KR102267766B1 - System and method for image navigation and registration of satellites - Google Patents
System and method for image navigation and registration of satellites Download PDFInfo
- Publication number
- KR102267766B1 KR102267766B1 KR1020200074758A KR20200074758A KR102267766B1 KR 102267766 B1 KR102267766 B1 KR 102267766B1 KR 1020200074758 A KR1020200074758 A KR 1020200074758A KR 20200074758 A KR20200074758 A KR 20200074758A KR 102267766 B1 KR102267766 B1 KR 102267766B1
- Authority
- KR
- South Korea
- Prior art keywords
- image data
- geometric correction
- cloud
- satellite
- correction
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012937 correction Methods 0.000 claims abstract description 253
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 230000008901 benefit Effects 0.000 description 6
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 239000000809 air pollutant Substances 0.000 description 2
- 231100001243 air pollutant Toxicity 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 1
- 241000195628 Chlorophyta Species 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 description 1
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G06T5/006—
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
Description
본 발명은 위성 영상 기하보정 시스템 및 그 방법에 관한 것으로, 더욱 상세하게는 위성 탑재체에 부여된 역할에 따라 관측된 좁은 영역의 영상 데이터에 대한 기하보정을 수행할 경우, 랜드마크 정보의 획득이 어려운 기상 상태 등으로 인해 발생하는 기하보정 왜곡 현상을 최소화하기 위하여, 랜드마크 정보의 획득을 방해하는 구름 자체를 또다른 랜드마크 정보로 활용함으로써, 기상 상태 등에 영향을 받지 않고 상시적으로 기하보정을 수행할 수 있는 위성 영상 기하보정 시스템 및 그 방법에 관한 것이다.The present invention relates to a satellite image geometric correction system and a method therefor, and more particularly, when performing geometric correction on image data of a narrow area observed according to a role assigned to a satellite payload, it is difficult to obtain landmark information In order to minimize the geometric correction distortion caused by weather conditions, etc., by using the cloud itself, which obstructs the acquisition of landmark information, as another landmark information, geometric correction is performed at all times without being affected by the weather conditions. It relates to a satellite image geometric correction system capable of performing and a method therefor.
인공위성은 지구 주위를 도는 궤도에 따라 저궤도 위성, 중궤도 위성, 극궤도 위성 및 정지궤도 위성으로 나뉘는데, 이 중에서 정지궤도 위성은 지구의 자전 속도와 같은 속도로 지구 주위를 공전하여 지구 상의 기상을 관측할 수 있다. 정지궤도 위성은 고도 3만 6천km 정지궤도에 안착하여 항상 지구 상의 같은 장소를 관측할 수 있고, 정지궤도 위성 수신 안테나도 항상 같은 방향으로 고정될 수 있다. 이에 따라, 정제궤도 위성은 구름의 이동, 기상 상태 등을 연속적으로 관측하여 기상의 변화를 감시하고 예측하는데 이용되어 왔다.According to the orbit around the Earth, artificial satellites are divided into low orbit satellites, medium orbit satellites, polar orbit satellites, and geostationary orbit satellites. can Geostationary orbit satellites are placed in geostationary orbit at an altitude of 36,000 km so that they can always observe the same place on the earth, and the geostationary satellite reception antenna can always be fixed in the same direction. Accordingly, refined orbit satellites have been used to monitor and predict changes in weather by continuously observing cloud movement and weather conditions.
우리나라의 경우, 2010년 6월 발사된 한국 최초의 정지궤도 위성인 '천리안 1호'의 설계 수명(7년) 만류가 다가오면서 이를 대체하기 위해 '천리안 2호'를 개발하였으며, 기상 탑재체와 우주기상 탑재체가 실리는 천리안 2A호, 해양 탑재체와 환경 탑재체가 실리는 천리안 2B호로 제작되었으며, 천리안 2호의 관측지역은 인도네시아부터 중국, 몽골, 한국, 일본까지 13개국에 해당한다.In the case of Korea, as the design life (7 years) of Korea's first geostationary orbit satellite, 'Cholian-1', launched in June 2010, is approaching, 'Cholian-2' was developed to replace it. The Chollian 2A carrying a meteorological payload and the Chollian 2B carrying a marine payload and environmental payload were manufactured. The observation area of the Chollian 2 corresponds to 13 countries, from Indonesia to China, Mongolia, Korea and Japan.
상세하게는, 천리안 2A호는 기상과 우주관측이 임무로, 기본적인 강수량과 적설량은 물론, 미세먼지와 황사, 오존, 화산재가 지상에 미치는 영향 등을 산출할 수 있다. 또한, 천리안 2B호의 해양 탑재체는 해양 재해를 관측하고 기후 변동에 대응한 해양 생태계 변화를 살펴보는 역할을 수행함으로써, 수질변화 모니터링으로 적조, 녹조, 유류사고 등의 해양재해 발생을 실시간으로 관측할 수 있어, 해양환경 보호와 수산자워?????? 관리에 기여할 수 있고 오염물질 해양투기 감시와 장기간 해수 수질변화 추적도 가능하다. 더불어, 천리안 2B호의 환경 탑재체는 이전까지의 정지궤도 위성에는 환경 탑재체가 실린 적이 없으며, 환경 탑재체를 통해서 0.2나노미터 간격으로 쪼개 1000개의 정보를 추출할 수 있어, 이산화황, 오존 등의 대기오염물질을 실시간 관측할 수 있어, 미세먼지 발생지를 밝힐 열쇠가 될 수 있다. 즉, 미세먼지를 유발하는 이산화질소, 이산화황, 포름알데히드, 오존 등의 대기오염 물질의 발생지점, 이동경로 등을 파악할 수 있어, 기존 미세먼지 예보에는 지상관측 자료만을 사용되어 왔기 때문에, 천리안 위성의 국내외 관측자료가 더해지면 예보 정확도가 높아지고, 대기환경 개선정책 수립에도 활용될 수 있을 전망이다.In detail, the Chollian 2A mission is for meteorological and space observation, and it can calculate the basic precipitation and snow cover, as well as the effects of fine dust, yellow sand, ozone, and volcanic ash on the ground. In addition, the marine payload of the Chollian 2B observes marine disasters and observes changes in the marine ecosystem in response to climate change, so that the occurrence of marine disasters such as red tide, green algae, and oil accidents can be observed in real time by monitoring water quality changes. Yes, marine environment protection and fisheries protection???? It can contribute to management, monitoring of marine dumping of pollutants and tracking changes in seawater quality over a long period of time. In addition, the environmental payload of the Chollian 2B has never been carried on a geostationary satellite before, and 1000 pieces of information can be extracted by dividing the environmental payload at 0.2 nanometer intervals through the environmental payload, reducing air pollutants such as sulfur dioxide and ozone. Since it can be observed in real time, it can be the key to reveal the source of fine dust. In other words, it is possible to identify the location and movement route of air pollutants such as nitrogen dioxide, sulfur dioxide, formaldehyde, and ozone that cause fine dust. The addition of observational data is expected to increase the accuracy of forecasting and be used in the establishment of air environment improvement policies.
이러한 정지궤도 위성에서 관측된 영상 데이터는 촬영 당시 센서의 위치, 지구의 곡률, 지구의 자전, 관측기기의 오차 등으로 인해 발생한 기하학적인 왜곡을 보정하기 위하여 기하보정(INR, Image Navigation and Registration)을 수행하게 된다.The image data observed from these geostationary orbit satellites are subjected to INR (Image Navigation and Registration) to correct geometric distortion caused by the sensor's position at the time of shooting, the curvature of the earth, the rotation of the earth, and errors of the observation device. do.
기하보정은 영상 내 픽셀 위치에 대한 오차 유발 과정을 모델링하고, 오차가 허용 범위 내에서 유지되도록 보정하는 것으로, 주로 위성체의 자세(attitude), 궤도(orbit) 및 위성 탑재체의 정렬오차(misalignment)의 세가지 요소가 보정 대상이 된다.Geometric correction models the error-causing process for pixel position in the image and corrects the error so that the error is maintained within the allowable range. It is mainly used to correct the attitude, orbit, and misalignment of the satellite payload. Three factors are subject to correction.
종래의 기하보정 시스템은 랜드마크(landmark) 및 별(star)을 조합하여 참고 기준점으로 사용하여 왔으나, 국제 특허에 의한 로열티 지불 부담 등으로 인해 한국의 COMS 위성 등은 별 센싱 없이 랜드마크 만을 이용하는 기하보정 시스템을 개발하여 사용해왔다. 즉, 도 1에 도시된 바와 같이, 짧은 시간 내에 변하지 않는 '지상의 해안선 특성'을 랜드마크로 사용하여 매칭시키는 방법이 주로 적용되었다.The conventional geometric correction system has used a combination of landmarks and stars as reference points. However, due to the burden of paying royalties due to international patents, Korea's COMS satellites use only landmarks without any special sensing. A calibration system has been developed and used. That is, as shown in FIG. 1 , the matching method was mainly applied using 'land coastline characteristics' that do not change within a short time as a landmark.
