| 1 |
1
항공 이미지 데이터를 입수하여, 제1딥러닝 모델을 적용하여 항공 이미지 데이터의 그림자를 제거하고, 나무 이미지 결손 부분에 대한 보강처리를 수행하며,보강처리된 상기 항공 이미지 데이터에 대하여 제2 딥러닝 모델을 적용하여 전체 나무 그루수를 도출하고, 위치 정보를 매칭하는 베이스 맵 작성모듈(A);시민데이터를 제공하는 다수의 단말에서 수집되는 수피를 포함하는 원본 이미지를 전송받아 저장하는 이미지 제공모듈(100)에서 제공되는 이미지에 대하여, 이미지 분할 처리 및 변환을 수행하여 학습데이터를 형성하고, 상기 학습데이터를 바탕으로 제3딥러닝을 수행하여 상기 원본 이미지에서 수피 이외의 배경 이미지를 제거한 제3결과값을 도출하는 이미지 분류 모듈(200)과,상기 제3결과값을 적용하여 제4딥러닝을 수행하여 수종판별을 수행하는 제4결과값을 도출하는 수종판별모듈(300)을 포함하는, 시민데이터 적용 판별모듈(B1)과,차량에서 촬영된 가로수 이미지를 포함하는 이미지 데이터에 대하여, 제5딥러링을 통해 차량으로부터 가로수까지의 거리를 예측하고, 차량 좌우의 가로수 수종정보를 포함하는 제5결과값을 도출하고,제6딥러닝을 통해 이미지 프로세스를 적용하여 제5결과값에 포함되는 가로수 수종정보를 포함하는 제6결과값을 도출하는, 차량데이터 적용 판별 모듈(B2)를 포함하는, 나무 수종정보 판별모듈(B);상기 나무 수종정보 판별모듈(B)에서 도출되는 제4결과값 및 제6결과값에 포함되는 수종정보를 상기 베이스 맵 작성모듈(A)의 위치정보를 맵핑하여 나무 지도를 형성하는 나무수종정보 맵핑모듈(C);을 포함하는,3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 시스템
|
| 2 |
2
청구항 1에 있어서,상기 베이스 맵 작성모듈(A)은,상기 항공 이미지 데이터를 수집하여 입력하는 이미지 데이터 입력부(10);상기 항공 이미지 데이터에 제1딥러닝 모델을 적용하여 항공 이미지 데이터의 그림자를 제거하고, 나무 이미지 결손 부분에 대한 보강처리를 수행하는, 제1딥러닝 모델부(20);보강처리된 상기 항공 이미지 데이터에 대하여 제2 딥러닝 모델을 적용하여 전체 나무 그루수를 도출하고 제2딥러닝 모델부(30);상기 항공 이미지 데이터에서 나무를 탐지하는 바운딩 박스에 대한 GPS 정보의 상관관계 분석을 통해 전체 나무의 실제 GPS좌표를 매칭하는 베이스맵 도출부(40);를 포함하는,3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 시스템
|
| 3 |
3
청구항 2에 있어서,상기 제1딥러닝 모델부(20)는, Pix2Pix 딥러닝 모델을 적용하고,상기 제2딥러닝 모델부(30)는, DeepForest 딥러닝 모델을 적용하는,3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 시스템
|
| 4 |
4
청구항 3에 있어서,상기 시민데이터 적용 판별모듈(B1)의 상기 이미지 분류 모듈(200)은,상기 이미지 제공모듈(100)에서 제공되는 원본 이미지를 전송받아 저장 분류하는 이미지 취득부(210);상기 원본 이미지의 상부영역과 상기 상부영역과 교차영역을 구비하는 하부영역을 분할하여 분할이미지를 형성하는 이미지 분할부(220);상기 분할이미지에 대한 색조 변환 및 사이즈 변환을 수행하는 이미지 변환부(230);상기 이미지 변환부(230)에서 제공되는 분할이미지에 대하여, 수피부분과 배경부분을 라벨링한 데이터를 형성하고, 라벨링한 데이터를 바탕으로 배경제거에 대한 학습을 수행하는 제3딥러닝 모델부(240);상기 제3딥러닝 모델부(240)에서 수행된 학습결과 도출되는 배경 제거 분할이미지를 제3결과값으로 저장하는 제3결과값 저장부(250);를 포함하는, 3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 시스템
