KR102087076B1 - Pre-prediction system for occlusion area in aviation survey using uav and optimal route determine method of uav using the same - Google Patents

Pre-prediction system for occlusion area in aviation survey using uav and optimal route determine method of uav using the same Download PDF

Info

Publication number
KR102087076B1
KR102087076B1 KR1020190084359A KR20190084359A KR102087076B1 KR 102087076 B1 KR102087076 B1 KR 102087076B1 KR 1020190084359 A KR1020190084359 A KR 1020190084359A KR 20190084359 A KR20190084359 A KR 20190084359A KR 102087076 B1 KR102087076 B1 KR 102087076B1
Authority
KR
South Korea
Prior art keywords
occlusion
area
unmanned aerial
drone
prediction system
Prior art date
Application number
KR1020190084359A
Other languages
Korean (ko)
Inventor
김재구
심재민
이효진
전경미
김지성
Original Assignee
주식회사 지오멕스소프트
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 주식회사 지오멕스소프트 filed Critical 주식회사 지오멕스소프트
Priority to KR1020190084359A priority Critical patent/KR102087076B1/en
Application granted granted Critical
Publication of KR102087076B1 publication Critical patent/KR102087076B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/003—Flight plan management
    • G08G5/0034—Assembly of a flight plan
    • 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
    • G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/0047—Navigation or guidance aids for a single aircraft
    • G08G5/0069—Navigation or guidance aids for a single aircraft specially adapted for an unmanned aircraft

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

The present invention provides a prediction system for occlusion region occurrence in unmanned aerial vehicle measurement, which can predict an occlusion region for a measurement target occurring in aerial measurement and can further provide a movement route capable of minimizing the occlusion region, and a method for determining an optimal aerial route of an unmanned aerial vehicle using the same.

Description

무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템 및 이를 이용한 무인기의 최적 항공 경로 결정 방법{PRE-PREDICTION SYSTEM FOR OCCLUSION AREA IN AVIATION SURVEY USING UAV AND OPTIMAL ROUTE DETERMINE METHOD OF UAV USING THE SAME}PRE-PREDICTION SYSTEM FOR OCCLUSION AREA IN AVIATION SURVEY USING UAV AND OPTIMAL ROUTE DETERMINE METHOD OF UAV USING THE SAME}

본 발명은 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템 및 이를 이용한 무인기의 최적 항공 경로 결정 방법에 관한 것이다. The present invention relates to a prediction system for occurrence of occlusion area in an unmanned aerial survey and a method for determining an optimal air route of the unmanned aerial vehicle using the same.

최근 드론과 같은 무인기에 대한 기술이 급진적으로 발달하고 있다. 이와 같은 무인기의 이용 증가에 따라 항공측량에 대한 관심도 높아지고 있다.Recently, technology for drones such as drones has been radically developed. As the use of drones increases, interest in aerial surveys is also increasing.

항공측량이란 공중에서 사진이나 라이다, 레이저 등의 전자장치를 사용하여 행하는 측량을 의미한다. 이와 같은 항공측량은 기존의 측량에 비해 정확도가 균일하고, 접근하기 어려운 지역의 측량도 가능하다는 장점이 있다. Aerial surveying means surveying performed in the air by using an electronic device such as a photograph, a lidar, or a laser. Such aerial surveying has the advantage of being more accurate than conventional surveying and surveying of inaccessible areas.

그런데 항공측량이라 하더라도 완벽하게 지표면에 대해 수직으로 측량이 수행되는 것이 아니기 때문에, 지면에 대해 어느정도 기울기를 가지고 수행될 수 밖에 없다.However, even in the case of aerial surveys, surveys are not performed vertically with respect to the ground surface, so that the survey is performed with some inclination with respect to the ground.

따라서 측량하는 대상 건물이나 구조물이 현수막이나, 나무, 사람 등과 같은 다른 객체에 의해 일부가 가려지게 되는데 이를 폐색영역이라 한다. 폐색영역은 다른 객체가 제거된 건물이나 구조물의 영상에서는 검게 비어있는 상태로 남게 되며 시각적으로나 영상판독시 불편함을 초래하는 문제가 있다. Therefore, a part of the building or structure to be surveyed is covered by another object such as a banner, a tree, or a person. This is called an occlusion area. The occlusion area remains black and empty in an image of a building or structure from which other objects are removed, which causes inconvenience in visual or image reading.

이와 같은 폐색영역을 보정하기 위하여 동일 영역에 대해 서로 다른 각도로 항공측량을 수행하는 등의 방법을 이용한다. 하지만 이와 같이 여러번 촬영하는 것은 시간 및 비용의 소모를 동반할 수 밖에 없다. In order to correct the occlusion area, a method such as performing an air survey at different angles to the same area is used. However, shooting several times like this can only be a waste of time and money.

폐색영역의 보정을 위한 시간 및 비용의 소모를 줄이기 위해서는 항공측량시 가장 효율적인 경로를 모색할 필요가 있다. In order to reduce the consumption of time and cost for the correction of occlusion zones, it is necessary to find the most efficient route for air survey.

대한민국 등록특허공보 제10-1806053호Republic of Korea Patent Publication No. 10-1806053

무인기를 이용한 항공측량시 가장 효율적인 경로를 찾기 위해서는, 각 경로에 따른 폐색영역 또는 폐색률을 파악할 필요가 있다. 이에 본 발명은 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템을 제공하는 것을 일 목적으로 한다. In order to find the most efficient route in an aerial survey using an unmanned aerial vehicle, it is necessary to grasp the occlusion area or occlusion rate along each route. Accordingly, an object of the present invention is to provide a prediction system for occurrence of an occlusion area during an unmanned aerial survey.

나아가 본 발명의 일 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템을 이용하여 인기의 최적 항공 경로 결정할 수 있는 방법을 제공하는 것을 다른 목적으로 한다. Furthermore, another object of the present invention is to provide a method for determining an optimum air route by using a prediction system for occurrence of an occlusion area during an unmanned aerial survey.

상기 목적을 달성하기 위한 본 발명의 일 실시예는 가상 무인기의 이동경로에 따른 측정대상객체의 폐색영역 및 폐색률을 도출할 수 있는 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템에 관한 것이다. One embodiment of the present invention for achieving the above object relates to a prediction system for the occurrence of occlusion area during unmanned aerial survey, which can derive the occlusion area and occlusion rate of the object to be measured according to the moving path of the virtual drone.

