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
- (2014)은 무인항공사진측량을 통해 제작한 정사영상의 위치정확도가 수평으로 10cm 이내임을 검증하여 영상지도 작업규정에 따라 1/1,000축척의 영상지도 제작이 가능함을 확인하였다. 따라서 본 연구에서는 무인 항공사진측량 방법으로 소규모 지형에 대한 정사영상과 수치 지도를 제작하고 그 정확도를 검증함으로써 향후 수치지도 수정에의 적용 가능성을 실험하였다. 정확도 검증은 지상측량 방법으로 검사점 성과와 비교하고, 수치지도는 기존 지도와의 중첩비교를 통해 수행하였다.
- 본 연구에서는 수치지도 갱신에 무인항공사진측량을 적용하고자 UAV로 취득한 영상을 처리하여 정사영상과 수치 지도를 제작하고, 검사점 측량을 실시하여 정확도 검증을 수행하였다. 본 연구를 통해 얻은 결론은 다음과 같다.
- 10과 같이 굵은 선으로 표시된 부분의 지형이 현재는 정비가 잘 된 주택지로 변화되었음을 알 수 있다. 이는 본 연구의 주된 목적으로 수치지도의 수시 수정에 무인 항공사진측량의 적용 가능성을 확인할 수 있었다.
- 또 다른 대안으로 위성영상을 이용하여 지도를 갱신하는 방안도 있으나 이는 영상의 해상도가 떨어지므로 정밀지도를 제작하기에는 적합하지 않다. 이러한 문제점을 해결하기 위하여 본 논문에서는 무인항공사진측량(UAV Photogrammetry, Eisenbeiss, 2011)을 이용하여 수치지도를 제작하거나 갱신하는 방안을 제시하고자 한다. 무인항공사진측량은 GPS와 IMU(Inertial Measurement Unit)가 탑재된 무인항공기를 이용하여 촬영한 영상을 처리하여 DEM(Digital Elevation Model)과 정사영상을 제작하고, 이를 도화하여 수치 지도를 제작하는 측량기법이다.
제안 방법
- 특히 검사점의 3차원좌표는 Photoscan에 의해 제작된 DEM과 정사 영상을 Global Mapper 소프트웨어 화면에 전개하여 해당 점을 선택하는 방식으로 추출하였으며, 오류의 최소화를 위해 주로 평탄지 위주로 추출하였다. 검사점의 정확도는 네트워크 RTK에 의한 지상측량 방법으로 해당 점의 좌표를 실측하여 두 성과를 비교하였다. 전체면적 2㎢에 대하여 수행한 총 30점의 검사점 측량결과를 Table 1에 나타내었다.
- 이렇게 하여 생성된 초기 포인트 클라우드는 점 밀도가 낮아 지형을 정밀하게 표현할 수 없으므로 Photo scan에서는 고유의 보간 기법을 적용하여 고밀도의 포인트 클라우드로 변환한다. 그러나 SfM기법으로 생성된 포인트 클라우드는 대상물과 카메라 간의 상대좌표 체계이므로 지상 기준점 좌표를 이용하여 절대좌표로 변환하여 DEM을 생성하고, 이를 바탕으로 정사영상을 제작한다(Westoby et al., 2012). 이와 같은 일련의 과정을 정리한 무인항공사진측량의 흐름도는 Fig.
- 세 번째 단계는 텍스처 작업과 최종 성과물을 생성하는 것이다. 기하학적으로 격자를 구성한 다음에는 정사영상이나 DEM생성과 같은 최종 결과물의 시각적 품질을 향상하기 위하여 3D 모델을 텍스처로 처리한다.
- 먼저 영상 피라미드에 의한 스케일 공간에서 영상의 밝기가 지역적으로 극대 또는 극소인 후보 특징점을 추출하고, 명암비가 낮은 특징점을 필터링하여 영상정합에 사용할 특징점을 선별한다. 두 번째 단계로 선택된 특징점들을 중심으로 주변 영역의 그래디언트(gradient)를 통해 방향성분을 얻고, 얻어진 방향 성분을 중심으로 관심영역을 재설정하여 특징점의 크기를 검출하여 서술자를 생성한다. 이렇게 특징점의 추출과 서술이 완료되면 서술자를 이용하여 두 개 영상에 있는 공통된 특징점을 자동으로 정합한다(Lowe, 2004).
