[논문]무인항공영상 기반 3D 모델의 세밀도와 위치정확도 평가

이재원; 김두표; 성상민

doi:10.5762/kais.2020.21.10.197

무인항공영상 기반 3D 모델의 세밀도와 위치정확도 평가
Assessment of LODs and Positional Accuracy for 3D Model based on UAV Images 원문보기

한국산학기술학회논문지 = Journal of the Korea Academia-Industrial cooperation Society, v.21 no.10, 2020년, pp.197 - 205

이재원 (동아대학교 토목공학과) , 김두표 (동아대학교 토목공학과) , 성상민 (동아대학교 토목공학과)

초록
AI-Helper

무인항공사진측량은 기존의 유인항공사진측량에 비하여 고해상도의 영상을 신속하게 취득하여 활용할 수 있다는 장점이 있다. 특히, 무인항공사진측량을 이용한 3차원 공간정보의 활용성이 커지는 시점에서 무인항공사진측량을 이용한 3차원 모델 제작은 상당히 중요한 문제이다. 이에 본 연구에서는 무인항공사진측량을 이용하여 3차원 모델을 제작하고 정성적 및 정량적 분석을 통하여 활용 가능성을 판단하고자 하였다. 정성적 분석은 3차원 국토공간정보 구축 작업규정에 명시된 세밀도를 이용하여 분석하였다. 그 결과 평면상에 존재하는 지형·지물의 경우 높은 세밀도 Level을 보였지만, 고저차가 있는 지형·지물의 경우 폐색지역 및 시차로 인하여 낮은 세밀도 Level을 나타냈다. 정량적 분석은 검사점과 주변 구조물에서 취득한 3차원 좌표를 이용하여 분석하였다. 그 결과 검사점의 경우 평균오차가 평면에서 0.042~0.059 m, 표고에서 0.050~0.161 m로 나타났으며 구조물의 모서리를 이용한 정확도 분석 결과는 평균오차가 평면에서 0.068 m, 표고에서 0.071 m로 나타났다. 따라서, 무인항공사진측량에 의한 3차원 모델은 디지털 트윈, 사면 경사도 분석 및 BIM분야에도 활용 가능성이 있다고 판단된다.

Abstract ▼ AI-Helper

Compared to aerial photogrammetry, UAV photogrammetry has advantages in acquiring and utilizing high-resolution images more quickly. The production of 3D models using UAV photogrammetry has become an important issue at a time when the applications of 3D spatial information are proliferating. Therefore, this study assessed the feasibility of utilizing 3D models produced by UAV photogrammetry through quantitative and qualitative analyses. The qualitative analysis was performed in accordance with the LODs (Level of Details) specified in the 3D Land Spatial Information Construction Regulation. The results showed that the features on planes have a high LoD while features with elevation differences have a low LoD due to the occlusion area and parallax. Quantitative analysis was performed using the 3D coordinates obtained from the CPs (Checkpoints) and edges of nearby structures. The mean errors for residuals at CPs were 0.042 m to 0.059 m in the horizontal and 0.050 m to 0.161 m in the vertical coordinates while the mean errors in the structure's edges were 0.068 m and 0.071 m in horizontal and vertical coordinates, respectively. Therefore, this study confirmed the potential of 3D models from UAV photogrammetry for analyzing the digital twin and slope as well as BIM (Building Information Modeling).

주제어

표/그림 (17)

그림 Fig. 1. Concept of SfM [10]
표 Table 1. Classification of LODs
표 Table 2. Examples of 3D model production by each LOD
그림 Fig. 2. Study Area
표 Table 3. Specifications of UAVs and sensors
표 Table 4. Flight parameters in each study area
그림 Fig. 3. Process of GCP input
그림 Fig. 4. Producing of sparse point clouds and 3D model by context capture
표 Table 5. LoDs in traffic data
표 Table 6. LoDs in building data
그림 Fig. 5. Distortion of 3D model
그림 Fig. 6. Altitude changes according to the different terrain slope
그림 Fig. 7. Objects for 3D coordinates extraction
그림 Fig. 8. Extraction of 3D coordinate using viewer
표 Table 7. LoDs in water resource data
표 Table 8. Comparison of CPs coordinates between field survey and 3D model (unit: m)
표 Table 9. Accuracy analysis of 3D positioning by each object (unit: m)

