AI-Hub

데이터 변경이력

데이터 히스토리

소개

이동체 인지를 위한 전방 고정 드론 관점의 비행 영상 및 이미지 데이터

구축목적

드론을 통해 수집된 스테레오 영상을 가공하여 인공지능 학습용 데이터 셋 구축, 구축된 인공지능 학습용 데이터 셋을 활용한 AI학습모델 및 인공지능 응용서비스 개발

구축 내용 및 제공 데이터량

• 농약 살포, 도심 감시정찰, 드론 택배 서비스별 4K 드론 촬영 영상 100시간 이상 수집
• 거리정보 획득을 위하여 4K 스테레오 영상 (좌/우) 수집
• 수집된 영상 데이터 정제(비식별화, 불용 영상 삭제 등)
• 3개 서비스별로 정제된 영상 중 이미지를 추출하여 영상 자료 30만장    이상 가공(어노테이션 및 레이블링)
• 가공 데이터 검수를 통해 의미적/구문적 정확성 검증
• 가공 데이터 활용 AI모델 학습을 통해 유효성 검증  

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

데이터 성능 점수

설명서 및 활용가이드 다운로드

데이터 변경이력

구축 목적

• 드론을 통해 수집된 스테레오 영상을 가공하여 인공지능 학습용 데이터 셋 구축, 구축된 인공지능 학습용 데이터 셋을 활용한 AI학습모델 및 인공지능 응용서비스 개발

활용 분야

• 농약 살포, 도심 감시정찰, 드론 택배 등 서비스에 필요한 장애물 검출 및 식별을 위한 AI 요소 기술 개발

소개

• 드론의 장애물 회피 및 자율 비행을 위한 인공지능 학습모델 개발을 위하여 드론 비행 중 전방 영상을 수집함
• 4K 스테레오 카메라 영상을 수집하여 거리 정보를 산출하였으며, 다양한 환경에서 다양한 객체에 대한 영상을 수집, 정제, 가공하여 인공지능 학습용 데이터를 구축함
• 또한 드론의 고도에 따라 객체를 구분하여 실제 드론 비행 환경과 유사한 데이터를 수집함

구축 내용 및 제공 데이터량

• 농약 살포, 도심 감시정찰, 드론 택배 서비스별 4K 드론 촬영 영상 100시간 이상 수집
• 거리정보 획득을 위하여 4K 스테레오 영상 (좌/우) 수집
• 수집된 영상 데이터 정제(비식별화, 불용 영상 삭제 등)
• 3개 서비스별로 정제된 영상 중 이미지를 추출하여 영상 자료 30만장    이상 가공(어노테이션 및 레이블링)
• 가공 데이터 검수를 통해 의미적/구문적 정확성 검증
• 가공 데이터 활용 AI모델 학습을 통해 유효성 검증  

대표도면

필요성

• 드론의 정책적 완화, 시장의 급속한 확대 등 긍정적 측면을 더욱 가속화 하고, 사고와 같은 확장의 반대 급부를 완화하기 위하여 드론에 AI를 적용하여 드론 스스로 사고에 대한 위험을 줄이고 안전한 비행을 유도하도록 해야 함
• 드론의 조종을 위하여 기본적으로 장착되는 카메라를 이용하여 최근 비약적 기술 발전을 이루고 있는 영상분야의 AI 기술을 적용하여 드론의 자동 회피주행을 통해 사고를 미연에 방지하는 기술이 절대적으로 필요함
• 특히, 영상 정보는 2D 정보임을 감안하여 비행 중 인식한 장애물과의 거리를 산출할 수 있도록 거리정보를 포함한 데이터 셋 구축이 필요하며, 이를 기반으로 인공지능 기반의 자율 비행 기술 개발이 필요함
• 상기 필요성에 따라 다양한 고도에서 지상 및 공중의 장애물을 드론 탑재 카메라를 활용, 촬영(수집)하여 정제 후 가공하여 인공지능 학습용 데이터를 구축함

데이터 구조

• 데이터 구성

  데이터 구성 표1

  수준 1	수준 2	타입	필수 여부	설명
  Metadata	mission-id	string	Y	세부과제번호 (드론감시, 택배드론, 농약살포)
  	status	string	Y	촬영상태 (이착륙, 임무)
  	drone-id	string		임의의 기체 번호 (AI01~AI08,D01~D07)
  	weather	string	Y	날씨 (맑음, 흐림)
  	time	string	Y	시간대 (오전, 오후)
  	altitude	integer	Y	고도 (m 단위)
  	angle	integer	Y	촬영각도 (° 단위)
  	places	string	Y	장소타입 (도시, 산, 평지, 농촌)
  	location	string		장소에 따른 세부 번호
  	date	string	Y	날짜
  	hour	string	Y	저장시각
  	de-identification	string	Y	비식별화 작업 유무