본 발명의 일 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템은 측정대상객체 및 기타객체로 구성된 객체들을 포함하는 가상현실공간과 가상무인기를 생성하는 객체생성부; 상기 가상무인기의 일 이동경로를 제공하는 경로제공부; 상기 일 이동경로 중 상기 가상무인기의 위치에 따라 상기 측정객체에 대해 Z 버퍼를 이용하여 상기 가상무인기에 직선상 가장 근접한 객체에 포인트를 생성함으로써 포인트 클라우드를 생성하는 시뮬레이션부; 및 상기 측정대상객체 중 상기 포인트 클라우드가 생성되지 않은 영역을 폐색영역으로 결정하는 폐색결정부;를 포함하는 것을 특징으로 한다. According to an embodiment of the present invention, a prediction system for occurrence of an occlusion area during an unmanned aerial survey includes: an object generator configured to generate a virtual reality space and a virtual drone including an object composed of a measurement target object and other objects; A path providing unit for providing one movement path of the virtual drone; A simulation unit generating a point cloud by generating a point on an object closest to a straight line to the virtual drone using a Z buffer with respect to the measurement object according to the position of the virtual drone in the one movement path; And an occlusion determining unit configured to determine, as an occlusion area, an area in which the point cloud is not generated among the measurement target objects.

일 실시예에 있어서, 상기 폐색결정부는 상기 측정대상객체의 표면적과 상기 측정대상객체에 형성된 포인트 클라우드의 면적의 비를 일 이동경로에 따른 측정대상객체의 폐색률로 결정하는 것을 특징으로 할 수 있다.The occlusion determining unit may determine a ratio of the surface area of the object to be measured and the area of the point cloud formed on the object to be measured as an occlusion rate of the object to be measured according to a movement path. .

일 실시예에 있어서, 상기 가상무인기의 일 이동경로와 그 이동경로에 따른 상기 측정대상객체의 폐색영역을 디스플레이 장치로 송출하는 디스플레이부;를 더 포함하는 것을 특징으로 할 수 있다.The display apparatus may further include a display unit configured to transmit one movement path of the virtual drone and a closed region of the measurement target object according to the movement path to a display device.

일 실시예에 있어서, 상기 객체생성부에서 생성되는 객체의 해상도가 증가되더라도 상기 시뮬레이션부에서 생성하는 포인트 클라우드의 해상도는 유지되는 것을 특징으로 할 수 있다.In one embodiment, even if the resolution of the object generated by the object generation unit is increased, the resolution of the point cloud generated by the simulation unit may be maintained.

상기 목적을 달성하기 위한 본 발명의 다른 실시예에 따른 무인기의 최적 항공 경로 결정 방법은 상술한 일 실시예의 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템을 이용하여 수행된다. 본 발명의 다른 실시예에 따른 무인기의 최적 항공 경로 결정 방법은 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템을 이용하여 적어도 둘 이상의 이동경로에 대한 폐색률을 결정하는 단계; 및 각 이동경로에 대한 폐색률을 비교하여 최적의 항공 경로를 결정하는 단계;를 포함한다. According to another exemplary embodiment of the present invention, a method for determining an optimum air route of an unmanned aerial vehicle is performed by using a prediction system for occurrence of an occlusion area during an unmanned aerial survey of the above-described embodiment. According to another aspect of the present invention, there is provided a method for determining an optimal air route of an unmanned aerial vehicle, the method comprising: determining an occlusion rate for at least two movement paths using a prediction system for occurrence of an occlusion area during an unmanned aerial survey; And comparing the occlusion rates for each movement route to determine an optimal air route.

다른 실시예에 있어서, 상기 최적의 항공 경로를 결정하는 단계는 폐색률을 이동경로의 거리로 나눠서 단위거리 당 폐색률을 비교하여 수행되는 것을 특징으로 할 수 있다. In another embodiment, the determining of the optimum air route may be performed by comparing the occlusion rate per unit distance by dividing the occlusion rate by the distance of the movement route.

본 발명의 일 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템은 Z 버퍼를 이용하여 가상의 무인기의 일 이동경로에 따라 측정대상 객체에 클라우드 포인트를 생성하고, 측정대상 객체의 전체 표면적에 대한 측정대상 객체에 생성된 클라우드 포인트의 비를 계산함으로써 무인기의 일 이동경로에 따른 폐색영역을 알 수 있다. According to an embodiment of the present invention, a prediction system for occurrence of an occlusion area in an unmanned aerial survey generates a cloud point on a measurement target object according to a movement path of a virtual drone using a Z-buffer, and the total surface area of the measurement object. By calculating the ratio of the cloud points generated in the object to be measured for, it is possible to know the occlusion area according to one movement path of the drone.

이로써 본 발명의 일 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템을 이용한 무인기의 최적 항공 경로 결정 방법은 어떠한 이동경로가 가장 낮은 폐색률을 가지는지 여부를 비교할 수 있으며, 이로써 가장 효율적인 이동경로를 도출할 수 있다. Thus, the method for determining the optimal air route of the drone using the prediction system for the occurrence of the occlusion area during the drone aerial survey according to an embodiment of the present invention can compare which movement path has the lowest occlusion rate, thereby making it the most efficient A route of movement can be derived.

한편, 여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급됨을 첨언한다.On the other hand, even if the effects are not explicitly mentioned herein, it is added that the effects described in the following specification and the provisional effects expected by the technical features of the present invention are treated as described in the specification of the present invention.

도 1은 본 발명의 일 실시예에 따른 무인기 항공 측량 폐색 영역 발생에 대한 예측 시스템에 대한 개략적 구성도이다.
도 2 내지 4는 본 발명의 일 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템을 이용하여, 가상의 무인기의 일 이동경로에 따라 측정대상객체에 클라우드 포인트가 생성되는 것을 설명하기 위한 개략적 참고도이다.
도 5(a)는 제1이동경로와 제2이동경로를 설명하기 위한 개략적 참고도이고, 도 5(b)는 제1이동경로와 제2이동경로에 따라 포인트가 생성되는 영역이 달라짐을 설명하기 위한 개략적 참고도이다.
도 6은 본 발명의 일 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측시스템을 이용하여 폐색영역 발생을 예측한 개략적 결과물이다.
※ 첨부된 도면은 본 발명의 기술사상에 대한 이해를 위하여 참조로서 예시된 것임을 밝히며, 그것에 의해 본 발명의 권리범위가 제한되지는 아니한다.1 is a schematic structural diagram of a prediction system for occurrence of an unmanned aerial survey survey occlusion area according to an embodiment of the present invention.
2 to 4 are views for explaining that cloud points are generated in a measurement target object according to a movement path of a virtual drone using a prediction system for occurrence of an occlusion area during an unmanned aerial survey according to an embodiment of the present invention. It is a schematic reference figure.
FIG. 5 (a) is a schematic reference diagram for explaining a first travel path and a second travel path, and FIG. 5 (b) illustrates an area where a point is generated according to the first travel path and the second travel path. It is a schematic reference figure.
6 is a schematic result of predicting occlusion area generation using a prediction system for occlusion area occurrence during an unmanned aerial survey according to an embodiment of the present invention.
The accompanying drawings show that they are illustrated as a reference for understanding the technical idea of the present invention, by which the scope of the present invention is not limited.

본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다. In the following description of the present invention, when it is determined that the subject matter of the present invention may be unnecessarily obscured by those skilled in the art with respect to the known functions related thereto, detailed description thereof will be omitted.

