무인항공사진측량 절차를 적용한 항공사진영상의 처리 및...

무인항공사진측량 절차를 적용한 항공사진영상의 처리 및 소규모 변화

지역의 수치지도 수정/갱신 방안

Processing of Aerial Photographic Image Using Unmanned Aerial Photogrammetry Process and Revision/Update Method of Digital Map

of Small Change Area*

김경덕*ㆍ이동국**ㆍ유영걸***ㆍ이현직****Kim, Kyeong DeokㆍLee, Dong GookㆍYu, Young GeolㆍLee, Hyun Jik

要旨본 연구에서는 서로 다른 두 시기에 촬영된 항공사진영상을 무인항공사진측량 절차를 통해 지형공간정보인

pointcloud, 3D mesh, digital surface model(DSM), 실감정사영상을 생성하였다. 무인항공사진측량 절차를 통해 생

성된 산출물인 지형공간정보의 정확도 분석을 수행하기 위해 검사점을 선정하여 정확도 분석을 수행하였으며, 생

성된 지형공간정보와 산림변화분석을 통해 산림지역의 개발 된 변화 지역을 탐지하였다. 무인항공사진측량 절차를

통해 생성된 두 시기의 DSM을 사용하여 잔차 DSM을 생성 한 후 면적 및 높이를 기준으로 필터링을 수행하여 소

규모 변화 지역을 탐지하였다. 또한 탐지된 소규모 변화지역에 대한 수치지도 수정/갱신 방안을 도출하고자 무인

항공사진측량 절차를 통해 생성된 산출물인 실감정사영상을 사용하여 수치지도의 2D 레이어를 추출하고

Pointcloud를 이용하여 DEM 생성 및 등고선을 추출을 통하여 수치지도 수정/갱신 방안을 도출하였다.

핵심용어 : 항공사진영상, 무인항공사진측량 절차, 변화 탐지, 수치지도 수정/갱신

AbstractIn this study, aerial photograph images taken at two different times were generated by the unmanned aerial

photogrammetry process, product of pointcloud, 3D mesh, digital surface model(DSM) and trueorthophoto.

Accuracy analysis was performed by selecting the checkpoints to perform the accuracy analysis of the geospatial

information product, which is an artifact produced through the unmanned aerial photogrammetry and through the

analysis of the generated geospatial information and the forest change, the developed change areas of the forest area.

Forest area change analysis were used to detect the developed change areas of the forest area. The residual DSM

was generated using the two time DSMs generated by the unmanned aerial photogrammetry, and the small change

area was detected by filtering based on the area and height. In addition, in order to find a way to revision/update

the digital map for the detected small change area, 2D layer of the digital map is extracted using the trueorthophoto,

which is the product generated through the unmanned aerial photogrammetry procedure use DEM generation and

contour lines are extracted using pointcloud to derive a digital map revision/update plan.

Keywords : Aerial Photograph Image, Unmanned Photogrammetry Process, Change Detection, Update/revision

of Digital Map

Received: 2017.08.04, revised: 2017.08.16, accepted: 2017.09.25

* 정회원ㆍ상지대학교 대학원 토목공학과 석사과정(Member, Master Student, Dept. of Civil Eng., Sangji University graduate

school, [email protected])

** 정회원ㆍ상지대학교 대학원 토목공학과 박사과정(Member, Doctor Student, Dept of Civil Eng., Sangji University graduate

school, [email protected])

*** 정회원ㆍ(주)네오티즈 부설연구소 연구소장(Member, NEOTIZ corp annex research institute, [email protected])

****교신저자ㆍ정회원ㆍ상지대학교 건설시스템공학과 교수(Corresponding Author, Member, Dept. of Civil Eng., Sangji

University, [email protected])

15

한국지형공간정보학회지 (Journal of the Korean Society for Geospatial Information Science)Vol.25 No.4 December 2017 pp.15-24

연구논문

ISSN: 1598-2955 (Print)ISSN: 2287-6693(Online)

http://dx.doi.org/10.7319/kogsis.2017.25.4.015

16 김경덕ㆍ이동국ㆍ유영걸ㆍ이현직

1. 서 론

무인항공사진측량은 무인비행체를 통해 촬영된 저용

량의 영상을 컴퓨터비전 해석 기법을 적용해 영상 매칭

을 수행하고, 3차원으로 지형지물을 표현할 수 있는 기

법으로 활용도가 급속히 증가하고 있는 추세이다.

컴퓨터비전 해석 기법과 관련된 연구동향을 살펴보면

Choi and Kim.(1994)은 컴퓨터비전이란 투시된 영상들

로부터 장면에 대한 유용한 정보를 추출하는 작업을 의

미한다고 하였으며, Snavely et al.(2008)은 관광지와

같은 명소를 대상으로 인터넷 상에 존재하는 다양한 수

십억장의 여러 사진들 수집하여 시각적인 관점에서 3D

모델을 생성하는 연구를 수행하였다.

Kim et al.(2016)은 컴퓨터비전 해석 기법을 이용하

여 영상 자료의 정합, 특징점 도출, 변화된 영역 파악

알고리즘으로 변화가 발생한 대상의 상세점검을 위한

주변 파노라마뷰 제작이 가능한 시공 모니터링 시스템

개념을 설계하였다.

무인항공사진측량 절차를 적용한 연구동향을 살펴보

면 Lee et al.(2016)은 회전익 드론으로 촬영된 영상을

컴퓨터비전 해석 소프트웨어를 이용하여 지형공간정보

를 생성하였으며, 산림훼손 전 데이터인 항공 레이저측

량성과와의 비교 분석을 통해 산림의 훼손 현황 분석을

수행하였다. 또한 Lim et al.(2015)은 항공사진측량 절

차와 무인항공사진측량 절차로 드론영상을 이용하여

DSM을 생성하였으며 정확도를 평가한 연구를 수행하

였다. Lee et al.(2016)은 드론으로 촬영된 RGB 영상에

컴퓨터비전 해석 기법을 적용하여 지형공간정보를 생성

하고 변화탐지를 수행하였다.

특히 Kim et al.(2017)은 대용량 항공영상을 이용하

여 항공사진측량 절차와 무인항공사진측량 절차로 각각

정사영상을 생성하고, 정성적 및 정량적 비교를 수행하

였으며, 그 결과 정사영상 생성 시 수치표면모델을 이

용하는 기존의 항공사진측량 절차보다 3차원 mesh를

이용하는 무인항공사진측량 절차를 이용하는 것이 건물

의 기복변위를 효과적으로 제거하여 실감정사영상을 생

성할 수 있다고 하였다.

기존의 연구동향을 통해서 소규모 지역에 대하여 드

론을 통해 촬영된 영상을 처리하고, 활용한 사례는 있

으나 대용량 항공사진영상의 처리 및 활용에 대한 연구

는 미비한 것으로 나타났다.

따라서 본 연구에서는 서로 다른 두 시기에 측량용

디지털카메라로 촬영된 항공사진영상을 무인항공사진

측량 절차를 적용하여 영상처리를 수행하고, 소규모 변

화 지역의 탐지 및 수치지도 수정/갱신 방안을 도출하

Figure 1. Main flow of this study

고자 한다.

2. 연구 방법 및 내용

연구의 주요 과정은 Fig. 1과 같이 서로 다른 두 시기

의 항공사진영상과 표정요소를 컴퓨터비전 해석 기법이

적용된 무인항공사진측량 절차로 영상처리를 수행하여

실감정사영상 및 digital surface model(DSM)을 생성한

후 변화탐지를 통해 소규모 변화지역을 추출한다. 추출

된 소규모 변화지역에 대하여 실감정사영상을 통해 2차

원 레이어 추출 방안을 도출하고, DSM을 통해 3차원

레이어인 등고선 레이어 추출 방안을 도출하고자 하였

다.

