KR20220166015A - 딥러닝 기반 항공 영상 내 포트홀 탐지 결과 시각화 장치 및 그 방법 - Google Patents
딥러닝 기반 항공 영상 내 포트홀 탐지 결과 시각화 장치 및 그 방법 Download PDFInfo
- Publication number
- KR20220166015A KR20220166015A KR1020210074779A KR20210074779A KR20220166015A KR 20220166015 A KR20220166015 A KR 20220166015A KR 1020210074779 A KR1020210074779 A KR 1020210074779A KR 20210074779 A KR20210074779 A KR 20210074779A KR 20220166015 A KR20220166015 A KR 20220166015A
- Authority
- KR
- South Korea
- Prior art keywords
- porthole
- aerial image
- area
- pothole
- detection result
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013135 deep learning Methods 0.000 title abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 128
- 239000003550 marker Substances 0.000 claims abstract description 23
- 238000013507 mapping Methods 0.000 claims abstract description 7
- 238000012800 visualization Methods 0.000 claims description 31
- 238000007794 visualization technique Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 20
- 238000005259 measurement Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 238000004458 analytical method Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- UXVMQQNJUSDDNG-UHFFFAOYSA-L Calcium chloride Chemical compound [Cl-].[Cl-].[Ca+2] UXVMQQNJUSDDNG-UHFFFAOYSA-L 0.000 description 1
- 229910001628 calcium chloride Inorganic materials 0.000 description 1
- 239000001110 calcium chloride Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
- B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- B64C2201/127—
-
- 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
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/12—Bounding box
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
본 발명은 딥러닝 기반 항공 영상 내 포트홀 탐지 결과 시각화 장치 및 그 방법에 관한 것이다.
본 발명에 따르면, 포트홀 탐지 결과 시각화 장치를 이용한 포트홀 탐지 결과 시각화 방법에 있어서, 드론에 의해 촬영된 항공 영상을 입력받는 단계와, 상기 항공 영상을 기 학습된 탐지 모듈에 입력하여 상기 항공 영상으로부터 포트홀을 탐지하는 단계와, 상기 포트홀이 탐지된 항공 영상을 분석하여 상기 항공 영상 내 포트홀의 크기 및 좌표를 측정하는 단계와, 상기 포트홀의 좌표를 지도 상에 매핑하여 상기 포트홀의 탐지 지점을 마커로 가시화하는 단계, 및 상기 지도에서 상기 마커 선택 시, 해당 포트홀의 크기 및 좌표, 상기 포트홀이 촬영된 항공 영상을 포함한 탐지 결과를 시각화하는 단계를 포함한다.
본 발명에 따르면, 항공 영상을 딥러닝 분석하여 포트홀의 위치를 탐지하고 탐지 결과를 지도 상에 매핑하여 시각화하여 제공할 수 있으며, 각 지역 별 포트홀 발생 현황 및 관리 추적을 용이하게 한다.
본 발명에 따르면, 포트홀 탐지 결과 시각화 장치를 이용한 포트홀 탐지 결과 시각화 방법에 있어서, 드론에 의해 촬영된 항공 영상을 입력받는 단계와, 상기 항공 영상을 기 학습된 탐지 모듈에 입력하여 상기 항공 영상으로부터 포트홀을 탐지하는 단계와, 상기 포트홀이 탐지된 항공 영상을 분석하여 상기 항공 영상 내 포트홀의 크기 및 좌표를 측정하는 단계와, 상기 포트홀의 좌표를 지도 상에 매핑하여 상기 포트홀의 탐지 지점을 마커로 가시화하는 단계, 및 상기 지도에서 상기 마커 선택 시, 해당 포트홀의 크기 및 좌표, 상기 포트홀이 촬영된 항공 영상을 포함한 탐지 결과를 시각화하는 단계를 포함한다.
본 발명에 따르면, 항공 영상을 딥러닝 분석하여 포트홀의 위치를 탐지하고 탐지 결과를 지도 상에 매핑하여 시각화하여 제공할 수 있으며, 각 지역 별 포트홀 발생 현황 및 관리 추적을 용이하게 한다.
Description
본 발명은 딥러닝 기반 항공 영상 내 포트홀 탐지 결과 시각화 장치 및 그 방법에 관한 것으로서, 보다 상세하게는 항공 영상을 딥러닝 분석하여 영상 내 포트홀을 탐지하고 탐지 결과를 실제 지도 상에 매핑하여 제공할 수 있는 항공 영상 내 포트홀 탐지 결과 시각화 장치 및 그 방법에 관한 것이다.
포트홀(Pothole)은 아스팔트 또는 콘크리트 도로 표면에 생기는 국부적인 작은 구멍 또는 갈라진 틈을 의미한다. 포트홀의 발생 요인은 다양한데, 주로 노면 노후화, 아스팔트 혼합물 및 시공 불량, 배수구조의 불량, 제설용 염화칼슘 사용, 장마 등에 의해 발생한다.
포트홀은 도로 위의 지뢰라 불릴만큼 도로를 운행하는 차량에게 큰 위협 요소가 되기 때문에, 도로 위 포트홀을 분석 및 검출할 수 있는 기술이 요구된다.
이와 관련하여 종래에는 진동, 3D 복원, 레이저 등을 이용하여 포트홀을 검출하는 방법이 개시된 바 있으나, 고비용 및 장시간이 소요되고 검출 정확도가 낮아 실효성이 떨어지는 문제점이 있다.
또한 기존에는 대부분 차량 운행 중에 포트홀을 탐지하는 기술에 해당하며, 여러 지역 별로 산재한 포트홀을 종합적으로 관리할 수 있는 기술은 부족한 실정이다.
또한, 최근에는 드론을 이용한 탐지 기술이 활발히 도입되고 있다. 따라서 이러한 드론의 영상을 활용하여 각 지역 별 포트홀을 효율적으로 탐지 및 관리할 수 있는 새로운 기술이 요구된다.
본 발명의 배경이 되는 기술은 한국공개특허 제10-2018-0136601호(2018.12.26 공개)에 개시되어 있다.
