드론 및 위성 디지털사진측량_1장 총론03

상지대학교 지형정보연구센터

총 론 03

3D 모델링 결과의 공간정보오픈플랫폼 등재

국가 항공사진 영상 DB의 컴퓨터비젼 해석을

통한 고품질 산림공간정보 생성

저가용 회전익 드론을 활용하고자 하는 요구가

증대됨

정사영상, DSM/DEM, 3D Model 생성

노천광산의 변화 모니터링을 위해 수집 및 취득된

지형공간데이터를 공간정보오픈 플랫폼을 기반으

로 하는 노천광산 모니터링 시스템을 구축하고자

함

PointCloud 추출

3D Model 제작

DSM/DEM 제작

정사영상 제작

▪

생태 복원 지역

1) 복원 완료 지역 : 시간 경과에 따른 복원 상황 분석

2) 복원 수행 지역 : 복원 상세 계획 및 설계 → 복원 공사의 품질 분석

▪

재해 및 생태 복원 지역

▪

정사영상 및 DEM 등록

▪

www.gwopmms.kro.kr 등재

실험 Case 선정

지상기준점 및 검사점 측량

지형공간정보 생성

지형공간정보 품질 분석

최적 촬영기법 도출

대상지역 선정

구분

연구사용 회전익 드론의 특성

제조사



DJI (중국) Inpire1 V2

날개길이



34cm

중량



2935g ( 배터리 포함 )

베터리



22.2 V, 4500mAh

항공시간



약18분

순항 속도



22m/s

이착륙반경



약 1m

구분

회전익드론의 카메라 특성

제조사



DJI (중국) ZEMUSE X3

초점거리



20mm

센서



Sony EXMOR (1/2.3″type)

데이터 형식



사진 : JPEG, DNG



동영상 : MP4, MOV

이미지 크기



4000 x 3000

화각



94°

생태복원지역의 변화 모니터링을 위한 최적 촬영기법을 도출하기 위해 DJI 사의

Inspire1 을 활용하여 연구를 수행하였음

드론 데이터 처리 및 지형공간정보의 제작은

SfM

알고리즘을 이용하는 S/W인 Agisoft사의

Photoscan

을 활용하였음

•

SfM 기법은 촬영된 중복영상을 Epipolar Geometry를 이용한 영상 매칭을 통해 3차원 포인트 클라우드 데이터로

피사체를 구성하는 컴퓨터 비전 기법

•

사진에 저장된 태그로부터 초점거리, 카메라 종류, 영상 크기 등의 정보를 취득하여 초기값으로 이용하며 접합을 위한

영상의 특장점을 추출함

SfM 알고리즘에 의한 SBA(Spatial Bundle Adjust) 처리 과정

영상 입력

속성값 검색

카메라 자세 추정

카메라 자세 및 피사체

재정의

PointCloud 추출

PointCloud

Solid (TIN 보간)

