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
- 본 연구에서는 건물을 하나의 단위 패치로 하여 정사 영상의 해상도와 원래 영상의 해상도를 동일하게 유지하는 방법을 제안하였다. 패치기반 정사영상 생성과정은 그림 1과 같다.
가설 설정
- 방법에 의한 결과인 그림 11(b)보다 건물의 해상도가 낮다.
제안 방법
- 투영변환계수는 영상의 건물 모서리점 4개의 좌표와 정사영 상면 건물 모서리점 4개의 좌표를 이용하여 구하였다. 2D 투영변환식으로 좌표변환된 건물지붕면을 정사영 상면에 건물 지역으로 입력하고 화소기반으로 생성된 정사 영상을 지표면 지역으로 입력하여 건물 지붕면을 패치로 하는 패치기반의 정사영상을 생성하였다.
- DEM을 기준으로 정사영상면의 크기와 해상도를 결정하고, 외부표정요소를 적용한 공선조건식을 이용하여 지상의 3차원 좌표값을 영상에 투영하고 이에 대응하는 화소값을 생성될 정사영상면에 입력하여 건물에 대한 정사 영상을 생성하였다.
- LiDAR 데이터로부터 건물의 모서리점의 좌표를 추출하기 위해서 불필요한 데이터인 수목 및 노이즈 등을 제거하고 추출한 건물을 객체화하기 위하여 건물을 객체별로 그룹화 하였다. 그룹화된 건물 데이터로부터 건물의 외곽점들을 추출하고 추출된 외곽점들에 Doudas- Peucker 알고리즘을 적용하여 건물 모서리점의 평 면 좌표를 추출하였다.
- LiDAR로부터 획득된 건물의 모서리점을 이용하여 건물 지붕면을 정의하고 지붕면 내의 영역에 화소값 '0'을그 외의 영역엔 화소값 T을 부여하여 건물 지붕 면이 정의된 영상으로 정사영상을 생성하여 폐색지역을 탐색하였다. 생성된 정사영상은 건물의 영역과 폐색 지역의 화소값이 '0'이며, 폐색지역만을 구하기 위해서 패치 기반 정사영상으로 순수한 건물영역을 제외하였다.
- 정밀정사영상을 생성한다. 각 비교 정사 영상과 기준 정사영상에서 발생되는 폐색지역 위치의 다름을 이용하여 상호복원 정보를 추출하고 추출된 상호복원 정보를 바탕으로 기준 정사영상의 폐색지역을 복원한다. 즉, 상호복원 정보는 폐색지역을 처리할 수 있는 비교 정사영상의 정보를 담고 있으므로 이를 이용하여 비교 정사영상의 화소값으로 기준 정사영상의 폐색 지역을 복원한 정밀정사영상을 생성한다.
- 계산하였다(Wolf, 2000). 공선조건식을 적용하여 투영된 건물의 모서리점 좌표를 이용하여 건물 지붕 면을 추출하였다. 추출된 건물 지붕면을 하나의 패치로 객체화하고, 이를 기본단위로 하여 패치기반의 정사영상(Patch-based orthoimage)을 생성하였다.
- 기준 정사영상의 폐색지역을 복원할 수 있는 비교 정사 영상을 판별하여 판별정보를 폐색지역에 입력하기 위해 비교 정사영상 각각에 고유 영상 화소값을 부여하고 그 영상 화소값을 이용하여 기준 정사영상의 폐색 지역을 복원하였다. 복원에 사용되는 영상의 우선순위는 순서와는 무관하며, 먼저 처리되는 영상의 밝기값을 이용하여 폐색지역을 복원한다.
- 다중 영상으로부터 생성된 폐색지역 상호복원 정보를 이용하여 정밀정사영상을 생성한다. 각 비교 정사 영상과 기준 정사영상에서 발생되는 폐색지역 위치의 다름을 이용하여 상호복원 정보를 추출하고 추출된 상호복원 정보를 바탕으로 기준 정사영상의 폐색지역을 복원한다.
- 생성된 패치를 정사 영상 기준 면에 입력하기 위해 2D 투영변환(Projective transft)nnation)을 적용하여 건물 지붕면 좌표변환을 실시하였다. 대부분의 경우 외부표정요소와 공선조건식을 이용하는 방법이 일반적이지만, 본 연구에서는 외부표정 요소가 제공되지 않는 경우를 고려하여 2D 투영변환 식의 적용하여 그 가능성을 검토하였다(식 (1), 식 (2)참조).
- 대상 지역을 포함한 다중영상 중 임의로 하나의 폐색 지역이 정의된 정사영상을 선택하여 기준 정사영상으로 설정하고, 나머지 영상과의 상호복원 작업으로 기준 정사 영상의 폐색지 역을 복원하였다.
