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 오분류를 보다 정량적으로 판단하기 위한 Type I, Type II 오차율과 필터링의 분류성능을 판단하기 위한 완전성(completeness)와 정확성(correctness)를 계산하였다. 오차율은 지면점의 정분류와 오분류에 의해 결정되며 분류결과의 종류는 표 3과 같다.
- Vosselman의 필터링은 간단한 원리를 가지면서 지형에 따른 유연한 경사각 적용이 가능함에 따라(Sithole, 2001) 복잡한 산림 지형에 효과적인 결과를 보일 것으로 예상되어 본 연구 에서는 이 세 가지 필터링 방법을 선택하였다. 연구의 목적은 산림지형에 따른 필터링 결과를 정량적으로 분석하여 오차발생 원인을 파악하고 이를 보완할 수 있는 방법을 제안하는 것이다. 또한 필터링으로 분류된 지면점으로부터 산림지형모델을 생성하고 현장측량으로부터 측정된 지면높이를 이용하여 이를 검증한다.
- 본 연구에서는 산림영역에서 획득된 라이다데이터의 지면점을 분류하고 산림지형을 보다 정밀하게 모델링하기 위해 세 가지 대표적인 필터링 방법을 적용하여 오차를 정성적 및 정량적으로 분석하였다. 대상지역의 경사도, 굴곡 및 지면점 비율이 필터링 성능에 큰 영향을 미치는 것으로 파악되며, 필터링 방법의 종류에 따라 상호보완적인 특성을 보이는 것을 알 수 있었다.
제안 방법
- 윤정숙 등(2006)은 산림지역의 항공라이다 데이터의 수직구조를 분석하고 필터링 방법을 제시한 바 있다. 이를 위해 수관부와 지면근처에서 반사되는 데이터를 분리하고 지면근처의 점들에 대해 평면근사를 수행하여 지면에 가까운 점들을 지면점으로 분류하였다. 최승식 등(2007)은 높이 차이에 따른 점집합 분할과정을 통해 비지면점을 제거하고 비지면점에 포함된 지 면점을 재분류하여 지면점으로 복원시키는 필터링 방법을 연구하였으며 다양한 지형에서 좋은 결과를 보였으 나 경사진 산림영역에서 오차가 가장 높게 발생하였다.
- Axelsson의 필터링은 라이다데이터처리 상용 S/W인 Terra Scan에 적용된 방법이며, Kraus의 필터링은 산림영역 필터링을 위해 고안된 방법이다. Vosselman의 필터링은 간단한 원리를 가지면서 지형에 따른 유연한 경사각 적용이 가능함에 따라(Sithole, 2001) 복잡한 산림 지형에 효과적인 결과를 보일 것으로 예상되어 본 연구 에서는 이 세 가지 필터링 방법을 선택하였다. 연구의 목적은 산림지형에 따른 필터링 결과를 정량적으로 분석하여 오차발생 원인을 파악하고 이를 보완할 수 있는 방법을 제안하는 것이다.
- 연구의 목적은 산림지형에 따른 필터링 결과를 정량적으로 분석하여 오차발생 원인을 파악하고 이를 보완할 수 있는 방법을 제안하는 것이다. 또한 필터링으로 분류된 지면점으로부터 산림지형모델을 생성하고 현장측량으로부터 측정된 지면높이를 이용하여 이를 검증한다.
- Kraus의 필터링은 근사표면의 일정범위 내에서 지면점일 가능성이 클수록 높은 가중을 주면서 표면을 반복 추정하고 이로부터 지면점을 분류하는 방법이다(Kraus 등, 1998). 산림영역에서 획득된 라이다데이터를 격자로 분할한 후 각 격자 내에 포함된 데이터에 동일한 가중으로 최소제곱 근사를 수행하여 초기표면을 추정한다. 초기표면을 생성한 후 표면 윗부분에 존재하는 점들에는 낮은 가중을 주고, 표면 아랫부분의 점들에는 높은 가중을 부여하면서 최소제곱 근사를 반복 수행한다(그림 2).
- 이에 Sithole(2001)은 실험영역에 대한 경사맵(slope map)을 이용하여 지형지물의 특징에 따라 다 른 경사각을 적용하여 유연한 필터링을 수행하였으나 이는 사전에 지형에 관한 데이터가 있어야 한다는 단점이 있다. 본 연구에서는 산림영역에서 획득된 데이터의 수직분포를 분석하여 지형 및 경사를 파악하고 이로부터 지형별로 경사 임계값을 결정하여 필터링에 적용한다.
