Lee-Siyoung/drone

4학년 졸업작품

유해조수 순찰드론

4학년 졸업작품

참여자

이시영 이종국 윤영운

기본 구성

1. 당위성

필요성

• 환경부에 따르면 2010년부터 2018년까지 야생동물에 의한 농작물 피해액은 1103억5500만원으로 한해 평균 120억여원에 달한다
• 농가들은 피해를 줄이고자 철조망과 그물망을 치고 감시를 늘리는 등 온갖 묘수를 짜내지만 별 소용이 없다고 호소한다.
• 환경부는 농작물 피해 예방 종합 대책을 만들어 피해 예방 시설 설치비를 지원하고 피해 방지단을 설치, 운영하기 시작했다.
• 하지만 효과가 큰 예방시설은 농가 자부담이 커 엄두를 못 내는 경우가 많으며, 농작물 피해 보상도 한도액이 턱없이 낮고 조건도 까다롭다.

<야생동물 피해보상액 지급 건수>

• 유해야생동물에 의한 농작물 및 인명피해 예방이 이루어지고 있지만 동물보호단체나 환경운동단체의 입장과 상반된다. 퇴치되어야 할 대상이지만 자연을 생각할 때는 없어서는 안될 존재이기 때문이다.

2. 시나리오

1. 드론 지정된 구역을 정기적으로 순찰한다.
2. 순찰간 움직이는 객체가 있으면 무엇인지 식별한다.
3. 유해조수 식별 시, 소음을 통하여 지정된 구역을 벗어 날 때까지 추적한다.
4. 유해조수가 지정된 구역을 벗어날 경우, 다시 지정된 구역으로 돌아가 순찰을 지속한다.

3. 기대효과

• 드론만 있으면 되기 때문에 울타리 설치는 시설물 설치가 따로 필요하지 않다.
• 유해동물을 포획하는 과정에서 존재하는 위험이 감소한다.
• 유해동물로부터 농작물을 보호함과 동시에 유해동물을 포획하지 않아도 된다.
• 직접 드론을 조종하는 것이 아니기 때문에, 언제든지 사용할 수 있다.
• 유해조수 뿐만 아니라 사람에 의한 범죄도 차단할 수 있다.

4. 문제점

• 소음 – 규모가 큰 농작지를 대상으로 하기 때문에 주에 민가가 있는 경우가 드물다.

5. 기술

1. 드론 구역 주행

• 지정 구역 주행 - 자율비행

  • waypoint를 지정하여 지정된 구역에서 드론이 주행을 한다.

  

  • https://github.com/eduardorasgado/ParrotDrone_moving_square

  • GeoFence(비행 구역지정)

    • 드론이 이동할 수 있는 위치를 정의하는 가상의 경계이다. GeoFence를 통해 순찰이 필요한 일정구역을 지정한다.
    • PX4는 포함(내부비행) 또는 제외(외부비행) 여역으로 정의될 수 있는 여러 원형 및 다각형 영역으로 구성된 GeoFence 경계를 지원한다.
    • GeoFence는 미션 및 랠리 포인트와 함께 QGroundControl에서 계획된다.

    

• Fly View

  • 비행 시 차량을 명령하고 모니터링을 하는 데 사용된다.
  • 자동화된 비행 전 체크리스트를 실행한다.
  • arm/disarm/emargency stop, take off/land, chage altitude, go to, or orbit 등을 지정할 수 있다.
  • 현재 차량에 대한 비디오, 임무, 원격 측정 및 기타 정보를 표시하고 연결된 차량 간에 전환할 수 있다.

