A Study on Decision Making of Cadastral Surveying Results using Drone Photogrammetry

전체 글

(1)pISSN : 2508-3384 eISSN : 2508-3392 https://doi.org/10.22640/lxsiri.2021.51.1.79. Journal of Cadastre & Land InformatiX Vol.50 No.1 (2020) 한국국토정보공사 「지적과 국토정보」 제51권 제1호 2021년 6월 p. 79-95. 드론항공사진측량을 활용한 지적측량 성과결정에 관한 연구 A Study on Decision Making of Cadastral Surveying Results using Drone Photogrammetry 임성하* ∙ 김호종** ∙ 이돈선*** Lim, Seong-Ha ∙ Kim, Ho-Jong ∙ Lee, Don-Sun Abstract This study evaluates the applicability of determining cadastral surveying results using drone photogrammetry during the phase of determining cadastral surveying results, which is the most important stage of cadastral surveying, but known to be hardly objective and highly probable in causing a subjective misjudgment or mistake made by a surveyor. In the experiment to analyze the accuracy of boundary point extraction from drone photogrammetry results, by comparing the coordinate area of 22 parcels extracted from 2D and 3D images with the coordinate area measured from ground survey, the difference could be quantified as RMSE of 1.44㎡ for 2D and 0.32㎡ for 3D images. In addition, experiments to evaluate the determination of cadastral surveying result based on drone photogrammetry survey showed the RMSE measure of 0.346m towards N direction and 0.296m towards Y direction in comparison to the existing surveying results through data investigation. Based on these experiments, it is judged that cadastral surveying result based on drone photogrammetry can be determined without needing to conduct a location survey with an accuracy of approximately 0.3m in the graphical area, which also leads to possibility of reducing individual errors if drones images are used along with ground survey by objectifying the process of cadastral surveying results. Keywords: Decision making of cadastral surveying results, Drone photogrammetry, Graphical cadastre, Boundary extraction. * 한국국토정보공사 글로벌사업처 공간정보사업처 과장 Korea Land and Geospatial Informatix Corporation (first author: [email protected]) ** 한국국토정보공사 혁신전략부 팀장 Korea Land and Geospatial Informatix Corporation (Co-author, [email protected]) *** 공간정보연구원 연구기획실 차장 Spatial Information Research Institute (Corresponding author, [email protected]). Journal of Cadastre & Land InformatiX Vol.51 No.1 (2021). 79.

(2) 임성하 ∙ 김호종 ∙ 이돈선. 1. 서론 1.1. 연구목적 우리나라의 지적공부는 1910년대 일제 강점기에 일본이 식민자금 마련을 위한 토지수탈을 목적으로 대규모 토지조사사업을 실시하여 근대적인 지적제도 가 만들어 졌으며, 이후 해방과 6.25전쟁을 겪으며 종 이도면으로 만들어진 지적도의 훼손·망실·지적복구 측량 등을 거치며 1975년 정부의 행정전산화에 따라. Figure 1. The phase of using drone photogrammetry during cadastral surveying. 1977년 지적 전산화 기본계획을 확정하였으며 현재 는 지적공부 전산화 사업으로 전산화된 지적도면을. 론을 이용하여 소규모지역에서 기존 유인항공기 보다. 이용하여 지적측량을 실시하고 있다. 1910년대 만들. 빠르고, 정확하고 저비용으로 항공정사사진을 구축할. 어진 종이 지적도면은 세월의 흐름과 보관 상태에 따. 수 있는 장점으로 인해 다양한 분야에서 그 활용성이. 라 수축·마모 등 변형이 일어날 수 밖에 없으며, 구축. 검토 되고 있다. 지적측량에서의 드론 항공정사영상. 목적에 따라 구소삼각원점·특별소삼각원점·가상원. 의 활용은 Figure 1과 같이 지적측량 단계에서 크게. 점 등 상이한 지적기준점을 사용함으로써 지역 간 위. 자료조사, 외업, 내업 단계에서 활용될 수 있다고 판단. 치오차, 서로 다른 축척의 지적도간 접합 오차 등으로. 된다. 본 연구는 지적측량 단계 중 가장 중요하지만,. 기인하여 실제현형과 지적도면과 일치하지 않는 도해. 객관적이지 못하고 주관에 의해 측량자의 오판이나. 지역 측량이 주를 이루고 있다. 이러한 도해지역에서. 실수가 발생할 수 있는 개연성이 큰 지적측량 성과결. 의 지적측량은 실제현형을 관측해서 지적도와 부합여. 정 단계에서 드론 정사영상이 활용되었을 때 효과를. 부를 확인하고 부합하지 않을 때는 관측된 현형이나. 평가하기 위해 실시하였다.. 지적도를 수평이동 시켜 부합되게 만드는 지적측량성 과 결정이라는 과정을 거친다.. 1.2. 선행연구 검토. 지적측량성과결정 방법에는 이미 알고 있는 기지점 을 기준으로 하여 지상경계선의 부합여부를 현형법. 지상측량에서 측정한 기준점 및 경계점 좌표와 항. (現形法), 도상원호(圖上圓弧)교회법, 지상원호(地上. 공영상에서 추출한 좌표와 면적의 비교·분석을 실시. 圓弧)교회법 또는 거리비교확인법 등으로 정할 수 있. 한 선행연구를 살펴보면 박치영(2013)은 8cm급 항공. 도록 지적측량 시행규칙 제18조 1항 4호에서 규정하. 영상과 항공LiDAR 자료를 활용하여 농경지역, 주거. 고 있다. 특히 현형법이라는 용어는 1976년 지적측량. 지역 그리고 임야지역을 대상으로 필지경계를 설정하. 시행령 개정령에서 처음 등장하였고, 현형법의 기술. 고, 항공타겟을 설치하여 항공영상에서 추출한 좌표. 적 절차는 그 내용이 충분하지 못하였고 주관적으로. 와 지상측량으로 취득한 좌표와 비교하여 정확도를. 해석될 요인이 많았다(고문성 2016).. 검토하였다. 그 결과 2개 필지에서 평균 0.036m,. 한편 기술의 발달로 주로 대규모지역에서 유인항공. RMSE 0.038m를 나타냈다. 또한 농경지역 3필지의 지. 기를 이용하여 실시하던 항공사진측량이 최근에는 드. 적 현황측량 성과를 기준으로 항공타겟 없이 8cm급. 80. 「지적과 국토정보」 제51권 제1호. 2021.