드론과 같은 무인기는 이동경로가 자유롭기 때문에, 이를 이용한 항공측량은 지상에서 측량하는 것에 비해 정확도도 높고, 접근하기 어려운 지역의 측량도 가능하다는 장점이 있다. Since drones such as drones have free movement paths, aerial surveys using them are more accurate than ground surveys, and have the advantage of being able to survey inaccessible areas.

하지만 이와 같은 무인기를 이용하더라도 량하는 대상 건물이나 구조물이 현수막이나, 나무, 사람 등과 같은 다른 객체에 의해 일부가 가려져 폐색영역이 발생하게 된다. 폐색영역을 감소시키기 위해서는 무인기가 다양한 위치로 이동하면서 항공측량을 시도하여야 한다. However, even if such a drone is used, the occupied area is generated because some of the target buildings or structures are covered by other objects such as banners, trees, and people. In order to reduce the occlusion area, aerial surveys should be attempted while the drone moves to various locations.

문제는 무인기가 한번에 측량이 가능한 시간은 제한되어 있다는 것이다. 주먹구구식으로 일단 한번 무인기로 항공측량을 한 후에 폐색영역을 파악하고, 다시 무인기로 폐색영역을 촬영하는 것은 시간과 비용에서 매우 큰 손실이 될 수 밖에 없다. The problem is that the drone has a limited time available for surveying at one time. Once you've done aerial survey with a drone, grasping the occlusion area and shooting the occlusion area with a drone can be a huge loss in time and money.

이와 같은 문제를 해결하기 위해, 이 명세서를 통해 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템을 제공하고자 한다.In order to solve such a problem, the present specification is intended to provide a prediction system for the occurrence of occlusion area during unmanned aerial survey.

도 1은 본 발명의 일 실시예에 따른 무인기 항공 측량 폐색 영역 발생에 대한 예측 시스템(100, 이하 '예측 시스템'이라 함)에 대한 개략적 구성도이다. 도 2 내지 5는 본 발명의 일 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템을 이용하여, 가상의 무인기의 일 이동경로에 따라 측정대상객체에 클라우드 포인트가 생성되는 것을 설명하기 위한 개략적 참고도이며, 도 6은 도 2 내지 도 5의 과정의 결과로써, 측정 대상객체의 표면의 클라우드 포인트를 이용하여 폐색영역을 도출한 결과를 개략적 참고도이다.1 is a schematic block diagram of a prediction system 100 (hereinafter, referred to as a 'prediction system') for generating an unmanned aerial survey occlusion area according to an embodiment of the present invention. 2 to 5 are views for explaining that cloud points are generated in an object to be measured according to a movement path of a virtual drone using a prediction system for occurrence of an occlusion area during an unmanned aerial survey according to an embodiment of the present invention. 6 is a schematic reference diagram, and FIG. 6 is a schematic reference diagram illustrating a result of deriving an occlusion area using cloud points on a surface of an object to be measured as a result of the process of FIGS. 2 to 5.

도 1 내지 6을 참조하여, 본 발명의 예측 시스템(100)의 구성과 동작, 그리고 효과에 대해 설명하도록 한다. 1 to 6, the configuration, operation and effects of the prediction system 100 of the present invention will be described.

본 발명의 예측 시스템(100)은 객체생성부(10), 경로제공부(20), 시뮬레이션부(30) 및 폐색결정부(40)를 포함하여 구성된다. 나아가, 각 부에 필요한 데이터를 제공하는 데이터저장부(50)와 예측 시스템(100)의 동작 과정 및 결과를 사용자에게 디스플레이 장치로 송출하는 디스플레이부(60)를 더 포함할 수 있다. The prediction system 100 of the present invention includes an object generator 10, a path provider 20, a simulation unit 30, and an occlusion determiner 40. Furthermore, the apparatus may further include a data storage unit 50 for providing data necessary for each unit, and a display unit 60 for transmitting an operation process and a result of the prediction system 100 to a display device.

먼저, 객체생성부(10)에서는 측정대상객체 및 기타객체로 구성된 객체를 포함하는 가상현실공간과 가상무인기를 생성한다. 측정대상객체는 건물이나 구조물을 3D로 구현한 것을 의미한다. 기타객체는 측정대상객체 외의 객체들로서, 현수막이나, 나무, 사람이나 동물, 측정대상객체 외의 다른 건물이나 구조물 등을 포함하여 지면이나 호수 등을 3D로 구현한 것을 의미한다. 이와 같은 객체를 생성하는데 필요한 데이터는 데이터저장부(50)로부터 전송받거나, 외부의 데이터베이스로부터 전송받을 수 있다. 또한, 객체생성부(10)는 가상 무인기도 생성하게 된다. 가상 무인기는 현실에서 이용가능한 무인기의 재원과 동일한 재원을 가지도록 생성된다. 예컨대, 현실의 무인기가 촬영할 수 있는 화각, 렌즈의 동작 등을 제한을 가지게 된다. 따라서 본 발명의 예측 시스템(100)을 이용하여 도출한 이동경로에 따른 폐색영역은 실제 동일한 종류의 무인기가 그 이동경로로 이동할 경우에 발생하는 폐색영역과 같다고 볼 수 있다. First, the object generator 10 generates a virtual reality space and a virtual drone including an object composed of the object to be measured and other objects. The object to be measured means a 3D implementation of a building or structure. Other objects are objects other than the object to be measured, and means that the surface or the lake is implemented in 3D including banners, trees, people or animals, and other buildings or structures other than the object to be measured. Data necessary to create such an object may be transmitted from the data storage unit 50 or from an external database. In addition, the object generator 10 generates a virtual drone. The virtual drone is created to have the same resources as those of the drone available in reality. For example, a real drone has a limitation of an angle of view and an operation of a lens. Therefore, the occlusion area according to the movement route derived by using the prediction system 100 of the present invention may be considered to be the same as the occlusion region generated when the drone of the same type actually moves along the movement route.

사용자가 입력장치를 통해 데이터저장부(50)에 저장되어 있는 측정대상이 위치한 지역과 항공측량에 이용할 무인기를 선택하면 객체생성부(10)는 도 2와 같이 측정대상객체(X) 및 기타객체(Y1, Y2, Y3)로 구성된 객체를 포함하는 가상현실공간과 가상무인기(D)를 생성한다. 가상무인기(D)는 도 2와 같이 화각(W)이 정해져 있다. When the user selects the area where the measurement target is stored in the data storage unit 50 and the drone to be used for the aerial survey, the object generator 10 may measure the object X and other objects as shown in FIG. 2. Create a virtual reality space and a virtual drone (D) containing an object consisting of (Y 1 , Y 2 , Y 3 ). As for the virtual drone D, the angle of view W is determined as shown in FIG.

