• Aerospace Engineering and Technology
• /
• v.8 no.2
• /
• pp.75-82
• /
• 2009

In order to help general users to analyze the KOMPSAT-2 data, an application of sensor modeling to commercial software was explained in this document. The sensor modeling is a basic step to extract the quantity and quality information from KOMPSAT-2 data. First, we introduced the contents and type of ancillary data offered with KOMPSAT-2 PAN image data, and explained how to use it with commercial software. And then, we applied the polynomial-base and refine RFM sensor modeling with ground control points. In the polynomial-base sensor modeling, the accuracy which is average RMSE of check points is highest when the satellite position was calculated by type of 1st order function and the satellite attitude was calculated by type of 1st order function for (Y axis), (Z axis) or constant for (X axis), (Y axis), (Z axis) in perspective center position and satellite attitude parameters. As a result of refine RFM sensor modeling, the accuracy is less than 1 pixel when we applied affine model..

• Journal of Korean Society for Geospatial Information Science
• /
• v.11 no.2 s.25
• /
• pp.29-37
• /
• 2003

An approach is described for automatic measuring of GCP's image coordinates from SPOT imagery and focused on the fulfillment an automatic orientation of satellite images. For the orientation of a stereopair of digital images, firstly, GCP(Ground Control Point) should be selected and then the work for measuring of image coordinates correspond to GCPs is required. In this study, we propose the method for extracting the GCP's image coordinates automatically using an image patch for control points and auxiliary points matching. For the evaluation of measurement accuracy, a comparison between points those are extracted manually and automatically by a proposed method have made. Finally, we shows the feasibility of automatic image coordinates measurment by applying in stereo modeling for SPOT images.

• 한국지형공간정보학회:학술대회논문집
• /
• 2002.03a
• /
• pp.27-33
• /
• 2002

최근 들어 다항식비례모형(RFM: Rational Function Model)은 비전문가에게 있어서 지형보정을 위한 정확도 문제를 해결함과 동시에 센서 종류에 상관없이 적용 가능한 범용적인 센서모델링 기법으로 각광을 받고 있다. 그러나 엄밀(physical) 모델이 없는 센서 혹은 위성의 궤도력 자료를 제공하지 않는 센서의 경우 다항식비례모형의 적용을 위해서는 다수의 매개변수 사용으로 인한 계수들 간의 상관성을 고려해야 한다. 이에 본 연구에서는 2차 다항식비례모형에 기초하여 전방 다항식비례모형(Forward RFM)과 상관도 분석을 통한 전방 다항식비례모형의 이른 및 위치정확도에 관한 연구를 수행하였다. 대상연구지역은 KOMPSAT(Korea Multi-Purpose Satellite)과 SPOT으로 촬영한 대전광역시와 그 주변지역으로 SPOT과 KOMPSAT 모두 상관성 분석 전에는 대략 50% 정도의 검사점에 대해 과대오차(>100m)가 얻어졌으며, 이 점들을 제외한 검사점에 대해서도 SPOT은 평균수평오차 20-24m, 평균표고오차 25m, KOMPSAT은 평균수평오차 15-24m, 평균표고오차 30m를 나타내었다. 전방 다항식비례모형에 대하여 상관성 분석을 수행한 후에는 검사점에 대한 모든 과대오차 조정결과가 소거되었고 검사점에 대해서 SPOT은 평균수평오차 8.8m, 평균표고오차 25.2m, KOMPSAT은 평균수평오차 8.4m, 평균표고오차 14.5m를 나타내었다. 최종적으로 연구지역에 대한 수치표고모형의 제작을 통해 상관도 분석을 통한 다항식비례모형의 실제 적용 가능성을 보여주었다.

• Proceedings of the Korean Society for Agricultural Machinery Conference
• /
• 2017.04a
• /
• pp.162-162
• /
• 2017

