• 대한원격탐사학회지
• /
• 제19권4호
• /
• pp.319-328
• /
• 2003

고정밀 위성영상의 자동분석은 지도제작, 감시, 자원탐사 등을 효율적으로 수행하는데 있어 중요하다. 그러나, 도심지역의 고정밀 위성영상의 자동분석은 그림자, 분광정보의 시변성, 영상의 복잡성 등 때문에 현재의 기술로 해결하기 어려운 부분들이 산재해 있다. 본 논문에서는 디지털 수치지도 상의 건물객체들을 고정밀 위성영상에 중첩하여 도심지역의 건물들의 변화 탐색을 용이하게 하는 방법을 제안한다. 제안된 방법에서는 수치지도상의 건물들을 매개변수화 하고, 전처리된 고정밀 위성영상에서 일반화된 Hough 변환 방법을 이용하여 탐색하고, 탐색된 부분에 중첩시킨다. 중첩된 영상은 건물들의 변화 여부를 빠르게 찾는데 도움을 줄 수 있다.

• 대한원격탐사학회지
• /
• 제36권5_2호
• /
• pp.989-1006
• /
• 2020

건물탐지 기반의 건물 변화 모니터링은 발사예정인 차세대 중형위성 1, 2호와 같은 고해상도 다시기 광학 위성영상을 이용한 인공 구조물 모니터링 측면에서 가장 중요한 분야 중 하나이다. 하지만 지표면에 위치하는 건물들의 형태와 크기는 다양하며, 이들 주변에 존재하는 그림자 또는 나무 등에 의해 정확한 건물탐지에 어려움이 따른다. 또한, 영상 촬영 당시의 플랫폼의 방위각(Azimuth angle)과 고도각(Elevation angle)에 따라 생기는 기복 변위로 인해 건물 변화탐지 수행 시 다수의 변화 오탐지가 발생하게 된다. 이에 본 연구에서는 건물 변화탐지 결과 향상을 위해 다시기 영상 취득 당시의 태양의 방위각과 그에 따른 그림자의 주방향(Main direction)을 이용한 객체기반 건물탐지를 수행하였으며, 이후 플랫폼의 방위각과 고도각을 이용한 건물 변화탐지를 수행하였다. 고해상도 영상에 객체 분할 기법을 적용한 후, Shadow intensity를 통해 그림자 객체만을 분류하였으며, 건물 후보군 탐지를 위해 각 객체의 Rectangular fit, GLCM(Gray-Level Co-occurrence Matrix) homogeneity 그리고 면적(Area)과 같은 특징(Feature) 정보들을 이용하였다. 그 후, 건물 후보군으로 탐지된 객체들의 중심과 태양의 방위각에 따른 건물 그림자 사이의 방향과 거리를 이용하여 최종 건물을 탐지하였다. 각 영상에서 탐지된 건물 객체 간 변화탐지를 위해 객체들 간의 단순 중첩, 플랫폼의 고도각에 따른 객체의 크기 비교, 그리고 플랫폼의 방위각에 따른 객체 간의 방향 비교 총 3가지의 방법을 제안하였다. 본 연구에서는 주거 밀집 지역을 연구지역으로 선정하였으며, KOMPSAT-3와 무인항공기(Unmanned Aerial Vehicle, UAV)의 이종 센서에서 취득된 고해상도 영상을 이용하여 실험 데이터를 생성하였다. 실험 결과, 특징 정보를 이용해 탐지한 건물탐지 결과의 F1-score는 KOMPSAT-3 영상과 무인항공기 영상에서 각각 0.488 그리고 0.696인 반면, 그림자를 고려한 건물탐지 결과의 F1-score는 0.876 그리고 0.867로 그림자를 고려한 건물탐지 기법의 정확도가 더 높은 것을 확인할 수 있었다. 또한, 그림자를 이용한 건물탐지 결과를 바탕으로 제안한 3가지의 건물 변화탐지 제안기법 중 플랫폼의 방위각에 따른 객체 간의 방향을 고려한 방법의 F1-score가 0.891로 가장 높은 정확도를 보이는 것을 확인할 수 있었다.

• 대한원격탐사학회지
• /
• 제35권5_2호
• /
• pp.819-829
• /
• 2019

붕괴사고가 발생하였을 시, 피해악화를 방지하기 위해 즉각적인 대응이 필요하며 피해면적 산출, 대응 및 복구 계획 수립 등이 이루어져야 한다. 이를 위해선 피해지역에 대한 정확한 탐지가 이루어져야 한다. 본 연구는 붕괴사고 피해탐지를 위해 신속하고 실시간 대응이 가능한 Unmanned Aerial Vehicle(UAV)를 활용하여 피해지역 탐지를 수행하였다. 연구대상지역은 재개발 사업이 착수되면서 주택 및 아파트의 철거가 진행 중에 있는 울산 중구 B-05 주택재개발 지역으로 선정하였다. 이 지역은 건물의 철거 모습이 붕괴된 상태와 유사하고 철거 전후의 변화가 뚜렷하게 나타나 있으며, 2019년 5월 17일, 7월 9일 각각 UAV 영상을 획득하였다. 건물의 붕괴 전후 영상에서 변화지역을 피해지역으로 판단하였으며, 이를 위해 대표적인 변화탐지 기법인 분광벡터 변화분석 기법(Change Vector Analysis)과 SLIC(Simple Linear Iterative Clustering)기반 superpixel 기법을 이용하였다. 피해지역을 정확하게 탐지하기 위해 비관심지역(식생)을 ExG(Excess Green)를 이용하여 1차적으로 제거해주었고, 변화탐지가 된 객체들 중 면적으로 인한 오탐지가 된 객체들은 최소면적을 계산하여 최종적으로 제거해주었다. 그 결과 변화지역 탐지의 전체결과는 95.39%를 나타냈으며, 추후 붕괴사고에 대한 대응 및 복구대책 및 피해액 산출 등 다양한 자료로 활용할 수 있을 것으로 기대된다.

• 한국측량학회지
• /
• 제37권5호
• /
• pp.389-395
• /
• 2019

Unlike aerial images covering small region, satellite data show high potential to detect urban scale geospatial changes. The change detection using satellite images can be carried out using single image or stereo images. The single image approach is based on radiometric differences between two images of different times. It has limitations to detect building level changes when the significant occlusion and relief displacement appear in the images. In contrast, stereo satellite data can be used to generate DSM (Digital Surface Model) that contain information of relief-corrected objects. Therefore, they have high potential for the object change detection. Therefore, we carried out a study for the change detection over an urban area using stereo satellite data of two different times. First, the RPC correction was performed for two DSMs generation via stereo image matching. Then, D-DSM (Differential DSM) was generated by differentiating two DSMs. The D-DSM was used for the topographic change detection and the performance was checked by applying different height thresholds to D-DSM.

• 대한원격탐사학회지
• /
• 제36권6_2호
• /
• pp.1579-1590
• /
• 2020

본 논문에서는 고해상도의 위성영상을 활용하여 도시의 변화 양상을 분석하기 위하여 SPADE기반의 U-Net과 객체 영역기반 변화탐지 방법을 제안한다. 제안하는 네트워크는 기존의 U-Net에서 공간 정보를 잃지 않기 위해 SPADE를 사용했다. 고해상도 위성영상을 활용한 변화탐지 방법은 계획, 예측 등 다양한 도시 문제를 해결하기 위해 활용할 수 있다. IR-MAD 등 전통적인 방법인 화소 기반의 변화탐지를 수행할 경우, 다중 시기 영상 간의 기후, 계절 변화 등에 의해 화소의 변화가 민감하기 때문에 미변화 지역들이 변화 지역으로 오탐지될 가능성이 매우 크다. 이에 본 논문에서는 시계열 위성영상에서 도시를 구성하는 객체에 대한 변위를 정확하게 탐지하기 위해 도시를 구성하는 주요 공간 객체를 정의하고, 딥러닝 기반 영상 분할을 통해 추출한 후 영역 간의 변위 오차를 분석하여 변화탐지를 수행한다. 변화 양상을 분석하기 위한 공간 객체로 건축물, 도로, 농경지, 비닐하우스, 산림 영역, 수변 영역의 6개로 정의하였다. KOMPSAT-3A 위성영상으로 학습한 각 네트워크 모델을 시계열 KOMPSAT-3 위성영상에 대한 변화탐지를 수행한다. 객관적인 성능 평가를 위한 변화탐지 지표는 F1-score, Kappa를 사용한다. 제안하는 변화탐지 기법은 U-Net, UNet++ 대비 뛰어난 결과를 보이며, 평균 F1 score는 0.77, kappa는 77.29의 성능을 확인할 수 있다.

