선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 DLT와는 달리 지상기준점 개수의 증가에 따른 안정적인 결과를 제공하지 못하였으며. RFC의 개수에 따른 일정하지 않은 결과를 제공하였다. 더불어 본 연구에서 사용한 지상 기준점은 지상측량에 의하여 정확하게 측정된 점과 확장된 지상기준점을 함께 이용하므로 인한 문제점을 안고 있다.
- 본 논문에서는 고해상도 인공위성의 센서 모델로 OGC에서 제안한 일반적 모델인 RFM을 적용하여 가능성을 검토하였다. RFM의 계수 즉 RFC 간에 종속성으로 인하여 정규 방정식이 수렴하지 않고 발산하였으며.
제안 방법
- 30, 40. 50, 60, 70개의 경우로 나누어 지상기준점을 배치하여 실험하였다.
- 가능성을 검토하였다. RFM의 계수 즉 RFC 간에 종속성으로 인하여 정규 방정식이 수렴하지 않고 발산하였으며.이를 해결하기 위한 방법으로 Tikhonov Regularization을 적용하였다.
- 실질적으로 OGC에서 제안한 RFMe 센서모델 보다는 image transfer standard로 다양한 물리적 모델과 수학적 모델을 RFM으로 변환하여 센서 모델에 대한 전문지식이 없는 사용자를 위해 제안된 일반적인 모델이다. 그러나 본 논문에서는 센서 모델로 서 RFM 의 적용 가능성을 검토하기 위하여 KOMPSAT-1 EOC 영상과 SPOT 영상에 RFM을 적용하여 정확도를 분석하였으며 . 수학적 센서모 델 중에 하나인 DLT(Direct Linear Transformation) 와 비교하였다.
- KOMPSAT EOC 영상이며. 다양한 지상 기준점의 개수와 배치에 따른 정확도를 검증하였다. SPOT 영상은 각각 서로 다른 날짜에 경인 지역을 촬영한 입체 영상으로 Fig.
- 또한 수학적 센서 모델 중에 하나인 DLT(Direct Linear Transformation) 와 RFM을 비교. 분석하였다
- 수학적 센서모 델 중에 하나인 DLT(Direct Linear Transformation) 와 비교하였다. 또한 지상기준점의 개수와 배치, 그리고 RFM 계수의 변화에 따른 RFM의 정확도를 분석하였다
- 본 논문에서 RFM의 계수(RFC 또는 RPC) 는최소제곱 법을 반복적으로 적용하여 결정하였다. 먼저 비선형의 RFM을 편미분하여 선형화하면 식(3)과 같은 관측방정식을 얻을 수 있다.
- 본 연구에서는 DLT와 RFM을 SPOT과 KOMPSAT-1 EOC 영상에 적용하였으며, 지상 기준점의 개수와 배치에 따른 정확도를 분석하였다.
- 본 연구에서는 센서 모델로서 RFM의 적용 가능성을 검토하기 위해서 식(1)을 구성하는 다항식에 대해 Table 1과 같이 여러 가지 경우 별로 나누어 RFC를 결정하였으며 정확도를 검토하였다. 또한 수학적 센서 모델 중에 하나인 DLT(Direct Linear Transformation) 와 RFM을 비교.
- 센서 모델에 대한 정확도를 분석하기 위하여 지상측량에 의해 정밀하게 측정된 지상기준점 중에서 몇 점을 검사점으로 선택하여 정확도를 분석하였으나 지면 관계상 생략하고, 센서 모델의 정확도에 대한 결과와 분석만을 설명하고자 한다.
