KR101767006B1 - Uav 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치 - Google Patents

Uav 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치 Download PDF

Info

Publication number
KR101767006B1
KR101767006B1 KR1020160066179A KR20160066179A KR101767006B1 KR 101767006 B1 KR101767006 B1 KR 101767006B1 KR 1020160066179 A KR1020160066179 A KR 1020160066179A KR 20160066179 A KR20160066179 A KR 20160066179A KR 101767006 B1 KR101767006 B1 KR 101767006B1
Authority
KR
South Korea
Prior art keywords
building
polygon
building layer
coordinate system
image
Prior art date
Application number
KR1020160066179A
Other languages
English (en)
Inventor
이재빈
김지영
염준호
Original Assignee
목포대학교산학협력단
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 목포대학교산학협력단 filed Critical 목포대학교산학협력단
Priority to KR1020160066179A priority Critical patent/KR101767006B1/ko
Application granted granted Critical
Publication of KR101767006B1 publication Critical patent/KR101767006B1/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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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

본 발명은 UAV를 이용하여 갱신 객체 탐지 대상 지역의 영상을 촬영하는 영상 촬영부, 촬영된 영상을 기반으로 정사영상을 생성하는 영상 보정부, 정사영상에 대해 허프 변환(Hough transform)을 수행하여 정사영상 내의 선형들을 추출하는 영상 변환부, 추출된 선형들에 대하여, 불필요한 선형을 제거하고 건물 외곽선에 해당하는 선형을 연결하여 건물 외곽선 폴리곤을 생성하는 폴리곤 생성부, 건물 외곽선 폴리곤 및 도로명주소 기본도의 건물 레이어 각각에 동일한 좌표계를 적용하는 좌표계 보정부, 동일한 좌표계가 적용된 건물 외곽선 폴리곤과 건물 레이어의 기하학적 매칭을 통하여 갱신 객체를 탐지하는 매칭부 및 매칭된 객체를 판독하여 실제 갱신된 객체인지 여부를 판별하는 갱신 객체 판별부를 포함하는 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치 및 방법에 관한 것이다.