구글에서 공개한 Tensorflow를 이용한 여러 학문 분야의 연구가 활발하다. 농업 시설환경을 대상으로 한 빅데이터의 축적이 증가함과 아울러 실효적인 정보 획득을 위한 각종 데이터 분석 및 마이닝 기법에 대한 연구 또한 활발한 상황이다. 한편, 타 분야의 성공적인 심층학습기법 응용사례에 비하여 농업 분야에서의 응용은 초기 성장 단계라 할 수 있다. 이는 농업 현장에서 취득한 정보의 난해성 및 완성도 높은 생육/환경 모델링 정보의 부재로 실효적인 전과정 처리 기술 도출에 소요되는 시간, 비용, 연구 환경이 상대적으로 부족하기 때문일 것이다. 특히, 센서 기반 데이터 취득 기술 증가에 따라 비약적으로 방대해진 수집 데이터를 시간 복잡도가 높은 심층 학습 모델링 연산에 기계적으로 단순 적용할 경우 시간 효율적인 측면에서 성공적인 결과 도출에 애로가 있을 것이다. 매우 높은 시간 복잡도를 해결하기 위하여 제시된 하드웨어 가속 기능의 경우 일부 개발환경에 국한이 되어 있다. 일례로, 구글의 Tensorflow는 오픈소스 기반 병렬 클러스터링 기술인 MPICH를 지원하는 알고리즘을 공개하지 않고 있다. 따라서, 본 연구에서는 심층학습 기법 연구에 있어서, 예상 가능한 다양한 자원을 활용하여 최대한 연산의 결과를 빨리 도출할 수 있는 하드웨어적인 접근 방법을 모색하였다. 호스트에서 수행하는 일방적인 학습 알고리즘과 달리 이기종간 심층 학습이 가능하기 위해선 우선, NFS(Network File System)를 이용하여 데이터 계층이 상호 연결이 되어야 한다. 이를 위해서 고속 네트워크를 기반으로 한 NFS의 이용이 필수적이다. 둘째로 제한된 자원의 한계를 극복하기 위한 메모 공유 라이브러리가 필요하다. 셋째로 이기종간 프로세서에 최적화된 병렬 처리용 컴파일러를 이용해야 한다. 가장 중요한 부분은 이기종간의 처리 능력에 따른 작업을 고르게 분배할 수 있는 작업 스케쥴링이 수행되어야 하며, 이는 처리하고자 하는 데이터의 형태에 따라 매우 가변적이므로 해당 데이터 도메인에 대한 엄밀한 사전 벤치마킹이 수행되어야 한다. 이러한 요구조건을 대부분 충족하는 Open-CL ver1.2(https://www.khronos.org/opencl/)를 이용하였다. 최신의 Open-CL 버전은 2.2이나 본 연구를 위하여 준비한 4가지 이기종 시스템에서 모두 공통적으로 지원하는 버전은 1.2이다. 실험적으로 선정된 4가지 이기종 시스템은 1) Windows 10 Pro, 2) Linux-Ubuntu 16.04.4 LTS-x86_64, 3) MAC OS X 10.11 4) Linux-Ubuntu 16.04.4 LTS-ARM Cortext-A15 이다. 비교 분석을 위하여 NVIDIA 사에서 제공하는 Pascal Titan X 2식을 SLI로 구성한 시스템을 준비하였다. 개별 시스템에서 별도로 컴파일 된 바이너리의 이름을 통일하고, 개별 시스템의 코어수를 동일하게 균등 배분하여 100 Hz의 데이터로 입력이 되는 온도 정보와 조도 정보를 입력으로 하고 이를 습도정보에 Linear Gradient Descent Optimizer를 이용하여 Epoch 10,000회의 학습을 수행하였다. 4종의 이기종에서 총 32개의 코어를 이용한 학습에서 17초 내외로 연산 수행을 마쳤으나, 비교 시스템에서는 11초 내외로 연산을 마치는 결과가 나왔다. 기보유 하드웨어의 적절한 활용이 가능한 심층학습 기법에 대한 연구를 지속할 것이다

• Journal of the Korean Association of Geographic Information Studies
• /
• v.22 no.4
• /
• pp.229-240
• /
• 2019

3D geo-spatial model have been widely used in the field of Civil Engineering, Medical, Computer Graphics, Urban Management and many other. Especially, the demand for high quality 3D spatial information such as precise road map construction has explosively increased, MMS and UAV techniques have been actively used to acquire them more easily and conveniently in surveying and geo-spatial field. However, in order to perform 3D modeling by integrating the two data set from MMS and UAV, its so needed an proper registration method is required to efficiently correct the difference between the raw data acquisition sensor, the point cloud data generation method, and the observation accuracy occurred when the two techniques are applied. In this study, we obtained UAV point colud data in Yeouido area as the study area in order to determine the automatic registration performance between MMS and UAV point cloud data using ICP(Iterative Closet Point) method. MMS observations was then performed in the study area by dividing 4 zones according to the level of overlap ratio and observation noise with based on UAV data. After we manually registered the MMS data to the UAV data, then compared the results which automatic registered using ICP method. In conclusion, the higher the overlap ratio and the lower the noise level, can bring the more accurate results in the automatic registration using ICP method.