• 한국측량학회지
• /
• 제28권1호
• /
• pp.83-92
• /
• 2010

고해상도 항공 디지털 사진기와 고밀도 3차원 데이터를 획득할 수 있는 항공 레이저 스캐너의 보급은 사진측량 및 공간정보 분야에 큰 발전을 가져왔다. 본 연구는 패치기반의 정사영상을 생생하여 폐색지역을 탐색하고 정사영상에서 발생하는 폐색지역을 복원하여 정밀정사영상을 생성하는 방법을 개발하는 것을 목적으로 한다. 정사영상에서 발생하는 폐색지역의 처리를 위하여 대상지역을 포함하고 있는 다중 영상들을 이용하여 상호 복원하는 방법을 개발하였다. 제시된 방법을 적용하면 폐색지역이 많이 발생하는 도심지역의 정밀정사영상을 효율적으로 생성할 수 있을 것으로 판단된다.

• 스마트미디어저널
• /
• 제9권3호
• /
• pp.46-51
• /
• 2020

소나무 재선충은 한국과 일본, 중국을 포함한 동아시아 지역의 소나무산림에 막대한 피해를 주는 원인이며, 피해목의 조기 발견과 제거는 재선충 확산을 막는 효과적인 방법이다. 본 논문에서는 드론으로 촬영되고 처리된 RGB 정사영상을 딥러닝 분류에 의한 재선충 피해목 탐색방법을 제안한다. 제안된 방법은 학습영상 데이터가 많지 않다는 가정아래 ResNet18을 백본으로 하는 패치기반의 분류기를 구성하고 RGB 정사영상을 분류하고 그 결과를 heatmap 형태로 만든다. 제작된 정사영상의 heat map는 재선충 피해목의 분포를 알아내고 확산해가는 모습을 관찰할 수 있게 하며, 재선충 피해목 지역의 RGB 분포 특징을 추출해낼 수도 있다. 본 연구의 패치기반 분류기 성능은 94.7%의 정확도를 나타내었다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 1부
• /
• pp.96-102
• /
• 2007

본 논문에서는 자연스러운 증강현실 환경을 위하여 패치 기반의 텍스쳐 합성을 통한 마커 은닉 방법을 제안한다. 증강현실에서 카메라의 자세를 구하기 위한 보편적인 방법은 음영 대비가 뚜렷한 정사각형의 마커를 사용하는 것이다. 이러한 인위적인 마커의 사용은 물체의 인식과 추적을 용이하게 하지만 증강된 장면의 실감성을 감소시켜 사용성 저하를 유발하기도 한다. 제안된 마커 은닉 방법은 실시간성을 보장하면서, 배경 텍스쳐의 전역적인 특성을 유지하고, 주변 환경의 변화에 유연하다.

• 한국측량학회지
• /
• 제26권4호
• /
• pp.341-350
• /
• 2008

변화탐지는 도시모델의 갱신을 위해 중요한 단계이다. 이에 본 연구는 서로 다른 시기에 취득된 라이다 데이터로부터 도시변화를 탐지하는 방법을 제안한다. 제안된 방법의 주요 과정은(1) 라이다 데이터로부터 생성된 DSM의 차분을 통해 변화영역을 탐지하고, (2) 탐지된 영역의 라이다 점으로부터 표면패치를 구성하고, (3) 구성된 각각의 패치의 종류를 지면, 수목, 빌딩으로 분류하고, (4) 패치의 종류 및 속성에 기반하여 변화의 종류를 결정한다. 제안된 방법을 실측데이터에 적용한 결과를 동일한 지역의 정사영상으로부터 육안검사를 통해 수동생성된 참조데이터를 이용하여 검증하였다. 변화탐지의 성공률은 평균적으로 97%로 평가되었다. 결론적으로 제안된 방법은 변화탐지 및 도시모델의 갱신을 위한 신뢰성이 높고, 효율적인 방법으로 판단된다.