Description

UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치{THE METHOD AND APPARATUS OF UPDATED OBJECT DETECTION OF THE CONSTRUCTION LAYERS USING UAV IMAGE}
본 발명은 영상을 이용한 갱신된 건물 객체를 탐지하는 방법에 관한 것으로, 더욱 상세하게는 무인항공기(Unmanned Aerial Vehicle, UAV) 영상에서 취득된 자료를 바탕으로 도로명주소기본도의 건물 레이어에서 갱신된 객체를 탐지하지 위한 방법 및 장치에 관한 것이다.
우리나라는 일제 강점기부터 사용된 지번방식의 주소에서 도로명, 건물번호 및 상세주소로 표기되는 도로명주소를 2014년 1월 1일부터 법정주소로 사용하고 있다. 정부에서는 자치단체의 주소 생성, 변경, 폐지 등의 업무를 지원하기 위하여 국가주소정보시스템(Korea Address Information System, KAIS)을 운영하고 있고, KAIS에서 도로명이나 건물이 부여 또는 변경이 되면 해당 소유자나 점유자에게 고지를 하고 해당 도로명주소를 고시함으로써 법정주소가 탄생한다.
KAIS에는 도로명주소 이외에도 도로명주소기본도가 유지 관리되고 있고, 도로명주소기본도는 주소의 생성 및 관리를 목적으로 함으로써 주소가 부여된 건물만을 그 대상으로 관리되고 있으며, 결과적으로 도로명주소기본도도 도로명주소의 생성, 변경, 폐지를 위한 기본 지도로 활용되고 있다.
그러나, 도로명주소기본도 구축 당시에 여러 가지 도면을 이용하여 구축되었고, 도면 자체의 오류 또는 정합 과정에서 발생한 오류에 의하여 현재까지 위치정확도의 문제 등으로 인해 참고용 도면 정도로만 활용된다는 문제점이 지적되고 있다.
또한, 고해상도 위성영상을 이용하여 도로명주소기본도의 건물 및 도로를 디지타이징(digitizing) 작업에 의해 갱신하는 연구가 진행되었으나, 이는 위성영상의 해상도가 떨어져 정밀지도를 제작하기에 적합하지 않다는 한계가 있다.
최근에는 항공사진과 건축도면을 이용하여 갱신하는 방법에 대한 연구가 진행되었으나, 이는 항공사진이나 건축도면에서 건물의 경계를 디지타이징 방법으로 전 과정을 수동으로 추출해야 하는 한계가 존재한다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 창안된 것으로, 도로명주소기본도를 지속적으로 관리하고, 저 예산으로 정확도를 향상시킬 수 있도록 UAV 영상에서 취득된 자료를 바탕으로 도로명주소기본도의 건물 레이어에서 갱신된 객체를 탐지하기 위한 방법을 제공하는 데 그 목적이 있다.
본 발명의 일 실시예로써, UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법이 제공될 수 있다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법은 UAV를 이용하여 갱신 객체 탐지 대상 지역의 영상을 촬영하는 단계, 촬영된 영상을 기반으로 정사영상을 생성하는 단계, 정사영상에 대해 허프 변환(Hough transform)을 수행하여 정사영상 내의 선형들을 추출하는 단계, 추출된 선형들에 대하여, 불필요한 선형을 제거하고 건물 외곽선에 해당하는 선형을 연결하여 건물 외곽선 폴리곤을 생성하는 단계, 건물 외곽선 폴리곤 및 도로명주소 기본도의 건물 레이어 각각에 동일한 좌표계를 적용하는 단계, 동일한 좌표계가 적용된 건물 외곽선 폴리곤과 건물 레이어의 기하학적 매칭을 통하여 갱신 객체를 탐지하는 단계 및 매칭된 객체를 판독하여 실제 갱신된 객체인지 여부를 판별하는 단계를 포함할 수 있다.
또한, 갱신 객체를 탐지하는 단계는 건물 외곽선 폴리곤과 건물 레이어를 중첩 분석하여 얻어지는 교차된 복수의 면 객체쌍들의 컨벡스 헐(convex hull)을 추출 및 변환하고, 변환에 의해 생성된 각각의 단일 객체를 기하학적 매칭의 대상으로 하며, 각각의 단일 객체의 형상유사도를 판단하여 매칭을 수행할 수 있다.
한편, 중첩 분석의 결과에서 교차되는 면 객체가 한 쌍인 경우, 한 쌍의 면 객체의 형상유사도를 판단하여 기하학적 매칭을 수행할 수 있다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법은 복수의 면 객체쌍 각각에 포함함수(I) 식을 적용하고, 포함함수 식은
Figure 112017030824986-pat00001
를 만족할 수 있고, 포함함수 식에서 A는 건물 레이어 및 B는 건물 외곽선 폴리곤을 의미하고, 포함함수가 0.4 이상인 복수의 면 객체쌍들에 곡선 적합(curve-fitting) 알고리즘을 적용하여 컨벡스 헐(convex hull)을 추출할 수 있다.
한편, 건물 외곽선 폴리곤 및 건물 레이어 각각에 동일하게 적용되는 좌표계는 단일평면직각좌표계(UTM-K)일 수 있다.
또한, 본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법은 건물 외곽선 폴리곤 및 건물 레이어 각각에 동일한 좌표계를 적용한 후 발생되는 계통오차에 대하여 아핀 변환(Affine transformation)을 이용하여 계통오차를 제거하는 단계를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법의 형상유사도(Simss)는
