Evaluation of Utilization through Various Accuracy Analysis of Drone Photogrammetry

드론사진측량의 다양한 정확도 분석을 통한 활용성 평가

Abstract

Although the utilization of drone photogrammetry that can generate spatial information using ultra-high-resolution images is increasing in the civil engineering and construction fields, analysis of areas that can be used is insufficient. Therefore, this study attempted to determine how far drone photogrammetry can be used in the civil engineering and construction fields by applying a detailed analysis method. The status map and cross-sectional map were actually vectorized using drone photogrammetry outcomes, compared and analyzed with the results acquired in the field, and the qualitative aspects of traffic safety facilities were analyzed to determine their usability. As a result, the accuracy of the plane position using drone photogrammetry was reliable, but the height accuracy was difficult to trust. Accordingly, although there is a possibility of preparing a status map, the use of it in areas requiring high accuracy such as cross-sectional plans was limited, and it is believed that it can be used in the construction management field where qualitative analysis is conducted.

1. 서 론

드론 사진측량은 신속하게 초고해상도 영상을 취득하여 3차원 공간정보를 제작할 수 있는 방법 으로 공간정보가 기반이 되어 다양한 서비스를 제 공하는 4차 산업혁명 시대에 중요한 요소 중 하 나다. 특히, 기존의 측량 방법과 달리 하여 영상 을 취득하기 때문에 작업자가 직접 접촉하여 측량 을 수행하지 않아도 되며, 직접측량으로 발생할 수 있는 인명사고를 줄이고 취득데이터의 보관이 용이하다는 점에서 활용가치가 높다[1,2]. 한편, 토목·건설 분야에서 드론사진측량을 활용하기 위 해서는 높은 정확도를 확보해야 한다. 그러나 지 금까지 드론사진측량의 정확도는 검사점만을 이용 하여 3차원 좌표를 비교하는 것에 그치고 있어 실질적으로 사용하기 위한 정확도의 판단이 어렵 다. 이에 단순 3차원 좌표에 대한 비교가 아닌 현 황도 및 횡단면도와 같이 실제 성과를 제작하여 정확도를 분석할 필요가 있다.

한편 드론사진측량은 기체의 특성으로 인하여 다양한 요소에 의하여 정확도가 달라진다. 이에 드론의 외부표정요소 변화에 따른 위치결정 정확 도를 분석하여 회전각 요소가 정확도에 미치는 영 향이 크며, 그중에서 omega, phi 값은 표고 위치 정확도, kappa는 평면 위치정확도 저하에 관련되 어 있음을 입증하였다[3]. 드론사진측량 정확도와 관련된 연구를 살펴보면 드론으로 측량할 때 최적 의 촬영 기준을 제시하기 위한 지상기준점의 배 치, 촬영고도의 변화에 따른 정사영상의 정확도를 분석하여 유심다각망 형태의 지상기준점 배치가 높이 오차를 줄일 수 있다는 것을 입증한 바 있다 [4]. 또한, 드론사진측량을 이용하여 정사영상과 수치표면모델(DSM: Digital Surface Model)을 제 작하고 벡터화 하여 해당 성과를 현장 취득 성과 와 비교하였으며, 그 결과 평면 오차는 높은 정확도를 보였지만 고저차가 있는 지형·지물의 경우 표고 오차가 크게 나타나 높이의 신뢰도가 낮다고 판단한 바 있다[5]. 특히, 검사점만을 이용한 정확 도 분석이 아닌 실제 지형·지물을 이용한 정확도 분석 또는 다양한 방법으로 정확도를 분석한 연구 가 최근 들어 진행되어왔다. 3차원 품질의 정성적 인 평가 방법으로 사용되고 있는 LoD(Level of Detail)와 실제 제작된 3D 모델의 위치정확도를 각각 분석하여 드론사진측량으로 제작된 3D 모델 의 품질 저하의 원인 및 활용성을 제시하였으며 [6], 고속도로 건설현장에서 체계적인 드론 활용을 위한 표준 공종 개발을 목표로 드론 활용 현황을 조사하여 공종별로 분류 및 검증하였으며 그 결과 세 개의 공종을 개발하고 현장에서의 활용 가능성 을 제시하였다[7-8]. 이처럼 기존에 검사점만을 이 용하여 정확도를 분석하여 주로 지도 제작에 관한 활용성을 입증하고자 하였다. 그러나 드론의 활용 성이 나날이 증대 되면서 실제 현장에 적용하고 자 하였으며, 기존의 검사점을 이용한 정확도 분 석만으로 현장에서의 드론사진측량의 활용성을 입 증하기 어려웠다. 이에 최근 다양한 현장에서 직 접 적용해보고 확인하고자 하는 연구가 이루어지 고 있다.

