[논문]Line Type 디지털 항공사진측량 카메라 영상의 컴퓨터비전 해석을 통한 고품질 공간정보 생성

이현직

doi:10.11108/kagis.2020.23.1.041

초록
AI-Helper

우리나라의 국토지리정보원에서는 2년 주기로 정사영상 제작과 수치지도 수정/갱신 등을 위해 디지털 항공사진영상을 촬영하고 있다. 이러한 디지털 항공사진영상을 촬영하기 위한 항공사진측량용 카메라는 면형(Frame type) 및 선형(Line type)으로 구분된다. 항공사진영상의 컴퓨터비전 해석은 Frame type만 가능하였다. 이에 본 연구에서는 Line type 항공사진영상을 컴퓨터비전 해석으로 공간정보를 생성하고자 하였으며, 항공사진영상의 활용 방안으로 산림공간정보를 생성하고자 하였다. 그 결과 Line type 항공사진영상의 컴퓨터비전 해석으로 생성된 공간정보는 수평위치 및 수직위치 오차의 RMSE가 GSD의 4배 이내로 나타났다. 컴퓨터비전 해석으로 생성된 공간정보를 이용해 산림공간정보를 생성하였으며, 이를 이용해 수관형상의 추출, 수고의 산정이 가능함을 확인하였다. 본 연구를 통하여 항공사진영상 활용성을 제고할 수 있을 것으로 기대된다.

Abstract ▼ AI-Helper

The National Geographic Information Institute of Korea takes digital aerial photograph images every two years to make and modify/renew the digital map. The cameras for aerial photogrammetry to capture these digital aerial photographs are divided into frame types and line types. Computer vision analy...

The National Geographic Information Institute of Korea takes digital aerial photograph images every two years to make and modify/renew the digital map. The cameras for aerial photogrammetry to capture these digital aerial photographs are divided into frame types and line types. Computer vision analysis of aerial photograph images was only possible for frame type. Thus, in this study, Line type aerial photograph images was intended to generate geospatial information through computer vision analysis, and forest geospatial information was created as a method for the utilization of aerial picture images. As a result, geospatial information generated by computer vision analysis of line type aerial photograph images showed that RMSE of horizontal and vertical position errors was less than quadruple that of GSD. Forest geospatial information was generated using geospatial information generated by computer vision analysis. It was confirmed that extraction of the crown of tree and calculation of tree height are possible. Through this study, it is expected that utilization of aerial photograph images will be improved.

Keyword

표/그림 (21)

그림 FIGURE 1. Concept of this study
그림 FIGURE 2. Study area
그림 FIGURE 3. Photography method of line type camera(Leica ADS80)
그림 FIGURE 4. Computer vision analysis process of line type aerial imagery
표 TABLE 1. Structure of aerial imagery and support files taken with ADS80 camera
그림 FIGURE 6. Application of image segmentation method for crown of tree
그림 FIGURE 5. Study area of forest geospatial information generation
그림 FIGURE 7. Method of calculate tree height
그림 FIGURE 8. Point cloud(strip roll type)
그림 FIGURE 9. DSM(strip roll type)
그림 FIGURE 10. Orthophoto(strip roll type)
그림 FIGURE 11. Location map of check point(strip roll type)
그림 FIGURE 12. Point cloud(cutting type)
그림 FIGURE 13. DSM(cutting type)
표 TABLE 2. Result of accuracy analysis(strip roll type)
그림 FIGURE 14. Orthophoto (cutting type)
그림 FIGURE 15. Location map of check point (cutting type)
그림 FIGURE 16. Crown of tree extraction result
그림 FIGURE 17. Calculate tree height method
표 TABLE 3. Result of accuracy analysis(cutting type)
표 TABLE 4. Result of tree height calculate