Figure 112017030824986-pat00002
를 만족할 수 있고, 전술한 형상유사도를 구하는 수학식에서 A, B, SimP(A,B), ω1, Sims(A,B), ω2, SimA(A,B) 및 ω3는 각각 건물 레이어, 건물 외곽선 폴리곤, 위치 기준, 위치 기준의 가중치, 형상 기준, 형상 기준의 가중치, 면적 기준 및 면적 기준의 가중치일 수 있으며, 면 객체쌍의 형상유사도가 0.7 미만인 경우 면 객체쌍이 상호 비유사하다고 판단되어 실제 갱신된 객체인지 여부를 판별할 수 있다.
본 발명의 다른 실시예로써 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치가 제공될 수 있다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치는 UAV를 이용하여 갱신 객체 탐지 대상 지역의 영상을 촬영하는 영상 촬영부, 촬영된 영상을 기반으로 정사영상을 생성하는 영상 보정부, 정사영상에 대해 허프 변환(Hough transform)을 수행하여 정사영상 내의 선형들을 추출하는 영상 변환부, 추출된 선형들에 대하여, 불필요한 선형을 제거하고 건물 외곽선에 해당하는 선형을 연결하여 건물 외곽선 폴리곤을 생성하는 폴리곤 생성부, 건물 외곽선 폴리곤 및 도로명주소 기본도의 건물 레이어 각각에 동일한 좌표계를 적용하는 좌표계 보정부, 동일한 좌표계가 적용된 건물 외곽선 폴리곤과 건물 레이어의 기하학적 매칭을 통하여 갱신 객체를 탐지하는 매칭부 및 매칭된 객체를 판독하여 실제 갱신된 객체인지 여부를 판별하는 갱신 객체 판별부를 포함할 수 있다.
또한, 매칭부는 건물 외곽선 폴리곤과 건물 레이어를 중첩 분석하여 얻어지는 교차된 복수의 면 객체쌍들의 컨벡스 헐(convex hull)을 추출 및 변환하고, 변환에 의해 생성된 각각의 단일 객체를 기하학적 매칭의 대상으로 할 수 있고, 각각의 단일 객체의 형상유사도를 판단하여 매칭을 수행할 수 있다.
한편, 중첩 분석의 결과에서 교차되는 면 객체가 한 쌍인 경우, 한 쌍의 면 객체의 형상유사도를 판단하여 기하학적 매칭을 수행할 수 있다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치의 매칭부에서는 복수의 면 객체쌍 각각에 포함함수(I) 식을 적용할 수 있고, 포함함수 식은
Figure 112017030824986-pat00003
를 만족할 수 있으며, 포함함수 식에서 A는 건물 레이어 및 B는 건물 외곽선 폴리곤일 수일 수 있고, 포함함수가 0.4 이상인 복수의 면 객체쌍들에 곡선 적합(curve-fitting) 알고리즘을 적용하여 컨벡스 헐(convex hull)을 추출할 수 있다.
한편, 좌표계 보정부에서 적용하는 좌표계는 단일평면직각좌표계(UTM-K)일 수 있다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치는 좌표계 보정부에서 건물 외곽선 폴리곤 및 건물 레이어 각각에 동일한 좌표계를 적용한 후 발생되는 계통오차에 대하여 아핀 변환(Affine transformation)을 이용하여 계통오차를 제거하는 오차 제거부를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치에서 적용하는 형상유사도(Simss)는
Figure 112017030824986-pat00004
를 만족할 수 있고, 전술한 형상유사도의 수학식에서 A, B, SimP(A,B), ω1, Sims(A,B), ω2, SimA(A,B) 및 ω3는 각각 건물 레이어, 건물 외곽선 폴리곤, 위치 기준, 위치 기준의 가중치, 형상 기준, 형상 기준의 가중치, 면적 기준 및 면적 기준의 가중치일 수 있으며, 면 객체쌍의 형상유사도가 0.7 미만인 경우 면 객체쌍이 상호 비유사하다고 판단되어 객체 판별부에 의해 실제 갱신된 객체인지 여부를 판별할 수 있다.
한편, 본 발명의 일 실시예로써, 전술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공될 수 있다.
이와 같은 본 발명에 따르면, 도로명주소기본도를 지속적으로 관리하고, 저예산으로 정확도를 향상시켜 도로명주소기본도의 활용도를 증대시키기 위한 도로명주소기본도의 건물 레이어의 갱신 객체 탐지 방법 및 장치를 제공한다.
또한, 정규 격자 기반의 허프 변환을 통하여 고해상도 영상에서 도심 구조물들의 선형을 누락 없이 영상 전체에 걸쳐 고루 추출할 수 있고, 빠른 연산 속도를 통하여 신속한 작업이 가능하도록 한다.
또한, UAV를 이용한 고해상도 영상을 이용하여 정밀지도를 용이하게 제작할 수 있는 효과가 있고, 인간의 행위가 개입되는 수동 작업의 양을 최소화할 수 있는 건물 레이어 갱신 객체 탐지 방법을 제공한다.
도 1은 본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법의 순서도이다.
도 2 는 본 발명의 일 실시예에 따라 생성된 정사영상의 예시이다.
도 3a는 본 발명의 일 실시예에 따른 허프변환으로 추출된 선형의 예시이다.
도 3b는 본 발명의 일 실시예에 따른 건물 외곽선 폴리곤의 예시이다.
