| 1 |
1
지상에서 이동하는 이동형 주행장치(S: 차량);상기 이동형 주행장치(S)에 장착되어, 주변경관에 대한 이미지 데이터, 포인트 클라우드 데이터, 열화상이미지, 위치데이터를 형성하는 카메라모듈(110), 라이다모듈(120), 열화상카메라모듈(130) 및 GPS모듈(140)을 포함하는 센서모듈(100); 상기 센서모듈(100)에서 제공되는 이미지 데이터, 포인트 클라우드 데이터, 열화상이미지를 융합하여 수종분류에 적용되는 정보를 포함하는 융합데이터를 형성하고, 상기 융합데이터를 기반으로 수종에 대한 정보를 산출하는 수종정보 산출모듈(200); 상기 수종정보 산출모듈(200)에서 산출되는 수종에 대한 구조정보를 저장하여 분류하는 도시 가로수 데이터베이스(300);를 포함하며,상기 수종정보 산출모듈(200)은, 상기 센서모듈(100)의 제공 정보인 포인트 클라우드데이터를 카메라 이미지 데이터와 열화상 이미지에 투영하여 센서간 캘리브레이션을 통해 3차원 공간정보에 intensity, R, G, B, 온도의 5채널을 가지는 고차원 융합데이터를 생성하며, 상기 GPS모듈(140)과 라이다모듈(120)의 캘리브레이션을 통해 획득한 모든 데이터의 위치 정보를 생성하는 캘리브레이션부(220);와상기 융합데이터를 딥러딩모델에 입력변수로 하여 수목의 온도 정보와 위치정보를 포함하는 수종 정보를 생성하는 딥러닝부(230);상기 융합데이터를 구성하는 상기 포인트 클라우드 데이터에서 분리된 '수목 포인트 클라우드'를 바탕으로, 수고, 흉고직경, 수관폭, 지하고, 수관고를 산출하는 수목구조정보 산출부(240);를 포함하는,라이다 및 복합 카메라 모듈을 적용하는 수목정보 탐지장치
|
| 2 |
2
청구항 1에 있어서,상기 수종정보 산출모듈(200)은, 상기 이동형 주행장치(S)에 장착되는, 카메라모듈(110); 라이다모듈(120);열화상모듈(130); GPS모듈(140);을 포함하는 센서모듈(100)에서 제공되는 데이터를 입력받아 전처리하는 데이터취득부(210);를 더 포함하는,라이다 및 복합 카메라 모듈을 적용하는 수목정보 탐지장치
|
| 3 |
3
청구항 2에 있어서,상기 데이터취득부(210)는,카메라 렌즈에 의해 발생되는 이미지 데이터 및 열화상 이미지의 가장자리의 왜곡을 제거하는 제1처리부(212);포인트 클라우드 데이터의 노이즈를 통계적 아웃라이너 방법을 적용하여 제거하는 제2처리부(214);3차원 포인트 클라우드 데이터를 2차원 xy 평면 격자로 투영한 뒤, 각 격자의 포인트의 최대 높이, 최소 높이, 평균 높이를 활용하여 지면을 제거하는 제3처리부(216);을 포함하는,라이다 및 복합 카메라 모듈을 적용하는 수목정보 탐지장치
|
| 4 |
4
삭제
|
| 5 |
5
삭제
|
| 6 |
6
삭제
|
| 7 |
7
청구항 3에 있어서,상기 도시 가로수 데이터베이스(300)는,상기 딥러닝부(230)에서 도출되는 수종 정보와, 상기 수목구조정보 산출부(240)에서 도출되는 수목 구조 정보, 상기 데이터취득부(210)에서 취득된 수목 표면 온도와 위치 정보를 활용하여 가로수 데이터베이스 구축을 수행하는,라이다 및 복합 카메라 모듈을 적용하는 수목정보 탐지장치
|
| 8 |
8
청구항 7의 수목정보 탐지장치를 적용하여 수목정보를 탐지하되,지상에서 이동하는 이동형 주행장치(S)에 장착된 카메라모듈(110), 라이다모듈(120),열화상모듈(130), GPS모듈(140)을 포함하는 센서모듈(100)에서 제공되는 데이터를 입력받아 데이터취득부(210)에서 전처리하는 1단계;상기 캘리브레이션부(220)에서 이미지 데이터, 포인트 클라우드 데이터, 열화상이미지를 캘리브레이션을 통해 융합하여, 딥러닝에 사용될 융합데이터를 형성하는 2단계; 상기 딥러닝부(230)에서, 수종분류에 적용되는 정보를 포함하는 상기 융합데이터를 딥러딩모델에 입력변수로 하여 수목의 온도 정보와 위치정보를 포함하는 수종 정보를 생성하는 3단계;상기 수목 구조 정보 산출부(240)에서, 상기 포인트 클라우드 데이터에서 수목 포인트 클라우드 데이터를 분류하여, 수목의 수고, 흉고직경, 수관폭, 지하고, 수관고를 포함하는 수목 구조 정보룰 산출하는 4단계;상기 딥러닝부(230)에서 도출되는 수종 정보와, 상기 수목구조정보 산출부(240)에서 도출되는 수목 구조 정보, 상기 데이터취득부(210)에서 취득된 수목 표면 온도와 위치 정보를 활용하여 가로수 데이터베이스 구축을 수행하는 5단계;를 포함하며,상기 2단계는,상기 센서모듈(100)의 제공 정보인 포인트 클라우드데이터를 카메라 이미지 데이터와 열화상 이미지에 투영하여 센서간 캘리브레이션을 통해 3차원 공간정보에 intensity, R, G, B, 온도의 5채널을 가지는 고차원 융합데이터를 생성하며, 상기 GPS모듈(140)과 라이다모듈(120)의 캘리브레이션을 통해 획득한 모든 데이터의 위치 정보를 생성하는 단계인,라이다 및 복합 카메라 모듈을 적용하는 수목정보 탐지방법
|
| 9 |
9
삭제
|
| 10 |
10
삭제
|
| 11 |
11
컴퓨터에 청구항 8에 따른 라이다 및 복합 카메라 모듈을 적용하는 수목정보 탐지방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
