무인기 응용을 위한 YOLOv5 기반 실시간 장애물 인식 영상 처리 시스템 개발

• 영문명: Development of a YOLOv5-Based Real-Time Obstacle Detection System for UAV Applications
• 발행기관: 한국산업기술융합학회(구. 산업기술교육훈련학회)
• 저자명: 박태진(Tae-Jin Park) 김정화(Jeong-Hwa Kim)
• 간행물 정보: 『산업기술연구논문지』제30권 3호, 145~153쪽, 전체 9쪽
• 주제분류: 공학 > 산업공학
• 파일형태: PDF
• 발행일자: 2025.09.30

국문 초록

본 연구는 실내 환경에서 무인항공기(UAV)의 자율 비행 구현을 위한 실시간 장애물 인식 시스템을 개발하고, 그 성능을 평가하였다. YOLOv5 객체 탐지 모델을 기반으로 UAV에 장착된 카메라 영상을 실시간으로 처리하여 장애물을 인식하였으며, 다양한 조도 조건과 장애물 거리 변화에 따른 인식 성능을 실험적으로 분석하였다. 실험 에는 F450 UAV 플랫폼과 서로 다른 두 종류의 카메라(아날로그 1200VTL, 디지털 HD)를 사용하였으며, 객체 탐지 정확도, 재현율, F1-score 및 프레임 처리 속도(FPS)를 측정하였다. 그 결과, HD 카메라 기반 시스템은 평균 F1-score 81.4%, 24fps 이상의 실시간 처리 성능을 보여 실내 환경에서도 안정적인 장애물 인식이 가능함을 확인 하였다. 반면, 조도가 낮거나 영상 품질이 저하된 경우 탐지 정확도 감소가 발생하였으며, 이는 하드웨어 선택과 영상 처리 품질이 실시간 인식 정확도에 중요한 영향을 미침을 시사한다. 본 연구는 UAV 실내 자율비행 기술의 핵심 요소인 시각 기반 장애물 인식 성능을 실험적으로 검증하였으며, 향후 자율 회피 알고리즘과의 연계를 위한 기초 자료로 활용될 수 있다

영문 초록

This study presents the development and performance evaluation of a real-time obstacle recognition system for unmanned aerial vehicles (UAVs) in indoor environments. Utilizing the YOLOv5 object detection model, the system processes video streams from onboard cameras to detect obstacles under varying lighting conditions and distances. Experiments using an F450 UAV with analog (1200VTL) and digital HD cameras measured detection accuracy, recall, F1-score, and frame rate (FPS). The HD camera-based system achieved an average F1-score of 81.4% and over 24 FPS, confirming reliable real-time detection. In low-light or poor image quality conditions, detection accuracy decreased, emphasizing the importance of hardware and video quality. This study experimentally verifies vision-based obstacle detection for indoor UAV navigation and offers a foundation for future integration with autonomous avoidance algorithms.

목차

Ⅰ. 서 론

Ⅱ. YOLOv5 기반 실시간 장애물 인식 시스템 설계

Ⅲ. 실험 환경 및 방법

Ⅳ. 실험 결과 및 분석

Ⅴ. 결 론

References

키워드

무인항공기 YOLOv5 객체 탐지 실시간 영상 처리 장애물 인식 실내 자율비행 UAV YOLOv5 Object Detection Real-Time Image Processing Obstacle Recognition Indoor Autonomous Flight