도 4는 본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치의 구성 블록도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 명세서 전체에서 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, "그 중간에 다른 소자를 사이에 두고" 연결되어 있는 경우도 포함한다.
"허프 변환(Hough transformation)"이란, 화상 처리에서의 선분 추출을 위한 변환으로, 직선을
Figure 112016051565957-pat00005
로 나타내면 동일 직선은
Figure 112016051565957-pat00006
평면에서는 한 점에 떨어지므로
Figure 112016051565957-pat00007
평면에서의 클러스터링(clustering)에 의해 직선을 찾고, 그 직선은
Figure 112016051565957-pat00008
평면에 떨어뜨리는 것을 의미한다.
허프 변환은 영상에서 선형 특징을 추출하기 위해 가장 많이 활용되는 알고리즘이나, 연산 비용이 높다는 점과 원격 탐사 영상에 적용할 경우 지역적 선형이 누락되는 문제점이 존재한다. 따라서 본 발명에서는 고해상도 영상에서 도심 구조물들의 선형을 누락 없이 영상 전체에 걸쳐 고루 추출 가능하고, 추출 에지 자체를 레이블링한후 일반적인 허프 변환을 적용한 경우에 비해 빠른 연산 속도를 가지는 장점이 있는 정규 격자 기반의 허프 변환을 이용할 수 있다.
"UTM 좌표계"는 Transverse Mercator 투영법을 사용하는 좌표계 중의 하나로, 전 세계를 경도 6도(degree) 간격의 영역으로 나누고 이들 각각의 영역에 대해 별도의 원점과 축을 지정하여 좌표를 Meter 단위로 나타내는 것을 의미한다.
"UTM-K 좌표계"는 UTM 좌표계와 같은 방법으로 투영계산을 거치지만, 적도에 기준원점을 두어 투영을 거치다 보니 한국에 많은 왜곡이 발생하는 UTM 좌표계의 단점을 보완하기 위해 만들어진 좌표계로, UTM 좌표계에서 원점 및 가산수치만 다르게 적용된 좌표계이다. 구체적으로, 기준원점을 경도 127.5도(degree)와 위도 38도(degree)의 교차점으로 정하고, X축으로 1,000,000m, Y축 방향으로는 2,000,000m의 값을 더해 좌표를 나타낸다.
KAIS에서는 도로명주소기본도를 유지 및 관리하고 있고, 도로명주소기본도는 주소의 생성 및 관리를 목적으로 하여 주소가 부여된 건물만을 그 대상으로 관리되고 있다. 즉, 건물이 신축된 경우 민원인이 주소 부여를 신청하면 자치단체의 담당 공무원이 지적 측량성과, 항공사진, 설계도면 등을 이용하여 묘화하여 갱신을 한다. 그렇지 않은 도로명주소가 부여된 건물, 즉 도로명주소기본도에 도화된 건물 객체 중에서 도로명주소가 멸실된 경우만 해당 건물 객체만을 도로명주소기본도에서 삭제하는 실정이다. 이에 본 발명은 도로명주소기본도의 건물 레이어의 활성화를 목적으로 한다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법의 순서도이고, 도 2 는 본 발명의 일 실시예에 따라 생성된 정사영상의 예시이다.
본 발명의 일 실시예로써 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법이 제공될 수 있다.
도 1 및 도 2를 참조하여 설명하면, 본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법은 UAV를 이용하여 갱신 객체 탐지 대상 지역의 영상을 촬영하는 단계, 촬영된 영상을 기반으로 정사영상을 생성하는 단계, 정사영상에 대해 허프 변환(Hough transform)을 수행하여 정사영상 내의 선형들을 추출하는 단계, 추출된 선형들에 대하여, 불필요한 선형을 제거하고 건물 외곽선에 해당하는 선형을 연결하여 건물 외곽선 폴리곤을 생성하는 단계, 건물 외곽선 폴리곤 및 도로명주소 기본도의 건물 레이어 각각에 동일한 좌표계를 적용하는 단계, 동일한 좌표계가 적용된 건물 외곽선 폴리곤과 건물 레이어의 기하학적 매칭을 통하여 갱신 객체를 탐지하는 단계 및 매칭된 객체를 판독하여 실제 갱신된 객체인지 여부를 판별하는 단계를 포함할 수 있다.
건물 외곽선 폴리곤과 도로명주소 기본도의 건물 레이어를 중첩 할 때 다대다(multiple) 관계(M:1, 1:N, M:N)가 나타날 경우, 기하학적 매칭을 위하여 다대다 관계에 해당 객체를 그룹화하여 단일 객체로 만들 수 있다. 기하학적 매칭은 도로명주소 기본도의 건물 레이어의 면 객체와 건물 외곽선의 면 객체를 하나씩 서로 비교하면서 매칭이 수행될 수 있고, 이때 실제로 A 공간정보의 다수의 면 객체가 B 공간정보의 하나의 면 객체와 매칭되는 경우, A 공간정보의 다수의 면 객체를 단일 객체로 변형하여 B 공간정보의 하나의 면 객체와 매칭 여부를 분석할 수 있다. 즉, 다대다 관계인 경우 다수의 객체를 단일 객체로 변형한 후에 기하학적 매칭을 수행할 수 있다.