- 그러나 이 방법은 비고차가 큰 건물 등과 지면 사이의 구간에서는 표고오차가 존재하는 결점이 있다. 따라서 본 실험에서는 생성된 실감 정사영상을 이용하여 CAD방식으로 벡터 지도를 직접 작성하였다. 상용 소프트웨어인 Global Mapper의 벡터 라이징 모듈을 이용하여 정사영상에 나타난 지형지물의 외곽 선을 따라 2D 폴리곤을 작도하고 표고점을 입력하여 수치 지도를 작성하였다.
- SIFT는 영상데이터를 국부적 축척불변의 특징점으로 변환하는 기법으로 다음의 처리과정을 거쳐 영상을 정합한다. 먼저 영상 피라미드에 의한 스케일 공간에서 영상의 밝기가 지역적으로 극대 또는 극소인 후보 특징점을 추출하고, 명암비가 낮은 특징점을 필터링하여 영상정합에 사용할 특징점을 선별한다. 두 번째 단계로 선택된 특징점들을 중심으로 주변 영역의 그래디언트(gradient)를 통해 방향성분을 얻고, 얻어진 방향 성분을 중심으로 관심영역을 재설정하여 특징점의 크기를 검출하여 서술자를 생성한다.
- 그러나 작업속도가 느려 넓은 면적의 촬영에는 부적합하며 기체가 무거워 휴대성이 떨어지고 고정익에 비해 기체의 안전성이 떨어지는 단점이 있다. 본 실험에서 대상지의 면적은 약 2㎢로 고정익의 경우 비행회수가 4회인 반면 회전익의 경우에는 14회의 비행이 예상되었고 촬영 지역이 인근 대구 공항의 접근항로 상에 위치하고 있어 저공으로 비행하는 항공기가 많아 신속한 촬영이 요구되므로 고정익 UAV를 사용하기로 결정하였다. 촬영에 사용된 고정익 UAV는 스웨덴 SmartPlanes사에서 제작한 SmartOne모델로 전체 시스템은 Fig.
- 그러나 이 방법은 간이 검정 방법으로 신뢰도가 떨어지므로 본 연구에서는 이를 사용하지 않았다. 본 연구에서는 일반 카메라의 렌즈 왜곡을 보완하기 위해 지상 기준점수를 2배로 늘리고 왜곡이 적은 렌즈 중심부의 영상만을 사용하여 정사영상을 제작하였다. 이를 설명하기 위하여 Fig.
- 따라서 본 실험에서는 생성된 실감 정사영상을 이용하여 CAD방식으로 벡터 지도를 직접 작성하였다. 상용 소프트웨어인 Global Mapper의 벡터 라이징 모듈을 이용하여 정사영상에 나타난 지형지물의 외곽 선을 따라 2D 폴리곤을 작도하고 표고점을 입력하여 수치 지도를 작성하였다. 표고점은 해당위치에 대한 DEM 표고를 입력하였으며, 오차가 발생된 부분에 대해서는 지상측량성과를 이용하여 수정하였다.
- 항공사진측량과 마찬가지로 무인 항공사진측량에서도 렌즈의 왜곡보정을 위해 렌즈 검정을 수행한다. 영상처리 소프트웨어 패키지의 렌즈 검정 모듈에서 제공되는 카메라 검정시트를 컴퓨터 화면에 띄워 촬영하고, 영상에 나타난 검사점과 실제 검사점의 거리차를 이용하여 렌즈 왜곡량을 계산한다. 그러나 이 방법은 간이 검정 방법으로 신뢰도가 떨어지므로 본 연구에서는 이를 사용하지 않았다.
- 표고점은 해당위치에 대한 DEM 표고를 입력하였으며, 오차가 발생된 부분에 대해서는 지상측량성과를 이용하여 수정하였다. 이렇게 하여 작성된 수치 지도를 기존 수치지도에 중첩하여 지형이 변화된 부분만을 수정하는 방식으로 수치지도를 갱신하였다. 본 연구는 수치 지도갱신을 위한 또 다른 방법으로서 무인항공사진측량의 적용성을 평가하는 목적에 국한하였으므로 수치지형도 작성 작업 규정에 따른 세부도화 규칙 등은 적용하지 않았다.
