영상기반 항법시스템은 외부 참조장치(GNSS 등)가 비 가용한 상황에서 획득된 영상을 이용하여 정확한 항법해를 제공하는 할 수 있다. 영상기반 항법시스템은 연속으로 획득된 영상으로 지형의 고도를 추출하여 지형고도 데이터베이스를 비교하여 항체의 위치를 추정하거나 Visual-Inertial Odometry (VIO)를 이용하여 항체의 위치를 추정할 수 있다. 본 논문에서는 영상기반 항법시스템 의 성능 향상을 위해 딥러닝 기반 고고도 항공영상의 이동체 감지를 위한 기법을 제안한다. 객체를 감지하는 대부분의 연구는 정답이 있는 데이터(lable)들을 이용한 지도학습 또는 반지도 학습 방식으로 주로 연구되고 있다. 하지만 고고도에서 촬영된 영상데이터는 대부분이 lable이 없거나, 감지하려는 객체가 매우 작아 지도학습을 적용하기엔 어려움이 있다. 따라서 항공영상 내 이동 체 감지를 위하여 비지도학습 기반으로 모델을 설계하였다. 개발된 모델의 성능은 실제 항공기 탑재시험으로 획득된 영상데이터를 이용하여 이동체 감지 성능을 확인하였다.

Moving Object Detection in High-Altitude Aerial Imagery Based on Deep Learning

Byung-Su Park, Chang-Ky Sung, Tae-Yun Kim, In-Seop Lee, Seong-Jun Son, Dong-Hyeon Cho

The vision-based navigation system can provide accurate navigation solutions using acquired images in situations where external reference devices (such as GNSS) are unavailable. This system estimates the position of the vehicle either by extracting terrain elevation from consecutively acquired images and comparing it with a terrain elevation database, or by using Visual-Inertial Odometry (VIO). In this paper, we propose a technique for detecting moving objects in high-altitude aerial images based on deep learning to enhance the performance of vision-based navigation systems. Most research on object detection utilizes supervised learning or semi-supervised learning methods with labeled data. However, most image data captured at high altitudes lack labels, or the objects to be detected are so small that applying supervised learning becomes challenging. Therefore, an unsupervised learning-based model was designed for detecting moving objects within aerial images. The performance of the developed model was validated using image data obtained from actual flight tests, rather than relying on existing datasets.

Keywords: VBN, unsupervised learning, semantic segmentation, object detection

Speaker 박병수 국방과학연구소