AI 본문요약
AI-Helper

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

문제 정의

, 2015)를 수행하는 등 frame type 카메라로 촬영된 항공사진영상의 컴퓨터비전 해석을 통해 공간정보를 생성한 연구 사례는 다양하였으나 line type 카메라로 촬영된 항공사진영상의 컴퓨터비전 해석으로 공간정보를 생성한 사례는 미비한 것으로 나타났다. 따라서 본 연구 에서는 그림 1과 같이 line type 항공사진영상 의 활용성 제고를 위하여 line type 항공사진영상을 컴퓨터비전 해석으로 공간정보를 생성하 고, 생성된 공간정보를 활용하여 산림지역의 수 목들에 대한 수고 정보를 추출하고자 하였다.
본 연구에서는 컴퓨터비전 해석으로 생성된 공간정보를 이용하여 산림공간정보인 수고 정보를 생성하고자 하였다. 산림공간정보는 수종, 임상과 같은 수평적 구조와 수고 및 흉고직경과 같은 수직적 구조가 있으며, 기존의 산림정보는 수평적 구조에 국한되어 있다(Lee et al.
, 2003). 따라서 본 연구에서는 컴퓨터비전 해석으로 생성된 실감정사영상에 객체기반분류 기법을 적용하여 수관형상을 추출하고, 추출된 수관형상 내부의 DSM과 DEM을 차분한 값의 최대값을 수고로 지정하여 수목 각각에 대하여 수고 정보를 생성하고자 하였다.
본 연구는 정사영상 제작 및 수치지도 수정/ 갱신을 목적으로 촬영되는 Line type 항공사진 영상의 활용을 위하여 컴퓨터비전 해석 방법을 적용해 공간정보인 point cloud, DSM, 정사영상을 생성하고자 하였으며, 컴퓨터비전 해석으로 생성된 공간정보를 활용하여 산림공간정보를 생성하고자 하였다. 그 결과 과거에는 Frame type 항공사진영상만 컴퓨터비전 해석이 가능하였으나 본 연구를 통해 Line type 항공사진영상도 컴퓨터비전 해석이 가능함을 알 수 있었다.

제안 방법

산림공간정보 생성은 그림 5와 같이 대전광 역시에 존재하는 비교적 소규모의 산림지역에대하여 실험을 수행하였다. 본 연구에서는 산림 공간정보의 수평적 구조인 수관형상을 추출하기 위해 객체기반분류 방법을 적용(그림 6)하고, DSM과 DEM을 차분하는 nDSM(Normalized Digital Surface Model)을 생성하여 수관형상 내부에서 가장 큰 값을 수직적 구조인 수고 정 보로 지정하는 방법을 적용(그림 7)하여 산림공간정보를 생성하고자 하였다.
산림공간정보 생성은 그림 5와 같이 대전광 역시에 존재하는 비교적 소규모의 산림지역에대하여 실험을 수행하였다. 본 연구에서는 산림 공간정보의 수평적 구조인 수관형상을 추출하기 위해 객체기반분류 방법을 적용(그림 6)하고, DSM과 DEM을 차분하는 nDSM(Normalized Digital Surface Model)을 생성하여 수관형상 내부에서 가장 큰 값을 수직적 구조인 수고 정 보로 지정하는 방법을 적용(그림 7)하여 산림공간정보를 생성하고자 하였다.
Strip roll type 항공사진영상의 컴퓨터비전 해석을 통하여 생성된 산출물의 정확도 분석을 수행하기 위하여 통합기준점 정보를 수집하여 정확도 분석을 수행하였다. 그림 11과 같이 17 개 위치에 대한 수평위치 및 수직위치 정확도 분석을 수행하였으며, 그 결과 표 2와 같이 dX는 ±0.
Cutting type 항공사진영상의 컴퓨터비전 해석을 통하여 생성된 산출물의 정확도 분석을 수행하기 위하여 통합기준점 정보를 수집하여 정확도 분석을 수행하였다. 그림 15와 같이 9개 위치에 대한 수평위치 및 수직위치 정확도 분석을 수행하였으며, 그 결과, 표 3과 같이 dX는 ±0.
산림공간정보 생성에는 산림지역에 해당하는 DSM과 DEM을 차분하는 잔차 DSM을 생성하고, 정사영상으로부터 추출된 수관형상 데이터를 융합하여 수고 정보를 산정하였다. 정사영상으로부터 추출된 수관형상은 그림 16과 같으며, 그림 17과 같은 방법으로 수관형상 내부에서 잔차 DSM의 값 중 가장 높은 값을 수고로 지정하였다.
산림공간정보 생성 대상지역은 기타활엽수, 리기다소나무, 혼효림으로 구성되어 있다. 따라서 수고 정보 산정 시 기타활엽수, 리기다소나무, 혼효림의 최대수고, 평균수고를 산정하였다. 그 결과 표 4와 같이 최대수고는 기타활엽수가 13.

대상 데이터

본 연구에서는 Line type 항공사진측량용 카 메라를 이용하여 항공사진영상이 촬영된 지역으 로 대전광역시와 대구광역시 일부지역에 대하여 연구지역을 선정하였다. 연구 대상지역은 Line type 카메라로 촬영된 roll type 및 cutting type의 항공사진영상을 모두 보유하고 있는 지 역이 존재하지 않아 연구 대상지역을 각각 선정하였다(그림 2).
본 연구에서는 Line type 항공사진측량용 카 메라를 이용하여 항공사진영상이 촬영된 지역으 로 대전광역시와 대구광역시 일부지역에 대하여 연구지역을 선정하였다. 연구 대상지역은 Line type 카메라로 촬영된 roll type 및 cutting type의 항공사진영상을 모두 보유하고 있는 지 역이 존재하지 않아 연구 대상지역을 각각 선정하였다(그림 2).
수집된 항공사진영상은 그림 2(a)와 같은 대 전광역시 일부지역에 대하여 2016년에 Leica ADS80 카메라로 촬영된 strip roll type의 항 공사진영상을 수집하였으며, 그림 2(b)와 같은 대구광역시 일부지역에 대하여 2017년에 Leica ADS80 카메라로 촬영된 strip roll type의 항 공사진영상을 종중복 70%, 횡중복 30%의 중복 도로 잘라낸 항공사진영상을 수집하였다. 수집 한 항공사진영상은 대전 및 대구광역시 모두 Level 1 항공사진영상과 보조 파일들을 모두 수 집하였고, 항공사진영상의 GSD(ground sample distance)는 모두 0.
수집된 항공사진영상은 그림 2(a)와 같은 대 전광역시 일부지역에 대하여 2016년에 Leica ADS80 카메라로 촬영된 strip roll type의 항 공사진영상을 수집하였으며, 그림 2(b)와 같은 대구광역시 일부지역에 대하여 2017년에 Leica ADS80 카메라로 촬영된 strip roll type의 항 공사진영상을 종중복 70%, 횡중복 30%의 중복 도로 잘라낸 항공사진영상을 수집하였다. 수집 한 항공사진영상은 대전 및 대구광역시 모두 Level 1 항공사진영상과 보조 파일들을 모두 수 집하였고, 항공사진영상의 GSD(ground sample distance)는 모두 0.23m이다.
Line type 항공사진영상은 그림 3과 같이 전방(forward), 연직(nadir), 후방(backward)의 3방향으로 촬영되는데, 본 연구를 위해 수집된 항공사진영상은 연직 및 후방으로 촬영된 영상이다.
산림공간정보 생성 대상지역은 기타활엽수, 리기다소나무, 혼효림으로 구성되어 있다. 따라서 수고 정보 산정 시 기타활엽수, 리기다소나무, 혼효림의 최대수고, 평균수고를 산정하였다.

성능/효과

컴퓨터비전 해석과 관련된 연구 사례를 조사 한 결과 무인 항공사진에 전통적인 항공사진측량 방법과 컴퓨터비전 해석 방법을 적용해 수치 지도를 제작하고 정확도를 평가하는 연구(Lim et al., 2015)를 수행하는 등 frame type 카메라로 촬영된 항공사진영상의 컴퓨터비전 해석을 통해 공간정보를 생성한 연구 사례는 다양하였으나 line type 카메라로 촬영된 항공사진영상의 컴퓨터비전 해석으로 공간정보를 생성한 사례는 미비한 것으로 나타났다. 따라서 본 연구 에서는 그림 1과 같이 line type 항공사진영상 의 활용성 제고를 위하여 line type 항공사진영상을 컴퓨터비전 해석으로 공간정보를 생성하 고, 생성된 공간정보를 활용하여 산림지역의 수 목들에 대한 수고 정보를 추출하고자 하였다.
따라서 수고 정보 산정 시 기타활엽수, 리기다소나무, 혼효림의 최대수고, 평균수고를 산정하였다. 그 결과 표 4와 같이 최대수고는 기타활엽수가 13.228m, 리기다소나무가 18.600m, 혼효림은 15.807m로 나타났으며, 평균수고는 기타활엽수가 10.485m, 리기다소나무가 16.478m, 혼효림은 13.295m로 나타났다.
본 연구는 정사영상 제작 및 수치지도 수정/ 갱신을 목적으로 촬영되는 Line type 항공사진 영상의 활용을 위하여 컴퓨터비전 해석 방법을 적용해 공간정보인 point cloud, DSM, 정사영상을 생성하고자 하였으며, 컴퓨터비전 해석으로 생성된 공간정보를 활용하여 산림공간정보를 생성하고자 하였다. 그 결과 과거에는 Frame type 항공사진영상만 컴퓨터비전 해석이 가능하였으나 본 연구를 통해 Line type 항공사진영상도 컴퓨터비전 해석이 가능함을 알 수 있었다. 컴퓨터비전 해석으로 생성된 공간정보의 정 확도분석을 수행한 결과 수평위치 및 수직위치 오차의 RMSE가 1m 이내로 GSD의 4배 이내의 오차가 나타나며, 이는 매우 활용성이 높을 것으로 기대된다.
또한, Line type 항공사진영상의 컴퓨터비전 해석으로 생성된 공간정보를 이용하여 산림공간 정보인 수관형상의 추출과 수목 객체별 수고 산 정으로 산림의 수종별 최대 수고 및 평균 수고를 산정할 수 있음을 알 수 있었다. 특히 우리 나라의 경우 현재 항공사진영상을 2년 주기로 전국을 촬영하기 때문에 본 연구의 성과를 이용하여 공간정보를 활용하는 다양한 분야에서 항공사진영상의 활용성을 제고할 수 있을 것으로 기대된다.

후속연구

그 결과 과거에는 Frame type 항공사진영상만 컴퓨터비전 해석이 가능하였으나 본 연구를 통해 Line type 항공사진영상도 컴퓨터비전 해석이 가능함을 알 수 있었다. 컴퓨터비전 해석으로 생성된 공간정보의 정 확도분석을 수행한 결과 수평위치 및 수직위치 오차의 RMSE가 1m 이내로 GSD의 4배 이내의 오차가 나타나며, 이는 매우 활용성이 높을 것으로 기대된다.
또한, Line type 항공사진영상의 컴퓨터비전 해석으로 생성된 공간정보를 이용하여 산림공간 정보인 수관형상의 추출과 수목 객체별 수고 산 정으로 산림의 수종별 최대 수고 및 평균 수고를 산정할 수 있음을 알 수 있었다. 특히 우리 나라의 경우 현재 항공사진영상을 2년 주기로 전국을 촬영하기 때문에 본 연구의 성과를 이용하여 공간정보를 활용하는 다양한 분야에서 항공사진영상의 활용성을 제고할 수 있을 것으로 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	3D mesh이란 무엇인가?	3D mesh는 컴퓨터비전 해석을 통해 영상에 서부터 특징점을 추출하고, 영상정합 수행 후 자동 항공삼각측량 및 번들 블록조정을 통해 카 메라의 내부 및 외부표정요소를 결정하고, 정합 점에 대한 3차원 좌표를 이용해 3D mesh를 생 성한다(Marcis et al., 2016).
	컴퓨터비전 해석으로 생성되는 정보의 장점은 무엇인가?	, 2016). 따라서 DSM (digital surface model)을 이용해 생성하는 방 법보다 기복변위를 효과적으로 제거할 수 있으 며, 컴퓨터비전 해석으로 생성되는 공간정보는 실감정사영상뿐만 아니라 3D mesh를 기반으로 point cloud, DSM의 생성이 가능하다(Kim etal., 2017a, Kim et al.
	우리나라의 국토지리 정보원에서 2년주기로 정사영상 제작과 수치지도 수정/갱신을 위해 어떤 카메라가 사용되는가?	, 2018). 이러한 디지털 항공사진 영상을 촬영하기 위한 항공사진측량용 카메라는 일정한 중복도로 촬영하는 Intergraph DMC 및 Vecel UltraCam 등의 면형(frame type) 카메 라와 위성의 push broom 센서와 같이 대상지 역을 스캔하는 방식의 Leica ADS 등의 선형 (line type) 카메라로 분류된다. 항공사진측량 용 카메라 중 frame type 카메라로 촬영된 항공사진영상의 컴퓨터비전 해석으로 공간정보를 생성할 경우 3D mesh를 기반으로 실감정사영상을 생성한다.

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

[국내논문] Line Type 디지털 항공사진측량 카메라 영상의 컴퓨터비전 해석을 통한 고품질 공간정보 생성
Generation of High Quality Geospatial Information Using Computer Vision Analysis of Line Type Digital Aerial Photogrammetry Camera Imagery 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

Keyword

표/그림 (21)

표/그림 (21)

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] Line Type 디지털 항공사진측량 카메라 영상의 컴퓨터비전 해석을 통한 고품질 공간정보 생성 Generation of High Quality Geospatial Information Using Computer Vision Analysis of Line Type Digital Aerial Photogrammetry Camera Imagery 원문보기

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

Abstract ▼ AI-Helper

Keyword

표/그림 (21) 모든 표/그림 보기

표/그림 (21) 슬라이드로 보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

이현직 (59)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] Line Type 디지털 항공사진측량 카메라 영상의 컴퓨터비전 해석을 통한 고품질 공간정보 생성
Generation of High Quality Geospatial Information Using Computer Vision Analysis of Line Type Digital Aerial Photogrammetry Camera Imagery 원문보기

초록
AI-Helper

표/그림 (21)

표/그림 (21)

AI 본문요약
AI-Helper