가행 광산인 라파즈한라 시멘트 광산을 대상지역으로 선정

라파즈한라 시멘트 광산의 일부 지역은 채광이 종료되어 생태복원이 진행되고 있는 지역이 존재하고

생태복원 공사가 완료된 지역이 존재함

2007

2008

2010

2012

2013

2014

2015

대상지역 1

Lafarge HALLA

Case 1 : 종방향 촬영 데이터

Case 2 : 횡방향 촬영 데이터

Case 3 : 교차 촬영 데이터

◆ 촬영 매수 : 220매

◆ 평균 촬영 고도 : 573.047m

◆ 비행 속도 : 약 11 m/s

◆ 촬영 시간 : 약 15분

◆ 촬영 매수 : 192매

◆ 평균 촬영 고도 : 573.187m

◆ 비행 속도 : 약 11 m/s

◆ 촬영 시간 : 약 12분

◆ 촬영 매수 : 412매

◆ 평균 촬영 고도 : 573.307m

◆ 비행 속도 : 약 11 m/s

◆ 촬영 시간 : 약 27분

최적 촬영기법 도출을 위하여 3개의 Case로 실험 수행

가행 광산인 라파즈한라 시멘트 광산의 생태복원지구 및 재해복원지구를 대상으로 드론 데이터 취득

재해복원지구

Lafarge HALLA

생태복원지구

수직촬영 비행 코스

수평촬영 비행 코스

2015년(고정익 드론) 정사영상과 2016년(회전익 드론) 정사영상의 융ㆍ복합

2015년 고정익 드론을 이용

하여

노천광산 전체영역을 대상으로 모니터링 DB 취득

2016년 회전익 드론을 이용

하여 일부 생태복원지역 및 재해복구지역의 모니터링 DB 취득

2015년+2016년 드론촬영

정사영상 융ㆍ복합

G2

G1

G4

G5

G3

C1

C2 C3

C4

C5

C6

C7

C8

Check Point

Ground Control Point

드론을 활용하여 제작된 지형공간정보의 정확도 향상 및 품질 분석을 위한 GCP/Check point 측

량 수행

1

2 3

4

6

7

8

No dX dY dL dZ 1 -0.030 0.053 0.061 0.216 2 0.048 0.077 0.091 0.051 3 0.155 -0.029 0.158 -0.166 4 -0.003 -0.015 0.015 0.022 5 0.190 -0.019 0.191 0.292 6 0.097 -0.109 0.146 -0.406 7 0.036 -0.051 0.062 -0.042 8 0.241 0.015 0.241 0.332 No dX dY dL dZ 1 -0.046 0.245 0.249 -0.569 2 -0.160 0.029 0.163 -0.349 3 0.038 0.231 0.234 -0.560 4 -0.269 0.221 0.348 0.122 5 0.175 -0.484 0.515 -0.649 6 0.224 -0.187 0.292 -0.481 7 0.105 -0.279 0.298 0.089 8 0.237 -0.131 0.271 -0.124 Average 0.157 0.226 0.296 0.368 RMSE ±0.177 ±0.257 ±0.312 ±0.426 No dX dY dL dZ 1 -0.001 0.121 0.121 -0.441 2 0.128 0.185 0.225 -0.329 3 -0.043 0.306 0.309 -0.273 4 -0.129 0.130 0.183 0.420 5 0.276 0.043 0.279 -0.479 6 0.185 -0.102 0.211 -0.388 7 0.137 -0.098 0.168 0.413 8 0.349 0.093 0.361 0.733 Average 0.156 0.135 0.232 0.435 RMSE ±0.189 ±0.154 ±0.244 ±0.453

정사영상

DSM/DEM

0.0 0.1 0.2 0.3 0.4 0.5

Average RMSE Average RMSE Average RMSE Result of Accuracy Analysis in Geospatial Information

1

2

3

Case 1~3의 정사영상을 가시적으로 분석한 결과 횡방향 보다는 종방향 또는 교차촬영으로 드론

데이터를 취득하는 것이 높은 정확도의 정사영상을 제작할 수 있는 것으로 나타남

Case 1~3 DEM의 가시적 품질 분석 결과

3

1

생태복원완료 지역의 단면도 제작을 통한 Case 별 가시적(정성적) 단면 분석 - 상단부

1

2

3

3’

2’

1’

390

400

410

420

430

440

450

39

0

40

0

41

0

42

0

43

0

44

0

390

400

410

420

430

440

450

1

2

3

Case 1

Case 2

Case 3

1’

_2’

3’

전체적으로 유사한 형태의 단면도가 제작 되었으나 Case 1, 2는 지표면을 표현하지 못하는 부분이 발생

1

2

3

3’

2’

1’

390

400

410

420

430

440

450

39

0

40

0

41

0

42

0

43

0

44

0

390

400

410

420

430

440

450

1

2

3

1’

_2’

3’

생태복원완료 지역의 단면도 제작을 통한 Case 별 가시적(정성적) 단면 분석 - 하단부

전체적으로 유사한 형태의 단면도가 제작 되었으나 Case 1, 2는 Case 3보다 더 높거나 낮게 지표면이 추출 됨

정사영상의 R, G, B 밴드 별 영상을 이용하여 차분영상 제작, 시계열 DEM을 이용한 잔차 DEM

제작 및 비교 분석을 통해 노천광산의 복원 지역에 대한 모니터링 방법론 제시

• Case 1 : 2015 – 2014 잔차 DEM • Case 2 : 2016 – 2015 잔차 DEM

잔차 DEM 제작

• 토공량 산정 지역의 평면상의 면적 계 산 • 토공량 산정 지역 경계 파일 추출

변화 지역 경계 파일 추

출

토공량 산정

• R 밴드 – R 밴드 경계 추출 • G 밴드 – G 밴드 경계 추출 • B 밴드 – B 밴드 경계 추출

변화 지역 경계 파일 추

출

변화 지역 탐지

영상 전처리

(histogram matching)

• R, G, B 밴드 별 차분 영상 제작 • Case 1 : 2015 – 2014 (복원완료지역) • Case 2 : 2016 – 2015 (신규복원지역)

