[논문]드론기반 도심지 디지털트윈 3차원 모형 구축에 관한 연구

임성하; 최규명; 조기성

doi:10.22640/lxsiri.2020.50.1.163

드론기반 도심지 디지털트윈 3차원 모형 구축에 관한 연구
A Study on 3D Model Building of Drones-Based Urban Digital Twin 원문보기

지적과 국토정보 = Journal of cadastre & land informatix, v.50 no.1, 2020년, pp.163 - 180

임성하 (한국국토정보공사 전북지역본부 공간정보사업처) , 최규명 (한국국토정보공사 전북지역본부) , 조기성 (전북대학교 토목공학과)

초록
AI-Helper

본 연구에서는 스마트시티 구성요소인 공간정보인프라 구축을 위해 최신 공간정보 취득 기술인 드론을 기반으로 도심지의 3차원 디지털트윈 모형을 구축하였으며, 구축된 모형 간의 처리시간·품질·정확도 분석과 스마트시티 응용시스템을 활용하여 몇 가지 분석 모델을 구현하였다. 3종의 드론 사진측량 소프트웨어의 데이터 처리시간·품질이 각각 다르게 나타난 반면 구축 모델의 정확도는 8점의 검사점에 대한 평균제곱근 오차(RMSE)는 N방향으로 ±0.04m, E방향으로는 ±0.03m, Z방향으로 ±0.02m로 경계점좌표등록부시행지역의 경계점에 대한 측량성과와 검사성과의 허용범위로 규정하고 있는 0.1m 미만으로 나타났으며. 항공사진측량 작업규정의 1:500~1:600 축척의 사진기준점 오차 한계인 표준편차 0.14cm 이내로 나타나서 지적과 항공사진측량에서 규정하는 대축척의 오차 한계 모두 만족함을 알 수 있었다. 또한 드론기반의 3차원 도심지 디지털트윈 모형을 이용한 스마트시티 구현의 활용성 증대를 위해 본 연구에서 구축한 모형을 이용하여 조망권·경관분석, 일조권분석, 순찰경로분석, 화재진압 모의 훈련 등을 구현하였으며, 기존 항공측량 방법과 비교해서 육안 판독지점에 대한 정확도는 기존 항공측량 보다 10cm 내외 더 정확하고, 약 30㎢ 이하의 구축 면적에서 기존항공측량 보다 구축비용을 절감할 수 있을 것이라 판단할 수 있었다.

Abstract ▼ AI-Helper

In this study, to build a spatial information infrastructure, which is a component of a smart city, a 3D digital twin model in the downtown area was built based on the latest spatial information acquisition technology, the drone. Several analysis models were implemented by utilizing. While the data processing time and quality of the three types of drone photogrammetry software are different, the accuracy of the construction model is ± 0.04 in the N direction and ± 0.03m in the E direction. In the m and Z directions, ± 0.02m was found to be less than 0.1m, which is defined as the allowable range of surveying performance and inspection performance for the boundary point in the area where the registration of the boundary point registration is executed. 1: 500 to 1 of the aerial survey work regulation: The standard deviation, which is the error limit of the photographic reference point of the 600 scale, appeared within 0.14 cm, and it was found that the error limit of the large scale specified in the cadastral and aerial survey was satisfied. In addition, in order to increase the usability of smart city realization using a drone-based 3D urban digital twin model, the model built in this study was used to implement Prospect right analysis, landscape analysis, Right of light analysis, patrol route analysis, and fire suppression simulation training. Compared to the existing aerial photographic survey method, it was judged that the accuracy of the naked eye reading point is more accurate (about 10cm) than the existing aerial photographic survey, and it is possible to reduce the construction cost compared to the existing aerial photographic survey at a construction area of about 30㎢ or less.

주제어

표/그림 (29)

그림 Figure 1. Study Area (1.7km X 0.5km)
그림 Figure 2. Control Point Positions installed in the study area
그림 Figure 3. Control & check Point Installation Position and Standard
표 Table 1. Details of equipment used in the study
표 Table 2. Camera angle according to shooting purpose
표 Table 3. Aerial photography results of the study area
그림 Figure 4. Processing Procedure of Drone Photo-grammetry
그림 Figure 5. Image processing result (GSD 2.6cm True orthoimage)
표 Table 4. Computer Specifications used for data processing
그림 Figure 6. Image processing result(3D building model)
표 Table 5. Data processing time of the three software
그림 Figure 7. 3D model of triangle
그림 Figure 8. Types of errors in the triangle
표 Table 6. Data quality analysis
표 Table 7. Control point position errors
표 Table 8. Check point position errors (unit : m)
그림 Figure 9. TerraExplorer Pro(Skyline Co.)
그림 Figure 10. Underground facilities(water supply, sewerage) mesh-up
그림 Figure 11. Cadastral map(Yellow line) mesh-up
그림 Figure 12. Prospect right analysis; (a) Scene from a specific point of the first person, (b) Scene from a specific point (red: invisible area, green: visible area)
그림 Figure 13. Landscape analysis; (a) The building site, (b) Virtual building 1, (c) Virtual building 2, (d) Skyline when the virtual building is placed (red line)
그림 Figure 14. Right of light analysis; (a) The building site, (b) Virtual building, (c), (d) Right of light analysis result by new building (red point: more than 80% affected area, yellow point: less than 30% affected area, green point: less than 10% affected area)
그림 Figure 15. Patrol route analysis; (a), (b) Realtime visible area along the patrol car's moving path (red: invisible area, green: visible area)
그림 Figure 16. Fire suppression simulation training (a), (b) Fire trucks and police cars deployment training in case of the building fire, (c), (d) Display of evacuation paths and fire extinguishing facilities using indoor maps
그림 Figure 17. Comparison with existing construction method. (a) 3D model based on Manned aircraft (Source: www.vworld.kr), (b) 3D model based on drone
표 Table 9. Accuracy comparison with existing construction method
표 Table 10. Cost calculation result according to the construction area (money unit : thousand won)
표 Table 11. 3D Geospatial information production estimating cost (standard of construction estimate) (Unit : 1㎢)
표 Table 12. Unmanned aerial vehicle surveying estimating cost (standard of construction estimate)

