KR102564218B1 - 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템 - Google Patents

드론 영상과 인공지능을 이용한 침수 범람 예측 시스템 Download PDF

Info

Publication number
KR102564218B1
KR102564218B1 KR1020220160144A KR20220160144A KR102564218B1 KR 102564218 B1 KR102564218 B1 KR 102564218B1 KR 1020220160144 A KR1020220160144 A KR 1020220160144A KR 20220160144 A KR20220160144 A KR 20220160144A KR 102564218 B1 KR102564218 B1 KR 102564218B1
Authority
KR
South Korea
Prior art keywords
module
information
simulation
land cover
inundation
Prior art date
Application number
KR1020220160144A
Other languages
English (en)
Inventor
류정림
이상복
박선미
최희용
최형길
이태규
김원창
Original Assignee
주식회사 에프엠웍스
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 에프엠웍스 filed Critical 주식회사 에프엠웍스
Application granted granted Critical
Publication of KR102564218B1 publication Critical patent/KR102564218B1/ko
Priority to US18/501,020 priority Critical patent/US20240153264A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/0056—Geometric image transformation in the plane of the image the transformation method being selected according to the characteristics of the input image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformation in the plane of the image
    • G06T3/0068—Geometric image transformation in the plane of the image for image registration, e.g. elastic snapping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing

Abstract

본 발명은 침수 범람 예측 시스템에 관한 것으로 특히, 최근의 환경을 그대로 반영할 수 있으며 정확한 수치 데이터를 제공하는 드론으로 촬영하는 영상을 기반으로 이에 따른 정사영상(Ortho-photo-graph)과 수치 표고 모형(Digital Elevation Model: DEM)과 및 수치 표면 모형(Digital Surface Model: DSM)에 침수 범람 영역과 정도를 가시적으로 표현할 수 있는 침수 범람 예측 시스템을 제공하면, 침수지역의 가시화 정보는 실시간 국토관리에 있어서 침수범람 취약지역 파악 및 신속한 재해대응 업무에 활용 될 수 있으며 침투블록, 저류조 설치 등 홍수대비 안전시설 설치 위치 선정에 있어 객관적인 수치 데이터 정보를 제공할 수 있다.
또한 각종 보고서 및 문서, 자료작성에 필요한 도면과 가시적인 시뮬레이션 값을 출력하여 업무를 지원할 수 있으며, 장기적으로는 지속적인 드론영상 학습을 통한 사회기반 시설물 유지관리 측면에서 DB를 구축하고 활용할 수 있는 효과를 갖는다.

