갯벌지역 고해상도 지형정보 구축을 위한 항공 라이다와 UAV 데이터 통합 활용에 관한 연구 A Study on the Integration of Airborne LiDAR and UAV Data for High-resolution Topographic Information Construction of Tidal Flat원문보기
갯벌의 보존과 복원 및 안전사고 예방을 위해서, 갯골의 정확한 위치와 형상을 포함하는 갯벌 지형정보 구축이 필요하다. 현장 측량이 어려운 갯벌 지역에 대해, 항공 라이다 측량은 넓은 지역에 대한 정확한 위치정보 데이터의 취득이 가능하며, UAV (Unmanned Aerial Vehicle) 측량은 상대적으로 공간해상력이 우수한 데이터를 경제적으로 제공할 수 있다. 본 연구에서는 효과적인 갯벌 지형정보 구축을 위하여 항공 라이다와 UAV 포인트 클라우드 간의 데이터 통합을 수행하고, 갯골의 세부 지형을 갱신하는 방법을 제안하였다. 이를 위해 ICP (Iterative Closest Point) 알고리즘을 활용하여 두 이종 데이터를 자동 정합하고, 지면 필터링 기법인 CSF (Cloth Simulation Filtering)를 활용하여 갯골을 추출한 후, 갯골 영역에 대한 고점밀도 UAV 데이터와 평평한 지면에 대한 항공 라이다 데이터를 통합하였다. 통합된 데이터로부터 DEM (Digital Elevation Model) 및 갯골의 영역과 깊이 정보를 생성하여 대축척 갯벌 지도 제작을 위한 고해상도 지형정보를 구축하였다. 연구결과, 제안한 방법을 통해 GCP (Ground Control Point) 없이 UAV 데이터를 기하보정하고, 갯골의 세부 지형정보를 포함하면서 데이터 용량은 상대적으로 작은 통합 데이터를 생성할 수 있었다.
갯벌의 보존과 복원 및 안전사고 예방을 위해서, 갯골의 정확한 위치와 형상을 포함하는 갯벌 지형정보 구축이 필요하다. 현장 측량이 어려운 갯벌 지역에 대해, 항공 라이다 측량은 넓은 지역에 대한 정확한 위치정보 데이터의 취득이 가능하며, UAV (Unmanned Aerial Vehicle) 측량은 상대적으로 공간해상력이 우수한 데이터를 경제적으로 제공할 수 있다. 본 연구에서는 효과적인 갯벌 지형정보 구축을 위하여 항공 라이다와 UAV 포인트 클라우드 간의 데이터 통합을 수행하고, 갯골의 세부 지형을 갱신하는 방법을 제안하였다. 이를 위해 ICP (Iterative Closest Point) 알고리즘을 활용하여 두 이종 데이터를 자동 정합하고, 지면 필터링 기법인 CSF (Cloth Simulation Filtering)를 활용하여 갯골을 추출한 후, 갯골 영역에 대한 고점밀도 UAV 데이터와 평평한 지면에 대한 항공 라이다 데이터를 통합하였다. 통합된 데이터로부터 DEM (Digital Elevation Model) 및 갯골의 영역과 깊이 정보를 생성하여 대축척 갯벌 지도 제작을 위한 고해상도 지형정보를 구축하였다. 연구결과, 제안한 방법을 통해 GCP (Ground Control Point) 없이 UAV 데이터를 기하보정하고, 갯골의 세부 지형정보를 포함하면서 데이터 용량은 상대적으로 작은 통합 데이터를 생성할 수 있었다.
To preserve and restore tidal flats and prevent safety accidents, it is necessary to construct tidal flat topographic information including the exact location and shape of tidal creeks. In the tidal flats where the field surveying is difficult to apply, airborne LiDAR surveying can provide accurate ...
To preserve and restore tidal flats and prevent safety accidents, it is necessary to construct tidal flat topographic information including the exact location and shape of tidal creeks. In the tidal flats where the field surveying is difficult to apply, airborne LiDAR surveying can provide accurate terrain data for a wide area. On the other hand, we can economically obtain relatively high-resolution data from UAV (Unmanned Aerial Vehicle) surveying. In this study, we proposed the methodology to generate high-resolution topographic information of tidal flats effectively by integrating airborne LiDAR and UAV point clouds. For the purpose, automatic ICP (Iterative Closest Points) registration between two different datasets was conducted and tidal creeks were extracted by applying CSF (Cloth Simulation Filtering) algorithm. Then, we integrated high-density UAV data for tidal creeks and airborne LiDAR data for flat grounds. DEM (Digital Elevation Model) and tidal flat area and depth were generated from the integrated data to construct high-resolution topographic information for large-scale tidal flat map creation. As a result, UAV data was registered without GCP (Ground Control Point), and integrated data including detailed topographic information of tidal creeks with a relatively small data size was generated.
