• 한국측량학회지
• /
• 제39권6호
• /
• pp.381-392
• /
• 2021

본 연구에서는 UAV (Unmanned Aerial Vehicle)로 촬영한 이미지를 활용하여 수치지도 지형지물 표준 코드에서 정의하고 있는 건물 8종에 대하여 딥러닝 기반의 객체 탐지 분석을 수행하였다. UAV로 촬영한 이미지 509매에 대하여 이미지 라벨링을 하였고 YOLO (You Only Look Once) v5 모델을 적용하여 학습 및 추론을 진행하였다. 실험 및 분석은 오픈소스 기반의 분석 플랫폼과 알고리즘을 적용하여 데이터를 분석하였으며 분석결과 88%~98%의 예측 확률로 건물 객체를 탐지하였다. 또한 학습데이터의 구축 및 반복 학습의 과정에서 건물 객체 탐지의 높은 정확도를 위해 필요한 학습 방식 및 모델 구축방식을 분석하였고, 학습한 모델을 다른 영상자료에 적용하는 방안을 모색하였다. 본 연구를 통해 고효율 심층 신경망과 공간정보데이터가 융합하는 모델을 제안하며 공간정보데이터와 딥러닝 기술의 융합은 향후 공간정보데이터 구축의 효율성, 분석 및 예측의 정확도 향상에 많은 도움을 제공할 것이다.

• 한국측량학회지
• /
• 제38권6호
• /
• pp.663-670
• /
• 2020

본 연구에서는 건물이 혼재한 준 도심 지역에서 발생할 수 있는 재난/재해를 가정하여 네트워크 RTK (Real Time Kinematic) 측위가 가능한 무인기를 이용한 항공삼각측량의 정확도를 평가하였다. 검사점 측위의 신뢰성을 확보하기 위해 검사점을 건물의 옥상에 설치하여 네 시간 이상의 GNSS (Global Navigation Satellite System) 정적 측위를 수행하였다. 객관적인 정확도 평가를 위해 소프트웨어에서 자동으로 인식 가능한 코드화된 대공 타겟을 사용하였다. 무인기에서는 네트워크 RTK 측위의 일종인 VRS (Virtual Reference Station) 방식을 이용하여 영상 취득 당시 카메라의 3차원 좌표를 측정하였고, IMU (Inertial Measurement Unit)와 짐벌 회전각 측정을 통해 카메라의 3축 회전각을 측정하였다. Agisoft Metashape를 이용하여 내·외부 표정요소를 추정·갱신한 결과, 항공삼각측량의 3차원 RMSE (Root Mean Square Error)는 영상의 중복도와 촬영 각도의 조합에 따라 크게는 0.153 m에서 작게는 0.102 m로 나타났다. 더욱 높은 수준의 항공삼각측량 정확도를 확보하기 위해서는 연직 영상의 중복도를 높이는 것이 일반적이나 경사 영상을 추가하는 것이 효과적인 것으로 나타났다. 따라서 대응 단계의 재난/재해 현장에서 긴급하게 무인기 매핑을 수행할 경우 중복도를 높이기 보다는 경사 영상도 함께 취득할 필요가 있다.

• 디지털융복합연구
• /
• 제17권11호
• /
• pp.189-194
• /
• 2019

산림조사는 산림보전 및 산림자원개발을 위한 기초자료로 주기적인 데이터 취득과 관리가 이루어지고 있다. 하지만 현재 우리나라의 산림조사는 단순한 산림의 현황을 파악하는 조사가 대부분이며, 공간정보로서 다양한 활용이 이루어지지 않고 있다. 본 연구에서는 무인항공 스캐너를 이용하여 산림지역의 자료취득 및 처리를 수행하고, 성과물의 분석을 통해 효율적 산림조사 방안을 제시하고자 하였다. 무인항공 스캐너는 식생 하부의 지면을 추출할 수 있기 때문에 산림지역 관리를 위한 DEM을 효과적으로 생성할 수 있으며, 기존의 사진측량방법에서 불가능한 정확한 지형 데이터의 생성으로 산림조사 및 관리를 위한 공간정보로써 활용이 가능하다. 또한 산림지역에서 전력선과 식생간의 간격 측정이나 송전선로 관리에 이용될 수 있다. 식생의 조사를 위한 정확한 연직방향의 거리 측정이 가능하기 때문에 기존 방법에 비해 수고측정의 정확도 및 작업의 효율성을 크게 향상시킬 수 있다. 향후 무인항공 스캐너의 활용은 산림지역에서의 데이터 취득 효율성을 향상시킬 것이며, 기존의 인력에 의한 조사에 비해 정확도 개선 및 경제성 확보에 기여할 것이다.

