KR101165523B1 - 다중 소스의 지리 정보를 이용한 지리공간 모델링 시스템 및 관련 방법 - Google Patents

다중 소스의 지리 정보를 이용한 지리공간 모델링 시스템 및 관련 방법 Download PDF

Info

Publication number
KR101165523B1
KR101165523B1 KR1020107010182A KR20107010182A KR101165523B1 KR 101165523 B1 KR101165523 B1 KR 101165523B1 KR 1020107010182 A KR1020107010182 A KR 1020107010182A KR 20107010182 A KR20107010182 A KR 20107010182A KR 101165523 B1 KR101165523 B1 KR 101165523B1
Authority
KR
South Korea
Prior art keywords
cost
geospatial
geographic
stereo
cube
Prior art date
Application number
KR1020107010182A
Other languages
English (en)
Other versions
KR20100074264A (ko
Inventor
존 에이. 밴 워쿰
데이비드 엠. 벨
에릭 스펠만
애드리안 피터
Original Assignee
해리스 코포레이션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 해리스 코포레이션 filed Critical 해리스 코포레이션
Publication of KR20100074264A publication Critical patent/KR20100074264A/ko
Application granted granted Critical
Publication of KR101165523B1 publication Critical patent/KR101165523B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Abstract

지리공간 모델링 시스템은 입체-지리 이미지 데이터와 지리 특징 데이터를 저장하기 위해 적어도 하나의 지리공간 정보 데이터베이스를 포함할 수 있다. 상기 입체-지리 이미지 데이터에 기반하여 이미지 매칭 동작기들을 사용하여 3차원(3D) 코스트 큐브(cost cube)를 정의하는 코스트 계수들을 생성하고, 조정된 3D 코스트 큐브를 생성하기 위해 상기 지리 특징 데이터에 기반하여 상기 3D 코스트 큐브의 코스트 계수들을 조정하고, 예를 들어, 최고의 코스트 표면을 위해 상기 조정된 3D 코스트 큐브의 해석에 기반하여 지리공간 모델을 생성하기 위해 상기 지리공간 정보 데이터베이스와 협력할 수 있다. 상기 시스템 및 방법은 다중 소스들로부터 이용가능한 데이터를 사용한 지리공간 모델 생성에 대한 통합 접근법을 제공한다.