다시 말해서, 갱신 객체를 탐지하는 단계는 건물 외곽선 폴리곤과 건물 레이어를 중첩 분석하여 얻어지는 교차된 복수의 면 객체쌍들의 컨벡스 헐(convex hull)을 추출 및 변환하고, 변환에 의해 생성된 각각의 단일 객체를 기하학적 매칭의 대상으로 하며, 각각의 단일 객체의 형상유사도를 판단하여 매칭을 수행할 수 있다.
한편, 중첩 분석의 결과에서 교차되는 면 객체가 한 쌍인 경우, 한 쌍의 면 객체의 형상유사도를 판단하여 기하학적 매칭을 수행할 수 있다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법은 항공 삼각측량을 수행하기 위하여 8점의 지상기준점을 사용할 수 있고, 지상기준점은 대상지역 전체에 분포하도록 설정할 수 있다. 또한, 지상기준점의 일부를 검사점으로 사용하여 최종적으로 정사영상 정확도(RMSE)가 0.2m 미만인 정사영상을 생성할 수 있다.
도 3a는 본 발명의 일 실시예에 따른 허프변환으로 추출된 선형의 예시이고, 도 3b는 본 발명의 일 실시예에 따른 건물 외곽선 폴리곤의 예시이다.
도 3a 및 도 3b를 참조하면, 본 발명의 일 실시예에 따른 정사영상에 대해 허프 변환(Hough transform)을 수행하여 정사영상 내의 선형들을 추출하는 단계는 정규 격자 기반의 허프 변환을 이용하여 수행될 수 있다.
정규 격자 기반 허프 변환은 Canny 에지 생성, 정규 격자 기반 레이블링 및 허프 변환, 선형 연결의 세 과정으로 구성될 수 있고, Canny 에지 생성을 위하여 UAV 다중분광영상의 평균값을 이용하여 의사 전정색(pseudo panchromatic) 영상을 생성할 수 있고, 실험적으로 가우시안 필터링 표준편차 값, 약한 에지 및 강한 에지 임계 값을 설정할 수 있다. 생성된 Canny 에지는 정규 격자망 내에서의 위치에 따라 고유한 레이블을 부여 받게 되며 정규 격자 별로 해당 에지의 주 선형을 추출함으로써 지역적 선형을 누락 없이 추출할 수 있다. 이후 정규 격자 별로 인접 격자들이 사전에 정의될 수 있고, 인접 격자들을 탐색하여 추출 선형 간의 연결성을 분석할 수 있으며, 연속적인 선형 쌍이 수학식 1 및 수학식 2를 통해 연결될 수 있다.
Figure 112016051565957-pat00009
Figure 112016051565957-pat00010
수학식 1 및 수학식 2에서 N은 기준 선형과 인접 선형을 구성하는 전체 포인트 수, xi와 yi는 선형 연결 전 i번째 포인트의 좌표, xi′와 yi′는 선형 연결 후 회귀선에 투영된 i번째 포인트의 좌표,
Figure 112016051565957-pat00011
와
Figure 112016051565957-pat00012
는 각각 전체 포인트의 x좌표와 y좌표의 평균값, 그리고
Figure 112016051565957-pat00013
와
Figure 112016051565957-pat00014
는 선형 회귀 계수이다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법은 복수의 면 객체쌍 각각에 포함함수(I) 식을 적용하고, 포함함수 식은
Figure 112017030824986-pat00015
를 만족하고, 포함함수 식에서 A는 건물 레이어 및 B는 건물 외곽선 폴리곤이며, 포함함수가 0.4 이상인 복수의 면 객체쌍들에 곡선 적합(curve-fitting) 알고리즘을 적용하여 컨벡스 헐(convex hull)을 추출할 수 있다.
한편, 건물 외곽선 폴리곤 및 건물 레이어 각각에 동일하게 적용되는 좌표계는 단일평면직각좌표계(UTM-K)일 수 있으나, 반드시 이에 제한되는 것을 아니다.
또한, 본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법은 건물 외곽선 폴리곤 및 건물 레이어 각각에 동일한 좌표계를 적용한 후 발생되는 계통오차에 대하여 아핀 변환(Affine transformation)을 이용하여 계통오차를 제거하는 단계를 더 포함할 수 있다.
아핀 변환(Affine transformation)이란, n차원 공간이 1차식으로 나타내어지는 점대응을 의미한다. 예를 들면, n차원 공간에서의 점대응 (x1,x2,……,xn)→(y1,y2,……,yn)이 1차식인
Figure 112016051565957-pat00016
인 형태로 나타내어지는 것을 말한다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법의 형상유사도(Simss)는
Figure 112017030824986-pat00017
를 만족할 수 있고, 전술한 형상유사도를 구하는 수학식에서 A, B, SimP(A,B), ω1, Sims(A,B), ω2, SimA(A,B) 및 ω3는 각각 건물 레이어, 건물 외곽선 폴리곤, 위치 기준, 위치 기준의 가중치, 형상 기준, 형상 기준의 가중치, 면적 기준 및 면적 기준의 가중치이며, 면 객체쌍의 형상유사도가 0.7 미만인 경우 면 객체쌍이 상호 비유사하다고 판단되어 실제 갱신된 객체인지 여부를 판별할 수 있다. 이때, 면 객체쌍이 상호 비유사하다고 판단되는 형상유사도 값, 즉 임계값은 변경 가능하고, 임의로 설정 가능할 수 있다.