3. 무인항공사진측량 절차

컴퓨터비전 해석 기법을 적용한 무인항공사진측량 절

차는 동일한 대상물체 또는 대상지역을 촬영한 영상들

로부터 특징점을 추출하고, 3차원 위치 결정 및 픽셀단

위의 영상 정합을 통해 2차원 영상들로부터 3차원 데이

터를 생성할 수 있다.

무인항공사진측량 절차는 영상처리에 초점을 두어

Fig. 2와 같이 특징점을 찾아내는 연산자인 scale-

invariant feature transform(SIFT) 알고리즘을 사용하

여 영상에서 건물의 모서리와 같은 특징점들을 찾고,

찾아낸 특징점들을 structure from motion(SfM) 알고리

즘을 이용하여 상대적인 영상의 위치 및 자세정보를

무인항공사진측량 절차를 적용한 항공사진영상의 처리 및 소규모 변화 지역의 수치지도 수정/갱신 방안 17

Figure 2. UAV photogrammetry process

추정하고 3차원 위치정보를 얻는다. SfM 알고리즘은

SIFT 알고리즘을 통해 정합된 영상을 순차적으로 조정

해 대상물 또는 대상지역과 촬영된 위치관계를 동시에

복원한다.(Aicardi et al, 2016)

또한 semi-global matching(SGM) 알고리즘을 통해

스테레오 영상의 좌·우측 영상간의 종시차를 제거하도

록 에피폴라 영상을 생성하고, 에피폴라 라인의 경로를

따라 픽셀단위로 영상을 정합해 1개의 pixel 당 1개의

point를 추출하여 고밀도 point cloud를 생성한다.

4. 대상지역 선정 및 기초자료 수집

4.1 대상지역 선정대상지역은 Fig. 3과 같이 경기도 용인시 기흥구 일부

지역으로 주택지부터 고층건물이 분포되어 있으며 수목

밀집지역을 포함하고 있는 지역으로 2.5km × 3km로

7,705,185.813㎡의 면적에 해당된다. 또한 대상지역은

2013년에는 pictometry 카메라로 항공사진영상이 촬영

Figure 3. Study area

되었으며, 2016년에는 DMC 1 카메라를 이용하여 항공

사진영상이 촬영되어 다양한 카메라로 촬영된 항공사진

영상의 무인항공사진측량 절차의 적용 가능성을 확인

할 수 있다.

4.2 항공사진영상항공사진영상은 Table 1과 같이 2013년 9월 및 2016

년 5월에 촬영된 원본 항공사진영상을 수집하였다. 항

공사진영상은 Table 1과 같이 2013년의 경우 pictometry

카메라를 이용하여 촬영된 항공사진영상으로 1,350m

고도에서 종중복 60%, 횡중복 30%로 촬영하여 ground

sample distance(GSD) 0.08m 급의 영상이 촬영되었다.

2016년의 경우에는 DMC1 카메라를 이용하여 2,500m

고도에서 종중복 80%, 횡중복 60%로 GSD 0.25m 급

의 영상이 촬영되었다. Fig. 4는 2013년 9월 및 2016년

5월에 촬영된 항공사진영상을 나타낸 것이다.

Year-Month Camera Classification Information

2013.09. Pictometry

Image size 4,872 X 3,248Flight height 1,350m

Overlap Forward 60%Side 30%

GSD 0.08mCapacity 8Mb

Number of image 2281

2016.05.

IntergraphDMC1

Image size 7,680 X 13,824Flight height 2,500m

Overlap Forward 80%Side 60%

GSD 0.25mCapacity 400Mb

Number of image 52

Table 1. Characteristics of aerial photograph image

(a) 2013.09 Pictometry (b) 2016.05 DMC1

Figure 4. Photograph Image


5. 무인항공사진측량 절차를 적용한 항공사진영상의 처리

본 연구에서는 대용량의 항공사진영상 처리가 가능하

며, 무인항공사진측량 절차가 적용된 Bentley 사의

Context Capture 소프트웨어를 활용하였다. Context

Capture를 이용한 항공사진영상 처리 과정은 Fig. 5와

같이 항공사진영상 및 표정요소를 입력하고 항공삼각측

량을 수행하여 상대좌표의 point cloud를 추출한 후 지

상기준점을 입력하여 상대좌표를 절대좌표로 변환하고,

타일링 및 산출물 생성 순으로 진행된다. Context

Caputre를 통해 생성되는 산출물은 point cloud, 3D

mesh, DSM, 실감정사영상이다.

