[논문]영상 분할 기반의 스테레오 매칭 기법을 이용한 DSM 생성 및 정확도 비교

권원석

doi:10.7780/kjrs.2019.35.3.5

초록
AI-Helper

본 연구의 목적은 50 cm급의 worldview-1 입체영상을 스테레오 매칭 알고리듬을 이용하여 DSM을 생성하고 정확도를 확인하고자 한다. DSM을 생성하기 위하여, 먼저, RPC 블록모델링을 수행하여 RPC 오차를 보정하였으며, 에피폴라 영상 생성 후 스테레오 매칭 알고리듬인 SGM을 이용하여 영상 매칭을 수행하였다. SGM에 사용된 COST는 CENSUS를 사용하였으며, COST 누적을 위하여 4방향과 8방향을 적용하였다. 생성된 DSM의 품질과 정확도를 확인하기 위하여 LiDAR DSM과 상용 SW로 생성한 DSM을 비교하였다. 실험 결과 지역에 따라 생성된 DSM의 수직정확도는 4방향의 COST 적용 시 RMSE 1.647 m ~ 3.689 m로 나타났으며, 8방향의 COST 적용 시 RMSE 1.550 m ~ 3.106 m로 나타났다.

Abstract ▼ AI-Helper

The purpose of this study is to generate DSM using the stereo matching algorithm of worldview-1 stereo images and verify the accuracy of the generated DSM. To generate DSM, RPC block modeling was performed to correct RPC errors, and image matching was performed using SGM, which is a stereo matching ...

The purpose of this study is to generate DSM using the stereo matching algorithm of worldview-1 stereo images and verify the accuracy of the generated DSM. To generate DSM, RPC block modeling was performed to correct RPC errors, and image matching was performed using SGM, which is a stereo matching algorithm after the epipolar image was generated. The COST for SGM was calculated by using CENSUS, and 4-paths and 8-paths were applied for COST aggregation in SGM. To verify the quality and accuracy of the generated DSM, it was compared with the LiDAR-derived DSM and the DSM generated by commercial SW. The results showed that the vertical accuracy of the generated DSM using 4-paths of COST aggregation was 1.647 m to 3.689 m (RMSE). In case of using 8-paths of COST aggregation was 1.550 m to 3.106 m (RMSE).

주제어

표/그림 (18)

그림 Fig. 1. Census Transform for COSTs.
그림 Fig. 2. Workflow for DSM generation.
그림 Fig. 3. Calculation of disparity range using DEM.
그림 Fig. 4. Path for Cost aggregation.
그림 Fig. 5. Worldview-1 Stereo Images.
그림 Fig. 6. Test Sites and LiDAR DSMs.
표 Table 1. Properties of the Wordview-1 stereo images
표 Table 2. Properties of the LiDAR
그림 Fig. 7. Epipolar Image.
표 Table 3. Positioning accuracy of Worldview-1 sensor model
표 Table 4. Results of RPC Block Modeling
그림 Fig. 8. Segment image of epipolar image in Site 2.
그림 Fig. 9. Results of cost aggregation.
그림 Fig. 10. L/R Consistency Check.
그림 Fig. 11. Comparison of DSMs in Site 1 (unit : m).
그림 Fig. 12. Comparison of DSMs in Site 2 (unit : m).
그림 Fig. 13. Comparison of DSMs in Site 3 (unit : m).
표 Table 5. Results of DSMs height errors (unit : m)

AI 본문요약
AI-Helper

문제 정의

본 연구에서는 국내 지역을 촬영한 WorldView-1 입체영상을 SGM의 4방향과 8방향의 매칭 방법을 이용하여 생성한 DSM과 상용 소프트웨어를 통해 생성한 DSM을 LiDAR로부터 생성한 DSM과 비교를 통해 정확도를 확인하였다. SGM은 고밀도 매칭으로 각 화소간의 매칭이 가능하여 영상의 해상도와 동일한 DSM을 생성할 수 있었으며, 영상 매칭 시 영상을 분할하여 분할 영상 영역의 고도 값을 이용하여 Disparity 범위를 계산하여 연산량을 줄이고 매칭의 정확도를 향상시킬 수있었다.