본 발명은 항공 영상을 딥러닝 분석하여 포트홀을 탐지하고 탐지 결과를 지도 상에 매핑하여 제공할 수 있는 딥러닝 기반 항공 영상 내 포트홀 탐지 결과 시각화 장치 및 그 방법을 제공하는데 목적이 있다.
본 발명은, 포트홀 탐지 결과 시각화 장치를 이용한 포트홀 탐지 결과 시각화 방법에 있어서, 드론에 의해 촬영된 항공 영상을 입력받는 단계와, 상기 항공 영상을 기 학습된 탐지 모듈에 입력하여 상기 항공 영상으로부터 포트홀을 탐지하는 단계와, 상기 포트홀이 탐지된 항공 영상을 분석하여 상기 항공 영상 내 포트홀의 크기 및 좌표를 측정하는 단계와, 상기 포트홀의 좌표를 지도 상에 매핑하여 상기 포트홀의 탐지 지점을 마커로 가시화하는 단계, 및 상기 지도에서 상기 마커 선택 시, 해당 포트홀의 크기 및 좌표, 상기 포트홀이 촬영된 항공 영상을 포함한 탐지 결과를 시각화하는 단계를 포함하는 포트홀 탐지 결과 시각화 방법을 제공한다.
또한, 상기 탐지 모듈은, R-CNN 기법을 기반으로 상기 항공 영상으로부터 포트홀 객체 및 도로 객체를 분리 검출하고 검출 결과를 AND 연산하여 도로 내의 포트홀을 탐지할 수 있다.
또한, 상기 측정하는 단계는, 상기 항공 영상에 기록된 EXIF 및 XMP를 포함한 메타 데이터를 기반으로 상기 항공 영상 내 탐지된 포트홀 영역의 면적, 가로 및 세로 직경, 그리고 위경도 좌표 값을 각각 연산할 수 있다.
또한, 상기 시각화 제공하는 단계는, 상기 항공 영상 내의 지정 위치에 정북 방향을 안내하는 나침반 아이콘을 삽입하고 상기 항공 영상 내의 포트홀 영역을 박스(box) 처리하여 제공할 수 있다.
또한, 상기 시각화 제공하는 단계는, 상기 박스 클릭 시 박스 영역의 확대 이미지를 제공하되, 사용자 선택 옵션에 따라 상기 확대 이미지 주변에 상기 포트홀 영역의 면적, 가로 및 세로 직경, 위경도 좌표 중 적어도 하나를 텍스트 형태로 출력할 수 있다.
또한, 상기 시각화 제공하는 단계는, 제1 옵션 선택 시, 상기 확대 이미지 내 포트홀 영역의 외곽을 따라 설정 눈금 크기의 가로 및 세로 방향의 눈금을 오버레이 표시한 상태에서 상기 포트홀 영역의 가로 및 세로 직경 값을 출력하고, 제2 옵션 선택 시, 상기 확대 이미지 내 상기 포트홀 영역을 설정 색상으로 마스킹 처리하여 표시한 상태에서, 상기 포트홀 영역의 면적 및 위경도 좌표 값을 출력할 수 있다.
그리고, 본 발명은, 드론에 의해 촬영된 항공 영상을 입력받는 입력부와, 상기 항공 영상을 기 학습된 탐지 모듈에 입력하여 상기 항공 영상으로부터 포트홀을 탐지하는 탐지부와, 상기 포트홀이 탐지된 항공 영상을 분석하여 상기 항공 영상 내 포트홀의 크기 및 좌표를 측정하는 측정부와, 상기 포트홀의 좌표를 지도 상에 매핑하여 상기 포트홀의 탐지 지점을 마커로 가시화하는 표시부, 및 상기 지도에서 상기 마커 선택 시, 해당 포트홀의 크기 및 좌표, 상기 포트홀이 촬영된 항공 영상을 포함한 탐지 결과를 시각화하는 제어부를 포함하는 포트홀 탐지 결과 시각화 장치를 제공한다.
본 발명에 따르면, 항공 영상을 딥러닝 분석하여 포트홀의 위치를 탐지하고 탐지 결과를 지도 상에 매핑하여 시각화하여 제공할 수 있다.
또한, 본 발명의 경우, 항공 영상으로부터 탐지된 각 지역의 포트홀에 대한 탐지 위치, 형상, 측정 크기와 면적, 촬영 영상 등을 도로의 정북 방향과 함께 가시화하여 제공하고 각 지역에서 관측된 포트홀의 관리 및 이력 추적을 가능하게 한다.
도 1은 본 발명의 실시예에 따른 항공 영상 내 포트홀 탐지 결과 시각화 시스템의 구성을 나타낸 도면이다.
도 2는 도 1의 포트홀 탐지 결과 시각화 장치의 구성을 나타낸 도면이다.
도 3은 도 2의 장치를 이용한 포트홀 탐지 결과 시각화 방법을 설명하는 도면이다.
도 4는 본 발명의 실시예에서 딥러닝 분석을 기반으로 항공 영상에서 도로 내 포트홀을 탐지하는 원리를 설명한 도면이다.
도 5는 본 발명의 실시예에서 항공 영상을 분석하여 포트홀의 면적을 연산하는 원리를 설명한 도면이다.
도 6은 본 발명의 실시예에서 항공 영상을 분석하여 포트홀의 좌표를 측정하는 원리를 설명한 도면이다.
도 7은 본 발명의 실시예에서 지도 상에 포트홀 탐지 위치를 가시화한 모습을 예시한 도면이다.
도 8은 본 발명의 실시예에 따른 포트홀 탐지 결과 시각화 페이지를 설명한 도면이다.
도 10은 본 발명의 실시예에 따라 지도 내 마커 클릭 시에 포트홀 탐지 결과를 제공하는 화면을 예시적으로 설명한 도면이다.
도 11은 본 발명의 실시예에 따른 항공 영상 내 포트홀 위치 및 좌표 출력 기능을 설명한 도면이다.
도 12는 본 발명의 실시예에서 포트홀의 면적, 가로 및 세로 크기를 시각화한 모습을 나타낸 도면이다.
도 2는 도 1의 포트홀 탐지 결과 시각화 장치의 구성을 나타낸 도면이다.
도 3은 도 2의 장치를 이용한 포트홀 탐지 결과 시각화 방법을 설명하는 도면이다.
