Super-resolution기반 도로면 손상 인식 기술 (Road Surface Damage Recognition Technology based on Super-resolution)

서지정보

· 발행기관 : 차세대컨버전스정보서비스학회
· 수록지 정보 : 차세대컨버전스정보서비스기술논문지 / 12권 / 5호 / 683 ~ 692페이지
· 저자명 : 김형규, 박준태

초록

도로노면상태는 교통량·중차량의 증가, 기상(습기·결빙 등)환경적 영향 등으로 시간이 지남에 따라 저하된다. 도로면 손상시 신속한 보수가 요구되지만, 현재는 인력중심의 업무가 진행되고 있어, AI기술을 접목한 자동화가 필요한 시점이다. AI기반 손상 검지 기술은 고가의 단말장치 및 분석시스템이 사용되고 있다. 이는 민간부문 및 도로관리청의 활용성 측면에서 보다 범용적이고 간편한 기술로 개선되어야 할 필요성이 있다. 과거 연구에서도 유사한 목적으로 연구가 진행되었지만, 영상수집장치의 한계로 인하여 실용성이 떨어지는 문제가 있었다. 본 연구에서는 블랙박스 영상을 이용한 도로면 손상 기술의 고도화를 위하여 Super-resolution 기반의 초해상화 기술을 접목하여 개선하고자 한다. 우선 객체인식을 위한 도로면 손상을 정의하고, 이미지 정제 기법을 통해 전처리된 이미지를 기반으로 딥러닝 기반 도로 이상상태 식별 기초 프레임과 딥러닝 기반 영상정보 추적 성능 검증을 수행하였다. 연구 수행결과, 블랙박스 영상의 초해상화 성공률은 91.3%로 우수하게 나타났다. 도로면 손상 식별 기초 프레임 제작 결과, 평균 19.2fps 속도를 나타내어 안정화 작업시 향후 현장적용이 가능할 것으로 판단된다.

영어초록

The condition of road surfaces deteriorates over time due to factors such as increased traffic volume, heavy vehicles, weather conditions (moisture, freezing, etc.), and environmental influences. Prompt maintenance is required when road surfaces are damaged, but currently, labor-intensive work is being carried out, highlighting the need for automation with AI technology. AI-based damage detection technology currently involves the use of expensive terminal devices and analysis systems. There is a need to improve its versatility and simplicity in terms of applicability in both the private sector and road management agencies. Previous research has been conducted for similar purposes, but practicality has been limited due to the limitations of image acquisition devices. In this study, we aim to enhance road surface damage detection using black box video footage by incorporating super-resolution technology. First, we define road surface damage for object recognition and perform deep learning-based identification of basic frames for road anomaly detection and performance validation of deep learning-based image information tracking based on preprocessed images using image refinement techniques. As a result of the research, the success rate of super-resolution for black box video footage was excellent at 91.3%. Regarding the production of basic frames for road surface damage identification, it was determined that an average speed of 19.2 fps is achievable, making it possible for future on-site applications during stabilization work.

참고자료

· 없음