[논문]무인항공기 정밀 센서모델링을 통한 대축척 수치도화 가능성 평가

임평채; 김한결; 박지민; 이수암

doi:10.7780/kjrs.2020.36.6.1.9

무인항공기 정밀 센서모델링을 통한 대축척 수치도화 가능성 평가
Evaluation of Possibility of Large-scale Digital Map through Precision Sensor Modeling of UAV 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.6 pt.1, 2020년, pp.1393 - 1405

임평채 ((주)쓰리디랩스 영상공학연구소) , 김한결 ((주)쓰리디랩스 영상공학연구소) , 박지민 ((주)쓰리디랩스 영상공학연구소) , 이수암 ((주)쓰리디랩스 영상공학연구소)

초록
AI-Helper

무인항공기(UAV: Unmanned Aerial Vehicle)는 저고도 비행으로 인해 고해상도 영상을 취득할 수 있으며, 수시촬영이 가능하여 지도제작에 있어 수시갱신이 가능하다. 이러한 이점으로 인해 무인항공기 영상을 이용한 대축척 수치지도 제작 가능성에 대한 연구가 활발히 진행되고 있다. 정밀한 수치지도는 디지털트윈이나 스마트시티의 기반 데이터로 활용될 수 있다. 정밀한 수치지도를 제작하기 위해서는 지상기준점을 이용한 정밀 센서모델링이 반드시 선행되어야 한다. 본 연구에서는, 자체 개발한 정밀 센서모델링 알고리즘을 통해 무인항공기 영상의 기하모델을 수립하였다. 그리고 수치지도를 제작하여 대축척 수치도화 가능성을 평가하였다. 연구 데이터는 인천 간석동과 서울 여의도를 대상으로 영상 및 지상기준점을 취득하였다. 정밀 센서모델링 정확도 분석 결과, 두 지역에 대해서 체크 점 평균오차 3 픽셀 이내, RMSE 4 픽셀 이내의 높은 정확도를 확인하였다. 수치도화 정확도 분석 결과, 국토지리정보원에서 고시한 1:1,000 세부도화 수평오차(0.4 m) 및 표고오차(0.4 m)를 만족하는 범위의 정확도를 확인하였다. 따라서 본 연구에서 자체개발한 정밀 센서모델링 기술은 무인항공기 영상의 1:1,000 대축척 수치도화 제작 가능성을 시사한다.

Abstract ▼ AI-Helper

UAV (Unmanned Aerial Vehicle) can acquire high-resolution images due to low-altitude flight, and it can be photographed at any time. Therefore, the UAV images can be updated at any time in map production. Due to these advantages, studies on the possibility of producing large-scale digital maps using UAV images are actively being conducted. Precise digital maps can be used as base data for digital twins or smart cites. For producing a precise digital map, precise sensor modeling using GCPs (Ground Control Points) must be preceded. In this study, geometric models of UAV images were established through a precision sensor modeling algorithm developed in house. Then, a digital map by stereo plotting was produced to evaluate the possibility of large-scale digital map. For this study, images and GCPs were acquired for Ganseok-dong, Incheon and Yeouido, Seoul. As a result of precision sensor modeling accuracy analysis, high accuracy was confirmed within 3 pixels of the average error of the checkpoints and 4 pixels of the RMSE was confirmed for the two study regions. As a result of the mapping accuracy analysis, it satisfied the 1:1,000 mapping accuracy announced by the NGII (National Geographic information Institute). Therefore, the precision sensor modeling technology suggested the possibility of producing a 1:1,000 large-scale digital map by UAV images.

주제어

표/그림 (19)

