• 항공우주기술
• /
• 제8권2호
• /
• pp.75-82
• /
• 2009

본 문서는 일반 사용자들이 다목적실용위성 2호(KOMPSAT-2) 영상을 사용하는데 있어 보다 쉽게 접근할 수 있도록 하기 위해, 기존의 상용 S/W를 이용하여 영상의 센서모델링을 적용하는 방법에 대해 설명하고자 한다. 센서모델링은 다목적실용위성 2호 자료로부터 정량적, 정성적 정보를 추출하기 위한 가장 기본적인 단계라고 할 수 있다. 우선 다목적실용위성 2호(KOMPSAT-2) 영상자료와 함께 제공되는 보조데이터의 종류와 내용에 대해 살펴보고, 이를 상용 S/W에서 어떻게 사용할 것인가에 대해 설명하였다. 센서모델링에 적용은 Polynomial-base의 센서모델링과 Refine RFM을 적용하였다. Polynomial-base 센서모델링에서, 위성위치는 1차 다항식 형태의 등속직선운동, 위성자세는 X축, Y축, Z축에 대하여 고정값 또는 Y축과 Z축에 대한 1차 다항식 형태가 정확도가 우수한 것으로 나타났다. Refine RFM 모델링을 수행할 때 Affine 모델을 적용할 경우 정확도가 1 pixel 이하로 확보됨을 알 수 있었다.

• 대한공간정보학회지
• /
• 제11권2호
• /
• pp.29-37
• /
• 2003

위성으로부터 정확한 3차원 위치정보를 계산하기 위하여 영상획득순간의 정확한 센서의 외부표정요소(위치와 자세)를 알고 있어야 한다. 이미 정확한 3차원 정보를 알고 있는 지상기준점을 이용하여 센서의 외부표정요소를 결정하는 엄밀법은 정확한 3차원 정보를 추출할 수 있는 최선의 방법 중 하나이다. 엄밀법에 의하여 센서 모델링을 할 때 지상기준점의 영상좌표 관측작업이 선행되어야한다. 본 연구에서는 지상기준점 영상패치 및 보조점 정합에 의해 입체영상 3차원 모형화에 필요한 지상기준점의 영상좌보를 자동으로 추출할 수 있는 기법을 개발하였다. 관측정확도는 수작업으로 관측한 값과 자동 계산된 영상좌표의 결과를 비교분석하여 평가하였으며, SPOT위성영상의 3차원 모형화에 적용하여 정확도를 평가하므로써 SPOT위성영상3차원 모형화 과정에서 지상기준점의 영상좌표 관측을 자동화 할 수 있음을 입증하였다.

• 한국지형공간정보학회:학술대회논문집
• /
• 한국지형공간정보학회 2002년도 춘계학술대회 논문집
• /
• 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.

• 한국농업기계학회:학술대회논문집
• /
• 한국농업기계학회 2017년도 춘계공동학술대회
• /
• 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

• 한국지리정보학회지
• /
• 제22권4호
• /
• pp.229-240
• /
• 2019

건설, 의료, 컴퓨터 그래픽스, 도시공간 관리 등 다양한 분야에서 3차원 공간모델이 이용되고 있다. 특히 측량 및 공간정보 분야에서는 최근 스마트시티, 정밀도로지도 구축 등과 같은 고품질의 3차원 공간정보에 대한 수요가 폭발적으로 증가하면서, 이를 보다 손쉽고, 간편하게 취득하기 위하여 MMS, UAV와 같은 관측기술이 활발히 활용되고 있다. 하지만 두 자료를 통합하여 3차원 모델링을 수행하기 위해서는, 두 관측기술 적용 시 발생하는 원시자료 취득센서, 점군 자료생성 방식 및 관측정확도 간의 차이를 효율적으로 보정할 수 있는 최적의 정합방법이 필요하다. 본 연구에서는 일반적인 3차원 모델의 자동정합에 사용되는 ICP(Iterative Closet Point) 기법을 통한 MMS와 UAV 점군 데이터 간 자동정합 성능을 판단하기 위하여, 여의도 지역을 연구대상지역으로 설정하고 UAV 영상을 취득 후 점군 자료로 변환하였다. 그 후 대상지역을 총 4개의 구역으로 구분하여 MMS 관측을 수행하였으며, UAV 점군 자료를 기반으로 각 구역에서 관측된 MMS 점군 자료와 수동정합하고 이를 ICP 기반으로 자동정합한 결과와 비교하였다. 보다 엄밀하게 ICP 기반의 자동정합 성능을 판단하기 위하여 각 구역별로 데이터 중첩률, 노이즈 레벨 등의 변수를 다르게 하여 비교를 수행하였다. 결론적으로 ICP 기반의 자동정합 시 데이터 중첩률이 높고, 노이즈 레벨이 낮을수록 더 높은 정확도로 정합될 수 있다는 것을 알 수 있었다.