$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

저해상도 지형 자료를 활용한 KOMPSAT-3A 스테레오 영상 기반의 DTM 생성 방법
A Method of DTM Generation from KOMPSAT-3A Stereo Images using Low-resolution Terrain Data 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.35 no.5 pt.1, 2019년, pp.715 - 726  

안희란 ((주)쓰리디랩스 영상공학연구소) ,  김태정 (인하대학교 공간정보공학과)

초록
AI-Helper 아이콘AI-Helper

고해상도 위성영상의 보급이 증가함에 따라, 위성영상으로부터 정확한 3차원 정보를 생성하기 위한 기술의 필요성이 강조되고 있다. 영상의 변화탐지 및 객체추출 등 응용 분야에서 많이 활용되고 있는 수치지형모델(digital terrain model, DTM)을 생성하기 위해서는 수치표면모델(digital surface model, DSM)에 존재하는 수목, 건물 등 비지면 객체를 추출하고 지면의 높이를 추정하는 과정이 필요하다. 본 논문에서는 KOMPSAT-3A 스테레오 영상에서 추출된 DSM으로부터 자동으로 DTM을 생성하기 위한 방법을 제시한다. 기 구축된 저해상도 지형자료를 활용하여 비지면 영역을 탐색하고 지면의 높이값을 추정하는 기법을 개발했다. 산악지형, 건물밀집지역, 평지, 복합지 등 다양한 지형 특성을 갖는 4곳의 실험 지역에서 생성된 DTM의 수직 정확도는 약 5.85 m로 나타났다. 제안된 기법을 통해 지표면의 정밀한 형상을 나타내는 고품질의 DTM 생성이 가능한 것으로 판단된다.

Abstract ▼ AI-Helper 아이콘AI-Helper

With the increasing prevalence of high-resolution satellite images, the need for technology to generate accurate 3D information from the satellite images is emphasized. In order to create a digital terrain model (DTM) that is widely used in applications such as change detection and object extraction...

주제어

#KOMPSAT-3A   #DTM   #DSM   #Conditional Dilation  

표/그림 (11)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 논문에서는 스테레오 위성영상으로부터 고품질의 DTM을 생성하는 것을 목적으로, 앞서 언급된 위성 영상 기반의 처리방식의 한계점을 극복하고자 기 구축된 저해상도 지형 자료를 활용하는 기법을 제시한다. 이를 위하여 사진측량 기반의 정합 기법을 KOMPSAT-3A 영상에 적용하여 DSM을 생성하고 비지면 분류, 지면 높이 추정 과정을 통해 DTM을 생성한다.
  • 본 연구에서는 고품질의 DTM을 생성하기 위하여 기 구축된 저해상도 자료를 초기 지형정보로 이용하는 기법을 제시한다. Fig.
  • 본 연구에서는 스테레오 위성영상에서 취득된 3차원 공간정보로부터 고품질의 DTM을 생성하기 위한 방법으로 저해상도 지형 자료 활용 기법을 제시하였다. 이를 위해 산악지형, 건물밀집지역, 평지, 복합지역 등 각각의 지형 특성을 나타내는 4개의 실험 지역을 선정 했다.

가설 설정

  • 5는 빨간색으로 표현된 건물 영역과 초기 nDSM으로부터 추정된 수목의 높이를 단계별로 나타낸 수목 영역을 나타낸다. 수목 영역에서는 영역 내에 존재하는 초기 nDSM의 높이값 중에서 중간값(median)을 선택하고, 이를 해당 영역 에서의 수목 높이로 가정한다. 초기 nDSM으로부터 취득된 수목의 높이만큼 DSM의 높이값을 차분하여 지면 높이를 추정한다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
LiDAR 자료는 특히 어떤 환경의 자료를 수집하는데 효과적인가? LiDAR 자료는 사진 측량 방식의 생성물과 비교하여 높은 정확도 를 갖는 고 밀집 점군(point cloud)의 취득이 가능하기 때문에 고해상도 표고 모델 생성에 많이 이용되고 있다. 특히 식생이 밀집한 산림 지역에 있어서, LiDAR 펄스가 식생 캐노피를 투과하는 특성을 이용함으로써 해당 지점에서 지형의 높이를 획득하거나 군집된 수목의 형 태를 파악하는데 활용할 수 있다(Kukko and Hyyppa, 2009; Meng et al., 2010; Hwang and Lee, 2011).
수치지형모델(digital terrain model, DTM)은 어떤 분야에서 많이 활용되는가? 고해상도 위성영상의 보급이 증가함에 따라, 위성영상으로부터 정확한 3차원 정보를 생성하기 위한 기술의 필요성이 강조되고 있다. 영상의 변화탐지 및 객체추출 등 응용 분야에서 많이 활용되고 있는 수치지형모델(digital terrain model, DTM)을 생성하기 위해서는 수치표면모델(digital surface model, DSM)에 존재하는 수목, 건물 등 비지면 객체를 추출하고 지면의 높이를 추정하는 과정이 필요하다. 본 논문에서는 KOMPSAT-3A 스테레오 영상에서 추출된 DSM으로부터 자동으로 DTM을 생성하기 위한 방법을 제시한다.
LiDAR를 이용한 기법의 방신은 무엇인가? 일반적으로 이러한 3차원 정보들은 LiDAR(light detection and raging)로 관측된 자료를 이용하거나 스테레오 또는 다중 촬영된 광학 영상에 사진측량 기반의 방식을 적용하여 취득할 수 있다. LiDAR를 이용한 기법은 센서에서 전송된 에너지의 펄스가 센서로 다시 돌아오는 데 소요되는 시간을 측정함으로써 지표면 상의 객체와 센서 사이의 거리를 결정하는 방식이다. LiDAR 자료는 사진 측량 방식의 생성물과 비교하여 높은 정확도 를 갖는 고 밀집 점군(point cloud)의 취득이 가능하기 때문에 고해상도 표고 모델 생성에 많이 이용되고 있다.
질의응답 정보가 도움이 되었나요?

