수치지도 등고선의 Model Key Point 추출과 Progressive Sampling에 의한 수치지형모델 생성 Generation of Progressively Sampled DTM using Model Key Points Extracted from Contours in Digital Vector Maps원문보기
일반적으로 수치지도의 등고선은 항공사진을 해석 및 수치 도화기 상에서 입체시 하여 동일한 높이의 점들을 3차원으로 측정하고 도화하여 생성되므로 등고선 도화는 작업량이 많고 도화사의 주관적인 판단과 경험에 의해 결정된다. 그러므로 지형의 형태와 특성을 묘사하는 등고선의 도화는 도화사의 풍부한 경험이 요구된다. 또한 국내의 수치지도는 수치지형모델(DTM) 데이터를 포함하고 있지 않으므로 DTM이 필요한 경우 대부분 등고선 데이터로부터 간접적으로 생성한다. 본 연구에서는 지형의 특성에 대한 중요한 정보를 포함하고 있는 model key point를 등고선에서 추출하고, 이를 기반으로 지형적 특성을 고려하여 DTM의 격자간격을 효율적이고 융통적으로 조절하여 정량적 및 정성적인 측면에서 최적의 데이터를 이용하여 DTM을 생성하는 방법을 제안한다. 이를 위하여 progressive sampling 기법을 적용하여 지형이 복잡하여 기복이 큰 산악지역에는 격자간격을 작게하고 지형이 완만한 지역은 격자간격을 상대적으로 크게한다. 그러므로 고정된 하나의 격자간격을 사용하지 않고 지역별로 서로 다른 격자간격을 가지는 다중격자 DTM을 생성하였다. 다중격자 DTM은 용량이 최적화되어 계산량이 적고, 신속한 디스플레이 할 수 있는 장점이 있다.
일반적으로 수치지도의 등고선은 항공사진을 해석 및 수치 도화기 상에서 입체시 하여 동일한 높이의 점들을 3차원으로 측정하고 도화하여 생성되므로 등고선 도화는 작업량이 많고 도화사의 주관적인 판단과 경험에 의해 결정된다. 그러므로 지형의 형태와 특성을 묘사하는 등고선의 도화는 도화사의 풍부한 경험이 요구된다. 또한 국내의 수치지도는 수치지형모델(DTM) 데이터를 포함하고 있지 않으므로 DTM이 필요한 경우 대부분 등고선 데이터로부터 간접적으로 생성한다. 본 연구에서는 지형의 특성에 대한 중요한 정보를 포함하고 있는 model key point를 등고선에서 추출하고, 이를 기반으로 지형적 특성을 고려하여 DTM의 격자간격을 효율적이고 융통적으로 조절하여 정량적 및 정성적인 측면에서 최적의 데이터를 이용하여 DTM을 생성하는 방법을 제안한다. 이를 위하여 progressive sampling 기법을 적용하여 지형이 복잡하여 기복이 큰 산악지역에는 격자간격을 작게하고 지형이 완만한 지역은 격자간격을 상대적으로 크게한다. 그러므로 고정된 하나의 격자간격을 사용하지 않고 지역별로 서로 다른 격자간격을 가지는 다중격자 DTM을 생성하였다. 다중격자 DTM은 용량이 최적화되어 계산량이 적고, 신속한 디스플레이 할 수 있는 장점이 있다.
In general, contours in digital vector maps, which represent terrain characteristics and shape, are created by 3D digitizing the same height points using aerial photographs on the analytical or digital plotters with stereoscopic viewing. Hence, it requires lots of task, and subjective decision and e...
In general, contours in digital vector maps, which represent terrain characteristics and shape, are created by 3D digitizing the same height points using aerial photographs on the analytical or digital plotters with stereoscopic viewing. Hence, it requires lots of task, and subjective decision and experience of the operators. DTMs are generated indirectly by using contours since the national digital maps do not include digital terrain model (DTM) data. In this study, model key points which depict the important information about terrain characteristics were extracted from the contours. Further, determination of the efficient and flexible grid sizes were proposed to generate optimal DTM in terms of both quantitative and qualitative aspects. For this purpose, a progressive sampling technique was implemented, i.e., the smaller grid sizes are assigned for the mountainous areas where have large relief while the larger grid sizes are assigned for the relatively flat areas. In consequence, DTMs with multi-grid for difference areas could be generated instead of DTMs with a fixed grid size. The multi-grid DTMs reduce computations for data processing and provide fast display.