Description

다중 소스의 지리 정보를 이용한 지리공간 모델링 시스템 및 관련 방법{GEOSPATIAL MODELING SYSTEM AND RELATED METHOD USING MULTIPLE SOURCES OF GEOGRAPHIC INFORMATION}
본 발명은 지형학적 모델링 분야에 관한 것이며, 더 상세하게는 지리공간 모델링 시스템 및 관련 방법에 관한 것이다.
지리학적 영역의 지형학적 모델이 다수의 응용물에 사용될 수 있다. 예를 들어, 지형학적 모델은 모의 비행 장치 및 군사 임무를 계획하는데 사용될 수 있다. 또한, 인공 구조물(예, 도시)의 지형학적 모델이 예를 들어 휴대폰 안테나 배치, 도시 계획, 재난 준비 및 분석, 및 지도 제작과 같은 응용들에 매우 유용할 수 있다.
다양한 형태의 지형학적 모델들이 현재 사용되고 있다. 하나의 일반적인 모델은 수치고도모델(DEM; Digital Elevation Model) 또는 수치표면모델(DSM)이다. DEM은 컴퓨터에 의해 자동화 방식으로 생성될 수 있는 지리학적 영역의 표본화된 행렬 표상(sampled matrix representation)이다. DEM에서, 좌표점은 높이 또는 고도 값에 대응하도록 이루어진다. 타일형 불규칙 삼각망(tiled triangulated irregular network :T-TIN)은 또 다른 지리공간 모델이다. 본 기술분야의 당업자에 의해 인식될 수 있는 바와 같이, 불규칙 삼각망은 불규칙하게 공간배치된 표본점들 및 브레이크 라인(break line) 특징들로부터 얻어지는 표면 표상을 포함할 수 있다. 상기 T-TIN 데이터 세트는 점(point)들과 그들의 이웃 삼각형들 간의 지형학적 관계를 포함한다. 각 표본점은 x,y 좌표 및 표면, 또는 z-값을 가진다. 이들 점들은 상기 표면을 표현하는데 사용되는 한 세트의 비-중복 삼각형들을 형성하기 위해 에지(edge)들에 의해 연결된다. 틴(Tin)은 불규칙 삼각형 메쉬(mesh) 또는 불규칙 삼각형 표면 모델로 불리기도 한다.
종래의 DEM은 전형적으로 상이한 고도들(예, 계곡, 산 등) 간의 이행이 일반적으로 하나에서 다른 하나로 원활한 지형을 모델링하는데 사용된다. 즉, DEM은 전형적으로 복수의 굴곡면들로서 현재 0-30 미터의 공간배치로 지형을 모형하고, 따라서 그들 간의 어떠한 단절도 원만하게 덮이게 된다. 그러므로, 전형적인 DEM에서 상기 지형상에는 뚜렷한 물체가 존재하지 않을 수 있다.
특히 이로운 3D 사이트(site) 모델링 제품은 본 양수인, 해리스 코포레이션으로부터의 RealSite？이다. RealSite？는 관심 있는 지리학적 영역의 중복 이미지들을 등록하고, 스테레오 및 나디르 뷰(stereo and nadir view) 기술들을 이용하여 고 해상도의 DEM들을 추출하는데 사용될 수 있다. RealSite？는 정밀한 텍스쳐(texture) 및 구조 경계를 가지는, 도시를 포함한 지리학적 영역의 3차원(3D) 지형학적 모델들을 제조하기 위한 반-자동화 프로세스를 제공한다. 즉, 상기 모델 내의 어떠한 소정 점의 위치도 매우 높은 정확도로 상기 지리학적 영역의 실제 위치에 일치하게 된다. RealSite？ 모델을 생성하는데 사용되는 데이터는 항공 및 인공위성 사진술, 전자광학, 인프라, 및 광검출 측정기(Light detection and ranging - LiDAR)를 포함할 수 있다.
3D 사이트 모델을 생성하는 또 다른 이로운 접근법은 마찬가지로 본 양수인에게 양도되어 여기 참조로써 전체가 병합된 라흠(Rahmes) 외.에 의한 미국특허 제6,654,690호에 설명된다. 이 특허는 고도 대 위치(elevation versus position)의 임의로 공간배치된 데이터에 기반하여 지형 및 그 위의 빌딩을 포함한 영역의 지형학적 모델을 제조하는 자동화 방법을 개시한다. 상기 방법은 소정의 위치 격자(position grid)에 따르는 고도 대 위치의 격자형 데이터(gridded data)를 생성하도록 임의로 공간배치된 데이터를 처리하고, 빌딩 데이터를 지형 데이터로부터 구별하기 위해 상기 격자형 데이터를 처리하고, 지형과 그 위의 빌딩을 포함한 영역의 지형학적 모델을 제조하도록 빌딩 데이터의 다각형 추출을 실행하는 것을 포함한다.
DEMS와 같은 지리공간 모델들을 생성하는 하나의 잠재적으로 도전적인 측면은 고 분해능(즉, ≤1m의 데이터 점 또는 포스트 공간배치(post spacing))이 예를 들어, 3D 도시 모델(예, 버추얼어스: Virtual Earth), 비상 계획 노력(예, 범람원 연구), 전투 피해 분석 및/또는 도시 계획 노력(예, 지평선 예측)을 만들기 위한 상기 프로세스의 중요한 일부 및 지형 표상의 표준이 된다는 것이다. 고분해능의 DEMS(HRDEM)에 있어서의 데이터 포인트들의 밀도가 증가함에 따라, 상기와 같은 모델들에 대해 생성된 데이터의 양도 마찬가지로 증가하게 된다. 이들 모델들의 크기는 일부 응용물들에서 가장 강력한 지리공간 데이터 처리 컴퓨터들에 대해서도 극도로 부담이 될 수 있다.
통합 접근법(integrated approach)이 예를 들어, 다중 소스들로부터 가용한 데이터를 사용하여 DEM들 또는 DSM들을 생성하는데 유익할 수 있다. 예를 들어, 상기 접근법은 육지 경계 및/또는 수상 경계에 관한 공지된 지상 사실 정보와 마찬가지로, 이미지들로부터의 에지(edge) 데이터 및/또는 영역 상관(correlation) 데이터와 이미지 분할 데이터를 포함한, 다중 중복 및 비-중복 입체 이미지 쌍들을 사용할 수 있어야만 한다. 상기 접근법은 바람직하게는 예를 들어, 3×3 패치(patchs)의 상대적으로 작은 상관 패치들을 사용할 수 있어야만 한다.