- 제작된 DEM과 정사영상에서 검사점을 선정하여 해당 점의 좌표를 추출하였다. 검사점은 식별이 용이한 도로의 코너 점 등을 선정하였으며 그 위치도는 Fig.
- 했다. 촬영 당일 공항 관제탑의 협조 하에 항공기 운행이 없었던 오전 6시부터 7시30분까지 비행시간을 할당받아 약 1시간 30분간 비행하여 촬영하였다. 대상면적은 2㎢로 4회의 비행을 통해 총1, 478매의 사진을 취득하였다.
- 두 번째 단계는 영상기하를 구축하는 것이다. 추정된 카메라의 위치와 사진정보를 이용하여 대상물 표면의 3차원 격자를 생성한다. 정밀도는 떨어지지만 신속하게 데이터를 처리하고자 할 경우에는 초기 포인트 클라우드 만을 이용하여 신속하게 영상기하를 생성할 수도 있다.
- 11에 나타내었다. 특히 검사점의 3차원좌표는 Photoscan에 의해 제작된 DEM과 정사 영상을 Global Mapper 소프트웨어 화면에 전개하여 해당 점을 선택하는 방식으로 추출하였으며, 오류의 최소화를 위해 주로 평탄지 위주로 추출하였다. 검사점의 정확도는 네트워크 RTK에 의한 지상측량 방법으로 해당 점의 좌표를 실측하여 두 성과를 비교하였다.
- 상용 소프트웨어인 Global Mapper의 벡터 라이징 모듈을 이용하여 정사영상에 나타난 지형지물의 외곽 선을 따라 2D 폴리곤을 작도하고 표고점을 입력하여 수치 지도를 작성하였다. 표고점은 해당위치에 대한 DEM 표고를 입력하였으며, 오차가 발생된 부분에 대해서는 지상측량성과를 이용하여 수정하였다. 이렇게 하여 작성된 수치 지도를 기존 수치지도에 중첩하여 지형이 변화된 부분만을 수정하는 방식으로 수치지도를 갱신하였다.
대상 데이터
- 좌표를 추출하였다. 검사점은 식별이 용이한 도로의 코너 점 등을 선정하였으며 그 위치도는 Fig. 11에 나타내었다. 특히 검사점의 3차원좌표는 Photoscan에 의해 제작된 DEM과 정사 영상을 Global Mapper 소프트웨어 화면에 전개하여 해당 점을 선택하는 방식으로 추출하였으며, 오류의 최소화를 위해 주로 평탄지 위주로 추출하였다.
- 촬영 당일 공항 관제탑의 협조 하에 항공기 운행이 없었던 오전 6시부터 7시30분까지 비행시간을 할당받아 약 1시간 30분간 비행하여 촬영하였다. 대상면적은 2㎢로 4회의 비행을 통해 총1, 478매의 사진을 취득하였다. 촬영고도는 170m이며 중복도 는 80%를 설정하였다.
- 4와 같이 도로 차선이나 주차 구획선 등 페인트 도색부분의 모서리 점을 지상기준점으로 이용하였다. 무인항공사진측량에서는 일반적으로 1㎢ 당 10점 내외의 지상 기준점을 사용하는데 비해, 본 실험에서는 정확도가 높은 수치지도의 제작을 위해 2㎢의 면적에 대하여 30점의 지상 기준점을 사용하였다. 지상기준점 측량은 네트워크 RTK 방법으로 수행하였다.
- 수치지도 갱신실험을 위하여 경상북도 경산시 조영동의 일부 지역을 선정하였다. 이곳은 지난 수년간에 걸쳐 농지가 주택지로 변화하는 등 소규모의 지형변화가 꾸준히 발생된 지역이다.
- 본 연구에서는 일반 카메라의 렌즈 왜곡을 보완하기 위해 지상 기준점수를 2배로 늘리고 왜곡이 적은 렌즈 중심부의 영상만을 사용하여 정사영상을 제작하였다. 이를 설명하기 위하여 Fig. 3 에 SmartPlanes사에서 제공하는 Aerial Mapper 소프트웨어를 이용하여 촬영 직후 현장에서 수행한 신속 모자이크 영상을 나타내었다. 각 사진의 중앙에 표시된 점은 사진의 주점을 나타낸다.