5.1 Pictometry 항공사진영상 처리Pictometry 카메라의 경우 수직방향뿐만 아니라 전,

후, 좌, 우로 5방향의 항공사진영상을 취득하는 카메라

로 2013년 촬영 당시에는 5방향 영상 모두를 촬영하였

으나 본 연구에서는 수직방향의 항공사진영상만을 이용

하여 영상처리를 수행하였다.

Figure 5. Computer vision analysis process

Figure 6. 3D mesh (Pictometry)

Figure 7. DSM (Pictometry)

Figure 8. True orthophoto (Pictometry)

그 결과 Fig. 6과 같이 3D mesh를 생성하였으며, 이

를 기반으로 Fig. 7과 같은 DSM과 Fig. 8과 같은 실감

정사영상을 생성하였다.

5.2 DMC1 항공사진영상 처리DMC1 카메라의 경우 GSD 0.10m 급의 항공사진영

상도 촬영이 가능하지만, 본 연구에서 수집한 DMC1

Figure 9. 3D mesh (DMC1)


Figure 10. DSM (DMC1)

Figure 11. True orthophoto (DMC1)

항공사진영상의 경우 GSD 0.25m 급으로 촬영된 항공

사진영상이다. 이를 이용하여 영상처리를 수행하였다.

그 결과 Fig. 9와 같이 3D Mesh를 생성하였으며, 이를

기반으로 Fig. 10과 같은 DSM과 Fig. 11과 같은 실감

정사영상을 생성하였다.

6. 소규모 변화지역 탐지 및 수치지도 수정/갱신 방안 도출

본 연구에서는 항공사진영상에 무인항공사진측량 절

차를 적용해 영상처리를 수행함으로써 생성되는 산출물

인 point cloud, 3D mesh, DSM, 실감정사영상의 활용

을 위하여 이를 이용해 소규모 변화지역을 탐지하고,

수치지도 수정/갱신 방안을 도출하고자 하였다.

6.1 실감정사영상을 이용한 소규모 변화지역 탐지실감정사영상을 이용한 변화 탐지는 영상차분법,

normalized difference vegetation index(NDVI), visible

atmospherically resistant index(VARI), change vector

analysis(CVA) 등의 기법이 있다.

본 연구에서는 RGB 정사영상을 이용하여 변화를 탐

지할 수 있는 VARI와 영상차분법을 이용해 변화를 탐

지하고자 하였다.

6.1.1 산림지역 변화 탐지

본 연구에서 사용한 항공사진영상은 Nir 밴드가 포함

되지 않은 RGB 영상이므로 NDVI를 이용한 산림지역

의 변화 탐지가 불가능하다. 따라서 본 연구에서는 Nir

밴드가 포함되지 않은 디지털 영상으로부터 산림지역을

원격으로 탐지하기 위해 식생 분포 지역을 추출할 수

있도록 Gitelson ea al.(2002)이 개발한 Eq. (1)과 같은

VARI를 이용하였다.

(1)

where, Green denotes green band, Red denotes red

band, Blue denotes blue band

실감정사영상의 이용한 식생 변화 탐지는 산림지역에

서 개발행위가 발생하였는지에 대한 여부를 판단하기

위하여 수행한 분석이므로 방사적인 전처리는 수행하지

않았다.

항공사진영상의 무인항공사진측량 절차를 적용하여

생성된 2013년 및 2016년 실감정사영상을 VARI를 이

용하여 산림지역을 분석한 결과 Fig. 12 및 Fig. 13과

같이 나타났다.

