• 대한원격탐사학회지
• /
• 제27권5호
• /
• pp.507-520
• /
• 2011

전파 고도계는 비행체의 직하방으로 펄스를 발사하고 펄스의 왕복 도달 시간을 거리로 환산하여 고도를 탐지하는 시스템으로써, 이착륙하는 항공기가 지면에 충돌하는 것을 방지함은 물론, 위성에 탑재되어 전 지구 해수면의 고도를 수 mm의 정밀도로 관측하기도 한다. 그러나 전파 고도계는 넓은 swath 내의 모든 데이터를 취득하여 이의 평균치로 고도를 측정하기 때문에 해수면과 같이 편평한 지역에서는 정밀 고도 추출이 가능하지만, 지면과 같이 변화가 심한 지형에서의 고도 탐지가 어렵다는 한계가 있다. 이러한 한계를 개선하기 위하여 본 연구에서는 지표면의 고도뿐만 아니라 3차원 위치 좌표까지 효과적으로 추출할 수 있는 간섭계 레이더 고도계 (Interferometric Radar Altimeter, IRA) 신호처리 알고리즘을 제안하였다. 이 방법은 세 개의 센서를 이용한 레이더 간섭기법 (Synthetic Aperture Radar Interferometry, InSAR)을 통하여 비행체로부터 최근거리에 위치하고 있는 타겟의 3차원 지상 좌표를 정밀하게 추출하는 신호처리 기법이다. 본 연구에서는 제안된 신호처리 기법의 정밀도를 분석하기 위하여 약 3,500여 개의 포인트 타겟을 설정하고, RAW 데이터 시뮬레이션 및 70회의 정밀 좌표 추출 시뮬레이션을 수행하였다. 추출된 좌표와 포인트 타겟 간 오차의 평균과 표준편차, Root mean square errors (RMSEs)를 계산하였고, 이러한 결과로부터 IRA 처리 기법의 좌표 추출 정밀도를 분석하였다. 관측 결과 오차의 평균은 x, y, z 방향으로 각각 -0.40 m, -0.02 m, 4.22 m 이며, 오차의 표준편차는 3.40 m, 0.30 m, 4.60 m, RMSE는 각각 3.40 m, 0.30 m, 6.20 m 로 나타났다. y축 방향으로의 오차는 다른 방향에 비해 매우 작았으며, 이는 간섭기법의 정밀도가 높기 때문이다. 이러한 결과는 고도만을 파악할 수 있었던 기존 전파 고도계의 한계를 넘어 제안된 IRA 처리 기법으로 정밀하게 지표면의 3차원 위치를 추출할 수 있음을 지시한다.

• 한국지리정보학회지
• /
• 제21권3호
• /
• pp.162-175
• /
• 2018

본 연구는 도시 열환경 문제를 개선하기 위해 UAV 영상 표면온도 자료를 이용하여 피복재질별 표면온도 특성을 분석하였다. 그리고 UAV 영상 표면온도를 유사한 시기에 측정된 현장 실측 표면온도와 비교하였다. UAV 영상과 실측 표면온도와 비교한 결과, 가장 큰 차이를 보이는 피복재질은 회색 콘크리트 지붕 재질로 약 $7.8^{\circ}C$로 나타났다. 우레탄은 $0.3^{\circ}C$ 차이로 가장 적었다. 산점도를 분석한 결과 설명력이 63.75%로 상관성이 높은 것으로 분석되었다. 표면온도가 가장 높은 재질은 금속지붕으로 $48.9^{\circ}C$로 나타났고, 우레탄($43.4^{\circ}C$), 회색 콘크리트 지붕($42.9^{\circ}C$) 순이었다. 표면온도가 낮은 재질은 나지($30.2^{\circ}C$), 수목 및 잔디($30.2^{\circ}C$), 흰색 콘크리트 지붕($34.9^{\circ}C$)이었다. UAV 영상 표면온도 자료는 피복재질의 열적특성을 정밀하게 분석 가능하였다. 향후, 실측자료와의 비교를 통해 UAV 영상의 정확성 검 보정과 위성영상과 연계하여 UAV 영상 자료의 활용성을 확대할 필요가 있다.

• 대한원격탐사학회지
• /
• 제37권5_1호
• /
• pp.847-859
• /
• 2021

최근 고해상도 위성 SAR 영상이 늘어남에 따라, 변화탐지, 영상 융합 등 다양한 분야에서 SAR 영상에 대한 정밀 정합 요구가 커지고 있다. 영상 정합 결과에 대한 정량적 평가는 분석자에 의해 추출된 GCPs (Ground Control Points)를 이용한 RMSE (Root Mean Square Error) 값이 널리 사용되어 왔으나, 영상정합 결과의 정확도를 자동으로 측정하는 방법에 대한 연구는 미비한 실정이다. 본 연구에서는 SAR 영상 정합의 정확도 평가지표로, 단일채널 영상의 품질 평가 알고리즘으로 개발된 FSIM (Feature Similarity) 값을 적용하는 것에 대한 타당성 분석을 수행하였다. 다양한 관측각도 및 관측방향에서 수집된 TerraSAR-X staring spotlight 자료를 분석에 사용하였다. SAR 영상의 공간 해상도에 따른 FSIM 값 변화는 매우 작은 값을 보였다. 따라서, 다양한 공간해상도의 SAR 영상 간에도 동일한 척도를 가지고 FSIM 값을 사용할 수 있다. 단일 SAR 영상을 이용하여 정합 오차에 따른 FSIM값 변화를 분석하였으며, 이 값을 기준으로 서로 다른 관측조건에서 수집된 영상 간의 정합 오차에 따른 FSIM 값 변화를 분석하였다. 서로 다른 관측각 또는 관측방향 자료 조합에서, 관측기하 차이에 의해 FSIM 값은 다소 저하되었다. 토지피복별 FSIM 값 분석 결과에서, 도심지역에서 정합오차에 따른 FSIM 값의 변화가 가장 뚜렷하게 나타났다. 따라서, FSIM 값을 이용하여 영상정합의 정확도를 판별하기 위해서는 도심지역에서 산출된 FSIM 값을 이용하는 것이 바람직하다. FSIM 값은 SAR 영상 정합 정확도에 대한 지표로 사용될 수 있는 충분한 가능성이 있는 것으로 판단된다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.1125-1139
• /
• 2022

무인항공기에 부착된 위성 항법 시스템/관성 측정 센서(global positioning system/inertial measurement unit, GPS/IMU)와 관측 센서 사이에는 물리적인 위치와 자세 오차가 존재한다. 해당 물리 오프셋으로 인해, 관측 데이터는 비행 방향에 따라 서로 위치가 어긋나는 이격 오차가 발생한다. 특히나, 다중 센서를 활용하여 데이터를 취득하는 다중 센서 무인항공기의 경우, 관측 센서가 변경될 때마다 고액의 비용을 지불하고 외산 소프트웨어 의존하여 물리 오프셋을 조정하고 있는 실정이다. 본 연구에서는 다중 센서에 적용 가능한 초기 센서 모델식을 수립하고 물리 오프셋 추정 방법을 제안한다. 제안된 방안은 크게 3가지 단계로 구성된다. 먼저, 직접지리 참조를 위한 회전 행렬 정의 및 초기 센서 모델식을 수립한다. 다음으로, 지상기준점과 관측 센서에서 취득된 데이터 간의 대응점을 추출하여 물리 오프셋 추정을 위한 관측방정식을 수립한다. 마지막으로, 관측 자료를 기반으로 물리 오프셋을 추정하고, 추정된 파라미터를 초기 센서 모델식에 적용한다. 전주, 인천, 알래스카, 노르웨이 지역에서 취득된 데이터셋에 적용한 결과, 4개 지역 모두 물리 오프셋 적용 전에 발생되던 영상 접합부의 이격 오차가 물리 오프셋을 적용 후 제거되는 것을 확인했다. 인천 지역의 지상기준점 대비 절대 위치 정확도를 분석한 결과, 초분광 영상의 경우, X, Y 방향으로 약 0.12 m 위치 편차를 보였으며, 라이다 포인트 클라우드의 경우 약 0.03 m의 위치 편차를 보여줬다. 더 나아가 영상 내 특징점에 대하여 초분광, 라이다 데이터의 상대 위치 정확도를 분석한 결과, 센서 데이터 간의 위치 편차가 약 0.07 m인 것을 확인했다. 따라서, 제안된 물리 오프셋 추정 및 적용을 통해 별도 기준점 없이 정밀한 데이터 매핑이 가능한 직접 지리 참조가 가능하다는 것을 확인했으며, 다중 센서를 부착한 무인항공기에서 취득된 센서 데이터 간의 융합 가능성에 대해 확인하였다. 본 연구를 통해 독자적인 물리 파라미터 추정 기술 보유를 통한 경제적 비용 절감 효과 및 관측 조건에 따른 유연한 다중 센서 플랫폼 시스템 운용을 기대한다.