본 발명의 예측 시스템(100)은 무인기의 이동경로에 따른 폐색영역을 결정하기 위한 것인 바, 가상무인기가 가상현실공간을 이동할 이동경로를 설정하여야 한다. 이에 경로제공부(20)는 가상무인기가 가상현실공간에서 이동할 이동경로를 제공한다. 여기서 이동할 이동경로란 사용자가 정해준 경로 뿐만 아니라, 경로제공부(20)에서 측정대상의 측량을 위해 결정한 다수의 이동경로를 의미할 수 있다. 드론과 같은 무인기는 전후좌우 뿐만아니라 상하로도 자유롭게 움직이므로 이동경로 역시 전후좌우상하의 6개 방향으로 이동하도록 결정될 수 있다. Prediction system 100 of the present invention is to determine the occlusion area according to the movement path of the drone, the virtual drone should set the movement path to move the virtual reality space. The path providing unit 20 provides a movement path to move the virtual drone in the virtual reality space. Here, the moving paths to be moved may mean not only the paths determined by the user, but also a plurality of moving paths determined for the measurement of the measurement target by the path providing unit 20. Since drones such as drones move freely up and down as well as up, down, left, and right, the movement path may also be determined to move in six directions.

경로제공부(20)가 이동경로를 제공하면 도 2와 같이 가상무인기(D)의 이동경로(L)가 결정된다. When the route providing unit 20 provides the movement route, the movement route L of the virtual drone D is determined as shown in FIG. 2.

시뮬레이션부(30)는 가상무인기가 이동경로에 따라 이동하면서 측정대상객체를 측량하는 것을 시뮬레이션 한다. 이때, 시뮬레이션부(30)는 비행시뮬레이션을 위해 연산처리 모듈로 GCS 시뮬레이터, 가상비행시뮬레이션을 위한 SITL 모듈을 구비할 수 있다. The simulation unit 30 simulates the virtual drone surveying the measurement target object while moving along the movement path. In this case, the simulation unit 30 may include a GCS simulator and a SITL module for virtual flight simulation as a calculation processing module for flight simulation.

도 3 및 4는 가상무인기(D)의 이동경로(L)에 따른 일 위치에서 측정대상객체를 측량하는 것을 도식화한 참고도이다. 이를 참조하여, 본 발명의 예측 시스템(100)이 이동경로에 다른 측정대상객체의 폐색영역을 결정하는 것에 대해 설명하도록 한다. 3 and 4 are reference diagrams illustrating the measurement of an object to be measured at one position along the movement path L of the virtual drone D. FIG. With reference to this, it will be described for the prediction system 100 of the present invention to determine the occlusion area of the object to be measured in the movement path.

먼저, 도 3을 참조하면, 가상무인기(D)는 제1위치(A1)에서 측정대상객체(X)를 측량한다. 이때, 시뮬레이션부(30)는 Z 버퍼를 이용하여 가상무인기(D)의 현위치로부터 직선상 근접한 객체(X, Y1 ~ Y3)에 포인트(P)를 생성한다. 즉, 가상무인기(D)로부터 방사되는 직선과 객체(X, Y-1 ~ Y3)의 교차점에 포인트(P)가 생성되는 것이다. 이와 같은 포인트(P)는 다수개가 모여 포인트 클라우드가 된다. First, referring to FIG. 3, the virtual drone D measures the measurement target object X at a first position A 1 . At this time, the simulation unit 30 generates a point P at an object (X, Y 1 to Y 3 ) linearly adjacent from the current position of the virtual drone D using the Z buffer. That is, the point P is generated at the intersection of the straight line radiated from the virtual drone D and the objects X and Y- 1 to Y 3 . Such a point P is gathered into a point cloud.

이때, 가상무인기(D)의 전방위로 포인트(P)를 형성하지 않고, 가상무인기(D)에 카메라가 있다고 가정하여, 그 카메라의 화각(W) 내에서 포인트 클라우드를 형성하는 것이다.At this time, without forming the point (P) in the omnidirectional direction of the virtual drone (D), assuming that there is a camera in the virtual drone (D), to form a point cloud in the angle of view (W) of the camera.

본 발명의 예측 시스템(100)은 Z 버퍼를 이용한다. Z 버퍼란 다른 표현으로 깊이 버퍼라고도 하며, 이는 일정지점으로부터 대상 객체까지의 거리(또는 심도)를 표현하기 위한 값이다. 일반적으로 컴퓨터 그래픽 분야에서 Z 버퍼는 어떠한 물체를 보이게 할 것인지, 말아야 할 것인지에 관한 문제를 해결하는 역할을 한다. 즉, Z 버퍼는 더 가까운 물체가 더 먼 물체를 가린다는 관념을 따르도록 하는 역할을 한다. The prediction system 100 of the present invention uses a Z buffer. The Z buffer is also referred to as a depth buffer, which is a value for expressing a distance (or depth) from a predetermined point to a target object. In general, in the field of computer graphics, the Z buffer solves the problem of what objects are visible or not. In other words, the Z buffer serves to follow the notion that closer objects obscure farther objects.

따라서 본 발명의 예측 시스템(100)은 가상무인기(D)를 기준으로 Z 버퍼를 이용하여 근접한 객체(X, Y1~Y3)에 포인트(P1, P2)를 생성한다. 도 3을 살펴보면, 가상무인기(D)가 제1위치(A1)에 있기 때문에, 가상무인기(D)와 측정대상객체(X) 사이에 위치한 나무(Y1)에 의해 가려진 부분의 포인트는 측정대상객체(X)의 표면이 아닌 나무(Y1)에 포인트 P2가 생성되는 것을 확인할 수 있다. 현수막(Y2)의 경우도 마찬가지이다. 현수막(Y-2)이 위치한 곳의 포인트(P)는 측정대상객체(X)의 표면이 아닌 현수막(Y2)의 표면에 포인트 P2가 형성된다. 즉, 기타객체(Y1, Y2)의 외의 측정대상객체(X)의 표면에는 포인트 P1이 생성되지만, Z버퍼에 의해 기타객체(Y1, Y2)가 측정대상객체보다 앞에 있다고 판단되는 곳에는 기타객체(Y1, Y2)에 포인트 P2가 생성된다.Therefore, the prediction system 100 of the present invention generates points P 1 and P 2 at the adjacent objects X, Y 1 to Y 3 using the Z buffer based on the virtual drone D. Referring to FIG. 3, since the virtual drone D is in the first position A 1 , the point of the part covered by the tree Y 1 located between the virtual drone D and the measurement object X is measured. It can be seen that the point P 2 is generated in the tree (Y 1 ), not the surface of the target object (X). The same applies to the banner Y 2 . Banners (Y- 2) point (P) where this is located in the point P 2 is formed on the surface of the placard (Y 2) than the surface of the measurement target object (X). That is, the point P1 is generated on the surface of the object X to be measured other than the other objects Y 1 and Y 2 , but the Z buffer determines that the other objects Y 1 and Y 2 are ahead of the object to be measured. Where point P2 is created on the other objects (Y 1 , Y 2 ).

