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
- 따라서 본 연구에서는 문화재의 현황 파악과 관리 및 복원을 위한 기초자료 구축에 있어서 지상 LiDAR와 UAV의 활용방안을 제시하고자 기존의 자료취득방법인 지상 LiDAR와 최근 3차원 공간정보 취득방법으로 떠오르는 UAV를 이용하여 생성된 포인트 클라우드의 정확도를 비교하고 생성된 3차원 모델의 중첩분석을 실시하였다.
제안 방법
- 또한 정합된 데이터에서 불필요한 데이터와 노이즈를 제거하는 필터링 과정을 거쳤다. 노이즈 제거는 필터링기법을 이용하여 자동적으로 제거가 가능하지만 정확한 3차원 위치를 얻기 위해 수동적으로 노이즈를 제거하였다. 지상 LiDAR 자료의 정합 및 지오레퍼런싱을 포함한 데이터 처리는 3차원 포인트군 프로세싱 소프트웨어인 Leica사의 Cyclone을 사용하였으며, 3차원 좌표로 이루어진 첨성대의 포인트 클라우드는 Figure 9와 같으며, GCP와의 오차를 Table 5에 나타내었다.
- 8로 총 329장의 영상을 취득하였다. 무인항공기 영상의 지오레퍼런싱에 사용된 GCP는 지상 LiDAR와 동일한 점에 대공표지를 설치하여 연구를 수행하였으며, 대공표지의 좌표를 Table 4에 나타내었다. 취득된 영상의 후처리는 UAV 영상처리 소프트웨어인 Agisoft사의 PhotoScan Professional Edition Version 1.
- 본 연구에서는 문화재의 3차원 모델링을 위해 지상 LiDAR 자료와 UAV 영상을 취득하여 생성된 각각의 모델의 정확도를 비교하고 중첩분석을 실시한 결과 다음과 같은 결론을 얻었다.
- 취득된 지상 LiDAR 데이터는 각각 기계점의 위치를 기준으로 한 상대좌표값을 가지고 있기 때문에 데이터를 정합과정과 동일한 상대좌표계에서 절대좌표계로 이동시키는 지오레퍼런싱과정을 거쳐야한다. 정합과정은 각각의 기계점에서 취득된 포인트 클라우드를 3점 이상의 동일한 점을 매칭포인트로 선택하여 정합하는 형상정합방식으로 정합하였으며 하나로 형성된 포인트 클라우드 데이터에서 3개의 GCP를 설정하여 상대좌표에서 절대좌표로 변환해주는 지오레퍼런싱 과정을 거쳤다. 또한 정합된 데이터에서 불필요한 데이터와 노이즈를 제거하는 필터링 과정을 거쳤다.
- 4단계를 거쳐 생성된 3차원 모델은 Figure 11에 나타내었으며, 대공표지를 통해 취득된 GCP와의 오차는 Table 5에 나타내었다. 정확도 평가를 위해 추가적으로 생성된 모델에서 대상 문화재인 첨성대를 제외한 지반, 조명, 울타리 등은 수동으로 제거하여 연구를 수행하였다.
- 지상 LiDAR 자료와 UAV 영상 자료를 기반으로 생성된 포인트 클라우드 데이터의 정확도를 평가하기 위해 대상문화재인 첨성대에 대해 토탈스테이션을 이용하여 무타겟 기준점좌표를 취득하였다. 첨성대는 기단부, 원주부(몸통), 정자형 두부로 나눌 수 있으며, 원주부의 경우 원통형을 이루고 있어 특정한 기준점을 선정하기 어려워 기준점은 직각을 이루고 있는 기단부의 모서리와 정자형 두부의 모서리로 선정하여 8개의 무타겟 기준점좌표를 취득하였다.
- 지상 LiDAR의 포인트 클라우드를 기반으로 생성된 3차원모델과 UAV 영상을 통해 생성된 3차원모델의 중첩분석을 실시하였다. 지상 LiDAR 모델을 기준으로 UAV 모델을 중첩하여 오차의 범위에 따른 정확도를 산출한 결과 Table 8과 같다.
- SfM 알고리즘은 영상을 취득할 때 사진에 저장된 카메라의 종류, 이미지의 크기, 초점거리 등의 정보를 초기값으로 사용하며 영상의 접합을 위한 특징점을 추출한다. 추출된 특징점의 영상좌표와 공액조건에 의해 카메라의 외부표정요소를 산출하고 광속조정에 의해 정밀한 3차원 점군데이터를 추출한다. 카메라의 내부표정요소는 초기 근사값을 이용하여 카메라 자체 검정에 의해 수행되기 때문에 별도의 카메라 검정 절차가 불필요하다.
