황광일 교수

IoT 기술 확산에 따라 스마트시티 및 스마트홈용 임베디드 시스템의 중요성이 커지면서 저전력 장거리 통신(LPWAN) 기술의 필요성이 증대되고 있습니다. 이러한 배경에서 초저전력 근실시간 양방향 수도 원격검침 네트워크를 개발했으며, IoT 기반 공기질 분석 및 결로 탐지 예측 시스템과 네트워크 프로토콜 최적화 기술을 함께 구축했습니다. 해당 기술은 스마트워터 그리드, 스마트 시티 에너지 관리, 환경 모니터링 시스템 등에 적용되고 있습니다. ㈜레오테크와 영종도 스마트워터 그리드 사업을 위한 양방향 수도 원격검침 네트워크를 공동 개발하고 장기 기술자문을 수행했으며, 2015년 4월에는 프리엠블 기반의 저전력 무선 송수신 기술을 ㈜레오테크로부터 인천대학교로 기술이전한 바 있습니다. 영종도 시범 운영을 통해 실증을 완료했으며, IEEE Transactions on Consumer Electronics, Journal of Supercomputing 등 학술지에 다수의 논문을 게재했습니다.

자율주행차 및 로봇 등 제한된 컴퓨팅 자원을 가진 임베디드 환경에서는 고정밀 실시간 객체 감지 기술에 대한 수요가 지속적으로 증가하고 있습니다. 이러한 요구에 대응하기 위해 YOLO 기반 실시간 객체 인식 기술에 적응형 프레임 제어 기법을 결합하여 처리 지연을 최소화하는 방법을 개발했으며, 멀티채널 비디오 스트림을 동시에 실시간으로 인식할 수 있는 장치를 구현했습니다. 이렇게 개발한 기술은 자율주행 자동차의 표지판 인식, 모바일 로봇의 장애물 회피 및 SLAM(동시적 위치추정 및 지도작성) 정확도 향상, 지능형 감시(CCTV) 시스템 등 다양한 임베디드 비전 응용 분야에 적용되고 있습니다. '멀티채널 비디오 스트림의 실시간 객체 인식 장치' 특허(등록번호 10-2505909)에 대한 기술이전을 완료하여 실제 산업 현장에서의 활용 기반을 마련했으며, 관련 연구 성과는 IEEE Network(2022), IEEE Wireless Communications(2023) 등 국제 학술지에 논문으로 게재되었습니다.

스포츠 및 재활 분야에서는 동적 움직임을 정밀하게 추적하고 효율적으로 궤적을 분석하는 기술에 대한 요구가 지속적으로 커지고 있습니다. 이러한 문제를 해결하기 위해 강화 학습(PPO, Proximal Policy Optimization) 알고리즘과 Velocity-DTW(Dynamic Time Warping) 메트릭을 결합하여 골프 스윙 동작을 정량적으로 비교하고 교정하는 프레임워크를 제안했습니다. 아울러 센서 데이터를 기반으로 실시간 전신 동작을 복원하는 기술을 함께 개발하여 동작 분석의 정밀도와 실시간성을 동시에 확보했습니다. 이렇게 구축한 기술은 스포츠 훈련 시스템에서 선수의 스윙 궤적을 분석하고 교정하는 데 활용되며, VR 및 메타버스 환경에서 캐릭터의 모션을 생성하는 데에도 적용되고 있습니다. 누리아이(NURII)와는 가속도 센서 및 압력 센서를 활용한 골프 스윙 교정 시스템을 공동으로 개발했으며, 이를 통해 실험실 환경을 넘어 실제 스포츠 현장에 적용 가능한 형태로 기술을 발전시켰습니다. 제안한 프레임워크는 Sensors 저널 등 국제 학술지에 다수 게재되어 실험적으로 검증되었습니다.