[논문]항공 LiDAR 데이터를 이용한 객체 기반의 변화탐지 연구

정지연; 조우석; 장휘정; 정재욱

[국내논문] 항공 LiDAR 데이터를 이용한 객체 기반의 변화탐지 연구
A Study on Object-based Change Detection Using Aerial LiDAR Data 원문보기

정지연 (인하대학교 지리정보공학과 석사과정) , 조우석 (인하대학교 토목공학과 부교수) , 장휘정 (인하대학교 지리정보공학과 박사후과정) , 정재욱 (한진정보통신 GIS 사업부문)

3차원으로 구성되어 있는 실세계를 보다 효과적이고 신속하게 모니터링하기 위해서는 변화된 지역의 정확한 위치정보 획득과 변화 결과의 빠른 도출을 위한 자동화 방안이 필요하다. 일반적으로 변화탐지를 위해 사용되어 온 항공사진이나 위성영상은 자료 획득에 있어 날씨와 같은 자연환경의 영향을 많이 받으며, 자동으로 변화탐지를 수행하는데 많은 문제점을 안고 있다. 반면에 항공 LiDAR 시스템은 영상시스템과는 달리 날씨 등에 영향을 상대적으로 적게 받으며, 지형지물에 대한 3차원 좌표 정보를 직접 획득하기 때문에 자동으로 처리하기에 매우 효율적이다. 본 연구에서는 항공 LiDAR 데이터만을 이용하여 도시지역의 시공간적 변화를 자동으로 탐지하는 방법을 연구 하였다. 변화탐지의 대상이 도시지역이므로 객체를 기반으로 다양한 변수를 사용하여 변화탐지를 수행하였다. 연구에 사용된 데이터는 서로 다른 시기에 획득된 항공 LiDAR 데이터이며, 두 데이터간의 변화탐지를 위해 먼저 상호정합을 수행하였으며, 개별 객체를 추출하기 위해 필터링과 Grouping 과정을 수행하였다. 마지막으로 Grouping된 객체를 대상으로 모양, 면적, 높이 변화를 비교하여 변화를 탐지하였다. 객체의 외곽선과 내부 영역의 모양을 표현하는 형상계수를 사용하므로 수평방향의 객체에 대한 기하학적인 모양 변화를 탐지할 수 있었으며, 객체의 높이값을 비교함으로써 수직방향으로의 변화도 탐지할 수 있었다. 본 연구에서 수행한 객체 기반의 변화탐지 방법은 91.67%의 전체 정확도를 획득하였다.

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

문제 정의

본 연구에서는 3차원 좌표를 획득할 수 있는 LiDAR 데이터만을 이용하여 객체 기반으로 도시 지역의 변화를 자동으로 탐지하는 방법을 연구하였다.
이러한 문제점을 해결하기 위해 본 연구에서는 LiDAR 데이터만을 이용하여 객체기반으로 변화를 탐지하였고 높이 정보뿐만 아니라 다양한 다른 변수를 적용하여 자동화하는 방법을 연구하였다.

