• Spatial Information Research
• /
• 제18권5호
• /
• pp.37-45
• /
• 2010

항공삼각측량(AT: Aerial Triangulation)은 정사영상을 제작하기 위해 필수적인 과정으로 현장측량을 통해 얻어진 지상기준점 성과와 GPS/INS를 통해 얻어진 외부표정요소를 기준좌표로 이용하여 사진상의 모든 좌표를 지상좌표화 하는 과정이다. 이 과정에서 요구되는 지상기준점은 GPS 및 토탈스테이션 등을 이용한 직접측량과 수치지형도를 이용한 간접측량 등의 방법으로 좌표를 취득한다. GPS 및 토탈스테이션을 이용한 직접측량은 현장에서 소요되는 인원, 시간, 비용 등의 경제적인 비용이 많이 소비되므로 효과적이지 않은 반면, 수치지형도로부터 지상기준점을 추출하는 경우는 수치지형도를 활용하여 직접 선점해야하는 수동적인 작업방식으로 인해 오차가 발생되며, 정확도 확보에 한계가 있다. 본 연구에서는 효과적인 항공삼각측량을 위해 LiDAR의 반사강도와 LiDAR DSM을 활용하여 식별이 가능한 도로경계선, 방지턱, 건물 등으로 지상기준점을 선점 후, 직접 측량을 통해 얻어진 지상기준점과 비교 분석하고, 수치지형도의 허용오차를 기준으로 정확도 평가를 실시하였다. 또한 각각의 경우에서 얻어진 지상기준점을 이용하여 항공삼각측량을 실시하고 오차 분석을 실시하였다.

• 전자공학회논문지CI
• /
• 제43권3호
• /
• pp.30-38
• /
• 2006

본 논문에서는 스테레오 얼굴영상으로부터 3차원 정보인 거리와 깊이 정보를 이용해 거리에 따라 얼굴인식률이 떨어지는 것을 개선하였다. 단안 영상은 객체의 거리, 크기, 이동, 회전, 깊이 등의 불확실한 정보로 인해 인식률이 떨어지는 문제점이 있다. 또한 얼굴의 회전, 조명, 표정변화 등의 영상정보가 취득되지 않으면 인식률이 매우 저하되는 단점이 있다. 그래서 본 연구는 이와 같은 문제점을 해결하고자 한다. 제안된 방법은 눈 검출 알고리듬, 얼굴의 회전 방향분석, PCA(Principal Component Analysis)로 구성된다. 또한 제한된 영역에서 얼굴을 고속으로 검출하기 위해 RGB컬러공간에서 YCbCr공간으로 변환한다. 얼굴후보 영역에서 다층 상대적인 밝기 맵을 생성하여 얼굴의 기하학적인 구조로부터 얼굴인지를 판별한다. 스테레오 얼굴영상으로부터 거리 및 눈과 입의 깊이 정보를 취득하고, 거리에 따라 확대, 축소, 이동, 회전 등의 정규화를 통해 $92{\times}112$ 크기의 얼굴을 검출한다. 검출된 왼쪽 얼굴영상과 추정된 방향의 차를 PCA로 학습한다. 제안된 방법은 정면에서 최대 95.8%(100cm), 포즈변화에 따라 98.3%의 인식률을 얻을 수 있었다. 따라서 실험을 통하여 제안된 방법은 거리에 따라 확대, 축소와 회전 등의 정확한 정규화로 높은 인식률을 얻을 수 있음을 보였다.

• 대한원격탐사학회지
• /
• 제30권6호
• /
• pp.829-837
• /
• 2014

KOMPSAT-3는 0.7 m 공간해상도의 스테레오 흑백영상을 획득할 수 있으며, RPC를 제공하고 있다. 내 외부표정요소 오차를 포함하고 있는 제공 RPC로부터 지상좌표를 결정하기 위해서는 지상기준점을 이용한 RPC 조정이 필요하다. 우리나라에는 국토지리정보원에 의해 수천 개의 국가 통합기준점이 국토 전역에 걸쳐 설치되고 분포되어 있다. 따라서 통합기준점은 국토지리정보원의 국가기준점발급시스템에서 쉽게 검색되고 다운로드 받을 수 있다. 본 연구는 KOMPSAT-3 위성영상에서 UCP를 탐지하기 위해, 특징점 추출 방법과 거리 방향각 적용방법을 제안하였다. 그 결과, 거리 방향각 적용방법이 더 좋은 결과를 보였다. 이 방법으로 조정된 RPC는 UCP 한 점만 적용한 경우, GPS 지상 기준점을 이용하여 조정한 경우와 비교하였다. 그 결과, 평면위치 정확도는 제안 방법이 가장 우수하였다. 따라서 본 연구에서 제안한 UCP 탐지방법으로 RPC 보정을 위한 GPS 현장관측을 대체할 수 있을 것이다.