AI 본문요약
AI-Helper

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

문제 정의

이에 본 연구에서는 일반적으로 지도 제작을 목적으로 취득된 무인항공영상을 이용하여 3차원 모델을 제작하였다. 그리고 검사점 및 구조물의 모서리 좌표를 이용하여 3차원 모델의 정확도와 세밀도를 정량적 및 정성적으로 분석하여 실제 활용 가능성을 판단하고자 하였다.
본 연구는 무인항공사진측량으로 제작된 3차원 모델을 정성적, 정략적으로 분석하여 3차원국토공간정보 제작 가능성을 판단하고자 하였다. 정량적 분석은 검사점의 현장측량 3차원 좌표와 3차원 모델에서 추출한 좌표를 비교하여 분석하였으며, 일부 지형·지물의 3차원 좌표를 취득하여 분석하였다.
그러나 현재 디지털 트윈, 가상현실, 자율주행도로 등 3차원 공간정보 기반 서비스가 확대되면서 가상현실 세계의 필요성이 높아지고 있다. 이에 국토지리정보원은 3차원 국토공간정보 구축 작업규정을 만들어 품질을 확보하고자 하였다[7].

제안 방법

결과 분석은 정성적 분석과 정량적 분석으로 나누어 진행하였다. 3차원 모델의 정성적 분석을 위하여 국토지리정보원에서 고시한 「3차원국토공간정보구축작업규정」에 따라 세밀도를 교통데이터, 건물데이터, 수자원 데이터로 분류하여 분석하였다. 정량적 분석을 위하여 검사점과 지형·지물에 대한 3차원 좌표를 취득하여 3차원 모델에서 추출한 좌표와 비교하여 정확도를 분석하였다.
각 연구 대상지의 특성을 살펴보면 A지역은 주로 농경지로 이루어진 지역이며, B지역은 고저차가 많이 나는 지형, C지역은 도심지로 건물이 많은 특성이 있다. 3차원 모델의 정확도를 높이기 위하여 촬영 전 지상기준점을 설치하고 정확도 분석을 위한 검사점을 선점하여 Network RTK-VRS(Real Time Kinematic Virtual Reference Station)로 3차원 좌표를 취득하였다. 한편 3차원 모델의 정확도를 더욱 세밀하게 분석하기 위하여 A 지역 내 일부 지형·지물을 선정하여 Network RTK-VRS와 토탈스테이션을 이용하여 3차원 좌표를 취득하였다.
UAV로 취득된 영상 및 GCP를 Fig. 3과 같이 입력하여 특징점을 추출하고 3차원 모델을 제작하였다. Fig.
연구 대상지별 검사점을 이용하여 정확도를 분석하였다. 검사점 좌표를 Network RTK-VRS로 취득하여 3차원 모델에서 추출한 좌표와 비교하였다. 그림 2의 연구 대상지 A, B, C의 각 지역의 검사점에 대한 정확도 분석 결과 Table 8과 같이 평균오차가 평면에서 0.