- 천안지역 데이터는 2009년 10월 8일에 획득되었으며 산림영역 데이터를 분할하여 실험에 이용 하였다. 각 실험데이터 내에서 수목이 분포하는 경사지, 계곡지형 및 지면점 비율이 낮은 6개의 영역을 추출하여 필터링 실험을 수행하였다. 실험영역에서 획득된 라이다데이터는 그림 5와 같다.
- 지면점 분류결과를 정량적으로 분석하기 위해 검증 데이터를 제작하였다. 검증 데이터는 ISPRS에서 필터링 비교를 위해 구축한 방법(Sithole 등, 2004)과 유사하게 육안으로 지면점 여부를 판단하여 수동으로 분류하였다.
- 지면점 분류결과를 정량적으로 분석하기 위해 검증 데이터를 제작하였다. 검증 데이터는 ISPRS에서 필터링 비교를 위해 구축한 방법(Sithole 등, 2004)과 유사하게 육안으로 지면점 여부를 판단하여 수동으로 분류하였다. 먼저 지면의 최대 높이를 찾고 이보다 높은 비지 면점을 제거한다.
- 먼저 지면의 최대 높이를 찾고 이보다 높은 비지 면점을 제거한다. 제거된 데이터를 일정한 간격(4m)의 스트립으로 분할하고 모든 점들에 번호를 표시한 후 수직 및 수평 분포를 고려하여 비지면점을 분류한다 (그림 6).
- 또한, 필터링으로 분류된 지면점으로부터 생성한 DTM을 검증하기 위해 2011년 10월 7일 현장측량을 수 행하여 실험영역에 분포한 30본의 수목을 기준으로 위치와 지면의 높이를 측정하였다(그림 7). GPS기준점을 측정한 후 이로부터 토탈스테이션과 반사경을 이용하여 수목이 위치한 지면의 높이값을 결정하였다.
- 또한, 필터링으로 분류된 지면점으로부터 생성한 DTM을 검증하기 위해 2011년 10월 7일 현장측량을 수 행하여 실험영역에 분포한 30본의 수목을 기준으로 위치와 지면의 높이를 측정하였다(그림 7). GPS기준점을 측정한 후 이로부터 토탈스테이션과 반사경을 이용하여 수목이 위치한 지면의 높이값을 결정하였다. 지상 기준점은 산림 외부에서 약 5 cm이내의 정확도로 2점 을 측정하였으며 측정 위치 및 GPS데이터 처리결과는 표 2와 같다.
- 표 4는 Site 1에 대한 지면점의 수, 분류결과, 이에 따른 오차율과 필터링 성능을 보여준다. 모든 실험영역에 세 개의 필터링을 적용한 결과에 대해 이와 같은 표를 작성하고 오차분포를 표시하여 정성적 및 정량적인 분석을 수행하였다(그림 8, 9, 10). 본 논문의 표 및 결과 분석에서는 각 필터링의 이름을 논문 저자의 첫머리글자를 붙 여 A, K 및 V필터링으로 정의하여 사용하였다.
- 모든 실험영역에 세 개의 필터링을 적용한 결과에 대해 이와 같은 표를 작성하고 오차분포를 표시하여 정성적 및 정량적인 분석을 수행하였다(그림 8, 9, 10). 본 논문의 표 및 결과 분석에서는 각 필터링의 이름을 논문 저자의 첫머리글자를 붙 여 A, K 및 V필터링으로 정의하여 사용하였다.
- 각 필터링방법으로 분류된 지면점을 이용하여 DTM을 생성하고 총 30점의 실측지형높이를 이용하여 DTM의 오차를 분석하였다. 현장측정 영역인 Site 5의 좌측은 수목이 분포하지 않은 급경사 지형이며 우측은 완만한 지형이나 수목의 밀도가 높아 지면점 비율이 매우 낮다.
- 현장측정 영역인 Site 5의 좌측은 수목이 분포하지 않은 급경사 지형이며 우측은 완만한 지형이나 수목의 밀도가 높아 지면점 비율이 매우 낮다. 검증데이터는 수목이 분포한 오른쪽 영역에서 취득되었으며 수목의 위치를 기준으로 지면의 높이를 측정하였다. 융합 결과에서 Site 4와 5에서는 A와 K 필터링의 완전성이 V 필터링에 비해 약 7%낮게 나타나면서 C2의 성능이 V 필터링보다 0.
대상 데이터
- 다양한 산림환경에서 필터링의 성능을 실험하기 위해 ISPRS에서 제공하고 있는 데이터(Sithole 등, 2004)와 천안지역에서 취득한 라이다데이터를 이용하였다. ISPRS 데이터는 국내외 여러 연구사례에서 필터링 성능검증을 위해 사용되어왔으며 이에 객관적인 실험수행과 결과도출이 가능하다.