(3) 드론항공사진측량을 활용한 지적측량 성과결정에 관한 연구. 항공영상의 수치도화 면적 비교 시 평균 8.2㎡를 나타. 된 정사영상과 3차원데이터를 기반으로 지적측량 성. 냈다. 하정이(2017)는 지적확정측량에 정사영상을 적. 과결정 적용성을 평가하는데 주안점을 두고 연구를. 용하여 지적확정측량 성과검사 가능 여부를 확인하기. 진행하였다.. 위해 정사영상에서 독취한 지적도근점 좌표 및 경계 점 좌표를 지상측량에서 취득한 좌표와 비교하였다.. 1.3. 연구 범위 및 방법. 그 결과 고도 130m에서 촬영한 정사영상의 지적도근 점 좌표의 연결오차 평균 RMSE값은 0.061m, 경계점. 도해지역에서의 정사영상기반의 지적측량성과 결. 의 연결오차 평균 RMSE값은 0.107m로 나타났다. 성. 정 적용성을 평가하기 위해 전라북도 완주군 용진읍. 상민(2015)은 정사영상에서 추출한 경계점의 수치도. 용진e등학교 부근 약 0.25㎢를 연구대상지로 선정하. 화 한 좌표와 지적현황측량으로 측정된 지상경계점의. 였다.. 좌표와 면적을 비교하였다. 그 결과 고도 130m에서. 연구 대상지역은 Figure 2와 같이 1:1,200 축척 지. 촬영한 정사영상에서 추출한 경계점 좌표와 VRS측위. 적도 시행지역으로써 주택밀집 지역과 비닐하우스를. 에 의한 지적측량 측량 경계점 좌표 간의 연결교차 표. 포함한 전·답이 위치하고 있으며, 과거 측량이력 조회. 준편차는 ±0.076m∼0.079m로 나타났으며, 지적현황. 를 통해 측량성과가 도로나 구거를 경계로 블록 단위. 측량 면적측정 결과와 정사영상 추출 면적 비교 시. 로 다르게 결정되어 있어 정사영상을 기반으로 지적. 0.2% 미만으로 나타났다. 또한 지적측량성과 결정에. 측량 성과결정 적용성을 평가하기에 적절한 대상지라. 관한 선행연구를 살펴보면, 박원창(2011)은 지적측량. 고 판단했다.. 성과결정 시 개인의 경험에 따라 인위적인 조정방법. 또한 본 연구에 사용된 드론장비는 회전익 장비로. 을 개선하기 위해 최소제곱법에 의한 Helmert와 Affine. 좁은 장소에서도 이·착륙이 가능하고 3축 짐벌에. 변환 프로그램을 개발하여 적용함으로써 성과결정 시. 20MP의 RGB카메라를 장착하였으며, 세부 사양은. 발생하는 개인오차를 최대한 줄이고 일관성 있는 지. Table 1과 같다.. 적측량 성과결정을 제시할 수 있는 방안을 제시하였다.. Table 1의 회전익 드론을 이용하여 연구대상지역을. 이상 선행연구를 검토해 본 결과 대부분의 선행 연. 촬영 후 2D정사영상과 3D모형을 제작 및 정사영상. 구에서 지상측량과 정사영상과의 차이가 0.10m 내외. 정확도를 비교하고 지적측량 성과결정 적용성을 평가. 로 발생함을 알 수 있었으며, 정사영상으로 수치도화 한 일필지의 면적과 지적현황측량으로 취득된 일필지 의 면적을 비교한 결과 그 차이가 0.2% 미만으로 나타 남을 알 수 있었다. 이러한 결과는 항공사진측량으로 제작된 정사영상의 위치정확도를 포함한 품질만 정확 하게 확보되면 지상측량결과와 비교했을 때 비교적 많은 차이를 보이지 않는 것을 알 수 있었으나, 대부분 의 선행연구가 정사영상과 지상측량 간의 위치정확도 분석에 치중되어 있어, 이러한 정사영상을 활용하여 지적측량성과 결정 적용성을 평가하기 위한 연구는 미흡한 실정이다. 본 연구는 드론사진측량으로 제작. Figure 2. Study area (500m X 500m) Journal of Cadastre & Land InformatiX Vol.51 No.1 (2021). 81.

(4) 임성하 ∙ 김호종 ∙ 이돈선. Table 1. Details of equipment used in the study Model. Rotary Wing Drone. Item. Matrice 210. Image. Figure 3. Study procedure. Manufacturer. Performance. DJI(china). Max FlightTime. 38 Minute. Max Wind Resistance. 12m/s or less. Max Flight Speed. 61.2km/hr or less. Pilot Receiving Distance. 7km or less. Battery. 4,280mAh. Camera. 20MP. Gimbal. 3Axle Gimbal. Operation Temp. -20 ∼45°C. 하는 절차로 연구를 진행하였다. 정사영상 정확도를 비교하기 위해 필지별 2D와3D 영상 추출면적과 연구대상지역의 지적현황측량 좌표 면적과 지적도 좌표면적을 서로 비교하였으며, 지적 측량 성과결정 적용성을 평가하기 위해 지적측량 팀 장 4인을 대상으로 2D와 3D영상과 지적도만으로 성 과결정 실험을 실시하여 자료조사로 얻어진 블록별 지적측량 성과와 비교를 통해 얻어진 결과를 일반화 하는 과정을 진행하였다. Figure 3은 본 연구절차를 도식화한 그림이다.. 2. 드론 항공영상 취득 2.1. 기준점측량. Figure 4. Control and check Point Positions. Network-RTK GPS 장비를 이용하여 Figure 4와 같 이 5점의 기준점과 2점의 검사점을 설치하고 촬영된 영상에서 기준점과 검사점이 육안으로 식별이 가능할 수 있도록 대공표지를 설치하였다. 5점의 기준점은 정사영상처리 시 항공삼각측량의 외부표정요소로 사용하였으며, 2점의 검사점은 데이 터 처리가 완료된 영상의 위치정확도 검증에 활용하 였다.. 2.2. 데이터처리 및 정확도 분석 본 연구에서는 드론촬영 영상을 처리하기 위해 Skyline 社의 Photomesh 드론사진측량 소프트웨어. 드론으로 촬영한 연속적인 낱장 사진의 기복변위가. 를 사용하여 2차원 정사영상과 3차원모형을 제작하였. 없고 절대위치를 갖는 정사영상을 제작하기 위해. 다. 정사영상처리의 주요원리는 다양한 각도에서 촬. 82. 「지적과 국토정보」 제51권 제1호. 2021.