|
| 5 |
5
청구항 4에 있어서,상기 시민데이터 적용 판별모듈(B1)의 상기 수종 판별 모듈(300)은,상기 제3결과값 저장부(250)에서 제공되는 배경이 제거된 수피만을 포함하는 이미지인 제3결과값을 학습데이터로, 제3결과값에 대응되는 수종을 판별하여 학습하는 제4딥러닝을 수행하는 제4딥러닝 모델부(320);상기 제4딥러닝 모델부(320)의 학습 결과값을 저장하는 제4결과값 저장부(330);상기 제4결과값을 기초로, 새로운 수피를 포함하는 수종 이미지에 대한 판별을 수행하는 수종판별부(340);를 포함하는,3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 시스템
|
| 6 |
6
청구항 5에 있어서,상기 제3딥러닝 모델부(240)에서 적용하는 딥러닝 모델은 U-Net를 적용하며,상기 제4딥러닝 모델부(320)에서 적용하는 딥러닝 모델은 Xception을 적용하는,3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 시스템
|
| 7 |
7
청구항 6에 있어서,상기 차량데이터 적용 판별모듈(B2)은,차량에서 촬영된 가로수 이미지를 포함하는 가로수 이미지 데이터를 입력하는 제2이미지 취득부(410);상기 가로수 이미지 데이터에 대하여, 제5딥러링을 통해 차량으로부터 가로수까지의 차선 개수를 바탕으로 하여 거리를 예측하고, 차량 좌우의 가로수 수종정보를 포함하는 제5결과값을 도출하는 제5딥러닝 모델부(420);상기 제5결과값에 대하여 제6딥러닝을 통해 이미지 프로세스를 적용하여 제5결과값에 포함되는 가로수 수종정보를 포함하는 제6결과값을 도출하는 제6딥러닝 모델부(440);를 포함하는,3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 시스템
|
| 8 |
8
청구항 7에 따른 나무 지도 작성 시스템을 이용하여 도시 규모 나무 지도를 작성하는 방법에 있어서,(a) 베이스 맵 작성모듈(A)에서, 항공 이미지 데이터를 입수하여, 제1딥러닝 모델을 적용하여 항공 이미지 데이터의 그림자를 제거하고, 나무 이미지 결손 부분에 대한 보강처리를 수행하며,보강처리된 상기 항공 이미지 데이터에 대하여 제2 딥러닝 모델을 적용하여 전체 나무 그루수를 도출하고, 위치 정보를 매칭하는 단계;(b) 시민데이터 적용 판별모듈(B1)에서, 이미지 분류 모듈(200)을 통해 시민데이터를 제공하는 다수의 단말에서 수집되는 수피를 포함하는 원본 이미지에 대하여, 이미지 분할 처리 및 변환을 수행하여 학습데이터를 형성하고, 상기 학습데이터를 바탕으로 제3딥러닝을 수행하여 상기 원본 이미지에서 수피 이외의 배경 이미지를 제거한 제3결과값을 도출하고,수종판별모듈(300)에서, 상기 제3결과값을 적용하여 제4딥러닝을 수행하여 수종판별을 수행하는 제4결과값을 도출하는 단계;(c) 차량데이터 적용 판별모듈(B2)에서, 차량에서 촬영된 가로수 이미지를 포함하는 이미지 데이터에 대하여, 제5딥러링을 통해 차량으로부터 가로수까지의 거리를 예측하고, 차량 좌우의 가로수 수종정보를 포함하는 제5결과값을 도출하고,제6딥러닝을 통해 이미지 프로세스를 적용하여 제5결과값에 포함되는 가로수 수종정보를 포함하는 제6결과값을 도출하는 단계;(d) 나무수종정보 맵핑모듈(C)에서 상기 제4결과값 및 제6결과값에 포함되는 수종정보를 상기 베이스 맵 작성모듈(A)의 위치정보를 맵핑하여 나무 지도를 형성하는 단계;를 포함하는,3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 방법