3차원 모델 제작 영상은 GSD (Ground Sample Distance) 5cm 이내로 취득된 영상을 이용하였으며 Bentley사 Context Capture를 이용하여 제작하였다. 결과 분석은 정성적 분석과 정량적 분석으로 나누어 진행하였다. 3차원 모델의 정성적 분석을 위하여 국토지리정보원에서 고시한 「3차원국토공간정보구축작업규정」에 따라 세밀도를 교통데이터, 건물데이터, 수자원 데이터로 분류하여 분석하였다.
교통 데이터 세분류에 나타나 있는 항목 중 도로, 철도, 교량에 대한 3차원 모델을 제작하여 세밀도를 분석하였다. 분석 결과 도로의 경우 중심선, 차선, 횡단보도 등 모두 실사영상으로 제작되었으나 인도와 차도의 경계가 명확하지 않아 3차원 국토공간정보구축작업규정의 세밀도 Level 4를 만족시키지 못하였다.
무인항공사진측량으로 제작된 3차원 모델의 세밀도 및 정확도를 분석하기 위하여 여러 지역에서 다양한 지형·지물에 대한 영상을 취득하여 3차원 모델을 제작하였다.
뿐만 아니라, 무인항공영상으로 제작된 여러 성과를 이용하여 지도 제작 방법별 정확도를 실제 지형·지물을 수치지도와 비교하여 정확도를 분석함으로써 지도제작의 가능성을 평가하였다[3].
Table 3은 기체 및 센서의 제원을 나타내고 있다. 영상 촬영 고도는 이론적 GSD가 5 cm이내가 되도록 설정하여 촬영하였으며 종중복도 60%, 횡중복도 70%로 촬영하였다. Table 4는 연구 대상지 이론적 GSD 및 운항고도, 중복도를 정리한 것이다.
UAV를 이용하여 3차원 모델을 제작하고 분석하는데 주로 하나의 객체 위주로 촬영된 영상을 기반으로 하나 넓은 범위를 3차원으로 공간정보화 하기에는 효율성이 낮아진다. 이에 본 연구에서는 일반적으로 지도 제작을 목적으로 취득된 무인항공영상을 이용하여 3차원 모델을 제작하였다. 그리고 검사점 및 구조물의 모서리 좌표를 이용하여 3차원 모델의 정확도와 세밀도를 정량적 및 정성적으로 분석하여 실제 활용 가능성을 판단하고자 하였다.
정량적 분석은 검사점의 현장측량 3차원 좌표와 3차원 모델에서 추출한 좌표를 비교하여 분석하였으며, 일부 지형·지물의 3차원 좌표를 취득하여 분석하였다.
정량적 분석을 위하여 검사점과 지형·지물에 대한 3차원 좌표를 취득하여 3차원 모델에서 추출한 좌표와 비교하여 정확도를 분석하였다.
정량적 분석은 검사점의 현장측량 3차원 좌표와 3차원 모델에서 추출한 좌표를 비교하여 분석하였으며, 일부 지형·지물의 3차원 좌표를 취득하여 분석하였다. 정성적 분석은 국토지리정보원에서 고시한 「3차원국토공간정보구축작업규정」의 세밀도를 기준으로 분석하여 다음과 같은 결론을 도출하였다.
지형·지물을 이용한 3차원 위치정확도는 대상지 A에서 현장 측량으로 취득한 3차원 좌표를 3차원 모델에서 추출한 좌표와 비교하여 분석하였다.
한편 3차원 모델의 정확도를 더욱 세밀하게 분석하기 위하여 A 지역 내 일부 지형·지물을 선정하여 Network RTK-VRS와 토탈스테이션을 이용하여 3차원 좌표를 취득하였다.