   

• 어노테이션 포맷

  데이터 구성 표2

  수준 1	수준 2	수준 3	타입	필수 여부	설명
  annotations	id		string	Y	어노테이션 ID
  	type		string	Y	어노테이션 타입
  	points		array (number)	Y	top left(x,y), top right(x,y), bottom left(x,y), bottom right(x,y)
  	label		string	Y	객체 대분류
  	attributes	person_pose	string	Y	객체 소분류 (조난자)
  		isTruncated	string	Y	객체 소분류 (드론택시)
  		isCrowd	string	Y	객체 소분류 (드론택시)
  filename			string	Y	파일명(과제번호_미션명_날씨_시간_고도_각도_타입_지역_날짜_시간_카메라좌/우_비식별여부_(가비지데이터시간)_프레임번호.jpg)
  parent_path			string	Y	경로명 (폴더구조)
  metadata	height		integer	Y	이미지 높이
  	width		integer	Y	이미지 너비

   

• 객체 클래스 및 인스턴스

  데이터 구성 표3

  객체 클래스	데이터 셋 분류(인스턴스)
  이동체	사람, 차량(승용차, 트럭, 버스, 오토바이, 자전거, 불도우저, 트렉터, 경운기, 농기계, 지게차, 포크레인, 타워크레인)
  고정체	나무, 건물(아파트, 빌딩, 빌라, 가옥, 공장, 창고), 교량(대교, 철교, 다리, 고가도로), 시설물 (비닐하우스, 가로등, 전봇대, 야외운동장, 언덕, 독립입간판, 독립안내표지판, 신호등, 기둥, 정자, 컨테이너, 송전탑, 굴뚝, 댐, 통신중계탑, 곤포 사일리지)
  임무별	도심 감시정찰 자율 비행	고도 10m 이상 비행 영상 데이터셋: 차량(타워크레인), 건물 (아파트, 빌딩, 빌라, 공장, 창고), 교량(대교, 철교), 시설물 (야외운동장, 송전탑, 굴뚝, 댐, 통신중계탑)
  		저고도 10m 이하 비행 영상 데이터셋 (이착륙) : 사람, 차량(승용차, 트럭, 버스, 오토바이, 자전거, 지게차, 포크레인), 나무, 건물(주택, 공장, 창고), 교량(다리, 고가도로), 시설물 (비닐하우스, 가로등, 전봇대, 언덕, 독립입간판, 독립안내표지판, 신호등, 기둥, 정자, 컨테이너)
  	농약 살포 자율 비행	저고도 10m이하 비행 영상 데이터 셋 : 사람, 차량(승용차, 트럭, 버스, 오토바이, 자전거, 불도우저, 트렉터, 경운기, 농기계, 지게차, 포크레인, 타워크레인), 나무, 건물(아파트, 빌딩, 빌라, 가옥, 공장, 창고), 교량(대교다리, 고가도로), 시설물 (비닐하우스, 가로등, 전봇대, 언덕, 독립입간판, 독립안내표지판, 신호등, 기둥, 정자, 컨테이너, 통신중계탑, 곤포 사일리지)
  	택배 드론 자율비행	고도 10m 이상 비행 영상 데이터셋: 차량(타워크레인), 건물 (아파트, 빌딩, 빌라, 공장, 창고), 교량(대교, 철교), 시설물 (야외운동장, 송전탑, 굴뚝, 댐, 통신중계탑, 해안 절벽, 등대)
  		저고도 10m 이하 비행 영상 데이터셋 (이착륙) : 사람, 차량(승용차, 트럭, 버스, 오토바이, 자전거, 지게차, 포크레인), 나무, 건물(주택, 공장, 창고), 교량(다리, 고가도로), 시설물 (비닐하우스, 가로등, 전봇대, 언덕, 독립입간판, 독립안내표지판, 신호등, 기둥, 정자, 컨테이너)

데이터셋 구축 담당자

수행기관(주관) : 메타빌드

수행기관(참여)

데이터 관련 문의처