Description

드론 영상과 인공지능을 이용한 침수 범람 예측 시스템{System for predicting flooding using drone images and artificial intelligence}
본 발명은 침수 범람 예측 시스템에 관한 것으로 특히, 최근의 환경을 그대로 반영할 수 있으며 정확한 수치 데이터를 제공하는 드론으로 촬영하는 영상을 기반으로 이에 따른 정사영상(Ortho-photo-graph)과 수치 표고 모형(Digital Elevation Model: DEM)과 및 수치 표면 모형(Digital Surface Model: DSM)에 침수 범람 영역과 정도를 가시적으로 표현할 수 있는 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템에 관한 것이다.
일반적으로, 최근 기후변화 및 지구온난화에 따른 홍수 발생 빈도가 증가 됨에 따라 침수 범람 상황을 보다 정확하게 예측하고 가시화시킬 수 있는 기능이 요구되는데, 현재 적용되고 있는 방법은 국토공간정보포털 등에서 제공하는 공개된 수치지형도 및 지형정보를 바탕으로 지리 정보 체계(Geographic Information System: GIS) 기반의 2차원 침수범람과 유체역학해석을 통한 홍수의 전파경로를 파악하는 정도이다.
하지만 토지피복도에 따른 물이 침투할 수 있는 정도에 따른 등급이 마련되어 있지 않고 토지피복도 또한 실제 환경과 비교할 때 현실적이지 못한 문제점을 갖는다.
즉, 실제 일본의 경우에는 토지피복의 종류를 세분화하여 투수율을 적용하고 있는데, 한국의 경우 기존 침수범람 관련 예측방법은 "환경공간정보서비스"에서 제공하는 토지피복도를 활용하고 있으며 투수율을 0% 아니면 100%로 분류하기 때문이다.
또한, 토지피복의 경계가 토지의 개발현황, 녹화사업, 안전시설 설치 여부에 따라 최신화 되지 않기 때문에 정확한 시뮬레이션 결과를 도출하는 데 한계가 있다는 문제점을 갖는다.
상술한 문제점을 해소하기 위한 본 발명의 목적은, 침수 범람 예측 시스템에 관한 것으로 특히, 최근의 환경을 그대로 반영할 수 있으며 정확한 수치 데이터를 제공하는 드론으로 촬영하는 영상을 기반으로 이에 따른 정사영상(Ortho-photo-graph)과 수치 표고 모형(Digital Elevation Model: DEM)과 및 수치 표면 모형(Digital Surface Model: DSM)에 침수 범람 영역과 정도를 가시적으로 표현할 수 있는 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템을 제공하는 데 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 특징은, 침수 범람에 대비하기 위한 예측 시스템에 있어서, 공공기관으로부터 토지피복도에 대한 정보와 드론을 통해 항공 촬영된 영상데이터를 입력받아 이를 기준으로 정사영상 및 DSM/DEM 데이터를 생성한 후 토지피복도와 정사영상 및 DEM/DSM 데이터를 출력하는 입력부와; 상기 입력부에서 출력되는 토지피복도와 정사영상 및 DSM/DEM 데이터를 입력받아 토지피복도 혹은 정사영상을 기준으로 침수범람을 예측하기 위한 지역의 토지피복 경계를 설정한 후 해당 지역의 강수량에 대한 정보를 기준으로 토지피복 종류에 따른 투수율과 DSM의 고도값에 따른 시뮬레이션을 수행하며, 상기 정사영상 내의 토지피복이 어떤 종류이고 해당 종류의 토지피복 투수율에 대한 정보에 대해 학습하는 딥러닝 객체탐지 알고리즘으로 이루어지는 연산부를 포함하는 데 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 부가적인 특징으로, 상기 입력부는, 임의의 침수피해 발생 예상지역에 대한 토지피복도를 해당 공공기관으로부터 입력받는 토지피복도 입력모듈과; 드론을 통해 촬영한 해당 침수피해 발생 예상지역에 대해 현재 상태의 항공 영상 데이터를 입력받는 드론 촬영데이터 입력모듈과; 상기 드론 촬영데이터 입력모듈을 통해 취득되어진 항공 영상 데이터를 정사영상으로 변환하는 정사영상 변환모듈; 및 상기 정사영상 변환모듈을 통해 항공 영상 데이터를 정사영상으로 변환하는 과정에서 발생되는 DSM정보를 취득하고 필요 요청에 따라 해당 DSM정보를 가공한 DEM 정보를 취득하는 DSM/DEM 정보 취득모듈을 포함하는 데 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 부가적인 다른 특징으로, 상기 연산부는, 상기 입력부를 통해 얻어지는 토지피복도와 정사영상과 DEM 및 DSM 정보를 입력받아 토지피복도 혹은 정사영상을 기준으로 토지피복의 경계를 설정하며, 상기 정사영상 내의 토지피복이 어떤 종류이고 해당 종류의 토지피복 투수율에 대한 정보에 대해 학습하는 딥러닝 객체탐지 알고리즘을 갖는 입력데이터 복합처리 모듈과; 침수피해 발생 예상 혹은 시뮬레이션 지역의 특성에 따른 강수량(최소치, 평균치, 최대치에 따른 이력 데이터)을 입력받는 강수량 입력모듈과; 상기 입력데이터 복합처리 모듈에서 전 처리되어진 데이터를 기준으로 상기 강수량 입력모듈에 따른 토지피복 종류에 따른 투수율과 DSM의 고도값에 따른 시뮬레이션을 수행하는 침수/범람 시뮬레이션 모듈; 및 상기 침수/범람 시뮬레이션 모듈에서 수행되는 시뮬레이션의 결과를 DSM과 같은 TIFF 