본 연구에서는 드론사진측량의 건설현장 더 나 아가 토목현장에서의 활용성을 면밀히 분석하여 그 가능성을 판단하고자 하였다. 이를 위하여 드론으 로 영상을 취득하고 영상처리 프로그램을 이용하여 정사영상, DSM (Digital Surface Model), 포인트 클라우드를 제작하였으며, 비교분석을 위한 자료로 영상처리 결과물을 이용한 지형 현황도 및 횡단면 도, 안전시설물 현황도 등을 작성하여 실제 현장에 서 활용하고 있는 기준도면과 비교하고자 하였다. 또한, 영상처리로 생성되는 결과물 중에서 각각의 목적에 따라 어떤 결과물을 사용하는 것이 더 효 율적인지 정성적, 정량적 요소를 모두 고려하여 분석하고자 하였다. 아래 Fig. 1은 본 연구목적에 따 른 연구 흐름도를 나타내고 있다.

Fig. 1 Study workflow

2. 이론적 배경

2.1 SfM

SfM(Structure from Motion)은 영상처리 매칭 기법으로 미국 Cornell 대학의 Snav ely 교수가 2006년도에 개발하였다. SfM은 SIFT, SURF, BRIF와 같이 매칭과정에서 입체시를 형성하는 영 상 간에 동일 지점을 찾아내는 방법으로 생성되는 초기 처리 성과인 저밀도의 포인트 클라우드(특징 점)를 바탕으로 3차원 형상을 구현하는 방법이다 [9]. 이는 영상에 외부표정요소가 입력되어 있지 않더라도 센서의 자세를 계산하여 결정할 수 있다 는 특징이 있다. SfM이 외부표정요소 업이 카메라 의 자세를 결정할 수 있는 이유는 동일 지점을 각 각의 영상에서 키포인트로 찾아낼때 센서의 자세 가 재구성되기 때문이다[10].

특히, SfM기반의 3차원 포인트클라우드의 확장은 SIFT로 추출된 특징점을 광속조정법을 적용하 여 촬영 당시 센서 자세에 대한 최적 값을 찾아낸 다. 이후 자세 결정된 영상을 모두 활용하여 포인 트클라우드를 확장해 고밀도 포인트클라우드를 생 성하는데 이러한 과정을 Multi View Stereo (MVS) 라 한다[11]. Fig. 2는 SfM을 이용하여 입력된 영 상의 자세를 추정하고 3차원 포인트 클라우드를 재구성하는 과정을 타나내고 있다[12].

Fig. 2 Principle of SfM

2.2 GSD

드론사진측량의 성과물의 품질에 영향을 미치는 요소중에서 가장 기본적이고 영향력이 높은 요소 는 영상의 해상도이다. 영상의 해상도는 공간 해 상도, 방사 해상도, 분광 해상도, 주기 해상도로 나뉘지만 드론사진측량에서 핵심적으로 다루어지 는 부분은 공간해상도로 현재 「항공사진측량 작 업규정」에 분석 기법이 제정되어 있을 뿐만아니 라 드론사진측량에서도 이를 적용하여 해상도를 판단하고 있다[13].

한편 공간해상도를 나타내는 지표로 GSD(Ground Sample Distance)가 있다. GSD란 영상에서 하나 의 픽셀 크기가 실제 지상에서 나타내는 거리를 의미하는 것으로 영상 해상도를 정량적으로 나타 낼 수 있는 지표로 오랜기간 연구되어 활용되어져 왔다[14].

Fig. 3 Illustration of theoretical GSD

GSD에는 이론적으로 계산하는 방법과 타겟을 이용하여 검증하는 방법이 있다. 이론적 GSD는 다음 식1과 같이 센서가 가지는 픽셀의 크기 (), 비행고도(h)에 비례하며, 초점거리()에 반 비례한다[15].