- 그러나 본 논문에서는 센서 모델로 서 RFM 의 적용 가능성을 검토하기 위하여 KOMPSAT-1 EOC 영상과 SPOT 영상에 RFM을 적용하여 정확도를 분석하였으며 . 수학적 센서모 델 중에 하나인 DLT(Direct Linear Transformation) 와 비교하였다. 또한 지상기준점의 개수와 배치, 그리고 RFM 계수의 변화에 따른 RFM의 정확도를 분석하였다
- 위와 같은 방법으로 결정된 RFC를 이용하여 관측방정식을 재구성하고 최소 제곱법을 반복적 으로 적용하여 최종적으로 수렴한 RFC를 결정한다. 그러나 RFM에 대한 정규 방정식의 계수 행렬(ATWA)은 RFC간의 종속성(dependency)으로 인하여 거의 불량 조건(ill-condition) 행렬이다.
- 측정된 지상 기준 점의 개수는 RFM을 적용하기에 부족하며. 지상 기준점의 배치 및 개수에 따른 영향을 분석하기 위하여 지상측량에 의해 측정된 지상기준점을 화장하였다. 지상측량에 의해 측정된 지상기준점을 바탕으로 SPOT영상의 경우에는 Intergraph ImageStation 을 이용하였으며, KOMPSAT EOC 영상의 경우에는 인공위성 영상에 일반적으로 적용되는 공 선조 건식기반의 센서 모델을 이용하여 지상 기준점을 확장하였다.
- 지상 기준점의 배치 및 개수에 따른 영향을 분석하기 위하여 지상측량에 의해 측정된 지상기준점을 화장하였다. 지상측량에 의해 측정된 지상기준점을 바탕으로 SPOT영상의 경우에는 Intergraph ImageStation 을 이용하였으며, KOMPSAT EOC 영상의 경우에는 인공위성 영상에 일반적으로 적용되는 공 선조 건식기반의 센서 모델을 이용하여 지상 기준점을 확장하였다. 각각의 영상에 대하여 지상기준점 개수를 20.
대상 데이터
- 3은 약 70%의 중복도를 가지는 논산과 부산지역의 EOC 입체영상을 보여주며, 제원은 각각 Table 3과 Table 4와 같다. KOMPSAT EOC 영상에 대한 지상기준점은 항공우주연구원에서 DGPS 측량으로 측정한 논산 영상 25점과 부산영상 26점을 이용하였다.
- 1과 같으며, 제원은 Table 2에 나타나 있다. SPOT 입체영상의 중복도 는 약 70%이며, DGPS측량으로 측정된 12점의 지상 기준점을 이용하였다.
- 본 논문에서 이용한 실험 데이터는 SPOT 영상과 KOMPSAT EOC 영상이며. 다양한 지상 기준점의 개수와 배치에 따른 정확도를 검증하였다.
이론/모형
- OGC(The OpenGISTM Consortium)에서는 4종류의 기하모델 즉. Polynomial model, Grid interpolation model, Rational Function Model (RFM), Universal real-time image geometry model 을 정의하였다. 이 중 RFMe 실시간 사용에 적합한 일반적인 모델 (generic model)로서 Frame, Pushbroom, Whiskbroom, SAR 영상 등 다양한 영상자료에 신속하고 용이하게 적용할 수 있다.
- 정규방정식 계수행렬의 condition number를 향상시켜야 한다. 본 논문에서는 정규 방정식 계수행렬의 condition number를 줄이기 위하여 Tikhonov RegWariztion을 적용하였다. 식(7)은 본 연구에서 Tikhonov Regularization을 적용한 방법이다.
- RFM의 계수 즉 RFC 간에 종속성으로 인하여 정규 방정식이 수렴하지 않고 발산하였으며.이를 해결하기 위한 방법으로 Tikhonov Regularization을 적용하였다. 그러나 Tikhonov Regularization 매개 변수에 따른 차이가 발생하므로 이에 대한 연구가 요구된다.
성능/효과
- 경우 정확도가 향상되었다. DLT 센서 모델의 경우 SPOT과 KOMPSAT EOC 영상에서 모두 1 pixel 이하의 좋은 정확도를 보였다. 또한 지상 기준점이 30개 이상부터는 지상기준점의 배치가 골고루 분포되어 있어 지상기준점이 50개, 60 개, 70개를 사용했을 때의 정확도와 비교해볼 때별 차이를 보이지 않았다.