질의응답

핵심어	질문	논문에서 추출한 답변
	스마트시티 플랫폼을 구현하기 위한 핵심 인프라는 무엇인가?	즉, 시뮬레이션, 인공지능, IoT, 공간정보, 실시간 네트워크 등 융합된 디지털트윈 플랫폼 구축을 통해 도시운영에 필요한 정보를 연계 통합하고 가상 세계로 전환하여 다양한 도시문제를 해결하고자 하고 있다. 스마트시티 플랫폼을 구현하기 위한 핵심 인프라는 공간정보이다. 스마트시티 구축의 목적인 도시 문제를 해결하기 위해서는 도심의 위치･속성기반의 공간정보 인프라 내에서 정확한 현황 분석 및 결과 예측 등이 가시적이고 효율적으로 이루질 수 있기 때문이다.
	스마트시티은 어떤 기술이 융합된 디지털 트윈인가?	이러한 스마트시티는 컴퓨팅 기술과 ICT 기술이 융합된 디지털트윈(Digital Twin)을 핵심 공동플랫폼으로 한다. 즉, 시뮬레이션, 인공지능, IoT, 공간정보, 실시간 네트워크 등 융합된 디지털트윈 플랫폼 구축을 통해 도시운영에 필요한 정보를 연계 통합하고 가상 세계로 전환하여 다양한 도시문제를 해결하고자 하고 있다.
	스마트시티 관련 기술은 어떤 문제점을 해결하고자 하는가?	최근 도시의 인구 집중화에 따라 교통, 안전, 경제, 환경/에너지, 생활/복지, 행정 등의 분야에서 에너지 소비량 및 교통 혼잡도 증가, 물 부족 등 다양한 도시 문제가 발생하고 있다. 이와 같은 문제점을 ICT를 이용하여 해결하고자 유럽과 일본, 미국은 스마트시티 관련 기술선점을 위해 공격적인 투자를 하고 있으며, 중국은 도시 혁신을 위해서 스마트시티를 국정 아젠 다로 제시할 정도로 스마트시티 세계시장은 2020년 까지 1조5천억 달러로 성장이 예상된다(Frost & Sullivan 2019).

참고문헌 (14)

No HS. 2018. Real-time underground facility map production using drone. Thesis for Master degree. Graduate Department of Spatial Information Engineering. Dong-Eui University.
YOU SJ. 2018. Aerial photographing and 3D modeling of transparent buildings using drones. Thesis for Master degree. Graduate Department of Spatial Information University of Seoul.
LEE BG. 2018. A Study of Three Dimensional DSM Development using Self-Developed Drone. The Korean Earth Science Society. 39(1):46-52.

원문보기 상세보기
LEE SJ. 2016. Comparison of Topographic Surveying Results using a Fixed-wing and a Popular Rotary-wing Unmanned Aerial Vehicle(Drone). The Korean Society for Rock Mechanics and Rock Engineering. 26(1):24-31.
LEE JW. 2015. Research on preparation of work rules and assembly of drone for the creation of spatial information infrastructure. Korea Land and Geospatial Informatix Corporation.
SONG JW.2011. Generation of the Building Layer of Large-scale Digital Map Using Multi-Oblique Image. Thesis for Master degree. Graduate Department of Geoinformatics. Kyonggi University.
CHOI MS. 2018. A Study on the Effects of Development of Digital Mappng in the Island Areas Using the Drone Photogrammetry Method. Thesis for Master degree. Graduate Department of Urban Planning. In-ha University.
DG Lowe. 1999. Object recognition from local scale-invariant features. Proceedings of the Seventh IEEE International Conference on Computer Vision. ISBN: 0-7695-0164-8.
Frost & sullivan. 2019. Smart Cities Frost&Sullivan Value Proposition. p. 2.
M. Jarzabek-Rychard. 2016. Quality Analysis On 3D Building Models Reconstructed From UAV Imagery. ISPRS Journal of Photogrammetry and Remote Sensing, Volume XLI-B1.
Noah Snavely. Steven M. Seitz. Richard Szeliski. 2006. Photo tourism: exploring photo collection in 3d. University of Washington.
Norzailawati Mohd Noor. 2019. 3D City Modeling Using Multirotor Drone For City Heritage Conservation. Journal of the Malaysian Institude of Planners. 17(1):338-349.
Shreyansh Daftry. Christof Hoppe. and Horst Bischof. 2015. Building with Drones: Accurate 3D Facade Reconstruction using MAVs. IEEE International Conference on Robotics and Automation (ICRA). ISSN: 1050-4729.
Siyuan Chen. 2019. UAV Bridge Inspection Through Evaluated 3D Reconstructions. Journal of Bridge Engineering. 24(4).

상세보기

저자의 다른 논문 :

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