대부분의 지형정보획득을 위한 영상에는 RGB, 근적외선, 열영상이 주로 사용된다. 이 멀티밴드영상은 위성이나 유인항공기에 탑재되어 획득되고 있으나 주기해상도, 비용, 공간해상도, 그리고 구름의 영향 등으로 사용자를 만족시키기 어렵다. 자동항법UAV에 적합한 페이로드와 콘트롤러를 개발한다면 원하는 시간과 주기로 고해상도 멀티밴드영상을 획득할 수 있다. 본 연구에서는 멀티밴드 영상획득을 위한 센서와 페이로드의 개발을 통해 저가의 고해상 영상획득시스템을 구축하고 이를 이용하여 geo-referencing data와 함께 RGB, NIR과 열영상을 획득하였다. 획득한 RGB영상으로 정사모자익영상을 제작하여 검사점에 대한 위치정확도를 분석한 결과 수평좌표에서 0.181m, 수직좌표에서 0.203m의 편차를 얻을 수 있었다. 이는 1:1,000~5000수치지도제작과 소규모지역에 대한 원격탐측이 가능한 공간정확도를 만족하므로 페이로드의 활용성을 검증할 수 있었으며 활용이 기대된다.
대부분의 지형정보획득을 위한 영상에는 RGB, 근적외선, 열영상이 주로 사용된다. 이 멀티밴드영상은 위성이나 유인항공기에 탑재되어 획득되고 있으나 주기해상도, 비용, 공간해상도, 그리고 구름의 영향 등으로 사용자를 만족시키기 어렵다. 자동항법UAV에 적합한 페이로드와 콘트롤러를 개발한다면 원하는 시간과 주기로 고해상도 멀티밴드영상을 획득할 수 있다. 본 연구에서는 멀티밴드 영상획득을 위한 센서와 페이로드의 개발을 통해 저가의 고해상 영상획득시스템을 구축하고 이를 이용하여 geo-referencing data와 함께 RGB, NIR과 열영상을 획득하였다. 획득한 RGB영상으로 정사모자익영상을 제작하여 검사점에 대한 위치정확도를 분석한 결과 수평좌표에서 0.181m, 수직좌표에서 0.203m의 편차를 얻을 수 있었다. 이는 1:1,000~5000수치지도제작과 소규모지역에 대한 원격탐측이 가능한 공간정확도를 만족하므로 페이로드의 활용성을 검증할 수 있었으며 활용이 기대된다.
In general, RGB, NIR, and thermal images are used for obtaining geospatial data. Such multiband images are collected via devices mounted on satellites or manned flights, but do not always meet users' expectations, due to issues associated with temporal resolution, costs, spatial resolution, and effe...
In general, RGB, NIR, and thermal images are used for obtaining geospatial data. Such multiband images are collected via devices mounted on satellites or manned flights, but do not always meet users' expectations, due to issues associated with temporal resolution, costs, spatial resolution, and effects of clouds. We believe high-resolution, multiband images can be obtained at desired time points and intervals, by developing a payload suitable for a low-altitude, auto-piloted UAV. To achieve this, this study first established a low-cost, high-resolution multiband image collection system through developing a sensor and a payload, and collected geo-referencing data, as well as RGB, NIR and thermal images by using the system. We were able to obtain a 0.181m horizontal deviation and 0.203m vertical deviation, after analyzing the positional accuracy of points based on ortho mosaic images using the collected RGB images. Since this meets the required level of spatial accuracy that allows production of maps at a scale of 1:1,000~5,000 and also remote sensing over small areas, we successfully validated that the payload was highly utilizable.
