| 1 |
1
(a) 하천 지형의 대상지에 n개의 GCP(Ground Control Point, 지상기준점)에 대해 VRS(Virtual Reference Station, 가상기준점) 측량을 수행하는 단계; (b) 드론(UAV)의 k개의 카메라 영상을 취득하며, 각각의 사진 파일에 GPS와 INS 정보가 연결되며, 영상정합 소프트웨어(Pix4D SW)에 의해 낱장들을 정합하여 영상매칭을 통해 사진과 GPS와 INS 정보로부터 3차원 포인트 클라우드 정확도를 향상시켜 드론 기반 정사영상과 DSM(Digital Surface Model, 수치 표면 모델)을 생성하는 단계; (c) 상기 DSM(Digital Surface Model, 수치 표면 모델)은 하천내 식생과 수목을 포함하기 때문에 하천 지반을 기준으로 DEM(Digital Elevation Model, 수치 표고 모델)을 생성하기 위해, 드론(UAV)의 카메라 촬영을 통해 취득한 3차원 DSM 자료로부터 포인트 클라우드 자료를 기반으로 경사도 기법과 영역확장법을 사용하여 하천측량에 활용 가능한 표고값이 반영된 DEM을 생성하는 단계; 및 (d) 드론(UAV) 카메라 촬영시 취득된 포인트 클라우드 자료를 기반으로 경사도 기법을 적용하며, m 개의 검증점을 선정한 후, VRS 측량과 토탈스테이션 측량을 통해 산정한 측량값을 활용하여 DSM과 DEM 자료의 표고정확도를 평가함으로써 드론 포인트 클라우드 기반 경사도 기법에 의한 DSM 자료의 수평 및 수직정확도를 평가하는 단계; 를 포함하는 드론과 공간정보를 이용한 하천지형정보 생성 방법
|
| 2 |
2
제1항에 있어서, 상기 드론은 비행기 형상의 NiR 카메라를 탑재한 고정익 드론을 사용하며,드론(UAV)의 비행고도 195m에서 해상도 6㎝급으로 촬영하도록 설계하였으며, 종·횡중복도는 각각 85%와 70%로 설계된, 드론과 공간정보를 이용한 하천지형정보 생성 방법
|
| 3 |
3
제1항에 있어서, 상기 단계 (a)는 드론의 카메라 촬영을 통해 얻어진 영상은 기본적으로 WGS84 UTM 좌표계를 가지게 되며, 국내 측지좌표계인 GRS80 TM으로의 변환을 위해 하천 지형의 대상지에 10개의 GCP(Ground Control Point, 지상기준점)를 선정하였으며, 10개의 GCP에 대하여 VRS(Virtual Reference Station, 가상기준점) 측량을 수행하는, 드론과 공간정보를 이용한 하천지형정보 생성 방법
|
| 4 |
4
제1항에 있어서, 상기 드론의 카메라 촬영을 통해 취득한 포인트 클라우드 자료를 기반으로 경사도 기법을 활용하여 하천측량에 활용 가능한 표고값이 반영된 DEM을 생성하며, 포인트 클라우드 자료를 이용하여 하천내 수목을 분류하기 위해서는 비지면점과 지면점으로 구분되는 과정이 선행되고, 지면점 추출을 위하여 대상지역 지면의 경사도를 먼저 조사하고, 이 경사도를 기준으로 포인트 클라우드 자료내의 점간 거리와 표고차를 이용하여 경사도를 계산한 후 지면의 경사도와 비교하고 지면점을 분류하는 작업을 수행하며, 일정한 크기의 셀을 분할한 후 주어진 경사도 이내의 점들을 지면점으로 분류하며, 가상의 셀이 생성한 후 셀 내에 존재하는 다수의 포인트 클라우드 중 표고가 가장 낮은 포인트 시작 픽셀(seed pixel)로 할당하고 이웃셀과의 경사를 계산하여 사용자가 지정한 임계 경사값 이내에서 셀을 확장해 나가는 영역확장법을 적용하는, 드론과 공간정보를 이용한 하천지형정보 생성 방법
|
| 5 |
5
제4항에 있어서, 포인트 클라우드 자료를 이용한 상기 영역확장법은 영상분야에서 개발된 이론으로서, 일반적으로 영상에서 동일한 객체의 영역에 소속된 픽셀들은 서로 유사한 통계적인 특성을 가지고 있는 것에 기초하고 있으며, 영역확장법은 영상의 이러한 특성을 이용하여 초기 시작점, 즉 seed 픽셀로부터 시작하여 주위 픽셀값들과 비교함으로써 유사한 영역을 확장시키며, 상기 seed 픽셀과 이웃한 픽셀들의 intensity 값을 비교하여 유사도를 갖는 경우 동일한 영역으로 보고, 영역을 확대하며, 영상에 영역의 동질성(homogeneity)을 검사하는 과정은 식 (1)에 의해 검사되며, (1)여기서, P(ㆍ)는 논리적 술사(logical predicate)라고 하는데, True이면 괄호내의 영역이 동일한 영역이 되며, 는 초기 seed 픽셀을 의미하고, 는 초기 seed 픽셀과 이웃한 k개의 픽셀들을 의미하고, N은 이웃한 픽셀들의 전체 개수이며, 만약에 초기 seed 픽셀과 이웃한 영역이 서로 동질성을 갖는다면 식 (1)을 만족하게 되어 한 영역으로 확장되며, Microstation V8과 Terra Scan/Terra Modeler를 기반으로 경사도 기법에 기초한 DEM(Digital Elevation Model, 수치 표고 모델) 생성 프로세스를 적용하였으며, 전처리 과정에서 적용되는 매개변수는 포인트 클라우드의 밀도나 대상지의 지형여건에 따라 달라질 수 있으며, 기존의 연구에서 일반적으로 사용된 매개변수값을 기준으로 일부 값을 조정하였으며, 육안판독을 통해 DEM을 선정하는, 드론과 공간정보를 이용한 하천지형정보 생성 방법