도 1의 개략도를 참조하면, 현재의 접근법들은 좌우측 이미지들(100,102)로부터의 패치들(P) 추출, 상관면(104)을 형성하기 위한 패치들의 상관, 및 그의 피크 찾기를 포함할 수 있다. 상기 피크 위치는 고도 포스트(elevation post)의 높이 및 위치를 계산하기 위해 분석되며, 상기 과정은 초기 포스트 격자 상의 다중점들에 대해 반복될 수 있다. 상기 DEM은 생성되어, 다음으로 추가 데이터를 병합하기 위해 애드-혹(ad-hoc) 기술들로 정정된다. 그러나, 각 포스트(post) 높이는 로컬 데이터로부터만 계산되며, 상기 접근법은 전형적으로 단지 한 쌍의 입체 이미지들에 적용가능하며, 애드-혹 기술들을 사용하여 DEM들(복합 DEM들)과 추가적인 실제 데이터(예, 길, 호스 등)를 결합하는 것은 복잡하고, 실수로 인한 오류 결과를 초래할 수 있다. 또한, 더 큰 상관 패치들(예, 16×16) 상기 DEM의 세부사항을 흐릿하게 하며 분해능을 제한할 수 있으며, 고도가 소망하는 포스트 위치에 생성되지 않을 수 있으며, 소망하는 위치에 높이를 얻기 위해 전형적으로 보간(interpolate) 된다.
전술한 배경의 측면에서, 따라서 본 발명의 목적은 다중 소스들로부터 가용한 데이터를 사용한 지리공간 모델 생성의 통합 접근을 위한 시스템 및 관련 방법을 제공하는 것이다.
상기 및 다른 목적, 특징, 및 이점들이 입체-지리 이미지 데이터 및 지리 특징 데이터를 저장하기 위해 적어도 하나의 지리공간 정보 데이터베이스를 포함한 지리공간 모델링 시스템에 의해 제공된다. 입체-지리 이미지 데이터에 대한 이미지 매칭 작동기에 기반하여 3차원(3D) 코스트 큐브(cost cube)를 정의하는 코스트 계수들을 생성하고, 조정된 3D 코스트 큐브를 생성하도록 상기 지리 특징 데이터에 기반하여 상기 3D 코스트 큐브의 코스트 계수들을 조정하고, 상기 조정된 코스트 큐브를 해석하며(solve) 상기 조정된 3D 코스트 큐브에 기반하여 지리공간 모델을 생성하기 위해, 프로세서가 적어도 하나의 지리공간 정보 데이터베이스와 협력한다.
상기 프로세서는 적어도, 상기 입체-지리 이미지 데이터를 교정하고, 상기 교정된 입체-지리 이미지 데이터로부터 동일한 크기의 이미지 패치들을 추출함에 의해 상기 3D 코스트 큐브를 정의하는 코스트 계수들을 생성할 수 있다. 상기 프로세서는 동일한 크기의 이미지 패치 쌍들에 대한 개별 코스트 계수들을 결합하고, 상기 코스트 큐브에서 x,y,z 위치들의 범위에 대한 상기 코스트 계수들의 측정을 반복함에 의해 상기 3D 코스트 큐브를 정의하는 코스트 계수들을 생성할 수 있다.
상기 지리 특징 데이터는 공지된 지리공간 위치를 가지는 적어도 하나의 공지된 지리 특징과 관련될 수 있다. 상기 적어도 하나의 공지된 지리 특징은 공지된 자연적 특징과 공지된 인조 특징 가운데 적어도 하나를 포함할 수 있다.
상기 프로세서는 상기 조정된 3D 코스트 큐브를 통해, 최고 코스트 표면 또는 최저 코스트 표면과 같은 소망하는 코스트 표면을 찾기 위해 적어도 하나의 지리공간 정보 데이터베이스와 협력할 수 있다. 상기 입체-지리 이미지 데이터는 고 분해능의 이미지 데이터와 그와 관련된 이미지 분할 데이터를 포함할 수 있다. 또한, 디스플레이가 상기 프로세서에 동작 연결될 수 있다. 상기 프로세서는 타일형 불규칙 삼각망(T-TIN) 지리공간 모델로서 지리공간 모델 또는 높이 값의 래스터 그리드(raster grid)를 생성할 수 있다.
일 방법 측면은 입체-지리 이미지 데이터와 지리 특징 데이터를 저장하는 단계와, 상기 입체-지리 이미지 데이터에 기반하여 3차원(3D) 코스트 큐브를 정의하는 코스트 계수들을 생성하고, 조정된 3D 코스트 큐브를 생성하기 위해 상기 지리 특징 데이터에 기반하여 상기 3D 코스트 큐브의 코스트 계수들을 조정하고, 상기 조정된 3D 코스트 큐브에 기반하여 지리공간 모델을 생성하기 위해, 상기 저장된 입체-지리 이미지 데이터와 지리 특징 데이터를 처리하는 단계를 포함하는 지리공간 모델링 방법에 관한 것이다.
상기 3D 코스트 큐브를 정의하는 코스트 계수들을 생성하기 위해 상기 저장된 입체-지리 이미지 데이터와 지리 특징 데이터를 처리하는 것은 상기 입체-지리 이미지 데이터를 교정하고, 상기 교정된 입체-지리 이미지 데이터로부터 동일한 크기의 이미지 패치들을 추출하는 것을 포함할 수 있다.
또한, 상기 3D 코스트 큐브를 정의하는 코스트 계수들을 생성하기 위해 상기 저장된 입체-지리 이미지 데이터와 지리 특징 데이터를 처리하는 것은 동일한 크기의 이미지 패치 쌍들에 대한 코스트 계수들을 연산하기 위해 동일한 크기의 이미지 패치 쌍들에 대해 이미지 매칭 작동기를 실행하고, 상기 코스트 큐브에서 x,y,z 복셀 위치들의 범위에 대한 코스트 계수들의 측정을 반복하는 것을 포함할 수 있다.
상기 지리 특징 데이터의 저장은 공지된 지리공간 위치를 가지는, 공지된 자연적 특징 및 공지된 인조식 특징과 같은, 적어도 하나의 공지된 지리 특징과 관련한 지리 특징 데이터의 저장을 포함할 수 있다. 상기 저장된 입체-지리 이미지 데이터와 지리 특징 데이터의 처리는 지리공간 모델을 생성하기 위해 조정된 3D 코스트 큐브를 통해 소망하는 최소의 코스트 표면을 찾는 것을 포함할 수 있다. 또한, 상기 입체-지리 이미지 데이터는 고 분해능의 이미지 데이터와 그와 관련한 이미지 분할 데이터의 저장을 포함할 수 있다.
본 발명의 다른 측면은 입체-지리 이미지 데이터와 지리 특징 데이터를 획득하는 것과, 상기 입체-지리 이미지 데이터에 기반하여 3차원(3D) 코스트 큐브를 정의하는 코스트 계수들을 생성하고, 조정된 3D 코스트 큐브를 생성하도록 상기 지리 특징 데이터에 기반하여 상기 3D 코스트 큐브의 코스트 계수들을 조정하고, 상기 조정된 3D 코스트 큐브에 기반하여 지리공간 모델을 생성하기 위해 상기 획득된 입체-지리 이미지 데이터를 처리하는 것을 위한 프로그램 명령어를 포함하는 컴퓨터 판독가능한 매체에 관한 것이다.