- 포인트 클라우드의 정확도 뿐만 아니라 포인트 클라우드를 기반으로 생성한 대상문화재의 3차원 모델의 정확도를 분석하였다. 포인트 클라우드의 정확도 산출에 사용한 토탈스테이션은 하나의 점의 좌표를 취득하는 장비로 대상문화재의 전체적인 좌표를 취득하는 것은 비효율적이며 비경제적이므로 3차원모델의 정확도는 지상 LiDAR 자료를 통해 생성된 3차원 모델을 기준으로 UAV 영상을 통해 형성된 3차원모델을 중첩하여 정확도를 산출하였다.
- 포인트 클라우드의 정확도 뿐만 아니라 포인트 클라우드를 기반으로 생성한 대상문화재의 3차원 모델의 정확도를 분석하였다. 포인트 클라우드의 정확도 산출에 사용한 토탈스테이션은 하나의 점의 좌표를 취득하는 장비로 대상문화재의 전체적인 좌표를 취득하는 것은 비효율적이며 비경제적이므로 3차원모델의 정확도는 지상 LiDAR 자료를 통해 생성된 3차원 모델을 기준으로 UAV 영상을 통해 형성된 3차원모델을 중첩하여 정확도를 산출하였다.
대상 데이터
- UAV 영상은 대상 문화재를 기준으로 지면부근 영상부터 정사영상까지 전 방향으로 12메가 픽셀, 셔터속도는 1/550초, 촬영렌즈의 조리개 값은 f/2.8로 총 329장의 영상을 취득하였다. 무인항공기 영상의 지오레퍼런싱에 사용된 GCP는 지상 LiDAR와 동일한 점에 대공표지를 설치하여 연구를 수행하였으며, 대공표지의 좌표를 Table 4에 나타내었다.
- 대상 문화재에 대해서 지상 LiDAR를 이용하여 3차원 포인트 클라우드 데이터를 취득하였다. 지상 LiDAR는 대상물에서 반사되는 점의 3차원 위치를 측정하는 데 있어서 효과적인 장비로 본 연구에서 사용한 지상 LiDAR는 Leica사의 Scanstation P20 제품을 사용하였으며 세부적인 사양은 다음 Table 1과 같다.
- 대상 문화재인 첨성대에 대해서 UAV 촬영을 실시하여 영상을 취득하였다. 연구에 사용한 UAV기체는 보급형 회전익 UAV로서 광범위하게 활용되고 있는 DJI사의 Inspire-1 이다(Figure 7).
- 본 연구에서는 경상북도 경주시에 위치한 첨성대를 대상으로 연구를 수행하였다. 첨성대는 신라 중기 선덕여왕 재위 중(632∼647년) 축조된 석조 건축물로 동양 최고의 천문대로 알려져 있으며, 1962년 국보 제31호로 지정되어 현재까지 원형을 유지하고 있다.
- 대상 문화재인 첨성대에 대해서 UAV 촬영을 실시하여 영상을 취득하였다. 연구에 사용한 UAV기체는 보급형 회전익 UAV로서 광범위하게 활용되고 있는 DJI사의 Inspire-1 이다(Figure 7). 이 기체는 4개의 프로펠러를 갖는 쿼드콥터(quardcopter)이며, 기체에 GPS와 IMU가 장착되어 있어 자세제어와 지비행(Hovering), 자동 이착륙이 가능하다.
- 대상 문화재에 대해서 지상 LiDAR를 이용하여 3차원 포인트 클라우드 데이터를 취득하였다. 지상 LiDAR는 대상물에서 반사되는 점의 3차원 위치를 측정하는 데 있어서 효과적인 장비로 본 연구에서 사용한 지상 LiDAR는 Leica사의 Scanstation P20 제품을 사용하였으며 세부적인 사양은 다음 Table 1과 같다.
- 지상 LiDAR 자료와 UAV 영상 자료를 기반으로 생성된 포인트 클라우드 데이터의 정확도를 평가하기 위해 대상문화재인 첨성대에 대해 토탈스테이션을 이용하여 무타겟 기준점좌표를 취득하였다. 첨성대는 기단부, 원주부(몸통), 정자형 두부로 나눌 수 있으며, 원주부의 경우 원통형을 이루고 있어 특정한 기준점을 선정하기 어려워 기준점은 직각을 이루고 있는 기단부의 모서리와 정자형 두부의 모서리로 선정하여 8개의 무타겟 기준점좌표를 취득하였다. 지상 LiDAR 자료와 UAV 영상자료를 기반으로 생성된 포인트 클라우드에서 좌표추출은 다양한 포인트 클라우드 상용프로그램의 결과물을 읽을 수 있는 Pointtools Edit 1.
