresponding to the center point of the linear center line of the linear structure design model; a distance calculation unit between IPs that calculates the distance between IPs representing linear structures in the digital map; A bridge calculation unit between IPs that calculates bridge bridges between IPs representing linear structures in the digital map; and a station coordinate value calculation unit that calculates a longitudinal station coordinate value representing a linear structure in the digital map using the distance between the IPs and the bridge angle between the IPs.
한편, 상기 중심 IP 좌표 값 계산부는, 상기 측량 데이터 및 상기 수치지도에 계획된 IP 좌표 값을 입력 데이터로 생성하고, 측량 데이터 및 수치지도에 계획된 IP 좌표 값에 대하여 중심 IP의 경도 및 위도의 좌표 값을 출력하는 알고리즘에 해당하는 인공 신경망에 상기 입력 데이터를 입력하여 출력 데이터를 획득하고, 상기 출력 데이터를 상기 중심 IP 좌표 값으로 산출하고,Meanwhile, the center IP coordinate value calculation unit generates the IP coordinate values planned in the survey data and the digital map as input data, and coordinate values of the longitude and latitude of the center IP with respect to the IP coordinate values planned in the survey data and the digital map. Obtaining output data by inputting the input data into an artificial neural network corresponding to an algorithm that outputs, calculating the output data as the center IP coordinate value,
상기 좌표계산 장치는, 중심 IP 좌표 값, IP 간 거리, IP 간 교각 및 측점 좌표 값을 계산하는 경우, 아래 수학식 1을 이용하여 미리 저장된 선형 구조물 모델들과의 유사도를 산출하고, 미리 저장된 선형 구조물 모델들 중 유사도가 1에 가장 가깝게 산출되는 선형 구조물 모델을 유사 선형 구조물 모델로 추출하여 제공하는 유사 모델 설정부;를 더 포함할 수 있다.When calculating the center IP coordinate value, distance between IPs, piers between IPs, and station coordinate values, the coordinate calculation device calculates the similarity with pre-stored linear structure models using Equation 1 below, and calculates the similarity with pre-stored linear structure models using Equation 1 below. It may further include a similar model setting unit that extracts and provides a linear structure model whose similarity is closest to 1 among the structure models as a similar linear structure model.
[수학식 1][Equation 1]
(수학식 1에서 mab는 선형 구조물 모델 a 및 b의 유사도이고, IPa는 선형 구조물 모델 a의 IP 간의 거리 평균, IP'a는 선형 구조물 모델 a의 IP 간의 교각 평균, IPb는 선형 구조물 모델 b의 IP 간의 거리 평균, IP'b는 선형 구조물 모델 b의 IP 간의 교각 평균)(In Equation 1, m ab is the similarity between linear structure models a and b, IP a is the distance average between IPs of linear structure model a, IP' a is the intersection average between IPs of linear structure model a, and IP b is the linear structure model a. the distance average between the IPs of model b, IP' b is the average of the bridge angles between the IPs of the linear structure model b)
상술한 본 발명의 일 측면에 따르면, IP(Intermediate Point), IP간 교각, IP간 거리, 측점 등의 좌표 값을 계산하여, 종단도면 작성 시 입력자료로 활용되거나, 평면 계획 시, 중심선에 측점을 표시하는 데 활용되거나, 관수로 설계 시 곡관 종류를 선정하는 데 활용되거나, 현장의 공사 위치 중심점으로 활용될 것이다.According to one aspect of the present invention described above, coordinate values of IPs (Intermediate Points), piers between IPs, distances between IPs, and measurement points are calculated and used as input data when creating a longitudinal drawing, or as measurement points on the center line when planning a floor plan. It will be used to indicate, be used to select the type of curved pipe when designing an irrigation pipe, or be used as the center point of the construction location on site.
도 1은 본 발명의 일 실시예에 따른 용수로 선형 좌표계산 시스템의 개념도이다.
도 2는 도 1에 도시된 좌표계산 장치의 개념도이다.
도 3은 도 2에 도시된 좌표 값 계산부의 세부 개념도이다.
도 4는 본 발명의 다른 실시예에 따른 좌표계산 장치의 개념도이다.
도 5는 도 1에 도시된 측량 장치의 일 실시예를 보여주는 도면이다.
도 6은 도 5에 도시된 슬라이딩 모듈을 보여주는 도면이다.Figure 1 is a conceptual diagram of a waterway linear coordinate calculation system according to an embodiment of the present invention.
FIG. 2 is a conceptual diagram of the coordinate calculation device shown in FIG. 1.
FIG. 3 is a detailed conceptual diagram of the coordinate value calculation unit shown in FIG. 2.
Figure 4 is a conceptual diagram of a coordinate calculation device according to another embodiment of the present invention.
FIG. 5 is a diagram showing an embodiment of the measurement device shown in FIG. 1.
FIG. 6 is a diagram showing the sliding module shown in FIG. 5.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다. The advantages and features of the present invention and methods for achieving them will become clear by referring to the embodiments described in detail below along with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below and will be implemented in various different forms. The present embodiments only serve to ensure that the disclosure of the present invention is complete and that common knowledge in the technical field to which the present invention pertains is not limited. It is provided to fully inform those who have the scope of the invention, and the present invention is only defined by the scope of the claims. Like reference numerals refer to like elements throughout the specification.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계 및 동작은 하나 이상의 다른 구성요소, 단계 및 동작의 존재 또는 추가를 배제하지 않는다.The terminology used herein is for describing embodiments and is not intended to limit the invention. As used herein, singular forms also include plural forms, unless specifically stated otherwise in the context. As used in the specification, “comprises” and/or “comprising” does not exclude the presence or addition of one or more other components, steps and operations.