To preserve and restore tidal flats and prevent safety accidents, it is necessary to construct tidal flat topographic information including the exact location and shape of tidal creeks. In the tidal flats where the field surveying is difficult to apply, airborne LiDAR surveying can provide accurate terrain data for a wide area. On the other hand, we can economically obtain relatively high-resolution data from UAV (Unmanned Aerial Vehicle) surveying. In this study, we proposed the methodology to generate high-resolution topographic information of tidal flats effectively by integrating airborne LiDAR and UAV point clouds. For the purpose, automatic ICP (Iterative Closest Points) registration between two different datasets was conducted and tidal creeks were extracted by applying CSF (Cloth Simulation Filtering) algorithm. Then, we integrated high-density UAV data for tidal creeks and airborne LiDAR data for flat grounds. DEM (Digital Elevation Model) and tidal flat area and depth were generated from the integrated data to construct high-resolution topographic information for large-scale tidal flat map creation. As a result, UAV data was registered without GCP (Ground Control Point), and integrated data including detailed topographic information of tidal creeks with a relatively small data size was generated.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
항공 라이다와 UAV 데이터는 대상 지형의 3차원 정보를 취득할 수 있다는 공통점을 갖지만, 측량범위, 비용, 적시성, 점밀도 등에서 상반된 장 · 단점을 갖는다. 본 연구에서는 효과적인 갯벌 지형정보 추출을 위하여 항공 라이다와 UAV 간 데이터 통합을 수행하고 갯골의 세부 지형을 갱신하는 방법을 제안하였으며, 이를 통해 대축척 갯벌 지도 제작을 위한 지형정보를 구축하고자 하였다. 이를 위해 자동 ICP 알고리즘을 이용하여 추가적인 GCP 취득 없이 UAV 데이터를 항공 라이다 데이터와 정합하고, CSF를 활용한 갯골 추출을 통해 갯골 영역에 대해서는 UAV 데이터를 평평한 지형에 대해서는 기존의 항공 라이다 데이터를 추출하여 통합 데이터를 구성하였다.
따라서 갯벌의 진화 및 변화 과정을 모니터링하기 위해서는 갯골 영역에 대한 세밀한 관측이 필요하고, 갯골이 아닌 평평한 지역은 상대적으로 낮은 밀도의 관측으로 충분할 수 있다. 이에 본 연구에서는 항공 라이다와 UAV 데이터 간 통합에 있어 중첩 영역을 단순 병합하는 것이 아니라, 높은 점밀도의 UAV 데이터로부터 갯골 영역에 대한 지형정보를, 상대적으로 낮은 점밀도의 항공 라이다 데이터로부터는 평지 부분의 지형정보를 추출하여 통합하고자 한다. 데이터 통합을 통한 고해상도 갯벌 지형정보 생성 과정은 Fig.
항공 라이다 측량을 통해 전체 갯벌 지역에 대한 광역적 데이터를 취득하고, 일부 데이터 누락영역이나 지형 변화가 활발하여 수시로 모니터링이 필요한 국소 관심 지역에 대해서는 UAV 측량을 통해 세부 지형정보를 취득하여 함께 활용하는 것이 효과적일 수 있다. 이에 본 연구에서는 항공 라이다와 UAV 데이터로부터 대축척 갯벌 지도 제작을 위한 고해상도 지형정보 생성 방법을 제안하였다. 우리나라 서해안 갯벌 지역에서 간조 시에 취득한 항공 라이다와 UAV 데이터를 GCP 없이 통합하여 포인트 클라우드 및 DEM을 생성하고, 갯골의 3차원 지형정보를 추출하였다.
이는 GCP를 취득하기 어려운 환경인 갯벌 지역에서의 UAV 데이터 활용에 한계점으로 작용한다. 추가적인 GCP 취득 없이 UAV 데이터의 위치 정확도를 향상시키고, 항공 라이다 데이터와의 통합을 수행하기 위해, 본 연구에서는 데이터 간의 ICP 정합을 수행하였다. ICP는 이종의 3차원포인트클라우드를 자동정합하기 위해 활용되는대표적인 알고리즘으로, 두 데이터에서 가장 가까운 점 쌍을 찾아그 평균 제곱 거리가 최소가 되도록 반복적으로 회전 및 이동 변환을 수행한다(Besel and Mckay, 1992).
가설 설정
(2020)은 객체의 크기나 형태와 무관하게 적용 가능한 지면 필터링 방법인 CSF 알고리즘이, 형태가 다양하고 경계가 불명확한 갯골 추출에 효과적으로 활용될 수 있음을 밝힌 바 있다. CSF 알고리즘을 갯골 추출에 적용할 경우, 반전시키지 않은 갯벌 지역 포인트 클라우드에 가상의 직물을 덮는다고 가정하고, 그 직물과 닿는 포인트들을 비갯골 평지로, 직물과 일정 간격 이상 떨어진 포인트들을 갯골로 간주하여 분류를 수행할 수 있다(Fig. 2(b)).
제안 방법
1과 같다. ICP 알고리즘을 이용하여 UAV 데이터의 포인트 클라우드를 항공 라이다 포인트 클라우드에 정합(registration)시킨 후, 각 데이터에서 갯골 영역과 비갯골 평지 영역의 포인트들을 지면 필터링(ground filtering) 기법인 CSF를 활용하여 자동으로 분류한다. 이후 UAV 데이터의 갯골 포인트들과 항공 라이다 데이터의 비갯골 포인트들을 병합하여 통합된 포인트 클라우드 및 DEM을 생성한다.
이후 UAV 데이터의 갯골 포인트들과 항공 라이다 데이터의 비갯골 포인트들을 병합하여 통합된 포인트 클라우드 및 DEM을 생성한다. 마지막으로 갯골의 깊이를 계산하고, 갯골 영역 벡터화(vectorizing)를 수행한 후, 대상 지역의 항공 영상과 결합하여 갯골의 3차원 지형정보를 포함하는 갯벌 지도를 제작한다.
이는 육상 항공 라이다 측량에서 nDSM (normalized DSM)을 생성하는 과정과 동일한 방법이다. 마지막으로, DEM, 갯골 폴리곤 및 깊이 등의 생성된 지형정보들을 해당 지역의 항공 영상과 결합하여 갯벌 지도를 제작한다.
ICP는 이종의 3차원포인트클라우드를 자동정합하기 위해 활용되는대표적인 알고리즘으로, 두 데이터에서 가장 가까운 점 쌍을 찾아그 평균 제곱 거리가 최소가 되도록 반복적으로 회전 및 이동 변환을 수행한다(Besel and Mckay, 1992). 본 연구에서는 UAV 촬영 영상들로부터 SfM (Structure from Motion) 자동 매칭을 통해 포인트 클라우드를 생성하고, 항공 라이다 포인트 클라우드와 서로 중첩(overlap)되는 영역에 대해 항공 라이다를 기준으로 UAV 포인트 클라우드를 정합하였다.
이에 본 연구에서는 항공 라이다와 UAV 데이터로부터 대축척 갯벌 지도 제작을 위한 고해상도 지형정보 생성 방법을 제안하였다. 우리나라 서해안 갯벌 지역에서 간조 시에 취득한 항공 라이다와 UAV 데이터를 GCP 없이 통합하여 포인트 클라우드 및 DEM을 생성하고, 갯골의 3차원 지형정보를 추출하였다.
본 연구에서는 효과적인 갯벌 지형정보 추출을 위하여 항공 라이다와 UAV 간 데이터 통합을 수행하고 갯골의 세부 지형을 갱신하는 방법을 제안하였으며, 이를 통해 대축척 갯벌 지도 제작을 위한 지형정보를 구축하고자 하였다. 이를 위해 자동 ICP 알고리즘을 이용하여 추가적인 GCP 취득 없이 UAV 데이터를 항공 라이다 데이터와 정합하고, CSF를 활용한 갯골 추출을 통해 갯골 영역에 대해서는 UAV 데이터를 평평한 지형에 대해서는 기존의 항공 라이다 데이터를 추출하여 통합 데이터를 구성하였다. 실험 결과, 항공라이다 데이터 기준 UAV 데이터의 자동 정합 RMSE는 0.
