식생은 인간에게 다양한 생태공간을 제공하고 수자원 및 기후환경 측면에서도 매우 중요하기 때문에 근적외선 센서 기반의 식생지수를 활용한 식생 모니터링 연구가 많이 수행되어 왔다. 따라서 근적외선 센서를 구비하지 못할 경우 식생 모니터링 연구가 현실적으로 어려운 문제가 있었다. 본 연구에서는 이러한 문제를 개선하고자 NDVI 식생지수를 기준자료로 하여 광학센서 기반의 식생지수 정확도를 평가하였다. 먼저 현장에서 조사한 식생조사 지점과 NDVI 식생지수와의 중첩을 통해 Kappa 계수를 계산하였으며, 그 결과 Kappa 계수가 0.930으로 가장 높게 나타난 0.6 이상의 임계값을 갖는 식생영역을 광학센서 기반의 식생지수 정확도 평가의 기준자료로 선정할 수 있었다. NDVI 식생지수를 기준자료로 선정하여 광학센서 기반의 식생지수와 비교한 결과, 0.04, 0.08, 0.30 이상의 임계값 구간에서 Kappa 계수가 각각 0.713, 0.713, 0.828로 가장 높게 분석되었다. 특히 RGBVI 식생지수의 경우 Kappa 계수가 0.828로 높게 나타났으며, 따라서 근적외선 센서를 활용하지 못하는 환경에서도 광학센서를 활용한 식생 모니터링 연구가 가능함을 알 수 있었다.
소나무 재선충 피해나무는 줄어들고 있으나, 피해 지역은 전국으로 확대되고 있다. 최근에 딥러닝 기술이 발전하면서 소나무재선충 고사목 탐지 연구에 적용이 빠르게 시도되고 있다. 본 연구의 목적은 딥러닝 학습데이터의 효과적인 취득과 정확한 참값을 확보하고, 학습을 통해 U-Net 모델의 탐지능력을 보다 향상시키기 위함이다. 이러한 목적달성을 위해 단계별 딥러닝 알고리즘을 적용한 필터링 방법을 이용하여 딥러닝 모델의 불명확한 분석 근거를 최소화하고, 효율적인 분석 및 판단을 할 수 있도록 하였다. 분석결과 U-Net알고리즘을 이용한 소나무재선충 고사목 탐지 및 성능향상에 있어 기간별로 분석한 참값을 이용한 U-Net 모델이 기존에 제공하였던 참값을 이용한 U-Net 모델보다 재현율(Recall)은 -0.5%p, 정밀도(Precision)은 7.6%p, F-1 score는 4.1%p로 분석되었다. 향후 다양한 필터링 기법을 적용하여 재선충 탐지 정밀도를 높일 수 있는 가능성이 있을 것으로 판단되며, 드론 정사영상과 인공지능을 이용한 드론 예찰방법이 소나무재선충 방제 사업에 활용 가능할 것으로 판단된다.
본 연구에서는 딥러닝 객체탐지 기법의 정확도 향상을 위해 항공사진과 드론 영상을 대상으로 확대율 조건과 계절요인이 탐지정확도에 미치는 영향을 실험을 통해 분석하였다. 딥러닝 객체탐지기법 중 빠른 학습 속도와 높은 정확도를 나타내는 Mask R-CNN을 사용하여 탐지대상인 자동차를 픽셀 단위로 탐지하고자 하였다. '서울시 항공사진서비스'를 통해 화면 확대 레벨을 달리하며 학습 영상을 캡처하고 각각을 학습하여 정확도를 분석하였다. 실험결과에 따르면 확대 레벨이 높아질수록 mAP 평균이 60%, 67%, 75%로 높아졌다. 데이터 세트의 train, test 데이터의 확대율을 엇갈려서 배치한 경우에는 확대율이 매우 낮은 경우를 제외하고 저배율의 데이터를 train 데이터로, 고배율의 데이터를 test 데이터로 배치하였을 때 높은 mAP로 반대의 경우보다 20% 이상 차이를 보였다. 그리고 4개월의 시차로 계절적 차이를 두고 촬영한 드론 영상의 경우, 같은 시기 영상자료 학습결과가 평균 93%로 높은 정확도를 나타내어 계절적 차이도 학습에 영향을 주는 것을 확인되었다.
