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 도시지역 가로수에 대한 위치, 개수, 수고, 수관폭 정보의 추출을 목적으로 하였다. 위치와 개수 추출방법은 다양한 수관폭으로 존재하는 수목 추출을 위해 크기가 다른 필터를 반복 사용하는 방법을 제안하였다.
- 본 연구에서는 항공라이다 자료에서 개별 가로수에 대한 위치, 수고, 수관폭의 수치정보 추출을 위한 방법론을 제안하고 실험을 실시하여 다음과 같은 결론을 얻을 수 있었다.
- 예를 들어 실제수목에 비해 작은 필터를 사용할 경우 1개의 수목에서 2개 이상의 꼭대기점이 추정되는 오류가 발생하며, 그 반대의 경우 수관폭이 다소 작고 서로 근접하게 존재하는 수목이 추출되지 않는 오류가 발생된다[4]. 이렇게 동일한 크기의 필터를 사용하여 발생되는 문제해결을 위해 본 연구에서는 크기가 다른 필터들을 반복적으로 사용하여 수목의 꼭대기점을 추출하는 방법을 제안하였다. Figure 3은 제안한 꼭대기점의 추출방법을 나타낸 것이다.
제안 방법
- 3m 수관폭을 기준으로 꼭대기점을 추정한 결과 총 34점이 추정되었고 정제를 통해 10개(외곽선 : 8개, 점밀도 : 2개, 중복도 : 0개)가 제거되어 24개의 꼭대기점을 결정하였다.
- 4m 수관폭을 기준으로 가로수를 포함하는 수목 꼭대기점을 추정한 결과 총 30점이 추정되었고 정제를 통해 9개(외곽선 : 7개, 점밀도 : 2개, 중복도 :0개)가 제거되어 21개의 가로수 꼭대기점을 결정하였다. 중복도 기반의 정제과정에서 1개의 추가점을 비교하여 최대 높이값 차이가 임계치 이내의 차이 (0.
- 5m 수관폭을 기준으로 가로수를 포함하는 수목 꼭대기점을 추정한 결과 총 28점이 추정되었고 정제를 통해 9개(외곽선 : 7개, 점밀도 : 1개, 중복도 :1개)가 제거되어 19개의 가로수 꼭대기점을 결정하였다. 중복도 기반의 정제과정에서는 1개의 추가점이 비교대상이었으며 최대 높이값차이가 임계치 이상의 차이(0.
- NDSM 생성 후 3×3 평균값 저역통과필터링 처리를 수행하였다.
- RANSAC 알고리즘을 적용한 결과는 1개의 주직선만을 탐지하고 선택하기 때문에 2개 이상의 가로수 직선 정보의 추출을 위해 순차적으로 별도의 직선을 탐지하여 선택하였다.
- 제안한 방법에서는 항공라이다 자료에서 비지면 정보를 우선 추출하고 건물, 가로등, 자동차 등의 비가로수 정보를 제거하였다. 가로수 꼭대기점은 국지적최대값 필터링을 기반으로 수관폭의 크기를 변화시키면서 추정하였다. 꼭대기점은 점밀도와 중복도를 기반으로 정제과정을 거쳐 결정하였다.
- 가로수 꼭대기점의 추출은 2.4에서 제안한 것과 같이 크기가 다른 수관폭을 적용하여 국지적최대값 필터링으로 꼭대기점을 추정하고 점밀도와 중복도 기반의 정제를 반복하였다. 수목 꼭대기점 추정의 기준은 조경법을 기준으로 최소 높이를 3m로 설정하였고 수관폭의 크기는 최대 7m, 최소 3m로 각각 설정하였다.
- 가로수 수치정보의 항목은 가로수의 위치, 수고, 수관폭으로 설정하였다. 위치정보 추정은 영역이 분리된 개별 가로수 점들의 평면위치에 대한 평균값 ( #[Xi , Yi]/n , n = 점의 개수)으로 계산하여 결정하였다.
- 가로수를 포함하는 비지면정보의 분리를 위해 항공라이다 자료의 필터링을 수행하였다. Figure 8은 ATIN기법으로 분리한 지면과 비지면 결과를 나타낸다.
