• 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.

• Spatial Information Research
• /
• 제16권4호
• /
• pp.479-488
• /
• 2008

본 논문은 건물추출 기법에 있어서 기존 연구들을 분석하기 위하여 활용센서의 관점에서 분류하고 이에 따라 주요 기법들을 분석하였다. 지난 수십 년간, 많은 유형의 센서자료가 매핑과학기술분야에 도입되어 왔고, 그들의 특성은 공간해상력과 자료처리 측면에서 매우 다양하다. 이에 따라, GIS분야에서 이러한 자료들을 이용함으로써 실세계의 3차원 가상공간 구축이 가능해지고 있고, 이는 도시설계, 재난관리 및 토목공사 등 여러 응용분야에 활용될 수 있을 것으로 기대된다. 이와 관련하여, 본 연구는 건물추출에 대한 기존 연구들을 먼저 건물 영역탐지와 모델링의 두 가지 대주제로 분류한 후 기법들에 대한 장단점을 분석하였다. 본 연구에서 제시하는 분석결과는 목적에 따라 자동화 알고리즘을 향상시키거나 적합한 센서자료를 선택하는데 있어서 유용하게 활용될 수 있을 것이다.

• 대한원격탐사학회지
• /
• 제22권2호
• /
• pp.131-139
• /
• 2006

중심투영 기하를 가진 항공사진과 마찬가지로 IKONOS 위성 영상도 CCD 라인에서 중심투영 기하를 갖는다. 이로 인해 건물, 지형 등에 의한 영상 폐색이 존재하지만, IKONOS 영상의 정사보정을 위해 RPC 표정정보를 이용하여 폐색을 감지하는 것은 쉽지 않다. 따라서 본 연구에서는 영상 취득시의 위성 고도각과 방향각을 이용하여 폐색 영역을 탐지하고 중복 영상을 활용한 폐색 영역의 영상복원을 수행하여, 실제적인 IKONOS 정사 영상을 제작하였다. 그리고, 생성된 정사 영상의 위치정확도로부터 폐색 탐지 알고리즘의 적합성을 평가하였다.

• 방송공학회논문지
• /
• 제26권1호
• /
• pp.14-25
• /
• 2021

서로 다른 시간에 촬영된 같은 위치의 원격 탐사 영상에서 변화된 사항을 찾는 변화 탐지는 다양한 영역에 적용되기 때문에 매우 중요하다. 그러나 정합 오차, 건물 변위 오차, 그림자 오차 등이 오탐지를 발생시킨다. 이러한 문제점을 해결하기 위해 본 논문은 CADNet(Change Attention Dense Siamese Network)을 제안한다. CADNet은 다양한 크기의 변화 영역을 탐지하기 위해 FPN(Feature Pyramid Network)을 사용하며, 변화 영역에 주목하는 변화 주목 모듈을 적용하고, 낮은 수준 (Low-level)의 특징과 높은 수준 (High-level)의 특징을 모두 포함하고 있는 피처 맵을 변화 탐지에 사용하기 위해 DenseNet을 피처 추출기로 사용한다. CADNet의 성능을 Precision, Recall, F1 측면에서 측정하였을 때 WHU 데이터 세트에 대하여 98.44%, 98.47%, 98.46%이었고, LEVIR-CD 데이터 세트에 대해 90.72%, 91.89%, 91.30%이었다. 이 실험의 결과는 CADNet이 기존 변화 탐지 방법들보다 향상된 성능을 제공한다는 것을 보여준다.

• 한국측량학회지
• /
• 제38권6호
• /
• pp.635-644
• /
• 2020

딥러닝(DL)을 이용한 객체인식, 탐지 및 분할하는 연구는 여러 분야에서 활용되고 있으며, 주로 영상을 DL 모델의 학습 데이터로 사용하고 있지만, 본 논문은 영상뿐 아니라 공간정보 특성을 포함하는 다양한 학습 데이터(multimodal training data)를 향상된 영역기반 합성곱 신경망(R-CNN)인 Detectron2 모델 학습에 사용하여 객체를 분할하고 건물을 탐지하는 것이 목적이다. 이를 위하여 적외선 항공영상과 라이다 데이터의 내재된 객체의 윤곽 및 통계적 질감정보인 Haralick feature와 같은 여러 특성을 추출하였다. DL 모델의 학습 성능은 데이터의 수량과 특성뿐 아니라 융합방법에 의해 좌우된다. 초기융합(early fusion)과 후기융합(late fusion)의 혼용방식인 하이브리드 융합(hybrid fusion)을 적용한 결과 33%의 건물을 추가적으로 탐지 할 수 있다. 이와 같은 실험 결과는 서로 다른 특성 데이터의 복합적 학습과 융합에 의한 상호보완적 효과를 입증하였다고 판단된다.

• 한국인터넷방송통신학회논문지
• /
• 제9권5호
• /
• pp.101-107
• /
• 2009

본 논문은 감시카메라 영상으로부터 응급상황을 탐지하는 방법과 응급상황의 정밀 탐색 및 서비스를 위한 이동로봇 추적 시스템 개발에 대하여 기술한다. 건물 곳곳에 설치된 카메라로부터 얻어지는 일련의 영상들을 분석하여 처리함으로써 사람의 행동을 인식할 수 있으며, 이 중 응급상황이 탐지된 경우 준비된 이동로봇을 이용해 응급상황 발생지점의 정밀 탐색이 가능하다. 감시 카메라 영상을 통하여 사람의 행동들을 인식하기 위해서는 인간의 모습이라고 가정되는 영역들을 추적하고 관리해야 한다. 한 영상에서 가우시안 혼합 모델(MOG)을 이용하여 배경과 분리된 관심 영역들을 추출하고, 각 영역들을 외관 모델을 이용하여 지속적으로 추적한다. 그리고 각 영역의 실루엣 정보를 이용한 움직임 누적 영상(MHI)을 생성하여 행동을 모델링하고 신경망을 이용하여 응급 상황을 최종 인식한다. 또한 응급상황에 처한 사람과 이동로봇의 위치정보를 계산해 이동로봇이 사람에게 접근하는 기술을 구현한다.

• 한국지리정보학회지
• /
• 제11권3호
• /
• pp.136-150
• /
• 2008

항공사진이나 LiDAR 데이터를 이용하여 건물의 자동 추출에 있어서 많은 연구가 이루어졌지만, 3차원 위치정보와 영상의 형상정보라는 두 데이터의 장점을 융합하여 정확도를 향상시킬 수 있다. 이를 위하여 본 연구에서는 등고선 기반의 건물인식 알고리즘을 사용하여 LiDAR 데이터를 이용한 건물 인식 정확도를 향상시키고, 항공사진을 이용하여 건물 경계의 정교화도 추구하였다. 등고선기반 건물 인식 방법은 건물의 경계와 지붕구조물 정보를 생성할 수 있으며, 기존 TIN기반 인식 방법이나 NDSM기반 방법보다 우수한 건물 탐지 정확도를 보여주었다. 등고선으로 추정된 건물경계에 일정한 크기의 버퍼를 생성하여 항공사진의 경계영역을 한정시키고, double active contour를 사용하여 항공사진의 에지에 맞도록 건물경계를 정교화 하였다. 본 연구성과를 이용하여 향후 추출된 개체 경계의 일정 범위에서 최적의 정합을 수행하여 3차원 건물 경계를 생성할 수 있다.

• 한국측량학회지
• /
• 제35권6호
• /
• pp.599-608
• /
• 2017

아스팔트 도로표면의 균열은 자동차 속도, 연료 소비량, 도로주행 시 승차감, 도로표면의 내구성 등에 영향을 미친다. 이러한 도로의 균열은 장시간 방치 시 상당히 위험한 결과를 초래할 수 있다. 사람이 직접 균열을 찾아 내어 적절한 조치를 취하기에는 너무 많은 시간과 비용이 소모된다. 또한 고가의 레이저 장비 차량들을 활용하기에는 초기 비용과 장비 운용에 어려움을 가진다. 이에 본 연구에서는 UAV 영상을 이용해 컴퓨터 비전 기반의 관심영역(ROI: Region of Interest) 설정과 에지 검출 알고리즘을 적용하여 도로표면의 균열탐지 방안을 제시하였다. 본 연구 결과는 무인항공기를 활용한 효율적인 도로표면 결함탐지 및 유지보수 방안으로 제시될 수 있다. 또한 도로 이외 건물빌딩의 외벽, 대규모 저장 탱크 등 다양한 건축, 토목 구조물에 발생된 균열 탐지에 활용이 가능하며 비용저감 효과를 기대할 수 있을 것이다.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.469-481
• /
• 2018

딥러닝은 인간의 학습 및 인지능력을 닮은 인공지능을 실현하기 위해 여러 분야에서 활용하고 있으며, 높은 사양의 컴퓨팅 파워가 요구되고 연산 시간이 많이 소요되는 복잡한 구조의 인공신경망에 의한 딥러닝은 컴퓨터 사양이 향상됨에 따라 성능이 개선된 다양한 딥러닝 모델이 개발되고 있다. 본 논문의 주요 목적은 영상의 딥러닝을 위한 합성곱 신경망 중에서 최근에 FAIR (Facebook AI Research)에서 개발한 Mask R-CNN을 이용하여 항공영상에서 건물을 탐지하고 성능을 평가하는 것이다. Mask R-CNN은 영역기반의 합성곱 신경망으로서 픽셀 정확도까지 객체를 의미적으로 분할하기 위한 딥러닝 모델로서 성능이 가장 우수한 것으로 평가받고 있다. 딥러닝 모델의 성능은 신경망 구조뿐 아니라 학습 능력에 의해 결정된다. 이를 위해 본 논문에서는 모델의 학습에 이용한 영상에 다양한 변화를 주어 학습 능력을 분석하였으며, 딥러닝의 궁극적 목표인 범용화의 가능성을 평가하였다. 향후 연구방안으로는 영상에만 의존하지 않고 다양한 공간정보 데이터를 복합적으로 딥러닝 모델의 학습에 이용하여 딥러닝의 신뢰성과 범용화가 향상될 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.439-439
• /
• 2022

인공위성은 위성통신, 기상 등 다양한 분야에서 활용되고 있지만 재난과 위성영상 특성 매칭의 제약으로 재난 상황에서는 제한적으로 사용되었다. 국내외 위성 갯수의 증가로 위성영상을 준-실시간으로 확보 가능함에 따라 활용할 수 있는 범위가 증가하여 최근에는 재난·재해에 신속하게 대비하기 위한 연구가 활발히 진행되고 있다. 본 연구는 재난 발생 지역의 위성 영상 확보를 위해 촬영된 영상과 미래시점의 촬영 예정인 영상의 촬영 예정 시간 및 영역을 빠른 시간 내 분석하여 최적 위성영상 확보에 기반이 되고자 한다. 행정안전부에서 분류한 재난·재해 유형에 따라 재난 예측, 탐지, 사후처리를 위한 위성자료의 확보를 위하여 다양한 위성과 탑재된 센서들의 궤도, 공간 해상도, 파장대 등의 위성영상의 적시성을 분석하여 최적 위성을 정의하였다. 위성 궤도 시뮬레이션은 TLE(Two Line Element) 정보를 이용하는 SGP4(Simplified General Perturbations version 4) 모델에 적용하여 개발하였다. 최신 TLE 정보를 이용하여 위성 궤도 정보 및 센서 정보(공간 해상도, Swath width, incidence angle IFOV 등)을 적용하였다. 수집된 위성 궤도 정보를 기반으로 위성의 궤도를 예측하여 예측된 위치에서의 촬영 영역을 산정하는 분석 기능을 수행하여 최종 시뮬레이션 데이터를 생성한다. 개발된 위성 궤도 시뮬레이션 알고리즘을 토대로 태풍 미탁 사례에 적용하였다. 위성 궤도 시뮬레이션 알고리즘을 태풍 미탁 사례에 적용한 결과 다종 위성리스트 중 위성 궤도 분석을 통해 최단기간 획득 가능한 위성 중 정지 궤도 기상위성인 Himawari-8, GK-2A는 태풍 경로 모니터링, 광학 위성인 Sentinel-2, PlanetScope는 건물 피해 지역, SAR 위성인 Sentinel-1, ICEYE는 홍수 지역을 탐지하는데 최적 위성 영상으로 분석되었다.