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
- 본 연구에서는 각기 다른 카메라 검정 및 내부표정 요소 적용 방법을 적용하여 제작한 DSM의 정확도를 검증하기 위해 영상처리 시 독립변수로 작용하는 비행변수와 외부표정 요소를 고정하였다. 비행변수는 자동비행·촬영을 통해 종·횡 중복도, 고도 등이 통일된 하나의 항공사진 세트를 이용함으로써 고정하였다.
- 본 연구는 외부표정 요소와 비행요소를 고정변수로 설정하고 내부표정 요소만 고려하여 DSM을 제작하였기 때문에 내부표정 요소와 관련된 DSM 제작 및 정확도 평가에 의의가 있을 것으로 판단된다. 향후 진행되는 연구에서는 전술한 본 연구의 한계점을 보완한다면 UAS 기반의 DSM 제작에 있어 보다 나은 성과를 기대할 수 있을 것이다.
제안 방법
- 연구에서는 자체 카메라 검정 및 실험실 환경에서의 카메라 검정 등 각기 다른 방법으로 내부표정 요소를 산출하고 이를 영상처리 과정에 적용하여 총 5개의 DSM(campaign 1~3-2)을 제작한 뒤 정확도를 평가하였다. 내부표정 요소를 DSM 정확도의 독립변수로 활용하기 위해 DSM의 정확도에 영향을 줄 수 있는 비행요소와 외부표정 요소를 단일 고정변수로 설정하였다.
- 따라서 본 연구에서는 영상처리 프로그램의 자체 카메라 검정(이하 자체 카메라 검정) 및 실험실 환경에서의 카메라 검정 등 각기 다른 방법으로 카메라 검정을 실시하여 내부표정 요소를 산출하였고, 이를 영상처리 과정에 적용하여 DSM을 제작한 후 정확도를 평가하였다. 본 연구의 결과는, 향후 UAS 기반의 DSM 제작 시 결과물의 정확도 향상에 기여할 수 있을 것으로 판단된다.
- 비행변수는 자동비행·촬영을 통해 종·횡 중복도, 고도 등이 통일된 하나의 항공사진 세트를 이용함으로써 고정하였다.
- 그러나 학술·연구·토목 설계 등 특수 목적으로 이용되는 DSM의 경우, 높은 정확도가 요구되기 때문에 정밀한 카메라 검정을 통해 내부표정 요소를 확인하여 정확도가 높은 DSM을 제작할 필요가 있다. 본 연구에서는 자체 카메라 검정 및 실험실 환경에서의 카메라 검정 등 각기 다른 방법으로 내부표정 요소를 산출하였고, 이를 이용하여 총 다섯 개의 DSM(campaign 1~3-2)을 제작한 뒤 정확도를 평가하였다(Fig 2).
- campaign 1은 원본 영상을 이용하여 Photoscan 자체 카메라 검정 방식으로 내부표정 요소를 산출한 뒤 DSM을 제작하였다. campaign 2-1과 2-2는 Lightroom으로 왜곡 보정을 실시한 영상을 사용하였다.
- 외부표정 요소 중 DSM의 정확도에 영향을 주는 GCP의 배치와 개수를 영상처리 시 동일하게 적용하였다. 영상처리 시 마다 미세하게 달라질 수 있는 GCP위치를 고정하기 위해 하나의 GCP 및 CP 세트만 제작한 뒤 이를 불러들여오는 방식을 사용하였다.
- Photoscan은 SfM 알고리듬에 기반으로 하여 2차원사진을 X, Y, Z 값을 갖는 3차원 점군으로 변환시키며, 이때 사용된 GCP와 CP에 대하여 X, Y, Z 값의 RMSE(Root Mean Square Error, 평균 제곱근 오차)를 산출한다. 이러한 RMSE 결과 값 또한 카메라 검정 방법에 따라 다르게 산출될 수 있으므로 우선 GCP와 CP의 정확도를 산출하였다.
- DSM은 3차원 점군 데이터를 기반으로 보간법을 통하여 제작된다. 본 연구에서는 내부표정 요소 외의 모든 변수를 통일하기 위하여 보간법 또한 프로그램 상에서 설정된 기본 값으로 고정하였다. DSM의 정확도 평가는 VRS-RTK 방식의 GNSS를 이용하여 세 개의 측선에서 총 83개의 지점을 측량한 뒤 제작된 DSM과 비교하여 오차 값 및 RMSE와 R2를 분석하였다.
- campaign 3-1과 3-2는 실험실 환경에서 카메라 검정을 통해 내부표정 요소를 산출하였다. 실험실 환경에서의 카메라 검정은 검정용 체스보드가 출력된 55인치 LED TV를 촬영한 뒤 Agisoft Lens를 통해 실시하였다(Fig 4, 5).
- 각기 다른 방법을 통해 내부표정 요소를 획득한 뒤(Table 2), GCP와 CP를 입력하고 카메라 최적화 과정을 거쳐 GCP와 CP의 RMSE를 산출하였다(Table 3, 4). 내부표정 요소 중 F는 초점거리를 의미한다.