- 가로수의 꼭대기점 추출을 위해 NDSM을 생성하였다. 수치표면모델의 생성은 최근린보간법을 사용하였으며 해상도는 입력 항공라이다 자료의 평균점간거리를 기준으로 하였다.
- 가로수의 꼭대기점과 지면점을 이용한 개별 가로수에 대한 영역분리를 통해 최종 가로수의 수치정보를 계산하였다. 영역분리의 경우 이전 과정인 가로수 꼭대기점 선택결과를 기준으로 2회 수행하였다.
- 이 과정을 통해 인접 가로수 사이에 존재하는 시설물 정보의 정제가 가능하다. 개별 가로수에 대한 영역분리를 위해 제안한 방법은 인접가로수간의 꼭대기점과 지면점으로 생성할 수 있는 교차점을 이용한 방법을 사용하였다[4].
- 선택된 가로수 꼭대기 점들을 이용하여 국내 가로수 수형유지 수관폭값을 기준으로 가로수 점들을 선택하였다. 개별 가로수의 영역은 근접하는 가로수 간의 꼭대기점과 해당 지면점을 이용하여 생성한 3차원 교차점을 기반으로 분리하였다. 최종 추출되는 가로수정보는 개별가로수에 대한 점자료이며 이를 기반으로 위치, 수고, 수관폭을 계산하였다.
- 건물정보의 제거 후 가로수와 공존하는 가로등 등의 높은 객체와 자동차 등의 낮은 객체에 해당하는 비가로수 정보를 제거하였다. 높이값 기준의 제거는 3m이하, 10m이상을 기준으로 하였다.
- 꼭대기점은 점밀도와 중복도를 기반으로 정제과정을 거쳐 결정하였다. 결정된 꼭대기점에서 가로수가 직선형으로 식재되는 특성을 이용하여 가로수점을 선택하고, 수목 형태를 기반으로 정제를 수행하였다. 선택된 가로수 꼭대기 점들을 이용하여 국내 가로수 수형유지 수관폭값을 기준으로 가로수 점들을 선택하였다.
- 본 연구는 Kim et al[8]과 Cho et al[4]에 의해 수행된 가로수 정보 추출에 대한 선행 연구에서의 비가로수 정보 제거, 꼭대기점의 추정과 정제, 가로수의 영역분리 방법 등을 이용하였다. 기존의 연구에서는 가로수의 수관폭이 다양한 특성을 반영하지 못한 단점이 있었으나 본 연구에서는 이를 개선하여 다양한 수관폭을 갖는 가로수 추출 방법과 점밀도와 중복도 기반의 정제방법을 추가적으로 제안하였다.
- 수목 꼭대기점 추정의 기준은 조경법을 기준으로 최소 높이를 3m로 설정하였고 수관폭의 크기는 최대 7m, 최소 3m로 각각 설정하였다. 꼭대기점 추정에 앞서 점밀도 기반의 정제 기준인 수관폭의 영역 별 최소점의 개수 계산을 위해 건물을 제거한 비지면점의 점밀도를 사용하였다. Table 2는 입력 항공라이다 자료의 점밀도와 수관폭의 크기 별로 포함해야 할 최소 점의 개수를 나타낸다.
- 가로수 꼭대기점은 국지적최대값 필터링을 기반으로 수관폭의 크기를 변화시키면서 추정하였다. 꼭대기점은 점밀도와 중복도를 기반으로 정제과정을 거쳐 결정하였다. 결정된 꼭대기점에서 가로수가 직선형으로 식재되는 특성을 이용하여 가로수점을 선택하고, 수목 형태를 기반으로 정제를 수행하였다.
- 둘째, 꼭대기 점의 추출과정에서 다양한 수관폭값으로 반복수행하는 방법을 제안하여 기존의 방법을 개선하였고, 점밀도와 중복도 기반의 정제방법을 추가적으로 제안하였다.
- 정제과정 이전에 추정된 수목 꼭대기점은 항공라이다 자료를 보간한 NDSM을 이용하여 추정한 가상의 점이다. 따라서 추정된 꼭대기점에서 최소 수관폭의 영역 내에 존재하는 최대값을 가지는 실제 꼭대기점 점 선택을 통해 수목의 위치를 결정하였다.
