소형 무인항공시스템(무인항공기 플랫펌과 센서의 융합기술, 'sUAS')은 정확성, 경제성 및 운용면의 무궁한 잠재성으로 여러 건설현장에서 새로운 응용이 창출되면서 활용이 점차 확산되고 있다. 본 연구의 목적은 소형 UAS에 의한 토공량 산정의 타당성을 검토하는 것이다. 이를 위해 시흥시 소재 배곧생명공원 내 위치한 대략 $270m{\times}300m{\times}20m$ 규모의 원추형 성토부를 대상으로 소형무인항공기를 활용하여 영상을 취득한 후, UAS 영상해석을 통해 산출된 토공량을 GNSS Network-RTK 지상측량에 의한 토공량과 정량적으로 비교분석하였다. 연구결과, 무인항공시스템 자료와 GNSS Network RTK 자료에 의한 토공량의 편차가 2% 이하였고 특히, 작업의 편이성, 신속성 및 경제성 면에서 소형 UAS 영상기반 토공량 산정의 효용성을 입증할 수 있었다. 따라서, 식생높이의 산정방안이 보완된다면 중 소규모 현장의 토공량 산정은 물론 3차원 지형공간정보 생성 분야에 무인항공영상의 응용이 유용할 것으로 기대된다.
소형 무인항공시스템(무인항공기 플랫펌과 센서의 융합기술, 'sUAS')은 정확성, 경제성 및 운용면의 무궁한 잠재성으로 여러 건설현장에서 새로운 응용이 창출되면서 활용이 점차 확산되고 있다. 본 연구의 목적은 소형 UAS에 의한 토공량 산정의 타당성을 검토하는 것이다. 이를 위해 시흥시 소재 배곧생명공원 내 위치한 대략 $270m{\times}300m{\times}20m$ 규모의 원추형 성토부를 대상으로 소형무인항공기를 활용하여 영상을 취득한 후, UAS 영상해석을 통해 산출된 토공량을 GNSS Network-RTK 지상측량에 의한 토공량과 정량적으로 비교분석하였다. 연구결과, 무인항공시스템 자료와 GNSS Network RTK 자료에 의한 토공량의 편차가 2% 이하였고 특히, 작업의 편이성, 신속성 및 경제성 면에서 소형 UAS 영상기반 토공량 산정의 효용성을 입증할 수 있었다. 따라서, 식생높이의 산정방안이 보완된다면 중 소규모 현장의 토공량 산정은 물론 3차원 지형공간정보 생성 분야에 무인항공영상의 응용이 유용할 것으로 기대된다.
Small-scale UAS(Fusion technique of Unmanned Aerial Vehicles platform and Sensors, 'sUAS') opens various new applications in construction fields and so becoming progressively common due to the considerable potentials in terms of accuracy, costs and abilities. The purpose of this study is that the in...
Small-scale UAS(Fusion technique of Unmanned Aerial Vehicles platform and Sensors, 'sUAS') opens various new applications in construction fields and so becoming progressively common due to the considerable potentials in terms of accuracy, costs and abilities. The purpose of this study is that the investigation of the validation on the utilization of sUAS for earth stockpile volume calculations on sites. For this, generate 3D models(DSM) with sUAS aerial images on an cone shaped soil stockpile approximately $270m{\times}300m{\times}20m$, which located at Baegot Life Park in Siheung-si, compared stockpile volume estimates produced by sUAS image analysis, against volume estimates obtained by GNSS Network-RTK ground surveying method which selected as the criteria of earth stockpile volume. The result through comparison and examination show(demonstrate) that there was under 2% difference between the volume calculated with the GNSS Network RTK data and the sUAV data, especially sUAS imaged-based volume estimate of a stockpile can be greatly simplified, done quickly, and very cost effective over conventional terrestrial survey methods. Therefore, with consideration of various plan to assess the height of vegetation, sUAS image-based application expected very useful both volume estimate and 3D geospatial information extraction in small and medium-sized sites.