하지만 이로써 포인트 클라우드의 생성이 종결된 것이 아니다. 가상무인기(D)가 위치를 이동하면서, 각 위치에서 포인트 클라우드를 생성하기 때문이다. However, this does not end the creation of the point cloud. This is because the virtual drone D moves from location to location to generate a point cloud at each location.

가상무인기(D)의 제1위치(A1)에서 포인트 클라우드를 생성이 완료되면, 가상무인기(D)는 도 4에 도시된 바와 같이 제2위치(A2)로 이동하게 된다. 제2위치(A2)에서 가상무인기(D)는 다시 가상무인기(D)를 기준으로 Z 버퍼를 이용하여 근접한 객체(X, Y1~Y3)에 포인트를 생성한다.When generation of the point cloud is completed at the first position A 1 of the virtual drone D, the virtual drone D moves to the second position A 2 as shown in FIG. 4. At the second position A 2 , the virtual drone D again generates a point at an adjacent object X, Y 1 to Y 3 using the Z buffer based on the virtual drone D. FIG.

이때 가상무인기(D)의 위치가 달라졌기 때문에, 나무(Y1)에 의해 가려지던 부분이 가상무인기(D)에 노출된다. 따라서 제1위치(A1)에서 생성되지 못했던 부분에 새로운 포인트 P1'가 생성된다. 다만, 현수막(Y-2)은 측정대상객체(X)에 밀착되어 배치되어 있기 때문에 가상무인기(D)의 위치가 제1위치(A1)에서 제2위치(A2)로 변하더라도 해당 부분의 측정대상객체(X)에는 새로운 포인트가 생성되지 못한다. At this time, since the position of the virtual drone D is changed, the part covered by the tree Y 1 is exposed to the virtual drone D. FIG. Therefore, a new point P 1 ′ is generated at the portion that could not be created at the first position A 1 . However, since the banner Y- 2 is arranged in close contact with the object X to be measured, even if the position of the virtual drone D changes from the first position A 1 to the second position A 2 , the corresponding portion A new point is not created in the object to be measured (X).

이처럼 가상무인기(D)는 정해진 이동경로(L)에 따라 이동하면서 연속적으로 객체(X, Y-1 ~ Y3)에 대해 포인트(P)를 생성하게 된다. 그 결과 기타객체(Y-1 ~ Y3)에 의해 가려지는 부분의 측정대상객체(X)에는 포인트(P)가 생성되지 않는다. 그리고 후술하는 바와 같이, 가상무인기(D)가 이동경로(L)를 모두 이동한 후에도 포인트(P)가 생성되지 않은 측정대상객체(X)의 영역이 폐색영역이 될 것이다. As such, the virtual drone D continuously generates a point P with respect to the objects X and Y- 1 to Y 3 while moving along the predetermined movement path L. FIG. As a result, the point P is not generated in the measurement target object X of the portion covered by the other objects Y- 1 to Y 3 . And, as will be described later, even after the virtual drone D moves all the movement paths L, the area of the object X to be measured where the point P is not generated will be the occlusion area.

또 하나 중요한 것은 이동경로가 달라지면, 측정대상객체(X)에 포인트(P)가 생성되는 부분도 달라진다는 것이다. Another important point is that when the moving path is changed, the part where the point P is generated in the object X to be measured is also changed.

도 5를 살펴보자. 도 5(a)에는 두가지 이동경로(L1, L2)가 도시되어 있다. 제1이동경로(L1)는 구조물(Y3)과 가깝도록 낮게 이동하는 경로이고, 제2이동경로(L2)는 구조물(Y-)과 멀도록 높게 이동하는 경로이다. 제1이동경로(L1)과 제2이동경로(L2)는 서로 고도에만 차이가 있을 뿐 동일한 경로이다. Let's look at Figure 5. In FIG. 5A, two moving paths L 1 and L 2 are shown. The first movement path L 1 is a path that moves low to be close to the structure Y 3 , and the second movement path L 2 is a path that moves high to be far from the structure Y −. The first travel path L 1 and the second travel path L 2 are identical to each other only in altitude.

도 5(b)를 참조하면 가상무인기(D)가 제1이동경로(L-1)로 이동할 경우 구조물(Y3)에 의해 측정대상객체(X)가 많은 부분이 가려지게 된다. 이에 따라, 측정대상객체(X)의 영역 T에는 포인트가 생성되지 않는다. 이와 달리, 가상무인기(D)가 제2이동경로(L-2)로 이동할 경우 구조물(Y3)에 의해 측정대상객체(X)가 가려지는 부분이 없다. 즉, 가상무인기(D)가 제1이동경로(L-1)로 이동할 경우보다 제2이동경로(L2)로 이동할 때 측정대상객체(X)의 더 많은 부분에 포인트가 생성된다. Referring to FIG. 5 (b), when the virtual drone D moves to the first movement path L- 1 , a large portion of the measurement target object X is covered by the structure Y 3 . Accordingly, no point is generated in the area T of the measurement target object X. On the contrary, when the virtual drone D moves to the second movement path L- 2 , there is no part in which the measurement target object X is covered by the structure Y 3 . That is, when the virtual drone D moves in the second movement path L 2 than in the case in which the virtual drone D moves in the first movement path L- 1 , points are generated in more portions of the object X to be measured.

따라서 가상무인기(D)가 어떠한 이동경로를 따라 이동하느냐에 따라서 측정대상객체(X)에 생성되는 포인트 클라우드가 달라지게 되는 것이다. 나아가 이는 이동경로에 따라 폐색영역도 달라질 수 있음을 의미한다. Therefore, the point cloud generated in the measurement target object X varies according to which movement path the virtual drone D moves along. Furthermore, this means that the occlusion area may vary according to the movement route.

한편, 객체생성부(10)에서 생성되는 객체의 해상도가 증가되더라도 시뮬레이션부(30)에서 생성하는 포인트 클라우드의 해상도는 유지되도록 설계된다. 만약, 객체의 해상도 증가에 비례하여 포인트 클라우드의 해상도도 증가하게 될 경우 데이터 처리량이 기하급수적으로 증가하여 시스템의 운영효율이 떨어지기 때문이다. 따라서, 본 발명의 예측 시스템(100)은 객체생성부(10)에서 생성되는 객체의 해상도가 증가되더라도 시뮬레이션부(30)에서 생성하는 포인트 클라우드의 해상도는 유지되도록 설계함으로써, 객체의 해상도가 증가하더라도 시스템의 운영효율을 유지할 수 있다는 장점이 있다. Meanwhile, even if the resolution of the object generated by the object generator 10 is increased, the resolution of the point cloud generated by the simulation unit 30 is maintained. If the resolution of the point cloud increases in proportion to the increase in the resolution of the object, the data throughput increases exponentially, which lowers the operational efficiency of the system. Therefore, the prediction system 100 of the present invention is designed such that the resolution of the point cloud generated by the simulation unit 30 is maintained even though the resolution of the object generated by the object generator 10 is increased. The advantage is that the operating efficiency of the system can be maintained.