- 분리된 비지면에서 평면의 방정식을 적용하여 건물점을 추출하고 건물영역을 일반적인 보도폭 기준인 2.5m 만큼 확장하여 비지면에서 제거하였다. Figure 9는 추출된 건물점과 영역을 확장한 건물정보를 나타낸다.
- 위치와 개수 추출방법은 다양한 수관폭으로 존재하는 수목 추출을 위해 크기가 다른 필터를 반복 사용하는 방법을 제안하였다. 비가로수 정보의 정제와 개별가로수의 영역을 분리하는 방법도 추가적으로 제안하였다. 제안방법은 실제 도시지역의 항공라이다 자료에 적용하여 실험을 실시하고 결과를 수치지도와 비교하였다.
- 비가로수 정보의 제거단계에서는 가로수와 함께 존재하는 건물과 가로등, 자동차 등의 정보를 제거하였다. 비지면 정보에 해당하는 가로수정보 추출을 위해 항공라이다 자료를 지면과 비지면으로 분리하였다. 분리기법은 불규칙삼각망을 기반으로 각도와 거리 임계치 이하의 점들을 지면으로 결정하는 ATIN(Adaptive TIN) 알고리즘을 사용하였다[1].
- 선택된 2개의 가로수점 그룹을 대상으로 수목의 형태적 특성을 이용한 꼭대기점의 정제를 수행하였다. 정제방법은 2.
- 결정된 꼭대기점에서 가로수가 직선형으로 식재되는 특성을 이용하여 가로수점을 선택하고, 수목 형태를 기반으로 정제를 수행하였다. 선택된 가로수 꼭대기 점들을 이용하여 국내 가로수 수형유지 수관폭값을 기준으로 가로수 점들을 선택하였다. 개별 가로수의 영역은 근접하는 가로수 간의 꼭대기점과 해당 지면점을 이용하여 생성한 3차원 교차점을 기반으로 분리하였다.
- 가로등, 전신주와 같은 도로시설물이 가로수의 영역과 중복되어 설치된 경우 꼭대기점으로 오추정되는 현상이 발생된다. 선택된 꼭대기점에서 이러한 정보의 정제를 위해 실제 수목을 구성하는 항공라이다 점의 꼭대기점과 다음 점은 높이 차이가 상대적으로 작다는 수목의 형태적 특성을 이용하였다. 선택된 꼭대기점의 정제 방법은 각 꼭대기점에서 최근린에 존재하는 3점의 높이차 평균을 이용하여 전체 표준편차를 계산하고 2σ를 벗어나는 점을 제거하였다[4].
- 셋째, 통계적 기법으로 가로수 점의 선택과 정제를 거쳐 인접 가로수간의 꼭대기와 지면점을 기반으로 개별 가로수의 영역을 구분하여 가로수의 수치정보를 획득하였다. 수목 형태 기반의 꼭대기점 정제과정은 실제 크기가 큰 가로수에서 2개의 수목점이 추출되는 오류를 제거할 수 있었다.
- 4에서 제안한 것과 같이 크기가 다른 수관폭을 적용하여 국지적최대값 필터링으로 꼭대기점을 추정하고 점밀도와 중복도 기반의 정제를 반복하였다. 수목 꼭대기점 추정의 기준은 조경법을 기준으로 최소 높이를 3m로 설정하였고 수관폭의 크기는 최대 7m, 최소 3m로 각각 설정하였다. 꼭대기점 추정에 앞서 점밀도 기반의 정제 기준인 수관폭의 영역 별 최소점의 개수 계산을 위해 건물을 제거한 비지면점의 점밀도를 사용하였다.
- 수목 개체 수 추출에 관한 대부분의 연구에서는 지상객체의 바닥 높이를 정규화하여 효율적인 객체 추출을 가능하게 해주는 정규화된 수치표면모델 (NDSM : Normalized Digital Surface Model)을 이용하는 방법[2, 5, 15, 17, 20]과 산림지역을 대상으로 수목추출을 용이하게 해주는 CHM(Cannopy Height Model)을 이용한 방법[6, 17, 18, 21, 22]을 사용하였다. 영상기반의 모델 생성 후 Median 필터, Gaussian 필터, 국지적최대값(local maxima) 필터와 같은 영상기반의 필터링 기법을 사용하여 수목의 개체수를 추출하였다[11, 13, 19].