Small-scale UAS(Fusion technique of Unmanned Aerial Vehicles platform and Sensors, 'sUAS') opens various new applications in construction fields and so becoming progressively common due to the considerable potentials in terms of accuracy, costs and abilities. The purpose of this study is that the investigation of the validation on the utilization of sUAS for earth stockpile volume calculations on sites. For this, generate 3D models(DSM) with sUAS aerial images on an cone shaped soil stockpile approximately $270m{\times}300m{\times}20m$, which located at Baegot Life Park in Siheung-si, compared stockpile volume estimates produced by sUAS image analysis, against volume estimates obtained by GNSS Network-RTK ground surveying method which selected as the criteria of earth stockpile volume. The result through comparison and examination show(demonstrate) that there was under 2% difference between the volume calculated with the GNSS Network RTK data and the sUAV data, especially sUAS imaged-based volume estimate of a stockpile can be greatly simplified, done quickly, and very cost effective over conventional terrestrial survey methods. Therefore, with consideration of various plan to assess the height of vegetation, sUAS image-based application expected very useful both volume estimate and 3D geospatial information extraction in small and medium-sized sites.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 건설 현장의 토량산출에 sUAS 영상을 SfM기술로 해석하고 기준면 상의 토량을 산출한 후, 기존 GNSS 측량방법으로 산출된 토량과 비교, sUAS에 의한토류 물량산출의 활용성을 검토하는데 주안점을 둔다. 이를 위해 전통적인 사진측량(Photogrammetry)기술과 컴퓨터영상기술(Computer Vision, ‘CV’)을 조합한다중시점입체시(MVS) 영상해석, SGM 영상매칭 및SfM Bundle 조정 기술 이론을 고찰하였다(Lowe2004; Hirschmüller 2011; Collins2007).
제안 방법
해당 지역의 수목식생에 대한 표본조사를 수행하여 높이를 보정(인공 조림 및 자연피복지형에 적용할 수 있으나 대상지역이 클 경우, 효율성 면의 검토 필요). 향상방안 2. 국가나 지자체에서 구축한 산림지리정보시스템(FGIS), 국립산림과학원 및 국립수목원 등이 구축한 산림자원정보화자료로부터 식생 높이를 추출하여 보정(최신의 갱신 자료 활용).
5.1절 및 5.2절의 해석 결과를 토대로 토공량 산정을 위한 측량방법, 토공량 산출 방법별 토공량 및 영상해석 방법별 검사점의 3차원 정확도을 비교 ‧ 고찰하였다. 토공량 산정을 위한 측량 방법 면에서 VRS 지상측량자료를 활용하는 방법과 sUAS에 의한 방법을 비교 검토하면 2145 지상측점의 측량에 2 셋트의 VRS측량기로 약 5일(5시간/일평균작업시간)이 소요된 반면, sUAS의 경우는 비행 중 순수촬영시간(세션 1:4분 54초, 세션2:6분 32초) 및 GCP 및 검사점용 VRS 기준점 50점 측량에 약 1.
0m로 설정하였다. VRS 지상측량자료는 사면 식생의 높이와 관계없이 지표면만의 3차원 정보이므로 기준표고 상부의 순수 절토량을 산출하였다.
sUAS 영상해석에 의한 토공량의 정확도 검토를 위해 지상측량에 의한 토공량과 비교 고찰하였다. 토공량 산정 시, 배곧마루 주변의 인공구조물(관리사무소 건물,연육교 등)을 제외하기 위해 기준높이를 15.
두 개 세션을 통해 취득한 265장의 영상을 Photoscan을 활용하여 해석하고 검사점의 3차원 좌표성과를 검토하였다. 편차의 절대평균은 N, E, H84는 각각 0.
두 세션 265장을 Context capture 로 해석하고 3D 모델(DSM) 및 정사영상을 생성한 후, 검사점의 3차원 좌표성과를 비교 ‧ 검토하였다. N, E, 및 H84 좌표 성분 편차의 절대평균은 각각 0.
시험대상지는 시흥시 소재 배곧(올곧은 배움터)생명공원 내 배곧마루 성토지역(가로 270m×세로 300m)으로 선정하고 2015년 12월 19일부터 약 5일간 Figure 4과 같이 평균 약 6㎡당 1점의 밀도로 VRS 측량(TrimbleR8수신기 및 TSC3 컨트롤러 2set, epoch 10초, 5시간/일평균)을 수행하여 총 2145점의 3차원 지형정보를 취득하였다. 또한 sUAS 영상의 실세계좌표변환을 위한 지상기준점 20점을 Figure 5와 같이 설정하였고 검사점 30점을 추가 ‧ 활용하여 3가지 영상해석 툴에 의한 3차원 영상 결과물의 위치정확도를 검토하였다. 대상지에 대한 항공촬영은 DJI 사의 팬톰3 Professional 플랫폼에 FC300X (35mm 등가초점거리 20mm, FOV 94°, 픽셀수 4000x3000, RGB)카메라를 탑재하고 Figure 6과같이 Pix4Dcapture 앱을 활용하여 촬영고도 80m, 종 ‧ 횡 중복 80%로 계획된 촬영경로를 2개 세션(세션1=110장, 실선 8개 경로, 세션2=155장, 9개 경로), 순수촬영시간, 세션1=4분 54초, 세션2=6분 32초)으로 비행하여 항공사진 총 265장을 취득하였다.
