기존의 정사영상 제작에서는 고가의 항공기를 이용한 대규모 지역에 대해서만 경제적인 정사영상을 제작할 수 있었으며, 지형지물에 대해 빠르게 변화를 갱신하지 못한다는 단점이 있었다. 하지만 최근 무인항공기(UAV: Unmanned Aerial Vehicle)가 빠른 속도로 발전되고, GPS와 IMU 등의 다양한 센서 탑재로 고가의 항공사진측량을 대체할 수 있다는 평가를 받고 있다. 무인항공기를 이용하여 소규모 지역에 대한 정사영상 지도를 제작 할 경우 신속하게 공간정보를 갱신할 수 있다는 장점을 가지고 있지만 기존 연구의 경우 같은 고도의 영상으로만 정사영상을 제작하여 자료의 중복성과 자료 갱신에 대한 단점이 있다. 본 연구에서는 소규모 경사지역을 대상으로 저가용 무인항공기의 고도가 다른 영상을 통해 정사영상 및 DEM(Digital Elevation Model)을 제작하였다. 검사점에 의한 수평 및 수직 성분의 RMSE는 σh = 0.023m, σv = 0.049m 의 정확도를 보여 국토지리정보원 수치지도 1/500 축척의 RMSE와 최댓값 허용범위를 만족하였다. 이를 통해 고도가 다른 영상을 이용하여 높은 정확도의 정사영상을 제작할 수 있었으며, 다양한 고도의 자료를 통해 자료의 중복성을 줄이고, 신속하게 공간정보를 제공할 수 있음을 확인하였다.
기존의 정사영상 제작에서는 고가의 항공기를 이용한 대규모 지역에 대해서만 경제적인 정사영상을 제작할 수 있었으며, 지형지물에 대해 빠르게 변화를 갱신하지 못한다는 단점이 있었다. 하지만 최근 무인항공기(UAV: Unmanned Aerial Vehicle)가 빠른 속도로 발전되고, GPS와 IMU 등의 다양한 센서 탑재로 고가의 항공사진측량을 대체할 수 있다는 평가를 받고 있다. 무인항공기를 이용하여 소규모 지역에 대한 정사영상 지도를 제작 할 경우 신속하게 공간정보를 갱신할 수 있다는 장점을 가지고 있지만 기존 연구의 경우 같은 고도의 영상으로만 정사영상을 제작하여 자료의 중복성과 자료 갱신에 대한 단점이 있다. 본 연구에서는 소규모 경사지역을 대상으로 저가용 무인항공기의 고도가 다른 영상을 통해 정사영상 및 DEM(Digital Elevation Model)을 제작하였다. 검사점에 의한 수평 및 수직 성분의 RMSE는 σh = 0.023m, σv = 0.049m 의 정확도를 보여 국토지리정보원 수치지도 1/500 축척의 RMSE와 최댓값 허용범위를 만족하였다. 이를 통해 고도가 다른 영상을 이용하여 높은 정확도의 정사영상을 제작할 수 있었으며, 다양한 고도의 자료를 통해 자료의 중복성을 줄이고, 신속하게 공간정보를 제공할 수 있음을 확인하였다.
Even though existing methods for orthophoto production using expensive aircraft are effective in large areas, they are drawbacks when dealing with renew quickly according to geographic features. But, as UAV(Unmanned Aerial Vehicle) technology has advanced rapidly, and also by loading sensors such as...
