객체 모델링을 위한 특징점 추출 및 형태 분석

이대건(Lee, Dae Geon),이동천(Lee, Dong-Cheon) 한국측량학회 2016 한국측량학회 학술대회자료집 Vol.2016 No.4

Object modeling is one of the important tasks for establishing spatial information infrastructure. During last several decades, many efforts have been made to automation of the object modeling. The major sources of spatial data are optical images and LiDAR data from different platforms. Since LiDAR data provide 3D coordinates of the object surfaces explicitly, more intrinsic information about objects could be obtained compared with images. This paper aims to determine model key points (MKPs) of the objects from point clouds provided by LiDAR data. While most of the object modeling methods require segmenting surface patches, the proposed method could extract MKPs directly from point cloud data and makes possible to analyze shape of the objects.

라이다 데이터로부터 특징점 인식을 위한 수직과장 효과

이대건(Lee, Dae Geon),이동천(Lee, Dong-Cheon) 한국측량학회 2018 한국측량학회 학술대회자료집 Vol.2018 No.4

항공 라이다 데이터를 이용하여 자동으로 건물 모델링을 수행하기 위한 많은 연구가 진행되어 왔으며, 건물 객체를 구성하는 면들을 분할하고 분할면들을 재구성하는 방법이 주로 사용되고 있다. 본 연구에서는 라이다 데이터를 이용하여 음영기복도 (SRM: Shaded Relief Map)를 생성하여 모서리점 추출 방법을 적용하여 특징점 (MKPs: Model Key Points)을 인식한다. 복잡한 지붕면으로 구성된 건물에서 특히 지붕면의 경사가 낮은 경우 특징점 인식이 어렵기 때문에, 수직과장을 적용하여 특징점의 인식율을 향상시키는 방법을 제안하였다. 또한 수직과장에 의하여 발생할 수 있는 노이즈의 과대효과를 최소화하기 위하여 노이즈 제거를 수행하였으며, 최종적으로 인식된 특징점의 개수와 좌표의 정확도를 분석하였다.

BT50용 스핀들 공구 파지력 검사를 위한 힘센서 개발

이대건 ( Dae-geon Lee ),김갑순 ( Gab-soon Kim ) 한국센서학회 2021 센서학회지 Vol.30 No.1

In this paper, we describe the development of a force sensor to measure the tool gripping force of the BT50 spindle. The force sensor for a BT50 must be installed inside the gripping force tester; hence, it must be of an appropriate size and have a rated capacity suitable for measuring the gripping force. So, the structure of the force sensor for BT50 was modeled, the size of the sensing part was determined by structural analysis, and the force sensor was manufactured by attaching a strain gauge. The characteristic test results of the manufactured force sensor, indicated that the nonlinearity error, hysteresis error, and reproducibility errors were each within 0.91%, Therefore it was determined that the manufactured force sensor can be used for checking the spindle tool gripping force.

열전도 수소가스센서의 온도/습도 및 제조편차보정로직 및 MCU 응용

이대건(Daegun Lee),이승태(Seungtae Lee) 한국자동차공학회 2023 한국자동차공학회 부문종합 학술대회 Vol.2023 No.5

리튬 배터리 등가모델의 정확도 개선을 위한 SOC 계수 보정법

이대건(Dae-Gun Lee),정원재(Won-Jae Jung),장종은(Jong-Eun Jang),박준석(Jun-Seok Park) 대한전자공학회 2017 전자공학회논문지 Vol.54 No.4

본 논문은 기존의 리튬 배터리(lithium battery) 등가모델의 정확도 개선을 위한 배터리 모델 계수 보정기법을 제안한다. 전기자동차 등 다양한 산업분야에 사용되는 리튬 배터리의 배터리 셀간 잔존용량(SOC, state of charge) 동일하게 유지하여 배터리 수명의 단축을 최소화하기 위해 BMS(battery management system)가 연구 개발 되었지만, 배터리 셀 전압 기반의 셀 밸런싱(cell balancing) 동작으로 내부저항 및 커패시터에 따른 SOC 변화를 따라가지 못한다. 배터리 내부저항 및 커패시터에 따른 배터리 SOC 추정을 위해 다양한 배터리 등가모델이 연구되었지만, 모든 배터리에 동일하게 적용하는 것은 한계가 있으며 특히 과도상태의 배터리 상태 추정이 어렵다. 기존의 배터리 전기적 등가모델 연구는 1종의 배터리를 대상으로 5∼10% 오차율로 충·방전 동적특성을 모사하며 서로 다른 전기적 특성을 갖는 실제 배터리에 적용이 부적합하다. 따라서 본 논문에서는 모델 및 용량이 다른 실제 배터리 운용환경에 적합하며 오차율 5%이하의 동적특성 모사가 가능한 배터리 모델 계수 보정 알고리즘을 제안한다. 제안하는 배터리 모델 계수 보정법 검증을 위해 3.7 V 정격전압, 280 mAh, 1600 mAh 용량의 리튬 배터리를 사용하였으며, 리튬 배터리의 전기적 등가 모델로 2단 RC Tank 모델을 사용하였다. 또한 0.25C, 0.5C, 0.75C, 1C 4가지 C-rate를 사용하여 배터리 충·방전 실험 및 모델검증을 진행하였으며 제안하는 배터리 모델 계수 보정 알고리즘을 통해 구현한 두 종류의 배터리 모델의 배터리 충·방전 특성 및 과도상태 특성의 오차율은 최대 2.13%이다. This paper proposes a battery model coefficient correction method for improving the accuracy of existing lithium battery equivalent models. BMS(battery management system) has been researched and developed to minimize shortening of battery life by keeping SOC(state of charge) and state of charge of lithium battery used in various industrial fields such as EV. However, the cell balancing operation based on the battery cell voltage can not follow the SOC change due to the internal resistance and the capacitor. Various battery equivalent models have been studied for estimation of battery SOC according to the internal resistance of the battery and capacitors. However, it is difficult to apply the same to all the batteries, and it tis difficult to estimate the battery state in the transient state. The existing battery electrical equivalent model study simulates charging and discharging dynamic characteristics of one kind of battery with error rate of 5∼10% and it is not suitable to apply to actual battery having different electric characteristics. Therefore, this paper proposes a battery model coefficient correction algorithm that is suitable for real battery operating environments with different models and capacities, and can simulate dynamic characteristics with an error rate of less than 5%. To verify proposed battery model coefficient calibration method, a lithium battery of 3.7V rated voltage, 280 mAh, 1600 mAh capacity used, and a two stage RC tank model was used as an electrical equivalent model of a lithium battery. The battery charge/discharge test and model verification were performed using four C-rate of 0.25C, 0.5C, 0.75C, and 1C. The proposed battery model coefficient correction algorithm was applied to two battery models, The error rate of the discharge characteristics and the transient state characteristics is 2.13% at the maximum.

3차원 모델링을 위한 라이다 데이터로부터 특징점 추출 방법

이대건(Lee, Dae Geon),이동천(Lee, Dong-Cheon) 한국측량학회 2016 한국측량학회지 Vol.34 No.5

춘란(Cymbidium goeringii) 품종에 대한 Simple Sequence Repeats (SSR) DNA 마커의 복합 유전자형 결정과 적용

이대건(Dae Gun Lee),고재철(Jae Chul Koh),정기화(Ki Wha Chung) 한국원예학회 2012 원예과학기술지 Vol.30 No.3