- 본 연구에서는 도시지역 가로수에 대한 위치, 개수, 수고, 수관폭 정보의 추출을 목적으로 하였다. 위치와 개수 추출방법은 다양한 수관폭으로 존재하는 수목 추출을 위해 크기가 다른 필터를 반복 사용하는 방법을 제안하였다. 비가로수 정보의 정제와 개별가로수의 영역을 분리하는 방법도 추가적으로 제안하였다.
- 제안한 방법에서 비수목으로 추정되는 오류를 줄이기 위하여 항공라이다 자료의 점밀도를 기준으로 수관폭 면적내에 존재해야 하는 최소 수목점의 개수를 분석하여 기준 이하의 개수를 가지는 수목점을 정제하였다. 정제기준 개수는 건물정보가 제거된 비지면 정보의 점밀도와 국지적최대값 필터링의 필터모양인 원형을 기준으로 계산하였다. 예를 들어 비지면 자료의 평균점밀도가 0.
- 생성한 NDSM의 표면을 부드럽게하고 수목의 최대높이값이 좀 더 개별적인 특성을 가지도록 저역통과필터링(lowpass filtering) 처리를 수행하였다[17]. 제안방법에서는 입력자료의 점밀도와 최소수관폭의 크기를 기준으로 필터 크기를 설정하고 영상값의 변화를 고려하여 평균값 필터를 사용하였다. Figure 2는 저역통과필터링을 처리한 예시를 나타낸다.
- 따라서 이러한 비수목으로 추정되는 점들은 일정한 기준에 의해서 정제되어야 한다. 제안한 방법에서 비수목으로 추정되는 오류를 줄이기 위하여 항공라이다 자료의 점밀도를 기준으로 수관폭 면적내에 존재해야 하는 최소 수목점의 개수를 분석하여 기준 이하의 개수를 가지는 수목점을 정제하였다. 정제기준 개수는 건물정보가 제거된 비지면 정보의 점밀도와 국지적최대값 필터링의 필터모양인 원형을 기준으로 계산하였다.
- 항공라이다 자료에서 가로수의 개수, 위치, 수고, 수관폭 정보 추출을 위해 제안한 방법은 Figure 1과 같다. 제안한 방법에서는 항공라이다 자료에서 비지면 정보를 우선 추출하고 건물, 가로등, 자동차 등의 비가로수 정보를 제거하였다. 가로수 꼭대기점은 국지적최대값 필터링을 기반으로 수관폭의 크기를 변화시키면서 추정하였다.
- 비교대상이 되는 최대 높이값은 해당 수관폭 영역 내에 존재하는 점들의 높이값 평균과 표준편차(σ) 를 계산하여 3σ 이내에서 선택함으로서 수목이 아닌 특이점 선택을 방지하였다. 중복되는 수목의 수관영역이 2개 이상일 경우 중심점의 거리가 최소인 것을 우선 선택하여 처리하였다. 중복도 기반의 정제과정에서 이미 정제된 위치와 동일한 위치에 발생되는 추가점은 높이값 비교를 수행하지 않고 제거하였다.
- 최대 수관폭 7m를 기준으로 꼭대기점을 추정한 결과 총 27점이 추정되었고 정제를 통해 9개(외곽선 : 7개, 점밀도 : 1개, 중복도 : 1개)가 제거되어 18개의 가로수점을 결정하였다. 중복도 기반의 정제과정에서는 총 3개의 비교대상 중 1개가 임계치 이내의 차이(0.
- 개별 가로수의 영역은 근접하는 가로수 간의 꼭대기점과 해당 지면점을 이용하여 생성한 3차원 교차점을 기반으로 분리하였다. 최종 추출되는 가로수정보는 개별가로수에 대한 점자료이며 이를 기반으로 위치, 수고, 수관폭을 계산하였다.
- 추출된 가로수정보는 대상지역의 1/1,000 수치지도를 기준으로 비교하였다. 수치지도의 가로수정보는 점 기반의 자료로 개수와 위치정보의 비교는 가능하지만 추출한 수고와 수관폭의 결과는 비교가 불가능하였다.