데이터처리
- 첨성대는 기단부, 원주부(몸통), 정자형 두부로 나눌 수 있으며, 원주부의 경우 원통형을 이루고 있어 특정한 기준점을 선정하기 어려워 기준점은 직각을 이루고 있는 기단부의 모서리와 정자형 두부의 모서리로 선정하여 8개의 무타겟 기준점좌표를 취득하였다. 지상 LiDAR 자료와 UAV 영상자료를 기반으로 생성된 포인트 클라우드에서 좌표추출은 다양한 포인트 클라우드 상용프로그램의 결과물을 읽을 수 있는 Pointtools Edit 1.5 Pro를 이용하였다. Table 6과 Table 7은 각각 토탈스테이션의 관측값과 지상 LiDAR, UAV 포인트 클라우드의 정확도를 산출한 결과이다.
- UAV 영상을 통한 3차원 모델링은 PhotoScan에서 조밀한 포인트 클라우드를 기반으로 폴리곤 메쉬를 생성하였기 때문에 하나의 형체로 만드는 과정을 거쳤지만 지상 LiDAR를 통해 취득된 포인트 클라우드는 점으로 이루어진 데이터이므로 점 데이터를 면 데이터로 만들어주는 과정이 필요하다. 지상 LiDAR의 추가적인 데이터 처리 및 두 모델의 중첩분석은 Geomagic Control 2014를 이용하여 수행하였다. Geomagic Control은 3D 계측 소프트웨어로 주로 우주항공, 금형 및 도구제작 등의 분야에서 제조된 제품의 결함 평가, 변형시험 등 특정한 분야에 국한되지 않고 다양한 분야에서 사용되는 스캔데이터 기반의 3차원 검사 소프트웨어이다.
성능/효과
- 두 모델의 중첩 결과 지상 LiDAR 모델을 기준으로 UAV 모델 중 ±0.010m 범위 내의 오차를 나타내는 포인트는 전체의 56.82%이며, ±0.042m 범위 내의 오차를 나타내는 포인트는 전체의 92.09%이고 표준편차는 ±0.038m의 값을 나타내었다.
- 둘째, 지상 LiDAR 모델을 기준으로 UAV 모델의 중첩 분석을 수행한 결과, UAV 모델 중 ±0.010m 범위 내의 오차를 나타내는 포인트는 전체의 56.82%이며, ±0.042m 범위 내의 오차를 나타내는 포인트는 전체의 92.09%이고 표준편차는 ±0.038m의 값을 나타내었다.
- 또한 UAV 영상을 통해 형성된 포인트 클라우드의 정확도는 평균 0.022m 내외의 오차를 나타내었으며, 표준편차는 ±0.027m 값을 나타내었다.
- 038m의 값을 나타내었다. 또한, 중첩 분석을 수행한 결과 UAV 모델은 대상물의 윗부분을 포함한 다양한 방향에서 자료 취득이 용이하여 모델링을 수행하는 범위가 넓으며 균열의 시계열 관측 및 실물 문화재의 모델링을 통한 추가적인 컨텐츠 제작이 가능한 이점이 있지만 벽돌 틈새와 같은 급격한 굴곡이 발생하는 부분을 상세하게 표현하지 못하는 한계가 있음을 알 수 있었다.
- 첫째, 대상 문화재에 대해 취득된 지상 LiDAR와 UAV의 포인트 클라우드의 정확도를 산출한 결과, 지상 LiDAR의 포인트 클라우드는 평균 0.005m의 오차를, 표준편차는 약 ±0.006m를 나타내었으며, UAV의 포인트 클라우드는 평균 0.022m의 오차를, 표준편차는 ±0.027m를 나타내었다.
- 토탈스테이션을 통해 취득한 기준점의 좌표를 기준으로 지상 LiDAR 자료의 포인트 클라우드와 UAV 영상을 통행 형성된 포인트 클라우드의 정확도를 산출한 결과, 지상 LiDAR를 통해 취득한 포인트 클라우드는 평균 0.005m 내외의 오차를 나타내었으며, 표준편차는 약 ±0.006m로 1cm 내의 정확도를 나타내었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.