(5) 드론항공사진측량을 활용한 지적측량 성과결정에 관한 연구. Invariant Feature Transform)알고리즘(DG Lowe 1999)에 의해 작동한다(임성하 2020). 연속적으로 촬영한 드론촬영영상과 카메라정보를 입력하면, SIFT와 SFM 기법으로 촬영된 영상에서 특 징점을 추출하여 e기포인트를 구축하는 영상정합 과 정을 거친다. 1. Align images. 그 후 지상기준점을 외부표정요소로 항공삼각측량. 2. Aerial triangulation. 을 실시하여 e기 포인트에 정확한 3차원 좌표정보를 결정하고, 고밀도 포인트를 생성하고 이를 기반으로 삼각망과 재질 정보를 구축한다. 최종적으로 결과물 은 2차원 항공정사영상과 3차원 모형 데이터가 산출 된다. Figure 5는 드론사진측량 데이터 처리절차를 나 타내고 있다. 3. Dense Point cloud. 4. Triangulation and Texturing. 연구대상지의 2차원 항공정사영상과 3차원 모형을. Figure 5. The procedure of data processing. 제작하기 위해 130m 고도에서 종·횡 중복도 80%씩 설정하여 촬영된 정사영상을 앞서 설명한 절차대로 처리를 하였다.. 영된 중복영상으로부터 3차원 형상과 촬영한 카메라 위치정보를 재현하는 SFM(Structure from Motion). 그 결과 공간해상도(GSD) 4cm급의 정사영상과 3. 알고리즘(Noah Snavely 2006)과 영상에서 영상크기. 차원 모형을 구축하였으며, 3차원 모형 구축을 위해서. 와 회전에 불변하는 특징을 추출하는 SIFT(Scale. 1방향의 수직(90°)촬영 이외에 동·서·남·북 4방향에. Table 2. Control point and check point position errors (unit : m) Item. GPS survey coordinate(A) . Image reading coordinate(B) . N. E. Z. N. E. Z. N error. E error. Z error. 1. 362017.25. 215948.71. 48.34. 362017.23. 215948.75. 48.32. 0.02. -0.04. 0.02. 2. 362053.17. 216324.21. 53.72. 362053.19. 216324.23. 53.71. -0.02. -0.02. 0.01. 3. 362382.06. 216304.08. 47.61. 362382.04. 216304.03. 47.66. 0.02. 0.05. -0.05. 4. 362423.02. 215954.34. 52.47. 362423.06. 215954.37. 52.48. -0.04. -0.03. -0.01. 5. 362259.23. 216099.71. 54.71. 362259.17. 216099.74. 54.76. 0.06. -0.03. -0.05. 0.04. 0.04. 0.03. Average. 0.01. -0.01. -0.02. Standard deviation. 0.03. 0.03. 0.03. 0.05. -0.02. -0.02. RMSE. CP1. 362141.89. 216012.15. 53.52. 362141.84. 216012.17. 53.54. CP2. 362304.09. 216256.3. 47.63. 362304.03. 216256.33. 47.61. 0.06. -0.03. 0.02. 0.06. 0. 0. Average. 0.06. -0.03. 0. Standard deviation. 0.01. 0.01. 0.01. RMSE . Journal of Cadastre & Land InformatiX Vol.51 No.1 (2021). 83.

(6) 임성하 ∙ 김호종 ∙ 이돈선. 서 카메라 각도 60°를 설정하여 총 5방향에서 수직 및. 3.1. 지적좌표면적과 영상추출 좌표면적 비교. 경사 항공영상을 촬영하였다. 데이터 처리 후 제작된 정사영상의 위치정확도 검증을 위해 5개의 기준점과. 도해지역에서의 지적의 면적은 지적공부에 등록한. 2개의 검사점에 대한 GPS측량 좌표와 처리된 영상에. 대장면적과 도면상에서 측정한 도상면적으로 구분된. 서 독취한 좌표를 비교한 결과 7점에 대한 평균제곱근. 다. 공간정보구축 및 관리 등에 관한 법률 시행령 제19. 오차(RMSE)가 N방향으로 4cm, E방향으로 3cm, Z방. 조에 따르면 등록전환이나 분할에 따른 면적 오차의. 향으로 3cm의 비교적 양호한 결과를 얻을 수 있었다..  으로 정하고 있으며, 허용범위를 A = . Table 2는 데이터 처리와 위치정확도 검증에 사용한. (여기서 A = 공차, M = 축척분모, F는 대장면적) 허용. 기준점과 검사점의 위치오차를 나타내고 있다.. 범위(A)를 벗어나는 경우 면적 또는 경계정정을 통해 허용범위에 포함되도록 정의하고 있다.. 3. 정사영상기반 현형추출 및 정확도평가. 또한 지적의 면적 중 대장면적과 도상면적 이외에 실제 일필지 측량을 통한 측량면적이 있다. 일필지 측. 본 연구에서는 정사영상을 도해지역 지적측량 성과. 량 면적은 도해지역의 지적현황측량과 경계복원측량. 결정에 활용 가능성을 평가하기 위한 정량적 평가의. 등 세부측량 시행 시 성과결정을 위해 대상필지를 포. 기준 단위를 면적단위(㎡)로 설정하였다.. 함한 주변 필지의 현형을 관측하는 과정에서 일필지. 항공영상을 기반으로 지적측량 적용성을 평가하는 선행연구를 살펴보면 주로 영상을 육안으로 판독하여. 의 각 측점을 결선하여 폐합된 다각형을 생성함으로 써 측정되는 실제 현장에서 측정한 면적이다.. 경계점으로 판단되는 지점을 추출하고 지상측량으로. 본 연구에서는 일필지에 대한 지적도 상 좌표면적. 측정된 좌표 간의 거리나 해당 지점의 지적도상 경계. 과 현장 측량면적, 영상 추출좌표 면적의 차이를 우선. 점 간 거리를 측정하여 정확도를 미터(m)단위로 비교. 알아보기 위해 실험대상지의 정사영상에서 일필지에. 하는 방식으로 이루어졌다(유재민 2017).. 해당하는 현형을 육안으로 판독하여 필지경계를 추출. 하지만 담장이나 경계석 등 지상의 구조물에 의해. 하였으며, 이를 필지별로 연결하여 폐합되는 다각형. 지적경계가 영상에서 명확히 나타나는 부분은 비교적. 을 생성하였다. Figures 6~7은 2차원 정사영상 기반. 정확한 경계추출이 가능하지만 논·밭의 하단과 같이. 으로 필지경계를 추출하여 폐합한 폴리곤과 이를 정. 지상에서 지적경계의 구조물이 명확히 나타나지 않은. 사영상과 중첩한 화면이다.. 부분에 대해서는 작업자의 주관적 판단이 개입되며. 공간정보의 구축 및 관리 등에 관한 법률 시행령 제. 영상에서 판단하기에 불명확한 경계점의 경우도 다양. 55조 지상 경계의 결정기준 등에 따르면 연접되는 토. 하고, 영상에서 건물 지붕 및 수목 등에 의해 폐색. 지 간의 높낮이 차이가 없는 경우 그 구조물의 등의 중. (Occlusion)되는 경계점의 경우 육안추출이 불가능한. 앙부, 연접되는 토지 간에 높낮이 차이가 있는 경우 그. 경우도 있기 때문에 지적도 경계점과 영상판독 경계. 구조물의 하단부, 도로·구거 등의 토지에 절토(切土). 점 간 좌표추출 후 거리비교를 통해 정확도를 비교하. 된 부분이 있는 경우 그 경사면의 상단부, 토지가 해면. 는 것보다 영상에서 일필지 경계 추출 후 성필(Polygon). 또는 수면에 접하는 경우 최대만조위 또는 최대 만수. 면적을 비교하여 정확도를 분석하는 것이 더 대표성이. 위가 되는 선, 공유수면 매립지의 토지 중 제방 등을. 있다고 판단하여 면적(㎡)단위로 분석을 실시하였다.. 토지에 편입하여 등록하는 경우 바깥쪽 어깨부분으로 지상 경계의 결정 기준을 정의하고 있으며, 본 연구에. 84. 「지적과 국토정보」 제51권 제1호. 2021.

(7) 드론항공사진측량을 활용한 지적측량 성과결정에 관한 연구. Figure 6. 2D image-based cadastral boundary extraction. Figure 9. The extracted road(red line). Figure 7. 2D image and extracted boundary. Figure 10. The extracted fence(red line). Figure 8. The extracted wall(red line). Figure 11. Unclear distinction between top and bottom of rice field. Journal of Cadastre & Land InformatiX Vol.51 No.1 (2021). 85.

(8) 임성하 ∙ 김호종 ∙ 이돈선. Figure 12. Extraction of boundaries by arbitrary decision. Figure 15. 3D model-based boundary extraction. Figure 13. Occlusion by building roof. Figure 16. the extracted boundaries with 3D model. Figure 14. Survey (yellow line) and Extraction results(red line). Figure 17. Unclear distinction between top and bottom of rice field. 서는 이러한 기준에 따라 정사영상에 필지 경계를 추. 의 경우 그 경계 추출이 용이한 반면 2차원 영상에서. 출하였다.. 는 지형의 고·저 차이를 판단할 수 없기 때문에. 2차원 정사영상 기반으로 필지의 경계점을 추출하. Figures 11~12와 같이 논둑의 상단 및 하단선의 판단. 였을 때, Figures 8~10과 같이 담장, 도로, 휀스 등과. 의 작업자의 자의적 해석에 의존할 수밖에 없었다. 또. 같이 영상에서 비교적 판독이 용이한 지상의 구조물. 한 Figures 13~14와 같이 건물 지붕의 처마로 인해 지. 86. 「지적과 국토정보」 제51권 제1호. 2021.

(9) 드론항공사진측량을 활용한 지적측량 성과결정에 관한 연구. Figure 18. The distinguished bottom of the rice field. Figure 21. The indistinct bottom of the rice field. Figure 19. Occlusion by building roof. Figure 22. The distinct bottom of the rice field. 상경계가 폐색이 되는 부분도 2차원 정사영상에서 정. 하단선을 정확하게 판독할 수 있다.. 확한 경계점을 추출하는데 한계로 보인다.. 또한 Figure 19처럼 2차원 영상에서 건물 처마 부. 이와 같은 2차원 정사영상에서 지상경계점 추출의. 분으로 인해 지상경계선의 육안 판독이 불가한 부분. 한계점을 극복하기 위해 본 연구에서는 실험대상지역. 또한 Figure 20처럼 3차원 영상에서는 건물 처마 하. 을 수직방향 촬영뿐만 아니라 동·서·남·북 4방향으로. 단의 지상경계선을 명확하게 구분이 할 수 있다.. 짐벌 각도를 60°로 하여 경사영상을 추가적으로 촬영. 다만, 육안 판독의 작업 상 X,Y축(axis)의 2개의 축. 하여 대상지역을 3차원 모델링 데이터를 구축하였다.. 만 조작하여 운용하는 2차원 영상과 달리 3차원 영상. Figures 15~16은 구축된 3차원 모델링 데이터에서 필. 은 X,Y,Z축의 3개의 축을 조작해야하기 때문에 3축에. 지경계선을 추출한 화면을 나타내고 있다.. 숙련된 작업자가 아니면 2차원 영상보다 추출 시간이. 3차원 모델링데이터 기반의 지적현형선 추출은 2차. 더 많이 소요되는 단점이 있다.. 원 영상에서 폐색되는 부분의 경계추출의 한계를 보 완할 수 있다. Figure 17처럼 2차원 영상에서 논둑의. 3.2. 측량 좌표면적과 영상추출 좌표면적 비교. 상·하단의 판독이 불가한 부분을 Figure 18처럼 3차 원 모델링에서는 명확하게 구분이 가능하기 때문에. 정사영상 기반으로 지적측량 성과결정을 평가하기. Journal of Cadastre & Land InformatiX Vol.51 No.1 (2021). 87.

