Journal of Cadastre & Land InformatiX (지적과 국토정보)

LX Spatial Information Research Institute (한국국토정보공사 공간정보연구원)
권호 표지
DOI QR코드

DOI QR Code

A Study on Building Object Change Detection using Spatial Information - Building DB based on Road Name Address -

기구축 공간정보를 활용한 건물객체 변화 탐지 연구 - 도로명주소건물DB 중심으로 -

  • Received : 2022.05.06
  • Accepted : 2022.06.22
  • Published : 2022.06.30
Download PDF
⟨ Previous Next ⟩

Abstract

The demand for information related to 3D spatial objects model in metaverse, smart cities, digital twins, autonomous vehicles, urban air mobility will be increased. 3D model construction for spatial objects is possible with various equipments such as satellite-, aerial-, ground platforms and technologies such as modeling, artificial intelligence, image matching. However, it is not easy to quickly detect and convert spatial objects that need updating. In this study, based on spatial information (features) and attributes, using matching elements such as address code, number of floors, building name, and area, the converged building DB and the detected building DB are constructed. Both to support above and to verify the suitability of object selection that needs to be updated, one system prototype was developed. When constructing the converged building DB, the convergence of spatial information and attributes was impossible or failed in some buildings, and the matching rate was low at about 80%. It is believed that this is due to omitting of attributes about many building objects, especially in the pilot test area. This system prototype will support the establishment of an efficient drone shooting plan for the rapid update of 3D spatial objects, thereby preventing duplication and unnecessary construction of spatial objects, thereby greatly contributing to object improvement and cost reduction.

최근 메타버스, 스마트시티, 디지털트윈, 자율주행차, 도심항공모빌리티 등 분야에서 3D공간객체모델 관련 정보 요구는 증가될 것이다. 공간객체에 대한 3D모델 구축은 위성·항공·지상플랫폼과 같은 다양한 장비와 모델링·인공지능·영상정합 등의 기술로 가능하다. 하지만 갱신이 필요한 공간객체를 신속하게 탐지하고 DB화하는 작업은 쉽지 않다. 이 연구에서는 공간정보(도형)과 속성을 기반으로 주소코드, 층수, 건물명, 면적 등의 매칭요소를 이용하여 건물융합DB와 변화탐지건물DB를 구축 지원할 수 있고 갱신이 필요한 객체선정의 적합성을 검증할 수 있는 시스템 프로토타입을 개발하였다. 건물융합DB 구축 시 일부 건물의 경우, 공간정보와 속성의 융합불가 및 실패 사례가 발생하여, 매칭율이 약 80%로 낮게 나타났다. 이것은 특별히 시범사업지역 내 많은 건물객체에 대한 속성정보가 누락된 것에 기인하는 것으로 판단된다. 이 연구는 3D공간객체 모델의 신속한 갱신을 위한 효율적인 드론 촬영계획 수립을 지원하여 공간객체의 중복 및 불필요한 구축 등을 사전에 방지함으로써 객체 구축 절차 개선 및 비용 절감에 크게 기여할 것이다.

Keywords

Acknowledgement

이 연구는 국토교통부 수요처 맞춤형 실감형 3D 공간정보 갱신 및 활용지원 기술개발 과제의 연구비 지원(22DRMS-C147287-05)에 의해 수행되었습니다.

References

  1. 국토교통부. 2022. 공공데이터포털 [인터넷]. [https://www.data.go.kr/index.do].2022년 3월 30일 검색.
  2. 국토부. 2022. 국가공간정보포털 [인터넷] [http://www.nsdi.go.kr/lxportal/?menuno=2679]. 2022년 3월 30일 검색.
  3. 김순태. 2006. 디지털 이미지 프로세싱을 이용한 토지이용변화 탐지. 지적. 36(1):72-94.
  4. 손홍규. 2004. 위성영상을 이용한 서울시 변화탐지에 관한 연구. 시정연 2004-PR-04.
  5. 서홍덕, 김의명. 2020.포인트 클라우드에서 딥러닝을 이용한 객체 분류 및 변화 탐지. 지적과 국토정보.50(2):37-49. https://doi.org/10.22640/LXSIRI.2020.50.2.37
  6. 신동윤, 김태헌, 한유경, 김성삼, 박제성. 2019. UAV를 활용한 건물철거 지역 변화탐지. Korea Journal of Remote Sensing. 35(5-2): 819-829.
  7. 이상엽, 이정호, 한수희, 최재완, 김용일. 2011. 적응적 중첩 임계치를 이용한 LiDAR 자료와 수치지도의 객체기반 건물변화탐지. 한국지형공간정보학회지. 19(3): 49-56.
  8. 이승희, 박성모, 이준환, 김준철. 2003. 고정밀 위성영상에서 도심지역 건물변화 탐지를 위한 중첩방법. 대한원격탐사학회지. 19(4):319-328.
  9. 위키백과, 2022, 오픈 API.
  10. 자유인. 2012. 건물공간정보 데이터모델 [다음블로그. [blog.daum.net/jyolee/6]. 2022년 3월 30일 검색.
  11. 장영재, 오재홍, 이창노. 2020. nDSM 및 도로망 추출기법을 적용한 도심지 건물 변화탐지. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography. 38(3): 237-246. https://doi.org/10.7848/KSGPC.2020.38.3.237
  12. 조성환, 허용. 2015. MMAS 기법에 의한 지적불부합지 탐색기법. 지적과 국토정보. 45(2):149~160. https://doi.org/10.22640/LXSIRI.2015.45.2.149
  13. 정동훈, 박우진, 박정희, (주)이지스. 2015. 토지정보와 건물정보의 통합관리 방안, 한국국토정보공사 공간정보연구원(2015-10).
  14. 최철웅, 이창헌, 서용철, 김지용. 2009. Landsat 영상을 이용한 변화탐지 분석 기법 연구. 한국지리정보학회지. 12(3): 13-20.
  15. 행안부. 2022. 도로명주소 개발자센터 [인터넷] [https://www.juso.go.kr/addrlink/addressBuildDevNew.do?menu=rdnm]. 2022년 3월 30일 검색.
  16. 행정자치부. 행정정보공동이용센터 연계 신청 가이드(붙임3):도로명주소 기본도 컬럼 상세 (건물: 문서코드(JUSUBU)).
  17. Du S, Zhang Y, Qin R, S. Zou Z, Tang Y, Fan C. 2016. Building Change Detection Using Old Aerial Images and New LiDAR Data, Remote Sens. 8: 1030. https://doi.org/10.3390/rs8121030
  18. Mroueh F, Sbeity I, Chaitou M. 2019. Building Change Detection in Aerial Images. Proceedings of the 2nd International Conference on Big Data and Cyber-Security Intelligence. Versailles, France, December 16-17. [http://ceur-ws.org/Vol-2622/paper3.dpf].
  19. Zhu L, Shimamura H, Tachibana K, Li Y, Gong P. 2008. The International Archives of the Photogrammetry. Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B7. Beijing 2008.