November 22, 2024

디바이스마트 미디어:

[66호] 원하는 색상으로 제어가 가능한 아두이노 IoT 스마트 무드등 키트 -

2021-06-25

★2021 ICT 융합 프로젝트 공모전 결과 발표! -

2021-05-12

디바이스마트 국내 온라인 유통사 유일 벨로다인 라이다 공급! -

2021-02-16

★총 상금 500만원 /2021 ICT 융합 프로젝트 공모전★ -

2021-01-18

디바이스마트 온라인 매거진 전자책(PDF)이 무료! -

2020-09-29

[61호]음성으로 제어하는 간접등 만들기 -

2020-08-26

디바이스마트 자체제작 코딩키트 ‘코딩 도담도담’ 출시 -

2020-08-10

GGM AC모터 대량등록! -

2020-07-10

[60호]초소형 레이더 MDR, 어떻게 제어하고 활용하나 -

2020-06-30

[60호]NANO 33 IoT보드를 활용한 블루투스 수평계 만들기 -

2020-06-30

라즈베리파이3가 드디어 출시!!! (Now Raspberry Pi 3 is Coming!!) -

2016-02-29

MoonWalker Actuator 판매개시!! -

2015-08-27

디바이스마트 레이저가공, 밀링, 선반, 라우터 등 커스텀서비스 견적요청 방법 설명동영상 입니다. -

2015-06-09

디바이스마트와 인텔®이 함께하는 IoT 경진대회! -

2015-05-19

드디어 adafruit도 디바이스마트에서 쉽고 저렴하게 !! -

2015-03-25

[29호] Intel Edison Review -

2015-03-10

Pololu 공식 Distributor 디바이스마트, Pololu 상품 판매 개시!! -

2015-03-09

[칩센]블루투스 전 제품 10%가격할인!! -

2015-02-02

[Arduino]Uno(R3) 구입시 37종 센서키트 할인이벤트!! -

2015-02-02

[M.A.I]Ahram_ISP_V1.5 60개 한정수량 할인이벤트!! -

2015-02-02

[62호]TWO EYES (Two Camera watch wet road)

62 ict two eyes (18)

2020 ICT 융합 프로젝트 공모전 우수상

TWO EYES (Two Camera watch wet road) 

글 | 한국항공대학교 노윤석, 고려대학교 이준세, 가천대학교 김지연, 정진화

 

1. 심사평
칩센 이미 공공 서비스 영역에서 유사한 방식으로 영상을 이용한 포트홀 검출과 그에 대한 유지 보수를 적용하는 것으로 알고 있습니다. 이는 스마트시티의 여러 서비스 중에 하나로서 당연히 V2V, M2M 까지의 서비스를 염두에 두고 있는 부분입니다. 이미지 프로세싱을 통한 젖은 노면을 검출하는 것은 실질적으로는 다양한 변수에 의해서 충분한 보완이 필요하겠으나, 해당 동작을 구현하고 RC카에 카메라를 장착하여 시연을 할 수 있다는 것은 매우 인상적입니다. 향후 진보된 작품이 기대됩니다.
펌테크 작품의 아이디어와 실용성 창의성이 돋보이는 작품으로 생각됩니다. 영상처리, 서버 구축, 구동부 로봇 구성 등의 기술을 효율적으로 접목하여 기획의도에 맞게 시스템을 안정적이고 완성도 높게 구현하였고 제출된 보고서 구성 내용도 명확하고, 충실했다고 생각이 듭니다. 전체적으로 기획의도, 기술 구현도, 완성도 등에서 상당히 뛰어나고 훌륭한 작품으로 생각됩니다.
위드로봇 편광 필터를 통과한 두 장의 이미지에서 젖은 노면을 찾아내는 연구는 최근 연구소에서도 많이 진행하고 있는 주제입니다. 검출 영역의 정확도를 좀 더 신경 쓰면 좋은 결과를 얻을 수 있을 것으로 보입니다.

2. 작품 개요
삼성교통안전문화연구소의 2009년~2013년까지 5년간 비 오는 날 교통사고 조사결과에 따르면, 우천 시 교통사고 100건당 치사율은 2.28명으로 평균 교통사고 치사율의 4.3배에 달했다. 또한 비 오는 날 교통사고 발생 건수는 하루 평균 2천800여 건으로 평상시보다 10.3% 많았다. 사고 유형별로는 차량 단독사고의 발생률이 1.5배 이상 크게 높아졌다. 이는 차량간 사고가 아니기 때문에 운전자가 노면 상태에 대해 인지하고 빗길 주행 시 커브 길에서의 도로 이탈이나 수막현상으로 인한 전도 및 전복 등에 주의하여 적절한 대처를 한다면 사고율을 크게 낮출 수 있다는 것을 의미한다. 하지만 많은 운전자가 노면 상태를 인지하지 못하거나, 인지하더라도 대처를 제대로 하지 못하는 것이 현재 상황이다.
이러한 문제를 해결하기 위해 비, 결빙 등에 의한 주의해야할 노면 상태를 인식하여 운전자에게 현재 노면 상황을 인지시키고, 이에 따른 대처까지 할 수 있도록 하였다.
또한, 현재 시판되는 자율주행 시스템은 단순 영상 분석으로 도로 상황을 인지하기 때문에, 젖은 도로에 대한 인식률이 떨어진다. 그리고 역광이나 반사광에 의해 분석해야 할 이미지가 제대로 인식되지 않는 경우도 있다. 실제로 18년 3월 테슬라의 자율주행 차량이 역광으로 인해 트럭을 하늘로 잘못 인식해 사고가 발생하기도 했었다.
본 프로젝트의 편광필터를 이용한 영상 분석 시스템은 역광과 반사광에 의한 인식률 저하를 해결할 수 있고, 물리적인 반사광의 차이로 젖은 노면을 검출하기 때문에 기존의 시스템보다 더 정확한 노면 분석이 가능하게 하였다.

2.1. 비즈니스적 이점
2.1.1. 현재 시장에서의 이점
대중화 가능한 블랙박스
저렴한 가격에 다양한 기능(편광필터로 인한 반사광 보정 영상 제공, 노면 상태 알림)이 포함된 블랙박스 형태로 제작하여 대중화함으로써 블랙박스 제공자가 다양한 도로정보 데이터셋을 수집할 수 있다. 또한 도로정보가 필요한 네비게이션 회사나 보험사 등에 데이터셋을 제공 하여 추가적인 이윤 창출도 가능하다.

노면상태 검출 알고리즘
도로 결빙이 잦은 구간, 수막현상으로 인한 사고가 빈번한 구간의 도로 감시 시스템으로 본 알고리즘을 납품해 이윤을 창출할 수 있다. 고가의 센서를 연동하지 않고, 2개의 카메라를 통해 도로 노면의 상황을 감시하고 노면의 젖음을 쉽게 인지할 수 있기 때문에 기존의 가로등 또는 전광판에 소형 카메라 모듈을 부착해 구현할 수 있어 관련 공사의 번거로움이 적어 잠재적인 고객(도로교통 공사 등)을 설득할 수 있다. 잠재적인 고객은 실시간 도로 노면의 상황을 영상처리로 획득할 수 있어 ‘감시카메라’ + ‘도로 노면 모니터링 장비’의 2가지 기능을 한번에 구현할 수 있는 것이 장점이다.

2.1.2. 미래 시장에서의 이점
자율주행 시스템의 보완
소비자들은 자율주행차의 상용화 가능성에 대한 의구심을 떨쳐내지 못하고 있다. 이는 자율주행차의 안전성에 대한 소비자들의 불신 때문이다. 많은 곳에서 자율주행차 기술의 완성도를 높이기 위해 많은 힘을 쏟고 있지만 이러한 노력에도 소비자들의 불신이 유지되는 이유는 아직 존재하는 모든 상황에 자율주행차가 대응하지 못하기 때문이다. 비나 눈, 결빙 등에 의해 변화되는 특수한 노면 상태는 사람의 육안으로는 쉽게 구별 가능하더라도 자율주행차는 구별이 어려워 대처가 미숙하다. 운전자가 필요없는 5단계의 완전 자율주행 시스템을 달성하기 위해서는 사람의 개입이 전혀 없는 상태에서도 모든 상황에 대응할 수 있어야 한다. 그렇기 때문에 본 프로젝트에서 제안되는 기술을 통해 젖은 노면이라는 구체적인 상황에 대응하는 모습을 보여준다면 소비자들의 신뢰를 얻을 수 있고 이는 기업의 이익 창출에 도움이 될 것이다.

2.2. 작품 목표
2.2.1. 우천 시 교통사고 예방 효과를 높인다
노면 상태가 불량할 시 운전자에게 경고를 하여 주의하여 주행 하도록 유도할 수 있다.

2.2.2. 특수 노면 상태에 대한 라벨링된 데이터셋을 가공하여 자율주행 머신러닝과 관련 기업에 제공할 수 있다.
머신러닝 기반의 자율주행 시스템의 완성도를 높이기 위해서는 잘 정제된 데이터셋이 필수적이다. 검출된 노면 상태와 그에 대응하는 도로 이미지와 위치정보, 날씨 등을 하나의 데이터셋으로 가공하여 더욱 정교한 자율주행 시스템 개발에 도움을 줄 수 있다. 또한 도로 상태 정보를 자동차보험회사나 도로교통공단 등에 제공하여 이윤 창출이 가능하다.