  

• PX4 (자율 비행 프로그램)

  • 픽스호크는 원격조종 드론 및 자동 조종 장치는 무인 및 자율 항공기를 지향하는 오픈 소스 자동 조종 시스템이다.
  • 개발자 가이드
    • https://docs.px4.io/master/en/
  • QGroundControl
    • ArduPilot 또는 PX4 Pro 구동 차량에 대한 완전한 비행 제어 및 구성을 제공한다.
    • 기능
      • px4 pro 및 ArduPilot 펌웨어를 실행하는 차량에 대한 전체 구성 지원
      • 자율 비행을 위한 임무 계획
      • 차량 위치,비행 트랙, 웨이 포인트 및 차량 계기를 보여주는 비행지도 디스플레이
      • 모든 MAVLink 기능 차량에 대한 비행 지원

2. 객체 인식

• CNN(Convolutional Neural Network)

  

  • 이미지 인식 처리 및 NLP 목적으로 사용되는 DNN이다
  • ConvNet이라고도하는 CNN에는 입력 및 출력 레이어와 여러 개의 숨겨진 레이어가 있으며 그 중 다수는 컨볼루션이다

• YOLO : Real-Time Object Detection

  • 단일 단계 방식의 객체 탐지 알고리즘이다
  • 원본 이미지를 동일한 크기의 그리드로 나눈다. 각 그리드에 대해 그리드 중앙을 중심으로 미리 정의된 형태로 지정된 경계박스의 개수를 예측하고 이를 기반으로 신뢰도를 계산한다

  

  • YOLO와 호환되는 3가지 프레임 워크
    • Darknet
    • Darkflow
    • Opencv : YOLO와 함께 작동하는 딥 러닝 프레임워크가 있다
  • 예시 Cat Chaser : 고양이만 쫓아내기 위해 만든 시스템

  

  • IP카메라를 이용해 정원을 촬영합니다
  • 촬영중인 영상을 Photon Server로 보내줍니다
  • Photon Server는 Jetson TX1으로 영상을 보내줍니다
  • Jetson TX1은 FCN Algorithm을 통해서 고양이의 유무를 확인한 뒤 다시 Photon Server로 결과를 전송합니다
  • Photon Server는 고양이의 유무에 따라 스프링클러의 작동여부를 결정합니다

3. 객체 추적

• Mean-Shift Algorithm

  • 데이터 집합에서 특짐정, 코너, 색상정보와 같은 밀도 분포를 기반으로 ROI 객체를 추적해나가는 알고리즘이다.
  • 입력 영상에서 살색 영역에 대한 히스토그램 백투영 확률적인 정보를 얻어낸다.
  • 기존 위치가 빨간 박스라고 가정하고 빨간 박스 안에 있는 픽셀들의 평균 값을 계산한다.
  • 평균이 살색의 픽셀값과 비슷한 곳으로 조금조금씩 이동한다. 이 작업을 반복하다보면 어느 순간 움직임이 없어지게 된다. 그때 Mean Shift 알고리즘이 수렴했다고 한다.
  • OpenCV에서는 cv2,meanShift 함수를 제공한다.

  

• BackgroundSubtractorMOG2

  • MOG2는 가우시안 혼합 기반 배경 분할 알고리즘이다.
  • 가우시안 분산값 K(K=3~5)의 홉합에 의해 각 배경 픽셀을 구성하는 방법이다.
  • 혼합의 가중치는 장면에서 이들 색상값들이 머무르고 있는 시간 비율이다. 배경으로써 판단될 수 있는 색상은 더 오랜 시간동안 변하지 않는 것이다.
  • 알고리즘 역시 OpenCV에서 v2.createBackgroundSubtractorMOG2() 함수로 실행 가능하다.

• GAAS 소프트웨어를 이용한 자율 물체 추적

  • GAAS는 완전 자율 주행 드론과 비행 자동차를 위해 설계된 오픈 소스 자율 항공 소프트웨어 플롯폼이다.
  • https://gaas.gitbook.io/guide/software-realization-build-your-own-autonomous-drone/basic-object-tracking
  • https://www.reddit.com/r/ROS/comments/cazljn/tutorial_build_autonomous_drone_realtime_object/