밴드 별 차분 영상 제작

차분영상 제작을 통한 생태복원지역의 경계파일 추출 : 차분영상을 이용한 변화지역 추출 최적 밴드 결정

변화 지역

경계 추출

변화 지역

경계 추출

Case 1

Case 2

정사영상의 R, G, B 밴드 별 차분 영상 제작을 통한 각각의 경계파일 추출 및 2차원 면적 계산

면적 : 30023.219m

2

_{면적 : 31534.655m}

2

_{면적 : 30101.982m}

2

정사영상의 R, G, B 밴드 별 차분 영상 제작을 통한 각각의 경계파일 추출 및 2차원 면적 계산

면적 : 98642.298m

2

_{면적 : 102688.955m}

2

_{면적 : 101735.166m}

2

잔차 DEM 제작을 통한 생태복원지역의 경계파일 추출 : 차분영상을 이용한 변화지역 추출 최적 밴드 결정을 위

해 기준이 되는 데이터 제작

변화 지역

변화 지역

잔차 DEM의 폴리곤화 결과를 이용하여 생태복원지역의 경계파일 추출 및 2차원 면적 계산

2016-2015 잔차 DEM

2015-2014 잔차 DEM

면적 : 31006.345m

2

29000 29500 30000 30500 31000 31500 32000

Case 1 : 2차원 면적 분석 그래프

90000 95000 100000 105000 110000

Case 2 : 2차원 면적 분석 그래프

차분영상을 통해 추출된 경계파일과 잔차 DEM을 통해 추출된 경계파일의 비교 분석을 통해 변화지역 추출 최적 밴

드 결정

잔차 DEM을 통해 추출된 경계파일을 기준으로 차분영상 경계파일의 일치도 분석

구분

면적(m

2

₎

Case 1

차분영상

R band

30,023.219

G band 31,534.655

B band

30,101.982

잔차 DEM

31,006.345

Case 2

차분영상

R band

98,642.298

G band 102,688.955

B band 101,735.166

잔차 DEM

108,771.331

잔차 DEM B band G band R band Case 1 경계 파일 비교 Case 2 경계 파일 비교 31006.345 108771.331

정사영상에는 일반적으로 R, G, B 밴드의 조합으로 이루어져 있음

정사영상을 이용한 식생 분류에 일반적으로 NDVI를 산정하여 식생을 분류함

NDVI는 NIR 밴드를 필수적으로 이용하여야 식생을 분류할 수 있음

그러나, 드론을 이용하여 제작된 정사영상에는 IR 밴드를 포함하지 않으므로 NDVI 산정이 불가능함

따라서, R, G, B 밴드만을 이용하여 식생 분류가 가능한 nEGI(Excessive Green Index) 및 VARI(Visible

Atmospherically) 를 활용하여 식생추출의 최적 공식 결정

𝑛𝐸𝐺𝐼 =

2𝐺𝑟𝑒𝑒𝑛 − 𝑅𝑒𝑑 − 𝐵𝑙𝑢𝑒

2𝐺𝑟𝑒𝑒𝑛 + 𝑅𝑒𝑑 + 𝐵𝑙𝑢𝑒

𝑉𝐴𝑅𝐼 =

𝐺𝑟𝑒𝑒𝑛 − 𝑅𝑒𝑑

𝐺𝑟𝑒𝑒𝑛 + 𝑅𝑒𝑑 − 𝐵𝑙𝑢𝑒

𝑁𝐷𝑉𝐼 =

𝑁𝑖𝑟 − 𝑅𝑒𝑑

𝑁𝑖𝑟 + 𝑟𝑒𝑑

잔차 DEM(2015-2014)을 통해 추출된 생태복원지역 경계파일을 이용하여 경계 내부의 식생변화 탐지

2015년에는 생태복원지역의 일부만 식생이 존재하는 것으로 나타났음

2016년에는 생태복원지역의 식생 분포도가 높아진 것으로 나타남

구분

2015

2016

nEGI (m

2

₎

_{195.438 9,202.750}

VARI (m

2

₎

_{227.500 3,154.625}

대상지역 면적 (m

2

₎

_31,006.563

nEGI 식생 분포도 (%)

0.63

29.68

VARI 식생 분포도 (%)

0.73

10.17

0 5,000 10,000 2015 2016

식생 변화 그래프 (m

2

₎

nEGI VARI

nEGI는 G 밴드를 강조하여 연산을 수행하고, 식생을 분류하므로 식생활력도가 낮

은 식생도 추출이 가능

10 20 30 40

면적 대비 식생 분포도 (%)

9,202.750 29.68

잔차 DEM(2016-2015)을 통해 추출된 신규 생태복원지역 경계파일을 이용하여 경계 내부의 식생변화 탐지

2015년에는 생태복원지역에 식생이 없는 것으로 나타남

2016년에는 생태복원지역의 식생 분포도가 높아진 것으로 나타남

nEGI는 G 밴드를 강조하여 연산을 수행하고, 식생을 분류하므로 식생활력도가 낮

은 식생도 추출이 가능

구분

2015

2016

nEGI (m

2

₎

_{72.250 15,236.688}

VARI (m

2

₎

_{167.688 2,237.188}

대상지역 면적 (m

2

₎

_108,763.313

nEGI 식생 분포도 (%)

0.07

14.01

VARI 식생 분포도 (%)

0.15

2.06

0 5,000 10,000 15,000 20,000 2015 2016

식생 변화 그래프 (m

2

₎

nEGI VARI 15,236.688 0 5 10 15 2015 2016

면적 대비 식생 분포도 (%)

14.01

토공량 분석은 2016년 드론 데이터의 DEM과 정기적 취득 데이터인 2014년 항공레이저측량 데이터의 DEM을 차

분하는 잔차 DEM 제작

구분

성토

절토

드론을 이용하여 제작된 지형공간정보를 활용하여 토공량을 분석하고 단면도를 제작하였으며, 생태복원 계획도와

비교 분석을 통해 드론의 준공측량 활용성을 검토하였음

횡단면도 제작 및 분석 결과 2016년 현재 복원 작업이 진행중이며, 2016년 단면도와 북구계획선이 유사한 형태를 나타내 준공측량에

드론을 활용이 가능함을 확인하였음

0 50 100 150 -50 -100 -150 400 450 500 550 0 50 100 150 -50 -100 -150 400 450 500 550 0 50 100 150 -50 -100 -150 400 450 500 550

