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
- 일반적으로 드론 영상 처리에 있어 DSM은 앞에서 언급한 바와 같이 정사 보정에 사용한다. 본 연구에서는 DSM을 지붕에 분포하는 소규모 가스 배출시설 탐지 시 오탐지율을 감소시키기 위한 자료로 함께 사용하였다. Figure 3은 연구지역인 공장 건물에 대한 DSM을 보여주고 있으며, 고도 30m에서 70m의 범위를 갖고 있다.
- 본 연구에서는 드론 영상을 이용하여 공장 지붕에 분포하는 소규모 가스 배출시설 (배기구)을 탐지하는 실험을 통하여 대기환경 단속업무에 있어 드론 영상의 활용 가능성을 평가하고자 한다.
- 따라서 국소적 대기환경을 모니터링 함으로써 대기환경범죄를 단속할 필요가 있다. 본 연구에서는 드론 정사영상을 이용하여 관리 및 모니터링이 소홀한 소규모 가스 배출시설에 대한 탐지 가능성을 분석하고자 하였다. 이를 위하여 드론 정사영상에 대한 질감 변환을 통하여 공장 지붕에 분포하는 소규모 가스 배출시설을 78%의 정탐지율로 탐지하였으나 오탐지율이 92%로 매우 높게 나타났다.
제안 방법
- 2에서 언급한 건물 외곽선을 이용하여 제거하였다. 본 연구에서는 배출시설로 판단할 수 있는 경사도의 임계값을 70%로 정의하여 마스크 영상을 제작하였다. 이 때 마스크 영상은 경사도가 70%보다 크거나 같으면 1, 작으면 0의 값을 갖는다.
- 본 연구에서는 정사영상으로부터 공장 건물을 추출한 후 GLCM을 이용하여 2차 통계값 기반 질감 척도들을 계산하였고, 이 때 이동창(kernel)의 크기는 배출시설의 일반적인 크기를 고려한 다양한 실험을 통해 25×25 pixel (약 1m×1m)로 결정하였다.
-
1. 가스 배출시설 탐지 결과 육안 분석
분산 질감 척도를 이용하여 탐지한 소규모 가스 배출시설을 정사영상과 중첩하여 육안으로 분석하였다(Figure 9)
. 그 결과 대부분의 가스 배출시설이 탐지된 것을 볼 수 있다. - 가스 배출시설은 주변과의 색조 차로 인하여 분산(variance) 값이 높게 나타나는 것을 볼 수 있다. 분산질감 영상에 임계값 100을 부여하여 소규모 가스 배출시설을 탐지하였다(Figure 7). 이 때 분산에 부여한 임계값 100은 다양한 임계값을 부여하는 과정과 통계값을 참고하여 최적치를 경험적으로 선정하였다.
- 앞에서 영상의 질감만을 이용하여 소규모 가스 배출시설을 탐지한 결과에서 나타나는 오탐지 화소를 제거하기 위하여 수치표면모델(DSM)로부터 경사도(slope)를 계산하였다. 지붕 위에 분포하는 배출시설은 대부분 수직형태의 구조물로 주변에 비해 높이가 높고 경사도가 크다는 특징이 있다.
- 이 때 마스크 영상은 경사도가 70%보다 크거나 같으면 1, 작으면 0의 값을 갖는다. 오탐지 화소를 제거하기 위하여 질감 변환을 통한 탐지결과에 마스크 영상을 곱하였다.
- 이를 위하여 드론 정사영상에 대한 질감 변환을 통하여 공장 지붕에 분포하는 소규모 가스 배출시설을 78%의 정탐지율로 탐지하였으나 오탐지율이 92%로 매우 높게 나타났다. 오탐지율을 감소시키기 위하여 드론 영상 처리 과정에서 생성되는 수치표면모델(DSM)의 경사도를 이용하여 지붕의 색상이 변화하는 지역 및 지붕 모서리와 같은 오탐지 지역을 제거하였다. 그 결과 정탐지율이 72%로 소폭 감소하였으나, 오탐지율이 92%에서 39%로 236% (53%p) 감소하였다.
- 탐지정확도를 정량적으로 분석하기 위하여 식 (7), (8)과 같이 정탐지율과 오탐지율을 계산하였다. 정탐지율과 오탐지율은 분산 질감 척도만을 이용한 탐지결과와 경사도를 이용하여 오탐지율을 감소시킨 결과 각각에 대하여 계산하여 비교하였다(Table 2). 그 결과 분산질감 척도를 이용한 탐지결과는 정탐지율 78%, 오탐지율 92%로 나타났다.