- 또한 폐색지역 복원결과를 확인하기 위하여 시뮬레이션 데이터로부터 생성된 네 장의 영상의 지표면 명암을 달리하였다. 이 데이터를 이용하여 본 연구에서 제안된 방법으로 실험하였다.
- 또한, 본 연구에서 제안한 폐색지역의 탐색은 건물 패치와 중복매핑이 발생하는 패치 주변지역을 구분하는 방법으로 수행되었다. 추출된 건물 모서리점을 기반으로 제안된 본 연구는 기존의 방법에서 사용하는 가시권 분석 없이 다중영상을 이용하여 효율적으로 폐색 지역을 탐색할 수 있다.
- 시 좌표 변환이 발생하게 된다. 생성된 패치를 정사 영상 기준 면에 입력하기 위해 2D 투영변환(Projective transft)nnation)을 적용하여 건물 지붕면 좌표변환을 실시하였다. 대부분의 경우 외부표정요소와 공선조건식을 이용하는 방법이 일반적이지만, 본 연구에서는 외부표정 요소가 제공되지 않는 경우를 고려하여 2D 투영변환 식의 적용하여 그 가능성을 검토하였다(식 (1), 식 (2)참조).
- 하는 건물들을 포함한다. 시뮬레이션 LiDAR 데이터와 이를 기준으로 실제 항공영상을 촬영하는 방식을 고려하여 2개의 스트립 상에 나타난 각각의 좌우 영상으로 외부표정 요소인 촬영위치와 방향을 결정하여 네 장의 영상을 생성하였다. 시뮬레이션 LiDAR 데이터의 격자 간격은 현재 사용되고 있는 고밀도 LiDAR 데이터의 해상도를 고려하여 0.
- 위와 같은 방법으로 추출한 폐색지역에 대한 복원정보를 이용하여 대상지역을 촬영한 네 개의 정밀정사 영상을 생성하였으며, 그 결과를 그림 18에서 보여주고 있다. 각 영상의 폐색지역이 대상지역을 촬영한 다중 영상을 이용한 상호복원 방법으로 처리되어 4장의 정밀정사영 상이 생성된 것을 확인할 수 있었다.
- 이 데이터를 이용하여 본 연구에서 제안된 방법으로 실험하였다.
- 보간에 의해 격자화 되었으므로 모서리점의 평면 위치에 변위가 발생하여 오차가 발생할 수 있다. 이러한 문제를 해결하기 위하여 모서리점의 평면좌표를 중심으로 3×3 의 영역(Window)을 설정하여 격자내의 9개 점 중 가장 큰 값을 건물 모서리점의 높이값으로 결정하였다. 이 과정은 그림 3에서 도식적으로 보여주고 있다(유은진, 2010).
- 그림 15에서 영상에 검게 표시된 폐색지역은 각 영상마다 다른 형태와 위치에 발생한다. 이러한 특징을 이용하여 임의로 정한 기준 정사 영상의 폐색지역을 세 장의 다른 정사영상과의 비교 분석으로 폐색지역을 복원할 수 있는 정사영상을 판별하여 상호 복원하였다.
- 정밀정사영상을 생성하기 위하여 패치기반의 정사 영상 생성방법과 폐색지역 탐색 및 복원방법을 시뮬레이션 데이터와 실제 데이터에 적용하여 수행하고 그 결과를 분석하였다.
- 공선조건식을 적용하여 투영된 건물의 모서리점 좌표를 이용하여 건물 지붕 면을 추출하였다. 추출된 건물 지붕면을 하나의 패치로 객체화하고, 이를 기본단위로 하여 패치기반의 정사영상(Patch-based orthoimage)을 생성하였다. 그림 4는 추출한 지붕 객체와 이에 대응하는 영상을 보여주고 있다.
- 추출된 국회의사당의 모서리점 좌표를 이용하여 하나의 패치를 생성 및 정의하였다. 생성된 패치기반의 정사 영상과 화소기반의 정사영상을 그림 16에 보여주고 있다.
- 추출된 모서리점으로 폐합된 건물 지붕면의 내부와 외부 영역을 구별하여 정의하였다. 그림 10(a)는 건물 지붕 면 영역은 '0' 값으로 지정하고 그 외 영역은 T 값으로 지정한 것을 보여주고 있다.
- 투영변환계수는 영상의 건물 모서리점 4개의 좌표와 정사영 상면 건물 모서리점 4개의 좌표를 이용하여 구하였다. 2D 투영변환식으로 좌표변환된 건물지붕면을 정사영 상면에 건물 지역으로 입력하고 화소기반으로 생성된 정사 영상을 지표면 지역으로 입력하여 건물 지붕면을 패치로 하는 패치기반의 정사영상을 생성하였다.
