• 대한원격탐사학회지
• /
• 제35권5_1호
• /
• pp.715-726
• /
• 2019

고해상도 위성영상의 보급이 증가함에 따라, 위성영상으로부터 정확한 3차원 정보를 생성하기 위한 기술의 필요성이 강조되고 있다. 영상의 변화탐지 및 객체추출 등 응용 분야에서 많이 활용되고 있는 수치지형모델(digital terrain model, DTM)을 생성하기 위해서는 수치표면모델(digital surface model, DSM)에 존재하는 수목, 건물 등 비지면 객체를 추출하고 지면의 높이를 추정하는 과정이 필요하다. 본 논문에서는 KOMPSAT-3A 스테레오 영상에서 추출된 DSM으로부터 자동으로 DTM을 생성하기 위한 방법을 제시한다. 기 구축된 저해상도 지형자료를 활용하여 비지면 영역을 탐색하고 지면의 높이값을 추정하는 기법을 개발했다. 산악지형, 건물밀집지역, 평지, 복합지 등 다양한 지형 특성을 갖는 4곳의 실험 지역에서 생성된 DTM의 수직 정확도는 약 5.85 m로 나타났다. 제안된 기법을 통해 지표면의 정밀한 형상을 나타내는 고품질의 DTM 생성이 가능한 것으로 판단된다.

• 한국측량학회지
• /
• 제29권6호
• /
• pp.621-629
• /
• 2011

3차원 공간정보를 제작하는 기술의 발전에 따라 LoD 4 수준의 고정밀 3차원 객체를 제작하고 갱신하고자하는 수요가 증가하고 있다. 한편 2차원 수치지도 역시 새주소 사업 등의 시행에 따라 실시간 또는 수시 갱신에 대한 수요가 늘어나고 있다. 이러한 2차원 정보는 정밀하게 구축된 3차원 정보로부터 가져올 수 있으며, 이를 위해 3차원 정보에서 2차원 정보 추출과 관련된 연구가 필요하다. 본 연구에서는 3차원 정보로부터 2차원 정보 추출의 타당성을 검증하기 위해 다방향 경사 영상을 이용하여 3차원으로 구축된 건물 객체와 수치지도 제작 방식으로 구축된 건물 레이어의 평면과 수직정확도 및 형상과 면적을 비교 평가하였다. 정확도 검증 결과 평면 및 높이에 대하여 국토지리정보원의 "항공사진측량작업규정"에 제시된 축척 1/1,000 수치지도의 허용오차 내에 있음을 확인하였다. 또한 형상과 면적에서는 도화방법에 의한 차이에 의해 형상과 면적의 차이가 발생하였다. 연구 결과, 다방향 경사 영상을 이용한 대축척 건물 레이어의 제작이 가능하였으며, 도화방법의 차이를 해결하기 위한 추가적인 연구가 필요함을 알 수 있었다.

• 한국측량학회지
• /
• 제40권4호
• /
• pp.293-304
• /
• 2022

본 연구에서는 고해상도 위성영상의 상대기하보정 결과에 건물이 미치는 영향을 분석하기 위해 건물에서 추출된 정합쌍의 유무에 따른 상대기하보정 결과를 비교한다. 건물 정합쌍의 제거를 위해 수치지형도에서 건물 객체를 추출하여 생성한 건물마스크 영상을 이용하였으며, 추가적으로 수렴각의 크기에 따른 정합쌍 추출 성능 및 상대기하보정 결과를 분석하였다. Affine 및 Piecewise linear 변환모델을 각각 적용하여 건물밀집지역에 대한 상대기하보정 결과를 비교하였다. 실험 결과, Affine 변환모델은 건물 정합쌍 제거 후 전반적인 정확도 향상을 나타내었다. 반면에, Piecewise linear 변환모델은 주변에 건물을 포함하고 있는 검사점에서 정확도가 향상되었으나, 건물이 없는 평탄한 지역의 검사점에서는 정확도 향상이 크지 않았다. 또한, Piecewise linear 변환모델을 적용할 경우 20° 이하의 수렴각을 갖는 영상에서 2 pixels 이하의 안정적인 정확도를 도출하였다.

• 한국정보통신학회논문지
• /
• 제24권3호
• /
• pp.341-348
• /
• 2020

인간의 눈과 같이 이미지에서 유용한 정보를 추출하는 기능은 인공지능 컴퓨터 구현에 필수적인 인터페이스 기술이다. 이미지에서 건물을 인식하여 추론하는 기술은 다양한 형태의 건물 외관, 계절에 따른 주변 잡음 이미지의 변화, 각도 및 거리에 따른 왜곡 등으로 다른 이미지 인식 기술 보다 인식률이 떨어진다. 지금까지 제시된 컴퓨터 비전(Computer Vision) 기반의 건물 인식 알고리즘들은 건물 특성을 수작업으로 정의하기 때문에 분별력과 확장성에 한계가 있다. 본 논문은 최근 이미지 인식에 유용한 딥러닝의 CNN(Convolutional Neural Network) 모델을 활용하는데 건물 외관에 나타나는 변화, 즉 계절, 조도, 각도 및 원근에 의해 떨어지는 인식률을 향상시키는 새로운 방법을 제안한다. 건물 전체 이미지와 함께 건물의 특징을 나타내는 부분 이미지들, 즉 창문이나 벽재 이미지의 데이터 세트를 함께 학습시키고 건물 인식에 활용함으로써 일반 CNN 모델 보다 건물 인식률을 약 14% 향상됨을 실험으로 증명하였다.