형식과 GIF 파일로 생성하는 정보생성모듈을 포함하는 데 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 부가적인 또 다른 특징으로, 상기 입력데이터 복합처리 모듈은, 상기 입력부를 통해 입력되는 토지피복도 정보와 드론의 촬영 영상을 통해 취득되어진 정사영상과 그에 따른 DSM 정보, 및 상기 DSM정보에 따른 DEM 정보를 입력받아 대응하는 동일지역의 정보를 매칭시키는 입력데이터 복합 연산 모듈과; 상기 입력데이터 복합 연산 모듈에서 매칭되어진 정보를 정사영상 중심으로 재편하여 토지피복의 경계를 설정하는 정사영상 기준 경계설정 모듈; 및 상기 입력데이터 복합 연산 모듈에서 매칭되어진 정보를 토지피복도 중심으로 재편하여 토지피복의 경계를 설정하는 토지피복도 기준 경계설정 모듈을 포함하는 데 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 부가적인 또 다른 특징으로, 상기 입력데이터 복합 연산 모듈과 연동하며, 상기 정사영상 내의 토지피복이 어떤 종류이고 해당 종류의 토지피복 투수율에 대한 정보에 대해 학습하는 딥러닝 객체탐지 알고리즘으로 이루어진 인공지능 딥러닝 모듈을 더 포함하여, 상기 입력데이터 복합 연산 모듈의 효율을 증대시키는 데 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 부가적인 또 다른 특징으로, 상기 침수/범람 시뮬레이션 모듈은, 상기 입력데이터 복합처리 모듈에서 전 처리되어진 데이터를 입력받아 상기 강수량 입력모듈에 따른 토지피복 종류에 따른 투수율을 기준으로 침수 상황의 발생 여부를 시뮬레이션하는 침수 시뮬레이션 모듈과; 상기 입력데이터 복합처리 모듈에서 전 처리되어진 데이터를 입력받아 DSM의 고도값을 기준으로 상기 강수량 입력모듈에 따른 강수량 데이터를 적용하여 범람 상황의 발생 여부를 시뮬레이션하는 범람 시뮬레이션 모듈을 포함하는 데 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 부가적인 또 다른 특징으로, 상기 연산부에서 수행되어진 시뮬레이션을 기준으로 주변 환경 혹은 방재 시설물의 위치을 가변시켜 해당 변화에 따른 시뮬레이션을 수행하는 분석부를 더 포함하는 데 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 부가적인 또 다른 특징으로, 상기 분석부는 상기 연산부의 침수/범람 시뮬레이션 모듈에서 수행되어진 시뮬레이션을 기준으로 시뮬레이션의 결과를 분석하는 시뮬레이션 정보 분석모듈과; 상기 연산부의 침수/범람 시뮬레이션 모듈에서 수행되어진 시뮬레이션을 기준으로 주변 환경 혹은 방재 시설물의 위치 등을 가변시켜 해당 변화에 따른 시뮬레이션을 수행하는 환경가변 시뮬레이션 모듈을 포함하는 데 있다.
상술한 바와 같은 목적을 달성하기 위한 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 부가적인 또 다른 특징으로, 상기 환경가변 시뮬레이션 모듈은 상기 시뮬레이션 정보 분석모듈에서 분석되어진 정보를 기준으로 시뮬레이션 해당 지역의 단면도를 생성하는 단면도 생성모듈과; 상기 단면도 생성모듈을 통해 생성된 지표의 단면 정보를 기준으로 침투블록의 설치 위치를 가변시켜 시뮬레이션을 위한 정보를 생성시키는 침투블록 시뮬레이션 정보 가변 모듈과; 상기 단면도 생성모듈을 통해 생성된 지표의 단면 정보를 기준으로 저류조의 설치 위치와 용량을 가변시켜 시뮬레이션을 위한 정보를 생성시키는 저류조 시뮬레이션 정보 가변 모듈; 및 상기 침투블록 시뮬레이션 정보 가변 모듈과 저류조 시뮬레이션 정보 가변 모듈을 통해 정보가 가변되어진 침투블록과 저류조의 정보를 기준으로 침수 및 범람에 대한 시뮬레이션을 재수행하여 방재를 위한 환경의 변화에 대한 정보를 취득하기 위한 가변정보 시뮬레이션 모듈을 포함하는 데 있다.
이와 같은 본 발명에 따른 침수 범람 예측 시스템을 제공하면, 침수지역의 가시화 정보는 실시간 국토관리에 있어서 침수범람 취약지역 파악 및 신속한 재해대응 업무에 활용 될 수 있으며 침투블록, 저류조 설치 등 홍수대비 안전시설 설치 위치 선정에 있어 객관적인 수치 데이터 정보를 제공할 수 있다.
또한 각종 보고서 및 문서, 자료작성에 필요한 도면과 가시적인 시뮬레이션 값을 출력하여 업무를 지원할 수 있으며, 장기적으로는 지속적인 드론영상 학습을 통한 사회기반 시설물 유지관리 측면에서 DB를 구축하고 활용할 수 있는 효과를 갖는다.
도1은 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 블록 구성 예시도
도2 내지 도4는 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템에서 사용하는 토지피복도, 정사영상, 및 DSM 의 사진예시도
도5 내지 도7은 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 요부 구성의 세부 구성 예시도
이하, 첨부된 도면을 참조하여 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템을 설명하기에 앞서, 본 발명에서 사용하는 사용되는 용어를 정리하면, 수치 표고 모형(Digital Elevation Model: 이하 DEM이라 칭함)은 실세계 지형 정보 중 건물, 수목, 인공 구조물 등을 제외한 지형(bare earth) 부분을 표현하는 수치 모형이다.