다만, 지상의 해안선이 구름 등에 의하여 가려지는 경우에는, 정확한 기하보정이 이루어질 수 없기 때문에, 이를 해소하기 위하여, 구름 검출 알고리즘을 이용하여 구름에 의해 해안선이 가려져 있지 않은 랜드마크 만을 사용하여 기하보정이 이루어질 수 있도록 수행되어 왔다.However, when the shoreline on the ground is obscured by clouds, accurate geometric correction cannot be made. In order to solve this problem, geometric correction is performed using only landmarks whose shoreline is not covered by clouds using a cloud detection algorithm. has been done to make it happen.
그렇지만, 정지궤도 위성 또는 저궤도 위성 등에서 관측된 영상 데이터가 넓은 영역을 관심 영역으로 설정하고 있을 경우에는, 상술한 바와 같이, 랜드마크인 지상의 해안선이 구름 등에 의하여 가려져 있더라도, 충분히 가려져 있지 않은 다른 부분의 해안선을 랜드마크로 적용하여 기하보정을 수행할 수 있으나, 좁은 영역을 관심 영역으로 설정하고 있을 경우에는, 특정 랜드마크가 구름 등에 의해 가려져 있을 경우에는 기하보정이 어려운 문제점이 있다.However, when the image data observed from a geostationary orbit satellite or a low-orbit satellite, etc. sets a large area of interest as a region of interest, as described above, even if the shoreline on the ground, which is a landmark, is covered by clouds, etc., Although geometric correction can be performed by applying the coastline as a landmark, when a narrow area is set as a region of interest, when a specific landmark is obscured by clouds, there is a problem in that geometric correction is difficult.
일 예를 들자면, 천리안 2호에서 관측 가능한 지역인 인도네시아부터 중국, 몽골, 한국, 일본까지 13개국 모든 지역에 대한 영상 데이터를 관심 영역으로 설정하고 관측할 경우에는, 일본의 일부 해안선이 구름 등에 의하여 가려져 있더라도, 한국 또는 중국 등의 해안선을 이용하여 영상 데이터의 기하보정을 수행할 수 있다.For example, when image data for all regions of 13 countries, from Indonesia to China, Mongolia, Korea, and Japan, which are observable regions from Cheollian 2, are set as the region of interest and observed, some coastlines of Japan are affected by clouds, etc. Even if it is hidden, it is possible to perform geometric correction of image data by using coastlines such as Korea or China.
그렇지만, 천리안 2호의 해양 탑재체에서 오염물질 해양투기 감시를 위해 한국의 바다에 대해서만 관심 영역으로 설정하고 관측할 경우에는, 한국의 기후 상태 등에 따라 한국의 일부 해안선이 구름 등에 의해 가려져 있을 경우, 다른 랜드마크 적용이 어려워, 관측 영상 데이터에 대한 기하보정이 어려운 문제점이 있다.However, in the case of setting and observing only the Korean sea as an area of interest for the monitoring of marine dumping of pollutants in the marine payload of the Chollian 2, if some coastlines of Korea are obscured by clouds depending on the climate condition of Korea, other land Since it is difficult to apply a mark, there is a problem in that it is difficult to correct the geometry of the observed image data.
이와 관련해서, 국내 등록 특허 제10-2005620호("정지궤도 관측위성 영상 기하보정 장치 및 방법")에서는 랜드마크 만을 이용하여 정지궤도 관측위성의 영상 데이터를 기하보정하는 장치 및 방법에 대해서 개시하고 있어, 상술한 문제점을 그대로 포함하고 있다.In this regard, Korean Patent Registration No. 10-2005620 ("Geometry Correction Apparatus and Method for Geostationary Orbit Observation Satellite Image") discloses an apparatus and method for geometric correction of image data of geostationary orbit observation satellite using only landmarks. Therefore, it contains the above-mentioned problems as it is.
본 발명은 상기한 바와 같은 종래 기술의 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 랜드마크 정보의 획득을 방해하는 구름 자체를 또다른 랜드마크 정보로 활용함으로써, 기상 상태 등에 영향을 받지 않고 상시적으로 기하보정을 수행할 수 있는 위성 영상 기하보정 시스템 및 그 방법을 제공하는 것이다.The present invention has been devised to solve the problems of the prior art as described above, and an object of the present invention is to utilize the cloud itself, which prevents the acquisition of landmark information, as another landmark information, thereby not being affected by weather conditions, etc. An object of the present invention is to provide a satellite image geometry correction system and method capable of performing geometric correction on a regular basis.
본 발명의 일 실시예에 따른 위성 영상 기하보정 시스템은, 위성에서 관측된 영상 데이터를 수신하여 기준 영상 데이터로 설정하고, 상기 기준 영상 데이터 내에 포함되어 있는 구름 패턴을 인식하여 클라우드 마크(cloud mark)를 생성하고, 생성한 상기 클라우드 마크를 데이터베이스화하는 구름 검출부(100), 위성에서 관측된 영상 데이터를 수신하여, 기설정된 알고리즘을 적용하여 기하보정을 수행하는 기하보정부(200) 및 상기 기하보정부(200)에서 수행된 기하보정의 정확도를 판단하여, 기설정된 기준치보다 낮은 정확도에 해당할 경우, 상기 구름 검출부(100)에서 생성한 상기 클라우드 마크를 이용하여 기하보정을 재수행하는 추가 기하보정부(300)를 포함하여 구성되는 것이 바람직하다.A satellite image geometry correction system according to an embodiment of the present invention receives image data observed from a satellite, sets it as reference image data, recognizes a cloud pattern included in the reference image data, and forms a cloud mark A
더 나아가, 상기 구름 검출부(100)는 수신한 상기 영상 데이터를 기설정된 알고리즘을 적용하여 기하보정을 수행하여, 기하보정한 영상 데이터를 상기 기준 영상 데이터로 설정하는 초기 기하보정부(110) 및 상기 초기 기하보정부(110)에서 상기 기준 영상 데이터를 이용하여, 상기 기준 영상 데이터 내에 포함되어 있는 구름에 해당하는 픽셀을 탐지하여 구름 패턴을 인식하고, 인식한 구름 패턴에 대한 위치 포지셔닝을 수행하여 상기 클라우드 마크를 생성하여 데이터베이스화하는 클라우드 마크 생성부(120)를 더 포함하여 구성되는 것이 바람직하다.Furthermore, the
더 나아가, 상기 위성 영상 기하보정 시스템은 상기 구름 검출부(100)에서 수신한 상기 영상 데이터와 상기 기하보정부(200)에서 수신한 상기 영상 데이터의 관측 촬영된 시간차가 소정시간 이내인 것이 바람직하다.Furthermore, in the satellite image geometry correction system, it is preferable that the observed and photographed time difference between the image data received from the
더 나아가, 상기 구름 검출부(100)에서 수신한 상기 영상 데이터는 정지궤도 위성의 기상 탑재체에서 관측된 영상 데이터인 것이 바람직하다.Furthermore, the image data received by the
더 나아가, 상기 기하보정부(200)에서 수신한 상기 영상 데이터는 정지궤도 위성 또는 저궤도 위성의 기상 탑재체를 제외한 나머지 탑재체에서 관측된 영상 데이터인 것이 바람직하다.Furthermore, it is preferable that the image data received by the
더 나아가, 상기 기하보정부(200)에서 수신한 상기 영상 데이터는 상기 구름 검출부(100)에서 수신한 상기 영상 데이터보다 좁은 영역을 관심 영역으로 설정하여 관측된 영상 데이터인 것이 바람직하다.Furthermore, the image data received by the
더 나아가, 상기 기하보정부(200)는 상기 영상 데이터 내 획득되는 랜드마크 정보를 이용하여 상기 기하보정을 수행하며, 상기 추가 기하보정부(300)는 상기 기하보정부(200)에서 수행된 상기 기하보정에 이용된 상기 랜드마크 정보의 개수를 기준으로, 상기 기하보정부(200)에서 수행된 기하보정의 정확도를 판단하는 것이 바람직하다.Furthermore, the
본 발명의 일 실시예에 따른 위성 영상 기하보정 방법은, 구름 검출부에서, 위성에서 관측된 영상 데이터를 수신하여 기준 영상 데이터로 설정하고, 상기 기준 영상 데이터 내에 포함되어 있는 구름 패턴을 인식하고 클라우드 마크(Cloud mark)를 생성하여, 생성한 상기 클라우드 마크를 데이터베이스화하는 클라우드 마크 검출단계(S100), 기하보정부에서, 위성에서 관측된 영상 데이터를 수신하여, 기설정된 알고리즘을 적용하여 기하보정을 수행하는 기하보정 단계(S200), 추가 기하보정부에서, 상기 기하보정 단계(S200)에 의해 수행된 기하보정의 정확도를 판단하는 정확도 판단단계(S300) 및 추가 기하보정부에서, 상기 정확도 판단단계(S300)에 의해, 상기 기하보정 단계(S200)에서 수행된 기하보정의 정확도가 기설정된 기준치보다 낮은 정확도일 경우, 상기 클라우드 마크 검출단계(S100)에 의해 생성한 상기 클라우드 마크를 이용하여 기하보정을 재수행하는 추가 기하보정 단계(S400)를 포함하여 구성되는 것이 바람직하다.In a satellite image geometry correction method according to an embodiment of the present invention, the cloud detection unit receives image data observed from a satellite, sets it as reference image data, recognizes a cloud pattern included in the reference image data, and marks a cloud mark A cloud mark detection step (S100) of generating a cloud mark and converting the generated cloud mark into a database, the geometric correction unit receives the image data observed from the satellite, and applies a preset algorithm to perform geometric correction In the geometric correction step (S200), the additional geometric correction unit, the accuracy determination step (S300) of determining the accuracy of the geometric correction performed by the geometric correction step (S200), and in the additional geometric correction unit, the accuracy determination step ( By S300), when the accuracy of the geometric correction performed in the geometric correction step (S200) is lower than the preset reference value, the geometric correction is performed using the cloud mark generated by the cloud mark detection step (S100). It is preferably configured to include an additional geometric correction step (S400) to be re-performed.