(10) 임성하 ∙ 김호종 ∙ 이돈선. Table 3. Comparison between cadastral, surveying and 2D, 3D images extraction coordinate area (unit : ㎡) Num. parcel number. land category. cadastre area. cadastral area(A). surveying area(B). tolerance 2D extraction area(C). 3D extraction area(D). A-B. C-D. 1. 746-1. house lot. 325. 315.2. 14.6. 307.5. 313.8. -6.3. 2. 747-1. house lot. 674. 663.2. 21.1. 636.1. 646.8. -10.7. 3. 747-3. house lot. 580. 576.7. 19.5. 611.9. 597.9. 4. 746-6. dry field. 325. 315.2. 14.6. 301.4. 305.2. 5. 1063-1. house lot. 393. 394.2. 6. 1059-1. house lot. 258. 262.8. 7. 1060-1. house lot. 274. 268.1. 579. 247.4. 16.1. 403.1. 413. 13.0. 252.6. 248.1. 13.4. 248.1. 251.4. -2.3. 14 -3.8 -9.9. 15.4. 4.5 -3.3. 8. 990-4. house lot. 499. 492.8. 519. 18.1. 509. 515. -26.2. -6. 9. 1072-1. house lot. 902. 919.9. 930.3. 24.4. 926. 931. -10.4. -5. 10. 988-1. house lot. 533. 543.6. 540. 18.7. 556. 556. 3.6. 0. 11. 990-5. house lot. 188. 181.1. 184.8. 11.1. 177.8. 181.7. -3.7. -3.9. 12. 987-4. house lot. 196. 187.1. 163.5. 11.4. 175. 165.1. 23.6. 9.9. 13. 1075-7. house lot. 519. 519. 524. 18.5. 502. 517. -5. -15. 14. 1075-1. house lot. 440. 443.8. 356.4. 17.0. 365.4. 362.3. 87.4. 3.1. 15. 1076-1. dry field. 754. 737.8. 784.9. 22.3. 753. 753.5. -47.1. -0.5. 16. 990-3. house lot. 628. 601.2. 576. 20.3. 588. 584. 25.2. 4. 17. 990-2. house lot. 264. 270.2. 284. 13.2. 273. 274.2. -13.8. -1.2. 18. 1049-6. house lot. 603. 605.6. 614. 19.9. 604. 616. -8.4. -12. 19. 1050-1. house lot. 334. 340.5. 368.4. 14.8. 364.9. 364.6. -27.9. 0.3. 20. 768. rice field. 1002. 1001.9. 965. 25.7. 1004. 991. 36.9. 13. 21. 760-2. rice field. 1914. 1953.7. 1964. 35.5. 1962. 1972. -10.3. -10. 22. 759. rice field. 476. 481.8. 551. 17.7. 488.7. 479.8. -69.2. 8.9. 33.81. 8.013. Average. -1.89. -1.36. Standard Deviation. 33.76. 7.90. RMSE . 전 우선적으로 지상측량과 정사영상에서의 일필지 지. 좌표면적 자료에서 제외하고 비교를 진행하였다.. 적경계 추출의 정확도를 평가하였다. 연구대상지 내. 첫 번째로 지적좌표면적(A)와 측량좌표면적(B)간. 의 총 22개 필지의 지적좌표면적, 측량좌표면적, 2D영. 총 22필중 5필을 제외한 17필의 비교결과 RMSE 는. 상추출 좌표면적, 3D영상 추출좌표 면적을 비교하였. 33.81㎡로 나타났는데, 이는 도해지역에서의 지적과. 다. Figures 21~22처럼 2D와 3D영상 추출 필지는 논. 현형의 불일치에 기인한 차이라고 해석할 수 있다. 또. 둑 상·하단 어느 지점을 추출하느냐에 따라 차이를 나. 한 2D와 3D 영상에서 추출한 지적현형의 차이를 비교. 타냈다.. 하기 위한 2D추출좌표면적(C)와 3D추출좌표면적(D). Table 3은 지적과 측량좌표 면적 및 2D·3D영상추. 간 22필지의 RMSE는 8㎡으로 나타났다. 이는 Figure. 출 좌표면적을 비교한 표이다. 측량좌표면적의 경우. 23~24처럼 2D영상의 논둑의 고·저차 판독 불가나 건. 자료조사를 통해 해당지역의 지적측량 현형 데이터를. 물지붕처마로 인한 지상경계 판독이 용이하지 않아. 기준점 성과로 정리하여 자료로 활용하였다. 지적측. 발생하는 오차로 판단된다.. 량 현형데이터의 자료 상 22필 중 일필지의 성필. 두 번째로 지적좌표면적과 정사영상 추출 좌표면적. (Polygon)이 완료되지 않는 746-1번지 외 4필은 측량. 의 차이를 알아보기 위해 Table 4처럼 지적좌표면적. 88. 「지적과 국토정보」 제51권 제1호. 2021.

(11) 드론항공사진측량을 활용한 지적측량 성과결정에 관한 연구. Table 4. Comparison between cadastral and 2D, 3D images extraction coordinate area(unit : ㎡) Num. parcel number. land category. 1. 746-1. house lot. 2. 747-1. house lot. 3. 747-3. house lot. 4. 746-6. dry field. 5. 1063-1. 6. 1059-1. 7 8. difference. cadastral area(A). tolerance. 2D extraction area(B). 3D extraction area(C). 325. 315.2. 14.6. 307.5. 313.8. 7.7. 1.4. 674. 663.2. 21.1. 636.1. 646.8. 27.1. 16.4. 580. 576.7. 19.5. 611.9. 597.9. -35.2. -21.2. 325. 315.2. 14.6. 301.4. 305.2. 13.8. 10. house lot. 393. 394.2. 16.1. 403.1. 413. -8.9. -18.8. house lot. 258. 262.8. 13.0. 252.6. 248.1. 10.2. 14.7. 1060-1. house lot. 274. 268.1. 13.4. 248.1. 251.4. 20. 16.7. 990-4. house lot. 499. 492.8. 18.1. 509. 515. -16.2. -22.2. cadastre area. A-B. A-C. 9. 1072-1. house lot. 902. 919.9. 24.4. 926. 931. -6.1. -11.1. 10. 988-1. house lot. 533. 543.6. 18.7. 556. 556. -12.4. -12.4. 11. 990-5. house lot. 188. 181.1. 11.1. 177.8. 181.7. 3.3. -0.6. 12. 987-4. house lot. 196. 187.1. 11.4. 175. 165.1. 12.1. 22. 13. 1075-7. house lot. 519. 519. 18.5. 502. 517. 17. 2. 14. 1075-1. house lot. 440. 443.8. 17.0. 365.4. 362.3. 78.4. 81.5. 15. 1076-1. dry field. 754. 737.8. 22.3. 753. 753.5. -15.2. -15.7. 16. 990-3. house lot. 628. 601.2. 20.3. 588. 584. 13.2. 17.2. 17. 990-2. house lot. 264. 270.2. 13.2. 273. 274.2. -2.8. -4. 18. 1049-6. house lot. 603. 605.6. 19.9. 604. 616. 1.6. -10.4. 19. 1050-1. house lot. 334. 340.5. 14.8. 364.9. 364.6. -24.4. -24.1. 20. 768. rice field. 1002. 1001.9. 25.7. 1004. 991. -2.1. 10.9. 21. 760-2. rice field. 1914. 1953.7. 35.5. 1962. 1972. -8.3. -18.3. 22. 759. rice field. 476. 481.8. 17.7. 488.7. 479.8. -6.9. 2. 22.34. 22.64. Average. 3.00. 1.64. Standard Deviation. 22.14. 22.58. RMSE . (A)와 2D·3D추출 좌표면적(B,C)간 면적비교를 하였. 대조군(Control Group)으로 설정하였고, 다시 말해. 다. 지적좌표면적(A)와 2D·3D영상 추출면적(B,C)간. 도해지적에서의 일필지 지적과 현장측량 면적의 차이. 의 RMSE는 각각 22.34㎡ 와 22.64㎡ 로 나타났다.. 를 산출한 것(A)이며, 실험군(Experimental Group). 세 번째로 측량좌표면적과 정사영상 추출 좌표면적. 은 총 4개로서 지적좌표면적–2D추출좌표면적(B),. 의 차이를 알아보기 위해 Table 5처럼 측량좌표면적. 지적좌표면적-3D추출 좌표면적(C), 측량좌표면적–. (A)와 2D·3D추출 좌표면적(B,C)간 면적비교를 하. 2D추출좌표면적(D), 측량좌표면적-3D추출좌표면적. 였다.. (E)를 각각 대조군(A)와 차이를 비교하여 정확도를 정. 측량좌표면적(A)와 2D·3D영상 추출면적(B,C)간의. 량화 하였다. 이는 지적공부상의 일필지 면적과 현지. RMSE 는 각각 23.048㎡와 21.28㎡로 나타났다. 첫 번. 측량 면적이 상이기 때문에 각각 비교를 통해 객관성. 째 비교에서는 지적도의 일필지 좌표면적과 실제 현. 을 확보하기 위함이다.. 장의 일필지 측량면적 간 차이를 RMSE 로 산출하여. 그 결과 Table 6처럼 지적좌표와 측량좌표면적의. Journal of Cadastre & Land InformatiX Vol.51 No.1 (2021). 89.

(12) 임성하 ∙ 김호종 ∙ 이돈선. Figure 23. 2D extraction line(red line) and surveying line(orange line). Figure 24. 3D extraction line(red line) and surveying line(orange line). Table 5. Comparison between surveying and 2D, 3D images extraction coordinate area(unit : ㎡) Num. parcel number. land category. cadastre area. 1. 746-1. house lot. 325. 2. 747-1. house lot. 674. 3. 747-3. house lot. 580. 4. 746-6. dry field. 325. 5. 1063-1. house lot. 393. 6. 1059-1. house lot. 258. 7. 1060-1. house lot. 274. 8. 990-4. house lot. surveying area(A). 579. difference. tolerance. 2D extraction area(B). 3D extraction area(C). A-B. A-C. 14.6. 307.5. 313.8. . . 21.1. 636.1. 646.8. . . 19.5. 611.9. 597.9. -32.9. -18.9. 14.6. 301.4. 305.2. . . 16.1. 403.1. 413. . . 247.4. 13.0. 252.6. 248.1. -5.2. -0.7. 13.4. 248.1. 251.4. . . 499. 519. 18.1. 509. 515. 10. 4. 9. 1072-1. house lot. 902. 930.3. 24.4. 926. 931. 4.3. -0.7. 10. 988-1. house lot. 533. 540. 18.7. 556. 556. -16. -16. 11. 990-5. house lot. 188. 184.8. 11.1. 177.8. 181.7. 7. 3.1. 12. 987-4. house lot. 196. 163.5. 11.4. 175. 165.1. -11.5. -1.6. 13. 1075-7. house lot. 519. 524. 18.5. 502. 517. 22. 7. 14. 1075-1. house lot. 440. 356.4. 17.0. 365.4. 362.3. -9. -5.9. 15. 1076-1. dry field. 754. 784.9. 22.3. 753. 753.5. 31.9. 31.4. 16. 990-3. house lot. 628. 576. 20.3. 588. 584. -12. -8. 17. 990-2. house lot. 264. 284. 13.2. 273. 274.2. 11. 9.8. 18. 1049-6. house lot. 603. 614. 19.9. 604. 616. 10. -2. 19. 1050-1. house lot. 334. 368.4. 14.8. 364.9. 364.6. 3.5. 3.8. 20. 768. rice field. 1002. 965. 25.7. 1004. 991. -39. -26. 21. 760-2. rice field. 1914. 1964. 35.5. 1962. 1972. 2. -8. 22. 759. rice field. 476. 551. 17.7. 488.7. 479.8. 62.3. 71.2. 90. RMSE. 23.048. 21.28. Average. 2.26. 2.50. Standard Deviation. 22.94. 21.14. 「지적과 국토정보」 제51권 제1호. 2021.

(13) 드론항공사진측량을 활용한 지적측량 성과결정에 관한 연구. Table 6. Comparison between surveying and 2D, 3D image extraction coordinate area(unit: m) item. parcel RMSE A-B A-C A-D A-E. cadastral and surveying coordinate area(A). 17. 21.60. cadastral and 2D extraction coordinate area(B). 22. 22.34 -0.74. cadastral and 3D extraction coordinate area(C). 22. 22.64. surveying and 2D extraction coordinate area(D). 22. 23.04. surveying and 3D extraction coordinate area(E). 1.04. Figure 25. Cadastral surveying results. 이를 바탕으로 Figure 25와 같이 연구대상지에서. -1.44. 동일한 성과를 나타낸 지역을 그룹화 하여 A그룹∼G 그룹까지 총 7개 그룹으로 나누웠다. 22. 21.28. 0.32. Table 7은 지적측량 자료조사를 실시한 총 21건의 필지별 지적측량성과 결정량(results)을 나타내고 있다.. RMSE (A)와 측량좌표와 2D영상 추출좌표 면적의. 다음으로 한국국토정보공사 지적측량팀장 4인을. RMSE (D)의 차이(A-D)는 –1.44㎡, 지적좌표와 측. 대상으로 자료조사 결과의 성과를 공개하지 않고 연. 량좌표면적의 RMSE (A)와 측량좌표와 3D영상 추출. 구대상지역의 지적도 전산파일(등사도)과 2D정사영. 좌표 면적의 RMSE (D)의 차이(A-E)는 0.32㎡로 나. 상을 랜디고(지적측량소프트웨어)에 불러와서 각 그. 타나서 정사영상기반의 지적경계추출 정확도는 2D영. 룹별로 지적도를 수평이동시켜 2D정사영상에 나타나. 상에서 1.44㎡, 3D영상에서 0.32㎡으로 정량화 할 수. 는 현형에 부합하게 조정하는 현형법 성과결정의 실. 있다. 다만, 이 결과를 일반화하기 위해서는 도해지역. 험을 진행하였다.. 의 더 많은 필지를 대상으로 대조군과 실험군으로 후 속 연구가 이루어져야 한다고 판단된다.. 이때 지형의 고저차를 확인해야 할 경우를 대비해 앞서 준비한 3D영상을 별도의 뷰어(Viewer)로 제공 하였다.. 4. 드론 사진측량기반 지적측량 성과결정 실험. 일반적으로 지적측량 시 현형은 선형으로 취득되며 그 선형을 지적선과 비교하고 이동하여 이동량을 결 정한다. 정사영상의 경우도 영상에서 지상경계점을. 드론 사진측량기반으로 지적측량 성과결정을 실험. 육안으로 판독하여 선형을 추출한 후 지적선과 비교. 하기 위해 연구대상지의 지적측량 자료조회를 통해. 하고 이동하여 이동량을 결정할 수 있지만, 정사영상. 2016년부터 2021년까지 총 21건의 필지별 지적측량. 에 현형정보가 포함되어 있고 선형추출 시 인력과 시. 성과 결정량을 조사하였다.. 간이 소요될 뿐만 아니라 작업자의 자의적 판단에 의 Journal of Cadastre & Land InformatiX Vol.51 No.1 (2021). 91.

(14) 임성하 ∙ 김호종 ∙ 이돈선. Table 7. Cadastral surveying results (unit: m) numsurvey date. item. parcel surveyor results number park. E=-2.30 N=+0.50. 993. kim. E=-1.21 N=+0.76. 757-2 755-1. park. E=-1.40 N=+0.60. 993. kim. E=-1.21 N=+0.80. 760-2. kim. E=-1.71 N=+0.26. 1. 2016.11.4 boundary 1049-1. 2. reconnaiss 2016.3.10. ance. 3. 2016.3.21.. 4. reconnaiss 2016.6.15. ance. 5. 2016.6.17. boundary. division. 6. 2016.9.29. boundary. 987-2. park. E=-1.20 N=+0.80. 7. 2017.2.28. boundary. 768. park. E=0.00 N=0.00. 8. 2017.3.7. boundary. 746-1. oh. E=-1.72 N=+1.00. 9. 2017.3.7. boundary. 746-1. oh. E=-1.72 N=+1.00. 10 2017.4.27. boundary. 987-2. song. E=-1.21 N=+0.79. 11 2017.4.28. boundary. 988-1. oh. E=-2.10 N=+0.00. 2017.6.14 boundary 1054-1. oh. E=-1.70 N=+0.30. 746-1. oh. E=-1.72 N=+1.00. 14 2018.11.28. boundary 1073-5. lee. E=-2.10 N=0.00. 12. 13 2017.8.10.. division. 15 2018.4.19. boundary. 747-1. oh. E=-1.72 N=+1.00. 16 2019.11.1. boundary. 745-3. no. E=-1.60 N=0.00. 17 2019.12.16. boundary. 992. oh. E=-1.20 N=+0.80. 18 2019.12.19 boundary. 763-1. jeong. E=-1.70 N=+0.30. 19. 2019.3.7.. boundary. 742-7. oh. E=0.00 N=0.00. 20. 2019.6.5.. boundary. 992. oh. E=-1.20 N=+0.80. oh. E=-1.20 N=+0.80. reconnaiss 21 2019.9.11. ance. 992. MEAN. 92. 「지적과 국토정보」 제51권 제1호. 2021. E=-1.42 N=+0.46. 해 추출되는 선형의 경우 영상에서 판독되는 지상경 계점이 명확하지 않을 경우 오차를 내포할 가능성이 있기 때문에 본 연구에서는 정사영상에서 추출한 현 형의 선형정보를 이용하지 않고 정사영상만 이용하여 실험을 진행하였다. Table 8은 측량팀장별 정사영상 기반의 측량성과 결정량을 나타내고 있다. 자료조사 결과와 정사영상기반의 성과결정 결과의 차이를 보면 E방향으로 최대 0.8m, 최소 0m, N방향으 로 최대 0.6m, 최소 0m의 차이를 보였으며, 전체 RMSE는 E방향으로 0.346m, N방향으로 0.297m를 나 타내고 있다. 이러한 실험결과로 미루어 볼 때 도해지 역에서의 정사영상기반의 성과결정 시 약 30cm 내외 의 정확도로 현지측량을 실시하지 않고도 성과결정이 이루어질 수 있다고 판단할 수 있다. 또한, 기존 자료 조사 결과를 참고하여 정사영상이 성과결정에 활용된 다면 좀 더 정확한 성과결정이 이루어 질수 있을 것이 라고 판단되며, 좀 더 일반화된 통계를 얻기 위해 다양 한 필지와 많은 측량팀장 수를 확보하여 건물, 논·밭 밀집지역 등 다양한 지역에서의 실험이 요구된다.. 5. 결론 본 연구는 지적측량 단계 중 가장 중요하지만, 객관 적이지 못하고 주관에 의해 측량자의 오판이나 실수 가 발생할 수 있는 개연성이 큰 지적측량 성과결정 단 계에서 정사영상 자료를 기반의 지적측량성과 결정 적용성을 평가하기 위해 수행하였다. 그 결과 다음과 같은 결론을 얻을 수 있었다. 첫째, 지상측량과 정사영상에서의 일필지 지적경계 추출의 정확도를 평가하기 위해 지적좌표와 측량좌표 면적의 RMSE (A)와 측량좌표와 2D영상 추출좌표 면 적의 RMSE (D)의 차이(A-D)는 –1.44㎡, 지적좌표 와 측량좌표면적의 RMSE (A)와 측량좌표와 3D영상 추출좌표 면적의 RMSE (D)의 차이(A-E)는 0.32㎡로 나타나서 정사영상기반의 지적경계추출 정확도는 2D.

(15) 드론항공사진측량을 활용한 지적측량 성과결정에 관한 연구. Table 8. The result of cadastral surveying using 2D image surve grou yor p. kim1. kang. lee. kim2. survey results(A). using drone difference(A-B) image result(B). 과결정 실험을 실시한 결과 E방향으로 최대 0.8m, 최 소 0m, N방향으로 최대 0.6m, 최소 0m의 차이를 보였 으며, 전체 RMSE는 E방향으로 0.346m, N방향으로. N(m). 0.297m를 나타내고 있다. 이러한 실험결과로 미루어. A. -1.6. 0. -1.5. -0.4. -0.1. 0.4. 볼 때 도해지역에서의 정사영상기반의 성과결정 시. B. -1.7. 1. -1.9. 0.8. 0.2. 0.2. C. -1.7. 0.3. -1.8. 0. 0.1. 0.3. D. -1.4. 0.6. -1.6. 0.6. 0.2. 0. E. -2.1. 0. -1.8. 0.2. -0.3. -0.2. 측량과 더불어 정사영상이 활용된다면 지적측량 성과. F. -2.3. 0.5. -2.1. 0.5. -0.2. 0. 결정 과정을 더 객관화하여 개인오차를 줄일 수 있다. G. -1.2. 0.8. -1.8. 0.2. 0.6. 0.6. A. -1.6. 0. -1.1. 0.2. -0.5. -0.2. B. -1.7. 1. -1.9. 0.5. 0.2. 0.5. 다만, 본 연구에서 도출된 결론을 좀 더 일반화하기. △E(m) △N(m) △E(m) △N(m) E(m). 약 30cm내외의 정확도로 현지측량을 실시하지 않고 도 성과결정이 이루어질 수 있으며, 자료조사 및 지상. 고 판단된다.. C. -1.7. 0.3. -1.6. -0.2. -0.1. 0.5. 위해서는 다양한 지목별로 더 많은 실험대상지와 측. D. -1.4. 0.6. -1.8. 0.3. 0.4. 0.3. E. -2.1. 0. -2.3. 0.3. 0.2. -0.3. 량팀장을 대상으로 충분한 실험을 통한 통계자료가. F. -2.3. 0.5. -2.3. 0.7. 0. -0.2. G. -1.2. 0.8. -1.4. 0.5. 0.2. 0.3. 축척되어야 한다고 판단된다.. A. -1.6. 0. -1.3. 0. -0.3. 0. B. -1.7. 1. -2. 1. 0.3. 0. C. -1.7. 0.3. -2.5. 0. 0.8. 0.3. References. D. -1.4. 0.6. -1.4. 0.8. 0. -0.2. 고문성. 2016, 현형법의 지적측량 적정성 분석. 서울시. E. -2.1. 0. -2.3. 0. 0.2. 0. F. -2.3. 0.5. -2. 0.5. -0.3. 0. G. -1.2. 0.8. -1.6. 0.7. 0.4. 0.1. Ko MS. 2016. Analyzing the Resection Method. 참고문헌. 립대학교 공간정보학과. 석사학위논문. A. -1.6. 0. -1.9. -0.5. 0.3. 0.5. Based Positioning Techniques for Cadastral. B. -1.7. 1. -2. 0.7. 0.3. 0.3. C. -1.7. 0.3. -2.3. 0.5. 0.6. -0.2. Survey in Korea. Thesis for Master degree.. D. -1.4. 0.6. -1.7. 0.4. 0.3. 0.2. E. -2.1. 0. -2.3. 0. 0.2. 0. Graduate Department of Spatial Information University of Seoul.. F. -2.3. 0.5. -2.6. 0.4. 0.3. 0.1. G. -1.2. 0.8. -1.8. 0.2. 0.6. 0.6. RMSE. 0.35. 0.30. Average. 0.16. 0.14. Spatial Information Management Act. [http://. Standard Deviation. 0.30. 0.26. www.law.go.kr]. Last accessed 12 January. 국가법령정보센터. 2021, 공간정보의 구축 및 관리 등에 관한 법률 시행령, 2021년 1월 12일 검색. The Korean Law Information Center, Enforcement. 2021. 영상에서 1.44㎡, 3D영상에서 0.32㎡으로 정량화 할. 류병찬. 2017, 지적사. 부연사.. 수 있었다.. Ru BC. 2017. Cadastral History. Buyeon Press.. 둘째, 드론 사진측량기반으로 지적측량 성과결정. 박원창. 2011, 지적측량의 정확도향상을 위한 성과결. 을 평가하기 위해 정사영상과 지적선만 활용해서 성. 정시스템구축. 명지대학교 대학원 토목환경공학. Journal of Cadastre & Land InformatiX Vol.51 No.1 (2021). 93.