제안 방법

따라서 본 연구에서는 SGM의 실제 적인 성능을 검증하기 위한 목적으로 첫째, 국내 지역을 촬영한 Worldview-1 입체영상에 대하여 SGM 기법을 이용하여 DSM을 생성하였다. 둘째, 생성된 DSM의 정확도 검증을 위하여 LiDAR DSM과 고도 정확도를 비교하였다. 또한 SGM의 성능 비교 실험으로 연산량을 줄이고 속도를 개선하기 위한 방안으로 COST 누적방향을 기존 8방향에서 4방향으로 줄여 방향에 따라 생성되는 DSM간의 정확도를 비교하였으며, 상용 소프트웨어에서 생성한 DSM을 같이 비교하여 정확도를 확인하였다.
, 2011)으로 영상의 품질 또는 건물의 형상 등이 국내 환경과 상이하기 때문에 국내지역을 촬영한 영상에 대해 비교 실험을 통한 SGM의 효용성에 대한 검증이 필요하였다. 따라서 본 연구에서는 SGM의 실제 적인 성능을 검증하기 위한 목적으로 첫째, 국내 지역을 촬영한 Worldview-1 입체영상에 대하여 SGM 기법을 이용하여 DSM을 생성하였다. 둘째, 생성된 DSM의 정확도 검증을 위하여 LiDAR DSM과 고도 정확도를 비교하였다.
둘째, 생성된 DSM의 정확도 검증을 위하여 LiDAR DSM과 고도 정확도를 비교하였다. 또한 SGM의 성능 비교 실험으로 연산량을 줄이고 속도를 개선하기 위한 방안으로 COST 누적방향을 기존 8방향에서 4방향으로 줄여 방향에 따라 생성되는 DSM간의 정확도를 비교하였으며, 상용 소프트웨어에서 생성한 DSM을 같이 비교하여 정확도를 확인하였다.

대상 데이터

본 연구에서 사용한 실험 영상은 대한민국 경상북도 포항 지역을 촬영한 50 cm급의 WorldView-1 입체 영상을 사용하였으며, 실험 영상은 Fig. 5와 같으며 영상의 세부사양과 기하조건은 Table 1과 같다.

이론/모형

영상 매칭을 수행하기 위하여 Koh(2016)에서 제시한 통합된 piecewise 에피폴라 정렬 방법을 이용하여 에피폴라 영상을 생성하였으며, 블록모델링을 통해 보정된 RPC를 이용하여 에피폴라 영상에 대한 새로운 RPC 생성하였다. 실험 지역에 대해 생성한 입체 영상의 에피폴라 영상은 Fig.

성능/효과

지역에 따라 4방향으로도 충분한 결과를 보이고 있으며, 8방향 대비 평균 약 43% 정도의 속도 개선의 장점이 있기 때문에 매칭 시 4방향도 활용이 가능할 것으로 판단된다. DSM 생성시 오차가 크게 발생하는 지역으로 건물 또는 나무 등으로 인해 고도 차가 발생하는 경계부분에서 3가지 방법 모두 동일하게 오차가 발생하였으며, 차폐가 매칭에 큰 영향을 미치는 것으로 확인하였다. 향후 연구로 보다 정확하고 정밀한 DSM을 제작하기 위하여 내삽법의 개선과 건물 외곽선 강조기법에 대한 연구와 다중영상을 이용하여 DSM을 생성하는 연구가 필요할 것으로 판단된다.
본 연구에서는 국내 지역을 촬영한 WorldView-1 입체영상을 SGM의 4방향과 8방향의 매칭 방법을 이용하여 생성한 DSM과 상용 소프트웨어를 통해 생성한 DSM을 LiDAR로부터 생성한 DSM과 비교를 통해 정확도를 확인하였다. SGM은 고밀도 매칭으로 각 화소간의 매칭이 가능하여 영상의 해상도와 동일한 DSM을 생성할 수 있었으며, 영상 매칭 시 영상을 분할하여 분할 영상 영역의 고도 값을 이용하여 Disparity 범위를 계산하여 연산량을 줄이고 매칭의 정확도를 향상시킬 수있었다. 그리고 8방향으로 매칭을 수행 시 가장 좋은 결과를 보였으며, 상용 소프트웨어 수준의 DSM을 생성할 수 있었다.
SGM은 고밀도 매칭으로 각 화소간의 매칭이 가능하여 영상의 해상도와 동일한 DSM을 생성할 수 있었으며, 영상 매칭 시 영상을 분할하여 분할 영상 영역의 고도 값을 이용하여 Disparity 범위를 계산하여 연산량을 줄이고 매칭의 정확도를 향상시킬 수있었다. 그리고 8방향으로 매칭을 수행 시 가장 좋은 결과를 보였으며, 상용 소프트웨어 수준의 DSM을 생성할 수 있었다. 지역에 따라 4방향으로도 충분한 결과를 보이고 있으며, 8방향 대비 평균 약 43% 정도의 속도 개선의 장점이 있기 때문에 매칭 시 4방향도 활용이 가능할 것으로 판단된다.

후속연구

DSM 생성시 오차가 크게 발생하는 지역으로 건물 또는 나무 등으로 인해 고도 차가 발생하는 경계부분에서 3가지 방법 모두 동일하게 오차가 발생하였으며, 차폐가 매칭에 큰 영향을 미치는 것으로 확인하였다. 향후 연구로 보다 정확하고 정밀한 DSM을 제작하기 위하여 내삽법의 개선과 건물 외곽선 강조기법에 대한 연구와 다중영상을 이용하여 DSM을 생성하는 연구가 필요할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	SGM이란 무엇인가?	SGM은 Hirschmuller(2008)를 통해 제안된 스테레오매칭 기법으로 기존 전역 매칭 기법을 8방향 또는 최대 16방향의 누적 COST를 계산하여 에너지를 계산하고 최소 에너지일 때의 Disparity를 결정한다. Hirschmuller에 의해 제안된 SGM의 COST 계산방법은 MI(Mutual Information)을 사용하였으나, Hirschmuller and Scharstein (2009)의연구에서MI외다양한COST를적용하여COST 선정에 따른 SGM의 매칭 성능을 확인하였으며, 그 중 CT(Census Transform)를 적용하였을 때 매칭 성능에서 좋은 결과를 보였다.
	탐색영역에서 NCC의 임계치 값만 사용할 시 고해상도 영상 일수록 오매칭이 많이 발생하게 되는데, 이를 극복하는 방법은?	탐색영역에서 NCC의 임계치 값만 사용할 시고해상도 영상 일수록 오매칭이 많이 발생한다. 이를 극복하기 위하여 Rhee and Kim(2016)에서 다차원적인 탐색 기법을 이용한 상관계수 기반의 매칭기법을 제시하여 매칭의 정확도를 향상시켜 고밀도의 3차원 좌표를 생성할 수 있게 되었다. Hirschmuller(2008)는 기존 탐색 영역에서 임계치 값을 사용하여 매칭점을 결정하는 방법이 아닌 8방향에서 최대 16방향으로 COST 누적하여 Disparity를 계산하는 방식인 SGM(Semi Global Matching) 제시하여 스테레오 매칭 분야에서 우수한 성능을 확인하였으며, 최근 DSM 생성과 관련된 연구에서 많이 사용되고 있다.
	SGM의 성능을 어떻게 비교하여 정확도를 확인하는가?	둘째, 생성된 DSM의 정확도 검증을 위하여 LiDAR DSM과 고도 정확도를 비교하였다. 또한 SGM의 성능 비교 실험으로 연산량을 줄이고 속도를 개선하기 위한 방안으로 COST 누적방향을 기존 8방향에서 4방향으로 줄여 방향에 따라 생성되는 DSM간의 정확도를 비교하였으며, 상용 소프트웨어에서 생성한 DSM을 같이 비교하여 정확도를 확인하였다.

참고문헌 (16)

Choi, S.Y. and J.M. Kang, 2012. Accuracy Investigation of RPC-based Block Adjustment Using High Resolution Satellite Images GeoEye-1 and WorldView-2, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 30(2): 107-116 (in Korean with English abstract).
d'Angelo, P. and P. Reinartz, 2011. Semiglobal matching results on the isprs stereo matching benchmark, Proc. of ISPRS Hannover 2011 Workshop: High-Resolution Earth Imaging for Geospatial Information, Hannover, Germany, Jun. 14-17, vol. XXXVIII-4/W19, pp. 79-84.
Grodecki, J. and G. Dial, 2003. Block adjustment of highresolution satellite images described by rational polynomials, Photogrammetric Engineering & Remote Sensing, 69(1): 59-68.

