[논문]드론을 활용한 갯벌 지형 및 시계열 정보의 획득

오재홍; 김덕진; 이효성

doi:10.5391/jkiis.2017.27.2.119

드론을 활용한 갯벌 지형 및 시계열 정보의 획득
Use of a Drone for Mapping and Time Series Image Acquisition of Tidal Zones 원문보기

한국지능시스템학회 논문지 = Journal of Korean institute of intelligent systems, v.27 no.2, 2017년, pp.119 - 125

오재홍 (전남대학교 토목공학과) , 김덕진 (서울대학교 지구환경과학부) , 이효성 (순천대학교 토목공학과)

초록
AI-Helper

우리나라 갯벌은 우리나라의 하천 및 중국의 양자강과 황하 등으로부터 흘러 들어온 퇴적물이 밀물과 썰물에 의해 생성된 지형이며 오염정화, 어패류 생산 등에 있어 중요성이 아주 높다. 갯벌은 직접적인 접근이 어려워 지상측량이 힘들어 항공사진측량 기법을 활용하여 고해상도의 공간 정보를 얻는 것이 효율적이다. 본 연구에서는 비용 및 촬영 주기 등에 있어 단점이 있는 유인항공기 및 인공위성을 보완하기 위해 최근 산업적으로 주목받고 있는 드론을 활용하여 갯벌 지형 생성에 대한 연구를 수행하였다. 전라남도 영광 함평만 야월리 갯벌에 대해 GPS(Global Positioning System) 기준점 측량, 시간대별 드론 영상 획득, 번들 조정, 입체영상 처리를 통하여 DSM(Digital Surface Model) 및 정사영상을 생성하고 상호 좌표등록 등의 절차를 통해 단시간 내에 공간 정확성이 높은 갯벌의 시계열 공간 정보의 생성이 가능하였다.

Abstract ▼ AI-Helper

The mud flat in Korea is the geographical feature generated from the sediment of rivers of Korea and China and it is the important topography for pollution purification and fishing industry. The mud flat is difficult to access such that it requires the aerial survey for the high-resolution spatial information of the area. In this study we used drones instead of the conventional aerial and remote sensing approaches which have shortcomings of costs and revisit times. We carried out GPS-based control point survey, temporal image acquisition using drones, bundle adjustment, stereo image processing for DSM and ortho photo generation, followed by co-registration between the spatio-temporal information.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

사진의 종중복도(endlap) 및 횡중복도(sidelap)은 80%로 설정하였다. 갯벌의 경우 바람으로 인해 드론의 비행궤도에 순간적인 이탈이 발생할 수가 있고, 드론에 장착된 카메라의 경우 고성능의 카메라가 아닌 이유로 렌즈수차(lens abberation)로 인해 영상 가장자리의 공간해상도가 저하되므로 중복도를 높여 이에 대한 영향을 줄이고자 하였다.
본 논문에서는 저가의 드론을 이용하여 갯벌 지형 및 시계열 정보 획득에 대한 연구를 수행하였다. 전라남도 영광 함평만 야월리 갯벌에 대해 GPS 기준점 측량, 시간대별 드론 영상 획득, 번들 조정, 입체영상 처리를 통한 DSM 생성 및 정사영상 생성, 상호 좌표등록 등의 절차를 통해 단시간 내에 cm급 고해상도 및 공간 정확성이 높은 갯벌의 공간 정보 생성이 가능하였다.
본 연구에서는 이러한 드론의 장점을 활용하여 갯벌에 대한 시계열 공간정보를 획득하기 위한 연구를 진행하였다. 즉, 간조부터 만조까지 일정한 시간간격으로 갯벌의 공간정보를 획득하였고, 간조 때 획득된 데이터를 사용하여 갯벌의 3차원 지형 정보를 생성하고, 시간대별 데이터를 상호 처리하여 시계열 공간영상정보를 구축하기 위한 실험을 실시하였다.
본 연구에서는 저가의 드론을 활용하여 갯벌 지형 및 시계열 정보를 획득하고자 하였다. 따라서 간조로부터 만조까지 여러번 촬영을 번갈아 해야 하기 때문에 본 연구에서는 팬텀 4와 팬텀 3 프로페셔널 2기의 드론을 사용하여 데이터를 획득하였다.
본 연구의 목표는 드론을 활용하여 갯벌에 대한 시계열 지형 및 영상자료를 확보하기 위한 것으로서 그림 1과 같은 절차로 진행되었다. 선정된 대상지에 대해 갯벌 측량을 위한 기준점을 설치하고, 해당일에 대해 예측된 간조 및 만조 시간 사이에 약 30분 간격으로 드론 촬영을 수행하였다.

