http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
신영하(Shin, Young Ha),염재홍(Yom, Jae-Hong),이동천(Lee, Dong-Cheon) 한국측량학회 2021 한국측량학회 학술대회자료집 Vol.2021 No.11
항공 라이다(LiDAR: Light Detection And Ranging) 및 사진측량 기법으로 생성되는 포인트 클라우드의 용량은 방대하다. 대량의 포인트 클라우드 데이터를 처리하기 위해서는 어플리케이션을 사용하는 것보다 WebGL (Web Graphics Library)을 기반으로 하는 Potree 웹 뷰어를 이용하는 것이 빠르고 웹에서 간편하게 렌더링할 수 있다. 오픈 소스인 Potree를 이용하여 여러 종류의 공간정보 데이터를 효율적으로 제공할 수 있는 시스템 구축이 가능하다. 국내외에서 Potree를 이용하여 포인트 클라우드를 제공하는 사례를 조사하고 향후 포인트 클라우드 서비스의 방향을 제시하였다.
신영하(Shin, Young Ha),형성웅(Hyung, Sung Woong),이동천(Lee, Dong-Cheon) 한국측량학회 2021 한국측량학회 학술대회자료집 Vol.2021 No.11
객체를 분류하기 위한 딥러닝(DL)은 주로 합성곱 신경망을 기반으로 한다. 본 논문에서는 딥러닝 모델인 Yolov5와 TACO (Trash Annotations in Context) 데이터 셋을 사용하여 학습을 수행하였다. DL은 학습 조건에 따라 결과가 다를 수 있으므로 신경망 구조, 학습 데이터의 크기 및 학습 파라미터를 변화시킨 학습 결과를 분석하였다. 이를 바탕으로 재활용품 수거장에서 다양한 폐기물이 컨베이어 벨트로 이동하는 상황을 시뮬레이션하여 재활용품을 분류한 결과를 확인하고 개선 방안을 제시하였다.
딥러닝에 의한 라이다 반사강도 데이터의 자연칼라 영상화
신영하(Shin, Young Ha),형성웅(Hyung, Sung Woong),이동천(Lee, Dong-Cheon) 한국측량학회 2020 한국측량학회 학술대회자료집 Vol.2020 No.7
본 연구에서는 생성적 적대 신경망(GAN; Generative Adversarial Network)기반의 딥러닝 모델을 이용하여 라이다 반사강도 데이터의 자연칼라 영상화를 수행하였다. 반사강도 데이터는 능동센서인 레이저 스캐너에 의해 근적외선 파장대에서 획득되므로 광학영상과 비교하면 물리적, 광학적, 해상도, 품질, 패턴 등 여러 측면에서 다른 특성을 가지고 있다. 특히 라이다 데이터는 중심투영의 광학영상과 다르게 정사투영에 의해 획득되고, 폐색영역과 그림자 영향이 없으므로, 라이다 반사강도 데이터를 딥러닝에 의해 고품질의 자연칼라로 영상화하면 엄밀정사영상을 효율적이고 획기적으로 생성할 수 있는 방법이라고 판단된다.
신영하(Young-ha Shin),송규(Kyu Song),윤찬녕(Chan-nyeong Yun),조우진(Woo-jin Cho),박형주(Hyung-joo Park),장동영(Dong-young Jang) 한국생산제조학회 2021 한국생산제조학회지 Vol.30 No.5
The human voice has various characteristics, such as, loudness, pitch, speaking rate, etc. This research presents the classification method of human emotions using voice signals transformed using the short-time Fourier transform (STFT). The STFT can know the frequency component at a desired time point which can be verified using three criteria. Using the 1st criteria, that is, the frequency of the maximum sound intensity (MSI), the emotions can be classified into two groups normal/angry and happy. It is impossible to distinguish between the emotions using the 2<SUP>nd</SUP> criteria, which is, the dwell time of the MSI. Using the 3<SUP>rd</SUP> criteria, that is, the onset of the MSI, the two groups normal, and angry/happy are identified. Therefore, the 1<SUP>st</SUP> and 3<SUP>rd</SUP> criteria can be used to classify three emotions. These results can provide valuable insight for future research on the classification of human emotions.