도 4는 본 발명의 실시예에서 딥러닝 분석을 기반으로 항공 영상에서 도로 내 포트홀을 탐지하는 원리를 설명한 도면이다.
도 5는 본 발명의 실시예에서 항공 영상을 분석하여 포트홀의 면적을 연산하는 원리를 설명한 도면이다.
도 6은 본 발명의 실시예에서 항공 영상을 분석하여 포트홀의 좌표를 측정하는 원리를 설명한 도면이다.
도 7은 본 발명의 실시예에서 지도 상에 포트홀 탐지 위치를 가시화한 모습을 예시한 도면이다.
도 8은 본 발명의 실시예에 따른 포트홀 탐지 결과 시각화 페이지를 설명한 도면이다.
도 10은 본 발명의 실시예에 따라 지도 내 마커 클릭 시에 포트홀 탐지 결과를 제공하는 화면을 예시적으로 설명한 도면이다.
도 11은 본 발명의 실시예에 따른 항공 영상 내 포트홀 위치 및 좌표 출력 기능을 설명한 도면이다.
도 12는 본 발명의 실시예에서 포트홀의 면적, 가로 및 세로 크기를 시각화한 모습을 나타낸 도면이다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 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.
도 1은 본 발명의 실시예에 따른 포트홀 탐지 결과 시각화 시스템의 구성을 나타낸 도면이다.
도 1에 나타낸 것과 같이, 포트홀 탐지 결과 시각화 시스템은 포트홀 탐지 결과 시각화 장치(100) 및 사용자 단말(200)을 포함한다.
포트홀 탐지 결과 시각화 장치(100)는 적어도 하나의 사용자 단말(200)과 유선 네트워크, 무선 네트워크, 혹은 유선과 무선이 결합된 네트워크를 통해 서로 연결되어 상호 통신하고 데이터를 송수신할 수 있다.
여기서, 포트홀 탐지 결과 시각화 장치(100)는 항공 영상으로부터 포트홀을 분석, 탐지 및 관리하는 포트홀 관리 서버(이하, 관리 서버)에 해당할 수 있다. 관리 서버는 입력 인터페이스를 통하여 입력된 항공 영상을 딥러닝 분석하여 항공 영상으로부터 포트홀을 탐지하고, 출력 인터페이스를 통해 탐지 결과를 출력하여 디스플레이 혹은 사용자 단말(200)로 제공할 수 있다.
포트홀 탐지 결과 시각화 장치(100)는 사용자 단말(200)과 무선, 유선 또는 유무선 결합 네트워크를 통해 연결되어 포트홀 탐지 결과를 제공할 수 있으며, 앱(Application) 또는 웹(Web)으로 구현된 서비스 플랫폼(platform)을 사용자 단말(200)에게 제공할 수 있다.
여기서, 포트홀 탐지 결과 시각화 장치(100)는 포트홀 탐지 결과를 서비스하는 관리 서버 그 자체일 수도 있지만, 사용자 단말(200) 상에 구동하여 관련 서비스를 제공하는 어플리케이션 등의 응용 프로그램의 형태를 가질 수 있다. 이 경우 사용자 단말(200)은 앱(App) 또는 웹(Web) 환경에서 구동되는 어플리케이션(응용 프로그램)이 실행된 상태에서 관리 서버와 유무선 네트워크 접속되어 관련 서비스를 제공받을 수 있다.
응용 프로그램은 서버에서 운용 또는 제공할 수 있다. 이때 응용 프로그램은 항공 이미지의 업로드 과정부터 영상 분석을 통한 포트홀 탐지 과정, 탐지 정보 가시화 과정을 포함한 전 과정을 수행할 수 있다. 또한, 응용 프로그램은 복수의 항공 영상 이미지를 입력받아 처리하고 복수의 항공 영상에 대한 탐지 결과 리스트를 제공할 수 있다.
사용자 단말(200)은 PC, 데스크탑, 태블릿, 노트북, 스마트폰, 스마트 패드 등과 같이 유무선 네트워크를 통해 관리 서버에 접속하여 정보를 주고받을 수 있는 기기를 포함할 수 있다. 무선 기능을 내장한 기기(스마프폰, 노트북, 패드 등)의 경우 본 시스템의 기능을 기기 상에 모바일 어플케이션의 형태로 제공할 수 있다. 사용자 단말(200)은 관리자 측 단말에 해당할 수도 있고, 일반 사용자 측 단말에 해당할 수 있다.
본 발명의 실시예에서 포트홀 탐지 결과 시각화 장치(100)는 포트홀 탐지 결과 서비스를 위한 프로세스를 실행시키고 해당 결과를 제공함으로써 각 지역의 포트홀 발생 현황, 이력 추적 및 검색 기능을 제공할 수 있다.
이러한 포트홀 탐지 결과 시각화 장치(100)는 프로세서, 메모리, 유저 인터페이스 입출력 장치, 저장 장치 등을 포함할 수 있다. 이때 프로세서는 데이터 처리, 분석 및 각 구성요소의 동작 및 데이터 흐름을 제어할 수 있다. 입출력 장치는 정보나 데이터 입력, 조회, 출력 등의 기능을 담당한다.
도 2는 도 1의 포트홀 탐지 결과 시각화 장치의 구성을 나타낸 도면이다.
도 2를 참조하면, 본 발명의 실시예에 따른 포트홀 탐지 결과 시각화 장치(100)는 입력부(110), 탐지부(120), 측정부(130), 표시부(140) 및 제어부(150)를 포함한다. 여기서 각 부(110,120,130)의 동작과 각 부간의 데이터 흐름 제어는 제어부(140)에 의해 수행될 수 있다.
입력부(110)는 드론에 의해 촬영된 항공 영상을 입력받는다. 그리고 입력된 항공 영상을 탐지부(120)로 전달한다.
탐지부(120)는 항공 영상을 기 학습된 탐지 모듈에 입력하여 항공 영상으로부터 포트홀을 탐지한다. 탐지부(120)는 딥러닝을 기반으로 항공 영상으로부터 정상 영역과 구분되는 포트홀 영역을 탐지하고, 탐지 결과를 측정부(130)로 제공한다.