산림지역의 면적을 분석한 결과 Table 2와 같이 2013

년의 산림지역 면적은 2,926,506.938㎡로 나타났으며,

2016년의 산림지역 면적은 2,525,291.118㎡로 나타나

2013년에 비하여 2016년에 산림지역이 401,215.750㎡ 감소한 것으로 나타났다. 따라서 산림지역에 개발행위

가 발생하였음을 예상할 수 있었다.

그러나 RGB 항공사진영상만을 이용하여 분석을 수

행하기 때문에 식생이 아닌 녹색을 띄는 건물 등을 식

생으로 분류되는 문제가 발생하며, Nir 밴드를 이용할

경우 식생이 오분류되는 것을 방지할 수 있을 것으로

구 분 Gross area 2013 2016Area(㎡)

7,705,185.813 2,926,506.938 2,525,291.118

Percentage(%)

100 37.98 32.77

Table 2. Vegetation distribution area


Figure 12. Result of VARI (2013)

Figure 13. Result of VARI (2016)

판단된다.

6.1.2 차분영상 제작을 통한 변화탐지

차분영상의 제작은 Fig. 14와 같이 정사영상의 R, G,

B 밴드를 각각 차분하고, 다시 합성하여 Fig. 15와 같

이 제작하였다.

제작된 차분영상에서 산림지역의 개발 등으로 인한

훼손지역은 밝은 색으로 나타나게 되며, 개활지의 개발

로 인하여 건물 등이 건축된 지역은 상대적으로 어두운

색으로 나타난다.

(a) R - R (b) G - G (c) B - B

Figure 14. R, G, B residual image

Figure 15. Result of residual image composite

6.2 지형데이터를 이용한 변화탐지지형데이터는 수치지도 등고선 데이터, LiDAR 데이

터가 있으며, LiDAR의 경우 지표면에 해당하는 Point

만을 분류하여 지형데이터의 추출이 가능하다. 수치지

도 등고선 데이터 및 LiDAR point cloud는

triangulated irregular network(TIN), Kriging 등의 보

간 작업을 통해 래스터 데이터 형태로 제작이 가능하다.

지형데이터를 이용한 변화 탐지는 동일한 지역의 서

로 다른 두 시기의 지형데이터를 차분한 잔차 DEM을

제작하여 지형의 변화를 탐지하는 방법이다.

6.2.1 잔차 DSM 제작

지형의 변화를 분석하기 위하여 항공사진영상의 컴퓨

터비전 해석을 통해 생성된 DSM을 이용하였다. 일반

적으로 지형의 변화는 DEM을 이용하지만, 본 연구에

서는 건물을 포함한 지형지물의 변화를 분석하기 위하

여 DSM을 이용하였다.

2016년 DSM과 2013년 DSM을 차분한 잔차 DSM

을 제작한 결과 Fig. 16과 같이 나타났으며, 잔차 DSM

에서 변화가 발생하지 않은 지역을 1:1,000 수치지도의

높이오차 허용 범위인 0.3m를 기준으로 ±0.3m의 높이

차이가 있는 지역은 변화가 없는 것으로 설정하였다.


Classification Area (㎡)Decrease area 2,845,689.118

No change area 2,608,264.507Increase area 2,251,232.188

Table 3. Change area

Figure 16. Result of residual DSM

그 결과 Table 3과 같이 높이가 증가한 지역의 면적은

2,251,232.188㎡, 감소한 지역의 면적은 2,845,689.118

㎡로 나타났다.

6.2.2 면적 기반의 오분류 지역 필터링

단순지형에서의 건축물의 변화는 300 ∼1,000㎡의

면적을 가지므로 300㎡ 이하의 면적을 갖는 부분은 제

거하였다. 그 결과 Fig. 17과 같이 나타났다.

Figure 17. Result of area based filtering

주차장과 같이 차량이 밀집되어 있는 지역과, 항공

사진영상의 촬영 시기가 다름으로 인해 산림지역에서

오분류가 발생한 것을 알 수 있었다.

