[공학저널 정창민 기자]최근 대형 건축물과 교량 등의 상태를 파악하고 균열과 이상을 파악하기 위해 드론 기술이 활용돼 주목받고 있다. 하지만 이런 경우 GPS 신호를 기반으로 위치를 파악하고 드론을 운용하는 방식에는 한계가 있다.
공장 지대나 교량 하부를 관측할 경우 GPS 신호가 원활하지 않은 상황이 발생하게 된다. 이런 상황에서 드론 조종자를 이용해 수동 조정을 선택할 수도 있지만 조종자의 가시거리는 물론 장애물이 있을 경우 사용에 제한을 받을 수 있다. 또 충돌이나 인명사고 위험을 줄이기 위해 소극적으로 촬영에 임하게 돼 결국 대상물의 상태를 정확히 측정하는 데 문제가 생길 수밖에 없다.
최근 세계적인 연구 동향은 기존 드론에 장착된 카메라 센서와 최신 인공지능 기술을 접목해 드론이 장애물을 피해 자동으로 주행하는 기술이 시도되고 있으며 국내에서도 인공지능과 자율주행 드론에 대한 연구가 활발히 진행되고 있다.
특히 세종대 컴퓨터공학과 김용국 교수(사진) 연구실에서는 인공지능과 자율주행 드론 연구에 다수의 SCI 논문 실적과 미국 특허를 소유하고 있으며 최근 캐나다 밴쿠버에서 열린 세계 최고의 인공지능학회 NeurIPS에서 드론 자율주행 분야(Microsoft 주최) 종합 우승을 차지한 경력이 있다.
이 대회는 산악지형에 분포하고 있는 20여개 게이트를 가장 빠르게 충돌 없이 통과하는 자율주행 알고리즘을 선정하는 것으로 세계 25개국 120여개 팀이 참가했으며 마이크로소프트 가상현실 기반 자율주행 플랫폼인 에어심(Airsim)을 이용한 대회다.
현재는 GPS 신호가 불안한 제조시설 사이를 자율주행하면서 촬영한 영상을 분석해 시설물 결함을 미리 검출해 산업재해 대비 사업을, 과학, 정보통신부 산하 IITP 지원 바우처 사업을 진행하고 있다. 이 연구에 사용하고 있는 드론은 오픈 소프트웨어를 기반으로 하는 것으로 기본적인 카메라 센서를 사용해 주행하는 형식을 유지하고 있다.
드론 전방에서 입력되는 영상신호를 이용해 자율주행을 할 경우 가장 많이 사용하는 학습방법은 교사학습(Supervised Learning)이며, 이를 위해서는 주행경로를 받아 기존에 획득된 데이터에 주행해야 하는 방향과 그렇지 않은 방향을 사람이 라벨(Labeling)해 드론 훈련에 사용하게 된다. 그러나 이 방법의 문제점은 레이블링에 많은 시간이 소비되고 또 주행환경이 바뀌면 자율주행에 문제가 생기게 된다.
김영국 세종대 컴퓨터공학과 교수는 “이번 연구에서는 이 문제를 해결하기 위해 최근 언리얼 엔진(Unreal Engine)과 같은 그레픽틀을 이용해 가상현실 내에 주행환경을 구성하고 강화학습을 이용하고 레이블링이 없어 알고리즘 자체가 최적 주행경로를 찾는 방법을 활용하고 있다”, “학습이 만족할 만한 수준에 도달했을 때 사용한 네트워크 웨이트를 드론에 이식해 드론이 실질환경에서 주행하도록 하는 방법이다. 이 경우 학습에는 조금 시간이 더 걸리지만 환경 변화에도 강인하게 최적 주행이 가능하다”고 말했다.
한편 드론에는 짐벌(Gimbal)에 설치된 고해상도 카메라를 이용해 건축물 외관 영상을 획득하고 이상 여부를 파악하는 작업을 시행한다. 건축물에 부착된 물건이나 크랙을 검침하는 작업은 CNN(Convolutional Neural Network) 기반 디플로닌 방법을 사용한다.
이 작업은 전통적으로 이상 검출(Anomaly Detection) 분야에서 연구돼 정확도가 높지 않았으나 최근 디플로닌, 기술의 발달로 실용화가 가능해진 분야다. 이 기술은 결함 검출, 이상행동 검출, 이상의 물체 검출 등 다양한 분야에 응용되고 있다.
이 연구에 추가로 필요한 기술은 촬영된 영상과 실제 좌표를 정합시키는 Georeferencing과 3D 입체물을 구축하는 Point-Cloud 방법 등이 함께 사용된다.
최근 건설산업에서 고개를 들고 있는 스마트 건설뿐만 아니라 시설물 유지관리 분야에서도 첨단 드론 기술을 활용한 스마트 안전기술이 적극 도입되고 있다.
출처 : 공학저널(http://www.engjournal.co.kr)
http://www.ison.world/www. (주)이수온기업정보안내www.ison.world