더 나아가, 상기 클라우드 마크 검출단계(S100)는 수신한 상기 영상 데이터를 기설정된 알고리즘을 적용하여 기하보정을 수행하여, 기하보정한 영상 데이터를 상기 기준 영상 데이터로 설정하는 초가 기하보정 단계(S110) 및 상기 초기 기하보정 단계(S100)에 의해 설정한 상기 기준 영상 데이터를 이용하여, 상기 기준 영상 데이터 내에 포함되어 있는 구름에 해당하는 픽셀을 탐지하여 구름 패턴을 인식하고, 인식한 구름 패턴에 대한 위치 포지셔닝을 수행하여 상기 클라우드 마크를 생성하여 데이터베이스화하는 DB 생성단계(S120)를 더 포함하여 구성되는 것이 바람직하다.Furthermore, the cloud mark detection step (S100) is an initial geometric correction step (S110) of performing geometric correction by applying a preset algorithm to the received image data, and setting the geometrically corrected image data as the reference image data (S110) And by using the reference image data set by the initial geometric correction step (S100), by detecting the pixel corresponding to the cloud included in the reference image data to recognize the cloud pattern, the position of the recognized cloud pattern It is preferably configured to further include a DB creation step (S120) of performing positioning to generate the cloud mark and turn it into a database.
더 나아가, 상기 기하보정 단계(S200)는 상기 기설정된 알고리즘을 통해 상기 영상 데이터 내 획득되는 랜드마크 정보를 이용하여 상기 기하보정을 수행하며, 상기 정확도 판단단계(S300)는 상기 기하보정 단계(S200)에 의해 수행된 상기 기하보정에 이용된 상기 랜드마크 정보의 개수를 기준으로, 상기 기하보정의 정확도를 판단하는 것이 바람직하다.Furthermore, in the geometric correction step (S200), the geometric correction is performed using the landmark information obtained in the image data through the preset algorithm, and the accuracy determination step (S300) is the geometric correction step (S200) ), it is preferable to determine the accuracy of the geometric correction based on the number of landmark information used for the geometric correction performed by .
더 나아가, 상기 클라우드 마크 검출단계(S100)에 의해 수신한 상기 영상 데이터는 정지궤도 위성의 기상 탑재체에서 관측된 영상 데이터이고, 상기 기하보정 단계(S200)에 의해 수신한 상기 영상 데이터는 정지궤도 위성 또는 저궤도 위성의 기상 탑재체를 제외한 나머지 탑재체에서 관측된 영상 데이터인 것이 바람직하다.Furthermore, the image data received by the cloud mark detection step (S100) is the image data observed from the meteorological payload of the geostationary orbit satellite, and the image data received by the geometric correction step (S200) is the geostationary orbit satellite. Alternatively, it is preferable that the image data is observed from the other payloads other than the meteorological payload of the low-orbit satellite.
더 나아가, 상기 위성 영상 기하보정 방법은 상기 클라우드 마크 검출단계(S100)에 의해 수신한 상기 영상 데이터와 상기 기하보정 단계(S200)에 의해 수신한 상기 영상 데이터의 관측 촬영된 시간차가 소정시간 이내인 것이 바람직하다.Furthermore, in the satellite image geometric correction method, the observed and photographed time difference between the image data received by the cloud mark detection step S100 and the image data received by the geometric correction step S200 is within a predetermined time. it is preferable
더 나아가, 상기 위성 영상 기하보정 방법은 상기 기하보정 단계(S200)에 의해 수신한 상기 영상 데이터는 상기 클라우드 마크 검출단계(S100)에 의해 수신한 상기 영상 데이터보다 좁은 영역을 관심 영역으로 설정하여 관측된 영상 데이터인 것이 바람직하다.Furthermore, in the satellite image geometry correction method, the image data received by the geometric correction step (S200) is observed by setting a narrower region than the image data received by the cloud mark detection step (S100) as the region of interest. It is preferable that the image data is
상기와 같은 구성에 의한 본 발명의 위성 영상 기하보정 시스템 및 그 방법은, 기하보정된 영상 데이터로부터 다양한 구름 패턴들을 인식하고 이에 대한 위치 정보와의 결합을 통한 실시간 DB 구축을 수행함으로써, 정지궤도 위성의 다른 탑재체를 통해서 관측되는 영상 또는 저궤도 위성으로부터 관측되는 영상의 기하보정에 적용함으로써, 랜드마크의 추출이 어려운 경우에도 관측 영상의 기하보정을 용이하게 수행할 수 있는 장점이 있다.The satellite image geometry correction system and method of the present invention according to the above configuration recognizes various cloud patterns from the geometry corrected image data and builds a real-time DB through combination with location information thereto, thereby providing a geostationary orbit satellite By applying it to the geometric correction of images observed through other payloads of , or images observed from low-orbit satellites, there is an advantage in that it is possible to easily perform geometric correction of an observation image even when it is difficult to extract a landmark.
특히, 위성 탑재체에 부여된 역할에 따라 관측된 좁은 영역의 영상 데이터에 대한 기하보정을 수행할 경우, 랜드마크 정보의 획득이 어려운 기상 상태 등으로 인해 발생하는 기하보정 왜곡 현상을 최소화할 수 있는 장점이 있다.In particular, when performing geometric correction on image data of a narrow area observed according to the role assigned to the satellite payload, it is possible to minimize the geometric correction distortion caused by weather conditions in which it is difficult to obtain landmark information. There is this.
일 예를 들자면, 천리안 2호와 같이, 기상 탑재체에서 획득되는 영상 데이터보다 좁은 영역을 관심 영역으로 설정하고 있는 해양 탑재체 등에서 획득되는 영상 데이터는 기상 탑재체에서 획득되는 영상 데이터의 기하보정과 동일한 알고리즘을 적용하여 기하보정을 수행할 경우, 좁은 영역으로 인해 획득되는 랜드마크 자체의 개수가 적을 뿐 아니라, 적은 랜드마크의 개수만큼 예기치 못한 경우에 일부 랜드마크의 획득이 어려울 경우, 더욱 더 적은 수의 랜드마크 정보만을 활용하여 기하보정을 수행해야 하기 때문에, 기상 탑재체에서 획득되는 영상 데이터을 기하보정한 후, 획득한 클라우드 마크를 이용하여 부족할 수 있는 랜드마크 정보를 충족시킬 수 있는 장점이 있다.As an example, image data acquired from a marine payload that sets a narrower region than image data acquired from a weather payload as a region of interest, such as the Chollian 2, uses the same algorithm as the geometric correction of image data acquired from a meteorological payload. When geometric correction is applied, not only the number of landmarks obtained due to a narrow area is small, but also when it is difficult to obtain some landmarks in an unexpected case as much as a small number of landmarks, a smaller number of landmarks Since it is necessary to perform geometric correction using only the mark information, there is an advantage in that the landmark information that may be insufficient can be satisfied by using the acquired cloud mark after geometric correction of the image data obtained from the meteorological payload.
이를 통해서, 랜드마크에 의한 기하보정과 클라우드 마크에 의한 기하보정을 함께 적용할 수 있어, 구름 등의 예기치 못한 기상 상태로 인해 충분한 랜드마크 정보를 획득하지 못하더라도, 정확도 높게 기하보정을 수행할 수 있는 장점이 있다.Through this, geometric correction by landmark and geometric correction by cloud mark can be applied together, so even if sufficient landmark information cannot be obtained due to unexpected weather conditions such as clouds, geometric correction can be performed with high accuracy. there are advantages to
도 1은 종래의 위성 영상 기하보정 방법의 예시도이다.
도 2는 본 발명의 일 실시예에 따른 위성 영상 기하보정 시스템을 나타낸 구성 예시도이다.
도 3은 본 발명의 일 실시예에 따른 위성 영상 기하보정 시스템 및 그 방법에서의 클라우드 마크 검출 예시도이다.
도 4는 본 발명의 일 실시예에 따른 위성 영상 기하보정 방법을 나타낸 순서 예시도이다.1 is an exemplary diagram of a conventional satellite image geometry correction method.
2 is an exemplary configuration diagram illustrating a satellite image geometry correction system according to an embodiment of the present invention.
3 is an exemplary diagram of cloud mark detection in a satellite image geometry correction system and method according to an embodiment of the present invention.
4 is a flowchart illustrating a satellite image geometry correction method according to an embodiment of the present invention.
이하 첨부한 도면들을 참조하여 본 발명의 위성 영상 기하보정 시스템 및 그 방법을 상세히 설명한다. 다음에 소개되는 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 또한, 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다.Hereinafter, the satellite image geometry correction system and method of the present invention will be described in detail with reference to the accompanying drawings. The drawings introduced below are provided as examples in order to sufficiently convey the spirit of the present invention to those skilled in the art. Accordingly, the present invention is not limited to the drawings presented below and may be embodied in other forms. Also, like reference numerals refer to like elements throughout.
이 때, 사용되는 기술 용어 및 과학 용어에 있어서 다른 정의가 없다면, 이 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 설명은 생략한다.At this time, if there is no other definition in the technical terms and scientific terms used, it has the meaning commonly understood by those of ordinary skill in the art to which this invention belongs, and in the following description and accompanying drawings, the subject matter of the present invention Descriptions of known functions and configurations that may unnecessarily obscure will be omitted.
더불어, 시스템은 필요한 기능을 수행하기 위하여 조직화되고 규칙적으로 상호 작용하는 장치, 기구 및 수단 등을 포함하는 구성 요소들의 집합을 의미한다.In addition, the system refers to a set of components including devices, instruments, and means that are organized and regularly interact to perform necessary functions.
본 발명의 일 실시예에 따른 위성 영상 기하보정 시스템 및 그 방법은 정지궤도 위성의 기상 탑재체로부터 관측된 영상 데이터로부터 추출된 구름 영상 패턴과 기하보정의 결과를 실시간으로 활용할 수 있다는 점을 가정하는 것이 바람직하다.It is assumed that the satellite image geometry correction system and the method according to an embodiment of the present invention can utilize the cloud image pattern extracted from image data observed from the meteorological payload of the geostationary orbit satellite and the result of the geometric correction in real time. desirable.
이러한 본 발명의 일 실시예에 따른 위성 영상 기하보정 시스템 및 그 방법은 기하보정된 영상 데이터로부터 다양한 구름 패턴들을 인식하고 이에 대한 위치 정보와의 결합을 통한 실시간 DB 구축을 수행함으로써, 정지궤도 위성의 다른 탑재체를 통해서 관측되는 영상 또는 저궤도 위성으로부터 관측되는 영상의 기하보정에 적용함으로써, 랜드마크의 추출이 어려운 경우에도 관측 영상의 기하보정을 용이하게 수행할 수 있는 장점이 있다.The satellite image geometry correction system and method according to an embodiment of the present invention recognizes various cloud patterns from geometrically corrected image data and builds a real-time DB through combination with location information for the geostationary orbit satellites. By applying it to the geometric correction of an image observed through another payload or an image observed from a low-orbit satellite, there is an advantage in that it is possible to easily perform geometric correction of an observation image even when it is difficult to extract a landmark.
이를 위해, 본 발명의 일 실시예에 따른 위성 영상 기하보정 시스템은 도 2에 도시된 바와 같이, 구름 검출부(100), 기하보정부(200) 및 추가 기하보정부(300)를 포함하여 구성되는 것이 바람직하며, 각각의 구성들은 위성의 제어 컴퓨터 등에 탑재되거나, 위성으로부터 관측된 영상 데이터를 수신한 지상국의 수단을 통해서 동작되는 것이 바람직하다.To this end, the satellite image geometry correction system according to an embodiment of the present invention is configured to include a
각 구성에 대해서 자세히 알아보자면,To learn more about each configuration,
상기 구름 검출부(100)는 위성에서 관측된 영상 데이터를 수신하여 기준 영상 데이터로 설정하고, 상기 기준 영상 데이터 내에 포함되어 있는 구름 패턴을 인식하여 클라우드 마크(Cloud mark)를 생성하고, 생성한 상기 클라우드 마크를 데이터베이스화하는 것이 바람직하다.The
즉, 상기 구름 검출부(100)는 상술한 바와 같이, 정지궤도 위성의 기상 탑재체로부터 관측된 영상 데이터로부터 추출된 구름 영상 패턴과 기하보정의 결과를 실시간으로 활용하기 위한 구성으로, 도 2에 도시된 바와 같이, 초기 기하보정부(110) 및 클라우드 마크 생성부(120)를 포함하여 구성되는 것이 바람직하다.That is, as described above, the
상세하게는, 상기 초기 기하보정부(110)는 수신한 상기 영상 데이터를 미리 설정된 기하보정 알고리즘을 적용하여 기하보정을 수행하고, 기하보정한 영상 데이터를 상기 기준 영상 데이터로 설정하는 것이 바람직하다. 이 때, 상기 초기 기하보정부(110)로 수신된 상기 영상 데이터는 정지궤도 위성의 기상 탑재체에서 관측된 영상 데이터인 것이 바람직하다.In detail, it is preferable that the initial
더불어, 상기 초기 기하보정부(100)에 적용되는 상기 기하보정 알고리즘은, 이미 공지된 기하보정 알고리즘 중 어느 것을 적용하여도 무방하며, 일 예를 들자면, 도 1에 도시된 바와 같이, 상기 영상 데이터에 포함되어 있는 랜드마크 정보를 추출하여, 추출된 랜드마크 정보를 저장되어 있는 랜드마크 데이터베이스와 매칭시켜 상기 영상 데이터의 기하보정을 수행하는 것이 바람직하다.In addition, as the geometric correction algorithm applied to the initial
상기 클라우드 마크 생성부(120)는 상기 초기 기하보정부(110)에서 설정한 상기 기준 영상 데이터를 이용하여, 상기 기준 영상 데이터 내에 포함되어 있는 구름에 해당하는 픽셀을 탐지하여 구름 패턴을 인식하고, 인식한 상기 구름 패턴에 대한 위치 포지셔닝을 수행하여 상기 클라우드 마크를 생성하여 데이터베이스화하는 것이 바람직하다.The cloud
상세하게는, 상기 클라우드 마크 생성부(120) 역시도 이미 공지된 구름 탐지 알고리즘 중 어느 것을 적용하여도 무방하며, 도 3에 도시된 바와 같이, 상기 구름 탐지 알고리즘을 이용하여 상기 기준 영상 데이터 내에 포함되어 있는 구름 패턴을 인식하고, 인식한 상기 구름 패턴에 대한 상기 기준 영상 데이터 내에서의 위치 포지셔닝을 수행하여 상기 클라우드 마크를 생성하는 것이 바람직하다.In detail, the cloud
즉, 단순하게 상기 기준 영상 데이터 내에 포함되어 있는 구름 패턴을 탐지하는 데에서 그치는 것이 아니라, 상기 기준 영상 데이터 내에서의 위치 포지셔닝을 수행하여 상기 클라우드 마크로 생성함으로써, 영상 데이터에 포함되어 있는 구름 자체로 또하나의 랜드마크로 활용할 수 있도록 하는 것이 바람직하다.That is, it does not simply stop at detecting the cloud pattern included in the reference image data, but performs position positioning within the reference image data to generate the cloud mark as the cloud itself included in the image data. It is desirable to use it as another landmark.
특히, 상기 클라우드 마크는 이미 기하보정된 상기 기준 영상 데이터 내에 포한되어 있는 구름 패턴을 탐지하여 생성하기 때문에, 해당하는 위치 포지셔닝에 대한 정확도를 보장받게 된다.In particular, since the cloud mark is generated by detecting the cloud pattern included in the geometrically corrected reference image data, the accuracy for the corresponding position positioning is guaranteed.