도 1은 본 발명의 일 실시예에 따른 용수로 선형 좌표계산 시스템의 개념도이다.Figure 1 is a conceptual diagram of a waterway linear coordinate calculation system according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따른 용수로 선형 좌표계산 시스템(1)은 좌표계산 장치(100) 및 측량 장치(200)를 포함할 수 있다.Referring to FIG. 1, the waterway linear coordinate calculation system 1 according to an embodiment of the present invention may include a coordinate calculation device 100 and a survey device 200.
좌표계산 장치(100)는 용수로, 도로, 하천 등의 선형구조물 설계 시 좌표 값을 계산할 수 있다.The coordinate calculation device 100 can calculate coordinate values when designing linear structures such as irrigation channels, roads, and rivers.
좌표계산 장치(100)는 측량자료의 중심점 좌표 값을 이용하여 IP(Intermediate Point), IP간 교각, IP간 거리, 측점 등의 좌표 값을 계산할 수 있다. 이와 같은 좌표계산 장치(100)의 출력 데이터는 종단도면 작성 시 입력자료로 활용되거나, 평면 계획 시, 중심선에 측점을 표시하는 데 활용되거나, 관수로 설계 시 곡관 종류를 선정하는 데 활용되거나, 현장의 공사 위치 중심점으로 활용될 것이다.The coordinate calculation device 100 can calculate coordinate values of IPs (Intermediate Points), piers between IPs, distances between IPs, and measurement points using the coordinate values of the center point of the survey data. The output data of this coordinate calculation device 100 is used as input data when creating a longitudinal drawing, used to mark a measuring point on the center line when planning a floor plan, used to select the type of curved pipe when designing a water pipe, or used on site. It will be used as the construction location center point.
좌표계산 장치(100)는 본 발명에 따른 좌표계산을 수행하기 위한 자체 서버이거나 클라우드 서버일 수도 있고 분산된 노드들의 p2p(peer-to-peer) 집합일 수 있다.The coordinate calculation device 100 may be its own server, a cloud server, or a p2p (peer-to-peer) set of distributed nodes for performing coordinate calculation according to the present invention.
좌표계산 장치(100)는 일반적인 컴퓨터가 갖는 연산, 저장, 참조, 입출력, 제어 기능 중 어느 하나 이상을 수행할 수 있고, 입력 데이터를 바탕으로 후술할 인공 신경망을 포함할 수 있다.The coordinate calculation device 100 may perform one or more of the calculation, storage, reference, input/output, and control functions of a general computer, and may include an artificial neural network to be described later based on input data.
좌표계산 장치(100)는 프로세서 및 메모리를 포함할 수 있다. 프로세서는 본 발명에 따른 좌표계산을 수행할 수 있고, 좌표산을 수행할 수 있는 장치들을 포함할 수 있다. 프로세서는 프로그램을 실행하거나 좌표계산 장치(100)를 제어할 수도 있다. 프로세서에 의해 실행되는 프로그램 코드는 메모리에 저장될 수 있다. 메모리는 본 발명에 따른 좌표계산을 수행하기 위한 관련 정보들을 저장하거나 방법을 구현하기 위한 프로그램을 저장할 수 있다. 메모리는 휘발성 메모리거나 비휘발성 메모리일 수 있다.The coordinate calculation device 100 may include a processor and memory. The processor may perform coordinate calculation according to the present invention and may include devices capable of performing coordinate calculation. The processor may execute a program or control the coordinate calculation device 100. Program code executed by the processor may be stored in memory. The memory may store relevant information for performing coordinate calculation according to the present invention or store a program for implementing the method. The memory may be volatile memory or non-volatile memory.
좌표계산 장치(100)는 네트워크를 이용하여 외부 장치에 데이터를 발신하거나 외부 장치로부터 데이터를 수신할 수 있다.The coordinate calculation device 100 can send data to or receive data from an external device using a network.
좌표계산 장치(100)는 인공 신경망을 학습시킬 수 있고, 학습이 완료된 인공 신경망을 이용할 수도 있다. 프로세서는 메모리에 저장된 인공 신경망을 학습시키거나 실행할 수 있고, 메모리는 학습 완료된 인공 신경망을 저장할 수 있다. 인공 신경망을 학습시키는 전자 장치와 이용하는 전자 장치는 동일할 수 있지만 별개일 수도 있다. The coordinate calculation device 100 can train an artificial neural network or use a trained artificial neural network. The processor can train or execute an artificial neural network stored in memory, and the memory can store a trained artificial neural network. The electronic device that trains the artificial neural network and the electronic device that uses it may be the same, but may also be separate.
인공지능은 인간의 뇌의 기능을 일부 구현한 컴퓨터 시스템으로, 스스로 학습하고 추측하고 판단할 수 있다. 학습을 진행할수록 답을 추출할 확률이 높아질 수 있다. 인공지능은 학습과 그것을 이용한 요소 기술들로 구성될 수 있다. 인공지능의 학습은 입력 데이터를 바탕으로 특징을 분류와 학습을 하는 알고리즘 기술이고, 요소 기술들은 학습 알고리즘을 이용하여 인간의 뇌의 기능을 일부 구현하는 기술일 수 있다.Artificial intelligence is a computer system that implements some of the functions of the human brain and can learn, guess, and make decisions on its own. As learning progresses, the probability of extracting an answer may increase. Artificial intelligence can be composed of learning and elemental technologies using it. Artificial intelligence learning is an algorithmic technology that classifies and learns features based on input data, and elemental technologies may be technologies that implement some of the functions of the human brain using learning algorithms.