- RFM 센서 모델의 경우에는 사용된 RFC의 개수에 따라 약간의 차이를 보였으나 대부분의 경우 모두 1 pixel 이하의 좋은 정확도를 보였다. 그러나 RFM의 2차 항 만을 적용한 경우, case 1이 case 2보다 약간 안정적으로 나타났으나, 3차 항까지 적용한 경우에서는 case 3보다 case4가 더욱 안정적이었다.
- 결론적으로 RFMe 인공위성 영상의 센서 모델로서 적용이 가능하지만 센서 모델로서의 안정성에 문제가 있으며. 다수의 지상기준점이 필요하다는 단점이 있다.
- 그림에서 나타난 바와 같이 DLT 및 RFM 센서 모델의 경우 지상기준점의 개수가 증가할수록 대부분의 경우 정확도가 향상되었다. DLT 센서 모델의 경우 SPOT과 KOMPSAT EOC 영상에서 모두 1 pixel 이하의 좋은 정확도를 보였다.
- 또한 KOMPSAT EOC 논산영 상보다 부산영 상의 정 확도가지 상기준점 의 개수와 배치에 따라서 진동하는 이유는 영상을 촬영할 당시의 기하 구조가 상대적으로 불량하여 나타난 결과로 판단된다. 따라서 수학적 모델은 촬영기 하가 불량한 경우 지상기준점의 배치 및 개수에 더욱 민감하게 반응하는 것을 알 수 있었다.
- 이와 같은 결과는 RFC간의 종속성으로 인한 정규 방정식의 계수 행렬의 불량 조건에서 기인한 것으로 판단된다. 또한 KOMPSAT EOC 논산영 상보다 부산영 상의 정 확도가지 상기준점 의 개수와 배치에 따라서 진동하는 이유는 영상을 촬영할 당시의 기하 구조가 상대적으로 불량하여 나타난 결과로 판단된다. 따라서 수학적 모델은 촬영기 하가 불량한 경우 지상기준점의 배치 및 개수에 더욱 민감하게 반응하는 것을 알 수 있었다.
- 더불어 본 연구에서 사용한 지상 기준점은 지상측량에 의하여 정확하게 측정된 점과 확장된 지상기준점을 함께 이용하므로 인한 문제점을 안고 있다. 비록 본 연구에서 다양한 많은 인공위성 영상 데이터를 사용하지 않았지만 DLT 보다 훨씬 많은 계수를 갖고 있는 RFMe 지상 기준점의 개수와 배치 및 촬영시의 기하 구조에 민감하게 반응하는 것을 알 수 있었다.
- 그러나 Tikhonov Regularization 매개 변수에 따른 차이가 발생하므로 이에 대한 연구가 요구된다. 실험 결과에서 나타난 것처럼 센서 모델로서 DLT는 지상 기준점의 개수 및 배치에 따라 안정적인 결과를 제공하였다. 지상 기준점의 개수가 증가하면서 정확도가 향상되었으며, 지상기준점이 30개 이상부터는 거의 비슷한 정확도를 보였다.
- 실험 결과에서 나타난 것처럼 센서 모델로서 DLT는 지상 기준점의 개수 및 배치에 따라 안정적인 결과를 제공하였다. 지상 기준점의 개수가 증가하면서 정확도가 향상되었으며, 지상기준점이 30개 이상부터는 거의 비슷한 정확도를 보였다.
후속연구
- 그러나, RFMe OGC에서 제안한 image transfer standard로서 다양한 사용자의 요구사항을 만족시킬 수 있는 일반적인 모델(generic model)로 활용될 수 있다. 향후 연구에서는 가상기준점으로 이루어진 3D Cube와 지상기준점을 동시에 사용하여 RFM의 RFC를 결정하는 연구가 필요하다고 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.