본 발명의 접근법은 예를 들어, 육지 경계 및/또는 수상 경계에 관한 공지된 지상 사실 정보와 마찬가지로, 이미지들로부터의 에지 데이터(edge data) 및/또는 영역 상관 데이터와, 이미지 분할 데이터를 포함한, 다중 중복 및 비-중복 입체 이미지 쌍들을 사용할 수 있다. 상기 접근법은 예를 들어, 3×3 패치들과 같은 상대적으로 작은 상관 패치들을 사용할 수도 있다. 예를 들어, DEM과 같은 지리공간 모델의 분해능은 더 작은 상관 패치들을 사용하는 능력을 통해 향상될 수 있으며, 잠재적으로 더 높은 정확도가 각 포스트에서 다중 입체 쌍들의 사용을 통해 달성될 수 있다.
여기 기재된 상기 시스템 및 관련 방법은 하나의 자연적 문제 공간(즉, 상기 코스트 큐브)으로 모든 가용한 데이터를 병합할 수 있다. 상기 소망하는 또는 최종 표면은 최저 코스트 표면에 대한 코스트 큐브를 해석하기 위한 글로벌 접근법을 나타낸다. 예를 들어, DEM과 같은 지리공간 모델의 분해능은 더 작은 상관 패치들을 사용하는 능력을 통해 향상될 수 있으며, 잠재적으로 더 높은 정확도가 각 포스트에서 다중 입체 쌍들의 사용을 통해 달성될 수 있다. 다중 데이터 소스들의 결합에 대한 애드-혹 접근법들이 회피된다. 또한, 상기 접근법은 수계 경계들, 이미지 분할 데이터, 및 이미지들에서의 에지 위치들과 같은 추가 소스 정보의 사용 능력을 포함할 수 있다.
상기 접근법은 3 m 내지 0.1 m의 포스트 간격 및/또는 이미지 화소당 한 포스트를 계산하는 가능성과 같은, 더 빠른 DEM 생성과 현존하는 이미지 소스들에 대한 더 높은 분해능의 DEM을 공급할 수 있다. 단일 포스트에서 다중 입체 이미지 쌍들의 사용이 하나 이상의 상기 입체 쌍들에서 불투명하게 되는 영역들에서 획득되는 고도 데이터를 제공함에 따라, 더욱 정확한 DEM이 도시 영역에 대해 생성될 수 있다.
도 1은 선행기술에 따른 수치고도모델(DEM)을 생성하기 위한 종래의 접근법들을 도시하는 개략도이다.
도 2는 본 발명에 따른 다중 소스들로부터의 지리 데이터를 이용하는 지리공간 모델링 시스템을 도시하는 개략도이다.
도 3은 본 발명에 따른 지리공간 모델을 생성하기 위한 일 접근법을 도시하는 개략도이다.
도 4는 본 발명에 따른 지리공간 모델을 생성하기 위한 일 방법의 다양한 단계들을 도시하는 흐름도이다.
도 5는 도 4의 방법에 있어서 3D 코스트 큐브(cost cube)를 생성하는 추가 단계들을 도시하는 흐름도이다.
도 6은 본 발명의 상기 접근법에 따라 생성된 지리공간 모델의 디스플레이 이미지이다.
본 발명은, 본 발명의 바람직한 실시형태들이 도시된 첨부 도면과 관련하여 여기 이후에 좀 더 온전히 기술될 것이다. 그러나, 이러한 발명은 다수의 상이한 형태로 구현될 수 있으며, 여기 진술된 상기 실시형태들에 제한되는 것으로서 해석되어서는 아니 된다. 그보다는, 이들 실시형태들은 이러한 개시가 철저하고 완전하며, 본 기술분야의 당업자에게 본 발명의 범위를 온전히 전달하도록 제공되는 것이다. 동일 참조번호는 전체에 걸쳐 동일한 부품을 나타낸다.
도 2 및 도 3을 우선 참조하여, 지리공간 모델링 시스템(20)이 기술될 것이다. 상기 지리공간 모델링 시스템은 입체-지리 이미지 데이터 및 지리 특징 데이터를 저장하기 위해 적어도 하나의 지리공간 정보 데이터베이스(21)를 포함할 수 있다. 본 기술분야의 당업자에 의해 인정될 수 있는 바와 같이, 상기 지리공간 정보, 즉, 입체-지리 이미지 데이터 및 지리 특징 데이터는 다중 데이터베이스에 저장될 수도 있다. 상기 입체-지리 이미지 데이터는 바람직하게는 동일한 위치(예, 도 3에 도시된 바와 같은)의 두 개 이상의 이미지(10,11,12)이다. 실시예로, 상기 입체-지리 이미지 데이터는 본 기술분야의 당업자에 의해 인정될 수 있는 바와 같이, 입체 광학 이미지, 광검출 측정기(LIDAR), IFSAR(Interferometrric Synthetic Aperture Radar)와 같은 다양한 기술들을 사용하여 포착될 수 있다.
상기 지리특징 데이터는 예를 들어 수계 경계와 같은 공지된 지리공간 위치를 가지는 적어도 하나의 공지된 지리 특징과 관련할 수 있다. 상기 적어도 하나의 공지된 지리공간 특징은 공지된 자연식(예, 호수) 특징 및 공지된 인조식(예, 길) 특징 중의 적어도 하나를 포함할 수 있다.
프로세서(22)는 입체-지리 이미지 데이터에 기반하여 3차원(3D) 코스트 큐브를 정의하는 비용 계수를 생성하기 위해 적어도 하나의 지리공간 정보 데이터베이스(21)와 협력한다. 상기 3D 코스트 큐브는 예를 들어 각 복셀(voxel)에서 코스트 계수를 가지는 복셀들과 같은, 요소들의 볼륨(volume)이다. 상기 프로세서(22)는 조정된 3D 코스트 큐브를 생성하기 위해 지리 특징 데이터에 기반하여 3D 상관 큐브의 코스트 계수들을 조정할 수 있다. 상기 프로세서(22)는 상기 조정된 3D 코스트 큐브에 기반하여 지리공간 모델(예, 도 6에 도시된 DEM)을 생성한다.
실시예의 방식에 의해, 상기 프로세서(22)는 예를 들어, PC, 맥, 또는 다른 연산 워크스테이션의 중앙처리부(CPU)일 수 있다. 하기 추가로 거론될 수 있는 바와 같이, 지리공간 모델링 데이터를 디스플레이하기 위해 도시된 실시형태에서 디스플레이(23)가 상기 프로세서(22)에 동작 연결되기도 한다.