|
| 6 |
6
제5항에 있어서, 상기 전처리 과정은, 먼저 모든 점들을 Default Class로 분류한 후 다른 포인트들에 비해서 너무 낮거나 너무 높은 표고값을 갖는 포인트들을 Low Point Class로 지정하며, Low Point Class 분류가 수행되고 남은 Default Class에 대해서 지면 클래스(Ground Class)를 분류하고, 상기 지면 클래스는 기본적으로 발생 가능한 최대각을 설정하고, 각 포인트들을 경사도를 통해 찾아가는 과정으로 수행되며, 상기 지면 클래스 추출을 위해 6°각도를 기준으로 2m 반경내에 존재하는 다른 포인트들을 찾아가도록 수행하였으며, 1회 검색할 수 있는 최대거리는 5m로 제한하였으며, 제한된 영역 안에서 각도를 기준으로 다른 점들을 반복적으로 찾는 과정을 수행하였으며, 지면 포인트의 분류가 수행되고 남은 Default Class의 모든 포인트는 Low vegetation Class로 분류하였으며, Low vegetation Class에서 지면점을 기준으로 0
|
| 7 |
7
제1항에 있어서, 식생과 수목을 포함하고 있는 하천의 일부 지역을 대상지로 선정하여 횡단구간에 대한 DSM과 DEM의 표고값에 대하여, 횡단구간내의 DSM 자료의 표고분포를 분석한 결과, 최대 10m 이상의 높이를 가진 수목이 위치하고 있어 DSM의 표고값이 지반을 나타내는 경사도 기법을 이용하여 생성한 DEM에 비해 표고분포가 매우 높게 나타나며, 포인트 클라우드를 기반으로 경사도 기법을 이용하여 생성한 DEM 자료의 경우 표고분포가 지반의 표고값과 유사하게 나타나는, 드론과 공간정보를 이용한 하천지형정보 생성 방법
|
| 8 |
8
제1항에 있어서, 카메라가 구비된 드론 촬영을 통해 취득한 DSM 자료와 포인트 클라우드 자료 기반 경사도 기법을 통해 생성한 DEM 자료의 정확도 평가를 위해 100개의 검증점을 선정하였으며, 검증점은 식생이 거의 없는 지형을 비롯하여 지면으로부터 높이가 큰 식생이나 수목까지 다양하게 포함되도록 선정하는, 드론과 공간정보를 이용한 하천지형정보 생성 방법
|
| 9 |
9
제1항에 있어서, 상기 단계 (c)는각 검증점별 표고는 VRS(Virtual Reference Station, 가상기준점) 측량과 토탈스테이션 측량을 수행하여 취득하며, 식생이 거의 없는 지형은 VRS 측량을 통해 수평위치와 표고값을 취득하였으며, 지면으로부터 높이가 큰 수목의 경우 VRS 측량을 수행하기 어렵기 때문에 토탈스테이션을 활용하여 인접 지형에 프리즘을 위치한 후 원격 고저측량 방식으로 표고값을 취득하는, 드론과 공간정보를 이용한 하천지형정보 생성 방법
|
| 10 |
10
제8항에 있어서, 각 검증점별 표고는 VRS 측량과 토탈스테이션 측량을 수행하여 취득하고, 식생이 거의 없는 지형은 VRS(Virtual Reference Station, 가상기준점) 측량을 통해 수평위치와 표고값을 취득하였으며, 지면으로부터 높이가 큰 수목의 경우는 VRS 측량을 수행하기 어렵기 때문에 토탈스테이션 측량을 활용하여 인접 지형에 프리즘을 위치한 후 원격 고저측량 방식으로 표고값을 취득하였으며,100개의 검증점별로 DSM, DEM, 최확값(TRUE) 표고 분포를 나타낸 그래프이며, 분석 결과, 포인트 클라우드 자료로부터 경사도기법을 이용하여 생성한 DEM은 최확값(TRUE)과 유사한 패턴을 보였으며, 반면에 DSM의 경우, 식생이 거의 없는 검증점에서는 최확값(TRUE)과 유사하게 나타나는, 드론과 공간정보를 이용한 하천지형정보 생성 방법
|
| 11 |
11
제8항에 있어서, 100개의 검증점별로 DSM과 DEM 자료에 대해 VRS 측량과 토탈스테이션 측량을 통해 얻은 최확값(TRUE)을 기준으로 표고오차를 계산하며, 최확값(TRUE)을 기준으로 평가한 DSM의 표고오차 범위는 0
|