참고문헌 (19)

  1. Anderson, E.S., J.A. Thompson, and R.E. Austin, 2005. LiDAR density and linear interpolator effects on elevation estimates, International Journal of Remote Sensing, 26(18): 3889-3900. 

    상세보기 crossref

  2. Arefi, H., P. d'Angelo, H. Mayer, and P. Reinartz, 2011. Iterative approach for efficient digital terrain model production from CARTOSAT-1 stereo images, Journal of Applied Remote Sensing, 5(1): 1-19. 

  3. Axelsson, P., 2000. DEM generation from laser scanner data using adaptive TIN models, Proc. of International archives of photogrammetry and remote sensing, Amsterdam, Netherlands, Jul. 16-23, vol. 33, pp. 111-118. 

  4. Cho, W.-S., Y.-J. Lee, and Y.-S. Jwa, 2003. Automatic extraction of buildings using aerial photo and airborne LIDAR data, Korean Journal of Remote Sensing, 19(4): 307-317 (in Korean with English abstract). 

  5. Dougherty, E., 1992. An Introduction to Morphological Image Processing, SPIE Optical Engineering Press, Bellingham, WA, USA. 

  6. Gehrke, S., K. Morin, M. Downey, N. Boehrer, and T. Fuchs, 2010. Semi-global matching: An alternative to LIDAR for DSM generation, Proc. of International Archives of Photogrammetry and Remote Sensing, Calgary, AB, Jun. 15-18, vol. 38. 

  7. Hirschmuller, H., 2008. Stereo processing by semiglobal matching and mutual information, IEEE Transactions on Pattern Analysis and Machine Intelligence, 30(2): 328-341. 

    상세보기 crossref

  8. Hwang, S. and I. Lee, 2011. Current status of tree height estimation from airborne LiDAR data, Korean Journal of Remote Sensing, 27(3): 389-401. 

    원문보기 상세보기 crossref

  9. Kang, K.-H., C. Kim, H.-G. Sohn, and W.-H. Lee, 2010. Accuracy evaluation of ASTER DEM, SRTM DEM using digital topographic map, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 28(1): 169-178 (in Korean with English abstract). 

  10. Krauss, T., H. Arefi, and P. Reinartz, 2011. Evaluation of selected methods for extracting digital terrain models from satellite born digital surface models in urban areas, Proc. of International Conference on Sensors and Models in Photogrammetry and Remote Sensing, Tehran, Iran, May 18-19, vol. 5, pp. 1-7. 

  11. Kukko, A. and J. Hyyppa, 2009. Small-footprint laser scanning simulator for system validation, error assessment, and algorithm development, Photo - grammetric Engineering & Remote Sensing, 75(10): 1177-1189. 

    상세보기 crossref

  12. Lee, I., 2006. A Feature based approach to extracting ground points from LIDAR data, Korean Journal of Remote Sensing, 22(4): 265-274. 

  13. Meng, X., C. Nate, and K. Zhao, 2010. Ground filtering algorithms for airborne LiDAR data: A review of critical issues, Remote Sensing, 2(3): 833-860. 

    상세보기 crossref

  14. NASA JPL, 2014. U.S. Releases enhanced shuttle land elevation data, http://www.jpl.nasa.gov/news/news.php?release2014-321, Accessed on Oct. 10, 2019. 

  15. Rhee, S. and T. Kim, 2016. Dense 3D point cloud generation from UAV images from image matching and global optimazation, Proc. of International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Prague, Czech Republic, Jul. 12-19, vol. 41, pp. 1005-1009. 

  16. Sithole, G., 2001. Filtering of laser altimetry data using a slope adaptive filter, Proc. of International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Annapolis, MD, USA, Oct. 22-24, vol. 34(3/W4), pp. 203-210. 

  17. Vosselman, G., 2000. Slope based filtering of laser altimetry data, Proc. of International Archives of Photogrammetry and Remote Sensing, Amsterdam, Netherlands, Jul. 16-23, vol. 33, pp. 678-684. 

  18. Vu, T.T., F. Yamazaki, and M. Matsuoka, 2009. Multiscale solution for building extraction from LiDAR and image data, International Journal of Applied Earth Observation and Geoinformation, 11(4): 281-289. 

    상세보기 crossref

  19. Zhang, K., S.-C. Chen, D. Whitman, M.-L. Shyu, J. Yan, and C. Zhang, 2003. A progressive morphological filter for removing non-ground measurements from airborne LIDAR data, IEEE Transactions on Geoscience and Remote Sensing, 41(4): 872-882. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로