Even though existing methods for orthophoto production using expensive aircraft are effective in large areas, they are drawbacks when dealing with renew quickly according to geographic features. But, as UAV(Unmanned Aerial Vehicle) technology has advanced rapidly, and also by loading sensors such as GPS and IMU, they are evaluates that these UAV and sensor technology can substitute expensive traditional aerial photogrammetry. Orthophoto production by using UAV has advantages that spatial information of small area can be updated quickly. But in the case of existing researches, images of same altitude are used in orthophoto generation, they are drawbacks about repetition of data and renewal of data. In this study, we targeted about small slope area, and by using low-end UAV, generated orthophoto and DEM(Digital Elevation Model) through different altitudinal images. The RMSE of the check points is σh = 0.023m on a horizontal plane and σv = 0.049m on a vertical plane. This maximum value and mean RMSE are in accordance with the working rule agreement for the aerial photogrammetry of the National Geographic Information Institute(NGII) on a 1/500 scale digital map. This paper suggests that generate orthophoto of high accuracy using a different altitude images. Reducing the repetition of data through images of different altitude and provide the informations about the spatial information quickly.
Even though existing methods for orthophoto production using expensive aircraft are effective in large areas, they are drawbacks when dealing with renew quickly according to geographic features. But, as UAV(Unmanned Aerial Vehicle) technology has advanced rapidly, and also by loading sensors such as GPS and IMU, they are evaluates that these UAV and sensor technology can substitute expensive traditional aerial photogrammetry. Orthophoto production by using UAV has advantages that spatial information of small area can be updated quickly. But in the case of existing researches, images of same altitude are used in orthophoto generation, they are drawbacks about repetition of data and renewal of data. In this study, we targeted about small slope area, and by using low-end UAV, generated orthophoto and DEM(Digital Elevation Model) through different altitudinal images. The RMSE of the check points is σh = 0.023m on a horizontal plane and σv = 0.049m on a vertical plane. This maximum value and mean RMSE are in accordance with the working rule agreement for the aerial photogrammetry of the National Geographic Information Institute(NGII) on a 1/500 scale digital map. This paper suggests that generate orthophoto of high accuracy using a different altitude images. Reducing the repetition of data through images of different altitude and provide the informations about the spatial information quickly.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
제안 방법
특징점 추출은 가우시 안 영상 간의 차영상(DoG: Difference of Gaussian)을 생성하고, 각 차 영상에서 발생하는 극점이 특징점으로 추출된다. DoG가 생성되면 생성된 스케일에서 인접한 26개의 화소와 비교하여 극대치와 극소치를 후보 점으로 추출한다. 그 다음 테일러2차 급수를 이용하여 후보 점들의 정확한 위치를 정하고, 대비가 낮은 특짐정은 제거 후 최종특징점을 추출한다.
먼저 중복도와 카메라 흔들림 오차가 발생한 고도 60m 영상을 이용하여 정사 영상을 제작하고, 그 다음 오차가 난 60m 영상위에 90m, 120m의 다고도 영상을 올려 정사영상을 제작하였다. GPS 측량을 통해 GCP(Ground Control Point) 데이터를 취득하여 두 정사영상에 대한 정확도 검증을 진행하였으며, 연구 흐름도는 다음Fig. 1과 같다.
DoG가 생성되면 생성된 스케일에서 인접한 26개의 화소와 비교하여 극대치와 극소치를 후보 점으로 추출한다. 그 다음 테일러2차 급수를 이용하여 후보 점들의 정확한 위치를 정하고, 대비가 낮은 특짐정은 제거 후 최종특징점을 추출한다. 그 다음 각 특징점에 대해서 그레디언트 (Gradient)의 방향과 크기를 결정해주고, 결정된 그레디언트를 히스토그램으로 구하고 히스토그램 저장소값들을 일렬로 연결한 4*4*8=128차원의 벡터로 표현하여 정규화를 통해 영상의 값을 측정한다(Lowe et al.
기존의 무인항공기에 대한 연구를 보면 측량용 또는 일반용(저가형) 무인항공기를 이용하여 단일고도의 이미지로만정사영상과 DEM을 제작하고, 정확도 평가 또는 활용에 대한 연구를 하였으며, 대부분의 연구에서 연구 대상지를 평지로 선정하였다. 본 연구에서는 경사지역을 대상으로 단일고도의 영상과다고도의 영상을 각각 이용하여 정사 영상과 DEM 을 제작하여 정확도 비교·분석을 하였다.
