KR102050995B1 - 공간좌표의 신뢰성 평가 장치 및 방법 - Google Patents

공간좌표의 신뢰성 평가 장치 및 방법 Download PDF

Info

Publication number
KR102050995B1
KR102050995B1 KR1020190042295A KR20190042295A KR102050995B1 KR 102050995 B1 KR102050995 B1 KR 102050995B1 KR 1020190042295 A KR1020190042295 A KR 1020190042295A KR 20190042295 A KR20190042295 A KR 20190042295A KR 102050995 B1 KR102050995 B1 KR 102050995B1
Authority
KR
South Korea
Prior art keywords
sample section
data
spatial coordinates
volume data
section
Prior art date
Application number
KR1020190042295A
Other languages
English (en)
Inventor
김원철
Original Assignee
김원철
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 김원철 filed Critical 김원철
Priority to KR1020190042295A priority Critical patent/KR102050995B1/ko
Application granted granted Critical
Publication of KR102050995B1 publication Critical patent/KR102050995B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/36—Videogrammetry, i.e. electronic processing of video signals from a single source or from different sources to give parallax or range information
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G01C2011/36—
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Signal Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치는, 무인항공기(Unmanned Aerial Vehicle, UAV)를 이용하여 대상지를 촬영한 사진을 수신하는 수신부; 상기 사진으로부터 포인트 클라우드 데이터(Point cloud data)를 획득하는 데이터 획득부; 상기 획득된 포인트 클라우드 데이터를 이용하여 샘플구간을 추출하는 추출부; 상기 추출된 샘플구간의 체적 데이터를 산출하는 산출부; 상기 산출부에서 산출된 상기 샘플구간의 체적 데이터와 상기 대상지에서 상기 샘플구간에 대응하는 구간의 정밀측량 데이터를 비교하는 비교부; 및 상기 비교부로부터 비교 데이터를 전달받아 공간좌표의 신뢰도를 평가하는 평가부를 포함할 수 있다.

