자율비행 드론을 위한 실시간 짙은 안개 탐지 프레임워크 개발 = Development of a Real-Time Dense Fog Detection Framework for Autonomous Drones

국문 초록 (Abstract)

자율비행 드론 기술이 급격히 발전하고 있음에도 불구하고, 짙은 안개나 폭우와 같은 극한 기상 조건은 여전히 센서 성능을 저하시킬 뿐만 아니라 항행 가시성을 떨어뜨리는 한계로 작용한다. 본 연구에서는 짙은 안개 환경에서도 안정적인 자율비행을 구현하기 위해, 카메라와 라이다(LiDAR)의 데이터를 단계적으로 활용하는 짙은 안개 탐지 프레임워크를 제안한다. 이를 위해 카메라 영상에서 Dark Channel 값을 계산해 짙은 안개 발생 여부를 실시간으로 판별하고, 이후 라이다 포인트 클라우드 데이터를 분석하여 포인트 감소 범위를 파악함으로써 비행경로상의 짙은 안개 구역을 탐지한다. 제안된 프레임워크는 두 센서를 조건부로 활용함으로써 기존 센서 융합의 복잡성을 줄이고 연산 부담을 최소화하였으며, 도심 환경을 대상으로 한 실험을 통해 실시간성, 탐지 안정성, 효율성 측면에서 자율비행 드론의 안전성 향상에 기여할 수 있음을 확인하였다.

다국어 초록 (Multilingual Abstract)

Although autonomous flying drone technology has advanced rapidly, extreme weather conditions such as dense fog and heavy rain continue to pose significant limitations by degrading sensor performance and reducing navigational visibility. This study proposes a real-time dense fog detection framework to enable stable autonomous flight in foggy environments by utilizing sequential data from both camera and LiDAR sensors. First, dense fog is detected in real time by calculating the Dark Channel values from camera images. Subsequently, LiDAR point cloud data are analyzed to estimate the range of point loss, allowing the system to identify dense fog regions along the flight path. By processing the drone’s camera and LiDAR data separately and conditionally, the proposed method reduces the complexity of sensor fusion and minimizes computational load, enables real-time data processing. Experiments conducted in an urban environment demonstrate that the framework enhances the safety and efficiency of autonomous drones by ensuring real-time performance, robust detection, and computational efficiency.