시뮬레이션부(30)가 가상무인기(D)를 이동경로에 따라 이동시키면서 포인트를 생성하는 작업을 종료하면, 폐색결정부(40)가 측정대상객체 중 포인트 클라우드가 생성되지 않은 영역을 폐색영역(C)으로 결정하게 된다(도 6 참조). 또한, 폐색결정부(40)는 측정대상객체의 표면적과 상기 측정대상객체에 형성된 포인트 클라우드의 면적의 비를 일 이동경로에 따른 측정대상객체의 폐색률로 결정하게 된다. 이로써 본 발명의 예측시스템(100)은 각 이동경로에 따른 측정대상객체의 폐색영역 또는 폐색율을 사용자에게 제공하게 된다. When the simulation unit 30 finishes generating the point while moving the virtual drone D according to the movement path, the occlusion determining unit 40 occludes an area in which the point cloud is not generated among the objects to be measured. ) (See FIG. 6). In addition, the occlusion determining unit 40 determines the ratio of the surface area of the measurement object to the area of the point cloud formed on the measurement object as the occlusion rate of the measurement object according to one movement path. As a result, the prediction system 100 of the present invention provides the user with the occlusion area or the occlusion rate of the object to be measured according to each movement path.

이상에서 설명한 본 발명의 일 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템(100)을 이용하여, 예측방법이 수행될 수 있다.The prediction method may be performed by using the prediction system 100 for occurrence of an occlusion area in an unmanned aerial survey according to an embodiment of the present invention described above.

본 발명의 다른 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측 방법은 가상무인기의 이동경로에 따른 측정대상객체의 폐색영역 및 폐색률을 도출할 수 있는 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템에 의해 구현되는 무인기 항공 측량시 폐색 영역 발생에 대한 예측 방법으로서: 측정대상객체 및 기타객체로 구성된 객체들을 포함하는 가상현실공간과 가상무인기를 생성하는 단계; 상기 가상무인기가 일 이동경로의 위치에 따라 상기 측정대상객체에 대해 Z 버퍼를 이용하여 상기 가상무인기에 직선상 근접한 객체에 포인트를 생성함으로써 포인트 클라우드를 생성하는 단계; 및 상기 측정대상객체 중 상기 포인트 클라우드가 생성되지 않은 영역을 폐색영역으로 결정하는 단계;를 포함하는 것을 특징으로 한다. 이상에서 설명한 예측 시스템(100)에 관한 특징들은 당해 기술분야의 통상의 기술자에게 자명한 범위내에서 예측 방법에 적용될 수 있다. According to another embodiment of the present invention, a method for predicting occlusion area generation during an unmanned aerial survey is performed for an occlusion area occurrence during an unmanned aerial survey, which can derive an occlusion area and an occlusion rate of an object to be measured according to a moving path of a virtual drone. A method for predicting occlusion area generation during an unmanned aerial survey conducted by a prediction system, the method comprising: generating a virtual reality space and a virtual drone including an object composed of an object to be measured and other objects; Generating a point cloud by generating a point in an object that is linearly close to the virtual drone using a Z buffer with respect to the measurement target object according to the position of one movement path; And determining an area in which the point cloud is not generated among the measurement target objects as an occlusion area. Features relating to the prediction system 100 described above may be applied to the prediction method within the scope apparent to those skilled in the art.

또한, 이상에서 설명한 본 발명의 일 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템(100)을 이용하여, 본 발명의 또 다른 실시예에 따른 무인기의 최적 항공 경로 결정 방법이 수행된다. In addition, by using the prediction system 100 for the generation of the occlusion area during the drone aerial survey according to the embodiment of the present invention described above, the method for determining the optimum air route of the drone according to another embodiment of the present invention is performed. .

먼저, 상술한 일 실시예의 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템(100)을 이용하여 적어도 둘 이상의 이동경로에 대한 폐색률을 결정하는 단계)를 수행한다. First, determining the occlusion rate for at least two movement paths by using the prediction system 100 for the occurrence of the occlusion area during the drone aerial survey of the above-described embodiment).

이때, 이동경로는 사용자가 지정한 것일 수도 있지만, 경로제공부(20)에서 약속된 알고리즘에 의해 생성되는 경로이거나, 모델링되어 있는 이동경로이거나, AI에 의해 결정된 경로일 수 있으며, 본 발명이 이제 제한되는 것은 아니다. 또한, 이동경로는 시작점과 끝점을 한번에 이동하도록 설정할 수도 있으나, 그렇지 아니하고 이동경로를 분할하여 각 구간별로 최적 항공 경로를 결정하도록 하는 것도 가능하다. At this time, the movement path may be specified by the user, but may be a path generated by the algorithm promised by the path providing unit 20, a modeled movement path, or a path determined by the AI, and the present invention is now limited. It doesn't happen. In addition, the movement route may be set to move the starting point and the end point at once, but otherwise, the movement route may be divided to determine the optimum air route for each section.

다음으로, 각 이동경로에 대한 폐색률을 비교하여 최적의 항공 경로를 결정하는 단계가 수행된다. 이때, 최적의 항공 경로를 결정하는 단계는 폐색률을 이동경로의 거리로 나눠서 단위거리 당 폐색률을 비교하여 수행될 수 있다. Next, a step of determining an optimum air route by comparing the occlusion rate for each movement route is performed. At this time, the step of determining the optimal air route may be performed by comparing the occlusion rate per unit distance by dividing the occlusion rate by the distance of the movement route.

다시 도 5를 살펴보면, 도 5에 도시된 부분외의 이동경로가 모두 동일하다고 가정할 경우, 제1이동경로(L-1)와 제2이동경로(L2)에 따른 폐색률은 더 높은 고도로 이동한 제2이동경로(L2)가 낮은 것이 자명하다. 하지만 제2이동경로(L2)는 고도를 상승 및 하강하기 위해 제1이동경로(L1)에 비해 더 많은 거리를 이동할 수 밖에 없다. 드론과 같은 무인기는 이동시간 및 거리에 제한이 있을 수 밖에 없는데, 이처럼 이동거리가 길어진다면 이론상 폐색률이 낮아지더라도 현실적으로 최적 항공 경로라 할 수 없을 가능성이 존재한다. 따라서 본 발명의 다른 실시예에 따른 무인기의 최적 항공 경로 결정 방법은 단위거리 당 폐색률을 이용하여 이동거리와 무관하게 가장 효율적인 항공 경로를 제공할 수 있다는 장점이 있다. Referring to FIG. 5 again, if it is assumed that the movement paths other than the parts shown in FIG. 5 are all the same, the occlusion rate according to the first movement path L- 1 and the second movement path L 2 is moved to a higher altitude. Obviously, the second travel path L 2 is low. However, the second movement path (L 2 ) is forced to move more distances than the first movement path (L 1 ) to increase and decrease the altitude. Drones such as drones have limitations in travel time and distance, but if the travel distance is longer, there is a possibility that the optimal air route may not be realistic even if the occlusion rate is lower in theory. Therefore, the method for determining the optimal air route of the drone according to another embodiment of the present invention has an advantage of providing the most efficient air route regardless of the moving distance by using the occlusion rate per unit distance.