대상 데이터
- 개별 가로수의 영역분리를 통해 추출된 개수는 총 15그루이다. 가로수에 대한 위치, 수고, 수관폭에 해당하는 수치정보는 2.
- 두 번째 형태적 특성기반의 정제는 총 7점을 대상으로 실시하였다. 비교결과 높이값 차이의 평균이 1.
- 실험지역은 도시지역으로 도로를 중심으로 양쪽에 가로수가 존재하고 건물들이 대부분 밀집되어 있으며 건물들 사이에 일부 수목들이 존재하는 특성을 가진다. Table 1은 실험지역의 항공라이다 자료에 대한 통계를 나타낸다.
- 항공라이다 자료를 이용한 가로수정보의 추출 실험은 경기도 오산시의 일부 도시지역을 대상으로 하였다. Figure 7은 실험지역의 항공사진과 항공라이다 자료를 나타낸다.
데이터처리
- 비교대상이 되는 최대 높이값은 해당 수관폭 영역 내에 존재하는 점들의 높이값 평균과 표준편차(σ) 를 계산하여 3σ 이내에서 선택함으로서 수목이 아닌 특이점 선택을 방지하였다.
- 선택된 꼭대기점의 정제 방법은 각 꼭대기점에서 최근린에 존재하는 3점의 높이차 평균을 이용하여 전체 표준편차를 계산하고 2σ를 벗어나는 점을 제거하였다[4].
- 가로수 수치정보의 항목은 가로수의 위치, 수고, 수관폭으로 설정하였다. 위치정보 추정은 영역이 분리된 개별 가로수 점들의 평면위치에 대한 평균값 ( #[Xi , Yi]/n , n = 점의 개수)으로 계산하여 결정하였다. 수고는 개별 가로수가 포함하는 항공라이다 점들 중 최대 높이값으로, 수관폭은 개별 가로수 점들을 사용해 생성되는 최대 원의 지름으로 추정하였다[9].
- 선택된 2개의 가로수점 그룹을 대상으로 수목의 형태적 특성을 이용한 꼭대기점의 정제를 수행하였다. 정제방법은 2.4절에서 설명한 것과 같이 최근린의 3점에 대한 높이값의 차이를 통계적으로 비교하였다. 비교결과 높이값 차이의 평균은 1.
- 비가로수 정보의 정제와 개별가로수의 영역을 분리하는 방법도 추가적으로 제안하였다. 제안방법은 실제 도시지역의 항공라이다 자료에 적용하여 실험을 실시하고 결과를 수치지도와 비교하였다.
이론/모형
- 본 연구는 Kim et al[8]과 Cho et al[4]에 의해 수행된 가로수 정보 추출에 대한 선행 연구에서의 비가로수 정보 제거, 꼭대기점의 추정과 정제, 가로수의 영역분리 방법 등을 이용하였다. 기존의 연구에서는 가로수의 수관폭이 다양한 특성을 반영하지 못한 단점이 있었으나 본 연구에서는 이를 개선하여 다양한 수관폭을 갖는 가로수 추출 방법과 점밀도와 중복도 기반의 정제방법을 추가적으로 제안하였다.
- 비지면 정보에 해당하는 가로수정보 추출을 위해 항공라이다 자료를 지면과 비지면으로 분리하였다. 분리기법은 불규칙삼각망을 기반으로 각도와 거리 임계치 이하의 점들을 지면으로 결정하는 ATIN(Adaptive TIN) 알고리즘을 사용하였다[1]. 건물의 대부분은 평면의 지붕형태를 가진다는 가정으로 분리된 비지면 자료에 평면의 방정식을 적용 하여 건물정보를 추출하였다.
- 비가로수 정보를 제거한 점자료를 이용하여 최근 린보간법으로 보간하였으며 해상도는 입력 항공라이다 자료의 평균점간거리인 0.6m를 사용하였다. NDSM 생성 후 3×3 평균값 저역통과필터링 처리를 수행하였다.
- 수목 개체 수 추출에 관한 대부분의 연구에서는 지상객체의 바닥 높이를 정규화하여 효율적인 객체 추출을 가능하게 해주는 정규화된 수치표면모델 (NDSM : Normalized Digital Surface Model)을 이용하는 방법[2, 5, 15, 17, 20]과 산림지역을 대상으로 수목추출을 용이하게 해주는 CHM(Cannopy Height Model)을 이용한 방법[6, 17, 18, 21, 22]을 사용하였다. 영상기반의 모델 생성 후 Median 필터, Gaussian 필터, 국지적최대값(local maxima) 필터와 같은 영상기반의 필터링 기법을 사용하여 수목의 개체수를 추출하였다[11, 13, 19].
- 가로수의 꼭대기점 추출을 위해 NDSM을 생성하였다. 수치표면모델의 생성은 최근린보간법을 사용하였으며 해상도는 입력 항공라이다 자료의 평균점간거리를 기준으로 하였다. 생성한 NDSM의 표면을 부드럽게하고 수목의 최대높이값이 좀 더 개별적인 특성을 가지도록 저역통과필터링(lowpass filtering) 처리를 수행하였다[17].
- 일반적으로 가로수는 도로를 기준으로 직선의 형태로 식재되어 있다. 이러한 위치적인 특성을 기반으로 선형적으로 존재하는 점들의 선택을 위해 RANSAC(RANdom Sample Consensus) 알고리즘을 사용하였다. RANSAC 알고리즘은 일종의 예측 기법으로 추정된 꼭대기점 자료에서 가로수가 식재된 위치의 선형정보를 획득함으로서 예측한 직선의 임계치 이내에 존재하는 꼭대기점만을 선택하였다.
- 추출된 꼭대기점에 대하여 통계분석 방법인 RANSAC 알고리즘을 적용하여 순차적으로 가로수 식재의 직선정보를 추출하였다. 가로수는 도로를 중심으로 도로변에 위치하고 있기 때문에 먼저 도로 중심선에 대한 정보를 먼저 찾은 후 도로폭 만큼의 영역을 확장하여 직선정보를 추출할 수 있다.
성능/효과
- 기준자료와 실험을 통해 추출된 가로수의 위치를 비교한 결과 평균 약 1.1m의 오차를 보였다. 오차의 범위는 최소 0.
- 첫째, 건물 제거단계에서 건물점의 영역 확장을 통해 건물 벽면 등의 정보를 제거할 수 있었다. 또한, 비가로수 정보를 점 기반의 높이값 정규화를 통해 비교적 정확하게 제거할 수 있었다.
- 비교결과 높이값 차이의 평균이 1.39m, 표준편차가 0.99, 2σ값이 3.37로 계산되었다.
- 수치지도의 가로수점들은 추출 결과의 수관폭 영역에 모두 포함되는 결과를 얻었으나, 수치지도와 항공라이다 자료의 평균수평위치오차(약±0.7m, 약 ±0.3m)로 인해 정확한 계산에는 다소 어려움이 있었다.
- 중복도 기반의 정제과정에서는 2개의 추가점을 비교하였으나 최대 높이값 차이가 임계치 이상의 차이(0.62m, 1.11m)를 보여 개별 수목으로 결정되었다. 최종 결정된 꼭대기점은 총 24그루이며, Figure 14는 추출 결과를 나타낸다.
- 첫째, 건물 제거단계에서 건물점의 영역 확장을 통해 건물 벽면 등의 정보를 제거할 수 있었다. 또한, 비가로수 정보를 점 기반의 높이값 정규화를 통해 비교적 정확하게 제거할 수 있었다.
- 추출된 가로수 개수는 총 15그루로 수치지도의 개수와 비교해 100%의 추출률을 보였다. 하지만 실제 존재함에도 추출되지 않는 오류(기준 자료 7번 가로수)와 함께 1개의 가로수에 2개의 점이 추출되는 오류(기준 자료 13번 가로수)가 발생하였다.
후속연구
- 따라서 가로수에 대한 효율적인 정보의 획득과 체계적인 관리가 필요하다. 3차원 점 기반의 항공라이다 자료를 이용하여 획득된 가로수의 수고와 수관폭 정보는 비교적 정확한 탄소량 계산에도 도움을 줄 것이다.
- 향후 교차로, 곡선도로 등의 지역을 대상으로 추가적인 실험이 수행된다면 가로수 DB 구축에 직접적인 활용이 가능할 것으로 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.