• 한국산학기술학회논문지
• /
• 제20권11호
• /
• pp.13-18
• /
• 2019

DEM(Digital Elevation Model)은 지형에 대한 높이를 수치로 저장한 3차원 공간정보로 식생과 인공지물을 포함하지 않는 지형만의 표고값을 의미하며, 지형에 대한 3차원 시각화, 경사분석, 건설공사를 위한 설계 및 물량산출 등 다양한 분야에 활용되고 있다. 최근 3차원 공간정보 구축과 관련된 많은 연구들이 이루어지고 있지만 DEM 생성과 관련된 연구는 부족한 실정이다. 이에 본 연구에서는 MMS(Mobile Mapping System), UAV 이미지 및 UAV LiDAR(Light Detection And Ranging)를 이용하여 DEM을 구축하였으며, 각각의 결과물에 대한 정확도 평가 및 분석을 수행하였다. 연구결과 MMS와 UAV LiDAR에 의해 생성된 DEM의 정확도는 ±4.1cm 이내였으며, UAV 이미지를 이용한 DEM은 ±8.5cm의 정확도를 산출하였다. 또한 각각의 방법에 의한 자료처리 과정 및 결과물에 대한 비교를 통해 MMS, UAV 이미지, UAV LiDAR의 특징 및 효율성을 제시할 수 있었다. MMS 및 UAV를 활용한 DEM 구축은 지형에 대한 분석 및 가시화, 건설공사를 위한 기초자료 생성, 공간정보를 활용한 서비스 등 다양한 분야에 활용이 가능할 것이며, 관련 업무 효율성을 크게 향상시킬 수 있을 것이다.

• 한국측량학회:학술대회논문집
• /
• 한국측량학회 2010년 춘계학술발표회 논문집
• /
• pp.69-71
• /
• 2010

In this paper, we focus on the accuracy estimation of laser scanning mobile mapping system using Lynx Mobile Mapper. For this, we surveyed checkpoints(181 points) in study areas. A method to estimate the accuracy of laser scanning mobile mapping system based on the measurement range, interval of control points and gps signal environments. As a result, to ensure reliable measurement results, we must be made a plan considering Measure range(60m or under) and operation. The estimation results showed the need for improving accuracy using control points about 150m interval according to environment error source.

• 대한원격탐사학회지
• /
• 제38권5_3호
• /
• pp.939-951
• /
• 2022

자율주행차에 있어 가장 중요한 요소는 차량 주변 환경과 정확한 위치를 인식하는 것이며, 이를 위해 다양한 센서와 항법 시스템 등이 활용된다. 하지만 센서와 항법 시스템의 한계와 오차로 인해 차량 주변 환경과 위치 인식에 어려움이 있다. 이러한 한계를 극복하고 안전하고 편리한 자율주행을 위해서 고정밀의 인프라 정보를 제공하는 정밀도로지도(high definition map, HD map)의 필요성은 증대되고 있다. 정밀도로지도는 모바일 매핑 시스템(mobile mapping system, MMS)을 통해 획득된 3차원 point cloud 데이터를 이용하여 작성된다. 하지만 정밀도로지도 작성에 많은 양의 점을 필요로 하고 작성 항목이 많아 수작업이 요구되어 많은 비용과 시간이 소요된다. 본 연구는 정밀도로지도의 필수 요소인 차선을 포함한 도로, 연석, 보도, 중앙분리대, 기타 6개의 클래스로 MMS point cloud 데이터를 유의미한정보로 분할하여 정밀도로지도의 효율적인 작성에 목적을 둔다. 분할에는 머신러닝 모델인 random forest (RF), support vector machine (SVM), k-nearest neighbor (KNN) 그리고 gradient boosting machine (GBM)을 사용하였고 MMS point cloud 데이터의 기하학적, 색상, 강도 특성과 차선 분할을 위해 추가한 도로 설계적 특성을 고려하여 11개의 변수를 선정하였다. 부산광역시 미남역 일대 5차선도로 130 m 구간의 MMS point cloud 데이터를 사용하였으며, 분할 결과 각 모델의 평균 F1 score는 RF 95.43%, SVM 92.1%, GBM 91.05%, KNN 82.63%로 나타났다. 가장 좋은 분할 성능을 보인 모델은 RF이며 클래스 별 F1 score는 도로, 보도, 연석, 중앙분리대, 차선에서 F1 score가 각각 99.3%, 95.5%, 94.5%, 93.5%, 90.1% 로 나타났다. RF 모델의 변수 중요도 결과는 본 연구에서 추가한 도로 설계적 특성의 변수 XY dist., Z dist. 모두 mean decrease accuracy (MDA), mean decrease gini (MDG)가 높게 나타났다. 이는 도로 설계적 특성을 고려한 변수가 차선을 포함한 여러 클래스 분할에 중요하게 작용하였음을 뜻한다. 본 연구를 통해 MMS point cloud를 머신러닝 기반으로 차선을 포함한 여러 클래스로 분할 가능성을 확인하고 정밀도로지도 작성 시 수작업으로 인한 비용과 시간 소모를 줄이는데 도움이 될 것으로 기대한다.

