항공 이미징 및 매핑: 자동화, 기계 학습 및 사용자 경험을 위한 해상도와 속도 활용
지도를 방향에만 사용하고 항공 영상을 시각화에만 사용하던 시대는 오래 전에 지나갔습니다. 오늘날 우리는 일상 생활에서 지도와 항공 영상에 의존하고 있습니다. 다양한 교통 수단에 대한 실시간 내비게이션을 제공하고, 실제로 특정 위치를 방문하지 않고도 지상 세부 정보를 확인하며, 풍경, 도시, 지역의 실제 모델링을 가능하게 합니다. 계획된 개발 및 인프라. 항공 이미지를 인간이 해석하는 것 외에도 고해상도 이미지를 사용하여 기계 학습 알고리즘을 훈련하고 AI 기반 분석을 지원합니다.
수십 년 동안 이미지 수집을 용이하게 하기 위해 유인 항공기가 사용되었지만 무인 항공기(UAV)의 발전으로 인해 시장 성장과 기술 채택이 가속화되었습니다. 디테일, 정확성, 보다 직관적인 사용자 경험에 대한 수요가 증가함에 따라 더 높은 카메라 해상도와 프레임 속도가 채택되었습니다. 이 두 가지 요소의 조합으로 인해 이미지 데이터의 양이 늘어나고 픽셀 해상도와 장면 세부 묘사가 증가하는 이점도 제공됩니다.
또한 항공 영상 및 항공 매핑 카메라의 해상도와 프레임 속도가 증가하면 더 높은 고도와 증가된 상대 지상 속도에서 이미지를 획득할 수 있습니다. 이러한 기술 발전의 최종 결과는 항공 이미지의 품질이 전반적으로 향상되어 자동화된 작업 흐름, 기계 학습 사용 및 항공 이미지에 의존하거나 이점을 얻을 수 있는 기타 산업 애플리케이션의 잠재력이 증가하는 것입니다.
어플리케이션
지도 그 이상: 인프라 모니터링부터 지구 관측까지
항공 사진의 장점은 지도 제작과 내비게이션 그 이상입니다. 올바른 항공 영상 카메라를 장착하면 데이터 수집은 다양한 산업 및 응용 분야에서 특정 목적으로 사용될 수 있습니다. 예를 들어, 국방, 보안 및 정보 수집 분야에서 고해상도 이미지를 사용하면 지면 변화를 지속적으로 모니터링할 수 있어 중요한 시설의 주요 위치와 접근하기 어려운 원격 지역 간의 예상치 못한 동작이나 자산 이동을 식별하는 데 도움이 됩니다.
마찬가지로, 수력 발전 댐, 발전소, 파이프라인과 같은 중요 기반 시설의 경우 항공 영상 기술 및 공중 토지 측량 기능은 지상 조건 데이터와 결합될 때 잠재적인 위험과 운영 안정성에 대한 위협; 또한 탁월한 사후 평가가 가능해 자연 재해 및 기타 사건으로 인한 피해를 신속하고 안정적으로 평가할 수 있는 조직의 능력을 향상시킵니다.
Fig 1: 고속 Emergent GigE Vision 카메라가 장착된 드론은 디지털 고도 모델 생성을 위한 고해상도 이미지를 캡처할 수 있습니다.
기상 패턴의 변화로 인해 전 세계적으로 예상치 못한 지역에 가뭄과 폭우가 발생했습니다. 항공 측량은 짧은 시간 내에 광대한 지역에 걸쳐 지구 관측을 가능하게 하여 변화하는 기상 패턴의 영향을 측정하고 인간의 안전과 경제적 이익을 최대한 고려하여 대응의 우선순위를 정하는 데 도움을 줍니다.
인구 증가와 날씨 패턴 변화가 계속됨에 따라 농업에서 수확량, 물 사용량 및 효율성을 극대화하는 것도 점점 더 중요해지고 있습니다. 농업 영상은 수화, 살충제 사용 및 작물 성장과 수확의 최적 관리에 중요한 기타 입력을 목표로 하는 데 유용한 데이터를 농장에 제공하여 수확량을 극대화하는 데 도움이 됩니다.
해상도, 속도, 성능
Emergent Vision Technologies는 현재 사용 가능한 최고의 해상도와 프레임 속도를 제공하는 산업용 고속 카메라의 설계 및 개발을 전문으로 하며 다양한 응용 분야의 항공 매핑 및 항공 이미징에 이상적입니다. 다음과 같은 확립된 표준을 사용합니다. GigE 비전 Emergent의 제품인 GenICam은 독점 케이블 연결이나 추가 하드웨어 구입 없이 제3자의 호환 소프트웨어 애플리케이션에 원활하게 통합됩니다.
150MP 이상의 카메라 해상도를 갖춘 Emergent 카메라는 극도로 높은 해상도와 높은 고도에서의 항공 측량이 필요한 상황에 이상적인 솔루션을 제공합니다. 이러한 고해상도 카메라를 사용하면 시야를 넓힐 수 있어 더 짧은 시간에 더 넓은 물리적 영역을 이미지화할 수 있습니다. 그리고 증가된 센서 해상도는 정의된 지리적 영역에서 픽셀 밀도를 줄이지 않고도 이를 달성할 수 있습니다.
Fig 2: Emergent 고속 카메라를 활용하는 항공 이미징 시스템은 농부들이 다양한 작물에 대한 농업 테스트 플롯을 연구하는 데 도움을 줄 수 있습니다.