6.2.3 높이 기반의 오분류 지역 필터링

면적 기반의 필터링만으로는 오분류 지역을 모두 제

거할 수 없어 면적 기반의 필터링 결과를 이용하여 높

이 기반의 필터링을 수행하였다. 이때 산림의 훼손, 건

축물의 건축 등을 고려하여 높이가 4m 이상 증가한 지

역을 실제로 변화가 있는 지역으로 설정하고 필터링을

수행하였다. 면적 및 높이 기반의 필터링 수행 결과는

Fig. 18과 같이 나타났으며, Fig. 18의 붉은색 폴리곤으

로 표시된 지역은 주택 밀집 지역으로 개발이 진행되고

있어 본 연구에서 제시하고자 하는 소규모 변화지역의

수치지도 수정/갱신 방안 도출을 위한 대상지역으로 선

정하였다.

6.3 소규모 변화지역의 수치지도 수정/갱신 방안수치지도를 수정/갱신하기 위해서는 수치도화 작업을

수행해야 하는데 본 연구에서는 수치도화 작업을 수행

하지 않고 항공사진영상의 무인항공사진측량 절차를 통

해 생성된 산출물을 활용하는 방안을 제시하였다.

6.3.1 실감정사영상을 활용한 2D 레이어 추출

무인항공사진측량 절차를 통해 생성된 정사영상의 경

우 건물의 기복변위를 효과적으로 제거할 수 있어 실감

정사영상으로 생성된다. 따라서 2016년 DMC1 카메라

로 촬영된 영상의 무인항공사진측량 절차를 통해 생성

된 실감정사영상을 활용해 디지타이징을 수행하여 Fig.

19와 같은 건물, 도로와 같은 수치지도의 2D 레이어를

추출하였다.

Figure 18. Result of area and height based filtering


(a) Building (b) Road

Figure 19. Result of 2D layer extraction

6.3.2 Point cloud를 활용한 등고선 레이어 추출

수치지도 수정/갱신을 위해서는 등고선 데이터의 수

정/갱신이 필수적으로 수행되어야 한다. 그러나 무인항

공사진측량 절차를 통해 생성된 point cloud는 건물, 식

생, 지표면 등을 모두 포함하고 있지만 항공사진영상의

매칭을 통해 생성되므로 산림지역에서 지표면의 point

추출을 통해 DEM을 생성하기에는 어려움이 있다. 하

지만, 대부분의 경우 산림지역에서 개발행위를 위해 산

림을 훼손하게 된다. 이때 지표면이 사진 상에 노출되

게 되므로 등고선의 추출이 가능하다.

무인항공사진측량 절차를 통해 생성된 point cloud에

Figure 20. Classification of ground point

Figure 21. Convert ground point to TIN

Figure 22. Extract to contour

서 Fig. 20과 같이 지표면에 해당하는 point 만을 추출

하고, Fig. 21과 같이 TIN 보간을 통해 DEM을 제작한

다. 제작된 DEM을 이용하여 Fig. 22와 같이 등고선 간

격 설정을 통해 자동으로 등고선을 추출하였다.

6.3.3 수치지도 수정/갱신 방안

항공사진영상의 무인항공사진측량 절차를 통해 생성

된 산출물은 정위치 편집이 되어 있는 상태이므로 이를

이용해 추출된 2D 레이어와 등고선 레이어는 구조화

편집을 수행해야 한다.

기존에 제작된 수치지도에서 동일한 위치에 존재하는

레이어들을 제거한 뒤 구조화 편집이 완료된 레이어를

추가하는 작업을 통해 수치지도의 수정/갱신이 완료된

다. Fig. 23은 수치지도 수정/갱신 전을 나타낸 것이고,

Fig. 24는 수치지도 수정/갱신 후를 나타낸 것이다.