상기 기하보정부(200)는 위성에서 관측된 영상 데이터를 수신하여, 미리 설정된 기하보정 알고리즘을 적용하여 기하보정을 수행하는 것이 바람직하다.Preferably, the
이 때, 상기 기하보정부(200)로 수신된 상기 영상 데이터는 정지궤도 위성 또는 저궤도 위성의 기상 탑재체를 제외한 나머지 탑재체에서 관측된 영상 데이터인 것이 바람직하다.In this case, the image data received by the
뿐만 아니라, 상기 기하보정부(200)에서 수신한 상기 영상 데이터는 상기 구름 검출부(100)에서 수신한 상기 영상 데이터, 다시 말하자면, 상기 초기 기하보정부(110)에서 수신한 상기 영상 데이터보다 좁은 영역을 관심 영역으로 설정하여 관측된 영상 데이터인 것이 바람직하다.In addition, the image data received from the
더불어, 상기 기하보정부(200)에서 적용되는 상기 기하보정 알고리즘은 이미 공지된 기하보정 알고리즘 중 어느 것을 적용하여도 무방하며, 일 예를 들자면, 도 1에 도시된 바와 같이, 상기 영상 데이터에 포함되어 있는 랜드마크 정보를 추출하여, 추출된 랜드마크 정보를 저장되어 있는 랜드마크 데이터베이스와 매칭시켜 상기 영상 데이터의 기하보정을 수행하는 것이 바람직하다.In addition, the geometric correction algorithm applied by the
그렇기 때문에, 상기 기하보정부(200)에서 수행되는 상기 영상 데이터의 기하보정 결과는 좁은 영역에 대한 영상 데이터인 만큼 구름 등의 기상 상황이 랜드마크 정보를 추출하는데 방해물로 작용하여 수행된 기하보정의 정확도가 낮아질 수 있다.Therefore, as the result of the geometric correction of the image data performed by the
이에 따라, 상기 추가 기하보정부(300)는 상기 기하보정부(200)에서 수행된 기하보정의 정확도를 판단하여, 미리 설정된 기준치보다 낮은 정확도에 해당할 경우, 상기 구름 검출부(100)에서 생성한 상기 클라우드 마크를 이용하여 상기 기하보정부(200)에서 수신한 상기 영상 데이터의 기하보정을 재수행하는 것이 바람직하다.Accordingly, the additional
이를 위해, 근본적으로 상기 구름 검출부(100)에서 수신한 상기 영상 데이터와 상기 기하보정부(200)에서 수신한 상기 영상 데이터의 관측 촬영된 시간차가 소정시간 이내인 것이 바람직하다. 이는 상기 구름 검출부(100)에서 수신한 상기 영상 데이터에서 생성한 상기 클라우드 마크를 랜드마크 정보로 활용하여 상기 기하보정부(200)에서 수신한 상기 영상 데이터의 기하보정을 수행함에 있어서, 상기 클라우드 마크인 구름은 종래에 활용되던 랜드마크 정보들과 같이 인지하지 못할 정도로 장시간에 걸쳐서 변형되는 것이 아니라, 기상 상황에 따라 빠르게 변형되기 때문에, 상기 구름 검출부(100)에서 수신한 상기 영상 데이터와 상기 기하보정부(200)에서 수신한 상기 영상 데이터의 관측 촬영된 시간차가 소정시간 이내인 것이 바람직하며, 상기 소정시간은 10분으로 설정하는 것이 가장 바람직하다.To this end, it is preferable that the time difference between the observation and photographing of the image data received by the
더불어, 상기 추가 기하보정부(300)는 상기 기하보정부(200)에서 수행된 기하보정에 이용된 상기 랜드마크 정보의 개수를 기준으로 상기 기하보정부(200)에서 수행된 기하보정의 정확도를 판단하는 것이 바람직하다.In addition, the additional
다시 말하자면, 상기 추가 기하보정부(300)는 상기 기하보정부(200)에서 수행된 기하보정에 이용된 상기 랜드마크 정보의 개수를 기준으로, 이용된 상기 랜드마크 정보의 개수가 기준치보다 적게 이용되었을 경우, 해당하는 영상 데이터의 기하보정이 낮은 정확도에 해당하는 것으로 판단하고, 해당하는 영상 데이터에 대해서는 상기 구름 검출부(100)에서 생성한 상기 클라우드 마크를 이용하여 상기 기하보정부(200)에서 수신한 상기 영상 데이터의 기하보정을 재수행하는 것이 바람직하다.In other words, the additional
이 때, 이용되는 상기 랜드마크 정보의 개수에 대한 기준치는 상기 기하보정부(200)에서 수신한 상기 영상 데이터의 관심 영역 크기 정보, 상기 기하보정부(200)로 상기 영상 데이터를 송신한 위성의 탑재체의 목적 정보, 사용자(운용자 등)의 제어 등에 따라 설정되는 것이 바람직하다.At this time, the reference value for the number of the landmark information used is information on the size of the region of interest of the image data received from the
이를 통해서, 상기 추가 기하보정부(300)는 상기 기하보정부(200)에서 수신된 상기 영상 데이터 또는 상기 기하보정부(200)에 의해 기하보정이 수행된 영상 데이터를 전송받아, 상기 영상 데이터 내에서 획득되는 구름 패턴 정보를 동시에 이용하여, 상기 클라우드 마크와 매칭시켜 상기 영상 데이터의 기하보정을 재수행하는 것이 바람직하다.Through this, the additional
이에 따라, 본 발명의 일 실시예에 따른 위성 영상 기하보정 시스템은 랜드마크에 의한 기하보정과 클라우드 마크에 의한 기하보정을 함께 적용할 수 있어, 구름 등의 예기치 못한 기상 상태로 인해 충분한 랜드마크 정보를 획득하지 못하더라도, 정확도 높게 기하보정을 수행할 수 있는 장점이 있다.Accordingly, the satellite image geometry correction system according to an embodiment of the present invention can apply both the geometric correction by the landmark and the geometric correction by the cloud mark, and sufficient landmark information due to unexpected weather conditions such as clouds Even if it is not possible to obtain , there is an advantage that geometric correction can be performed with high accuracy.
본 발명의 일 실시예에 따른 위성 영상 기하보정 방법은 도 4에 도시된 바와 같이, 클라우드 마크 검출단계(S100), 기하보정 단계(S200), 정확도 판단단계(S300) 및 추가 기하보정 단계(S400)를 포함하여 구성되는 것이 바람직하다.As shown in FIG. 4, the satellite image geometric correction method according to an embodiment of the present invention includes a cloud mark detection step (S100), a geometric correction step (S200), an accuracy determination step (S300), and an additional geometric correction step (S400). ) is preferably configured to include.
각 단계에 대해서 자세히 알아보자면,To learn more about each step,
상기 클라우드 마크 검출단계(S100)는 상기 구름 검출부(100)에서, 위성에서 관측된 영상 데이터를 수신하여 기준 영상 데이터로 설정하고, 상기 기준 영상 데이터 내에 포함되어 있는 구름 패턴을 인식하여 클라우드 마크(Cloud mark)를 생성하고, 생성한 상기 클라우드 마크를 데이터베이스화하게 된다.In the cloud mark detection step (S100), the
이를 위해서, 상기 클라우드 마크 검출단계(S100)는 도 4에 도시된 바와 같이, 초기 기하보정 단계(S110) 및 DB 생성단계(S120)를 더 포함하여 구성되는 것이 바람직하며, 이들 단계를 통해서, 정지궤도 위성의 기상 탑재체로부터 관측된 영상 데이터로부터 추출된 구름 영상 패턴과 기하보정의 결과를 실시간으로 활용할 수 있는 장점이 있다.To this end, the cloud mark detection step (S100) is preferably configured to further include an initial geometric correction step (S110) and a DB generation step (S120) as shown in FIG. 4, and through these steps, the stop There is an advantage in that the cloud image pattern extracted from the image data observed from the meteorological payload of the orbiting satellite and the result of geometric correction can be utilized in real time.
상기 초기 기하보정 단계(S110)는 상기 초기 기하보정부(110)에서, 수신한 상기 영상 데이터를 미리 설정된 기하보정 알고리즘을 적용하여 기하보정을 수행하고, 기하보정한 영상 데이터를 상기 기준 영상 데이터로 설정하는 것이 바람직하다. 이 때, 상기 초기 기하보정 단계(S110)는 수신된 상기 영상 데이터는 정지궤도 위성의 기상 탑재체에서 관측된 영상 데이터인 것이 바람직하다.In the initial geometric correction step (S110), the initial
더불어, 적용되는 상기 기하보정 알고리즘은, 이미 공지된 기하보정 알고리즘 중 어느 것을 적용하여도 무방하며, 일 예를 들자면, 도 1에 도시된 바와 같이, 상기 영상 데이터에 포함되어 있는 랜드마크 정보를 추출하여, 추출된 랜드마크 정보를 저장되어 있는 랜드마크 데이터베이스와 매칭시켜 상기 영상 데이터의 기하보정을 수행하는 것이 바람직하다.In addition, as the applied geometric correction algorithm, any of the known geometric correction algorithms may be applied. For example, as shown in FIG. 1 , landmark information included in the image data is extracted. Accordingly, it is preferable to perform geometric correction of the image data by matching the extracted landmark information with the stored landmark database.
상기 DB 생성단계(S120)는 상기 클라우드 마크 생성부(120)에서, 상기 초기 기하보정 단계(S110)에 의해 설정한 상기 기준 영상 데이터를 이용하여, 상기 기준 영상 데이터 내에 포함되어 있는 구름에 해당하는 픽셀을 탐지하여 구름 패턴을 인식하고, 인식한 상기 구름 패턴에 대한 위치 포지셔닝을 수행하여 상기 클라우드 마크를 생성하여 데이터베이스화하는 것이 바람직하다.The DB generation step (S120) is performed by using the reference image data set by the initial geometric correction step (S110) in the cloud
상세하게는, 상기 DB 생성단계(S120) 역시도 이미 공지된 구름 탐지 알고리즘 중 어느 것을 적용하여도 무방하며, 도 3에 도시된 바와 같이, 상기 구름 탐지 알고리즘을 이용하여 상기 기준 영상 데이터 내에 포함되어 있는 구름 패턴을 인식하고, 인식한 상기 구름 패턴에 대한 상기 기준 영상 데이터 내에서의 위치 포지셔닝을 수행하여 상기 클라우드 마크를 생성하는 것이 바람직하다.In detail, the DB generation step (S120) may also apply any of the known cloud detection algorithms, and as shown in FIG. 3, using the cloud detection algorithm is used to include in the reference image data. It is preferable to recognize a cloud pattern and generate the cloud mark by performing position positioning within the reference image data for the recognized cloud pattern.
즉, 단순하게 상기 기준 영상 데이터 내에 포함되어 있는 구름 패턴을 탐지하는 데에서 그치는 것이 아니라, 상기 기준 영상 데이터 내에서의 위치 포지셔닝을 수행하여 상기 클라우드 마크로 생성함으로써, 영상 데이터에 포함되어 있는 구름 자체로 또하나의 랜드마크로 활용할 수 있도록 하는 것이 바람직하다.That is, it does not simply stop at detecting the cloud pattern included in the reference image data, but performs position positioning within the reference image data to generate the cloud mark as the cloud itself included in the image data. It is desirable to use it as another landmark.
상기 기하보정 단계(S200)는 상기 기하보정부(200)에서, 위성에서 관측된 영상 데이터를 수신하여, 미리 설정된 기하보정 알고리즘을 적용하여 기하보정을 수행하는 것이 바람직하다.In the geometric correction step (S200), it is preferable that the
이 때, 상기 기하보정 단계(S200)로 수신된 상기 영상 데이터는 정지궤도 위성 또는 저궤도 위성의 기상 탑재체를 제외한 나머지 탑재체에서 관측된 영상 데이터인 것이 바람직하다.In this case, it is preferable that the image data received in the geometric correction step S200 is image data observed by the remaining payloads other than the meteorological payloads of the geostationary orbit satellites or low orbit satellites.
뿐만 아니라, 상기 기하보정 단계(S200)에 의해 수신한 상기 영상 데이터는 상기 클라우드 마크 검출단계(S100)에서 수신한 상기 영상 데이터, 다시 말하자면, 상기 초기 기하보정 단계(S110)에서 수신한 상기 영상 데이터보다 좁은 영역을 관심 영역으로 설정하여 관측된 영상 데이터인 것이 바람직하다.In addition, the image data received by the geometric correction step (S200) is the image data received in the cloud mark detection step (S100), that is, the image data received in the initial geometric correction step (S110). It is preferable that the image data is observed by setting a narrower region as the region of interest.
더불어, 상기 기하보정 단계(S200)에서 적용되는 상기 기하보정 알고리즘은 이미 공지된 기하보정 알고리즘 중 어느 것을 적용하여도 무방하며, 일 예를 들자면, 도 1에 도시된 바와 같이, 상기 영상 데이터에 포함되어 있는 랜드마크 정보를 추출하여, 추출된 랜드마크 정보를 저장되어 있는 랜드마크 데이터베이스와 매칭시켜 상기 영상 데이터의 기하보정을 수행하는 것이 바람직하다.In addition, the geometric correction algorithm applied in the geometric correction step (S200) may apply any of the already known geometric correction algorithms, for example, as shown in FIG. 1, it is included in the image data It is preferable to extract the landmark information and perform geometric correction of the image data by matching the extracted landmark information with a stored landmark database.
그렇기 때문에, 상기 기하보정 단계(S200)에서 수행되는 상기 영상 데이터의 기하보정 결과는 좁은 영역에 대한 영상 데이터인 만큼 구름 등의 기상 상황이 랜드마크 정보를 추출하는데 방해물로 작용하여 수행된 기하보정의 정확도가 낮아질 수 있다.Therefore, as the result of the geometric correction of the image data performed in the geometric correction step (S200) is image data for a narrow area, weather conditions such as clouds act as an obstacle in extracting landmark information. Accuracy may be reduced.
이를 이용하여, 상기 정확도 판단단계(S300)는 상기 추가 기하보정부(300)에서, 상기 기하보정 단계(S200)에 의해 수행된 기하보정의 정확도를 판단하게 된다.Using this, in the accuracy determining step (S300), the additional
상기 정확도 판단단계(S300)는 상기 기하보정 단계(S200)에 의해 수행된 기하보정에 이용된 상기 랜드마크 정보의 개수를 기준으로 수행된 기하보정의 정확도를 판단하게 된다.The accuracy determination step (S300) determines the accuracy of the geometric correction performed based on the number of the landmark information used for the geometric correction performed by the geometric correction step (S200).
상세하게는, 상기 정확도 판단단계(S300)는 상기 기하보정 단계(S200)에 의해 수행된 기하보정에 이용된 상기 랜드마크 정보의 개수를 기준으로, 이용된 상기 랜드마크 정보의 개수가 기준치보다 적게 이용되었을 경우, 해당하는 영상 데이터의 기하보정이 낮은 정확도에 해당하는 것으로 판단하는 것이 바람직하다.In detail, the accuracy determination step (S300) is based on the number of the landmark information used for the geometric correction performed by the geometric correction step (S200), the number of the landmark information used is less than the reference value When used, it is preferable to determine that the geometric correction of the corresponding image data corresponds to low accuracy.
이 때, 이용되는 상기 랜드마크 정보의 개수에 대한 기준치는 상기 기하보정 단계(S200)에서 수신한 상기 영상 데이터의 관심 영역 크기 정보, 상기 기하보정 단계(S200)로 상기 영상 데이터를 송신한 위성의 탑재체의 목적 정보, 사용자(운용자 등)의 제어 등에 따라 설정되는 것이 바람직하다.At this time, the reference value for the number of the landmark information used is information on the size of the region of interest of the image data received in the geometric correction step ( S200 ) and the satellite that transmitted the image data in the geometric correction step ( S200 ). It is preferable to set according to the target information of the payload, the control of the user (operator, etc.).
상기 추가 기하보정 단계(S400)는 상기 추가 기하보정부(300)에서, 상기 정확도 판단단계(S300)에 의해, 상기 기하보정 단계(S200)에서 수행된 기하보정의 정확도가 미리 설정된 기준치보다 낮은 정확도에 해당할 경우, 상기 클라우드 마크 검출단계(S100)에 의해 생성한 상기 클라우드 마크를 이용하여 상기 기하보정 단계(S200)에 의해 수신한 상기 영상 데이터 또는 상기 기하보정 단계(S200)에 의해 기하보정을 수행한 상기 영상 데이터에 대한 기하보정을 재수행하게 된다.In the additional geometric correction step (S400), the accuracy of the geometric correction performed in the geometric correction step (S200) by the accuracy determination step (S300) in the additional
이 때, 상기 클라우드 마크 검출단계(S100)에 의해 수신한 상기 영상 데이터와 상기 기하보정 단계(S200)에 의해 수신한 상기 영상 데이터의 관측 촬영된 시간차가 소정시간 이내인 것이 바람직하다. 이는 상기 클라우드 마크 검출단계(S100)에 의해 수신한 상기 영상 데이터에서 생성한 상기 클라우드 마크를 랜드마크 정보로 활용하여 상기 기하보정 단계(S200))에서 수신한 상기 영상 데이터의 기하보정을 수행함에 있어서, 상기 클라우드 마크인 구름은 종래에 활용되던 랜드마크 정보들과 같이 인지하지 못할 정도로 장시간에 걸쳐서 변형되는 것이 아니라, 기상 상황에 따라 빠르게 변형되기 때문에, 상기 클라우드 마크 검출단계(S100)에 의해 수신한 상기 영상 데이터와 상기 기하보정 단계(S200)에 의해 수신한 상기 영상 데이터의 관측 촬영된 시간차가 소정시간 이내인 것이 바람직하며, 상기 소정시간은 10분으로 설정하는 것이 가장 바람직하다.At this time, it is preferable that the time difference between the observation and photographing of the image data received by the cloud mark detection step S100 and the image data received by the geometric correction step S200 is within a predetermined time. This is to utilize the cloud mark generated from the image data received by the cloud mark detection step (S100) as landmark information to perform geometric correction of the image data received in the geometric correction step (S200)). , because the cloud, which is the cloud mark, is not deformed over a long period of time so as not to be recognized like the landmark information used in the prior art, but is rapidly deformed according to the weather conditions, the cloud mark received by the cloud mark detection step (S100) It is preferable that the time difference between the observation and photographing of the image data and the image data received by the geometric correction step S200 is within a predetermined time, and the predetermined time is most preferably set to 10 minutes.