인공지능은 확률적으로 여러 답이 나올 수 있는 문제에 접근하기 쉬운 기술로써 어떠한 입력 데이터에 따르는 최적의 주기와 방법, 계획 등을 논리적이고 확률적으로 추론할 수 있다. 인공지능의 추론 기술은 입력 데이터를 판단하고 최적화 예측, 지식과 확률 기반 추론, 선호 기반 계획 등을 포함할 수 있다.Artificial intelligence is a technology that makes it easy to approach problems that can have multiple answers probabilistically, and can logically and probabilistically infer the optimal cycle, method, and plan according to any input data. Artificial intelligence's inference technology can include judging input data, optimization predictions, knowledge and probability-based reasoning, and preference-based planning.
인공신경망은 기계학습 분야의 학습 알고리즘 중 하나로 뇌의 뉴런과 시냅스의 연결을 프로그램으로 구현한 것이다. 인공신경망은 프로그램으로 신경망의 구조를 만든 다음 학습시켜 원하는 기능을 가지게 할 수 있다. 오차가 존재할 수 있지만 거대한 데이터를 바탕으로 학습하여 입력 데이터를 가지고 적절한 출력 데이터를 출력할 수 있다. 통계적으로 좋은 결과를 얻었던 출력 데이터를 획득할 수 있고 인간의 추론과 유사하다는 장점이 있다.Artificial neural network is one of the learning algorithms in the machine learning field and is a program that implements the connection between neurons and synapses in the brain. Artificial neural networks can be created through a program to create a neural network structure and then learn it to have the desired function. Although there may be errors, it is possible to learn based on huge data and output appropriate output data with input data. It has the advantage of being able to obtain output data with statistically good results and being similar to human reasoning.
측량 장치(200)는 측량 데이터를 획득하고, 획득한 측량 데이터를 좌표계산 장치(100)로 무선 송출할 수 있다.The surveying device 200 may acquire survey data and wirelessly transmit the acquired survey data to the coordinate calculation device 100.
예를 들면, 측량 장치(200)는 스타프기구를 통해 측량 작업을 수행할 수 있으며, 측량 작업을 통해 기준점, 수준점 등의 측량 데이터를 확보하여 무선 송출하거나, 별도의 출력 장치를 통해 출력할 수 있다.For example, the surveying device 200 can perform surveying work through a staff mechanism, and surveying data such as reference points and level points can be secured through the surveying work and transmitted wirelessly or output through a separate output device. there is.
도 2는 도 1에 도시된 좌표계산 장치의 개념도이다.FIG. 2 is a conceptual diagram of the coordinate calculation device shown in FIG. 1.
도 2를 참조하면, 좌표계산 장치(100)는 측량 데이터 획득부(110) 및 좌표 값 계산부(120)를 포함할 수 있다.Referring to FIG. 2, the coordinate calculation device 100 may include a survey data acquisition unit 110 and a coordinate value calculation unit 120.
측량 데이터 획득부(110)는 측량 장치(200)로부터 측량 데이터를 수신할 수 있다.The survey data acquisition unit 110 may receive survey data from the survey device 200.
측량 데이터 획득부(110)는 유선 또는 무선으로 연결된 입력 장치로부터 수치지도에서 선형 구조물을 계획한 IP 좌표 값을 수신할 수 있다.The survey data acquisition unit 110 may receive IP coordinate values for planning a linear structure in a digital map from a wired or wirelessly connected input device.
좌표 값 계산부(120)는 측량 데이터 획득부(110)에서 획득한 측량 데이터를 이용하여 IP 좌표 값, IP 간 교각, IP 간 거리 및 측점 좌표 값 등을 계산할 수 있다. 이와 관련하여 도 3을 참조하여 설명한다.The coordinate value calculation unit 120 may calculate IP coordinate values, bridge angles between IPs, distances between IPs, and measurement point coordinate values using the survey data acquired by the survey data acquisition unit 110. This will be described with reference to FIG. 3.
도 3은 도 2에 도시된 좌표 값 계산부의 세부 개념도이다.FIG. 3 is a detailed conceptual diagram of the coordinate value calculation unit shown in FIG. 2.
도 3을 참조하면, 좌표 값 계산부(120)는 중심 IP 좌표 값 계산부(121), IP 간 거리 계산부(123), IP 간 교각 계산부(125) 및 측점 좌표 값 계산부(127)를 포함할 수 있다.Referring to FIG. 3, the coordinate value calculation unit 120 includes a center IP coordinate value calculation unit 121, an inter-IP distance calculation unit 123, an inter-IP bridge angle calculation unit 125, and a station coordinate value calculation unit 127. may include.
중심 IP 좌표 값 계산부(121)는 측량 데이터 및 수치지도를 비교하여 중심 IP 좌표 값을 계산할 수 있다.The central IP coordinate value calculation unit 121 may calculate the central IP coordinate value by comparing survey data and a digital map.
예를 들면, 중심 IP 좌표 값 계산부(121)는 CAD를 통해 측량 데이터 및 수치지도를 비교하여 최적의 중심 IP 경도 및 위도 좌표 값을 계산할 수 있다.For example, the central IP coordinate value calculation unit 121 can calculate the optimal central IP longitude and latitude coordinate values by comparing survey data and digital maps through CAD.