6.4 정성적 정확도 분석수치지도 수정/갱신 결과의 정성적 정확도 분석결과

디지타이징을 통해 생성되는 2D 레이어를 기준으로 수

Figure 23. Digital map update/revision (before)


Figure 24. Digital map update/revision (after)

(a) Building (b) Road

Figure 25. Result of qualitative analysis

행하였다. 실감정사영상을 기반으로 추출되는 2D 레이

어이므로 정위치 편집을 수행하지 않아도 되었으며,

Fig. 25와 같이 건물의 모서리, 도로 경계 등이 실감정

사영상에서 건물의 모서리, 도로 경계 등과 일치하는

것을 알 수 있었다.

6.5 정량적 정확도 분석수치지도 수정/갱신은 무인항공사진측량 절차로 생성

된 실감정사영상을 이용해 2D 레이어를 추출하고,

Pointcloud의 활용으로 추출된 등고선을 이용해 진행하

게 되므로 무인항공사진측량 절차로 생성된 지형공간정

보의 정확도가 수치지도 수정/갱신 결과에 영향을 미치

게 된다. 따라서 본 연구를 통해 항공사진영상의 무인

항공사진측량 절차로 생성된 산출물의 정확도 분석을

NoPictometry DMC1

XY error(m)

Z error(m)

XY error(m)

Z error(m)

1 0.087 0.148 0.174 0.0862 0.032 0.059 0.294 0.0263 0.342 0.149 0.151 0.0134 0.052 0.207 0.126 0.4775 0.114 0.004 0.306 0.3246 0.077 0.137 0.289 0.0607 0.082 0.030 0.309 0.678 0.088 0.085 0.298 0.120

RMSE ±0.109 ±0.102 ±0.243 ±0.222

Table 4. Result of quantitative analysis

수행한 결과 Table 4와 같이 Pictometry 카메라로 촬영

된 항공사진영상의 무인항공사진측량 절차로 생성된 산

출물의 수평위치오차의 RMSE는 ±0.109m, 수직위치오

차의 RMSE는 ±0.102m로 나타났으며, DMC1 카메라

로 촬영된 항공사진영상의 무인항공사진측량 절차로 생

성된 산출물의 수평위치오차의 RMSE는 ±0.243m, 수

직위치 오차의 RMSE는 ±0.222m로 나타났다. 본 연구

에서 항공사진영상의 무인항공사진측량 절차로 생성된

산출물의 정확도 분석을 수행한 결과는 GSD 0.08m의

Pictometry 항공사진영상 및 GSD 0.25m의 DMC1 항

공사진영상의 처리로 생성된 산출물 오차의 RMSE가

약 2 pixel 정도의 오차를 갖는 것으로 나타났다. 따라

서 GSD 0.10m 급으로 항공사진영상의 촬영이 수행될

경우 GSD 0.10m의 2 pixel인 0.20m 정도의 오차를 수

반하는 수치지도의 수정/갱신이 가능할 것으로 판단된다.

7. 결 론

본 연구는 항공사진영상의 컴퓨터비전 해석을 수행하

여 point cloud, 3D mesh, DSM, 실감정사영상을 제작

하고, 이를 이용해 변화를 탐지하고, 수치지도 수정/갱

신을 수행하고자 하였다. 그 결과 다음과 같은 결론을

얻을 수 있었다.

첫째, Pictometry 카메라로 촬영된 8Mb의 항공사진

영상 뿐만 아니라 Intergraph DMC1 카메라로 촬영된

400Mb의 고용량의 항공사진영상도 무인항공사진측량

절차를 적용하여 영상처리가 가능하였으며, point

cloud, 3D mesh, DSM, 실감정사영상의 생성이 가능하

였다.

둘째, 실감정사영상을 이용한 2차원 적인 변화 탐지

는 식생의 변화를 탐지하는데 용이하였고, 개발 행위를

위한 산림의 훼손, 건축물의 건설 등의 3차원 변화탐지


에는 실감정사영상과 DSM을 함께 이용하는 것이 효율

적이었으며, 면적 및 높이 기반의 필터링 방안을 도출

할 수 있었다.