- 패치기반 기법에 의한 정사영상을 생성하기 위하여 지표면을 처리하기 위한 화소기반 정사영상과 건물객체 정사 영상을 생성하였으며, 그 결과는 그림 11에서 보여주고 있다. 화소기반의 방법에 의한 결과인 그림 11(a)는패치기반의 방법에 의한 결과인 그림 11(b)보다 건물의 해상도가 낮다.
- 폐색지역을 복원하기 위하여 본 연구에서 제시한 방법으로 다른 위치에서 촬영한 다중 영상을 사용하여 각각 다르게 나타난 폐색지역의 위치와 형태를 분석하여 상호복원으로 폐색지 역을 복원하였다.
- 폐색지역을 복원하기 위해서 대상지역을 서로 다른 위치에서 촬영한 다중 영상을 이용하였으며, 폐색 지역을 복원할 최적의 영상을 판별하기 위하여 각각 정사 영상에서 폐색지역을 탐색하고 다중 정사영상을 상호 복원하여 정사영상을 생성할 수 있었다.
대상 데이터
- 항공영상은 Intergraph 사의 디지털 사진기(DMC)를 이용하여 촬영하였으며, 120mm의 초점거리, 12um의 화소크기를 가지며, 지상에서 10cm 해상도의 영상이다. LiDAR 데이터는 Optech사의 ALTM Gemini 167을 이용하여 획득된 데이터이며, 항공영상과 LiDAR 데이터는 새한항업 주식회사가 제공하였다. 촬영고도는 1,000m이며, 레이저 측정점의 밀도는 7.
- 건물 모서리점의 높이좌표를 결정하기위해서 최근린(Nearest neighbor)보간으로 격자형 DEM을 생성하였다.보간에 의해 격자화 되었으므로 모서리점의 평면 위치에 변위가 발생하여 오차가 발생할 수 있다.
- 시뮬레이션 LiDAR 데이터와 이를 기준으로 실제 항공영상을 촬영하는 방식을 고려하여 2개의 스트립 상에 나타난 각각의 좌우 영상으로 외부표정 요소인 촬영위치와 방향을 결정하여 네 장의 영상을 생성하였다. 시뮬레이션 LiDAR 데이터의 격자 간격은 현재 사용되고 있는 고밀도 LiDAR 데이터의 해상도를 고려하여 0.25m로 결정하였다. 그림 9는 생성된 시뮬레이션 데이터를 보여준다.
- 실험에 사용한 항공영상과 LiDAR 데이터는 (주)새한항업에서 제공하였다. 항공영상은 Intergraph 사의 디지털 사진기(DMC)를 이용하여 촬영하였으며, 120mm의 초점거리, 12um의 화소크기를 가지며, 지상에서 10cm 해상도의 영상이다.
- 제시된 방법으로 생성한 정사영상은 영상과 같은 화소 수로 생성되지만 건물 지붕면 영역의 해상도는 영상의 해상도를 따르고 건물 지붕면 영역외의 지표면 지역 해상도는 DEM의 해상도를 따르게 되어 그림 5에서 보여주고 있는 것과 같은 혼합 해상도(Mixed resolution) 영상으로 이루어져 있다.
- 제작된 시뮬레이션 데이터는 이론적 타당성을 입증하고 제시된 방법을 검증하기 위하여 실세계를 기반으로 하는 건물들을 포함한다. 시뮬레이션 LiDAR 데이터와 이를 기준으로 실제 항공영상을 촬영하는 방식을 고려하여 2개의 스트립 상에 나타난 각각의 좌우 영상으로 외부표정 요소인 촬영위치와 방향을 결정하여 네 장의 영상을 생성하였다.
- 중복매핑 현상이 나타나는 폐색지역을 복원하기 위하여 폐색지역이 탐색된 다중 정사영상을 사용하였다. 대상 지역을 포함한 다중영상 중 임의로 하나의 폐색 지역이 정의된 정사영상을 선택하여 기준 정사영상으로 설정하고, 나머지 영상과의 상호복원 작업으로 기준 정사 영상의 폐색지 역을 복원하였다.
- LiDAR 데이터는 Optech사의 ALTM Gemini 167을 이용하여 획득된 데이터이며, 항공영상과 LiDAR 데이터는 새한항업 주식회사가 제공하였다. 촬영고도는 1,000m이며, 레이저 측정점의 밀도는 7.64 점 /m2, 촬영코스 간격은 414m, scan hequency는 40Hz, scan anglee 23°, 촬영 폭은 848m 이다. 그림 14는 항공 영상 촬영 및 LiDAR 데이터 획득 경로를 보여주며, 실험 대상 지역은 여의도 국회의사당 주변이다.