CV에서는 비측정용 카메라를 사용하여 촬영점과 렌즈 ‧ 카메라 내부표정요소에 대한 정보 없이도 카메라 좌표계 공간 안에서 대상물의 3차원 모델링을 할 수 있으므로 전통적인 사진측량기술과 병행하여 영상을 해석할 경우 정확성, 효율성 및 경제성 면의 효율화가 기대된다. 본 연구에서는 Figure 1의 카메라 영상좌표로 부터 실세계좌표 기반의 3D 재현에 이르는 영상해석공정 중, 핵심부분인 SfM 해석이론을 입체영상의 투영방정식과 공액구속조건(Epipolar geometry constraint)에 기초하여 고찰하였다(Collins 2007). SfM 기술은 Figure 1과 같이 피사체(Structure)의 동적 다중촬영(Motion) 영상과 영상 내 Exif 정보를 활용하며 렌즈검정, 주점 및 초점거리 보정은 선택사항이다.
기존 항공사진 영상해석에서는 내부 및 외부 표정요소를 산출하는 과정에서 촬영된 본 영상보다 해상도를 낮춘 영상에서 특징점을 추출 ‧ 정합한 후, 번들조정으로 전체 영상 해석용 매개변수를 산출하는 방식을 적용해왔다. 본 연구에서는 원본 영상의 전체 해상도를 사용하여 기본영상의 각 픽셀에 상응되는 인접영상의 픽셀 근사치를 구한 후, SGM 매칭방법을 적용, 인접사진 간 영상정합을 수행한 후, 최소제곱조정 방식에 의한 SfM 조합조정(Bundle adjustment)으로 부터 실세계 좌표계상의 고밀도 측점군(평균 점 간격 3cm)을 생성한다. 산출된 측점군 자료를 활용하여 시험 대상지에 대한 정사 영상, 수치표면모형, 및 측점군 정보를 생성한다.
본 연구에서는 원본 영상의 전체 해상도를 사용하여 기본영상의 각 픽셀에 상응되는 인접영상의 픽셀 근사치를 구한 후, SGM 매칭방법을 적용, 인접사진 간 영상정합을 수행한 후, 최소제곱조정 방식에 의한 SfM 조합조정(Bundle adjustment)으로 부터 실세계 좌표계상의 고밀도 측점군(평균 점 간격 3cm)을 생성한다. 산출된 측점군 자료를 활용하여 시험 대상지에 대한 정사 영상, 수치표면모형, 및 측점군 정보를 생성한다. 또한,영상해석 툴에 탑재된 체적산정 옵션을 활용하거나 이들 정보를 체적산정이 가능한 4가지 상업용 툴(ArcMap, Global Mapper, Surfer, TBC)에 적용하여 기준단면 상의 토공물량을 산정한다(ESRI 2017; Blue Marble Geographics 2017; Golden software 2017;Trimble 2017).
세션1 영상(110장)만을 Pix4dmapper로 해석하여 3D 모델(DSM), 정사영상 및 측점군 자료를 생성한 후,ArcMap 상에 각 레이어를 불러 중첩한 상태에서 검사점의 3차원 좌표성과를 검토하였다. 우리나라 중부 지도좌표계의 N, E 좌표 및 WGS84 타원체고(H84)의 성분별 ‘편차의 절대평균’은 각각 0.
소형무인항공 시스템(sUAS)으로부터 배곧생명공원내 배곧마루 성토부의 영상을 취득, 기준높이 15m이상의 지형에 대한 절토량을 VRS측량성과 기반의 토공량을 기준으로 토공량 산정 이론 및 영상해석 툴에 의한 토공량을 산정하고 비교 고찰하여 다음의 결론을 도출할 수 있었다.
우측은 Global Mapper에서 3D 모델과 15m 기준면 grid 레이어를 ‘지형 레이어 결합’으로 차감하여 15m 이상의 지형 부분만을 추출한 후, Surfer용 grid를 구성한 후, Surfer에서 불러들여 체적을 산출하는 과정을 나타낸 것이다.
SfM의 1단계는 영상 내 특징점(표정점)을 추출(SIFT; Lowe 2004), 2단계는 영상 간 특징점의 매칭(RANSAC, 비용분석 및 SGM; Hirschmüller2011), 3단계는 공액구속조건을 적용하여 특징점에 대한 카메라좌표 및 자세, 카메라 영상좌표 및 픽셀좌표 간 기하학적 관계를 Essenial 행렬('E') 또는 Fundamental 행렬('F')의 조합조정으로부터 규명한다. 이로 부터 카메라 좌표중심의 촬영점 위치와 자세, 피사체의 저밀도 측점군을 재현한다. 특히, 카메라 내부표정요소가 미지값인 경우라도 SfM 해석과정에서 SHIT로 검출한 특징점과 카메라 위치간의 공액구속조건으로 부터 F 행렬요소를 산출한 후, 모든 영상의 각 픽셀에 적용하여 카메라좌표중심의 고밀도 다중시점입체시 및 DSM를 구현할 수 있다.