또한, 수치 표면 모형(Digital Surface Model: 이하 DSM이라 칭함)은 실세계의 모든 정보, 즉 지형, 수목, 건물, 인공 구조물 등을 표현한 모형이다.
또한, 정사영상(Ortho-photo-graph)은 항공사진 또는 인공위성 등의 영상정보 등에 대하여 높이차나 기울어짐 등 지형 기복에 의한 기하학적 왜곡을 보정하고 모든 물체를 수직으로 내려다보았을 때의 모습으로 변환한 영상으로 일정한 규격으로 집성하여 좌표 및 주기 등을 기입한 영상지도를 말한다.
첨부한 도1을 참조하여, 본 발명에 따른 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템의 구성을 살펴보면, 공공기관으로부터 토지피복도에 대한 정보와 드론을 통해 항공 촬영된 영상데이터를 입력받아 이를 기준으로 정사영상 및 DSM/DEM 데이터를 생성한 후 토지피복도와 정사영상 및 DEM/DSM 데이터를 출력하는 입력부(100)와, 상기 입력부(100)에서 출력되는 토지피복도와 정사영상 및 DSM/DEM 데이터를 입력받아 토지피복도 혹은 정사영상을 기준으로 침수범람을 예측하기 위한 지역의 토지피복 경계를 설정한 후 해당 지역의 강수량에 대한 정보를 기준으로 토지피복 종류에 따른 투수율과 DSM의 고도값에 따른 시뮬레이션을 수행하며, 상기 정사영상 내의 토지피복이 어떤 종류이고 해당 종류의 토지피복 투수율에 대한 정보에 대해 학습하는 딥러닝 객체탐지 알고리즘으로 이루어지는 연산부(200)와, 상기 연산부(200)에서 수행되어진 시뮬레이션을 기준으로 주변 환경 혹은 방재 시설물의 위치 등을 가변시켜 해당 변화에 따른 시뮬레이션을 수행하는 분석부(300), 및 상기 연산부(200)와 분석부(300)를 통해 수행되어진 각 시뮬레이션의 결과 및 해당 지역의 정보를 표출하는 출력부(400)로 크게 구성된다.
상술한 구성의 세부사항을 살펴보면, 상기 입력부(100)는, 임의의 침수피해 발생 예상지역에 대한 토지피복도를 해당 공공기관으로부터 입력받는 토지피복도 입력모듈(110)과, 드론을 통해 촬영한 해당 침수피해 발생 예상지역에 대해 현재 상태의 항공 영상 데이터를 입력받는 드론 촬영데이터 입력모듈(130)과, 상기 드론 촬영데이터 입력모듈(130)을 통해 취득되어진 항공 영상 데이터를 정사영상으로 변환하는 정사영상 변환모듈(150), 및 상기 정사영상 변환모듈(150)을 통해 항공 영상 데이터를 정사영상으로 변환하는 과정에서 발생되는 DSM정보를 취득하고 필요 요청에 따라 해당 DSM정보를 가공한 DEM 정보를 취득하는 DSM/DEM 정보 취득모듈(160)로 구성된다.
이때 상기 토지피복도 입력모듈(110)을 통해 취득되는 토지피복도의 이미지는 첨부한 도2에 도시되어진 바와 같고, 상기 정사영상 변환모듈(150)을 통해 생성되는 정사영상의 이미지는 첨부한 도3에 도시되어진 바와 같으며, 상기 DSM/DEM 정보 취득모듈(160)을 통해 취득되어진 DSM의 이미지는 첨부한 도4에 도시되어진 바와 같다.
또한, 상기 연산부(200)는, 상기 입력부(100)를 통해 얻어지는 토지피복도와 정사영상과 DEM 및 DSM 정보를 입력받아 토지피복도 혹은 정사영상을 기준으로 토지피복의 경계를 설정하며, 상기 정사영상 내의 토지피복이 어떤 종류이고 해당 종류의 토지피복 투수율에 대한 정보에 대해 학습하는 딥러닝 객체탐지 알고리즘을 갖는 입력데이터 복합처리 모듈(210)과, 침수피해 발생 예상 혹은 시뮬레이션 지역의 특성에 따른 강수량(최소치, 평균치, 최대치에 따른 이력 데이터)을 입력받는 강수량 입력모듈(220)과, 상기 입력데이터 복합처리 모듈(210)에서 전 처리되어진 데이터를 기준으로 상기 강수량 입력모듈(220)에 따른 토지피복 종류에 따른 투수율과 DSM의 고도값에 따른 시뮬레이션을 수행하는 침수/범람 시뮬레이션 모듈(230), 및 상기 침수/범람 시뮬레이션 모듈(230)에서 수행되는 시뮬레이션의 결과를 DSM과 같은 TIFF 형식과 GIF 파일로 생성하는 정보생성모듈(250)을 포함한다.
이때 상기 입력데이터 복합처리 모듈(210)은 첨부한 도5에 도시 되어진 바와 같이, 상기 입력부(100)를 통해 입력되는 토지피복도 정보와 드론의 촬영 영상을 통해 취득되어진 정사영상과 그에 따른 DSM 정보, 및 상기 DSM정보에 따른 DEM 정보를 입력받아 대응하는 동일지역의 정보를 매칭시키는 입력데이터 복합 연산 모듈(211)과, 상기 입력데이터 복합 연산 모듈(211)에서 매칭되어진 정보를 정사영상 중심으로 재편하여 토지피복의 경계를 설정하는 정사영상 기준 경계설정 모듈(212), 및 상기 입력데이터 복합 연산 모듈(211)에서 매칭되어진 정보를 토지피복도 중심으로 재편하여 토지피복의 경계를 설정하는 토지피복도 기준 경계설정 모듈(213)으로 구성된다.
이때 상기 입력데이터 복합 연산 모듈(211)과 연동하는 인공지능 딥러닝 모듈(211A)을 더 구비하는 데, 상기 인공지능 딥러닝 모듈(211A)은 상기 정사영상 내의 토지피복이 어떤 종류이고 해당 종류의 토지피복 투수율에 대한 정보에 대해 학습하는 딥러닝 객체탐지 알고리즘으로 이루어진 것으로, 상기 입력데이터 복합 연산 모듈(211)의 효율을 증대시키기 위한 것이다.