• 한국측량학회지
• /
• 제23권3호
• /
• pp.233-238
• /
• 2005

각종 응용분야에서 3차원 도시 건물 모형에 대한 관심이 대두되면서 효율적인 3차원 도시 모형 생성에 대한 연구가 진행되고 있다. 3차원 도시 건물 모형을 생성하는 데는 항공사진, 위성영상 및 LIDAR 자료가 많이 이용되며, 대부분 건물의 고도 추출 및 건물 복원에 관한 기법 개발에 초점을 두고 있다. 항공사진, 위성영상 및 LIDAR 자료를 이용하여 3차원 도시 모형을 생성할 경우, 영상자료로부터 건물 객체를 자동으로 검출하는 것은 쉽지가 않으므로 자동 3차원 도시 모형 생성에는 많은 어려움이 있다. 최근에는 단일 자료만을 이용하지 않고 상호 융합을 하거나 혹은 관련 자료원과 통합하여 보다 효과적이고 정확한 3차원 도시 모형 생성에 관한 연구가 활발히 진행되고 있다. 항공사진과 수치지형도를 통합 활용할 경우, 수치지형도에서 건물의 수평 위치를 추출하고 이 정보를 이용하여 항공사진에서 개략적인 건물 위치를 확인함으로써 효과적인 3차원 건물 모형 생성이 가능하다. 본 연구에서는 수치지형도(1/1,000)와 항공사진(l/5,000)을 이용하여 효율적인 3차원 도시 모형 생성에 관한 연구를 수행하였다. 관심점 추출 기법과 영상정합 과정에서 탐색 범위를 제한하기 위한 수단인 수직선 궤적 이론을 이용함과 동시에 기존의 템플릿 기법과 달리 건물의 형태에 따른 가변 템플릿 정합 기법을 개발하였다. 정확도 검증을 위하여 연구 성과 수치도화시스템을 이용하여 생성한 3차원 도시 모형을 비교분석하였다.

• 대한원격탐사학회지
• /
• 제35권6_1호
• /
• pp.973-985
• /
• 2019

본 논문에서는 저비용으로 생성할 수 있는 무인항공기 기반의 포인트 클라우드를 사용하여 평면성 분석을 통해 지면과 건물 영역을 분리하고 자동으로 건물 모델을 생성하는 방법을 제안한다. 제안하는 방법은 총 다섯 단계로 구성된다. 첫 단계에서는 입력되는 포인트 클라우드의 평면성을 분석하여 포인트 클라우드를 구성하는 평면들을 추출하였다. 두 번째 단계에서는 추출된 평면들을 분석하여 지표면에 해당하는 평면을 찾고 포인트 클라우드에서 해당 평면 기준으로 포인트들을 제거하였다. 세 번째 단계에서는 지표면이 제거된 포인트 클라우드를 정사 투영하여 영상을 제작하였다. 네 번째 단계에서는 정사 투영된 영상에서 각각의 객체의 외곽선을 추출하고 외곽선의 넓이와 넓이, 길이 비율을 이용하여 건물 불인정 영역을 제거하였다. 마지막 단계에서는 건물의 지표면 높이와 건물의 높이를 이용하여 건물의 외곽점을 구성하고 3D 건물 모델을 생성하였다. 제안한 방법을 검증하기 위하여 무인항공기 영상을 이용해 제작된 포인트 클라우드를 사용하였으며, 실험을 통해 제안 기법을 통해 무인항공기 기반 포인트 클라우드에서 자동으로 건물의 3D 모델이 생성 가능함을 확인하였다.

• 대한원격탐사학회지
• /
• 제39권2호
• /
• pp.157-168
• /
• 2023

고해상도 원격탐사 영상을 이용하여 지표면을 모니터링 하기 위해서 영상 분할 및 감독 기반의 분류 기법이 널리 사용된다. 다양한 객체를 분류하기 위해서는 각 객체에 해당하는 클래스를 정의하고 각 클래스에 속하는 샘플들을 선택하는 과정이 필요하다. 클래스 샘플을 추출하는 기존의 방법은 각 클래스 별로 유사한 밝기값 특성을 가지는 충분한 개수의 샘플을 선택해야 한다. 이 과정은 사용자의 육안 식별에 의존하는 과정으로 많은 시간이 소요되며 사용자에 따라 추출되는 클래스의 대표 샘플들이 달라질 가능성이 높고 결과적으로 분류 성능이 클래스 샘플 추출 결과에 크게 영향을 받게 된다. 본 연구에서는 클래스 샘플 추출 시 히스토그램 역투영 기법을 적용하여 샘플 추출 시 사용자의 개입을 최소화하고 클래스에 속하는 샘플들의 밝기값 특성이 일관성을 가지는 영상 분류 기법을 제안한다. 제안한 히스토그램 역투영을 이용한 분류 기법은 차세대중형위성 1호(Compact Advanced Satellite 500-1) 영상의 색상 서브채널을 이용한 분류 실험과 원영상을 이용한 분류 실험에서 히스토그램 역투영을 사용하지 않은 기법에 비해 모두 향상된 분류 정확도를 보였다.

• 한국통신학회논문지
• /
• 제41권3호
• /
• pp.317-327
• /
• 2016

영상에서 의미 있는 특징점(feature point)의 추출은 제안하는 기법의 성능과 직결되는 문제이다. 특히 나무나 사람 등에서의 가려짐 영역(occlusion region), 하늘과 산 등 객체가 아닌 배경에서 추출되는 특징점들은 의미없는 특징점으로 분류되어 정합과 인식 기법의 성능을 저하시키는 원인이 된다. 본 논문에서는 한 장 이상의 멀티 프레임을 이용하여 건물 인식에 필요한 특징점을 분류하여 인식과 정합단계에서 기존의 일반적인 건물 인식 기법의 성능을 향상시키기 위한 새로운 기법을 제안한다. 먼저 SIFT(scale invariant feature transform)를 통해 일차적으로 특징점을 추출한 후 잘못 정합 된 특징점은 제거한다. 가려짐 영역에서의 특징점 분류를 위해서는 RANSAC(random sample consensus)을 적용한다. 분류된 특징점들은 정합 기법을 통해 구하였기 때문에 하나의 특징점은 여러 개의 디스크립터가 존재하고 따라서 이를 통합하는 과정도 제안한다. 실험을 통해 제안하는 기법의 성능이 우수하다는 것을 보였다.

• 대한원격탐사학회지
• /
• 제38권6_1호
• /
• pp.991-1005
• /
• 2022

위성 영상은 핵 활동 탐지와 검증을 위한 효율적인 보조자료로 핵시설과 같이 접근이 어렵고 정보가 제한된 지역에 매우 유용하다. 특히 장비의 이동 또는 시설물의 변화와 같이 핵실험을 준비하는 과정은 시계열 분석을 통해 충분히 식별 가능하다. 본 연구에서는 핵 활동과 관련된 주요 객체의 변화를 탐지하기 위하여, 다시기 영상의 의미론적 분할 결과의 차이를 이용하였다. AIHub에서 제공하는 KOMPSAT 3/3A 영상으로 구성된 객체 판독 데이터셋에서 건물, 도로, 소형 객체의 정보를 추출하여 학습하였으며, U-Net, PSPNet, Attention U-Net에 대하여 주요 파라미터를 변경하며 대상 객체 추출에 적합한 의미론적 분할 모델을 분석하였다. 의미론적 분할 결과의 차영상으로 생성된 결과에 객체 정보를 포함하여 최종 변화 탐지를 수행하였으며, 제안 기법을 임의의 변화를 포함한 시뮬레이션 영상에 적용한 결과, 변화 객체를 효과적으로 추출할 수 있었다. 본 연구에서 제시된 변화 탐지 기법을 적용하기 위해서는, 의미론적 분할의 정확도가 우선적으로 확보되어야 하는 제약이 있으나, 추후 실험 대상 지역에 대한 학습데이터셋이 증가할 수록 적용 가능한 분석 범위가 증가할 것으로 기대된다.

• 지적과 국토정보
• /
• 제48권2호
• /
• pp.213-225
• /
• 2018

3차원 공간정보 구축을 위해 건물 텍스처를 촬영하는 과정에서 폐색영역 문제가 발생한다. 이를 해결하기 위해선 폐색영역을 자동 인식하여 이를 검출하고 텍스처를 자동 보완하는 자동화 기법 연구가 필요하다. 현실적으로 매우 다양한 구조물 형상과 폐색을 발생시키는 경우가 있으므로 이를 극복하는 대안들이 고려되고 있다. 본 연구는 최근 대두되고 있는 딥러닝 기반의 알고리즘을 이용하여 폐색지역 패턴화하고, 학습기반 폐색영역 자동 검출하는 접근을 시도한다. 영상 내 객체 추출에서 우수한 성과를 발표하는 Convolutional Neural Network (CNN) 기법의 향상된 알고리즘인 Faster Region-based Convolutional Network (R-CNN)과 Mask R-CNN 2가지를 이용하여, 건물 벽면 촬영 시 폐색을 유발하는 사람, 현수막, 차량, 신호등에 대한 자동 탐지하는 성능을 알아보기 위해 실험하고, Mask R-CNN의 미리 학습된 모델에 현수막을 학습시켜 자동탐지하는 실험을 통해 적용이 높은 결과를 확인할 수 있었다.