상기 프로세서(22)는 상기 코스트 큐브(CC)에서 점(x,y,z)에 위치하는 교정 표면(rectification surface: RS) 상의 입체-지리 이미지 데이터를 교정함에 의해, 도 3에 개략적으로 도시된 바와 같이 상기 코스트 큐브(CC)를 생성할 수 있다. 상기 교정 표면(RS)은 코스트 계산을 최적화하는데 필요한 어떠한 오리엔테이션(orientation)도 가질 수 있다. 동일한 크기의 이미지 패치들(P)이 (x,y,z)에서 상기 교정된 입체-지리 이미지 데이터로부터 추출된다. 코스트 계수들을 얻기 위해 동일한 크기의 모든 패치 쌍들에 이미지 매칭 동작이 가해지고, 모든 쌍들로부터의 상기 계수들은 (x,y,z)에 위치된 코스트 큐브 복셀에 할당된 단일 값에 결합 된다. 상기 프로세스는 상기 코스트 큐브 내에서 모든 복셀들에 대해 반복된다. 상기 코스트 큐브(x,y,z) 치수들은 위도, 경도, 및 높이의 스케일된(scaled) 지리 좌표들이거나 또는 북향, 동향 및 높이의 UTM 좌표들 또는 물리적 지상 좌표들의 임의의 다른 표상일 수 있다.
상기 프로세서(22)는 상기 조정된 3D 코스트 큐브를 통해, 최고 또는 최저 코스트 표면과 같은, 소망하는 코스트 표면을 찾기 위해 지리공간 정보 데이터베이스(21)와 협력할 수 있다. 상기 소망하는 코스트 표면은 예를 들어, 강한 상관성 = 낮은 코스트 및 약한 상관성 = 높은 코스트와 같은 각 복수의 셀들 및 이웃들에 적용되는 코스트 함수로서 표현될 수 있다.
상기 입체-지리 이미지 데이터는 고 분해능의 이미지 데이터와 그와 관련한 이미지 분할 데이터를 포함할 수 있다. 상기 프로세서(22)는 타일형 불규칙 삼각망(T-TIN) 지리공간 모델로서 상기 지리공간 모델을 생성할 수 있다. 본 기술분야의 당업자에 의해 인정될 수 있는 바와 같이, 불규칙 삼각망은 불규칙적으로 공간배치된 표본점들 및 브레이크 라인(break line) 특징들로부터 얻는 표면 표상을 포함할 수 있다. 상기 T-TIN 데이터 세트는 점들과 그들의 이웃하는 삼각형들 간에 지형학적 관계를 가진다. 각 표본점은 x,y 좌표 및 표면, 또는 z-값을 가진다. 이들 점은 상기 표면을 표시하기 위해 사용된 한 세트의 비-중복 삼각형들을 형성하기 위해 에지들에 의해 연결된다. 틴(Tins)은 불규칙 삼각형 메쉬 또는 불규칙 삼각형 표면 모델로 불리기도 한다.
상기 프로세서(22)는 각 점에서 높이 값을 가지는 규칙적으로 공간배치된 격자점들로서 상기 지리공간 모델 또는 DEM을 생성할 수도 있다. 예를 들어, 전형적인 격자는 50 내지 500 미터일 수 있다.
이에 따라, 상기 시스템(20)은 예를 들어, 육지 경계 및/또는 수상 경계에 관한 공지된 지상 사실 정보와 마찬가지로, 이미지들로부터의 에지 데이터 및/또는 영역 상관 데이터와, 상기 코스트 큐브를 생성하기 위한 이미지 분할 데이터를 포함하는, 다중 중복 및 비-중복 입체 이미지 쌍들을 사용할 수 있다. 상기 접근법은 예를 들어, 3×3 패치와 같은, 상관성을 위해 상대적으로 작은 이미지 패치들을 사용할 수도 있다.
일 방법이 도 4 및 도 5와 관련하여 거론될 것이며, 지리공간 모델링 방법에 관한 것이다. 상기 방법은 블록(30)에서 시작하며, 블록(32)에서 입체-지리 이미지 데이터와 지리 특징 데이터의 저장을 포함한다. 상기 저장된 입체-지리 이미지 데이터와 지리 특징 데이터의 처리는 상기 입체-지리 이미지 데이터에 기반하여 3차원(3D) 코스트 큐브를 정의하는 코스트 계수들을 생성하고(블록(34)), 조정된 3D 코스트 큐브를 생성하기 위해 상기 지리 특징 데이터에 기반하여 상기 3D 상관 큐브의 코스트 계수들을 조정하고(블록(36)), 블록(42)에서 종료하기 전에 상기 조정된 3D 상관 큐브에 기반하여 지리공간 모델(예를 들어, 도 6에 도시된 바와 같이)을 생성하는 것을 포함한다. 상기 저장된 입체-지리 이미지 데이터 및 지리 특징 데이터의 처리는 블록(38)에서, 상기 거론한 바와 같이, 지리공간 모델을 생성하기 위해 상기 조정된 3D 코스트 큐브를 통해 소망하는 코스트 표면을 찾는 것을 포함할 수도 있다.
도 5의 흐름도를 더욱 상세히 참조하면, 상기 3D 코스트 큐브를 정의하는 코스트 계수들을 생성하기 위해 상기 저장된 입체-지리 이미지 데이터 및 지리 특징 데이터를 처리하는 것은 블록(50)에서 시작할 수 있다. 상기 과정은 상기 코스트 큐브에서 복셀 위치(x,y,z)를 선택하고, 그러한 점(52)에서 교정 표면을 정의하고, 상기 교정 표면(RS:54) 상에 입체-지리 이미지 데이터를 교정하는 것을 포함할 수 있다. 추가로, 이는 상기 교정된 입체-지리 이미지 데이터(56)로부터 동일한 크기의 이미지 패치들을 추출하고, 동일한 크기의 모든 또는 일부 이미지 패치 쌍들에 대해 코스트 계수를 계산하는 것을 포함할 수 있다. 상기 코스트 계수들은 상관성, 이미지 그라디언트(Image Gradient), 최대 엔트로피, 화소 차이 등과 같은 임의의 이미지 매칭 동작기 또는 상기 동작기들의 결합에 기반할 수 있다. 상기 동일한 크기의 모든 이미지 패치 쌍들에 대한 코스트 계수들은 복셀 위치(60)에 할당될 수 있는 단일 값에 결합될 수 있다. 상기 과정은 코스트 큐브(62)에서 각 복셀에 반복될 수 있다. 상기 과정은 블록(64)에서 종료된다.
컴퓨터 판독가능한 매체는 상술한 방법을 실행하기 위한 프로그램 명령어를 포함할 수 있다. 예를 들어, 상기 프로그램 명령어들은 입체-지리 이미지 데이터와 지리 특징 데이터를 획득 및/또는 저장하며, 상기 입체-지리 이미지 데이터에 기반하여 3차원(3D) 코스트 큐브를 정의하는 코스트 계수들을 생성하고, 조정된 3D 코스트 큐브를 생성하도록 상기 지리 특징 데이터에 기반하여 상기 3D 코스트 큐브의 코스트 계수들을 조정하고, 상기 조정된 3D 코스트 큐브에 기반하여 지리공간 모델을 생성하기 위해 상기 획득된 입체-지리 이미지 데이터 및 지리 특징 데이터를 처리하는 프로세서(22) 또는 컴퓨터를 제어할 수 있다. 다시금, 상기 지리공간 모델은 예를 들어 디스플레이(23)와 같은 디스플레이 상에 디스플레이될 수 있다.
20: 지리공간 모델링 시스템
21: 지리공간 정보 데이터베이스
22: 프로세서
23: 디스플레이