In general, RGB, NIR, and thermal images are used for obtaining geospatial data. Such multiband images are collected via devices mounted on satellites or manned flights, but do not always meet users' expectations, due to issues associated with temporal resolution, costs, spatial resolution, and effects of clouds. We believe high-resolution, multiband images can be obtained at desired time points and intervals, by developing a payload suitable for a low-altitude, auto-piloted UAV. To achieve this, this study first established a low-cost, high-resolution multiband image collection system through developing a sensor and a payload, and collected geo-referencing data, as well as RGB, NIR and thermal images by using the system. We were able to obtain a 0.181m horizontal deviation and 0.203m vertical deviation, after analyzing the positional accuracy of points based on ortho mosaic images using the collected RGB images. Since this meets the required level of spatial accuracy that allows production of maps at a scale of 1:1,000~5,000 and also remote sensing over small areas, we successfully validated that the payload was highly utilizable.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 기존의 연구(Han, 2013; 2014)를 바탕으로 마이크로 UAV에 적합한 센서를 개량 및 검정하고 이를 탑재할 수 있는 경량 페이로드의 하드웨어 및 소프트웨어를 개발하였다. 또한 실시간 현장영상분석 시스템을 통하여 촬영의 이상유무를 확인하였으며 개발된 시스템을 이용하여 테스트지역에 대한 정사영상을 제작하고 정확도를 분석하였다.
LiDAR는 아직까지 소형의 UAV에 탑재하기에는 크고 무겁고 비디오카메라는 영화, 방송 및 개인적 취미의 목적이 크다. 본 연구에서는 지형정보획득 목적에 맞는 멀티밴드센서로 RGB, NIR, Thermal카메라 탑재를 위한 페이로드 개발에 목적을 두었다.
다시 준비해야하는 것도 번거롭지만 촬영지역이 먼 경우에는 더욱 어려운 상황이 된다. 본 연구에서는 촬영상태를 검사하기 위해 실시간으로 영상을 조합하여 디스플레이 할 수 있는 모듈을 WorldWind기반으로 개발하였다. World Wind는 2004년도에 NASA가 공개한 것으로 현재는 NASA의 스탭과 오픈소스커뮤니티에서 개발하고 있다.
열영상카메라는 대상물에 의해 반사, 방사, 전도되는 열에너지를 감지한다. 카메라에 의해 감지되는 열에너지는 대상물 주변의 상황에 따라 오차를 포함하는 경우가 많으므로 정기적인 검정이 필요하지만 본 연구에서는 활용목적에 맞는 열영상카메라의 재원을 정하고 이를 탑재하기 위한 페이로드의 개발에 초점을 맞추었다.
제안 방법
이 거리는 초속15m/sec의 UAV속도로 8초가 걸리므로 갑작스런 풍속변화 또는 자동비행의 불안정을 대비하여 50%의 안전율을 고려한 4초로 촬영간격을 정하였다. 4초 간격의 자동촬영을 위해 libgphoto2에서 캡처루프라 불리는 트리거함수의 주기를 4초로 하였다. 매번 오류가 없는지 반복계산마다 GP_OK를 체크하여 오류를 감지한다.
렌즈의 경우에도 가시광선(400∼700nm)이 같은 점을 통과하도록 만들었기 때문에 IR의 경우 보다 초점이 더 뒤에 맺히게 된다. 그러므로 이를 조정하여 1,100nm에 맞게 infrared registration 하였다. 또한 적외선의 hot spot은 조리개를 닫을수록 더 미약해 지므로 낮은 f-stop(큰 구경)으로 광각을 사용하여 촬영함으로써 선명한 영상을 얻을 수 있었다.
본 연구에서는 기존의 연구(Han, 2013; 2014)를 바탕으로 마이크로 UAV에 적합한 센서를 개량 및 검정하고 이를 탑재할 수 있는 경량 페이로드의 하드웨어 및 소프트웨어를 개발하였다. 또한 실시간 현장영상분석 시스템을 통하여 촬영의 이상유무를 확인하였으며 개발된 시스템을 이용하여 테스트지역에 대한 정사영상을 제작하고 정확도를 분석하였다.
따라서 기하학적 검정을 필히 해야 한다. 본 연구에서는 Canon Powershot S95카메라에 대한 렌즈검정을 실시하여 Table 2와 같은 결과를 얻었다.