측정부(130)는 포트홀이 탐지된 항공 영상을 분석하여 항공 영상 내 탐지된 포트홀의 실제 크기 및 좌표를 측정한다. 이때, 측정부(130)는 항공 영상에 기록된 메타 데이터를 활용하여 항공 영상 내 탐지된 포트홀 영역의 실제 크기 및 좌표를 측정할 수 있다.
이때, 포트홀의 크기란, 포트홀 면적과 포트홀의 가로 및 세로 크기(직경)을 포함할 수 있고, 포트홀의 좌표는 위도 및 경도 좌표를 포함할 수 있다. 측정부(130)는 포트홀의 크기 및 좌표를 측정한 결과를 표시부(140)로 전달할 수 있다.
표시부(140)는 포트홀의 좌표를 지도(예: 구글 맵 등) 상에 매핑하여 포트홀의 탐지 지점을 마커(Marker)를 통해 가시화하여 구동 화면에 표출한다. 이에 따르면 지역 별로 각 포트홀의 탐지 스팟에 대응하여 마커가 표시된 지도 화면이 제공될 수 있다.
제어부(150)는 표시부(140)에 의해 표출되는 구동 화면을 사용자 조작 신호에 따라 제어할 수 있으며 해당 동작을 수행하기 위한 프로세서를 내장할 수 있다.
또한, 제어부(150)는 표시부(140)를 통해 화면에 가시화된 지도 상에서 사용자에 의해 소정 마커가 선택(클릭)되면, 마커에 대응된 해당 포트홀의 크기, 좌표, 촬영된 항공 영상을 포함한 포트홀 탐지 결과를 가공하여 화면 상에 시각화하여 제공할 수 있다. 이때, 제어부(150)는 탐지 결과를 이미지, 테이블, 텍스트 중 적어도 하나의 조합으로 가공하여 제공함으로써 사용자의 빠르고 직관적 확인이 가능하게 하고 포트홀 현황 파악 및 관리 효율을 높일 수 있다.
이하에서는 도 3을 바탕으로 본 발명의 실시예에 따른 딥러닝 기반의 항공 영상 내 포트홀 탐지 결과 시각화 방법을 보다 구체적으로 설명한다.
도 3은 도 2의 장치를 이용한 포트홀 탐지 결과 시각화 방법을 설명하는 도면이다.
먼저, 입력부(110)는 드론에 의해 촬영된 항공 영상을 입력받는다(S310). 입력부(110)는 네트워크 연결된 사용자 단말(200) 혹은 통신 포트에 접속된 USB 저장 장치로부터 저장소에 저장된 항공 영상을 로딩하여 입력받을 수 있다.
이때, 항공 영상은 드론을 통해 촬영된 영상으로, 촬영된 이미지 파일에는 EXIF(Exchangeable Image File Format)와 XMP(Extensible Metadata Platform from Adobe)를 포함한 메타 데이터가 함께 기록된다. 이에 따라 메타 데이터는 카메라 종류 및 세팅 값, 촬영 조건, 시간 및 위치 등의 정보를 포함하고 있다.
이와 같이 항공 영상 이미지에 기록된 메타 데이터를 활용하면, 항공 영상 이미지 내에서 탐지된 포트홀 영역 부분의 실제 면적, 가로/세로 크기(직경), 위경도 좌표 위치 등을 연산할 수 있게 된다.
입력부(110)는 입력된 항공 영상을 탐지부(120)로 전달한다. 그러면, 탐지부(120)는 입력부(110)로부터 전달받은 항공 영상을 기 학습된 탐지 모듈에 입력시켜, 항공 영상으로부터 포트홀을 탐지한다(S320).
본 발명의 실시예에서 탐지부(120)는 도로 내 포트홀을 탐지하도록 학습된 탐지 모듈을 포함하여 구성될 수 있다.
탐지 모듈은 복수의 항공 영상 이미지를 통하여 사전 학습될 수 있다. 예를 들어, 복수의 항공 영상 이미지에 각각 라벨링되어 있는 포트홀 영역의 특징(feature)을 딥러닝 분석하여 신경망을 학습시키고, 학습된 신경망을 통하여 항공 이미지 내에서 정상 영역과 구별되는 포트홀 영역을 탐지할 수 있다. 물론 탐지 모듈은 통상의 신경망 모델과 같이 지속적으로 수정 및 업데이트될 수 있다.
본 발명의 실시예에서, 탐지 모듈은 R-CNN 기법을 기반으로 항공 영상으로부터 도로 내의 포트홀 영역을 검출하도록 학습될 수 있다.
구체적으로, 탐지 모듈은 Mask R-CNN 기법을 기반으로 항공 영상으로부터 포트홀 객체 및 도로 객체를 먼저 분리 검출하고, 검출 결과를 AND 연산하여, 도로 내의 포트홀을 탐지하도록 구현될 수 있다. Mask R-CNN 기법은 객체 검출과 객체 분할을 함께 수행하는 딥러닝 모델로서 다중 클래스 객체를 마스킹하여 분할 검출할 수 있다.
도 4는 본 발명의 실시예에서 딥러닝 분석을 기반으로 항공 영상에서 도로 내 포트홀을 탐지하는 원리를 설명한 도면이다.
도 4에 도시된 것과 같이, 탐지부(120)는 항공 영상을 기 학습된 탐지 모듈에 입력한다(S410). 그러면, 탐지 모듈은 입력된 항공 영상을 딥러닝 분석하여 항공 영상 내에서 포트홀 객체와 도로 객체를 분할 검출한 다음(S420), 분할 검출된 포트홀 탐지 결과와 도로 탐지 결과를 서로 AND 연산하여 도로 내 포트홀 부분만 검출하고(S430), 검출 결과를 출력한다(S440). 여기서 항공 영상 내 검출된 포트홀 영역 부분은 마스크 처리되어 출력될 수 있다.
이에 따라, 탐지부(120)는 항공 영상 내 포트홀 탐지 결과를 제공하며 특히 상술한 과정을 바탕으로 도로 상에 존재한 포트홀 탐지 결과만을 제공한다. 이후, 탐지부(120)는 항공 영상 내의 포트홀 탐지 결과를 측정부(130)로 제공한다.