In general, contours in digital vector maps, which represent terrain characteristics and shape, are created by 3D digitizing the same height points using aerial photographs on the analytical or digital plotters with stereoscopic viewing. Hence, it requires lots of task, and subjective decision and experience of the operators. DTMs are generated indirectly by using contours since the national digital maps do not include digital terrain model (DTM) data. In this study, model key points which depict the important information about terrain characteristics were extracted from the contours. Further, determination of the efficient and flexible grid sizes were proposed to generate optimal DTM in terms of both quantitative and qualitative aspects. For this purpose, a progressive sampling technique was implemented, i.e., the smaller grid sizes are assigned for the mountainous areas where have large relief while the larger grid sizes are assigned for the relatively flat areas. In consequence, DTMs with multi-grid for difference areas could be generated instead of DTMs with a fixed grid size. The multi-grid DTMs reduce computations for data processing and provide fast display.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 격자형 데이터 형태의 지형표고 데이터가 아닌 수치지도의 등고선으로부터 추출한 model key point를 사용하여 DTM을 형성하는 방법을 목적으로 하고 있으므로 기존의 progressive sampling 기법을 기반으로 새로운 알고리즘을 개발하여 적용하였으며, 그림 4와 그림 5에서 요약적으로 설명하고 있다.
본 연구에서는 그림 6에서 설명하고 있는 nearest neighbor 법을 적용하였다. 여러가지 보간법이 있으나, 본 연구의 목적은 최적의 보간방법 적용에 대한 연구가 아니고 model key point추출과 이를 기반.0류 progressive sampling 기법으로 형성된 다중 격자크기의 DTM 생성이므로 특정보간법의 선택은 큰 의미가 없다.
제안 방법
이를 위해서 지형적으로 의미가 있는 중요한 점인 model key point를 추출하고, progressive sampling 기법을 적용하여 지형의 특성이 다른 지역에 따라 효과적으로 격자간격을 다르게 설정한 다중격자 구조의 DTM을 생 성하는 방법을 제안하였다. 또한 수치지도의 원래 등고선 과 model key point로 생성된 등고선을 비교 분석하였으며, progressive sampling에 의해 DTM을 생성하여 고정 격자간격의 DTM과 비교하여 데이터 크기의 감소량을 분석하였다.
즉 model key point인 특정점을 추출하여 적은 수의 데이터로 효과적으로 등고선을 나타낼 수 있다. 수치지도의 등고선 레이어에서 추출한 등고선 측정점 데이터에서 점들 간의 거리와 각을 기준으로 model key point를 추출하였다. 각의 변화가 큰 점은 지형의 변화가 발생하는 부분이므로 이런 점들은 model key point 로 추출된다.
수치지도의 등고선으로부터 model key point를 추출하고 이를 기반으로 progressive sampling 기법을 적용하여 DIM을 생성한 결과 다음과 같은 결론을 얻을 수 있었다
사용하였다. 수치지형도의 등고선 레이어의 1m 간격의 주곡선(Layer No. 7111)과 5m 간격의 계곡선(Layer No. 7114)에 대하여 model key point를 추출하고 이를 기반으로 progressive sampling 기법을 적용하여 다중격자 구조의 DTM를 생성하였다.
Model key point에 의해 생성된 등고선과 원래 수치지도의 등고선과 비교 분석하기 위하여 두 등고선간의 RMSE(root-mean- square-error)를 구하였다. 원래 수치지도의 등고선 상의 모든 측정점에서 model key point에 의해 생성된 등고선의 수직거리를 오차로 간주하여 RMSE를 구하였다(그림 7 참조).
다중 격자크기의 DTM을 생성한다. 이를 위하여 우선 전체 영역을 4개의 영역으로 분할(가로와 세로를 2 등분:고 분할된 영역에 대하여 model key point의 유무를 확인하여 model key point가 존재하는 영역은 다시 4개의 작은 영 역으로 분할한다. 이와 같은 과정을 model key point가 존재하지 않을 때까지 반복 수행한다.
본 연구에서는 지형의 특성을 대표하는 데이터를 적절 히 사용하여, 지형적 특징을 국지적으로 나타낼 수 있는 최적의 데이터 간격으로 DTM을 생성하는 것이 합리적 이다. 이를 위해서 지형적으로 의미가 있는 중요한 점인 model key point를 추출하고, progressive sampling 기법을 적용하여 지형의 특성이 다른 지역에 따라 효과적으로 격자간격을 다르게 설정한 다중격자 구조의 DTM을 생 성하는 방법을 제안하였다. 또한 수치지도의 원래 등고선 과 model key point로 생성된 등고선을 비교 분석하였으며, progressive sampling에 의해 DTM을 생성하여 고정 격자간격의 DTM과 비교하여 데이터 크기의 감소량을 분석하였다.
