Accuracy Analysis of Satellite Imagery in Road Construction Site Using UAV

도로 토목 공사 현장에서 UAV를 활용한 위성 영상 지도의 정확도 분석

Abstract

Google provides mapping services using satellite imagery, this is widely used for the study. Since about 20 years ago, research and business using drones have been expanding. Pix4D is widely used to create 3D information models using drones. This study compared the distance error by comparing the result of the road construction site with the DSM data of Google Earth and Pix4 D. Through this, we tried to understand the reliability of the result of distance measurement in Google Earth. A DTM result of 3.08 cm/pixel was obtained as a result of matching with 49666 key points for each image. The length and altitude of Pix4D and Google Earth were measured and compared using the obtained PCD. As a result, the average error of the distance based on the data of Pix4D was measured to be 0.68 m, confirming that the error was relatively small. As a result of measuring the altitude of Google Earth and Pix4D and comparing them, it was confirmed that the maximum error was 83.214m, which was measured using satellite images, but the error was quite large and there was inaccuracy. Through this, it was confirmed that there are difficulties in analyzing and acquiring data at road construction sites using Google Earth, and the result was obtained that point cloud data using drones is necessary.

1. 서론

구글은 2005년부터 랜드셋 8호를 활용하여 위성 이미지를 활용한 위성 영상 지도 서비스를 제공하고 있다. 서비스가 시작한 이후의 영상을 모두 볼 수 있어 생태계 분석, 환경 분석, 날씨 분석 등 다양한 분야에서 활용되고 있다.

이 서비스를 활용해 아시아, 유럽, 남아메리카, 북아메리카 등 전 세계의 대기 영상을 분석하는 연구를 진행했고[1], 스웨덴의 야간 위성 이미지를 활용하여 경제 활동을 분석하기도 했다[2].

20년 전부터 드론(UAV, Unmanned Aerial Vehicle) 은 빠른 속도로 개발됐으며, 드론 운용 및 지원 장비의 전체 시스템을 통칭하는 UAS(Unmanned Aircraft System) 일부분으로 최근 배달, 지형 측량, 농업, 소방, 환경 분석 등 다양한 분야에서 활용되고 있다[3-7]. 특히 건설산업에서는 드론을 이용한 건설 사업관리(안전, 품질, 공정관리 등)나 유지보수 및 관리, 측량, 디자인 단계에서도 활용되고 있다[8].

FAA(United States Federal Aviation Administration) 드론의 수가 계속 증가하여 2022년에는 380만 개 의 드론이 등록될 것으로 예측했다. 이는 드론 산업의 확장이 계속 이루어질 것임을 예상할 수 있고, 그 중 28%는 드론을 활용한 산업 비파괴 검사 분야에 활용될 것임을 예측했다[9].

기존 산업 건설 현장의 검사를 위해 인력이 직접 측량 장비를 활용하여 계측하는 방식을 고수해왔다. 하지만 드론은 빠르고 효율적인 방법으로 2차원이나 3차원 정보를 저장하여 분석할 수 있어 많은 분야로의 확대가 기대된다. 최근 건설 현장의 효율적인 비파괴 검사를 진행하기 위해 드론을 활용한 안전 관리 방법을 제시하기도 했다[10]. 또, 교통사고 현장에 드론의 실측 데이터와 항공사진에 적용하여 3차원 정보모델로 구성하여 지난 현장을 검토했다 [11]. 토공 현장의 지형을 3차원 정보모델로 구현하기 위해 3차원 스캐너, 드론, MMS(Mobile Mapping System) 등의 계측데이터를 종합하여 토공 정보를 저장하기 위한 연구가 수행되었다[12].

본 연구에서는 드론의 자동 비행 기능과 매핑 소프트웨어인 Pix4D를 활용하여 도로 및 토목 건설 현장을 3차원 정보모델(Points Cloud Data)로 구성했으며, 이 결과를 구글 어스의 위성 영상을 활용한 3차원 정보모델(DSM)과 비교·분석하여 정확성과 신뢰도를 검증하고자 한다.