대상 데이터

무인항공사진측량으로 제작된 3차원 모델의 세밀도 및 정확도를 분석하기 위하여 여러 지역에서 다양한 지형·지물에 대한 영상을 취득하여 3차원 모델을 제작하였다. 3차원 모델 제작 영상은 GSD (Ground Sample Distance) 5cm 이내로 취득된 영상을 이용하였으며 Bentley사 Context Capture를 이용하여 제작하였다. 결과 분석은 정성적 분석과 정량적 분석으로 나누어 진행하였다.
건물의 세밀도는 단층, 중층(5층 이하), 고층 건물을 대상으로 분석하였다. Table 6의 단층건물 중 주택의 경우 실사영상으로 제작되었으며 지붕의 구조는 구현하였으나 수직적·수평적 돌출부 및 함몰부를 완벽하게 구현하지 못하였다.
A, B 지역 촬영 기체는 Phantom4 pro로 회전익 기체로 조작이 용이하고 2축 짐벌을 탑재하고 있어 레저용 및 영상 촬영용으로 많이 사용되는 장비이며 C지역 촬영 기체인 eBee는 고정익 기체로 한번 비행으로 넓은 범위의 영상을 취득할 수 있다. 센서는 Phantom4 pro는 FC6310, eBee는 Canon PowerShot ELPH 110 HS를 사용하였다. Table 3은 기체 및 센서의 제원을 나타내고 있다.
수자원 데이터는 호안, 제방 및 하천면을 대상으로 세밀도를 분석하였다. 호안, 제방 및 하천면은 Table 7과 같이 실사 영상 텍스처를 포함하고 사면, 하천면을 모두 표현하고 있어 세밀도 Level 4의 3차원 모델 제작이 가능하였다.
연구 대상지는 3차원 모델의 세밀도 분석 시 다양한 지형·지물을 분석하기 위하여 Fig. 2와 같이 경남 소재 A, B, C 세 지역의 영상을 촬영하였다.
영상 취득에 사용된 무인항공기는 DJI사 Phantom4 pro와 Sensefly사 eBee 두 가지 기체를 사용하였다. A, B 지역 촬영 기체는 Phantom4 pro로 회전익 기체로 조작이 용이하고 2축 짐벌을 탑재하고 있어 레저용 및 영상 촬영용으로 많이 사용되는 장비이며 C지역 촬영 기체인 eBee는 고정익 기체로 한번 비행으로 넓은 범위의 영상을 취득할 수 있다.

데이터처리

연구 대상지별 검사점을 이용하여 정확도를 분석하였다. 검사점 좌표를 Network RTK-VRS로 취득하여 3차원 모델에서 추출한 좌표와 비교하였다.

이론/모형

SfM을 이용한 3차원 형상 구현 과정은 SIFT를 이용하여 특징점을 추출하고 광속조정법을 이용하여 여러 영상에서 다수의 특징점을 추출하여 영상자세의 최적값을 찾아낸다. 영상의 자세가 결정되면 지상 기준점을 이용하여 3차원 포인트 클라우드를 생성하는데 이때 모든 영상의 픽셀이 이용되어 높은 밀도의 포인트 클라우드가 생성되며 이러한 과정을 Multi View Stereo (MVS)라 한다[9].
무인항공영상을 이용한 3차원 모델 제작은 Bentley사의 Context Capture를 이용하였다. Context Capture는 3차원 모델을 제작하는데 강점을 보이는 무인항공사진측량 프로그램으로 Viewer를 이용하면 해당 3차원 모델을 세부적으로 확인하여 정확도를 구하고자 하는 지점의 3차원 좌표, 길이, 면적, 체적 등을 확인 할 수 있다.

성능/효과

넷째, 검사점을 이용하여 정확도를 분석한 결과 C지역에서의 표고오차가 비교적 크게 나타났다. A, B 지역과 C지역의 표고오차의 차이는 영상 간 특성 차이가 가장 큰 GSD로 인한 결과로 사료되며 각 지역의 평면, 표고의 평균오차를 비교하였을 때 GSD의 영향이 평면 보다 표고오차에 더 크게 미치는 것으로 판단된다. 또한 A 지역의 지형·지물 정확도는 평면과 표고 모두 평균오차가 8 cm이하로 나타나 활용성이 높을 것으로 보인다.
넷째, 검사점을 이용하여 정확도를 분석한 결과 C지역에서의 표고오차가 비교적 크게 나타났다. A, B 지역과 C지역의 표고오차의 차이는 영상 간 특성 차이가 가장 큰 GSD로 인한 결과로 사료되며 각 지역의 평면, 표고의 평균오차를 비교하였을 때 GSD의 영향이 평면 보다 표고오차에 더 크게 미치는 것으로 판단된다.
둘째, 건물 데이터의 세밀도는 구조가 복잡한 주택이나 고층 건물의 경우 폐색지역 및 시차 등으로 인하여 Level 2의 낮은 세밀도를 나타내었으며, 구조가 간단하고 저층인 건물의 경우 비교적 높은 세밀도 Level 3을 나타냈다.
또한 A 지역의 지형·지물 정확도는 평면과 표고 모두 평균오차가 8 cm이하로 나타나 활용성이 높을 것으로 보인다.
교통 데이터 세분류에 나타나 있는 항목 중 도로, 철도, 교량에 대한 3차원 모델을 제작하여 세밀도를 분석하였다. 분석 결과 도로의 경우 중심선, 차선, 횡단보도 등 모두 실사영상으로 제작되었으나 인도와 차도의 경계가 명확하지 않아 3차원 국토공간정보구축작업규정의 세밀도 Level 4를 만족시키지 못하였다. 철도 또한 철로 및 주변 지형·지물이 완벽히 제작되지 않아 Level 3의 수준을 나타냈으며, 교량은 Table 5에 나타난 것과 같이 교량의 형태는 확인 할 수 있으나 하부의 교각 부분이 제작되지 않아 규정상 Level 1의 세밀도를 나타내고 있다.
셋째, 수자원 데이터는 전체적인 형상 및 하천면 또한 잘 표현되어 Level 4의 3차원 모델 제작이 가능할 것으로 판단된다. 그러나 본 연구의 하천면은 폭이 좁은 하천을 대상으로 하였으므로 폭이 넓은 하천의 경우 특징점이 부족하여 수표면이 높은 세밀도로 구현되지 않을 수 있을 것으로 보인다.
첫째, 교통 데이터의 세밀도 분석결과 도로와 같은 평면상의 지형은 Level 3의 높은 세밀도를 나타냈지만 교량과 같이 고저차가 있는 구조물, 폐색지역이 발생 되는 구조물의 경우 세밀도가 Level 1~2로 현저히 저하되는 것을 확인 할 수 있었다.

후속연구

셋째, 수자원 데이터는 전체적인 형상 및 하천면 또한 잘 표현되어 Level 4의 3차원 모델 제작이 가능할 것으로 판단된다. 그러나 본 연구의 하천면은 폭이 좁은 하천을 대상으로 하였으므로 폭이 넓은 하천의 경우 특징점이 부족하여 수표면이 높은 세밀도로 구현되지 않을 수 있을 것으로 보인다.
따라서, 무인항공영상을 이용하여 제작한 3차원 모델은 정성적인 세밀도 분석과 정량적인 정확도 분석 결과로 보았을 때 디지털 트윈, 경사도 분석 및 BIM 분야 등에 활용 가능성이 있다고 판단된다.
하지만 본 연구는 수직사진을 이용하여 분석한 결과로 추후 경사사진 및 보다 높은 GSD의 영상을 이용하여 3차원 모델을 제작하고 분석할 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	무인항공사진측량의 장점은 무엇인가?	주로 무인항공기는 운송, 농업, 감시 등에 활용되어왔으나 최근 드론에 카메라 탑재가 가능해지고 영상처리 소프트웨어가 개발되면서 무인항공사진측량 분야에서의 활용성 또한 증대되고 있다. 특히 무인항공사진측량은 기존의 유인항공사진측량에 비하여 제약조건이 적으면서도 신속 정확하게 3차원 공간정보 취득이 가능하다는 장점이 있다. 또한 3차원 공간정보의 필요성이 나날이 높아지고 있는 현대에서 무인항공영상의 활용 가치는 더욱 높아지고 있다.
	SfM에서 점을 추출하는 방법에는 무엇이 있는가?	SfM은 여러 영상에서 동일한 지점을 특징점으로 추출하여 3차원 형상을 구현하는 것으로 영상의 외부표정요소 없이도 카메라의 자세 결정이 가능한 방법이다. 이때 특징점을 추출하는 방법은 대표적으로 SIFT, SURF, BRIF 등이 있다. SfM이 외부표정요소 없이 카메라의 자세 결정이 가능한 것은 여러 영상에서 특징점 매칭을 통해 재구성되기 때문이다[8].
	SfM 무엇인가?	SfM은 여러 영상에서 동일한 지점을 특징점으로 추출하여 3차원 형상을 구현하는 것으로 영상의 외부표정요소 없이도 카메라의 자세 결정이 가능한 방법이다. 이때 특징점을 추출하는 방법은 대표적으로 SIFT, SURF, BRIF 등이 있다.

참고문헌 (12)

J. O. Lee, D. P. Kim, "Analysis of three dimensional positioning accuracy of vectorization using UAV-Photogrammetry", Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, Vol.37, No.6, pp.525-533, Dec. 2019. DOI: https://dx.doi.org/10.7848/ksgpc.2019.37.6.525
J. O. Lee, S. M. Sung, "Accuracy analysis of boundary determination in dwelling site according to different placement of boundary point using UAV photogrammetry", Journal of the Korean Society of Cadastre, Vol.32, No.3, pp.123-134, Dec. 2016.
D. P. Kim, Accuracy analysis of feature collection methods using UAV-photogrammetry, Master's thesis, Dong-A University, Busan, Korea, pp.1-69, 2019.
K. H. Lee, S. E. Hong, "Building boundary extraction and registration of cadastral re-survey project using UAV 3D modelling image", Journal of the Korean Society of Cadastre, Vol.4, No.1, pp.197-209, Apr. 2020.
S. Michal, T. Alicja, L. Paulina, "Comparative analysis of 3D models made with various technologies on the example of altar in the Wang temple in Karpacz", Baltic Geodetic Congress, Computer Science, Gdansk, Poland, pp.116-120, Jun. 2017. DOI: https://dx.doi.org/10.1109/BGC.Geomatics.2017.17
J. K. Park, K. Y. Jung, "3D model generation and accuracy evaluation using unmanned aerial oblique image", Journal of the Korea Academia-Industrial cooperation Society, Vol.20, No.3, pp.587-593, Mar. 2019. DOI: https://doi.org/10.5762/KAIS.2019.20.3.587
National Geographic Information Institute (NGII), Regulation for the 3D Land Space Information Construction, NGII, Korea, pp.9-16.
M. J. Westoby, J. Brasington, N. F. Glasser, M. J. Hambrey, J. M. Reynolds, "'Structure - from- Motion'photogrammetry: A low - cost, effective tool for geoscience application", Geomorphology, Vol.179, pp.300-314, Dec. 2012. DOI: https://doi.org/10.1016/j.geomorph.2012.08.021

상세보기
K. Johnson, E. Nissen, S. Saripalli, J. R. Arrowsmith, P. McGarey, K. Scharer, P. Williams, K. Blisniuk, "Rapid mapping of ultrafine fault zone topography with structure from motion", Geosphere, Vol.10, No.5, pp.969-986, Oct. 2014. DOI: https://doi.org/10.1130/GES01017.1

상세보기
E. Nissen, Introduction to Structure from Motion (SfM) Photogrammetry for Earth Science Research and Education short course[Internet], UNAVCO, c2016 [cited 2016 September 27], Available From: https://kb.unavco.org/kb/article/2016-gsa-introduction-to-structure-from-motion-sfm-photogrammetry-for-earth-science-research-and-education-short-course-859.html (accessed Jul. 27, 2020)
K. J. Bae, H. J. Jun, "A Case Study on LOD(Level of Development) studies for BIM Model", InfoDESIGN ISSUE30, Vol.10, No.5, pp.31-43, Oct. 2011.
D. J. Kim, "Dynamic LOD of prediction based measures in the flight simulator ", Master's thesis, Gyeongsang National University, Gyeongnam, Korea, pp.1-34, 2016.

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