그러나 갯벌 지형에서 갯골을 제외한 대부분의 지역은 거의 평평한 지면으로 UAV 포인트 클라우드와 같이 높은 점밀도로 표현할 필요가 없으며, 과도한 점밀도는 데이터 용량 및 관리에도 부담으로 작용할 수 있다. 이에 효율적인 데이터 처리 및 지형정보 생성을 위해, 항공 라이다와 UAV의 각 포인트 클라우드를 갯골대 비갯골 포인트로 분류하고, 항공 라이다의 비갯골 포인트들과 UAV의 갯골 포인트들을 통합한다. 통합된 포인트 클라우드를 래스터화(rasterizing)하여 고해상도 DEM을 생성하고, 지도 제작을 위해 갯골 영역에 대한 벡터화를 수행하여 갯골 경계를 폴리곤으로 표시한다.
ICP 알고리즘을 이용하여 UAV 데이터의 포인트 클라우드를 항공 라이다 포인트 클라우드에 정합(registration)시킨 후, 각 데이터에서 갯골 영역과 비갯골 평지 영역의 포인트들을 지면 필터링(ground filtering) 기법인 CSF를 활용하여 자동으로 분류한다. 이후 UAV 데이터의 갯골 포인트들과 항공 라이다 데이터의 비갯골 포인트들을 병합하여 통합된 포인트 클라우드 및 DEM을 생성한다. 마지막으로 갯골의 깊이를 계산하고, 갯골 영역 벡터화(vectorizing)를 수행한 후, 대상 지역의 항공 영상과 결합하여 갯골의 3차원 지형정보를 포함하는 갯벌 지도를 제작한다.
495m였다. 항공 라이다의 비갯골 평지 포인트들과 UAV의 갯골 영역 포인트들 간의 통합을 위해, 각 데이터에 CSF를 활용한 갯골 추출을 수행하였다. Fig.
대상 데이터
11m이다. UAV 데이터는 DJI사의 FC6310 카메라를 통해 2019년 11월 27일 간조 시에 촬영되었으며, Agisoft Photoscan Pro 소프트웨어를 이용하여 포인트 클라우드를 생성하였고, 평균 점밀도는 99.7pt/m2이다.
5m이다. 광역지역에 대해 기취득된 항공 라이다 데이터와 이후 국소지역에 대해 취득된 UAV 데이터 간의 통합 실험을 하기 위해, UAV 데이터는 대상 지역중 일부분을 절취하여 사용하였다(Fig. 3). 실험에 사용된 항공라이다 데이터는 Teledyne Optech사의 CZMIL (Coastal Zone Mapping and Imaging LiDAR) Nova 시스템(Teledyne Optech, 2015)을 통해 2017년 4월 26일 간조 시에 취득되었으며, 평균점밀도는 0.
실험 대상 지역은 서해 아산만 근처의 영흥도의 갯벌지역 850×400m2으로, 평균 조차(mean tidal range)는 약 5.3m이다.
3). 실험에 사용된 항공라이다 데이터는 Teledyne Optech사의 CZMIL (Coastal Zone Mapping and Imaging LiDAR) Nova 시스템(Teledyne Optech, 2015)을 통해 2017년 4월 26일 간조 시에 취득되었으며, 평균점밀도는 0.83pt/m2 , 사전 보정 위치 정확도는 0.11m이다. UAV 데이터는 DJI사의 FC6310 카메라를 통해 2019년 11월 27일 간조 시에 촬영되었으며, Agisoft Photoscan Pro 소프트웨어를 이용하여 포인트 클라우드를 생성하였고, 평균 점밀도는 99.
이론/모형
갯골 추출은 기준면으로부터 돌출된 객체를 분리한다는 점에서 육상 라이다 측량에서 지면으로부터 상향 돌출된 객체(건물, 나무 등) 를 분리하는 기술인 지면 필터링과 유사한 성격을 갖는다. 이에 본 연구에서는 지면 필터링 기술 중 갯골 추출에 적합한 알고리즘으로 제안된 바 있는 CSF를 활용하여 갯골 포인트들을추출하였다(Kim et al., 2019; Kim et al., 2020). CSF (Zhang et al.