상세보기
Hirschmuller, H., 2008. Stereo Processing by Semiglobal Matching and Mutual Information, IEEE Transactions on Pattern Analysis and Machine Intelligence, 30(2): 328-341.

상세보기
Hirschmuller, H. and D. Scharstein, 2009. Evaluation of stereo matching costs on images with radiometric differences, IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(9): 1582-1599.

상세보기
Jeong, J.H., J.I. Kim, T.J. Kim, and S.A. Rhee, 2016. Evaluation of the performance of KOMPSAT-3 stereo images in terms of positioning and the generation of digital surface models, Remote Sensing Letters, 7(10): 955-964.

상세보기
Koh, J.W. and H.S. Yang, 2016. Unified piecewise epipolar resampling method for pushbroom satellite images, EURASIP Journal on Image and Video Processing, 2016(1): 11.

상세보기
Kwon, W.S., S.Y. Choi, and Y.W. Lee, 2014. A Study on The Frame Sensor Modeling Using Standard Interface, Korean Journal of Remote Sensing, 30(1): 75-81 (in Korean with English abstract).

원문보기 상세보기
NGA standardization document, 2010. Community Sensor Model Technical Requirements Document, National Geospatial-Intelligence Agency, Springfield, VA, USA.
NGA standardization document, 2011. The Compendium of Controlled Extensions (CE) for the National Imagery Transmission Format (NITF) Volume 1, Tagged Record Extensions, National Geospatial-Intelligence Agency, E-16-17, Springfield, VA, USA.
Oh, J.H., D.C. Seo, and C.N. Lee, 2014. A Study on DEM Generation from Kompsat-3 Stereo Images, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 32(1): 19-27 (in Korean with English abstract).

원문보기 상세보기
Oh, J.H., W.H. Lee, C.K. Toth, D.A. Grejner-Brzezinska, and C. Lee, 2010. A piecewise approach to epipolar resampling of pushbroom satellite images based on RPC, Photogrammetric Engineering & Remote Sensing, 76(12): 1353-1363.

상세보기
Oh, K.Y., E.C. Jeong, K.J. Lee, Y.S. Kim, and W.J. Lee, 2018. Comparison and Analysis of Matching DEM Using KOMPSAT-3 In/Cross-track Stereo Pair, Korean Journal of Remote Sensing, 34(6-3): 1445-1456 (in Korean with English abstract).
Rhee, S. and T. Kim, 2016. Dense 3D Point Cloud Generation From UAV Images From Image Matching and Global Optimization, Proc. of 2016 XXIII ISPRS Congress, Prague, Czech Republic, Jul. 12-19, vol. XLI-B1, pp. 1005-1009.
Sung, M.G., S.Y. Choi, and S.J. Jang, 2014. Generation of Epipolar Image Using Different Types of Satellite Sensors Images, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 32(1): 39-47 (in Korean with English abstract).

원문보기 상세보기
Zhang, B., 2014. Automatic spatial modeler (ASM): Elevation by innovation, BAE Systems, Denver, CO, USA.

이 논문을 인용한 문헌

LOADING...

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

영상 분할 기반의 스테레오 매칭 기법을 이용한 DSM 생성 및 정확도 비교
DSM Generation and Accuracy Comparison Using Stereo Matching Based on Image Segmentation 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (18)

표/그림 (18)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

연구과제 타임라인

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

영상 분할 기반의 스테레오 매칭 기법을 이용한 DSM 생성 및 정확도 비교 DSM Generation and Accuracy Comparison Using Stereo Matching Based on Image Segmentation 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (18) 모든 표/그림 보기

표/그림 (18) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

연구과제 타임라인

전체(0) 논문(0) 특허(0) 보고서(0)

전체(0) 논문(0) 특허(0) 보고서(0)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

영상 분할 기반의 스테레오 매칭 기법을 이용한 DSM 생성 및 정확도 비교
DSM Generation and Accuracy Comparison Using Stereo Matching Based on Image Segmentation 원문보기

초록
AI-Helper

표/그림 (18)

표/그림 (18)

AI 본문요약
AI-Helper