• 한국측량학회지
• /
• 제38권6호
• /
• pp.583-589
• /
• 2020

최근 다양한 센서 및 정보통신 기술(ICT: Information & Communications Technology)을 융합·활용한 스마트 팜을 위한 UAS (Unmanned Aerial System)의 활용성이 기대되고 있다. 특히, 다양한 지수를 통한 실외 작물 모니터링 방안으로 효용성이 입증되며 여러 분야에서 연구되고 있다. 본 연구는 벼를 대상으로 자연재해 작물 피해를 분석하고 피해량을 계측하는 것이다. 이를 위해, BG-NIR (Blue Green_near Infrared red) 및 RGB 센서를 통해 데이터를 획득하고 영상해석 및 NDWI (Normalized Difference Water Index) 지수를 활용하여 장마에 의한 작물 피해를 검토한다. 또한, 영상해석 기반 포인트 클라우드 데이터를 생성, 인스펙션 맵을 통해 태풍 전·후 데이터를 비교하여 피해량을 계측한다. 연구결과, NDWI 지수 분석을 통해 벼의 생장 및 장마 피해를 검토하였고, 인스펙션 맵 분석으로 태풍에 의한 피해 면적을 계측하였다.

• 한국측량학회지
• /
• 제38권4호
• /
• pp.353-361
• /
• 2020

급격한 도시화로 인해 출퇴근 시간의 차량 정체, 상시 정체지역 발생 등 다양한 교통문제들이 발생하고 있다. 이러한 교통문제들을 해결하기 위해서는 신속·정확한 교통량 예측 및 분석이 필요하다. ITS (Intelligent Transportation System)는 최신 ICT (Information and Communications Technology) 기술들을 활용하여 최적의 교통관리를 수행하는 시스템이며, 다양한 기법을 통해 신속·정확한 교통량을 분석하기 위한 많은 연구가 수행 되었다. 본 연구에서는 높은 정확도로 실시간 교통량 분석을 위해 UAV (Unmanned Aerial Vehicle) 동영상을 활용한 딥러닝(deep learning) 기반의 차량탐지기법을 제안하고자 한다. 이를 위해, UAV를 활용하여 다양한 차량이 통행하는 교차로에서 학습 및 검증에 필요한 정사 동영상 촬영을 수행하였으며, 승용차(sedan), 트럭(truck), 버스(bus)로 분류하여 차량을 학습시켰다. 딥러닝 알고리즘은 대표적인 객체탐지 알고리즘 중의 하나인 YOLOv3 (You Only Look Once V3)를 이용하였으며, 실험결과 전체 차량 검출율은 90.21%이며, 정확도와 재현율은 각각 95.10%와 85.79%이다. 본 연구를 통하여, 드론을 이용한 영상으로부터 차량 탐지를 통한 실시간 교통량 분석이 가능함을 확인하였다.

• 한국측량학회지
• /
• 제38권3호
• /
• pp.223-235
• /
• 2020

본 연구에서는 무인항공기 영상 기반의 정밀농업(precision agricultural) 구현에 있어 핵심 데이터 중 하나인 수치표고모델의 표고를 보정하기 위한 수치표고모델 표고 보정 방법론을 제시한다. 먼저 정사영상에 방사보정을 수행한 다음 ExG (Excess Green)를 생성한다. ExG에 Otsu 기법을 적용하여 산출된 임계값을 기준으로 비식생지역을 추출한다. 이어서, 비식생지역의 위치에 대응되는 수치표고모델의 표고를 표고 보정을 위한 데이터인 EIFs(Elevation Invariant Features)로 추출한다. 추출된 EIFs 간 차이값을 기반으로 정규화된 Z-score를 산출하여 포함된 특이치를 제거한다. 그리고 선형회귀식을 구성하여 수치표고모델의 표고를 보정함으로써 지상기준점 데이터 없이 고품질의 수치표고모델을 제작한다. 총 10장의 수치표고모델을 활용하여 제안기법을 검증하기 위해 표고 보정 전과 후의 최대/최소값, 평균/표준편차를 비교분석하였다. 또한, 검사점을 선정하여 RMSE (Root Mean Square Error)를 산출한 결과, 정확도는 평균 RMSE 0.35m로 도출되었다. 이를 통해 지상기준점 데이터 없이 고품질의 수치표고모델을 제작할 수 있음을 확인하였다.