제안 방법

80%의 중복도로 입체 촬영된 영상으로부터 갯벌의 지형을 생성하기 위해 스테레오 매칭을 수행하였다. 스테레오 매칭은 상관계수(normalized cross correlation) 매칭과 최소제곱(least square) 매칭을 기반으로 수행되었으며, 매칭 윈도우의 크기는 7x7픽셀을 사용하였다.
그림 6은 오후 12시11분 간조 때 촬영된 영상으로 갯벌 지형과 정상 영상을 생성해본 결과이다. DSM으로부터 음영기복도(Hillshade) 영상을 생성하여 갯골이 시각적으로 인지가 쉽도록 처리하였다. 음영기복도만 보더라도 시각적으로 간조 때의 영상으로서 갯골 깊숙한 부분까지 고해상도로 자세한 형상이 추출될 수 있을 것으로 판단된다.
대상지와 가장 가까운 조석 관측소는 ‘향화도’로서 해당일의 물흐름은 ‘조금’으로서 흐름이 많지 않은 날이다. 간조시각이 약 오후 1시이므로 오후 1시부터 만조인 약 오후 7시30까지 드론 측량이 실시되었으며, 약 15~30분 간격으로 총 17회 촬영을 실시하였다(표 2). 1회 촬영시간은 약 5~8분 가량 소요되었다.
접근이 어려운 갯벌의 특성상 영상이 획득되는 전체 지역에 대하여 고르게 지상기준점을 분포시키기 어렵기 때문에, 지상기준점이 획득되지 못한 영역의 경우 공간정확도가 낮아지게 되어 시계열 영상간의 이격이 발생할 수 있다. 따라서 본 연구에서는 2차적으로 영상간의 상호좌표등록(Co-registration)을 수행하여 시계열 데이터간의 좌표정보 정밀도를 향상시켰다.
7픽셀로서 큰 차이를 보였다. 따라서 본 연구에서는 Linear Rubber Sheeting을 사용하여 국지적인 이격/왜곡을 최소화하였다. 특히, 매칭점이 부족한 지역에서는 국소적인 이격이 발생할 수 있으므로 이러한 모델 적용시 주의가 필요하다.
매칭 결과 약 70개/m3 점밀도의 3차원 점군집(Point Clouds)을 생성할 수 있었다. 매칭 결과로부터 주변 지형과의 지형변화를 고려하여 필터링을 통해 과대오차(노이즈)를 제거하였다.
갯벌의 경우 간조 및 만조가 있는 지형의 특징으로 인해 기준점 설치 시 주의해야 하는데 간조 이후로 물이 서서히 차오르기 때문에 그림3의 좌측과 같이 폴대 형태의 기준점을 설치하는 것이 좋다. 본 연구에서는 Pole형태 이외에도 빠르게 설치하여 활용할 수 있는 Cone형태의 기준점도 설치하여 GPS측량 후 기준점으로 활용하였다. 일반적으로 Network RTK의 정밀도는 위성의 수신 여부, 장애물 여부 등에 따라 약간씩은 다를 수 있으나 갯벌의 경우 장애물 등이 별로 없으므로 모호 정수치가 정수로서 추정되는 상태인 고정 솔루션(Fixed Solution)이 확보되는 경우에 수cm 내로 간주할 있는 것이 일반적이다.
시계열 영상은 같은 날짜에 영상이 취득되어 지형의 변화가 없고, 약간의 이격이 있을 뿐 지형이 거의 유사한 위치에 존재하기 때문에 높은 자동매칭의 성능을 기대할 수 있다. 본 연구에서는 상관계수 매칭과 최소제곱 매칭을 이용하여 자동으로 매칭점을 추출하였다. 그림 7과 8은 5시 48분과 6시 42분에 취득된 영상간의 상호 매칭 결과를 보여주고 있으며 상호 좌표등록을 위한 자동 매칭점의 예를 확인해볼 수 있다.