또는, 중심 IP 좌표 값 계산부(121)는 인공지능 신경망을 이용하여 중심 IP 좌표 값을 계산할 수 있다. 중심 IP 좌표 값 계산부(121)는 측량 데이터 및 수치지도에 계획된 IP 좌표 값을 입력 데이터로 생성하고, 측량 데이터 및 수치지도에 계획된 IP 좌표 값에 대하여 중심 IP의 경도 및 위도의 좌표 값 출력을 위해 학습된 인공 신경망에 입력 데이터를 입력할 수 있다.Alternatively, the center IP coordinate value calculation unit 121 may calculate the center IP coordinate value using an artificial intelligence neural network. The central IP coordinate value calculation unit 121 generates the IP coordinate values planned in the survey data and digital map as input data, and outputs the coordinate values of the longitude and latitude of the central IP for the IP coordinate values planned in the survey data and digital map. Input data can be input to the artificial neural network trained for this purpose.
중심 IP 좌표 값 계산부(121)는 인공 신경망으로부터 출력 데이터를 획득하고, 출력 데이터를 중심 IP 좌표 값으로 산출할 수 있다.The center IP coordinate value calculation unit 121 may obtain output data from an artificial neural network and calculate the output data as a center IP coordinate value.
본 실시예에서 중심 IP 좌표 값 계산부(121)는 기계 학습 알고리즘의 수행을 위하여 기계 학습 알고리즘의 수행을 위하여 미리 학습된 다수의 인공 신경망을 포함할 수 있다. 기계 학습으로 입력 데이터를 바탕으로 출력 데이터를 출력하고 이것의 결과를 이용해 스스로 학습할 수도 있고 이로 인해 스스로 데이터 처리 능력이 향상될 수 있다. 인공 신경망은 입력 데이터를 바탕으로 특징을 추출하고 규칙성을 추측하여 결과데이터를 출력할 수 있고 이러한 과정이 쌓일수록 결과 데이터의 신뢰도가 높아지게 된다.In this embodiment, the center IP coordinate value calculation unit 121 may include a plurality of artificial neural networks that have been trained in advance to perform a machine learning algorithm. With machine learning, you can output output data based on input data and use the results to learn on your own, which can improve your own data processing ability. Artificial neural networks can extract features based on input data, infer regularities, and output result data. As this process accumulates, the reliability of the result data increases.
본 실시예에서 인공 신경망은 측량 데이터 및 수치지도에 계획된 IP 좌표 값에 대하여 중심 IP의 경도 및 위도의 좌표 값을 출력하는 알고리즘일 수 있다. 인공 신경망은 측량 데이터 및 수치지도에 계획된 IP 좌표 값을 그대로 입력 데이터로 하거나 불필요한 데이터를 정리하는 처리 과정을 거친 후 입력 데이터로 하여 최상의 출력 데이터를 추론할 수 있다.In this embodiment, the artificial neural network may be an algorithm that outputs the longitude and latitude coordinate values of the center IP with respect to the IP coordinate values planned in the survey data and digital map. Artificial neural networks can infer the best output data by using the IP coordinate values planned in survey data and digital maps as input data as is, or by using them as input data after going through a processing process to organize unnecessary data.
인공지능 기계 학습 모델은 학습 종류에 따라 Super Viser Learning(지도학습), UnSuper Viser Learning(비지도 학습), Semisupervised learning(반지도 학습), Reinforcement Learning(강화 학습) 등이 있다. 그리고 기계 학습 알고리즘으로 Decision Tree(의사 결정 트리), K-Nearest Neightbor, Artificial Neural Network(인공 신경망), Support Vector Machine, Ensemble Learning, Gradient Descent(기울기 하강법), Na*?*ve Bayes Classifier, Hidden Markov Model, K-Means Clustering 등이 사용될 수 있다.Depending on the type of learning, artificial intelligence machine learning models include Super Viser Learning, UnSuper Viser Learning, Semisupervised Learning, and Reinforcement Learning. And machine learning algorithms include Decision Tree, K-Nearest Nearest Bor, Artificial Neural Network, Support Vector Machine, Ensemble Learning, Gradient Descent, Na*?*ve Bayes Classifier, Hidden Markov Model, K-Means Clustering, etc. can be used.
인공 신경망은 수많은 인공 뉴런들을 몇 개의 층으로 쌓고 연결할 수 있다. 인공 신경망의 입력 데이터에는 설계 예산, 대지 규격, 대지 환경 요소 각각을 나타내는 수치, 가족 수 및 실 개수를 포함할 수 있다. 인공 신경망은 입력 데이터에 포함될 수 있는 여러 입력 값들에 대해 미리 학습된 상태일 수 있다. 인공 신경망은 사용자가 입력하는 설계 요구 정보에 따른 평면 타입을 추론하여 출력 데이터를 출력할 수 있다.Artificial neural networks can stack and connect numerous artificial neurons in several layers. The input data of the artificial neural network may include design budget, site specifications, numerical values representing each site environmental element, number of family members, and number of rooms. The artificial neural network may be pre-trained on various input values that may be included in the input data. The artificial neural network can output output data by inferring the plane type according to the design requirement information input by the user.
인공 신경망은 학습방식 중 하나인 reinforcement learning(강화 학습)에 따라 학습되는 인공 신경망일 수 있다. 강화 학습은 보수와 제한을 설정하여 점차 올바른 결과를 획득할 확률을 올려가는 방식이다. 예를 들면, 본 실시예에 따른 자동설계 시스템에 의한 종래의 설계 데이터와 비교하여 적절한 평면 타입을 출력하면 보수, 적절하지 않으면 제한을 할당하여 점차 최적화할 수 있다. An artificial neural network may be an artificial neural network that is learned according to reinforcement learning, one of the learning methods. Reinforcement learning is a method of gradually increasing the probability of obtaining the correct result by setting rewards and limits. For example, compared to conventional design data by the automatic design system according to this embodiment, maintenance can be made if an appropriate plan type is output, and restrictions can be assigned if the plan type is not appropriate, thereby allowing gradual optimization.