• 한국측량학회지
• /
• 제38권6호
• /
• pp.671-679
• /
• 2020

경지면적의 작물 상황에 대한 모니터링 및 분석은 식량자급율을 높이기 위한 가장 중요한 요소이지만, 기존의 모니터링 방법은 노동 집약적이며 시간이 많이 들어 식량자급율을 높이기 위한 방안으로 그 활용성이 떨어진다. 이와같은 단점을 극복하기 위하여 국내에 다수 존재하고 있는 소규모 농지에서의 복합 작물 정보를 모니터링 하기위한 효율적인 방법을 개발할 필요가 있다. 본 연구에서는 복합작물의 분류 정확도를 높이기 위하여 무인항공기에서 취득된 RGB영상과 이를 이용한 식생지수를 딥러닝 입력데이터로 적용하고 복합 밭작물을 분류하였다. 각각의 입력데이터 분류 결과 RGB 영상을 이용한 분류는 전체정확도 80.23%, Kappa 계수 0.65가 나타났고, RGB영상과 식생지수를 이용한 방법의 경우 식생지수 3개(ExG,ExR,VDVI) 추가 데이터는 전체정확도 89.51%, Kappa 계수 0.80이며, 식생지수 6개(ExG,ExR,VDVI,RGRI,NGRDI,ExGR)는 90.35%, Kappa 계수 0.82로 분석되었다. 분류결과 RGB영상만을 이용한 방법에 비하여 식생지수를 추가한 결과 값이 비교적 높게 분석되었으며, 복합작물을 분류하는데 있어 식생지수를 추가한 데이터가 더 좋은 결과를 나타내었다.

• 한국환경복원기술학회지
• /
• 제22권6호
• /
• pp.1-14
• /
• 2019

Carbon storage is one of the regulating ecosystem services provided by urban street trees. It is important that evaluating the economic value of ecosystem services accurately. The carbon storage of street trees was calculated by measuring the morphological parameter on the field. As the method is labor-intensive and time-consuming for the macro-scale research, remote sensing has been more widely used. The airborne Light Detection And Ranging (LiDAR) is used in obtaining the point clouds data of a densely planted area and extracting individual trees for the carbon storage estimation. However, the LiDAR has limitations such as high cost and complicated operations. In addition, trees change over time they need to be frequently. Therefore, Structure from Motion (SfM) photogrammetry with unmanned Aerial Vehicle (UAV) is a more suitable method for obtaining point clouds data. In this paper, a UAV loaded with a digital camera was employed to take oblique aerial images for generating point cloud of street trees. We extracted the diameter of breast height (DBH) from generated point cloud data to calculate the carbon storage. We compared DBH calculated from UAV data and measured data from the field in the selected area. The calculated DBH was used to estimate the carbon storage of street trees in the study area using a regression model. The results demonstrate the feasibility and effectiveness of applying UAV imagery and SfM technique to the carbon storage estimation of street trees. The technique can contribute to efficiently building inventories of the carbon storage of street trees in urban areas.

• 한국측량학회지
• /
• 제36권3호
• /
• pp.197-202
• /
• 2018

Drone has been continuously studied in the field of geography and remote sensing. The basic researches have been actively carried out before the utilization in the field of photogrammetry. In Korea, it is necessary to study the actual way of research in accordance with the drone utilization environment. In particular, analysis on the characteristics of DSM (Digital Surface Model) generated through drone are needed. In this study, the characteristic of drone DSM as a data acquisition method was analyzed for coastal management. The coastal area was selected as the study area, and data was acquired by using drone. As a result of the study, the terrain model and the ortho image of coastal area were produced. The accuracy of UAV (Unmanned Aerial Vehicle) results were very high about 10cm at check points. However, concavo-convex shapes appeared in very flat areas such as tidal flats and roads. To correct this terrain model distortion, a new terrain model was created through data processing and the results were evaluated. If additional studies are carried out and the construction and analysis of terrain model using drone image is done, drone data for coastal management will be available.

• 한국측량학회지
• /
• 제34권6호
• /
• pp.619-627
• /
• 2016

Cells of a PV (photovoltaic) module can suffer defects due to various causes resulting in a loss of power output. As a malfunctioning cell has a higher temperature than adjacent normal cells, it can be easily detected with a thermal infrared sensor. A conventional method of PV cell inspection is to use a hand-held infrared sensor for visual inspection. The main disadvantages of this method, when applied to a large-scale PV power plant, are that it is time-consuming and costly. This paper presents an algorithm for automatically detecting defective PV panels using images captured with a thermal imaging camera from an UAV (unmanned aerial vehicle). The proposed algorithm uses statistical analysis of thermal intensity (surface temperature) characteristics of each PV module to verify the mean intensity and standard deviation of each panel as parameters for fault diagnosis. One of the characteristics of thermal infrared imaging is that the larger the distance between sensor and target, the lower the measured temperature of the object. Consequently, a global detection rule using the mean intensity of all panels in the fault detection algorithm is not applicable. Therefore, a local detection rule was applied to automatically detect defective panels using the mean intensity and standard deviation range of each panel by array. The performance of the proposed algorithm was tested on three sample images; this verified a detection accuracy of defective panels of 97% or higher. In addition, as the proposed algorithm can adjust the range of threshold values for judging malfunction at the array level, the local detection rule is considered better suited for highly sensitive fault detection compared to a global detection rule. In this study, we used a panel area extraction method that we previously developed; fault detection accuracy would be improved if panel area extraction from images was more precise. Furthermore, the proposed algorithm contributes to the development of a maintenance and repair system for large-scale PV power plants, in combination with a geo-referencing algorithm for accurate determination of panel locations using sensor-based orientation parameters and photogrammetry from ground control points.