• Spatial Information Research
• /
• 제19권4호
• /
• pp.73-79
• /
• 2011

최근 공간영상정보 수요가 증가함에 따라 신속하게 공간정보를 구축할 수 있는 모바일매핑시스템의 필요성이 높아지고 있다. 모바일매핑시스템은 일정한 속도로 주행하면서 공간정보를 취득하기 때문에 고가의 높은 정밀도를 보장하는 관측시스템(다수의 카메라, IMU/GPS, 시각동기화 장치, 자료취득 및 처리장치)으로 구성된다. 이러한 관측시스템 구성은 자료 생산 과정이 복잡해지고 일정 수준 이상의 차량 조건을 만족해야하기 때문에 적용이 제한적이다. 본 연구에서는 고속카메라를 이용하여 시각동기화 장치를 대체하고, MEMS IMU/GPS로도 양질의 공간영상정보를 구축할 수 있는 경량모바일매핑시스템의 구축 방안을 제안한다. 기존 시스템 구조 및 처리 과정이 단순화되어 구축 및 운용비용이 줄어들고, 휴대가 가능한 수준으로 크기로 줄어들어 다양한 부문에서도 신속한 공간영상정보를 신속하게 생산 할 수 있을 것으로 기대된다.

• 대한원격탐사학회지
• /
• 제37권5_3호
• /
• pp.1425-1434
• /
• 2021

하천 시설물의 효율적인 유지관리를 위해서는 대상물에 대해 지속적이고, 주기적인 데이터 취득이 선행되어야 한다. 하천 시설물은 일반 시설물과 달리 넓고 긴 지역을 따라 분포하고 있으므로 지상레이저스캐너, 토탈스테이션 및 GNSS를 활용하는 기존의 하천 측량 방법으로는 공간정보를 취득하는 데에 비용·인력·시간적 한계가 존재한다. 이에 반해, 모바일매핑시스템(Mobile Mapping System, 이하 MMS)은 플랫폼의 이동과 동시에 3차원 공간정보를 취득하므로 하천 시설물의 데이터 취득에 효율적이다. 따라서 본 연구진은 MMS를 활용하여 안양천 4 km 제방에 대해 20분동안 184,646,099개의 포인트를 취득했으며, 이를 10 m 간격의 종 방향으로 분할하여 378개의 횡단면을 추출하였다. 제방 횡단면 포인트 클라우드에서 제외지의 경사면 정보만 따로 분리하여 최대 및 평균 비탈 경사를 자동으로 계산하였으며, 이를 동일 제방에 대해 수동으로 계산한 값과 비교했을 때 RMSE 기준 최대 경사 1.124°, 평균 경사 1.659°의 정확도를 확인할 수 있었다. Reference 경사는 제방의 포인트 클라우드를 plot하고 경사 계산 시 위치정보를 사용하는 두 점을 직접 선택하여 수동으로 계산하였다. 또한 자동 추출한 경사를 하천기본계획 상의 비탈 경사면 설계 기준과 비교하여 MMS를 활용한 하천 시설물 검사의 가능성을 확인하였다.