Description

공간좌표의 신뢰성 평가 장치 및 방법{Apparatus and method for reliability evaluation of spatial coordinates}
본 발명은 영상 또는 사진으로부터 추출된 공간좌표의 신뢰성 평가 장치 및 방법에 관한 것이다.
기준 구조물을 명확히 하거나 인접 도로 등과의 관계를 나타내기 위해 부지의 형상, 높낮이 등의 측량이 필요하다. 일반적으로 넓은 부지의 측량시에는 작업자가 직접 현장에서 정밀측량을 하는 것이 불가능하여 최근에는 드론과 같은 무인항공기를 이용한 사진측량 기법이 대안으로 자리매김하고 있는 추세이다.
무인항공기를 이용한 사진측량 기법은 카메라가 장착된 무인항공기를 이용하여 중첩된 사진을 촬영하고 이를 이용하여 3차원 지형자료를 획득하는 것으로, 촬영된 사진을 통해 획득된 공간좌표가 실제 값과 유사하거나 유사하다고 판단하는 기준으로 사용되고 있다.
이때, 사진측량 기법에 의해 획득된 공간좌표의 신뢰도는 mean, mean sigma error, rms(root mean square)의 세 가지 항목을 기준으로 품질을 평가하게 된다. 이러한 평가 방법의 요지는 점들이 정규분포로 존재할 때, 평균값을 기준으로 좌·우로 1 시그마 이내의 구간에 해당하는 약 68.7%에 대한 정보는 보증하고 나머지 약 31.3% 구간에 해당하는 정보는 보증하지 않는다. 즉, 정규분포도에서 평균값을 기준으로 1시그마와 2시그마 구간 사이의 영역에 포함되는 점들은 노이즈인지, 측정값이 정규분포를 이루는지 또는 실제값에 대응되는지 알 수 없다. 따라서, 보증된 값과 그렇지 못한 값들이 혼재되어 있어 사진측량 기법에 의해 획득된 공간좌표의 전체적인 품질을 저하시키는 문제가 있다.
또한, 사진측량 기법에 의해 획득된 공간좌표의 개수가 작은 경우에도 편차가 크면 전제적인 정확도가 낮아지므로 신뢰도를 획득할 수 없다는 문제가 있다.
또한, 종래에는 사진측량으로부터 획득된 공간좌표의 신뢰성은 소프트웨어 제조사가 제공하는 이론상의 수치에만 의존하고 있을 뿐, 현장에서 실제적으로 수행할 수 있는 합리적인 검사방법이 없는 문제가 있다.
본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치 및 방법은 사진측량을 이용하여 전산상으로 복원된 공간좌표의 신뢰성을 실제적으로 수행할 수 있는 합리적인 검사 방법을 제공할 수 있다.
또한, 필요한 경우 현장에서 유휴 자원을 동원하여 손쉽게 검측이 이루어 질 수 있으므로 사진측량의 품질 확보와 고객의 신뢰를 강화할 수 있다.
본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치는, 무인항공기(Unmanned Aerial Vehicle, UAV)를 이용하여 대상지를 촬영한 사진을 수신하는 수신부; 상기 사진으로부터 포인트 클라우드 데이터(Point cloud data)를 획득하는 데이터 획득부; 상기 획득된 포인트 클라우드 데이터를 이용하여 샘플구간을 추출하는 추출부; 상기 추출된 샘플구간의 체적 데이터를 산출하는 산출부; 상기 산출부에서 산출된 상기 샘플구간의 체적 데이터와 상기 대상지에서 상기 샘플구간에 대응하는 구간의 정밀측량 데이터를 비교하는 비교부; 및 상기 비교부로부터 비교 데이터를 전달받아 공간좌표의 신뢰도를 평가하는 평가부를 포함할 수 있다.
또한, 상기 평가부는 상기 샘플구간의 체적 데이터와 상기 정밀측량 데이터의 차이가 최대 체적 편차 이내인지 판단하여 공간좌표의 신뢰도를 평가할 수 있다.
또한, 상기 최대 체적 편차는 상기 샘플구간의 횡 거리와, 상기 샘플구간의 종 거리와, 허용 편차의 곱으로 결정될 수 있다.
또한, 상기 샘플구간의 횡 거리는 하기의 [수학식 1]에 의해 결정될 수 있다.
[수학식 1]
Figure 112019037021984-pat00001
여기서, Lhe는 샘플구간의 횡 거리를 의미하고, Lde는 촬영면 대각거리를 의미하고, R은 이미지의 가로, 세로비를 의미하고, Rho는 횡 중복도를 의미한다.
또한, 상기 샘플구간의 종 거리는 하기의 [수학식 2]에 의해 결정될 수 있다.
[수학식 2]
Figure 112019037021984-pat00002
여기서, Lve는 샘플구간의 종 거리를 의미하고, Lde는 촬영면 대각거리를 의미하고, R은 이미지의 가로, 세로비를 의미하고, Rvo는 종 중복도를 의미한다.
또한, 상기 수신부는 상기 무인항공기가 상기 대상지에 대하여 종 방향 및 횡 방향으로 이동하며 촬영한 사진을 수신할 수 있다.
또한, 상기 샘플구간은 상기 무인항공기의 상기 종 방향에 이동에 의한 종 중복도와 상기 횡 방향의 이동에 의한 횡 중복도가 최대가 되는 구간일 수 있다.
또한, 상기 종 중복도는 66.6%이상 이고, 상기 횡 중복도는 66.6%이상일 수 있다.
또한, 상기 수신부는 상기 무인항공기가 상기 대상지의 면적, 카메라의 해상도 및/또는 상기 대상지의 평지와 기복지역의 비율 정도에 따라 결정되는 고도에서 촬영한 사진을 수신할 수 있다.
본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 방법은, 무인항공기를 이용하여 대상지를 촬영하는 단계; 상기 촬영된 사진으로부터 포인트 클라우드 데이터를 획득하는 단계; 상기 획득된 포인트 클라우드 데이터를 이용하여 샘플구간을 추출하는 단계; 상기 추출된 샘플구간의 체적 데이터를 산출하는 단계; 상기 대상지에서 상기 샘플구간과 대응하는 구간을 선정하여 정밀측량 체적 데이터를 산출하는 단계; 상기 샘플구간의 체적 데이터와 상기 정밀측량 체적 데이터를 비교하는 단계; 및 상기 샘플구간의 체적 데이터와 상기 정밀측량 체적 데이터의 차이가 최대 체적 편차 이내인지 판단하는 단계를 포함할 수 있다.
또한, 상기 포인트 클라우드 데이터를 획득하는 단계는 상기 무인항공기로부터 사진 데이터를 수신하는 단계; 상기 수신된 사진 데이터를 분류하는 단계; 상기 분류된 사진 데이터로부터 3차원의 공간 좌표를 조형하는 단계; 및 상기 추출된 3차원의 공간 좌표를 이용하여 좌표 변환을 수행하는 단계를 통하여 획득될 수 있다.