구분

성토

절토

체적

(m

3

₎

2015-2014

1,058,826.460

88,019.540

2016-2015

1,080,510.810

6,553.640

2016-2014

2,046,196.140

1,296.020

A A’ B B’ C C’ A B C A’ B’ C’ 2015-2014 2016-2015 2016-2014

구분

성토

절토

체적

2015-2014 111,995.130 16216.580 2016-2015 13,834.940 976.480

드론을 이용하여 제작된 지형공간정보를 활용하여 토공량을 분석하고 단면도를 제작하였으며, 생태복원 계획도와

비교 분석을 통해 드론의 준공측량 활용성을 검토하였음

2016-2015 2015-2014 2016-2014 1 1’ 2 2’ 3 3’ 0 50 100 150 -50 -100 -150 400 450 500 550 1’ 1

횡단면도 제작 및 분석 결과 2014년 이후 복원 작업이 이루어졌으며, 2016년 단면도와 현황선이 유사한 형태를 나타내

준공측량에 드론을 활용이 가능함을 확인하였음

0 50 100 150 -50 -100 -150 400 450 500 550 2 2’ 0 50 100 150 -50 -100 -150 400 450 500 550 3 3’

지표면 포인트

식생 포인트

드론 영상을 이용하여 추출된 PointCloud를 이용하여 식생의 높이를 알 수 있음 : 정기적인 데이터 취득 시 식생 성장도 분석이 가능

A

A’

A

A’

산림 훼손 전

드론을 이용해 제작된 지형공간정보와 오픈플랫폼을 이용한 3D 모델링

드론을 이용해 제작된 지형공간정보와 오픈플랫폼을 융합한 3D 모델링

영상 좌표변환

DEM

좌표변환

피라미드 및

캐시 설정

파라미드 및

캐시 설정

DEM

정사영상

Server

Computer

-

Digital imagery : ESRI world imagery

-

Terrain : STK WORLD Terrain Meshes

DATABASE

of Cesium

+

Cesium image Provider

Cesium-GeoServer Terrain Provider

Client

Middleware

Server

전처리 과정 컴퓨터비전 해석 적용 가능성 고품질 산림공간정보 및 시계열 산림 DB 생성 및 활용성 제고 전국기반 항공사진영상 DB (2년 주기) • 시계열 산림구조 분석 • 시계열 산림변화 분석 • 임상도 현행화사업 지원 • 맞춤형조림지도제작 지원 • 산림바이오메스 선정 산림항공사진 DB(흑백사진 스캐닝 DB) 국가 항공사진 데이터베이스 국토지리정보원 구축 Fram type 항공사진 Line type 항공사진 산림청 구축(FGIS) Frame type 영상 Line type 영상 임상 흉고직경 수종 수고 시계열 고품질 산림정보 생성 산림공간정보 활용성 제고 1200dpi 스캐닝영상 1974 1980 1992 2007 2016 수평 구조 수직 구조 산림 구조분석

기포관 및 축척 촬영날짜 및 시계 코스 번호

✓

나무와 측정자가 일정한 거리가 확보되어야하기 때문에 수고 관측 오차가

발생할 수 있음

✓

나무 높이가 높을 경우 수고정점의 관측이 어려우며 측정 시간이 많이

소요됨

✓ 도화사가 항공사진표정 후 수고정점과 지표면 지점을 관측 ✓ 지표면이 보이지 않는 경우가 많아 수고산정이 불가능하거나 현장조사시 시간이 많이 소요됨 ✓ 지표면 관측이 불가능할 경우 수치지도나 LiDAR DEM을 활용 ✓ 일반적으로 임상경계내 지표면이 관 측되는 3점 이상의 수고산정후 임상 도에 포함

C

B

D

A

(측정점)

C

B

D

A

(측정점)

C

B

D

A

(측정점)

h=BC+BD

h=BC-BD

h=BD-BC

관측

관측

관측

DEM

LiDAR/수치지도 컴퓨터비전 해석을 통한 고품질 산림공간정보 생성 국가 항공사진영상 (Frame/Line/흑백 Scanning) 초기 자료처리 Point Cloud 생성 3D Mesh/DSM/ DCM 생성 외부표정요소 (Preprocessing) 불량점 제거 지표면 point 추출 SIFT

High Density Poind Cloud

Filtering of Point Cloud

True Ortho Photo 생성

LiDAR TIN 생성 1m X 1m DEM 생성 SGM SfM LiDAR DEM 생성 수평구조: 임상 및 수종경계,임상도제작 수직구조: 수고산정, 임상도현행화사업 1/5,000 수치지도 DEM

국가 DB 종류

촬영년도

촬영지역

영상 Type

GSD

중복도

촬영카메라

영상매수

비고

산림항공사진 DB (산림청) 1974. 2 Wonju Frame(b/w) 0.55m (1,200dpi 스캐닝 영상) 종 : 60%횡 : 30% Wild RC5/RC8 53매 흑백스캐닝 영상 컴퓨터비전 해석 가 능성분석 1980. 5 Wonju Frame(b/w) 55매 1992. 6 Wonju Frame(b/w) 52매 항공레이저측량 DB (국립지리원) 2007. 3 Wonju