추출된 model key point를 기반으로 quad-tree 구조의 4분할 격자를 반복적으로 형성하여 다양한 격자 크기를 가지는 다중 격자크기의 DTM을 생성한다. 이를 위하여 우선 전체 영역을 4개의 영역으로 분할(가로와 세로를 2 등분:고 분할된 영역에 대하여 model key point의 유무를 확인하여 model key point가 존재하는 영역은 다시 4개의 작은 영 역으로 분할한다.
표 1과 같이 등고선 상에서 측정점간의 거리의 임계 값을 0.5m에서 2.5m까지 증가시키고 각도의 임계값을 10° 에서 30°까지 증가시키면서 각 각에 대하여 생성된 model key point를 이용하여 등고선을 생성하였으며 원래의 수치지도의 등고선과 비교하였다. 비교결과 거리의 임계 값의 증가에 따라서 RMSE는 증가하는 것을 확인할 수 있었다
대상 데이터
연구 대상지역은 서울시 남산주변이며, 1:1,000 축척의 수치지형도를 사용하였다. 수치지형도의 등고선 레이어의 1m 간격의 주곡선(Layer No.
연구 대상지역의 지형적 특성으로는 평면과 산지를 포함하고 있으며, 독립된 야산으로 주변 도로로부터 정상까지의 경사는 비교적 완만한 편이며 경사기복이 큰 지역과 경사가 상대적으로 완만한 지역까지 포함하고 있어 DTM 생성 시 뚜렷한 지형의 형태를 구별할 수 있다. 그림 1은 연구 대상지역의 1:1,000 수치지도를 보여주고 있다.
연구에 사용된 수치지도의 등고선 개수는 373개이며 총 31, 692점의 측정점으로 이루어져 있다. Model key point에 의해 생성된 등고선과 원래 수치지도의 등고선과 비교 분석하기 위하여 두 등고선간의 RMSE(root-mean- square-error)를 구하였다.
데이터처리
31, 692점의 측정점으로 이루어져 있다. Model key point에 의해 생성된 등고선과 원래 수치지도의 등고선과 비교 분석하기 위하여 두 등고선간의 RMSE(root-mean- square-error)를 구하였다. 원래 수치지도의 등고선 상의 모든 측정점에서 model key point에 의해 생성된 등고선의 수직거리를 오차로 간주하여 RMSE를 구하였다(그림 7 참조).
이론/모형
지정하기 위하여 보간법을 사용하였다. 본 연구에서는 그림 6에서 설명하고 있는 nearest neighbor 법을 적용하였다. 여러가지 보간법이 있으나, 본 연구의 목적은 최적의 보간방법 적용에 대한 연구가 아니고 model key point추출과 이를 기반.
최종적으로 이와 같이 생성된 다양한 크기의 격자점에 표고값을 지정하기 위하여 보간법을 사용하였다. 본 연구에서는 그림 6에서 설명하고 있는 nearest neighbor 법을 적용하였다.
성능/효과
또한 Progressive sampling 기법으로 생성된 DTM의 데이터 양의 변화를 비교하였다 표 2에서 보여주는 것과 같이 단순 격자형 DTM과 progressive DTM을 비교한 결과 최소 격자간격이 작을수록 데이터양의 차이가 크다. 1m의 격자간격의 경우 progressive DTM에 사용된 데이터의 양은 단순 격자형 DTM와 비교하면 46%가 감소됨을 알 수 있다. 즉 약 절반 정도의 데이터로 원래 지형을 표현 할 수 있다.
많은 시간이 소요된다. 그러므로 model key point 를 기반으로 progressive sampling 결과에 의한 다중해상도 DTMe 데이터 처리에 효과적이다.
그러므로 불필요한 데이터를 제거하고 반면에 데이터가 많이 필요한 지역에는 상대적으로 많은 데이터를 사용하여 효율적이고 최적의 DTM을 생성할 수 있음을 알 수 있었다. 최소 격자간격이 증가함에 따라 데이터 양의 감소율이 감소되고, 격자간격의 크기가 일정 간격 이상이 되면 데이터 감소율에 큰 변화가 없는 것을 확인할 수 있다.
단순 격자형 DTM과 progressive DTM를 비교한 결과 데이터의 양을 현저히 감소하여 최적의 융통성이 향상된 다중 격자크기의 DTM 생성할 수 있었다.