- 본 연구에서는 각기 다른 카메라 검정 및 내부표정 요소를 적용하여 총 5개의 DSM을 제작하였다(Fig. 6). DSM의 정확도를 평가하기 위해서 총 세 개의 측선 측량을 통해 83개 지점에 대한 고도 값을 획득하였고, 이를 동일 지점의 DSM 고도 값과 비교하여 오차 값과 RMSE, R2를 산출하였다.
- 지점 측량을 통해 고도 값을 획득한 지점(측선)에서 DSM을 차연산하여 오차 값을 획득한 뒤 절대 값으로 치환하였다. 이는 연구 지역의 해발고도가 0 m보다 낮은 곳이 있기 때문이다.
- 연구에서는 자체 카메라 검정 및 실험실 환경에서의 카메라 검정 등 각기 다른 방법으로 내부표정 요소를 산출하고 이를 영상처리 과정에 적용하여 총 5개의 DSM(campaign 1~3-2)을 제작한 뒤 정확도를 평가하였다. 내부표정 요소를 DSM 정확도의 독립변수로 활용하기 위해 DSM의 정확도에 영향을 줄 수 있는 비행요소와 외부표정 요소를 단일 고정변수로 설정하였다.
- 각기 다른 카메라 검정 방법을 통해 내부표정 요소를 확인한 뒤, 최적화를 거쳐 이를 DSM 제작에 이용하였다. 지점 측량의 결과와 제작된 DSM 간의 정확도 평가를 실시한 결과, campaign 3-2의 DSM이 가장 좋은 결과를 보였으며, 이후 campaign 1, 3-1, 2-2, 2-1 순으로 좋은 정확도를 보였다.
대상 데이터
- 항공사진 촬영을 위해서 DJI社의 Phantom3 Advanced를 사용하였으며, 지점 측량(GCP 및 CP 측량과 측선 측량)은 CHC 社의 VRS-RTK GNSS인 X90을 사용하였다. 본 연구에 사용된 UAV용 카메라와 VRS-RTK GNSS의 세부정보는 다음과 같다(Table 1).
- 연구 대상 지역은 충청남도 태안군 파도리에 위치한 파도리 해빈과 그 주변 지역이다(Fig 1). 파도리 해빈은 전면에 파식대와 사질 및 역질 해빈이 복합적으로 나타나 영상처리 시 질감 분류에 유리하다.
- campaign 1은 원본 영상을 이용하여 Photoscan 자체 카메라 검정 방식으로 내부표정 요소를 산출한 뒤 DSM을 제작하였다. campaign 2-1과 2-2는 Lightroom으로 왜곡 보정을 실시한 영상을 사용하였다. 이중 campaign 2-1은 렌즈 왜곡이 보정된 것으로 전제하여 내부표정 요소를 산출하지 않은 채 DSM을 제작하였다.
- 지점 측량은 CHC 社의 X90로 실시하였다. 지점 측량은 항공사진에서 판독이 가능하여 외부표정 요소로 사용할 수 있는 GCP(13개 지점)와 CP(6개 지점) 측량, 그리고 DSM 검증을 위한 측선(83개 지점) 측량으로 구분된다(Fig 3).
- GCP와 CP의 위치는 연구 지역의 전체 면적과 고저 차를 반영할 수 있도록 해빈, 파식대, 인공구조물 등에 고르게 배치하였다. 세 개의 측선은 총 83개의 지점 측량으로 이루어졌으며, 각 지점 간의 간격은 약 5 m를 유지하였다.
데이터처리
- 본 연구에서는 내부표정 요소 외의 모든 변수를 통일하기 위하여 보간법 또한 프로그램 상에서 설정된 기본 값으로 고정하였다. DSM의 정확도 평가는 VRS-RTK 방식의 GNSS를 이용하여 세 개의 측선에서 총 83개의 지점을 측량한 뒤 제작된 DSM과 비교하여 오차 값 및 RMSE와 R2를 분석하였다.
- 이는 연구 지역의 해발고도가 0 m보다 낮은 곳이 있기 때문이다. DSM의 정확도를 평가하기 위해 RMSE와 R2를 산출하였다(Fig. 7, Table 5).
- 6). DSM의 정확도를 평가하기 위해서 총 세 개의 측선 측량을 통해 83개 지점에 대한 고도 값을 획득하였고, 이를 동일 지점의 DSM 고도 값과 비교하여 오차 값과 RMSE, R2를 산출하였다.
이론/모형
- 본 연구에서는 DSM 제작을 위한 영상처리 프로그램으로 Agisoft社의 Photoscan(v. 1.2.6)을 사용했다. Photoscan은 카메라 검정을 통해 내부표정 요소를 미리 파악하지 않아도 사진 정렬 시 자체 검정 알고리듬을 통해 내부표정 요소를 파악한다.
성능/효과
- GCP의 Z RMSE는 campaign 1이 2.046 mm로 가장 낮았으며, 이외의 모든 항목에서 campaign 2-2가 가장 낮은 RMSE를 보였다. CP의 X와 Z RMSE는 campaign 1이 각각 5.