- 정사영상 제작을 위하여 Pix4D 소프트웨어를 이용하였고, 이 과정에서 12개의 지상기준점을 이용하였다. 중복도가 높은 입체사진을 이용하여 수치표면모델(DSM)을 제작하였고, 이를 이용하여 모자이크가 완료된 정사영상을 얻을 수 있었다. 정사영상의 공간해상도는 4.
대상 데이터
- 대덕산업단지는 총면적 3,114,041m²의 부지에 기계, 전자, 화학, 금속, 섬유, 제지 등을 연구, 생산 및 개발하는 기업들이 입주하고 있는 산업단지이며 많은 공장에서 배출시설을 통해 가스를 배출하고 있다. 그 중에서 규모가 가장 크고 소규모 가스 배출시설의 양이 많은 공장을 연구지역으로 선정하였다(Figure 1).
- Table 1은 사용한 드론, 카메라 그리고 영상의 상세내역을 보여주고 있다. 드론은 영국의 QuestUAV 사의 고정익 드론인 DataHawk를 이용하여 고도 150m에서 촬영을 실시하였다. 카메라는 Sony사의 QX1을 탑재하였고, 초점거리 16mm, 화소수는 5456×3632개이다.
- 본 연구를 위하여 대전광역시 대덕구 신일동에 위치한 대덕산업단지의 제지공장을 연구지역으로 선정하였다. 대덕산업단지는 총면적 3,114,041m²의 부지에 기계, 전자, 화학, 금속, 섬유, 제지 등을 연구, 생산 및 개발하는 기업들이 입주하고 있는 산업단지이며 많은 공장에서 배출시설을 통해 가스를 배출하고 있다.
- 소규모 가스 배출시설에 대한 탐지 정확도 분석을 위하여 정사영상에 대한 육안판독을 통하여 검증 자료를 수집하였다. 드론 정사영상은 공간해상도가 약 4cm로 매우 높기 때문에 육안으로 소규모 가스 배출시설에 대한 판독이 가능하다.
- Figure 11은 육안판독을 통하여 수집한 소규모 가스배출시설의 위치를 보여주고 있다. 수집한 검증자료는 총 172개의 점으로 구성되어 있다.
- 이 중 570m × 500m의 연구지역에 대한 부분 영상 중공장 건물에 해당하는 영역만을 추출하여 사용하였다.
- 전체 촬영한 면적은 약 5㎢이고, 종중복도 80%, 횡중복도 80%로 촬영한 사진은 총 1,740매이다. 정사영상 제작을 위하여 Pix4D 소프트웨어를 이용하였고, 이 과정에서 12개의 지상기준점을 이용하였다.
- 전체 촬영한 면적은 약 5㎢이고, 종중복도 80%, 횡중복도 80%로 촬영한 사진은 총 1,740매이다. 정사영상 제작을 위하여 Pix4D 소프트웨어를 이용하였고, 이 과정에서 12개의 지상기준점을 이용하였다. 중복도가 높은 입체사진을 이용하여 수치표면모델(DSM)을 제작하였고, 이를 이용하여 모자이크가 완료된 정사영상을 얻을 수 있었다.
- 카메라는 Sony사의 QX1을 탑재하였고, 초점거리 16mm, 화소수는 5456×3632개이다.
이론/모형
- 본 연구에서는 정사영상으로부터 공장 건물을 추출한 후 GLCM을 이용하여 2차 통계값 기반 질감 척도들을 계산하였고, 이 때 이동창(kernel)의 크기는 배출시설의 일반적인 크기를 고려한 다양한 실험을 통해 25×25 pixel (약 1m×1m)로 결정하였다. 또한 다양한 2차 통계값 기반 질감 척도들을 육안으로 비교하여 그 중 가스 배출시설이 가장 잘 나타나는 분산(variance) 척도를 이용하였다. Figure 6는 위에서 언급한 공장 건물을 추출한 드론 정사영상을 분산 질감 척도로 변환한 결과이다.
성능/효과
- 정탐지율과 오탐지율은 분산 질감 척도만을 이용한 탐지결과와 경사도를 이용하여 오탐지율을 감소시킨 결과 각각에 대하여 계산하여 비교하였다(Table 2). 그 결과 분산질감 척도를 이용한 탐지결과는 정탐지율 78%, 오탐지율 92%로 나타났다. 이는 정탐지율이 높지만 오탐지율 또한 매우 높아 탐지결과에서 불필요한 오탐지 화소가 매우 많다는 것을 의미한다.