사진의 종중복도(endlap) 및 횡중복도(sidelap)은 80%로 설정하였다. 갯벌의 경우 바람으로 인해 드론의 비행궤도에 순간적인 이탈이 발생할 수가 있고, 드론에 장착된 카메라의 경우 고성능의 카메라가 아닌 이유로 렌즈수차(lens abberation)로 인해 영상 가장자리의 공간해상도가 저하되므로 중복도를 높여 이에 대한 영향을 줄이고자 하였다.
본 연구의 목표는 드론을 활용하여 갯벌에 대한 시계열 지형 및 영상자료를 확보하기 위한 것으로서 그림 1과 같은 절차로 진행되었다. 선정된 대상지에 대해 갯벌 측량을 위한 기준점을 설치하고, 해당일에 대해 예측된 간조 및 만조 시간 사이에 약 30분 간격으로 드론 촬영을 수행하였다. 이후 촬영된 데이터를 바탕으로 번들조정을 통해 사진측량을 위한 전처리를 수행하고, 갯벌의 지형 정보인 DSM(Digital Surface Model)과 갯벌의 영상인 정사영상 (Orthophotos)을 생성한다.
시간 순서에 따라 촬영된 데이터 세트별로 각각 번들조정을 수행하였다. 영상 당 평균 2만개 이상의 특징점을 자동으로 추출하여 접합점(tie points)로 활용되었고, 그림 4와 같이 GPS측량을 수행한 기준점을 수작업으로 독취하여 기준점(ground control points)으로 사용하였다.
시계열 영상의 보다 정확하고 효율적인 생성을 위해 지상 기준점을 그림 3과 같이 갯벌에 설치하여 Network RTK기반으로 GPS측량을 수행하여 촬영된 영상의 번들조정에 활용하였다. 갯벌의 경우 간조 및 만조가 있는 지형의 특징으로 인해 기준점 설치 시 주의해야 하는데 간조 이후로 물이 서서히 차오르기 때문에 그림3의 좌측과 같이 폴대 형태의 기준점을 설치하는 것이 좋다.
시간 순서에 따라 촬영된 데이터 세트별로 각각 번들조정을 수행하였다. 영상 당 평균 2만개 이상의 특징점을 자동으로 추출하여 접합점(tie points)로 활용되었고, 그림 4와 같이 GPS측량을 수행한 기준점을 수작업으로 독취하여 기준점(ground control points)으로 사용하였다. 번들조정은 카메라의 내부표정요소(IOP: interior orientation parameters)를 외부표정요소(EOP: exterior orientation parameters)와 함께 구해내는 셀프캘리브레이션(self-calibration) 방식으로 진행되었다[11].
선정된 대상지에 대해 갯벌 측량을 위한 기준점을 설치하고, 해당일에 대해 예측된 간조 및 만조 시간 사이에 약 30분 간격으로 드론 촬영을 수행하였다. 이후 촬영된 데이터를 바탕으로 번들조정을 통해 사진측량을 위한 전처리를 수행하고, 갯벌의 지형 정보인 DSM(Digital Surface Model)과 갯벌의 영상인 정사영상 (Orthophotos)을 생성한다. 마지막으로 시계열 영상간의 이격을 최소화하기 위해 상호좌표등록을 통해 이격을 없앤 후 최종 시계열 데이터를 생성한다.
본 연구에서는 이러한 드론의 장점을 활용하여 갯벌에 대한 시계열 공간정보를 획득하기 위한 연구를 진행하였다. 즉, 간조부터 만조까지 일정한 시간간격으로 갯벌의 공간정보를 획득하였고, 간조 때 획득된 데이터를 사용하여 갯벌의 3차원 지형 정보를 생성하고, 시간대별 데이터를 상호 처리하여 시계열 공간영상정보를 구축하기 위한 실험을 실시하였다.
촬영 시 고도는 공간해상도를 고려하여 설정하였다. 즉, 3.

