• 한국ITS학회 논문지
• /
• 제22권5호
• /
• pp.137-147
• /
• 2023

LiDAR는 자율 주행뿐만 아니라 다양한 산업 현장에 적용되어 대상의 크기와 거리를 측정하는 데 사용되고 있다. 이에 더하여 이 센서는 반사된 빛의 양을 바탕으로 반사 강도 영상 또한 제공한다. 이는 측정 대상의 형상에 대한 정보를 제공하여 센서 데이터 처리에 긍정적인 효과를 일으킨다. LiDAR는 고해상도가 될수록 높은 성능을 보장하지만 이는 센서 비용의 증가를 야기하는데, 이 점은 반사 강도 영상에도 해당된다. 높은 해상도의 반사 강도 영상을 취득하기 위해서는 고가의 장비 사용이 필수적이다. 따라서 본 연구에서는 저해상도의 반사 강도 영상을 고해상도의 영상으로 개선하는 인공지능을 개발하였다. 이를 위해서 본 연구에서는 최적의 초해상화 신경망 모델을 위한 파라미터 분석을 수행하였다. 또한, 초해상화 알고리즘을 2,500여 장의 반사 강도 영상에 적용하여 훈련과 검증을 하였다. 결과적으로 반사 강도 영상의 해상도를 향상시켰다. 바라건대 본 연구의 결과가 향후 자율 주행 분야에 적용되어 주행환경 인식과 장애물 탐지 성능 향상에 기여할 수 있기를 기대하는 바이다.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.453-464
• /
• 2019

최근 3차원 공간정보에 대한 수요가 증가함에 따라 신속하고 정확한 데이터 구축의 중요성이 증대되어 왔다. 정밀한 3차원 데이터 구축이 가능한 LiDAR (Light Detection and Ranging) 데이터를 기준으로 UAV (Unmanned Aerial Vehicle) 영상을 정합하기 위한 연구가 다수 수행되어 왔으나, MMS (Mobile Mapping System)로부터 취득된 LiDAR 점군데이터의 반사강도 영상을 활용한 연구는 미흡한 실정이다. 따라서 본 연구에서는 MMS로부터 취득된 LiDAR 점군데이터를 반사영상으로 변환한 데이터와 UAV 영상 데이터의 정합을 위해 9가지의 특징점 기반매칭 기법을 비교·분석하였다. 분석 결과 SIFT (Scale Invariant Feature Transform) 기법을 적용하였을 때 안정적으로 높은 매칭 정확도를 확보할 수 있었으며, 다양한 도로 환경에서도 충분한 정합점을 추출할 수 있었다. 정합 정확도 분석 결과 SIFT 알고리즘을 적용한 경우 중복도가 낮으며 동일한 패턴이 반복되는 경우를 제외하고는 약 10픽셀 수준으로 정확도를 확보할 수 있었으며, UAV 영상 촬영 당시 UAV 자세에 따른 왜곡이 포함되어 있음을 감안할 때 합리적인 결과라고 할 수 있다. 따라서 본 연구의 분석 결과는 향후 LiDAR 점군데이터와 UAV 영상의 3차원 정합을 위한 기초연구로 활용될 수 있을 것으로 기대된다.

• 한국지리정보학회지
• /
• 제21권1호
• /
• pp.1-11
• /
• 2018

MMS(Mobile Mapping System) 자료를 이용한 정밀 공간 정보 매핑은 고정밀 3차원 지형 모델 구축, 시설물 관리를 위해 중요하며, 특히 도로 중앙선 매핑 작업은 정밀 도로 지도 구축을 위해 필요하다. 본 연구에서는 MMS LiDAR(Light Detection And Ranging) 자료를 이용하여 정밀 공간 정보인 도로 중앙선을 매핑 하는 반자동화 방법을 개발하였다. 우선 주어진 MMS LiDAR 자료를 기반으로 보간법을 이용하여 반사강도 영상을 제작하고, 에지 검출기를 이용하여 반사강도 영상으로부터 선형 세그먼트들을 추출하였다. 최종적으로 추출된 선형 세그먼트들 중에서 도로 중앙선 세그먼트를 수동으로 선택하였다. 추출된 도로 중앙선의 정확도 검증 결과, 0.065m의 정확도를 보여주었으며, 도로 중앙선이 도로 신호와 인접한 일부 지역에서 에러가 발견되었다.