상기 침수/범람 시뮬레이션 모듈(230)은 첨부한 도6에 도시 되어진 바와 같이, 상기 입력데이터 복합처리 모듈(210)에서 전 처리되어진 데이터를 입력받아 상기 강수량 입력모듈에 따른 토지피복 종류에 따른 투수율을 기준으로 침수 상황의 발생 여부를 시뮬레이션하는 침수 시뮬레이션 모듈(231)과, 상기 입력데이터 복합처리 모듈(210)에서 전 처리되어진 데이터를 입력받아 DSM의 고도값을 기준으로 상기 강수량 입력모듈(220)에 따른 강수량 데이터를 적용하여 범람 상황의 발생 여부를 시뮬레이션하는 범람 시뮬레이션 모듈(232)로 구성된다.
또한, 상기 분석부(300)는 상기 연산부(200)의 침수/범람 시뮬레이션 모듈(230)에서 수행되어진 시뮬레이션을 기준으로 시뮬레이션의 결과를 분석하는 시뮬레이션 정보 분석모듈(310)과, 상기 연산부(200)의 침수/범람 시뮬레이션 모듈(230)에서 수행되어진 시뮬레이션을 기준으로 주변 환경 혹은 방재 시설물의 위치 등을 가변시켜 해당 변화에 따른 시뮬레이션을 수행하는 환경가변 시뮬레이션 모듈(320)로 구성된다.
이때 상기 환경가변 시뮬레이션 모듈(320)은 첨부한 도7에 도시 되어진 바와 같이, 상기 시뮬레이션 정보 분석모듈(310)에서 분석되어진 정보를 기준으로 시뮬레이션 해당 지역의 단면도를 생성하는 단면도 생성모듈(321)과, 상기 단면도 생성모듈(321)을 통해 생성된 지표의 단면 정보를 기준으로 침투블록의 설치 위치를 가변시켜 시뮬레이션을 위한 정보를 생성시키는 침투블록 시뮬레이션 정보 가변 모듈(322)과, 상기 단면도 생성모듈(321)을 통해 생성된 지표의 단면 정보를 기준으로 저류조의 설치 위치와 용량을 가변시켜 시뮬레이션을 위한 정보를 생성시키는 저류조 시뮬레이션 정보 가변 모듈(323), 및 상기 침투블록 시뮬레이션 정보 가변 모듈(322)과 저류조 시뮬레이션 정보 가변 모듈(323)을 통해 정보가 가변되어진 침투블록과 저류조의 정보를 기준으로 침수 및 범람에 대한 시뮬레이션을 재수행하여 방재를 위한 환경의 변화에 대한 정보를 취득하기 위한 가변정보 시뮬레이션 모듈(324)로 구성된다.
상술한 바와 같이 구성되는 본 발명에 따른 침수 범람 예측 시스템의 전체적인 동작과 운영방법을 살펴보면, 우선적으로 살펴볼 부분은 토지피복의 경계에 관한 부분이다.
본 발명에 따른 침수범람 시뮬레이션을 위해서는 토지피복의 경계 처리가 중요하며, 경계처리는 사업목적과 정보의 우선순위에 따라 사용자가 토지피복도 혹은 정사영상을 기준으로 토지피복의 경계를 선택 적용할 수 있다.
우선 토지피복도 중심으로 시뮬레이션을 하면, 기존의 토지피복 경계를 유지하고 셰이프파일(shapefile: 이하 SHP라 칭함) 파일의 정보속성을 맵핑함.
이때 SHP 형식이란, 예를 들어 우물, 강 및 호수를 나타내는 점, 선 및 다각형과 같은 벡터 기능을 공간적으로 설명할 수 있으며, 각 항목에는 일반적으로 이름이나 온도와 같이 항목을 설명하는 속성이 있는 지리 정보 시스템(GIS) 소프트웨어를 위한 지리 공간 벡터 데이터 형식이다.
따라서 1개의 구역에 다양한 토지피복이 존재하는 경우 가장 넓은 면적을 차지하는 피복의 종류와 투수율로 시뮬레이션을 수행하게 된다.
반면에 정사영상 중심으로 시뮬레이션을 하면, 토지피복의 경계를 무시하고 실제 영상에서 피복의 종류가 달라짐에 따라 공간정보를 새롭게 정의하여 시뮬레이션을 수행하여야 하며, 상술한 토지피복도 중심으로 시뮬레이션에 비해서 소요 되는 시간과 자원(컴퓨터의 성능 등)이 증가한다는 단점이 있으나, 현재 시점에서 시뮬레이션을 할 수 있어 과거에 작성되었던 토지피복을 중심으로 하는 시뮬레이션에 비하여 보다 현실적인 시뮬레이션이 가능하다는 장점을 갖는다. 따라서 토지피복 종류와 투수율은 사용자가 수정할 수 있다.
한국의 경우 환경공간 정보서비스를 이용하면 토지피복도에 대한 정보를 SHP파일로 제공 받을 수 있다. 다만, 토지피복도에 대한 정보는 일정 시점(공공기관의 조사업무 시점)을 기준으로 갱신되기 때문에 현시점의 데이터는 아니다.
이때 드론은 고도와 좌표 및 촬영각도 등의 데이터가 메타데이터로 사진의 영상데이터에 포함되어진다.
따라서 입력부(100)의 토지피복도 입력모듈(110)은 인터넷 환경은 통해 임의의 침수피해 발생 예상지역에 대한 토지피복도를 해당 공공기관으로부터 입력받는다.
이때 토지피복도에 따른 이미지는 첨부한 도2에 도시되어진 바와 같은 형태이다.
반면에 드론을 통해 촬영한 해당 침수피해 발생 예상지역에 대해 현재 상태의 항공 영상 데이터들은 메모리소자를 통해 드론 촬영데이터 입력모듈(130)에 제공되고, 상기 드론 촬영데이터 입력모듈(130)에서 출력되는 해당 침수피해 발생 예상지역에 대한 이미지에 포함되어진 메타데이터를 기준으로 정사영상 변환모듈(150)에서는 첨부한 도3에 도시되어진 바와 같은 정사영상으로 변환하여 출력한다.
이때 상기 정사영상 변환모듈(150)에서 정사영상을 얻는 과정에서 발생하는 DSM정보는 DSM/DEM 정보 취득모듈(160)을 통해 취득되며, 첨부한 도4에 도시되어진 바와 같은 DSM 정보 이미지를 생성한다.
이때 DEM정보가 필요하다는 요청(제어)이 들어오면 상기 DSM/DEM 정보 취득모듈(160)에서는 취득되어진 DSM정보를 기준으로 DEM정보를 생성하게 된다. 또한, 외부에서 공개된 DEM정보를 취득 할 수도 있다.
통상적으로 사용자의 사용 목적에 따라서 DSM을 입력하든 DEM을 입력하든 맞춰서 하는데, 보통은 건축물이 많은 도심지역에는 DSM을 활용하고 수목이 많은 임야 산간 지역에는 DEM을 활용한다.
이후 연산부(200)의 입력데이터 복합처리 모듈(210)에서는 상기 토지피복도 입력모듈(110)과 정사영상 변환모듈(150) 및 DSM/DEM 정보 취득모듈(160)을 통해 얻어지는 토지피복도와 정사영상과 DSM/DEM 정보를 입력받아 동일지역의 정보를 매칭시킨 후 사용자의 선택에 의해 토지피복도를 기준으로 토지피복의 경계를 설정하거나 혹은 정사영상을 기준으로 토지피복의 경계를 설정하게 된다.
상술한 상기 입력데이터 복합처리 모듈(210)의 동작은 입력데이터 복합 연산 모듈(211)과 정사영상 기준 경계설정 모듈(212)과, 토지피복도 기준 경계설정 모듈(213), 및 인공지능 딥러닝 모듈(211A)을 통해 구현되며, 각 구성의 동작은 전술한 도5의 구성 설명과 중복되므로 생략한다.
상기 입력데이터 복합처리 모듈(210)을 통해 정사영상 기준 경계설정 모듈(212) 혹은 토지피복도 기준 경계설정 모듈(213) 중 어느 하나를 통해 토지피복 경계가 설정되면, 침수/범람 시뮬레이션 모듈(230)에서는 강수량 입력모듈(220)을 통해 입력되는 해당지역의 강수량(최소치, 평균치, 최대치에 따른 이력 데이터)을 기준으로 침수현상 혹은 범람현상의 발생 여부 및 그 정도를 시뮬레이션하게 된다.
이때 상기 침수/범람 시뮬레이션 모듈(230)에서 수행되는 시뮬레이션의 결과를 정보생성모듈(250)에서 DSM과 같은 TIFF 형식과 GIF(동적인 영상)으로 생성하게 되는데, 상기 정보생성모듈(250)은 후술하는 분석부(300)의 시뮬레이션 결과 역시 처리하며 출력부(400)를 통해 표출되는 정보의 가공기능을 수행한다.
또한, 상기 침수/범람 시뮬레이션 모듈(230)은 첨부한 도6에 도시 되어진 바와 같이, 침수 시뮬레이션 모듈(231)과 범람 시뮬레이션 모듈(232)로 구분될 수도 있고 하나의 시뮬레이션을 통해 침수피해와 범람피해를 모두 예상할 수 도 있다.
이와 같이 임의의 특정 기역에 대한 침수범람에 대한 시뮬레이션이 수행되면 이를 기준으로 침수 혹은 범람을 예방하기 위한 방재 시설의 위치와 용량 등을 확인할 필요가 있으며, 이는 분석부(300)를 통해 이루어진다.
즉, 상기 분석부(300)의 시뮬레이션 정보 분석모듈(310)은 상기 연산부(200)의 침수/범람 시뮬레이션 모듈(230)에서 수행되어진 시뮬레이션을 기준으로 시뮬레이션의 결과를 분석하여 취약지구 및 취약형태 등을 판독한다.
이후 환경가변 시뮬레이션 모듈(320)에서는 상기 연산부(200)의 침수/범람 시뮬레이션 모듈(230)에서 수행되어진 시뮬레이션을 기준으로 방재시설의 위치와 용량등을 가변시키면서 시뮬레이션적으로 침수 혹은 범람이 예방되는 가를 판독하게 된다.
따라서 상기 환경가변 시뮬레이션 모듈(320)을 통해 침수 혹은 범람이 예방하기 위한 최적의 환경(침투블록의 설치 위치, 저류조의 설치 위치와 용량)을 확인할 수 있게 된다.
상기 환경가변 시뮬레이션 모듈(320)을 구성하는 단면도 생성모듈(321)과 침투블록 시뮬레이션 정보 가변 모듈(322)과 저류조 시뮬레이션 정보 가변 모듈(323) 및 가변정보 시뮬레이션 모듈(324)의 설명은 전술한 도7의 설명과 중복되므로 그 설명은 생략한다.
상술한 본 발명에 따른 침수 범람 예측 시스템을 통해 기존 침수범람 예측 시스템은 가상으로 침투블록이나 토지피복의 변경, 저류조 설치 등을 원활하게 변경 할 수 없었으나, 본 예측 시스템의 경우 침투블록의 설치 대상지(면적)를 사용자가 쉽게 변경 입력할 수 있으며, 또한 저류조의 규모(가로x세로x높이, 용량)를 입력 후 사용자가 원하는 위치에 위치(x,y,z)시켜 시뮬레이션을 수행할 수 있다.
따라서 현재 국민안전을 위한 재난안전시설 설치에 따라 침수피해가 잦은 지역, 집중호우 지역 등 침수 범람 피해가 발생하는 지역에서 최적의 대안을 도출하는데 용이하다는 효과를 갖는다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 특허청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 방법이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안 될 것이다.
100 : 입력부
110 : 토지피복도 입력모듈
130 : 드론 촬영데이터 입력모듈
150 : 정사영상 변환모듈
160 : DSM/DEM 정보 취득모듈
200 : 연산부
210 : 입력데이터 복합처리 모듈
211 : 입력데이터 복합 연산 모듈
211A : 인공지능 딥러닝 모듈
212 : 정사영상 기준 경계설정 모듈
213 : 토지피복도 기준 경계설정 모듈
220 : 강수량 입력모듈
230 : 침수/범람 시뮬레이션 모듈
231 : 침수 시뮬레이션 모듈
232 : 범람 시뮬레이션 모듈
240 : 연산제어모듈
250 : 정보생성모듈
300 : 분석부
310 : 시뮬레이션 정보 분석모듈
320 : 환경가변 시뮬레이션 모듈
321 : 단면도 생성모듈
322 : 침투블록 시뮬레이션 정보 가변 모듈
323 : 저류조 시뮬레이션 정보 가변 모듈
324 : 가변정보 시뮬레이션 모듈
400 : 출력부

Claims (9)

  1. 침수 범람에 대비하기 위한 예측 시스템에 있어서,
    공공기관으로부터 토지피복도에 대한 정보와 드론을 통해 항공 촬영된 영상데이터를 입력받아 이를 기준으로 정사영상 및 DSM/DEM 데이터를 생성한 후 토지피복도와 정사영상 및 DEM/DSM 데이터를 출력하는 입력부와;
    상기 입력부에서 출력되는 토지피복도와 정사영상 및 DSM/DEM 데이터를 입력받아 토지피복도 혹은 정사영상을 기준으로 침수범람을 예측하기 위한 지역의 토지피복 경계를 설정한 후 해당 지역의 강수량에 대한 정보를 기준으로 토지피복 종류에 따른 투수율과 DSM의 고도값에 따른 시뮬레이션을 수행하며, 상기 정사영상 내의 토지피복이 어떤 종류이고 해당 종류의 토지피복 투수율에 대한 정보에 대해 학습하는 딥러닝 객체탐지 알고리즘으로 이루어지는 연산부를 포함하고,
    상기 연산부는,
    상기 입력부를 통해 얻어지는 토지피복도와 정사영상과 DEM 및 DSM 정보를 입력받아 토지피복도 혹은 정사영상을 기준으로 토지피복의 경계를 설정하며, 상기 정사영상 내의 토지피복이 어떤 종류이고 해당 종류의 토지피복 투수율에 대한 정보에 대해 학습하는 딥러닝 객체탐지 알고리즘을 갖는 입력데이터 복합처리 모듈과;
    침수피해 발생 예상 혹은 시뮬레이션 지역의 특성에 따른 강수량(최소치, 평균치, 최대치에 따른 이력 데이터)을 입력받는 강수량 입력모듈과;
    상기 입력데이터 복합처리 모듈에서 전 처리되어진 데이터를 기준으로 상기 강수량 입력모듈에 따른 토지피복 종류에 따른 투수율과 DSM의 고도값에 따른 시뮬레이션을 수행하는 침수/범람 시뮬레이션 모듈; 및
    상기 침수/범람 시뮬레이션 모듈에서 수행되는 시뮬레이션의 결과를 DSM과 같은 TIFF 형식과 GIF 파일로 생성하는 정보생성모듈을 포함하고,
    상기 연산부에서 수행되어진 시뮬레이션을 기준으로 주변 환경 혹은 방재 시설물의 위치를 가변시켜 해당 변화에 따른 시뮬레이션을 수행하는 분석부를 포함하고,
    상기 분석부는 상기 연산부의 침수/범람 시뮬레이션 모듈에서 수행되어진 시뮬레이션을 기준으로 시뮬레이션의 결과를 분석하여 취약지구 및 취약형태를 판독하는 시뮬레이션 정보 분석모듈과;
    상기 연산부의 침수/범람 시뮬레이션 모듈에서 수행되어진 시뮬레이션을 기준으로 주변 환경과 방재 시설물의 위치와 용량을 가변시켜 해당 변화에 따른 시뮬레이션을 수행하는 환경가변 시뮬레이션 모듈을 포함하는 것을 특징으로 하는 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템.
  2. 제1항에 있어서,
    상기 입력부는,
    임의의 침수피해 발생 예상지역에 대한 토지피복도를 해당 공공기관으로부터 입력받는 토지피복도 입력모듈과;
    드론을 통해 촬영한 해당 침수피해 발생 예상지역에 대해 현재 상태의 항공 영상 데이터를 입력받는 드론 촬영데이터 입력모듈과;
    상기 드론 촬영데이터 입력모듈을 통해 취득되어진 항공 영상 데이터를 정사영상으로 변환하는 정사영상 변환모듈; 및
    상기 정사영상 변환모듈을 통해 항공 영상 데이터를 정사영상으로 변환하는 과정에서 발생되는 DSM정보를 취득하고 필요 요청에 따라 해당 DSM정보를 가공한 DEM 정보를 취득하는 DSM/DEM 정보 취득모듈을 포함하는 것을 특징으로 하는 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템.
  3. 삭제
  4. 제1항에 있어서,
    상기 입력데이터 복합처리 모듈은,
    상기 입력부를 통해 입력되는 토지피복도 정보와 드론의 촬영 영상을 통해 취득되어진 정사영상과 그에 따른 DSM 정보, 및 상기 DSM정보에 따른 DEM 정보를 입력받아 대응하는 동일지역의 정보를 매칭시키는 입력데이터 복합 연산 모듈과;
    상기 입력데이터 복합 연산 모듈에서 매칭되어진 정보를 정사영상 중심으로 재편하여 토지피복의 경계를 설정하는 정사영상 기준 경계설정 모듈; 및
    상기 입력데이터 복합 연산 모듈에서 매칭되어진 정보를 토지피복도 중심으로 재편하여 토지피복의 경계를 설정하는 토지피복도 기준 경계설정 모듈을 포함하는 것을 특징으로 하는 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템.
  5. 제4항에 있어서,
    상기 입력데이터 복합 연산 모듈과 연동하며, 상기 정사영상 내의 토지피복이 어떤 종류이고 해당 종류의 토지피복 투수율에 대한 정보에 대해 학습하는 딥러닝 객체탐지 알고리즘으로 이루어진 인공지능 딥러닝 모듈을 더 포함하여, 상기 입력데이터 복합 연산 모듈의 효율을 증대시키는 것을 특징으로 하는 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템.
  6. 제1항에 있어서,
    상기 침수/범람 시뮬레이션 모듈은,
    상기 입력데이터 복합처리 모듈에서 전 처리되어진 데이터를 입력받아 상기 강수량 입력모듈에 따른 토지피복 종류에 따른 투수율을 기준으로 침수 상황의 발생 여부를 시뮬레이션하는 침수 시뮬레이션 모듈과;
    상기 입력데이터 복합처리 모듈에서 전 처리되어진 데이터를 입력받아 DSM의 고도값을 기준으로 상기 강수량 입력모듈에 따른 강수량 데이터를 적용하여 범람 상황의 발생 여부를 시뮬레이션하는 범람 시뮬레이션 모듈을 포함하는 것을 특징으로 하는 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템.
  7. 삭제
  8. 삭제
  9. 제1항에 있어서,
    상기 환경가변 시뮬레이션 모듈은 상기 시뮬레이션 정보 분석모듈에서 분석되어진 정보를 기준으로 시뮬레이션 해당 지역의 단면도를 생성하는 단면도 생성모듈과;
    상기 단면도 생성모듈을 통해 생성된 지표의 단면 정보를 기준으로 침투블록의 설치 위치를 가변시켜 시뮬레이션을 위한 정보를 생성시키는 침투블록 시뮬레이션 정보 가변 모듈과;
    상기 단면도 생성모듈을 통해 생성된 지표의 단면 정보를 기준으로 저류조의 설치 위치와 용량을 가변시켜 시뮬레이션을 위한 정보를 생성시키는 저류조 시뮬레이션 정보 가변 모듈; 및
    상기 침투블록 시뮬레이션 정보 가변 모듈과 저류조 시뮬레이션 정보 가변 모듈을 통해 정보가 가변되어진 침투블록과 저류조의 정보를 기준으로 침수 및 범람에 대한 시뮬레이션을 재수행하여 방재를 위한 환경의 변화에 대한 정보를 취득하기 위한 가변정보 시뮬레이션 모듈을 포함하는 것을 특징으로 하는 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템.
KR1020220160144A 2022-11-04 2022-11-25 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템 KR102564218B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/501,020 US20240153264A1 (en) 2022-11-04 2023-11-02 Inundation and overflow prediction system using drone images and artificial intelligence