지상 기준점과 검사점을 입력한 다음 높은 밀도의 클라우드를 형성하고, 컴퓨터 성능에 따라 사용자가 품질을 선택할 수 있다. 높은 밀도로 형성된 클라우드를 통해 지형을 구축하고, 구축된 자료를 통해 메쉬와 질감을 구축하여 DEM을 제작하고, 제작된 DEM과 영상자료를 이용하여 정사영상을 제작하였다. Fig.
먼저 중복도와 카메라 흔들림 오차가 발생한 고도 60m 영상을 이용하여 정사 영상을 제작하고, 그 다음 오차가 난 60m 영상위에 90m, 120m의 다고도 영상을 올려 정사영상을 제작하였다. GPS 측량을 통해 GCP(Ground Control Point) 데이터를 취득하여 두 정사영상에 대한 정확도 검증을 진행하였으며, 연구 흐름도는 다음Fig.
선정하였다. 본 연구에서는 경사지역을 대상으로 단일고도의 영상과다고도의 영상을 각각 이용하여 정사 영상과 DEM 을 제작하여 정확도 비교·분석을 하였다. 다고도 영상을 이용하여 정사 영상을 제작할 경우 단일고도로 제작할 때에 생길수 있는 카메라 흔들림, 중복도에 대한 오차 등을 고도가 다른 영상으로 대체하여 보정할 수 있어 자료 사용에 효율적이며 자료의 중복성을 줄이고, 신속하게 공간정보 구축 및 수정의 가능성을 확인할 수 있었다.
본 연구에서는 단일 고도 60m의 영상과다고도 영상을 각각 접합하여 DEM과 정사 영상을 제작하였다. 다고도 영상의경우 오차가 난 60m 영상위에 90m, 120m 고도의 영상을 올려 DEM과 정사 영상을 제작하였다.
본 연구에서는 저사양 무인항공기 Inspire 1을 이용하여 단일 영상에 대한 카메라 흔들림, 중복도 오차를 다고도 영상을 이용하여 높은 정확도를 유지하면서 흔들림과 중복도에 대한 보정을 수행하였으며, 수행결과 다음과 같은 결론을 얻을 수 있었다.
본 연구에서는 저사양 무인항공기를 사용하여 60m, 90m, 120m의 세 가지 고도로 중복도를 고려하여 촬영을 진행하였다. 먼저 중복도와 카메라 흔들림 오차가 발생한 고도 60m 영상을 이용하여 정사 영상을 제작하고, 그 다음 오차가 난 60m 영상위에 90m, 120m의 다고도 영상을 올려 정사영상을 제작하였다.
정사 영상에 대한 정확도 검증을 하기 위해 지상기준점(GCP: Ground Control Point)과 검사점(Check Point) 측량을 수행하였다. 지상기준점과 검사점은 영상에서 식별이 용이한 맨홀 뚜껑 중앙 부분과 횡단보도선, 도로 중앙선의 끝부분 등을 사용하였으며, 측량에 사용된 GPS 장비는 Trimble 사의 R8s를 사용하였다.
대상 데이터
제거된오차는 위치보정값을 이동국에 전송하고, 이 값을 이용하여 RTK 측량을 실시한다(Lee, 2013). VRS 측량 시 GPS 신호는 L1C/A, L1C, L2C, L5 신호를 수신하였으며, 그 외에도 GLONASS, SBAS, Galileo, BeiDou 위성의 신호도 같이 이용하였다. GPS 위성의 수는 10 - 15개, 데이터 간격은 1초 간격으로 10초 이상 관측하여 공공측량 작업 규정 제 2015-1530 호의 네트워크 RTK 측량 규정을 준수하였다.
VRS 측량을 통해 얻은 점 총 22점이며, 이 중 지상 기준점으로 사용한 점은 총 7개의 점, 검사점은 총 15개의 점을 사용하였다. Fig.
