메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
유은섭 (고등기술연구원) 염충섭 (고등기술연구원) 유보현 (고등기술연구원)
저널정보
대한기계학회 대한기계학회 논문집 A권 대한기계학회논문집 A권 제46권 제6호(통권 제441호)
발행연도
2022.6
수록면
591 - 599 (9page)
DOI
10.3795/KSME-A.2022.46.6.591

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (4)

2022

카메라 이미지와 지면 좌표계의 매핑을 이용한 항만 크레인 주변 장애물의 종류 및 위치 인식 방법
유은섭 ,  유보현 한국정밀공학회 학술발표대회 논문집 2022.10 학술대회자료
이미지 세그멘테이션 결과로부터 컨테이너 크레인의 장애물 충돌 경계를 추정하는 방법
유은섭 ,  염충섭 ,  유보현 대한기계학회 논문집 A권 2022.06 학술저널
지면 인식 이미지 세그멘테이션 모델을 이용한 장애물 윤곽선 인식 방법
유은섭 ,  유보현 대한기계학회 춘추학술대회 2022.05 학술대회자료

2021

이미지 세그멘테이션 결과로부터 장애물의 위치를 추정하는 방법
유은섭 ,  염충섭 ,  유보현 대한기계학회 춘추학술대회 2021.05 학술대회자료

초록· 키워드

오류제보하기
항만 컨테이너 크레인은 주행 시 작업자가 주변 환경을 인지하기 어렵기 때문에 2D 레이저 스캐너를 이용하여 주변 장애물을 감지하고 있다. 하지만, 위치가 고정된 컨테이너와 이동이 가능한 트럭을 구분할 수 없기 때문에 장애물이 감지된 경우 무조건 서행하여 작업 효율이 떨어진다. 이러한 문제를 해결하기 위해 본 논문에서는 컨테이너 크레인에 설치된 CCTV의 이미지를 기반으로 주변 장애물을 인식하고 충돌 경계를 추정할 수 있는 방법을 제안한다. 수집된 이미지는 세그멘테이션을 통해 장애물을 인식하고 경계선을 추출한다. 추출된 경계선은 PnP(perspective-n-point)를 통해 이미지 좌표계를 현실 좌표계로 변환하고 추출된 경계선을 기반으로 충돌 발생 근접 거리를 산출한다. 제안된 알고리즘은 컨테이너 크레인과 유사한 실험실 환경에서 3개의 장애물에 대해서 수행하였으며 최종 결과는 LiDAR 측정결과와 비교하여 유효성을 검증하였다.
#Image Segmentation(이미지 세그멘테이션) #Collision Boundary(충돌 경계) #Container Crane(컨테이너 크레인)

목차

초록
Abstract
1. 서론
2. 장애물 충돌 경계 추정 알고리즘
3. 실험
4. 결론
참고문헌(References)

참고문헌 (11)

참고문헌 신청
SICK, 2021, Crane Collision Prevention System (https://www.sick.com/ca/en/industries/traffic/rail/traffic-management-for-intermodal-terminals/collision-prevention/c/p329746), SICK AG. Lin, C.-H., Chen, J.-Y., Su, P.-L. and Chen, C.-H., 2014, “Eigen-Feature Analysis of Weighted Covariance Matrices for LiDAR Point Cloud Classification,” ISPRS J. Photogr. Remote Sens., Vol. 94, pp. 70~79. google schola Maturana, D. and Scherer, S., 2015, “VoxNet: A 3D Convolutional Neural Network for Real-Time Object Recognition,” 2015 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 922~928. google schola Redmon, J., Divvala, S., Girshick, R. and Farhadi, A., 2016, “You Only Look Once: Unified, Real-Time Object Detection,” 2016 IEEE Conference on Computer Vision and Pattern Recognition, pp. 779~788. google schola Redmon, J. and Farhadi, A., 2017, “YOLO9000: Better, Faster, Stronger,” 2017 IEEE Conference on Computer Vision and Pattern Recognition, pp. 6517~6525. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

지면 인식 이미지 세그멘테이션 모델을 이용한 장애물 윤곽선 인식 방법
유은섭 ,  유보현 대한기계학회 춘추학술대회 2022 .05

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-550-001327185