Ortho image 0.25m - Rollei AIC

-수고산정을 위한 DEM 생성 LiDAR 5~6point/㎡ - Optech ALTM

-전국 디지털 항공사 진영상 DB (국립지리원)

2016. 8 Wonju Frame(color) 0.259m 종 : 70%_{횡 : 40%} Intergraph DMC1 120매 Frame Type 영상_{컴퓨터비전 해석} 2016. 5, 8 Daejeon Line(strip) 0.23m 종 : 70% 횡 : 30% Leica ADS80 - _{Line Type 영상의} 컴퓨터비전 해석 가능성분석 2017. 10 Daegu Line(cutting) 0.23m 64매

표 3.1 본 연구에서 이용한 국가 항공사진 데이터베이스 종류 및 특성

대상면적 :

39.54k𝑚

2 X : 273994.818451 Y : 539384.752585 X : 285312.358451 Y : 525947.432585

Frame type 디지털 항측영상 촬영지역 원주시 일원 촬영년도 2016년 8월 GSD 0.259 m 촬영카메라 Intergraph DMC1 초점거리 f = 26.1 mm 촬영고도 1,200 m 사진축척 1/48,000 항공사진영상수 120장 컴퓨터비전 해석 수행 3D Model True Ortho Photo

DSM/3D Meh Point Cloud SIFT/SfM/SGM 산림의수평적 구조(임상) 산림의수직적 구조(수고) 변화 및 시계열모니터링 전국기반 항공사진영상의 컴퓨터비전 해석 가능성 입증 2년주기의 산림공간정보 의 시계열모니터링 활용 흑백 산림항공사진 스캐 닝 영상의 GCP취득

GCP01

GCP02

GCP03

GCP04

GCP05

GCP06

GCP07

GCP08

GCP09

GCP10

CP01

CP02

CP03

CP04

CP05

No

X(m)

Y(m)

Z(m)

GCP01 275331.2184 538732.6346 113.4689 GCP02 281576.4535 536568.5035 100.2439 GCP03 282130.0456 538934.7933 99.3382 GCP04 274774.8820 533507.1168 88.4421 GCP05 278885.3419 533136.6189 95.7235 GCP06 284706.3380 534668.8092 116.7830 GCP07 282209.2365 530552.5350 151.5629 GCP08 274958.4517 527868.5848 66.6903 GCP09 279641.1787 526923.9730 120.8865 GCP10 282639.4828 526423.7012 144.1920 CP01 276736.9154 535282.8441 85.3971 CP02 282527.8639 532904.7823 108.5764 CP03 276078.5850 531846.0216 80.1213 CP04 277204.3103 526832.0835 95.0732 CP05 281612.1287 527360.3538 166.2052

표 2.1 Frame Type DMC1 영상 해석에 이용된 GCP 및 검사점의 3차원좌표

9

CP01

CP02

CP03

CP04

CP05

구분

dX(m)

dY(m)

dL(m)

dZ(m)

1

-0.27

-0.66

0.71

-0.02

2

0.36

-0.11

0.38

0.01

3

-0.01

-0.13

0.13

0.39

4

-0.03

0.05

0.06

0.42

5

0.03

-0.01

0.03

0.16

RMSE

±

0.20

±

0.30

±

0.37

±

0.27

항공사진영상 (Intergraph DMC1) 내·외부표정요소 1. 초기 자료처리 특징점 추출 (SIFT) 2. Point Cloud 생성 3. 3D Mesh/DSM 생성 High Density Point Cloud

Point Cloud Filtering

영상 정합

(SGM)

자동 항공삼각측량 번들블록조정

(SBA with SfM)

4. True Ortho Photo 생성 GCP 입력 및 절대표정

1974년 2월(1차 NFI) 1980년 5월(2차 NFI) 1992년 6월(3차 NFI) 전처리수행 GCP 생성 컴퓨터비전 해석 수행

Point Cloud DSM/3D Mesh True Ortho Photo 3D Model

과거 산림의수평적 구조(임상)변화 분석 : 임상도 및 최근 정사영상 활용 과거 산림의수직적 구조(수고)변화 분석 : 2007년 LiDAR 데이터 활용 기타 지형지물의 변화 및 시계열 모 니터링 : 수계, 도로, 택지개발 등 ▪ 영상영역추출 ▪ 지표인식을 위한 영상처리 ▪ GCP 취득 SIFT/SfM/SGM 구 분 특 성 대상지역 원주시 일원 스캐닝 해상도(GSD) 1,200dpi(0.55m) 촬영 카메라 Wild RC5/RC8 초점거리 f =153 mm 촬영고도 약 2,500 m 사진축척 1/16,340 종·횡 중복도 종 : 60%, 횡 : 30% 사진매수 (74년/80년/92년) 53/55/52매 원본 항공사진형태 사진 인화 필름 표 2.2 흑백 스캔 산림항공사진영상의 특성 _{산림공간정보 DB 구}과거 시계열 축 1974 1980 1992