갱신된 객체인지 여부를 판별할 때, 건물 레이어와 건물 외곽선 폴리곤의 중첩 시 교차되는 면 객체의 수, 즉 대응 관계를 분석하여 판별할 수 있다. 이때, 건물 레이어에만 건물이 존재하는 경우(1:0)는 기존의 건물이 철거되어 건물 외곽선에는 면 객체가 존재하지 않으므로 건물 레이어에서 해당 객체가 삭제될 수 있고, 이와 반대로 건물 외곽선 폴리곤에만 면 객체가 존재하는 경우(0:1)는 신규 건물이 건축되었으므로 건물 레이어에 건물 외곽선 폴리곤의 면 객체가 삽입될 수 있다. 또한 건물 레이어의 하나 이상의 건물과 건물 외곽선의 하나 이상의 건물이 대응되는 다대다 관계(M:1, 1:N, M:N)는 건물 레이어에 있는 면 객체를 삭제하고, 건물 외곽선 폴리곤의 면 객체를 삽입할 수 있다. 대응 관계를 이용한 갱신 객체의 정의를 정리하면 [표 1]과 같다. 이때, 대응관계는 '건물 레이어:건물 외곽선 폴리곤'을 의미한다.
Figure 112016051565957-pat00018
도 4는 본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치(100)의 구성 블록도이다.
본 발명의 다른 실시예로써 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치(100)가 제공될 수 있다.
도 4를 참조하여 설명하면, 본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치(100)는 UAV를 이용하여 갱신 객체 탐지 대상 지역의 영상을 촬영하는 영상 촬영부(110), 촬영된 영상을 기반으로 정사영상을 생성하는 영상 보정부(120), 정사영상에 대해 허프 변환(Hough transform)을 수행하여 정사영상 내의 선형들을 추출하는 영상 변환부(130), 추출된 선형들에 대하여, 불필요한 선형을 제거하고 건물 외곽선에 해당하는 선형을 연결하여 건물 외곽선 폴리곤을 생성하는 폴리곤 생성부(140), 건물 외곽선 폴리곤 및 도로명주소 기본도의 건물 레이어 각각에 동일한 좌표계를 적용하는 좌표계 보정부(150), 동일한 좌표계가 적용된 건물 외곽선 폴리곤과 건물 레이어의 기하학적 매칭을 통하여 갱신 객체를 탐지하는 매칭부(160) 및 매칭된 객체를 판독하여 실제 갱신된 객체인지 여부를 판별하는 갱신 객체 판별부(170)를 포함할 수 있다.
또한, 매칭부(160)는 건물 외곽선 폴리곤과 건물 레이어를 중첩 분석하여 얻어지는 교차된 복수의 면 객체쌍들의 컨벡스 헐(convex hull)을 추출 및 변환하고, 변환에 의해 생성된 각각의 단일 객체를 기하학적 매칭의 대상으로 할 수 있고, 각각의 단일 객체의 형상유사도를 판단하여 매칭을 수행할 수 있다.
한편, 중첩 분석의 결과에서 교차되는 면 객체가 한 쌍인 경우, 한 쌍의 면 객체의 형상유사도를 판단하여 기하학적 매칭을 수행할 수 있다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치(100)의 매칭부(160)에서는 복수의 면 객체쌍 각각에 포함함수(I) 식을 적용할 수 있고, 포함함수 식은
Figure 112017030824986-pat00019
를 만족할 수 있으며, 포함함수 식에서 A는 건물 레이어 및 B는 건물 외곽선 폴리곤일 수일 수 있고, 포함함수가 0.4 이상인 복수의 면 객체쌍들에 곡선 적합(curve-fitting) 알고리즘을 적용하여 컨벡스 헐(convex hull)을 추출할 수 있다.
한편, 좌표계 보정부(150)에서 적용하는 좌표계는 단일평면직각좌표계(UTM-K)일 수 있다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치(100)는 좌표계 보정부(150)에서 건물 외곽선 폴리곤 및 건물 레이어 각각에 동일한 좌표계를 적용한 후 발생되는 계통오차에 대하여 아핀 변환(Affine transformation)을 이용하여 계통오차를 제거하는 오차 제거부(180)를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치(100)에서 적용하는 형상유사도(Simss)는
Figure 112017030824986-pat00020
를 만족할 수 있고, 전술한 형상유사도의 수학식에서 A, B, SimP(A,B), ω1, Sims(A,B), ω2, SimA(A,B) 및 ω3는 각각 건물 레이어, 건물 외곽선 폴리곤, 위치 기준, 위치 기준의 가중치, 형상 기준, 형상 기준의 가중치, 면적 기준 및 면적 기준의 가중치일 수 있으며, 면 객체쌍의 형상유사도가 0.7 미만인 경우 면 객체쌍이 상호 비유사하다고 판단되어 객체 판별부(170)에 의해 실제 갱신된 객체인지 여부를 판별할 수 있다.
본 발명의 일 실시예에 따른 장치과 관련하여서는 전술한 방법에 대한 내용이 적용될 수 있다. 따라서, 장치과 관련하여, 전술한 방법에 대한 내용과 동일한 내용에 대하여는 설명을 생략하였다.
한편, 본 발명의 일 실시예로써, 전술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공될 수 있다.
본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치
110: 영상 촬영부
120: 영상 보정부
130: 영상 변환부
140: 폴리곤 생성부
150: 좌표계 보정부
160: 매칭부
170: 객체 판별부
180: 오차 제거부