• 한국공간정보시스템학회:학술대회논문집
• /
• 한국공간정보시스템학회 2005년도 추계학술대회
• /
• pp.17-22
• /
• 2005

일반적으로 위성 영상의 분류에 있어서 널리 사용되고 있는 기법은 특징 공간에서 화소 값들의 거리 유사성을 이용하여 인접한 화소들을 동일 클래스로 결정하는 분류기법을 적용하고 있다. 하지만 이러한 기법을 고해상도 위성 영상에 적용시킬 경우 다양한 분광 반사 값을 가지는 영상의 특성상 정확한 결과를 얻기 힘들다. 특히 도시 지역의 경우 분광 정보만을 이용할 경우 높은 이질성과 복잡성으로 영상이 가지는 다양한 정보를 제대로 반영하지 못한다. 본 연구에선 이러한 복잡한 토시지역에 대한 분류를 수행하기 위해 위성 영상과 LiDAR의 높이값 및 반사강도 정보를 이용하여 데이터 융합을 통해 단계적인 방법으로 분류를 수행하였다. 그에 앞서 영상 정보만을 이용하였을 경우와 LiDAR 자료를 보조적으로 활용하였을 경우의 MLC 및 ISODATA 분류를 수행하였고, 단계적 방법의 결과와 시각적 비교를 수행하였다. 전체 분류 결과에 있어서 단계적 방법이 가장 향상된 결과를 보였으며, MLC, ISODATA 분류에 있어서도 LiDAR 자료를 활용할 경우 더 향상된 분류 결과를 얻을 수 있었다.

• Spatial Information Research
• /
• 제16권3호
• /
• pp.373-383
• /
• 2008

지표면에 대한 정보를 취득하는 기법 중 지금까지 주로 사용되어온 기법은 항공사진 및 위성영상과 같이 평면적인 정보 수집에 중점을 두고 있는 반면, 본 논문에서 다루는 LiDAR(Light Detection And Ranging)는 레이저 측량기술을 이용하여 지표면에 대한 고해상도의 비정규분포 Point 형태의 3차원 정보의 획득이 가능하다. GPS(Global Positioning System) 수신기와 INS(Inertial Navigation System)의 결합을 통해 좌표 값을 제공하게 된다. 이러한 LiDAR의 3차원 Point 정보와 좌표 값을 활용하여 보다 정밀한 3차원 모델링 수행이 가능하다. 본 연구에서는 LiDAR의 반사강도와 기하/지형 자료를 이용하여 도시지역을 대상으로 정밀한 3차원 공간정보자료를 취득하고, 그 자료를 분석하여 도시지역을 높이와 밀도를 기반으로 하여 3차원으로 분류하였다. LiDAR를 통해 획득된 원시자료로부터 지표면에서 반사되는 Point Data의 개수를 지면과 비지면 요소의 비율로 추정하여 지형과 공간적 특성을 파악하고 이에 따라 3차원 토지피복분류도를 작성하였다. 신호의 강약을 구분하는 기준은 통계적 방법(Jenk's Natural Break)을 통해 추정된 값을 사용하였으며, 지표면 반사비율에 따라 세부지역으로 구분하여 크게 고밀도 저밀도 식생지역과 비식생지역으로 구분하였다.

• 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.