- ISPRS 데이터는 국내외 여러 연구사례에서 필터링 성능검증을 위해 사용되어왔으며 이에 객관적인 실험수행과 결과도출이 가능하다. 데이터는 독일 교외지역에서 획득되었으며 강, 경사지, 산림, 건물 등 다양한 지형지물 요소를 포함하고 있다. 천안지역 데이터는 2009년 10월 8일에 획득되었으며 산림영역 데이터를 분할하여 실험에 이용 하였다.
- 데이터는 독일 교외지역에서 획득되었으며 강, 경사지, 산림, 건물 등 다양한 지형지물 요소를 포함하고 있다. 천안지역 데이터는 2009년 10월 8일에 획득되었으며 산림영역 데이터를 분할하여 실험에 이용 하였다. 각 실험데이터 내에서 수목이 분포하는 경사지, 계곡지형 및 지면점 비율이 낮은 6개의 영역을 추출하여 필터링 실험을 수행하였다.
이론/모형
- 본 연구에서는 원리에 따라 분류된 필터링방법 중 Axelsson(2000), Kraus 등(1998) 및 Vosselman(2000)의 필터링 알고리즘을 분석하였다. 또한 Matlab R2009a를 이용하여 알고리즘을 구현하고 그 결과를 그림으로 나타내었다.
- 본 연구에서는 Axelsson(2000)이 제안한 adaptive TIN 필터링의 원리를 바탕으로 필터링을 구현하였다. 필터링의 원리는 다음과 같다.
성능/효과
- 융합결과 모든 실험영역에서 C1은 Type I 오차율이 낮게 나타난 반면 Type II 오차 율은 높게 나타났고 C3는 이와 반대의 결과를 보였다. 이에 상대적으로 효과적인 성능을 보인 C2의 결 과를 각 필터링 결과와 비교하였으며, Site 3의 정확성, Site 4, 5의 완전성은 융합 전보다 C2가 약 1% 낮게 나타났다. 이는 각 필터링의 성능차가 크게 나타날 경우 낮은 성능을 갖는 필터링 결과로 인해 융합 시 성능이 크게 향상되지 못했기 때문이다.
- 검증데이터는 수목이 분포한 오른쪽 영역에서 취득되었으며 수목의 위치를 기준으로 지면의 높이를 측정하였다. 융합 결과에서 Site 4와 5에서는 A와 K 필터링의 완전성이 V 필터링에 비해 약 7%낮게 나타나면서 C2의 성능이 V 필터링보다 0.6% 낮게 나타났다. 이에 DTM검증 결과에서 V 필터링의 지면점으로 생성된 DTM의 RMS가 C2에 비해 낮게 계산된 것으로 보인다(표 6).
- 각 필터링방법으로 분류된 지면점을 선형 보간하여 생성한 DTM은 그림 13(우)와 같다. DTM검증을 위해 실측높이와 측정위치에 대응되는 DTM의 높이값에 대한 상관관계를 분석한 결과, 결정계수가 R2=0.98로 나타났다(그림 13, 좌).
- 지형이 복잡하거나 다른 형태의 지형이 포함된 영역에서는 각 필터링의 성능 차이가 크게 나타났다. 이 때문에 융합 후에도 융합 전 최대 성능의 필터링에 비해 성능이 크게 향상되지 않았으나 융합 전 최소 성능의 필터링과 비교해서는 최대 12.3% 증가하였다. 또한 지면점비율이 낮은 영역(Site 6)에서는 융합 후 두 종류의 성능 지표가 모두 향상되었으며 정확성의 경우 최대 약 8% 개선되었다.
- 3% 증가하였다. 또한 지면점비율이 낮은 영역(Site 6)에서는 융합 후 두 종류의 성능 지표가 모두 향상되었으며 정확성의 경우 최대 약 8% 개선되었다. 필터링 융합 결과, ISPRS 및 천안지역에서 추출된 6개의 실험지역에서는 전반적으로 양호한 성능 개선이 이루어짐을 확인하였다.
- 또한 지면점비율이 낮은 영역(Site 6)에서는 융합 후 두 종류의 성능 지표가 모두 향상되었으며 정확성의 경우 최대 약 8% 개선되었다. 필터링 융합 결과, ISPRS 및 천안지역에서 추출된 6개의 실험지역에서는 전반적으로 양호한 성능 개선이 이루어짐을 확인하였다. 분류된 지면점으로부터 DTM을 생성하고 실측한 고도와 비교하여 검증한 결과를 살펴보면, 상대적으로 V 필터링과 융합 방법(C2)이 우수하였으며 약 17 cm 정도의 RMS 오차를 보였다.