4차 산업혁명 시대에 접어들어 드론이 다양한 분야에서 활용되고 있다. 현재 비탈면의 시공 및 유지관리는 일반적으로 소단 및 점검원 통로를 이용하여 인력으로 관리하고 있다. 이러한 방법은 안전사고의 위험이 있으며, 인력을 통한 시야 확보가 어려워 정확한 파악이 어렵다. 본 논문에서는 지반 공학 관련 구조물 중 비탈면을 대상으로 드론이 촬영한 디지털 사진을 이용하여 RTK 및 GCP가 비탈면 3차원 모델에 미치는 영향에 대해 연구하였다. 비탈면 3차원 모델의 품질 비교를 위해 9개 지점에 대해 GNSS 좌표를 측정하였고, 이 중 3개 지점은 검사점으로 활용하고 나머지 지점들은 지상기준점으로 활용하였다. RTK를 활용한 높은 정밀도의 지오태깅 사진을 이용하여 비탈면 3차원 모델을 작성할 경우, 지상기준점의 개수가 증가하면 검사점에서의 오차가 감소하는 것을 확인하였다. 또한 일반 GNSS를 사용하더라도 지상기준점을 적용하면 3차원 모델의 검사점에서의 오차는 크지 않은 것을 확인하였다. 그러나 RTK모듈을 사용하여 높은 정밀도의 지오태깅 사진을 이용하더라도 GCP를 적용하지 않고 비탈면 3차원 모델을 작성하면 큰 오차가 발생하는 것을 확인하였다. 특히, 높이 값인 z좌표에 대한 오차가 크게 발생하였다. 따라서, 평면정보와 더불어 높이에 대한 정보도 중요한 비탈면 3차원 모델 작성을 위해서는 반드시 GCP를 적용해야 함을 확인할 수 있었다.
Comparing to general scanning data, the 3D digital map for large construction sites and complex buildings consists of millions of points. The large construction site needs to be scanned multiple times by drone photogrammetry or terrestrial laser scanner (TLS) survey. The scanned point cloud data are required to be registrated with high resolution and high point density. Unlike the registration of 2D data, the matrix of translation and rotation are used for registration of 3D point cloud data. Archiving high accuracy with 3D point cloud data is not easy due to 3D Cartesian coordinate system. Therefore, in this study, iterative closest point (ICP) registration method for improve accuracy of 3D digital map was employed by different overlap ratio on 3D digital maps. This study conducted the accuracy test using different overlap ratios of two digital maps from 10% to 100%. The results of the accuracy test presented the optimal overlap ratios for an ICP registration method on digital maps.
사진측량기법으로 외부표정요소 결정과 지형의 DEM 제작을 위해선 전통적으로 지상기준점을 이용하였다. 그러나 접근이 곤란한 지역은 측량이 어렵기 때문에 기 확보된 DEM을 기준점 대용으로 활용할 수 있다. 이를 위해선 DEM 매칭을 수행해야만 한다. 본 연구에서는 DEM 매칭의 정확도 향상을 위해 ICP와 RT 매칭을 혼용하는 방법을 제안하였다. 그리고 제안방법의 성능평가를 위해 ICP 방법과 비교하였다. 실험을 위해 기준 DEM과 기준 DEM을 변형시킨 DEM(높이 값에 난수 0부터 2까지, 축척은 0.9, 이동은 3축 모두 100m, 회전은 3축 모두 10°부터 50° 까지 변형)을 이용하였다. 그 결과, 제안방법의 매칭과 절대표정 정확도가 가장 우수하였다. ICP의 경우, 변형 DEM의 회전각이 증가함에 따라 절대표정 오차가 증가한 반면 제안방법은 대체적으로 그 오차가 증가하지 않고 일정한 결과를 보였다. 실험결과를 토대로 변형 DEM이 기준 DEM에 비해 30° 까지 회전되었을 때는 제안방법이 적용 가능할 것으로 판단한다. 또한 이 방법은 무인항공기로부터 접근 불가능 지역의 기 확보 DEM에 의한 외부표정요소 결정 또는 3차원 표면변화를 파악할 때 활용 가능할 것이다.