2. 이미지 및 소프트웨어

2.1 드론 모델

본 연구에서는 DJI사의 팬텀 4 RTK 모델을 사용했다. 주요 특징으로는 D-RTK 2 모바일 스테이션의 RTK(Real Time Kinematic)를 사용하여, 수직 1.5 cm + 1ppm, 수평 1cm + 1ppm의 포지셔닝(Positioning) 정확도를 가진다. 이로 인해 수직·수평 ±0.1m의 호버링(Hovering) 정확도를 가져서, 더욱 정확한 데이터 취득이 가능해진다. 또한, 컨트롤러, 카메라, RTK 모듈의 데이터에 TimeSync 시스템을 적용하여 각각의 시간 축을 정렬한다. 또한 각 이미지의 포지셔닝을 렌즈의 중심(optical center)에 맞춰 각각의 이미지가 더욱 정확한 위치 정확도를 가진다. 드론의 주요 제원을 Table 1에 나타냈으며, ppm은 드론이 1km 이동할 때 1mm씩 오차가 발생함을 의미한다.

Table 1. Drone specs, phantom 4 RTK, DJI

Fig. 1 Drone model, phantom 4 RTK, DJI [13]

Fig. 2 RTK model, D-RTK 2 mob ile station, DJI [13]

GNSS/RTK는 DJI사의 D-RTK2를 팬텀 4 RTK 와 연동하여 사용했다. RTK와 드론을 같이 사용한 포지셔닝 정확도를 Table 1에 명시해두었다.

2.2 Pix4D Mapper

Pix4D사의 다양한 소프트웨어 중 한 종류이며 드론에서 촬영된 이미지를 활용하여 매핑을 할 때 사용된다. JPEG와 TIF 이미지 포맷을 활용하여 저장된 GPS 정보를 토대로 3차원 정보모델로 계산하며, GCP(Ground Control Points)와 MTP(Manual Tie Points) 기능을 이용하여 생성된 3차원 정보 모델의 오차를 바로잡을 수 있고 rayCloud 기능으로 생성된 3차원 정보모델을 확인 및 분석할 수 있다.

Fig. 3 Pix4D mapper

2.3 구글 어스

전 세계의 지역 정보를 제공하는 구글의 서비스로, 위성 이미지를 활용한 3차원 정보모델에 대한 서비스이다. 위성 이미지로 계산된 수치표고모델(DEM, Digital Elevation Model) 데이터를 활용할 수 있다. 수치표면모델(DSM, Digital Surface Model)은 명소 같은 큰 건물에만 적용되어 정확한 데이터를 보여주진 않는다.

Fig. 4 구글 어스 Pro

3. 실험 조건

3.1 촬영 조건 및 이미지

드론이 비행한 장소는 경기도 광주시 광남안로 의 너락봉 근처에 있는 안성-성남 고속도로 공사 현장을 주변으로 선정했다. Phantom 4 RTK의 CMOS 센서의 포맷인 JPEG로 촬영했으며, 각 이미지의 크기는 5472x3684이다. 최소 고도 165.55m, 최대 고도 209.94m, 평균고도 189.32m로 비행하였다. 약 80%의 중복도로 경로를 따라 촬영된 이미지의 매수는 324장이다. 또한, 드론이 총 비행한 면적은 133,400㎡이다. 비행할 때 따로 지상기 준점을 정하지 않았으며, Fig. 5와 같이 비행경로 지정하고 RTK 모듈의 위치 정확도와 Pix4D Mapper의 ATPs(Auto Tie Points) 계산만으로 진행했다. 비행경로를 따라 기록된 고도를 Fig. 7에서 보여준다. 이미지가 촬영된 날짜는 2021년 5월 12일로써, 구글 어스의 같은 위치의 최신 이미지 저장 날짜가 2021년 5월 8일로 되어있어, 위성 이미지의 날짜와 비슷한 비행 날짜의 데이터를 사용했다.

Fig. 5 Calibrate path (left), flight plan (right)

Fig. 6 Parts of image data set

Fig. 7 Drone altitude along with flight path

3.2 Pix4D

드론이 비행한 지역이 산과 도로 등 높낮이의 차이가 발생하는 지역이기 때문에 일정한 고도를 유지하며 비행하는 것이 아닌 지형 인식(Terrain Awareness) 시스템을 사용했다. 이 방식은 드론이 DSM(Digital Surface model) 정보를 기반으로 위치한 지형과 일정한 거리를 유지하며 비행하기 때문에, 고도의 수치가 끊임없이 변화한다. DJI의 지형 인식 시스템을 사용하여 드론의 고도와 자세가 계속하여 변화한 모양을 Fig. 8에서 보여준다. 지형 인식 시스템을 사용하지 않고, 산이나 숲과 같이 특징점(Matching point)을 찾기 어려운 지역에서 오류가 발생하여 3차원 정보모델의 변환이 어려울 수 있다.