춘란(Cymbidium goeringii)은 동북 아시아에서 난류중에서 가장 잘 알려진 중요한 종이다. 본 연구에서는 8개의 simple sequence repeats(SSR) 마커(CG409, CG415, CG709, CG722, CG787, CG1023, CG1210, and CG1281)를 동시증폭할 수 있는 multiplex PCR 시스템을 개발하여, 춘란의 40품종에 대한 유전자형을 분석하하는데 활용하였다. 품종은 모든 품종은 서로 다른 복합 유전자형을 가졌으며, 개체간 평균 복합식별력은 7.14 × 10-¹0로 매우 높게 나타났다. 관찰 이형접합도(Ho = 0.466)는 한국 내 야생집단과 유사한 값(동해안: 0.438, 서해안: 0.583)을 보였는데, 이 사실은 각 품종이 원래 야생에서 채집되어 품종으로 등록된 후 영양번식을 통해 번식을 하면서 유전적 본질이 변형되지 않았음을 의미한다. 본 연구에서 아울러 확립한 8개의 SSR 마커의 복합 유전자형을 이용하여 SSR DNA ID를 2차원 바코드로 표현하는 프로그램을 개발하였다. 복합 유전자형을 사용하여 개발된 개체별 고유 DNA ID의 개체 식별력은 통계적으로 99.999999% 이상이 되므로 높은 정확도로 개체간 구분이 가능해진다. 본 연구에서 개발한 SSR DNA ID와 2차원 바코드는 춘란 품종간 식별, 유지 등에 유용하게 활용될 수 있을 것이다. Cymbidium goeringii is one of the most important and popular species in the orchid family in north-east Asia. In the present study, we prepared multiplex PCR system, and used it for the genotyping of eight simple sequence repeats (SSR) markers (CG409, CG415, CG709, CG722, CG787, CG1023, CG1210, and CG1281) in subject with 40 samples of cultivated varieties. All the analyzed samples showed different combined genotypes. The average combined power of discrimination was very high value of 7.14 × 10-¹0, and observed heterozygosity (Ho = 0.466) was similar with two wild populations of C. goeringii, which may indicate no or little occurrence of genetic change after collection from wild habitats. The present study also developed a two-dimensional barcode to express information of genotype results of eight SSR markers (SSR DNA ID). The discrimination power of DNA ID between two individuals will be statistically more than 99.999999%. The SSR DNA ID and two-dimensional barcode may be very usefully applied for the discrimination and maintence of cultivars of C. goeringii.

점군집 데이터를 이용한 곡면객체 모델링 및 정확도 분석

이대건(Lee, Dae Geon),유은진(Yoo, Eun Jin),이동천(Lee, Dong-Cheon) 한국측량학회 2016 한국측량학회지 Vol.34 No.3

딥러닝의 Label 데이터로 활용하기 위한 국토지리정보원의 수치지도 Ver. 2.0의 역할

이대건(Lee, Dae Geon),이동천(Lee, Dong-Cheon) 한국측량학회 2019 한국측량학회 학술대회자료집 Vol.2019 No.4

여러 분야에서 인공신경망(ANN) 기반의 딥러닝(DL)에 관한 연구가 활발히 진행되고 있다. 최근에는 공간정보 분야에서도 본격적으로 DL을 활용하려는 시도가 이루어지고 있다. 대부분 DL 모델은 ground truth인 label 데이터가 핵심적인 역할을 하고 있지만, label 데이터를 확보하는 것은 어려운 일이다. 본 논문의 목적은 DL을 이용하여 건물의 3차원 모델링을 수행할 경우, 국토지리정보원의 수치지도 ver. 2.0으로부터 label 데이터를 효율적으로 생성할 수 있는 방안을 제시하는 것이다.

의미적 분할을 위한 공간정보 데이터의 딥러닝 모델 학습: SegNet을 중심으로

이대건(Lee, Dae Geon),이동천(Lee, Dong-Cheon) 한국측량학회 2019 한국측량학회 학술대회자료집 Vol.2019 No.4

대부분의 합성곱 신경망(CNN: convolutional neural network)은 영상을 학습 데이터(training data)로 사용하여 딥러닝(DL)에 의한 영상분류 및 객체인식을 수행하고 있지만, 본 논문에서는 영상대신에 3차원 정보를 제공하는 DSM (Digital Surface Model)을 DL 학습(training)에 이용하여 객체를 분류하였다. DL은 많은 양의 데이터가 요구되고, 데이터의 특성에 따라 다른 결과가 도출되므로 본 연구에서는 학습 데이터확보 방법을 제안하고, 데이터 특성에 따른 DL 학습 결과를 분석하기 위하여 대표적인 CNN인 SegNet 모델에 적용하여 의미적 분할(semantic segmentation)을 수행하였다.