인공 신경망은 Convelutional Neural Network(CNN, 합성곱 신경망)이나 Recurrent Neural Network(RNN, 순환 신경망)에 기반하여 모델링될 수도 있다. Artificial neural networks can also be modeled based on Convelutional Neural Network (CNN) or Recurrent Neural Network (RNN).
이와 같이 중심 IP 좌표 값 계산부(121)는 선형 중심선의 중심점을 의미하는 중심 IP 좌표 값을 산출할 수 있다.In this way, the center IP coordinate value calculation unit 121 can calculate the center IP coordinate value indicating the center point of the linear center line.
IP 간 거리 계산부(123)는 수치지도에서 선형 구조물을 나타내는 IP 간의 거리를 계산할 수 있다.The distance calculation unit 123 between IPs can calculate the distance between IPs representing linear structures in a digital map.
IP 간 교각 계산부(125)는 수치지도에서 선형 구조물을 나타내는 IP 간의 교각을 계산할 수 있다.The IP-to-IP bridge calculation unit 125 may calculate the IP-to-IP bridge bridge representing a linear structure in the digital map.
측점 좌표 값 계산부(127)는 IP 간의 거리 및 IP 간의 교각을 이용하여 종단 측점 좌표 값을 계산할 수 있다.The measuring point coordinate value calculation unit 127 may calculate the longitudinal measuring point coordinate value using the distance between IPs and the bridge angle between IPs.
도 4는 본 발명의 다른 실시예에 따른 좌표계산 장치의 개념도이다.Figure 4 is a conceptual diagram of a coordinate calculation device according to another embodiment of the present invention.
도 4를 참조하면, 본 실시예에 따른 좌표계산 장치(100')는 도 2에 도시된 측량 데이터 획득부(110) 및 좌표 값 계산부(120)에 더하여 유사 모델 설정부(130)를 더 포함할 수 있다.Referring to FIG. 4, the coordinate calculation device 100' according to the present embodiment further includes a similar model setting unit 130 in addition to the survey data acquisition unit 110 and the coordinate value calculation unit 120 shown in FIG. 2. It can be included.
측량 데이터 획득부(110) 및 좌표 값 계산부(120)에 대한 설명은 상술한 것으로 대체한다.Descriptions of the survey data acquisition unit 110 and the coordinate value calculation unit 120 are replaced with those described above.
유사 모델 설정부(130)는 선형 구조물에 대하여 산출하는 좌표 값 데이터들을 비교하여 유사한 선형 구조물 모델을 제공할 수 있다.The similar model setting unit 130 may provide a similar linear structure model by comparing coordinate value data calculated for the linear structure.
유사 모델 설정부(130)는 아래 수학식 1을 이용하여 선형 구조물 모델 간의 유사도를 산출할 수 있다.The similar model setting unit 130 may calculate the degree of similarity between linear structure models using Equation 1 below.
[수학식 1][Equation 1]
수학식 1에서 mab는 선형 구조물 모델 a 및 b의 유사도이고, IPa는 선형 구조물 모델 a의 IP 간의 거리 평균, IP'a는 선형 구조물 모델 a의 IP 간의 교각 평균, IPb는 선형 구조물 모델 b의 IP 간의 거리 평균, IP'b는 선형 구조물 모델 b의 IP 간의 교각 평균을 의미한다.In Equation 1, m ab is the similarity between linear structure models a and b, IP a is the distance average between IPs of linear structure model a, IP' a is the intersection average between IPs of linear structure model a, and IP b is the linear structure model a. The distance average between the IPs of b, IP' b means the average of the bridge angles between the IPs of the linear structure model b.
유사 모델 설정부(130)는 좌표 값 계산부(120)에서 좌표 값 데이터들을 산출하는 경우, 미리 저장된 선형 구조물 모델들과의 유사도를 산출하고, 유사도가 1에 가장 가깝게 산출되는 선형 구조물 모델을 유사 선형 구조물 모델로 추출하여 제공할 수 있다. 작업자는 이러한 유사 선형 구조물 모델을 참조하여 선형 구조물을 설계할 수 있다.When calculating coordinate value data in the coordinate value calculation unit 120, the similarity model setting unit 130 calculates the similarity with pre-stored linear structure models, and uses the linear structure model whose similarity is closest to 1 to be similar. It can be extracted and provided as a linear structure model. Workers can design linear structures by referring to these quasi-linear structure models.
도 5는 도 1에 도시된 측량 장치의 일 실시예를 보여주는 도면이다.FIG. 5 is a diagram showing an embodiment of the measurement device shown in FIG. 1.
도 5를 참조하면, 측량 장치(200)는 거치대(210), 측량 본체(220) 및 슬라이딩 모듈(230)을 포함할 수 있다.Referring to FIG. 5 , the measurement device 200 may include a holder 210, a measurement body 220, and a sliding module 230.
거치대(210)는 다수의 지지 다리(211) 및 지지 다리(211)의 상부에 구비되는 지지 플레이트(212)를 포함할 수 있다. 본 실시예에서 거치대(210)는 삼각대의 형태로 형성될 수 있다.The holder 210 may include a plurality of support legs 211 and a support plate 212 provided on the upper part of the support legs 211. In this embodiment, the holder 210 may be formed in the form of a tripod.
측량 본체(220)는 거치대(210)에 착탈 가능하게 설치될 수 있으며, 수준측량용레벨기로 적용될 수 있다.The surveying body 220 can be detachably installed on the holder 210 and can be applied as a level for level surveying.
예를 들면, 측량 본체(220)는 지지 플레이트(212)에 다양한 결합 방식을 통해 착탈 가능하게 설치될 수 있다.For example, the survey body 220 may be detachably installed on the support plate 212 through various coupling methods.