- 대상면적은 2㎢로 4회의 비행을 통해 총1, 478매의 사진을 취득하였다. 촬영고도는 170m이며 중복도 는 80%를 설정하였다. 대상지가 도시지역이므로 대공표지를 설치하지 않고 Fig.
- 본 실험에서 대상지의 면적은 약 2㎢로 고정익의 경우 비행회수가 4회인 반면 회전익의 경우에는 14회의 비행이 예상되었고 촬영 지역이 인근 대구 공항의 접근항로 상에 위치하고 있어 저공으로 비행하는 항공기가 많아 신속한 촬영이 요구되므로 고정익 UAV를 사용하기로 결정하였다. 촬영에 사용된 고정익 UAV는 스웨덴 SmartPlanes사에서 제작한 SmartOne모델로 전체 시스템은 Fig. 2와 같이 GPS/IMU, 카메라 및 자체 개발 자동항법장치가 탑재된 기체와 지상 콘트롤 시스템 (GCS; Ground Control System)으로 구성된다. SmartOne 시스템에서 사용하는 GCS는 기체를 제어하고 자동비행계획을 수행하는 GCS소프트웨어와 촬영 품질을 검사하기 위하여 현장에서 간이 모자이크 작업을 자동으로 수행하는 Aerial Mapper 소프트웨어로 구성된다.
- 카메라는 캐논 S95모델을 사용하였다. 이 카메라는 1, 000 만 화소에 초점거리가 6mm인 디지털 카메라로 본 실험의 경우 170m 비행고도에서 촬영하면 GSD가 5.
데이터처리
- 따라서 본 연구에서는 무인 항공사진측량 방법으로 소규모 지형에 대한 정사영상과 수치 지도를 제작하고 그 정확도를 검증함으로써 향후 수치지도 수정에의 적용 가능성을 실험하였다. 정확도 검증은 지상측량 방법으로 검사점 성과와 비교하고, 수치지도는 기존 지도와의 중첩비교를 통해 수행하였다.
이론/모형
- 또한 저가의 MEMS(Micro Electronic Mechanical System) GPS/IMU에 의해 취득되는외부표정요소가 부정확하므로 전통적인 항공사진측량 방법으로는 영상을 처리하기가 어렵다. 따라서 무인 항공사진측량에서는 SIFT(Scale Invariant Feature Transform)기법과 SfM(Structure from Motion)기법을 이용하여 외부표정 요소와 관계없이 자동으로 영상을 정합하고 포인트 클라우드를 생성하여 DEM과 정사영상을 제작하는 기술이 적용된다. SIFT는 영상데이터를 국부적 축척불변의 특징점으로 변환하는 기법으로 다음의 처리과정을 거쳐 영상을 정합한다.
- 정사영상은 SfM 알고리즘이 적용된 Agisoft사의 PhotoScan Professional 버전을 사용하여 제작하였다. 본 소프트웨어의 사용자 매뉴얼 등에는 SIFT, SfM, 등과 같은 특정한 영상처리 기법에 관한 내용이 기술되어 있지 않다.
- 무인항공사진측량에서는 일반적으로 1㎢ 당 10점 내외의 지상 기준점을 사용하는데 비해, 본 실험에서는 정확도가 높은 수치지도의 제작을 위해 2㎢의 면적에 대하여 30점의 지상 기준점을 사용하였다. 지상기준점 측량은 네트워크 RTK 방법으로 수행하였다.
성능/효과
- 검사점 측량 결과 오차는 수평방향으로 최대 5.6cm, 수직 방향으로 11.7cm가 발생되었으며, 평균제곱근 오차는 X 방향으로 ±2.6cm, Y방향으로 ±2.8cm, 수직방향으로 ±5.8cm 로 나타났다. 일반적으로 축척 1:1000수치지도의 허용오차범위가 수평으로 ±70cm, 수직으로 ±33cm임을 감안할 때 (Yeu and Schenk, 2001), 무인항공사진측량 방법이 향후 수치 지도의 갱신 등에 충분히 적용될 수 있는 가능성을 확인하였다.