다시 도 3을 참조하면, 측정부(130)는 포트홀이 탐지된 항공 영상을 분석하여 항공 영상 내 포트홀의 크기 및 좌표를 측정한다(S330).
여기서, 측정부(130)는 항공 영상에 기록된 EXIF 및 XMP를 포함한 메타 데이터를 기반으로 항공 영상 내 탐지된 포트홀 영역의 면적, 가로 및 세로 직경, 그리고 위경도 좌표 값을 각각 연산한다. 그 구체적인 연산 방법은 이하의 도 5 및 도 6을 통하여 상세히 설명한다.
도 5는 본 발명의 실시예에서 항공 영상을 분석하여 포트홀의 면적을 연산하는 원리를 설명한 도면이다.
도 5와 같이, 측정부(130)는 포트홀이 탐지된 항공 영상을 입력받고(S510), 항공 영상 내 기록된 메타 데이터인 EXIF 및 XMP 데이터를 분석한다(S520). 메타 데이터로부터 이미지 센서의 대각선 길이(d), 초점거리(f), 고도(c) 등을 분석한다.
아래 표 1은 포트홀 면적 계산에 활용되는 인자로서, d, f, c는 항공 영상의 메타 데이터로부터 획득한 값이다.
| 기호 | 설명 | 단위 |
| d | 이미지 센서 대각선 길이 | mm |
| f | 초점거리 | mm |
| c | 고도 | m |
| C | 촬영 영역의 대각선 | m |
| A | 화각/2 | m |
| a | A의 여각 | ˚ |
우선, 항공 영상 내 탐지된 포트홀 영역(포트홀 객체)의 실면적 계산을 위하여, A 값을 연산한다. 구체적으로는 이미지 센서의 대각선 길이(d)와 초점거리(f)를 수학식 1에 적용하여 A 값을 구한다.
이렇게 구한 A 값은 화각의 1/2 값이 된다. 즉, A는 영상의 대각선 값이며 이를 2로 나누면 영상의 중점에서의 모서리까지의 거리가 되므로, 실제 화각이 아닌 화각의 1/2 값이 된다. 따라서 A 값은 실질적으로 화각에 비례하는 값(비례값 0.5)에 해당한다.
이후, A의 여각(a)과 고도(c)를 수학식 2에 적용하여, 항공 영상의 실제 촬영 영역의 대각선 길이(C)를 구한다.
그리고, 이미지 센서의 대각선 길이(d)와 수학식 2에 의해 얻어진 실제 촬영 영역의 대각선 길이(C) 간의 비례식을 통하여 항공 영상의 실제 촬영 영역의 가로 및 세로 길이를 산출하게 된다.
이후, 메타 데이터로부터 얻은 항공 영상의 해상도 및 실제 촬영 영역의 가로 및 세로 크기 간 비례식을 이용하여, 항공 영상 내의 픽셀 하나당 실제 촬영 면적(픽셀 단위 면적)을 계산할 수 있다(S530). 물론 그 과정에서 픽셀 하나당 미터 단위의 가로 길이와 세로 길이도 알 수 있다.
측정부(130)는 항공 영상 내 픽셀의 단위 면적(픽셀 단위 면적)을 이용하여, 포트홀 탐지 결과 마스크의 면적을 측정한다(S540). 구체적으로, 항공 영상 내 포트홀 영역(포트홀 탐지 영역)의 총 픽셀 수와 앞에서 구한 픽셀 단위 면적 값을 이용하여, 포트홀 탐지 영역의 실제 면적을 산출한다(S540). 그리고 산출 결과를 출력한다(S550).
여기서, 측정부(130)는 포트홀 영역의 면적 뿐만 아니라, 포트홀의 최대 가로 크기 및 최대 세로 크기에 해당한 포트홀 가로 직경 및 세로 직경을 추가로 획득할 수 있다.
도 6은 본 발명의 실시예에서 항공 영상을 분석하여 포트홀의 좌표를 측정하하는 원리를 설명한 도면이다.
도 6과 같이, 측정부(130)는 포트홀이 탐지된 항공 영상을 입력받고(S610), 항공 영상의 메타 데이터 중 EXIF 데이터를 분석한다(S620). 이때, EXIF 데이터를 분석하여 항공 영상의 위도(L) 및 경도(K) 좌표를 획득한다.
아래 표 2는 포트홀의 초단위 좌표 계산에 활용되는 인자로서, 이 중에서 L과 K는 항공 영상의 메타 데이터로부터 획득한 값이다.
| 기호 | 설명 | 단위 |
| x | 위도 반지름 | km |
| y | 적도 반지름 | km |
| z | 극 반지름 | km |
| n | 적도 기준에 따른 값 (북위 = 1, 남위 = -1) |
- |
| L | 위도 | 도 |
| K | 경도 | 도 |
그리고, 표 2의 x, y, z, n 값을 아래 수학식 3에 적용하여, 항공 영상의 위도(L)와 경도(K)의 도 단위 값을 초 단위 값으로 변환한다(S630).
다음, 항공 영상의 중점에서 포트홀 영역 까지의 가로 및 세로 거리를 계산한다(S640). 앞서 포트홀 면적 측정 과정에서 구한 픽셀 단위 면적을 이용하면 항공 영상의 중점 좌표에서 포트홀 까지의 가로 및 세로 거리를 계산할 수 있다. 예를 들면, 포트홀 영역 내 기준점(중심)까지의 가로 및 세로 거리를 계산할 수 있다.
그리고, 항공 영상의 중점 좌표에서 포트홀 까지의 가로 및 세로 거리에 초 단위 값을 나누어, 중점 좌표에서 포트홀 까지의 초 단위의 좌표 차이 값(거리)을 계산한다(S650). 그리고 영상의 중점 좌표에서 초단위로 변환된 포트홀 까지의 가로 및 세로 거리를 더하여 포트홀의 초 단위의 위치를 최종 계산 및 출력한다(S660).
이와 같이 본 발명의 실시예는 항공 영상 내 포트홀의 정확한 좌표를 계산하고 이를 통해 실무자에게 편의성을 제공한다. 항공 영상 내 검출된 포트홀 영역의 좌표 값은 표시부(140)로 전달된다.