이를 위해 전통적인 사진측량(Photogrammetry)기술과 컴퓨터영상기술(Computer Vision, ‘CV’)을 조합한다중시점입체시(MVS) 영상해석, SGM 영상매칭 및SfM Bundle 조정 기술 이론을 고찰하였다(Lowe2004; Hirschmüller 2011; Collins2007).
전통적인 사진측량(Photogrammetry) 및 CV 분야의 영상해석이론에 근거한 sUAS 다중시점입체시(MVS) 영상해석 기술을 고찰하였다. 특히, 영상 내 특징점 추출, 영상 간 특정점 매칭, SfM 번들조정 및 항공삼각측량(Aerial Triangulation, ‘AT’) 기술에 의한 영상의 표정과정을 검토하였다.
특히, sUAS를 활용한 토공량 산정의 정량적 정확성을 검토하기 위해 기존의 지상측량 방법 중,GNSS Network-RTK (‘VRS’) 측량을 고밀도로 수행하고 산출된 기준면상의 토공물량을 기준으로 비교하여 sUAS에 의한 토공물량 산정의 활용성을 종합적으로 검토한다.
이를 위해 전통적인 사진측량(Photogrammetry)기술과 컴퓨터영상기술(Computer Vision, ‘CV’)을 조합한다중시점입체시(MVS) 영상해석, SGM 영상매칭 및SfM Bundle 조정 기술 이론을 고찰하였다(Lowe2004; Hirschmüller 2011; Collins2007). 특히, 생활용 카메라를 탑재한 sUAS를 플랫폼으로 시험 대상지의 영상을 취득하고 SfM기반 영상해석 툴 중, 3가지(PhotoScan, Pix4Dmapper 및 Context capture)를 선정하여 대상물의 3차원 공간정보(DSM, DEM 및 Point clouds)를 구성하고 임의 기준표고면 상의 토공물량을 산출하였다(Pix4D 2017; Bently 2017; Agisoft 2017). 기존 항공사진 영상해석에서는 내부 및 외부 표정요소를 산출하는 과정에서 촬영된 본 영상보다 해상도를 낮춘 영상에서 특징점을 추출 ‧ 정합한 후, 번들조정으로 전체 영상 해석용 매개변수를 산출하는 방식을 적용해왔다.
특히, 영상 내 특징점 추출, 영상 간 특정점 매칭, SfM 번들조정 및 항공삼각측량(Aerial Triangulation, ‘AT’) 기술에 의한 영상의 표정과정을 검토하였다.
둘째, 영상 해석 툴에 의한 토공량은 3가지 방법 모두 지상측량에 의한 평균값(ArcMap 제외)에 비해 큰 값을 나타내었는데 그 원인은 영상 툴에 의해 생성된 지표면 모델이 DSM인 관계로 공원에 분포하는 인공조림 식생의 피복 높이에 따른 과대 토공량으로 분석되었다. 특히, 이와 관련한 식생높이의 보정 향상 방안을 다양하게 사전 검토하였다.
대상 데이터
대상지에 대한 항공촬영은 DJI 사의 팬톰3 Professional 플랫폼에 FC300X (35mm 등가초점거리 20mm, FOV 94°, 픽셀수 4000x3000, RGB)카메라를 탑재하고 Figure 6과같이 Pix4Dcapture 앱을 활용하여 촬영고도 80m, 종 ‧ 횡 중복 80%로 계획된 촬영경로를 2개 세션(세션1=110장, 실선 8개 경로, 세션2=155장, 9개 경로), 순수촬영시간, 세션1=4분 54초, 세션2=6분 32초)으로 비행하여 항공사진 총 265장을 취득하였다.
시험대상지는 시흥시 소재 배곧(올곧은 배움터)생명공원 내 배곧마루 성토지역(가로 270m×세로 300m)으로 선정하고 2015년 12월 19일부터 약 5일간 Figure 4과 같이 평균 약 6㎡당 1점의 밀도로 VRS 측량(TrimbleR8수신기 및 TSC3 컨트롤러 2set, epoch 10초, 5시간/일평균)을 수행하여 총 2145점의 3차원 지형정보를 취득하였다.
실험 대상지의 sUAS 촬영(2개 세션)으로 부터 획득한 항공사진 265장(세션1 = 110장, 세션2 = 155장)을 SfM기반의 3가지 영상해석 툴( Pix4Dmapper,Context capture 및 Photoscan)에 적용하고 DSM 및 측점군 자료를 구성하여 절토량 산정에 활용하였다.
정사영상모자익의 기본좌표는 우리나라 중부지도투영좌표계(Korea 2000/Central Belt 2010, EPSG 5186 지도좌표 및 평균 지오이드 값(+22. 771m))에 기준하였고 정사영상, 고밀도 측점군 자료 및 DSM을 구성, 토 공량 산정을 위한 기초자료로 활용하였다. Figure 8에서 배곧 생명공원의 표고분포는 주변도로 6.