- 필터링 융합 결과, ISPRS 및 천안지역에서 추출된 6개의 실험지역에서는 전반적으로 양호한 성능 개선이 이루어짐을 확인하였다. 분류된 지면점으로부터 DTM을 생성하고 실측한 고도와 비교하여 검증한 결과를 살펴보면, 상대적으로 V 필터링과 융합 방법(C2)이 우수하였으며 약 17 cm 정도의 RMS 오차를 보였다. 향후 연구로는 필터링 방법의 개선을 위해 개별 필터링 결과에 대해 신뢰도에 기반한 가중을 가지고 융합하거나, SAR 데이터와 같은 이종 센서 데이터와 융합하는 방법의 개발이 필요해 보인다.
- 필터링 오차발생 위치를 정성적으로 분석한 결과 각 필터링 방법이 다른 필터링의 오차를 보완하는 경향을 보였다. 이에 필터링 방법들이 분류한 결과를 융합하여 오차율 및 성능개선 여부를 분석하였으며 결과는 그림 11 및 12와 같다.
- 본 연구에서는 산림영역에서 획득된 라이다데이터의 지면점을 분류하고 산림지형을 보다 정밀하게 모델링하기 위해 세 가지 대표적인 필터링 방법을 적용하여 오차를 정성적 및 정량적으로 분석하였다. 대상지역의 경사도, 굴곡 및 지면점 비율이 필터링 성능에 큰 영향을 미치는 것으로 파악되며, 필터링 방법의 종류에 따라 상호보완적인 특성을 보이는 것을 알 수 있었다. 지형이 복잡하거나 다른 형태의 지형이 포함된 영역에서는 각 필터링의 성능 차이가 크게 나타났다.
후속연구
- Sithole 등(2004)은 다양한 환경에서 획득된 라이다데이터에 대해 8종류의 필터링 방법들을 적용하고 그 결과를 비교분석하는 연구를 수행하였으나 산림영역에 대한 실험과 결과분석은 다른 환경에 비해 비교적 간략하게 수행되었다. 산림영역 필터링 시 발생되는 오차위치 및 원인 등에 관한 다양한 분석을 수행한다면 산림영역에 적합한 필터링 보완방법과 보다 정확도 높은 산림지형을 모델링하는데 도움이 될 것이다.
- 또한 지면점 비율이 낮은 것을 고려하여 격자크기를 크게 할 경우 격자보다 작은 굴곡과 급격한 경사를 갖는 부분에서 지면점을 비지면점으로 분류하는 Type I 오차가 크게 발생하게 된다. 따라서 K 필터링은 지형의 특성을 파악한 후 이에 적합한 격자크기를 적용한다면 정확도를 향상시킬 수 있을 것이다.
- 또한 지면점 밀도가 낮아 인접한 점들이 없거나 적은 경우 morphology 특성을 갖는 V 필터링의 성능이 떨어진다. 이에 인접점들의 점밀도가 낮은 경우 인접범위를 점차 증가시키면서 인접점들의 분포를 고려하며 지면점을 분류한다면 문제점을 보완할 수 있을 것이다.
- 실험결과를 종합하여 볼 때 산림영역 필터링에서 발생하는 오차의 가장 주요한 원인은 수목을 투과하는 지면점 비율이 낮아 필터링 알고리즘의 의도대로 지면점을 분류하는데 한계가 있다는 것이다. 이에 산림연구를 위한 라이다데이터는 가능한 겨울철에 획득되어져야 하며 지면점 비율이 낮은 영역의 DTM은 지면점 비율이 높은 영역의 DTM값들로부터 유도되어야 할 것이다.
- 분류된 지면점으로부터 DTM을 생성하고 실측한 고도와 비교하여 검증한 결과를 살펴보면, 상대적으로 V 필터링과 융합 방법(C2)이 우수하였으며 약 17 cm 정도의 RMS 오차를 보였다. 향후 연구로는 필터링 방법의 개선을 위해 개별 필터링 결과에 대해 신뢰도에 기반한 가중을 가지고 융합하거나, SAR 데이터와 같은 이종 센서 데이터와 융합하는 방법의 개발이 필요해 보인다. 또한, 필터링으로 결정된 산림지역의 DTM을 수목의 고도나 생체량과 같은 산림정보 추출에 활용할 예정이다.
- 향후 연구로는 필터링 방법의 개선을 위해 개별 필터링 결과에 대해 신뢰도에 기반한 가중을 가지고 융합하거나, SAR 데이터와 같은 이종 센서 데이터와 융합하는 방법의 개발이 필요해 보인다. 또한, 필터링으로 결정된 산림지역의 DTM을 수목의 고도나 생체량과 같은 산림정보 추출에 활용할 예정이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.