Fig. 8 Altitude difference caused by terrain awareness system

Pix4D를 사용하기 위해 다음과 같은 PC에서 운용했다. AMD Ryzen Threadripper 3970x 32 core, 64 GB RAM, NVIDIA GeForce RTX 3090을 사용함으로써, Pix4D에서 제안하는 PC 사양을 맞추고자 했다.

Pix4D의 처리 옵션은 키-포인트 이미지 스케일을 최대로 설정하고, 포인트 클라우드 생성을 위한 고밀도화의 밀도는 최적, 멀티 스케일을 설정하여 Pix4D의 알고리즘에 의해 최적화 계산이 이뤄지도록 했다. 또한, 구글 어스에 사용할 수 있게 구글 맵 타일과 KML 기능을 활성화하여 KML 파일이 추출되도록 설정했다. 주요 설정을 Table 2에서 보여준다.

Table 2. Processing options

구글 어스 Pro를 설치하여 사용하였으며, 이미지가 DSM을 기반으로 지형이 표시되도록 하였다. 여기서 Pix4D에서 계산된 KML 파일을 불러와 구글 어스의 지형과 겹쳐 보이게 하여 비교했다.

4. 결과

4.1 정사모자이크 및 PCD 결과

Pix4D의 총 계산 시간은 약 3시간 정도 소요되었다. 평균 GSD(Ground Sampling Distance)는 3.08 cm/1.21 in이며, 촬영된 지역의 너비는 0.12 ㎢이다. 하나의 이미지에서 평균 각 49,666 개의 키-포인트를 추출하였으며, 각 이미지에서 25657.7개의 포인트가 매칭되었다. 주요 결과를 Table 3에서 보여주며, 추출된 정사모자이크의 결과를 Fig. 9에서 보여준다.

Table 3. Processing result

Fig. 9 Orthomosaic and DSM(Digital Surface Model) before densification

정사모자이크에서 RMS 오류는 RTK에 의해 측정된 값과 정사모자이크 계산을 위해 변경된 값과의 평균 오차이며, X는 0.000025m, Y는 0.000026m, Z는 0.006322m로 계산되었다. 이것으로 비추어볼 때 Z 축의 RMS 오류를 제외한 결과가 드론의 원래 성능인 수직 1.5 cm + 1ppm, 수평 1cm + 1ppm의 포지셔닝 정확도를 상회하는 결과를 도출했다.

추가로 Pix4D 포인트 클라우드 계산을 통한 결과를 Fig. 10에서 보여준다. 정확한 분석을 위해 텍스쳐 메쉬는 사용하지 않았으며, 원근법과 정투영법에 따른 결과를 같이 나열하였다. 원근법은 사물에 대해 원근감과 공간감을 잘 표현해주고, 정투영법은 사물에 대해 원근감과 공간감 없이 표현해주기 때문에, 길이 측량이나 상대적 크기 파악을 하기 위해서는 정투영법을 사용해야 한다.

Fig. 10 PCD(Point Cloud Data) for comparison of perspective and orthographic projection

PCD(Point Cloud Data)의 결과와 구글 어스의 결과를 가시적으로 표현하기 위해 PCD 결과를 같은 위치의 구글 어스의 DSM 지형에 오버랩한 결과를 Fig. 11에서 보여준다.

Fig. 11 Results of images overlapped in satellite imagery

4.2 길이 측량 비교

Pix4D에서 PCD 데이터의 폴리라인(Polyline)으로 길이를 측량하여 구글 어스의 결과와 비교했다. Fig. 12에 비교하고자 한 위치를 지정하여 빨간색 선으로 표시했으며, A부터 F까지 Pix4D와 구글 어스에서 수직으로 바라봤을 때, 수평으로 선형적인 부분을 지정했다.

Fig. 12 Points of distance measurement (left : Pix4d, right : Google Earth)

Pix4D의 길이 측량 결과는 정확한 모서리 구분이 돼서 측량이 비교적 쉬웠지만, Fig. 13에서 보이는 것처럼 구글 어스에서 위성 이미지를 활용하여 이미지의 선명도가 낮아 정확히 길이 측량을 위해 지정이 어려운 부분이 있어 측량이 어려운 부분을 제외했다.