• 한국측량학회지
• /
• 제32권4_1호
• /
• pp.319-326
• /
• 2014

고해상도 위성영상을 성공적으로 활용하기 위해서는 지상기준점 등을 활용한 좌표등록 및 보정 과정이 필수적이다. 작업자의 수작업을 통한 기준점 획득의 경우 작업 시간이 오래 걸리므로, 자동화된 좌표 등록 방법에 대한 요구가 증대하고 있다. 보정하고자 하는 위성 영상을 정확한 좌표를 가진 참조 데이터에 영상 매칭을 수행하는 기법이 많이 소개 되었는데, 참조 데이터 중 라이다 데이터의 경우 공간 해상도 및 정확도가 높고 무엇보다 3차원 데이터이기 때문에 기복 변위 등을 내포하고 있지 않는 등의 장점을 보인다. 최근 라이다 데이터와 고해상도 위성영상간의 매칭을 위한 기법이 연구, 발표되었으나, 라이다 데이터의 특성상 대용량이기 때문에 처리에 많은 시간이 소요되는 등의 단점이 있었다. 따라서 본 논문에서는 일부의 공간만을 라이다 칩으로 추출 및 저장하여 위성영상의 좌표 등록에 활용하는 연구를 수행하였다. 이를 위해, 전체 라이다 포인트 데이터를 반사강도 정사영상 및 수치표고모델의 두 가지 형태로 변환하고 에지 추출을 통해 의미 있는 양의 에지 정보만을 포함하는 지역을 영상형태의 라이다 칩으로 추출, 저장하였으며, 용량이 현저히 줄어든 것을 확인할 수 있었다. 마지막으로 라이다 칩을 아리랑2호 및 아리랑3호 영상의 자동 좌표등록에 활용 해본 결과 평균 한 픽셀가량의 정확도 또한 확보할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.191-199
• /
• 2023

본 논문에서는 자율협력주행을 위한 인프라로써 제작된 5가지 센서 전용 시설물들에 대해 라이다로 취득한 포인트 클라우드 데이터로부터 시설물들의 특징을 추출하는 방법을 제안한다. 자율주행차량에 장착된 영상 취득 센서의 경우에는 기후 환경 및 카메라의 특성 등으로 인해 취득 데이터의 일관성이 낮기 때문에 이를 보완하기 위해서 라이다 센서를 적용했다. 또한, 라이다로 기존의 다른 시설물들과의 구별을 용이하게 하기 위해서 고휘도 반사지를 시설물의 용도별로 디자인하여 부착했다. 이렇게 개발된 5가지 센서 전용 시설물들과 데이터 취득 시스템으로 취득한 포인트 클라우드 데이터로부터 측정 거리별 시설물의 특징을 추출하는 방법으로 해당 시설물에 부착된 고휘도 반사지의 평균 반사강도을 기준으로 특징 포인트들을 추출하여 DBSCAN 방법으로 군집화한 후 해당 포인트들을 투영법으로 2차원 좌표로 변경했다. 거리별 해당 시설물의 특징은 3차원 포인트 좌표, 2차원 투영 좌표, 그리고 반사강도로 구성되며, 추후 개발될 시설물 인식을 위한 모형의 학습데이터로 활용될 예정이다.

• 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.

• 대한원격탐사학회지
• /
• 제29권4호
• /
• pp.361-373
• /
• 2013

공간해상도 약 1 m의 고해상도 X-band SAR 위성이 이용되면서 SAR를 이용한 도심지 모니터링, 표적탐지, 건물 재구성에 관한 연구가 진행되고 있다. 본 연구에서는 고해상도 TerraSAR-X SAR 영상을 이용한 도심지 건물 재구성을 수행하였다. 도심지 건물 재구성을 위하여 1:25,000 수치지형도로부터 건물의 외곽선을 추출하였으며, 추출한 건물의 외곽선을 기반으로 SAR 영상에서 모서리반사 위치를 찾았다. KS 테스트(Kolmogorov-Smirnov Test)에 기반하여 고해상도 SAR 진폭영상의 건물 모서리반사 위치로부터 레이오버 길이를 측정하여 건물의 초기 높이를 설정하였다. 진폭영상을 이용하여 추출한 건물의 초기 높이 기준 -10 m에서 +10 m로 건물의 높이를 변화시키며 도심지에 적합한 간섭위상 시뮬레이션을 수행하여 TerraSAR-X 간섭위상과의 위상 일치성 계산을 하였다. 위상 일치의 경향성 분석을 통해 건물의 높이를 설정해 줌으로써 고해상도 SAR 영상을 이용한 도심지 건물 재구성 연구를 진행하였다. 대전지역의 아파트 단지에 적용한 결과, 진폭영상과 간섭위상을 이용하여 추정된 건물 높이는 LiDAR로부터 추출된 높이를 기준으로 약 1~2 m 정도의 RMSE (Root Mean Square Error)를 보였다. 개발된 알고리즘은 향후 TerraSAR-X와 TanDEM-X 간섭쌍 자료에 적용할 경우, 보다 도심지 모니터링에 효과적으로 이용될 수 있을 것이다.