성능/효과
4는 갯골 추출 결과이며, 점밀도 차이에 의한 세부 지류의 차이를 제외하면 각 데이터로부터 추출된 갯골은 동일한 형태임을 확인할 수 있다. CSF가 해당 지역에 대해 유효하게 갯골 영역을 추출하였는지를 확인하기 위하여, 각 데이터로부터 수동으로 추출한 갯골 포인트들과의 비교평가를 수행한 결과, 항공 라이다 데이터는 전체 정확도(overall accuracy) 97.1%, Kappa 0.872, UAV 데이터는 전체 정확도 96.9%, Kappa는 0.863으로 나타났다(Table 2). 일반적으로 Kappa가 0.
이를 위해 자동 ICP 알고리즘을 이용하여 추가적인 GCP 취득 없이 UAV 데이터를 항공 라이다 데이터와 정합하고, CSF를 활용한 갯골 추출을 통해 갯골 영역에 대해서는 UAV 데이터를 평평한 지형에 대해서는 기존의 항공 라이다 데이터를 추출하여 통합 데이터를 구성하였다. 실험 결과, 항공라이다 데이터 기준 UAV 데이터의 자동 정합 RMSE는 0.495m 였으며, 통합된데이터의포인트클라우드는 UAV 데이터의 4분의 1 정도의 저장 용량으로도 갯골의 세부 지형정보를 효과적으로 표현할 수 있었다. 이로부터 공간 해상도 0.
동일 면적의 중첩 지역에 대한 항공 라이다, UAV, 그리고 통합 데이터 각각의 포인트 수와 저장 용량은 Table 3과 같다. 실험에 사용된 항공 라이다와 UAV 데이터 간 포인트 수는 100배 이상 차이를 보이며, 통합된 포인트 클라우드는 UAV 데이터에 대비 약 4분의 1 정도의 포인트 수와 저장 용량을 차지한다. 이처럼 통합된 포인트 클라우드를 통해 갯골의 세부 지형정보를 보존하면서도 평평한 지역은 낮은 점밀도의 데이터로 구성하여 데이터 저장 및 관리의 효율성을 높일 수 있다.
495m 였으며, 통합된데이터의포인트클라우드는 UAV 데이터의 4분의 1 정도의 저장 용량으로도 갯골의 세부 지형정보를 효과적으로 표현할 수 있었다. 이로부터 공간 해상도 0.25m의 갯벌 지도 및 갯골 지도를 실험적으로 제작하였으며, 갯벌 지역의 고해상도 지형정보 구축을 위해 항공 라이다와 UAV 데이터가 상호보완적으로 활용될 수 있음을 확인하였다. 제안한 방법은 항공라이다 데이터가 정확히 간조 시에 취득되지 않아 데이터 누락이 발생한 침수지역이나, 지역적으로 세밀한 갯골 지형정보가 필요한 관심 지역의 데이터 보완 및 갱신에 적용할 수 있으며, 국소지역에 대한 지속적인 갯골 변화 모니터링에도 활용 가능할 것으로 기대된다.
863으로 나타났다(Table 2). 일반적으로 Kappa가 0.8 이상이면 우수한 성과로 평가되므로(Landis and Koch, 1977) 본 실험에서 갯골 영역이 유효하게 추출되었음을 확인할 수 있다.
항공 라이다 포인트 클라우드를 기준으로 하여 UAV 포인트 클라우드를 정합시키기 위해, 두 데이터의 중첩 영역을 절취하여 포인트 클라우드 간 ICP 정합을 수행한 결과 RMSE는 0.495m였다. 항공 라이다의 비갯골 평지 포인트들과 UAV의 갯골 영역 포인트들 간의 통합을 위해, 각 데이터에 CSF를 활용한 갯골 추출을 수행하였다.
후속연구
9는 항공 영상과 갯골의 영역 및 깊이를 결합하여 제작한 갯골 지도의 예시로, 안전사고 방지나 수렵 · 채취 등에 활용 하기 적합하다. 또한, 현재 해안지역의 고도정보는 공개가 제한 되고 있는데, 제안한 갯골 지도는 DEM과 같은 지형 고도는 포함하지 않고 갯골의 깊이만을 표시하여 보다 활용도가 높을 것으로 기대된다.
하지만 항공 라이다는 비행 계획 및 준비에 많은 시간과 비용이 소요되며, 폭이 좁고 얕은 갯골의 세부 지류를 정밀하게 관측하기에는 일반적으로 점밀도(point density)가 충분하지 않아 갯벌의 활발한 지형변화를 수시로 모니터링하는 데 한계가 있다. 이에 상대적으로 촬영이 빠르고 경제적이며 원하는 시기에 고해상도의 데이터 취득이 가능한 UAV가 대안으로 활용될 수 있다. Jaud et al.