• 대한원격탐사학회지
• /
• 제36권5_3호
• /
• pp.1013-1025
• /
• 2020

UAV (Unmanned Aerial Vehicle) 플랫폼은 소규모 지역의 영상을 저비용으로 신속하게 취득이 가능하다는 장점이 있어 재난모니터링과 스마트시티 분야에 널리 활용되고 있다. UAV 기반 정사영상 및 DSM (Digital Surface Model) 제작 시 cm 급 정확도를 확보하기 위하여 UAV 영상의 위치보정을 위한 지상기준점(Ground Control Points, GCP)이 필수적이다. 하지만, 현장 GCP 취득을 위한 현장방문, 대공표지 설치에는 상당한 인력과 시간이 소요된다. 따라서 본 연구에서는 GCP 현장 취득을 대체하기 위한 방법으로 사전에 구축되어 활용가능한 세 가지 공간정보를 GCP로 이용하는 방법을 제시하였다. 연구에 사용한 세 가지 공간정보는 첫째, 25 cm 급 정사영상과 1:1000 수치지형도 기반 DEM (Digital Elevation Model), 둘째, 모바일매핑시스템(Mobile Mapping System, MMS)으로 취득한 점군 데이터, 셋째, MMS 데이터와 UAV 데이터를 융합하여 만든 하이브리드 점군 데이터이다. 세 가지 공간정보로부터 취득한 GCP를 이용하여 각각에 대하여 UAV 정사영상과 DSM (Digital Surface Model, DSM)을 생성하였다. 생성된 3가지 결과를 현장 RTK-GNSS 측량으로 취득한 검사점과 비교하여 3차원 위치 정확도평가를 진행하였다. 실험결과, 세 번째 경우인 MMS와 UAV를 융합한 하이브리드 점군 데이터를 GCP로 사용하였을 때, UAV 정사영상과 DSM의 최종 정확도가 수평방향의 RMSE는 8.9 cm, 수직방향의 RMSE는 24.5 cm로 가장 높게 나타났다. 또한, 현장 측량을 대체하기 위해 활용한 공간정보로부터 취득한 GCP의 분포는 수평 위치 정확도 보다 수직 위치 정확도에 더 많은 영향을 미치는 것으로 나타났다.

• 한국산학기술학회논문지
• /
• 제18권4호
• /
• pp.536-543
• /
• 2017

본 연구에서는 멀티 센서 융합 측위 시스템(Mobile Mapping System, MMS) 기술을 도입하여 가로수의 생육 전 과정에 따른 탄소저장량을 효과적으로 산정할 수 있는 최적화된 가로수 탄소저장량 산정 시스템을 개발하였다. 본 연구에서 개발한 멀티 센서 융합 측위 시스템(MMS)을 이용한 가로수 탄소저장량 산정 시스템은 데이터베이스, 메모리, 프로세서 및 사용자 인터페이스, 통신모듈로 구성되어있다. 천안 아산 신도시의(총 거리: 2.1 km, 면적: $283,698m^2$) 가로수 약 261개를 대상으로 탄소 저장량을 산정을 산정하였다. 평균 현존생물량과 탄소저장량의 경우 메타세콰이어가 각각 34.5 kg, 17.3 kg C로 가장 높았고, 이팝나무에서 각각 19.5 kg, 9.8 kg C로 가장 낮게 나타났다. 총 현존생물량과 총 탄소저장량은 은행나무에서 각각 5028.8 kg, 2514.4 kg C로 가장 높게 나타났으며, 이팝나무에서 각각 780.7 kg, 390.3 kg C로 가장 낮게 나타났다. 또한, 가로수 측정 대상지역 내 가로수의 데이터베이스를 구축하였고, 가로수 데이터베이스를 토대로 GIS 분석기법을 활용하여 가로수 탄소저장량을 구글 형식으로 변환, 3D로 시각화하였다.

