Earticle

초록

영어

This paper presents an AI-based 3D stereoscopic sonar visualization system to enhance submarine navigation and target identification.Recent advances in deep learning enable automatic interpretation of underwater acoustic signals, but conventional sonar systems still rely on two-dimensional echo maps, which limit operators’ spatial awareness and decision-making speed.To overcome these limitations, this study proposes a real-time framework using a 1D Convolutional Neural Network (1D-CNN) to estimate 3D coordinates from sonar echo data and visualize them through the Unity engine as stereoscopic point clouds. The proposed system integrates Python-based preprocessing, PyTorch-based coordinate inference, and Unity-based immersive rendering. Experimental results demonstrate real-time operation (under 40 ms latency) and enhanced spatial perception, suggesting strong applicability to submarine navigation and autonomous underwater vehicle (AUV) systems.

한국어

본 이 논문은 잠수함 항해 및 표적 식별 능력을 향상시키기 위한 인공지능(AI) 기반 3차원 입체 소나 시각화 시스템을 제안한다. 최근 딥러닝 기술의 발전으로 수중 음향 신호를 자동으로 해석할 수 있게 되었지만, 기존의 소나 시스템은 여전히 2차원 에코 맵에 의존하고 있어 운용자의 공간 인지력과 의사결정 속도에 한계가 있다. 이러한 한계를 극복하기 위해 본 연구 는 **1차원 합성곱 신경망(1D-CNN)**을 활용하여 소나 에코 데이터로부터 3차원 좌표를 실시간으로 추정하고, Unity 엔진 을 통해 이를 입체적인 포인트 클라우드 형태로 시각화하는 프레임워크를 제안한다. 제안된 시스템은 Python 기반 신호 전처리, PyTorch 기반 좌표 추론, 그리고 Unity 기반 몰입형 렌더링을 통합하였으며, 실 험 결과 40ms 이하의 지연 시간으로 실시간 운용이 가능하고 공간 인지 능력이 향상됨을 보여주었다. 따라서 본 시스템은 잠 수함 항해 및 자율 수중 운용체계(AUV)에 효과적으로 적용될 수 있는 높은 실용성을 지닌다.

목차

요약
Abstract
1. 서론
2. 이론적 배경 및 관련 연구
2.1 소나 시스템의 구조 및 한계
2.2 3차원 시각화 기술 동향
3. 제안 시스템 설계
3.1 시스템 개요 및 처리 흐름
3.2 AI 추론 및 좌표 예측 모듈
3.3 3차원 시각화 및 운용자 인터페이스
4. 시뮬레이션 및 실험 결과
4.1 실험 환경 및 데이터 구성
4.2. 좌표 추정 정확도 및 시스템 지연 시간
4.3. 시각화 결과 및 사용자 평가
5. 결론 및 향후 연구
REFERENCES

키워드

저자

• 홍성혁 [ Sunghyuck Hong | 백석대학교 첨단IT학부 IoT전공 교수 ] Corresponding Author

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  산업융합연구(구 대한산업경영학회지) [Journal of Industrial Convergence]

• 간기

  월간

• pISSN

  2635-8875

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 323 DDC 338