슬라이딩 모듈(230)은 다수의 지지 다리(211) 중 어느 하나의 지지 다리(211)에 설치될 수 있다.The sliding module 230 may be installed on any one support leg 211 among the plurality of support legs 211.
슬라이딩 모듈(230)은 측량 장소에서 거치대(210)를 설치하기 전, 지면을 평탄하게 하는 작업을 수행하여 측량의 정확도를 높이고 거치대(210)가 쓰러지는 것을 방지할 수 있다. 이와 관련하여 도 6을 참조하여 설명한다.The sliding module 230 can improve the accuracy of surveying and prevent the stand 210 from falling by flattening the ground before installing the stand 210 at the survey location. This will be described with reference to FIG. 6.
도 6은 도 5에 도시된 슬라이딩 모듈을 보여주는 도면이다.FIG. 6 is a diagram showing the sliding module shown in FIG. 5.
도 6을 참조하면, 슬라이딩 모듈(230)은 지지 다리(211)에 설치되는 슬라이딩 하우징(231), 슬라이딩 하우징(231)을 따라 레일 이동하는 슬라이딩 블록(232) 및 슬라이딩 블록(232)에 회전 가능하게 설치되는 브러쉬(233)를 포함할 수 있다.Referring to Figure 6, the sliding module 230 is rotatable on the sliding housing 231 installed on the support leg 211, the sliding block 232 moving on a rail along the sliding housing 231, and the sliding block 232. It may include a brush 233 that is installed properly.
슬라이딩 블록(232)은 슬라이딩 하우징(231)의 양단에 연결되는 체인(2321), 슬라이딩 블록(232)에 설치되어 체인(2321)을 따라 슬라이딩 블록(232)을 이동시킬 수 있게 하는 이동 휠(2322) 및 구동 휠(2323), 구동 휠(2323)을 구동하는 모터(2324)를 포함할 수 있다.The sliding block 232 includes a chain 2321 connected to both ends of the sliding housing 231, and a moving wheel 2322 installed on the sliding block 232 to move the sliding block 232 along the chain 2321. ) and a driving wheel 2323, and a motor 2324 that drives the driving wheel 2323.
브러쉬(233)는 슬라이딩 블록(232)에 힌지 설치되는 설치 브라켓(2331), 모터(2324)의 구동 휠(2323)로부터 설치 브라켓(2331)으로 연결되는 제1 구동 바아(2332), 설치 브라켓(2331)으로부터 회동하도록 설치되는 회동 바아(2333), 회동 바아(2333)의 일측 끝단에 설치되는 브러쉬 하우징(2334), 브러쉬 하우징(2334)로부터 회전하도록 설치되는 회전 축(2335), 회전 축(2335)에 설치되어 제1 구동 바아(2332)에 의해 회전하는 제2 구동 바아(2336), 제1 구동 바아(2332) 및 제2 구동 바아(2336)에 연결되는 구동 체인(2337)을 포함할 수 있다. The brush 233 includes an installation bracket 2331 hinged to the sliding block 232, a first drive bar 2332 connected from the drive wheel 2323 of the motor 2324 to the installation bracket 2331, and an installation bracket ( A rotating bar 2333 installed to rotate from 2331, a brush housing 2334 installed at one end of the rotating bar 2333, a rotating shaft 2335 installed to rotate from the brush housing 2334, and a rotating shaft 2335 ) may include a second drive bar 2336 that is installed and rotated by the first drive bar 2332, and a drive chain 2337 connected to the first drive bar 2332 and the second drive bar 2336. there is.
브러쉬(233)는 모터(2324)의 회전에 의해 슬라이딩 블록(232)을 따라 이동함과 동시에 회전 가능하도록 작동할 수 있다.The brush 233 can be operated to move and rotate simultaneously along the sliding block 232 by rotation of the motor 2324.
또한, 슬라이딩 모듈(230)은 슬라이딩 블록(232)에 설치되는 푸시 모듈(234)을 더 포함할 수 있다.Additionally, the sliding module 230 may further include a push module 234 installed on the sliding block 232.
푸시 모듈(234)은 실린더로 적용될 수 있으며, 슬라이딩 블록(232)에 설치되는 푸시 하우징(2341)을 통해 일단이 설치되고, 타단이 회동 바아(2333)에 링크 결합되어, 푸시 모듈(234)의 작동에 따라 회동 바아(2333)를 회동시킬 수 있다.The push module 234 can be applied as a cylinder, and one end is installed through the push housing 2341 installed on the sliding block 232, and the other end is link coupled to the pivot bar 2333, so that the push module 234 The rotation bar 2333 can be rotated according to operation.
이와 같은 슬라이딩 모듈(230)은 지지 다리(211)를 펼치기 전에 지면에 대하여 브러쉬(233)가 향하도록 배치한 뒤, 슬라이딩 블록(232)을 이동시키면서 지면을 평탄화시킬 수 있다. 슬라이딩 모듈(230)은 지면 평탄화를 위한 별도의 장비를 소지하지 않아도 된다는 점에서 번거로움을 해소하고, 지면을 평탄하게 하여 측량 작업의 정확도를 높이고, 측량 본체(220)의 고장 등을 방지할 수 있다.This sliding module 230 can be arranged so that the brushes 233 face the ground before unfolding the support legs 211, and then move the sliding block 232 to flatten the ground. The sliding module 230 eliminates the inconvenience in that there is no need to carry separate equipment for leveling the ground, improves the accuracy of surveying work by leveling the ground, and prevents breakdown of the survey main body 220. there is.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.Although embodiments of the present invention have been described above with reference to the attached drawings, those skilled in the art will understand that the present invention can be implemented in other specific forms without changing the technical idea or essential features. You will be able to understand it. Therefore, the embodiments described above should be understood in all respects as illustrative and not restrictive.