이를 통해서, 상기 추가 기하보정 단계(S400)는 상기 기하보정 단계(S200)에 의해 수신한 상기 영상 데이터 또는 상기 기하보정 단계(S200)에 의해 기하보정을 수행한 상기 영상 데이터를 전송받아, 상기 영상 데이터 내에서 획득되는 구름 패턴 정보를 동시에 이용하여, 상기 클라우드 마크와 매칭시켜 상기 영상 데이터의 기하보정을 재수행하는 것이 바람직하다.Through this, the additional geometric correction step (S400) receives the image data received by the geometric correction step (S200) or the image data on which the geometric correction is performed by the geometric correction step (S200) is transmitted, the image It is preferable to re-perform the geometric correction of the image data by simultaneously using the cloud pattern information obtained in the data and matching it with the cloud mark.
한편, 본 발명의 실시예에 따른 위성 영상 기하보정 방법은 다양한 전자적으로 정보를 처리하는 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 저장 매체에 기록될 수 있다. 저장 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.Meanwhile, the satellite image geometry correction method according to an embodiment of the present invention may be implemented in the form of a program command that can be executed through various electronic information processing means and recorded in a storage medium. The storage medium may include program instructions, data files, data structures, etc. alone or in combination.
저장 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 소프트웨어 분야 당업자에게 공지되어 사용 가능한 것일 수도 있다. 저장 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 전자적으로 정보를 처리하는 장치, 예를 들어, 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.The program instructions recorded in the storage medium may be specially designed and configured for the present invention, or may be known and available to those skilled in the software field. Examples of storage media include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magneto-optical media such as floppy disks. (magneto-optical media) and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of the program instruction include not only machine code such as generated by a compiler, but also a device for electronically processing information using an interpreter or the like, for example, a high-level language code that can be executed by a computer.
이상과 같이 본 발명에서는 구체적인 구성 소자 등과 같은 특정 사항들과 한정된 실시예 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것 일 뿐, 본 발명은 상기의 일 실시예에 한정되는 것이 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.As described above, in the present invention, specific matters such as specific elements and the like and limited embodiment drawings have been described, but these are only provided to help a more general understanding of the present invention, and the present invention is not limited to the above one embodiment. No, various modifications and variations are possible from these descriptions by those of ordinary skill in the art to which the present invention pertains.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허 청구 범위뿐 아니라 이 특허 청구 범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.Therefore, the spirit of the present invention should not be limited to the described embodiments, and not only the claims to be described later, but also all those with equivalent or equivalent modifications to the claims will be said to belong to the scope of the spirit of the present invention. .
100 : 구름 검출부
110 : 초기 기하보정부 120 : 클라우드 마크 생성부
200 : 기하보정부
300 : 추가 기하보정부100: cloud detection unit
110: initial geometric correction unit 120: cloud mark generation unit
200: geometric correction unit
300: additional geometric correction unit
Claims (13)
상기 구름 검출부(100)에서 수신한 상기 영상 데이터보다 좁은 영역이 관심 영역으로 설정되어 있는 정지궤도 위성 또는 저궤도 위성의 기상 탑재체를 제외한 나머지 탑재체를 통해서 관측된 영상 데이터를 수신하여, 기설정된 알고리즘을 적용하여 랜드마크 정보를 추출하여 기하보정을 수행하는 기하보정부(200); 및
상기 기하보정부(200)에서 수행된 기하보정의 정확도를 판단하여, 기설정된 기준치보다 낮은 정확도에 해당할 경우, 상기 구름 검출부(100)에서 생성한 상기 클라우드 마크를 이용하여 기하보정을 재수행하는 추가 기하보정부(300);
를 포함하여 구성되며,
상기 구름 검출부(100)는
기설정된 알고리즘을 이용하여, 정지궤도 위성의 기상 탑재체에서 관측하여 수신한 상기 영상 데이터의 기하보정을 수행하고, 기하보정한 영상 데이터를 상기 기준 영상 데이터로 설정하는 초기 기하보정부(110); 및
상기 초기 기하보정부(110)에서 상기 기준 영상 데이터를 이용하여, 상기 기준 영상 데이터 내에 포함되어 있는 구름에 해당하는 픽셀을 탐지하여 구름 패턴을 인식하고, 인식한 구름 패턴에 대한 위치 포지셔닝을 수행하여 상기 클라우드 마크를 생성하여 데이터베이스화하는 클라우드 마크 생성부(120);
를 더 포함하는 것을 특징으로 하는 위성 영상 기하보정 시스템.
Receive image data observed from a meteorological payload of a geostationary orbit satellite, set it as reference image data, recognize a cloud pattern included in the reference image data to generate a cloud mark, and use the generated cloud mark Cloud detection unit 100 to form a database;
By receiving the image data observed through the remaining payloads except for the meteorological payloads of geostationary orbit satellites or low-orbit satellites in which a region narrower than the image data received from the cloud detection unit 100 is set as the region of interest, a preset algorithm is applied a geometric correction unit 200 for performing geometric correction by extracting landmark information; and
By determining the accuracy of the geometric correction performed by the geometric correction unit 200, if the accuracy is lower than the preset reference value, the addition of re-performing the geometric correction using the cloud mark generated by the cloud detection unit 100 geometric correction unit 300;
It consists of
The cloud detection unit 100 is
an initial geometric correction unit 110 for performing geometric correction of the image data observed and received from a meteorological payload of a geostationary orbit satellite using a preset algorithm, and setting the geometrically corrected image data as the reference image data; and
The initial geometric correction unit 110 uses the reference image data to detect a pixel corresponding to a cloud included in the reference image data, recognize a cloud pattern, and perform position positioning on the recognized cloud pattern. a cloud mark generating unit 120 for generating the cloud mark into a database;
Satellite image geometry correction system, characterized in that it further comprises.
상기 위성 영상 기하보정 시스템은
상기 구름 검출부(100)에서 수신한 상기 영상 데이터와 상기 기하보정부(200)에서 수신한 상기 영상 데이터의 관측 촬영된 시간차가 소정시간 이내인 것을 특징으로 하는 위성 영상 기하보정 시스템.
The method of claim 1,
The satellite image geometry correction system is
Satellite image geometry correction system, characterized in that the difference between the observation and photographing time between the image data received by the cloud detection unit (100) and the image data received by the geometry correction unit (200) is within a predetermined time.
상기 기하보정부(200)는
상기 영상 데이터 내 획득되는 랜드마크 정보를 이용하여 상기 기하보정을 수행하며,
상기 추가 기하보정부(300)는
상기 기하보정부(200)에서 수행된 상기 기하보정에 이용된 상기 랜드마크 정보의 개수를 기준으로, 상기 기하보정부(200)에서 수행된 기하보정의 정확도를 판단하는 것을 특징으로 하는 위성 영상 기하보정 시스템.
The method of claim 1,
The geometric correction unit 200 is
Performing the geometric correction using the landmark information obtained in the image data,
The additional geometric correction unit 300 is
Satellite image geometry, characterized in that the accuracy of the geometric correction performed by the geometry correction unit 200 is determined based on the number of landmark information used for the geometry correction performed by the geometry correction unit 200 correction system.
기하보정부에서, 상기 클라우드 마크 검출단계(S100)에 의해 수신한 상기 영상 데이터보다 좁은 영역이 관심 영역으로 설정되어 있는 정지궤도 위성 또는 저궤도 위성의 기상 탑재체를 제외한 나머지 탑재체를 통해서 관측된 영상 데이터를 수신하여, 기설정된 알고리즘을 적용하여 랜드마크 정보를 추출하여 기하보정을 수행하는 기하보정 단계(S200);
추가 기하보정부에서, 상기 기하보정 단계(S200)에 의해 수행된 기하보정의 정확도를 판단하는 정확도 판단단계(S300); 및
추가 기하보정부에서, 상기 정확도 판단단계(S300)에 의해, 상기 기하보정 단계(S200)에서 수행된 기하보정의 정확도가 기설정된 기준치보다 낮은 정확도일 경우, 상기 클라우드 마크 검출단계(S100)에 의해 생성한 상기 클라우드 마크를 이용하여 기하보정을 재수행하는 추가 기하보정 단계(S400);
를 포함하여 구성되며,
상기 클라우드 마크 검출단계(S100)는
기설정된 알고리즘을 적용하여 수신한 상기 영상 데이터의 기하보정을 수행하여, 기하보정한 영상 데이터를 상기 기준 영상 데이터로 설정하는 초기 기하보정 단계(S110); 및
상기 초기 기하보정 단계(S110)에 의해 설정한 상기 기준 영상 데이터를 이용하여, 상기 기준 영상 데이터 내에 포함되어 있는 구름에 해당하는 픽셀을 탐지하여 구름 패턴을 인식하고, 인식한 구름 패턴에 대한 위치 포지셔닝을 수행하여 상기 클라우드 마크를 생성하여 데이터베이스화하는 DB 생성단계(S120);
를 더 포함하여 구성되는 것을 특징으로 하는 위성 영상 기하보정 방법.