그림 Fig. 1. Flowchart of UAV precise bundle adjustment.
그림 Fig. 2. Precision bundle adjustment accuracy calculation with GCP.
표 Table 1. Verification data downloaded in Geospatial Information Platform for accuracy evaluation
표 Table 2. Study Area and Equipment specification of Case 01
그림 Fig. 3. The model check points of the case 01 used to evaluate the sensor modeling accuracy.
그림 Fig. 4. The model check points of the case 02 used to evaluate the sensor modeling accuracy.
표 Table 3. Study Area and Equipment specification of Case 02
그림 Fig. 5. 3D digital map by stereo plotting from UAV images (black dots: horizontal check points; red dots: vertical check points).
표 Table 4. The result of Initial and precise sensor modeling. The EOP means Exterior Orientation Parameter
표 Table 5. The horizontal accuracy comparison result of 1:1,000 digital map and 3D digital map in Case 01
표 Table 6. Images of Case 01 displayed on Autodesk map6 for horizontal accuracy comparison (unit: m)
표 Table 6. Continued
표 Table 7. The vertical accuracy comparison result of 1:1,000 digital map and 3D digital map by in Case 01 (unit: m)
표 Table 8. Images of Case 01 displayed on Autodesk map6 for vertical accuracy comparison
표 Table 9. The horizontal accuracy comparison result of 1:1,000 digital map and 3D digital map in Case 02
표 Table 10. Images of Case 02 displayed on Autodesk map6 for horizontal accuracy comparison (unit: m)
표 Table 10. Continued
표 Table 11. The horizontal accuracy comparison result of 1:1,000 digital map and 3D digital map in Case 02
표 Table 12. Images of Case 02 displayed on Autodesk map6 for vertical accuracy comparison (unit: m)

AI 본문요약
AI-Helper

제안 방법

3차원 수치도화는 15년이상의 전문 도화사에게 의뢰하여 구축하였으며 정확도는 국토지리정보원 국토정보플랫폼에서 제공하는 1:1,000 및 1: 5,000 수치 지형도 데이터와 비교하여 평가를 수행하였다.(Table1).
수평위치 정확도를 평가하기 위해 좌표정보를 확인하고 수평 및 표고 정확도를 측정할 수 있는 Autodesk Map6를 사용하였다. 그리고 국토정보플랫폼에서 제공받은 해당지역의 정사영상을 입력하고 수치지형도와 3차원 도화성과의 비교지점을 선정하여 두 점에 대한 수평위치 정확도를 비교하였다. 표고 정확도 검증 방법은 검증데이터의 표고위치를 기준으로 측정하였다.
정밀 센서모델링을 통해 추정된 외부표정요소를 사용해 두 대상지역의 3차원 도화를 수행한 후 수행했다
표고 정확도 검증 방법은 검증데이터의 표고위치를 기준으로 측정하였다. 표고 정확도를 측정하기 위해 수평 위치 정확도 평가와 같은 방식으로 Autodesk Map6에 1:1,000과 1:5,000 수치지도를 입력하여 표고정보를 추출하였다. 그리고 3차원 도화성과의 표고정보를 추출하여 수치지형도 표고정보와 중첩하여 표고 정확도를 비교하였다.

대상 데이터

Case 01은 인천 간석동을 촬영한 데이터이며 129장의 영상을 취득하였다. 기체는 회전익이며 대표적인 무인기 개발회사인 중국의 DJI사의 Inspire2를 사용하였다.
촬영센서는 DJI사에서 자체 제작한 ZenmuseX5S 를 탑재했다. Case 01의 지상 기준점은 총 10개를 취득하였고 모델점 6개, 체크점 4개를 사용하여 평가하였다.
기체는 회전익이며 국내 무인 항공기 개발회사인 SISTECH사의 K-Mapper를 사용하였고 촬영센서는 Sony사의 ILCE-6000을 탑재하였다. Case 02의 지상기준점은 총16개를 취득하였고 모델점 10개, 체크점 6개를 사용하여 평가하였다.
Case02는 서울여의도를 촬영한 데이터이며 140장의 영상을 취득하였다. 기체는 회전익이며 국내 무인 항공기 개발회사인 SISTECH사의 K-Mapper를 사용하였고 촬영센서는 Sony사의 ILCE-6000을 탑재하였다.
Case02는 서울여의도를 촬영한 데이터이며 140장의 영상을 취득하였다. 기체는 회전익이며 국내 무인 항공기 개발회사인 SISTECH사의 K-Mapper를 사용하였고 촬영센서는 Sony사의 ILCE-6000을 탑재하였다. Case 02의 지상기준점은 총16개를 취득하였고 모델점 10개, 체크점 6개를 사용하여 평가하였다.
Case 01은 인천 간석동을 촬영한 데이터이며 129장의 영상을 취득하였다. 기체는 회전익이며 대표적인 무인기 개발회사인 중국의 DJI사의 Inspire2를 사용하였다. 촬영센서는 DJI사에서 자체 제작한 ZenmuseX5S 를 탑재했다.
본 연구는 센서모델링 및 수치도화 정확도 평가를 위해 두 도심지역을 대상으로 5 cm급의 해상도를 가지는 영상 및 지상 기준점을 수집하였다. 사용된 무인항공기는 소형 휴대용으로 개발된 기체이며 각 지역에 대해 짐벌이 장착된 서로 다른 기종의 무인항공기를 사용하여 영상을 수집하였다.
본 연구는 센서모델링 및 수치도화 정확도 평가를 위해 두 도심지역을 대상으로 5 cm급의 해상도를 가지는 영상 및 지상 기준점을 수집하였다. 사용된 무인항공기는 소형 휴대용으로 개발된 기체이며 각 지역에 대해 짐벌이 장착된 서로 다른 기종의 무인항공기를 사용하여 영상을 수집하였다. 지상 기준점은 현장 측량을 통해 영상이 촬영된 지역 내에 고르게 분포하는 지상 기준점(GCP: Ground Control Point)을 취득하였다.