- 둘째, 측량용 카메라나 GPS/INS에 비해 정밀도가 크게 떨어지는 저가의 센서를 사용하더라도 150m 내외의 저공 촬영을 통해 80% 이상의 중복도로 초정밀 영상을 취득하고, 왜곡이 적은 중심부 영상만을 사용하여 SfM 기술과 다수의 지상 기준점 성과를 바탕으로 영상을 처리하면 높은 정확도의 DEM과 정사영상이 제작되고 이를 도화하면 수치지도의 갱신이 가능함을 확인하였다.
- , 2010). 따라서 외부표정 요소의 정확도와 관계없이 유효면적이 작은 대량의 사진을 고속으로 정합함으로써 UAV 촬영의 단점을 보완할 수 있다. SfM 기법은 SIFT에 의해 정합된 영상을 고차적으로 번들 조정 하여 대상물과 카메라의 위치관계를 동시에 복원하여 3차원 포인트 클라우드를 생성하는 기술이다(Snavely et al.
- 각 사진의 중앙에 표시된 점은 사진의 주점을 나타낸다. 모자이크 영상에서 1장의 사진이 나타낸 유효면적은 약 30 x 30m로, 원본 사진의 촬영면적이 약 200 x 140m인데 비해 실제 영상처리에 사용된 면적은 전체 면적의 3.2%에 불과함을 알 수 있다. 이와 같이 무인항공사진측량에서는 상대적으로 왜곡이 적은 렌즈 중심부의 최소 영상만을 사용함으로써 일반카메라의 단점을 보완할 수 있음을 알 수 있다.
- 셋째, 무인항공사진측량 방식으로 작성한 수치지도의 정확도를 지상측량 방법으로 검증한 결과, 평균제곱근 오차가 X방향으로 ±2.6cm, Y방향으로 ±2.8cm, 수직방향으로 ±5.8cm 이내인 것으로 나타나 향후 수치지도의 갱신 등에 충분히 적용될 수 있는 가능성을 확인하였다.
- 첫째, 지난 수년 간 수치지도가 갱신되지 아니한 면적 2㎢ 의 소규모 지역에 대하여 무인항공사진측량 방법으로 제작된 정사 영상을 도화하여 기존 수치지도와 비교한 결과, 과거 농경지였던 지역이 지금은 주택지로 변화하였음을 확인할 수 있었다. 또한, 촬영 및 영상처리 등에는 단 3일이 소요되어 촬영허가나 작업계획 및 이동시간 등을 고려하더라도 짧은 시일 내에 작업이 가능하므로 향후 지형변화가 발생된 소규모 지역의 수치지도 갱신에 대하여는 무인항공사진측량 기술을 적용해 볼 필요가 있다고 사료된다.
후속연구
- 그러나 본 연구는 지형이 평탄하고 면적이 좁은 주택지에 한정하여 수치지도를 갱신한 실험 결과로, 향후 보다 넓은 지역이나 지형기복이 심한 산지 등에 대한 수치지도를 갱신하는데 적용하기 위해서는 보다 다양하고 심도 깊은 연구가 진행되어야 할 것으로 사료된다.
- 영상처리 소프트웨어 패키지의 렌즈 검정 모듈에서 제공되는 카메라 검정시트를 컴퓨터 화면에 띄워 촬영하고, 영상에 나타난 검사점과 실제 검사점의 거리차를 이용하여 렌즈 왜곡량을 계산한다. 그러나 이 방법은 간이 검정 방법으로 신뢰도가 떨어지므로 본 연구에서는 이를 사용하지 않았다. 본 연구에서는 일반 카메라의 렌즈 왜곡을 보완하기 위해 지상 기준점수를 2배로 늘리고 왜곡이 적은 렌즈 중심부의 영상만을 사용하여 정사영상을 제작하였다.
- 또한, 촬영 및 영상처리 등에는 단 3일이 소요되어 촬영허가나 작업계획 및 이동시간 등을 고려하더라도 짧은 시일 내에 작업이 가능하므로 향후 지형변화가 발생된 소규모 지역의 수치지도 갱신에 대하여는 무인항공사진측량 기술을 적용해 볼 필요가 있다고 사료된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.