In the cloud detection unit, the image data observed from the meteorological payload of the geostationary orbit satellite is received and set as the reference image data, the cloud pattern included in the reference image data is recognized and a cloud mark is generated, Cloud mark detection step of converting the cloud mark into a database (S100);
In the geometry correction unit, the image data observed through the remaining payloads except for the meteorological payloads of geostationary orbit satellites or low-orbit satellites in which a region narrower than the image data received by the cloud mark detection step (S100) is set as the region of interest. a geometric correction step (S200) of receiving, extracting landmark information by applying a preset algorithm and performing geometric correction;
an accuracy determination step (S300) of determining the accuracy of the geometric correction performed by the geometric correction step (S200) in the additional geometric correction unit; and
In the additional geometric correction unit, when the accuracy of the geometric correction performed in the geometric correction step (S200) is lower than the preset reference value by the accuracy determination step (S300), the cloud mark detection step (S100) an additional geometric correction step of re-performing geometric correction using the generated cloud mark (S400);
It consists of
The cloud mark detection step (S100) is
an initial geometric correction step (S110) of performing geometric correction on the received image data by applying a preset algorithm, and setting the geometrically corrected image data as the reference image data; and
Using the reference image data set by the initial geometric correction step (S110), a cloud pattern is recognized by detecting a pixel corresponding to a cloud included in the reference image data, and position positioning for the recognized cloud pattern DB generation step (S120) of generating the cloud mark by performing a database;
Satellite image geometry correction method, characterized in that it further comprises a.
상기 기하보정 단계(S200)는
상기 기설정된 알고리즘을 통해 상기 영상 데이터 내 획득되는 랜드마크 정보를 이용하여 상기 기하보정을 수행하며,
상기 정확도 판단단계(S300)는
상기 기하보정 단계(S200)에 의해 수행된 상기 기하보정에 이용된 상기 랜드마크 정보의 개수를 기준으로, 상기 기하보정의 정확도를 판단하는 것을 특징으로 하는 위성 영상 기하보정 방법.
9. The method of claim 8,
The geometric correction step (S200) is
Performing the geometric correction using the landmark information obtained in the image data through the preset algorithm,
The accuracy determination step (S300) is
The satellite image geometry correction method, characterized in that the accuracy of the geometry correction is determined based on the number of the landmark information used for the geometry correction performed by the geometry correction step (S200).
상기 위성 영상 기하보정 방법은
상기 클라우드 마크 검출단계(S100)에 의해 수신한 상기 영상 데이터와 상기 기하보정 단계(S200)에 의해 수신한 상기 영상 데이터의 관측 촬영된 시간차가 소정시간 이내인 것을 특징으로 하는 위성 영상 기하보정 방법.
9. The method of claim 8,
The satellite image geometry correction method is
The satellite image geometric correction method, characterized in that the difference between the observation and photographing time between the image data received by the cloud mark detection step (S100) and the image data received by the geometric correction step (S200) is within a predetermined time.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200074758A KR102267766B1 (en) | 2020-06-19 | 2020-06-19 | System and method for image navigation and registration of satellites |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200074758A KR102267766B1 (en) | 2020-06-19 | 2020-06-19 | System and method for image navigation and registration of satellites |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102267766B1 true KR102267766B1 (en) | 2021-06-23 |
Family
ID=76599358
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200074758A KR102267766B1 (en) | 2020-06-19 | 2020-06-19 | System and method for image navigation and registration of satellites |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102267766B1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113989132A (en) * | 2021-09-18 | 2022-01-28 | 北京数慧时空信息技术有限公司 | Full-automatic remote sensing image preprocessing device |
| KR102574492B1 (en) | 2022-06-27 | 2023-09-06 | (주)컨텍 | Cloud-based satellite information reception processing device and method |
| EP4293632A1 (en) | 2022-06-15 | 2023-12-20 | Contec Co., Ltd. | Analysis system for satellite information utilization and the operation method for the same |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030036988A (en) * | 2001-11-01 | 2003-05-12 | 한국전자통신연구원 | Iterative Parameter Transform for Enhancing Matching Accuracy of Images |
| KR100945733B1 (en) * | 2007-11-27 | 2010-03-05 | 한국항공우주연구원 | Satelite image providing method and system |
| KR20160073114A (en) * | 2014-12-16 | 2016-06-24 | 한국항공우주연구원 | Method and System for Processing Satellite Image |
| KR101711575B1 (en) * | 2015-12-22 | 2017-03-03 | 순천대학교 산학협력단 | Method for Detecting of the Unified Control Points for RPC Adjustment of Satellite Image |
| KR20180024809A (en) * | 2016-08-31 | 2018-03-08 | 한국항공우주연구원 | Image geometric correction methods and apparatus for the same |
| KR102005620B1 (en) | 2017-04-24 | 2019-07-30 | 한국항공우주연구원 | Apparatus and method for image navigation and registration of geostationary remote sensing satellites |
-
2020
- 2020-06-19 KR KR1020200074758A patent/KR102267766B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030036988A (en) * | 2001-11-01 | 2003-05-12 | 한국전자통신연구원 | Iterative Parameter Transform for Enhancing Matching Accuracy of Images |
| KR100945733B1 (en) * | 2007-11-27 | 2010-03-05 | 한국항공우주연구원 | Satelite image providing method and system |
| KR20160073114A (en) * | 2014-12-16 | 2016-06-24 | 한국항공우주연구원 | Method and System for Processing Satellite Image |
| KR101711575B1 (en) * | 2015-12-22 | 2017-03-03 | 순천대학교 산학협력단 | Method for Detecting of the Unified Control Points for RPC Adjustment of Satellite Image |
| KR20180024809A (en) * | 2016-08-31 | 2018-03-08 | 한국항공우주연구원 | Image geometric correction methods and apparatus for the same |
| KR102005620B1 (en) | 2017-04-24 | 2019-07-30 | 한국항공우주연구원 | Apparatus and method for image navigation and registration of geostationary remote sensing satellites |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113989132A (en) * | 2021-09-18 | 2022-01-28 | 北京数慧时空信息技术有限公司 | Full-automatic remote sensing image preprocessing device |
| EP4293632A1 (en) | 2022-06-15 | 2023-12-20 | Contec Co., Ltd. | Analysis system for satellite information utilization and the operation method for the same |
| KR20230172114A (en) | 2022-06-15 | 2023-12-22 | (주)컨텍 | Analysis system for satellite information utilization and the operation method for the same |
| KR102574492B1 (en) | 2022-06-27 | 2023-09-06 | (주)컨텍 | Cloud-based satellite information reception processing device and method |
| EP4300843A1 (en) | 2022-06-27 | 2024-01-03 | Contec Co., Ltd. | Cloud-based satellite information reception processing apparatus and method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102267766B1 (en) | System and method for image navigation and registration of satellites | |
| US7937190B2 (en) | Apparatus for an automated aerial refueling boom using multiple types of sensors | |
| US10274958B2 (en) | Method for vision-aided navigation for unmanned vehicles | |
| JP6581629B2 (en) | Own machine position measuring device, own machine position measuring method, and own machine position measuring program | |
| US7769543B2 (en) | Fault detection and reconfiguration of an automated refueling boom | |
| CN101160535B (en) | Method and apparatus of management of GNSS signal | |
| US10935381B2 (en) | Star tracker-aided airborne or spacecraft terrestrial landmark navigation system | |
| US7778534B2 (en) | Method and apparatus of correcting geometry of an image | |
| CN104729506A (en) | Unmanned aerial vehicle autonomous navigation positioning method with assistance of visual information | |
| US20200025571A1 (en) | Navigation system | |
| Greco et al. | SAR and InSAR georeferencing algorithms for inertial navigation systems | |
| JP2015031699A (en) | Method and system for remotely controlling vehicle | |
| Dumble et al. | Airborne vision-aided navigation using road intersection features | |
| McGuire et al. | Smart iceberg management system–rapid iceberg profiling system | |
| Straub et al. | Autonomous optical navigation for Earth-observing satellites using coastline matching | |
| EP2211144A1 (en) | Systems and methods for determining location of an airborne vehicle using radar images | |
| JP2007108029A (en) | Position locating device, position locating technique, and position locating program | |
| Rusli et al. | Accuracy assessment of DEM from UAV and TanDEM-X imagery | |
| Takeuchi | Assessment of geometric errors of Advanced Himawari-8 Imager (AHI) over one year operation | |
| Suzuki et al. | GNSS photo matching: Positioning using gnss and camera in urban canyon | |
| Łabowski et al. | A method of swath calculation for side-looking airborne radar | |
| Lee et al. | Analysis of Geolocation Accuracy of Precision Image Processing System developed for CAS-500 | |
| WO2020033068A2 (en) | Celestial positioning system and method | |
| Horide et al. | NLOS Satellite detection using fish-eye camera and semantic segmentation for improving GNSS positioning accuracy in Urban Area | |
| JP7474439B2 (en) | Image generating device, image generating method, and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |