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 절대보정을 위한 기준 점데이터의 생성 방법을 제시하며, ICP를 이용하여 기준 점데이터에 상대 보정된 항공라이다 데이터를 절대보정한다. 한편, 사용되는 수치지형도에 따라 방위각 점데이터에 적용할 수 있는 수정된 ICP 알고리즘을 제안한다.
- 본 연구에서는 항공라이다 데이터 스트립의 반자동의 절대보정 방법을 제안하였다. 항공라이다 데이터를 절대보정하기 위하여 수치지형도를 샘플링한 점데이터를 기준으로 ICP 알고리즘을 적용하였다.
가설 설정
- 각 에지를 구성하는 두 점에 동일 방위각을 부여하며, 모든 에지에 대하여 이와 같은 연산을 수행하여 방위각 점데이터(X,Y,Azimuth)를 생성하였다. 따라서, 한 점에 대하여 여러 개의 방위각이 존재할 수 있으며, 이러한 값들과 수치지형도에서 샘플링된 방위각 점데이터와의 거리가 임계거리 이내이면 각 쌍을 매칭후보쌍으로 가정한다.
제안 방법
- 2D 수치지형도를 이용하여 항공라이다 데이터를 보정하기 위하여 개체의 방위각과 표고를 샘플링하였다. 방위 각 점데이터는 불연속선 개체의 에지를 샘플링하여 취득하였으며, 표고 점데이터는 등고선과 표고점을 샘플링하여 생성하였다.
- 2D 수치지형도를 이용한 항공라이다 데이터 보정에는 먼저 수평보정을 수행하고, 이후 수직보정을 수행하였다. 실험에서는 수평보정을 위한 불연속선 정보로 건물 경계선의 방위각을 사용하였다.
- 2D 수치지형도와 3D 도화 수치지형도의 이용가능성에 따라 두 가지 실험을 수행하였다. 우선 분당 일부 지역에 대하여 3D 수치지형도를 기준으로 항공라이다 데이터의 절대보정을 수행하였다.
- 입력되는 수치지형도를 2차원 수치지형도와 3차원 도화지도로 구분하여 다른 보정 과정을 사용하였다. 2차원 수치지형도가 입력되는 경우, 수평보정과 수직보정으로 나누어 보정을 수행하였다. 건물 경계선에 대한 방위각 점데이터를 사용하여 수평위치를 보정하고, 표고 점데이터를 사용하여 수직위치를 보정하였다.
- 대전지역의 항공라이다 데이터 중에서 10번, 14번, 15번 스트립을 조정하여 수치지형도를 기준으로 보정하였다. 3개 스트립간의 상대조정을 수행하기 위하여 10번 스트립을 주스트립으로 하여, 14번, 15번 부스트립을 차례대로 주스트립에 조정결합하였다.
- 3m 이내에 분포하는 것으로 알려져 있다(해양수산부, 2005). Nori-05 소프트웨어에 경위도 좌표를 입력하면 해당 지점의 지오이드고를 계산하므로, 실험에 사용된 수치지형도를 포함하는 사각형의 네 꼭지점을 계산하고 각각의 지오이드고를 산출하였다. 그리고, 네 꼭지점의 지오이드고 평균값인 24.
- 추출된 후보 에지의 높이차가 일정 크기 이상인 에지에 대하여 방위각을 계산하였다. 각 에지를 구성하는 두 점에 동일 방위각을 부여하며, 모든 에지에 대하여 이와 같은 연산을 수행하여 방위각 점데이터(X,Y,Azimuth)를 생성하였다. 따라서, 한 점에 대하여 여러 개의 방위각이 존재할 수 있으며, 이러한 값들과 수치지형도에서 샘플링된 방위각 점데이터와의 거리가 임계거리 이내이면 각 쌍을 매칭후보쌍으로 가정한다.
- 2차원 수치지형도가 입력되는 경우, 수평보정과 수직보정으로 나누어 보정을 수행하였다. 건물 경계선에 대한 방위각 점데이터를 사용하여 수평위치를 보정하고, 표고 점데이터를 사용하여 수직위치를 보정하였다. 3차원 도화지도가 입력되는 경우에는 모든 개체를 점 데이터로 변환하여 수평보정과 수직보정을 동시에 수행하였다.
- 대전지역의 항공라이다 데이터 중에서 10번, 14번, 15번 스트립을 조정하여 수치지형도를 기준으로 보정하였다. 3개 스트립간의 상대조정을 수행하기 위하여 10번 스트립을 주스트립으로 하여, 14번, 15번 부스트립을 차례대로 주스트립에 조정결합하였다.
- 두 번째, 대전 일부 지역에 대하여 2D 수치지형도를 기준으로 항공라이다 데이터를 절대보정하였다. 대상지역은 가로 600m × 세로 1,200m의 도심이며, 데이터 취득에 Optech 사의 ALTM 3070이 사용되었다.
- 0의 차이로 나타나므로 수평방향의 거리와 라디안 방위각 차이는 유사한 크기로 영향을 준다. 따라서 라디안 방위각으로 정규화하여 보정에 이용하였다.
- 2D 수치지형도를 이용하여 항공라이다 데이터를 보정하기 위하여 개체의 방위각과 표고를 샘플링하였다. 방위 각 점데이터는 불연속선 개체의 에지를 샘플링하여 취득하였으며, 표고 점데이터는 등고선과 표고점을 샘플링하여 생성하였다.
- 보정 전후의 정확도를 정량적으로 평가하기 위해 건물 모서리로 여겨지는 검사점을 관측하였다. 보정전 검사점과 보정후 검사점의 수평위치 정확도 평가는 표 7과 같다.
- 보정 전후의 평면위치 정확도에 대한 향상 여부를 알아보기 위해 그림 18과 같이 방위각 점데이터와 항공라이다 데이터를 중첩시켰다. 그림 18 (a)에서 보정 전 데이터간에 X축 방향으로 상대오차가 크게, Y축 방향으로 상대오차가 작게 존재하는 것을 확인할 수 있다.
- 보정전후에 정확도를 확인하기 위하여 건물이 포함된 소지역에 대하여 보정 전 항공라이다 데이터와 수치지형도를 중첩시켰다(그림 10). 그림에서 건물 경계를 살펴보면, 보정 후에 항공라이다 데이터의 위치정확도가 향상된 것을 시각적으로 쉽게 확인할 수 있다.
- 78m이다. 본 연구에서는 28개 스트립 중에서 비교적 중복도가 높은 1, 2, 18, 19, 20, 28번 6개 스트립을 이용하였다.
- 항공라이다 데이터에서 생성된 TIN의 각 삼각형은 평면을 구성하며, 각 평면의 경사방향(aspect)을 이용하여 건물이나 주요 지물을 추출하는 연구가 수행되었다(그림 4). 본 연구에서는 각 삼각형의 경사를 이용하여 건물 경계 후보 지역을 찾고, 후보 삼각형의 에지 중에서 건물 경계 후보선을 추출하였다. 추출된 후보 에지의 높이차가 일정 크기 이상인 에지에 대하여 방위각을 계산하였다.
- 실험대상지역은대전도심지역으로1:1,000 수치지형도를 이용하였다. 사용된 수치지형도는 베셀타원체, 동경원점, 지오이드 높이 기준으로 제작되어 있지만, 항공라이다 데이터가 GRS80 타원체, 지오이드 높이 기준을 가지고 있기 때문에, 국토지리정보원에서 배포한 변환 프로그램인 1000GDKTrans을 이용하여 GRS80 타원체로 변환하였다.
- T1과 T3의 5개 에지 중에서 점 p12를 포함하고 높이 변화 조건을 만족하는 #과 #에지가 방위각 점데이터를 형성한다. 수치지형도에서 추출된 방위각 점데이터와 항공라이다 데이터의 TIN에서 생성된 방위각 점데이터로부터 대응점을 탐색하여 수평방향 절대보정량을 계산한다. 점군 데이터에 ICP 알고리즘을 적용할 때, 기존 알고리즘들은 X와 Y외에 세 번째 속성정보로 Z, 컬러, 곡률, 반사강도 등을 이용하였지만, 본 연구에서는 방위각 정보를 속성정보로 이용하는 수정된 ICP 알고리즘을 제시하였다.
- 수평위치가 조정되었다는 가정하에, 동일 수평위치에 있는 기준점 표고와 대응되는 항공라이다 데이터의 표고점 차이를 비교하였다. 보정 영역이 넓지 않은 경우에 높이차를 상수로 가정하고, 평균 또는 중앙값 등의 통계량을 이용하여 데이터를 Z축 방향으로 이동하여 보정할 수 있다.
- 스트립 중에서 하나의 주 스트립을 선택하고, 나머지 스트립을 주 스트립에 차례대로 연결시켜 모든 스트립을 조정하였다. 스트립간의 중복 여부를 판단하고, 중복 스트립간에 중복 데이터 점수를 계산하여 각 스트립별로 총 중복점수를 산정하며, 총 중복점수가 가장 높은 스트립을 주 스트립으로 선택하였다.
- 스트립간의 조정량을 계산하기 위하여, 먼저 ICP 알고리즘으로 이동변환량을 추정하고, 극단화소비 알고리즘으로 X, Y, Z, ω, φ, κ 인자를 추정하였다.
- 스트립 중에서 하나의 주 스트립을 선택하고, 나머지 스트립을 주 스트립에 차례대로 연결시켜 모든 스트립을 조정하였다. 스트립간의 중복 여부를 판단하고, 중복 스트립간에 중복 데이터 점수를 계산하여 각 스트립별로 총 중복점수를 산정하며, 총 중복점수가 가장 높은 스트립을 주 스트립으로 선택하였다. 주 스트립과 가장 많이 겹치는 부 스트립을 선택하여 이들을 조정하였으며, 조정량을 적용하여 두 스트립을 결합하였다.
- 2D 수치지형도와 3D 도화 수치지형도의 이용가능성에 따라 두 가지 실험을 수행하였다. 우선 분당 일부 지역에 대하여 3D 수치지형도를 기준으로 항공라이다 데이터의 절대보정을 수행하였다. 이 지역은 가로 800m × 세로 800m 범위의 수내동 · 정자동 일원의 도심지역으로 캐나다 Optech 사의 ALTM1020 장비를 사용하여 데이터가 취득되었다.
- 항공라이다 데이터를 절대보정하기 위하여 수치지형도를 샘플링한 점데이터를 기준으로 ICP 알고리즘을 적용하였다. 입력되는 수치지형도를 2차원 수치지형도와 3차원 도화지도로 구분하여 다른 보정 과정을 사용하였다. 2차원 수치지형도가 입력되는 경우, 수평보정과 수직보정으로 나누어 보정을 수행하였다.
- 수치지형도에서 추출된 방위각 점데이터와 항공라이다 데이터의 TIN에서 생성된 방위각 점데이터로부터 대응점을 탐색하여 수평방향 절대보정량을 계산한다. 점군 데이터에 ICP 알고리즘을 적용할 때, 기존 알고리즘들은 X와 Y외에 세 번째 속성정보로 Z, 컬러, 곡률, 반사강도 등을 이용하였지만, 본 연구에서는 방위각 정보를 속성정보로 이용하는 수정된 ICP 알고리즘을 제시하였다. 특히, 방위각 정보는 영상의 에지에서도 쉽게 유도할 수 있기 때문에 영상의 보정이나 매칭에도 활용될 수 있다.
- 조정된 항공라이다 데이터는 방위각 점데이터를 기준으로 수평위치를 보정하고, 표고 점데이터를 기준으로 수직위치를 보정하였다. 수평위치 조정은 ICP 알고리즘을 이용하고, 수직위치 보정은 중앙값을 이용하였다.
- 스트립간의 중복 여부를 판단하고, 중복 스트립간에 중복 데이터 점수를 계산하여 각 스트립별로 총 중복점수를 산정하며, 총 중복점수가 가장 높은 스트립을 주 스트립으로 선택하였다. 주 스트립과 가장 많이 겹치는 부 스트립을 선택하여 이들을 조정하였으며, 조정량을 적용하여 두 스트립을 결합하였다. 결합된 스트립을 다시 주 스트립으로 지정하고 나머지 스트립 중에서 중복 점수에 따라 부 스트립으로 지정하여, 모든 스트립을 결합할 때까지 이 과정을 반복한다.
- 본 연구에서는 각 삼각형의 경사를 이용하여 건물 경계 후보 지역을 찾고, 후보 삼각형의 에지 중에서 건물 경계 후보선을 추출하였다. 추출된 후보 에지의 높이차가 일정 크기 이상인 에지에 대하여 방위각을 계산하였다. 각 에지를 구성하는 두 점에 동일 방위각을 부여하며, 모든 에지에 대하여 이와 같은 연산을 수행하여 방위각 점데이터(X,Y,Azimuth)를 생성하였다.
- 본 연구에서는 절대보정을 위한 기준 점데이터의 생성 방법을 제시하며, ICP를 이용하여 기준 점데이터에 상대 보정된 항공라이다 데이터를 절대보정한다. 한편, 사용되는 수치지형도에 따라 방위각 점데이터에 적용할 수 있는 수정된 ICP 알고리즘을 제안한다. 모든 처리 단계는 Matlab 소프트웨어로 코딩하였으며 입력 데이터와 각 조정인자가 설정되면 자동으로 상대 조정 및 절대보정을 수행한다.
대상 데이터
- Nori-05 소프트웨어에 경위도 좌표를 입력하면 해당 지점의 지오이드고를 계산하므로, 실험에 사용된 수치지형도를 포함하는 사각형의 네 꼭지점을 계산하고 각각의 지오이드고를 산출하였다. 그리고, 네 꼭지점의 지오이드고 평균값인 24.254m를 보정값으로 실험에 사용하였다.
- 대상지역은 가로 600m × 세로 1,200m의 도심이며, 데이터 취득에 Optech 사의 ALTM 3070이 사용되었다.
- 보정 정확도를 평가하기 위해 항공라이다 데이터와 수치지형도를 샘플링한 점 데이터에서 대응점으로 판단할 수 있는 12개의 검사점을 이용하였다(표 5). 보정전후에 검사점에 대한 RMSE(root mean square error)는 2.
- 본 실험에서는 분당 지역의 1:1,000 도화지도를 기준 데이터로 사용하고, 동일 지역의 항공라이다 데이터를 보정하였다(표 1, 표 2). 3D 수치데이터는 X, Y, Z 좌표를 가지고 있기 때문에, 샘플링된 점데이터를 직접 보정에 사용할 수 있지만, 분당 데이터의 경우에 두 데이터의 기준 좌표계가 다르기 때문에 보정 전에 기준 데이터의 변환을 수행할 필요가 있다.
- 분당지역 28개의 스트립 중에서 스트립 1번, 2번, 18번, 19번, 20번, 28번의 6개 스트립을 실험에 사용하였다. 이 6개의 스트립에 대하여 X의 범위가 327,000~335,000인 점을 선택하였다(그림 9).
- 실험대상지역은대전도심지역으로1:1,000 수치지형도를 이용하였다. 사용된 수치지형도는 베셀타원체, 동경원점, 지오이드 높이 기준으로 제작되어 있지만, 항공라이다 데이터가 GRS80 타원체, 지오이드 높이 기준을 가지고 있기 때문에, 국토지리정보원에서 배포한 변환 프로그램인 1000GDKTrans을 이용하여 GRS80 타원체로 변환하였다.
- 2D 수치지형도를 이용한 항공라이다 데이터 보정에는 먼저 수평보정을 수행하고, 이후 수직보정을 수행하였다. 실험에서는 수평보정을 위한 불연속선 정보로 건물 경계선의 방위각을 사용하였다. 1:1,000 수치지형도에서 건물 레이어는 AAA001(일반주택), AAA002(연립주택), AAA003(아파트), AAA004(무벽건물), AAA005(온실), AAA006(공사중 건물), AAA007(가건물), AAA008(빌딩: 주택외 건물)의 코드값으로 설정되어 있다.
- 대상지역은 가로 600m × 세로 1,200m의 도심이며, 데이터 취득에 Optech 사의 ALTM 3070이 사용되었다. 약 120여개의 스트립 데이터 중에서 10, 14, 15번 스트립을 실험에 사용하였다. 개별 스트립의 점밀도는 약 2.
- 이 지역은 가로 800m × 세로 800m 범위의 수내동 · 정자동 일원의 도심지역으로 캐나다 Optech 사의 ALTM1020 장비를 사용하여 데이터가 취득되었다.
데이터처리
- 좌표변환 프로그램은 Matlab으로 코딩하였으며, 국토지리정보원의 좌표변환 프로그램인 GDKtrans를 개발과정에 사용된 기준점을 이용하여, 직접 코딩한 좌표변환 프로그램의 정확도를 검증하였다. 정확도를 평가한 결과, 개발된 프로그램은 수 cm 이내의 오차를 나타내었다.
이론/모형
- 모든 스트립이 결합되어 상대조정된 항공라이다 데이터와 수치지형도에서 샘플링된 점 데이터간의 보정은 ICP 알고리즘을 이용하여 수행하였다.
- 한편, 사용되는 수치지형도에 따라 방위각 점데이터에 적용할 수 있는 수정된 ICP 알고리즘을 제안한다. 모든 처리 단계는 Matlab 소프트웨어로 코딩하였으며 입력 데이터와 각 조정인자가 설정되면 자동으로 상대 조정 및 절대보정을 수행한다. 그림 1은 연구흐름도이다.
- 조정된 항공라이다 데이터는 방위각 점데이터를 기준으로 수평위치를 보정하고, 표고 점데이터를 기준으로 수직위치를 보정하였다. 수평위치 조정은 ICP 알고리즘을 이용하고, 수직위치 보정은 중앙값을 이용하였다. ICP 알고리즘에 입력되는 점 데이터는 평면위치와 방위각 정보로 이루어져 있다.
- 지오이드고를 참조하기 위하여 국립해양조사원에서 개발된 Nori-05를 이용하였다. 전국 121개 수준점에서 측정한 GPS/Levelling 지오이드와 비교한 결과, Nori-05 지오이드 모델의 RMS 오차는 0.
- 본 연구에서는 항공라이다 데이터 스트립의 반자동의 절대보정 방법을 제안하였다. 항공라이다 데이터를 절대보정하기 위하여 수치지형도를 샘플링한 점데이터를 기준으로 ICP 알고리즘을 적용하였다. 입력되는 수치지형도를 2차원 수치지형도와 3차원 도화지도로 구분하여 다른 보정 과정을 사용하였다.
성능/효과
- 우리나라의 수치지형도는 각 축척에 따라 일정한 허용오차를 규정하고 있다(국토지리정보원, 2005). 1:5,000 수치지형도의 경우, 수평위치정확도와 수직위치정확도는 각각 1m, 50cm이고, 1:1,000 수치지형도의 경우, 수평위치 정확도와 수직위치정확도는 각각 20cm, 15cm이다. 고도 1,000m에서 취득한 항공라이다 데이터의 수평 및 수직 위치정확도를 50cm, 15cm라고 가정할 때, 1:1,000 대축척 수치지형도를 기준 데이터로 사용하는 것이 적당하다고 할 수 있다.
- 3차원 도화지도가 입력되는 경우에는 모든 개체를 점 데이터로 변환하여 수평보정과 수직보정을 동시에 수행하였다. 2차원 수치지형도를 이용한 보정실험에서 정확도 평가 결과, 보정전 1.25m에서 보정후 0.67m로 수평 RMSE를 감소시켰으며, 3차원 수치지형도를 이용한 보정실험에서 RMSE를 보정전 2.82m에서 보정 후 0.77m로 감소시켰다.
- 보정전 데이터에 일정한 방향으로 오차가 형성되어 있다는 것을 알 수 있으며, 보정 후 이런 경향은 사려졌다. 보정 후 오차벡터에서, 평면 시점의 경우 점밀도가 낮은 아랫부분에서 오차가 크다는 것을 알 수 있으며, 수직 시점의 경우 높은 점과 낮은 점의 오차 경향이 반대로 나타났다
- 보정 정확도를 평가하기 위해 항공라이다 데이터와 수치지형도를 샘플링한 점 데이터에서 대응점으로 판단할 수 있는 12개의 검사점을 이용하였다(표 5). 보정전후에 검사점에 대한 RMSE(root mean square error)는 2.82m에서 0.77m로 향상되었다. 최대오차는 X, Y, Z 방향으로 보정 전 2.
- 본 연구를 통하여 수치지형도를 기준 데이터로 사용하여 항공라이다 스트립에 대하여절대오차를 자동으로 보정할 수 있었으며, 항공라이다 데이터의 활용성 및 범용성을 높일 수 있게 되었다. 추가적인 연구 과제로 자동 상대조정에 적합한 스트립간 변환 모델식을 파악하고 적용모델을 개발해야 할 것이다.
- 이렇게 낮은 수직위치 정확도는 좌표변환 과정에서 발생하는 오차와 정확히 동일한 점이 아닌 대응점을 검사점으로 사용해서 발생하였으리라 여겨진다. 본 연구에서 수행한 결과는 지상기준점을 이용하여 동시조정된 보정 정확도에는 미치지 못하지만 원래 항공라이다 데이터가 가지고 있는 정확도에 비해 많이 향상되었음을 알 수 있다.
- 좌표변환 프로그램은 Matlab으로 코딩하였으며, 국토지리정보원의 좌표변환 프로그램인 GDKtrans를 개발과정에 사용된 기준점을 이용하여, 직접 코딩한 좌표변환 프로그램의 정확도를 검증하였다. 정확도를 평가한 결과, 개발된 프로그램은 수 cm 이내의 오차를 나타내었다.
- 이 지역은 가로 800m × 세로 800m 범위의 수내동 · 정자동 일원의 도심지역으로 캐나다 Optech 사의 ALTM1020 장비를 사용하여 데이터가 취득되었다. 총 28개의 비행경로에서 관측이 수행되었으며, 획득된 모든 데이터의 점밀도는 2.8점/㎡이고, 평균 점간격은 약 0.6m이다. 개별 스트립의 점밀도는 약 0.
- 77m로 향상되었다. 최대오차는 X, Y, Z 방향으로 보정 전 2.53m, 1.5m, 2.67m에서 보정 후 각각 0.83m, 0.39m, 1.27m이었으며, Z 방향의 오차 및 RMSE가 가장 크게 나타났다. 이렇게 낮은 수직위치 정확도는 좌표변환 과정에서 발생하는 오차와 정확히 동일한 점이 아닌 대응점을 검사점으로 사용해서 발생하였으리라 여겨진다.
후속연구
- 추가적인 연구 과제로 자동 상대조정에 적합한 스트립간 변환 모델식을 파악하고 적용모델을 개발해야 할 것이다. 또한 2차원 수치지형도를 이용한 절대보정에서 항공라이다 데이터의 3D 좌표값과 반사강도 값을 동시에 활용하여 기준점 생성에 사용될 개체로서 건물 이외의 다른 지형지물을 적용할 수 있는 방안에 대한 연구도 필요하다.
- 본 연구를 통하여 수치지형도를 기준 데이터로 사용하여 항공라이다 스트립에 대하여절대오차를 자동으로 보정할 수 있었으며, 항공라이다 데이터의 활용성 및 범용성을 높일 수 있게 되었다. 추가적인 연구 과제로 자동 상대조정에 적합한 스트립간 변환 모델식을 파악하고 적용모델을 개발해야 할 것이다. 또한 2차원 수치지형도를 이용한 절대보정에서 항공라이다 데이터의 3D 좌표값과 반사강도 값을 동시에 활용하여 기준점 생성에 사용될 개체로서 건물 이외의 다른 지형지물을 적용할 수 있는 방안에 대한 연구도 필요하다.
- 아파트 또는 단독 주택 지역의 높이차는 작고, 나대지의 부분은 높이차가 큰 경향을 보이는 등 지역적인 경향성이 일부 나타나고 있다. 항공라이다 데이터에 미리 DTM 생성시에 이루어지는 노이즈 제거와 같은 처리를 수행하고 높이차 분석을 수행하면, 높이차 경향을 더욱 확실하게 파악할 수 있을 것이다. 높이차에 대한 히스토그램은 정규분포와 유사한 분포 형태를 나타내고 있다(그림17).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.