본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 방법은 사진측량을 이용하여 전산상으로 복원된 공간좌표의 신뢰성을 실제적으로 수행할 수 있다.
또한, 필요한 경우 현장에서 유휴 자원을 동원하여 손쉽게 검측이 이루어 질 수 있으므로 사진측량의 품질 확보와 고객의 신뢰를 강화할 수 있다.
도 1은 본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치의 개념도이다.
도 2는 본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치의 순서도이다.
도 3은 본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 방법의 순서도이다.
도 4는 본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치 및 방법의 샘플구간 추출과정을 설명한 도면이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세한 설명에 구체적으로 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용한다. 제 1, 제 2등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다.
일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미가 있는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않아야 한다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다.
도 1은 본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치의 개념도이다. 도 2는 본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치의 순서도이다. 도 4는 본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치 및 방법의 샘플구간 추출과정을 설명한 도면이다.
도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치(100)는 무인항공기(110), 대상지(120) 및 서버(130)를 포함하여 수행될 수 있으나, 이 중 일부의 구성을 제외하고 실시될 수도 있고, 이외 추가적인 구성을 배제하지도 않는다. 또한, 서버(130)는 수신부(131), 데이터 획득부(132), 추출부(133), 산출부(134), 비교부(135) 및 평가부(136)을 포함할 수 있으나, 이 중 일부의 구성을 제외하고 실시될 수도 있고, 이외 추가적인 구성을 배제하지도 않는다.
본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치(100)는 무인항공기(110)를 이용하여 조형되는 3차원 공간정보를 이용하여 대상지(120)의 음영기복도, 등고선도, 수치지형도, 도면 중첩도, 단면도 등의 지형도의 복원에 이용될 수 있다. 또한, 공간좌표의 신뢰성 평가 장치(100)는 지형·지물 변화 모니터링, 현황측량, 방재 및 재난지역 모니터링, 환경 모니터링 등 지형정보획득이 필요한 다양한 분야에서 활용될 수 있다.
본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치(100)에 사용되는 무인항공기(110)는 사람이 탑승하지 않고 원격 조작에 의하여 조종되는 비행체를 의미하는 것으로 드론을 포함할 수 있다. 무인항공기(110)는 촬영장치를 탑재할 수 있다. 이때, 무인항공기(110)는 측량하고자 하는 대상지(120)의 상공을 이동하며 사진 또는 영상을 촬영할 수 있다. 무인항공기(110)에는 촬영된 사진 또는 영상을 서버(130)에 전송하기 위한 전송장치가 설치될 수 있다. 이때, 전송 장치는 블루투스 등과 같은 무선 송신 장치일 수 있다.
서버(130)는 수신부(131)를 포함할 수 있다. 수신부(131)는 무인항공기(110)를 이용하여 촬영된 대상지(120)의 사진 또는 영상 데이터를 수신할 수 있다. 이때, 수신 방법은 블루투스 등과 같은 무선 수신 방법일 수 있다.
서버(130)는 데이터 획득부(132)를 포함할 수 있다. 데이터 획득부(132)는 무인항공기(110)로부터 수신부(131)로 송신된 사진 또는 영상 데이터를 이용하여 포인트 클라우드 데이터를 획득할 수 있다. 포인트 클라우드 데이터는 무인항공기(110)로부터 전송받은 사진 또는 영상 데이터를 3차원의 공간좌표로 변환한 점군 데이터일 수 있다. 이때, 3차원의 공간좌표는 (x, y, z)로 이루어진 좌표일 수 있다.
서버(130)는 추출부(133)를 포함할 수 있다. 추출부(133)는 데이터 획득부(132)로부터 획득된 포인트 클라우드 데이터를 이용하여 샘플구간(122)을 추출할 수 있다. 이때, 샘플구간(122)은 넓은 부지인 대상지(120)에 대한 품질을 대표할 수 있는 최소 면적을 의미할 수 있다. 샘플구간(122)은 무인항공기(110)에 의해 촬영된 사진 또는 영상 데이터의 중복도가 최대인 영역을 의미할 수 있다. 즉, 무인항공기(110)의 횡 방향 이동에 의한 횡 중복도(Rho)와, 무인항공기(110)의 종 방향 이동에 의한 종 중복도(Rvo)가 모두 최대인 영역을 의미할 수 있다. 이때, 횡 중복도(Rho)는 66.6%이상 이고, 종 중복도(Rvo)는 66.6%이상일 수 있다.
도 4를 참조하면, 대상지(120)의 상공에서 무인항공기(110)가 횡 및 종 방향으로 이동하면서 각각 3번의 사진을 촬영하는 것을 가정하였을 때, 총 6번이 중복되어 촬영된 구간이 샘플구간(122)이 될 수 있다.
서버(130)는 산출부(134)를 포함할 수 있다. 산출부(134)는 추출된 샘플구간(122)의 체적 데이터(V')를 산출할 수 있다. 이때, 체적 데이터(V')는 포인트 클라우드 데이터의 3차원 공간좌표를 사용하여 산출할 수 있다.
서버(130)는 비교부(135)를 포함할 수 있다. 비교부(135)는 산출부(134)에서 산출된 샘플구간(122)의 체적 데이터(V')와 대상지(120)에서 샘플구간(122)에 대응되는 구간의 정밀측량 데이터를 비교할 수 있다. 이때, 정밀측량 데이터는 정밀측량 체적 데이터(V)일 수 있다. 대상지(120)에서 샘플구간(122)과 대응되는 구간을 선정하여 정밀측량을 수행할 수 있다. 이때, 정밀측량은 광파기, 스캐너, GNSS(Global Navigation Satellite System) 등의 현재 가용 가능한 부지 측량 방법 또는 장치를 이용할 수 있다.
대상지(120)에서 샘플구간(122)과 대응되는 구간의 정밀측량을 통해 3차원의 공간좌표가 점군으로 획득될 수 있다. 이를 통해, 대상지(120)에서 샘플구간(122)과 대응되는 구간의 정밀측량 체적 데이터(V)를 획득할 수 있다. 비교부(135)는 산출부(134)에서 산출된 샘플구간(122)의 체적 데이터(V')와 대상지(120)에서 샘플구간(122)과 대응되는 구간의 정밀측량 체적 데이터(V)를 비교할 수 있다. 구체적으로, 샘플구간(122)의 체적 데이터(V')와 정밀측량 체적 데이터(V)의 차이의 절대값(|V-V'|)을 획득할 수 있다.
서버(130)는 평가부(136)을 포함할 수 있다. 평가부(136)는 비교부(135)로부터 데이터를 전달받아 공간좌표의 신뢰도를 평가할 수 있다. 구체적으로, 샘플구간(122)의 체적 데이터(V')와 정밀측량 체적 데이터(V)의 차이가 최대 체적 편차(Va) 이내인지를 판단하여 공간좌표의 신뢰도를 평가할 수 있다. 이때, 샘플구간(122)의 체적 데이터(V')와 정밀측량 체적 데이터(V)의 차이는 절대값으로 얻어질 수 있다. 샘플구간(122)의 체적 데이터(V')와 정밀측량 데이터(V)의 차이가 최대 체적 편차(Va) 이내인 경우 공간좌표는 신뢰성을 획득할 수 있고, 샘플구간(122)의 체적 데이터(V')와 정밀측량 데이터(V)의 차이가 최대 체적 편차(Va)보다 클 경우에는 신뢰성을 획득할 수 없다.
최대 체적 편차(Va)는 샘플구간(122)의 횡 거리(Lhe)와, 샘플구간(122)의 종 거리(Lve)와, 허용 편차의 곱으로 결정될 수 있다. 허용 편차는 공간좌표의 z축 방향의 길이일 수 있다. 예를들어, 허용 편차는 30mm일 수 있으나 이에 제한되지 않는다.
샘플구간(122)의 횡 거리(Lhe)는 공간좌표의 x축 방향의 거리일 수 있다. 샘플구간(122)의 횡 거리(Lhe)는 [수학식 1]에 의해 결정될 수 있다.
[수학식 1]
Figure 112019037021984-pat00003
여기서, Lhe는 샘플구간의 횡 거리를 의미하고, Lde는 촬영면 대각거리를 의미하고, R은 이미지의 가로, 세로비를 의미하고, Rho는 횡 중복도를 의미한다. 촬영면 대각거리(Lde)의 단위는 m이고, 횡 중복도(Rho)의 단위는 %이다.
샘플구간(122)의 종 거리(Lve)는 공간좌표의 y축 방향의 거리일 수 있다. 샘플구간(122)의 종 거리(Lve)는 [수학식 2]에 의해 결정될 수 있다.
[수학식 2]
Figure 112019037021984-pat00004
여기서, Lve는 샘플구간의 종 거리를 의미하고, Lde는 촬영면 대각거리를 의미하고, R은 이미지의 가로, 세로비를 의미하고, Rvo는 종 중복도를 의미한다. 촬영면 대각거리(Lde)의 단위는 m이고, 종 중복도(Rvo)의 단위는 %이다.
[수학식 1] 및 [수학식 2]의 촬영면 대각거리(Lde)는 [수학식 3]에 의해 결정될 수 있다.
[수학식 3]
Figure 112019037021984-pat00005
여기서, H는 고도를 의미하고, θ는 카메라 렌즈의 화각을 의미한다. 고도(H)의 단위는 m이고, 렌즈의 화각(θ)의 단위는 도(degree)이다.
렌즈의 화각(θ)은 [수학식 4]에 의해 결정될 수 있다.
Figure 112019037021984-pat00006
여기서, Lds는 센서의 대각거리를 의미하고, Lf는 렌즈의 초점거리를 의미한다. 센서의 대각거리(Lds)의 단위는 mm 이고, 렌즈의 초점거리(Lf)이 단위는 mm이다.
이하에서는, 본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치(100)를 이용한 신뢰성 평가 방법을 구체적인 예시를 통해 설명한다.
무인항공기(110)에 설치되는 카메라는 센서의 대각거리(Lds)가 43.18mm이고, 카메라의 렌즈의 초점거리(Lf)가 24mm이다. 또한, 무인항공기(110)의 촬영조건은 종 중복도(Rvo)가 80%이고, 횡 중복도(Rho)가 66%이고, 촬영지점의 고도(H)가 100m이고, 이미지의 가로, 세로비(R)가 0.667이다. 허용 편차는 30mm이다.
위에 언급한 조건들을 [수학식 1] 내지 [수학식4]에 대입해 보면 화각(θ)은 83.95도 이고, 촬영면 대각거리(Lde)는 179.92m 이고, 샘플구간(122)의 횡 거리(Lhe)는 약 50.90m이고, 샘플구간(122)의 종 거리(Lve)는 약 19.96m이다. 이때, 최대 체적 편차(Va)는 약 30.5m3이다.
이 경우, 대상지(120)의 샘플구간(122)의 정밀측량 체적 데이터(V)와 체적 데이터(V')의 차이의 절대값이 최대 체적 편차(Va)인 30.5m3보다 작은 경우, 대상지(120)에 행하여진 사진측량을 통해 복원된 결과값은 신뢰할 수 있다. 반면, 최대 체적 편차(Va)인 30.5m3보다 큰 경우에는 대상지(120)에 행하여진 사진측량을 통해 복원된 결과값은 신뢰할 수 없으며, 다시 사진측량을 수행하여야 한다.
이하에서는, 본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 방법에 대해 도면을 참조하여 설명한다.
도 3은 본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 방법의 순서도이다.