보여주고 있다. 또한 Progressive sampling 기법으로 생성된 DTM의 데이터 양의 변화를 비교하였다 표 2에서 보여주는 것과 같이 단순 격자형 DTM과 progressive DTM을 비교한 결과 최소 격자간격이 작을수록 데이터양의 차이가 크다. 1m의 격자간격의 경우 progressive DTM에 사용된 데이터의 양은 단순 격자형 DTM와 비교하면 46%가 감소됨을 알 수 있다.
또한 각도의 임계값의 증가에 따른 RMSE의 변화도 각도의 임계값을 크게 설정함으로써 RMSE가 증가하는 것을 확인할 수 있었다. 그러므로 원래의 등고선에 근접한 등고선을 생성하기 위해 model key point를 추출할 경우 거리 및 각도의 임계값은 작게 설정하여야 한다.
본 연구에서는 지형의 특성을 대표하는 데이터를 적절 히 사용하여, 지형적 특징을 국지적으로 나타낼 수 있는 최적의 데이터 간격으로 DTM을 생성하는 것이 합리적 이다. 이를 위해서 지형적으로 의미가 있는 중요한 점인 model key point를 추출하고, progressive sampling 기법을 적용하여 지형의 특성이 다른 지역에 따라 효과적으로 격자간격을 다르게 설정한 다중격자 구조의 DTM을 생 성하는 방법을 제안하였다.
5m까지 증가시키고 각도의 임계값을 10° 에서 30°까지 증가시키면서 각 각에 대하여 생성된 model key point를 이용하여 등고선을 생성하였으며 원래의 수치지도의 등고선과 비교하였다. 비교결과 거리의 임계 값의 증가에 따라서 RMSE는 증가하는 것을 확인할 수 있었다
최소 격자간격이 증가함에 따라 데이터 양의 감소율이 감소되고, 격자간격의 크기가 일정 간격 이상이 되면 데이터 감소율에 큰 변화가 없는 것을 확인할 수 있다.
추출한 model key point를 사용하여 지형의 특성을 유지한 효율적으로 등고선을 묘사할 수 있었으며, model key point는 최적의 DTM 생성에 중요한 역할을 할 수 있는 가능성을 확인하였다.
후속연구
향후 연구로는 불규칙한 점으로 구성된 LiDAR 데이터 또는 TIN 데이터로부터 model key point를 추출하고 progressive DTM을 생성하는 방법을 연구함으로써, 융통적이고 활용성이 높은 DTM를 생성할 수 있을 것으로 판단된다.
참고문헌 (14)
국토지리정보원(2006), 다차원 공간정보구축에 관한 연구(II), 국토지리정보원, pp, II-3-100
김계현(2000),GIS 개론-2판, 대영사. pp. 201-202
유근홍 (2007), 효율적인 3차원 수치지도 생성을 위한 지형공간 데이터 모델링, 세종대학교 석사학위 논문
유복모, Toni Schenk (2001), 현대 디지털 사진 측량학, 문운당, pp. 357-401
이동천, 염재홍 (2005), LiDAR 데이터를 이용한 수치지도의 건물 및 동고선 레이어 생성, 한국측량학회지, 제23권, 제3호, pp. 313-322
Burrough, P. (1988), Principles of Geographical Information Systems for Land Resources Assessment, Oxford University press, New York, pp. 39-56
Clarke, K. (1990), Analytical and Computer Cartography, Prentice Hall, Englewood Cliffs, NJ., pp. 215-218
Gamba, P. (2000), Digital Surface Models and Building Extraction:A Comparison of IFSAR and LIDAR Data, IEEE Transactions on Geoscience and Remote Sensing, Vol. 38, No.4, pp. 1959-1968
Haralick, R. and Shapiro, L. (1992), Computer and Robot Vision - Volume I, Addison-Wesley Pub., Reading, MA., pp. 371-452
Lau, R. W. H., Green, M., To, D., & Wong, J. (1998). Realtime continuous multi-resolution method for models of arbitrary topology. Presence: Teleoperators and Virtual Environments, Vol 7, No. 1, pp. 22-35
Laurini, R. and Thompson, A. (1998), Fundamentals of Spatial Information System, Academic Press, New York, pp. 113-174
To, D., Lau, R., and Green, M. (2001), An Adaptive Multiresolution Method for Progressive Model Transmission, Presence, Vol 10, No. 1, February, pp. 62-74
※ AI-Helper는 부적절한 답변을 할 수 있습니다.