2.2.3. 일반 차량에 설치하여 대중화를 목표로 한다.
머신러닝 기반의 자율주행 시스템에는 데이터셋의 질 뿐만 아니라 양도 중요하다. 적은 부품으로 다양한 기능이 구현된 블랙박스로 구성하여 제품에 대한 접근성을 높이고, 그에 따라 더 많은 다양한 차량과 상황에 대한 데이터셋 수집이 가능하다.

2.2.4. 자율주행차량의 특수 노면 상태에 대한 인식률을 높인다.
현재 시장의 자율주행 시스템은 우천이나 결빙 등의 특수 노면 상태에 대한 대처가 미숙한 상황이기 때문에, 이를 보강할 수 있다.

2.2.5. 블랙박스 영상의 정확도를 높인다.
기존의 블랙박스에도 역광 또는 반사광 보정 기능이 있지만, 소프트웨어상에서의 보정이기 때문에 한계가 있다. 편광 필터에 의한 반사광 제거를 통해 더욱 정확한 영상 녹화가 가능하다.
3. 작품 설명
3.1. 전체 동작 및 특징
3.1.1. 편광 필터 카메라를 통한 노면 상태 검출 시스템 제작
편광 필터가 부착된 웹캠을 이용하여 노면 상태를 검출한다. 본 시스템은 젖은 도로의 노면 부위를 검출하기 위해 각각 수평, 수직 편광 필터가 부착된 2개의 USB 카메라에서 이미지 정보를 습득한 뒤에, 임계값 기법 알고리즘(Threshold)를 통해 습득된 이미지의 상호 유사도를 추정한다. 웹캠의 영상을 실시간으로 분석하여 편광 필터에 의해 반사광이 필터링 된 영상과 그렇지 않은 영상을 비교하여 젖은 노면이 검출됨이 판단될 시 차량에 대한 직접적인 제어 및 알람을 사용자에게 전달한다.

3.1.2. 차량 실제 적용 방법을 고려한 외부 상황 인지
본 시스템은 본래 블랙박스 형태의 제품이지만, 개발 과정에서는 실제 차량으로 시험하는 것이 여러 가지 제약 조건이 있어 RC카 차체를 이용하여 프로토타입을 제작하였다. 실제 차량에 적용될 시 OBD단자를 통해 얻을 대기 온/습도 등의 데이터는 따로 센서를 연결하여 프로토타입에 구현하였다. 프로토 타입에서는 주의가 필요한 노면 상태가 검출될 때, 외장 되는 온/습도 센서를 통해 대기의 온습도, 적외선 센서를 통한 노면의 온도, GPS 모듈을 이용해 위도와 경도를 획득하여 관련 데이터베이스에 보고한다.

3.1.3. 서버구축 및 데이터 저장
노면 상태 검출 시스템을 통해 젖은 노면이 검출된 경우, 관련된 정보(젖은 노면의 지리적 정보, 대기 온/습도, 노면 온도)를 온라인 웹 서버에 보고해 DB에 실시간 Data set을 만든다. DB에 생성되는 Data set은 해당 노면의 상태 사진이고, 해당 사진에 위치/시간/대기상태 등의 정보가 Labeling 된 상태이다. 이를 이용해 특수 노면 상태가 자주 검출되는 위치와 대기, 날씨 등의 실시간 정보를 축적할 수 있는 데이터베이스와 서버를 구축하고 공유하여 3차 사고방지를 위해 사용한다.

3.2. 전체 시스템 구성
3.2.1. 하드웨어 아키텍쳐
TWO EYES 프로젝트는 2개의 카메라를 통해 도로 노면의 정보를 획득하고, 관련된 영상처리를 통해 도로 노면의 젖음을 인식하는 프로젝트이다. 2개의 카메라는 차량에 장착되어 도로 노면의 상태를 ‘실시간’으로 추정하고 / 만일 도로 젖음이 인지되는 경우 주변 차량에 해당 정보를 통보 (V2V)를 하는 동시에 (젖은 도로의 위치 정보_위도/경도, 대기 온도, 대기 습도, 노면 온도)의 센서 데이터 정보를 외부의 온라인서버에 연동하는 것을 특징으로 한다. 본 시스템에서 지향해야 하는 내용은 다음과 같다.

Low latency
단말기 내부에서만 센서데이터의 습득 및 처리가 이뤄지는 것이 아닌, 여러개의 연산장치 및 외부 온라인 서버와 연동되어야 하는 동시에 저지연 (low_latency) 의 기술적 목표를 성취해 ‘실시간 시스템(real time)’ 을 구현해야 한다.

Fail Safe
차량 내 설치되어 실시간 노면의 상태를 추정하는 동시에, 도로가 젖음을 인지하게 되는 경우 자동차의 속력을 낮추는 등의 ‘자동차 제어’기능을 구현하였다. 단순 모니터링 장치가 아닌, 차량의 ‘제어’부분까지 개입하게 되는 경우, System Failure로 인한 오작동은 상당히 위험하기 때문에, 해당 부분에 관련 솔루션을 제시할 수 있는 Fail Safe를 구현해야 한다.
상기의 2가지 목표를 수행하기 위해서는 특정 MCU 또는 연산 장치에 집중적(high density)이거나 의존적(high dependency)인 경우에는 외부에 위협 요인에 취약한 System이 구현되게 된다. 해당 문제를 해결하기 위해 설계 단계에서 부터, 각 MCU 및 연산 장치의 한계성능 및 안정성능을 검증한 다음, 적절히 연산을 분배해 전체 하드웨어 아키텍쳐의 구성을 진행한다.
상기의 2가지 목표를 수행하기 위해서 연산을 분할하고 서로 다른 MCU 또는 연산장치에 부여하게 되는 경우, Logic level voltage가 달라 회로적(Circuit problem)인 문제가 발생할 수 있다. 역시, 각각의 회로적인 문제도 구상단계에서 최대한 고려해 하드웨어 아키텍쳐에 반영해야 한다.

62 ict two eyes (1) 62 ict two eyes (2) 62 ict two eyes (3)

상기의 내용과 같이 자동차 내부의 구조(영상 습득 및 영상 처리)부분을 <그림 1>과 같이 나타낸다면, 단말단(자동차)과 외부의 온라인 연동은 <그림 2>과 같이 구성된다.
<그림 2> 도로의 노면 젖은 상태를 인지하게 되면 Local(단말단)에서 센서처리를 한 뒤에, Online에 해당 센서 데이터를 보고해, 데이터베이스에 노면이 젖은 위치와 그 당시의 환경 상황이 저장될 수 있도록 구성한다.
<그림 3>은 Hardware Level에서의 전체 시스템 작동 예시를 Flow chart로 나타낸 그림이다. 전술된 구현 하고자 하는 지향점을 반영하기 위해 연산량을 각 MCU 또는 연산장치에 분할한 동시에 각각의 장치들이 어떻게 연동되는지 나타낸 그림이다.
저성능 연산장치(라즈베리파이) 및 고성능 연산장치(노트북)은 영상습득 및 처리/온라인 서버 연동의 역할을 담당하고, MCU(Arduino)에서는 관련된 센서데이터의 취득을 한다. 동시에 취득된 데이터 중 유효한 정보 및 주변 자동차에서 발생한 경고 신호(블루투스)의 유무를 판단해 해당 정보를 저성능 연산장치(라즈베리파이)에 전송하는 형태로 각 연산장치들의 통신이 구성된다.

3.2.2. 소프트웨어 아키텍쳐
TWO EYES 프로젝트는 두 개의 카메라 렌즈에 편광필름을 각각 수평과 수직으로 부착하여 받아온 영상 촬영을 기반으로 한다. 판별 이후 언제나 제약 없이 가능한 서비스화를 위해 AWS EC2 인스턴스를 할당받아 우리 서비스의 관제소 역할을 담당하는 Web Server를 구축한다.
우리 소프트웨어 아키텍처는 HTTP 통신을 기반으로 하며, 이하 기술할 작업을 수행하기 위해서는 AWS 콘솔 내에서 MySQL, SMTP 등에 대한 인바운드 규칙을 적절히 설정해야 한다.
Web Server에서는 디스플레이 및 센서처리를 담당하는 라즈베리파이에서 GPS 정보 및 각종 센서 데이터를 GET 방식으로 받아와 데이터베이스에 저장한다. 그 후 서버 단에서 데이터베이스로부터 Fetch 하여 가져온 Data row 값을 적절히 가공한다.
사전에 준비한 Google Map API를 활용하여 젖은 노면 발생 위치의 위,경도를 지도에 매핑한다. 또한, GPS를 포함한 각종 센서데이터 정보를 브라우저 위에 차트 형식으로 표현하여 사용자가 원하는 방식으로 데이터를 얻을 수 있도록 한다.
우리 서비스는 추후 상업화를 대비한 AI 데이터셋 제공을 목적으로 한다. 상태 정보가 Wet으로 판별되면 해당 젖은 노면 이미지를 초당 POST 방식으로 Web Server에 보내도록 한다. 이는 Web Server 내의 디렉토리에 JPG 형식으로 저장한다. (그림4)
정식 서비스화를 가정하여 DataSet 구매 및 서비스에 대한 문의를 위한 e-mail 전송 기능을 구축했다. SMTP 프로토콜 사용을 위해 Port 번호 587을 할당하며, AWS 클라우드 서버에서 이를 구현하기 위해 해당 인스턴스를 Amazon SES sand box 밖으로 빼내는 작업이 필요하다.