다시 도 3을 참조하면, 표시부(140)는 포트홀의 좌표를 지도 상에 매핑하여 포트홀의 탐지 지점을 마커(Marker)로 가시화한다(S340).
그리고, 제어부(150)는 지도에서 사용자에 의해 소정 마커(Marker)가 선택되면, 해당 포트홀의 탐지 결과를 화면 상에 시각화하여 제공한다(S350). 이때 탐지 결과는 해당 포트홀의 크기, 좌표 및 촬영된 항공 영상을 포함한다.
여기서 제어부(150)는 표시부(140)의 구동 화면을 제어할 수 있으며, 마커 선택 시에 시각화된 항공 영상 내의 포트홀 영역을 박스(box) 처리하여 제공할 수 있으며, 항공 영상 내의 지정된 위치에 정북 방향을 안내하는 나침반 아이콘을 삽입할 수 있다. 아울러, 제어부(150)는 해당 포트홀 영역의 면적, 가로 및 세로 직경, 위경도 좌표 중 적어도 하나를 텍스트 형태로 출력할 수 있다.
도 7은 본 발명의 실시예에서 지도 상에 포트홀 탐지 위치를 가시화한 모습을 예시한 도면이고, 도 8은 본 발명의 실시예에 따른 포트홀 탐지 결과 시각화 페이지를 설명한 도면이다.
도 7에 나타낸 것과 같이, 표시부(140)는 구글 지도 상에 포트홀 탐지 위치를 마커로 가시화하여 제공할 수 있으며, 지도 확대 및 축소 기능을 제공할 수 있다. 이를 통해, 단일의 지도 화면에서 각 지역의 포트홀 탐지 스팟이 한 눈에 확인될 수 있고 지역 별 포트홀의 편리한 조회 및 관리가 가능하게 한다.
또한, 도 8을 참조하면 표시부(140)는 항공 영상 목록, 포트홀 자동 탐지 결과 출력 기능, 그리고 포트홀 자동 탐지 결과 메타데이터 다운로드 기능을 제공한다. 이때, 포트홀 자동 탐지 결과 출력 기능은 도로의 상행 및 하행을 파악하기 위한 정북 방향 표시 기능, 항공 영상 내 포트홀 위치 및 좌표 출력 기능, 포트홀의 면적, 가로 및 세로 크기 시각화 기능을 포함한다.
도 9는 본 발명의 실시예에서 포트홀 자동 탐지를 위한 이미지 업로드 및 처리 과정을 예시한 도면이다. 도 9와 같이, 본 발명의 경우, 응용 프로그램을 통하여 복수의 항공 영상 이미지 파일을 한 번에 쉽게 업로드할 수 있도록 하며, 이미지 업로드 진행 과정 및 처리 중인 이미지 목록을 실시간 안내할 수 있다.
도 10은 본 발명의 실시예에 따라 지도 내 마커 클릭 시에 포트홀 탐지 결과를 제공하는 화면을 예시적으로 설명한 도면이다.
도 10과 같이, 본 발명의 실시예에서 표시부(140)는 현재 지도 내에 포트홀 탐지 위치를 마커를 통하여 시각화하여 제공하며, 사용자의 마커 클릭 시에 마커에 대응된 위치의 항공 영상과, 해당 항공 영상 내의 포트홀 탐지 목록 및 탐지 결과를 제공할 수 있다. 여기서 표시부(140)의 구동 화면은 제어부(150)에 의해 제어될 수 있다.
도 11은 본 발명의 실시예에 따른 항공 영상 내 포트홀 위치 및 좌표 출력 기능을 설명한 도면이다.
도 11에 나타낸 것과 같이, 제어부(150)는 선택된 마커 지점에 대한 포트홀 탐지 결과를 제공하는 화면에서, 항공 영상 내의 지정 위치(예: 영상 좌측 상단)에 정북 방향을 안내하는 나침반 아이콘을 삽입하여 제공할 수 있다. 아울러, 항공 영상 내의 탐지된 포트홀 영역을 특정 색상으로 박스 처리하여 안내할 수 있다.
또한, 제어부(150)는 해당 박스 부분을 클릭 시에, 박스 영역의 확대 이미지를 별도의 창을 통하여 제공할 수 있으며, 사용자 선택 옵션에 따라 확대 이미지 주변에 포트홀 영역의 면적, 가로 및 세로 직경, 위경도 좌표 중 적어도 하나를 텍스트 형태로 제공할 수 있다.
도 12는 본 발명의 실시예에서 포트홀의 면적, 가로 및 세로 크기를 시각화한 모습을 나타낸 도면이다.
도 12와 같이, 제어부(150)는 제1 옵션(포트홀 가로 세로 출력 버튼)이 선택되면, 확대 이미지 내 포트홀 영역의 외곽을 따라 설정 눈금 크기의 가로 및 세로 방향의 눈금을 오버레이 표시한 상태에서 포트홀 영역의 가로 및 세로 직경 값을 출력할 수 있다.
또한, 제어부(150)는 제2 옵션(포트홀 영역 및 좌표 출력 버튼)이 선택되면, 확대 이미지 내 포트홀 영역을 설정 색상으로 마스킹 처리하여 표시한 상태에서, 포트홀 영역의 면적과, 위/경도 좌표 값을 출력하여 제공할 수 있다. 그밖에도 본 발명의 경우, 항공 영상 내 탐지된 포트홀에 대한 메타 데이터 다운로드 버튼을 제공할 수 있다.
이상과 같이 본 발명에 따르면, 항공 영상을 딥러닝 분석하여 포트홀의 위치를 정확하고 탐지하고 탐지 결과를 지도 상에 매핑하여 시각화하여 제공할 수 있다.