공간좌표의 신뢰성 평가 방법은 무인항공기(110)를 이용하여 대상지(120)를 촬영하는 단계(S100), 촬영된 사진으로부터 포인트 클라우드 데이터를 획득하는 단계(S200), 획득된 포인트 클라우드 데이터를 이용하여 샘플구간(122)을 추출하는 단계(S300), 추출된 샘플구간(122)의 체적 데이터(V')를 산출하는 단계(S400), 대상지(120)에서 상기 샘플구간(122)과 대응하는 구간을 선정하여 정밀측량 체적 데이터(V)를 산출하는 단계(S500), 샘플구간(122)의 체적 데이터(V')와 정밀측량 체적 데이터(V)를 비교하는 단계(S600) 및 샘플구간(122)의 체적 데이터(V')와 정밀측량 체적 데이터(V)의 차이가 최대 체적 편차(Va) 이내인지 판단하는 단계(S600)를 포함할 수 있다.
무인항공기(110)를 이용하여 대상지(120)를 촬영하는 단계(S100)에서는 무인항공기(110)가 대상지(120)의 상공에서 종 방향 및/또는 횡 방향으로 이동하며 대상지(120)를 촬영할 수 있다. 이때, 종 방향은 (x, y, z)로 이루어진 공간좌표의 y축 방향을 의미할 수 있고, 횡 방향은 x축 방향을 의미할 수 있다.
무인항공기(110)는 대상지(120)의 면적, 카메라의 해상도 및/또는 대상지(120)의 평지와 기복지역의 비율정도에 따라 결정되는 고도(H)에서 대상지(120)를 촬영할 수 있다. 예를들어, 고도(H)는 대상지(120)의 바닥면으로부터 고도(H)가 70m, 100m, 125m, 150m 등 대상지(120)의 주변환경, 외부요인 등에 의해 변경될 수 있다. 또한, 무인항공기(110)에 탑재되는 카메라의 해상도, 화각(θ)에 따라 고도(H)는 유동적으로 변동될 수 있다. 일반적으로, 고도(H)가 증가할수록 공간해상도의 저하 및/또는 공간교차각의 저하 등으로 인하여 측량결과물이 불량하게 될 수 있으므로 다양한 외부 조건 등을 고려하여 결정하기 위함이다. 고도(H)는 공간좌표의 z축을 의미할 수 있다.
촬영된 사진으로부터 포인트 클라우드 데이터를 획득하는 단계(S200)는 무인항공기(110)로부터 사진 또는 영상 데이터를 수신하는 단계, 수신된 사진 또는 영상 데이터를 분류하는 단계, 분류된 사진 또는 영상 데이터로부터 3차원의 공간 좌표를 조형하는 단계 및 조형된 3차원의 공간좌표를 이용하여 좌표 변환을 수행하는 단계를 통하여 획득될 수 있다.
획득된 포인트 클라우드 데이터를 이용하여 샘플구간(122)을 추출하는 단계(S300)는 S100단계에서 무인항공기(110)가 종 방향 및 횡 방향으로 이동하며 촬영할 때 종 중복도(Rvo) 및 횡 중복도(Rho)가 최대인 구간으로 추출될 수 있다. 구체적으로, 종 중복도(Rvo)는 66.6%이상이고, 횡 중복도(Rho)는 66.6%이상인 구간이 샘플구간(122)으로 추출될 수 있다. 이때, 샘플구간(122)는 3차원의 공간좌표 값으로 조형될 수 있다.
추출된 샘플구간(122)의 체적 데이터(V')를 산출하는 단계(S400)에서는 S300단계에서 추출된 샘플구간(122)의 3차원의 공간좌표를 활용하여 체적 데이터(V')를 산출할 수 있다.
대상지(120)에서 상기 샘플구간(122)과 대응하는 구간을 선정하여 정밀측량 체적 데이터(V)를 산출하는 단계(S500)는 대상지(120)에서 샘플구간(122)과 대응되는 구간을 선정하는 단계(S510), 선정된 샘플구간(122)과 대응되는 구간에 대하여 정밀측량을 수행하는 단계(S520) 및 선정된 샘플구간(122)과 대응되는 구간의 체적 데이터(V)를 산출하는 단계(S530)를 포함할 수 있다.
대상지(120)에서 샘플구간(122)과 대응되는 구간을 선정하는 단계(S510)는 샘플구간(122)의 3차원의 공간좌표와 동일한 좌표값을 가지는 위치를 선정할 수 있다. 다만, 이에 제한되지 않으며 대상지(120)에서 작업자에 의한 정밀측량이 용이한 구간으로 선정될 수 있다.
선정된 샘플구간(122)과 대응되는 구간에 대하여 정밀측량을 수행하는 단계(S520)에서는 작업자가 대상지(120)에서 직접 정밀측량을 할 수 있다. 이때, 정밀측량 방법으로는 광파기, 스캐너, GNSS 등 다양한 방법이 활용될 수 있다. 정밀측량의 결과는 3차원의 공간좌표 값으로 도출될 수 있다.
선정된 샘플구간(122)과 대응되는 구간의 체적 데이터(V)를 산출하는 단계(S530)는 도출된 공간좌표 값을 이용하여 정밀측량된 체적 데이터(V)를 산출할 수 있다.
샘플구간(122)의 체적 데이터(V')와 정밀측량 체적 데이터(V)를 비교하는 단계(S600) 및 샘플구간(122)의 체적 데이터(V')와 정밀측량 체적 데이터(V)의 차이가 최대 체적 편차(Va) 이내인지 판단하는 단계(S600)는 산출된 샘플구간(122)의 체적 데이터(V')와 정밀측량 체적 데이터(V)를 비교할 수 있다.
이때, 비교는 샘플구간(122)의 체적 데이터(V)와 정밀측량 체적 데이터(V')의 차이를 의미할 수 있다. 체적 데이터(V)와 정밀측량 체적 데이터(V')의 차이의 절대값이 최대 체적 편차(Va) 이내인지 판단하여 공간좌표의 신뢰도를 평가할 수 있다. 구체적으로, 체적 데이터(V)와 정밀측량 체적 데이터(V')의 차이의 절대값이 최대 체적 편차(Va)이내인 경우 무인항공기(110)로부터 측량된 공간좌표의 신뢰성이 인정되고, 그렇지 않은 경우에는 다시 S100단계로 돌아가서 S100 내지 S600 단계를 반복하게 된다.
본 발명의 일 실시예에 따른 공간좌표의 신뢰성 평가 장치 및 방법은 사진측량에 의해 복원된 공간좌표 값이 실제 지형과 동일 또는 유사함을 판단할 수 있다. 일반적으로, 사진측량에 의해 복원된 공간좌표는 일정 오차를 내포하고 있으나 이러한 오차가 무시할 정도로 작다는 것을 인정할 근거가 없어 문제가 된다. 그러나, 본 발명은 대상지의 품질을 대표할 수 있는 최소 면적에 대하여 실제 정밀측량한 값과 사진측량에 의해 산출된 값을 비교한 후 최대 체적 편차를 기준으로 하여 복원된 공간좌표값의 품질을 확보할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100: 공간좌표의 신뢰성 평가 장치 110: 무인항공기
120: 대상지 122: 샘플구간
130: 서버 131: 수신부
132: 데이터 획득부 133: 추출부
134: 산출부 135: 비교부
136: 평가부