Claims (10)

  1. 지리공간 모델링 시스템으로서,
    입체-지리 이미지 데이터 및 지리 특징 데이터를 저장하기 위한 적어도 하나의 지리공간 정보 데이터베이스와;
    상기 입체-지리 이미지 데이터에 기반하여 3차원(3D) 코스트 큐브를 정의하는 코스트 계수들을 생성하고, 조정된 3D 코스트 큐브를 생성하기 위해 상기 지리 특징 데이터에 기반하여 상기 3D 코스트 큐브의 상기 코스트 계수들을 조정하고, 상기 조정된 3D 코스트 큐브에 기반하여 지리공간 모델을 생성하기 위해 상기 적어도 하나의 지리공간 정보 데이터베이스와 협력하는 프로세서를 포함하는 것을 특징으로 하는 지리공간 모델링 시스템.
  2. 제 1항에 있어서,
    상기 프로세서는 적어도, 상기 입체-지리 이미지 데이터를 교정하는 단계; 및
    상기 교정된 입체-지리 이미지 데이터로부터 동일한 크기의 이미지 패치들을 추출하는 단계를 실행함에 의해 상기 3D 코스트 큐브를 정의하는 상기 코스트 계수들을 생성하는 것을 특징으로 하는 지리공간 모델링 시스템.
  3. 제 1항에 있어서,
    상기 프로세서는 적어도, 쌍들을 이룬 동일한 크기의 이미지 패치들에 대한 코스트 계수들을 결합하는 단계; 및
    상기 코스트 큐브에서 x,y,z 복셀 위치들의 범위에 대한 상기 코스트 큐브들의 측정을 반복하는 단계를 더 실행함에 의해 상기 3D 코스트 큐브를 정의하는 상기 코스트 계수들을 생성하는 것을 특징으로 하는 지리공간 모델링 시스템.
  4. 제 1항에 있어서,
    상기 지리 특징 데이터는 공지된 지리공간 위치를 가지는 적어도 하나의 공지된 지리 특징과 관련하는 것을 특징으로 하는 지리공간 모델링 시스템.
  5. 제 1항에 있어서,
    상기 프로세서는 조정된 3D 코스트 큐브를 통해 필요한 코스트 표면을 찾기 위해 적어도 하나의 지리공간 정보 데이터베이스와 협력하는 것을 특징으로 하는 지리공간 모델링 시스템.
  6. 지리공간 모델링 방법으로서,
    입체-지리 이미지 데이터와 지리 특징 데이터를 저장하는 단계와;
    상기 입체-지리 이미지 데이터에 기반하여 3차원(3D) 코스트 큐브를 정의하는 코스트 계수들을 생성하고, 조정된 3D 코스트 큐브를 생성하기 위해 상기 지리 특징 데이터에 기반하여 상기 3D 코스트 큐브의 코스트 계수들을 조정하고, 상기 조정된 3D 코스트 큐브에 기반하여 지리공간 모델을 생성하기 위해, 상기 저장된 입체-지리 이미지 데이터와 지리 특징 데이터를 처리하는 단계와;
    상기 지리공간 모델을 디스플레이 상에 디스플레이하는 단계를 포함하는 것을 특징으로 하는 지리공간 모델링 방법.
  7. 제 6항에 있어서,
    상기 3D 코스트 큐브를 정의하는 상기 코스트 계수들을 생성하기 위해 상기 저장된 입체-지리 이미지 데이터 및 지리 특징 데이터를 처리하는 것은,
    상기 입체-지리 이미지 데이터를 교정하는 단계와;
    상기 교정된 입체-지리 이미지 데이터로부터 동일한 크기의 이미지 패치들을 추출하는 단계를 포함하는 것을 특징으로 하는 지리공간 모델링 방법.
  8. 제 6항에 있어서,
    상기 3D 코스트 큐브를 정의하는 상기 코스트 계수들을 생성하기 위해 상기 저장된 입체-지리 이미지 데이터 및 지리 특징 데이터를 처리하는 것은,
    쌍들을 이룬 동일한 크기의 이미지 패치들을 위해 결합된 코스트 계수들을 측정하는 단계와;
    상기 코스트 큐브에서 x,y,z 복셀 위치들의 범위에 대한 상기 코스트 계수들의 측정을 반복하는 단계를 포함하는 것을 특징으로 하는 지리공간 모델링 방법.
  9. 제 6항에 있어서,
    상기 지리 특징 데이터를 저장하는 단계는 공지된 지리공간 위치를 가지는 적어도 하나의 공지된 지리 특징과 관련된 지리 특징 데이터의 저장을 포함하는 것을 특징으로 하는 지리공간 모델링 방법.
  10. 제 6항에 있어서,
    상기 저장된 입체-지리 이미지 데이터 및 지리 특징 데이터를 처리하는 단계는 상기 지리공간 모델을 생성하기 위해 상기 조정된 3D 코스트 큐브를 통해 필요한 코스트 표면의 찾기를 포함하는 것을 특징으로 하는 지리공간 모델링 방법.
KR1020107010182A 2007-10-17 2008-10-13 다중 소스의 지리 정보를 이용한 지리공간 모델링 시스템 및 관련 방법 KR101165523B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US11/873,765 2007-10-17
US11/873,765 US7983474B2 (en) 2007-10-17 2007-10-17 Geospatial modeling system and related method using multiple sources of geographic information
PCT/US2008/079708 WO2009052046A1 (en) 2007-10-17 2008-10-13 Geospatial modeling system and related method using multiple sources of geographic information