GCP1 GCP2 GCP3 GCP4 GCP5 GCP6 GCP7 GCP8 GCP9 GCP10 GCP1 GCP2 GCP3 GCP4 GCP5 GCP1 GCP2 GCP3 GCP4 GCP5 GCP1 GCP2 GCP3 GCP4 GCP5

구분

dX(m)

dY(m)

dL(m)

dZ(m)

1

-1.41

0.87

1.66

1.91

2

-1.48

0.67

1.62

-0.77

3

-0.15

1.04

1.05

1.63

4

0.44

0.39

0.59

-0.99

5

-1.07

-1.12

1.55

1.85

구분

dX(m)

dY(m)

dL(m)

dZ(m)

1

-1.22

0.34

1.27

1.13

2

-0.79

-0.52

0.95

1.76

3

-1.60

0.83

1.80

1.85

4

-0.92

-0.91

1.29

-0.30

5

-1.27

0.69

1.45

-1.10

RMSE

±1.19

±0.69

±1.38

±1.35

CP05

CP02

CP03

CP01

CP04

CP05

CP02

CP03

CP01

CP04

dX(m)

dY(m)

dL(m)

dZ(m)

1

0.36

0.84

0.91

1.29

2

0.04

0.69

0.69

-1.17

3

-0.08

0.11

0.14

0.90

4

-0.50

-0.43

0.66

-1.29

5

0.02

0.24

0.24

0.81

6

-0.30

0.63

0.70

1.08

7

-0.96

-0.56

1.11

-1.42

8

0.18

-0.08

0.20

-2.39

RMSE

±0.45

±0.55

±0.72

±1.47

CP01

CP03

CP02

_CP05

CP04

CP06

CP08

CP07

수평위치우연오차

:

± 0.37

2

_{+ 1.38}

2

_{= ±1.43𝑚}

_{수직위치우연오차 :}

_{± 0.27}

2

_{+ 1.49}

2

_{= ±1.49𝑚}

✓

본 연구에서는 다양한 형태의 국가 항공사진영상 데이터베이스를 이용하여 컴퓨터비전 해석 가능성을 입증하고 과거부터 현재까지의 원주지역에

대한 시계열 3차원 공간정보 데이터베이스를 구축하였음

✓

이를 통해 1974년부터 2016년까지의 대상지역에 대한 산림의 수평 및 수직구조분석과 시계열 변화모니터링 및 활용방안을 제시하였음

✓

산림의 수평적 구조 분석은 본 연구를 통해 취득된 컴퓨터비전 해석 산출물중 실감정사영상을 이용하여 대상지역의 임상경계를 생성하고 임상도의

제작 가능성을 분석하였음

✓

산림의 수직적 구조 분석은 Point Cloud와 이를 통해 생성된 DSM/DCM을 이용하여 임상도현행화 사업시 수반되는 수고(임분고) 산정 가능성을

분석하였음

✓

또한, 다양한 형태의 항공사진영상으로 부터 시계열도 생성된 원주지역의 컴퓨터비전 해석 산출물로 시계열 산림 모니터링 DB를 생성하여 각종

산림관련 사업 및 산림변화 모니터링 가능성 타진

시계열 항공사진영상 LiDAR RGB 영상 DSM 영상분할 DCM 수관형상 추출 DEM DCM-DEM 이용한 수고 추출 평균수고 및 수고 개체 수 추출

✓

본 연구에서는 다양한 형태의 국가 항공사진영상 데이터베이스를 이용하여 컴퓨터비전 해석 가능성을 입증하고 과거부터 현재까지의 원주지역에

대한 시계열 3차원 공간정보 데이터베이스를 구축하였음

✓

이를 통해 1974년부터 2016년까지의 대상지역에 대한 산림의 수평 및 수직구조분석과 시계열 변화모니터링 방안 및 활용방안을 제시하고함

✓

산림의 수평적 구조 분석은 본 연구를 통해 취득된 컴퓨터비전 해석 산출물중 실감정사영상을 이용하여 대상지역의 임상경계를 생성하고 임상도의

제작 가능성을 분석하였음

✓

산림의 수직적 구조 분석은 Point Cloud와 이를 통해 생성된 DSM/DCM을 이용하여 임상도현행화 사업시 수반되는 수고(임분고) 산정 가능성을

분석하였음

✓

또한, 다양한 형태의 항공사진영상으로 부터 시계열도 생성된 원주지역의 컴퓨터비전 해석 산출물로 시계열 산림 모니터링 DB를 생성하여 각종

산림관련 사업 및 산림변화 모니터링 가능성 타진

국가 DB 종류

촬영년도

촬영지역

영상 Type

GSD

중복도

촬영카메라

영상매수

컴퓨터비전 산출물

산림항공사진 DB (산림청) 1974. 2 Wonju Frame(b/w) _0.55m (1,200dpi 스캐닝 영상) 종 : 60% 횡 : 30% Wild RC5/RC8 53매 Point Cloud DSM/DCM True Ortho image

