http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
USB 보안 모듈과 Active Directory를 활용한 최적의 보안정책에 관한 연구
안수용 ( Su Yong An ),이덕규 ( Deok Gyu Lee ) 한국정보처리학회 2020 한국정보처리학회 학술대회논문집 Vol.27 No.2
자체 제작한 프로그램인 USB security module과 Active Directory를 활용하여 서버에서 다수의 클라이언트를 관리할 수 있는 시스템을 구축한다. USB 보안 모듈과 Active Directory의 보안정책을 결합하여 극단적이고 폐쇄적인 강력한 보안을 가능케 하며 보안정책별 효용성을 살펴보고자 한다.
실내 복도 환경에서 선분 특징점을 이용한 비전 기반의 지도 작성 및 위치 인식
안수용(Su-Yong An),강정관(Jeong-Gwan Kang),이래경(Lae-Kyeong Lee),오세영(Se-Young Oh) 제어로봇시스템학회 2010 제어·로봇·시스템학회 논문지 Vol.16 No.1
This paper presents a simultaneous localization and mapping (SLAM) of an indoor hallway environment using Rao-Blackwellized particle filter (RBPF) along with a line segment as a landmark. Based on the fact that fluent line features can be extracted around the ceiling and side walls of hallway using vision sensor, a horizontal line segment is extracted from an edge image using Hough transform and is also tracked continuously by an optical flow method. A successive observation of a line segment gives initial state of the line in 3D space. For data association, registered feature and observed feature are matched in image space through a degree of overlap, an orientation of line, and a distance between two lines. Experiments show that a compact environmental map can be constructed with small number of horizontal line features in real-time.
실내 공간에서 선분 특징점을 이용한 RBPF 기반의 지도작성 및 위치인식
안수용(Su-Yong An),강정관(Jeong-Gwan Kang),이래경(Lae-Kyeong Lee),오세영(Se-Young Oh) 한국지능시스템학회 2009 한국지능시스템학회 학술발표 논문집 Vol.19 No.2
본 논문은 RBPF기반의 선분 특징점을 이용한 넓은 실내공간에서의 지도 작성 및 위치인식에 대하여 다룬다. 환경을 간결하게 표현하고 선분의 불확실성을 간단히 계산하기 위하여 선분의 두 끝점만을 이용한다. 수정된 클러스터링 방법과 적응적 iterative end point fitting (IEPF)을 제안하여, 선분의 양 끝점에서 발생하는 노이즈에 의한 선분 파라미터 추출의 모호함을 줄인다. 따라서 선분의 매칭을 통한 로봇의 오도메트리 에러를 보상하여 로컬 프레임에서 발생하는 로봇 위치 에러를 줄인다. 또한, 주기적으로 서로 비슷한 선분의 병합을 통하여 작성된 지도의 간결성을 높인다. 잘 알려진 데이터를 이용하여 실험을 수행한 결과, 제안된 알고리듬은 실내 공간에서의 지도 작성 및 위치인식의 성능 향상과 복잡한 환경에서도 간결한 지도 표현을 가능하게 함을 보였다. This paper presents a simultaneous localization and mapping (SLAM) of a large indoor environment using Rao-Blackwellized particle filter (RBPF) along with a line segment as a landmark. To represent an environment as a compact form, we use only two end points of a line segment, reducing computational complexity in modeling line covariance. With a modified scan point clustering method, the proposed adaptive iterative end point fitting (IEPF) plays an important role in estimating line parameters by taking a noisy scan point near end points into account. Thus, by line-segment matching the robot is localized well in a local frame. We also introduce an online global optimization of a map, which provides more consistent map by removing spurious lines and merging collinear lines. Each of our approaches is efficiently integrated into the proposed RBPF-SLAM framework. Experiments with well-known data sets demonstrate that the proposed method provides a reliable SLAM performance along with a compact map representation even in a cluttered environment.
안수용(Su-Yong An),이래경(Lae-Kyoung Lee) 대한전자공학회 2024 대한전자공학회 학술대회 Vol.2024 No.6
In modern society, mobility is evolving beyond a simple means of transportation into a technology-intensive service tailored to specific purposes, and special-purpose mobility requires specialized vehicles for complex work environments. This paper focuses on the development of general-purpose outdoor autonomous driving software including localization, environmental recognition, path planning, motion control, and mobility management system linkage. The proposed system is not dependent on a specific robot platform and can be applied to various special-purpose mobility environments.
정회룡(Hoeryong Jung),문애경(Aekyung Moon),안수용(Su-Yong An),송영은(Young Eun Song) 제어로봇시스템학회 2018 제어·로봇·시스템학회 논문지 Vol.24 No.7
The smart greenhouse, which is equipped with an autonomous environmental control system, is attracting attention as an effective alternative to solve problems in the modern agricultural industry. Although the smart greenhouse enables the monitoring of environmental information of the greenhouse, the system to directly capture the state of the crops is required to enhance the productivity of the smart greenhouse. In this paper, we propose an image recognition algorithm based on the convolution neural network (CNN) to detect an outbreak of powdery mildew on tomatoes. We propose a method to artificially generate the powdery mildew images using an image fusion technique to prepare various forms of CNN learning data. The artificial powdery mildew images are produced in three steps: mildew image extraction, transformation, and overlapping. The CNN is learned using these artificial images, and we test the recognition performance of the CNN using real tomato leap images captured in the greenhouse. The experimental results show that the proposed image recognition algorithm presents a recognition rate of 93.02% for 43 test images.
환경 데이터를 활용한 온실형 스마트팜에서 센서 이상 탐지 시스템
이철원(Cheol Won Lee),안수용(Su-Yong An),김재영(Jae-Young Kim),안형태(Hyeongtae Ahn) 한국데이터정보과학회 2021 한국데이터정보과학회지 Vol.32 No.6
최근 4차 산업혁명이 시작되면서, 농업 분야에서도 기존의 정보통신기술에 빅데이터, 인공지능, 사물인터넷 등 첨단기술이 융합된 온실형 스마트팜의 보급이 확산하고 있다. 온실형 스마트팜은 센서를 활용하여 현재 온실 환경을 측정하고, 이를 기반으로 필요한 온실 제어를 파악하여, 구동기를 통해서 환경제어를 실행시킨다. 하지만 센서에서 측정 오류가 발생한다면, 잘못된 환경제어를 유발해 작물 생장을 저해시킨다. 따라서 온실형 스마트팜에서 센서 측정값에 대한 신뢰성 확보는 필수이므로, 센서 측정값에 이상이 발생하면 신속하게 탐지할 수 있어야 한다. 본 연구는 온실형 스마트팜에서 수집되는 각종 센서의 측정값과 구동기의 상태 정보 등 환경 데이터를 다중회귀분석으로 학습하여 센서 측정값에 대한 예측모형을 추정하고, 이를 기반으로 센서의 예측값과 실제 측정값을 비교하여 센서의 신뢰성을 검증하는 시스템을 제안한다. With the recent 4th industrial revolution, in the agricultural sector, the supply of greenhouse-type smart farm, which combines the existing information and communication technologies with cutting-edge technologies such as big data, artificial intelligence, and the Internet of Things, is spreading. The greenhouse-type smart farm measures the current greenhouse environment by using sensors, identifies the necessary greenhouse control based on this information, and executes environmental control through actuators. However, if a measurement error occurs in a sensor, it causes incorrect environmental control and inhibits crop growth. Therefore, reliability of the sensor measurement values is essential in greenhouse-type smart farms. When an abnormality occurs in the sensor measurement value, it should be possible to quickly detect it. This study generates a predictive model for sensor measurement values by learning environmental data, such as measurement values of various sensors and state information of actuators, collected from a greenhouse-type smart farm utilizing multiple regression analysis. Based on the prediction model, we propose a system to verify the reliability of the sensor by comparing the predicted value of the sensor with the actual measured value.
온실형 스마트팜에서 환경 데이터 분석을 활용한 습도 센서 예측 모델
안형태(Hyeongtae Ahn),안수용(Su-Yong An),김재영(Jae-Young Kim),이철원(Cheol Won Lee) 한국통신학회 2021 한국통신학회 학술대회논문집 Vol.2021 No.6
스마트팜은 정보통신기술을 바탕으로 시공간의 제약 없이 영농 의사결정을 지원하는 첨단화된 농장이다. 온실형 스마트팜은 온실 내∙외부의 다양한 센서를 활용하여 온실 환경을 측정하고, 이를 바탕으로 필요한 온실제어를 실행시킨다. 온실내부습도는 온실제어를 결정하는 중요한 지표 중 하나이며, 온도, 광도, 외부기상 등 온실 환경과 환기창, 커튼, 유동팬, 보일러 등 구동기의 작동에 많은 영향을 받는다. 본 논문은 특정 온실 내부습도 센서의 측정값을 나머지 센서들의 측정값과 구동기들의 작동 상태 정보로 예측할 수 있는지 확인한다. 다중선형회귀분석(Multiple Linear Regression Analysis)을 활용하여, 해당 내부습도 센서의 측정값을 종속변수로 설정하고, 나머지 센서들의 측정값과 구동기들의 작동 상태 정보를 설명변수로 설정하여 온실에서 수집된 환경 데이터를 학습한다. 다중선형회귀분석으로 추정된 내부습도 센서 예측 모델은 내부습도와 나머지 환경 요소 및 구동기 작동 간의 복합적인 관계해석에 활용되며, 디지털 트윈의 가상화된 스마트팜에서 내부습도의 중요 모델로 사용될 것으로 기대한다.