Publications (2)

Publication Number Publication Date
KR20100074264A KR20100074264A (ko) 2010-07-01
KR101165523B1 true KR101165523B1 (ko) 2012-07-16

Family

ID=40263229

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020107010182A KR101165523B1 (ko) 2007-10-17 2008-10-13 다중 소스의 지리 정보를 이용한 지리공간 모델링 시스템 및 관련 방법

Country Status (8)

Country Link
US (1) US7983474B2 (ko)
EP (1) EP2218057A1 (ko)
JP (1) JP2011501301A (ko)
KR (1) KR101165523B1 (ko)
BR (1) BRPI0816521A2 (ko)
CA (1) CA2702729A1 (ko)
TW (1) TW200935353A (ko)
WO (1) WO2009052046A1 (ko)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7765319B1 (en) * 2003-07-30 2010-07-27 Gorman Sean P System and method for analyzing the structure of logical networks
US7529195B2 (en) * 2004-07-30 2009-05-05 Fortiusone, Inc. System and method of mapping and analyzing vulnerabilities in networks
EP2070006B1 (en) 2006-09-08 2015-07-01 FortiusOne, Inc. System and method for web enabled geo-analytics and image processing
US10042862B2 (en) * 2007-02-13 2018-08-07 Esri Technologies, Llc Methods and systems for connecting a social network to a geospatial data repository
IL190539A (en) * 2008-03-31 2015-01-29 Rafael Advanced Defense Sys A method of transferring points of interest between simulations with unequal viewpoints
US8427505B2 (en) 2008-11-11 2013-04-23 Harris Corporation Geospatial modeling system for images and related methods
CN102713980A (zh) * 2010-02-01 2012-10-03 英特尔公司 从地理参考图像提取及映射三维特征
US8458188B2 (en) * 2010-02-17 2013-06-04 Lockheed Martin Corporation Voxel approach to terrain repositories for modeling and simulation
AU2011268376B2 (en) * 2010-06-16 2015-05-07 Yale University Forest inventory assessment using remote sensing data
US8842036B2 (en) * 2011-04-27 2014-09-23 Lockheed Martin Corporation Automated registration of synthetic aperture radar imagery with high resolution digital elevation models
EP2518445B1 (en) 2011-04-29 2019-02-27 Harman Becker Automotive Systems GmbH Database for a navigation device, method of outputting a three-dimensional representation of a terrain and method of generating a database
JP5567522B2 (ja) * 2011-05-02 2014-08-06 株式会社日立ソリューションズ 単画像からのステレオペア検索装置及びステレオペア検索方法
US8811748B2 (en) 2011-05-20 2014-08-19 Autodesk, Inc. Collaborative feature extraction system for three dimensional datasets
WO2013049597A1 (en) 2011-09-29 2013-04-04 Allpoint Systems, Llc Method and system for three dimensional mapping of an environment
US9147283B1 (en) 2011-10-30 2015-09-29 Lockhead Martin Corporation Water surface visualization during a simulation
US9123160B1 (en) 2011-10-30 2015-09-01 Lockheed Martin Corporation Concurrent mesh generation in a computer simulation
CN105740812B (zh) * 2016-01-29 2018-10-26 武汉大学 一种基于数字表面模型的城市汇水区提取方法
US11544832B2 (en) 2020-02-04 2023-01-03 Rockwell Collins, Inc. Deep-learned generation of accurate typical simulator content via multiple geo-specific data channels
US11694089B1 (en) 2020-02-04 2023-07-04 Rockwell Collins, Inc. Deep-learned photorealistic geo-specific image generator with enhanced spatial coherence
US11775545B1 (en) 2020-09-23 2023-10-03 Amazon Technologies, Inc. Cloud-based database for spatial data lifecycle management
US11747468B2 (en) 2020-09-24 2023-09-05 Eagle Technology, Llc System using a priori terrain height data for interferometric synthetic aperture radar (IFSAR) phase disambiguation and related methods
US11238307B1 (en) 2020-09-24 2022-02-01 Eagle Technology, Llc System for performing change detection within a 3D geospatial model based upon semantic change detection using deep learning and related methods
US11587249B2 (en) 2020-09-24 2023-02-21 Eagle Technology, Llc Artificial intelligence (AI) system and methods for generating estimated height maps from electro-optic imagery
US11302071B1 (en) * 2020-09-24 2022-04-12 Eagle Technology, Llc Artificial intelligence (AI) system using height seed initialization for extraction of digital elevation models (DEMs) and related methods
US11636649B2 (en) 2021-01-06 2023-04-25 Eagle Technology, Llc Geospatial modeling system providing 3D geospatial model update based upon predictively registered image and related methods
US11816793B2 (en) 2021-01-06 2023-11-14 Eagle Technology, Llc Geospatial modeling system providing 3D geospatial model update based upon iterative predictive image registration and related methods
US11615428B1 (en) 2022-01-04 2023-03-28 Natural Capital Exchange, Inc. On-demand estimation of potential carbon credit production for a forested area