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20220146111 2022-11-04
KR1020220146111 2022-11-04

Publications (1)

Publication Number Publication Date
KR102564218B1 true KR102564218B1 (ko) 2023-08-07

Family

ID=87561209

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220160144A KR102564218B1 (ko) 2022-11-04 2022-11-25 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템

Country Status (2)

Country Link
US (1) US20240153264A1 (ko)
KR (1) KR102564218B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102644095B1 (ko) 2023-10-26 2024-03-07 주식회사 플랙스 사용자 맞춤 캐릭터를 이용한 대화형 서비스를 통한 학습 심리검사 제공 서버 및 동작 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101754333B1 (ko) * 2016-01-27 2017-07-06 (주)도명이엔지 항공레이저측량과 공간정보를 사용한 침수지역의 홍수피해액 계산 방법
KR102288433B1 (ko) * 2020-05-15 2021-08-10 대한민국 이동강우 및 시간분포 재현이 가능한 도시홍수 실증실험 통합운영시스템
KR102314013B1 (ko) * 2020-04-24 2021-10-18 대한민국 딥러닝 기반 도시침수 한계강우량 추정 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101754333B1 (ko) * 2016-01-27 2017-07-06 (주)도명이엔지 항공레이저측량과 공간정보를 사용한 침수지역의 홍수피해액 계산 방법
KR102314013B1 (ko) * 2020-04-24 2021-10-18 대한민국 딥러닝 기반 도시침수 한계강우량 추정 방법
KR102288433B1 (ko) * 2020-05-15 2021-08-10 대한민국 이동강우 및 시간분포 재현이 가능한 도시홍수 실증실험 통합운영시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102644095B1 (ko) 2023-10-26 2024-03-07 주식회사 플랙스 사용자 맞춤 캐릭터를 이용한 대화형 서비스를 통한 학습 심리검사 제공 서버 및 동작 방법

Also Published As

Publication number Publication date
US20240153264A1 (en) 2024-05-09

Similar Documents

Publication Publication Date Title
Danielson et al. Topobathymetric elevation model development using a new methodology: Coastal national elevation database
KR101548647B1 (ko) 3차원 지형정보 가시화 프로세서 및 그 동작방법
McDougall Using volunteered information to map the Queensland floods
McDougall et al. The use of LIDAR and volunteered geographic information to map flood extents and inundation
KR101942058B1 (ko) 전산유체역학과 해양특성을 이용한 해수면 상승 침수 시뮬레이션 방법
Zhang et al. Comparative analysis of inundation mapping approaches for the 2016 flood in the Brazos River, Texas
Backes et al. Towards a high-resolution drone-based 3D mapping dataset to optimise flood hazard modelling
KR102564218B1 (ko) 드론 영상과 인공지능을 이용한 침수 범람 예측 시스템
KR100904078B1 (ko) 항공 사진의 영상정합을 이용한 3차원 공간 정보 생성 시스템 및 방법
Stanchev et al. Integrating GIS and high resolution orthophoto images for the development of a geomorphic shoreline classification and risk assessment—a case study of cliff/bluff erosion along the Bulgarian coast
CN109147026A (zh) 溃坝事故的情景构建方法及系统、应急演练方法
CN114494633B (zh) 填挖数据处理方法、装置、计算机设备和存储介质
CN113192192A (zh) 一种实景三维数字孪生航道场景构建方法
Griesbaum et al. Direct local building inundation depth determination in 3-D point clouds generated from user-generated flood images
JP7294529B2 (ja) 分析装置、分析方法及びプログラム
KR20200005271A (ko) 해안도시지역 내 범람 모의방법 및 그를 위한 컴퓨터 프로그램
KR20160120955A (ko) 수변구조물 피해탐지를 위한 대용량 다차원 영상정보 가시화 모듈 개발
Neumann et al. Comparing the" bathtub method" with Mike 21 HD flow model for modelling storm surge inundation
Kim et al. Urban flood inundation simulation based on high-precision 3D modeling
CN113538679A (zh) 一种混合实景三维航道场景构建方法
Douass et al. 3d modeling of flood areas
Duke Evaluation of photogrammetry at different scales
Williams et al. Geographic information system data considerations in the context of the enhanced bathtub model for coastal inundation
Al Rawashdeh Assessment of extraction drainage pattern from topographic maps based on photogrammetry
Meesuk Point cloud data fusion for enhancing 2d urban flood modelling

Legal Events

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