Claims (11)

  1. 무인항공기(Unmanned Aerial Vehicle, UAV)를 이용하여 대상지를 촬영한 사진을 수신하는 수신부;
    상기 사진으로부터 포인트 클라우드 데이터(Point cloud data)를 획득하는 데이터 획득부;
    상기 획득된 포인트 클라우드 데이터를 이용하여 샘플구간을 추출하는 추출부;
    상기 추출된 샘플구간의 체적 데이터를 산출하는 산출부;
    상기 산출부에서 산출된 상기 샘플구간의 체적 데이터와 상기 대상지에서 상기 샘플구간에 대응하는 구간의 정밀측량 데이터를 비교하는 비교부; 및
    상기 비교부로부터 비교 데이터를 전달받아 공간좌표의 신뢰도를 평가하는 평가부를 포함하는 공간좌표의 신뢰성 평가 장치.
  2. 제1항에 있어서,
    상기 평가부는 상기 샘플구간의 체적 데이터와 상기 정밀측량 데이터의 차이가 최대 체적 편차 이내인지 판단하여 공간좌표의 신뢰도를 평가하는 공간좌표의 신뢰성 평가 장지.
  3. 제2항에 있어서,
    상기 최대 체적 편차는 상기 샘플구간의 횡 거리와, 상기 샘플구간의 종 거리와, 허용 편차의 곱으로 결정되는 공간좌표의 신뢰도 평가 장치.
  4. 제3항에 있어서,
    상기 샘플구간의 횡 거리는 하기의 [수학식 1]에 의해 결정되는 공간좌표의 신뢰성 평가 장치.
    [수학식 1]
    Figure 112019037021984-pat00007

    여기서, Lhe는 샘플구간의 횡 거리를 의미하고, Lde는 촬영면 대각거리를 의미하고, R은 이미지의 가로, 세로비를 의미하고, Rho는 횡 중복도를 의미한다.
  5. 제3항에 있어서,
    상기 샘플구간의 종 거리는 하기의 [수학식 2]에 의해 결정되는 공간좌표의 신뢰성 평가 장치.
    [수학식 2]
    Figure 112019037021984-pat00008

    여기서, Lve는 샘플구간의 종 거리를 의미하고, Lde는 촬영면 대각거리를 의미하고, R은 이미지의 가로, 세로비를 의미하고, Rvo는 종 중복도를 의미한다.
  6. 제1항에 있어서,
    상기 수신부는 상기 무인항공기가 상기 대상지에 대하여 종 방향 및 횡 방향으로 이동하며 촬영한 사진을 수신하는 공간좌표의 신뢰성 평가 장치.
  7. 제6항에 있어서,
    상기 샘플구간은 상기 무인항공기의 상기 종 방향에 이동에 의한 종 중복도와 상기 횡 방향의 이동에 의한 횡 중복도가 최대가 되는 구간인 공간좌표의 신뢰성 평가 장치.
  8. 제7항에 있어서,
    상기 종 중복도는 66.6%이상 이고, 상기 횡 중복도는 66.6%이상인 공간좌표의 신뢰성 평가 장치.
  9. 제1항에 있어서,
    상기 수신부는 상기 무인항공기가 상기 대상지의 면적, 카메라의 해상도 및/또는 상기 대상지의 평지와 기복지역의 비율 정도에 따라 결정되는 고도에서 촬영한 사진을 수신하는 공간좌표의 신뢰성 평가 장치.
  10. 무인항공기를 이용하여 대상지를 촬영하는 단계;
    상기 촬영된 사진으로부터 포인트 클라우드 데이터를 획득하는 단계;
    상기 획득된 포인트 클라우드 데이터를 이용하여 샘플구간을 추출하는 단계;
    상기 추출된 샘플구간의 체적 데이터를 산출하는 단계;
    상기 대상지에서 상기 샘플구간과 대응하는 구간을 선정하여 정밀측량 체적 데이터를 산출하는 단계;
    상기 샘플구간의 체적 데이터와 상기 정밀측량 체적 데이터를 비교하는 단계; 및
    상기 샘플구간의 체적 데이터와 상기 정밀측량 체적 데이터의 차이가 최대 체적 편차 이내인지 판단하는 단계를 포함하는 공간좌표의 신뢰성 평가 방법.
  11. 제10항에 있어서,
    상기 포인트 클라우드 데이터를 획득하는 단계는
    상기 무인항공기로부터 사진 데이터를 수신하는 단계;
    상기 수신된 사진 데이터를 분류하는 단계;
    상기 분류된 사진 데이터로부터 3차원의 공간 좌표를 조형하는 단계; 및
    상기 추출된 3차원의 공간 좌표를 이용하여 좌표 변환을 수행하는 단계를 통하여 획득되는 공간좌표의 신뢰성 평가 방법.
KR1020190042295A 2019-04-11 2019-04-11 공간좌표의 신뢰성 평가 장치 및 방법 KR102050995B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190042295A KR102050995B1 (ko) 2019-04-11 2019-04-11 공간좌표의 신뢰성 평가 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190042295A KR102050995B1 (ko) 2019-04-11 2019-04-11 공간좌표의 신뢰성 평가 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102050995B1 true KR102050995B1 (ko) 2019-12-02