대상 데이터

본 연구에서는 저가의 드론을 활용하여 갯벌 지형 및 시계열 정보를 획득하고자 하였다. 따라서 간조로부터 만조까지 여러번 촬영을 번갈아 해야 하기 때문에 본 연구에서는 팬텀 4와 팬텀 3 프로페셔널 2기의 드론을 사용하여 데이터를 획득하였다. 표 1 은 팬텀 4 및 카메라에 대한 스펙을 보여주고 있다.
상호좌표등록 완료 후 최종적으로 그림 11과 같은 간조부터 만조까지의 정확한 공간좌표를 갖는 3차원 갯벌 시계열 영상 데이터를 구축할 수 있었다.
연구 대상지는 그림 2와 같이 함평만의 야월리의 갯벌로 선정하였다. 함평만 갯벌은 세계5대 갯벌 중 하나이며 세계5대 갯벌중 갯벌 특성이 가장 우수한 곳으로 꼽힌다.

이론/모형

영상 당 평균 2만개 이상의 특징점을 자동으로 추출하여 접합점(tie points)로 활용되었고, 그림 4와 같이 GPS측량을 수행한 기준점을 수작업으로 독취하여 기준점(ground control points)으로 사용하였다. 번들조정은 카메라의 내부표정요소(IOP: interior orientation parameters)를 외부표정요소(EOP: exterior orientation parameters)와 함께 구해내는 셀프캘리브레이션(self-calibration) 방식으로 진행되었다[11].
80%의 중복도로 입체 촬영된 영상으로부터 갯벌의 지형을 생성하기 위해 스테레오 매칭을 수행하였다. 스테레오 매칭은 상관계수(normalized cross correlation) 매칭과 최소제곱(least square) 매칭을 기반으로 수행되었으며, 매칭 윈도우의 크기는 7x7픽셀을 사용하였다. 매칭 결과 약 70개/m3 점밀도의 3차원 점군집(Point Clouds)을 생성할 수 있었다.

성능/효과

다음으로 생성된 DSM과 번들조정 결과를 바탕으로 편위 수정을 통해 DSM과 동일한 공간해상도를 갖는 정사영상을 생성하고, 여러 인접 영상을 접합(모자이크)하여 단일 시간대의 영상을 하나의 전체 정사영상으로 제작할 수 있었다.
드론을 활용하는 경우 기존의 유인비행기 보다 매우 저고도로 데이터 획득이 가능하여 공간해상도 측면에서 큰 장점을 갖고, 기존의 위성영상과 비교했을 때에도 해상도 뿐 아니라 취득 시기에도 구애를 받지 않아 큰 장점을 보임을 알 수 있었다. 따라서 갯벌의 지형 정보 및 변화 탐지, 생태학적 정보 수집, 위험 갯골 정보 수집 등에 있어 큰 효용성이 있을 것이다.
번들조정 결과 지상기준점에서 잔차 RMS(root mean square)가 수평 수직 약 10cm~20cm범위로 도출되었다. 이는 촬영된 영상의 공간해상도 대비하여 3~6픽셀에 해당하는 것으로서 일반적으로 내륙에서 측량했을 때보다 두 배 이상의 정확성 저하가 발생했다.
입체 매칭을 통해 추출된 3차원 점군집을 IDW(Inverse Distance Weighting) 기반으로 보간(Interpolation)하여 최종 1픽셀 공간해상도의 DSM를 생성할 수 있었다. 1픽셀 공간해상도는 약간의 고도차이 등으로 인해 mm단위의 차이가 있으나 대략 3.
본 논문에서는 저가의 드론을 이용하여 갯벌 지형 및 시계열 정보 획득에 대한 연구를 수행하였다. 전라남도 영광 함평만 야월리 갯벌에 대해 GPS 기준점 측량, 시간대별 드론 영상 획득, 번들 조정, 입체영상 처리를 통한 DSM 생성 및 정사영상 생성, 상호 좌표등록 등의 절차를 통해 단시간 내에 cm급 고해상도 및 공간 정확성이 높은 갯벌의 공간 정보 생성이 가능하였다.
갯골의 형상을 보다 정확히 살펴보기 위해 그림 6의 윗 그림에서 직선을 따라 그림 7과 같은 단면도를 추출할 수 있었다. 해당 단면도를 따라 갯골부가 높은 해상도로 추출되어 있는 것을 확인할 수 있고 단위 갯골별로 최대 최소 차이가 3~4m에 이르는 큰 갯골의 형태를 보임을 알 수 있었다.