지상피복면적은 523m*399m, 종중복도 70%를 고려한다면 촬영기선의 길이는 약120m가 된다. 이 거리는 초속15m/sec의 UAV속도로 8초가 걸리므로 갑작스런 풍속변화 또는 자동비행의 불안정을 대비하여 50%의 안전율을 고려한 4초로 촬영간격을 정하였다. 4초 간격의 자동촬영을 위해 libgphoto2에서 캡처루프라 불리는 트리거함수의 주기를 4초로 하였다.
제작된 정사영상의 최종 정확도를 분석하기 위해 Fig. 14와 같이 시험대상지역에 GCP를 제외하고 16점의 검사점을 고르게 배치하여 GPS측량 하였다. Table 8은 검사점에 대한 정사모자익영상과 GPS좌표의 차를 보인 것으로 절대값의 평균이 X좌표에서 0.
5를 이용하였다. 지상기준점은 번들조정의 최소기준점 수인 4점(Fig. 14)을 GPS RTK측량방법으로 얻었으며 인접영상 간의 자동 연결점은 정확도가 높은 점을 우선으로 25점을 이용하여 처리하였다. 정사모자익영상의 작업흐름은 Fig.
촬영된 영상이 지상관제센터의 gRAID에 다운로드되면 UAV GhostEye에서 받은 xml파일형식의 geo-referencing정보를 이용하여 편위수정하고 표정하여 Worldwind에 디스플레이 될 수 있도록 해당하는 Java API를 커스터마이징하였다. 촬영된 영상의 오버레이를 Fig.
페이로드를 위한 소프트웨어는 카메라를 원격조정하여 영상을 얻는 기능과 정사영상제작과 매핑을 위한 geo-referencing을 위한 정보의 싱크로 및 저장기능을 갖도록 설계하였다. 페이로드를 총괄하는 프로그램은 AggieCap으로 자동비행콘트롤 기능을 함께 한다.
하드웨어는 영상센서(RGB, NIR, Thermal)와 페이로드로 구성하였으며 센서개조 및 검정, 페이로드의 아키텍처와 구성에 대해 기술하였다.
대상 데이터
1.1 RGB카메라
RGB디지털카메라는 수동초점조절이 가능하고 고해상이며 가격이 저렴함은 물론 디지털카메라 라이브러리 오픈소스 libgphoto2에서 지원되는 Canon powershot S95 소형카메라를 선택하였다(Table 1)
.
시중에 판매되고 있는 IR필터는 Hoya R72, Kodak wratten 87, 87C 등이 있다. 본 연구에서는 Kodak wratten 87C필터를 사용하였는데 투과특성은 Fig. 3과 같다.
일반 RGB카메라는 CCD앞에 가시광선만을 통과시키기 위해 광학통로에 ICF (IR Cut Filter)를 장착하고 있다. 본 연구에서는 RGB카메라와 동일한 Canon S95카메라를 NIR카메라로 개조하였다. 이는 동일한 프로그램과 회로를 이용할 수 있어 개발에 용이하기 때문이다.
테스트 지역(Fig. 10)은 1.8km×2.5km의 경작지역으로 추후 응용의 목적을 위해 정하였으며 총 217매를 촬영하여 그 중 147매의 사진으로 정사영상을 제작하였다.
이론/모형
이는 동일한 프로그램과 회로를 이용할 수 있어 개발에 용이하기 때문이다. S95카메라의 ICF를 제거하고 해상도 향상을 위해 AAF (Anti-Aliasing Filter)를 제거하였다. 본 작업은 클린룸이 필요하므로 MAXMAX.
페이로드를 총괄하는 프로그램은 AggieCap으로 자동비행콘트롤 기능을 함께 한다. 페이로드의 전담 콘트롤은 GhostFoto로 카메라를 관리하기 위해 libgphoto2 API기반으로 GhostEye가 설계되었다(Austin, 2009). GeoEye프로그램은 AggieCap과 분리된 쓰레드로 운영된다.