3D Model 55매 1980. 5 Wonju Frame(b/w) 52매 1992. 6 Wonju Frame(b/w) 항공레이저측량 DB (국토지리정보원) 2007. 3 Wonju

Ortho image 0.25m - Rollei AIC - LiDAR Point Cloud Ortho image LiDAR DSM/DEM LiDAR 5~6point/㎡ - Optech ALTM

-전국 항공사진영상

DB(국토지리정보원) 2016. 8 Wonju Frame(color) 0.259m 종 : 70%횡 : 40% Intergraph DMC1 120매

Point Cloud DSM/DCM True Ortho image

3D Model

✓

강원도 원주시 일부 지역

✓ 면적 : 312,432.95

𝑚

2

활엽수림 침엽수림 경작지,제지

표 5.1 분석대상지의 항공레이저측량 데이터 특성

LiDAR 센서 Optech ALTM 70 Point Density 70kHz(5~6 point/㎡)

촬영고도 3,000m 촬영일시 2007. 3 촬영 카메라 _{Rollei AIC} Pixeal size _9μm GSD 0.25m GPS / INS GPS/INS Optech ALTM 70 LiDAR(5~6point/㎡ Rollei AIC 디지털 항공 카 메라(GSD 0.25m) 수목 제거 ✓ 본 연구에서 2007년 항공레이저측량 성과는 정사영상의 수평적 구조분석을 위한 연구대상지의 시계열 영상 DB구축에 활용

✓ LiDAR 데이터는 Point Cloud 형식의 데이터로 포인트의 3차원 좌표는 물론, 반사강도 정보가 포함되므로 수목이 울창한 지역 에서도 정확히 지표면을 추출할 수 있는 장점이 있음 ✓ 본 연구에서는 연구대상지는 전통적인 산림지역으로 조림초기부터 지표면의 변화는 없다는 가정하에 수고(임분고)산정시 정확도를 좌우하는 지표면 높이(DEM)을 결정하는데 2007년 LiDAR 데이터 를 활용하였음 ✓ 연구대상지는 표고분포는 최저표고 111.5m에서 최대 164.2m로 표고차가 약 50m정도인 도심의 작은 산지로 2007년은 대부분 조림이 완성되어 최대수고 35m정도를 나타냄

✓

일반적으로 산림의 수평적 구조를 나타내는 대표적인 산림 공간정보인 대축척

임상도(나무지도)는 1/5,000수치지도를 기반으로 대상지의 수종, 임상, 영급,

경급 및 밀도를 포함하고 있는 공간정보로 산림청 산림공간정보서비스사이트

(map.forest.go.kr)를 통해 일반에게 무료로 제공하고 있으며, 최근에서 임상도

현행화사업을 통해 임상도에 수고(임분고)를 포함하고 있음

✓

일반적으로 임상도현행화사업은 대상지역의 고해상도 항공사진영상을 기반으로

임상경계를 추출하여 제작하며, 현장조사를 통해 보완하고 있음

✓

본 연구에서 컴퓨터비전 해석을 통해 생성된 고해상도 실감정사영상을 통해 동일한

작업이 가능함은 물론, 동시에 생성된 Point Cloud 기반의 Digital Canopy

Model 과 DEM을 통해 해당년도의 수고정보를 생성할 수 있어 임상경계 추출 및

임상도제작은 물론, 시간과 비용이 많이 소요되고 정확도가 저하되는 수고데이터

역시 효율적으로 생성 가능할 것으로 판단됨

✓

옆 그림은 2016년 GSD 0.25m급 Intergraph DMC1 디지털항공사진영상을

컴퓨터비전 으로 해석하여 생성된 실감정사영상을 통해 생성된 연구대상지의

임상도 임

원주(059) 내 연구대상지

연도

면적(𝑚

2

₎

_{면적차(𝑚}

2

₎

_비고

1974년

310,160

-

-1980년

348,938

38,778

1980년 – 1974년 1992년

363,171

14,233

1992년 – 1980년 2007년

356,637

-6,534

2007년 - 1992년 2016년

309,717

-46,920

2016년 – 2007년

1980년 2016년

수고산정

DCM DEM

임상도와 잔차 DCM 중첩

활엽수림 침엽수림 경작지,제지

A

B

A-

B-190

180

170

160

150

140

130

A~A- 단면도(밤나무)

190

180

170

160

150

140

130

B~B- 단면도(소나무)

2016년 2007년 1992년 1980년 1974년

표고(m)

표고(m)

0

5

10

15

20

수고(m)

2016년 2007년 1992년 1980년 1974년

수고(m)

0

5

15

20

25

A~A- 단면도(밤나무)

B~B- 단면도(소나무)

A~A- 단면도(밤나무)

B~B- 단면도(소나무)

0 5 10 15 20 25 1974 1979 1984 1989 1994 1999 2004 2009 2014 2019

수종 별 평균 수고

활엽수림(기타활엽수) 활엽수림(상수리나무) 활엽수림(밤나무) 활엽수림(아카시아나무) 침엽수림(잣나무) 침엽수림(소나무) 침엽수림(리기디소나무) 침엽수림(낙엽송) 1980 1992 2007 2016