시뮬레이션 데이터로 학습된 딥러닝 모델을 사용한 항공 라이다 데이터의 건물 모델링
신영하(Shin, Young-Ha),형성웅(Hyung, Sung-Woong),손경완(Son, Kyung-Wan),이동천(Lee, Dong-Cheon) 한국측량학회 2023 한국측량학회지 Vol.41 No.6
Photogrammetry is based on object modeling technology that extracts and measures important information about various objects and geographical features from images for 3D object reconstruction. Technological advances have made it possible to acquire various types of high quality data with inherent characteristics from different kinds of sensors. In particular, LiDAR (Light Detection and Ranging) which could directly obtain high-accuracy 3D information, is getting more widely used in various applications. This paper aims to develop a system that automatically models buildings in 3D using airborne LiDAR data. Roof surface segmentation, an important process of building modeling, was performed by deep learning. Deep learning model training requires a large amount of various data. To obtain enough amount of airborne LiDAR data for training deep learning model is difficult task. Therefore, simulated building dataset of point clouds was created for training the deep learning model. The simulated dataset consisting of 3D coordinates and normal vectors depicts buildings with various roof types. The roof surfaces were segmented by feeding airborne LiDAR data to the deep learning model trained with simulation dataset. Finally, building models with CityJSON format were generated by extracting model key points such as vertex and apex automatically from the segmented roof surfaces. In addition, a web system for processing and visualizing spatial information data was implemented to display results.
신영하(Shin, Young Ha),염재홍(Yom, Jae-Hong) 한국측량학회 2020 한국측량학회 학술대회자료집 Vol.2020 No.7
라이다 데이터는 여러 분야에서 많이 사용되는 3차원 Point Cloud 데이터이다. 본 논문에서는 항공 라이다 데이터에서 label 데이터가 제공되는 경우와 그렇지 않은 경우에 대해 건물을 추출하는 방법을 수행하였다. 라이다 데이터를 처리하기 위해 파이썬 라이브러리인 Pdal를 사용하였으며, label 데이터가 있는 경우에는 추가적으로 오픈 소스인 PostgreSQL의 PostGIS 공간처리함수를 이용했다. Label 데이터가 없는 경우에는 Pdal에서 제공하는 필터링 기법을 적용하였다.
우상영(Sangyoung Woo),신영하(Young-Ha Shin),김민수(Min-Su Kim),최수영(Suyoung Choi),황보제민(Jemin Hwangbo),박해원(Hae-Won Park) 대한기계학회 2023 대한기계학회 춘추학술대회 Vol.2023 No.11
Numerous studies have been conducted to replace human labor with legged robots due to their diverse and dynamic motion capabilities. Specifically, the performance of the actuator significantly influences the overall performance of legged robots. Although many legged robots have been developed using various actuation strategies, this paper outlines the design process of the Quasi Direct Drive(QDD) actuator for a quadrupedal robot. The design is rooted in the energy-efficient actuator design principles proposed in prior research. Notably, the paper details a process for reducing mechanical impedance. The dynamic performance of the actuator, as achieved through the presented design process, is verified through jumping experiments using a two-degree-of-freedom one-leg platform. Additionally, energy efficiency is evaluated via comparative experiments involving other platforms.
손경완(Son, Kyung Wahn),신영하(Shin, Young Ha),이동천(Lee, Dong-Cheon) 한국측량학회 2021 한국측량학회 학술대회자료집 Vol.2021 No.11
라이다로부터 생성되는 포인트 클라우드 데이터는 지형의 3차원 좌표를 획득할 수 있다. 포인트 클라우드의 표고 값으로 DEM을 제작하는 방법은 많은 연구가 진행되고 있다. 대부분의 DEM은 지형의 복잡도와 특성에 관계없이 동일한 간격의 격자로 제작된다. 본 논문에서는 격자마다 표고의 표준편차로 지형의 복잡도를 산정하고 격자크기를 지역별로 다르게 구성하는 다중 해상도 DEM방법을 제시하였다. 또한 DEM과 다중해상도 TIN 구조를 융합해 다중해상도 하이브리드 DEM을 생성하였다. 다중 해상도 DEM은 지형의 특성을 묘사할 수 있는 장점이 있다.
적외선 영상의 자연칼라 영상으로 변환을 위한 인공신경망
형성웅(Hyung, Sung Woong),신영하(Shin, Young Ha),이동천(Lee, Dong-Cheon) 한국측량학회 2020 한국측량학회 학술대회자료집 Vol.2020 No.7
Artificial Neural Network (ANN) based Deep Learning (DL) aims to solve problems, that are limited by traditional methods, such as object recognition and classification that require perception, and intelligence. DL is implemented through training without relying on principles and mathematical formulas. In this study, we proposed an approach to reduce the inherent problem of the ANN for converting color infrared (CIR) images to true color images. Training efficiency and performance were improved using ANN model with optimal initial weights.