- 제공하였다. 항공영상은 Intergraph 사의 디지털 사진기(DMC)를 이용하여 촬영하였으며, 120mm의 초점거리, 12um의 화소크기를 가지며, 지상에서 10cm 해상도의 영상이다. LiDAR 데이터는 Optech사의 ALTM Gemini 167을 이용하여 획득된 데이터이며, 항공영상과 LiDAR 데이터는 새한항업 주식회사가 제공하였다.
이론/모형
- LiDAR 데이터로부터 추출한 건물 모서리점의 3차원 좌표에 대응되는 항공영상의 좌표는 공선조건식을 이용하여 계산하였다(Wolf, 2000). 공선조건식을 적용하여 투영된 건물의 모서리점 좌표를 이용하여 건물 지붕 면을 추출하였다.
- 화소기반 방법으로 생성하였다. LiDAR 데이터를 DEM으로 사용하기 위하여 최근린 보간법을 적용하여 격자화 하였다(Gonzalez, 2004).
- 추출된 건물 모서리점을 기반으로 제안된 본 연구는 기존의 방법에서 사용하는 가시권 분석 없이 다중영상을 이용하여 효율적으로 폐색 지역을 탐색할 수 있다. 건물객체 추출은 기존의 선행연구인 임새봄 등(2009)을 적용하였으며, 제시한 방법들을 검증하기 위해서 시뮬레이션 및 실제 LiDAR 데이터와 항공영상을 사용하여 실험하였다.
- 그룹화 하였다. 그룹화된 건물 데이터로부터 건물의 외곽점들을 추출하고 추출된 외곽점들에 Doudas- Peucker 알고리즘을 적용하여 건물 모서리점의 평 면 좌표를 추출하였다. 이 방법에 대한 자세한 내용은 임 새봄 등(2009)에 설명되어 있으며, 그림 2는 건물 모서리점추출과정을 보여주고 있다(유은진, 2010).
- 실제 LiDAR 데이터로부터 추출된 실험건물 국회의사당의 모서리점 개수는 4개이며, 실제 LiDAR 데이터의 불필요한 데이터, 노이즈 등을 제거하고 건물을 객체화하여 객체에서 Douglas-Peucker 알고리즘을 이용하여 평면좌표를 추출하였다. 이 방법에 대한 자세한 사항은 임새봄 등(2009)에 설명되어 있다.
- 지표면 지역에 대한 정사영상은 LiDAR 데이터를 이용하여 화소기반 방법으로 생성하였다. LiDAR 데이터를 DEM으로 사용하기 위하여 최근린 보간법을 적용하여 격자화 하였다(Gonzalez, 2004).
- 오금희 등(2008)은 에피폴라 영상을 이용하여 신속하게 폐색 지역을 탐지하고 유사한 패턴을 자동으로 찾아 폐색 지역을 복원하여 정밀정사영상을 생성하기 위한 방법을 제안하였다. 폐색지역을 탐지하고 중복 영상과 K-평균 군집화 알고리즘을 이용하여 폐색지역을 복원하였다.
성능/효과
- (2) 다중 영상으로부터 기복변위에 의한 폐색 지역을 용이하게 탐색하고 복원하여 정밀정사영상을 생성할 수 있었다.
- 각 영상의 폐색지역이 대상지역을 촬영한 다중 영상을 이용한 상호복원 방법으로 처리되어 4장의 정밀정사영 상이 생성된 것을 확인할 수 있었다.
- 본 연구에서 제시한 방법은 폐색지역 탐색과 복원처리 과정이 효과적임을 실험결과로부터 알 수 있었으며, 주요 결론은 다음과 같다.
- 또한, 본 연구에서 제안한 폐색지역의 탐색은 건물 패치와 중복매핑이 발생하는 패치 주변지역을 구분하는 방법으로 수행되었다. 추출된 건물 모서리점을 기반으로 제안된 본 연구는 기존의 방법에서 사용하는 가시권 분석 없이 다중영상을 이용하여 효율적으로 폐색 지역을 탐색할 수 있다. 건물객체 추출은 기존의 선행연구인 임새봄 등(2009)을 적용하였으며, 제시한 방법들을 검증하기 위해서 시뮬레이션 및 실제 LiDAR 데이터와 항공영상을 사용하여 실험하였다.
- 폐색지역 탐색을 위한 추가적인 데이터의 처리가 필요하지 않은 기법으로 효율성을 증가시켰다. 오금희 등(2008)은 에피폴라 영상을 이용하여 신속하게 폐색 지역을 탐지하고 유사한 패턴을 자동으로 찾아 폐색 지역을 복원하여 정밀정사영상을 생성하기 위한 방법을 제안하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.