• 대한공간정보학회지
• /
• 제25권1호
• /
• pp.71-78
• /
• 2017

최근 널리 보급되고 있는 태양광 발전소의 유지관리를 위해 다양한 연구들이 시도되고 있다. 본 연구에서는 unmanned aerial vehicle(UAV)기반 열적외선 센서를 이용하여 태양광 셀의 발열을 분석하는 것으로서 주요 결론은 다음과 같다. 먼저 UAV 기반 RGB 센서를 이용하여 정사영상과 digital surface model(DSM) 자료를 구축하였으며, 이를 통해 태양광 셀의 발열 분석에 필요한 태양광 모듈 레이어를 생성하였다. 또한 태양광 모듈 레이어의 위치정확도를 평가하기 위해 virtual reference service(VRS) 측량을 이용하여 검정점에 대한 수평오차를 분석한 결과, 표준오차가 $dx={\pm}2.4cm$, $dy={\pm}3.2cm$로 높은 위치정확도를 확보할 수 있었다. 그리고 태양광 셀의 발열 실험을 위해 고무패치를 설치한 후 UAV 열적외선 센서를 이용하여 발열이 생기는 고무패치의 위치를 효과적으로 분석할 수 있었다. 또한 고무패치 셀 비율과 UAV 열적외선 센서에 의한 셀 비율의 표준오차는 ${\pm}3.5%$로 나타났으며, 따라서 UAV 기반 열적외선 센서를 이용하여 태양광 셀의 발열을 효과적으로 분석할 수 있었다. 아울러 발열이 생기는 셀이 위치하고 있는 태양광 모듈의 코드를 자동으로 추출함으로서 효과적인 태양광발전소 유지보수가 가능하게 되었다.

• 대한원격탐사학회지
• /
• 제40권4호
• /
• pp.387-396
• /
• 2024

대부분의 고해상도 위성영상은 rational polynomial coefficients (RPC) 정보를 제공하여 지상좌표와 영상좌표 간 변환을 수행한다. 그러나 초기 RPC에는 기하학적 오차가 존재하여 ground control points (GCPs)와의 정합을 통해 보정을 수행하여야 한다. GCP chip은 항공정사영상에서 추출한 높이 정보가 포함된 작은 영상 패치(patch)이다. 많은 선행연구에서는 영역 기반 정합 기법을 사용하여 고해상도 위성영상과 GCP chip 간 정합을 수행하였다. 계절적 차이나 변화된 지역이 존재하는 영상에서는 화소값에 의존하는 정합이 어렵기 때문에 윤곽 정보를 추출하여 정합을 수행하기도 한다. 그러나 일반적으로 사용하는 canny 기법으로 정합에 용이한 윤곽을 추출하기 위해서는 위성영상의 분광 특성에 적절한 임계치를 설정해주어야 하는 문제가 존재한다. 따라서 본 연구에서는 위성영상의 지역별 특성에 둔감한 윤곽 정보를 활용하여 RPC 보정을 위한 정합을 수행하고자 한다. 이를 위해 딥러닝 기반 윤곽 정보 추출 네트워크인 pixel difference network (PiDiNet)를 활용하여 위성영상과 GCP chip의 윤곽맵(edge map)을 각각 생성하였다. 그 후 생성된 윤곽맵을 normalized cross-correlation과 relative edge cross-correlation의 입력데이터로 대체하여 영역 기반의 정합을 수행하였다. 마지막으로 RPC 보정에 필요한 변환모델 계수를 도출하기 위하여 data snooping 기법을 반복적으로 적용하여 참정합쌍을 추출하였다. 오정합쌍을 제거한 참정합쌍에 대해 root mean square error (RMSE)를 도출하고 기존에 사용하던 상관관계 기법과 결과를 정성적으로 비교하였다. 실험 결과, PiDiNet은 약 0.3~0.9 화소의 RMSE 값 분포를 보였으나 canny 기법에 비해 두꺼운 윤곽을 나타내어 일부 영상에서 미세하게 정확도가 저하되는 것을 확인하였다. 그러나 위성영상 내 특징적인 윤곽을 일관적으로 나타냄으로써 정합이 어려운 지역에서도 정합이 잘 수행되는 것을 확인하였다. 본 연구를 통해 윤곽 기반 정합 기법의 강인성을 개선하여 다양한 지역에서의 정합을 수행할 수 있을 것으로 예상된다.