이상에서 설명한 본 발명의 일 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템(100)이나, 다른 실시예에 따른 무인기의 최적 항공 경로 결정 방법을 이용함으로써 무인기를 이용한 항공측량에 따른 폐색영역 및 폐색율을 미리 파악하거나, 최적의 이동경로를 도출할 수 있다는 장점이 있다. Occlusion according to aerial surveying using a drone by using the prediction system 100 for the occurrence of occlusion area during unmanned aerial surveying according to an embodiment of the present invention or a method for determining an optimal aerial route of a drone according to another embodiment The advantage is that the area and occlusion rate can be grasped in advance or the optimal movement path can be derived.

결론적으로 본 발명의 일 실시예에 따른 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템(100)이나, 다른 실시예에 따른 무인기의 최적 항공 경로 결정 방법을 통해 무인기를 이용한 항공측량이 더욱 활성화 될 것으로 기대된다. In conclusion, the airborne surveying using the drone will be further activated through the prediction system 100 for the occurrence of an occlusion area during the unmanned aerial surveying according to an embodiment of the present invention, or the method for determining the optimal air route of the unmanned aerial vehicle according to another embodiment. It is expected.

상술한 바와 같은 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템이나 방법, 및 최적 항로 결정 방법은 컴퓨터에서 실행될 수 있는 실행가능한 알고리즘을 포함하는 프로그램(또는 어플리케이션)으로 구현될 수 있다. 상기 프로그램은 비일시적 판독 가능 매체(non-transitory computer readable medium)에 저장되어 제공될 수 있다. 여기서 비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 어플리케이션 또는 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.Prediction systems or methods for occlusion zone generation in an unmanned aerial survey, and an optimal route determination method, may be implemented as a program (or application) including executable algorithms that may be executed on a computer. The program may be stored and provided in a non-transitory computer readable medium. Here, the non-transitory readable medium refers to a medium that stores data semi-permanently and can be read by a device, not a medium storing data for a short time such as a register, a cache, a memory, and the like. Specifically, the various applications or programs described above may be stored and provided in a non-transitory readable medium such as a CD, a DVD, a hard disk, a Blu-ray disk, a USB, a memory card, a ROM, or the like.

본 발명의 보호범위가 이상에서 명시적으로 설명한 실시예의 기재와 표현에 제한되는 것은 아니다. 또한, 본 발명이 속하는 기술분야에서 자명한 변경이나 치환으로 말미암아 본 발명이 보호범위가 제한될 수도 없음을 다시 한 번 첨언한다.The protection scope of the present invention is not limited to the description and the expression of the embodiments explicitly described above. In addition, it is further noted that the scope of protection of the present invention may not be limited due to obvious changes or substitutions in the technical field to which the present invention pertains.

Claims (7)

가상무인기의 이동경로에 따른 측정대상객체의 폐색영역 및 폐색률을 도출할 수 있는 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템으로서:
측정대상객체 및 기타객체로 구성된 객체들을 포함하는 가상현실공간과 가상무인기를 생성하는 객체생성부;
상기 가상무인기의 일 이동경로를 제공하는 경로제공부;
상기 일 이동경로 상의 복수의 위치에서 Z 버퍼를 이용하여 상기 측정대상객체 및 기타객체 중 상기 가상무인기에 직선상 근접한 객체에 포인트를 생성함으로써 포인트 클라우드를 생성하는 시뮬레이션부; 및
상기 측정대상객체 중 상기 포인트 클라우드가 생성되지 않은 영역을 폐색영역으로 결정하는 폐색결정부;를 포함하는 것을 특징으로 하는,
무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템.
As a prediction system for the occurrence of occlusion area in unmanned aerial survey, which can derive the occlusion area and occlusion rate of the measured object according to the movement path of the virtual drone:
An object generator configured to generate a virtual reality space and a virtual drone including objects including a measurement object and other objects;
A path providing unit for providing one movement path of the virtual drone;
A simulation unit for generating a point cloud by generating a point on an object that is linearly close to the virtual drone among the measurement target object and other objects using a Z buffer at a plurality of positions on the one movement path; And
And an occlusion determining unit configured to determine an area in which the point cloud is not generated among the measurement targets as an occlusion area.
Prediction System for Occlusion Zone Occurrence in Unmanned Aerial Surveying.
제1항에 있어서,
상기 폐색결정부는 상기 측정대상객체의 표면적과 상기 측정대상객체에 형성된 포인트 클라우드의 면적의 비를 일 이동경로에 따른 측정대상객체의 폐색률로 결정하는 것을 특징으로 하는,
무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템.
The method of claim 1,
The occlusion determining unit determines a ratio of the surface area of the object to be measured and the area of the point cloud formed on the object to be measured as an occlusion rate of the object to be measured according to one movement path.
Prediction System for Occlusion Zone Occurrence in Unmanned Aerial Surveying.
제1항에 있어서,
상기 가상무인기의 일 이동경로와 그 이동경로에 따른 상기 측정대상객체의 폐색영역을 디스플레이 장치로 송출하는 디스플레이부;를 더 포함하는 것을 특징으로 하는,
무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템.
The method of claim 1,
And a display unit configured to transmit the movement path of the virtual drone and the occlusion area of the object to be measured according to the movement path to a display device.
Prediction System for Occlusion Zone Occurrence in Unmanned Aerial Surveying.
제1항에 있어서,
상기 객체생성부에서 생성되는 객체의 해상도가 증가되더라도 상기 시뮬레이션부에서 생성하는 포인트 클라우드의 해상도는 유지되는 것을 특징으로 하는,
무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템.
The method of claim 1,
Although the resolution of the object generated by the object generator is increased, the resolution of the point cloud generated by the simulation unit is maintained,
Prediction System for Occlusion Zone Occurrence in Unmanned Aerial Surveying.
제1항 내지 제4항 중 어느 한 항의 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템을 이용하여 적어도 둘 이상의 이동경로에 대한 폐색률을 결정하는 단계; 및
각 이동경로에 대한 폐색률을 비교하여 최적의 항공 경로를 결정하는 단계;를 포함하는 것을 특징으로 하는,
무인기의 최적 항공 경로 결정 방법.
Determining occlusion rates for at least two travel paths using a predictive system for occlusion zone occurrence in an unmanned aerial survey of any one of claims 1 to 4; And
Comparing the occlusion rate for each movement route to determine the optimal air route; characterized in that
How to determine the optimal air route for a drone.
제5항에 있어서,
상기 최적의 항공 경로를 결정하는 단계는 폐색률을 이동경로의 거리로 나눠서 단위거리 당 폐색률을 비교하여 수행되는 것을 특징으로 하는,
무인기의 최적 항공 경로 결정 방법.
The method of claim 5,
The determining of the optimal air route is performed by comparing the occlusion rate per unit distance by dividing the occlusion rate by the distance of the movement route.
How to determine the optimal air route for a drone.
가상무인기의 이동경로에 따른 측정대상객체의 폐색영역 및 폐색률을 도출할 수 있는 무인기 항공 측량시 폐색 영역 발생에 대한 예측 시스템에 의해 구현되는 무인기 항공 측량시 폐색 영역 발생에 대한 예측 방법으로서:
측정대상객체 및 기타객체로 구성된 객체들을 포함하는 가상현실공간과 가상무인기를 생성하는 단계;
상기 가상무인기가 일 이동경로 상의 복수의 위치에서 Z 버퍼를 이용하여 상기 측정대상객체 및 기타객체 중 상기 가상무인기에 직선상 근접한 객체에 포인트를 생성함으로써 포인트 클라우드를 생성하는 단계; 및
상기 측정대상객체 중 상기 포인트 클라우드가 생성되지 않은 영역을 폐색영역으로 결정하는 단계;를 포함하는 것을 특징으로 하는,
무인기 항공 측량시 폐색 영역 발생에 대한 예측 방법.Prediction method for occlusion area during unmanned aerial surveying implemented by the prediction system for occlusion area occurrence during unmanned aerial survey, which can derive the occlusion area and occlusion rate of the object to be measured according to the movement path of the virtual drone:
Creating a virtual reality space and a virtual drone including objects consisting of the object to be measured and other objects;
Generating a point cloud by generating a point on a linearly adjacent object of the measurement target object and the other object among the measurement target object and other objects by using the Z buffer at a plurality of positions on one movement path; And
And determining an area in which the point cloud is not generated among the measurement target objects as an occlusion area.
Prediction Method for Occlusion Area in Unmanned Aerial Surveying.
KR1020190084359A 2019-07-12 2019-07-12 Pre-prediction system for occlusion area in aviation survey using uav and optimal route determine method of uav using the same KR102087076B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190084359A KR102087076B1 (en) 2019-07-12 2019-07-12 Pre-prediction system for occlusion area in aviation survey using uav and optimal route determine method of uav using the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190084359A KR102087076B1 (en) 2019-07-12 2019-07-12 Pre-prediction system for occlusion area in aviation survey using uav and optimal route determine method of uav using the same

Publications (1)

Publication Number Publication Date
KR102087076B1 true KR102087076B1 (en) 2020-03-10

Family

ID=69801308

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190084359A KR102087076B1 (en) 2019-07-12 2019-07-12 Pre-prediction system for occlusion area in aviation survey using uav and optimal route determine method of uav using the same

Country Status (1)

Country Link
KR (1) KR102087076B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102254961B1 (en) * 2021-03-08 2021-05-24 주식회사 지오멕스소프트 Pre-flight simulator system for unmanned aerial vehicles including OBLIQUE-viewing techniques for improving 3D modeling efficiency using unmanned aerial vehicles

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001034755A (en) * 1999-07-21 2001-02-09 Ntt Data Corp Method and device for image processing
KR20120003232A (en) * 2010-07-02 2012-01-10 삼성전자주식회사 Apparatus and method for bidirectional inpainting in occlusion based on volume prediction
KR20130062169A (en) * 2011-12-02 2013-06-12 건국대학교 산학협력단 Apparatus and method for generating moving information of virtual object
KR101806053B1 (en) 2016-12-22 2018-01-10 계명대학교 산학협력단 Apparatus for generating three-dimensional flight path of drone and method thereof
KR20190080570A (en) * 2017-12-28 2019-07-08 주식회사 케이티 Apparatus, method and computer program for generating virtual reality space

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001034755A (en) * 1999-07-21 2001-02-09 Ntt Data Corp Method and device for image processing
KR20120003232A (en) * 2010-07-02 2012-01-10 삼성전자주식회사 Apparatus and method for bidirectional inpainting in occlusion based on volume prediction
KR20130062169A (en) * 2011-12-02 2013-06-12 건국대학교 산학협력단 Apparatus and method for generating moving information of virtual object
KR101806053B1 (en) 2016-12-22 2018-01-10 계명대학교 산학협력단 Apparatus for generating three-dimensional flight path of drone and method thereof
KR20190080570A (en) * 2017-12-28 2019-07-08 주식회사 케이티 Apparatus, method and computer program for generating virtual reality space

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102254961B1 (en) * 2021-03-08 2021-05-24 주식회사 지오멕스소프트 Pre-flight simulator system for unmanned aerial vehicles including OBLIQUE-viewing techniques for improving 3D modeling efficiency using unmanned aerial vehicles

Similar Documents

Publication Publication Date Title
US11210806B1 (en) Using satellite imagery to enhance a 3D surface model of a real world cityscape
TWI467494B (en) Mobile camera localization using depth maps
Geok et al. A comprehensive review of efficient ray-tracing techniques for wireless communication
JP2020035441A (en) Method for generating simulated point cloud data, apparatus, device and storage medium
US11748937B2 (en) Sub-pixel data simulation system
KR20140007367A (en) Three-dimensional environment reconstruction
TWI797571B (en) Computer-implemented method and computer-readable storage medium for determining traversable space from single images
CN111355544A (en) Urban environment electric wave path prediction method and device
Bergé et al. Generation and VR visualization of 3D point clouds for drone target validation assisted by an operator
CN117136315A (en) Apparatus, system, method, and medium for point cloud data enhancement using model injection
KR102087076B1 (en) Pre-prediction system for occlusion area in aviation survey using uav and optimal route determine method of uav using the same
US10293259B2 (en) Control of audio effects using volumetric data
Deschaud et al. Automatic data driven vegetation modeling for lidar simulation
KR20190018233A (en) Device and method for multiple sensor simulation
JP2007240292A (en) Sound simulation system for building
Buck et al. Unreal engine-based photorealistic aerial data generation and unit testing of artificial intelligence algorithms
Robles-Ortega et al. Efficient visibility determination in urban scenes considering terrain information
Balz et al. Improved real-time SAR simulation in urban areas
De Vivo et al. Occlusion points identification algorithm
Salleh et al. 3D topological validation of compact abstract cell complexes (CACC) data structure for buildings in CityGML
US11074749B2 (en) Planar surface detection
López et al. A GPU-accelerated LiDAR sensor for generating labelled datasets
Johnson et al. Cognitive model of agent exploration with vision and signage understanding
Kolchaev et al. Real-time laser range-finder operation modeling
CN116824068B (en) Real-time reconstruction method, device and equipment for point cloud stream in complex dynamic scene

Legal Events

Date Code Title Description
GRNT Written decision to grant