3.3.개발 환경
3.3.1. 개발언어 및 Tool

62 ict two eyes (5)

3.3.2. System Element

62 ict two eyes (6)

4. 단계별 제작 과정
4.1. 웹캠 이미지 분석 알고리즘
본 시스템은 각각 수평, 수직 편광 필터가 부착된 두 개의 웹캠에서 받아온 이미지를 분석하여 노면의 상태를 확인한다. 이미지 분석에는 Python3.0 기반의 opencv와 numpy를 주로 사용하였다.

4.1.1. 수면 검출을 위한 편광 현상 연구
빛이 굴절률이 다른 두 매질 사이를 지날 때, 보통 그 경계면에서 반사가 일어난다. 하지만, 어떤 편광상태의 빛이 특정한 입사각으로 입사되면 경계면에서 반사되지 않는데, 이 특정한 입사각을 브루스터 각(Brewster Angle)이라 한다. 이 각도에서는 편광된 빛의 전기장이 입사되는 평면과 나란하기 때문에 반사되지 않는다. 이 편광상태의 빛은 p-편광(p-polarized) 상태라고 하며, 빛이 입사된 평면과 수직한 상태로 편광되어 있다면 s-편광(s-polarized) 상태라고 한다. 따라서 무편광 상태의 빛이 브루스터각으로 입사되면, 반사된 빛은 항상 s-편광 상태가 된다.
위의 이론에 따르면, 브루스터각으로 입사한 자연광의 반사광은 s-편광 상태이므로 수직편광 필터는 통과하지만 수평편광 필터는 통과하지 못한다. 따라서 각각 수평편광 필터와 수직편광 필터를 부착한 웹캠을 통해 반사면을 촬영하면 수평편광 필터가 부착된 웹캠의 반사면이 수직편광 필터가 부착된 웹캠의 반사면보다 어둡게 나타난다. 편광필터로 촬영된 이미지는 필터가 없는 상태에서 촬영된 이미지와 투사되는 빛의 양이 차이가 크므로 반사광이 없을 때 두 웹캠에 투사되는 빛의 양을 동일하게 하기 위해 양 쪽 모두 편광필터를 부착해야한다. 빛의 반사는 모든 매질에서 발생하지만 물과 얼음의 반사율은 주로 아스팔트로 이루어져 있는 도로의 반사율보다 현저하게 높으므로 수평편광 필터를 통과한 물에 젖은 구간과 결빙 구간의 이미지는 다른 구간에 비해 밝기 차이가 크게 난다. 아래는 영상 분석에 사용된 편광필터로 촬영한 도로 위의 수면 이미지이다. 수직편광 필터로 촬영하여 반사광이 그대로 통과된 왼쪽 이미지와 수평편광 필터로 인해 반사광이 통과하지 못한 오른쪽 이미지의 수면 밝기 차이가 큰 것을 확인할 수 있다.

62 ict two eyes (1)

본 프로젝트의 목표는 노면의 젖은 구간과 결빙 구간을 검출해내는 것에 있음으로, 공기에 대한 물과 얼음의 반사광을 분석해야 한다. 프레넬 방정식(Fresnel equations)에 의해 유도되는 브루스터각의 유도식은 다음과 같다.
공기에 대한 물과 얼음의 상대 굴절률은 각각 약 1.33, 1.31이므로, 위의 유도식에 의해 각각의 브루스터 각은 53.1도, 52.6도이다. 본 프로젝트에서는 웹캠의 세밀한 각도 조정은 불가능하여서 지면에서 반사되는 빛의 각도를 약 53도로 설정하여 설계하였다.

4.1.2. 이미지 전처리
Threshold Method는 OpenCV의 이미지 처리 기능 중 하나이다. 이미지를 Grayscale로 읽어오면 픽셀의 요소는 명암 한가지만 남는데, 0(검은색)부터 255(흰색)까지의 값을 갖는다. Threshold 함수는 0부터 255 사이의 설정한 값을 기준으로 이미지에서 기준값보다 큰 픽셀 값은 255로, 기준값보다 작은 픽셀 값은 0으로 이진화 시킨다. 반사광의 이미지는 다른 부분과 밝기 차이가 크므로 Threshold 과정을 거치면 두 편광 이미지의 차이가 극명하게 나타난다. [그림 5.4, 5.5]는 실제로 편광필터로 촬영한 이미지를 Threshold 과정을 거쳐 변환한 결과이다. 수평 편광 필터를 통과한 수면의 이미지만 두드러지게 어둡게 변환되어 수직 편광 필터의 이미지와 큰 차이를 보여 수면을 쉽게 구분할 수 있음을 알 수 있다.

62 ict two eyes (2)

4.1.3. 영상 구역 분할

두 개의 웹캠의 이미지가 완전히 같을 수 없으므로 이미지에서 최대한 구역을 ROI(Region Of Interesting)을 설정 하였다. 상기의 코드 내용은 후의 코드문서에 첨부한다. 그 후의 과정으로 영상 구역을 분할하였다. 수평 편광 필터에 의해 반사광이 흡수된 이미지는 상대적으로 어두운 픽셀이 많다. 그에 따라 threshold로 이진화 처리된 이미지의 검은색이나 하얀색 픽셀의 개수 차이를 분석하여 젖은 노면을 검출할 수 있다. 본 시스템에서는 pixel ratio라는 변수로 이를 표현하였다. pixel ratio는 다음과 같이 이미지의 흰색 픽셀 수의 차이를 전체 픽셀 수로 나눈 비율로 표현하였다. 실험 결과 이미지에 반사면이 있는 경우에는 pixel ratio 값이 0.7 이하로 검출되고, 그렇지 않은 경우에는 0.85 이상의 값을 보여주었다. 하지만 전체 이미지에 대해 pixel ratio를 구하면 다른 요소에 의해 픽셀 수의 변화가 생기는 경우도 있기 때문에 더 정확한 반사면 검출을 위해 이미지의 구역을 분할하여 구역별로 pixel_ratio를 분석하였다. 한 구역의 길이를 unit으로 정의하여 unit*unit 크기의 구역으로 이미지를 분할하여 각 unit마다 pixel ratio를 계산 후, numpy array의 형태로 구역별 값을 저장하였다. unit의 값을 조절하여 resolution의 정도를 조절할 수 있다.
아래는 이미지를 분할하는 함수의 소스코드다.

def seperated_image_ratio(frame1, frame2, unit):
#unit의 수만큼 이미지를 분할하여 분할된 이미지의 pixel_ratio를 array에 저장
ratio_arr = np.zeros((unit,unit), dtype = int)
U = int(frame1.shape[0]/unit)
# ratio 행렬 생성
for i in range(unit):
for j in range(unit):
img_trim1 = frame1[i*U:(i+1)*U, j*U:(j+1)*U] img_trim2 = frame2[i*U:(i+1)*U, j*U:(j+1)*U] ratio = int(pixel_ratio(img_trim1, img_trim2))
ratio_arr[i,j] = ratio return ratio_arr

4.1.4. 구역별 Wet Point 추출
전처리된 이미지를 통해 검출할 수 있는 반사면의 특징은 다음과 같다.
1) 반사면과 반사면이 아닌 곳의 상대적인 pixel ratio 값의 차이가 크다.
2) 반사면의 절대적인 pixel ratio 값이 평균 픽셀 값보다 작다.
1)의 특징점으로 반사면의 경계를 추출할 수 있고 2)의 특징점으로 반사면 경계 내부를 추출할 수 있다. 다음과 같이 각각의 unit에 접근해 1), 2)의 조건을 만족하는 unit의 좌표를 unit array와 같은 크기의 array 형태로 이진화된 값으로 저장하였다. 그 후 wet point를 검출하기 위해 filtering 작업을 하였다. 그 결과<그림 10>과 같이 wet point를 잘 검출한다.

62 ict two eyes (3)
아래는 젖은 부분을 인식하여 표시하는 함수의 소스코드이다.

def wetpoint_array(r_arr):
# 1. 각각의 unit의 인접한 unit의 ratio값의 차가 일정 값을 넘으면 wet list에 좌표 값 저장
# 2. unit의 ratio값이 일정 값을 넘으면 wet list에 좌표 값 저장
wet_arr = np.zeros(r_arr.shape, dtype = int)
ref1 = 25 # 인접한 unit간 ratio차이의 기준값
ref2 = 50 # unit의 ratio 기준값
for i in range(len(r_arr[0])):
for j in range(len(r_arr[1])):
R = r_arr[i,j] # 조건 1
Rlst = [] if (1<=i<=len(r_arr[0])-2 and 1<=j<=len(r_arr[1])-2):
for m in range(3):
for n in range(3):
Rlst.append(r_arr[i-1+m,j-1+n])
for r in Rlst:
if r-R > ref1:
wet_arr[i,j] = 1
# 조건 2
if np.mean(r_arr)-R > ref2 and R!=0:
wet_arr[i,j] = 1
return wet_arr

4.2. 외부 환경 상황인지 센서 구현

62 ict two eyes (8)

자동차가 영상 습득 후, 고성능 연산 장치에서 연산한 연산 결과가 ‘젖은 노면’임을 검출한 경우, Arduino에서 실시간 외부 상황을 인지 후, 인지된 데이터는 온라인 서버에 보고되어 데이터 베이스에 각각의 센서데이터가 저장된다. Arduino에서 습득되고 온라인에 보고되는 데이터의 종류는 ‘대기 온도, 대기 습도, 노면 온도, 위도, 경도’이다. 하기의 사진은 본 팀이 구현한 자동차에 내장된 센서의 모습이다.

62 ict two eyes (4)

1 : 전방 노면 온도 인지용 적외선 온도 센서 2 : 실시간 위치 정보를 검출하기 위한 GPS 모듈
3 : 실시간 대기 온/습도 추출을 위한 DHT11 온습도 센서

62 ict two eyes (9)

4.2.1. 온습도센서, 적외선 센서를 통한 주변환경 온도검출
‘젖은 노면 상황’을 인지하게 되면 Arduino에 외기 온도 상황을 검출하라는 명령이 라즈베리파이로 부터 USB Serial을 통해 명령이 하달된다. 해당 상황에서 Arduino에서 DHT11 및 적외선 온도센서를 통해 대기 온/습도 및 노면 온도를 추출한다.

대기 온/습도 의 추출 방법
Arduino (Atmega 2560)과 DHT11온/습도 센서는 One-Wire 통신을 이용해 실시간 온/습도를 검출한다. DHT11 센서의 경우, Arduino에서 잦은 센서 정보 갱신(update)를 요구하게 되는 경우 Arduino에서의 실행시간 ( 1 loop cycle time )이 길어지는 단점이 있기 때문에, 도로 노면이 ‘젖은 상태’임을 검출한 당시에만 DHT11로부터 온/습도 정보를 갱신받도록 하였다.

노면 온도의 추출방법

62 ict two eyes (10)
DHT11 온/습도 센서로부터의 온도 및 습도의 검출이 끝난 경우에는 적외선 온도센서를 이용해 노면 표면의 온도를 검출한다. Arduino 와 SPI 통신을 하는 본 센서를 통해 노면의 온도를 검출하고, 비접촉 방식의 온도 검출이 가능한 것이 특징이다.

62 ict two eyes (11)

상기의 그림은 본 센서의 Data sheet에서 제시하는 검출 가능한 영역에 대한 내용이다. 적외선 온도 센서의 설치 높이 및 노면 지향각도에 따라 센서가 검출할 수 있는 온도의 영역 넓이가 달라진다. 그렇기 때문에 본 팀은 센서 고정 마운트를 독자 설계 해, 센서의 끝 부분에서 노면 끝 부분까지 250mm 가 될 수 있도록 설계하였다. 설계 결과 검출하고자 하는 노면을 영역을 대략 장축길이 기준 37.93mm 의 타원 형태로 검출할 수 있도록 했다.

4.2.2. GPS를 통한 위치파악

62 ict two eyes (7)
NMEA 형태로 GPS 데이터를 송출하는 GPS 모듈로부터 Serial 통신 방법을 이용해 Atmega 328p(Arduino UNO)에서 정보를 수신한다. Arduino에 수신된 데이터는 상위 프로세서(SBC_라즈베리파이 3B+)로 송신된다. 본 프로젝트에서 GPS 모듈을 이용해 추출하고자 하는 데이터는 ‘위도’ 및 ‘경도’ 정보이기 때문에 수신된 데이터에서 “GPRMC” 문자를 찾아 해당 ‘열(row)’ 에서 특정 위치에 있는 반점 (‘,’) 인근의 데이터를 추출해 실시간 자동차의 위도 및 경도 정보를 Python의 find 및 split을 이용해 추출한다.
추출된 데이터의 형태는 DMM 형태로, 일반적인 GPS 좌표 형태 (DD)방식이 아니다. 그렇기 때문에 DMM 형태의 위도 및 경도를 DD형태로 변환(conversion) 후 외부의 서버에 전송된다.
변환된 좌표의 형태이기 때문에 기존 지도 api에서 바로 사용이 가능하다.
DD = d + (min/60) + (sec/3600)
상기의 식을 이용해 DMM 기준의 식을 DD 형태로 좌표변환을 한다.

4.2.3. 습득된 센서 데이터 전송

62 ict two eyes (12)

습득된 <대기 온/습도 및 위치정보(DD 형태의 위도 및 경도), 노면 온도>의 데이터를 상위 컨트롤러 (라즈베리파이)에 데이터 손실없이 빠르게 전송해야 한다. 그렇기에 Arduino에서 상위컨트롤러로 9600 보드레이트 속도의 Serial 기법으로 센서데이터를 ‘한 줄 (1 line)’ 보내는 형태로 전송한다. 보내는 데이터의 형태는 상기의 사진과 같다.
데이터의 시작을 알리는 선행 문자 ‘A’를 Start token으로 지정해 데이터의 시작을 알리는 동시에, 반점 (‘,’)으로 구분된 다양한 데이터가 전송된다. Arduino에서 전송되는 데이터의 끝은 New line(‘\n’)으로 종결되기 때문에 센서 데이터를 수신하는 수신단에서는 개행문자가 ‘A’인 경우 센서데이터 수신을 대기하며 ‘\n’이 검출되는 경우 수신을 종결하면 센서데이터의 수신을 수행할 수 있다.

4.3. 서버 구축
4.3.1. 웹 서버구축 및 데이터 저장

62 ict two eyes (13)

TWO EYES 프로젝트는 상황에 제약 받지 않는 웹 서버 구축을 위해 AWS EC2 인스턴스를 사용한다. EC2는 가상서버를 클라우드에 빠르게 올릴 수 있게 해주며 OS를 포함한 Application 계층 전체를 관리할 수 있는 컴퓨팅자원(인스턴스)를 제공하는 서비스이다. AWS 서버에서 사용하기 위한 인스턴스로 Ubuntu Server 18.04 LTS (HVM), SSD Volume Type을 채택했다.
인스턴스 발행 후 Ubuntu 내에서 Python 기반의 웹 프레임워크 Flask를 통해 웹 서버를 구축한다. 또한 전송받은 데이터는 MySQL을 통해 이를 관리하며 pymysql 모듈로 웹 서버 내에서 데이터베이스에 접근하도록 한다.
다음은 data 테이블의 스키마를 출력한 내용이다.

62 ict two eyes (14)

Field를 내림차순으로 봤을 때 각각 위도, 경도, 대기온도, 노면온도, 습도, 날짜, 시간을 Server로부터 GET 방식으로 받아온다. 받아온 데이터는 pymysql 모듈을 통해 데이터베이스를 업데이트 한다. 또한, 데이터베이스 내의 내용은 필요 시 fetch하여 웹 서버로 가져와 가공한다.

4.3.2. 소켓통신

62 ict two eyes (15)

고성능 컴퓨팅 장치(노트북)에 비해 연산 능력이 적은 장치(라즈베리파이)에서 영상을 습득하는 동시에 영상처리를 통해 젖은 부분을 검출하는 것은 많은 지연(latency)이 발생하기 때문에, 저성능 컴퓨팅 장치에서 2개의 영상을 습득 후, 고성능 컴퓨팅 장치에서 영상처리를 진행하는 것으로 본 시스템이 구성되어 있다. 서로 다른 컴퓨팅 장치간 영상 공유는 Streaming 형태로 영상이 전송되는 것을 특징으로, 각각의 컴퓨팅 장치는 무선 온라인 망(Local WiFi)를 통해 연결되며, 연결방식은 “TCP Sokcet” 방식으로 진행된다.
TCP Socket의 경우 연결 이후 데이터의 전송되며 및 데이터의 전달 안정성 및 데이터 전송 순서를 보장하기 때문에 실시간으로 2개 종류의 영상을 Streaming 하기에 적합한 통신방식이다. 통신 속도 및 통신 트래픽의 과도한 증가를 방지하기 위해 영상 정보를 습득한 저성능 컴퓨팅 장치는 ‘흑백’ 이미지 정보를 고성능 컴퓨팅 장치 에 String 형태로 전송한다. 이때의 인코딩 형태는 일반적인 방식인 ‘utf-8’을 준수한다.
단순하게 영상 정보의 공유를 제외한, 영상처리 결과(노면의 젖음 유무) 또한 고성능 연산장치에서 저성능 연산장치로 소켓통신을 통해 통보한다. 해당 결과를 수신한 저성능 컴퓨팅 장치는 외부 서버 연동 및 센서데이터 취득을 위한 일련의 과정을 거쳐 자동차의 속도 제어 또는 서버/데이터베이스에 센서데이터 전송 등을 수행하게 된다.
저성능 컴퓨팅 장치에서 영상 정보를 습득해 Streaming 하는 Server의 역할을 수행하고, 고성능 컴퓨팅 장치에서 해당 영상 정보를 요청하는 Client 형태로 작동하며, 고성능 컴퓨팅 장치는 저성능 컴퓨팅 장치와 연결이 수행된 뒤에 다음과 같은 순서로 데이터의 전송 및 수신이 이뤄진다.
① 고성능 장치(노트북) -> 저성능 장치(라즈베리파이) / 메시지 ‘1’
○ 영상 요청 (1번 카메라 영상 요청)
② 저성능 장치(라즈베리파이) -> 고성능 장치(노트북)
○ 습득 영상 정보 송신 (1번 카메라 영상)
③ 고성능 장치(노트북) -> 저성능 장치(라즈베리파이) / 메시지 ‘2’
○ 영상 요청 (2번 카메라 영상 요청)
④ 저성능 장치(라즈베리파이) -> 고성능 장치(노트북)
○ 습득 영상 정보 송신(2번 카메라 영상)
⑤ 고성능 장치(노트북)에서 영상처리 수행 후 노면 젖은 판단
⑥ 고성능 장치(노트북) -> 저성능 장치(라즈베리파이)
○ 영상 판독 결과 통보 => 노면 젖음 : 메시지 ‘3’
○ 영상 판독 결과 통보 => 노면 마름 : 메시지 ‘4’
저성능 컴퓨팅 장치는 단순 영상 습득 및 Streaming 하는 Server 역할을 하고, 고성능 컴퓨팅 장치의 해당 영상을 습득 후 영상처리를 하는 시스템적 구조로 인해, ‘영상 습득 + 영상 처리 + 영상처리 통보’의 일련의 과정을 5Hz에 수행할 수 있다.
저성능 컴퓨팅 장치(Server)에서 고성능 컴퓨팅 장치(Client)로 영상을 전송하는 경우, 직접적으로 사진 데이터를 전송하는 것이 아닌, 전송하고자 하는 사진 데이터의 길이를 우선적으로 송신한 다음, 이미지 Raw 데이터를 전송하는 형태로 통신이 진행된다. 전송하고자 하는 데이터를 우선적으로 전송하기 때문에 수신측이 데이터를 보다 안정적으로 손실 없이 수신할 수 있다는 장점이 있다.
Socket 통신에서 데이터의 손실을 방지하고 / 데이터를 수신하는 수신측의 데이터 미수신으로 인한 무한 대기 상태(System Down)을 방지하기 위해, 본 시스템이 운용되는 Socket 통신에서 송신측은 수신측에 바로 인코딩(encoding)된 데이터를 송신하는 것이 아닌, 송신하고자 하는 데이터의 길이를 우선으로 송신한 다음, 원본데이터를 수신하는 형태로 구성되어 있다. 그렇기 때문에 수신측은, 수신될 데이터 길이를 수신한 다음, 해당 데이터 크기로 버퍼(Buffer)를 할당해 데이터를 수신하도록 구성되어 있다. 이는 System 의 안정성 증가 및 데이터 손실을 방지할 수 있는 장점이 있다.

4.3.3. 웹 서비스

62 ict two eyes (5)

향후 상업화를 가정하여 AWS EC2 인스턴스를 통한 웹 서비스를 구축하였다. 해당 서비스는 TWO EYES 프로젝트의 ‘관제소’ 역할을 담당하며, 그 역할에 맞게 브라우저 상에서 지도 상 GPS 매핑 조회, 각종 센서 데이터 현황 조회가 가능하다. 또한, 브라우저로는 드러나지 않으나 웹 서버 내에서 젖은 노면 촬영 이미지 값을 받아와 클라우드 서버 내에 저장하여 데이터셋을 적재한다. 이는 향후 AI 데이터 셋으로 활용하는 것을 목적으로 한다. 추가적으로, 실제 서비스 상용화를 가정하여 관리자에게 데이터셋 또는 서비스 문의를 위한 e-mail 샌딩 기능이 있다.

62 ict two eyes (16)

센서 처리를 담당하는 라즈베리파이로부터 젖은 노면 검출 시 GET방식으로 위,경도 값을 받아온다. 이를 웹 서버 내에서 적절한 형태로 가공하여 List로 받아온 후 Google Map을 브라우저 상에 표현한다. 이를 통해 서비스 사용자는 젖은 노면 위험 지역을 가시적으로 파악이 가능하다.

62 ict two eyes (17)

전적으로 Back-end 내에서 이루어지는 해당 서비스는 젖은 노면 검출 시 알고리즘 연산 고성능 컴퓨터로부터 클라우드 서버로 촬영 중인 이미지를 전송한다. 그  후 웹 서버는 이를 특정 디렉터리에 JPG 형식 파일로 저장한다. 우리 클라우드 서버는 촬영 이미지를 약 2초 당 한 프레임으로 받아올 수 있으며, 이는 클라우드 서버의 성능에 따라 속도가 좌우된다. 모든 데이터셋은 클라우드 서버 내에 내장되며, 브라우저에서는 가장 최근에 업로드 된 이미지의 날짜 및 시간 확인이 가능하다.

5. 연구결과
젖은 노면 검출 결과

62 ict two eyes (6)

상기의 사진은 젖은 도로 노면의 위치에 빨간 Box 가 Image overlay 가 되며 도로가 젖음을 경고하는 것을 알 수 있다. (촬영 시간 4pm)

6. 기타
6.1. 소스코드
자동차 구동 하드웨어에서 센서데이터 처리를 위한 코드이다. 

LAST_PI_ARDUION_GPS 소스코드

* 자동차에 내장되는 디스플레이 장치 주변 아두이노에 업로드 되는 코드
* 라즈베리파이 (센서 데이터 요청) -> 아두이노 (센서 데아터 처리) -> 라즈베리파이
* GPS 모듈을 통해 실시간 위도 및 경도 데이터 추출
* DHT11 온습도 센서를 통해 실시간 대기 온습도 추출
* 적외선 온도센서를 통한 실시간 노면 온도 추출
* HC-06을 통해 원격의 다른 차량에게 실시간 경고 신호 송신
* 다른 자동차 -> 아두이노 -> 라즈베리파이
* 주변 자동차에서 발생하는 경고 신호 수신해 라즈베리파이에 경고 신호 수신 내용 전달
*/

#include<SPI.h>
#define OBJECT 0xA0 // 대상 온도 커맨드
#define SENSOR 0xA1 // 센서 온도 커맨드
boolean Timer1_Flag;
const int chipSelectPin = 53;
int iOBJECT, iSENSOR; // 부호 2byte 온도 저장 변수

String GPS_DATA;
String BT_DATA;
boolean BT_FLAG;
String RASP_DATA;
boolean RASP_FLAG;
boolean ALARM_FLAG,SEND_FLAG;
unsigned long ALARM_TIME;
unsigned long GPS_LAST, BT_TIME;

String dummy_lattitude = “3733.3614″; // 실내 GPS 안잡히는 경우, 임시 위도 경도
String dummy_longitude = “12702.7910″;

#include “DHT.h”
#define DHTPIN 2 //온습도 센서 디지털 2번에 신호선 연결
#define DHTTYPE DHT11
DHT dht(DHTPIN, DHTTYPE);

String lattitude;
String longitude;
int hum;
int temp;
float road_temp;

int SPI_COMMAND(unsigned char cCMD) // 적외선 온도 센서에 온도 정보 요청
{
unsigned char T_high_byte, T_low_byte;
digitalWrite(chipSelectPin , LOW);
delayMicroseconds(10);
SPI.transfer(cCMD);
delayMicroseconds(10);
T_low_byte = SPI.transfer(0×22);
delayMicroseconds(10);
T_high_byte = SPI.transfer(0×22);
delayMicroseconds(10);
digitalWrite(chipSelectPin , HIGH);
return (T_high_byte<<8 | T_low_byte); // 온도값 return */

}
void setup() {

// put your setup code here, to run once:
Serial2.begin(9600);
Serial.begin(9600);
Serial3.begin(9600);
digitalWrite(chipSelectPin , HIGH);
pinMode(chipSelectPin , OUTPUT);
SPI.setDataMode(SPI_MODE3);
SPI.setClockDivider(SPI_CLOCK_DIV16);
SPI.setBitOrder(MSBFIRST);
SPI.begin();
}

void loop()
{
if(Serial3.available()) // 다른 차량에서 발생한 외부에서 노면 미끄러움 정보를 수신한 경우
{
char data = Serial3.read();
BT_DATA += data;
BT_FLAG =true;
BT_TIME = millis();
}
else if(BT_FLAG == true && millis() – BT_TIME > 100)
{
BT_FLAG = false;
//Serial.println(BT_DATA.length());
if(BT_DATA.indexOf(‘B’) != -1)
{
Serial.println(“hello”);
ALARM_FLAG = true;
ALARM_TIME = millis();
SEND_FLAG = true;
}
BT_DATA =”";
}
if(millis() – ALARM_TIME > 3000 && ALARM_FLAG == true)
{
ALARM_FLAG = false; //경보 해제
SEND_FLAG = true;
}
//////////////////////////////////////////////////////////////////////////////////
if(Serial.available()) // 자동차 내장 라즈베리파이가 노면 미끄러움을 영상으로 인식한 경우
{
char data = Serial.read();
RASP_DATA += data;
RASP_FLAG = true;
}
else if(RASP_FLAG == true)
{
RASP_FLAG = false;
Serial3.println(RASP_DATA);
RASP_DATA =”";
}
if( RASP_DATA == “B”)
{
SEND_FLAG = true;
}
//////////////////////////////////////////////////////////////////////////////////
if(Serial2.available() && !Serial3.available() && !Serial.available())
{
char data;
data = (char)Serial2.read();
GPS_DATA += data;
GPS_LAST = millis();
}
if(millis() – GPS_LAST > 100)
{
//Serial.print(GPS_DATA);
int data_start = GPS_DATA.indexOf(“GPRMC”);
int data_end = GPS_DATA.indexOf(“GPVTG”);
if(data_start >0 && data_end >0)// 유효 데이터 확인
{
//Serial.print(data_start); Serial.print(” “); Serial.println(data_end);
GPS_DATA = GPS_DATA.substring(data_start, data_end);
//Serial.println(GPS_DATA);
int first_comma = GPS_DATA.indexOf(“,”);
int second_comma = GPS_DATA.indexOf(“,”, first_comma+1);
int third_comma = GPS_DATA.indexOf(“,”, second_comma+1);
int fourth_comma = GPS_DATA.indexOf(“,”, third_comma+1);
int fifth_comma = GPS_DATA.indexOf(“,”, fourth_comma+1);
int sixth_comma = GPS_DATA.indexOf(“,”, fifth_comma+1);

lattitude = GPS_DATA.substring(third_comma+1, fourth_comma); //위도
longitude = GPS_DATA.substring(fifth_comma+1, sixth_comma); //경도
//GPRMC,000505.021,V,,,,,0.00,0.00,060180,,,N*41
}
GPS_DATA = “”;
hum = dht.readHumidity(); //대기습도
temp = dht.readTemperature(); //대기온도
// 이 부분에 적외선 온도 센서 시작
iOBJECT = SPI_COMMAND(OBJECT); // 대상 온도 Read
road_temp = float(iOBJECT)/100,2;
// 이 부분에 적외선 온도 센서 끝
//Serial.print(“ROAD :”); Serial.println(road_temp);
// 라즈베리파이에 정보 송신
}

if(SEND_FLAG == true)
{
if(lattitude.length() <3)
lattitude = dummy_lattitude;
if(longitude.length() <3)
longitude = dummy_longitude;
SEND_FLAG = false;
Serial.print(“A ,”);
Serial.print(lattitude); Serial.print(“,”);
Serial.print(longitude); Serial.print(“,”);
Serial.print(hum); Serial.print(“,”);
Serial.print(temp); Serial.print(“,”);
Serial.print(road_temp); Serial.print(“,”);
Serial.print(ALARM_FLAG ? ‘T’ : ‘F’); Serial.print(“,”);
Serial.println();
}
}

[PYTHON]VIDEO_CLIENT

import os
import cv2
import numpy as np
import math
import time
import sys
import socket
WARN_FLAG = False

”’
1. 웹캠 이미지 리드
2. ROI 설정
3. 픽셀 값의 평균으로 필터링: 평균값보다 크면 255(white), 작으면 0(black)
4. 설정한 unit 크기로 이미지를 분할해 각각의 픽셀 수 차이 계산
5. wet으로 판단되는 unit을 box로 표시
6. box의 갯수가 일정 값 이상이면 count: while문으로 순환하기 때문에 count를 세서 지속적으로 wet일때만 젖은 도로라고 판단
7. count가 일정 값 이상이면 ‘WET ROAD DETECTED’ 출력
”’
”’
wet 판단 기준
# unit의 ratio값이 일정값 이하
# 인접한 unit의 ratio값 차이가 일정값 이상
# 위의 두 조건을 만족하면서 unit이 2*2 이상으로 밀집되어있을 때
”’
”’
설정해야 하는 변수
# Threshold 값(TH)
# image trim의 x,y 값
# 이미지를 분할할 unit의 크기: 300*300 이미지 이므로 unit은 300의 약수
# wet_point_list 함수의 ref1, ref2
”’

def im_trim(img, x, y, w, h): # 분석 가능한 이미지로 ROI 설정

(a, b) = img.shape[:2] center = (b/3 , a/1.5)
angle90 = 90
scale = 1.0
M = cv2.getRotationMatrix2D(center, angle90, scale)
img = cv2.warpAffine(img, M, (a, b))
”’
x = 100; y = 100; #자르고 싶은 지점의 x좌표와 y좌표 지정
w = 200; h = 200; #x로부터 width, y로부터 height를 지정
”’
img_trim = img[y:y+h, x:x+w] #trim한 결과를 img_trim에 담는다

return img_trim

def grayscale(img): # 그레이스케일로 이미지 변환
return cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

def Filter(img, value = 0): # 픽셀 값 평균을 기준으로 필터링
average = img.mean()

if value == 0:
ret,img_filter = cv2.threshold(img, average, 255, cv2.THRESH_BINARY)
else:
ret,img_filter = cv2.threshold(img, average*value, 255, cv2.THRESH_BINARY)
#ret,img_filter = cv2.threshold(img, value, 255, cv2.THRESH_BINARY)

return img_filter

def count_pixel(img): # 픽셀 값이 0인 픽셀 COUNT
number = cv2.countNonZero(img)

return number

def pixel_ratio0(img1, img2): # 픽셀 값 0 비율 계산
ratio = 1-abs((count_pixel(img2)-count_pixel(img1))/img1.size)
return ratio*100

def same_bright(frame, gap): # 두 이미지의 밝기를 동일하게 조절
if gap>=0:
M = np.ones(frame.shape, dtype = “uint8″) * abs(int(gap))
transform = cv2.add(frame, M)
else:
M = np.ones(frame.shape, dtype = “uint8″) * abs(int(gap))
transform = cv2.subtract(frame, M)

return transform

def seperated_image_ratio(frame1, frame2, unit): #unit의 수만큼 이미지를 분할하여 분할된 이미지의 pixel_ratio를 array에 저장
ratio_arr = np.zeros((unit,unit), dtype = int)
U = int(frame1.shape[0]/unit)
white = (255,255,255)
black = (0,0,0)

# 격자 그리기
for x in range(unit): cv2.line(frame2, (U*x, 0), (U*x, U*unit), black, 1, 4)
for y in range(unit): cv2.line(frame2, (0, U*y), (U*unit, U*y), black, 1, 4)

# ratio 행렬 생성
for i in range(unit):
for j in range(unit):
img_trim1 = frame1[i*U:(i+1)*U, j*U:(j+1)*U] img_trim2 = frame2[i*U:(i+1)*U, j*U:(j+1)*U] ratio = int(pixel_ratio0(img_trim1, img_trim2))
ratio_arr[i,j] = ratio

# unit의 좌표 값과 ratio값 이미지에 표시

text = ‘(‘+str(i)+’,'+str(j)+’)’
#cv2.putText(frame2, text, (j*U+int(U*0.2), i*U+int(U*0.4)), 1, 0.5, black)
cv2.putText(frame2, str(ratio), (j*U+int(U*0.3), i*U+int(U*0.8)), 1, 0.6, black)

return ratio_arr

def wetpoint_list(r_arr): # 1. 각각의 unit의 인접한 unit의 ratio값의 차가 일정 값을 넘으면 wet list에 좌표 값 저장
# 2. unit의 ratio값이 일정 값을 넘으면 wet list에 좌표 값 저장

wet = [] ref1 = 25 # 인접한 unit간 ratio차이의 기준값
ref2 = 50 # unit의 ratio 기준값
for i in range(len(r_arr[0])):
for j in range(len(r_arr[1])):

R = r_arr[i,j]

Rlst = [] if (1<=i<=len(r_arr[0])-2 and 1<=j<=len(r_arr[1])-2):
for m in range(3):
for n in range(3):
Rlst.append(r_arr[i-1+m,j-1+n])
for r in Rlst:
if r-R > ref1:
wet.append((i,j))
if wet != []:
if wet[-1] == (i,j):
break

if wet != []:
if wet[-1] != (i,j):
if np.mean(r_arr)-R > ref2 and R!=0:
wet.append((i,j))
return wet

def wet_list_filter(arr, wet): # wet리스트의 좌표값을 r_arr와 같은 크기의 2차원 array의 좌표에 1로 표시
# 2*2구역의 값이 모두 1이면 wet_lst에 좌표값 저장

wet_arr = np.zeros(arr.shape, dtype = int)
wet_lst = []

# wet 리스트의 좌표 값을 wet_arr에 1로 표시
for n in wet:
x = n[1] y = n[0] wet_arr[x,y] = 1

#2*2 구역의 값이 모두 1이면 wet_lst에 좌표값 저장
for i in range(len(arr[0])):
for j in range(len(arr[1])):
if i+1<len(arr[0])-1 and j+1<len(arr[1])-1:
if wet_arr[i,j]*wet_arr[i+1,j]*wet_arr[i,j+1]*wet_arr[i+1,j+1] == 1:
wet_lst.append((i,j))
wet_lst.append((i+1,j))
wet_lst.append((i,j+1))
wet_lst.append((i+1,j+1))

wet_lst = list(set(wet_lst))

return wet_lst

def boxing_wet(frame, lst, unit): # wet list의 젖은 픽셀 좌표를 box로 화면에 표시
U = int(frame.shape[0]/unit)
thick = 2
for n in lst:
x = n[0] y = n[1] cv2.line(frame, (U*x, U*y), (U*x, U*(y+1)), (0,0,255), thick, 4)
cv2.line(frame, (U*x, U*y), (U*(x+1), U*y), (0,0,255), thick, 4)
cv2.line(frame, (U*(x+1), U*y), (U*(x+1), U*(y+1)), (0,0,255), thick, 4)
cv2.line(frame, (U*x, U*(y+1)), (U*(x+1), U*(y+1)), (0,0,255), thick, 4)

def nothing(x):
pass #더미 함수 생성… 트랙 바 생성시 필요하므로

def recvall(sock, Count):
buf = b”
while Count:
newbuf = sock.recv(Count)
if not newbuf: return None
buf += newbuf
Count -= len(newbuf)
return buf

def SEND_WARN():
for i in range(3):
Message = ’3′
client_socket.send(Message.encode()) ##알람 경보 활성화
print(“send”)
length = recvall(client_socket,16)
stringData = recvall(client_socket, int(length))

def SEND_SAFE():
Message = ’4′
client_socket.send(Message.encode()) ##알람 경보 활성화
length = recvall(client_socket,16)
stringData = recvall(client_socket, int(length))
def get_img_channel(channel):
message = channel
client_socket.send(message.encode()) ## 1번 이미지 전송 요청
length = recvall(client_socket,16)
stringData = recvall(client_socket, int(length))
data = np.frombuffer(stringData, dtype=’uint8′)
img = cv2.imdecode(data,1)
return img