|
| 9 |
9
청구항 8에 있어서,상기 (a)단계는, 상기 베이스 맵 작성모듈(A)에서,a1) 상기 항공 이미지 데이터를 수집하여 입력하고,a2) 상기 항공 이미지 데이터에 제1딥러닝 모델인 Pix2Pix 딥러닝 모델을 적용하여 항공 이미지 데이터의 그림자를 제거하고, 나무 이미지 결손 부분에 대한 보강처리를 수행하며,a3) 보강처리된 상기 항공 이미지 데이터에 대하여 제2 딥러닝 모델인 DeepForest 딥러닝 모델을 적용하여 전체 나무 그루수를 도출하고,a4) 상기 항공 이미지 데이터에서 나무를 탐지하는 바운딩 박스에 대한 GPS 정보의 상관관계 분석을 통해 전체 나무의 실제 GPS좌표를 매칭하는 단계를 포함하여 구성되는,3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 방법
|
| 10 |
10
청구항 9에 있어서,상기 (b)단계는, 상기 시민데이터 적용 판별모듈(B1)의 상기 이미지 분류 모듈(200)에서 수행되며,b1) 이미지 제공모듈(100)에서 제공되는 원본 이미지를 전송받아 저장 분류하고,b2) 이미지 분할부(220)에서, 상기 원본 이미지의 상부영역과 상기 상부영역과 교차영역을 구비하는 하부영역을 분할하여 분할이미지를 형성하고,b3) 이미지 변환부(230)에서 상기 분할이미지에 대한 색조 변환 및 사이즈 변환을 수행하며,b4) 제3딥러닝 모델부(240)에서 U-Net를 적용하여, 상기 이미지 변환부(230)에서 제공되는 분할이미지에 대하여, 수피부분과 배경부분을 라벨링한 데이터를 형성하고, 라벨링한 데이터를 바탕으로 배경제거에 대한 학습을 수행하고,b5) 상기 제3딥러닝 모델부(240)에서 수행된 학습결과 도출되는 배경 제거 분할이미지를 제3결과값으로 저장하고,b6) 배경이 제거된 수피만을 포함하는 이미지인 상기 제3결과값을 학습데이터로, 제3결과값에 대응되는 수종을 판별하여 학습하는 제4딥러닝 모델부에서 Xception을 적용하는 제4딥러닝을 수행하여 제4결과값을 도출하고,b7) 상기 제4결과값을 기초로, 새로운 수피를 포함하는 수종 이미지에 대한 판별을 수행하는 단계;를 포함하는,3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 방법
|
| 11 |
11
청구항 10에 있어서,상기 (c) 단계는, 상기 차량데이터 적용 판별모듈(B2)에서 수행되되,c1) 제2이미지 취득부(410)에서 차량에서 촬영된 가로수 이미지를 포함하는 가로수 이미지 데이터를 입력하고,c2) 제5딥러닝 모델부(420)에서 LaneNet 모델을 적용하여 상기 가로수 이미지 데이터에 대하여, 제5딥러링을 통해 차량으로부터 가로수까지의 차선 개수를 바탕으로 하여 거리를 예측하고, 차량 좌우의 가로수 수종정보를 포함하는 제5결과값을 도출하는 ;c3) 제6딥러닝 모델부(440)에서 YOLOv3 모델을 적용하여 상기 제5결과값에 대하여 제6딥러닝을 통해 이미지 프로세스를 적용하여 제5결과값에 포함되는 가로수 수종정보를 포함하는 제6결과값을 도출하는 단계;를 포함하는,3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 방법
|
| 12 |
12
청구항 8에 따른 3차원 이미지 및 딥러닝을 활용한 도시 규모 나무 지도 작성 방법을 수행하는 프로그램이 수록된 기록매체
|