접합하여 DEM과 정사 영상을 제작하였다. 다고도 영상의경우 오차가 난 60m 영상위에 90m, 120m 고도의 영상을 올려 DEM과 정사 영상을 제작하였다.
본 연구에서 사용된 무인항공기는 중국 DJI사에서 제작한 Inspire 1이며, Inspire 1은 저사양 회전익 무인항공기이다. Inspire 1과 카메라 제원은 다음 Table 1과 같다.
하지만 비행시간이 짧아 넓은 지역을 연속 촬영하기는 어려운 단점을 가지고 있다. 본 연구에서는 측량용 무인항공기를 대신하여 일반 저사양 무인항공기를 이용하였다.
연구 대상지는 경상북도 상주시에 위치하고 있는 경북대학교 상주캠퍼스로 선정하였다. 경북대학교 상주캠퍼스는 경사지로 이루어져 있으며, 대부분의 건물이 4층으로 이루어져 있다.
제작된 정사 영상에 대한 정확도는 총 15개의 검사점들을 이용하여 분석하였다. 단일 고도에 대한 수평 및 수직 방향에 대한 최대 오차는 0.
수행하였다. 지상기준점과 검사점은 영상에서 식별이 용이한 맨홀 뚜껑 중앙 부분과 횡단보도선, 도로 중앙선의 끝부분 등을 사용하였으며, 측량에 사용된 GPS 장비는 Trimble 사의 R8s를 사용하였다. 장비는 Fig.
회전익 무인항공기인 Inspire 1을 이용하여 2016년 8월 중순에서 9월 초까지 촬영을 진행하였다. 비행코스의 경우 고도에 따라 중복도를 고려하여 약 60m, 90m, 120m 총 세 가지의 단일 영상을 63매, 26매, 13매를 취득하였으며, 고도에 따른 단일 영상은 다음Fig.
이론/모형
VRS 측량 시 GPS 신호는 L1C/A, L1C, L2C, L5 신호를 수신하였으며, 그 외에도 GLONASS, SBAS, Galileo, BeiDou 위성의 신호도 같이 이용하였다. GPS 위성의 수는 10 - 15개, 데이터 간격은 1초 간격으로 10초 이상 관측하여 공공측량 작업 규정 제 2015-1530 호의 네트워크 RTK 측량 규정을 준수하였다. 또한, 허용정밀도 규정을 기준으로 수평 0.
영상접합에 사용된 기법은 SIFT(Scale-Invariant Feature Transform) 기법이다. SIFT 기법은 특징점 추출, 주방향 할당, 특징점 서술 및 정합쌍 추출 총 세 단계로 이루어진다.
이러한 문제를 다고도 영상을 통해서 높은 정확도의 결과와 카메라 흔들림, 중복도 문제를 해결할 수 있음을 확인할 수 있었다. 제작된 정사 영상에 대한정확도는 국토지리정보원에서 규정한 ‘항공사진측량 작업규정 제2015-1530호 제5장 56조’를 기준으로 평가하였으며, 다음 Table 8과 같다. 다고도 정사 영상은 1/500 축척 RMSE와 최댓값 이내임을 확인할 수 있었다.
5와 같고, 제원은 다음 Table 2와 같다. 측량 방법은 Network RTK 방식 중 하나인 VRS(Virtual Reference Station) 방식을 사용하였다. VRS 방식은 GPS 수신기 1대와 휴대폰 통신을 이용하여 현재 이동국의 GPS의 개략적인 위치를 가상 기준점 서버에 전송하고, 전송된 정보를 3개의 상시 관측소 정보를 통합하고 전리층과대류층의 효과 등에 대한 계통적 오차를 제거한다.
카메라 검정과 영상접합 및 처리는 Agisoft사의 PhotoScan 소프트웨어를 사용하였으며, 카메라 검정에 사용된 렌즈 왜곡 보정식은 Brown’s Distortion Model이 사용되었다. 보정식은 다음 Eq.