HOST = ’192.168.0.9′
PORT = 9999
client_socket = socket.socket(socket.AF_INET,socket.SOCK_STREAM)
client_socket.connect((HOST, PORT))

cv2.namedWindow(‘Binary’) #트랙바를 붙일 윈도우를 생성
cv2.resizeWindow(‘Binary’, 400, 120)
cv2.createTrackbar(‘threshold’,'Binary’, 0, 150, nothing) #트랙바를 이름이’Binary’인 윈도우에 붙임’
cv2.setTrackbarPos(‘threshold’, ‘Binary’, 100) #초기값 100
cv2.createTrackbar(‘X’,'Binary’, 0, 100, nothing) #트랙바를 이름이’Binary’인 윈도우에 붙임’
cv2.setTrackbarPos(‘X’, ‘Binary’, 40) #초기값 40
cv2.createTrackbar(‘Y’,'Binary’, 150, 250, nothing) #트랙바를 이름이’Binary’인 윈도우에 붙임’
cv2.setTrackbarPos(‘Y’, ‘Binary’, 200) #초기값 200

count = 0
unit = 15 #pixel이 300*300 이므로 unit은 300의 약수여야함
f1 =”
f2 =”
while True:
if WARN_FLAG == True:
SEND_WARN()
WARN_FLAG = False
print(time.time())
f1 = get_img_channel(’1′) # 1번 이미지 전송 요청
f2 = get_img_channel(’2′) # 2번 이미지 전송 요청

TH = cv2.getTrackbarPos(‘threshold’,'Binary’)*0.01 # threshold 필터링 값ㅂ
x = cv2.getTrackbarPos(‘X’,'Binary’) # frame2의 x축 값 변경
y = cv2.getTrackbarPos(‘Y’,'Binary’) # frame2의 y축 값 변경

if True:
frame1_rgb = im_trim(f1, 72, 100, 300, 300)
frame2_rgb = im_trim(f2, x, y, 300, 300) # x 초기값 40, y 초기값 200

frame1 = grayscale(frame1_rgb)
frame2 = grayscale(frame2_rgb)

average1 = frame1.mean()
average2 = frame2.mean()
gap = average1 – average2

frame2_c = same_bright(frame2, gap)

average2_c = frame2_c.mean()

thresh1 = Filter(frame1, TH)
thresh2 = Filter(frame2_c, TH)

thresh3 = cv2.bitwise_xor(thresh1, thresh2) # t1, t2 이미지 겹치는 부분 0으로 변환
xor_ratio = count_pixel(thresh3) * 100/ thresh3.size

unit_arr = seperated_image_ratio(thresh1, thresh2, unit)
p_ratio = int(np.mean(unit_arr))

wet = wetpoint_list(unit_arr)
wet = wet_list_filter(unit_arr, wet)
boxing_wet(frame1_rgb, wet, unit)

if len(wet) > 3:
count += 1
else:
count = 0

sign = 0
if count > 10: ## 노면이 젖은 부분을 검출하는 부분
sign = 1

print(”,\
‘W.P ‘+str(len(wet)),\
‘R: ‘+ str(p_ratio),\
‘TH: ‘ + str(TH),\
‘GAP: ‘ + str(int(gap)),\
‘A1: ‘ + str(int(average1)),\
‘XOR: ‘ + str(int(xor_ratio)),\
‘COUNT: ‘ + str(count),\
‘WET ROAD DETECTED!!!’,\
”,\
sep = ‘ | ‘)
wet = [] WARN_FLAG = True

else:
SEND_SAFE()
print(”,\
‘W.P ‘+str(len(wet)),\
‘R: ‘+ str(p_ratio),\
‘TH: ‘ + str(TH),\
‘GAP: ‘ + str(int(gap)),\
‘A1: ‘ + str(int(average1)),\
‘XOR: ‘ + str(int(xor_ratio)),\
‘COUNT: ‘ + str(count),\
”,\
sep = ‘ | ‘)

cv2.imshow(“1″, thresh1)
cv2.imshow(“2″, thresh2)
cv2.imshow(’55′, f2)
#cv2.imshow(“3″, thresh3)
cv2.imshow(“ORIGIN1″, frame1_rgb)
#cv2.imshow(“ORIGIN2″, frame2_c)
if cv2.waitKey(1) & 0xFF == ord(‘q’):
break
# 사용자가 키보드 q 누르면 Opencv 종료

cv2.destroyAllWindows() # 리소스 반환
cv2.waitKey(0)
client_socket.close()

[PYTHON]VIDEO_HOST

# -*- coding: utf-8 -*-
# 원격 동키카 제어 및 카메라 스트리밍 코드
# 동키카는 흑백 영상을 Streaming
”’
2020.02.12
동키카 PWM / STREAMING + 외부 연산장치 연산결과에 따른 GPIO 출력
노면 상태가 젖은 경우 라즈베리파이 GPIO 21 번이 HIGH 상태가 되었다가 특정 시간이 지난 뒤에 자동으로 LOW됨
”’
import cv2
import numpy
import time
import pygame
import socket
import time
import RPi.GPIO as GPIO
from _thread import *

#라즈베리파이 GPIO
import RPi.GPIO as GPIO
GPIO_SIGNAL = 21
GPIO.setmode(GPIO.BCM)
GPIO.setup(21, GPIO.OUT)
GPIO.output(GPIO_SIGNAL,False)
import Adafruit_PCA9685
pwm = Adafruit_PCA9685.PCA9685() #pwm = Adafruit_PCA9685.PCA9685(address=0×41, busnum=2)
pwm.set_pwm_freq(60) # 서보모터 60Hz로 펄스주기를 설정.

#### 동키카 PWM 펄스 조절 부분 #########
# 이 부분의 값을 적절히 조절해서 전진/후진/정지/좌/우 조절할 것#
PWM_GO_SLOW = 395
PWM_GO_FAST = 400
PWM_GO = PWM_GO_FAST

PWM_BACK = 370
PWM_STOP = 380

PWM_LEFT = 260
PWM_RIGHT = 500
PWM_CENTER = 380
#### 동키카 PWM 펄스 조절 부분 #########

 

# Settings for joystick
axisUpDown = 1 # Joystick axis to read for up / down position
axisUpDownInverted = False # Set this to True if up and down appear to be swapped
axisLeftRight = 3 # 라즈베리파이에서는 3 / 컴퓨터에서는 4로 지정하면 됨
axisLeftRightInverted = False # Set this to True if left and right appear to be swapped

pygame.init()
pygame.joystick.init()
joystick = pygame.joystick.Joystick(0)
joystick.init()

HOST = ”
PORT = 9999

server_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
server_socket.setsockopt(socket.SOL_SOCKET, socket.SO_REUSEADDR, 1)
server_socket.bind((HOST, PORT))
server_socket.listen()
print(‘server start’)
A =b’hello’
B =b’world’
global GO
global TILT
global CONT_DATA
GO = 0
TILT = 0
tt =1
last_ch_data =0
ALARM = False
init_time = time.time()

#PCA9685 관련 펄스 초기설정 함수
def set_servo_pulse(channel, pulse):
pulse_length = 1000000 # 1,000,000 us per second
pulse_length //= 60 # 60 Hz
print(‘{0}us per period’.format(pulse_length))
pulse_length //= 4096 # 12 bits of resolution
print(‘{0}us per bit’.format(pulse_length))
pulse *= 1000
pulse //= pulse_length
pwm.set_pwm(channel, 0, pulse)
pwm.set_pwm_freq(60)
# Function to handle pygame events
def PygameHandler(events):
#조이스틱 이벤트 발생한 경우
for event in events:
if event.type == pygame.JOYAXISMOTION:
upDown = joystick.get_axis(axisUpDown)
leftRight = joystick.get_axis(axisLeftRight)
global GO
global TILT
if upDown < -0.1:
#print(“GO”)
GO = 1
elif upDown > 0.1:
#print(“BACK”)
GO = -1
else:
GO = 0

if leftRight < -0.1:
#print(“LEFT”)
TILT = 1
elif leftRight > 0.1:
#print(“RIGHT”)
TILT = -1
else:
TILT = 0

return GO, TILT

# 그레이스케일로 이미지 변환
def grayscale(img):
return cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

## time.sleep의 system 독점을 방지하기 위한 내용
def millis_python():
now_time = time.time()
now_time = (now_time – init_time)
return now_time

# 쓰레드 함수 ( 소켓 통신 개시 이후 무한 loop 문 처럼 작동하는 구문 )
def threaded(client_socket, addr):
global tt
print(‘Connected by :’, addr[0], ‘:’, addr[1])
stringData = b”
while True:
try:
data = client_socket.recv(1024)
if not data:
print(‘Disconnected by ‘ + addr[0],’:',addr[1])
pwm.set_pwm(0, 0, PWM_STOP)
break
ch_data = int(data)
if ch_data == 1:
stringData = A
#client_socket.send(str(len(A)).ljust(16).encode())
#client_socket.send(A)
last_ch_data =1
#stringData = queue1.get()
if ch_data == 2:
stringData = B
last_ch_data =2
#client_socket.send(str(len(B)).ljust(16).encode())
#client_socket.send(B)
#stringData = queue2.get()
if ch_data == 3: ### WARN SIGNAL
GPIO.output(GPIO_SIGNAL,False)
PWM_GO = PWM_GO_SLOW
print(“EEEE”)
tt = millis_python()
stringData =b’AA’

if ch_data == 4:
stringData =b’AA’
PWM_GO = PWM_GO_FAST

client_socket.send(str(len(stringData)).ljust(16).encode())
client_socket.send(stringData)
## 이 부분에 PWM 제어 신호 넣으면 됨
CONT_DATA = PygameHandler(pygame.event.get())
print(GO, TILT)
if GO == 1:
print(“FORWARD”)
pwm.set_pwm(0, 0, PWM_GO) #0번서보
elif GO == -1:
print(“BACKWARD”)
pwm.set_pwm(0, 0, PWM_BACK) #0번서보
else: # 이 부분에 전진모터 중립
pwm.set_pwm(0, 0, PWM_STOP) #0번서보

if TILT == 1:
print(“LEFT”)
pwm.set_pwm(3, 0, PWM_LEFT) #3번서보
elif TILT == -1:
print(“RIGHT”)
pwm.set_pwm(3, 0, PWM_RIGHT) #3번서보
else: # 이 부분에 조향서보모터 중립
pwm.set_pwm(3, 0, PWM_CENTER) #3번서보