• 한국콘텐츠학회논문지
• /
• 제8권1호
• /
• pp.212-227
• /
• 2008

3D 얼굴 모델링은 33공간에서 얼굴을 자유롭게 회전 시켜 다양한 얼굴 자세를 표현하고 조명 효과도 적절하게 모델링 할 수 있으므로, 얼굴 자세, 조명, 표정 등의 표현에 있어서 2D 얼굴 모델링에 비해 보다 정교하며 사실감이 뛰어나 얼굴 인식, 게임, 아바타 등에서 많은 요구가 존재한다. 본 논문에서는 3D 변형 가능 형상 모델에 기반을 둔 3D 얼굴 모델링 방법을 제안한다. 제안된 3D 얼굴 모델링 방법은 먼저 3D 스캐너를 통하여 획득한 3D 얼굴 스캔 데이터를 이용하여 3D 얼굴 변형 가능 형상 모델을 구축한다. 다음, 3D 얼굴 모델링을 하고자 하는 얼굴의 2D 이미지 시퀀스로부터, 해당 얼굴의 특징점들을 검출하고 이들을 매칭하여, 매칭된 특징점들로부터 인수분해 기반 SfM 기법을 이용하여 해당 특징점의 3D 버텍스 좌표 값을 구한다. 이후, 구한 3D 버텍스들을 3D 변형 가능 형상 모델에 정합하여 해당 얼굴의 3D 형상 모델을 얻는다. 또한, 2D 얼굴 이미지 시퀀스들로부터 뷰 독립적인 2D 원통 좌표 텍스쳐 맵을 구하고 이를 이용하여 3D 형상 모델을 렌더링 함으로써, 최종적으로 3B 얼굴 모델을 완성한다. 제안된 3D 얼굴 모델링 방법에 의한 3D 얼굴 모델 생성 과정을 통해서, 본 논문에서 제안한 3D 얼굴 모델링 방법이 기존의 얼굴 모델링 방법들에 비해 상대적으로 빠르고 비교적 정교하게 수행됨을 볼 수 있었다.

• 한국GIS학회:학술대회논문집
• /
• 한국GIS학회 2003년도 공동 춘계학술대회 논문집
• /
• pp.349-353
• /
• 2003

최근 관심이 증대되고 있는 국토모니터링과 관련하여 기존의 SPOT, IRS, KOMPSAT, LANDSAT 등의 중ㆍ저해상도 위성영상과 IKONOS 등의 고해상도 위성영상을 이용하여 국토의 변화를 탐지하고자 하는 시도가 활발히 진행되고 있다. 이 때 영상의 기하보정은 필수적인 과정이며 영상의 기하보정시 기준점을 취득하는 과정에 많은 시간과 작업비용이 소요된다. 현재 기준점 취득은 수치지도 등을 통해 기존의 지상기준점을 이용하는 방법과 GPS를 이용한 현지 측량방법이 활용되고 있는데 동일지역에 대해 매번 사업 때마다 수행되고 있는 실정이다. 따라서 이러한 과정을 보다 효율적으로 수행하기 위한 하나의 방안으로 본 연구에서는 image chip을 이용하여 GCP를 취득하고 이를 데이터베이스로 구축하여 기존의 작업을 자동화, 체계화하고자 하였다. 이를 통하여 중복측량 방지와 데이터의 균질성을 기할 수 있었다. Image Chip의 영상 정합을 위해서는 상관계수법과 최소제곱정합법을 이용하여 부영상소 단위까지 정합결과를 얻을 수 있었으며 위성의 header 정보로부터의 영상의 표정각과 입사각에 대한 정보를 이용하여 축척과 회전요소를 고려함으로써 영상 정합시 보다 정확한 기준점 정보를 취득할 수 있었다. 또한, 이종 센서간 영상정합 가능성에 대해서 연구한 결과 KOMPSAT과 SPOT간에는 신뢰할 만한 수준의 정합 결과를 얻을 수 있었으나 고해상도 영상의 경우에는 항공사진과 IKONOS의 영상 정합시 센서의 방사학적 특성의 차이로 신뢰할 안한 결과를 얻을 수 없었다. 영상 정합시 정확도에 영향을 미치는 인자들에 관한 실험 결과 센서의 파장, 계절, Chip 영상의 크기 등이 큰 영향을 미쳤으며 영상정합을 위해 영상 GCP를 데이터베이스에서 검색할 때 이에 대한 고려가 우선적으로 이루어져야 할 것으로 사료된다.n of hub-and-spoke system, integration of logistics bases, introduction of (automatic) parking building, diversification of transportation mode, and etc. At the same time, we constructed three practically executable scenarios based on those ideas. The first is "Center Hub" scenario, the second is "Metropolitan Hub" scenario. The third and last scenario is "Regional Consolidation of Warehouses (distribution centers)".f worldly desire' and 'cordiality' that one could be deserved his diligency becoming a part of the harmonious idealistic living place. Fourthly, on the character of story teller. Originally he is a incomer of "Gang-Ho" from real world. so that reason, he is showing dualism not to deny the loyalty oath to his king, while he intends to satisfy with the life in "Gang- Ho" separating himself from real world. As a gentry, at that time, the loyalty oath is inevitable one and that is found from wr

• 대한전자공학회논문지SP
• /
• 제49권4호
• /
• pp.77-84
• /
• 2012

얼굴인식 기술은 지능형 보안, 웹에서 콘텐츠 검색, 지능로봇의 시각부분, 머신인터페이스 등, 활용이 광범위 하다. 그러나 일반적으로 대상자의 표정과 포즈 변화, 주변의 조명 환경과 같은 문제가 있으며 이와 더불어 원거리에서 획득한 영상의 경우 저해상도를 비롯하여 블러와 잡음에 의한 영상의 열화 등의 여러 가지 어려움이 발생한다. 본 논문에서는 포톤 카운팅(Photon-counting) 선형판별법(Linear Discriminant Analysis)을 이용한 다중 분류기(Classifier)에 의한 판정을 융합하여 얼굴 영상 인식을 수행한다. Fisher 선형판별법은 집단 간 분산을 최대로 하고 집단 내 분산을 최소로 하는 공간으로 선형 투영하는 방법으로, 학습영상의 수가 적을 경우 특이행렬 문제가 발생하지만 포톤카운팅 선형 판별법은 이러한 문제가 없으므로 차원축소를 위한 전 처리 과정이 필요 없다. 본 논문의 다중 분류기는 포톤 카운팅 선형판별법의 유클리드 거리(Euclidean Distance) 또는 정규화된 상관(Normalized Correlation)을 적용하는 판정규칙에 따라 구성된다. 다중분류기의 판정의 융합은 각 분류기 cost의 정규화(Normalization), 유효화(Validation), 그리고 융합규칙(Fusion Rule)으로 구성된다. 각 분류기에서 도출된 cost는 같은 범위로 정규화된 후 유효화 과정에서 선별되고 Minimum, 또는 Average, 또는 Majority-voting의 융합규칙에 의하여 융합된다. 실험에서는 원거리에서 획득한 효과를 구현하기 위하여 고해상도 데이터베이스 영상을 인위적으로 Unfocusing과 Motion 블러를 이용하여 열화하여 테스트하였다. 실험 결과는 다중분류기 융합결과의 인식률은 단일분류기보다 높다는 것을 보여준다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.363-373
• /
• 2020

정사영상 생성을 위한 많은 연구들이 진행되어 왔다. 기존의 방법은 정사영상을 제작할 경우, 폐색지역을 탐지하고 복원하기 위해 항공영상의 외부표정요소와 정밀 3D 객체 모델링 데이터가 필요하며, 일련의 복잡한 과정을 자동화하는 것은 어렵다. 본 논문에서는 기존의 방법에서 탈피하여 딥러닝(DL)을 이용하여 엄밀정사영상을 제작하는 새로운 방법을 제안하였다. 딥러닝은 여러 분야에서 더욱 급속하게 활용되고 있으며, 최근 생성적 적대 신경망(GAN)은 영상처리 및 컴퓨터비전 분야에서 많은 관심의 대상이다. GAN을 구성하는 생성망은 실제 영상과 유사한 결과가 생성되도록 학습을 수행하고, 판별망은 생성망의 결과가 실제 영상으로 판단될 때까지 반복적으로 수행한다. 본 논문에서 독일 사진측량, 원격탐사 및 공간정보학회(DGPF)가 구축하고 국제 사진측량 및 원격탐사학회(ISPRS)가 제공하는 데이터 셋 중에서 라이다 반사강도 데이터와 적외선 정사영상을 GAN기반의 Pix2Pix 모델 학습에 사용하여 엄밀정사영상을 생성하는 두 가지 방법을 제안하였다. 첫 번째 방법은 라이다 반사강도영상을 입력하고 고해상도의 정사영상을 목적영상으로 사용하여 학습하는 방식이고, 두 번째 방법에서도 입력영상은 첫 번째 방법과 같이 라이다 반사강도영상이지만 목적영상은 라이다 점군집 데이터에 칼라를 지정한 저해상도의 영상을 이용하여 재귀적으로 학습하여 점진적으로 화질을 개선하는 방법이다. 두 가지 방법으로 생성된 정사영상을 FID(Fréchet Inception Distance)를 이용하여 정량적 수치로 비교하면 큰 차이는 없었지만, 입력영상과 목적영상의 품질이 유사할수록, 학습 수행 시 epoch를 증가시키면 우수한 결과를 얻을 수 있었다. 본 논문은 딥러닝으로 엄밀정사영상 생성 가능성을 확인하기 위한 초기단계의 실험적 연구로서 향후 보완 및 개선할 사항을 파악할 수 있었다.