이러한 본 발명의 경우, 항공 영상으로부터 탐지된 각 지역의 포트홀에 대한 탐지 위치, 형상, 측정 크기와 면적, 촬영 영상 등을 도로의 정북 방향과 함께 가시화하여 제공함으로써, 각 지역에서 관측된 포트홀의 관리 및 이력 추적을 가능하게 하며 사용자 편의성을 높일 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 포트홀 탐지 결과 시각화 장치
110: 입력부
120: 탐지부 130: 측정부
140: 표시부 150: 제어부
200: 사용자 단말
120: 탐지부 130: 측정부
140: 표시부 150: 제어부
200: 사용자 단말
Claims (12)
- 포트홀 탐지 결과 시각화 장치를 이용한 포트홀 탐지 결과 시각화 방법에 있어서,
드론에 의해 촬영된 항공 영상을 입력받는 단계;
상기 항공 영상을 기 학습된 탐지 모듈에 입력하여 상기 항공 영상으로부터 포트홀을 탐지하는 단계;
상기 포트홀이 탐지된 항공 영상을 분석하여 상기 항공 영상 내 포트홀의 크기 및 좌표를 측정하는 단계;
상기 포트홀의 좌표를 지도 상에 매핑하여 상기 포트홀의 탐지 지점을 마커로 가시화하는 단계; 및
상기 지도에서 상기 마커 선택 시, 해당 포트홀의 크기 및 좌표, 상기 포트홀이 촬영된 항공 영상을 포함한 탐지 결과를 시각화하여 제공하는 단계를 포함하는 포트홀 탐지 결과 시각화 방법. - 청구항 1에 있어서,
상기 탐지 모듈은,
R-CNN 기법을 기반으로 상기 항공 영상으로부터 포트홀 객체 및 도로 객체를 분리 검출하고 검출 결과를 AND 연산하여 도로 내의 포트홀을 탐지하는 포트홀 탐지 결과 시각화 방법. - 청구항 1에 있어서,
상기 측정하는 단계는,
상기 항공 영상에 기록된 EXIF 및 XMP를 포함한 메타 데이터를 기반으로 상기 항공 영상 내 탐지된 포트홀 영역의 면적, 가로 및 세로 직경, 그리고 위경도 좌표 값을 각각 연산하는 포트홀 탐지 결과 시각화 방법. - 청구항 1에 있어서,
상기 시각화 제공하는 단계는,
상기 항공 영상 내의 지정 위치에 정북 방향을 안내하는 나침반 아이콘을 삽입하고 상기 항공 영상 내의 포트홀 영역을 박스(box) 처리하여 제공하는 포트홀 탐지 결과 시각화 방법. - 청구항 1에 있어서,
상기 시각화 제공하는 단계는,
상기 박스 클릭 시 박스 영역의 확대 이미지를 제공하되, 사용자 선택 옵션에 따라 상기 확대 이미지 주변에 상기 포트홀 영역의 면적, 가로 및 세로 직경, 위경도 좌표 중 적어도 하나를 텍스트 형태로 출력하는 포트홀 탐지 결과 시각화 방법. - 청구항 5에 있어서,
상기 시각화 제공하는 단계는,
제1 옵션 선택 시, 상기 확대 이미지 내 포트홀 영역의 외곽을 따라 설정 눈금 크기의 가로 및 세로 방향의 눈금을 오버레이 표시한 상태에서 상기 포트홀 영역의 가로 및 세로 직경 값을 출력하고,
제2 옵션 선택 시, 상기 확대 이미지 내 상기 포트홀 영역을 설정 색상으로 마스킹 처리하여 표시한 상태에서, 상기 포트홀 영역의 면적 및 위경도 좌표 값을 출력하는 포트홀 탐지 결과 시각화 방법. - 드론에 의해 촬영된 항공 영상을 입력받는 입력부;
상기 항공 영상을 기 학습된 탐지 모듈에 입력하여 상기 항공 영상으로부터 포트홀을 탐지하는 탐지부;
상기 항공 영상을 분석하여 상기 포트홀의 크기 및 좌표를 측정하는 측정부;
상기 포트홀의 좌표를 지도 상에 매핑하여 상기 포트홀의 탐지 지점을 마커로 가시화하는 표시부; 및
상기 지도에서 상기 마커 선택 시, 해당 포트홀의 크기 및 좌표, 상기 포트홀이 촬영된 항공 영상을 포함한 탐지 결과를 시각화하는 제어부를 포함하는 포트홀 탐지 결과 시각화 장치. - 청구항 7에 있어서,
상기 탐지 모듈은,
R-CNN 기법을 기반으로 상기 항공 영상으로부터 포트홀 객체 및 도로 객체를 분리 검출하고 검출 결과를 AND 연산하여 도로 내의 포트홀을 탐지하는 포트홀 탐지 결과 시각화 장치. - 청구항 7에 있어서,
상기 측정부는,
상기 항공 영상에 기록된 EXIF 및 XMP를 포함한 메타 데이터를 기반으로 상기 항공 영상 내 탐지된 포트홀 영역의 면적, 가로 및 세로 직경, 그리고 위경도 좌표 값을 각각 연산하는 포트홀 탐지 결과 시각화 장치. - 청구항 7에 있어서,
상기 표시부는,
상기 항공 영상 내의 지정 위치에 정북 방향을 안내하는 나침반 아이콘을 삽입하고 상기 항공 영상 내의 포트홀 영역을 박스(box) 처리하여 제공하는 포트홀 탐지 결과 시각화 방법. - 청구항 7에 있어서,
상기 제어부는,
상기 박스 클릭 시 박스 영역의 확대 이미지를 제공하되, 사용자 선택 옵션에 따라 상기 확대 이미지 주변에 상기 포트홀 영역의 면적, 가로 및 세로 직경, 위경도 좌표 중 적어도 하나를 텍스트 형태로 출력하는 포트홀 탐지 결과 시각화 장치. - 청구항 11에 있어서,
상기 제어부는,
제1 옵션 선택 시, 상기 확대 이미지 내 포트홀 영역의 외곽을 따라 설정 눈금 크기의 가로 및 세로 방향의 눈금을 오버레이 표시한 상태에서 상기 포트홀 영역의 가로 및 세로 직경 값을 출력하고,
제2 옵션 선택 시, 상기 확대 이미지 내 상기 포트홀 영역을 설정 색상으로 마스킹 처리하여 표시한 상태에서, 상기 포트홀 영역의 면적 및 위경도 좌표 값을 출력하는 포트홀 탐지 결과 시각화 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210074779A KR102586175B1 (ko) | 2021-06-09 | 2021-06-09 | 딥러닝 기반 항공 영상 내 포트홀 탐지 결과 시각화 장치 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210074779A KR102586175B1 (ko) | 2021-06-09 | 2021-06-09 | 딥러닝 기반 항공 영상 내 포트홀 탐지 결과 시각화 장치 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220166015A true KR20220166015A (ko) | 2022-12-16 |
| KR102586175B1 KR102586175B1 (ko) | 2023-10-06 |
Family
ID=84534910
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210074779A KR102586175B1 (ko) | 2021-06-09 | 2021-06-09 | 딥러닝 기반 항공 영상 내 포트홀 탐지 결과 시각화 장치 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102586175B1 (ko) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170072480A (ko) * | 2015-12-17 | 2017-06-27 | 삼성전자주식회사 | 지도 정보 제공 방법 및 이를 지원하는 전자 장치 |