\(x _ { G S D } = \frac { x _ { i m a } \times h } { f }\)

Fig. 4 Relationship between full diameter(D) and blurred diameter(d) at Siemens star

한편, 타겟을 이용하는 방법은 Siemensstar 타 겟을 이용하며 이는 항공사진측량작업규정에 제정 되어 사용되고 있다. 계산은 식2와 같이 타겟의 전체 직경대비 흐릿해지는 경계까지의 직경비를 이용하여 계산한다. 여기서  은 GSD를, 는 전 체직경과 흐릿해지는 직경의 비(d/D)를, 은 흑백 선의 개수를 나타낸다. Fig. 4는 Siemensstar 타 겟을 나타낸 것이다.

\(l = \frac { \pi d } { n }\)

3. 자료 취득 및 처리

3.1 연구 대상지

본 연구는 건설 토목 현장에서의 드론사진측량 의 활용성을 판단하기 위하여 다양한 공정이 공존 하는 산업단지 조성 현장을 대상지로 하였다. Fig. 5 는 연구대상지를 나타낸 것이다.

Fig. 5 Study area

3.2 지상기준점측량

연구 대상지 선정 이후 드론영상 취득 전 지상 기준점 측량을 수행하였다. 지상기준점측량은 드 론사진측량에서 정확도를 확보하기 위하여 필수적 으로 수행해야 하는 단계로 항공삼각측량 시 지상 기준점을 이용하여 조정이 이루어지기 때문에 해 당 단계의 측량 정확도 또한 중요하다. 본 연구에 서는 GPS-RTK(Global Positioning System-Real Time Kinematic)방식을 이용하여 지상기준점 측 량을 수행하였으며, Fig. 6은 현장에서 지상기준점 측량을 수행하고 있는 모습을 나타낸 것이다.

한편, 지상기준점 측량을 수행하기 위해서는 대 공표지를 이용하거나, 주변 지형·지물에 존재하는 자연점을 이용하여 기준점 위치를 선점해야 한다. 본 연구에서는 가로, 세로 모두 50cm인 정방형의 타겟을 Fig. 7과 같이 5개소 설치하였으며 정확도 분석에 사용하기 위한 검사점은 7개소 설치하여 결과 분석에 활용하였다. Table 1은 지상기준점측 량에 사용한 GPS장비 제원을 나타낸 것이다.

Fig. 6 GCP survey performance in study area

Table 1. Specification of the GNSS receivers

3.3 자료 취득

자료 취득은 DJI사 Phantom4 pro를 이용하였 으며, 센서는 기체에 탑재되어 있는 FC6310 모델을 사용하였다. Table 2는 사용된 기체 및 센서 제원을 나타낸 것이다.

Fig. 7 GCP target

Table 2. Specification of the drone and sensor

Fig. 8 Trajectory of image shooting

세부적인 데이터를 제작하기 위하여 비행고도 50m로 고해상도의 영상을 촬영하였으며, 종·횡 중복도를 각각 70%, 60%로 하여 영상을 취득하 였다. 촬영은 약 0.23㎢에 대하여 진행하였다. 또 한, 비교 분석의 대상이 되는 구조물은 해당 구조 물을 중심으로 경사사진을 수동으로 취득하여 총 494장을 활용하였다. Fig. 8은 취득된 영상의 위 치를 나타낸 것이다.

Fig. 9 Result of first step: spare point clouds

3.4 자료 처리

자료 처리는 국내에서 활발하게 사용되고 있는 Pix4D Mapper를 이용하였으며, 비교 분석을 위 하여 정사영상, DSM, 포인트클라우드와 같은 성 과를 제작하였다. 해당 프로그램의 영상처리 과정 은 크게 세 가지 단계로 이루어져 있으며 Pix4D 는 편리하게 영상처리가 가능하다는 장점이 있어 활용성이 높다. 각각의 영상처리 과정을 세부적으 로 살펴보면 다음과 같다.

첫 번째, 촬영된 드론 영상을 프로그램에 입력 하면 사진의 메타데이터를 이용하여 촬영 위치에 따른 경로를 나열하게 되고, 이후 SIFT 기법과 같 은 매칭 기법을 이용하여 초기 포인트클라우드가 Fig. 9와 같이 생성된다. 이때 생성된 초기 포인 트클라우드는 사진에 입력된 메타데이터를 이용하 여 처리하는데 메타데이터의 위치 및 회전각 정확 도가 낮기 때문에 초기 포인트 클라우드의 정확도 또한 낮게 나타난다.

두 번째, 지상기준점을 입력하고 고밀도 포인트 클라우드 및 매쉬를 생성하는 단계로 초기 포인트 클라우드가 정확도가 높지 않기 때문에 Fig. 10과 같이 지상기준점을 기반으로 항공삼각측량이 수행하여 높은 정확도를 가지는 포인트클라우드를 생 성한다.

Fig. 10 Result of second step: dense point clouds

Fig. 11 Result of final step: DSM and ortho image

세 번째, DSM 및 정사영상을 제작하는 단계로 생성된 고밀도 포인트클라우드를 기반으로 만들어 진다. Fig. 11은 Pix4D로 영상처리하여 제작된 정 사영상 및 DSM을 나타낸 것이다.

3.5 분석 자료 제작

본 연구에서 드론사진측량 결과 분석은 1) 검사 점 정확도, 2) 현황도 정확도, 3) 횡단면도, 4) 교 통안전시설물 현황 네가지 방법으로 이루어진다. 이에 각 방법별 분석을 위하여 영상처리 성과를 도면화하는 작업이 필요하다. 먼저 DSM과 정사영 상을 이용하여 지형 현황도를 작성하였다. 지형 현황도 작성은 상용프로그램인 Global Mapper의 Digitizer tool을 이용하여 수행하였다. Fig. 12는 Global Mapper를 이용하여 작성한 현황도와 정 사영상을 중첩시킨 모습을 나타내고 있다.

한편, 횡단면도 분석을 위하여 도로 노면에 대 하여 마찬가지로 Global Mapper에 포인트클라우

드를 입력하고 도로면에 대하여 단면을 잘라 횡단 면도를 취득하고자 하였다. 그러나 Fig. 13(a)와 같 이 도로면의 생성된 포인트 클라우드가 매끄럽지 못하였다. 이에 Pix4D Mapper상에서 포인트클라 우드를 3차원으로 보면서 Fig. 13(b)와 같이 횡단 면도를 취득하여 비교분석에 활용하고자 하였다.

Fig. 12 status map using orthoimage and DSM

Fig. 13 Produce of cross map using Pix4D Mapper

4. 결과 분석

결과 분석은 앞서 취득된 드론영상을 이용하여 생성된 결과물로 제작한 분석자료와 현장 취득 자 료 및 산업단지 조성에 사용된 기준도면을 이용하 였다. 검사점 정확도는 현장 취득 성과와 영상추 출 성과를 비교 분석하였으며, 현황도 및 횡단면 도 분석은 정사영상, DSM, 포인트클라우드로 제

Table 3. Accuracy analysis result of XY & Z in CPs

작한 성과와 산업단지 조성 현장에서 사용하는 기 준도면과 비교 분석하였다.

4.1 검사점 정확도 분석

검사점 정확도는 기존의 드론사진측량 정확도 분석에 가장 많이 사용되는 방법으로 현장 취득 성과를 기준으로 드론 영상처리 결과에서 추출한 성과를 비교하였다. 총 7개점에 대하여 평면과 표 고로 나누어 정확도를 분석하였다. 그 결과 평면 Table 3과 같이 RMSE는 0.035m로 나타났으며, 표고 RMSE는 0.050m로 나타났다. 이는 항공사진 측량 작업규정 내 1/1,000 축척 묘사 허용오차 범위를 만족하고 있는 결과는 나타내고 있다.

4.2 현황도 제작 정확도 분석

현황도 분석은 정사영상 및 DSM을 기반으로 제 작한 현황도와 현장에서 활용되는 기준도면을 이용 하여 분석하였다. 특히, 검사점만으로 나타나지 않 은 실제 지형에 대한 정확도를 분석한다는 점에서 의미가 있으며 Fig. 14와 같이 경계석과 도로 경계 와 같이 영상에서 명확하게 구분되는 선을 이용하 여 총 10개소에 대하여 비교 분석하였다.

그 결과, Table 4와 같이 RMSE가 평면에서 0.063m, 표고에서 0.098m로 나타났다. 표고에서 정확도가 낮게 나타난 이유는 모서리에서의 DSM 부정확성으로 나타난 것으로 판단된다. 일반적으 로 정사영상의 해상도보다 DSM의 해상도가 더 낮게 나타나며 이러한 이유로 표고 정확도가 낮아 지게 된다. 또한, 실제 현장에서 사용하기 위한 문제점으로는 정사영상에서 찾은 모서리를 Fig. 15 와 같이 DSM에서는 정확하게 동일 지점을 찾기 어렵거나, 표고가 서로 다른지점(예시: 경계석 위, 아래)에 대한 높이 값으로 나타날 수 있기 때문 에 표고값을 신뢰하기가 어려워 활용하는데 제한 적이다.