• 한국생산제조학회지
• /
• 제24권1호
• /
• pp.103-109
• /
• 2015

This paper introduces a multi-purpose smart fusion sensor. Normally, this type of sensor can contribute to energy savings specifically related to lighting and heating/air conditioning systems by detecting individuals in an office building. If a fire occurs, the sensor can provide information regarding the presence and location of residents in the building to a management center. The system consists of four sensors: a thermopile sensor for detecting heat energy, an ultrasonic sensor for measuring the distance of objects from the sensor, a fire detection sensor, and a passive infrared sensor for detecting temperature change. The system has a wireless communication module to provide the management center with control information for lighting and heating/air conditioning systems. We have also demonstrated the usefulness of the proposed system by applying it to a real environment.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2003년도 Proceedings of ACRS 2003 ISRS
• /
• pp.156-158
• /
• 2003

Analysis of high-resolution satellite image becomes important for cartography, surveillance, and remote sensing. However, there are lots of problems to be solved for automatic analysis of high-resolution satellite image especially in urban area. The problems are originated from the increased complexity due to the unnecessary details and shadows, and time-varying illuminations. Because of such obstacles, it seems impossible to make automatic analysis. This paper proposes a way of change detection of buildings in urban area by using digital vector map. The proposed way makes the buildings on the vector map parameterized, and searches them in the preprocessed high-resolution image by using generalized Hough transform. The searched building objects are overlaid on the satellite image. The overlaid image can help to detect the change of building rapidly.

• 한국건축시공학회:학술대회논문집
• /
• 한국건축시공학회 2022년도 봄 학술논문 발표대회
• /
• pp.225-226
• /
• 2022

The construction industry, which has a labour-intensive and conservative nature, is exclusive to adopt new technologies. However, the construction industry is viably introducing the 4th Industrial Revolution technologies represented by artificial intelligence, Internet of Things, robotics and unmanned transportation to promote change into a smart industry. An image-based artificial intelligence technology is a field of computer vision technology that refers to machines mimicking human visual recognition of objects from pictures or videos. The purpose of this article is to explore image-based artificial intelligence technologies which would be able to apply to the construction sites. In this study, we show two examples which is one for a construction waste classification model and another for cast in-situ anchor bolts defection detection model. Image-based intelligence technologies would be used for various measurement, classification, and detection works that occur in the construction projects.

• 지적과 국토정보
• /
• 제52권1호
• /
• pp.105-118
• /
• 2022

최근 메타버스, 스마트시티, 디지털트윈, 자율주행차, 도심항공모빌리티 등 분야에서 3D공간객체모델 관련 정보 요구는 증가될 것이다. 공간객체에 대한 3D모델 구축은 위성·항공·지상플랫폼과 같은 다양한 장비와 모델링·인공지능·영상정합 등의 기술로 가능하다. 하지만 갱신이 필요한 공간객체를 신속하게 탐지하고 DB화하는 작업은 쉽지 않다. 이 연구에서는 공간정보(도형)과 속성을 기반으로 주소코드, 층수, 건물명, 면적 등의 매칭요소를 이용하여 건물융합DB와 변화탐지건물DB를 구축 지원할 수 있고 갱신이 필요한 객체선정의 적합성을 검증할 수 있는 시스템 프로토타입을 개발하였다. 건물융합DB 구축 시 일부 건물의 경우, 공간정보와 속성의 융합불가 및 실패 사례가 발생하여, 매칭율이 약 80%로 낮게 나타났다. 이것은 특별히 시범사업지역 내 많은 건물객체에 대한 속성정보가 누락된 것에 기인하는 것으로 판단된다. 이 연구는 3D공간객체 모델의 신속한 갱신을 위한 효율적인 드론 촬영계획 수립을 지원하여 공간객체의 중복 및 불필요한 구축 등을 사전에 방지함으로써 객체 구축 절차 개선 및 비용 절감에 크게 기여할 것이다.

• 대한원격탐사학회지
• /
• 제37권6_1호
• /
• pp.1685-1695
• /
• 2021

우수한 성능을 가지는 딥러닝 모델을 생성하기 위해서는 충분한 양의 학습자료가 필요하다. 하지만, 원격탐사 분야에서 충분한 양의 학습자료를 구축하기 위해서는 많은 시간과 비용을 필요로 한다. 따라서 적은 수의 학습자료를 활용한 딥러닝 모델의 전이학습(transfer learning)의 중요성이 증대되고 있다. 본 연구에서는 사전에 제작된 공개데이터셋을 기반으로 국내 정사영상 및 수치지도를 활용한 전이학습을 통해 국내 다시기 정사영상 내 존재하는 건물객체의 변화에 대한 탐지를 수행하였다. 이를 위하여, 변화탐지를 위한 공개데이터셋을 HRNet-v2 모델을 통하여 선행학습을 수행하고, 국내 정사영상 및 수치지도를 이용한 학습자료에 전이학습을 수행하였다. 전이학습에 대한 영향을 분석하기 위하여 두 곳의 실험지역에 전이 학습된 모델을 포함한 다양한 딥러닝 모델의 결과를 평가한 결과, 전이학습을 활용한 연구가 가장 우수함을 확인하였다. 이를 통하여, 전이학습을 활용해 부족한 양의 학습자료 문제를 해결하고, 다양한 원격탐사 자료에 대하여 효과적으로 변화탐지 기법을 적용할 수 있음을 확인하였다.