Fig. 13 An image that is difficult to distinguish in satellite imagery

고도 측량 값이 표함된 지면의 길이가 아닌지 도 길이를 기준으로 하였으며, 5회 같은 곳을 측량하여 평균을 도출하였다.

이 결과는 Pix4D에서 측량한 드론의 3차원 정보 모델이 정확도가 높으므로, 이를 기준으로 삼고 구글 어스의 수평 측량 정확도를 확인하였다.

Table 4. Measurement results

구글 어스의 경우 확대한 이미지가 흐릿해 경계선을 정확히 지정하기 어려웠지만, 최대한 흐릿한 경계선의 중심을 지정하였고 이를 5회 반복하여 측량하고 평균을 도출하였다. Pix4D는 비교적 모서리의 구분이 쉬워 돌출된 부분을 지정하여 길이를 측량하였다.

7개의 위치에서 측량한 결과 평균 오차는 0.68m로 측량되었으며, Fig. 14에서 보이는 것처럼 Pix4 D에 서는 선형으로 보이나 구글 어스에서는 여러 이미지가 겹쳐 보이는 왜곡된 이미지로 보여 측량에 어려움이 있었다. 해당 위치의 자세한 측량을 위해 고도를 4.3에서 비교하였다.

Fig. 14 PCD(Point Cloud Data) for comparison of perspective and orthographic projection

4.3 고도 측량 비교

구글 어스의 DSM과 Pix4 D의 PCD 계산 결과의 비교를 위해 Fig. 14와 같이 A부터 F까지의 위치에서 고도 측량 값을 비교하기 위해 DSM 표면의 길이를 측량하였다. 해당 지점에 대한 고도값을 기록하여 Fig. 15와 같이 그래프로 표현하였고, 이 값에서 구글 어스의 최소, 최대, 평균과 Pix4D의 평균을 도출하여 Table 5에 나타내었다.

Table 5. Altitude for comparison of google earth and Pix4D

Fig. 15 Graph for comparison of Google earth and Pix4D

수직인 면에서 바라보면 구글 어스의 위성이 미지는 선형으로 보였으나, 사선 방향에서 바라보면 선형이었던 지점은 왜곡된 이미지로 보였다. 위성 영상을 활용한 맵핑 데이터에서 측량한 결과라지만 오차가 상당히 컸고, 최대 오차 83.214m 로 상당히 큰 오차가 기록되었다.

5. 결론

Pix4D를 활용하여 드론에서 촬영된 이미지를 계산한 결과로 구글 어스에 오버랩하여 각각의 거리 측량 결과를 비교했다. 구글 어스의 정확도를 분석하기 위해 좌표 또는 면적이 아닌 각 지점에 대한 길이 및 고도의 변화를 측량 후, 각 지점에 대한 변화량을 비교하여 정확도를 측량하고자 했다. 그 결과는 다음과 같다.

첫째, 항공뷰에서의 이미지를 비교해볼 때, 구글 어스의 Pix4D와의 최대 오차는 1.792m로 드론을 활용한 포인트 클라우드의 측량 값이 비슷했다. 수직으로 바라봤을 때의 거리 계산에서는 두 개의 방법의 차이가 거의 없음을 확인했다.

둘째, 고도를 비교한 결과를 확인했을 때, 높낮이의 표현에서 구글 어스의 오차가 크게 발생했고, GSD가 1m 이상의 영상이라기에는 너무 큰 오차가 발생하여 정확도에 문제가 있다는 것을 확 인했다.

향후 도로 토목 공사 현장에서 적재량 산출이나, 공사 진척도 파악과 같은 관리 시스템을 구축하기 위해서는 구글 어스는 고도 측정 오차에 의해 활용이 어려우며, 드론으로 포인트 클라우드 데이터를 활용한 자료수집 방식이 적합할 것으로 판단된다.

감사의 글

이 연구는 국토교통부/국토교통과학기술진흥원이 시행하고 한국도로공사가 총괄하는 “스마트건설기술 개발국가R&D사업(과제번호 21SMIP-A158708-02)” 의 지원으로 수행하였습니다.