1: 용수로 선형 좌표계산 시스템
100: 좌표계산 장치
200: 측량 장치1: Flume Linear Coordinate Calculation System
100: Coordinate calculation device
200: surveying device
Claims (2)
측량 데이터를 획득하여 상기 좌표계산 장치로 전송하는 측량 장치;를 포함하고,
상기 좌표계산 장치는,
외부 입력 장치로부터 수치지도에서 선형 구조물을 계획한 IP 좌표 값을 획득하고, 상기 측량 장치로부터 측량 데이터를 수신하는 측량 데이터 획득부; 및
상기 측량 데이터 획득부에서 획득한 측량 데이터를 이용하여 중심 IP 좌표 값, IP 간 거리, IP 간 교각 및 측점 좌표 값을 계산하는 좌표 값 계산부;를 포함하고,
상기 좌표 값 계산부는,
상기 측량 데이터 및 상기 수치지도를 비교하여 선형 구조물 설계 모델의 선형 중심선의 중심점에 해당하는 중심 IP 좌표 값을 산출하는 중심 IP 좌표 값 계산부;
상기 수치지도에서 선형 구조물을 나타내는 IP 간의 거리를 계산하는 IP 간 거리 계산부;
상기 수치지도에서 선형 구조물을 나타내는 IP 간의 교각을 계산하는 IP 간 교각 계산부; 및
상기 IP 간의 거리 및 상기 IP 간의 교각을 이용하여 상기 수치지도에서 선형 구조물을 나타내는 종단 측점 좌표 값을 계산하는 측점 좌표 값 계산부;를 포함하고,
상기 중심 IP 좌표 값 계산부는,
상기 측량 데이터 및 상기 수치지도에 계획된 IP 좌표 값을 입력 데이터로 생성하고, 측량 데이터 및 수치지도에 계획된 IP 좌표 값에 대하여 중심 IP의 경도 및 위도의 좌표 값을 출력하는 알고리즘에 해당하는 인공 신경망에 상기 입력 데이터를 입력하여 출력 데이터를 획득하고, 상기 출력 데이터를 상기 중심 IP 좌표 값으로 산출하고,
상기 좌표계산 장치는,
중심 IP 좌표 값, IP 간 거리, IP 간 교각 및 측점 좌표 값을 계산하는 경우, 아래 수학식 1을 이용하여 미리 저장된 선형 구조물 모델들과의 유사도를 산출하고, 미리 저장된 선형 구조물 모델들 중 유사도가 1에 가장 가깝게 산출되는 선형 구조물 모델을 유사 선형 구조물 모델로 추출하여 제공하는 유사 모델 설정부;를 더 포함하고,
[수학식 1]
(수학식 1에서 mab는 선형 구조물 모델 a 및 b의 유사도이고, IPa는 선형 구조물 모델 a의 IP 간의 거리 평균, IP'a는 선형 구조물 모델 a의 IP 간의 교각 평균, IPb는 선형 구조물 모델 b의 IP 간의 거리 평균, IP'b는 선형 구조물 모델 b의 IP 간의 교각 평균)
상기 측량 장치는,
다수의 지지 다리 및 상기 다수의 지지 다리의 상부에 구비되는 지지 플레이트를 포함하는 거치대;
상기 거치대에 착탈 가능하게 설치되는 측량 본체; 및
상기 다수의 지지 다리 중 어느 하나의 지지 다리에 설치되는 슬라이딩 모듈;을 포함하는,
상기 지지 다리의 상부에 구비되고, 지면을 향하도록 배치되는 브러쉬를 포함하여 상기 브러쉬의 이동을 통해 지면을 평탄화시키는 슬라이딩 모듈;을 포함하는, 좌표계산 시스템.
A coordinate calculation device that calculates the coordinate values of a linear structure design model; and
Includes a surveying device that acquires surveying data and transmits it to the coordinate calculation device,
The coordinate calculation device is,
a survey data acquisition unit that acquires IP coordinate values for planning a linear structure in a digital map from an external input device and receives survey data from the survey device; and
It includes a coordinate value calculation unit that calculates the center IP coordinate value, the distance between IPs, the bridge piers between IPs, and the coordinate values of measurement points using the survey data acquired by the survey data acquisition unit,
The coordinate value calculation unit,
A center IP coordinate value calculation unit that compares the survey data and the digital map to calculate a center IP coordinate value corresponding to the center point of the linear center line of the linear structure design model;
a distance calculation unit between IPs that calculates the distance between IPs representing linear structures in the digital map;
A bridge calculation unit between IPs that calculates bridge bridges between IPs representing linear structures in the digital map; and
A station coordinate value calculation unit that calculates a longitudinal station coordinate value representing a linear structure in the digital map using the distance between the IPs and the bridge angle between the IPs,
The center IP coordinate value calculation unit,
An artificial neural network corresponding to an algorithm that generates the IP coordinate values planned in the survey data and the digital map as input data, and outputs the coordinate values of the longitude and latitude of the center IP with respect to the IP coordinate values planned in the survey data and the digital map. Obtaining output data by inputting the input data, calculating the output data as the center IP coordinate value,
The coordinate calculation device is,
When calculating the center IP coordinate value, distance between IPs, piers between IPs, and station coordinate values, the similarity with pre-stored linear structure models is calculated using Equation 1 below, and the similarity among pre-stored linear structure models is It further includes a similar model setting unit that extracts and provides a linear structure model calculated closest to 1 as a quasi-linear structure model,
[Equation 1]
(In Equation 1, m ab is the similarity between linear structure models a and b, IP a is the distance average between IPs of linear structure model a, IP' a is the intersection average between IPs of linear structure model a, and IP b is the linear structure model a. the distance average between the IPs of model b, IP' b is the average of the bridge angles between the IPs of the linear structure model b)
The surveying device is,
A stand including a plurality of support legs and a support plate provided on top of the plurality of support legs;
A survey body detachably installed on the holder; and
A sliding module installed on one of the plurality of support legs,
A coordinate calculation system comprising: a sliding module provided on an upper part of the support leg, including a brush arranged to face the ground, and flattening the ground through movement of the brush.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230105245A KR102623072B1 (en) | 2023-03-15 | 2023-08-11 | Calculating coordinates system |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230034154A KR102567729B1 (en) | 2023-03-15 | 2023-03-15 | Calculating coordinates system |
