[논문]재난현장 모니터링을 위한 UAV 영상 신속 지오코딩

노현주; 신동윤; 손홍규; 김성삼

doi:10.7780/kjrs.2020.36.5.4.7

재난현장 모니터링을 위한 UAV 영상 신속 지오코딩
Fast Geocoding of UAV Images for Disaster Site Monitoring 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.36 no.5 pt.4, 2020년, pp.1221 - 1229

노현주 (행정안전부 국립재난안전연구원) , 신동윤 (행정안전부 국립재난안전연구원) , 손홍규 (연세대학교 건설환경공학과) , 김성삼 (행정안전부 국립재난안전연구원)

초록
AI-Helper

재난·사고와 같은 긴급한 상황에서는 신속한 데이터 획득 및 처리가 필요하다. 이에, 본 연구에서는 UAV 영상 초기정보의 패턴분석을 통해 외부표정요소 보정에 따른 신속 지오코딩 방법을 제안하였다. 그 결과, 총 비행길이 1.3 km, 넓이 0.102 ㎢의 연구지역에서 1개의 GCP를 활용하였을 때, 지오코딩 영상의 생성시간은 1장당 약 5~10초가 소요되었고, 약 6.91 m의 위치오차를 나타내었다. 본 연구에서 제안하는 신속 지오코딩 방법을 활용하면, 재난·사고 현장과 같은 긴급 상황에서 현장 모니터링 및 의사결정을 위한 기초자료 제공에 도움이 될 것으로 판단된다.

Abstract ▼ AI-Helper

In urgent situations such as disasters and accidents, rapid data acquisition and processing is required. Therefore, in this study, a rapid geocoding method according to EOP (Exterior Orientation Parameter) correction was proposed through pattern analysis of the initial UAV image information. As a result, in the research area with a total flight length of 1.3 km and a width of 0.102 ㎢, the generation time of geocoding images took about 5 to 10 seconds per image, showing a position error of about 8.51 m. It is believed that the use of the rapid geocoding method proposed in this study will help provide basic data for on-site monitoring and decision-making in emergency situations such as disasters and accidents.

주제어

표/그림 (25)

그림 Fig. 1. Flowchart of fast geocoding processing.
그림 Fig. 2. Research site.
그림 Fig. 3. Inspire 1.
그림 Fig. 4. Zenmuse X5.
표 Table 1. Specification of Inspire 1 Pro
표 Table 2. Specification of Zenmuse X5
그림 Fig. 5. Location of GCPs survey.
그림 Fig. 6. Used groud targets.
표 Table 3. Coordinates of GCPs and CPs
그림 Fig. 7. UAV flight trajectory (X, Y).
그림 Fig. 8. Roll and pitch.
그림 Fig. 9. Height and yaw.
그림 Fig. 10. X, Y calibration.
그림 Fig. 11. Roll, Pitch calibration.
그림 Fig. 12. Height, Yaw calibration.
표 Table 4. Corrected Parameters by each case and theoretically required number of GCPs
그림 Fig. 13. Location of GCPs by each case.
표 Table 5. RMSE by each case
표 Table 6. Correction by each parameter (Case 4)
표 Table 7. RMSE of geocoded images (Case 4)
그림 Fig. 14. Overlay of geocoded images on daum map.
표 Table 8. Correction by each parameter (Case 6)
표 Table 9. RMSE of geocoded images (Case 6)
표 Table 10. Correction by each parameter (Case 10)
표 Table 11. RMSE of geocoded images (Case 10)