성능/효과
13과 같으며 번들조정 결과는 Table 7과 같다. 5회의 반복계산결과 단위경중률 표준오차(SEUW) 1.08을 보여 신뢰성 있는 결과를 얻을 수 있었다.
검사점에 대해 정사모자익영상의 수평위치 정확도를 분석한 결과 X좌표에서 평균 0.181m, Y좌표에서 평균 0.203m의 편차를 보임으로써 1:1,000~5,000축척의 수치지도제작이 가능할 것으로 판단된다.
네비게이션센서(GPS, IMU, magnetometer), 온보드컴퓨터(Gumstix)와 연계한 페이로드를 개발하여 촬영한 결과, 양호한 중복도로 촬영되어 정사모자익영상을 제작할 수 있었으며 NIR, thermal영상 또한 양질의 싱크로영상을 얻을 수 있었다.
그러므로 이를 조정하여 1,100nm에 맞게 infrared registration 하였다. 또한 적외선의 hot spot은 조리개를 닫을수록 더 미약해 지므로 낮은 f-stop(큰 구경)으로 광각을 사용하여 촬영함으로써 선명한 영상을 얻을 수 있었다.
후속연구
이에 RGB와 NIR영상을 하나의 카메라로 얻을 수 있는 방안을 찾을 수 있다면 보다 좋은 사양의 카메라를 탑재할 수 있을 것이다. 또한 카메라의 shutter lag에 따른 분석으로 geo-reference정보의 오차를 줄이기 위한 시도가 필요할 것이다.
본 연구에서는 DEM추출을 하지 않았으므로 정사영상에 대한 수평정확도만을 분석하였으나 추후 기준점 수에 따른 정사영상의 정확도 및 표고정확도를 다양하게 분석할 필요가 있다고 사료된다.
15는 근적외선영상으로 RGB카메라와 동일한 해상도 15cm로 촬영한 것이다. 부분확대 시에도 선명한 해상도를 보이므로 추후 NDVI도출 및 토지피복분류에 활용이 가능할 것이다.
16은 ICI 7640카메라로 촬영한 열영상을 보인 것이다. 열영상카메라는 일반 카메라에 비해 고가이기 때문에 640*480해상도에 불과하여 다소 선명하지 않으나 경작지와 인근 하천의 열분석에 의한 토양의 습윤도 및 생태분석에 활용가능 할 것으로 판단되며 응용목적에 따라 고해상 열영상센서로 대체가 가능하다.
3대의 카메라를 이용하여 멀티스팩트럴 영상을 얻을 수 있었으나 카메라의 수에 따른 중량의 한계로 인해 고급사양의 카메라 탑재가 불가능하였다. 이에 RGB와 NIR영상을 하나의 카메라로 얻을 수 있는 방안을 찾을 수 있다면 보다 좋은 사양의 카메라를 탑재할 수 있을 것이다. 또한 카메라의 shutter lag에 따른 분석으로 geo-reference정보의 오차를 줄이기 위한 시도가 필요할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
마이크로 UAV 개발시, 페이로드 및 센서의 선택에 신중해야되는 이유는?
소규모지역에 대한 다중파장 고해상도영상을 신속하게 촬영하기 위한 마이크로 UAV는 자율항법장치를 가지고 있어야 하며 자동비행 콘트롤과 영상획득을 위한 페이로드의 콘트롤을 동시에 수행할 수 있는 소형의 강력한 프로세서가 있어야 한다. 또한 페이로드 적재능력이 1kg내외에 불과하므로 페이로드 및 센서의 선택에 신중해야 한다. 영상을 획득하여 지도제작 및 GIS에 활용하기 위한 UAV는 일반 UAV와는 차원이 다르다.
현재 UAV에 탑재되는 정보획득용센서는 무엇들이 일반적인가?
