Validation on the Utilization of Small-scale Unmanned Aerial Systems(sUAS) for Topographic Volume Calculations

전체 글

(1)pISSN：2508-3384 eISSN：2508-3392 https://doi.org/10.22640/lxsiri.2017.47.1.111. Journal of Cadastre & Land InformatiX Vol.47 No.1 (2017) 한국국토정보공사 「지적과 국토정보」 제47권 제1호 2017년 6월 p. 111-126. 토공량 산정을 위한 소형무인항공시스템의 활용성 평가 Validation on the Utilization of Small-scale Unmanned Aerial Systems(sUAS) for Topographic Volume Calculations 이용창* Lee, Yong-Chang. Abstract Small-scale UAS(Fusion technique of Unmanned Aerial Vehicles platform and Sensors, 'sUAS') opens various new applications in construction fields and so becoming progressively common due to the considerable potentials in terms of accuracy, costs and abilities. The purpose of this study is that the investigation of the validation on the utilization of sUAS for earth stockpile volume calculations on sites. For this, generate 3D models(DSM) with sUAS aerial images on an cone shaped soil stockpile approximately 270m×300m×20m, which located at Baegot Life Park in Siheung-si, compared stockpile volume estimates produced by sUAS image analysis, against volume estimates obtained by GNSS Network-RTK ground surveying method which selected as the criteria of earth stockpile volume. The result through comparison and examination show(demonstrate) that there was under 2% difference between the volume calculated with the GNSS Network RTK data and the sUAV data, especially sUAS imaged-based volume estimate of a stockpile can be greatly simplified, done quickly, and very cost effective over conventional terrestrial survey methods. Therefore, with consideration of various plan to assess the height of vegetation, sUAS image-based application expected very useful both volume estimate and 3D geospatial information extraction in small and medium-sized sites. Keywords: UAS, Earth Stockpile Volume, Validation, GNSS Network-RTK. 1. 서론. 관련 산업의 활성화 정책 추진(MOLIT 2017) 등 UAV 응용은 국내 ‧ 외적으로 산업 전 분야에 확산되고 있는. 최근 5년 사이에 UAV 플랫폼 및 탑재센서 관련기술. 추세에 있다(Rao et al. 2016). UAV와 관련된 각종 센서,. 의 향상, 다양화, 소형화 및 성능대비 유연한 시장가격. GNSS 측위시스템 및 하드웨어의 기술향상과 소형화는. 형성 등으로 sUAS의 보급률은 점차 높아지고 있다. 국. 기존 위성영상과 항공영상이 가지고 있었던 시공간적. 내에서도 UAV 관련법 규제 완화(MOLEG 2016), UAV. 해상도의 제한을 상당부분 극복할 수 있게 되었다. UAV. * 인천대학교 도시과학대학 도시공학과 교수 Professor, Department of Urban Construction Engineering, College of Urban Sciences, Incheon National University([email protected]). Journal of Cadastre & Land InformatiX Vol.47 No.1 (2017). 111.

(2) 이용창. 기반 원격탐측자료는 기존 인공위성(50cm)과 유인 항. 으로부터 정사영상 및 DSM를 구성한 후, 산출한 토공. 공측량시스템(10cm∼1m)를 통해 획득한 영상의 해상. 량의 정확도를 GNSS-RTK 측량결과와 비교하였다.. 도 제한으로 식별 불가했던 자연환경 특성을 손쉽게 지. Draeyer and Strecha (2014)는 Pix4Dmapper 영상해. 도 화할 수 있을 정도로 매우 높은 해상도를 제공하고. 석 툴에 의한 토공량을 GNSS RTK 및 지상 LiDAR 측량. 있다.. View. 결과와 비교, UAV에 의한 토공량 산정의 정확성을 검토. Stereopsis, ‘MVS’)과 같은 컴퓨터 영상 해석기술의 발. 하였다. Brothelande et al.(2015)도 활화산 지역 내, 융. 전에 따라 다양한 촬영 각도에서 취득한 영상을 중복시. 기부의 체적을 산정하고 SRTM-DEM 자료를 활용한. 켜 3차원적으로 피사체의 형상을 재현할 수 있게 되었. 체적과 비교한 바 있다. Arango and Morales(2015)는. 다. 특히, 기존 위성 ‧ 항공사진측량 방식 대비 가격이. 공사현장의 토공량 산정에서 UAV와 Total station에. 월등히 저렴하고 운용 또한 쉬워서 요구자의 조건에 따. 의한 결과의 비교 연구를 수행한바 있다. 또한, Siebert. 라 매우 높은 시 ‧ 공간적 해상도의 자료를 반복적으로. and Teizer (2014)는 대형건설굴착공사현장 및 토류이. 제공할 수 있다. 소형무인항공시스템 (Small-scale. 동현장에서 UAV에 의한 토공량 산정의 적합성을 검토. Unmanned Aerial Systems, ‘sUAS’)를 활용한 응용은. 한 바 있다. UAV 플랫폼으로 부터 영상을 취득한 후, 실. 지형공간정보구축, 고고학, 환경감시, 식물생태분석,. 세계 좌표 기반 고밀도 측점군 자료의 획득 배경을 이해. 재난재해 감시 및 인명구조 등에서 그 효용성이 높아지. 하기 위해서는 영상 내 특징점 추출법(Scale Invariant. 고 있다. 다양한 국내 ‧ 외 사례 연구(Lee 2015; Mikrut. Feature Transform, ‘SIFT’), 영상 간 특징점 매칭법. 2016; Carrera- Hernandez 2016)로부터 소규모 지역. (Semi Global Matching, ‘SGM’), 항공삼각측량 번들조. 을 대상으로 수치표면모형(DSM),정사영상모자익. 정 및 SfM(Structure from Motion) 기술 등, 영상 해석. (Ortho mosaic), 측점군(Point clouds) 생성 등, sUAS. 이론 전반의 이해가 필요하다.. 또한,. 다중영상입체시 기술(Multi. 의 지도제작 활용 가능성이 입증된바 있다. 건설공사현 장의 토공량(건설자재 비축량) 산정, 각종 재난 ‧ 재해. 2. 연구목적 및 방법. 복구현장의 퇴적물량 산출에 일반적으로 사용되고 있 는 방법으로 지형(지물)의 변화 점을 측량하는 방법이. 본 연구는 건설 현장의 토량산출에 sUAS 영상을 SfM. 있다. 이 경우, 현장접근성을 전제로 보간법 및 기준 축. 기술로 해석하고 기준면 상의 토량을 산출한 후, 기존. 을 따라 종단면과 횡단면을 설정하여 산정하게 되는데. GNSS 측량방법으로 산출된 토량과 비교, sUAS에 의한. 작업시간, 지출경비에 비해 정확도가 상대적으로 낮게. 토류 물량산출의 활용성을 검토하는데 주안점을 둔다.. 된다. 또한, 레이저 및 위성측량기술의 발달로 GNSS 수. 이를 위해 전통적인 사진측량(Photogrammetry)기술. 신기 및 레이저 스캐너 기술이 보편화 되었지만, 측점중. 과 컴퓨터영상기술(Computer Vision, ‘CV’)을 조합한. 심의 관측, 높은 구입가격 등의 제약이 수반되고 있다.. 다중시점입체시(MVS) 영상해석, SGM 영상매칭 및. 그러나 ‘sUAS’는 단면 또는 지성선을 대상으로 하는 기. SfM Bundle 조정 기술 이론을 고찰하였다(Lowe. 존 측량방법 대신, 대상지의 sUAS 기반 영상해석을 통. 2004; Hirschmüller 2011; Collins 2007). 특히, 생활. 해 고 밀도 3차원 측점군 정보를 구축할 수 있어 토공현. 용 카메라를 탑재한 sUAS를 플랫폼으로 시험 대상지의. 장의 물량산출, 피해복구현장의 현황파악 등에 유용한. 영상을 취득하고 SfM기반 영상해석 툴 중, 3가지. 계측환경을 제공하고 있다. Cryderman et al. (2014)은. (PhotoScan, Pix4Dmapper 및 Context capture)를 선. 삼성 NX1000 카메라를 고정익 UAV에 탑재, 촬영 영상. 정하여 대상물의 3차원 공간정보(DSM, DEM 및 Point. 112. 「지적과 국토정보」 제47권 제1호. 2017.

(3) 토공량 산정을 위한 소형무인항공시스템의 활용성 평가. clouds)를 구성하고 임의 기준표고면 상의 토공물량을. 과정을 검토하였다. MVS는 단계별 세부 기술, 즉 SIFT,. 산출하였다(Pix4D 2017; Bently 2017; Agisoft 2017).. SGM, SfM, CMVS(Clustering Views for Multi-view. 기존 항공사진 영상해석에서는 내부 및 외부 표정요소. Stereo), PMVS(Patch-based Multi-view Stereo ), 항. 를 산출하는 과정에서 촬영된 본 영상보다 해상도를 낮. 공삼각측량(AT)기술 등의 조합조정이 수행되며 다양. 춘 영상에서 특징점을 추출 ‧ 정합한 후, 번들조정으로. 한 공개용 툴(Open CV) 및 상업용 툴이 출시되고 있다. 전체 영상 해석용 매개변수를 산출하는 방식을 적용해. (Bemis et al. 2014; Jančošek 2012; Wu 2014). 우선,. 왔다. 본 연구에서는 원본 영상의 전체 해상도를 사용하. 항공사진측량분야와 CV 분야의 차이점은 활용도와 정. 여 기본영상의 각 픽셀에 상응되는 인접영상의 픽셀 근. 확도 면에서 차별화되는데 항공사진측량분야의 경우,. 사치를 구한 후, SGM 매칭방법을 적용, 인접사진 간 영. 정밀한 지도 제작이 목적인 반면, CV분야는 대상 체의. 상정합을 수행한 후, 최소제곱조정 방식에 의한 SfM 조. 인지적 3차원 인식, 검출 등이다(Zhang and YAO. 합조정(Bundle adjustment)으로 부터 실세계 좌표계. 2008). 항공사진측량분야 중, 근거리사진촬영기술. 상의 고밀도 측점군(평균 점 간격 3cm)을 생성한다. 산. (Close range photogrammetry, 'CRP')은 지상사진측. 출된 측점군 자료를 활용하여 시험 대상지에 대한 정사. 량의 일종으로 피사체에 대한 평행촬영 외에도 다양한. 영상, 수치표면모형, 및 측점군 정보를 생성한다. 또한,. 수렴촬영이 수행된다. CV는 CRP와 같이 촬영기선방향. 영상해석 툴에 탑재된 체적산정 옵션을 활용하거나 이. 과 대상체의 공액선 방향이 다양한 경사각으로 구성되. 들 정보를 체적산정이 가능한 4가지 상업용 툴. 며 투영방정식과 공액구속조건으로 구성된 입체영상. (ArcMap, Global Mapper, Surfer, TBC)에 적용하여 기. 해석방정식이 동차좌표계로 구성된 선형화된 행렬식. 준단면 상의 토공물량을 산정한다(ESRI 2017; Blue. 이란 점과 해석과정에서 촬영점의 좌표와 자세 및 렌즈. Marble Geographics 2017; Golden software 2017;. 검정요소의 초기값 입력을 전제로 하지 않는 특징이 있. Trimble 2017). 특히, sUAS를 활용한 토공량 산정의 정. 다. CV에서는 비측정용 카메라를 사용하여 촬영점과. 량적 정확성을 검토하기 위해 기존의 지상측량 방법 중,. 렌즈 ‧ 카메라 내부표정요소에 대한 정보 없이도 카메. GNSS Network-RTK (‘VRS’) 측량을 고밀도로 수행. 라 좌표계 공간 안에서 대상물의 3차원 모델링을 할 수. 하고 산출된 기준면상의 토공물량을 기준으로 비교하. 있으므로 전통적인 사진측량기술과 병행하여 영상을. 여 sUAS에 의한 토공물량 산정의 활용성을 종합적으로. 해석할 경우 정확성, 효율성 및 경제성 면의 효율화가. 검토한다. 본 검토 결과는 건설 공사 현장은 물론, 대규. 기대된다. 본 연구에서는 Figure 1의 카메라 영상좌표. 모 건설자재의 비축량 파악, 재난복구현장의 토류물량. 로 부터 실세계좌표 기반의 3D 재현에 이르는 영상해석. 산정 등에 sUAV의 활용성을 평가할 수 있을 것이다.. 공정 중, 핵심부분인 SfM 해석이론을 입체영상의 투영 방정식과 공액구속조건(Epipolar geometry constraint). 3. sUAS 기반 영상해석이론. 에 기초하여 고찰하였다(Collins 2007). SfM 기술은 Figure 1과 같이 피사체(Structure)의 동적 다중촬영. 전통적인 사진측량(Photogrammetry) 및 CV 분야의. (Motion) 영상과 영상 내 Exif 정보를 활용하며 렌즈검. 영상해석이론에 근거한 sUAS 다중시점입체시(MVS). 정, 주점 및 초점거리 보정은 선택사항이다. 이들 영상. 영상해석 기술을 고찰하였다. 특히, 영상 내 특징점 추. 으로부터 원본 영상의 지상해상도(Ground Solution. 출, 영상 간 특정점 매칭, SfM 번들조정 및 항공삼각측량. Distance, GSD)에 상응하는 실세계 좌표기반의 고 해. (Aerial Triangulation, ‘AT’) 기술에 의한 영상의 표정. 상 MVS 영상을 제작하기위해서는 촬영점의 위치와 촬 Journal of Cadastre & Land InformatiX Vol.47 No.1 (2017). 113.

(4) 이용창. Figure 1. Structure-from-Motion (SfM). Figure 3. Epipolar Geometry Constraint. 영자세 및 방향을 결정하고 지상기준점(GCP)정보와 연계한 전방 교선법으로부터 피사체를 재현해야 한다. Figure 2는 SfM의 영상해석 공정 단계별 흐름도이다 (Westoby 2012). SfM의 1단계는 영상 내 특징점(표정점)을 추출 (SIFT; Lowe 2004), 2단계는 영상 간 특징점의 매칭 (RANSAC, 비용분석 및 SGM; Hirschmüller 2011), 3 단계는 공액구속조건을 적용하여 특징점에 대한 카메 라좌표 및 자세, 카메라 영상좌표 및 픽셀좌표 간 기하 학적 관계를 Essenial 행렬('E') 또는 Fundamental 행 렬('F')의 조합조정으로부터 규명한다. 이로 부터 카메 라 좌표중심의 촬영점 위치와 자세, 피사체의 저밀도 측 점군을 재현한다. 특히, 카메라 내부표정요소가 미지값 인 경우라도 SfM 해석과정에서 SHIT로 검출한 특징점 과 카메라 위치간의 공액구속조건으로 부터 F 행렬요 소를 산출한 후, 모든 영상의 각 픽셀에 적용하여 카메 라좌표중심의 고밀도 다중시점입체시 및 DSM를 구현 할 수 있다. 내부표정요소는 F 행렬을 기반으로 산출이 가능하며 좀 더 높은 정확도의 촬영점 및 카메라 회전요 소 등을 기반으로 항공삼각측량의 단일조합처리로부 터 실세계 좌표기반 피사체의 고밀도 3차원 측점군과 형상을 재현하게 된다. SfM의 최종단계는 피사체의 상 호표정결과를 실세계좌표 기반(Georectification )으 Figure 2. Structure-from-Motion workflow (From photograph to point clouds). 114. 「지적과 국토정보」 제47권 제1호. 2017. 로 변환하는 절대표정단계로 촬영카메라의 정밀 위치 와 회전요소를 활용한 직접법과 지상기준점(GCP)를.

(5) 토공량 산정을 위한 소형무인항공시스템의 활용성 평가. 추가한 병행법이 활용될 수 있다. Figure 3은 SfM기법. 8점의 공액점이 필요했으나 현재는 카메라검정과 무관. 에서 피사체에 대한 2차원 영상에서 촬영카메라의 위. 하게 4점만으로도 해석이 가능하다(Achour and. 치와 자세 및 이동 성분을 규명하여 3차원 정보를 재현. Benkhelif 2001). K가 미지인 경우라도 F 행렬을 해석. 할 수 있는 공액구속조건을 나타낸다. 공액구속조건은. 하여 상호표정요소(t, R)를 결정할 수 있다(Luong and. “두 카메라의 광점, 제점 P의 좌 ‧ 우측 영상점(P0 및. Faugeras 1996). F 행렬과 E행렬간의 간계를 식을 유도. P1)과 두 영상점의 공액선이 모두 동일면(공액면,. 하면 다음과 같다. 앞서,      이므로. epipolar plane)에 존재한다”는 기하학적 구속이다. 즉,.       이다..      는 공액면 상에 있으므로 벡터    ∙    ×      이다. 여기서, P0, P1를. 점(Point) 대신 각각 카메라좌표계 기반의 3차원 방향 벡터(Vector)로 간주하여 정의하면 식 (1)과 같다. 따라 서, 두 카메라간의 전이행렬(t) 및 카메라의 회전행렬 (R)를. 도입하고. 정리하면,. 공액구속조건은.  ∙  ×      이 된다.     .     .            로 놓고 위 식에 대입 하고 정리하면            이 된다. 따라서,      이므로         로 정의된다. 여. 기서,      의 행렬식에 매개변수를 적용하고 재구성하면 다음과 같다.                      . (3). (1).    를 t의 교대(skew-symmetric, 3×3)행렬이라.    ,여기서,      ⋯   로 놓고 정리하면 식 (4)와 같다.  . 면,         이 된다. 또한,      로 하 면, E는 3×3 행렬이 된다. 따라서, 식(2)와 같이 정의되 며 E행렬 요소[t, R]를 고려하면 임의 카메라 내 특징점. .                 (4) ⋮  . 과 다른 카메라의 상응점 간 관계로 부터 상대 움직임을 F 행렬의 해석에는 앞서 E행렬을 해석할 때 적용한. 재현할 수 있다.. 최소제곱조정법과 특이값 분해(SVD)법을 활용하여 유                    (2)       . 일 해(Eigen value)를 구하는데 이 경우, 공액점 좌표는. E 행렬은 카메라의 내부표정요소(K)가 기지인 상태. 하여 특징점에 대한 공액선을 구성, 임의 특징점의 영상. 에서 8점에 대한 선형방정식의 최소제곱조정 및 특이. 간 공액선의 상관관계로 부터 카메라의 상대 움직임을. 값 분해(Singular Value Decomposition, ‘SVD’)을 통. 재현하면서 전이 및 회전 행렬요소(t, R)를 산출하여 E. 해 해석된다(Longuet-Higgins 1981). 즉, 피사체의 P. 행렬을 결정하고       의 관계식으로 부터 내. 점에 대한 P0, P1은 정규화된(표준화된, 렌즈검정이 수. 부표정요소(K)를 구할 수도 있다.. 행된 상태)영상좌표로서 렌즈 검정 전의 영상좌표(u) 와의 관계는   . .  를 만족한다. 초기에는 최소. 렌즈검정이 수행되지 않았기 때문에 정규화된 좌표값 이 아니고 픽셀좌표값이다. 또한, F 행렬요소만을 활용. 토공량 산정은 4가지 상업용 툴(ArcMap, Global Mapper, Surfer, TBC)에 내장된 기본 공식(사다리꼴 Journal of Cadastre & Land InformatiX Vol.47 No.1 (2017). 115.

(6) 이용창. 공식(Trapezoidal Rule), 심프슨 제1법칙(Simpson's Rule), 심프슨 제2법칙(Simpson's 3/8 Rule), 양단면평 균법(Average end areas), 및“지상분해능(GSD)2 × (Delaunay 삼각형 중심 높이 - 기준면 높이)”, 내장 COGO 함수)을 적용하여 산출하였다(The Sydney Institute 2017a; 2017b).. 4. 지상기준점 측량 및 sUAS 기반 영상촬영 해석 시험대상지는 시흥시 소재 배곧(올곧은 배움터)생명. Figure 5. Distribution of 20 GCPs by VRS Surveying points by VRS Surveying. 공원 내 배곧마루 성토지역(가로 270m×세로 300m)으 로 선정하고 2015년 12월 19일부터 약 5일간 Figure 4 과 같이 평균 약 6㎡당 1점의 밀도로 VRS 측량(Trimble R8수신기 및 TSC3 컨트롤러 2set, epoch 10초, 5시간/ 일평균)을 수행하여 총 2145점의 3차원 지형정보를 취 득하였다. 또한 sUAS 영상의 실세계좌표변환을 위한 지상기준점 20점을 Figure 5와 같이 설정하였고 검사 점 30점을 추가 ‧ 활용하여 3가지 영상해석 툴에 의한 3차원 영상 결과물의 위치정확도를 검토하였다. 대상 지에 대한 항공촬영은 DJI 사의 팬톰3 Professional 플 랫폼에 FC300X (35mm 등가초점거리 20mm, FOV Figure 6. Top view of the initial image position. Figure 4. Distribution of 2145 measurement. 116. 「지적과 국토정보」 제47권 제1호. 2017. Figure 7. Number of overlapping images computed for each pixel of the orthomosaics.

(7) 토공량 산정을 위한 소형무인항공시스템의 활용성 평가. Table 1. Internal camera parameters Focal Length. Principal point x. Principal point y. R1. R2. R3. T1. T2. Initial Values. 2249.023(pixel) 3.552(mm). 1876.805(pixel) 2.964(mm). 1421.314(pixel) 2.245(mm). -0.014. 0.013. -0.000. 0.001. 0.000. Optimized Values. 2336.967(pixel) 3.691(mm). 2038.284(pixel) 3.219(mm). 1522.089(pixel) 2.404(mm). -0.012. 0.011. 0.004. 0.000. -0.000. Figure 8. Orthomosaics and the corresponding sparse Digital Surface Model. 94°, 픽셀수 4000x3000, RGB)카메라를 탑재하고. 정사영상모자익의 기본좌표는 우리나라 중부지도투. Figure 6과같이 Pix4Dcapture 앱을 활용하여 촬영고. 영좌표계(Korea 2000/Central Belt 2010, EPSG 5186. 도 80m, 종 ‧ 횡 중복 80%로 계획된 촬영경로를 2개 세. 지도좌표 및 평균 지오이드 값(+22. 771m))에 기준하. 션(세션1=110장, 실선 8개 경로, 세션2=155장, 9개 경. 였고 정사영상, 고밀도 측점군 자료 및 DSM을 구성, 토. 로), 순수촬영시간, 세션1=4분 54초, 세션2=6분 32초). 공량 산정을 위한 기초자료로 활용하였다. Figure 8에. 으로 비행하여 항공사진 총 265장을 취득하였다.. 서 배곧 생명공원의 표고분포는 주변도로 6.7m(녹색. Table 1은 카메라 렌즈의 최적화 전 ‧ 후의 왜곡보정계 수이다. R은 방사방향 렌즈왜곡, T는 접선방향 렌즈왜곡. 부)에서 배곧마루 정상부 26.3m(적색부)의 분포로 나 타났다.. 보정계수이다. 1개 픽셀 당 중복영상 수는 Figure 7과 같이 5장 이상으로 촬영되었다. 영상해석은 SfM기법을 적용한. 5. 토공량 비교분석. Pix4Dmapper professional 소프트웨어를 활용하였고 각 영상의 촬영정보(Exif) 및 카메라 Table 2의 렌즈왜곡보정. sUAS 영상해석에 의한 토공량의 정확도 검토를 위해. 계수를 활용한 SfM 번들조정과 항공삼각측량을 수행하여. 지상측량에 의한 토공량과 비교 고찰하였다. 토공량 산. Figure 8과 같은 정사영상(좌측, GSD=3.4cm, GCP의 영. 정 시, 배곧마루 주변의 인공구조물(관리사무소 건물,. 상에 대한 Georeferencing 오차=7.4cm) 및 수치표면모형. 연육교 등)을 제외하기 위해 기준높이를 15.0m로 설정. (우측, DSM)을 모델링할 수 있었다.. 하였다. VRS 지상측량자료는 사면 식생의 높이와 관계 Journal of Cadastre & Land InformatiX Vol.47 No.1 (2017). 117.

(8) 이용창. Volume tools. Topographic figure. Part of extracted volume. Surfer. Global Mapper. ArcMap. TBC. Figure 9. Mass calculation processing by four kinds of volume calculation tools. 118. 「지적과 국토정보」 제47권 제1호. 2017.

(9) 토공량 산정을 위한 소형무인항공시스템의 활용성 평가. 없이 지표면만의 3차원 정보이므로 기준표고 상부의. 른 3가지 툴에 비해 큰 편차로 나타나 체적산정공식에. 순수 절토량을 산출하였다.. 따른 절토량의 변화를 확인 할 수 있었다.. 5.1. GNSS Network-RTK 측점군을 활용한 토공량. Table 2. Cutting volumes by four kinds of volume calculate tools based on 2145 VRS surveying points. Table 2는 GNSS Network-RTK('VRS') 지상측량으 로부터 결정된 2145개 측점을 보간 모델링하여 DEM를. Volume calculation tools Surfer. Trapezoidal Rule. 97,107.647. Global Mapper. Trapezoidal Rule Simpson's Rule Simpson's 3/8 Rule. 96,766.357 96,765.898 96,766.796. ArcMap. Average end areas. 87,851.041. TBC. TBC's COGO function 96,659.000. 구성한 후, 기준높이 15m 상부의 절토량을 4가지 상업 용 툴에 내장된 체적산정공식(Trapezoidal Rule, Simpson's Rule, Simpson's 3/8 Rule, Average end areas 및 COGO 함수)에 적용하여 산출한 절토량이다. Figure 9는 체적 계산에 활용한 4가지 상업용 툴, 각 경. Cutting volumes (㎥). 우의 지형모델링 결과(좌측 그림) 및 기준면 상의 체적 산정 부분(우측 그림)을 추출하여 나타낸 것이다.. 5.2. sUAS 영상기반 측점군 자료를 활용한 토공량. Table 2와 같이 Surfer, Global Mapper 및 TBC 툴 간의 체적량은 비교적 작은 편차를 나타낸 반면, 양단면평균. 실험 대상지의 sUAS 촬영(2개 세션)으로 부터 획득. 법(Average end areas)을 적용한 ArcMap의 결과는 다. 한 항공사진 265장(세션1 = 110장, 세션2 = 155장)을. Figure 10. Mass calculation processing by Pix4Dmapper Journal of Cadastre & Land InformatiX Vol.47 No.1 (2017). 119.

(10) 이용창. SfM기반의 3가지 영상해석 툴( Pix4Dmapper,. 우에 비해 영상 매수의 증가에 따른 측위 정확도의 향상. Context capture 및 Photoscan)에 적용하고 DSM 및. 을 확인할 수 있었다. 특히, 두 세션에 의한 절토부 토공. 측점군 자료를 구성하여 절토량 산정에 활용하였다.. 량은 98,515.679㎥로 1세션만의 토공량에 비해 4581.28㎥ 적게 산출되었다.. 5.2.1. Pix4Dmapper에 의한 영상 해석 세션1 영상(110장)만을 Pix4dmapper로 해석하여 3D 모델(DSM), 정사영상 및 측점군 자료를 생성한 후,. 5.2.2. Context Capture와 Accute 3D viewer에 의한 영상 해석. ArcMap 상에 각 레이어를 불러 중첩한 상태에서 검사. 두 세션 265장을 Context capture 로 해석하고 3D 모. 점의 3차원 좌표성과를 검토하였다. 우리나라 중부 지. 델(DSM) 및 정사영상을 생성한 후, 검사점의 3차원 좌표. 도좌표계의 N, E 좌표 및 WGS84 타원체고(H84)의 성. 성과를 비교 ‧ 검토하였다. N, E, 및 H84 좌표 성분 편차. 분별 ‘편차의 절대평균’은 각각 0.052m, 0.063m 및. 의 절대평균은 각각 0.043m, 0.062m 및 0.099m로서 수. 0.056m로서 수평에서 8.2cm, 높이에서 약 6cm의 편차. 평에서 7.5cm, 높이에서 약 10cm의 편차를 나타내었다.. 를 나타내었다. Figure 10은 Pix4dmapper 영상해석. Figure 11은 Context capture 영상해석결과를. 툴에 내장된 공식(∑GSD2 × (Delaunay 삼각형 중심높. Accute 3D viewer에서 불러온 후, 15m 기준높이의 측. 이 - 기준높이)을 활용한 체적산정 과정을 나타낸 것이. 점을 영상에 다수 선점하고 디지타이징으로 각 점을 연. 다. 기준높이 15m 이상의 절토부 토공량은 103,096.96. 결하여 15m 기준면을 생성 한 후, 체적을 산정한 과정이. ㎥로. 영상만을. 다. Context capture에 의한 체적은 106,573.09㎥ 로 산. Pix4dmapper로 해석하고 기준높이 이상의 절토량을. 출되어 Pix4Dmapper에 의한 토공량 과는 약 3,000㎥. 산정한 결과는 VRS Network-RTK 측량성과를. 편차량을 보였다. Figure 12는 Context capture에서. Surfer(Trapezoidal. 절토량. 생성한 측점군 자료(.las)를 Global Mapper에서 불러. (97,107.647㎥) 대비 6.17% (5989.313㎥)의 토공량 편. 3D 모델링 하고 Surfer에서 기준면(15.0m)상의 토량. 차를 나타내었다. 또한, 세션1 및 세션2, 두 세션의 전체. 을 산출한 과정의 한부분이다. 절토량은 98461.092㎥. 영상(265장)을 Pix4dmapper로 해석한 경우는 검사점. 로 지상관측자료의 Surfer해석 결과(97,107.647㎥)대. 의 지도좌표편차의 절대평균값이 N, E, 및 H84에서 각. 비 1353.445㎥의 편차(1.39%)를 보여 실무적으로 양호. 각 0.046m, 0.045m 및 0.033m로 1세션만을 해석한 경. 한 결과를 나타내었다.. 산출되었다.. 따라서,. Rule)로. 세션. 1. 해석한. Figure 11. Mass calculation processing by Context capture and Accute 3D viewer. 120. 「지적과 국토정보」 제47권 제1호. 2017.

(11) 토공량 산정을 위한 소형무인항공시스템의 활용성 평가. Figure 12. Mass calculation processing by Surfer with Context capture’s results. Figure 13. Mass calculation processing by Surfer with Photoscan’s results. 5.2.3. Photoscan에 의한 영상 해석. Photoscan에 의한 DEM를 Global Mapper 툴에서. 두 개 세션을 통해 취득한 265장의 영상을. Surfer 툴 용 grid 파일로 출력하고 Surfer의 체적산정. Photoscan을 활용하여 해석하고 검사점의 3차원 좌표. 기능을 활용하여 기준면(15.0m)에 대한 상부의 토공량. 성과를 검토하였다. 편차의 절대평균은 N, E, H84는 각. 을 산정한 결과(98917.511㎥)대비 토공량의 편차는. 각 0.109m, 0.057m 및 0.034m로서 수평에서 12.3cm,. 38.848㎥로 매우 근사하게 산출되었다. 특히, 지상관측. 높이에서 3.4cm의 편차를 나타내었다. Figure 13의 좌. 자료를 Surfer로 처리한 결과(97,107.647㎥)대비. 측 그림은 Agisoft 사의 Photoscan profession 툴을 활. 1771.016㎥의 편차, Context capture(98461.092㎥)대. 용하여 산출한 수치표고모형(DEM)를 Global Mapper. 비 417.571㎥의 편차로서 지상측량자료를 Surfer로 해. 에서 Surfer의 기본 파일인 grid 파일로 변환한 후, 변환. 석한 토공량을 기준으로 1.82%의 편차를 보였다.. 파일을 기본으로 Surfer에서 Z함수를 활용하여 기준면 (15.0m)의 grid를 구성한 다음, 두 grid 파일을 병합한 것이다. 우측은 Global Mapper에서 3D 모델과 15m 기. 5.3. 지상측량과 sUAS 영상기반 간 토공량 편차 분석. 준면 grid 레이어를 ‘지형 레이어 결합’으로 차감하여 15m 이상의 지형 부분만을 추출한 후, Surfer용 grid를. 5.1절 및 5.2절의 해석 결과를 토대로 토공량 산정을. 구성한 후, Surfer에서 불러들여 체적을 산출하는 과정. 위한 측량방법, 토공량 산출 방법별 토공량 및 영상해석. 을 나타낸 것이다. 산정된 체적은 98878.663㎥로서. 방법별 검사점의 3차원 정확도을 비교 ‧ 고찰하였다. 토. Journal of Cadastre & Land InformatiX Vol.47 No.1 (2017). 121.

(12) 이용창. 공량 산정을 위한 측량 방법 면에서 VRS 지상측량자료. Pix4Dmapper의 경우, 1차 세션에서 취득한 영상,. 를 활용하는 방법과 sUAS에 의한 방법을 비교 검토하면. 110매 만을 활용하여 해석한 관계로 체적산정과정에서. 2145 지상측점의 측량에 2 셋트의 VRS측량기로 약 5일. Figure 10에서와 같이 공원 관리사무소와 뒤편 소나무. (5시간/일평균작업시간)이 소요된 반면, sUAS의 경우. 군락이 일부 15m 범위에 포함될 수 있으므로 체적 산정. 는 비행 중 순수촬영시간(세션 1：4분 54초, 세션2：6. 의 기본 영역에서 제외하였지만, 다른 영상해석법과는. 분 32초) 및 GCP 및 검사점용 VRS 기준점 50점 측량에. 다르게 영상매수가 부족한 관계로 토공량이 과대하게. 약 1.4시간 소요되어 외업 면에서는 sUAS에 의한 방법. 산정된 것으로 분석되었다. 따라서, 2차 세션의 이중격. 이 월등이 효율적이었다. 특히, 비행체에 RTK 및 IMU. 자비행으로 취득한 265매 영상을 해석한 경우는 토공. 센서를 장착할 경우 sUAS 측량용 GCP 측량이 불필요하. 량 편차가 1.4%로 향상됨을 확인하였다. 대체로 영상해. 게 되어 추가 장비 구입에 비용부담은 있지만, 외업의 효. 석에 의한 토공량은 지상측량결과에 비해 평균 약 1500. 율성이 더욱 높아질 것으로 판단된다. Table 3은 VRS 측. ∼2000㎥정도 과대하게 산정되었는데 이는 12월 중, 공. 량 자료를 활용한 토공량 산정 공식별 토공량과 sUAS. 원에 산재한 건조 잡풀의 다양한 피복높이(10cm∼. 영상기반의 3가지 영상 해석 툴에 의한 토공량 절대값을. 40cm)와 산재한 피복부에 기인된 것으로 사료된다. 피. 종합적으로 비교한 내용이다. VRS 지상측량 기반의 토. 복높이는 남 ‧ 북 쪽 사면이 평균 15cm인 반면, 동 ‧ 서. 공량(97,107.647㎥) 대비, ArcMap 및 Pix4Dmapper(1. 쪽은 5cm였다. 공원의 형상이 4방향 대칭인 점을 감안,. 세션 = 110장, 2세션 = 265장 해석 경우)에 의한 토공량. 평균 피복 두께를 5cm 또는 10cm로 가정할 경우, 15m. 편차는 각각 9256.606㎥ 및 (5989.313㎥, 1408.032㎥). 기준 절토부의 표면적(25620.16㎡)상에 평균 식생피. 의 편차를 보여 VRS측량 기준, 9.53% 및 (6.17%, 1.4%). 복높이가 토량계산에 주는 영향은 각각 1281.008㎥ 또. 의 토공 편차량을 보였다. 다른 방법들은 1∼2% 편차 범. 는 2562.016㎥로 산정되어 지상측량과 영상해석 방법. 위로 유사한 결과를 나타내었다.. 간의 편차 원인을 입증해 주고 있다.. Table 3. Comparison of cutting volumes between volume calculation methods cutting volumes(㎥). Volume calculation tools. Surfer Ground based analysis. Global Mapper ArcMap TBC. UAS imagery based analysis. 122. Pix4D mapper. Trapezoidal Rule. 97,107.647. Simpson's Rule. 96,860.751. Simpson's 3/8 Rule. 96,991.768. Trapezoidal Rule. 96,766.357. Simpson's Rule. 96,765.898. Simpson's 3/8 Rule. 96,766.796. Average end areas. 87,851.041. 고유방법. 96,659.000. 110 images. ∑GSD2×(the altitude of cell at the center of Delaunay triangle - the base altitude of cell). 103,096.960. 265 images. Trapezoidal Rule. 98,515.679. Context capture. Trapezoidal Rule. 98,461.092. PhotoScan. Trapezoidal Rule. 98,917.511. 「지적과 국토정보」 제47권 제1호. 2017.

(13) 토공량 산정을 위한 소형무인항공시스템의 활용성 평가. Table 4. Accuracy of coordinates of checking points compared between image analysis tools Reference value：VRS surveying results UAS imagery based analysis. ΔN(m). ΔE(m). ΔH84(m). 110 images. 0.052. 0.063. 0.056. 265 images. 0.046. 0.046. 0.033. Context Capture. 0.043. 0.062. 0.099. Photoscan. 0.109. 0.057. 0.034. Pix4D mapper. Table 4는 3가지 영상해석 툴로부터 산출된 정사영. 향상방안 2. 국가나 지자체에서 구축한 산림지리정. 상, DSM 및 DEM의 정확도를 30개의 검사점을 활용하. 보시스템(FGIS), 국립산림과학원 및 국립수목원 등이. 여 VRS 측량성과를 활용한 지도좌표와 WGS84 타원체. 구축한 산림자원정보화자료로부터 식생 높이를 추출. 고를 기준으로 좌표성분 별, 편차의 절대 평균값을 나타. 하여 보정(최신의 갱신 자료 활용).. 낸 것이다. 영상해석 툴에 의한 수평성분 정확도는. 향상방안 3. sUAS 영상 촬영 시, LiDAR 장비를 병행. Pix4Dmapper, Context capture 및 Photoscan에서 각. 활용하여 레이더 반송파의 반사 순서 차이로 부터 평균. 각 8.2cm (265 매인 경우, 6.5cm), 7.5cm 및 12.3cm로. 식생 높이를 산정하여 보정(sUAS에 장착 가능한. Pix4Dmapper, Context capture는 유사한 반면. LiDAR 장비 구입 등 경제성 검토 요망).. Photoscan의 경우는 상대적으로 큰 편차를 보였다. 또. 향상방안 4. 영상기반 DSM과 해당지역의 기존 수치. 한, 높이 성분의 경우는 6cm(265 매인 경우, 3.3cm),. 지형정보(DEM 또는 DTM)를 활용하여 보정(기존 지. 10cm 및 3.4cm로서 Pix4Dmapper와 Photoscan이 양. 형의 변동 확인이 필요).. 호한 결과로 분석되었다.. 향상방안 5. 영상기반 DSM에서 영상해석 도구를 활 용하여 일정 표고차 이상의 식생피복지역을 옵션에 설. 5.4. 영상해석 DSM기반 순수 토공량 산정 방안 검토. 정하여 자동 또는 수동으로 수정 ‧ 편집하여 보정(효율 성 면의 검토 필요). 이외에도 검토된 5가지 방안의 조합방법을 현황에 따. 위성, 항공기 및 sUAS 플랫폼 영상 기반의 DSM으로. 라 선별, 융합 ‧ 보완하는 방안도 모색할 수 있다.. 부터 토공 량을 산정할 경우, 5.3절과 같이 대상지의 식 생피복높이에 기인한 토공량의 편차가 발생되게 된다.. 6. 결론. 후속 연구에서는 자연 식생 피복 지형을 대상으로 다음 6가지의 향상 방안을 적극 검토하여 다양한 조건의 실. 소형무인항공 시스템(sUAS)으로부터 배곧생명공. 제 현장에 활용할 수 있는 방법을 모색, 본 연구 내용을. 원내 배곧마루 성토부의 영상을 취득, 기준높이 15m이. 보완할 계획이다.. 상의 지형에 대한 절토량을 VRS측량성과 기반의 토공. 향상방안 1. 해당 지역의 수목식생에 대한 표본조사를. 량을 기준으로 토공량 산정 이론 및 영상해석 툴에 의한. 수행하여 높이를 보정(인공 조림 및 자연피복지형에 적용. 토공량을 산정하고 비교 고찰하여 다음의 결론을 도출. 할 수 있으나 대상지역이 클 경우, 효율성 면의 검토 필요).. 할 수 있었다. Journal of Cadastre & Land InformatiX Vol.47 No.1 (2017). 123.

(14) 이용창. 첫째, VRS Network-RTK 측점 군을 활용한 지상측 량기반의 토공량을 해석이론에 따라 산정한 결과 Surfer 및 TBC 툴은 1∼2%의 편차로 유사한 반면, Global Mapper와 ArcMap 툴의 경우, 각각 6% 및 약 10%까지 다양한 편차를 보였다.. Pattern Recognition 34:2467-2476. Agisoft. 2017. PhotoScan professional user manual, Russia. Arango C, Morales CA. 2015. Comparison between. multicopter UAV and total station for. 둘째, 영상 해석 툴에 의한 토공량은 3가지 방법 모두. estimating stockpile volumes. IAPRS. volume. 지상측량에 의한 평균값(ArcMap 제외)에 비해 큰 값을. XL-1/W4. International Conference on UAV. 나타내었는데 그 원인은 영상 툴에 의해 생성된 지표면. in Geomatics, 30 Aug–02 Sep, Toronto.. 모델이 DSM인 관계로 공원에 분포하는 인공조림 식생. Bemis SP, Micklethwaite S, Turner D, James MR,. 의 피복 높이에 따른 과대 토공량으로 분석되었다. 특 히, 이와 관련한 식생높이의 보정 향상 방안을 다양하게 사전 검토하였다. 셋째, 영상 해석 툴에 의한 성과물의 정확도를 30개 검사점의 3차원 좌표를 기준으로 분석할 결과, 평균 10cm 전 ‧ 후의 편차를 보여 일반 토공량 산정용으로 대체로 적합한 수준임을 알 수 있었다. 넷째, 영상 해석 툴에 따른 토공량의 경우, Pix4Dmapper, Context capture 및 Photoscan 모두 유 사한 토공량을 제시하였다.. Akciz S, Thiele ST, Bangash HA. 2014. Ground-based and UAV-Based photogrammetr y：A multi-scale, high resolutionmapping tool for structural geology and paleoseismology. Journal. of Structural Geology. 69:163-178. Bently. 2017. ContextCapture Master user manual, USA. Blue Marble Geographics. 2017. Global Mapper, USA.. 아울러, 본 연구에서는 Pix4Dmapper 해석 툴의 경. Brothelande E, Lénat JF, Normier A, Bacri C,. 우, 실험적으로 두 가지 세션(1세션：110장, 2세션：. Peltier A, Paris R, Kelfoun K, Merle O, Finizola. 265장)의 영상에 대한 해석을 통해 영상 중복도 및 영상. A, Garaebiti E. 2015. Insights into the. 매수의 증가에 따른 3차원 위치정보의 정확도 향상을. evolution of the Yenkahe resurgent dome. 입증할 수 있었다.. (Siwi. caldera,. inferred. 감사의 글 본 연구는 2015년 인천대학교 자체연구지원비에 의 해 이루어진 연구내용으로 인천대학교의 연구지원에 감사드립니다.. from. Tanna aerial. Island,. Vanuatu). high-resolution. photogrammetry. Journal of volcanology and. geothermal research. 299:78–90. Carrera-Hernandez JJ, Levresse G, Lacan P, Aranda-Gomez JJ. 2016. A low cost technique. for development of ultra-high resolution. 참고문헌. References Achour K, Benkhelif, M. 2001. A new approach to 3D reconstruction without camera calibration.. 124. 「지적과 국토정보」 제47권 제1호. 2017. topography：application to a dry maar’s bottom. Revista Mexicana de Ciencias Geolóicas, April. Collins, RT. 2007. CSE486 Computer Vision I. (Fall'07), Introduction to Computer Vision..

(15) 토공량 산정을 위한 소형무인항공시스템의 활용성 평가. [http://www.cse.psu.edu/~rtc12/CSE486/].. Mikrut S. 2016. Classical photogrammetry and. UAV-selected ascepts, XXIII ISPRS congress.. Last accessed 1 May 2017. Cryderman C, Mah SB, Shufletoski A. 2014. Evaluation of UAV photogrammetric accuracy for mapping and earthworks computations,. GEOMATICA. 68(4):309-317.. volume XLI-B1, 12–19 July 2016, Prague, Czech Republic. MOLEG(Ministry of Government Legislation). 2016. Enforcement decree of the aviation act,. Draeyer B, Strecha C. 2014. How accurate are UAV. Enforcement Date 20. Jul, 2016, Presidential. surveying methods ?, Pix4D White paper,. Decree No.27360, 19. Jul, 2016, Partial. February.. Amendment.. ESRI Inc. 2015. ArcGIS for Desktop. USA. MOLIT(Ministry of Land, Infrastructure and. Golden software. 2017. Surfer. USA.. Transport).. Hirschmüller H. 2011. Semi-Global Matching. Federation of Korean Industries Head Office. Motivation, Developments and Applications, Wichmann/VDE Verlag, Belin & Offenbach,. 2017.. Drone. conference,. Building, March 10. Pix4D. 2017. PixDmapper pro user manual, Switzerland.. p.173-184.. Multi-View. The Sydney Institute. 2017a. Calculating Bulk Volumes. Reconstruction Software. [http://ptak.felk.cvut.. Using Simpson Rule. [http://mirkostrade10.. cz/sfmservice/websfm.pl?menu=cmpmvs].. sydneyinstitute.wikispaces.net/file/view/Calc. Last accessed 1 May 2017.. ulating+Bulk+Volumes+Using+Simpson+Rule. Jančošek. M.. CMPMVS,. 2012.. Lee YC. 2015. Assessing the positioning accuracy of high density point clouds produced from. +.pdf]. Last accessed 1 May 2017. The Sydney Institute. 2017b. Calculating Bulk. rotary wing quadrocopter unmanned aerial. Volumes. system based imagery. Journal of the Korean. [http://mirkostrade10.sydneyinstitute.wikis. socity for geospatial information science.. paces.net/file/view/Calculating+Bulk+Volum. 23(2):39-48.. es+Using+Trapezoidal.pdf]. Last accessed 1. Longuet-Higgins HC. 1981. A computer algorithm for. reconstructing. a. scene. from. two. projections. Nature. 293(10):133–135. Lowe DG. 2004. Distinctive Image Features from Scale-Invariant. Keypoints.. International. Journal of Computer Vision. Luong QT, Faugeras. 1996. The fundamental matrix：theory, algorithms, and stability. Using. Trapezoidal. Rule.. May 2017. Rao B, Gopi AG, Maione R. 2016. The societal impact of commercial drones. Technology in. Society. 45:83-90. Siebert S, Teizer J. 2014. Mobile 3D mapping for surveying earthwork projects using an Unmanned Aerial Vehicle system. Automation. in Construction. 41:1–14.. analysis, International. Joumal of Computer. Trimble. 2017. Trimble Business Center, USA. Vision. 17:43-75.. Westoby MJ, Brasington J, Glasser NF, Hambrey MJ, Journal of Cadastre & Land InformatiX Vol.47 No.1 (2017). 125.

(16) 이용창. Reynolds JM. 2012. ‘Structure-from-Motion’. 2017년 4월 24일 원고접수(Received). photogrammetry：A low-cost, effective tool. 2017년 6월 07일 1차심사(1st Reviewed). for geoscience applications. Geomorphology.. 2017년 6월 19일 2차심사(2nd Reviewed). 179:300–314.. 2017년 6월 20일 게재확정(Accepted). Zhang C, YAO W. 2008. The comparisons of 3D. analysis. between. photogrammetry. and. computer vision. ISPRS proceedings XXXVII, Part B3b. Beijing.. 초록 소형 무인항공시스템(무인항공기 플랫펌과 센서의 융합기술, 'sUAS')은 정확성, 경제성 및 운용 면의 무궁한 잠재성으로 여러 건설현장에서 새로운 응용이 창출되면서 활용이 점차 확산되고 있다. 본 연구의 목적은 소형 UAS에 의한 토공량 산정의 타당성을 검토하는 것이다. 이를 위해 시흥시 소재 배곧생명공원 내 위치한 대략 270m×300m×20m 규모의 원추형 성토부를 대상으로 소형무인항공 기를 활용하여 영상을 취득한 후, UAS 영상해석을 통해 산출된 토공량을 GNSS Network-RTK 지상측 량에 의한 토공량과 정량적으로 비교분석하였다. 연구결과, 무인항공시스템 자료와 GNSS Network RTK 자료에 의한 토공량의 편차가 2% 이하였고 특히, 작업의 편이성, 신속성 및 경제성 면에서 소형 UAS 영상기반 토공량 산정의 효용성을 입증할 수 있었다. 따라서, 식생높이의 산정방안이 보완된다 면 중 ‧ 소규모 현장의 토공량 산정은 물론 3차원 지형공간정보 생성 분야에 무인항공영상의 응용이 유용할 것으로 기대된다. 주요어：무인항공시스템, 토공량, 타당성, GNSS Network-RTK. 126. 「지적과 국토정보」 제47권 제1호. 2017.

(17)