- 046 mm로 가장 낮았으며, 이외의 모든 항목에서 campaign 2-2가 가장 낮은 RMSE를 보였다. CP의 X와 Z RMSE는 campaign 1이 각각 5.154, 1.604 mm로 가장 낮았으며, 이외의 모든 항목에서 campaign 2-2가 가장 낮은 RMSE를 보였다.
- 나머지 모든 항목에서도 통계적으로 가장 우수한 것으로 분석되었다. 총 83개의 측량 지점과 DSM의 오차의 절대값 총합이 2.0808 m에 불과하여 한 지점 당 평균 오차가 0.0251 m로 나타났다. 오차가 가장 큰 지점도 0.
- 무보정 영상을 이용하여 자체 카메라 검정 방식으로 내부표정 요소를 산출한 뒤 이를 바탕으로 영상처리를 한 campaign 1의 DSM의 RMSE가 0.0336 m로 campaign 3-2에 이어 좋은 결과를 나타냈다. 실험실 환경에서 카메라 검정을 통해 내부표정 요소를 산출한 뒤, 이를 영상처리에 바로 이용하여 DSM을 제작한 campaign 3-1의 RMSE가 0.
- 각기 다른 방법을 통해 내부표정 요소를 획득한 뒤 GCP와 CP를 입력하고 카메라 최적화 과정을 거쳐 GCP와 CP의 RMSE를 산출한 결과, GCP의 Z RMSE는 campaign 1이 2.046 mm로 가장 낮았으며, 이외의 모든 항목에서 campaign 2-2가 가장 낮은 RMSE를 보였다. CP의 X와 Z RMSE는 campaign 1이 각각 5.
- 604 mm로 가장 낮았으며, 이외의 모든 항목에서 campaign 2-2가 가장 낮은 RMSE를 보였다. 반면, GCP와 CP의 모든 항목에서 campaign 2-1이 가장 높은 RMSE를 보였다.
- 각기 다른 카메라 검정 방법을 통해 내부표정 요소를 확인한 뒤, 최적화를 거쳐 이를 DSM 제작에 이용하였다. 지점 측량의 결과와 제작된 DSM 간의 정확도 평가를 실시한 결과, campaign 3-2의 DSM이 가장 좋은 결과를 보였으며, 이후 campaign 1, 3-1, 2-2, 2-1 순으로 좋은 정확도를 보였다.
- 결과적으로 RMSE를 DSM의 통계적 정확도의 척도로 봤을 때, 실험실 환경에서 카메라 검정을 통해 일차적으로 내부표정 요소를 확인하고 이후 자체 카메라 검정과 이미지 최적화를 통해 DSM을 제작한 campaign 3-2의 방법이 가장 좋은 결과를 보였다.
후속연구
- 따라서 본 연구에서는 영상처리 프로그램의 자체 카메라 검정(이하 자체 카메라 검정) 및 실험실 환경에서의 카메라 검정 등 각기 다른 방법으로 카메라 검정을 실시하여 내부표정 요소를 산출하였고, 이를 영상처리 과정에 적용하여 DSM을 제작한 후 정확도를 평가하였다. 본 연구의 결과는, 향후 UAS 기반의 DSM 제작 시 결과물의 정확도 향상에 기여할 수 있을 것으로 판단된다.
- 따라서 외부표정 요소 및 비행변수가 통제된 상황에서 최적의 DSM을 제작해야 한다면 campaign 3-2와 같은 방법이 권장될 수 있다. 즉, 실험실 환경에서 카메라 검정을 통해 내부표정 요소를 확인하고 이후 자체 카메라 검정을 통해 최종적으로 수정된 내부표정 요소를 산출한 뒤 DSM을 제작할 때 가장 좋은 결과를 얻을 수 있을 것으로 판단된다.
- 카메라 검정을 통해 내부표정 요소를 확인하는 작업을 사전에 실시하여 제작한 campaign 3-2 DSM의 RMSE가 가장 낮았기 때문에 다양한 사전 카메라 검정 형식에 대해 추후에 연구한다면 더욱 향상된 정확도를 갖는 DSM 제작이 가능할 것으로 판단된다.
- 실시간 이동측위 방식의 수직 오차 범위는 20 mm(+1 ppm)이며 이는 일부 측량 지점과 DSM 간의 오차범위에 포함되는 수치이다. 따라서 향후에는 보다 정확도가 높은 토탈 스테이션이나 정지측위 방식을 이용한 지점 측량으로 측량의 오차 범위를 줄일 필요가 있다.
- 본 연구는 외부표정 요소와 비행요소를 고정변수로 설정하고 내부표정 요소만 고려하여 DSM을 제작하였기 때문에 내부표정 요소와 관련된 DSM 제작 및 정확도 평가에 의의가 있을 것으로 판단된다. 향후 진행되는 연구에서는 전술한 본 연구의 한계점을 보완한다면 UAS 기반의 DSM 제작에 있어 보다 나은 성과를 기대할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.