현재 UAV에 탑재되는 정보획득용센서는 Laser (LiDAR), 디지털사진기, 비디오카메라 등이 일반적이다(Echard, 2005). LiDAR는 아직까지 소형의 UAV에 탑재하기에는 크고 무겁고 비디오카메라는 영화, 방송 및 개인적 취미의 목적이 크다.
UAV개발은 무엇의 목적으로 여러 국가에서 활발하게 시도되었는가?
UAV개발은 2차 세계대전 이후 인명피해 없이 적진에 대한 정찰목적으로 몇몇 국가에서 매우 활발하게 시도되었다(Eck, 2001). 이러한 정찰은 사진촬영이 필수적이었으므로 페이로더의 개발은 UAV와 역사를 같이 하고 있다고 볼 수 있다.
참고문헌 (17)
Austin, M. J. (2009). gRAID: A geospatial real-time aerial image display for a low-cost autonomous multispectral remote sensing, Master Thesis, Utah State University.
Baumann, M. (2007). Imager development and image processing for small UAV-based realtime multispectral remote sensing, Master's Thesis, University of Applied Sciences Ravensburg- Weingarten and Utah State University, Logan.
Chao, H. Y. (2010). Cooperative remote sensing and actuation using network unmanned vehicles, Ph.D Degree Thesis, Utah state University, Logan, Utah,
Chao, H. Y., Cao, Y. C. and Chen, Y. Q. (2010). "Autopilots for small unmanned aerial vehicles: A survey." International Journal of Control, Automation, and Systems, Vol. 8, No. 1, pp. 36-44.
Echard, P. and Lamarre, Gosselin, P. (2005). "Data & Image fusion for multisensor UAV payload." In Advanced Sensory Payloads for UAV, Meeting Proceedings RTO-MP-SET-092, Paper 12. Neuilly-sur-Seine, France: RTO.
Eck, C. (2001). "Navigation algorithms with applications to unmanned helicopters." Dissertation at the Swiss federal institute of technology Zurich.
GPHOTO (2014). Available at: http://gphoto.org, http://gphoto.org/doc/manual/ (Accessed: May 9, 2014)
Han, S. H. (2013). "A design proposal for economical autopiloted UAVs for acquiring geospatial information(I)." International Conference on Geospatial Information Science, proceeding, pp. 138-139.
Han, S. H. (2014). "A design proposal for economical autopiloted UAVs for acquiring geospatial information(II)." Proceeding of Korean society of surveying Geodesy, Phorogrammetry and Cartography, pp. 183-186.
Han, Y. (2009). An autonomous unmanned aerial vehicle-based imagery system development and remote sensing images classification for agricultural applications, Master's Thesis, Utah State Univeristy.
Henri, E. (2004). "A mini unmanned aerial vehicle (UAV): System overview and image acquisition." International Workshop on processing and visualization using high resolution imagery, pp. 18-20.
World Wind Java SDK 2.0 (2014). Available at: http://builds.worldwind.arc.nasa.gov/download-release.asp (Accessed: May 9, 2014)
Hu, S. G., Chao, H. Y., Coopmans, C., Han, J. L. Mac McKeec and Chen, Y. Q. (2010). "Low-Cost UAV-Based thermal infrared remote sensing: Platform, Calibration and applications." 978-1-4244-7101-0 IEEE, pp. 38-43.
NASA (2007). World wind software, Available at: http://worldwind.arc.nasa.gov/index.html (Accessed: April 12, 2014).
Przybilla, H. J. and Wester-Ebbinghaus, W. (1979). "Bildflug mit ferngelenktem kleinflugzeug. Bildmessung und luftbildwesen. Zeitschrift fuer photogrammetrie und fernerkundung." Herbert Wichman Verlag. Karlsruhe.
UVS International (2011). Available at: www.uvs-international.org (Accessed: Jan. 13, 2014).
Wester-Ebbinghaus, W. (1980). "Aerial photography by radio controlled model helicopter." The Photogrammetric Record, England, London, Vol. X, No. 55.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.