이론/모형
1개 픽셀 당 중복영상 수는 Figure 7과 같이 5장 이상으로 촬영되었다. 영상해석은 SfM기법을 적용한 Pix4Dmapper professional 소프트웨어를 활용하였고 각 영상의 촬영정보(Exif) 및 카메라 Table 2의 렌즈왜곡보정계수를 활용한 SfM 번들조정과 항공삼각측량을 수행하여 Figure 8과 같은 정사영상(좌측, GSD=3.4cm, GCP의 영상에 대한 Georeferencing 오차=7.4cm) 및 수치표면모형(우측, DSM)을 모델링할 수 있었다.
토공량 산정은 4가지 상업용 툴(ArcMap, Global Mapper, Surfer, TBC)에 내장된 기본 공식(사다리꼴 공식(Trapezoidal Rule), 심프슨 제1법칙(Simpson's Rule), 심프슨 제2법칙(Simpson's 3/8 Rule), 양단면평균법(Average end areas), 및“지상분해능(GSD)2 ×(Delaunay 삼각형 중심 높이 - 기준면 높이)”, 내장COGO 함수)을 적용하여 산출하였다(The Sydney Institute 2017a; 2017b).
성능/효과
2016). UAV와 관련된 각종 센서,GNSS 측위시스템 및 하드웨어의 기술향상과 소형화는 기존 위성영상과 항공영상이 가지고 있었던 시공간적 해상도의 제한을 상당부분 극복할 수 있게 되었다. UAV 기반 원격탐측자료는 기존 인공위성(50cm)과 유인 항공측량시스템(10cm∼1m)를 통해 획득한 영상의 해상도 제한으로 식별 불가했던 자연환경 특성을 손쉽게 지도 화할 수 있을 정도로 매우 높은 해상도를 제공하고 있다.
Table 3은 VRS 측량 자료를 활용한 토공량 산정 공식별 토공량과 sUAS영상기반의 3가지 영상 해석 툴에 의한 토공량 절대값을종합적으로 비교한 내용이다. VRS 지상측량 기반의 토 공량(97,107.647㎥) 대비, ArcMap 및 Pix4Dmapper(1세션 = 110장, 2세션 = 265장 해석 경우)에 의한 토공량 편차는 각각 9256.606㎥ 및 (5989.313㎥, 1408.032㎥)의 편차를 보여 VRS측량 기준, 9.53% 및 (6.17%, 1.4%)의 토공 편차량을 보였다. 다른 방법들은 1∼2% 편차 범위로 유사한 결과를 나타내었다.
넷째, 영상 해석 툴에 따른 토공량의 경우,Pix4Dmapper, Context capture 및 Photoscan 모두 유사한 토공량을 제시하였다.
둘째, 영상 해석 툴에 의한 토공량은 3가지 방법 모두 지상측량에 의한 평균값(ArcMap 제외)에 비해 큰 값을 나타내었는데 그 원인은 영상 툴에 의해 생성된 지표면 모델이 DSM인 관계로 공원에 분포하는 인공조림 식생의 피복 높이에 따른 과대 토공량으로 분석되었다. 특히, 이와 관련한 식생높이의 보정 향상 방안을 다양하게 사전 검토하였다.
Pix4Dmapper의 경우, 1차 세션에서 취득한 영상,110매 만을 활용하여 해석한 관계로 체적산정과정에서 Figure 10에서와 같이 공원 관리사무소와 뒤편 소나무군락이 일부 15m 범위에 포함될 수 있으므로 체적 산정의 기본 영역에서 제외하였지만, 다른 영상해석법과는 다르게 영상매수가 부족한 관계로 토공량이 과대하게 산정된 것으로 분석되었다. 따라서, 2차 세션의 이중격자비행으로 취득한 265매 영상을 해석한 경우는 토공량 편차가 1.4%로 향상됨을 확인하였다. 대체로 영상해석에 의한 토공량은 지상측량결과에 비해 평균 약 1500∼2000㎥정도 과대하게 산정되었는데 이는 12월 중, 공원에 산재한 건조 잡풀의 다양한 피복높이(10cm∼40cm)와 산재한 피복부에 기인된 것으로 사료된다.
96㎥로 산출되었다. 따라서, 세션 1 영상만을 Pix4dmapper로 해석하고 기준높이 이상의 절토량을 산정한 결과는 VRS Network-RTK 측량성과를 Surfer(Trapezoidal Rule)로 해석한 절토량(97,107.647㎥) 대비 6.17% (5989.313㎥)의 토공량 편차를 나타내었다. 또한, 세션1 및 세션2, 두 세션의 전체영상(265장)을 Pix4dmapper로 해석한 경우는 검사점의 지도좌표편차의 절대평균값이 N, E, 및 H84에서 각각 0.