셋째, 항공사진영상의 무인항공사진측량 절차를 통해

생성된 산출물의 정확도 분석 결과 촬영된 항공사진영

상의 약 2 pixel 정도의 오차를 가지므로 생성된 실감정

사영상의 스크린 디지타이징을 통해 수치지도의 건물,

도로 선 등의 2D 레이어 추출이 가능하고, point cloud

를 이용한 DEM 생성 및 등고선의 자동 추출이 가능하

였으며, 수치지도의 수정/갱신이 가능할 것으로 판단된

다.

넷째, 기존에는 항공사진영상의 촬영은 수치지도 수

정/갱신을 위해 수행하였으나, 지속적인 연구를 통하여

항공사진영상의 무인항공사진측량 절차를 적용한 수치

지도의 수정/갱신뿐만 아니라 주기적인 3차원 공간정보

의 생성으로 시계열 공간정보의 생성이 가능할 것으로

기대된다.

감사의 글

이 논문은 2013년도 정부(미래창조과학부)의 재원으

로 한국연구재단의 지원을 받아 수행된 연구임(NRF-

2013R1A2A2A01068391).

이 논문은 2017년도 정부 (미래창조과학부)의 재원으

로 한국연구재단의 지원을 받아 수행된 연구임 (NRF-

2017R1D1A1B03028195).

References

1. Aicardi, I., Chiabrando, F., Grasso, N., Lingua, A. M.,

Noardo, F., and Spanò, A., 2016, UAV

photogrammetry with oblique images : first analysis

on data acquisition and processing, The International

Archives of the Photogrammetry, Remote Sensing

and Spatial Information Sciences, 12–19 July 2016,

Prague, Czech Republic, Vol. XLI-B1, pp. 835-842.

2. Gitelson, A. A., Kaufman, Y. J., Stark, R., and

Rundquist, D., 2002, Nevel algorithms for remote

estimation of vegetation fraction, Remote Sensing of

Environment, Vol. 80, No. 1, pp.76-87.

3. Snavely, N., Seitz, S, and Szeliski, R., 2008,

Modeling the world from internet photo collections,

International Journal of Computer Vision, Vol. 80,

Issue 2, pp. 189-210.

4. Lee, Y. S., Lee, D. G., Yu, Y. G., and Lee, H. J.,

2016, Application of drone photogrammetry for

current state analysis of damage in forest damage

area, Journal of the Korean Society for Geospatial

Information Science, Vol. 24, No. 3, pp. 49-58.

5. Choi, H. I. and Kim, M. W., 1994, Technology and

applications of computer vision processing, Journal

of the Korea Information Science Society, Vol. 12,

No. 9, pp. 9-19.

6. Kim, S. P., Na, Y. W., Kwon, Y. H. and Kang, S. H.,

2016, Conceptual desing of computer cision-based

construction monitoring system, Proc. of KSCE 2016

Convention Program, Jeju-do, Korea, pp. 123-124.

7. Kim, E. M., Choi, H. S. and Park, J. H., 2017,

Analysis of applicability of orthophoto using 3D mesh

on aerial image with large file size, Journal of the

Korean Society of Surveying, Geodesy,

Photogrammetry and Cartography, Vol. 35, No. 3,

pp. 155-165.

8. Lim, S. B., Seo, C. W. and Yun, H. C. 2015, Digital

map updates with UAV photogrammetric methods,

Jounal of the Korean Society of Surveying, Geodesy,

Photogrammetry and Cartography, Vol. 33, No. 5,

pp. 397-405.

9. Lee, D. G., Yu, Y. G., Ru, J. H. and Lee, H. J.,

2016, Change monitoring in ecological restoration

area of open-pit mine using drone photogrammetry,

Journal of the Korean Society for Geospatial

Information Science, Vol. 24, No. 4, pp. 97-104.

무인항공사진측량 절차를 적용한 항공사진영상의 처리 및...

Documents