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5220441A (en) * 1990-09-28 1993-06-15 Eastman Kodak Company Mechanism for determining parallax between digital images
US5550937A (en) * 1992-11-23 1996-08-27 Harris Corporation Mechanism for registering digital images obtained from multiple sensors having diverse image collection geometries
US5606627A (en) * 1995-01-24 1997-02-25 Eotek Inc. Automated analytic stereo comparator
US5608405A (en) * 1995-10-06 1997-03-04 Lockheed Martin Corporation Method of generating visual representation of terrain height from SAR data employing multigrid analysis
US5835055A (en) * 1996-03-20 1998-11-10 Atlantis Scientific Inc. Method for iterative disk masking and automatic error repair for phase unwrapping
FR2760555B1 (fr) * 1997-03-06 2001-06-08 Aerospatiale Procede et dispositif pour determiner le contour de vallees d'une zone geographique determinee et applications
US6229546B1 (en) * 1997-09-09 2001-05-08 Geosoftware, Inc. Rapid terrain model generation with 3-D object features and user customization interface
US6011625A (en) * 1998-07-08 2000-01-04 Lockheed Martin Corporation Method for phase unwrapping in imaging systems
ITMI991154A1 (it) * 1999-05-25 2000-11-25 Milano Politecnico Procedimento per misure radar di spostamento di aere urbane e zone franose
KR100361218B1 (ko) * 2000-07-20 2002-11-18 한국과학기술원 정밀한 수치표고모형의 자동생성을 위한 지능적 보간법
US6654690B2 (en) * 2001-04-05 2003-11-25 Harris Corporation Automated method for making a topographical model and related system
US20030059743A1 (en) * 2001-08-29 2003-03-27 The Boeing Company Method and apparatus for automatically generating a terrain model for display during flight simulation
US6915310B2 (en) * 2002-03-28 2005-07-05 Harris Corporation Three-dimensional volumetric geo-spatial querying
JP4181800B2 (ja) * 2002-06-20 2008-11-19 Ｎｅｃ東芝スペースシステム株式会社 ステレオ画像を用いた地形計測システム及び記憶媒体並びにプログラム
US7773799B2 (en) * 2004-04-02 2010-08-10 The Boeing Company Method for automatic stereo measurement of a point of interest in a scene
US7142984B2 (en) * 2005-02-08 2006-11-28 Harris Corporation Method and apparatus for enhancing a digital elevation model (DEM) for topographical modeling

Also Published As

Publication number Publication date
WO2009052046A1 (en) 2009-04-23
JP2011501301A (ja) 2011-01-06
BRPI0816521A2 (pt) 2017-10-24
CA2702729A1 (en) 2009-04-23
KR20100074264A (ko) 2010-07-01
EP2218057A1 (en) 2010-08-18
US7983474B2 (en) 2011-07-19
TW200935353A (en) 2009-08-16
US20090105954A1 (en) 2009-04-23

Similar Documents

Publication Publication Date Title
KR101165523B1 (ko) 다중 소스의 지리 정보를 이용한 지리공간 모델링 시스템 및 관련 방법
Nikolakopoulos et al. UAV vs classical aerial photogrammetry for archaeological studies
Goncalves et al. UAV photogrammetry for topographic monitoring of coastal areas
US8427505B2 (en) Geospatial modeling system for images and related methods
US7310606B2 (en) Method and system for generating an image-textured digital surface model (DSM) for a geographical area of interest
US8433457B2 (en) Environmental condition detecting system using geospatial images and associated methods
EP1806699A1 (en) Geospatial image change detecting system with environmental enhancement and associated methods
US7778808B2 (en) Geospatial modeling system providing data thinning of geospatial data points and related methods
KR100904078B1 (ko) 항공 사진의 영상정합을 이용한 3차원 공간 정보 생성 시스템 및 방법
CN112288637A (zh) 无人机航拍图像快速拼接装置及快速拼接方法
Bybee et al. Method for 3-D scene reconstruction using fused LiDAR and imagery from a texel camera
JP6146731B2 (ja) 座標補正装置、座標補正プログラム、及び座標補正方法
Qiao et al. Assessment of geo-positioning capability of high resolution satellite imagery for densely populated high buildings in metropolitan areas
KR20190004086A (ko) 3차원 객체정보모델의 생성 방법
Saponaro et al. Predicting the accuracy of photogrammetric 3D reconstruction from camera calibration parameters through a multivariate statistical approach
He et al. An integrated use of topography with RSI in gully mapping, Shandong Peninsula, China
Biswas et al. Satellite photogrammetry based DEM generation using satellite stereo pair images and terrain parameters extraction
Lalak et al. The analysis of the accuracy of digital terrain model (Dtm) obtained from high resolution geoeye-1 satellite imagery
Yu et al. Mid-and Short-Term Monitoring of Sea Cliff Erosion based on Structure-from-Motion (SfM) Photogrammetry: Application of Two Differing Camera Systems for 3D Point Cloud Construction
Crespi et al. Orientation, orthorectification, terrain and city modeling from Cartosat-1 stereo imagery: Preliminary results in the first phase of ISPRS-ISRO C-SAP
Li et al. Optimal selection of GCPs from Global Land Survey 2005 for precision geometric correction of Landsat-8 imagery
Schumann et al. Hydraulic and event knowledge to reduce the positional uncertainty in SAR flood images for improved flood model calibration and development
Zylshal et al. Iterative bundle adjustment without ground control points on SPOT-7 stereogrammetry and its effect on DEM geometric accuracy
Park et al. Accuracy of 3D models derived from aerial laser scanning and aerial ortho-imagery
Lashlee et al. GIS Data for Combat Modeling

Legal Events

Date Code Title Description
A201 Request for examination
AMND Amendment
E601 Decision to refuse application
AMND Amendment
J201 Request for trial against refusal decision
B701 Decision to grant
GRNT Written decision to grant
LAPS Lapse due to unpaid annual fee