• 대한원격탐사학회지
• /
• 제35권5_2호
• /
• pp.841-850
• /
• 2019

본 논문은 상업용 소형 드론의 드론 맵핑 기하 정확도 평가와 지상 LiDAR와 드론 점군 자료의 융합을 통하여 재난 긴급 맵핑 적용성에 관한 연구이다. 기존의 드론 맵핑 절차와 카메라 검정과 광속조정법으로 카메라 모델을 최적화한 드론 맵핑 간의 위치 오차를 비교 분석한 결과, 평면 위치오차는 2~3 m에서 약 0.11~0.28 m 수준으로, 수직 위치오차는 2.85 m에서 0.45 m 수준으로 위치결정 정확도가 향상되었다. 아울러, 드론 맵핑과정에서 누락되기 쉬운 점군 자료의 측면정보를 지상 LiDAR 점군자료와 융합을 통해 보완할 수 있도록 두 점군 자료간 정합을 위한 개선된 좌표계 변환 모델을 제시하여 연구 대상지내 이종 점군 자료를 최대 오차 0.07 m 이내로 정합하였다. 본 논문에서의 재난현장에서의 드론 기반의 긴급 맵핑과 재난 현장정보를 보다 정밀하게 구축하기 위한 점군 자료융합에 관한 연구 성과는 향후 국가 재난안전 관리 현업에 일조할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제36권6_1호
• /
• pp.1393-1405
• /
• 2020

무인항공기(UAV: Unmanned Aerial Vehicle)는 저고도 비행으로 인해 고해상도 영상을 취득할 수 있으며, 수시촬영이 가능하여 지도제작에 있어 수시갱신이 가능하다. 이러한 이점으로 인해 무인항공기 영상을 이용한 대축척 수치지도 제작 가능성에 대한 연구가 활발히 진행되고 있다. 정밀한 수치지도는 디지털트윈이나 스마트시티의 기반 데이터로 활용될 수 있다. 정밀한 수치지도를 제작하기 위해서는 지상기준점을 이용한 정밀 센서모델링이 반드시 선행되어야 한다. 본 연구에서는, 자체 개발한 정밀 센서모델링 알고리즘을 통해 무인항공기 영상의 기하모델을 수립하였다. 그리고 수치지도를 제작하여 대축척 수치도화 가능성을 평가하였다. 연구 데이터는 인천 간석동과 서울 여의도를 대상으로 영상 및 지상기준점을 취득하였다. 정밀 센서모델링 정확도 분석 결과, 두 지역에 대해서 체크 점 평균오차 3 픽셀 이내, RMSE 4 픽셀 이내의 높은 정확도를 확인하였다. 수치도화 정확도 분석 결과, 국토지리정보원에서 고시한 1:1,000 세부도화 수평오차(0.4 m) 및 표고오차(0.4 m)를 만족하는 범위의 정확도를 확인하였다. 따라서 본 연구에서 자체개발한 정밀 센서모델링 기술은 무인항공기 영상의 1:1,000 대축척 수치도화 제작 가능성을 시사한다.

• 한국측량학회지
• /
• 제39권1호
• /
• pp.41-46
• /
• 2021

무인항공기를 이용한 데이터 취득이 널리 활용되면서 무인항공기를 이용한 사진측량의 정확도를 높일 수 있는 방안의 하나로 항공삼각측량의 번들 조정에 연직사진과 경사사진을 같이 사용하는 방법이 제시되고 있다. 본 연구에서는 사진측량의 정확도를 높이는 데 적합한 방법을 찾기 위해 촬영 각도를 달리하여 촬영한 경사사진을 조정하는 경우와 촬영 각도가 다른 경사사진을 연직사진과 동시에 조정하는 경우의 정확도를 비교하였다. 연구결과 입력되는 경사사진의 경사가 커질수록 검사점의 오차가 줄어드는 것으로 나타났으며, 특히 연직사진과 경사사진을 같이 사용할 때, 경사사진의 경사가 클수록 높이 오차가 크게 줄어드는 것으로 나타났다. 현행 『항공사진측량 작업규정』에서는 연직사진의 GSD (Ground Spatial Distance)와 동일한 RMSE (Root Mean Square Error)를 요구하고 있다. 촬영각도 50°의 경사사진을 이용할 때 이 기준에 거의 근접한 결과를 얻을 수 있었고, 연직사진과 50°의 경사사진을 동시에 조정한 경우 작업규정을 만족시킬 수 있었다. 본 연구 결과를 활용하면 무인항공기에 탑재된 저가의 사진기를 이용하는 사진측량이 더욱 활발해 질 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제39권5_1호
• /
• pp.577-587
• /
• 2023

크라우드소싱(crowdsourcing) 공간 데이터 활용 연구가 활발히 진행되고 있으나 데이터 품질의 불확실성으로 인한 문제점이 제기되고 있다. 특히 드론 영상 데이터셋에 품질이 낮은 데이터가 포함될 경우, 출력되는 공간 정보의 품질이 저하될 수 있다. 이를 위해 본 연구에서는 크라우드소싱된 영상의 기하학적 품질을 자동으로 검증하는 방법론을 제안하였다. 주요 품질 요소로는 영상의 공간해상도, 해상도 변화량, 매칭점 재투영 오차, 번들 조정 결과 등을 입력변수로 활용하였다. 공간 정보 생성에 적합한 영상을 분류하기 위해 학습 및 검증 데이터를 구축하고, radial basis function (RBF) 기반의 support vector machine (SVM) 모델로 학습을 진행하였다. 학습된 SVM 모델의 분류 정확도는 99.1%를 기록하였다. 품질 검증 모델 효과를 확인하기 위해 학습 및 검증에 사용하지 않은 드론 영상에 대하여 해당 모델을 적용하기 전후의 영상 데이터셋으로 각각 정사영상을 생성하고 비교하였다. 그 결과 모델 적용을 통하여 정사영상에 포함될 수 있는 다양한 왜곡을 줄이고 객체 식별력을 증대시키는 것을 확인하였다. 제안된 품질 검증 방법론은 다양한 품질의 크라우드소싱 데이터를 입력으로 받아 양질의 정보만을 자동 선별하게 함으로써 공간정보 생성에서의 활용 가능성을 증대시킬 것으로 기대한다.