- 오탐지율을 감소시키기 위하여 드론 영상 처리 과정에서 생성되는 수치표면모델(DSM)의 경사도를 이용하여 지붕의 색상이 변화하는 지역 및 지붕 모서리와 같은 오탐지 지역을 제거하였다. 그 결과 정탐지율이 72%로 소폭 감소하였으나, 오탐지율이 92%에서 39%로 236% (53%p) 감소하였다. 따라서 드론 정사 영상과 수치표면모델을 이용하여 지붕에 분포하는 소규모 배출시설을 탐지하는 것이 가능한 것으로 판단된다.
- 그 결과 정탐지율이 72%로 소폭 감소하였으나, 오탐지율이 92%에서 39%로 236% (53%p) 감소하였다. 따라서 드론 정사 영상과 수치표면모델을 이용하여 지붕에 분포하는 소규모 배출시설을 탐지하는 것이 가능한 것으로 판단된다. 그러나 연구결과에 대한 적용 가능성을 향상시키기 위하여 다양한 영상을 대상으로 정탐지율 향상 및 오탐지율 감소를 위한 연구와 다양한 시도가 필요하다.
- 이는 정탐지율이 높지만 오탐지율 또한 매우 높아 탐지결과에서 불필요한 오탐지 화소가 매우 많다는 것을 의미한다. 반면 경사도를 이용하여 오 탐지율을 감소시킨 결과에서는 정탐지율이 72%, 오탐지율이 39%로 나타났다. 이는 오탐지 제거 과정에서 일부 정탐지가 함께 제거되어 정탐지율이 감소한 것으로 판단된다.
- 이 때 분산에 부여한 임계값 100은 다양한 임계값을 부여하는 과정과 통계값을 참고하여 최적치를 경험적으로 선정하였다. 분산값의 범위는 0.10에서 477.77로 나타났고, 일반적으로 색상변화가 적은 공장 지붕의 경우 분산이 100 이하의 상대적으로 작은 값을 갖고 있고, 질감변화가 큰 가스 배출시설의 경우 분산값이 100 이상으로 크게 나타났다. 임계값 부여를 통해 가스 배출시설을 탐지한 결과에는 지붕의 기하학적 특성 또는 부분적 색상 변화에 의해 선형의 오탐지가 포함되는 것을 볼 수 있다.
- 본 연구에서는 드론 정사영상을 이용하여 관리 및 모니터링이 소홀한 소규모 가스 배출시설에 대한 탐지 가능성을 분석하고자 하였다. 이를 위하여 드론 정사영상에 대한 질감 변환을 통하여 공장 지붕에 분포하는 소규모 가스 배출시설을 78%의 정탐지율로 탐지하였으나 오탐지율이 92%로 매우 높게 나타났다. 오탐지율을 감소시키기 위하여 드론 영상 처리 과정에서 생성되는 수치표면모델(DSM)의 경사도를 이용하여 지붕의 색상이 변화하는 지역 및 지붕 모서리와 같은 오탐지 지역을 제거하였다.
후속연구
- 드론 정사영상과 DSM을 이용한 소규모 가스 배출시설 탐지 결과는 대기오염물질 배출 모니터링에 있어 기초자료로 활용할 수 있을 것으로 판단된다. 일반적으로 대규모 가스 배출시설의 경우 대기오염방지시설이 설치되어 있으며 굴뚝원격감시시스템을 통한 모니터링이 이루어지고 있다.
- 특히 최근 등장한 드론 기반의 대기질 측정 센서를 이용하면 소규모가스 배출시설에 대한 관측이 보다 수월해질 것으로 예상된다. 또한 시계열 드론영상 촬영을 통하여 대기오염물질 배출시설에 대한 변화를 모니터링하거나, 시설물 관리에 도움을 줄 수 있을 것으로 판단된다.
- 그러나 연구결과에 대한 적용 가능성을 향상시키기 위하여 다양한 영상을 대상으로 정탐지율 향상 및 오탐지율 감소를 위한 연구와 다양한 시도가 필요하다. 또한 연구결과를 활용하여 대기오염물질 배출시설에 대한 데이터베이스를 구축할 필요가 있으며, 이는 다양한 센서를 이용한 대기환경 모니터링의 기초자료로 활용될 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.