제안한 방법은 항공라이다 데이터가 정확히 간조 시에 취득되지 않아 데이터 누락이 발생한 침수지역이나, 지역적으로 세밀한 갯골 지형정보가 필요한 관심 지역의 데이터 보완 및 갱신에 적용할 수 있으며, 국소지역에 대한 지속적인 갯골 변화 모니터링에도 활용 가능할 것으로 기대된다. 이에 향후에는 UAV 시계열 데이터를 이용한 갯골 변화 탐지에 관한 연구를 수행할 계획이다.
25m의 갯벌 지도 및 갯골 지도를 실험적으로 제작하였으며, 갯벌 지역의 고해상도 지형정보 구축을 위해 항공 라이다와 UAV 데이터가 상호보완적으로 활용될 수 있음을 확인하였다. 제안한 방법은 항공라이다 데이터가 정확히 간조 시에 취득되지 않아 데이터 누락이 발생한 침수지역이나, 지역적으로 세밀한 갯골 지형정보가 필요한 관심 지역의 데이터 보완 및 갱신에 적용할 수 있으며, 국소지역에 대한 지속적인 갯골 변화 모니터링에도 활용 가능할 것으로 기대된다. 이에 향후에는 UAV 시계열 데이터를 이용한 갯골 변화 탐지에 관한 연구를 수행할 계획이다.
질의응답
핵심어
질문
논문에서 추출한 답변
CSF란 무엇인가?
CSF (Zhang et al., 2016)는 3차원 컴퓨터 그래픽에서 옷이나 커튼과 같은 직물의 자연스러운 표현을 위해 상호 연결된 입자(particle) 로 구성된 격자 형태로 직물을 모델링하는 직물 시뮬레이션 (cloth simulation; Provot, 1995) 기술을, 항공 라이다 데이터의 지면 필터링에 적용할 수 있도록 고안된 방법이다. Zhang et al.
영흥도 갯벌지역에 나타나는 갯골의 특징은 무엇인가?
이 지역은 섬의 동쪽 해안에 분포한 반폐쇄형 갯벌로 하천이나 파랑의 영향을 크게 받지않아 시간에 따른 지형변화가 크지 않으며, 자갈, 모래, 실트가 고르게 분포한다(Korea MOF, 2017). 주로 갯골이 해안 둑을 따라 발달해 있으며, 갯골의 최대 폭은 약 30m, 최대 깊이는 약 2.5m이다. 광역지역에 대해 기취득된 항공 라이다 데이터와 이후 국소지역에 대해 취득된 UAV 데이터 간의 통합 실험을 하기 위해, UAV 데이터는 대상 지역중 일부분을 절취하여 사용하였다(Fig.
ICP의 특징은 무엇인가?
추가적인 GCP 취득 없이 UAV 데이터의 위치 정확도를 향상시키고, 항공 라이다 데이터와의 통합을 수행하기 위해, 본 연구에서는 데이터 간의 ICP 정합을 수행하였다. ICP는 이종의 3차원포인트클라우드를 자동정합하기 위해 활용되는대표적인 알고리즘으로, 두 데이터에서 가장 가까운 점 쌍을 찾아그 평균 제곱 거리가 최소가 되도록 반복적으로 회전 및 이동 변환을 수행한다(Besel and Mckay, 1992). 본 연구에서는 UAV 촬영 영상들로부터 SfM (Structure from Motion) 자동 매칭을 통해 포인트 클라우드를 생성하고, 항공 라이다 포인트 클라우드와 서로 중첩(overlap)되는 영역에 대해 항공 라이다를 기준으로 UAV 포인트 클라우드를 정합하였다.
참고문헌 (20)
Besel, P.J. and Mckay, N.D. (1992), A method for registration of 3-D shapes. IEEE Transactions of Pattern Analysis and Machine Intelligence, Vol. 14, No. 2, pp. 239-256.
Chirol, C., Haigh, I.D., Pontee, N., Thompson, C.E., and Gallop, S.L. (2018), Parametrizing tidal creek morphology in mature saltmarshes using semi-automated extraction from lidar. Remote Sensing of Environment, Vol. 209, pp. 291-311.
Erwin, K.L. (2009), Wetlands and global climate change: the role of wetland restoration in a changing world. Wetlands Ecology and Management, Vol. 17, No. 1, pp. 71-84.
Fagherazzi, S., Bortoluzzi, A., Dietrich, W.E., Adami, A., Lanzoni, S., Marani, M., and Rinaldo, A. (1999), Tidal networks: 1. Automatic network extraction and preliminary scaling features from digital terrain maps. Water Resources Research, Vol. 35, No. 12, pp. 3891-3904.
Jaud, M., Grasso, F., Le Dantec, N., Verney, R., Delacourt, C., Ammann, J., Deloffre, J., and Grandjean, P., (2016), Potential of UAVs for monitoring mudflat morphodynamics (application to the seine estuary, France). ISPRS International Journal of Geo-Information, Vol. 5, No. 4, p. 50.
Kim, H.J., Kim, Y.I., and Lee, J.B. (2019), Extraction of tidal creeks using MCSF algorithm and UAV surveying data, Journal of Korean Society for Geospatial Information Science, Vol. 27, No. 1, pp. 43-50. (in Korean with English abstract)
Kim, H., Kim, Y., and Lee, J. (2020), Tidal creek extraction from airborne LiDAR data using ground filtering techniques, KSCE Journal of Civil Engineering, Vol. 24, No. 9, pp. 2767-2783.
Koh, C.H. and Khim, J.S. (2014), The Korean tidal flat of the Yellow Sea: Physical setting, ecosystem and management. Ocean & Coastal Management, Vol. 102, pp. 398-414.
Korea MOF (2017), Annual Report of the National Marine Ecosystem Monitoring. GPRN 11-1192000-000476-10, Korea Ministry of Oceans and Fisheries (Korea MOF), Sejong, pp. 55-62.
Landis, J.R. and Koch, G.G. (1977), The measurement of observer agreement for categorical data. Biometrics, Vol. 33, No. 1, pp. 159-174.
Liu, Y., Zhou, M., Zhao, S., Zhan, W., Yang, K., and Li, M. (2015), Automated extraction of tidal creeks from airborne laser altimetry data. Journal of Hydrology, Vol. 527, pp. 1006-1020.
Luisetti, T., Turner, R.K., Jickells, T., Andrews, J., Elliott, M., Schaafsma, M., Beaumont, N., Malcolm, S., Burdon, D., Adams, C., and Watts, W. (2014), Coastal zone ecosystem services: from science to values and decision making; a case study. Science of the Total Environment, Vol. 493, pp. 682-693.
Martinez-Carricondo, P., Aguera-Vega, F., Carvajal-Ramirez, F., Mesas-Carrascosa, F.J., Garcia-Ferrer, A., and Perez-Porras, F.J. (2018), Assessment of UAV-photogrammetric mapping accuracy based on variation of ground control points. International Journal of Applied Earth Observation and Geoinformation, Vol. 72, pp. 1-10.
Pe'eri, S. and Long, B. (2011), LIDAR technology applied in coastal studies and management. Journal of Coastal Research, Vol. 62, pp. 1-5.
Perillo, G., Wolanski, E., Cahoon, D.R., and Hopkinson, C.S. (Eds.) (2018), Coastal Wetlands: an Integrated Ecosystem Approach, 2nd Edition, Elsevier, Amsterdam, Netherlands, pp. 221-234.
Pirotti, F., Guarnieri, A., and Vettore, A. (2013), State of the art of ground and aerial laser scanning technologies for highresolution topography of the earth surface. European Journal of Remote Sensing, Vol. 46, No. 1, pp. 66-78.
Provot, X. (1995, May), Deformation constraints in a mass-spring model to describe rigid cloth behaviour, Graphics interface, Canadian Information Processing Society, 17-19, May, Quebec, Canada, pp. 147-147.
Teledyne Optech (2015), CZMIL Nova datasheet. Teledyne Optech, Toronto, http://info.teledyneoptech.com/acton/attachment/19958/f-02c4/1/-/-/-/-/CZMIL-Nova-Specsheet-150626-WEB.pdf (last date accessed: 1 August, 2019).
Zhang, W., Qi, J., Wan, P., Wang, H., Xie, D., Wang, X., and Yan, G. (2016), An easy-to-use airborne LiDAR data filtering method based on cloth simulation, Remote Sensing, Vol. 8, p.501.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.