• 한국측량학회지
• /
• 제37권5호
• /
• pp.331-341
• /
• 2019

With the popularity of sensor-rich environments, smartphones have become one of the major platforms for obtaining and sharing information. Since it is difficult to utilize GNSS (Global Navigation Satellite System) inside the area with many buildings, the localization of smartphone in this case is considered as a challenging task. To resolve problem of localization using smartphone a four step image-based localization method and procedure is proposed. To improve the localization accuracy of smartphone datasets, MMS (Mobile Mapping System) and Google Street View were utilized. In our approach first, the searching for candidate matching image is performed by the query image of smartphone's using GNSS observation. Second, the SURF (Speed-Up Robust Features) image matching between the smartphone image and reference dataset is done and the wrong matching points are eliminated. Third, the geometric transformation is performed using the matching points with 2D affine transformation. Finally, the smartphone location and attitude estimation are done by PnP (Perspective-n-Point) algorithm. The location of smartphone GNSS observation is improved from the original 10.204m to a mean error of 3.575m. The attitude estimation is lower than 25 degrees from the 92.4% of the adjsuted images with an average of 5.1973 degrees.

• Spatial Information Research
• /
• 제15권2호
• /
• pp.169-180
• /
• 2007

정부 및 지자체 행정업무의 전산화와 통합시스템 구축이 증가함에 따라 차량측량시스템의 활용성이 점차 증대 돼 가고 있다. 이와 같은 요구에 따라 특정 지역의 시설물을 신속하게 측정해야 하는 경우가 발생하는데 이 경우에는 후처리방식보다는 실시간 현장처리방식이 필요하며 현장처리에 있어서는 정확도 못지않게 자료의 처리속도가 중요한 요소가 된다. 본 연구에서는 정확도와 처리속도 면에서 현장처리에 적합한 3차원 위치결정방법을 선정하기 위해 사진측량분야에서 사용되어 온 두 가지 공간전방교회법을 프로그램화하여 비교하였다. 특히, 해석적 공간전방교회법에 대해서는 기존의 근거리 지상사진 측량법을 차량의 이동에 따라 카메라의 위치와 자세가 변하는 차량측량시스템의 특성에 맞도록 수정하여 적용하였다. 비교결과, 정확도의 측면에서는 두 방법에서 차이가 거의 없었으나 계산에 소요되는 시간의 측면에서는 해석적 공간전방교회법이 약 1/3 정도로 나타났다.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.453-464
• /
• 2019

최근 3차원 공간정보에 대한 수요가 증가함에 따라 신속하고 정확한 데이터 구축의 중요성이 증대되어 왔다. 정밀한 3차원 데이터 구축이 가능한 LiDAR (Light Detection and Ranging) 데이터를 기준으로 UAV (Unmanned Aerial Vehicle) 영상을 정합하기 위한 연구가 다수 수행되어 왔으나, MMS (Mobile Mapping System)로부터 취득된 LiDAR 점군데이터의 반사강도 영상을 활용한 연구는 미흡한 실정이다. 따라서 본 연구에서는 MMS로부터 취득된 LiDAR 점군데이터를 반사영상으로 변환한 데이터와 UAV 영상 데이터의 정합을 위해 9가지의 특징점 기반매칭 기법을 비교·분석하였다. 분석 결과 SIFT (Scale Invariant Feature Transform) 기법을 적용하였을 때 안정적으로 높은 매칭 정확도를 확보할 수 있었으며, 다양한 도로 환경에서도 충분한 정합점을 추출할 수 있었다. 정합 정확도 분석 결과 SIFT 알고리즘을 적용한 경우 중복도가 낮으며 동일한 패턴이 반복되는 경우를 제외하고는 약 10픽셀 수준으로 정확도를 확보할 수 있었으며, UAV 영상 촬영 당시 UAV 자세에 따른 왜곡이 포함되어 있음을 감안할 때 합리적인 결과라고 할 수 있다. 따라서 본 연구의 분석 결과는 향후 LiDAR 점군데이터와 UAV 영상의 3차원 정합을 위한 기초연구로 활용될 수 있을 것으로 기대된다.