Family

ID=68847540

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190042295A KR102050995B1 (ko) 2019-04-11 2019-04-11 공간좌표의 신뢰성 평가 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102050995B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210084115A (ko) 2019-12-27 2021-07-07 중앙대학교 산학협력단 3차원 포인트 클라우드 신뢰도 판단 시스템 및 방법
CN113959412A (zh) * 2021-09-16 2022-01-21 中国航空工业集团公司西安飞机设计研究所 一种基于红外探测的无人机对接过程主动视觉导航方法
KR20220122380A (ko) * 2021-02-26 2022-09-02 창원대학교 산학협력단 무인항공기 기반 야적퇴비 적재량의 산출 검증 방법 및 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180092591A (ko) * 2017-02-10 2018-08-20 네이버시스템(주) Uav 영상매칭 기술을 이용한 구조물 형상변화 탐지 알고리즘
US20190026531A1 (en) * 2017-07-21 2019-01-24 Skycatch, Inc. Determining stockpile volume based on digital aerial images and three-dimensional representations of a site

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180092591A (ko) * 2017-02-10 2018-08-20 네이버시스템(주) Uav 영상매칭 기술을 이용한 구조물 형상변화 탐지 알고리즘
US20190026531A1 (en) * 2017-07-21 2019-01-24 Skycatch, Inc. Determining stockpile volume based on digital aerial images and three-dimensional representations of a site

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210084115A (ko) 2019-12-27 2021-07-07 중앙대학교 산학협력단 3차원 포인트 클라우드 신뢰도 판단 시스템 및 방법
KR102276369B1 (ko) 2019-12-27 2021-07-12 중앙대학교 산학협력단 3차원 포인트 클라우드 신뢰도 판단 시스템 및 방법
KR20220122380A (ko) * 2021-02-26 2022-09-02 창원대학교 산학협력단 무인항공기 기반 야적퇴비 적재량의 산출 검증 방법 및 시스템
KR102512222B1 (ko) * 2021-02-26 2023-03-20 창원대학교 산학협력단 무인항공기 기반 야적퇴비 적재량의 산출 검증 방법 및 시스템
CN113959412A (zh) * 2021-09-16 2022-01-21 中国航空工业集团公司西安飞机设计研究所 一种基于红外探测的无人机对接过程主动视觉导航方法
CN113959412B (zh) * 2021-09-16 2024-06-11 中国航空工业集团公司西安飞机设计研究所 一种基于红外探测的无人机对接过程主动视觉导航方法

Similar Documents

Publication Publication Date Title
US10885328B2 (en) Determination of position from images and associated camera positions
KR102627453B1 (ko) 위치 추정 장치 및 방법
JP5832341B2 (ja) 動画処理装置、動画処理方法および動画処理用のプログラム
Rumpler et al. Evaluations on multi-scale camera networks for precise and geo-accurate reconstructions from aerial and terrestrial images with user guidance
US20090154793A1 (en) Digital photogrammetric method and apparatus using intergrated modeling of different types of sensors
Taylor et al. Automatic calibration of lidar and camera images using normalized mutual information
US10895458B2 (en) Method, apparatus, and system for determining a movement of a mobile platform
Tscharf et al. On the use of UAVs in mining and archaeology-geo-accurate 3d reconstructions using various platforms and terrestrial views
Wang et al. Automated road sign inventory system based on stereo vision and tracking
KR102050995B1 (ko) 공간좌표의 신뢰성 평가 장치 및 방법
Rumpler et al. Automated end-to-end workflow for precise and geo-accurate reconstructions using fiducial markers
JP2008186145A (ja) 空撮画像処理装置および空撮画像処理方法
CN101598556A (zh) 一种未知环境下无人机视觉/惯性组合导航方法
JP5762131B2 (ja) キャリブレーション装置、キャリブレーション装置のキャリブレーション方法およびキャリブレーションプログラム
CN107917699B (zh) 一种用于提高山区地貌倾斜摄影测量空三质量的方法
WO2021212477A1 (zh) 校正点云数据的方法和相关装置
Kinnari et al. GNSS-denied geolocalization of UAVs by visual matching of onboard camera images with orthophotos
Sadeq Accuracy assessment using different UAV image overlaps
CN117274499B (zh) 一种基于无人机倾斜摄影的钢结构加工及安装方法
George et al. Towards drone-sourced live video analytics for the construction industry
CN110989619B (zh) 用于定位对象的方法、装置、设备和存储介质
CN114820793A (zh) 基于无人机的目标检测及目标点定位方法及系统
Chu et al. Performance comparison of tight and loose INS-Camera integration
KR101283189B1 (ko) 위성항법 가시성 계산 장치 및 방법
Del Pizzo et al. Reliable vessel attitude estimation by wide angle camera

Legal Events

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