3cm로 Pix4Dmapper, Context capture는 유사한 반면 Photoscan의 경우는 상대적으로 큰 편차를 보였다. 또한, 높이 성분의 경우는 6cm(265 매인 경우, 3.3cm),10cm 및 3.4cm로서 Pix4Dmapper와 Photoscan이 양호한 결과로 분석되었다.
또한, 다중영상입체시 기술(Multi ViewStereopsis, ‘MVS’)과 같은 컴퓨터 영상 해석기술의 발전에 따라 다양한 촬영 각도에서 취득한 영상을 중복시켜 3차원적으로 피사체의 형상을 재현할 수 있게 되었다.
313㎥)의 토공량 편차를 나타내었다. 또한, 세션1 및 세션2, 두 세션의 전체영상(265장)을 Pix4dmapper로 해석한 경우는 검사점의 지도좌표편차의 절대평균값이 N, E, 및 H84에서 각각 0.046m, 0.045m 및 0.033m로 1세션만을 해석한 경우에 비해 영상 매수의 증가에 따른 측위 정확도의 향상을 확인할 수 있었다. 특히, 두 세션에 의한 절토부 토공량은 98,515.
우측은 Global Mapper에서 3D 모델과 15m 기준면 grid 레이어를 ‘지형 레이어 결합’으로 차감하여 15m 이상의 지형 부분만을 추출한 후, Surfer용 grid를 구성한 후, Surfer에서 불러들여 체적을 산출하는 과정을 나타낸 것이다. 산정된 체적은 98878.663㎥로서 Photoscan에 의한 DEM를 Global Mapper 툴에서Surfer 툴 용 grid 파일로 출력하고 Surfer의 체적산정기능을 활용하여 기준면(15.0m)에 대한 상부의 토공량을 산정한 결과(98917.511㎥)대비 토공량의 편차는 38.848㎥로 매우 근사하게 산출되었다. 특히, 지상관측 자료를 Surfer로 처리한 결과(97,107.
셋째, 영상 해석 툴에 의한 성과물의 정확도를 30개 검사점의 3차원 좌표를 기준으로 분석할 결과, 평균 10cm 전 ‧ 후의 편차를 보여 일반 토공량 산정용으로 대체로 적합한 수준임을 알 수 있었다.
아울러, 본 연구에서는 Pix4Dmapper 해석 툴의 경우, 실험적으로 두 가지 세션(1세션:110장, 2세션:265장)의 영상에 대한 해석을 통해 영상 중복도 및 영상매수의 증가에 따른 3차원 위치정보의 정확도 향상을 입증할 수 있었다.
Table 4는 3가지 영상해석 툴로부터 산출된 정사영상, DSM 및 DEM의 정확도를 30개의 검사점을 활용하여 VRS 측량성과를 활용한 지도좌표와 WGS84 타원체고를 기준으로 좌표성분 별, 편차의 절대 평균값을 나타낸 것이다. 영상해석 툴에 의한 수평성분 정확도는 Pix4Dmapper, Context capture 및 Photoscan에서 각각 8.2cm (265 매인 경우, 6.5cm), 7.5cm 및 12.3cm로 Pix4Dmapper, Context capture는 유사한 반면 Photoscan의 경우는 상대적으로 큰 편차를 보였다. 또한, 높이 성분의 경우는 6cm(265 매인 경우, 3.
첫째, VRS Network-RTK 측점 군을 활용한 지상측량기반의 토공량을 해석이론에 따라 산정한 결과 Surfer 및 TBC 툴은 1∼2%의 편차로 유사한 반면, Global Mapper와 ArcMap 툴의 경우, 각각 6% 및 약 10%까지 다양한 편차를 보였다.
2절의 해석 결과를 토대로 토공량 산정을 위한 측량방법, 토공량 산출 방법별 토공량 및 영상해석 방법별 검사점의 3차원 정확도을 비교 ‧ 고찰하였다. 토공량 산정을 위한 측량 방법 면에서 VRS 지상측량자료를 활용하는 방법과 sUAS에 의한 방법을 비교 검토하면 2145 지상측점의 측량에 2 셋트의 VRS측량기로 약 5일(5시간/일평균작업시간)이 소요된 반면, sUAS의 경우는 비행 중 순수촬영시간(세션 1:4분 54초, 세션2:6분 32초) 및 GCP 및 검사점용 VRS 기준점 50점 측량에 약 1.4시간 소요되어 외업 면에서는 sUAS에 의한 방법이 월등이 효율적이었다. 특히, 비행체에 RTK 및 IMU센서를 장착할 경우 sUAS 측량용 GCP 측량이 불필요하게 되어 추가 장비 구입에 비용부담은 있지만, 외업의 효율성이 더욱 높아질 것으로 판단된다.
848㎥로 매우 근사하게 산출되었다. 특히, 지상관측 자료를 Surfer로 처리한 결과(97,107.647㎥)대비1771.016㎥의 편차, Context capture(98461.092㎥)대비 417.571㎥의 편차로서 지상측량자료를 Surfer로 해석한 토공량을 기준으로 1.82%의 편차를 보였다.
이로 부터 카메라 좌표중심의 촬영점 위치와 자세, 피사체의 저밀도 측점군을 재현한다. 특히, 카메라 내부표정요소가 미지값인 경우라도 SfM 해석과정에서 SHIT로 검출한 특징점과 카메라 위치간의 공액구속조건으로 부터 F 행렬요소를 산출한 후, 모든 영상의 각 픽셀에 적용하여 카메라좌표중심의 고밀도 다중시점입체시 및 DSM를 구현할 수 있다. 내부표정요소는 F 행렬을 기반으로 산출이 가능하며 좀 더 높은 정확도의 촬영점 및 카메라 회전요소 등을 기반으로 항공삼각측량의 단일조합처리로부터 실세계 좌표기반 피사체의 고밀도 3차원 측점군과 형상을 재현하게 된다.
후속연구
향상방안 1. 해당 지역의 수목식생에 대한 표본조사를 수행하여 높이를 보정(인공 조림 및 자연피복지형에 적용할 수 있으나 대상지역이 클 경우, 효율성 면의 검토 필요). 향상방안 2.
특히, sUAS를 활용한 토공량 산정의 정량적 정확성을 검토하기 위해 기존의 지상측량 방법 중,GNSS Network-RTK (‘VRS’) 측량을 고밀도로 수행하고 산출된 기준면상의 토공물량을 기준으로 비교하여 sUAS에 의한 토공물량 산정의 활용성을 종합적으로 검토한다. 본 검토 결과는 건설 공사 현장은 물론, 대규모 건설자재의 비축량 파악, 재난복구현장의 토류물량산정 등에 sUAV의 활용성을 평가할 수 있을 것이다.
3절과 같이 대상지의 식생피복높이에 기인한 토공량의 편차가 발생되게 된다. 후속 연구에서는 자연 식생 피복 지형을 대상으로 다음 6가지의 향상 방안을 적극 검토하여 다양한 조건의 실제 현장에 활용할 수 있는 방법을 모색, 본 연구 내용을 보완할 계획이다.
질의응답
핵심어
질문
논문에서 추출한 답변
기존 위성 ‧ 항공사진측량 방식 대비 UAV 기반 원격탐측자료의 장점은?
또한, 다중영상입체시 기술(Multi ViewStereopsis, ‘MVS’)과 같은 컴퓨터 영상 해석기술의 발전에 따라 다양한 촬영 각도에서 취득한 영상을 중복시켜 3차원적으로 피사체의 형상을 재현할 수 있게 되었다. 특히, 기존 위성 ‧ 항공사진측량 방식 대비 가격이 월등히 저렴하고 운용 또한 쉬워서 요구자의 조건에 따라 매우 높은 시 ‧ 공간적 해상도의 자료를 반복적으로 제공할 수 있다. 소형무인항공시스템 (Small-scale Unmanned Aerial Systems, ‘sUAS’)를 활용한 응용은 지형공간정보구축, 고고학, 환경감시, 식물생태분석,재난재해 감시 및 인명구조 등에서 그 효용성이 높아지고 있다.
CV의 구성 및 특징은?
항공사진측량분야 중, 근거리사진촬영기술(Close range photogrammetry, 'CRP')은 지상사진측량의 일종으로 피사체에 대한 평행촬영 외에도 다양한 수렴촬영이 수행된다. CV는 CRP와 같이 촬영기선방향과 대상체의 공액선 방향이 다양한 경사각으로 구성되며 투영방정식과 공액구속조건으로 구성된 입체영상해석방정식이 동차좌표계로 구성된 선형화된 행렬식이란 점과 해석과정에서 촬영점의 좌표와 자세 및 렌즈 검정요소의 초기값 입력을 전제로 하지 않는 특징이 있다. CV에서는 비측정용 카메라를 사용하여 촬영점과 렌즈 ‧ 카메라 내부표정요소에 대한 정보 없이도 카메라 좌표계 공간 안에서 대상물의 3차원 모델링을 할 수 있으므로 전통적인 사진측량기술과 병행하여 영상을 해석할 경우 정확성, 효율성 및 경제성 면의 효율화가 기대된다.
MVS는 무엇을 수행하며, 출시된 툴은 무엇이 있는가?
특히, 영상 내 특징점 추출, 영상 간 특정점 매칭, SfM 번들조정 및 항공삼각측량(Aerial Triangulation, ‘AT’) 기술에 의한 영상의 표정과정을 검토하였다. MVS는 단계별 세부 기술, 즉 SIFT,SGM, SfM, CMVS(Clustering Views for Multi-view Stereo), PMVS(Patch-based Multi-view Stereo ), 항공삼각측량(AT)기술 등의 조합조정이 수행되며 다양한 공개용 툴(Open CV) 및 상업용 툴이 출시되고 있다(Bemis et al. 2014; Jančošek 2012; Wu2014).
참고문헌 (30)
Achour K, Benkhelif, M. 2001. A new approach to 3D reconstruction without camera calibration. Pattern Recognition 34:2467-2476.
Agisoft. 2017. PhotoScan professional user manual, Russia.
Arango C, Morales CA. 2015. Comparison between multicopter UAV and total station for estimating stockpile volumes. IAPRS. volume XL-1/W4. International Conference on UAV in Geomatics, 30 Aug-02 Sep, Toronto.
Bemis SP, Micklethwaite S, Turner D, James MR, Akciz S, Thiele ST, Bangash HA. 2014. Ground-based and UAV-Based photogrammetry : A multi-scale, high resolutionmapping tool for structural geology and paleoseismology. Journal of Structural Geology. 69:163-178.
Bently. 2017. ContextCapture Master user manual, USA.
Blue Marble Geographics. 2017. Global Mapper, USA.
Brothelande E, Lenat JF, Normier A, Bacri C, Peltier A, Paris R, Kelfoun K, Merle O, Finizola A, Garaebiti E. 2015. Insights into the evolution of the Yenkahe resurgent dome (Siwi caldera, Tanna Island, Vanuatu) inferred from aerial high-resolution photogrammetry. Journal of volcanology and geothermal research. 299:78-90.
Carrera-Hernandez JJ, Levresse G, Lacan P, Aranda-Gomez JJ. 2016. A low cost technique for development of ultra-high resolution topography : application to a dry maar's bottom. Revista Mexicana de Ciencias Geoloicas, April.
Collins, RT. 2007. CSE486 Computer Vision I (Fall'07), Introduction to Computer Vision. [http://www.cse.psu.edu/-rtc12/CSE486/]. Last accessed 1 May 2017.
Cryderman C, Mah SB, Shufletoski A. 2014. Evaluation of UAV photogrammetric accuracy for mapping and earthworks computations, GEOMATICA. 68(4):309-317.
Draeyer B, Strecha C. 2014. How accurate are UAV surveying methods ?, Pix4D White paper, February.
ESRI Inc. 2015. ArcGIS for Desktop. USA
Golden software. 2017. Surfer. USA.
Hirschmuller H. 2011. Semi-Global Matching Motivation, Developments and Applications, Wichmann/VDE Verlag, Belin & Offenbach, p.173-184.
Jancosek M. 2012. CMPMVS, Multi-View Reconstruction Software. [http://ptak.felk.cvut.cz/sfmservice/websfm.pl?menucmpmvs]. Last accessed 1 May 2017.
Lee YC. 2015. Assessing the positioning accuracy of high density point clouds produced from rotary wing quadrocopter unmanned aerial system based imagery. Journal of the Korean socity for geospatial information science. 23(2):39-48.
Longuet-Higgins HC. 1981. A computer algorithm for reconstructing a scene from two projections. Nature. 293(10):133-135.
Mikrut S. 2016. Classical photogrammetry and UAV-selected ascepts, XXIII ISPRS congress. volume XLI-B1, 12-19 July 2016, Prague, Czech Republic.
MOLEG(Ministry of Government Legislation). 2016. Enforcement decree of the aviation act, Enforcement Date 20. Jul, 2016, Presidential Decree No.27360, 19. Jul, 2016, Partial Amendment.
MOLIT(Ministry of Land, Infrastructure and Transport). 2017. Drone conference, Federation of Korean Industries Head Office Building, March 10.
Pix4D. 2017. PixDmapper pro user manual, Switzerland.
The Sydney Institute. 2017a. Calculating Bulk Volumes Using Simpson Rule. [http://mirkostrade10.sydneyinstitute.wikispaces.net/file/view/Calculating+Bulk+Volumes+Using+Simpson+Rule+.pdf]. Last accessed 1 May 2017.
The Sydney Institute. 2017b. Calculating Bulk Volumes Using Trapezoidal Rule. [http://mirkostrade10.sydneyinstitute.wikispaces.net/file/view/Calculating+Bulk+Volumes+Using+Trapezoidal.pdf]. Last accessed 1 May 2017.
Rao B, Gopi AG, Maione R. 2016. The societal impact of commercial drones. Technology in Society. 45:83-90.
Siebert S, Teizer J. 2014. Mobile 3D mapping for surveying earthwork projects using an Unmanned Aerial Vehicle system. Automation in Construction. 41:1-14.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.