농업용 영상이나 저고도 항공 영상이 필요한 기타 응용 분야의 경우 프레임 속도를 높이면 이미지 번짐 및 기타 부정적인 영향을 방지하는 데 도움이 됩니다. 이러한 카메라의 프레임 속도가 향상되면 방대한 양의 데이터가 생성되며, 이를 빠르고 안정적으로 전송해야 합니다. 다행스럽게도 Emergent는 연결 인터페이스로 이더넷을 사용하여 이러한 문제를 해결하는 데에도 도움이 됩니다. 최대 100Gbps의 연결 속도로 센서 해상도를 희생하지 않고도 최대 센서 프레임 속도가 가능합니다. 이를 통해 UAV와 유인 항공기가 잠재적으로 더 빠르게 비행할 수 있어 이미징 시간과 비용이 줄어들고 리소스 사용이 극대화됩니다.
패턴 매칭
아래 비디오는 사용자 정의 GPU Cuda 코드만 작성하면서 고품질 패턴 일치를 수행하는 알고리즘을 얼마나 쉽게 만들고 프로토타입할 수 있는지 보여줍니다.
추론
아래 비디오는 훈련된 자체 추론 모델을 추가하고 테스트하여 임의 객체의 감지 및 분류를 수행하는 방법을 보여줍니다. PyTorch 또는 TensorFlow로 모델을 훈련하고 이를 eCapture Pro 플러그인에 추가하기만 하면 됩니다. 그런 다음 플러그인을 인스턴스화하고 원하는 카메라에 연결한 후 실행을 클릭하세요. 이보다 더 쉬운 일은 없습니다.
잘 훈련된 모델을 사용하면 Emergent의 GPU Direct 기능을 사용하여 두 개의 GPU가 있는 단일 PC에서 여러 Emergent 카메라를 사용하여 추론 애플리케이션을 개발하고 배포할 수 있습니다. Emergent와 같은 성능 애플리케이션을 수행하는 사람은 없습니다.
Fig 3: 인간의 두뇌를 모델로 한 신경망은 컴퓨터가 훈련 사례를 기반으로 특정 작업을 수행하는 방법을 학습할 수 있도록 하는 딥 러닝 알고리즘의 핵심인 머신 러닝의 하위 집합입니다.
자동화는 해상도에 달려있습니다
인공지능, 머신러닝, 그리고 컴퓨터 비전 시간이 지남에 따라 장면의 변화를 찾거나 예상치 못한 것의 존재를 감지하거나 기록 데이터를 기반으로 미래 변화를 예측하는 등 이미지 분석을 수행하는 데 점점 더 자주 사용됩니다. 컴퓨터 기반 시스템이 효과적이려면 알고리즘 훈련에 사용되는 이미지의 품질이 충분해야 합니다. 픽셀 밀도(이미지 내의 특정 영역을 덮는 픽셀 수)를 높이면 기계 학습 모델이 더 잘 훈련될 수 있으며 결과적으로 작업을 더 잘 수행할 수 있습니다.
추가 이점으로 Emergent에서 제공하는 것과 같은 카메라는 데이터 오프로드 및 NVIDIA의 GPUDirect와 같은 GPU 처리 기술과 완벽하게 호환됩니다. 이를 통해 대량의 엔드투엔드 이미지 수집, 전송 및 처리 솔루션을 만들 수 있습니다. 지속적인 데이터의 이를 통해 데이터 패킷이나 프레임의 손실에 대한 걱정 없이 데이터를 빠르고 효율적으로 처리할 수 있습니다.
성장 곡선을 타고
산업 성장을 지원하기 위한 이미징 기술에 대한 수요와 항공 이미징 및 항공 매핑 카메라의 사용 사례 확장은 전체 시장을 계속 성장시킬 것이며, 이와 함께 성능도 지속적으로 향상될 것입니다. Emergent의 카메라 및 획득 솔루션은 유비쿼터스 케이블링 및 연결을 사용하여 성능 요구를 해결하는 확장 가능하고 강력한 수단을 제공하므로 시스템 통합업체와 제조업체는 내일의 요구 사항을 충족하기 위해 쉽게 용도를 변경할 수 있는 솔루션을 현재 개발할 수 있습니다.
항공 영상 및 매핑 애플리케이션을 위한 응급 GIGE 비전 카메라
모델 | 크로마 | 분해능 | 프레임 속도 | 인터페이스 | 센서 이름 | 픽셀 크기 | |
---|---|---|---|---|---|---|---|
HR-50000-M | 모노 | 50MP | 23fps | 10GigE SFP+ | AMS CMV50000 | 4.6×4.6㎛ | |
HR-50000-C | 색상 | 50MP | 23fps | 10GigE SFP+ | AMS CMV50000 | 4.6×4.6㎛ | |
HB-127-SB-M | 모노 | 127.7MP | 17fps | 25GigE SFP28 | 소니 IMX661 | 3.45×3.45μm | |
HB-127-SB-C | 색상 | 127.7MP | 17fps | 25GigE SFP28 | 소니 IMX661 | 3.45×3.45μm | |
HZ-100-GM | 모노 | 103.7MP | 24fps | 100GigE QSFP28 | 지픽셀 GMAX32103 | 3.2×3.2μm | |
HZ-100-GC | 색상 | 103.7MP | 24fps | 100GigE QSFP28 | 지픽셀 GMAX32103 | 3.2×3.2μm | |
HZ-150-GM | 모노 | 152MP | 16fps | 100GigE QSFP28 | 지픽셀 GMAX32152 | 3.2×3.2μm | |
HZ-150-GC | 색상 | 152MP | 16fps | 100GigE QSFP28 | 지픽셀 GMAX32152 | 3.2×3.2μm |
추가 카메라 옵션에 대해서는 당사를 확인하세요. 대화형 시스템 디자이너 도구.