| KR1020230105245A KR102623072B1 (en) | 2023-03-15 | 2023-08-11 | Calculating coordinates system |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230034154A Division KR102567729B1 (en) | 2023-03-15 | 2023-03-15 | Calculating coordinates system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102623072B1 true KR102623072B1 (en) | 2024-01-10 |
Family
ID=87800111
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230034154A KR102567729B1 (en) | 2023-03-15 | 2023-03-15 | Calculating coordinates system |
| KR1020230105245A KR102623072B1 (en) | 2023-03-15 | 2023-08-11 | Calculating coordinates system |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230034154A KR102567729B1 (en) | 2023-03-15 | 2023-03-15 | Calculating coordinates system |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR102567729B1 (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002174517A (en) * | 2000-12-07 | 2002-06-21 | Keisuke Honma | Survey support system and data inputting method thereof |
| KR101139796B1 (en) * | 2011-10-31 | 2012-04-30 | 삼아항업(주) | System and method for extracting tree around road in producing digital map using lidar data |
| KR101149348B1 (en) * | 2011-10-12 | 2012-05-30 | 주식회사 어스비젼텍 | System and method for assessing accuracy of spatial information using gps surveying in realtime |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5578813A (en) * | 1995-03-02 | 1996-11-26 | Allen; Ross R. | Freehand image scanning device which compensates for non-linear movement |
| KR100484941B1 (en) * | 2002-09-12 | 2005-04-25 | 한국전자통신연구원 | System for constructing and browsing geographic information using video data and method thereof |
| KR100862061B1 (en) * | 2008-06-02 | 2008-10-09 | (주)원지리정보 | Surveying system |
-
2023
- 2023-03-15 KR KR1020230034154A patent/KR102567729B1/en active IP Right Grant
- 2023-08-11 KR KR1020230105245A patent/KR102623072B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002174517A (en) * | 2000-12-07 | 2002-06-21 | Keisuke Honma | Survey support system and data inputting method thereof |
| KR101149348B1 (en) * | 2011-10-12 | 2012-05-30 | 주식회사 어스비젼텍 | System and method for assessing accuracy of spatial information using gps surveying in realtime |
| KR101139796B1 (en) * | 2011-10-31 | 2012-04-30 | 삼아항업(주) | System and method for extracting tree around road in producing digital map using lidar data |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102567729B1 (en) | 2023-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7371111B2 (en) | Distributed processing of pose graphs to generate high-precision maps for autonomous vehicle navigation | |
| Golledge | Human wayfinding and cognitive maps | |
| US11755014B2 (en) | Jointly learnable behavior and trajectory planning for autonomous vehicles | |
| US20180188043A1 (en) | Classification of surfaces as hard/soft for combining data captured by autonomous vehicles for generating high definition maps | |
| Howard et al. | Relaxation on a mesh: a formalism for generalized localization | |
| CN110231833B (en) | Oil field inspection fixed point data acquisition system and method based on multiple unmanned aerial vehicles | |
| JP2000506294A (en) | Autonomous mobile robot system for navigating a conduit network based on sensors and maps | |
| CN107292989A (en) | High voltage power transmission cruising inspection system based on 3DGIS technologies | |
| CN109492756B (en) | Multi-element wire galloping early warning method based on deep learning and related device | |
| US20200386555A1 (en) | Using map-based constraints for determining vehicle state | |
| CN102915039A (en) | Multi-robot combined target searching method of animal-simulated space cognition | |
| CN111667101A (en) | Personalized electric power field operation path planning method and system integrating high-resolution remote sensing image and terrain | |
| KR102008520B1 (en) | multi-user information share system for using space information platform based on cloud of construction sites cloud | |
| CN114925836B (en) | Urban traffic flow reasoning method based on dynamic multi-view graph neural network | |
| US20230243658A1 (en) | Systems, Methods and Devices for Map-Based Object's Localization Deep Learning and Object's Motion Trajectories on Geospatial Maps Using Neural Network | |
| CN109374007A (en) | Indoor path guide method based on GPS network and ground coordinate net | |
| KR102623072B1 (en) | Calculating coordinates system | |
| CN107631735A (en) | One kind is based on mobile phone inertial navigation and RFID blind man navigation methods | |
| Ekpenyong et al. | Extracting road information from recorded GPS data using snap-drift neural network | |
| Basiri | Open area path finding to improve wheelchair navigation | |
| Ziggah et al. | 2D Cadastral Coordinate Transformation using extreme learning machine technique | |
| JP7295106B2 (en) | System and method for navigating within a track network | |
| Kubička et al. | On designing robust real-time map-matching algorithms | |
| CN114153216B (en) | Lunar surface path planning system and method based on deep reinforcement learning and block planning | |
| Zhao et al. | A multi-sensor fusion system for improving indoor mobility of the visually impaired |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |