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
- 따라서 본 연구에서는 항공 라이다 자료를 이용하여 자동으로 수목을 추출하는 방법과 자료처리 모듈을 개발하는 것을 목적으로 하였다. 개발된 모듈은 상용소프트웨어와 비교 검증하여 성능을 평가하였다.
- 항공 라이다 자료를 이용하여 수목을 추출하는 과정은 대부분이 수작업으로 진행되기 때문에 작업처리의 일관성이 부족하다.따라서 작업과정에 대하여 일관성을 부여하고 사용자의 개입을 최소화하기 위하여 수목추출 자료처리 소프트웨어를 개발하는 방안을 제안하였다.
- 본 연구에서는 항공 라이다 자료를 이용하여 수목을 자동으로 추출할 수 있는 전체적인 모델을 생성하였으며 이를 통하여 다음과 같은 결론을 도출하였다.
- 항공 라이다 자료를 이용하여 수목을 추출하는 방법론에 대한 성능을 평가하기 위해 실험을 수행하였다.연구대상지역의 위치는 Fig.
가설 설정
- 이러한 이유는 현실에 존재하는 수목은 다양한 크기로 존재하기 때문에 단일한 크기를 적용할 수 없기 때문이다.본 연구에서는 수관폭의 최대 직경은 8m이고 최소 직경은 1m인 것으로 수목으로 가정하여 자동화 과정을 구현하였다.
제안 방법
- 이렇게 생성된 DEM과 DSM을 중첩하여 지형의 높이값을 제외한 순수한 지상객체의 높이값을 나타낸 NDSM을 생성한다.NDSM은 지면이 평면으로 나타나기 때문에 지상객체의 추출이 용이하며 이를 고려하여 수목을 추출하는 작업을 진행하였다.
- Overwatch사의 LIDAR Analyst와 비교함으로서 본 연구에서 제안한 자동화방안을 검증하였다.입력자료는 지면과 비지면이 존재하는 라이다 자료를 이용하였으며 LIDARAnalyst와 본 연구에서 개발한 자동화 모델을 이용하여 자료처리를 수행하였다.
- 도로단위로 나뉘어진 지역은 NDSM 자료를 이용하여 건물영역을 추출하였다. 건물영역의 추출은 높이값과 넓이값을 기준으로 하는 방법과 평면의 방정식을 적용하는 방법을 사용하였다.높이값과 넓이값을 기준으로한 건물영역의 추출방법은 높이값과 넓이값의 최대값과 최소값을 임계값으로 설정하여 임계값 이내에 들어오는 점을 건물영역으로 추출하는 방법이다.
- 건물을 추출하기 위하여 도로를 기준으로 분류하였으며 분류된 지역을 대상으로 높이값과 넓이값을 기준으로 한 방법과 평면의 방정식을 기준으로한 방법을 적용하여 건물점을 추출하였다.추출된 건물점에서는 건물높이와 비슷한 수목과 라이다 자료취득시 건물에 반사된 점이 건물로 오추출되었다.
- 국지적 최대값 필터링의 구조는 원형,삼각형,사각형의 형태가 있으며 본 연구에서는 수목의 모양과 가장 비슷한 원형을 선택하여 연구를 진행하였다[8].
- 본 연구에서는 연구 대상지역이 주택단지와 아파트단지가 골고루 분포된 지역이기 때문에 건물의 영역을 정확하게 추출하기 위하여 도로단위로 지역을 나누어 건물영역을 추출하는 방법을 사용하였다.도로단위로 나뉘어진 지역은 NDSM 자료를 이용하여 건물영역을 추출하였다. 건물영역의 추출은 높이값과 넓이값을 기준으로 하는 방법과 평면의 방정식을 적용하는 방법을 사용하였다.
- 둘째,수목을 자동으로 추출하는 모델을 구현하기 위해서 NDSM을 입력자료로 국지적 최대값 필터링을 적용하였으며 최대수관폭에서 최소수관폭으로 줄여가면서 자료처리를 수행하여 수목을 추출할 수 있었다.
- 수목이 추정되는 과정에서는 픽셀(Pixel)을 단위로 국지적 최대값 필터링을 진행하기 때문에 건물점으로 추출된 위치의 점이 수목으로 추정되는 경우가 있다.따라서 건물점과 수목의 추정점이 중첩된 부분을 제거하여 최종적으로 수목을 추출하였다.
- 수목의 추출점은 NDSM을 사용하여 진행되기 때문에 건물영역으로 추출된 지역에서 수목이 추출될 수 있다. 따라서 국지적 최대값 필터링을 이용하여 추출된 수목점 중에서 건물영역으로 추출된 지점의 수목점을 제거해주는 과정을 진행하였다.
- 본 연구에서는 ESRI사에서 개발한 ArcGIS의 모델빌더 기능을 사용하였으며 모델빌더를 이용하여 자동화방안을 제안한 기존의 연구에 모델빌더를 보완하여 전체적인 모델빌더를 구현하는 작업을 진행하였다.
- 본 연구에서는 수목을 추정하는 방법으로 국지적 최대값 필터링을 적용하였다.지상객체인 수목을 추정하기 위하여 NDSM을 입력자료로 사용하였다.
- 항공 라이다 자료를 이용하여 건물영역을 추출하는 작업과정에서는 비지면자료를 입력자료로 사용하였다. 본 연구에서는 연구 대상지역이 주택단지와 아파트단지가 골고루 분포된 지역이기 때문에 건물의 영역을 정확하게 추출하기 위하여 도로단위로 지역을 나누어 건물영역을 추출하는 방법을 사용하였다.도로단위로 나뉘어진 지역은 NDSM 자료를 이용하여 건물영역을 추출하였다.
- 지면과 비지면을 분리하는 필터링 과정은 여러 가지 종류가 있으며 본 연구에서는 PCFA(Perspective CenterBasedFilteringAlgorithm)를 사용하여 지면과 비지면은 분류하였다[5].분류된 지면과 비지면을 이용하여 DSM(Digital Surface Model)과 DEM(Digital ElevationModel)을 생성하고 DSM과 DEM의 중첩과정을 통해서 지면이 평지화된 NDSM(NormalizedDigital SurfaceModel)을 생성하였다.평지화된 NDSM은 지상 객체의 분류가 용이하기 때문에 NDSM을 이용하여 건물을 추출하는 과정과 수목을 추정하는 과정을 진행하였다.
- 입력자료는 지면과 비지면이 존재하는 라이다 자료를 이용하였으며 LIDARAnalyst와 본 연구에서 개발한 자동화 모델을 이용하여 자료처리를 수행하였다.분석결과의 비교를 위하여 정사영상을 이용하여 수작업을 통하여 추출한 수목의 개수를 참값으로 설정하고 LIDARAnalyst로 추출한 수목과 본 연구에서 개발한 자동화 모델을 통해서 추출한 수목의 결과를 비교하였다.
- 수목을 추출하기 위해서 지면과 비지면을 분류하는 작업을 가장 먼저 진행하였다.지면과 비지면을 분류하는 작업은 임의의 투영중심을 선정하여 각도를 기반으로 폐색영역을 분류하는 PCFA기법을 적용하였다.
- DEM은 지형의 높이값을 이용하여 만든 모델로 지상객체에 대한 정보가 담겨있지 않은 순수한 지형의 형태를 나타내며 DSM은 지형의 높이값과 지상객체의 높이값이 모두 나타난 높이값으로 생성된 모델이다.이렇게 생성된 DEM과 DSM을 중첩하여 지형의 높이값을 제외한 순수한 지상객체의 높이값을 나타낸 NDSM을 생성한다.NDSM은 지면이 평면으로 나타나기 때문에 지상객체의 추출이 용이하며 이를 고려하여 수목을 추출하는 작업을 진행하였다.
- Overwatch사의 LIDAR Analyst와 비교함으로서 본 연구에서 제안한 자동화방안을 검증하였다.입력자료는 지면과 비지면이 존재하는 라이다 자료를 이용하였으며 LIDARAnalyst와 본 연구에서 개발한 자동화 모델을 이용하여 자료처리를 수행하였다.분석결과의 비교를 위하여 정사영상을 이용하여 수작업을 통하여 추출한 수목의 개수를 참값으로 설정하고 LIDARAnalyst로 추출한 수목과 본 연구에서 개발한 자동화 모델을 통해서 추출한 수목의 결과를 비교하였다.
- 첫째,항공 라이다 자료를 이용하여 수목을 추출하는 기존의 연구를 보완하여 자동으로 수목을 추출하는 전체적인 모델을 구현하였다.
- 분류된 지면과 비지면을 이용하여 DSM(Digital Surface Model)과 DEM(Digital ElevationModel)을 생성하고 DSM과 DEM의 중첩과정을 통해서 지면이 평지화된 NDSM(NormalizedDigital SurfaceModel)을 생성하였다.평지화된 NDSM은 지상 객체의 분류가 용이하기 때문에 NDSM을 이용하여 건물을 추출하는 과정과 수목을 추정하는 과정을 진행하였다. 수목이 추정되는 과정에서는 픽셀(Pixel)을 단위로 국지적 최대값 필터링을 진행하기 때문에 건물점으로 추출된 위치의 점이 수목으로 추정되는 경우가 있다.
- 항공 라이다 자료를 이용하여 수목을 추출하는 방법에서 가장 먼저 지면과 비지면을 분리하는 작업을 진행하였다.지면과 비지면을 분리하는 필터링 과정은 여러 가지 종류가 있으며 본 연구에서는 PCFA(Perspective CenterBasedFilteringAlgorithm)를 사용하여 지면과 비지면은 분류하였다[5].
대상 데이터
- 항공 라이다 자료를 이용하여 수목을 추출하는 방법론에 대한 성능을 평가하기 위해 실험을 수행하였다.연구대상지역의 위치는 Fig.3과 같이 경기도 용인시 일부 지역으로 선정하였다.연구대상지역의 특징은 수목과 건물이 공존하는 지역이고 건물의 형태도 아파트단지와 주택단지가 공존하여 크기가 다양한 지역이다[9].
- 본 연구에서는 수목을 추정하는 방법으로 국지적 최대값 필터링을 적용하였다.지상객체인 수목을 추정하기 위하여 NDSM을 입력자료로 사용하였다.국지적 최대값 필터링을 적용하는 과정에서는 수목의 수관폭은 큰값에서 작은 값으로 줄여가면서 설정한 임계값 이내에 수목을 추출하였다.
- 항공 라이다 자료를 이용하여 건물영역을 추출하는 작업과정에서는 비지면자료를 입력자료로 사용하였다. 본 연구에서는 연구 대상지역이 주택단지와 아파트단지가 골고루 분포된 지역이기 때문에 건물의 영역을 정확하게 추출하기 위하여 도로단위로 지역을 나누어 건물영역을 추출하는 방법을 사용하였다.
데이터처리
- 따라서 본 연구에서는 항공 라이다 자료를 이용하여 자동으로 수목을 추출하는 방법과 자료처리 모듈을 개발하는 것을 목적으로 하였다. 개발된 모듈은 상용소프트웨어와 비교 검증하여 성능을 평가하였다.
이론/모형
- 수목을 추출하기 위해서는 건물을 추출한 후 지상객체에서 건물을 제거하는 방법을 진행하여야 한다.건물을 추출하기 위해서 PCFA기법이 적용된 건물추출 프로그램을 사용하였다.이렇게 추출된 건물점은 폴리곤 형태의 건물영역으로 변환하여야 한다.
- 수목은 평균적으로 크기가 일정하다고 판단할 수 있는 지상객체중 하나이다.따라서 수목을 추출하기 위하여 국지적 최대값 필터링을 사용하였다[7]. 국지적 최대값 필터링은 수목의 최소 높이값을 설정하고 임계값보다 작은 영역을 널(null)값으로 할당하여 임계값보다 높은 지역을 최대값으로 부여하는 방법이다.
- 본 연구에서는 항공 라이다 자료를 이용하여 수목을 추출하는 기존의 방법론에 의거하여 수목추출을 진행하였다[4].하지만 자동화 방법에 적용하기 위하여 수목추출의 순서를 일부 수정하였다.
- 수목을 추출하기 위해서 지면과 비지면을 분류하는 작업을 가장 먼저 진행하였다.지면과 비지면을 분류하는 작업은 임의의 투영중심을 선정하여 각도를 기반으로 폐색영역을 분류하는 PCFA기법을 적용하였다.분류된 지면은 Fig.
- 라이다 자료에서 지면과 비지면을 분류하는 작업은 비지면에 포함되어 있는 지상객체를 추출하기 위함이다. 지면과 비지면을 분류하는 필터링기법은 여러 가지가 있으며 다양한 형태의 실험대상지역을 바탕으로 비교해본 연구의 결과에 따라 본 연구에서는 PCFA필터링을 사용하였다[6].PCFA필터링은 가상의 투영중심점을 설정하고 설정된 투영중심점에서 지상으로의 연직점과 라이다 점과의 각도를 기반으로하여 지면과 비지면을 분리하는 기법이다[5].
- 항공 라이다 자료를 이용하여 수목을 추출하는 방법에서 가장 먼저 지면과 비지면을 분리하는 작업을 진행하였다.지면과 비지면을 분리하는 필터링 과정은 여러 가지 종류가 있으며 본 연구에서는 PCFA(Perspective CenterBasedFilteringAlgorithm)를 사용하여 지면과 비지면은 분류하였다[5].분류된 지면과 비지면을 이용하여 DSM(Digital Surface Model)과 DEM(Digital ElevationModel)을 생성하고 DSM과 DEM의 중첩과정을 통해서 지면이 평지화된 NDSM(NormalizedDigital SurfaceModel)을 생성하였다.
성능/효과
- 9와 같이 LIDAR Analyst의 경우 수목밀집지역 중 일부 지역에서 추출율 이 상대적으로 높았다.그러나 본 연구에서 제안한 방법은 건물 주변의 수목과 가로수의 추출율이 높았으며 수목밀집지역의 일부 지역에서 수목 추출율이 상대적으로 낮았다.
- 본 연구에서 제안한 방법과 상용소프트웨어를 비교하여 분석한 결과 건물 인근에 식재되어있는 수목의 추출 여부에서 차이가 발생하였다.Fig.
- 셋째,상용소프트웨어인 LIDARAnalyst와 본 연구에서 제안한 방법의 결과를 비교분석하였으며 그 결과 LIDARAnalyst는 52.68%,본 연구에서 제안한 방법은 62.59%의 추출율을 보였으며 수목을 추출하는 측면에서 본 연구에서 제안한 방법이 높은 결과를 나타내었다.
- 68%의 수목을 추출하였다.하지만 본 연구에서 제안한 방법의 결과는 오추출된 수목을 제거하여 455그루로 62.59%의 수목을 추출하였다.
후속연구
- 향후 수목의 밀집지역에 대한 추출율을 높이며 수목을 효율적으로 구축할 수 있는 데이터베이스를 구현할 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.