본 연구에서는 건설현장을 대상으로 무인항공기(UAV) 촬영을 통하여 얻어진 사진측량 자료를 이용하여 작업발판 등의 가설시설물 설치에 대한 적정성을 검토하였다. 연구대상은 강원대학교 삼척캠퍼스내 건물보강공사를 위한 가시설물이다. 검토대상은 강관비계의 띠장방향 비계기둥 간격, 장선방향 비계기둥 간격, 띠장 간격이다. 무인항공기 측량자료를 이용하여 검토한 결과 장선방향 비계기둥 간격은 기준을 잘 준수하여 설치되어 있었으나, 띠장방향 비계기둥 간격과 띠장 간격은 기준에 미달된 개소도 다수 발견되어 개선이 요구되었다. 특히 띠장 간격은 대부분 지점에서 기준에 미달되어 있었다. 무인항공기촬영으로 3차원 자료를 이용하여 입체적인 측량이 가능하여, 타 시설물에 가려져 있거나 내부에 위치한 시설물도 측량이 가능하였다. 무인항공기 촬영을 통하여 신속하게 현장의 상태를 자료화할 수 있으며, 현장인력의 작업을 방해하지 않고 측량을 수행할 수 있었다. 가시설물의 설치기준은 작업자의 안전확보를 위해 반드시 준수되어야 함에도 불구하고 현장에서는 아직 소홀히 다루어지고 있음을 알 수 있었다. 현장공정관리에 무인항공기 등을 활용하여 정기적으로 점검을 할 수 있도록 법적 제도가 보완되어야 한다고 판단되었다.
최근 노천광산 현장의 지형측량을 위해 고정익 무인항공기와 회전익 무인항공기를 이용한 항공사진측량 기법들이 활발하게 연구되고 있다. 고정익 무인항공기와 회전익 무인항공기는 비행고도, 비행속도, 비행시간, 탑재된 광학 카메라의 성능 등에서 다양한 차이가 있으므로 동일한 현장을 대상으로 지형측량을 수행한 후 그 결과를 비교해 볼 필요가 있다. 본 연구에서는 경상남도 양산시에 위치한 토목건설 현장을 연구지역으로 선정하고, 고정익 무인항공기인 eBee와 보급형 회전익 무인항공기인 Phantom2 Vision+를 이용하여 지형측량을 수행한 후 그 결과를 비교하였다. eBee와 Phantom2 Vision+에서 촬영된 항공사진을 각각 자료처리한 결과 약 4 cm/pixel 공간해상도의 정사영상과 수치표면모델들을 제작할 수 있었다. 7곳의 지상기준점들에 대한 고정밀 위성측정시스템 좌표 측정결과와 비교할 때 eBee와 Phantom2 Vision+의 지형측량 결과 모두 평균 제곱근 오차가 X, Y, Z 방향에서 10 cm 내외로 나타났다.
본 연구에서는 토석류 발생구간의 세부정보 추적을 위해 드론을 활용한 토석류 발생구간에 대한 피해규모를 분석하여 기존 방법의 1/5,000 수치지형도에 의한 조사방법과 GPS 지상측량방법에 의한 방법에 따른 표고, 경사, 면적 등을 비교하여 방법간 정확도를 분석하였다. 연구결과를 종합하면 다음과 같다. 먼저, 표고의 비교에서는 드론영상에 의한 값이 수치지형도 보다 3.024m 낮게 나타났으며, 반면, 경사도의 경우 평균경사는 $1.20^{\circ}$, 최대 경사는 $10.46^{\circ}$의 차이로 드론영상에 의한 수치가 높게 나타났다. 둘째 수치지형도상의 면적과 드론영상에 의한 면적의 차이는 $462m^2$로 드론영상에 의한 면적이 더 높게 산출되었는데, 이는 지형의 기복을 포인트로 그대로 반영하여 결정되므로 수치지형도에 의한 방법보다 정확한 면적이 산출될 수 있다. 따라서 기존의 토석류 조사방법과 비교할 때 드론영상에 의한 조사방법이 시간이나 인력 운용에 있어서 매우 효율적이었다.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.