성능/효과
본 연구에서는 경사지역을 대상으로 단일고도의 영상과다고도의 영상을 각각 이용하여 정사 영상과 DEM 을 제작하여 정확도 비교·분석을 하였다. 다고도 영상을 이용하여 정사 영상을 제작할 경우 단일고도로 제작할 때에 생길수 있는 카메라 흔들림, 중복도에 대한 오차 등을 고도가 다른 영상으로 대체하여 보정할 수 있어 자료 사용에 효율적이며 자료의 중복성을 줄이고, 신속하게 공간정보 구축 및 수정의 가능성을 확인할 수 있었다.
9와 10은 단일 고도와 다고도 영상을 SIFT 기법으로 추출된 특징점들이며, 각각 특징점의 개수는 19, 701개와 21, 728개이다. 다고도 영상의 경우 단일고도 영상보다 특징점의 개수가 2, 027개 더 추출되었으며, 특징점이 많이 추출될 경우 고밀도 점 자료를 기존보다 더 구축할 수 있어 흔들림과 중복도에 대한오차가 보정된다.
049m으로 국토지리정보원 항공사진측량 규정 1/500축척 지도의 허용기준을 만족하여 대축척지도인 1/500지도 제작의 가능함을 확인할 수 있었다. 둘째, 단일 고도 영상에 대한 흔들림과 중복도에 대한 오차 발생시 다고도 영상을 통해 특징점이 2,027개가 더 추출되어 고밀도 점 자료가 구축되어 보정할 수 있음을 확인하였다. 마지막으로 같은 지역일 경우 다른 고도에 대한 데이터를 공유할 수 있어 지형지물 대한 빠른 공간정보 갱신의 가능함과 데이터 중복을 줄일 수 있을 것으로 사료된다.
인한 오차 등이 있다. 본 연구에서는 단일고도의경우 정확도는 높게 나왔지만 카메라의 흔들림과 중복도의오차로 인해 DEM과 정사 영상의 제작이 옳게 나오지 못하였음을 Fig. 11과 13을 통해서 확인할 수 있다. 이러한 문제를 다고도 영상을 통해서 높은 정확도의 결과와 카메라 흔들림, 중복도 문제를 해결할 수 있음을 확인할 수 있었다.
11과 13을 통해서 확인할 수 있다. 이러한 문제를 다고도 영상을 통해서 높은 정확도의 결과와 카메라 흔들림, 중복도 문제를 해결할 수 있음을 확인할 수 있었다. 제작된 정사 영상에 대한정확도는 국토지리정보원에서 규정한 ‘항공사진측량 작업규정 제2015-1530호 제5장 56조’를 기준으로 평가하였으며, 다음 Table 8과 같다.
첫째, 저사양 무인항공기를 이용하여 경사지역에 대한 다 고도 영상을 통해 수평 및 수직 방향에 대한 최대 오차는 0.043m, 0.051m이며, RMSE는 0 = 0-023m, (0 = 0.049m으로 국토지리정보원 항공사진측량 규정 1/500축척 지도의 허용기준을 만족하여 대축척지도인 1/500지도 제작의 가능함을 확인할 수 있었다. 둘째, 단일 고도 영상에 대한 흔들림과 중복도에 대한 오차 발생시 다고도 영상을 통해 특징점이 2,027개가 더 추출되어 고밀도 점 자료가 구축되어 보정할 수 있음을 확인하였다.
후속연구
향후 연구과제로는 소규모 지역이 아닌 대규모 지역에 대한다고도 정사 영상 제작 및 정확도 평가와 화소수가 다른 영상을 통해 매끄러운 정사 영상 제작이 가능한지에 대한 연구도 필요할 것으로 사료된다.
참고문헌 (18)
Choi, Y.W., You, J.H., and Cho, G.S. (2015), Accuracy analysis of UAV data processing using DPW, Journal of the Korean Society for Geospatial Information Science , Vol. 23, No. 4, pp. 3-10. (in Korean with English abstract)
Goncalves, J.A. and Henriques, R. (2015), UAV photogrammetry for topographic monitoring of coastal areas, ISPRS Journal of Photogrammetry and Remote Sensing , Vol. 104, pp. 101-111.