| JP2018156317A (ja) * | 2017-03-16 | 2018-10-04 | 阪神高速技術株式会社 | ひび割れ検出処理装置、およびひび割れ検出処理プログラム |
| KR20190094005A (ko) * | 2018-02-02 | 2019-08-12 | 한국도로공사 | 도로 노면 손상 탐지를 위한 영상 처리 및 딥러닝 이미지 분류 장치 및 방법 |
| KR20200007165A (ko) * | 2018-07-12 | 2020-01-22 | 한국건설기술연구원 | 무인비행체에 탑재된 비전센서를 활용한 포트홀 탐지 시스템 및 그 방법 |
| US20200175352A1 (en) * | 2017-03-14 | 2020-06-04 | University Of Manitoba | Structure defect detection using machine learning algorithms |
| JP2021060656A (ja) * | 2019-10-03 | 2021-04-15 | エヌ・ティ・ティ・コムウェア株式会社 | 道路損傷判定装置、道路損傷判定方法及び道路損傷判定プログラム |
| KR20210063637A (ko) * | 2019-11-25 | 2021-06-02 | 대구가톨릭대학교산학협력단 | 도로 이미지에 기반한 포트홀 탐지 시스템 및 방법 |
-
2021
- 2021-06-09 KR KR1020210074779A patent/KR102586175B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170072480A (ko) * | 2015-12-17 | 2017-06-27 | 삼성전자주식회사 | 지도 정보 제공 방법 및 이를 지원하는 전자 장치 |
| US20200175352A1 (en) * | 2017-03-14 | 2020-06-04 | University Of Manitoba | Structure defect detection using machine learning algorithms |
| JP2018156317A (ja) * | 2017-03-16 | 2018-10-04 | 阪神高速技術株式会社 | ひび割れ検出処理装置、およびひび割れ検出処理プログラム |
| KR20190094005A (ko) * | 2018-02-02 | 2019-08-12 | 한국도로공사 | 도로 노면 손상 탐지를 위한 영상 처리 및 딥러닝 이미지 분류 장치 및 방법 |
| KR20200007165A (ko) * | 2018-07-12 | 2020-01-22 | 한국건설기술연구원 | 무인비행체에 탑재된 비전센서를 활용한 포트홀 탐지 시스템 및 그 방법 |
| JP2021060656A (ja) * | 2019-10-03 | 2021-04-15 | エヌ・ティ・ティ・コムウェア株式会社 | 道路損傷判定装置、道路損傷判定方法及び道路損傷判定プログラム |
| KR20210063637A (ko) * | 2019-11-25 | 2021-06-02 | 대구가톨릭대학교산학협력단 | 도로 이미지에 기반한 포트홀 탐지 시스템 및 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102586175B1 (ko) | 2023-10-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11003943B2 (en) | Systems and methods for processing images with edge detection and snap-to feature | |
| US9057618B1 (en) | System and method of determining map coordinates from images | |
| CN101563581A (zh) | 用于图像中的平面对象的识别和位置确定的方法和设备 | |
| US20090297067A1 (en) | Apparatus providing search service, method and program thereof | |
| US10997785B2 (en) | System and method for collecting geospatial object data with mediated reality | |
| US20180180459A1 (en) | Distance calculation method, flow volume measuring method, distance calculation apparatus, and flow volume measuring apparatus | |
| JP2010286450A (ja) | 被写体面積算出装置、被写体面積算出システム、被写体面積算出方法 | |
| JPWO2016031229A1 (ja) | 道路地図作成システム、データ処理装置および車載装置 | |
| KR100961719B1 (ko) | 지리정보 시스템을 이용한 카메라 위치제어 방법 및 장치 | |
| JP2009140402A (ja) | 情報表示装置、情報表示方法、情報表示プログラム及び情報表示プログラムを記録した記録媒体 | |
| KR100878781B1 (ko) | 휴대 단말기를 이용하여 구조물의 크기 및 좌표를 측정하는측량 방법 | |
| Wang et al. | iNavigation: an image based indoor navigation system | |
| JP6943183B2 (ja) | 位置特定装置、位置特定方法、位置特定プログラムおよびカメラ装置 | |
| JP2017173001A (ja) | 情報端末、位置推定方法、および位置推定プログラム | |
| JP7372616B2 (ja) | 石礫検出システム、石礫検出方法及びプログラム | |
| KR102586175B1 (ko) | 딥러닝 기반 항공 영상 내 포트홀 탐지 결과 시각화 장치 및 그 방법 | |
| JP6727032B2 (ja) | モバイル端末およびこれを用いた自己位置推定システム並びにサーバおよび自己位置推定方法 | |
| CN114071072A (zh) | 显示装置、摄影系统、显示控制方法、存储介质 | |
| JP2022030458A (ja) | 表示装置、表示システム、表示制御方法およびプログラム | |
| JP2005056186A (ja) | 交通状況観測システム | |
| WO2020234912A1 (ja) | 携帯装置、位置表示方法、及び位置表示プログラム | |
| JP7450182B2 (ja) | 地上物体検出システム、地上物体検出方法及びプログラム | |
| KR102446320B1 (ko) | 복수의 카메라에 기반한 맵기반 객체추적 및 이벤트 검출장치 및 그 장치의 구동방법 | |
| JP6961033B2 (ja) | 地番情報提供システム、地番情報提供方法 | |
| CA3056834C (en) | System and method for collecting geospatial object data with mediated reality |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right |