(16) 임성하 ∙ 김호종 ∙ 이돈선. 과. 박사학위논문 Park WC. 2011. Implementation of Cadastral Results Determine System for Position Accu-. 임성하. 2020, 드론기반 도심지 디지털트윈 3차원 모 형 구축에 관한연구. 지적과국토정보 50(1): 163-180.. racy Improvement. Thesis for Doctoral degree.. Lim SH. 2020. A Study on 3D Model Building of. Graduate Department of civil & Environmental. Drone-Based Urban Digital Twin. Journal of. Engineering Myongji University.. Cadastre & Land InformatiX 50(1):168-180. 박치영. 2013. 고해상도 항공영상과 항공 LiDAR자료. 하정이. 2017, UAV를 활용한 지적확정측량 성과검사. 를 이용한 필지경계 설정 정확도 분석. 동아대학. 방법에 관한 연구. 인하대학교 공간정보학과. 석. 교 토목공학과. 박사학위논문.. 사학위 논문. Park CY. Accuracy Analysis of Parcel Demarcation. A study on validation of cadastral confirmation. Using High Resolution Aerial Images in Com-. survey by using UAV. Thesis for Master degree.. bination with Airborne LiDAR Data. Thesis for. Graduate Department of Spatial Information. Doctoral degree. Graduate Department of Civil. Inha University.. Engineering Dong-A University. 성상민. 2015. e경량 무인항공영상의 품질검증 및 필 지경계 설정 방안. 동아대학교 토목공학과 석사 학위논문. Sung Sm. Quality Verification and Utilization of. 한국국토정보공사. 2019, 측량업무시스템(랜디고) 사 용자 지침서 V1.0 Korea Land and Geospatial Informatix Corporation, 2019, Surveying Task System(LandGo) User’s Guide V1.0. Ultra-Light UAV Imagery in Parcel Boundary. DG Lowe. 1999. Object recognition from local. Delineation. Thesis for Master degree. Gra-. scale-invariant features. Proceedings of the. duate Department of Civil Engineering Dong-A. Seventh IEEE International Conference on. University.. Computer Vision. ISBN: 0-7695-0164-8. 유재민. 2017, 비측량용 드론과 지적경계점을 활용한. Noah Snavely. Steven M. Seitz. Richard Szeliski.. 정사영상 생성 및 정확도 분석. 충남대학교 대학. 2006. Photo tourism: exploring photo collec-. 원 토목공학과. 석사학위 논문.. tion in 3d. University of Washington.. Yoo JM. 2017. Ortho Image Generation and Accuracy Analysis Using Non-Surveying Drone and Land Boundary Points. Thesis for Master degree. Graduate Department of Civil Engineering Chungnam University.. 94. 「지적과 국토정보」 제51권 제1호. 2021. 2021년 5월 4일 원고접수(Received) 2021년 6월 7일 1차심사(1st Reviewed) 2021년 6월 21일 2차심사(2nd Reviewed) 2021년 6월 28일 게재확정(Accepted).

(17) 드론항공사진측량을 활용한 지적측량 성과결정에 관한 연구. 초 록 본 연구는 지적측량 단계 중 가장 중요하지만, 객관적이지 못하고 주관에 의해 측량자의 오판이나 실수가 발생할 수 있는 개연성이 큰 지적측량 성과결정 단계에서 드론사진측량을 기반으로 지적측량 성과 결정의 적용성을 평가하였다. 드론사진측량 결과물에서 경계점 추출의 정확도를 판단하기 위한 실험에서는 2D와 3D영상에서 추 출한 22개 필지의 자표면적과 지상측량 좌표면적을 비교하여 그 차이가 2D영상은 RMSE가 1.44㎡, 3D영상은 0.32㎡로 정량화할 수 있었다. 또한, 정사영상을 기반으로 지적측량 성과결정을 평가하기 위한 실험에서는 자료조사를 통한 기존 측량성과 결정량과 비교하여 RMSE가 N방향으로 0.346m, E방 향으로 0.296m로 나타났다. 이러한 실험결과로 미루어 볼 때 도해지역에서 정사영상기반의 성과 결 정시 약 0.3m 내외의 정확도로 현지 측량없이 성과결정이 이루질 수 있으며, 이는 자료조사 및 지상 측량과 더불어 정사영상이 활용된다면, 지적측량성과 결정 과정을 더 객관화하여 개인오차를 줄일 수 있다고 판단된다. 주요어 : 지적측량성과결정, 드론항공사진측량, 도해지적, 경계추출. Journal of Cadastre & Land InformatiX Vol.51 No.1 (2021). 95.

(18)