Han, Y.K., Kim, Y.I., Han, D.Y., and Choi, J.W. (2013), Mosaic image generation of AISA eagle hyperspectral sensor using SIFT method, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography , Vol. 31, No. 2, pp. 165-172. (in Korean with English abstract)
Kim, J.Y., Lee, J.B., and Yeom, J.H. (2016), Detection of updating feature in building layer of korea address information system using UAV image, Journal of the Korean Society of Cadastre , Vol. 32, No. 1, pp. 121-131. (in Korean with English abstract)
Kim, D.I., Song, Y.S., Kim, G.H., and Kim, C.W. (2014), A study on the application of UAV for korean land monitoring, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography , Vol. 32, No. 1, pp. 29-38. (in Korean with English abstract)
Lee, S.B. (2013), Accuracy evaluation of the height determined by network-RTK VRS positioning, Journal of the Korean Society for Geospatial Information Science , Vol. 21, No. 4, pp. 55-63. (in Korean with English abstract)
Lee, Y.C. (2015), Assessing the positioning accuracy of high density point clouds produced from rotary wing quadrocopter unmanned aerial system based Imagery, Journal of the Korean Society for Geospatial Information Science , Vol. 23, No. 2, pp. 39-48. (in Korean with English abstract)
Lee, S.J. and Choi, Y.S. (2016), Comparison of topographic surveying results using a fixed-wing and a popular rotary-wing unmanned aerial vehicle (drone), Tunnel & Underground Space , Vol. 26, No. 1, pp. 24-31. (in Korean with English abstract)
Lee, G.S., Choi, Y.W., Jung, K.S., and Cho, G.S. (2015), Analysis of the spatial information accuracy according to photographing direction of fixed wing UAV, Journal of the Korean Cadastre Information Association , Vol. 17, No.3, pp. 141-149. (in Korean with English abstract)
Lim, Y.S., La, P.H., Park, J.S., Lee, M.H., Pyeon, M.W., and Kim, J.I. (2015), Calculation of tree height and canopy crown from drone images using segmentation, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography , Vol. 33, No. 6, pp. 605-613. (in Korean with English abstract)
Park, C.H., Choi, K.A., and Lee, I.P. (2016), Lane extraction through UAV mapping and its accuracy assessment, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography , Vol. 34, No. 1, pp. 11-19. (in Korean with English abstract)
Park, J.H. and Lee, W.H. (2016), Orthophoto and DEM generation in small slope areas using low specification UAV, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography , Vol. 34, No. 3, pp. 283-290. (in Korean with English abstract)
Ruzgiene, B., Berteska, T., Cecyte, S., Jakubauskiene, E., and Aksamitauskas, V.C. (2015), The surface modelling based on UAV photogrammetry and qualitative estimation, Measurement , Vol. 73, pp. 619-627.
Sung, S.M. and Lee, J.O. (2016), Accuracy of parcel boundary demarcation in agricultural area using UAV-photogrammetry, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography , Vol. 34, No. 1, pp. 53-62. (in Korean with English abstract)
Uysal, M., Toprak, A.S., and Polat, N. (2015), DEM generation with UAV photogrammetry and accuracy analysis in sahitler hill, Measurement , Vol. 73, pp. 539-543.
Yun, B.Y. and Lee, J.O. (2014), A study on application of the UAV in Korea for integrated operation with spatial information, Journal of the Korean Society for Geospatial Information Science , Vol. 22, No. 2, pp. 3-9. (in Korean with English abstract)
Yun, B.Y., Lee, J.O., and Lee, D.S. (2016), A study on the enactment of UAV standard estimating for applying in spatial information area, Journal of the Korean Cadastre Information Association , Vol. 18, No. 1, pp. 123-132. (in Korean with English abstract)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.