Claims (13)

  1. UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법에 있어서,
    UAV를 이용하고, 8점의 지상기준점(Ground Control Point)를 적용하여 갱신 객체 탐지 대상 지역의 영상을 촬영하는 단계;
    상기 촬영된 영상을 기반으로 정사영상을 생성하는 단계;
    상기 정사영상에 대해 허프 변환(Hough transform)을 수행하여 상기 정사영상 내의 선형들을 추출하는 단계;
    상기 추출된 선형들에 대하여, 사전 설정된 소정의 조건에 부합하지 않는 선형을 제거하고 건물 외곽선에 해당하는 선형을 연결하여 건물 외곽선 폴리곤을 생성하는 단계;
    상기 건물 외곽선 폴리곤 및 도로명주소 기본도의 건물 레이어 각각에 동일한 좌표계를 적용하는 단계;
    동일한 좌표계가 적용된 상기 건물 외곽선 폴리곤과 상기 건물 레이어의 기하학적 매칭을 통하여 갱신 객체를 탐지하는 단계; 및
    상기 매칭된 객체를 판독하여 실제 갱신된 객체인지 여부를 판별하는 단계;를 포함하고,
    상기 갱신 객체를 탐지하는 단계는,
    상기 건물 외곽선 폴리곤과 상기 건물 레이어를 중첩 분석하여 얻어지는 교차된 복수의 면 객체쌍들의 컨벡스 헐(convex hull)을 추출 및 변환하고, 상기 변환에 의해 생성된 각각의 단일 객체를 상기 기하학적 매칭의 대상으로 하며, 상기 각각의 단일 객체의 형상유사도를 판단하여 매칭을 수행하며,
    상기 실제 갱신된 객체인지 여부를 판별하는 단계는,
    상기 건물 레이어에만 건물이 존재하는 경우, 기존 건물이 철거되었다고 판별되어 상기 건물 레이어에서 해당 객체가 자동으로 삭제되고,
    상기 건물 외곽선 폴리곤에만 면 객체가 존재하는 경우, 신규 건물이 신축되었다고 판별되어 상기 건물 외곽선 폴리곤에 존재하는 상기 면 객체가 상기 건물 레이어에 자동으로 삽입되는 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법.
  2. 제 1 항에 있어서,
    상기 중첩 분석의 결과에서 교차되는 면 객체가 한 쌍인 경우,
    상기 한 쌍의 면 객체의 형상유사도를 판단하여 상기 기하학적 매칭을 수행하는 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법.
  3. 제 1 항에 있어서,
    상기 복수의 면 객체쌍 각각에 포함함수(I) 식을 적용하고,
    상기 포함함수 식은
    Figure 112017030824986-pat00021
    를 만족하며,
    상기 포함함수 식에서 A는 상기 건물 레이어 및 B는 상기 건물 외곽선 폴리곤이고,
    상기 포함함수가 0.4 이상인 복수의 면 객체쌍들에 곡선 적합(curve-fitting) 알고리즘을 적용하여 컨벡스 헐(convex hull)을 추출하는 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법.
  4. 제 1 항 또는 제 2 항에 있어서,
    상기 건물 외곽선 폴리곤 및 상기 건물 레이어 각각에 동일하게 적용되는 좌표계는 단일평면직각좌표계(UTM-K)인 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법.
  5. 제 1 항 또는 제 2 항에 있어서,
    상기 건물 외곽선 폴리곤 및 상기 건물 레이어 각각에 동일한 좌표계를 적용한 후 발생되는 계통오차에 대하여 아핀 변환(Affine transformation)을 이용하여 상기 계통오차를 제거하는 단계;를 더 포함하는 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법.
  6. 제 1 항 또는 제 2 항에 있어서,
    상기 형상유사도(Simss)는,
    Figure 112017030824986-pat00022
    를 만족하고,
    상기 수학식에서 A, B, SimP(A,B), ω1, Sims(A,B), ω2, SimA(A,B) 및 ω3는 각각 상기 건물 레이어, 상기 건물 외곽선 폴리곤, 위치 기준, 위치 기준의 가중치, 형상 기준, 형상 기준의 가중치, 면적 기준 및 면적 기준의 가중치이며,
    상기 면 객체쌍의 형상유사도가 0.7 미만인 경우 상기 면 객체쌍이 상호 비유사하다고 판단되어 실제 갱신된 객체인지 여부를 판별하는 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법.
  7. UAV(Unmanned Aerial Vehicle) 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치에 있어서,
    UAV를 이용하고, 8점의 지상기준점(Ground Control Point)를 적용하여 갱신 객체 탐지 대상 지역의 영상을 촬영하는 영상 촬영부;
    상기 촬영된 영상을 기반으로 정사영상을 생성하는 영상 보정부;
    상기 정사영상에 대해 허프 변환(Hough transform)을 수행하여 상기 정사영상 내의 선형들을 추출하는 영상 변환부;
    상기 추출된 선형들에 대하여, 사전 설정된 소정의 조건에 부합하지 않는 선형을 제거하고 건물 외곽선에 해당하는 선형을 연결하여 건물 외곽선 폴리곤을 생성하는 폴리곤 생성부;
    상기 건물 외곽선 폴리곤 및 도로명주소 기본도의 건물 레이어 각각에 동일한 좌표계를 적용하는 좌표계 보정부;
    동일한 좌표계가 적용된 상기 건물 외곽선 폴리곤과 상기 건물 레이어의 기하학적 매칭을 통하여 갱신 객체를 탐지하는 매칭부; 및
    상기 매칭된 객체를 판독하여 실제 갱신된 객체인지 여부를 판별하는 갱신 객체 판별부;를 포함하고,
    상기 매칭부는,
    상기 건물 외곽선 폴리곤과 상기 건물 레이어를 중첩 분석하여 얻어지는 교차된 복수의 면 객체쌍들의 컨벡스 헐(convex hull)을 추출 및 변환하고, 상기 변환에 의해 생성된 각각의 단일 객체를 상기 기하학적 매칭의 대상으로 하며, 상기 각각의 단일 객체의 형상유사도를 판단하여 매칭을 수행하고,
    상기 건물 레이어에만 건물이 존재하는 경우, 기존 건물이 철거되었다고 판별되어 상기 건물 레이어에서 해당 객체가 상기 판별부에 의하여 자동으로 삭제되고,
    상기 건물 외곽선 폴리곤에만 면 객체가 존재하는 경우, 신규 건물이 신축되었다고 판별되어 상기 판별부에 의하여 상기 건물 외곽선 폴리곤에 존재하는 상기 면 객체가 상기 건물 레이어에 자동으로 삽입되는 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치.
  8. 제 7 항에 있어서,
    상기 중첩 분석의 결과에서 교차되는 면 객체가 한 쌍인 경우,
    상기 한 쌍의 면 객체의 형상유사도를 판단하여 상기 기하학적 매칭을 수행하는 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치.
  9. 제 7 항에 있어서,
    상기 매칭부에서는, 상기 복수의 면 객체쌍 각각에 포함함수(I) 식을 적용하고,
    상기 포함함수 식은
    Figure 112017030824986-pat00023
    를 만족하며,
    상기 포함함수 식에서 A는 상기 건물 레이어 및 B는 상기 건물 외곽선 폴리곤이고,
    상기 포함함수가 0.4 이상인 복수의 면 객체쌍들에 곡선 적합(curve-fitting) 알고리즘을 적용하여 컨벡스 헐(convex hull)을 추출하는 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치.
  10. 제 7 항 또는 제 8 항에 있어서,
    상기 좌표계 보정부에서 적용하는 좌표계는 단일평면직각좌표계(UTM-K)인 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치.
  11. 제 7 항 또는 제 8 항에 있어서,
    상기 좌표계 보정부에서 상기 건물 외곽선 폴리곤 및 상기 건물 레이어 각각에 동일한 좌표계를 적용한 후 발생되는 계통오차에 대하여 아핀 변환(Affine transformation)을 이용하여 상기 계통오차를 제거하는 오차 제거부;를 더 포함하는 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치.
  12. 제 7 항 또는 제 8 항에 있어서,
    상기 형상유사도(Simss)는,
    Figure 112017030824986-pat00024
    를 만족하고,
    상기 수학식에서 A, B, SimP(A,B), ω1, Sims(A,B), ω2, SimA(A,B) 및 ω3는 각각 상기 건물 레이어, 상기 건물 외곽선 폴리곤, 위치 기준, 위치 기준의 가중치, 형상 기준, 형상 기준의 가중치, 면적 기준 및 면적 기준의 가중치이며,
    상기 면 객체쌍의 형상유사도가 0.7 미만인 경우 상기 면 객체쌍이 상호 비유사하다고 판단되어 객체 판별부에 의해 실제 갱신된 객체인지 여부를 판별하는 것을 특징으로 하는 UAV 영상을 이용한 건물 레이어의 갱신 객체 탐지 장치.
  13. 제 1 항의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
KR1020160066179A 2016-05-30 2016-05-30 Uav 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치 KR101767006B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160066179A KR101767006B1 (ko) 2016-05-30 2016-05-30 Uav 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160066179A KR101767006B1 (ko) 2016-05-30 2016-05-30 Uav 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치

Publications (1)

Publication Number Publication Date
KR101767006B1 true KR101767006B1 (ko) 2017-08-09

Family

ID=59652835

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160066179A KR101767006B1 (ko) 2016-05-30 2016-05-30 Uav 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101767006B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109829226A (zh) * 2019-01-25 2019-05-31 中国核电工程有限公司 生成和自动更新建筑面层的方法及装置
CN110837839A (zh) * 2019-11-04 2020-02-25 嘉兴职业技术学院 一种高精度无人机正射影像制作及数据采集方法
CN111754484A (zh) * 2020-06-23 2020-10-09 北京东方至远科技股份有限公司 基于InSAR大数据和霍夫检测的房屋矢量框和PS点匹配方法
KR20210131120A (ko) * 2020-04-23 2021-11-02 주식회사 키센스 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치
CN115062178A (zh) * 2022-08-17 2022-09-16 广东电网有限责任公司佛山供电局 无人机设备巡检图像的整理方法、装置和计算机设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Linear Feature-Based Approach for the Registration of Unmanned Aerial Vehicle Remotely-Sensed Images and Airborne LiDAR Data, Remote Sensing vol.8(2)(2016.01.25.)*
수치지도와 도로명주소지도의 통합 활용을 위한 건물 매칭 분석과 신규 건물 갱신, 한국측량학회지 제32권제5호(2014.10.)*
형상유사도 기반의 면 객체 매칭을 통한 갱신 객체 탐지, 한국측량학회지, 제30권 제1호(2012.02.)*

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109829226A (zh) * 2019-01-25 2019-05-31 中国核电工程有限公司 生成和自动更新建筑面层的方法及装置
CN109829226B (zh) * 2019-01-25 2022-09-30 中国核电工程有限公司 生成和自动更新建筑面层的方法及装置
CN110837839A (zh) * 2019-11-04 2020-02-25 嘉兴职业技术学院 一种高精度无人机正射影像制作及数据采集方法
CN110837839B (zh) * 2019-11-04 2023-09-26 嘉兴职业技术学院 一种高精度无人机正射影像制作及数据采集方法
KR20210131120A (ko) * 2020-04-23 2021-11-02 주식회사 키센스 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치
KR102405937B1 (ko) * 2020-04-23 2022-06-08 주식회사 키센스 인공지능을 이용한 사용자 참여형 인식 플랫폼에서 건물 높이 추정 방법 및 그 장치
CN111754484A (zh) * 2020-06-23 2020-10-09 北京东方至远科技股份有限公司 基于InSAR大数据和霍夫检测的房屋矢量框和PS点匹配方法
CN111754484B (zh) * 2020-06-23 2024-03-29 北京东方至远科技股份有限公司 基于InSAR大数据和霍夫检测的房屋矢量框和PS点匹配方法
CN115062178A (zh) * 2022-08-17 2022-09-16 广东电网有限责任公司佛山供电局 无人机设备巡检图像的整理方法、装置和计算机设备

Similar Documents

Publication Publication Date Title
KR101767006B1 (ko) Uav 영상을 이용한 건물 레이어의 갱신 객체 탐지 방법 및 장치
Kwak et al. Automatic representation and reconstruction of DBM from LiDAR data using Recursive Minimum Bounding Rectangle
Zhou et al. Seamless fusion of LiDAR and aerial imagery for building extraction
EP2458336B1 (en) Method and system for reporting errors in a geographic database
Parmehr et al. Automatic registration of optical imagery with 3D LiDAR data using statistical similarity
CN104123730A (zh) 基于道路特征的遥感影像与激光点云配准方法及系统
Champion et al. 2D building change detection from high resolution satelliteimagery: A two-step hierarchical method based on 3D invariant primitives
Sohn et al. An implicit regularization for 3D building rooftop modeling using airborne lidar data
Nagarajan et al. Feature-based registration of historical aerial images by area minimization
KR20190080009A (ko) 차선 정보를 이용한 자동 도화 방법
Zhou Urban High-Resolution Remote Sensing: Algorithms and Modeling
Ozturk et al. A low-cost approach for determination of discontinuity orientation using smartphone images and application to a part of Ihlara Valley (Central Turkey)
Satari et al. A multi‐resolution hybrid approach for building model reconstruction from lidar data
Kwak et al. Registration of aerial imagery and aerial LiDAR data using centroids of plane roof surfaces as control information
Chen et al. Automatically annotating and integrating spatial datasets
Jing et al. Efficient point cloud corrections for mobile monitoring applications using road/rail-side infrastructure
Javadnejad et al. An assessment of UAS-based photogrammetry for civil integrated management (CIM) modeling of pipes
Jarzabek-Rychard Reconstruction of building outlines in dense urban areas based on LiDAR data and address points
Li et al. An automated system for image-to-vector georeferencing
CN116106904B (zh) 面向对象MT-InSAR的设施变形监测方法及设备
Esfandiari et al. Building change detection in off-nadir images using deep learning
KR102156085B1 (ko) 고해상도 드론 영상을 활용한 산림지역 변화 탐지 및 변화지역 투수/불투수도 갱신 방법
Widyaningrum et al. Extraction of building roof edges from LiDAR data to optimize the digital surface model for true orthophoto generation
Lu et al. Estimation of Transformation Parameters Between Centre‐Line Vector Road Maps and High Resolution Satellite Images
Hujebri et al. Automatic building extraction from lidar point cloud data in the fusion of orthoimage

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant