• 대한토목학회논문집
• /
• 제28권3D호
• /
• pp.417-422
• /
• 2008

전통적인 정사영상 제작기법으로는 이중 투영으로 인한 원치 않는 구조물의 중복이 정사영상 안에 생길 수 있다. 특히 고층 빌딩이 밀집된 도심지역에서는 고도의 변화가 심하여 이러한 현상이 자주 발생한다. 이러한 문제들로 인하여 도심지역의 폐색영역 탐지는 정확한 엄밀 정사영상(true orthophoto)의 제작에 있어서 매우 중요한 문제이다. 본 논문은 항공영상과 LiDAR로부터 가시고도 기반의 폐색영역 탐지기법을 다루고 있다. 본 논문에서는 LiDAR의 포인트 클라우드 데이터로부터 격자형태의 수치표고모형(DSM)을 제작한 후, DSM과 항공영상의 촬영점을 이용한 가시고도 기반의 폐색영역 탐지기법을 제안하였다. 마지막으로 만들어진 DSM과 전 과정에서 만들어진 폐색맵을 이용한 엄밀 정사영상의 제작과정을 기술하였다. 제안된 알고리즘은 미국 인디애나 주의 퍼듀 캠퍼스 지역에 적용되었다.

• 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.

• 한국측량학회지
• /
• 제25권5호
• /
• pp.415-425
• /
• 2007

본 연구는 항공라이다데이터와 항공영상을 융합하여 정사영상을 제작하고, 항공영상만으로 자동영상정합을 통해 제작된 정시영상과 비교 분석하였다. 제작된 정시영상의 정확도평가를 위해 육안검사를 통한 정성적 분석과 주요 건물에 대한 수평좌표불일치, 경계좌표 및 유사도의 측정을 통한 정량적 분석을 수행하였다. 육안검사와 수평좌표불일치량을 기준으로 라이다데이터를 이용한 정사영상이 상대적으로 엄밀정사영상에 근접한 것으로 나타났다. 그러나, 경계좌표와 유사도측정의 결과로 폐색영역에 대한 이중매핑에 보다 민감하게 노출된다는 것을 알 수 있었다. 따라서, 이중매핑에 대한 효과적인 해결방법을 적용하거나 폐색영역이 발생하지 않는 사진중심 영역에서는 라이다데이터를 이용하여 엄밀정사영상에 대한 자동제작이 가능할 것으로 판단된다.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2010년 춘계학술발표회 논문집
• /
• pp.225-226
• /
• 2010

The problem in orthoimage generation is to recover occlusion areas. In this study, occlusion areas - double mapping regions of the building roofs - were mutually corrected by using multiple images. The proposed method could be efficient for generating true orthoimages in urban areas.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2007년도 춘계학술발표회 논문집
• /
• pp.273-276
• /
• 2007

In this study, we generated DSM(Digital Surface Model)s and orthophotos with both LIDAR data and scanned aerial photos and compared them with those generated from only the scanned photos. We checked the relief displacements of buildings appearing in the generated orthophotos, where the displacement should not be exist in a true-orthophoto. The RMSE of the relief displacement in the orthophoto generated using a LIDAR DSM is 3 m while the RMSE in the orthophotos from a DSM based on the image matching is 6.1 m. It was revealed that the orthophoto from a LIDAR DSM are closer to a true-orthophoto. But the results in the accuracy test and similarity evaluation of the generated orthophotos were contrary to former results because the roof texture of buildings were expanded to occlusion areas around the buildings. With the central area of the photo, we can generate sufficiently accurate true-orthophotos using a LIDAR DSM.

• 한국측량학회지
• /
• 제34권5호
• /
• pp.479-493
• /
• 2016

항공 레이저 스캐너(ALS)로부터 획득한 라이다(LiDAR) 데이터는 지형지물을 모델링하기 위해서 널리 사용되고 있으며, 특히 정밀 3차원 건축물 및 도시모델, 엄밀정사영상 등 고품질의 공간정보를 효율적으로 구축하기 위하여 라이다 데이터를 이용한 3차원 모델링에 관한 연구가 지속적으로 수행되고 있다. 불규칙적으로 분포된 고밀도의 라이다 데이터로부터 객체를 3차원으로 모델링하기 위해서는 시스템 캘리브레이션, 노이즈 제거 및 지면과 객체를 분리하기 위한 필터링, 객체의 종류 및 특성에 따른 데이터 분류, 기하학적 특성 및 동질성에 기반한 데이터 분할, 분할면의 군집화 및 묘사, 분할면의 재구성과 조합에 의한 모델링, 품질검사 등 일련의 복잡한 과정들이 수반된다. 라이다 데이터를 이용한 많은 모델링 방법들은 데이터 분할 과정을 포함하고 있지만, 본 논문에서는 라이다 데이터를 분할하지 않고 객체를 구성하는 중요하고 대표적인 특징점들을 추출하여 건물 모델링에 활용하는 방법을 제안하고 있다. 복잡하고 다양한 건물 형태를 시뮬레이션한 데이터와 실제 데이터에 적용하여 제안한 방법의 타당성 및 정확도를 검증하였다.