AI 본문요약
AI-Helper

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

문제 정의

마지막 단계로, 재난현장에서 GCP 측량 작업량을 최소화하기 위해 GCP 개수에 따른 정확도를 분석하고자 하였다. Table 4의 이론상으로 필요한 GCP 개수가 3개, 2개, 1개에 해당하는 실험조건 중, Table 5에서 비교적 좋은 결과를 나타낸 4, 6, 10 실험조건에 대해 전체 영상에 대한 위치오차 결과를 살펴보고자 하였다.
선행연구들은 높은 정확도 확보를 통해 농업, 해양, 건축, 재난관리 등 다양한 분야에서 정밀한 분석에 활용하는 것을 목적을 가지고 진행되었다. 본 연구에서는 UAV 활용성이 높게 평가되는 다양한 분야 중, 현장 모니터링 및 신속한 초동조치가 필요한 재난관리 분야에 초점을 두고 외부표정요소 보정에 따른 신속 UAV 영상 지오코딩 방법을 제안하고자 한다.
본 연구에서는 이러한 재난관리 분야에서의 현장 모니터링 및 의사결정 등 초동보고를 위한 기본자료 생성에 목적을 두고, UAV 영상 신속 지오코딩에 대한 연구를 수행하였다. 신속 영상 지오코딩을 위해 첫째, GPS/INS 센서에서 얻은 UAV의 초기 위치/자세 정보를 분석하였고, 둘째, 분석결과를 토대로 보정요소별 위치정확도를 검토하였으며, 마지막으로 최소한의 GCP 개수를 사용한 결과에 대해 정확도를 분석하였다.
선행연구들은 높은 정확도 확보를 통해 농업, 해양, 건축, 재난관리 등 다양한 분야에서 정밀한 분석에 활용하는 것을 목적을 가지고 진행되었다. 본 연구에서는 UAV 활용성이 높게 평가되는 다양한 분야 중, 현장 모니터링 및 신속한 초동조치가 필요한 재난관리 분야에 초점을 두고 외부표정요소 보정에 따른 신속 UAV 영상 지오코딩 방법을 제안하고자 한다.

가설 설정

신속 지오코딩의 두 번째 단계로, 보정하는 내·외부 표정요소별 정확도 분석을 수행을 위해 Table 4와 같이 총 10개의 실험조건으로 나누었다. 각 실험조건별 이론상 필요한 GCP 개수는 최대 6개이며, 실험조건마다 8개의 GCP가 있다고 가정하여 실험하였다. 우선 한 영상을 대상으로 결과를 도출하였고, 실험에 사용된 영상은 GCP가 8개 이상 찍힌 영상을 활용하였다.

제안 방법

첫 번째 단계로, 취득된 영상의 초기정보인 GPS/INS 센서로부터 획득한 위치/자세 정보의 패턴분석을 수행하여 정오차 성분과 부정오차 성분으로 나누었고, 두 번째 단계로 보정하는 성분을 다르게 하여 영상의 위치정확도를 분석하였다. 마지막으로는 보정하는 성분에 따라 최소한의 지상기준점을 활용하여 수행 결과를 분석하였다(Fig. 1).
본 연구에서는 이러한 재난관리 분야에서의 현장 모니터링 및 의사결정 등 초동보고를 위한 기본자료 생성에 목적을 두고, UAV 영상 신속 지오코딩에 대한 연구를 수행하였다. 신속 영상 지오코딩을 위해 첫째, GPS/INS 센서에서 얻은 UAV의 초기 위치/자세 정보를 분석하였고, 둘째, 분석결과를 토대로 보정요소별 위치정확도를 검토하였으며, 마지막으로 최소한의 GCP 개수를 사용한 결과에 대해 정확도를 분석하였다. 그 결과, 총 비행길이 1.
신속 지오코딩의 첫 번째 단계로, UAV 자체에서 제공하는 GPS/INS 센서 데이터 분석을 수행하였다. 아래 Fig.
재난·사고 현장에서의 데이터 분석시간 단축을 위하여 모든 영상을 보정하는 대신, 처음 기준영상(7번 영상)만 보정을 수행하고 계산된 보정량을 나머지 모든 영상에 일률적으로 적용하였다.
재난·사고 현장에서의 데이터 분석시간 단축을 위하여 모든 영상을 보정하는 대신, 처음 기준영상(7번 영상)만 보정을 수행하고 계산된 보정량을 나머지 모든 영상에 일률적으로 적용하였다. 적용 결과를 바탕으로 이중 선형보간법으로 최종적인 지오코딩 영상 생성을 생성하였다. 생성된 영상의 포맷은 Geotiff, 크기는 7 mb, 한 장당 생성 시간은 5~10초가 소요되었다.
본 연구에서 제안하는 UAV 영상 신속 지오코딩은 다음과 같은 단계로 나누어 수행하였다. 첫 번째 단계로, 취득된 영상의 초기정보인 GPS/INS 센서로부터 획득한 위치/자세 정보의 패턴분석을 수행하여 정오차 성분과 부정오차 성분으로 나누었고, 두 번째 단계로 보정하는 성분을 다르게 하여 영상의 위치정확도를 분석하였다. 마지막으로는 보정하는 성분에 따라 최소한의 지상기준점을 활용하여 수행 결과를 분석하였다(Fig.
취득한 GCP를(GCP1~GCP15) 활용하여 번들조정을 수행하여 위의 초기 EOP 보정을 실시하였다. 그 결과 Fig.

대상 데이터

UAV 영상은 120m의 고도에서 53장의 영상을 획득하였으며 이 때의 GSD는 1.09 cm/pixel 이다. 그 중, GCP 측량을 위해 설치한 타겟이 촬영된 영상인 26장의 영상만 활용하였다.
09 cm/pixel 이다. 그 중, GCP 측량을 위해 설치한 타겟이 촬영된 영상인 26장의 영상만 활용하였다. 각 영상은 EXIF(Exchangeable Image File) JPEG 전자 파일 포맷으로 저장되며, 영상의 메타데이터에는 기본정보인 사진의 크기, 사진 촬영날짜, 조리개, ISO, 카메라 모델명뿐만 아니라 영상촬영 시 초점 거리, UAV에 탑재된 GPS 위·경도 좌표, 비행고도, 자세각에 대한 정보가 포함되어 있다.
본 연구에서 활용한 UAV은 DJI社의 Inspire 1 pro(Fig. 3)로, 사양은 Table 1에 나타내었다. DJI Inspire 1 pro는 소형급 회전익 UAV로 실내에서도 안정적인 비행이 가능하며, 스마트폰 앱을 활용한 경로지정 자동 비행이 가능하다.
각 실험조건별 이론상 필요한 GCP 개수는 최대 6개이며, 실험조건마다 8개의 GCP가 있다고 가정하여 실험하였다. 우선 한 영상을 대상으로 결과를 도출하였고, 실험에 사용된 영상은 GCP가 8개 이상 찍힌 영상을 활용하였다.
6과 같다. 타겟 설치 후, RTK(Real-Time Kinematic) 방식에 의한 고정밀 GNSS 측량을 통해 총 26점을 획득하였다. Table 3은 GCP의 좌표를 나타내었다.
해당 연구는 Fig. 2와 같이 울산에 위치한 국립재난안전연구원 주변을 대상으로 데이터를 취득하여 수행하였으며, UAV의 총 비행길이는 약 1.3 km이고 해당 지역의 넓이는 약 0.102 km²이다.

데이터처리

각 실험조건 별로 Single Photo Resection을 수행하기 위해 Taylor 급수를 사용하여 공선 조건 방정식을 선형화하고 최소제곱법을 사용하였다. 아래 방정식은 Case 4에 해당하는 계산과정을 예시하고 있다.

성능/효과

Fig. 14에서도 볼 수 있듯이, GCP 한 점을 가지고 Z, κ 값만을 보정하더라도 신속하게 재난현장을 모니터링하거나 현장에서 의사결정을 위한 자료로 활용하기에 적절한 정확도를 확보하고 있음을 알 수 있었다.
신속 영상 지오코딩을 위해 첫째, GPS/INS 센서에서 얻은 UAV의 초기 위치/자세 정보를 분석하였고, 둘째, 분석결과를 토대로 보정요소별 위치정확도를 검토하였으며, 마지막으로 최소한의 GCP 개수를 사용한 결과에 대해 정확도를 분석하였다. 그 결과, 총 비행길이 1.3 km, 넓이 0.102 km²의 연구지역에 대해 지오코딩 영상의 생성시간은 1장당 약 5~10초가 소요되었고, 1개의 GCP를 사용하여 와 값만 보정 하더라도 약 6.91 m의 정확도를 확보할 수 있음을 확인하였다. 이러한 결과는 재난·사고 등 긴급한 상황에서 의사결정 및 현장 모니터링을 위한 기초자료로 활용 가능할 것으로 판단된다.
실험조건별 각 요소들을 보정한 후, 검사점을 통해 확인한 최종 위치오차는 Table 5과 같다. 아래 결과를 살펴보면 GCP를 3개 사용하여 EOP만 보정한 Case 4 경우 cm 단위의 오차를 가지는 것을 확인할 수 있었으며, 2개를 사용하여 값만 보정하여도 cm 단위의 오차를 가지는 것을 확인하였다. 또한, GCP를 1개만 가지고도 값을 보정하여 약 3.

후속연구

이러한 결과는 재난·사고 등 긴급한 상황에서 의사결정 및 현장 모니터링을 위한 기초자료로 활용 가능할 것으로 판단된다.
이러한 결과는 재난·사고 등 긴급한 상황에서 의사결정 및 현장 모니터링을 위한 기초자료로 활용 가능할 것으로 판단된다. 향후 신속한 데이터 생성과 더불어 정확도를 향상시키는 연구 및 PPK, RTK 드론을 도입하여 최소한의 GCP를 활용하거나 GCP 없이 UAV 영상을 지오코딩하는 연구가 필요하다고 판단된다.

참고문헌 (8)

Choi, K. A., and Lee, I. P., 2009. Image Georeferencing using AT without GCPs for a UAV-based Low-Cost Multisensor System, Journal of the Korean Society of Surveying, 27(2): 249-260 (in Korean with English abstract).
Gao, M., Xu, X., Klinger, Y. Woerd, J. V. D., and Tapponnier, P., 2017. High-resolution mapping based on an Unmanned Aerial Vehicle(UAV) to capture paleoseismic offsets along the Altyn-Tagh fault, China, Scientific Reports, 7(1): 1-11.

상세보기
Grensdorffer, G. J., Engel, A. and Teichert, B., 2008. The Photogrammetric Potential of Low-cost UAVs in Forestry and Agriculture, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, ISPRS, Beijing, China, 37: 1207-1213.
Kim, H. Y., Choi, K. A., and Lee, I. P., 2018. Drone Image-Based Facility Inspection - Focusing on Automatic Process Using Reference Images, The Korean Society for Geospatial Information Science, 26(2): 21-32 (in Korean with English abstract).
Lim, S. B., 2016. Geospatial Information Data Generation Using Unmanned Aerial Photogrammetry and Accuracy Assessment, Department of Civil Engineering, Graduate School Chungnam National University, Daejeon, Korea.
Seong, J. H., Lee, K. R., Han, Y. K., and Lee, W. H., 2019. Geometric Correction of None-GCP UAV Orthophoto Using Feature Points of Reference Image, Korean Society for Geospatial Information Science, 27(6): 27-34 (in Korean with English abstract).
Sharma, S., A. Muley, R. Singh, and A. Gehlot, 2016. UAV for Surveillanve and Environmental Monitoring, Indian Journal of Science and Rechnology, 9(4): 1-4.
Zaheer, Z., a. Usmani, E. Khan, and M.A. Qadeer, 2016. Aerial surveillance system using UAV, 2016 Thirteenth International Conference on Wireless and Optical Communications Networks, pp. 1-7.

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