평균 수고(m)

년도

수종 별 평균수고

구분 활엽수림 (기타활엽수) 활엽수림 (상수리나무) 활엽수림 (밤나무) 활엽수림 (아카시아나무) 침엽수림 (잣나무) 침엽수 림(소나무) 침엽수림 (리기디소나무) 침엽수림 (낙엽송) 1974년 5.2m 5.4m 4.4m 3.6m 2.2m 2.4m 4.1m 5.1m 1980년 6.3m 10.5m 5.9m 6.9m 3.9m 4.9m 5.3m 6.0m 1992년 8.1m 14.5m 8.9m 9.2m 7.4m 6.8m 7.5m 9.4m 2007년 11.2m 16.7m 12.5m 10.4m 10.3m 12.0m 10.4m 14.6m 2016년 17.3m 21.4m 16.6m 12m 16.7m 18.3m 15.9m 20.1m

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1974 1979 1984 1989 1994 1999 2004 2009 2014 2019

수종 별 생장량

활엽수림(기타활엽수) 활엽수림(상수리나무) 활엽수림(밤나무) 활엽수림(아카시아나무) 침엽수림(잣나무) 침엽수림(소나무) 침엽수림(리기디소나무) 침엽수림(낙엽송) 1980 1992 2007 2016 수종 활엽수림 (기타활엽수) 활엽수림 (상수리나무) 활엽수림 (밤나무) 활엽수림 (아카시아나무) 침엽수림 (잣나무) 침엽수림 (소나무) 침엽수림 (리기다소나무) 침엽수림 (낙엽송) 생장량 회귀식 y = 0.0567x + 2.43 y = -0.3133x + 7.29 y = 0.1733x + 1.23 y = -0.1867x + 4.06 y = 0.0233x + 3.38 y = 0.1233x + 2.68 y = 0.0600x + 2.32 y = 0.3600x - 0.03

수종 별 연평균 생장량

구분 활엽수림 (기타활엽수) 활엽수림 (상수리나무) 활엽수림 (밤나무) 활엽수림 (아카시아나무) 침엽수림 (잣나무) 침엽수림 (소나무) 침엽수림( 리기다소나무) 침엽수림 낙엽송) 생장량

0.30m

0.46m

0.30m

0.25m

0.37m

0.41m

0.30m

0.35m

수목 생장량(m)

년도

경계 내부 Point

Cloud 불러오기

불량점 제거 및

TIN 생성

DCM 생성

경계 내부

LiDAR 불러오기

불량점 제거 및

지표면 Point

추출

DEM 생성

Segmentation 결과 입력(Polygon 데이터)

잔차 DEM 입력(Raster GRID 데이터)

전체 면적

구분

1974년

1980년

1992년

2007년

2016년

최대수고

21.9m

28.1m

31.9m

34.5m

38.1m

평균수고

4.0m

6.7m

9.8m

13.2m

17.2m

수종 별 평균수고

구분 활엽수림(기타활엽수) 활엽수림(상수리나무) 활엽수림(밤나무) 활엽수림(아카시아나무) 침엽수림(잣나무) 침엽수림(소나무) 침엽수림(리기디소나무) 침엽수림(낙엽송) 1974년 5.2m 5.4m 4.4m 3.6m 2.2m 2.4m 4.1m 5.1m 1980년 6.3m 10.5m 5.9m 6.9m 3.9m 4.9m 5.3m 6.0m 1992년 8.1m 14.5m 8.9m 9.2m 7.4m 6.8m 7.5m 9.4m 2007년 11.2m 16.7m 12.5m 10.4m 10.3m 12.0m 10.4m 14.6m 2016년 17.3m 21.4m 16.6m 12.0m 16.7m 18.3m 15.9m 20.1m

수종 별 최대수고

구분 활엽수림(기타활엽수) 활엽수림(상수리나무) 활엽수림(밤나무) 활엽수림(아카시아나무) 침엽수림(잣나무) 침엽수림(소나무) 침엽수림(리기다소나무) 침엽수림 (낙엽송) 1974년 18.9m 21.9m 17.4m 4.9m 6.7m 5.8m 6.9m 9.6m 1980년 19.9m 28.1m 18.2m 12.9m 7.7m 6.5m 8.8m 11.6m 1992년 21.6m 31.9m 21.6m 15.5m 10.5m 9.3m 12.9m 17.5m 2007년 25.2m 34.5m 28.3m 18.1m 14.5m 15.4m 16.5m 22.2m 2016년 29.7m 38.1m 32.3m 21.8m 20.1m 20.5m 21.7m 26.2m

1. 드론사진측량을 통해 생성되는 고품질 공간정보는 어떤것이 있나요?

2. 노천광산변화모니터링을 위해 이용 가능한 지형공간정보의 종류는?

3. 국가 항공사진영상 DB의 종류와 각 DB의 특징은?

*

온라인강의 수강과 LMS사이트에 올린 동영상을 보고 다음 내용에 대해

정리하여 A4 2장 분량으로 정리하여 과제제출란에 학번, 성명, 과제명을 반드시

기입하여 제출하세요.