## 특정 시간이 지나면 자동으로 알람을 해제하는 부분 ( 5초 이상 경과 시 OFF )
if (millis_python() – tt > 4):
PWM_GO = PWM_GO_FAST
GPIO.output(GPIO_SIGNAL,True)
ALARM = False

except ConnectionResetError as e:
print(‘Disconnected by ‘ + addr[0],’:',addr[1])
pwm.set_pwm(0, 0, PWM_STOP)
break
client_socket.close()
def webcam():
# capture1 = cv2.VideoCapture(0) # 카메라 채널 바꿔주면 됨
# capture2 = cv2.VideoCapture(2) # 카메라 채널 바꿔주면 됨
while True:
ret1, frame1 = capture1.read()
ret2, frame2 = capture2.read()
if ret1 == True:
encode_param=[int(cv2.IMWRITE_JPEG_QUALITY),50] frame1 = grayscale(frame1)
result, imgencode = cv2.imencode(‘.jpg’, frame1, encode_param)
data1 = numpy.array(imgencode)
stringData1 = data1.tostring()
global A
A = stringData1
cv2.imshow(‘CH1′, frame1)

if ret2 == True:
encode_param=[int(cv2.IMWRITE_JPEG_QUALITY),50] frame2 = grayscale(frame2)
result, imgencode = cv2.imencode(‘.jpg’, frame2, encode_param)
data2 = numpy.array(imgencode)
stringData2 = data2.tostring()
global B
B = stringData2
cv2.imshow(‘CH2′, frame2)
key = cv2.waitKey(1)
if key == 27:
break

GPIO.output(GPIO_SIGNAL,True)
capture1 = cv2.VideoCapture(0) # 카메라 채널 바꿔주면 됨
capture2 = cv2.VideoCapture(2) # 카메라 채널 바꿔주면 됨
start_new_thread(webcam, ())

while True:
print(‘wait’)
client_socket, addr = server_socket.accept()

#threaded(client_socket, addr)

start_new_thread(threaded, (client_socket, addr ))

server_socket.close()
GPIO.cleanup()

[WEB] Web code

—————— main.py ——————-

#-*- coding: utf-8 -*-

from flask import Flask, render_template, Response, request, url_for
from flask_googlemaps import GoogleMaps
from flask_googlemaps import Map, icons
from flask import current_app as current_app
from flask_mail import Mail, Message
import dbModule
import os, datetime
import glob

app = Flask(__name__, template_folder=”templates”)

app.config['GOOGLEMAPS_KEY'] = “########”
GoogleMaps(app)
UPLOAD_FOLDER = ‘./uploads’
app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER

app.config['MAIL_SERVER'] = os.environ.get(‘MAIL_SERVER’, ‘smtp.gmail.com’)
app.config['MAIL_PORT'] = int(os.environ.get(‘MAIL_PORT’, ’587′))
app.config['MAIL_USERNAME'] = os.environ.get(‘MAIL_USERNAME’, ‘#######’)
app.config['MAIL_PASSWORD'] = os.environ.get(‘MAIL_PASSWORD’, ‘#######’)
app.config['MAIL_USE_TLS'] = int(os.environ.get(‘MAIL_USE_TLS’, True))
app.config['MAIL_USE_SSL'] = int(os.environ.get(‘MAIL_USE_SSL’, False))

mail = Mail(app)

db_class = dbModule.Database()
@app.route(‘/email’, methods=['POST'])
def email():
name = request.form['name'] email_address = request.form['email'] phone = request.form['phone'] message = request.form['message']

msg = Message(‘A new message from TWOEYES’, sender=email_address, recipients=['#######'])
msg.body = “You have received a new message from your website contact form.\nHere are the details:\n\nName: %s\n\nEmail: %s\n\nPhone: %s\n\nMessage: %s” % (name, email_address, phone, message)
mail.send(msg)

return ‘Sent’
@app.route(‘/data’, methods=['GET'])
def getData():
lat = request.args.get(‘req_lat’)
lng = request.args.get(‘req_lng’)
t1 = request.args.get(‘req_t1′)
t2 = request.args.get(‘req_t2′)
h = request.args.get(‘req_h’)
date = request.args.get(‘req_date’)
time = request.args.get(‘req_time’)

sql = “”"insert into data(lat, lng, t1, t2, h, date, time) values (%s, %s, %s, %s, %s, %s, %s)”"”
db_class.execute(sql, (lat, lng, t1, t2, h, date, time))
db_class.commit()

return ‘Data’
@app.route(‘/image’, methods=['POST'])
def postImage():
file = request.files['file'] if file:
#filename = secure_filename(file.filename)
filename = datetime.datetime.now().strftime(‘%y%m%d_%H%M%S’)+’.jpg’
file.save(os.path.join(app.config['UPLOAD_FOLDER'], filename))

return ‘Image’
@app.route(‘/’)
def index():

sql = “select * from data order by date”
row = db_class.executeAll(sql)

db_class.execute(“select count(*) from data”)
cnt = db_class.cursor.fetchone()

cnt = cnt.get(‘count(*)’)

gps_list=[]

for i in range(0, cnt):
row_lat = float(row[i].get(‘lat’))
row_lng = float(row[i].get(‘lng’))

gps_list.append((row_lat, row_lng))
#print(gps_list)

sndmap = Map(
style=”height: 450px; width: 1150px;”,
identifier=”sndmap”,
varname=”sndmap”,
zoom=16, #13

lat=row[0].get(‘lat’),
lng=row[0].get(‘lng’),
markers=gps_list
)

list_of_files = glob.glob(‘./uploads/*’)
latest_file = max(list_of_files, key=os.path.getctime)

return render_template(‘index.html’, sndmap=sndmap, GOOGLEMAPS_KEY=request.args.get(‘apikey’), row=row, len=len(row), latest_file=latest_file)
if __name__ == ‘__main__’:
app.run(host=’0.0.0.0′, port=5000, debug=True)
—————— dbModule.py ——————-

import pymysql

class Database():
def __init__(self):
self.db= pymysql.connect(host=’18.213.156.121′,
user=’#####’,
password=’#######’,
db=’TWOEYES’,
charset=’utf8′)
self.cursor= self.db.cursor(pymysql.cursors.DictCursor)

def execute(self, query, args={}):
self.cursor.execute(query, args)

def executeOne(self, query, args={}):
self.cursor.execute(query, args)
row= self.cursor.fetchone()
return row

def executeAll(self, query, args={}):
self.cursor.execute(query, args)
row= self.cursor.fetchall()
return row

def commit(self):
self.db.commit()
—————— contact.js ——————-

$(function() {

$(“#contactForm input,#contactForm textarea”).jqBootstrapValidation({
preventSubmit: true,
submitError: function($form, event, errors) {
// additional error messages or events
},
submitSuccess: function($form, event) {
event.preventDefault(); // prevent default submit behaviour
// get values from form
var name = $(“input#name”).val();
var email = $(“input#email”).val();
var phone = $(“input#phone”).val();
var message = $(“textarea#message”).val();
var firstName = name;
// Check the space of name for success/fail message
if (firstName.indexOf(‘ ‘) >= 0) {
firstName = name.split(‘ ‘).slice(0, -1).join(‘ ‘);
}
$this = $(“#sendMessageButton”);
$this.prop(“disabled”, true);
$.ajax({
url: “http://18.213.156.121:5000/email”,
type: “POST”,
data: {
name: name,
phone: phone,
email: email,
message: message
},
cache: false,
success: function() {
// Success message
$(‘#success’).html(“<div class=’alert alert-success’>”);
$(‘#success > .alert-success’).html(“<button type=’button’ class=’close’ data-dismiss=’alert’ aria-hidden=’true’>&times;”)
.append(“</button>”);
$(‘#success > .alert-success’)
.append(“<strong>Your message has been sent. </strong>”);
$(‘#success > .alert-success’)
.append(‘</div>’);
//clear all fields
$(‘#contactForm’).trigger(“reset”);
},
error: function() {
// Fail message
$(‘#success’).html(“<div class=’alert alert-danger’>”);
$(‘#success > .alert-danger’).html(“<button type=’button’ class=’close’ data-dismiss=’alert’ aria-hidden=’true’>&times;”)
.append(“</button>”);
$(‘#success > .alert-danger’).append($(“<strong>”).text(“Sorry ” + firstName + “, it seems that my mail server is not responding. Please try again later!”));
$(‘#success > .alert-danger’).append(‘</div>’);
//clear all fields
$(‘#contactForm’).trigger(“reset”);
},
complete: function() {
setTimeout(function() {
$this.prop(“disabled”, false);
}, 1000);
}
});
},
filter: function() {
return $(this).is(“:visible”);
},
});

$(“a[data-toggle=\"tab\"]“).click(function(e) {
e.preventDefault();
$(this).tab(“show”);
});
});

// When clicking on full hide fail/success boxes
$(‘#name’).focus(function() {
$(‘#success’).html(”);
});

 

 

 

Leave A Comment

*