데이터처리

표고 정확도를 측정하기 위해 수평 위치 정확도 평가와 같은 방식으로 Autodesk Map6에 1:1,000과 1:5,000 수치지도를 입력하여 표고정보를 추출하였다. 그리고 3차원 도화성과의 표고정보를 추출하여 수치지형도 표고정보와 중첩하여 표고 정확도를 비교하였다.

이론/모형

따라서 영상 왜곡보정을 위해 내부표정요소 추정이 필요하다. 본 연구에서는 사진측량 방식의 비선형 모델로 렌즈왜곡계수를 추정하였다. 세번째 단계에서는 외부표정요소(EOP: Exterior Orientation) 추정하기 위한 IBA를 수행한다.
본 연구에서는 자체 개발한 Incremental Bundle Adjustment(IBA) 알고리즘은 Fig.1과같이 구성된다. 이 알고리즘은 타이포인트 추출, 카메라 캘리브레이션, 센서모델링, 그리고 지상기준점을 이용한 블록 조정 4단계 과정을 거쳐 수치도화의 입력데이터로 사용되는 내부 및 외부 표정 요소를 추정한다.
수평위치 정확도는 Table 1의 검증데이터와 3차원 수치도화 성과의 동일한 지점에 대한 수평위치를 비교함으로써 정확도를 측정하였다. 수평위치 정확도를 평가하기 위해 좌표정보를 확인하고 수평 및 표고 정확도를 측정할 수 있는 Autodesk Map6를 사용하였다. 그리고 국토정보플랫폼에서 제공받은 해당지역의 정사영상을 입력하고 수치지형도와 3차원 도화성과의 비교지점을 선정하여 두 점에 대한 수평위치 정확도를 비교하였다.

성능/효과

정밀 센서모델링을 통해 추정된 외부표정요소를 사용해 두 대상지역의 3차원 도화를 수행한 후 수행했다. 도화 가능여부를 판단한 결과, Case 01 (간석동)의 평면 평균오차는 0.254 m, Case 02 (여의도)의 평면 평균 오차는 0.244 m가 나타나는 것을 확인하였다.
따라서 본 정밀 센서모델링 기술을 통해 추정된 외부 표정요소는 무인항공기 영상을 이용한 1:1,000 수치도화 가능성을 시사한다. 하지만 범위 면적이 적은 지역을 대상으로 한 결과이므로, 기준 표고정보가 적었다.
마찬가지로 두 대상지역의 표고정확도를 확인한 결과, Case 01 (간석동)의 표고평균 오차는 0.208 m, Case 02 (여의도)의 표고평균 오차는 0.148 m로 나타나는 것을 확인하였다. 이는 국토지리정보원에서 고시한 세부도화 묘사오차 최대오차 범위 0.
자체 개발한 IBA 알고리즘을 사용하여 수행한 정밀 센서모델링 결과, 두 연구지역에 대해서 모두 체크 점 정확도 3픽셀 이내의 평균오차를 나타내는 것을 확인하였다. 무인항공기 영상의 GSD는 0.05 m이므로 대략 0.15 m의 오차가 발생하는 것을 예상할 수 있으며 이는 1:1,000 대축척 지도 제작시, 오차범위 내의 정확도이다. 정밀 센서모델링을 통해 추정된 외부표정요소를 사용해 두 대상지역의 3차원 도화를 수행한 후 수행했다.
148 m로 나타나는 것을 확인하였다. 이는 국토지리정보원에서 고시한 세부도화 묘사오차 최대오차 범위 0.4 m(평면), 0.3 m(표고점) 를 모두 만족하는 결과이다.
자체 개발한 IBA 알고리즘을 사용하여 수행한 정밀 센서모델링 결과, 두 연구지역에 대해서 모두 체크 점 정확도 3픽셀 이내의 평균오차를 나타내는 것을 확인하였다. 무인항공기 영상의 GSD는 0.

후속연구

하지만 범위 면적이 적은 지역을 대상으로 한 결과이므로, 기준 표고정보가 적었다. 따라서 보다 넓은 지역을 대상으로 연구할 필요가 있다. 향후 더 넓은 지역과 영상을 사용하여 정밀 센서모델링을 수행하고 충분한 표고정보를 취득하여 1:1,000 수치도화 가능성을 분석할 계획이다.
따라서 보다 넓은 지역을 대상으로 연구할 필요가 있다. 향후 더 넓은 지역과 영상을 사용하여 정밀 센서모델링을 수행하고 충분한 표고정보를 취득하여 1:1,000 수치도화 가능성을 분석할 계획이다.

참고문헌 (13)

Bay, H., T. Tuytelaars, and L. Van Gool, 2016. Surf: Speeded up robust features, European Conference on Computer Vision, 2016: 404-417.
Kim, S. Y., H. H. Lee, E. S. Choi, and J. U. Go, 2020. A Case Study on the Construction of 3D Geospatial Information for Digital Twin Implementation, Journal of the Korean Association of Geographic Information Studies, 23(3): 146-160 (in Korean with English abstract).

원문보기 상세보기
Kim, H. G., Y. H. Hwang, and S. A. Rhee, 2019. Automatic Building Modeling Method Using Planar Analysis of Point Clouds from Unmanned Aerial Vehicles, Korean Journal of Remote Sensing, 35(6): 973-985 (in Korean with English abstract).
Lee, D. H. and J. H. Kwon, 2019. A study on the possibility of Large Scale 3D numerical mapping using drone images, Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 2019: 84-87 (in Korean with English abstract).
Lee, J. W. and D. P. Kim, 2020. Accuracy Assessment of Feature Collection Method with Unmanned Aerial Vehicle Images Using Stereo Plotting Program Stereo CAD, Journal of the Korean Society of Civil Engineers, 40(2): 257-264 (in Korean with English abstract).

원문보기 상세보기
Lee, S. B., T. Kim, Y. J. Ahn, and J. O. Lee, 2019. Comparison of Digital Maps Created by Stereo Plotting and Vectorization Based on Images Acquired by Unmanned Aerial Vehicle, Sensors and Materials, 31(11): 3797-3810

상세보기
Lim, S. H., K. M. Choi, and G. S. Cho, 2020. A Study on 3D Model Building of Drones-Based Urban Digital Twin, Journal of Cadastre & Land InformatiX, 50(1): 163-180.

원문보기 상세보기
Lim, P. C., J. H. Son, and T. Kim, 2019. Development and Comparative Analysis of Mapping Quality Prediction Technology Using Orientation Parameters Processed in UAV Software, Korean Journal of Remote Sensing, 35(6): 895-905 (in Korean with English abstract).
Rhee, S. A., T. Kim, D., Kim, and H. Lee, 2017. Analysis for Stereoscopic Plotting Applicability of UAV Images, Proc. of 2017 International Symposium on Remote Sensing, Nagoya, JAP, May. 17-19, pp. 17-19.
Rhee, S. A. and T. Kim, 2011. Research of Matching Performance Improvement for DEM generation from Multiple Images, Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 29(1): 101-109 (in Korean with English abstract).

원문보기 상세보기
Santise, M., M. Fornari, G. Forlani, and R. Roncella, 2014. Evaluation of DEM generation accuracy from UAS imagery, International Archives of the Photogrammetry, Remote Sensing & Spatial Information Sciences, Proc. of 2014 ISPRS Technical Commission V Symposium, Riva del Garda, ITA, Jun. 23-25, pp. 529-536.
Yoon, S. J. and T. Kim., 2019. Development of Stereo Visual Odometry Based on Photogrammetric Feature Optimization, Remote Sensing, 11(67): 1-17.
Yoon, W. S., H. G. Kim, and S. A. Rhee, 2019. Multi Point Cloud Integration based on Observation Vectors between Stereo Images, Korean Journal of Remote Sensing, 35(5): 727-736 (in Korean with English abstract).

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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