후속연구

향후 DSLR 카메라 등의 고해상도 센서를 활용하게 되면 보다 고품질의 데이터 획득이 가능할 것으로 판단되며, 특히 중급의 드론과 측량용 GPS, INS 등 위치/자세 정보를 위한 고정밀 센서를 활용한다면 갯벌에 대해 어렵게 획득해야만 하는 기준점에 대한 요구도를 낮추어 보다 쉽게 갯벌 공간 정보의 획득 및 처리가 가능할 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	갯벌의 공간 정보를 얻기 위해 항공사진측량 기법을 사용하는 이유는 무엇인가?	갯벌은 직접적인 접근이 어려워 지상측량이 힘들기 때문에 갯벌에 대한 고해상도의 공간 정보를 얻기 위해서는 항공기나 위성으로부터 획득된 영상정보를 활용하는 항공사진측량 기법을 사용하는 것이 효율적이다.
	갯벌 지형 및 시계열 정보 획득에 드론을 활용하는 경우 유인비행기에 비하여 어떤 장점이 있는가?	드론을 활용하는 경우 기존의 유인비행기 보다 매우 저고도로 데이터 획득이 가능하여 공간해상도 측면에서 큰 장점을 갖고, 기존의 위성영상과 비교했을 때에도 해상도 뿐 아니라 취득 시기에도 구애를 받지 않아 큰 장점을 보임을 알 수 있었다. 따라서 갯벌의 지형 정보 및 변화 탐지, 생태학적 정보 수집, 위험 갯골 정보 수집 등에 있어 큰 효용성이 있을 것이다.
	유인항공기의 단점은 무엇인가?	유인항공기의 경우 유인항공기 특성상 운용비용이 비싸고 해당 시스템을 장착하기 위한 항공기의 개조가 필요하여 경제적인 측면에서 단점이 있다. 또한 우리나라와 같이 항공규제가 심한 경우 운용에 더욱 문제점이 있다. 한편 최근 드론 등 무인항공기는 자동 비행 제어[8]가 가능하여 수치지도 갱신 등 공간정보 획득과 관련한 여러 분야에서 활용도가 높아지고 있고[9], 이를 갯벌 지형의 생성을 위한 연구 또한 제안되고 있다[10].

참고문헌 (11)

Ae Sook Suh, In Tae Lee, Won Jin Cho, Joong Sun Won, Seung Soo Chun, Keum Lan Kim, and Joo Hyung Ryu, "InIntertidal DEM Generation Using Waterline Extracted from Remotely Sensed Data," Korean Journal of Remote Sensing, vol. 16, no. 3, pp. 221-233, 2000.
Joo-Hyung Ryu, Joong-Sun Won, Kyung Duck Min, "Waterline extraction from Landsat TM data in a tidal flat: A case study in Gomso Bay, Korea," Remote Sensing of Environment, vol. 83, no. 3, pp. 442-456, December 2002.

상세보기
S.W. Park and J.C. Jeong, "Extraction of DEM in the southern tidal flat of Kanghwa island using satellite image," The Journal of GIS Association of Korea, vol. 11, no. 1, pp. 13-22, 2003.
Yoon-Kyung Lee, Joo-Hyung Ryu, Sang-Hoon Hong, Joong-Sun Won, Hong-Rhyong Yoo, "A Study of DEM Generation in the Ganghwado Southern Intertidal Flat Using Waterline Method and InSAR," Journal of Korean Wetlands Society, Vol.8, No. 3, pp. 29-38, 2006.
K. Ahn, H. Lee and D.J. Kim, "DEM Generation of Tidal Flat in Suncheon Bay Using Digital Aerial Images," Korean Journal of Remote Sensing, vol. 27, no. 4, pp. 411-420, 2011.

원문보기 상세보기
K.L. Kim, J.H. Ryu, S.W. Kim and J.K. Choi, "Application of SAR DATA to the Study on the Characteristics of Sedimentary Environments in a Tidal Flat," Korean Journal of Remote Sensing, vol. 26, no. 5, pp. 497-510, 2010.
J. Kim, "A Tidal Channel and Creeks Analysis Using Airborne LiDAR," Master Thesis, Sungshin Women's University, 2013.
E.H. Sun, T.H. Luat, D. Kim and Y.T. Kim, "A study on the image-based automatic flight control of mini drone", Jounal of Korean Institute of Intelligent Systems, vol. 25, no. 6, pp. 536-541, 2015.

원문보기 상세보기
S.B. Lim, C.W. Seo, and H.C. Yun, "Digital map updates with uav photogrammetric methods," Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, vol. 33, no. 5, pp. 397-405, 2015.

원문보기 상세보기
Bum-Jun Kim, Yoon-Kyung Lee, Joo-Hyung Ryu, SeungKuk Lee, and Kye-Lim Kim, "DEM generation of intertidal zone in Korea using Unmanned Aerial Vehicle," 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Beijing, 10-15 July 2016.
Jae-Hong Oh, Yang-Dam Eo, and Chang-No Lee, "A Photogrammetric Network and Object Field Design for Efficient Self-Calibration of Non-metric Digital Cameras," Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, vol. 24, no. 3, pp. 281-288, 2006.

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증