Fig. 14 Location used for status map analysis

Table 4. Accuracy analysis result in status map

Fig. 15 Location used for status map analysis

Table 5. Accuracy analysis result of road surface

4.3 도로 횡단면도 분석

드론사진측량의 정확도 중에서 높이에 대한 정 확도를 세부적으로 판단하기 위하여 Fig. 16과 같 이 도로 노면 4곳의 횡단면도를 작성해 도로 폭 및 경계석 길이에 대하여 비교 분석하였다.

그 결과 Table 5와 같이 RMSE가 평면 0.051m, 표고 0.146m로 도로 폭, 가장자리 경계석과 맞닿 아 있는 부분 모두 높이에 대한 오차가 크게 나타 났다. 특히, 경계석의 높이를 고려하였을 때 30∼50cm정도의 두께나 높이를 가지고 있는 부분에 대해서는 변곡점을 정확하게 구분하기 어렵다고 판단된다. 이처럼 오차가 나타나는 이유는 드론사 진측량의 특성상 포인트 클라우드 생성 시 입체시 되는 영상 쌍이 많고 각각의 영상 쌍이 가지는 외 부표정 요소의 부정확성으로 인하여 동일 지점에 대한 포인트 클라우드가 상하 방향으로 생성되기 때문으로 판단된다.

Fig. 16 Location used for cross-section map analysis

4.4 교통안전 시설물 현황 분석

산업단지조성 현장에서 확인이 필요한 사항 중 하나로 교통안전 시설물에 대한 현황을 파악하여 계획된 도면과 일치여부를 판단해야한다. 이에 현장 에 설치된 교통안전 시설물 현황과 정사영상, 3차원 포인트클라우드를 이용하여 현황을 파악하였다.

그 결과, Fig. 17과 같이 시설물에 대한 판단이 용이하였으며, 횡단보도, 소화전, 반사경 등 총 22 개소를 모두 명확하게 확인할 수 있어 정성적인 분석에 드론사진측량의 활용성은 충분하다고 판단 된다.

Fig. 17 Traffic safety facilities

5. 결 론

본 논문에서는 드론사진측량의 건설·토목 분야 에서의 활용성을 판단하기 위하여 검사점 뿐만 아 니라 현황도, 횡단면도 등 다양한 성과를 제작하 여 정확도를 분석하였으며 다음과 같은 결과를 도 출하였다.

첫째, 검사점 정확도 분석 결과 평면, 표고 모 두 RMSE가 항공사진측량 작업규정 내 1/1,000 축척 묘사 허용오차 범위를 만족하고 있는 결과를 나타내어 수치지도 제작 가능성을 나타냈다.

둘째, 현황도 분석 결과 모서리지점에 대한 높 이값의 오차가 크게 나타나 높이 값에 대한 신뢰 도가 높지 않음을 확인하였다.

셋째, 포인트 클라우드를 이용한 횡단면도 분석 결과 생성된 포인트 클라우드의 높이에 대한 편차 가 크게 나타나 도로노면 조사 및 설계와 같은 세 부적인 분야에서는 활용성이 제한적이다.

넷째, 정사영상을 이용한 교통안전시설물 현황 에 대한 정성적인 분석결과 현황조사 결과와 일 치하는 결과는 나타내어 활용성이 있음을 입증하 였다.

따라서, 본 연구 결과 드론사진측량을 이용한 토목·건설 현장에서의 활용성은 높이에 대한 신뢰 도가 낮은 부분이 존재 하기 때문에 설계와 같이 세밀하고 높은 정확도가 요구되는 항목에서 보다 는 현장관리, 시각적 요소의 활용에 주로 활용이 가능하며, 높이 값을 보완하여 활용한다면 현황도 제작에도 활용이 가능할 것으로 판단된다. 그러나 본 연구는 한가지 드론 기체를 가지고 특정 조건 에 대한 분석을 하였기 때문에 더 다양한 기체와 지형에서 촬영한 영상을 이용하여 더 객관적인 결 과분석을 할 필요가 있다.