제안 방법

대한 그룹을 설정한다. LiDAR 점 데이터를 같은 건물을 이루는 점들끼리 묶어주기 위해서 건물 내부점만을 포함하는 격자를 시작으로 하여 region growing을 수행하였다. 이 과정을 통해 객체의 외곽선을 추출하고 수목을 제거하였다.
객체를 기반으로 한 변화 탐지의 정확도 결과를 알아보기 위해 4개의 실험 대상 지역을 선정하였고 그 결과는 그림 1과 같이 색깔로 변화를 구분하였다. 정확도 분석을 위하여 실험 LiDAR 데이터를 본 연구에서 사용한 변화탐지 알고리즘에 적용한 결과와 실제 항공 영상으로 판독한 결과를 비교하였다.
그리고 3차원 좌표 정보 획득이 가능한 LiDAR 데이터는 높이 정확도가 다른 영상 시스템보다 우수하며 변화탐지 연구에 있어서도 높이 정보는 중요한 변수가 된다. 그래서 객체 내부를 구성하는 정규격자 내의 최대 높이값을 평균하여 그 평균값의 차이를 통해 변화를 비교하였다.
두 데이터 집합의 점들 간 거리를 계산하여 가장 가까운 거리에 있는 점 쌍을 찾은 후 한 데이터 집합을 기준으로 3차원 강체 좌표변환을 수행하였다. 변환과정은 원점 이동(Tx, Ty, Tz)과 각 축에 대한 회 전 (3, ©, K)으로 이 루어 진다.
이러한 문제를 해결하기 위해서 최소경계사각형(Minimum Bounding Rectangle : MBR)을 각 객체마다 결정한 후 두 객체 사이의 MBR 포함관계도 고려하면 보다 정확하게 동일 객체를 매칭할 수 있다. 무게 중심과 MBR 의 포함관계를 이용하여 객체를 매칭할 때 한 데이터 집합에서만 객체가 존재하여 매칭이 되지 않으면 해당 객체를 새로(New) 생겼거나 없어진(Demolition) 객체로 판단하였다. 그렇지 않고 서로 동일한 위치에서 매칭이 될 때 객체 별로 모양, 면적과 높이를 비교하게 된다.
이 X, Y값을 통해서 객체 영역의 평균값에 대한 객체의 퍼짐 분포와 평균값에기준한 대칭성을 측정하였다.
변환과정은 원점 이동(Tx, Ty, Tz)과 각 축에 대한 회 전 (3, ©, K)으로 이 루어 진다. 이 동과 회전 변위 변화량이 임계치 이하가 될 때까지 반복하여 두 데이터 집합이 동일한 위치에 놓이도록 맞춰주었다.
추출하는 과정이다. 이를 위해 대상 지역을 일정크기의 패치로 나눈 후 패치들 간의 인접성도 고려하면서도 각 패치들에 독립적으로 분할(segmentation)을 수행하는 local maxima filter를 적용하였다.
변화를 구분하였다. 정확도 분석을 위하여 실험 LiDAR 데이터를 본 연구에서 사용한 변화탐지 알고리즘에 적용한 결과와 실제 항공 영상으로 판독한 결과를 비교하였다. 표 1은 변화탐지의 결과를 변화가 없는 객체(Not-altered), 변화가 발생한 객체(Altered)와 새로 생긴 객체나 없어진 객체(New/ Demolition)로 분류한 후 객체 단위로 정확도를 분석한 결과를 보여준다.
주요 변화탐지 대상이 도시 지역이므로 효과적인 결과 도출을 위해서 건물 객체를 분류한 후 연구를 수행하였다.
푸리에 서술자를 이용하여 객체 모양의 유사성을 판단하기 위해서 매칭된 두 객체의 푸리에 서술자들을 이용하여 거리를 계산하였다. 이 거리값이 0에 가까울수록 객체의 외곽 형태가 유사하다고 판단하였다.
이 표현 방법은 2차원으로 구성된 좌표쌍이 1차원의 계수로 변환됨으로써 자료 처리가 더 쉽고 이와 같은 차원의 변환에도 경계의 성질을 그대로 가지는 장점이 있다. 회전과 축척의 변화를 고려해 주기 위해 푸리에 서술자의 절대 초기값을 각 계수에 나누어 주었다. 각 객체의 푸리에 서술자 /는 다음식 (1)과 같이 표현된다.

대상 데이터

본 연구에 사용된 LiDAR 장비는 Optech 사의 ALTM 3070이며, 두 데이터의 획득 시기는 2005년 10월과 2007년 5월이다. 두데이터의 점밀도는 각각 3.

성능/효과

그리고 객체 기반으로 변화 지역을 비교하였기 때문에 격자 기반으로 높이 차이를 비교하는 기존의 방법보다 오탐지를 줄일 수 있었다. 두 LiDAR 데이터를 격자 화한 후 높이 차이를 계산하는 방법은 건물 주변의 수목이나 건물 벽면점으로 인해 변화 결과를 판단하는데 있어 모호하였다.
그리고 객체 기반으로 변화 지역을 비교하였기 때문에 격자 기반으로 높이 차이를 비교하는 기존의 방법보다 오탐지를 줄일 수 있었다. 두 LiDAR 데이터를 격자 화한 후 높이 차이를 계산하는 방법은 건물 주변의 수목이나 건물 벽면점으로 인해 변화 결과를 판단하는데 있어 모호하였다. 하지만 본 연구의 변화탐지 방법은 건물객체를 지면 및 수목과 분리하고 건물 객체 내부를 채워서 객체끼리 비교하였기 때문에 이러한 오차를 줄일 수 있었다.
입력 데이터로 LiDAR 데이터만을 이용하였기 때문에 자동으로 신속하게 결과 처리가 가능하였고 3차원 좌표를 이용하여 3 차원 형태로 변화 지역을 표현할 수 있었다. 그리고 객체 기반으로 변화 지역을 비교하였기 때문에 격자 기반으로 높이 차이를 비교하는 기존의 방법보다 오탐지를 줄일 수 있었다.

후속연구

보다 정확한 변화탐지 결과를 위해서는 향후 Grouping 알고리즘에 대한 개선이 필요하다. 사용한 두 데이터의 점밀도와 점 분포의 차이로 인해 Grouping 결과가 다르게 나오고 이로 인해 변화 비교를 위한 객체 매칭 시 밀집된 건물들은 하나의 객체로 묶이게 된다.

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] 항공 LiDAR 데이터를 이용한 객체 기반의 변화탐지 연구
A Study on Object-based Change Detection Using Aerial LiDAR Data 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 항공 LiDAR 데이터를 이용한 객체 기반의 변화탐지 연구 A Study on Object-based Change Detection Using Aerial LiDAR Data 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 항공 LiDAR 데이터를 이용한 객체 기반의 변화탐지 연구
A Study on Object-based Change Detection Using Aerial LiDAR Data 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper